Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(a, b) → a + b
(a, b) → ab
a ≤ b.
P3 ab = 0 es equivalente a a = 0 o b = 0.
P8 Para dos números reales cualesquiera a, b vale una y sólo una de las
siguientes relaciones
a < b, a = b, b < a
a + c < b + d.
P11 a ≤ b es equivalente a a + c ≤ b + c. a < b es equivalente a a + c < b + c.
|a + b| ≤ |a| + |b|,
||a| − |b|| ≤ |a − b|.
{a ≥ 0 y b ≤ 0} ⇒ ab ≤ 0
{a ≤ 0 y b ≤ 0} ⇒ ab ≥ 0
{a > 0 y b > 0} ⇒ ab > 0
{a > 0 y b < 0} ⇒ ab < 0
{a < 0 y b < 0} ⇒ ab > 0.
Sigue que sig (ab) = sig (a) sig (b), a = |a| sig (a).
P22 Las relaciones 0 < a1 ≤ a2 , 0 < b1 ≤ b2 , implican a1 b1 ≤ a2 b2 . Si
además a1 < a2 o b1 < b2 , entonces a1 b1 < a2 b2 .
esto es, una ley de correspondencia que asigna a cada número natural n un
número real an . Estos números reales an , imagen de los números naturales,
quedan ordenados de acuerdo con la relación “<” que existe en N. Debe
entenderse “ordenados” con respecto a su enumeración, no con respecto a su
valor numérico:
a1 , a2 , a3 , · · · .
{n} = 1, 2, 3, · · ·
½ ¾
n+1
= 2, 3/2, 4/3, · · ·
n
0, 1/2, 0, −1/3, 0, 1/4, 0, −1/5, · · ·
0, 1, 0, 2, 0, 3, · · ·
0, 1, 0, 11, 0, 111, · · ·
{1} = 1, 1, 1, · · · .
Dada una sucesión, puede ocurrir que tenga lı́mite finito (sucesión conver-
gente), o lı́mite infinito (sucesión divergente) o bien que no tenga lı́mite, ni
finito ni infinito (sucesión oscilante). Se puede probar fácilmente que estos
tres casos son excluyentes entre sı́.
an ≤ cn ≤ bn ,
entonces cn → l.
1 Sucesiones de números reales 7
1.4 Subsucesiones
Una sucesión es una aplicación g : N → R. Supongamos que tenemos una
aplicación h : N → N, estrictamente creciente, es decir, h(n) < h(m) si n < m.
Luego la composición
h g
g ◦ h, N → N → R,
es una aplicación de N en R. Por lo tanto es también una sucesión, que por
provenir de la otra de esa manera se llama subsucesión de la otra. Si, por
ejemplo, tenemos la sucesión a1 , a2 , · · ·, y
b1 = a3 , b2 = a5 , b3 = a6 , b4 = a10 , · · · .
a1 ≤ a2 ≤ a3 ≤ · · ·
Una sucesión {an } puede no tener lı́mite pero sı́ pueden tenerlo subsucesiones
de ella. Si una subsucesión de {an } tiene un lı́mite l, entonces l se llama lı́mite
de oscilación de la sucesión {an }. De esta manera, una sucesión puede tener
muchos (en realidad, infinitos) lı́mites de oscilación. Por ejemplo, sea {an } la
sucesión
1, 0, 1, 0, 1, · · · .
La subsucesión
a 1 , a 3 , a5 , · · ·
a 2 , a 4 , a6 , · · ·
tiene lı́mite 0. Puede probarse fácilmente que esta sucesión tiene sólo estos dos
lı́mites de oscilación.
Una sucesión tiene siempre lı́mites de oscilación, con valor finito o infinito. De
entre todos los lı́mites de oscilación hay uno que es el mayor de ellos, finito o
infinito. Se le da el nombre de lı́mite superior, y se simboliza
(c) La sucesión {an } tiene lı́mite, finito o infinito con signo determinado,
si y sólo si lim inf an = lim sup an . En este caso el valor de su lı́mite es el
coincidente de lim inf an y lim sup an .
Comprobar si una sucesión tiene lı́mite por su misma definición supone conocer
el valor del lı́mite. Existe un criterio que permite determinar la existencia de
lı́mite finito de una sucesión sin conocer su supuesto lı́mite. Es la llamada
1 Sucesiones de números reales 9
condición de Cauchy.
Definición Una sucesión an se dice de Cauchy si dado ² > 0, arbitrario, existe
n0 (²) ∈ N tal que si n, m ∈ N, n ≥ n0 , m ≥ n0 , entonces |an − am | < ².
Proposición Una sucesión an tiene lı́mite finito si y sólo si es de Cauchy.
Por otra parte, existe una subsucesión {ani } de {an } tal que ani → l, y existe
otra subsucesión {ami } de an tal que ami → l. Por lo tanto, a partir de un
cierto término de la primera subsucesión vale
Luego |ami − ani | > ²/3. Pero esto está en contradicción con el hecho de que
a partir del término an0 , todos los términos de la sucesión {an } satisfacen
|an − am | < ²/3.
Suma
Dadas dos sucesiones {an }, {bn }, podemos formar la sucesión suma
{an + bn } = a1 + b1 , a2 + b2 , · · · .
Producto
{an bn } = a1 b1 , a2 b2 , · · · .
Obtenemos que
{an → a, bn → b} ⇒ an bn → ab
{an → 0, {bn } acotada } ⇒ an bn → 0
{an → ∞, |bn | > K > 0} ⇒ an bn → ∞.
1 Sucesiones de números reales 11
Cociente
La sucesión cociente es
Sigue que
{an → a, bn → b 6= 0} ⇒ an /bn → a/b
{{an } acotada , bn → ∞} ⇒ an /bn →0
{|an | > K > 0, bn → 0} ⇒ an /bn →∞
{an → ∞, {bn } acotada } ⇒ an /bn → ∞.
Si an → 0 y bn → 0, o bien an → ∞, bn → ∞, entonces no hay respuesta
general para el lı́mite del cociente.
Logaritmos
En efecto, suponiendo α > 1, para ² > 0 es α² > 1, α−² < 1. Luego, como
bn /b → 1, sigue que a partir de un n en adelante es
Además
{an → 0, bn → b > 0} ⇒ abnn →0
{an → 0, bn → b < 0} ⇒ abnn → +∞
{an → a > 1, bn → +∞} ⇒ abnn → +∞
{an → a > 1, bn → −∞} ⇒ abnn →0
{an → a < 1, bn → +∞} ⇒ abnn →0
{an → a < 1, bn → −∞} ⇒ abnn → +∞
{an → 0, bn → +∞} ⇒ abnn →0
{an → 0, bn → −∞} ⇒ abnn → +∞
{an → +∞, bn → +∞} ⇒ abnn → +∞
{an → +∞, bn → −∞} ⇒ abnn → 0.
En los siguientes casos no puede darse una respuesta general.
an → 0, bn → 0,
an → +∞, bn → 0,
an → 1, bn → +∞,
an → 1, bn → −∞.
2 Series numéricas
El concepto de lı́mite de una sucesión permite definir una suma de infinitos
términos o serie numérica
∞
X
ai = a1 + a2 + · · · .
i=1
Sea
S1 = a1
S2 = a1 + a2
.. .. ..
. . .
Sn = a1 + a2 + · · · + an
.. .. ..
. . .
Entonces se define ∞
X
ai = lim Sn .
n→∞
i=1
De acuerdo con esta definición, una serie puede ser convergente, divergente u
oscilante, en concordancia con el carácter de la sucesión de sumas parciales.
De las propiedades válidas para sumas finitas se mantiene la propiedad dis-
tributiva: ∞ ∞
X X
k ai = kai .
i=1 i=1
1 − 1 + 1 − 1 + ···
1, 0, 1, 0, 1, · · · .
Pero si asociamos
(1 − 1) + (1 − 1) + · · · ,
se convierte en
0 + 0 + 0 + · · · = 0,
serie convergente.
2 Series numéricas 14
Serie geométrica
Sea a 6= 0, k 6= 1. La serie
∞
X
2 3
a + ak + ak + ak + · · · = a k i−1
i=1
Sn = a + ak + ak 2 + · · · + ak n−1 .
De aquı́
kSn = ak + ak 2 + · · · + ak n = Sn+1 − a.
Por otra parte Sn+1 − Sn = ak n . Luego
kSn + a − Sn = ak n ,
(k − 1)Sn = a(k n − 1).
Por lo tanto
kn − 1 1 − kn
Sn = a =a .
k−1 1−k
a
Vemos que, si 0 ≤ |k| < 1, Sn converge a 1−k . Si k > 1, entonces Sn → +∞.
Si k < −1, entonces Sn → ∞. Si k = −1, entonces la serie geométrica es
oscilante. En conclusión, la serie geométrica de razón k es convergente cuando
y sólo cuando −1 < k < 1.
Convergencia absoluta
P
Definición Una serie ∞ i=1 ai se dice absolutamente convergente si la serie
P∞
i=1 |ai | es convergente.
P Pm
Dado que | m i=n+1 ai | ≤ i=n+1 |ai |, el criterio de convergencia de Cauchy
afirma que una serie absolutamente convergente es convergente. La implicación
recı́proca no es en general cierta: una serie puede ser convergente pero no
absolutamente convergente. Por ejemplo, probaremos más adelante que
X∞
(−1)i+1 1/i = 1 − 1/2 + 1/3 − 1/4 + 1/5 − · · ·
i=1
es convergente, pero
X∞
|(−1)i+1 1/i| = 1 + 1/2 + 1/3 + · · ·
i=1
es divergente.
donde α > 0.
Si α ≤ 1, entonces la serie armónica es divergente. Si α > 1, entonces es
convergente.
Ejemplo
P∞ n+1
n=1 (−1) 1/n = 1 − 1/2 + 1/3 − · · ·. Puede probarse que esta serie
converge a ln 2.
P P P
(b) pi convergente, qi divergente. En este caso tenemos ai = −∞.
P P P
(c) pi divergente, qi convergente. Aquı́ es ai = +∞.
P P P
(d) pi y qi ambas divergentes. En este caso ai se dice condicional-
mente convergente. Reordenando convenientemente sus términos es posible
obtener una serie convergente a cualquier valor previamente estipulado, di-
vergente u oscilante. Este caso es el de las series convergentes que no son
absolutamente convergentes. Por ejemplo, la serie
En este caso existe una menor cota superior, llamada extremo superior de A,
o supremo de A (sup A).
(a) I = {x ∈ IR : a ≤ x ≤ b}, a ≤ b.
Intervalo acotado cerrado o intervalo compacto.
(b) I = {x ∈ IR : a < x < b}, a < b.
Intervalo acotado abierto.
[a, b], (a, b), [a, b), (a, b], IR o (−∞, +∞), (−∞, a], (−∞, a), [a, ∞), (a, ∞).
g ◦ f : A 7→ C,
f ◦ f −1 = idB , f −1 ◦ f = idA .
Hasta aquı́ hemos visto definiciones válidas para funciones cuyo dominio y
codominio son conjuntos cualesquiera. De aquı́ en adelante supondremos que
3 Funciones reales de variable real 22
Pn (x)
, Qn (x) 6= 0.
Qn (x)
Función potencial
Es la definida por
o bien
f : (0, ∞) 7→ (0, ∞), f (x) = xp , p < 0.
Como es una función biyectiva, tiene función inversa, cuya expresión es x1/p .
Luego su inversa es también una función potencial.
Función exponencial
Es la definida por
Funciones circulares
Consideremos un triángulo rectángulo de lados a, b, c, donde c es la hipotenusa,
que suponemos de longitud 1, y x es el ángulo, en radianes, entre los lados a
y c. Se define
Tenemos que
sen2 x + cos2 x = 1.
Luego
sen 2x = 2 sen x cos x,
Las funciones
Funciones hiperbólicas
Las funciones seno hiperbólico y coseno hiperbólico se definen como
Tenemos que
ch x + sh x = ex , ch x − sh x = e−x , ch 2 x − sh 2 x = 1.
ch 2 x = sh 2 x + 1 = y 2 + 1,
p p
y ch x es siempre positivo, sigue que ch x = + y 2 + 1 = ex .
y 2 + 1. Luego y+
p
Tomando en esta igualdad logaritmo neperiano, resulta x = ln(y + y 2 + 1).
Ası́,
√
sh −1 x = ln(x + x2 + 1).
Definición
Hay que destacar que aquı́ l puede tomar un valor finito o infinito.
Observar que esta definición se basa en la de lı́mite de sucesiones numéricas y
por lo tanto todo lo que vale para éstas vale también para el lı́mite funcional.
Por ejemplo, sabemos que el lı́mite de una suma de dos sucesiones numéricas
es la suma de los lı́mites de cada una de ellas, cuando estos existen con valor
finito. Consideremos ahora dos funciones, f : A → IR, g : A → IR. Luego
existe la función suma f + g : A → IR, definida como
(f + g)(x) → l1 + l2 cuando x → a.
En general, todos los resultados que valen para operaciones con sucesiones
valen análogamente para operaciones con funciones: suma, producto, cociente,
potencia, logaritmos. Del mismo modo siguen existiendo las mismas indeter-
minaciones, a saber:
Para la suma: ∞ − ∞.
Para el producto: 0 ∞.
Para el cociente: 0/0, ∞/∞.
Para la potencia: 00 , ∞0 , 1∞ .
Queda claro entonces que todas las reglas que valen para operaciones con
sucesiones siguen valiendo para operaciones con funciones. Por ejemplo:
Lo que sucede con esta función conduce a definir el llamado lı́mite de os-
cilación de una función en un punto a, y que es el concepto análogo al de lı́mite
de oscilación de una sucesión numérica.
3 Funciones reales de variable real 27
Definición
l se dice lı́mite de oscilación de f en a si existe alguna sucesión {zn }, zn →
a, zn 6= a, y zn en el dominio de la función para todo n, tal que f (zn ) → l.
o bien
limf (x), limf (x), para x → a,
respectivamente.
Si f no está acotada superiormente en ningún entorno de a, entonces
Ahora llamemos
Calculemos
lim(hg)(x) para x → 0+ .
0.2
0.1
-0.1
-0.2
-0.3
0.05 0.1 0.15 0.2 0.25 0.3
x
Ejemplos
Las definiciones vistas hasta ahora son válidas para x → a, a valor finito.
También se puede definir el lı́mite de una función para
De forma similar se definen los otros dos casos. Y también el caso de lı́mite
infinito para x → ∞.
Con la otra definición hay que distinguir los casos de lı́mite finito e infinito.
Para lı́mite finito tenemos que:
{xn }, 2 6= xn > 0, xn → 2,
y ver si la sucesión numérica f (xn ) tiende a algún valor l que sea indepen-
diente de la sucesión ası́ elegida. Ahora bien, en nuestro ejemplo f (xn ) = x2n .
Pero sabemos por resultados conocidos de sucesiones numéricas que si xn → 2
entonces x2n → 4. Como este 4 es siempre el lı́mite de x2n , con tal que xn → 2,
sigue que el lı́mite de esta función para x → 2 es 4.
Andamos con suerte puesto que vemos que la expresión que debemos hacer
menor que un ² prefijado depende de |x − 2|, sobre el que tenemos libertad
para achicarlo tanto como se quiera mediante la elección de δ. Luego
o sea
|x2 − 4| < ².
3 Funciones reales de variable real 31
Comparemos término a término. Tenemos que 1/[n + 10] < 1/n para todo
n ∈ N. Luego tenemos que todas las sumas parciales de la segunda serie
son menores que las correspondientes sumas parciales de la primera. Pero
como la serie mayorante es divergente, no podemos afirmar nada sobre la
serie de términos menores. Sabemos que el carácter de una serie depende del
comportamiento de sus “últimos” términos, es decir, a partir de uno cualquiera
de ellos. Luego comparemos los términos correspondientes de ambas series para
n grande, o sea para n → ∞. Tenemos que
1/[n + 10] n
lim = lim = 1.
1/n n + 10
X∞ X∞
1 1
= 1/2 = +∞,
n=11
2n n=11
n
3 Funciones reales de variable real 32
α(n) y β(n) son del mismo orden para n → ∞ si para todo n mayor
que un número fijo vale que
¯ ¯
¯ α(n) ¯
¯
K1 < ¯ ¯ < K2 ,
β(n) ¯
donde K1 y K2 son dos constantes fijas, K1 > 0.
Si en particular
α(n)
lim = η, η 6= 0, η 6= ∞,
n→∞ β(n)
entonces α(n) y β(n) son cantidades del mismo orden. Si η = 1, α(n) y β(n)
se dicen equivalentes. Si
α(n)
lim =0
n→∞ β(n)
¯ ¯
¯ (x) ¯
Si limx→a ¯ fg(x) ¯ = b > 0, entonces f (x) y g(x) son del mismo orden para x → a.
Como ejemplo comparemos sen x y x para x → 0. El lı́mite del cociente sen x/x
es en principio indeterminado, del tipo 0/0. Vamos a resolver la indetermi-
nación probando que lim sen x/x = 1. Consideremos el cuarto de circunferencia
de radio 1, localizada en el primer cuadrante.
N
Q
x
O P M
Por consiguiente
1 < x/sen x < 1/ cos x,
y ahora está claro que 1 − sen x/x queda comprendido entre dos funciones que
tienden a 0 cuando x → 0+ . Dado que sen x/x es una expresión par se obtiene
que
lim sen x/x = 1.
x→0
(b) Discontinuidad de tipo infinito Existe limx→c f (x), pero con valor in-
finito, con el mismo signo.
Ejemplo ½
1/x2 si x 6= 0
f : R 7→ R, f (x) =
0 si x = 0.
(c) Discontinuidad de salto finito Existen los dos lı́mites laterales, finitos,
pero son distintos.
Ejemplo ½ 1+e1/x
si x 6= 0
f : R 7→ R, f (x) = 1−e1/x
0 si x = 0.
(d) Discontinuidad de salto infinito Existen los dos lı́mites laterales, uno
de ellos finito y el otro infinito, o bien los dos infinitos con distinto signo.
4 Funciones continuas 36
Ejemplos ½
e1/x si x 6= 0
f : R 7→ R, f (x) =
0 si x = 0.
½
1/x si x 6= 0
f : R 7→ R, f (x) =
0 si x = 0.
Ejemplo ½
sen (1/x) si x 6= 0
f : R 7→ R, f (x) =
0 si x = 0.
• f + g es continua en c,
• f g es continua en c,
• f /g es continua en c si g(c) 6= 0.
En efecto, supongamos que f (a) < f (b) y sea η tal que f (a) < η < f (b).
Consideremos la función continua f (x) − η = g(x). Luego g(a) < 0 y g(b) > 0.
Por lo tanto, por el Teorema de Bolzano sigue que existe c, a < c < b, tal que
g(c) = 0, o sea f (c) = η.
4 Funciones continuas 38
Ejemplos
1) ½
1/x2 si x 6= 0
f : [−1, 1] 7→ R, f (x) =
0 si x = 0.
El dominio es un intervalo cerrado y acotado pero f no es continua. No valen
ninguno de los dos Teoremas.
2)
f : (0, 1] 7→ R, f (x) = 1/x.
Ejemplos
1) f : A 7→ R, f función constante, o sea f (x) = M para todo x ∈ A.
Es
f (c + h) − f (c) M −M
= =0
h h
y por lo tanto f 0 (c) = 0.
2) f : A 7→ R, f (x) = x.
Es
f (c + h) − f (c) c+h−c
= =1
h h
y por consiguiente f 0 (c) = 1.
3) f : A 7→ R, f (x) = x2 .
Es
f (c + h) − f (c) (c + h)2 − c2 2ch + h2
= = = 2c + h.
h h h
Luego f 0 (c) = limh→0 (2c + h) = 2c.
4) f : A 7→ R, f (x) = ln x.
Es
f (c + h) − f (c) ln(c + h) − ln c c+h
= = (1/h) ln = ln(1 + h/c)1/h .
h h c
Cuando h → 0, 1/h → ∞ y 1 + h/c → 1. Luego (1 + h/c)1/h → e1/c . De aquı́
sigue que ln(1 + h/c)1/h → 1/c y luego f 0 (c) = 1/c.
5 Derivada y sus aplicaciones 41
f (c + h) − f (c)
f 0 (c− ) = lim− .
h→0 h
Si existen ambas derivadas laterales y sus valores coinciden, entonces existe
la derivada en el punto. En este caso f se dice derivable en el punto. Puede
ocurrir que ambas derivadas laterales existan, con valores distintos. Por ejem-
plo,
f : (−1, 1) 7→ R, f (x) = |x|.
Es
f (0 + h) − f (0) |h|
lim+ = lim+ = 1,
h→0 h h→0 h
f (0 + h) − f (0) |h|
lim− = lim− = −1.
h→0 h h→0 h
Puede darse que
f (c + h) − f (c) f (c + h) − f (c)
lim+ = lim− = +∞,
h→0 h h→0 h
o bien que ambos lı́mites sean −∞. En este caso la función f no es derivable
en c aunque existe la recta tangente en c, que es una recta vertical. Por
ejemplo,
f : R 7→ R, f (x) = x1/3 . Es
f (0 + h) − f (0) h1/3
lim+ = lim+ = lim+ h−2/3 = +∞
h→0 h h→0 h h→0
y
f (0 + h) − f (0) h1/3
lim− = lim− = lim− h−2/3 = +∞.
h→0 h h→0 h h→0
Ejemplo
f : R 7→ R, f (x) = x2/3 . Es
f (0 + h) − f (0) h2/3
lim+ = lim+ = lim+ h−1/3 = +∞,
h→0 h h→0 h h→0
f (0 + h) − f (0) h2/3
lim− = lim− = lim− h−1/3 = −∞.
h→0 h h→0 h h→0
Si las dos derivadas laterales existen con valor finito en c (no necesariamente
iguales) entonces la función es continua en c. En efecto,
limh→0+ [f (c + h) − f (c)] =
f (c + h) − f (c) f (c + h) − f (c)
lim+ h = lim+ lim h = 0.
h→0 h h→0 h h→0+
lim [f (c + h) − f (c)] = 0,
h→0
es decir
lim f (c + h) = f (c).
h→0
f 0 : A 7→ R,
Ejemplos
1.75
1.5
1.25
0.75
0.5
0.25
0.5 1 1.5 2
af (c + h) − af (c) f (c + h) − f (c)
lim = a lim = af 0 (c).
h→0 h h→0 h
Sigue que (af )0 (x) = af 0 (x) para todo x ∈ A.
5 Derivada y sus aplicaciones 44
Es
f (c + h) + g(c + h) − f (c) − g(c)
lim =
h→0 h
· ¸
f (c + h) − f (c) g(c + h) − g(c)
lim + =
h→0 h h
f (c + h) − f (c) g(c + h) − g(c)
lim + lim =
h→0 h h→0 h
f 0 (c) + g 0 (c).
Luego
(f + g)0 (x) = f 0 (x) + g 0 (x)
y luego
1 0 1 0
[ln(f g)(x)]0 = [ln f (x)]0 + [ln g(x)]0 = f (x) + g (x).
f (x) g(x)
f 0 (x) g 0 (x)
[ln f (x) − ln g(x)]0 = [ln f (x)]0 − [ln g(x)]0 = − .
f (x) g(x)
Por lo tanto
fp0 (x) = pfp (x)/x = pxp−1 .
f 0 (f −1 (x))(f −1 (x))0 = 1,
y por lo tanto
1
(f −1 (x))0 = .
f 0 (f −1 (x))
Ejemplo Sea
f : [−π/2, π/2] 7→ [−1, 1], f (x) = sen x.
Es
f −1 : [−1, 1] 7→ [−π/2, π/2], f −1 (x) = arcsen x.
5 Derivada y sus aplicaciones 48
Luego
1
(arcsen x)0 = .
cos(arcsen x)
Sea α = arcsen x. Tenemos que cos2 α = 1 − sen 2 α, con −π/2 ≤ α ≤ π/2.
√
Como α ≥ 0 para estos valores de α, sigue que cos α = + 1 − sen 2 α, pero
sen α = sen (arcsen x) = x. Luego
1
(arcsen x)0 = √ .
+ 1 − x2
Como arcsen x + arccos x = π/2, sigue que (arcsen x)0 + (arccos x)0 = 0 y
por consiguiente
1
(arccos x)0 = √ .
− 1 − x2
De una forma similar se obtiene que
1
(arctan x)0 = ,
1 + x2
−1
(arccot x)0 = .
1 + x2
Las derivadas de las funciones hiperbólicas y sus inversas son las siguientes:
(sh x)0 = ch x,
(ch x)0 = sh x,
1
(tgh x)0 = ,
ch2 x
1
(arg sh x)0 = √ ,
x2 + 1
1
(arg ch x)0 = √ ,
2
x −1
1
(arg tgh x)0 = .
1 − x2
Si la función derivada f 0 (x) es también derivable, su función derivada (f 0 (x))0 es
la llamada derivada segunda de f , que se simboliza f 00 (x). Si f 00 (x) es derivable
entonces su función derivada f 000 (x) es la derivada tercera de f . De esta manera
se obtienen las derivadas sucesivas de f , mientras éstas sean derivables.
5 Derivada y sus aplicaciones 49
Ejemplos
1)
f : (0, ∞) 7→ R, f (x) = ln x.
Es
f 0 (x) = 1/x para todo x ∈ (0, ∞).
Luego la función logarı́tmica es estrictamente creciente en todo su dominio.
2)
f : (0, ∞) 7→ (0, ∞), f (x) = 1/x.
Es
f 0 (x) = −1/x2 , que es negativo para todo x ∈ (0, ∞).
Luego esta función es estrictamente decreciente en todo su dominio.
(a − δ) ∪ (a + δ),
Análogamente,
Ejemplos
1)
f : [−1, 1] 7→ R, f (x) = |x|.
f no es derivable en 0 pero f 0 (x) = 1 > 0 si x ∈ (0, 1) y f 0 (x) = −1 < 0 si
x ∈ (−1, 0).
Luego 0 es mı́nimo relativo estricto.
2)
f : [−1, 1] 7→ R, f (x) = 1 − |x|.
f 0 (x) = −1 < 0 si x ∈ (0, 1) y f 0 (x) = 1 > 0 si x ∈ (−1, 0). Luego 0 es máximo
relativo estricto. En ninguno de los dos ejemplos la función es derivable en 0.
Ejemplo
f : R 7→ R, f (x) = 3x4 − 4x3 .
5 Derivada y sus aplicaciones 51
Ejemplo
f : [−1, 1] 7→ R, f (x) = x2 sig x.
Es
f 0 : [−1, 1] 7→ R, f 0 (x) = |2x|,
Ejemplo
f : R 7→ R, f (x) = 3x4 − 4x3 .
Tenemos que f 0 (x) = 12x2 (x − 1), f 00 (x) = 12x(3x − 2).
f 0 se anula sólamente en 0 y en 1. Luego éstos son los únicos puntos que pueden
ser extremos relativos de f . Vemos que en un entorno de 0, f 0 (x) ≤ 0 y luego, al
no cambiar de signo f 0 en el punto 0, el origen no es extremo relativo de f sino
que la función es allı́ estrictamente decreciente. En cambio, f 0 cambia de signo
en un entorno de 1, pasando de negativa a positiva. Por lo tanto 1 es mı́nimo
relativo (y también absoluto en este caso). f es estrictamente decreciente en
(−∞, 1) y estrictamente creciente en (1, ∞). f 00 se anula en 0 y 2/3, sólamente.
Vemos que f 00 (x) < 0 en (0,2/3) y f 00 (x) > 0 en (−∞, 0) ∪ (2/3, ∞). Luego
tiene concavidad negativa en el primer intervalo y concavidad positiva en los
dos últimos intervalos, siendo por lo tanto 0 y 2/3 puntos de inflexión de f .
x = α(t)
y = β(t),
a = α(ta )
f (a) = β(ta )
b = α(tb )
f (b) = β(tb ).
x = x
y = f (x),
Ejemplo
x = sen t
y = cos t,
t ∈ [−π/2, π/2].
Como x2 + y 2 = 1, esta curva es una semicircunferencia superior de radio 1,
correspondiente a la gráfica de la función
√
f : [−1, 1] 7→ R, f (x) = + 1 − x2 .
β 0 (t)
f 0 (x) = ,
α0 (t)
f (b) − f (a)
= f 0 (c).
b−a
Demostración. La recta que pasa por los puntos (a, f (a)) y (b, f (b)) tiene por
ecuación
f (b) − f (a)
y= (x − a) + f (a).
b−a
Consideremos la función g : [a, b] 7→ R,
f (b) − f (a)
g(x) = f (x) − (x − a) − f (a).
b−a
g es continua en [a, b] y derivable en [a, b]. Además g(a) = g(b) = 0. Luego
por el Teorema de Rolle existe c ∈ (a, b) tal que g 0 (c) = 0. Pero
f (b) − f (a)
g 0 (x) = f 0 (x) − .
b−a
De aquı́ la tesis del teorema sigue inmediatamente.
x = sen t
y = cos t,
t ∈ [−π/2, 3π/2].
En general, unas ecuaciones
x = α(t)
y = β(t),
donde se indica el punto inicial, que también es el punto final y de paso inter-
medio, y donde las puntas de flecha indican el sentido de recorrido a medida
que aumentan los valores del parámetro t. En este caso, ni α(t) ni β(t) son
funciones biyectivas, aunque sı́ son continuas y más aún, derivables, si la curva
es “suave”, esto es, con recta tangente en todo punto interior de ella.
son (α(ta ), β(ta )) y (α(tb ), β(tb )). Luego la pendiente de la cuerda que une esos
puntos es
β(tb ) − β(ta )
.
α(tb ) − α(ta )
Teorema de Cauchy Si α : [ta , tb ] 7→ R, β : [ta , tb ] 7→ R, son dos funciones
continuas, y derivables en (ta , tb ), tales que sus derivadas no se anulan ni se
hacen infinito simultáneamente, entonces existe t0 ∈ (ta , tb ) tal que
y
f (x) − f (a) 0 g(x) − g(a)
f 0 (a) = lim , g (a) = lim .
x→a x−a x→a x−a
Si además g 0 (a) 6= 0 entonces
Ejemplo
sen x
. lim
x→0 x
Ambas funciones son derivables en 0 y además g 0 (x) ≡ 1 6= 0. Luego ese lı́mite
cos 0
es 1
= 1.
f (x)
Si g 0 (a) = 0, esta regla no puede aplicarse. No obstante limx→a g(x)
puede
existir lo mismo. La siguiente regla es consecuencia del Teorema de Cauchy.
f 0 (x) f (x)
Si existe limx→a g 0 (x)
entonces este lı́mite es igual a limx→a g(x)
.
5 Derivada y sus aplicaciones 57
En efecto,
f (x)−f (a)
f (x) x−a f 0 (zx )
lim = lim g(x)−g(a)
= lim .
x→a g(x) x→a x→a g 0 (zx )
x−a
f 0 (zx ) f 0 (x)
lim = lim .
x→a g 0 (zx ) x→a g 0 (x)
Puede ocurrir que también este último lı́mite quede indeterminado. En este
f 00 (x)
caso la regla puede reiterarse, suponiendo que existe limx→a g 00 (x)
.
Ejemplo
x − sen x 1 − cos x sen x cos 0 1
lim 3
= lim 2
= lim = = .
x→0 x x→0 3x x→0 6x 6 6
La aplicación de la regla se justifica yendo “de atrás hacia adelante” . Como
la derivada de la función y = 6x es 6 6= 0, la primera de las reglas enunciadas
dice que
sen x 1
lim
= .
x→0 6x 6
La segunda de las reglas enunciadas permite decir ahora que: Como
sen x
lim
x→0 6x
existe, sigue que
1 − cos x sen x
lim 2
= lim .
x→0 3x x→0 6x
Como
1 − cos x
lim
x→0 3x2
existe, sigue que
1 − cos x x − sen x
lim 2
= lim .
x→0 3x x→0 x3
f (x) 0
Si limx→∞ g(x)
queda indeterminado en la forma 0
entonces, haciendo el
cambio de variables x = 1/u, se tiene
f (x) f (1/u)
lim = lim .
x→∞ g(x) u→0 g(1/u)
5 Derivada y sus aplicaciones 58
f 0 (x)
En resumen, tenemos que si limx→∞ g 0 (x)
existe entonces el valor de este lı́mite
es limx→∞ fg(x)
(x)
, por lo que la regla de resolución de la indeterminación del lı́mite
puede aplicarse también en este caso.
f (x)
Consideremos ahora la situación en que limx→a g(x)
queda indeterminado
por ser limx→a f (x) = ∞, limx→a g(x) = ∞. En este caso puede hacerse lo
siguiente. Como
1 1
lim = 0, lim = 0,
x→a f (x) x→a g(x)
y
f (x) 1/g(x)
lim = lim ,
x→a g(x) x→a 1/f (x)
pasa que esta indeterminación es del tipo 00 , por lo que puede aplicarse la regla
anterior al cociente escrito de esta manera. No obstante, puede probarse que
0 (x)
también en este caso, si existe limx→a fg0 (x) , entonces el valor de este lı́mite es
f (x)
limx→a g(x)
.
f (x)
f (x)g(x) = ,
1/g(x)
o bien
g(x)
f (x)g(x) = ,
1/f (x)
0 ∞
para llevarlo al caso 0
o ∞
.
Ejemplos
1)
lim xx .
x→0
Tomando logaritmo, queda
ln x 1/x
lim x ln x = lim = lim = lim (−x) = 0.
x→0 x→0 1/x x→0 −1/x2 x→0
Luego
lim xx = e0 = 1.
x→0
2)
lim (1 + x)1/x .
x→∞
Tenemos que
ln(1 + x) 1/(1 + x)
lim = lim = 0.
x→∞ x x→∞ 1
Luego
lim (1 + x)1/x = e0 = 1.
x→∞
s(t)
s(t) − s(t1 )
,
t − t1
tal como sucede en la definición de derivada de una función. Por lo tanto
la velocidad instantánea es precisamente la derivada – si ésta existe – de la
expresión s(t) evaluada en t = t1 , s0 (t1 ). Si la expresión s(t) es derivable en
todo su intervalo de definición, entonces queda definida en ese mismo intervalo
la función velocidad instantánea, de expresión v(t).
Nos centraremos en el cálculo del área de una región limitada por la gráfica
de una función
f : [a, b] 7→ [0, ∞).
1.5
0.5
0.5 1 1.5 2
Los rectángulos se corresponden con una partición del intervalo [a, b].
s ≤ A ≤ S,
Asimismo, una función acotada en [a, b], monótona creciente o monótona de-
creciente, es integrable (R). En este caso podemos conseguir una partición
tal que [xi − xi−1 ] < ²/(f (b) − f (a)) (o [xi − xi−1 ] < ²/(f (a) − f (b)) si f es
decreciente). Luego
n
X
S−s= [f (xi ) − f (xi−1 )][xi − xi−1 ] <
i=1
X n
² ²
[f (xi ) − f (xi−1 )] = [f (b) − f (a)] = ².
f (b) − f (a) i=1 f (b) − f (a)
En cualquiera de estos dos casos la integral definida de una función f puede
obtenerse partiendo el intervalo [a, b] en n subintervalos de igual longitud y
tomando lı́mite para n → ∞ en las sumas superiores e inferiores, indistinta-
mente.
Ejemplo
R1
Cálculo de 0
f (x) dx, donde
f : [0, 1] 7→ R, f (x) = x.
Pn
Sn = i=1 f (xi )[xi − xi−1 ], donde xi = i/n. Luego
n
X n
X
Sn = i/n 1/n = 1/n2 i=
i=1 i=1
n(n + 1) n+1
1/n2 [1 + 2 + · · · + n] = 1/n2 = ,
2 2n
y
n+1
lim Sn = lim = 1/2.
n→∞ n→∞ 2n
c)
Z b Z b Z b
[f (x) + g(x)] dx = f (x) dx + g(x) dx
a a a
La integral definida asigna un número real a cada función integrable sobre
un intervalo. Por las propiedades b) y c) se dice que esta asignación es lin-
eal. La propiedad c) se generaliza a una suma finita de funciones integrables.
Más precisamente, la integral definida de una combinación lineal de funciones
c1 f1 (x) + c2 f2 (x) + · · · + cm fm (x) es la combinación lineal de las integrales:
Z b "X n
#
Xn Z b
ci fi (x) = ci fi (x) dx.
a i=1 i=1 a
tenemos Z Z Z
b b b
− |f (x)| dx ≤ f (x) dx ≤ |f (x)| dx.
a a a
Es decir, ¯Z b ¯ Z b
¯ ¯
¯ f (x) dx ¯≤ |f (x)| dx.
¯ ¯
a a
Es decir, Rb
f (x) dx a
m≤
≤ M.
b−a
La integral definida de una función f partida por la longitud b − a del intervalo
de integración es un número µ comprendido entre el ı́nfimo y el supremo de
f en ese intervalo. Si f es continua en [a, b] entonces existe α ∈ [a, b] tal que
f (α) = µ. Luego en este caso
Z b
f (x) dx = f (α)(b − a),
a
a u b
a u v b a u v b
Como la función integral F (u) también satisface F 0 (u) = f (u) para todo u ∈
[a, b] tenemos que
para todo u ∈ [a, b]. Las únicas funciones con derivada nula en todo un
intervalo son las funciones constantes. Por lo tanto F (u) − G(u) = C, C
constante. En particular F (a) − G(a) = C, F (b) − G(b) = C. Como F (a) = 0,
sigue que C = −G(a) y por consiguiente
Z b
F (b) = f (x) dx = G(b) − G(a),
a
que es la llamada regla de Barrow, que por lo tanto permite calcular la integral
definida de una función continua si conocemos una función cuya derivada sea
el integrando. Esta regla también es válida si f es continua en [a, b] salvo en
una cantidad finita de puntos en [a, b].
Una función G tal que G0 = f en algún intervalo o dominio de números
reales se llama una primitiva de f . Se suele indicar ası́:
Z
G(x) = f (x) dx.
Ejemplos
R1
1) 0 x dx. Una primitiva de la función f (x) = x es G(x) = x2 /2. Luego
R1
0
x dx = x2 /2|10 = 1/2.
Rπ
2) 0 cos x dx = sen x|π0 = sen π − sen 0 = 0.
Cuando este lı́mite existe, f se dice integrable en [a, ∞). Análogamente para
Ra R∞ Rb
−∞
f (x) dx o −∞ f (x) dx = lima→−∞, b→∞ a f (x) dx.
Ejemplo
R∞
1
1/x2 dx. Una primitiva de 1/x2 es −1/x. Luego
Z u
1/x2 dx = −1/x|u1 = −1/u + 1
1
y
lim (1 − 1/u) = 1.
u→∞
6 Integral de una función 69
Integrando no acotado
Si f es acotada en el intervalo [u, b] para todo u > a pero |f (u)| → ∞ cuando
u → a+ entonces, si existe
Z b
lim f (x) dx,
u→a+ u
Rb
se define a
f (x) dx como el valor de ese lı́mite.
Ejemplo
La función
√
f : (0, 1) 7→ R, f (x) = 1/ x,
es acotada en todo intervalo [u, 1] para u > 0 y
Z 1
√ √ √
1/ x dx = 2 x|1u = 2 − 2 u.
u
√ R1 √
Como limu→0+ (2 − 2 u) = 2, se tiene por definición 0 1/ x dx = 2.
Ejemplos
1)
Z √
x2 − 2 x + 3
dx =
x
Z Z Z
√
= x dx − 2 1/ x dx + 3 1/x dx =
√
= x2 /2 − 4 x + 3 ln x + C.
2)
Z
tan2 x dx =
6 Integral de una función 70
Z Z
sen 2 x 1 − cos2 x
= dx = dx =
cos2 x cos2 x
Z Z
1
= dx − dx = tan x − x + C.
cos2 x
Ejemplo
R
ln x/x dx. Se efectúa la sustitución x = et , o bien t = ln x. Como
(et )0 = et , ahora se debe calcular
Z Z
t t
e dt = t dt = t2 /2 + C.
et
R
En la integral ex sen ex dx, teniendo en cuenta que d(ex ) = ex dx, hacemos
Z
ex sen ex dx =
Z Z
= sen e d(e ) = sen t dt = − cos t + C = − cos ex + C.
x x
En la integral Z
x
√ dx,
1+x
√ 1
teniendo en cuenta que d( 1 + x) = 2√1+x dx, ponemos esa integral ası́:
R √ √ 2
2 x d( 1 + x), y poniendo x = ( 1 + x) − 1, queda
Z
√ √
2 [( 1 + x)2 − 1]d( 1 + x) =
Z
= 2 (t2 − 1) dt = 2/3 t3 − 2t + C =
Luego Z Z Z
0 0
(f (x)g(x)) dx = f (x)g(x) dx + f (x)g 0 (x) dx.
Como
Z
(f (x)g(x))0 dx = f (x)g(x),
g 0 (x) dx = d(g(x)),
f 0 (x) dx = d(f (x)),
6 Integral de una función 72
Ejemplos
1)
Z
ln x dx =
Z
= x ln x − dx = x ln x − x + C.
2)
Z
arctan x dx =
Z
x
= x arctan x − dx =
1 + x2
Z
d(1 + x2 )
= x arctan x − 1/2 =
1 + x2
= x arctan x − 1/2 ln(1 + x2 ) + C.
3)
Z
x3 ln x dx =
Z Z
4 4
= ln x d(x /4) = (x /4) ln x − x3 /4 dx =
sigue que
Z
3x3 − 3x + 1
dx =
x2 + x − 2
Z Z
6x − 5
= (3x − 3) dx + dx =
x2+x−2
Z
2 6x − 5
= 3/2 x − 3x + 2
dx.
x +x−2
Ahora se trata de escribir este último integrando como suma de fracciones
simples. Como x2 + x − 2 = (x − 1)(x + 2), se pone
6x − 5
=
(x − 1)(x + 2)
A B
= + =
x−1 x+2
A(x + 2) + B(x − 1)
= .
(x − 1)(x + 2)
Luego 6x − 5 = A(x + 2) + B(x − 1). Como esta igualdad debe ser válida para
todo x ∈ R, en particular lo es para x = 1. Luego
6(1) − 5 = 1 = 3A,
y por lo tanto B = 17/3, A = 1/3. Luego
Z
6x − 5
dx =
(x − 1)(x + 2)
Z Z
dx dx
= 1/3 + 17/3 =
x−1 x+2
= 1/3 ln |x − 1| + 17/3 ln |x + 2| + C.
Finalmente queda
Z
3x3 − 3x + 1
dx =
(x − 1)(x + 2)
= 3/2 x2 − 3x + 1/3 ln |x − 1| + 17/3 ln |x + 2| + C.
1 A Bx + C
= + 2
x(x2 + 1) x x +1
A(x + 1) + Bx2 + Cx
2
= .
x(x2 + 1)
6 Integral de una función 74
1 = (B + 1)x2 + Cx + 1.
x2 1 2 1
3
= 3
+ 2
+ ,
(x − 1) (x − 1) (x − 1) x−1
y por consiguiente
Z
x2
dx =
(x − 1)3
= −1/2 (x − 1)−2 − 2(x − 1)−1 + ln |x − 1| + C.
q
En las expresiones racionales en x y n ax+b
cx+d
se hace la sustitución que consiste
en tomar dicha raı́z como nueva variable.
Ejemplos
1) En Z
dx
√
x−3 x−2
√
ponemos x − 2 = t, por lo que x = t2 +2, dx = 2t dt, y la integral se convierte
en
Z
2t dt
=
t2 − 3t + 2
6 Integral de una función 75
Z Z
dt dt
= −2 +4 =
t−1 t−2
= −2 ln |t − 1| + 4 ln |t − 2| + C =
µ ¶
(t − 2)4
= ln +C =
(t − 1)2
µ √ ¶
( x − 2 − 2)4
= ln √ + C.
( x − 2 − 1)2
2) En la integral
Z µ ¶2/3
x+1
dx
x
ponemos
µ ¶1/3
x+1 x+1
= t, = t3 , x + 1 = xt3 ,
x x
1 −3t2 dt
xt3 − x = x(t3 − 1) = 1, x = , dx = .
t3 − 1 (t3 − 1)2
Luego la integral queda Z
t2
−3 dt,
(t3 − 1)2
que es una integral de función racional.
Ejemplo
En Z √
x 6
√ √ dx
3
x+ x
√
ponemos 6 x = t, x = t6 , dx = 6t5 dt, y la integral queda
Z
t6
6 dt =
t2 + t3
Z · ¸
3 2 1
= 6 t −t +t−1+ dt =
1+t
= t4 /4 − t3 /3 + t2 /2 − t + ln |1 + t| + C =
= x2/3 /4 − x1/2 /3 + x1/3 /2 − x1/6 + ln |1 + x1/6 | + C.
En Z p
x2 + px + q dx
6 Integral de una función 76
se hace la sustitución
p
x2 + px + q = x + t, x2 + px + q = x2 + 2tx + t2 ,
Ejemplo
R√
En x2 + 4 dx se pone
√
x2 + 4 = x + t, x2 + 4 = x2 + 2tx + t2 ,
4 − t2 2 t 4 + t2
x= , x= − , dx = − dt.
2t t 2 2t2
Luego la integral queda
Z µ ¶µ ¶
4 − t2 4 + t2
+t − dt =
2t 2t2
Z
16 + 8t2 + t4
= − dt =
4t3
Z µ ¶
4 2 t
= − + + dt =
t3 t 4
2 t2
= 2 − 2 ln |t| − + C =
t 8
√
2 √ ( x2 + 4 − x)2
√ − 2 ln | x2 + 4 − x| − + C.
( x2 + 4 − x)2 8
Más conveniente que la anterior puede resultar la sustitución
De esta manera,
Z √
x2 + 4 dx =
Z p
= 2 4ch 2 t + 4 ch t dt =
Z
= 4 ch 2 t dt =
Z
= (e2t + e−2t + 2) dt =
= e2t /2 − e−2t /2 + 2t + C.
6 Integral de una función 77
p
Para pasar a la variable x se usa que et = ch t + sh t y ch t = + sh 2 t + 1.
Luego queda
p p
et = + sh 2 t + 1 + sh t = x2 /4 + 1 + x/2,
³p ´
t = ln x2 /4 + 1 + x/2 .
Luego la integral resuelta queda
³p ´2
x2 /4 + 1 + x/2 1 ³p ´
− ³p 2
´2 + 2 ln x /4 + 1 + x/2 + C.
2
2 x2 /4 + 1 + x/2
En la integral Z √
x2 − a2 dx
se hace la sustitución x = ach t, procediendo como en el caso anterior.
Si la integral es de la forma
Z √
a2 − x2 dx,
R
se pone x = asen t, dx = a cos t dt, y la integral queda a2 cos2 t dt.
p p
Si el integrando es de la forma x2 + px + q o −x2 + px + q entonces se
completa cuadrados en el trinomio, llevándolo a alguno de los casos anteriores.
Ejemplo Z √ Z p
−x2 + 2x + 3 dx = 4 − (x − 1)2 dx.
Se hace la sustitución
x − 1 = 2sen t, dx = 2 cos t dt.
La integral se convierte en
Z
4 cos2 t dt =
Z
= 2 (1 + cos(2t)) dt = 2t + sen (2t) + C =
µ ¶ µ µ ¶¶
x−1 x−1
2arcsen + sen 2arcsen + C.
2 2
Teniendo en cuenta que
√
sen (2α) = 2sen α cos α = 2sen α 1 − sen 2 α,
la integral resuelta queda
µ ¶ µ ¶s µ ¶2
x−1 x−1 x−1
2arcsen +2 1− + C.
2 2 2
6 Integral de una función 78
sen x =
2sen (x/2) cos(x/2) 2t
= 2sen (x/2) cos(x/2) = 2 2
=
cos (x/2) + sen (x/2) 1 + t2
Por lo tanto una integral de este tipo se transforma en una integral con inte-
grando racional en t.
Es
Z
dx
=
sen x
Z 2
1+t2
= 2t dt =
1+t2
Z
dt
= = ln |t| + C =
t
ln | tan(x/2)| + C.
tan(x/2) + C.
f : R 7→ R, f (x) = sen x.
f : R 7→ R, f (x) = ex
ex , sen x, cos x, sh x, ch x,
x x2 x3 xn
e =1+x+ + + ··· + + ···
2! 3! n!
para todo x ∈ R. Ası́, por ejemplo,
Las series de Taylor con desarrollo en cero son casos particulares de series de
potencias.
Ejemplo
La serie de potencias
1 + x + x2 + · · · + xn + · · ·
6 Integral de una función 82
1 + x + x2 + · · · + xn + · · · = 1/(1 − x).
es analı́tica, puesto que ex lo es. Más aún, para obtener su serie de Taylor
podemos reemplazar x por −x2 en la serie de ex , quedando
2
e−x = 1 − x2 + x4 /2 − x6 /3! + x8 /4! − · · · + (−1)n x2n /n! + · · · .
2
para algún u > 0. En el intervalo [0, u] los polinomios de Taylor de e−x , es
decir las sumas parciales de los primeros n términos de su serie de Taylor, se
2
aproximan uniformemente a e−x y por lo tanto las integrales definidas de esos
Ru 2
polinomios también se aproximan a 0 e−x dx. Ası́,
Z u
2
e−x dx ≈
0
Z u
≈ (1 − x2 + x4 /2 − x6 /3! + · · · + (−1)n x2n /n!)dx
µ0 ¶¯u
x3 x5 x7 x2n+1 ¯
= x− + − + · · · + (−1) n ¯
3 2!5 3!7 n!(2n + 1) ¯0
u3 u5 u7 u2n+1
= u− + − + · · · + (−1)n .
3 10 42 n!(2n + 1)
6 Integral de una función 83
tiene derivadas sucesivas de todos los órdenes, con valor nulo en el origen.
Luego no es desarrollable en serie de Taylor, y por ende no analı́tica. Sin
embargo, podemos obtener una expresión en serie – no de potencias – de esta
función reemplazando x por −1/x2 en la serie de ex . Sigue que
2 1 1 1 (−1)n
e−1/x = 1 − + − + · · · + + ···
x2 2x4 3!x6 n!x2n
para todo x 6= 0. La convergencia de esta serie será uniforme en todo intervalo
cerrado que no contenga al cero. Ası́, por ejemplo, si queremos hallar
Z 2
2
e−1/x dx,
1
Como regla general, el área de una región encerrada entre curvas, gráficas de
funciones, se calcula como
Z b
[f1 (x) − f2 (x)] dx,
a
donde f1 (x) y f2 (x) son las funciones cuyas gráficas limitan a la región por
arriba y por debajo, respectivamente.
7 Aplicaciones de la integral 85
0.5 1 1.5 2
√
Ejemplo Area encerrada por y = x2 , y = + x, entre 0 y 2. Es
½ √
+ x para 0 ≤ x ≤ 1
f1 (x) =
x2 para 1 ≤ x ≤ 2,
½ 2
x√ para 0 ≤ x ≤ 1
f2 (x) =
+ x para 1 ≤ x ≤ 2.
Luego
Z 1 2Z
√ 2
√
A= [+ x − x ] dx + [x2 − x] dx =
0 1
µ ¶¯1 µ 3 ¶¯2
2 3/2 x3 ¯¯ x 2 3/2 ¯¯
x − + − x ¯ =
3 3 ¯0 3 3 1
à √ ! √
1 8 2 8 1 2 10 − 2 8
+ − − + = .
3 3 3 3 3 3
y
2
1.5
1
0.5
1 2 3 4 x
0 12
-1
-2 2
0 y
-1
-2
1 2 3 4
0
x
1.5
0.5
0.5 1 1.5 2
Ejemplo
Luego su volumen es
Z µ ¶¯r
r
2 22 x3 ¯¯
V = π (r − x ) dx = π r x −
−r 3 ¯−r
µ ¶ µ ¶
3 r3 3 r3 4
= π r − − π −r + = πr3 .
3 3 3
7 Aplicaciones de la integral 88
Luego
Z r p r p Z
A = 2π 1 + (y 0 )2 dx = 2π
y y 1 + x2 /y 2 dx
−r −r
Z rp Z r Z r
= 2π y 2 + x2 dx = 2π r dx = 2πr dx = 4πr2 .
−r −r −r
Para calcularla se aproxima la curva por una poligonal obtenida a través de una
partición del intervalo [a, b] en pequeños subintervalos, tal como se procedió
para obtener la superficie de un sólido de revolución. La longitud de cada
segmento es
p p
∆x2 + ∆y 2 = 1 + (∆y/∆x)2 ∆x,
donde, por el Teorema del valor medio, ∆y/∆x = f 0 (xi ), siendo xi un punto
interior al subintervalo de la partición correspondiente. En este caso sigue que
la longitud exacta de la curva es
n
X p Z bp
L = lim 1 + (f 0 (xi ))2 ∆xi = 1 + (f 0 (x))2 dx.
n→∞ a
i=1
Ejemplo
Por razones fı́sicas (todos hemos experimentado la fuerza o empujón que recibi-
mos cuando vamos dentro de un coche que toma una curva) es importante con-
siderar una velocidad instantánea dirigida que sı́ tenga en cuenta los cambios
de dirección o sentido del móvil.
1.5 V
0.5
Obviamente su dirección o sentido no tienen por qué ser los mismos que la
dirección o sentido del vector velocidad V . No obstante, podemos descomponer
el vector A(t) en la suma de dos vectores ortogonales, uno de ellos con la
dirección de V , llamémoslo A1 (t), y el otro con una dirección perpendicular a
V , digamos A2 (t).
7 Aplicaciones de la integral 91
A1
1.5
1 A
A2
0.5
T = F ∆x,
F (x) = p(x)S,
También se dice que c es una raı́z de la ecuación anterior. Para mucha funciones
f no existen fórmulas que permitan calcular raı́ces de esa ecuación en forma
exacta. En estos casos deben emplearse métodos de aproximación de los ceros.
El Teorema de Bolzano da un buen punto de partida para lograr tal finalidad.
En efecto, si
f (a)f (b) < 0,
entonces el Teorema afirma que debe de existir un cero en el intervalo (a, b).
Si ahora evaluamos la función en su punto medio
c1 = (a + b)/2,
entonces o bien
a b
cero de f mediante el cero de la función lineal que pasa por los puntos (a, f (a))
y (b, f (b)). Ası́, la estimación en el primer paso es
f (b)(b − a)
c1 = b − .
f (b) − f (a)
que pasa por los puntos (a, f (a)), (b, f (b)) y (c, f (c)). Ahora la estimación del
cero de f en el primer paso viene dada por el cero de la función cuadrática
más cercano al punto c. Su expresión es
2t
c1 = c − √ .
s + sig (s) s2 − 4rt
En el segundo paso (y análogamente en los siguientes) se reitera el procedi-
miento anterior, ahora usando los puntos b, c y c1 . Este método es particular-
mente eficiente en el cómputo de las raı́ces de polinomios. Es de destacar que
encuentra tanto raı́ces reales como complejas.
Los dos primeros métodos expuestos aquı́ coinciden en el hecho de que las
sucesivas estimaciones de la raı́z siempre convergen al cero verdadero de la
función. En efecto, esto está garantizado por los distintos signos que toma
8 Métodos numéricos en Cálculo 96
-3 -2 -1 1 2 3
-1
-2
-3
(x − x0 )(x − x1 )
f (x2 )
(x2 − x0 )(x2 − x1 )
Ejercicio: Obtener la expresión general del polinomio en IPn que coincide con
f en los n + 1 puntos distintos x0 , x1 , · · · , xn .
c0 = f [x0 , x1 , · · · , xn ].
c1 = f [x0 , · · · , xn−1 ]
8 Métodos numéricos en Cálculo 99
es decir
f (xn ) − Pn−2 (xn )
f [x0 , · · · , xn−2 , xn ] = .
(xn − x0 ) · · · (xn − xn−2 )
Como P (xn ) = f (xn ), sigue que
f [x0 , x1 , · · · , xn ] =
f (xn ) − Pn−2 (xn ) − f [x0 , · · · , xn−1 ](xn − x0 ) · · · (xn − xn−2 )
=
(xn − x0 ) · · · (xn − xn−2 )(xn − xn−1 )
f (xn )−Pn−2 (xn )
(xn −x0 )···(xn −xn−2 )
− f [x0 , · · · , xn−1 ]
=
xn − xn−1
f [x0 , · · · , xn−2 , xn ] − f [x0 , · · · , xn−1 ]
.
xn − xn−1
Intercambiando xn−1 con x0 sigue la definción más conocida de la llamada
diferencia dividida de orden n:
f [x1 , · · · , xn−1 , xn ] − f [x0 , · · · , xn−1 ]
f [x0 , x1 , · · · , xn ] = .
xn − x0
Por su propia definición, resulta evidente que
f [x0 ] = f (x0 )
y
f (x1 ) − f (x0 )
f [x0 , x1 ] = .
x1 − x0
De esta manera las diferencias divididas quedan definidas por recurrencia. Por
último, se concluye que el polinomio interpolador de Newton tiene la forma
P (x) =
Ejercicios
i) El cero es único.
5) (a + b)V = aV + bV .
6) a(B + C) = aB + aC
7) a(bC) = (ab)C
8) 1A = A ∀A ∈ V
9 Espacio vectorial sobre los reales 102
Ejercicios
iii) Probar que aO = O ∀a ∈ R
³³1
IA − B
@ µ
¡ ³³ A + B
@ ¡A ³ ³
@ ¡ ³³
@ ¡ ³ ³³
³
@ ¡³³³
@³
¡ ³ B
-
O
9.1 Subespacios
Sea V un espacio vectorial no nulo. Si S ⊂ V y S es también un espacio
vectorial, se entiende con las mismas operaciones de V, entonces S se dice
9 Espacio vectorial sobre los reales 103
b) ∀λ ∈ R y ∀A ∈ S, vale que λA ∈ S.
Está claro que {O}, donde O es el elemento nulo de V, es siempre un subespacio
de V.
Ejemplo
Consideremos V = R2 . Sea
{λA : λ ∈ R}
{λ1 A + λ2 B, λ1 , λ2 ∈ R}
λ1 A1 + λ2 A2 + ... + λm Am ,
Ejemplo
S + T = {A + B : A ∈ S, B ∈ T }.
C1 + C2 = (A1 + B1 ) + (A2 + B2 ),
donde A1 , A2 ∈ S, B1 , B2 ∈ T . Luego
C1 + C2 = (A1 + A2 ) + (B1 + B2 ).
A1 + B1 = A2 + B2 , A1 , A2 ∈ S, B1 , B2 ∈ T ,
A1 − A2 = B2 − B1 = O,
por lo tanto A1 = A2 , B1 = B2 .
O = O + O = A + (−A),
es decir, el vector nulo se puede escribir de dos formas distintas como suma de
un vector en S más un vector en T .
Ejemplo
En V = R2 , sean:
S = {(a, 0) : a ∈ R},
T = {(0, b) : b ∈ R}.
U × V = {(A, B), A ∈ U , B ∈ V}
Rn = R × R × · · · × R,
A0 + S = {A0 + A, A ∈ S}
Ejemplo
ϕ : U 7→ V
se dice lineal si
Ejemplos
ϕ1 : V 7→ S,
ϕ2 : V 7→ T ,
de manera que A = ϕ1 (A) + ϕ2 (A).
ϕ1 y ϕ2 resultan aplicaciones lineales. Probemos, por ejemplo, que ϕ1 es lineal.
Tenemos que
A1 = ϕ1 (A1 ) + ϕ2 (A1 ),
A2 = ϕ1 (A2 ) + ϕ2 (A2 ).
Luego A1 +A2 = ϕ1 (A1 )+ϕ1 (A2 )+ϕ2 (A1 )+ϕ2 (A2 ). Como ϕ1 (A1 )+ϕ1 (A2 ) ∈ S
, ϕ2 (A1 ) + ϕ2 (A2 ) ∈ T , y la forma de poner cualquier elemento de V como
suma de uno de S más uno de T es única, sigue que
ϕ : U 7→ V
Luego V1 + V2 ∈ Imϕ.
Ahora sea V ∈ Imϕ. Luego existe U ∈ U tal que ϕ(U ) = V . Por lo tanto
ϕ(λU ) = λϕ(U ) = λV , por lo que λV ∈ Imϕ para todo λ ∈ R.
Puede ocurrir que Imϕ coincide con V. En este caso todo vector en V
proviene de algún vector de U mediante ϕ. Cuando esto sucede se dice que ϕ
es suprayectiva.
N ϕ = {U ∈ U : ϕ(U ) = O}.
9 Espacio vectorial sobre los reales 109
Por consiguiente U1 + U2 ∈ N ϕ.
Sea U ∈ N ϕ. Luego ϕ(λU ) = λϕ(U ) = λO = O para todo λ ∈ R. Luego
λU ∈ N ϕ.
ϕ(U1 ) − ϕ(U2 ) = O,
(ψ ◦ ϕ)(U ) = ψ(ϕ(U )) ∀U ∈ U .
ϕ−1 : V 7→ U ,
ϕ ◦ ϕ−1 = idV ,
ϕ−1 ◦ ϕ = idU ,
(ϕ1 + ϕ2 )(U ) = ϕ1 (U ) + ϕ2 (U ) ∀U ∈ U.
λ ϕ : U 7→ V, (λϕ)(U ) = λϕ(U ) ∀ U ∈ U.
Observar que estas operaciones son posibles porque se está operando en rea-
lidad con vectores del espacio V. Por este motivo, estas operaciones cumplen
con las propiedades 1) a 8) de un espacio vectorial, y por ende convierten al
conjunto de todas las aplicaciones lineales de U a V en un espacio vectorial,
llamado Hom(U,V). Este espacio tiene por elementos o vectores a aplicaciones
lineales entre dos espacios vectoriales fijos.
V =< A > +N ϕ.
Ahora bien, sea V ∈< A > ∩N ϕ. Como V ∈< A > es V = cA. Como
V ∈ N ϕ es ϕ(cA) = 0. Pero 0 = ϕ(cA) = cϕ(A) = ca. Luego c = 0 y V = O.
Hemos probado que
V =< A > ⊕ N ϕ,
ϕ1 : V 7→< A >, ϕ2 : V 7→ H
Luego
ϕ(B1 + B2 ) = λB1 + λB2 = ϕ(B1 ) + ϕ(B2 ).
Por otra parte ϕ1 (λB) = λϕ1 (B) = λλB A. Luego
V = ϕ1 (V ) + ϕ2 (V ), ϕ1 (V ) ∈< A >, ϕ2 (V ) ∈ H.
V = O + ϕ2 (V ) = ϕ2 (V ) ∈ H.
R 7→< A >
λ 7→ λA.
Más aún, esta correspondencia es lineal, pues si λ1 7→ λ1 A, λ2 7→ λ2 A, entonces
(λ1 + λ2 ) 7→ (λ1 + λ2 )A = λ1 A + λ2 A,
y
λλ1 7→ (λλ1 )A = λ(λ1 A).
Luego < A >∼
= R.
Sea B ∈ V. Sabemos que 0A + 0B = O + O = O. Es decir, si en una
combinación lineal de dos vectores de V los números reales que multiplican a
izquierda son ambos nulos, el resultado es el vector nulo de V. Pero podemos
preguntarnos: si alguno de esos dos reales no es nulo, puede ser O el resultado
de esa combinación lineal ? La respuesta depende de dónde elegimos el vector
B. Si B ∈< A > la respuesta es afirmativa. En efecto, si B = O ∈< A >
entonces 0A + 1O = O + O = O, y 1 6= 0. Si B = λA, con λ 6= 0, entonces
(−λ)A + 1B = O.
Si en cambio, B ∈<
/ A >, la respuesta es no. En efecto, supongamos
λ1 A + λ2 B = O.
O = λ−1 −1 −1 −1
2 O = λ2 λ1 A + λ2 λ2 B = λ2 λ1 A + B,
ϕ :< A, B >7→ R2 ,
ϕ(λ1 A + λ2 B) = (λ1 , λ2 ) ∈ R2 .
Cλ = λ1 A + λ2 B, Cµ = µ1 A + µ2 B,
9 Espacio vectorial sobre los reales 115
< A >∼
= R.
Si {A, B} es libre,
< A, B >∼
= R2 .
Hay que destacar que cualquier vector no nulo de < A > es también una base
de < A >. Por ejemplo, 2A 6= O y < 2A >=< A >. En efecto, el conjunto
{λ(2A) : λ ∈ R} es igual al conjunto {λA : λ ∈ R}, dado que λ(2A) = (2λ)A,
y cuando λ recorre todo R, 2λ también recorre todo R. Significa que hay
infinitas bases de < A >, tantas como vectores no nulos.
Pero una base tampoco puede estar formada por más de dos vectores. En
efecto, probaremos a continuación que tres vectores en < A, B > son necesaria-
mente l.d.
{A, B, C3 }
En conclusión,
toda base de < A, B > estará formada por dos vectores l.i.
λ 1 B1 + λ 2 B2 + · · · + λ n B n = O
Si
B1 , B 2 , · · · , B n
no son l.d., entonces se dice que son linealmente independientes (l.i.), o bien
que el sistema {B1 , B2 , · · · , Bn } es libre.
9 Espacio vectorial sobre los reales 117
V =< B1 , B2 , · · · , Bn >,
Ası́, una recta vectorial, es decir un espacio generado por un vector l.i. B1 (o
sea B1 6= O) tiene dimensión 1. Resulta < B1 >∼ = R. Un espacio generado
por un sistema libre {B1 , B2 } tiene dimensión 2 y resulta < B1 , B2 >∼ = R2 .
En general, un espacio generado por un sistema libre {B1 , B2 , · · · , Bn }, n ∈ N,
tiene dimensión n y resulta
< B1 , B2 , · · · , Bn >∼
= Rn .
V = S ⊕ U.
9 Espacio vectorial sobre los reales 118
Recı́procamente, si V = S ⊕ T entonces
{ϕ(Vr+1 ), · · · , ϕ(Vn )}
es una base de Imϕ. Probemos primero que este sistema es libre. Supongamos
ϕ(λr+1 Vr+1 + · · · + λn Vn ) = O.
λr+1 Vr+1 + · · · + λn Vn = λ1 V1 + · · · + λr Vr ,
es decir
λ1 V1 + · · · + λr Vr − λr+1 Vr+1 − · · · − λn Vn = O.
A = a1 V1 + · · · + ar Vr + ar+1 Vr+1 + · · · + an Vn ,
9 Espacio vectorial sobre los reales 119
y
ϕ(A) = ar+1 ϕ(Vr+1 ) + · · · + an ϕ(Vn ),
{ϕ(V1 ), · · · , ϕ(Vn )}
Tenemos que
Si X = x1 V1 + x2 V2 + · · · + xn Vn entonces
ϕ (X) = x1 ϕ (V1 ) + x2 ϕ (V2 ) + · · · + xn ϕ (Vn ) =
Vemos que el vector columna asociado a ϕ (X) es una combinación lineal de los
vectores columna asociados a ϕ (V1 ), ϕ (V2 ), · · · , ϕ (Vn ), donde por coeficientes
figuran las componentes de X:
a11 a12 a1n
a21 a22 a2n
x1 .. + x2 .. + · · · + xn .. .
. . .
am1 am2 amn
10 Sistemas de ecuaciones lineales 121
Otra vez debe tenerse presente que esta matriz depende no sólo de ϕ sino
también de las bases consideradas en el dominio y codominio de la aplicación.
ψ ◦ ϕ.
1 6 0 7
Por la teorı́a anterior, a esta matriz la podemos interpretar como asociada a
una aplicación lineal ϕ entre un espacio vectorial V de dimensión 4 y un espacio
vectorial W, también de dimensión 4, y supuesto que se han fijado bases en V y
en W. Como antes, llamamos a estas bases {V1 , V2 , V3 , V4 } y {W1 , W2 , W3 , W4 },
respectivamente. La matriz A tiene sus tres primeras columnas linealmente in-
dependientes en R4 , pero no sus 4 columnas l.i., ya que es fácilmante verificable
que su cuarta columna es la suma de las dos primeras menos la tercera. Que
sus tres primeras columnas son vectores l.i. de R4 no es tan rápidamente ve-
rificable; para averiguarlo pueden aplicarse varios métodos que más adelante
veremos, ya que en este momento no es lo que nos preocupa. Por consiguiente
el rango de A es tres. Bajo esta hipótesis, debemos probar que la matriz A
tiene tres filas l.i. y no más. Recordemos que las columnas de A, vectores
columna de R4 , son, de izquierda a derecha, las componentes de los vectores
de W
ϕ (V1 ), ϕ (V2 ), ϕ (V3 ) y ϕ (V4 ),
respectivamente. Sabemos por otra parte que la correspondencia entre el vec-
tor columna de componentes de un vector de W y este vector es precisamente
lo que establece el isomorfismo entre R4 y W. Por lo tanto, como los isomor-
fismos preservan la independencia lineal, sigue que los vectores ϕ (V1 ), ϕ (V2 ) y
ϕ (V3 ) deben ser vectores l.i. en W puesto que se corresponden mediante este
isomorfismo con las tres primeras columnas de A, que son vectores columna
de R4 linealmente independientes. Por lo tanto podemos encontrar un cuarto
vector en W, digamos W , tal que
ψ ◦ ϕ : V 7→ W
tiene por matriz asociada a BA, con respecto a las bases de V y W original-
mente consideradas. Pero cuáles son las columnas de esta matriz producto?
Ya sabemos calcularlas: son las componentes de los vectores
ψ ◦ ϕ (Vj ), j = 1, 2, 3, 4,
y ϕ (V4 ) tiene con respecto a ϕ (V1 ), ϕ (V2 ) y ϕ (V3 ) la misma relación que sus
correspondientes componentes (Por qué?), por lo cual
Por consiguiente
1 0 0 1
0 1 0 1
BA =
0
.
0 1 −1
0 0 0 0
Las tres primeras filas de esta matriz , consideradas como vectores de R4 , son
l.i. En efecto, si
l.i. Por lo siguiente: Las filas de BA son combinaciones lineales de las filas
de A; luego el subespacio de Rn generado por las filas de BA está contenido
en el subespacio generado por las filas de A y por lo tanto su dimensión debe
ser menor o igual a la de éste. En conclusión, una matriz debe tener al menos
tantas filas l.i. como columnas l.i. Pero ahora se aplica el mismo argumento a
la llamada matriz transpuesta. Si en general A es una matriz de orden mxn
entonces su transpuesta, A? , es una matriz de orden nxm que tiene por filas las
columnas de A (y por tanto tiene por columnas las filas de A). Por ejemplo,
para la matriz A que estamos considerando es
2 5 1 1
1 2 1 6
A? =
1 3 2
.
0
2 4 0 7
Los coeficientes aij y los términos independientes ci son datos, mientras que
las variables xj son las incógnitas, i = 1, 2, · · · , n, j = 1, 2, · · · , m. Resolver
este sistema significa encontrar valores numéricos que reemplazados en el lugar
de las incógnitas xj verifiquen las m ecuaciones del sistema. Observar que este
sistema se puede escribir en notación matricial: AX = C, donde A es la matriz
de coeficientes, de orden mxn, tal que en su fila i y columna j encontramos
el coeficiente aij , X es el vector columna de incógnitas xj y C es el vector
columna de términos independientes ci . X es un vector columna de Rn y AX
es un vector columna de Rm . La aplicación
ϕ : Rn 7→ Rm , ϕ (X) = AX,
es lineal. En efecto,
ϕ (X1 + X2 ) = A(X1 + X2 ) =
AX1 + AX2 = ϕ (X1 ) + ϕ (X2 )
y
ϕ (cX) = A(cX) = c(AX) = cϕ (X).
A1 , A2 , · · · , An .
Recordemos que
ϕ (X) = AX = x1 A1 + x2 A2 + · · · + xn An ,
Ahora bien, en el caso de existencia de soluciones, puede darse que ésta sea
única o no. Analicemos más en detalle esta situación. Supongamos que X0 es
una solución del sistema, es decir
ϕ (X0 ) = C.
Luego
ϕ (X0 + S) = ϕ (X0 ) + ϕ (S) = C + O = C
X1 − X0 ∈ N ϕ
pues
ϕ (X1 − X0 ) = ϕ (X1 ) − ϕ (X0 ) = C − C = O.
Por consiguiente
X1 = X0 + (X1 − X0 ).
Significa que el conjunto de todas las soluciones del sistema es una variedad
lineal de Rn , esto es la suma de un vector fijo de Rn y un subespacio de Rn ,
N ϕ . De esta manera, si
N ϕ = {O}
entonces habrá una única solución del sistema. Si, en cambio,
dim N ϕ > 0,
sigue que
dim N ϕ = 0 si y sólo si r = n.
AX = C.
10 Sistemas de ecuaciones lineales 130
Luego
A−1 (AX) = (A−1 A)X = IX = X = A−1 C.
La matriz inversa A−1 es la única matriz tal que A−1 A = I. Ahora bien,
sabemos que multiplicar a izquierda una matriz da por resultado otra matriz
cuyas filas son combinaciones lineales de las filas de aquélla. Por ejemplo, en
el producto
9 0 2 8 1 0 2 5
1 4 5 0 1 1 0 3
0 1 6 0 0 0 1 3
4 7 0 1 0 1 2 1
la primera fila de la matriz resultado es la siguiente combinación lineal:
Esta forma de operar es ası́ en cualquier producto que se pueda efectuar, sean
las matrices cuadradas o no.
0 0 0 1
Ası́,
1 1/2 3/2 0
2 1 0 1
M1 A = 0 0
.
4 0
0 5 0 2
Ahora debemos colocar un 0 en el lugar a21 (= 2) de esta matriz. Para ello
reemplazamos su segunda fila por la siguiente combinación lineal de sus dos
primeras filas:
−2(1, 1/2, 3/2, 0) + 1(2, 1, 0, 1).
0 0 0 1
10 Sistemas de ecuaciones lineales 132
Ası́,
1 1/2 3/2 0
0 0 −3 1
M2 M1 A =
0 0
.
4 0
0 5 0 2
Dado que ya hay ceros en los lugares a31 y a41 de esta matriz pasamos a
operar en su segunda columna. Lo primero que hay que hacer es colocar un
1 en el lugar a22 para después colocar ceros en los lugares que le siguen por
debajo. Pero en este ejemplo a22 = 0 por lo que es imposible transformarlo en
1 multiplicando la fila por cualquier valor. En este caso (y sólo en este caso)
debe intercambiarse la fila por otra fila que le siga por debajo y que tenga un
elemento no nulo en el lugar correspondiente, en este ejemplo la cuarta fila.
Siempre se encontrará una fila por debajo con estas condiciones pues si ası́ no
fuera las dos primeras columnas de esta matriz serı́an l.d., lo que es imposible
pues la matriz de partida A es no singular y las transformaciones que estamos
efectuando sobre ella no alteran este carácter. En efecto, las matrices Mi que
multiplican a izquierda la matriz A son no singulares y producto de matrices
no singulares da por resultado una matriz no singular. Volviendo a nuestro
ejemplo debemos intercambiar entonces la segunda y cuarta filas de la matriz
M2 M1 A. Estaoperación equivale
a multiplicar a izquierda esta matriz por la
1 0 0 0
0 0 0 1
matriz M3 =
0 0 1 0 . Ası́,
0 1 0 0
1 1/2 3/2 0
0 5 0 2
M3 M2 M1 A = 0 0
.
4 0
0 0 −3 1
Ahora sı́ multiplicamos la segunda fila de esta últimamatriz por 1/5,lo que
1 0 0 0
0 1/5 0 0
equivale a multiplicar a izquierda por la matriz M4 =
0 0 1 0 . Ası́,
0 0 0 1
1 1/2 3/2 0
0 1 0 2/5
M4 M3 M2 M1 A = 0 0
.
4 0
0 0 −3 1
Pasando a la tercera columna (ya que hay ceros en los lugares a32 y a42 )
debemos colocar un 1 en el lugar a33 (= 4), lo que se logra multiplicando la
10 Sistemas de ecuaciones lineales 133
tercera fila por 1/4. Esto equivale a su vez a multiplicar a izquierda esta última
matriz por la matriz M5 (Cuál es M5 ?) De esta manera
1 1/2 3/2 0
0 1 0 2/5
M5 M4 M3 M2 M1 A = 0 0
.
1 0
0 0 −3 1
Para colocar un 0 en el lugar a43 (= −3) reemplazamos la cuarta fila por la
siguiente combinación lineal de la tercera y cuarta filas:
Para finalizar este proceso resta poner un 0 en el lugar a12 de esta última
matriz. Para ello reemplazamos su primera fila por la siguiente combinación
lineal de su primera y segunda filas:
M9 M8 M7 M6 M5 M4 M3 M2 M1 A = I,
X = M9 M8 M7 M6 M5 M4 M3 M2 M1 C.
Para resolver este sistema de cuatro ecuaciones con cuatro incógnitas reali-
zamos en esta matriz ampliada las mismas combinaciones lineales de filas que
hicimos antes en la matriz A y que transforman a ésta en la matriz identidad.
10 Sistemas de ecuaciones lineales 135
Colocación de ceros en los lugares a32 y a42 . Se opera en cada caso con la
segunda fila y la fila a la que pertenece el elemento que hay que transformar
en 0. En este ejemplo nada debe hacerse al respecto dado que ya hay ceros en
esos lugares. Se pasa ahora a colocar un 1 en el lugar a33 . Se obtiene
1 1/2 3/2 0 1/2
0 1 0 2/5 4/5
.
0 0 1 0 3/4
0 0 −3 1 1
y
n = dim N ϕ + dim Imϕ
10 Sistemas de ecuaciones lineales 137
sigue que
dim N ϕ = n − m.
AX = O.
En este ejemplo las dos filas de la matriz de coeficientes son l.i. pues una fila
no es múltiplo de la otra. Luego hay solución, y como hay cuatro incógnitas
sigue que el conjunto de soluciones constituye una variedad lineal de dimensión
2 = 4 − 2 incógnitas, a saber el conjunto de R4 de la forma
X0 + aS1 + bS2 ,
donde X0 es una solución arbitraria del sistema (7), a y b son reales arbitrarios
y S1 y S2 son dos soluciones l.i. del sistema homogéneo
µ ¶ x 1 µ ¶
1 3 −5 1
x2 = 0 . (8)
2 5 −2 4 x3 0
x4
Ahora bien, las tres matrices (9), (10) y (11) sobre las µ
que tenemos
¶ que
1 3
operar tiene en común la matriz cuadrada de coeficientes que es
2 5
la que determina las operaciones a realizar, por lo que claramente conviene
operar conjuntamente sobre la siguiente matriz ampliada del sistema (7):
µ ¶
1 3 −5 1 4
.
2 5 −2 4 6
Como ya sabemos, las sucesivas transformaciones son las siguientes:
µ ¶ µ ¶
1 3 −5 1 4 1 3 −5 1 4
→ →
0 −1 8 2 −2 0 1 −8 −2 2
10 Sistemas de ecuaciones lineales 139
µ ¶
1 0 19 7 −2
.
0 1 −8 −2 2
Luego cualquier solución del sistema (7) es
1 0 0 2 1 9 5
0 1 0 0 1 15 12 .
0 0 1 0 0 6 5
El sistema se ha resuelto en las incógnitas x1 , x2 y x5 . Las soluciones son por
lo tanto de la forma
Ejemplos
Se parte como siempre de la matriz ampliada del sistema.
1 3 −1 1 1 1 3 −1 1 1
2 1 3 5
2 0 −5 5 3 0
→ →
1 −1 3 2 3 0 −4 4 1 2
4 1 7 −3 7 0 −11 11 −7 3
1 3 −1 1 1
0 1 −1 −3/5 0
.
0 0 0 −7/5 2
0 0 0 −68/5 3
En este punto ya podrı́amos advertir que el sistema es incompatible. Recorde-
mos que la transformación de estas matrices ampliadas equivale a multiplicar a
10 Sistemas de ecuaciones lineales 141
izquierda por matrices no singulares, en este caso de orden 4x4. Esto conduce
siempre a obtener matrices transformadas que se corresponden con sistemas
equivalentes al inicial, es decir sistemas que tiene solución si y sólo si lo tiene
aquél, y en este caso con las mismas soluciones. En este ejemplo el sistema
inicial es equivalente al siguiente:
x4 = −10/7
x4 = −15/68 6= −10/7,
por lo que estas dos ecuaciones son incompatibles. Pero supongamos que no
advertimos esta incompatibilidad y continuamos el proceso. Este se continúa
intercambiando tercera y cuarta columnas (hay ceros en los lugares a33 y a43 )
y transformando en 1 el coeficiente a33 = −7/5. Queda
1 3 1 −1 1 1 3 1 −1 1
0 1 −3/5 −1 0
→ 0 1 −3/5 −1 0 .
0 0 1 0 −10/7 0 0 1 0 −10/7
0 0 −68/5 0 3 0 0 0 0 −115/7
1 3 4 1 1 0 2
0 −5 −5 3 0 3 −8
0 −5 −5 3 0 3 −8 →
0 −4 −4 1 2 −1 −7
0 −11 −11 −7 3 −10 −7
1 3 4 1 1 0 2
0 1 1 −3/5 0 −3/5 8/5
0 0 0 0 0 0 0 .
0 0 0 −7/5 2 −17/5 −3/5
0 0 0 −68/5 3 −83/5 53/5
La tercera fila se elimina. Ha dado una fila de ceros porque la tercera fila de la
matriz ampliada es combinación lineal de sus dos primeras filas. A continuación
se hace necesario intercambiar tercera con (por ejemplo) cuarta columnas para
evitar el cero en el lugar a33 . Esto ha sucedido porque la tercera columna de
la matriz de coeficientes es combinación lineal de sus dos primeras columnas.
Por lo tanto el sistema inicial es equivalente al siguiente:
x1
x2 2
x3 8/5
A1
x4 = −3/5 ,
x5 53/5
x6
donde
1 3 1 4 1 0
0 1 −3/5 1 0 −3/5
A1 =
0
.
0 −7/5 0 2 −17/5
0 0 −68/5 0 3 −83/5
El proceso continúa de la siguiente manera:
1 3 1 4 1 0 2
0 1 −3/5 1 0 −3/5 8/5
→
0 0 1 0 −10/7 17/7 3/7
0 0 −68/5 0 3 −83/5 53/5
1 3 1 4 1 0 2
0 1 −3/5 1 0 −3/5 8/5
.
0 0 1 0 −10/7 17/7 3/7
0 0 0 0 −115/7 115/7 115/7
Se debe intercambiar ahora cuarta con quinta columnas. Esto ya era previ-
sible, dado que la cuarta columna de esta última matriz, es decir la tercera
de la matriz de coeficientes inicial, es combinación lineal de las dos primeras
10 Sistemas de ecuaciones lineales 143
A · B = ϕ (A, B),
• ϕ (C, C) > 0,
kAk = (A · A)1/2 .
• kaAk = |a|kAk.
Observar que
kA + Bk2 = (A + B) · (A + B) = A · A + 2A · B + B · B.
B = B1 + B2 , B1 ∈ U, B2 ∈ W.
Luego
0 = B · B2 = (B1 + B2 ) · B2 = B1 · B2 + B2 · B2 = 0 + B2 · B2 ,
A = A1 + A2 , A1 ⊥ A2 .
11 Producto escalar 146
A2 = C − [C · A/A · A]A
A · B = a1 b1 + a2 b2 + · · · + an bn .
C · A = kCkkAk cos α.
11 Producto escalar 147
Pero importa aclarar que estos conceptos y fórmulas son válidos para este
producto escalar en particular, no para cualquier otro producto escalar.
A · B = ϕ (A) · ϕ (B).
A = a1 B1 + a2 B2 + · · · + an Bn ,
C = c1 B1 + c2 B2 + · · · + cn Bn .
Entonces
A·C =
a1 c1 (B1 · B1 ) + a1 c2 (b1 · B2 ) + · · · + a1 cn (B1 · Bn )+
a2 c1 (B2 · B1 ) + a2 c2 (B2 · B2 ) + · · · + a2 cn (B2 · Bn )+
..
.
an c1 (Bn · B1 ) + an c2 (Bn · B2 ) + · · · + an cn (Bn · Bn ) =
X
aij ai cj ,
i,j
(a1 , a2 , · · · , an ), A 6= O,
entonces
Una matriz que satisface estas propiedades se llama definida positiva. Una
condición necesaria y suficiente para que una matriz simétrica M , de coefi-
cientes aij , sea definida positiva es que
¯ ¯
¯ ¯ ¯ a11 a12 a13 ¯
¯ a11 a12 ¯ ¯ ¯
a11 > 0, ¯¯ ¯ > 0, ¯ a12 a22 a23 ¯ > 0, · · · , |M | > 0.
a12 a22 ¯ ¯
¯ a13 a23 a33
¯
¯
que en todo espacio euclı́deo de dimensión finita hay bases ortogonales. Por
consiguiente hay también bases ortonormales, que se consiguen multiplicando
los vectores ortogonales por el escalar inverso de su norma.
(a1 , a2 , · · · , an )I(c1 , c2 , · · · , cn )? =
a1 c1 + a2 c2 + · · · + an cn ,
A · C = (a1 , a2 , · · · , an )M (c1 , c2 , · · · , cn )? .
Esta última es la expresión del mismo producto escalar cuando las componentes
de los vectores se refieren a la base ortogonal {B1 , B2 , · · · , Bn } y por lo tanto
su matriz asociada es ahora
D = P M P ?,
que por lo tanto debe ser necesariamente diagonal. Si dij es el coeficiente que
está en la fila i y columna j de D entonces
dij = Bi · Bj .
la matriz
1 0 0
0 1 0 .
0 1 1
Luego la matriz P es
1 0 0 1 0 0 1 0 0
0 1 0 −1 2 0 = −1 2 0 .
0 1 1 1 0 2 0 2 2
Las tres filas de esta matriz son las componentes de los vectores ortogonales
para el producto escalar considerado. Como la base de referencia es la canónica,
los vectores de R3 de la base ortogonal hallada coinciden con sus vectores
componentes.
12 Determinantes
Sea V un espacio vectorial no nulo. Como ya se ha visto en la unidad de
producto escalar, una forma bilineal es una aplicación
ψ : V × V 7→ R,
A = λ1 V1 + λ2 V2 , B = µ1 V1 + µ2 V2 ,
entonces
ψ0 (V1 , V2 ) = 1.
Entonces queda claro que toda otra ψ será múltiplo de aquélla. Por ejemplo,
si ψ(V1 , V2 ) = a, entonces ψ = aψ0 . Ya que tanto la suma usual de formas
bilineales alternadas como el producto a izquierda por un escalar de una tal
forma también lo son (ejercicio), la conclusión anterior afirma que con estas
operaciones el conjunto de todas las formas bilineales alternadas es un espacio
vectorial de dimensión 1.
ϕ : V 7→ V.
es una forma bilineal alternada. Luego, por el resultado anterior, esta expresión
debe ser múltiplo de ψ(A, B):
Sea entonces µ ¶
a11 a12
M=
a21 a22
la matriz asociada a ϕ con respecto a una base {B1 , B2 }. Recordemos que de
acuerdo con la interpretación de M , se tiene
Luego ¯ ¯
¯ a a ¯
d = (a11 a22 − a21 a12 ) = ¯¯ 11 12 ¯.
¯ (14)
a21 a22
El número d también se llama determinante de la matriz M , y se suele sim-
bolizar por det (M ) o bien por |M |. Notar que, en virtud de (12),
¯ ¯
¯ λ 1 µ1 ¯
¯
ψ0 (A, B) = ¯ ¯ = λ1 µ2 − λ2 µ1 ,
λ 2 µ2 ¯
donde elegimos como ψ cualquier forma no nula. Por la definición del deter-
minante de ϕ 2 , sigue que
Se concluye que
det (ϕ 2 ◦ ϕ 1 ) = det (ϕ 2 ) det (ϕ 1 ).
(d) Sigue inmediatamente de (c) que una matriz no singular, o sea una
matriz asociada a un automorfismo, tiene un determinante no nulo. Recı́pro-
camente, si una matriz es singular, es decir, asociada a un endomorfismo no
biyectivo, entonces tiene un determinante nulo. En efecto, si ϕ : V 7→ V es no
biyectivo y {B1 , B2 } es una base de V, entonces ϕ (B1 ) y ϕ (B2 ) son linealmente
dependientes. La demostración se completa resolviendo el siguiente ejercicio:
Si A y B son linealmente dependientes, entonces ψ(A, B) = 0.
ϕ 1 (B1 ) = ϕ (B2 ),
ϕ 1 (B2 ) = ϕ (B1 ).
Luego ψ(ϕ 1 (B1 ), ϕ 1 (B2 )) = ψ(ϕ (B2 ), ϕ (B1 )) = −ψ(B1 , B2 ). Usando (15) y
(16) se deduce que det (ϕ 1 ) = − det (ϕ ).
(g) Usando (e) y (f) se prueba que el intercambio de dos filas en una matriz
modifica los valores de los correspondientes determinantes en un cambio de
signo sólamente.
(h) De (13) o de (14) se deduce que el determinante de una matriz con dos
columnas – o filas – iguales es cero. Se prueba también fácilmente que
¯ ¯ ¯ ¯ ¯ ¯
¯ a11 + b11 a12 ¯ ¯ a11 a12 ¯ ¯ b11 a12 ¯
¯ ¯ ¯ ¯+¯ ¯
¯ a21 + b21 a22 ¯ = ¯ a21 a22 ¯ ¯ b21 a22 ¯ ,
¯ ¯ ¯ ¯ ¯ ¯
¯ a11 a12 + b12 ¯ ¯ a11 a12 ¯ ¯ a11 b12 ¯
¯ ¯ ¯ ¯+¯ ¯
¯ a21 a22 + b22 ¯ = ¯ a21 a22 ¯ ¯ a21 b22 ¯ .
Se concluye que
¯ ¯ ¯ ¯
¯ a11 + µa12 a12 ¯¯ ¯ a a12 ¯¯
¯ = ¯¯ 11 ,
¯ a21 + µa22 a22 ¯ a21 a22 ¯
¯ ¯ ¯ ¯
¯ a11 a12 + µa11 ¯¯ ¯ a11 a12 ¯¯
¯ = ¯ ,
¯ a21 a22 + µa21 ¯ ¯ a21 a22 ¯
cualquiera sea el real µ. En vista de (f), lo análogo para filas es también válido.
por matriz asociada con respecto a la base dada. Luego la ecuación anterior
se escribe
ϕ (x1 V1 + x2 V2 ) = x1 ϕ (V1 ) + x2 ϕ (V2 ) = B.
Sea ψ0 la forma que satisface ψ0 (V1 , V2 ) = 1. De aquı́
ρ : V × V × V 7→ R,
ρ(A, B, C) = 0
cada vez que entre A, B y C hay al menos dos vectores iguales. El valor
absoluto |ρ(A, B, C)| es independiente de la posición que ocupen los vectores
A, B y C en el argumento de ρ. En cambio, si |ρ(A, B, C)| > 0, su signo
depende de esta posición. De hecho, su signo será el mismo que el de ρ(A, B, C)
si y sólo si la nueva reordenación equivale a una cantidad par (dos en este caso)
de intercambios simples. Por ejemplo,
A = a1 V1 + a2 V2 + a3 V3 ,
B = b1 V1 + b2 V2 + b3 V3 ,
C = c1 V1 + c2 V2 + c3 V3 .
Luego ρ(A, B, C) =
Luego
Esta última es la fórmula análoga a (12) para el caso de dimensión tres. Ası́
como en el caso de dimensión dos, ella sugiere que la expresión encerrada entre
paréntesis será el valor del determinante de la matriz
a1 b1 c1
a2 b2 c2 .
a3 b3 c3
Es claro que todas las propiedades (a) - (g) vistas para el caso de dimensión
dos, ası́ como las expresiones análogas de las fórmulas de Cramer, siguen va-
liendo en el caso general. Más aún, sus demostraciones son las mismas que
las aquı́ expuestas. En la demostración de (f) se usa la expresión concreta del
cálculo del determinante de una matriz. Pero vale destacar que puede probarse
también recurriendo a la interpretación de determinante de un endomorfismo.
Si se procede de esta manera es necesario entonces caracterizar al endomor-
fismo que tiene por matriz asociada a la traspuesta de otra. A su vez esto
requiere de la herramienta de un producto escalar. En la unidad siguiente
de diagonalización de matrices se presentará una situación similar cuando se
intente caracterizar a los endomorfismos que tienen por matriz asociada a una
matriz simétrica.
En cuanto al cálculo efectivo de un determinante puede decirse que el
método más práctico consiste en triangular superiormente a la matriz median-
te combinaciones lineales de filas que no afecten al valor del determinante. Si
es necesario hacer intercambio de columnas o de filas debe tenerse presente que
el determinante cambia de signo. Por otra parte, el determinante de una ma-
triz triangular es el producto de los elementos de la diagonal principal. Como
ejemplo calcularemos el siguiente determinante:
¯ ¯
¯ 4 6 1 −1 ¯
¯ ¯
¯ 2 1 0 1/2 ¯
d = ¯¯ ¯.
¯
¯ 3 0 0 1 ¯
¯ 1 −1 1 1 ¯
d=
¯ ¯ ¯ ¯
¯ 1 6 4 −1 ¯¯ ¯ 1 6 4 −1 ¯
¯ ¯ ¯
¯ 0 1 2 1/2 ¯¯ ¯ 0 1 2 1/2 ¯¯
− ¯¯ ¯
= −¯ =
¯ 0 0 3 1 ¯¯ ¯ 0 0 3 1 ¯¯
¯ 1 −1 1 1 ¯ ¯ 0 −7 −3 2 ¯
12 Determinantes 159
¯ ¯ ¯ ¯
¯ 1 6 4 −1 ¯ ¯ 1 6 4 −1 ¯
¯ ¯ ¯ ¯
¯ 0 1 2 1/2 ¯ ¯ ¯
− ¯¯ ¯ = −¯ 0 1 2 1/2 ¯ = −11/2.
0 0 3 1 ¯ ¯ 0 0 3 1 ¯
¯ ¯ ¯ ¯
¯ 0 0 11 11/2 ¯ ¯ 0 0 0 11/6 ¯
13 Diagonalización de matrices
Sea M una matriz cuadrada de orden n, n > 1. Sabemos que esta matriz
representa a un endomorfismo
ϕ : V 7→ V,
x 1 B1 + x 2 B2 + · · · + x n Bn
Ahora bien, veamos qué ocurre si M es una matriz diagonal. Para fijar
ideas, supongamos n = 3, pero teniendo siempre presente que los argumentos
empleados en lo que sigue son válidos para cualquier entero n > 1. Sea entonces
λ1 0 0
M = 0 λ2 0 .
0 0 λ3
Luego, por (17), y teniendo en cuenta que las componentes de los vectores de
la base B1 , B2 , B3 son (1,0,0),(0,1,0) y (0,0,1), respectivamente, sigue que
P −1 M P,
donde P es la matriz, no singular, del cambio de base, esto es, la matriz que
transforma las componentes de un vector de V con respecto a la nueva base
{V1 , V2 , V3 } a las componentes de ese mismo vector con respecto a la base
original {B1 , B2 , B3 }.
ϕ (A) = λA (19)
están asociadas al mismo endomorfismo, ocurrirá que todas ellas tendrán (de
existir) los mismos autovectores y autovalores. Este hecho también permite
plantear la cuestión que conduce a la obtención de autovectores y autovalores
de una matriz M asociada a un endomorfismo ϕ . Está claro que el planteo
inicial es la ecuación (19). Si A = a1 B1 + a2 B2 + a3 B3 (suponemos otra vez
n = 3) entonces (19) es equivalente a
a1 λa1 λ 0 0 a1
M a2 = λa2 = 0 λ 0 a2 .
a3 λa3 0 0 λ a3
Si
m11 m12 m13
M = m21 m22 m23 ,
m31 m32 m33
entonces esas dos ecuaciones son equivalentes a
m11 − λ m12 m13 a1 0
m21 m22 − λ m23 a2 = 0 . (20)
m31 m32 m33 − λ a3 0
Ejemplos
13 Diagonalización de matrices 163
Tenemos que ¯ ¯
¯ 2−λ 1 0 ¯
¯ ¯
¯ 0 1 − λ −1 ¯ = (λ − 2)2 (λ − 3).
¯ ¯
¯ 0 2 4−λ ¯
Por consiguiente M tiene 2 autovalores, a saber 2 y 3. El autovalor 2 produce
los autovectores cuyas componentes son solución de
0 1 0 a1 0
0 −1 −1 a2 = 0 .
0 2 2 a3 0
B + B2 − 2B3 ,
Proposición Si
A1 , A2 , · · · , Ar , r ≥ 2,
es un conjunto de autovectores linealmente independientes correspondientes a
autovalores distintos entre sı́, entonces toda combinación lineal de ellos, que
no se reduzca a un múltiplo de uno de ellos, no puede ser autovector.
Demostración: Sea
B = a1 A1 + a2 A2 + · · · + ar Ar ,
Corolario 1 Si
A 1 , · · · , Ar
13 Diagonalización de matrices 165
M = M ?,
ϕ (A) · B = A · ϕ (B)
que la función de δ
1 1
(A1 + δB) · (ϕ (A1 ) + δϕ (B)) = (22)
ρ ρ
1
(A1 · ϕ (A1 ) + 2δϕ (A1 ) · B + δ 2 B · ϕ (B)) (23)
1 + δ2
toma un mı́nimo absoluto, y también relativo, en δ = 0. Como esta función es
derivable para todo valor de δ, sigue que su derivada evaluada en δ = 0 debe
ser nula, por lo cual ϕ (A1 ) · B = 0. Como B es un vector arbitrario en U ∩ S,
se concluye que ϕ (A1 ) es ortogonal a U. Pero esto significa precisamente que
ϕ (A1 ) está en el subespacio generado por A1 , es decir ϕ (A1 ) = λA1 para algún
real λ, o sea que A1 es efectivamente un autovector de ϕ . Observar que la
hipótesis de que ϕ es simétrica se ha usado en el desarrollo de (22), por lo cual
se obtiene el término 2δϕ (A1 ) · B en (23).
Segunda parte
Con la notación de la primera parte de la demostración, U es el subespacio,
de dimensión n − 1, ortogonal al autovector A1 . Si B ∈ U entonces ϕ (B)
también está en U. En efecto,
ϕ (B) · A1 = B · ϕ (A1 ) = 0,
Ejercicio. Probar por cálculo directo que una matriz simétrica no diagonal de
orden 2 tiene autovalores distintos.
Ejemplo Encontrar los autovalores y autovectores de la matriz
3 1 1
M = 1 3 1
1 1 3
y diagonalizarla.
El polinomio caracterı́stico de M es (2 − λ)2 (5 − λ). Luego hay dos auto-
valores distintos, 2 y 5. El autovalor 2 produce un autoespacio de dimensión
2 y el autovalor 5 produce un autoespacio de dimensión 1. Cualquier autovec-
tor del primero de ellos será ortogonal a un autovector del otro autoespacio.
Pero, obviamente, dentro del autoespacio de dimensión 2 pueden encontrarse
autovectores no ortogonales entre sı́. El autoespacio de dimensión 2 está for-
mado por los autovectores cuyas componentes son las soluciones del sistema
1 1 1 a1 0
1 1 1 a2 = 0 .
1 1 1 a3 0
2 0 0
Luego P −1 M P = 0 2 0 , donde
0 0 5
√ √ √
1/√2 1/√6 1/√3
P = −1/ 2 1/√6 1/√3 .
0 −2/ 6 1/ 3
En este caso no hay una única base de autovectores. Podemos elegir, por ejem-
plo, como autovectores correspondientes al autovalor 2 a aquéllos que tienen
por componentes (1, −1, 0) y (0, 1, −1), y como autovector correspondiente
al autovalor
5, a aquél
que tiene por componente a (1, 1, 1). Para la matriz
1 0 1
Q = −1 1 1 también vale que
0 −1 1
2 0 0
Q−1 M Q = 0 2 0 .
0 0 5
14 Métodos numéricos en Algebra
Todo sistema matemático que implique operaciones entre números reales se
enfrenta con la cuestión de la cantidad de cifras significativas exactas que
habrán de usarse en los números involucrados en esas operaciones. Si un
número real se escribe en la forma a1 a2 · · · ar 10s , donde ai son dı́gitos, es decir
números enteros entre 0 y 9, a1 6= 0, y s es un entero, entonces este número
tiene r cifras significativas. Esto supone que un número usado en el cálculo
puede no ser exactamente igual al que debe intervenir, y esto hace a su vez que
se produzcan errores en las operaciones. En la primera parte de esta unidad
veremos algunas formas de uso del método de Gauss para la resolución de un
sistema compatible determinado que minimiza el error de redondeo producido
por esa situación. Consideremos el siguiente
se consideran todos los valores numéricos con cuatro cifras significativas exac-
tas, tanto los valores iniciales como los resultados parciales. Si ası́ se procede,
se obtiene
x1 = −10, 00, x2 = 1, 001.
x1 = 10, x2 = 1.
Métodos iterativos
El método de Gauss es directo, en el sentido de que la solución se calcula
exactamente mediante un algoritmo finito. Si hay error en la solución, esto
es debido exclusivamente a que en los cálculos intermedios hay recortes en las
cifras significativas exactas. Por el contrario, existen métodos, llamados itera-
tivos, que parten de una solución aproximada para posteriormente calcular
una sucesión de soluciones que se espera converja a la solución exacta. De
entre estos métodos veremos dos, a saber los que se conocen bajo el nombre de
Jacobi y de Gauss-Seidel. La matriz de coeficientes debe estar condicionada
de forma que todos los elementos de su diagonal principal sean no nulos. Si de
entrada no se da esta condición entonces, mediante un apropiado intercambio
de filas, es siempre posible conseguirla.
x1 b1
x2 b2
A .. = .. ,
. .
xn bn
donde A es una matriz no singular de orden n, con coeficientes aij , y donde
suponemos que su solución es no nula. Bajo la suposición de que aii 6= 0 para
todo 1 ≤ i ≤ n, queda claro que podemos despejar la incógnita xi de la i-ésima
14 Métodos numéricos en Algebra 173
X = T X + C, (24)
X1 = T X0 + C, X2 = T X1 + C, · · · , Xk = T Xk−1 + C, · · · .
Con esta información es posible ahora aplicar métodos iterativos del cálculo
de las raı́ces del polinomio caracterı́stico de A, tal como se vió en la unidad
7. Posteriormente se hallan los autovectores resolviendo el correspondiente
sistema lineal homogéneo por alguno de los métodos disponibles.
15 Funciones de varias variables
En esta unidad trabajaremos con funciones definidas en conjuntos de
R2 := {(x, y) : x ∈ R, y ∈ R},
λ(a, b) + (1 − λ)(c, d) ∈ A
para todo λ, 0 ≤ λ ≤ 1.
si cada vez que la sucesión (xn , yn ) → (a, b), (xn , yn ) ∈ A, vale que
f (xn , yn ) → l.
Ejemplos
1) Sea
x2
f : R2 7→ R, f (x, y) = .
1 + x2 + y 2
Luego lim f (x, y) = 0 para (x, y) → (0, 0) dado que f (xn , yn ) → 0 si (xn , yn ) →
(0, 0).
x2
f : A 7→ R, f (x, y) = 2 .
x + y2
Como en el caso de funciones de una variable real, estos dos teoremas son
consecuencia del principio de Bolzano-Weierstrass.
15.1 Derivación
Vimos en funciones de una variable real que la derivada en un punto representa
de algún modo el grado de cambio de la variable dependiente a medida que la
variable independiente se acerca a ese punto.
(a, y),
con y → b. Si ahora tenemos una función u = f (x, y) tal que (a, b) está en
su dominio, entonces en el primer caso podemos hablar de una derivada de la
función (de una variable x) f (x, b) en el punto a y en el segundo caso de una
derivada de la función (de una variable y) f (a, y) en el punto b.
Es
ux = fx (x, y) = sen y − ysen x, uy = fy (x, y) = x cos y + cos x,
El hecho de que
fxy = fyx
15.2 Diferenciabilidad
La existencia de derivada de una función de una variable real en un punto a
de su dominio implica que
f (a + x) − f (a)
= f 0 (a) + ²(x),
x
con ²(x) → 0 cuando x → 0. Esto puede escribirse
en un entorno del punto (a, b). Esta función lineal tiene por representación
gráfica al llamado plano tangente a la superficie gráfica de la función en el
15 Funciones de varias variables 181
punto (a, b). A diferencia de lo que pasa con funciones de una sola variable
independiente, la mera existencia de las dos derivadas parciales no garantiza
la diferenciabilidad de la función de dos variables independientes.
para cualquier valor fijo de α en [0, 2π). En efecto, por la ecuación (25) sigue
que
x = x(t) e y = y(t).
Gw (w, z) = fx (x(w, z), y(w, z))xw (w, z) + fy (x(w, z), y(w, z))yw (w, z),
Gz (w, z) = fx (x(w, z), y(w, z))xz (w, z) + fy (x(w, z), y(w, z))yz (w, z).
está en el entorno dado para todo valor de t en ese intervalo. Si ahora conside-
ramos la función
donde
x = x0 + th, y = y0 + tk.
Luego, usando otra vez la regla de la cadena (recordar que las derivadas mixtas
son iguales), sigue que
De aquı́,
F 00 (t) ≥ µ/2
2
fxx < 0, fxx fyy − fxy >0
Extremos ligados
En ocasiones se presenta la cuestión de tener que hallar un extremo de la
función u = f (x, y) sujeta a condiciones adicionales sobre las variables x e y.
Concretamente, condiciones del tipo
ϕ (x, y) = 0. (29)
Por ejemplo, de todos los puntos del plano que satisfacen la ecuación
xy 2 + x2 y = 1,
queremos encontrar aquéllos que están a mı́nima distancia del origen. En este
p
caso, se debe minimizar la expresión x2 + y 2 , o bien (lo que es equivalente)
minimizar x2 + y 2 , con la restricción adicional de ser
ϕ (x, y) = xy 2 + x2 y − 1 = 0.
2x + λy 2 + 2λxy = 0 (30)
2y + λx2 + 2λxy = 0 (31)
x2 y + xy 2 − 1 = 0. (32)
2(x2 + y 2 ) + 3λ = 0,
x = y,
o
2
2 + (x2 + y 2 )(x + y) = 0.
3
En el primer caso sigue de (32) que
p
3
x=y= 1/2.
es el más cercano al origen entre todos los puntos del primer cuadrante, x >
0, y > 0, que satisfacen (32).
Supongamos ahora que
2 2
(x + y 2 )(x + y) = −2.
3
15 Funciones de varias variables 187
xy(x + y) = 1, (33)
110
100
90
80
y = a + bx
110
100
90
80
15.6 Integración
Sea f : A 7→ R una función continua, f (x, y) ≥ 0, y donde A es un rectángulo
compacto, esto es el producto cartesiano de dos intervalos compactos, [a, b] y
[c, d]. En este caso puede definirse la integral doble de f sobre A de una forma
análoga al caso de funciones de una variable. Sendas particiones de los interva-
los [a, b] y [c, d] producirán una partición del rectángulo A en rectángulos más
pequeños, digamos Ai . Sabiendo que el área de un rectángulo es el producto
de las longitudes de sus lados, y simbolizando por m(Ai ) a esta área, sigue que
podemos definir las sumas superiores e inferiores, a saber
X X
S(f ) = Ci m(Ai ), s(f ) = ci m(Ai ),
i i
Este número V se corresponde con el volumen del cuerpo que se forma bajo la
superficie gráfica de la función f y sobre el rectángulo A. Si la función toma
valores negativos en una parte de A, el cálculo de la integral doble considera
ese signo en la parte correspondiente. Tal como pasa en la integral de una
función de una variable, no es necesario, sino sólo suficiente, que la función
f sea continua para la existencia de la integral. En cuanto a su cálculo efec-
tivo, ocurre afortunadamente que se puede reducir a su vez al cálculo de dos
integrales sucesivas o iteradas. Esto se realiza de la siguiente manera. Se in-
tegra primero la función f (x, y), considerándola como función de la variable
15 Funciones de varias variables 190
Luego se integra la función g(x) en el intervalo [a, b], con lo cual resulta
Z b
V = g(x) dx.
a
Ejemplo
Cálculo de Z Z
1 1
V = xexy dxdy.
0 0
Integramos primero con respecto a la variable y:
Z 1
¯
xexy dy = exy ¯y=1 x
y=0 = e − 1.
0
Luego Z 1 ¯
V = ex − 1 dx = (ex − x) ¯10 = e − 2.
0
Cálculo de Z Z
V = x3 exy dxdy,
D
donde D es el conjunto convexo encerrado por el eje y, la recta y = 1 y el arco
de parábola y = x2 .
Para cada x en el intervalo [0, 1] debemos integrar esa función con respecto
a y entre y1 = x2 e y2 = 1. Con respecto a la variable y, una primitiva de
x3 exy es x2 exy . Luego
Z 1
3
x3 exy dy = x2 ex − x2 ex .
x2
Caı́da de cuerpos
Por cierto que la Fı́sica nos provee de numerosos ejemplos de ecuaciones dife-
renciales. Uno de los más simples es la que describe el movimiento de un
cuerpo en caı́da libre:
x00 (t) = g,
donde x(t) es la función que da la altura del cuerpo en el instante t y g es
la aceleración de la gravedad, por lo que su valor debe considerarse negativo.
Integrando en ambos lados de la ecuación anterior obtenemos
v(t) = x0 (t) = gt + v0 ,
x = gt2 /2 + v0 t + x0 ,
donde se ha usado la segunda ley de Newton, la cual afirma que la fuerza que
actúa sobre el cuerpo es el producto de su masa m por su aceleración. Ya que
x0 (t) = v(t), la ecuación anterior puede escribirse
mv 0 (t) = mg − cv(t),
o bien
v 0 (t)
= −1.
−g + cv(t)/m
Integrando en ambos lados de esta última ecuación, donde el lado izquierdo se
integra por el método de sustitución, queda
m
ln(−g + cv(t)/m) = −t + c1 .
c
Despejando, se obtiene
m
v(t) = (g + Ke−ct/m ).
c
Una segunda integración determinará la posición x(t) del cuerpo.
Desintegración radiactiva
La ley de desintegración del radio afirma que la velocidad de desin-
tegración es en cada instante proporcional a la cantidad de radio.
Movimiento de un péndulo
Un péndulo simple es un punto material de masa m suspendido de un hilo de
longitud l. Suponemos que el péndulo se mueve siempre dentro de un plano
fijo.
@
φ@
@
@
@
@
@
@
@
@•
¡
ª¡@ R
@
mgsen φ
?mg
•
|mgsen φ|.
Por otra parte, la función derivada φ0 (t) es la velocidad angular, y se sabe que
la velocidad tangencial del punto será
lφ0 (t).
o bien
g
φ00 (t) = − sen φ.
l
Sirva como comentario que las soluciones de esta sencilla ecuación diferencial
no pueden encontrarse entre aquéllas que son combinación finita de funciones
elementales. La generalidad de este hecho dio lugar a un avance espectacu-
lar en el estudio de las funciones de variable real, concretamente al desarro-
llo de funciones mediante series, principalmente series de potencias y series
trigonométricas.
H(y(x)) = G(x) + C,
Ejemplo
La ecuación
y 0 = 3x2 y 2
3x2 ,
y = −1/(x3 + C).
Función homogénea
Una función f (x, y) se dice homogénea de grado cero si
Consideremos una ecuación y 0 = f (x, y), donde f (x, y) es una función ho-
mogénea de grado cero. Luego, para x 6= 0,
x 7→ z(x)
o bien
z0 1
= ,
f (1, z) − z x
que resulta ser una ecuación de variables separables. Una vez resuelta, se
calcula y mediante
y = xz(x).
Ejemplo
Resolver
x2 − 2y 2
y0 = .
xy
La función del lado derecho es homogénea de grado cero. Es
Ası́,
f (1, z) − z = 1/z − 3z = (1 − 3z 2 )/z.
zz 0 1
2
= .
1 − 3z x
Integrando ambos lados de esta ecuación, se obtiene
1
− ln(1 − 3z 2 ) = ln(1 − 3z 2 )−1/6 = ln(Cx).
6
Como el logaritmo es una función inyectiva, sigue que en la ecuación anterior
³ ´1/2
1−[Cx]−6
sus argumentos deben ser iguales. Operando se obtiene z = 3
. Por
último la solución es µ ¶1/2
1 − [Cx]−6
y=x .
3
Ecuaciones exactas
Supongamos que una función y = y(x) satisface la ecuación
F (x, y(x)) = C,
16 Ecuaciones diferenciales 198
supuesto que hay un único valor de y satisfaciendo esa relación para cada valor
de x. Cabe destacar aquı́ que la existencia de esta función y = y(x) puede
asegurarse sólo localmente bajo las siguientes condiciones. Estas son:
• Ser Fy (x0 , y0 ) 6= 0.
G(x, y) + β(y),
Pero entonces es requisito ineludible que esta última función sea en realidad
sólo función de y. Y ası́ sucede, dado que su derivada parcial con respecto a x
es
hx (x, y) − Gyx (x, y) = hx (x, y) − gy (x, y),
que es una función idénticamente nula, precisamente por (37). Por consiguien-
te, una solución de (36) viene dada en forma implı́cita por
G(x, y) + β(y) = C.
16 Ecuaciones diferenciales 200
Ejemplo
La ecuación diferencial
ey + (xey + 2y)y 0 = 0
G(x, y) = xey .
xey + y 2 = C.
Ecuaciones lineales
Una ecuación lineal de primer orden puede escribirse en la forma
Sea P (x) una función cuya derivada es A(x). Multiplicando ambos lados de
(39) por eP (x) , queda
Notar ahora que el lado izquierdo de la ecuación anterior es (yeP (x) )0 , por lo
que (39) se escribe
(yeP (x) )0 = B(x)eP (x) .
De aquı́ sigue inmediatamente que una solución de (39) viene dada por
µZ ¶
−P (x) P (x)
y=e B(x)e dx + C ,
Ejemplo
16 Ecuaciones diferenciales 201
e− ln x = 1/x, eln x = x,
la solución general es
µZ ¶
1 2 C
y= 3x dx + C = x2 + .
x x
G(y 00 , y 0 , y, x) = 0
G(z 0 , z, x),
G(pp0 , p, y) = 0.
Ponemos y2 (x) = y1 (x)u(x), donde u(x) habrá de hallarse de modo que y2 (x)
verifique (41). Por lo tanto, reemplazando y1 por y2 en (41) y usando que y1
es una solución, se llega a
u00 y10
= −2 − A.
u0 y1
Integrando ambos lados de esta ecuación, se obtiene
Z
0
ln u = −2 ln y1 − A dx,
16 Ecuaciones diferenciales 203
es decir
1 −R
u0 = e A dx
.
y12
Finalmente, Z
1 −R A dx
u= e dx.
y12
Ası́, y2 = uy1 , y puede probarse sin dificultad que y1 y la función y2 ası́ obtenida
son linealmente independientes.
Ejemplo
a1 x + a2 x−1 .
(m2 + am + b)emx = 0.
Como ahora hay sólo un valor numérico m1 que anula la expresión cuadrá-
tica m2 + am + b, tenemos en principio sólo una solución de (42). Empero,
recurriendo al método de obtención de una solución conociéndose otra, es posi-
ble deducir que en este caso
em1 x y xem1 x
Ejemplos
1) La ecuación
y 00 + y 0 − 6y = 0
conduce a resolver
m2 + m − 6 = 0.
Las soluciones de esta ecuación cuadrática son 2 y -3. Luego la solución general
de la ecuación diferencial es
a1 e2x + a2 e−3x .
2) La ecuación
y 00 + 2y 0 + y = 0
produce una ecuación cuadrática asociada con una raı́z doble, a saber -1. Luego
su solución general es
a1 e−x + a2 xe−x .
3) La ecuación
y 00 + 9y = 0
produce la ecuación cuadrática m2 + 9 = 0, cuyas soluciones son los números
complejos conjugados ±3i. La solución general de la ecuación diferencial es
ya que la suma de las probabilidades de todos los resultados posibles debe ser
1.
µ ¶ µ ¶
n1 n − n1
y . Luego
k r−k
µ ¶µ ¶
n1 n − n1
k r−k
pn (k) = µ ¶ .
n
r
Está claro que k puede tomar valores enteros, desde 0 hasta el mı́nimo entre
r y n1 . Son valores de lo que se llama una variable aleatoria. En este caso,
una variable aleatoria discreta. Los valores de la variable, junto con sus co-
rrespondientes probabilidades, forma la llamada distribución en probabilidad
de la variable. A la del presente ejemplo se le da el nombre de distribución
hipergeométrica.
Volvamos ahora a la cuestión inicial, una vez que hemos comprobado que el
modelo de la distribución hipergeométrica es el adecuado para el experimento
de la captura de peces de un lago. En nuestro caso, n es el número total de
peces en el lago. Es un valor desconocido pero fijo, no variable. Es lo que se
llama un parámetro poblacional. El experimento de la captura y recaptura
de peces ha sido diseñado para estimar su valor. Además tenemos que n1 =
1.000, r = 1.000, k = 100. Por lo tanto, la probabilidad de pescar 100 peces
marcados en una captura de 1.000 peces es
µ ¶µ ¶
1.000 900
100 900
pn (100) = µ ¶ .
n
1.000
Un método de estimación de n, llamado de máxima verosimilitud, consiste en
determinar aquel valor de n que produce la máxima probabilidad pn (100). En
otras palabras, encontrar el máximo de la función
pn (100) : IN 7→ R.
En nuestro caso es evidente que n debe ser al menos 1.900, a saber los 1.000
peces marcados más los 900 sin marcar que aparecieron en la segunda cap-
tura. Pero p1.900 (100) es una probabilidad extremadamente baja. Haciendo
los cálculos pertinentes se obtiene que el estimador de máxima verosimilitud
es n = 10.000. Es ésta una estimación puntual. Por cierto que no hay por
qué esperar que en el lago haya exactamente 10.000 peces. En un número de
esta magnitud es más razonable permitir ciertos márgenes. Suena más realista
17 Estadı́stica y Probabilidad 208
afirmar, por ejemplo, algo como “se espera que en el lago habiten entre 8.000
y 12.000 peces”. A fin de hallar estos lı́mites, se razona de la siguiente manera.
De haber en el lago un número bajo de peces se tendrı́a que la proporción de
peces marcados serı́a grande, por lo que la probabilidad de pescar 100 peces
marcados, o menos, en una captura de 1.000 peces, serı́a muy pequeña. Por
ejemplo, si n = 2.000, entonces el porcentaje de peces marcados es del 50%.
Es de esperar entonces que en la segunda captura se mantenga aproximada-
mente este porcentaje. Concretamente, puede calcularse que si ya n = 8.500,
entonces la probabilidad de extraer menos de 100 peces marcados es 0,04. La
probabilidad de este mismo suceso serı́a inferior para valores más bajos de n.
Análogamente, de haber en el lago un número significativamente superior
a 10.000, ocurrirı́a que la proporción de peces marcados serı́a baja, por lo
que serı́a improbable pescar 100 o más peces marcados. Por ejemplo, si ya
n = 12.000, la probabilidad de este suceso es 0,03, y es aún inferior para
valores más grandes de n. Por consiguiente, una estimación (por intervalo)
aceptable de n está entre 8.500 y 12.000.
Por lo tanto, una variable continua debe ser caracterizada de tal manera que
podamos determinar, al menos teóricamente, esas probabilidades. Esto se
consigue dando una función f : R 7→ R, llamada función de densidad de X,
sujeta a las siguientes condiciones:
1) f ≥ 0,
R∞
2) −∞ f (x) dx = 1.
17 Estadı́stica y Probabilidad 209
o bien, si deseamos trabajar con las mismas unidades que las de la variable,
por el desvı́o estándar
p
D(X) = V (X).
0.8
0.6
0.4
0.2
-3 -2 -1 1 2 3
(X1 , · · · , Xn ).
Sin rigor, puede afirmarse que las variables son independientes cuando el valor
que toma una cualquiera de ellas no influye en los valores que toman las otras.
Bajo estas hipótesis puede probarse sin dificultad que la variable
X −µ
√
σ/ n
tiene una distribución normal estándar. Por lo tanto, al tener una distribución
conocida, es posible determinar un número a de tal forma que, por ejemplo,
µ ¶
X −µ
P −a < √ < a = 0, 90.
σ/ n
Operando en estas dos desigualdades se obtiene que hay una probabilidad
de 0,90 (nivel de confianza) de que la media µ verifique la siguiente doble
desigualdad:
√ √
X − aσ/ n < µ < X + aσ/ n.
Si el desvı́o σ es conocido, entonces reemplazando X por una observación x se
determina un intervalo de estimación para la media. Notar que el cálculo del
intervalo viene acompañado por una afirmación probabilı́stica que da garantı́as
sobre la confiabilidad del resultado. Notar también que el valor de a aumenta
a medida que el nivel de confianza crece hacia 1.
tiene una distribución conocida con el nombre de t de Student, con n−1 grados
de libertad. Luego también es posible aquı́ hallar un intervalo de estimación
para la media. Su expresión es
√ √
x − bs/ n < µ < x + bs/ n,
La distribución t de Student
Se define la variable χ2n , con n grados de libertad, como la suma de los cuadra-
dos de n variables normales independientes, todas ellas con media 0 y varianza
1. La variable t de Student se define como el cociente
Z
p ,
χ2n /n
donde Z es una variable normal estándar, independiente de χ2n .
X1 , X2 , · · · , Xn
n−1
P −1 M P
se tiene que
Como estas componentes son precisamente las filas de la matriz P −1 , sigue que
√
Y1 = n X,
y
Yi = pi1 X1 + pi2 X2 + · · · + pin Xn
17 Estadı́stica y Probabilidad 214
y para i ≥ 2,
E(Yi ) = 0, V ar(Yi ) = σ 2 .
Por otro lado, por propiedades de la variable normal, todas las variables Yi
resultan normalmente distribuidas. Además, como P es una matriz ortonor-
mal, la independencia de las variables Xi se transmite a las variables Yi . En
las nuevas variables, la forma cuadrática se escribe
n
X
Yi2 .
i=2
a A + b B −→ c C + d D,
que son también funciones del tiempo t. Por lo dicho arriba, será
H2 + Br2 −→ 2 HBr2 .
1, 414 = 2n ,
por lo que
n = 1/2.
Procediendo análogamente con los datos de experimentos 1 y 3, se deduce que
2 = 2m ,
y de esta manera
m = 1.
Observar que también otros pares de experimentos podrı́an haber sido usa-
dos, obteniéndose los mismos valores de ambas constantes. Utilizando ahora
cualquier experimento se halla el valor de k. Este es 6,324 x 10−4 .
A −→ C
R0 = −[A]0 ,
Caso I.
−[A]0 = k[A].
La solución general de esta ecuación es
[A] = Ce−kt ,
Caso II
−[A]0 = k[A]0 = k.
18 Aplicaciones a la Quı́mica 219
La solución particular es
[A] = [A]0 − kt.
Caso III
−[A]0 = k[A]n ,
1
Escrita de esta manera, vemos que [A]
depende linealmente del tiempo. La
dependencia directa de [A] en función del tiempo da, como ya sabemos, una
curva decreciente. Como
A + B −→ C
Observar que la segunda igualdad en (45) implica que las funciones [A] y [B]
difieren en una constante. Luego, como para todo t es
sigue que
[B] = [A] + [B]0 − [A]0 .
18 Aplicaciones a la Quı́mica 220
1 k 2 k
X−→ Y −→ Z,
con las condiciones iniciales [X](0) = [X]0 , [Y ](0) = 0, [Z](0) = 0. Este sistema
puede ser resuelto separadamente, obteniéndose [X](t) de la primera ecuación,
luego hallando [Y ](t) de la segunda ecuación, y finalmente resolviendo [Z](t)
de la tercera. Sus soluciones son
1.5
0.5
2 4 6 8
P −1 M P = D,
es decir,
[U ]0 (t) = d1 [U ](t)
[V ]0 (t) = d2 [V (t)]
[W ]0 (t) = d3 [W ](t).
M [A]
E= +O (46)
[A] + N
240
220
200
180
160
140
0 20 40 60 80 100
[A] × 10−9
240
220
200
180
160
140
112, 5[A]
E= + 133, 7.
[A] + 1, 65 x 10−9
E
240
220
200
180
160
140
-10 -9 -8 -7
log[A]
E
240
220
200
180
160
140
-10 -9 -8 -7 log [A]
E3 < E2 .
Por otra parte, se observa del gráfico que para valores bajos de [A]3 la presen-
cia del antagonista parcial produce un mayor estı́mulo, mientras que sı́ hay un
bloqueo del efecto para concentraciones [A]3 más altas.
[P ]
yp = ,
[P ] + KP
Hay que destacar que esta relación rige para concentraciones [A]3
cuyos respectivos efectos E3 están por debajo de E2 .
(E − O)N
U= .
M +O−E
Utilizando siete datos de [A]3 del ejemplo anterior se obtiene la siguiente tabla
de pares correspondientes de datos [A]3 , U :
E
18 Aplicaciones a la Quı́mica 227
240
220
200
180
160
140
[A] × 10−9
0 20 40 60 80 100
U × 10−9
20
15
10
[Z] × 10−9
20 40 60 80 100
[P ]
1− ,
[P ] + KP
Notar que la forma de calcular el valor interpolado Ui hace que no todos ellos
tengan la misma confiabilidad. En efecto, la menor pendiente de la curva
dosis-respuesta para valores grandes de [A]2 implica que una mı́nima variación
en E3 ya produce una alteración relativamente grande en el correspondiente
Ui . Por el contrario, la mayor pendiente de esa curva para valores bajos de
[A]2 supone una menor sensibilidad del resultado frente a perturbaciones en
la variable E3 . En conclusión, tanto mayor es el error en Ui cuanto más alto
es su valor. Ahora bien, cómo se mide este error? En teorı́a estadı́stica se lo
mide por la varianza de Ui . Como Ui depende de la variable E3 mediante la
ecuación (50), la varianza de Ui puede escribirse en términos de la varianza de
E3 . Para deducir esta relación hay que sumar a la simplificación de arriba la
de reemplazar la expresión de (50) por la función lineal suministrada por su
polinomio de Taylor de primer grado, desarrollado en el valor medio de E3 .
Para cada i este valor medio es de la forma
M0 Zi
+ O0 .
Z i + N0
Bajo estas condiciones puede deducirse que la varianza de Ui es un número
proporcional a
(Zi + N0 )4 .
b=0,14 KP = 17 x 10−8 .
U × 10−9
20
15
10
[Z] × 10−9
20 40 60 80 100
C
,
(Zi + N0 )4
donde C es una constante fija que no depende de i. En este caso, log s2i será
aproximadamente igual a
log C − 4 log(Zi + N0 ),