Mat 1 Teoria

Matemáticas
Resumen de la teorı́a
Grado en Administración y Dirección de Empresas
Grado en Economı́a
Curso 2022/23
Departamento de Estadı́stica, Informática y Matemáticas

Universidad Pública de Navarra
Índice
I CÁLCULO MATRICIAL 4
1. Operaciones con matrices 4

1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Matriz traspuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Producto de un numero por una matriz . . . . . . . . . . . . . . . . . . . . 7
1.5. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. Matriz inversa 8
2.1. Matrices invertibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Transformaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3. Método de Gauss para el cálculo de la matriz inversa . . . . . . . . . . . . 9
2.4. Potencias de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3. Determinantes 11
3.1. Obtención del determinante de una matriz cuadrada . . . . . . . . . . . . . 11
3.2. Determinantes y matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4. Sistemas de ecuaciones lineales 14

4.1. Definición y conceptos asociados . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2. Discusión y resolución de sistemas . . . . . . . . . . . . . . . . . . . . . . . 16
1
II CÁLCULO DIFERENCIAL 18
5. Funciones reales, lı́mites y continuidad 18

5.1. La recta real y el espacio de n dimensiones . . . . . . . . . . . . . . . . . . 18
5.2. Funciones reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.3. Lı́mite de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.4. Continuidad de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6. Derivación de funciones de una variable 27

6.1. Tasa de cambio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2. Funciones derivables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.3. Función derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.4. Elasticidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7. Derivación de funciones de varias variables 30

7.1. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.2. Elasticidad parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7.3. Derivadas sucesivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8. Funciones homogéneas 32
8.1. Concepto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
8.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
III OPTIMIZACIÓN 34
9. Optimización de funciones de una variable 34

9.1. Creciemiento y decrecimiento . . . . . . . . . . . . . . . . . . . . . . . . . 34
9.2. Extremos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
9.3. Concavidad y convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
10.Optimización de funciones de varias variables 38

10.1. Optimización de funciones de varias variables, sin restricciones . . . . . . . 38
10.2. Optimización con restricciones . . . . . . . . . . . . . . . . . . . . . . . . . 42
IV CÁLCULO INTEGRAL 47
11.Integral indefinida 47
11.1. Primitivas e integral indefinida . . . . . . . . . . . . . . . . . . . . . . . . . 47
11.2. Integración por sustitución o cambio de variable . . . . . . . . . . . . . . . 49
Departamento: EIM 2 Universidad Pública de Navarra

11.3. Integración por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
12.Integral definida 50
12.1. Sumas superiores e inferiores, concepto de integral definida . . . . . . . . . 50
12.2. Medida de áreas y otras propiedades de la integral . . . . . . . . . . . . . . 51
12.3. Valor medio integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

Parte I
CÁLCULO MATRICIAL
1. Operaciones con matrices
1.1. Matrices
1.1.1 Definición. Una matriz real es una tabla de números reales dispuestos en forma rec-
tangular. Las hileras horizontales se denominan filas de la matriz y las verticales columnas.
Si la matriz tiene m filas y n columnas se dice que es de orden m × n.
1.1.2 Ejemplo. La siguiente es una matriz de orden 3 × 4:
 
0 1 1 5
 2 1 −1 1 
1 2 2 11
1.1.3 Notación. Habitualmente las matrices se simbolizan con letras mayúsculas y los
números que la forman (llamados elementos o términos de la matriz) con la misma letra,
pero en minúscula. Al simbolizar los términos, la letra utilizada se acompaña de dos
subı́ndices, el primero indica la fila en la que se sitúa el elemento y el segundo la columna.
Ası́, el término que se sitúa en la fila genérica i y la columna genérica j de una matriz
A se simboliza aij . Este es el llamado término general de la matriz. La propia matriz A
puede expresarse A = (aij ). En resumen:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A=  ...
 = (aij )

am1 am2 . . . amn
1.1.4 Definición. Una matriz se dice cuadrada si tiene el mismo número de filas y co-
lumnas.
1.1.5 Ejemplo. Matriz cuadrada de orden 2:

3 −5
1 7
1.1.6 Definición. Una matriz fila (o vector fila) es una matriz con una sola fila.
1.1.7 Ejemplo. Matriz fila de orden 4:

1 8 2 2
1.1.8 Definición. Una matriz columna (o vector columna) es una matriz con una sola
columna.
1.1.9 Ejemplo. Matriz columna de orden 3:
 
3
 5 
2

1.1.10 Definición. La diagonal principal de una matriz (normalmente cuadrada) es el
conjunto de sus términos de la forma aii , esto es, los que tienen igual ı́ndice de fila y de
columna.
1.1.11 Ejemplo. En la siguiente matriz, cuadrada de orden 4, se han destacado en negrita
los elementos de la diagonal principal:
 
4 1 1 5
 2 7 1 0 
 
 7 2 2 3 
1 3 5 3
1.1.12 Definición. Una matriz cuadrada se dice triangular superior si todos los términos
situados bajo la diagonal principal son cero. Análogamente, se dice triangular inferior si los
términos sobre la diagonal principal son cero.
1.1.13 Ejemplo. La matriz A es triangular superior y la B triangular inferior:
   
4 1 1 5 4 0 0 0
 0 7 1 0   2 7 0 0 
A=  0 0
 B =  
2 3   7 2 2 0 
0 0 0 3 1 3 5 3
1.1.14 Definición. Una matriz cuadrada se dice diagonal si todos los términos situados
bajo y sobre la diagonal principal son cero.
1.1.15 Ejemplo. Matriz diagonal de orden 4:
 
4 0 0 0
 0 7 0 0 
 
 0 0 2 0 
0 0 0 3
1.2. Matriz traspuesta

1.2.1 Definición. Dada una matriz A de orden m × n, se llama traspuesta de A, y se
denota At , a la matriz de orden n × m que resulta de intercambiar filas por columnas en
la matriz original. Es decir, el elemento en la fila i, columna j de la matriz traspuesta es
el elemento aji de la matriz A original.
1.2.2 Ejemplo.
 
t 1 4
1 2 3
= 2 5 
4 5 6
3 6
1.2.3 Proposición. Para cualquier matriz A se satisface: (At )t = A.

1.2.4 Ejemplo.
   t
t 1 4 1 4
1 2 3  2 5  = 1 2 3
= 2 5  →
4 5 6 4 5 6
3 6 3 6

1.2.5 Definición. Una matriz A se dice simétrica si coincide con su traspuesta. (Por
tanto, A debe ser cuadrada).
A simétrica ⇔ A = At
1.2.6 Ejemplo.
 
1 7 −1 0
 7 −3 2 9 
 
 −1 2 4 0 
0 9 0 5
1.3. Suma de matrices

1.3.1 Definición. Dadas dos matrices A = (aij ) y B = (bij ) del mismo orden m × n, su
suma es otra matriz S de orden m × n, definida:
S = A + B = (aij + bij )
Esto es, para obtener el término sij de la matriz suma, se suman los términos de las
matrices A y B situados en la misma posición.
1.3.2 Ejemplo.

3 −3 0 −1 1 2 2 −2 2
+ =
−2 6 5 −2 1 −4 −4 7 1
1.3.3 Proposición. Se satisfacen las siguientes propiedades:

• La suma de matrices es conmutativa: dadas A y B del mismo orden, A + B = B + A.
• La suma de matrices es asociativa: dadas A, B y C del mismo orden, (A + B) + C =
A + (B + C). Esto permite escribir A + B + C, sin necesidad de paréntesis, puesto
que no hay lugar a confusión.
• Para matrices cualesquiera A y B del mismo orden, se cumple: (A + B)t = At + B t .
1.3.4 Definición. Se llama matriz nula a la matriz cuyos elementos son todos iguales a
cero. La simbolizaremos (0). Nótese que hay matriz nula para cada posible orden m × n.
1.3.5 Proposición. Para cualquier matriz A, la matriz nula del mismo orden que A
satisface A + (0) = A.
1.3.6 Definición. Dada una matriz A, se llama opuesta de A a otra matriz del mismo
orden que A, simbolizada −A, cuyos elementos son los opuestos de la matriz A.
A = (aij ) ⇔ −A = (−aij )
1.3.7 Proposición. Toda matriz A cumple A + (−A) = (0).
1.3.8 Observación. Dadas dos matrices A y B del mismo orden, expresamos como
diferencia A − B de matrices la suma A + (−B). Con otras palabras, la diferencia A − B
se obtiene sumando a la matriz A la opuesta de la matriz B.

1.4. Producto de un numero por una matriz
1.4.1 Definición. El producto de un número k ∈ R por una matriz A = (aij ) es otra
matriz R, del mismo orden que A, definida:
R = k A = (k aij )
Esto es, para obtener el término rij del resultado, se multiplica por el número k el término
aij de la matriz A. De otra forma, una matriz A queda multiplicada por un número k
cuando todos los términos de la matriz A se multiplican por dicho número k.
1.4.2 Ejemplo.

3 −3 0 12 −12 0
4· =
−2 6 5 −8 24 20
1.4.3 Proposición. Siendo k y r números reales cualesquiera y A y B matrices del mismo

orden se satisfacen las siguientes igualdades:
• k(A + B) = kA + kB.
• (k + r)A = kA + rA.
• k(rA) = (kr)A.
• 1A = A, 0A = (0), −1A = −A.
• (kA)t = kAt .
1.5. Producto de matrices

1.5.1 Definición. Dadas dos matrices A de orden m × n y B de orden n × p, el producto
AB de ambas matrices es otra matriz C de orden m × p definida por:
cij = ai1 b1j + ai2 b2j + · · · + ain bnj
Esto es, el elemento cij del resultado se obtiene multiplicando los elementos de la fila i de
A por los elementos de la columna j de B, y sumando todos estos productos.
1.5.2 Ejemplo.

1 1 1 2 3 0 2 4
=
0 2 −1 0 1 −2 0 2
1.5.3 Proposición. Dado un número real cualquiera k y matrices A, B y C cualesquiera

(con órdenes adecuados para realizar los productos que aparecen), se satisface:
• (AB)C = A(BC).
• A(B + C) = AB + AC, (A + B)C = AC + BC.
• k(AB) = (kA)B = A(kB).
• (AB)t = B t At .
• A(0) = (0), (0)A = (0).
1.5.4 Observación. El producto AB de dos matrices puede ser (0) incluso siendo A 6= (0)
y B 6= (0).

1.5.5 Definición. Se llama matriz identidad (o matriz unidad) de orden n a la matriz
cuadrada In (o simplemente I) con 1 en la diagonal principal y 0 en las demás posiciones:
 
1 0 ... 0
 0 1 ... 0 
In = 
 ...


0 0 ... 1
1.5.6 Proposición. Para toda matriz A de orden m × n se satisface A In = A, Im A = A.

Si A es cuadrada (sobreentendemos los órdenes): AI = IA = A.
1.5.7 Observación. El producto de matrices no es, en general, conmutativo. Es decir,

dadas matrices A y B puede ocurrir que AB 6= BA.
• Si A es de orden m × n y B de orden n × p, con m 6= p, el producto AB puede
realizarse, pero no es posible BA.
• Si A es de orden m × n y B de orden n × m, con m 6= n, se podrán realizar ambos
productos, pero los resultados no pueden coincidir, porque son de órdenes diferentes:
AB es cuadrada de orden m, mientras que BA es cuadrada de orden n.
• Para que ambos productos sean posibles, con resultados del mismo orden, será ne-
cesario que A y B sean cuadradas del mismo orden. Incluso ası́, puede ocurrir que
AB 6= BA.
1.5.8 Ejemplo.

1 1 1 2 4 6 1 2 1 1 3 1
· = 6= · =
1 0 3 4 1 2 3 4 1 0 7 3
1.5.9 Definición. Dos matrices A y B cuadradas del mismo orden se dice que conmutan
o que permutan cuando para ellas es cierta la igualdad AB = BA.
1.5.10 Ejemplo.

1 1 5 3 5 3 1 1 8 5
· = · =
1 0 3 2 3 2 1 0 5 3
2. Matriz inversa
2.1. Matrices invertibles
2.1.1 Definición. Una matriz cuadrada A se dice invertible o regular o no singular si existe
otra matriz, llamada inversa de A y denotada A−1 tal que AA−1 = A−1 A = I.

2 1
2.1.2 Ejemplo. La matriz A = es invertible. Su inversa es la matriz
1 1

−1 1 −1
A =
−1 2

• La inversa de una matriz, si existe, es única.

• Si A−1 es inversa de A por la izquierda (resp. por la derecha), la misma A−1 es inversa
de A por la derecha (resp. por la izquierda).
• Si A es invertible, su matriz inversa A−1 también lo es, con (A−1 )−1 = A.
• Si A es invertible, su matriz traspuesta también lo es, con (At )−1 = (A−1 )t .
• Si A es invertible y k un número real distinto de cero, entonces kA también es
invertible, con (kA)−1 = k −1 A−1 .
• Si A y B son matrices cuadradas del mismo orden invertibles, su producto también
lo es, con (A B)−1 = B −1 A−1 .
2.2. Transformaciones elementales

2.2.1 Definición. Se llama transformación elemental de una matriz (cuadrada o no) a
cualquiera de las siguientes:
• Intercambiar la posición de dos filas.
• Multiplicar una fila por un número real distinto de cero.
• Sumar a una fila un múltiplo de otra fila diferente.
2.2.2 Observación. También pueden realizarse transformaciones elementales ((para co-

lumnas)), pero en la práctica es suficiente considerar las mencionadas ((para filas)).
2.3. Método de Gauss para el cálculo de la matriz inversa

2.3.1 Proposición. Una matriz cuadrada A es invertible si y sólo mediante transforma-
ciones elementales puede alcanzarse desde la matriz A la matriz identidad. Además, las
mismas transformaciones que conducen desde A hasta I, transforman la matriz identidad
I en la inversa A−1 de A.
2.3.2 Ejemplo. Obtengamos, si existe, la inversa de

 
0 1 3
A =  1 −1 2 
2 −2 3
Escribimos
..
 
0 1 3 . 1 0 0
 1 −1 2 ... 0 1 0 
 
 
..
2 −2 3 . 0 0 1
Intercambiamos las filas 1 y 2:
.
 
1 −1 2 .. 0 1 0

 0 .. 
 1 3 . 1 0 0 

..
2 −2 3 . 0 0 1

Sumamos a la fila 3 la fila 1 multiplicada por −2:
..
 
1 −1 2 . 0 1 0

 0 .. 
 1 3 . 1 0 0 

..
0 0 −1 . 0 −2 1
Sumamos a la fila 1 la fila 2 (multiplicada por 1):

..
 
1 0 5 . 1 1 0

 0 1 .. 
 3 . 1 0 0 

..
0 0 −1 . 0 −2 1
Sumamos a la fila 1 la fila 3 multiplicada por 5, y sumamos a la fila 2 la fila 3 multiplicada

por 3:
.
 
1 0 0 .. 1 −9 5
 .. 
 0 1
 0 . 1 −6 3 

..
0 0 −1 . 0 −2 1
Multiplicamos la fila fila 3 por −1 (la cambiamos de signo):
..
 
1 0 0 . 1 −9 5
 .. 
 0
 1 0 . 1 −6 3 

..
0 0 1 . 0 2 −1
Se tiene ası́ como resultado:

 
1 −9 5
A−1 =  1 −6 3 
0 2 −1
2.4. Potencias de una matriz

2.4.1 Notación. Dada una matriz cuadrada A y un número natural n > 0:
• Se representa An el producto de la matriz A con ella misma n veces.
• Por convenio, se adopta A0 = I.
• Si la matriz A es invertible, se representa A−n el producto de la matriz A−1 con ella
misma n veces.
2.4.2 Proposición. Para toda matriz A invertible, y siendo m y n números enteros

cualesquiera, se satisface: Am+n = Am An .
(La igualdad es válida también cuando A no tiene inversa, pero en este caso, para que las
potencias tengan sentido, los exponentes no deben ser negativos.)

3. Determinantes
3.1. Obtención del determinante de una matriz cuadrada
3.1.1 Definición. Dada una matriz cuadrada A su determinante es un número real que
se denota |A|.
a11 a12 . . . a1n

a a22 . . . a2n
A = (aij ) −→ |A| = 21

∈R
...

an1 an2 . . . ann
No daremos una definición formal de determinante, sino que explicaremos la manera de
calcularlo.
3.1.2 Definición. (Determinante de orden 1) El determinante de una matriz 1 × 1 es el

propio número real único de que consta la matriz.
|a11 | = a11
3.1.3 Definición. (Determinante de orden 2) El determinante de una matriz cuadrada

de orden 2 se obtiene, en función de los términos de la matriz, mediante

a11 a12
a21 a22 = a11 a22 − a12 a21

3.1.4 Ejemplo.

1 2
= 1 × 4 − 2 × 3 = −2
3 4
3.1.5 Definición. (Determinante de orden 3) La siguiente expresión, conocida como regla

de Sarrus, proporciona el valor del determinante de una matriz cuadrada de orden 3:

a11 a12 a13

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

a31 a32 a33
3.1.6 Ejemplo.

1 2 3

4 5 6 = 45 + 84 + 96 − 105 − 72 − 48 = 0

7 8 9

• El determinante de una matriz coincide con el de su traspuesta.
• Cualquier propiedad que se satisfaga para las filas de un determinante, debe también
ser cierta enunciada para columnas.
• Si en un determinante una fila o columna es cero, su valor es cero.
• El determinante de una matriz triangular (superior o inferior), ası́ como el de una
matriz diagonal, es igual al producto de los elementos de la diagonal.

3.1.8 Definición. Dada una matriz cuadrada A de orden n, se llama menor complemen-
tario del elemento aij al determinante de la matriz cuadrada de orden n − 1 que resulta
de eliminar la fila i y la columna j en la matriz original. Lo representaremos Mij .
3.1.9 Ejemplo. Para la matriz
 
1 3 5
A= 2 0 4 
7 8 9
los menores complementarios de los elementos a13 y a32 son:

2 0 1 5
M13 = = 16 M32 = = −6
7 8 2 4
3.1.10 Definición. Dada una matriz cuadrada A de orden n, se llama adjunto del ele-
mento aij a su menor complementario, cuando i + j es par, o al menor complementario
cambiado de signo, cuando i + j es impar. Esto es, si representamos Aij el adjunto del
elemento aij :
Aij = (−1)i+j Mij
3.1.11 Ejemplo. Para la matriz del anterior ejemplo 3.1.9, los adjuntos de los mismos
elementos a13 y a32 se calculan:
A13 = M13 = 16 A32 = −M32 = 6
3.1.12 Proposición. (Desarrollo de un determinante por adjuntos de una lı́nea) Para
toda matriz cuadrada A de orden n, y para cualquier fila i de dicha matriz se satisface:
|A| = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain
Análogamente, para cualquier columna j de la matriz:
|A| = a1j A1j + a2j A2j + · · · + anj Anj
3.1.13 Observación. Las fórmulas anteriores permiten obtener un determinante de orden
n mediante el cálculo de n determinantes de orden n − 1.
Aplicándolas de forma reiterada, podrı́a reducirse un determinante cualquiera al cálculo
de determinantes de orden 3 (regla de Sarrus), o incluso orden 2 u orden 1.
En la práctica, interesa desarrollar por los adjuntos de una lı́nea en la que uno o más
elementos sean cero. Cuantos más, mejor.
3.1.14 Ejemplo. Desarrollando por los adjuntos de la segunda fila:

1 3 5
3 5 1 5 1 3
2 0 4 = −2 7 9 − 4 7 8 = 26 + 52 = 78
+ 0

7 8 8 9
9
3.1.15 Proposición. Al realizar transformaciones elementales en las filas o columnas de
un determinante, su valor queda afectado de la siguiente forma:
• Si se intercambian dos filas (o dos columnas) de un determinante, su valor cambia
de signo.
• Si se multiplica una fila (o columna) de un determinante por un número real (en la
práctica, distinto de cero), su valor queda multiplicado por dicho número.
• El valor de un determinante no cambia si se suma a una fila (o columna) un múltiplo
de otra fila (o columna).

3.1.16 Observación. Mediante transformaciones elementales podemos reducir el cálculo
de un determinante al correspondiente a una matriz triangular.
3.1.17 Ejemplo.

1 2 3 1 2 3 1 2 3

1 1 2 = 0 −1 −1 = 0 −1 −1 = −3

−1 0 2 0 2 5 0 0 3
3.2. Determinantes y matriz inversa

3.2.1 Proposición. Una matriz cuadrada A de orden n es invertible si y sólo si |A| =
6 0.
3.2.2 Proposición. Si A y B son matrices cuadradas del mismo orden, se verifica
|AB| = |A| · |B|
3.2.3 Proposición. Si A es una matriz cuadrada invertible (y por tanto, su determinante

es distinto de cero), se cumple
1
|A−1 | =
|A|
3.2.4 Definición. La matriz de adjuntos, que denotamos A∗ , de una matriz cuadrada A,
es la matriz cuyos elementos son los adjuntos de los elementos de A.
3.2.5 Proposición. Para cualquier matriz cuadrada A invertible se satisface:

1
A−1 = (A∗ )t
|A|
3.2.6 Ejemplo. Calculemos la inversa de la matriz

 
1 2 −1
A =  3 −2 1 
4 0 2
Notemos en primer lugar que |A| = −16 6= 0, luego A es invertible.

Los adjuntos de cada elemento valen:
A11 = −4 A12 = −2 A13 = 8

A21 = −4 A22 = 6 A23 = 8
A31 = 0 A12 = −4 A13 = −8
De donde:
   
−4 −4 0 1/4 1/4 0
1 1
A−1 = − (A∗ )t = −  −2 6 −4  =  1/8 −3/8 1/4 
16 16
8 8 −8 −1/2 −1/2 1/2

3.3. Rango de una matriz
3.3.1 Definición. Dada una matriz A (cuadrada o no) se llama menor de orden k de la
matriz al determinante de orden k que se obtiene seleccionando k filas y k columnas de
la matriz, eliminando el resto.
3.3.2 Definición. El rango de una matriz es el orden de su mayor menor no nulo. Con
otras palabras, una matriz tiene rango k si alguno de sus menores de orden k es distinto
de cero, y no posee menores de orden mayor que k distintos de cero.
3.3.3 Proposición. Las transformaciones elementales de una matriz conservan el rango.
3.3.4 Observación. El Método de Gauss para determinar el rango de una matriz cual-
quiera consiste en aplicar sucesivas transformaciones elementales por filas, hasta obtener
una matriz escalonada, esto es, una matriz en la que cada fila comienza con un ((cero)) más,
al menos, que la fila anterior. El rango de la matriz original (y el de todas las intermedias)
es entonces el número de filas no nulas en la matriz escalonada final.
4. Sistemas de ecuaciones lineales

4.1. Definición y conceptos asociados
4.1.1 Definición. Un sistema de m ecuaciones lineales con n incógnitas reales x1 , x2 ,. . . ,
xn es de la forma: 

 a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2


 ...
am1 x1 + am2 x2 + · · · + amn xn = bm

donde aij , bi son números reales que se suponen dados. Los aij se llaman coeficientes del
sistema y los bi términos independientes. Cuando bi = 0 para todo i, el sistema se dice
homogéneo.
4.1.2 Ejemplo. El siguiente es un sistema no homogéneo de dos ecuaciones lineales con

tres incógnitas:
x+y+z =3
2x − y = 0
4.1.3 Ejemplo. El siguiente es un sistema homogéneo de tres ecuaciones lineales con dos
incógnitas: 
 x + 4y = 0
2x − y = 0
5x + 3y = 0

4.1.4 Observación. Todo sistema de ecuaciones puede expresarse matricialmente
AX = B
donde A = (aij ) es la matriz m×n de coeficientes, X la matriz columna con las incógnitas
del sistema y B la matriz columna con los m términos independientes.

4.1.5 Ejemplo. El sistema de ecuaciones

 x + 4y = 0
2x − y = 0
5x + 3y = 0

se expresa matricialmente
   
1 4 0
 2 −1  x =  0 
y
5 3 0
4.1.6 Notación. Dado un sistema de m ecuaciones con n incógnitas, AX = B, repre-

sentaremos (A|B) la llamada matriz ampliada del sistema, esto es, la matriz de orden
m × (n + 1) que resulta de añadir a la matriz A de coeficientes como columna ((n + 1)) los
términos independientes.
4.1.7 Ejemplo. La matriz ampliada del sistema de ecuaciones

x+y+z =3
2x − y = 0
es la siguiente
1 1 1 | 3
2 −1 0 | 0
4.1.8 Definición. Ciertos números reales fijos x∗1 ,. . . , x∗n se dicen solución de un sistema
de ecuaciones lineales si con ellos se satisfacen, a la vez, todas las ecuaciones del sistema.
4.1.9 Ejemplo. Para el sistema

x+y+z =3
2x − y = 0
• x = 1, y = 2, z = 0 es solución.
• x = 0, y = 0, z = 3 también es solución.
• x = 3, y = 1, z = −1 no es solución: aunque se satisface la primera ecuación, no lo
hace la segunda.
4.1.10 Definición. Un sistema se dice compatible si tiene alguna solución e incompatible

en caso contrario. Un sistema compatible se dice determinado si su solución es única y se
dice indeterminado si admite más de una solución (en cuyo caso siempre tiene infinitas
soluciones).
4.1.11 Ejemplo. El sistema del ejemplo 4.1.9 es compatible indeterminado.
4.1.12 Ejemplo. El siguiente sistema de dos ecuaciones con dos incógnitas es, claramente,
incompatible:
x+y =1
x+y =2

4.1.13 Observación. Todo sistema de ecuaciones homogéneo


 a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0


 ...
am1 x1 + am2 x2 + · · · + amn xn = 0

es compatible, puesto que admite, al menos, la llamada solución trivial
x1 = x2 = · · · = xn = 0
Cuando un sistema homogéneo sea determinado, la solución trivial será su única solución.
4.2. Discusión y resolución de sistemas

4.2.1 Proposición. (Teorema de Rouché) Dado un sistema de m ecuaciones lineales con
n incógnitas, AX = B, con matriz de coeficientes A y matriz ampliada (A|B):
• Si rango A = rango(A|B), el sistema es compatible.
– Cuando rango A = rango(A|B) = n: compatible determinado.
– Cuando rango A = rango(A|B) < n: compatible indeterminado.
• Si rango A 6= rango(A|B), el sistema es incompatible.
4.2.2 Definición. Dos sistemas (con las mismas incógnitas) son equivalentes cuando
tienen las mismas soluciones, es decir, toda solución del primer sistema lo es del segundo
y toda solución del segundo lo es del primero.
4.2.3 Proposición. Al realizar transformaciones elementales en un sistema de ecuaciones,

se obtiene un sistema equivalente al original. Podemos, por tanto:
• Intercambiar la posición de dos ecuaciones.
• Multiplicar una ecuación por un número real distinto de cero.
• Sumar a una ecuación un múltiplo de otra.
De otra manera: cualquier transformación elemental de la matriz ampliada de un sistema,
conduce a una matriz que representa a otro sistema equivalente al original.
4.2.4 Observación. Dado un sistema de ecuaciones AX = B, realizando sucesivas trans-

formaciones elementales sobre su matriz ampliada (A|B), podemos alcanzar un sistema
equivalente que sea más sencillo de resolver. Este proceso recibe el nombre de método de
Gauss:
En la práctica, se aplican a la matriz ampliada del sistemas sucesivas transformaciones
elementales por filas, hasta obtener una matriz escalonada (lo que equivale a que en cada
nueva ecuación queda eliminada una nueva incógnita o, quizá, más de una).
En el sistema equivalente ((escalonado)), si resulta compatible, puede obtenerse la solución
mediante ((sustitución regresiva)), esto es, se comienza hallando la solución de la última
incógnita en la última ecuación, y se retrocede de ecuación en ecuación, sustituyendo
las incógnitas que se van determinando. Cuando el sistema es indeterminado, algunas
incógnitas quedarán ((libres)), esto es, la solución del sistema se presenta asumiendo que
dichas incógnitas pueden tomar cualquier valor real.

4.2.5 Ejemplo. Resolvamos:

 y+z =5
2x + y − z = 1
x + 2y + 2z = 11

Su matriz ampliada es:  

0 1 1 5
 2 1 −1 1 
1 2 2 11
 
1 2 2 11
 2 1 −1 1 
0 1 1 5
Sumamos a la fila 2 la fila 1 multiplicada por −2:

 
1 2 2 11
 0 −3 −5 −21 
0 1 1 5

 
1 2 2 11
 0 1 1 5 
0 −3 −5 −21
Sumamos a la fila 3 la fila 2 multiplicada por 3:

 
1 2 2 11
 0 1 1 5 
0 0 −2 −6
Esta última matriz corresponde a un sistema compatible determinado que se resuelve con
facilidad por sustitución regresiva.

 z=3
y =5−z =2
x = 11 − 2y − 2z = 1


Parte II
CÁLCULO DIFERENCIAL
5. Funciones reales, lı́mites y continuidad
5.1. La recta real y el espacio de n dimensiones
El conjunto R de los números reales se representa geométricamente en una recta, la ((recta
real)): cada número real se corresponde con un punto y, recı́procamente, cada punto de la
recta representa un número real. Por eso podemos referirnos indistintamente a puntos de
la recta o a números reales, y podemos aplicar a los números ideas geométricas, como la
de distancia, que definiremos más adelante.
0 1 √ 4
− 32 2
Los elementos o puntos del plano R2 , el espacio real de dos dimensiones, son pares or-
denados de números reales (x, y). Geométricamente, R2 puede representarse en un plano
dotado de coordenadas cartesianas: cada elemento (x, y) ∈ R2 es el punto del plano de
coordenadas x e y, y recı́procamente, un punto del plano con coordenadas x e y representa
al elemento (x, y) ∈ R2 .
(20 5, 2)
De forma análoga, el conjunto R3 , formado por ternas ordenadas (x, y, z) de números

reales, se representa geométricamente en un espacio cartesiano de tres dimensiones.
En general, los elementos o puntos del conjunto Rn (el espacio real de n dimensiones) son
n−tuplas ordenadas de números reales, de la forma
x = (x1 , x2 , . . . , xn )
Para n > 3 no podemos proporcionar una representación geométrica en nuestro espa-

cio fı́sico de 3 dimensiones. Aún ası́, se mantiene el uso del lenguaje geométrico y nos
referiremos indistintamente a elementos o puntos de Rn .
5.1.1 Definición. Un intervalo acotado de números reales, de extremos a y b (con a < b),
es un segmento de la recta real.
Destacamos los siguientes tipos:
• (a, b) = {x ∈ R : a < x < b}. Intervalo abierto.
a b

• [a, b] = {x ∈ R : a ≤ x ≤ b}. Intervalo cerrado.
a b
Esto es, los extremos a y b son parte del intervalo cerrado, mientras que quedan excluidos
en el abierto. En ocasiones nos referiremos al intervalo abierto (a, b) como el interior de
[a, b].
5.1.2 Definición. Los intervalos no acotados de números reales son conjuntos de alguna
de las formas siguientes:
• (−∞, c) = {x ∈ R : x < c}.
• (−∞, c] = {x ∈ R : x ≤ c}.
• (c, +∞) = {x ∈ R : c < x}.
• [c, +∞) = {x ∈ R : c ≤ x}.
• (−∞, +∞) = R.
5.1.3 Observación. Generalizando lo anterior, llamaremos también intervalo, en el espa-

cio Rn , al producto cartesiano de intervalos de números reales. En particular, llamaremos
intervalo abierto a un producto de intervalos abiertos e intervalo cerrado a un producto de
intervalos cerrados.
Por ejemplo, siendo a < b, c < d, un intervalo abierto y acotado en R2 es de la forma:
(a, b) × (c, d) = {(x, y) ∈ R2 : a < x < b, c < y < d}
Geométricamente, se trata del interior de un rectángulo (excluido su perı́metro).
a b
5.1.4 Definición. Se llama valor absoluto de un número real x al número real no negativo
√
x si x ≥ 0
|x| = x2 =
−x si x < 0
5.1.5 Definición. Se llama distancia entre dos números reales x e y al valor absoluto de
su diferencia, esto es, al número real no negativo
d(x, y) = |x − y|
5.1.6 Ejemplo. La distancia entre 2 y 6 es |2 − 6| = 4.
0 2 6

5.1.7 Definición. Se llama norma o módulo de un punto x = (x1 , x2 , . . . , xn ) ∈ Rn al
número real no negativo: q
|x| = x21 + x22 + · · · + x2n
Nótese que, para n = 1, la norma es lo mismo que el valor absoluto de un número real.
5.1.8 Definición. La distancia entre dos puntos x, y ∈ Rn es la norma de su diferencia,
esto es, el número real no negativo:
p
d(x, y) = |x − y| = (x1 − y1 )2 + · · · + (xn − yn )2
5.1.9 Ejemplo. La distancia entre los puntos el plano x = (2, 4) e y = (6, 1) es

p
d(x, y) = (2 − 6)2 + (4 − 1)2 = 5
2 6
5.1.10 Definición. Un entorno de centro x0 ∈ Rn y radio ε > 0 es el conjunto de puntos

de Rn que están a una distancia de x0 menor que ε.
Bε (x0 ) = {x ∈ Rn : |x − x0 | < ε}
En R, se trata de un intervalo abierto: Bε (x0 ) = (x0 − ε, x0 + ε).

En R2 es el interior de un cı́rculo y en R3 el de una esfera.
5.2. Funciones reales

5.2.1 Definición. Una función es una regla que asigna a cada elemento de un conjunto
D llamado dominio un único elemento de un conjunto Y .
Cuando el conjunto Y sea el de los números reales, se habla de función real.
5.2.2 Definición. Una función real de variable real es una función que asigna a cada
elemento de un determinado subconjunto de números reales otro número real. (El dominio
está formado por números reales)
5.2.3 Ejemplo. La función que asigna a cada número entero su cuadrado. El dominio
de esta función es el conjunto Z de los números enteros.
5.2.4 Definición. Una función real de varias variables reales es una función que asigna a
cada elemento de un determinado subconjunto del espacio Rn un número real. (El dominio
está formado por puntos del espacio)

5.2.5 Ejemplo. La función que asigna a cada par de números reales, esto es, a cada
elemento de R2 , su suma.
5.2.6 Notación. En forma genérica:
• El dominio de una función real se designa usualmente por D.
• Las funciones se denotan con una letra como f , g, F ,. . .
• Si f es una función y x es un elemento de su dominio D, entonces f (x) denota el
valor que la función f asigna a x.
• Este valor f (x) recibe el nombre de imagen de x. Si lo representamos y, podemos
escribir en forma compacta
y = f (x)
5.2.7 Definición. En una función de una variable y = f (x)
• x recibe el nombre de variable independiente.
• y recibe el nombre de variable dependiente.
En una función de varias variables, cada elemento x del dominio consta de n componentes
x = (x1 , x2 , . . . , xn ). En este caso,
• Cada número real xi se llama variable independiente: x1 es la primera variable, x2 es
la segunda variable, etc.
• La propia función y = f (x) se escribe también
y = f (x1 , x2 , . . . , xn )
donde y es la variable dependiente.
5.2.8 Observación. En funciones de dos o tres variables podemos evitar los subı́ndices
en las variables, escribiendo por ejemplo z = f (x, y) o u = f (x, y, z).
5.2.9 Observación. En la definición de una función se debe incluir su dominio.
Si la función viene dada por una relación entre sus variables sin especificar su dominio,
adoptamos el convenio de que dicho dominio consta de todos los valores de la variable
independiente para los que la relación tenga sentido.
√ √
5.2.10 Ejemplo. La función y = x con dominio [0, +∞) y la función y = x con
dominio [0, 1] son distintas.
√
Si definimos simplemente y = x, sin especificar el dominio, sobreentendemos que éste
viene dado por D = [0, +∞).
5.2.11 Definición. El recorrido o rango de una función f , con dominio D, es el conjunto de
números reales formado por las imágenes de todos los puntos del dominio. Si lo denotamos
R:
R = {y ∈ R : y = f (x), x ∈ D}
5.2.12 Ejemplo. El recorrido de la función y = x2 , con dominio R, es el conjunto
R = [0, +∞).
5.2.13 Definición. Dada una función f , con dominio D el conjunto de puntos
G = {(x, f (x)) : x ∈ D}
se llama grafo de la función.

5.2.14 Ejemplo. En las funciones de una variable, los elementos del grafo son pares
ordenados de números reales.
Para la función y = x2 (con dominio R), el grafo está formado por todos los pares de
valores (x, x2 ), con x√ ∈ R. Este grafo consta de infinintos elementos. Los pares (2, 4),
(−2, 4), (1/2, 1/4), ( 7, 7) son elementos del grafo, mientras que, por ejemplo, (3, 3) no
lo es.
5.2.15 Definición. Dada una función y = f (x) de una variable, si dibujamos los elemen-
tos del grafo en un plano dotado de un sistema de coordenadas cartesianas, obtenemos
una curva que se llama gráfica de la función.
5.2.16 Ejemplo. La gráfica de la función y = x2 es una parábola:
Gráfica de y = x2
y = x2
5.2.17 Observación. Para representar gráficamente una función de n variables necesi-

tamos n + 1 dimensiones, lo cual no está a nuestro alcance cuando n > 2.
Para funciones de dos variables; si dibujamos todos los puntos del grafo en un sistema de
coordenadas obtenemos una superficie como gráfica de la función. Otra manera de tener
una idea de la superficie que representa a una función de dos variables es recurrir a las
curvas de nivel. Dada la función z = f (x, y) que se quiere representar, se seleccionan unos
cuantos valores fijos zk (llamados niveles o cotas) y se dibujan las curvas del plano dadas
por los puntos para los que f (x, y) = zk .
Superficie Curvas de nivel

5.2.18 Definición. Dadas dos funciones f y g, con el mismo dominio D, se define su
suma, diferencia, producto y cociente de la manera natural:
• (f + g)(x) = f (x) + g(x).
• (f − g)(x) = f (x) − g(x).
• (f · g)(x) = f (x) · g(x).
• (f /g)(x) = f (x)/g(x). (El dominio de esta función cociente serán los puntos x ∈ D
para los que g(x) 6= 0)
5.2.19 Definición. Dadas dos funciones de una variable f y g, de modo que las imágenes
de f estén contenidas en el dominio de g, se define la composición g ◦ f como (g ◦ f )(x) =
g(f (x)).
5.2.20 Ejemplo. Dadas f (x) = x2 , g(x) = x + 1, se tiene:
(g ◦ f )(x) = g(f (x)) = g(x2 ) = x2 + 1
5.2.21 Observación. Nótese que, en general, la composición de funciones no es conmu-

tativa. Con las mismas funciones del ejemplo 5.2.20, se obtiene:
(f ◦ g)(x) = f (g(x)) = f (x + 1) = (x + 1)2
5.2.22 Observación. La composición de funciones se generaliza al caso de más varia-

bles considerando multiples dependencias: si y = f (u1 , u2 , . . . , un ) es una función de n
variables, y cada una de ellas es una función de m variables ui = gi (x1 , x2 , . . . , xm ) (con
i = 1, 2, . . . , n), la variable y queda definida como función compuesta de las variables
x1 ,x2 ,. . . ,xm , mediante
y = f (g1 (x1 , x2 , . . . , xm ), g2 (x1 , x2 , . . . , xm ), . . . , gn (x1 , x2 , . . . , xm ))
5.2.23 Ejemplo. Dada z = z(u, v) = u2 v, con

u = u(x, y) = x + y
v = v(x, y) = yex
La función compuesta es:
z = z(u(x, y), v(x, y)) = z(x, y) = (x + y)2 yex
5.2.24 Definición. Si una función f de una variable, con dominio D, es inyectiva, existe
una única función, denotada f −1 , con dominio f (D), tal que (f −1 ◦ f )(x) = (f ◦ f −1 )(x) =
x. De otra manera, si y = f (x), entonces x = f −1 (y).
La función f −1 se denomina inversa de f .
5.2.25 Ejemplo. La inversa de la función exponencial, f (x) = ex , es la función logarı́tmi-
ca, f −1 (x) = ln x, con dominio (0, +∞).
5.3. Lı́mite de una función

5.3.1 Definición. (Idea informal de lı́mite) Escribiremos lı́m f (x) = L, o f (x) → L
x→x0
cuando x → x0 , si f (x) se aproxima al número real L tanto como queramos, considerando
valores de la variable independiente x suficientemente próximos a x0 , pero no iguales a él.

5.3.2 Ejemplo.
lı́m x2 = 9
x→3
5.3.3 Ejemplo. Las siguientes funciones f , g y h tienen el mismo lı́mite, L = 1, cuando

x → 1.
lı́m f (x) = 1 lı́m g(x) = 1 lı́m h(x) = 1
x→1 x→1 x→1

x si x 6= 1
f (x) = x, ∀x ∈ R g(x) = x, ∀x 6= 1 h(x) =
2 si x = 1
2
1 1 1
1 1 1
5.3.4 Definición. (Lı́mite infinito) Se dice que una función f (x) tiene limite infinito (+∞
o −∞) en x0 , si los valores de f (x), en valor absoluto, se hacen tan grandes como se
quiera cuando x está suficientemente próximo a x0 . En esta situación, también se dice
que la recta x = x0 es una ası́ntota vertical de la función f (x).
5.3.5 Ejemplo.
1
lı́m = +∞
x→3 (x − 3)2
5.3.6 Definición. (Lı́mite en el infinito) Se dice que una función f (x) tiene lı́mite L,
cuando la variable x tiende a infinito (+∞ o −∞), si f (x) se aproxima al número real L
tanto como queramos, cuando se consideran valores de x suficientemente grandes en valor
absoluto. En esta situación, también se dice que la recta y = L es una ası́ntota horizontal
de la función f (x).
5.3.7 Ejemplo.
2x + 1
lı́m =2
x→∞ x
5.3.8 Definición. Cuando se estudia el lı́m f (x) de una función f (x) de una variable,
x→x0
hay que considerar el comportamiento para valores de x menores o mayores que x0 . En el
primer caso se habla de lı́mite lateral por la izquierda de x0 y en el segundo de lı́mite lateral
por la derecha. Se representan, respectivamente:
lı́m f (x) lı́m f (x)

x→x−
0 x→x+
0
5.3.9 Ejemplo. Dada la función

x2 si x ≤ 3
f (x) =
x−1 si x > 3
Se tiene: lı́m− f (x) = 9 y lı́m+ f (x) = 2.

x→3 x→3

5.3.10 Proposición. Sea f (x) una función de una variable, definida al menos en un
entorno de x0 . Si f tiene lı́mite L en x0 , los dos lı́mites laterales tienen el mismo valor L
en dicho punto.
Recı́procamente, si existen los dos lı́mites laterales en x0 y ambos toman un mismo valor
L, entonces la función tiene lı́mite en x0 , y su valor es L.
5.3.11 Observación. (Lı́mites en funciones de varias variables) El concepto de lı́mite

para una función de varias variables es análogo al de una variable, sin embargo, su cálculo
puede resultar, en general, muy engorroso.
5.4. Continuidad de funciones

5.4.1 Definición. Una función f : D → R, definida en un intervalo D, se dice continua
en el punto x0 ∈ D si
lı́m f (x) = f (x0 )
x→x0
5.4.2 Observación. La definición anterior exige:

• Que exista lı́m f (x) = L.
x→x0
• Que exista f (x0 ), es decir x0 ∈ D.

• Que los dos valores coincidan: L = f (x0 ).
5.4.3 Definición. (Continuidad lateral) Una función f (x) de una variable se dice continua
por la derecha de x0 si lı́m+ f (x) = f (x0 ).
x→x0
Análogamente se define continua por la izquierda de x0 si lı́m− f (x) = f (x0 ).

x→x0
5.4.4 Proposición. Sea f (x) una función de una variable definida, al menos, en un
entorno de x0 . Entonces, la función es continua en un punto x0 si y sólo si es continua por
la derecha y por la izquierda en x0 .
5.4.5 Definición. (Continuidad parcial) Una función f (x, y) de dos variables se dice
continua con respecto a la variable x en el punto (x0 , y0 ) si la función, de una variable,
f (x, y0 ) es continua en x0 .
La continuidad con respecto a y se define de la misma forma.
En general, la continuidad de una función de n variables respecto a una de ellas se estudia
fijando las restantes variables (que se manejan como si fueran constantes).
5.4.6 Proposición. Si una función de varias variables es continua en un punto, lo es con

respecto a todas sus variables en ese punto. El recı́proco no es cierto.
5.4.7 Definición. Los puntos donde una función f no es continua reciben el nombre de
discontinuidades. Se clasifican de la siguiente forma:
• Una discontinuidad de f en x0 se dice evitable si existe el lı́mite (finito) de la función
en x0 , pero no coincide con el valor de la función en x0 , porque f (x0 ) es un valor
distinto del lı́mite, o porque f (x) no está definida en x0 .
• Se dice que una función f presenta una discontinuidad esencial en x0 si no existe el
lı́mite de la función en x0 , o si el lı́mite es infinito.

Para una función de una variable podemos diferenciar:
• Discontinuidad de primera especie (o de salto) en x0 si existen los dos lı́mites
laterales de la función en x0 pero no coinciden.
• Discontinuidad de segunda especie en x0 si no existe alguno de los lı́mites laterales
de la función en x0 (o no existe ninguno de los dos).
5.4.8 Ejemplo.
Discontinuidad evitable Discontinuidad de salto
|x|
f (x) =
x
x2 − 1
1 f (x) =
2(x − 1)
Discontinuidad de segunda especie
1
1
sen
x
−3 −2 −1 1 2 3
−1
5.4.9 Definición. Una función f : D → R definida en un intervalo D se dice continua si

lo es en todos los puntos de D.
5.4.10 Proposición. Las funciones elementales: polinómicas, racionales, exponenciales,
logarı́tmicas y trigonométricas son continuas en sus respectivos dominios.
5.4.11 Proposición. Siempre que se cumplan las condiciones para que las siguientes
funciones estén bien definidas, se cumple:
• La suma, diferencia, producto y cociente de funciones continuas es otra función
continua.
• La composición de funciones continuas es continua.
• La inversa de una función continua es continua.
5.4.12 Definición. (Extremos absolutos) Sea f : D → R. Se dice que la función f tiene
un mı́nimo absoluto en el punto x0 ∈ D si f (x0 ) ≤ f (x) para todo x ∈ D.
Análogamente, se dice que f tiene un un máximo absoluto en x0 ∈ D si f (x0 ) ≥ f (x)
∀x ∈ D.

5.4.13 Proposición. (Teorema de Weierstrass) Si f (x) es una función continua en un
intervalo cerrado y acotado D, existe al menos un punto x1 ∈ D en el cual la función tiene
un máximo absoluto y un punto x2 ∈ D en el cual la función tiene un mı́nimo absoluto.
6. Derivación de funciones de una variable

6.1. Tasa de cambio
6.1.1 Definición. Sea una función de una variable f (x) que toma el valor f (x0 ) en x0 . Si
incrementamos la variable independiente en ∆x0 , pasando al punto x0 + ∆x0 , la función
experimenta también un incremento ∆f (x0 ) = f (x0 + ∆x0 ) − f (x0 ).
En estas condiciones, la correspondiente tasa de cambio o tasa de variación media de f (x)
respecto a su variable x es:
∆f (x0 ) f (x) − f (x0 ) f (x0 + ∆x0 ) − f (x0 )
= =
∆x0 x − x0 ∆x0
Es decir, la tasa o razón de cambio de una función en un intervalo [x0 , x0 + ∆x0 ] mide el
incremento que experimenta la función en el intervalo, por cada unidad de incremento de
la variable. Geométricamente, se obtiene la pendiente de la recta secante a la gráfica de
la función en el intervalo [x0 , x0 + ∆x0 ].
Tasa de cambio
∆f (x0 )
x0 x0 + ∆x0
6.2. Funciones derivables

6.2.1 Definición. Se dice que una función y = f (x) de una variable, con dominio un
intervalo abierto D, es derivable en el punto x0 ∈ D, si existe (y es finito) el lı́mite
f (x) − f (x0 ) ∆f (x0 ) f (x0 + ∆x0 ) − f (x0 )
lı́m = lı́m = lı́m
x→x0 x − x0 ∆x0 →0 ∆x0 ∆x0 →0 ∆x0
El valor del lı́mite se llama derivada de la función en el punto x0 y se representa:
df (x0 )
y 0 (x0 ) = f 0 (x0 ) =
dx
6.2.2 Observación. La derivada de f en x0 es una medida de la tasa de cambio puntual
o instantánea de la función con respecto a su variable en el punto x0 . La obtenemos como
lı́mite de la tasa de cambio cuando el incremento de la variable tiende a cero.

Geométricamente, la recta lı́mite de las rectas secantes dadas por las tasas de cambio es
la recta tangente; de manera que la derivada f 0 (x0 ) de una función de una variable en
el punto x0 es la pendiente de la recta tangente a la gráfica de la función, trazada en el
punto (x0 , f (x0 )).
Tangente y secantes
6.2.3 Definición. (Derivadas laterales) Una función f (x) de una variable se dice derivable
por la derecha en el punto x0 si existe (y es finito) el lı́mite
f (x) − f (x0 )
lı́m+ = f 0 (x+
0)
x→x0 x − x0
Análogamente, se dice derivable por la izquierda en el punto x0 si existe (y es finito) el
lı́mite
f (x) − f (x0 )
lı́m− = f 0 (x−
0)
x→x0 x − x0
6.2.4 Proposición. Una función de una variable es derivable en un punto x0 si y sólo si
existen ambas derivadas laterales en x0 , y además coinciden.
6.2.5 Proposición. Si una función de una variable es derivable en un punto x0 , entonces
es continua en dicho punto. El recı́proco no es cierto.
6.2.6 Ejemplo. la función f (x) = |x| es continua en el punto x = 0, pero no es derivable
en ese punto.
f 0 (0+ ) = 1 6= f 0 (0− ) = −1
6.3. Función derivada

6.3.1 Definición. Si una función f de una variable, definida en un intervalo abierto D, es
derivable en todos los punto de su dominio, decimos que f es derivable en D, y podemos
definir una nueva función que a cada x ∈ D le asocia la derivada de la función f en el
punto x. Esta función se llama derivada de f y se representa:
df
y 0 = f 0 (x) =
dx
Si la derivada de f es, a su vez, una función derivable, la derivada de su derivada se llama
derivada segunda de f y se representa:
d2 f
y 00 = f 00 (x) =
dx2
Si la derivada segunda de f es derivable, su derivada se llama derivada tercera, y ası́
sucesivamente.

6.3.2 Proposición. (Tabla de derivadas) Las funciones elementales: polinómicas, ra-
cionales, exponenciales, logarı́tmicas y trigonométricas son derivables en sus respectivos
dominios.
• y = C : y0 = 0
• y = x : y0 = 1
• y = xa : y 0 = a · xa−1
−1
• y = 1/x : y 0 = 2
x
√ 1
• y = x : y0 = √
2 x
x 0 x
• y = a : y = a · ln a
• y = ex : y 0 = ex
1
• y = loga x : y 0 = · loga e
x
1
• y = ln x : y 0 =
x
0
• y = sen x : y = cos x
• y = cos x : y 0 = − sen x
1
• y = tg x : y 0 = 1 + tg2 x =
cos2 x
1
• y = arc sen x : y 0 = √
1 − x2
1
• y = arc cos x : y 0 = − √
1 − x2
1
• y = arc tg x : y 0 =
1 + x2
6.3.3 Proposición. (Reglas de derivación) Si f y g son funciones de una variable deri-
vables en el mismo dominio D (y k una constante), entonces las siguientes funciones son
derivables, y su derivada es la que se indica:
• (f (x) + g(x))0 = f 0 (x) + g 0 (x)
• (k · f (x))0 = k · f 0 (x)
• (f (x) · g(x))0 = f 0 (x) · g(x) + f (x) · g 0 (x)
0
f 0 (x) · g(x) − f (x) · g 0 (x)

f (x)
• =
g(x) g 2 (x)
Para la derivación de funciones compuestas, es válida la llamada regla de la cadena: Si f
y g son funciones derivables de una variable, la función compuesta g ◦ f es derivable, y su
derivada es (g ◦ f (x))0 = g 0 (f (x)) · f 0 (x).
Con otra notación: sea y = g(u), donde u = f (x), y sea y = h(x) la función compuesta,
esto es, y = g(f (x)) = h(x). Entonces h0 (x) = g 0 (u) · f 0 (x).
dy dy du
= ·
dx du dx

6.3.4 Proposición. (Derivada de la función inversa) La función inversa x = f −1 (y) de
una función derivable y = f (x) de una variable es también derivable, siendo
0 1
f −1 (y) =
f 0 (x)
dx 1
Con otra notación: = .
dy dy/dx
6.4. Elasticidad
6.4.1 Definición. Dada una función y = f (x) de una variable, su elasticidad mide, como
la derivada, la tasa de cambio puntual o instantánea de la función con respecto a la
variable, pero considerando incrementos relativos ∆y/y, ∆x/x en vez de absolutos. Ası́,
calculado el correspondiente lı́mite, se tiene como resultado:
x
Ex y = y 0 ·
y
7. Derivación de funciones de varias variables

7.1. Derivadas parciales
7.1.1 Definición. Se dice que una función f de n variables, con dominio un intervalo
abierto D ⊂ Rn , es derivable parcialmente con respecto a la variable xk en el punto x0 =
(x1 , x2 , . . . , xn ) ∈ D, si existe (y es finito) el lı́mite:
f (x1 . . . , xk + h, . . . xn ) − f (x1 , . . . , xk , . . . , xn )
lı́m
h→0 h
El valor del lı́mite se llama derivada parcial con respecto a la variable xk de la función en
el punto x0 y se representa:
∂f (x0 )
fx0 k (x0 ) = fk0 (x0 ) =
∂xk
7.1.2 Observación. La derivada parcial de f con respecto a xk en x0 mide la tasa de
cambio puntual o instantánea de la función con respecto a su variable xk en el punto x0 ,
suponiendo que las demás variables permanecen fijas.
7.1.3 Definición. Si f es derivable parcialmente con respecto a xk en un punto genérico

x de su dominio D, aparece definada la función derivada parcial de f con respecto a la
variable xk . Se representa:
∂f
fx0 k (x) = fk0 (x) =
∂xk
7.1.4 Observación. En la práctica, la definición supone que el cálculo de derivadas
parciales se reduce al cálculo de derivadas de funciones de una variable: para derivar
parcialmente con respecto a una variable, basta considerar que durante el cálculo las
restantes variables se comportan como constantes.

2
7.1.5 Ejemplo. Dada la función f (x, y) = x3 exy :
( 0 2 2
fx (x, y) = 3x2 exy + x3 y 2 exy
2
fy0 (x, y) = 2yx4 exy
7.1.6 Definición. Diremos que una función f de varias variables es derivable en un

intervalo abierto D, si admite derivada parcial con respecto a todas sus variables en D.
7.1.7 Observación. Para funciones de varias variables ya no es cierto que la existencia

de derivadas parciales en un punto x0 lleve asociada la continuidad en el punto x0 . No
obstante, puede demostrarse que la existencia de todas las derivadas parciales, junto con
la continuidad de al menos una de ellas en x0 , implica la continuidad de f en x0 .
7.1.8 Proposición. (Regla de la cadena) Si f (u1 , . . . , un ) es una función derivable de

n variables, cada una de las cuales es, a su vez, función derivable de otras variables
x1 , . . . , xm , entonces la función compuesta
y = f (u1 (x1 , . . . , xm ), . . . , un (x1 , . . . , xm ))
es derivable siendo:
∂y ∂y ∂u1 ∂y ∂un
= · + ··· + ·
∂xk ∂u1 ∂xk ∂un ∂xk
para cualquier k desde 1 hasta m.
7.1.9 Ejemplo. Sea la función z = z(u, v) = u2 v 3 , donde
u = u(x, y) = sen x + y 2 , v = v(x, y) = xy
Las derivadas parciales de la función compuesta, z(x, y) = z(u(x, y), v(x, y)) son:

∂z ∂z ∂u ∂z ∂v

 = + = 2uv 3 cos x + 3u2 v 2 y
∂x ∂u ∂x ∂v ∂x

∂z ∂z ∂u ∂z ∂v
= + = 4uv 3 y + 3u2 v 2 x



∂y ∂u ∂y ∂v ∂y
7.2. Elasticidad parcial

7.2.1 Definición. De forma análoga a la vista para funciones de una variable (véase la
anterior definición 6.4.1), se define la elasticidad parcial de una función y = f (x1 , x2 , . . . , xn )
de varias variables, con respecto a la variable xk , considerando incrementos relativos en
vez de absolutos. Su cálculo se realiza mediante:
xk
Exk y = yx0 k ·
y
7.2.2 Ejemplo. Dada z = 3x2 y 4


∂z x x
 Ex z =

 · = 6xy 4 2 4 = 2
∂x z 3x y
∂z y y
 Ey z = · = 12x2 y 3 2 4 = 4


∂y z 3x y

7.3. Derivadas sucesivas
7.3.1 Definición. Si las derivadas parciales de una función de varias variables f (x1 , . . . , xn )
son, a su vez, funciones derivables, sus derivadas se llaman derivadas parciales segundas o
derivadas parciales de segundo orden, y se representan:
∂ 2f
fx00i xj = fij00 =
∂xi ∂xj
Las derivadas parciales de las derivadas parciales segundas son, cuando existan, las deri-
vadas parciales terceras, y ası́ sucesivamente.
7.3.2 Observación. Nótese que el número de derivadas parciales de una función de n
variables aumenta rápidamente: hay n derivadas de primer orden, n2 de segundo orden,
n3 de tercer orden, etc.
7.3.3 Proposición. (Teorema de Schwarz) Si las derivadas de orden superior son conti-
nuas, su valor depende sólo de las variables con respecto a las que se deriva, pero no del
orden en que intervienen en la derivación (igualdad de ((derivadas cruzadas))).
7.3.4 Ejemplo. Sea z = x2 y 5 . Derivando: zx0 = 2xy 5 , zy0 = 5x2 y 4 . Volviendo a derivar,
00 00 00 00
obtenemos: zxx = 2y 5 , zxy = 10xy 4 , zyx = 10xy 4 , zyy = 20x2 y 3 En particular, se cumple
00 00
zxy = zyx .
7.3.5 Definición. Se llama matriz hessiana Hf de una función f (x1 , . . . , xn ) a la matriz
de derivadas parciales segundas de la función. Su determinante se llama determinante
hessiano.  00
fx1 x1 (x) fx001 x2 (x) . . . fx001 xn (x)

 fx00 x (x) fx00 x (x) . . . fx00 x (x) 
 2 1 2 2 2 n 
Hf (x) = 
 . . . 

 ... 
00 00 00
fxn x1 (x) fxn x2 (x) . . . fxn xn (x)
Por la igualdad de derivadas cruzadas, se trata de una matriz simétrica. Notemos además
que, para una función de una variable, el determinante hessiano es, simplemente, la deri-
vada segunda de la función.
8. Funciones homogéneas
8.1. Concepto
8.1.1 Definición. Una función f (x1 , x2 , . . . , xn ), con dominio D, se dice que es homogénea
de grado m en D si para todo (x1 , x2 , . . . , xn ) ∈ D y para todo t tal que t(x1 , x2 , . . . , xn ) ∈
D, se tiene
f (tx1 , tx2 , . . . , txn ) = tm f (x1 , x2 , . . . , xn )
El grado m puede ser cualquier número real. Si m = 1, f se dice linealmente homogénea.

8.1.2 Ejemplo. La función
2x + z
f (x, y, z) =
5x2 + 7xy + z 2

es homogénea de grado m = −1. En efecto:
2tx + tz t(2x + z)
f (tx, ty, tz) = = = t−1 f (x, y, z)
5(tx)2 + 7txty + (tz)2 t2 (5x2 + 7xy + z 2 )
8.1.3 Ejemplo. Sea Q(K, L) la producción en función de las cantidades K y L de los
factores capital y trabajo. Si la cantidad de ambos factores se multiplica por t, podrı́a
ocurrir que la producción quedara también multiplicada por t. Esto es:
Q(tK, tL) = t Q(K, L)
La igualdad anterior significa que la función de producción es homogénea de grado m = 1
(linealmente homogénea).
Se dice entonces que la función de producción presenta rendimientos constantes a escala.
8.1.4 Ejemplo. Las funciones de tipo Cobb-Douglas
Q(K, L) = A K a Lb
donde A, a y b son constantes positivas, se usan con frecuencia como ejemplo de función
de producción.
Son funciones homogéneas de grado a + b:
Q(tK, tL) = A(tK)a (tL)b = ta tb AK a Lb = ta+b Q(K, L)
Si a + b = 1, son linealmente homogéneas (rendimientos constantes a escala).
8.2. Propiedades
• La suma de dos funciones homogéneas de grado m, definidas en el mismo dominio,
es una función homogénea de grado m.
• El producto de una función homogénea de grado m y otra función homogénea de
grado m0 , definidas sobre el mismo dominio, es una función homogénea de grado
m + m0 .
• El cociente de una función homogénea de grado m por otra función homogénea de
grado m0 , definidas sobre el mismo dominio, es, en el dominio en que tenga sentido,
una función homogénea de grado m − m0 .
• Sea f una función homogénea de grado m que admite derivadas parciales de orden
p. Entonces dichas derivadas parciales son funciones homogéneas de grado m − p.
8.2.2 Ejemplo. La función f (x, y) = x3 y − y 4 es homogénea de grado 4:
f (tx, ty) = (tx)3 (ty) − (ty)4 = t4 (x3 y − y 4 ) = t4 f (x, y)
Comprobemos que sus derivadas parciales son homogéneas de grado 4 − 1 = 3. En efecto,
derivando con respecto a x, fx0 (x, y) = 3x2 y:
fx0 (tx, ty) = 3(tx)2 (ty) = t3 3x2 y = t3 fx0 (x, y)
Derivando con respecto a y, fy0 (x, y) = x3 − 4y 3 , y también verifica:
fy0 (tx, ty) = (tx)3 − 4(ty)3 = t3 fy0 (x, y)

8.2.3 Proposición. (Teorema de Euler) Una función f (x) = f (x1 , . . . , xn ) derivable
parcialmente es homogénea de grado m si y sólo si se verifica:
x1 fx0 1 (x) + x2 fx0 2 (x) + · · · + xn fx0 n (x) = m f (x)
8.2.4 Ejemplo. La función homogénea de grado 4, f (x, y) = x3 y − y 4 , del ejemplo 8.2.2,

con fx0 (x, y) = 3x2 y, fy0 (x, y) = x3 − 4y 3 , cumple:
xfx0 (x, y) + yfy0 (x, y) = x(3x2 y) + y(x3 − 4y 3 )

= 3x3 y + yx3 − 4y 4 = 4x3 y − 4y 4 = 4f (x, y)
Parte III
OPTIMIZACIÓN
9. Optimización de funciones de una variable
9.1. Creciemiento y decrecimiento
9.1.1 Definición. Una función f (x) de una variable, definida en un intervalo I, es cre-
ciente en el intervalo si para todo x1 , x2 ∈ I, con x1 < x2 , se tiene f (x1 ) ≤ f (x2 ).
Cuando f (x1 ) < f (x2 ) para todo x1 , x2 ∈ I, se dice que la función es estrictamente creciente
en el intervalo I.
De forma análoga se define función decreciente, y estrictamente decreciente en el intervalo
I, cuando para todo x1 , x2 ∈ I, con x1 < x2 ocurre respectivamente f (x1 ) ≥ f (x2 ),
f (x1 ) > f (x2 ).
Función creciente Función decreciente
9.1.2 Proposición. Sea f (x) una función de una variable, derivable en un intervalo
(abierto) I. Se cumple:
• f es creciente en I si y sólo si f 0 (x) ≥ 0 para todo x ∈ I.
• f es decreciente en I si y sólo si f 0 (x) ≤ 0 para todo x ∈ I.
• Si f 0 (x) > 0 para todo x ∈ I, entonces f es estrictamente creciente en I.
• Si f 0 (x) < 0 para todo x ∈ I, entonces f es estrictamente decreciente en I.

9.2. Extremos relativos
9.2.1 Definición. Se dice que una función f : D → R tiene un máximo relativo o local
en un punto x0 ∈ D, cuando existe un entorno de x0 tal que, para todo punto x ∈ D de
este entorno, se cumple:
f (x) ≤ f (x0 )
El concepto de mı́nimo relativo en x0 es análogo, con f (x) ≥ f (x0 ).
En cualquiera de las dos situaciones diremos que en x0 hay un extremo relativo de la
función.
9.2.2 Proposición. (Condición necesaria para la existencia de extremo) Sea f (x) una
función de una variable definida en un intervalo D. Si la función tiene un extremo relativo
en un punto x0 ∈ D, en el cual la función es derivable, entonces
f 0 (x0 ) = 0
9.2.3 Observación. Los extremos relativos de una función están necesariamente entre los
puntos que anulan su derivada, o bien entre aquellos en los que la función no es derivable.
En cualquiera de estos casos hablaremos de punto crı́tico.
En resumen: todo extremo relativo es un punto crı́tico, pero hay puntos crı́ticos en los
que la función no presenta un extremo relativo.
Puntos crı́ticos de f (x) en [a, b]

Mı́nimos en a y x2
@f 0 (x1 ) Máximos en x1 y b
f 0 (x0 ) = 0
f 0 (x2 ) = 0
a x0 x1 x2 b
9.2.4 Ejemplo. Sea la función f (x) = x2 , con dominio D = [−1, 2].
f (x) = x2 en [−1, 2]
−1 0 2

Derivando e igualando a cero:
f 0 (x) = 2x = 0 =⇒ x = 0
Los puntos crı́ticos son: x = −1 y x = 2 en los que no existe la derivada, y el punto x = 0

donde f 0 (0) = 0.
• En x = 0 hay un mı́nimo relativo. El valor f (0) = 0 es el mı́nimo absoluto de f (x)
en su dominio.
• En x = −1 hay un máximo relativo de valor f (−1) = 1.
• En x = 2 hay un máximo relativo. El valor f (2) = 4 es el máximo absoluto f (x) en
su dominio.
9.2.5 Ejemplo. Sea la función f (x) = x3 , con dominio R.
f (x) = x3
Su derivada es f 0 (x) = 3x2 , por lo que x = 0 es el único punto crı́tico. Sin embargo, no
corresponde a un extremo, ya que la función f (x) = x3 es creciente en todo R.
√3
9.2.6 Ejemplo. La función f (x) = x2 , con dominio D = R, tiene su mı́nimo absoluto
en x = 0, en el que la función vale f (0) = 0.
√
3
f (x) = x2
Para x 6= 0, la derivada es:

2
f 0 (x) = √
33x
Pero f (x) no es derivable en x = 0. (En x = 0 hay un punto de retroceso).

9.2.7 Proposición. (Condiciones suficientes para que un punto crı́tico sea extremo)
Supongamos que cierta función f (x) con dominio D tiene un punto crı́tico en x0 ∈ D.
Algunos criterios para decidir si se trata de un extremo son los siguientes:
• Aplicar la definición: se toma h > 0 pequeño, y se compara f (x0 ± h) con f (x0 ).
• Si f (x) es derivable en un entorno de x0 , se estudia el signo de la derivada cerca de
x0 . Se toma h > 0 pequeño, entonces:
• Si f 0 (x0 − h) < 0, f 0 (x0 + h) > 0: en x0 hay un mı́nimo relativo.
• Si f 0 (x0 − h) > 0, f 0 (x0 + h) < 0: en x0 hay un máximo relativo.
• Si la derivada a izquierda y derecha no cambia de signo, no existe extremo local.
• Si f (x) tiene derivada segunda en x0 , se estudia su signo:
• Si f 00 (x0 ) > 0, en x0 hay un mı́nimo relativo.
• Si f 00 (x0 ) < 0, en x0 hay un máximo relativo.
• Si f 00 (x0 ) = 0, es un caso dudoso.
Cuando f 00 (x0 ) = 0, se recurre a derivadas de orden superior, suponiendo que existan.
Imaginemos que para cierto n ∈ N:
f 0 (x0 ) = f 00 (x0 ) = · · · = f (n−1) (x0 ) = 0, f (n) (x0 ) 6= 0
Entonces:

f (n) (x0 ) > 0: mı́nimo relativo en x0 .
Si n es par

f (n) (x0 ) < 0: máximo relativo en x0 .
Si n es impar, no hay extremo en x0

9.2.8 Ejemplo. Obtengamos y clasifiquemos los puntos crı́ticos de
f (x) = x4 − 4x3 + 6x2 − 4x + 3
Su derivada es f 0 (x) = 4x3 − 12x2 + 12x − 4. Se tiene que f 0 (1) = 0, luego x = 1 es un

punto crı́tico. (No hay más).
• f 00 (x) = 12x2 − 24x + 12. f 00 (1) = 0, dudoso.
• f 000 (x) = 24x − 24. f 000 (1) = 0, dudoso.
• f 0000 (x) = 24 > 0. f 0000 (1) = 24 > 0.
La primera derivada distinta de cero es la cuarta (par) y es positiva. Por tanto, en x = 1
hay un mı́nimo y el mı́nimo absoluto de f (x) es f (1) = 2.
9.3. Concavidad y convexidad

9.3.1 Definición. Sea f (x) una función de una variable, derivable en un intervalo abierto
D. Diremos que f (x) es convexa en el punto x0 ∈ D, cuando en un entorno de x0 las
ordenadas de la curva son mayores que las correspondientes de la tangente a la curva en
x0 , es decir, la curva está por encima de la tangente en dicho punto.

Cuando la curva está por debajo de la tangente, la función se dice cóncava en x0 .
Función convexa Función cóncava
x0 x0
Un punto de inflexión es aquel en el que la función cambia de concavidad (la recta tangente
atraviesa a la curva).
Punto de inflexión
x0
9.3.2 Proposición. Supongamos que la función de una variable f (x), definida en un

intervalo abierto D, es derivable cuantas veces sea necesario en D. Si para x0 ∈ D y para
cierto n ∈ N ocurre que:
f 00 (x0 ) = f 000 (x0 ) = · · · = f (n−1) (x0 ) = 0, f (n) (x0 ) 6= 0
Entonces: 
f (n) (x0 ) > 0: f (x) es convexa en x0 .
Si n es par

f (n) (x0 ) < 0: f (x) es cóncava en x0 .
Si n es impar, en x0 hay un punto de inflexión.

Por tanto, si en x0 hay un punto de inflexión debe ocurrir, al menos,
f 00 (x0 ) = 0
10. Optimización de funciones de varias variables

10.1. Optimización de funciones de varias variables, sin restric-
ciones
A lo largo de la sección, para fijar ideas, supondremos dada una función z = f (x, y) de dos
variables independientes x e y, definida en un dominio D ⊂ R2 , derivable parcialmente al
menos hasta el segundo orden y con derivadas continuas.

Tras la exposición de los resultados para el caso de dos variables, se indicará también su
generalización a funciones con cualquier número de variables.
10.1.1 Definición. La función z = f (x, y) tiene en un punto (x0 , y0 ) de su dominio D

un máximo relativo si para todo (x, y) ∈ D, en cierto entorno de (x0 , y0 ), se cumple:
f (x, y) ≤ f (x0 , y0 )
El concepto de mı́nimo relativo en (x0 , y0 ) es análogo, cuando ocurre
f (x, y) ≥ f (x0 , y0 )
En cualquiera de las dos situaciones diremos que en x0 hay un extremo relativo de la

función.
Máximo Mı́nimo
10.1.2 Proposición. (Condiciones necesarias para la existencia de extremo)

Si la función z = f (x, y) tiene un extremo relativo en el punto (x0 , y0 ) ∈ D, entonces
fx0 (x0 , y0 ) = 0 fy0 (x0 , y0 ) = 0
En general, para una función de n variables, las n derivadas parciales de primer orden
valen cero en el punto extremo.
10.1.3 Definición. Llamaremos punto crı́tico a cualquier solución del sistema de ecua-
ciones (
fx0 (x, y) = 0
fy0 (x, y) = 0
10.1.4 Ejemplo. Consideremos la función, derivable en todo R2 :
f (x, y) = x2 + y 2

(
fx0 (x, y) = 2x = 0
fy0 (x, y) = 2y = 0
Se obtiene que el único punto crı́tico es (0, 0), en el que la función vale f (0, 0) = 0. Se
trata del mı́nimo absoluto de la función ya que, claramente, f (x, y) ≥ f (0, 0) = 0 para
todo (x, y) ∈ R2 .

10.1.5 Observación. Puede ocurrir que f (x, y) tenga un punto crı́tico en (x0 , y0 ) pero
que el valor f (x0 , y0 ) no sea máximo ni mı́nimo. Esto es, en puntos próximos a (x0 , y0 ),
la función alcanza valores tanto mayores como menores que f (x0 , y0 ).
Este tipo de punto crı́tico se llama punto de silla.
Punto de silla
En resumen: todo extremo relativo es un punto crı́tico, pero hay puntos crı́ticos que no
son extremos, sino puntos de silla.
10.1.6 Ejemplo. La función f (x, y) = x2 − y 2 es derivable en todo R2 . Derivando e

igualando a cero: (
fx0 (x, y) = 2x = 0
fy0 (x, y) = −2y = 0
Se obtiene que el único punto crı́tico es (0, 0), en el que la función vale f (0, 0) = 0. Se
trata de un punto de silla, porque, en puntos próximos a (0, 0) la función toma valores
tanto mayores como menores que f (0, 0) = 0. En efecto, se tiene, para cualquier h 6= 0:
f (h, 0) = h2 > 0, mientras que f (0, h) = −h2 < 0
10.1.7 Proposición. (Condiciones suficientes para extremo) Sea (x0 , y0 ) ∈ D un punto

crı́tico de la función f (x, y), es decir
fx0 (x0 , y0 ) = 0 fy0 (x0 , y0 ) = 0
Consideramos el determinante hessiano |Hf (x0 , y0 )| de la función f (x, y), calculado en el

punto crı́tico:

f 00 (x , y ) f 00 (x , y ) 2
xx 0 0 xy 0 0 00 00 00
H (x , y ) = = f (x , y ) f (x , y ) − f (x , y )

f 0 0 00 00
xx 0 0 yy 0 0 xy 0 0
fyx (x0 , y0 ) fyy (x0 , y0 )
Entonces se tiene:
 ( 00
 fxx (x0 , y0 ) > 0 : mı́nimo en (x0 , y0 )
 Si Hf (x0 , y0 ) > 0

00
fxx (x0 , y0 ) < 0 : máximo en (x0 , y0 )

 Si Hf (x0 , y0 ) < 0: punto de silla en (x0 , y0 )

10.1.8 Ejemplo. Obtengamos y clasifiquemos los puntos crı́ticos de la función:
f (x, y) = x3 + y 3 − 3xy

Derivando: (
fx0 (x, y) = 3x2 − 3y = 0
fy0 (x, y) = 3y 2 − 3x = 0
De donde se obtienen los puntos crı́ticos: (0, 0) y (1, 1).
El determinante hessiano, en un punto genérico (x, y), vale:

Hf (x, y) = (6x) (6y) − (−3)2 = 36xy − 9

En el punto crı́tico (0, 0):

Hf (0, 0) = −9 < 0

Por lo que se trata de un punto de silla. En (1, 1):

Hf (1, 1) = 27 > 0

00
con fxx (1, 1) = 6 > 0, luego se trata de un mı́nimo.
10.1.9 Proposición. (Generalización a cualquier número de variables)
Sea x∗ = (x∗1 , . . . , x∗n ) ∈ D un punto crı́tico de una función f (x1 , . . . , xn ) de n variables,
con dominio D. Sea Hf (x∗ ) la matriz hessiana de la función, evaluada en el punto crı́tico
x∗  00
fx1 x1 fx001 x2 . . . fx001 xn

 fx00 x fx00 x . . . fx00 x 
Hf (x∗ ) = 
 ...
2 1 2 2 2 n 

00 00 00
fxn x1 fxn x2 . . . fxn xn
Consideremos los determinantes (menores principales):
00
00
fx x fx00 x
|H1 | = |fx1 x1 |, |H2 | = 001 1 1 2
, . . . , |Hn | = |Hf |
fx2 x1 fx002 x2
que supondremos distintos de cero en el punto crı́tico x∗ . Entonces:
• Si |H1 | > 0, |H2 | > 0, |H3 | > 0,. . . , en x∗ hay un mı́nimo relativo.
• Si |H1 | < 0, |H2 | > 0, |H3 | < 0,. . . , en x∗ hay un máximo relativo.
• Cualquier otra situación corresponde a un punto de silla.
10.1.10 Ejemplo. Obtengamos los puntos crı́ticos de la función
f (x, y, z) = 2x3 + y 2 + 2z 2 − 6xy + 4y
Derivando e igualando a cero, se obtiene el sistema
 0
 fx (x, y, z) = 6x2 − 6y = 0
f 0 (x, y, z) = 2y − 6x + 4 = 0
 y0
fz (x, y, z) = 4z = 0
Su resolución proporciona los puntos crı́ticos: (1, 1, 0) y (2, 4, 0).
La matriz hessiana de la función f (x, y, z) es:
 
12x −6 0
Hf (x, y, z) =  −6 2 0 
0 0 4

En el punto (1, 1, 0):  
12 −6 0
Hf (1, 1, 0) =  −6 2 0 
0 0 4
Los menores principales valen |H1 | = 12, |H2 | = −12 y |H3 | = |Hf | = −48, lo que
corresponde a un punto de silla.
En el punto (2, 4, 0):  
24 −6 0
Hf (2, 1, 0) =  −6 2 0 
0 0 4
Los menores principales valen |H1 | = 24, |H2 | = 12 y |H3 | = |Hf | = 48. Por ser todos
positivos, en el punto crı́tico (2, 4, 0) hay un mı́nimo de la función.
10.2. Optimización con restricciones

Estudiaremos a continuación cómo determinar los máximos y mı́nimos de una función
z = f (x, y), cuando sus variables x e y están ligadas por una condición de la forma
g(x, y) = 0.
La función f (x, y), cuyos extremos relativos se quieren calcular, recibe el nombre de función
objetivo, y la condición g(x, y) = 0, a la que están sujetas las variables x e y, se llama
restricción. Admitimos que f y g son continuas y con derivadas continuas en su dominio
tantas veces como sea necesario.
(
opt.: f (x, y) → función objetivo
suj.: g(x, y) = 0 → restricción
10.2.1 Observación. Si en la ecuación g(x, y) = 0 puede despejarse alguna de las varia-

bles como función de la otra: y = y(x), entonces, se sustituye esta relación en la función
objetivo,
f (x, y(x)) = F (x)
con lo que el problema pasa a ser la optimización de F (x), función de una variable y sin
restricciones.
10.2.2 Ejemplo. Obtener y clasificar los extremos de la función
f (x, y) = 2x2 + y 2
sujetos a la condición x + y = 9.
Podemos despejar en la restricción: y = 9 − x.
Sustituyendo en f (x, y):
F (x) = f (x, 9 − x) = 2x2 + (9 − x)2 = 3x2 − 18x + 81
Derivando e igualando a cero: F 0 (x) = 6x − 18 = 0, de donde x = 3, que es el único punto

crı́tico. El correspondiente valor de y es y = 9 − x = 6.
La derivada segunda es F 00 (x) = 6 > 0 para cualquier valor de x. En particular, F 00 (3) > 0,
luego en x = 3 se alacanza un mı́nimo (se trata del mı́nimo absoluto).

10.2.3 Proposición. (Método de los multiplicadores de Lagrange) Dado el problema
(
opt.: f (x, y) → función objetivo
suj.: g(x, y) = 0 → restricción
Se construye la función auxiliar:
L(x, y; λ) = f (x, y) + λg(x, y)
donde λ es un parámetro denominado multiplicador de Lagrange.

Si (x0 , y0 ) es una solución del problema, existe un valor λ0 del multiplicador tal que
( 0
Lx (x0 , y0 , λ0 ) = fx (x0 , y0 ) + λ0 gx0 (x0 , y0 ) = 0
L0y (x0 , y0 , λ0 ) = fy (x0 , y0 ) + λ0 gx0 (x0 , y0 ) = 0
10.2.4 Observación. En la práctica, se plantea el sistema de tres ecuaciones, formado

por las dos derivadas parciales de la función de Lagrange igualadas a 0, junto con la
restricción g = 0. 
L0 (x, y, λ) = 0
 x


L0y (x, y, λ) = 0


 g(x, y) = 0
Las soluciones de este sistema son los puntos crı́ticos del problema. Cada una de ellas está
formada por el punto (x0 , y0 ) donde se alcanza el posible extremo condicionado, junto con
el valor λ0 del multiplicador asociado.
10.2.5 Ejemplo. Localicemos los puntos crı́ticos del anterior ejemplo 10.2.2, con el méto-
do de Lagrange. (
min.: f (x, y) = 2x2 + y 2
suj.: x + y − 9 = 0
La función de Lagrange es:
L(x, y; λ) = 2x2 + y 2 + λ(x + y − 9)
Y el sistema a resolver: 
L0 (x, y; λ) = 4x + λ = 0
 x


L0y (x, y; λ) = 2y + λ = 0


 x+y−9=0
Su solución única es: x = 3, y = 6, con λ = −12.
10.2.6 Proposición. (Condiciones suficientes para extremo condicionado) Para decidir

si un punto crı́tico corresponde o no a un extremo condicionado, se calcula el hessiano de
la función de Lagrange en cada punto crı́tico.

L00 (x , y ; λ ) L00 (x , y ; λ )
xx 0 0 0 xy 0 0 0
|HL (x0 , y0 ; λ0 )| = 00 00

Lyx (x0 , y0 ; λ0 ) Lyy (x0 , y0 ; λ0 )
= L00xx (x0 , y0 ; λ0 ) L00yy (x0 , y0 ; λ0 ) − (L00xy (x0 , y0 ; λ0 ))2

Entonces:
• Si |HL (x0 , y0 ; λ0 )| > 0 y L00xx (x0 , y0 ; λ0 ) > 0, el punto crı́tico corresponde a un mı́nimo
condicionado.
• Si |HL (x0 , y0 ; λ0 ) > 0| y L00xx (x0 , y0 ; λ0 ) < 0, el punto crı́tico corresponde a un máximo
condicionado.
• Cualquier otra situación es dudosa
10.2.7 Ejemplo. En el anterior ejemplo 10.2.5,

(
min.: f (x, y) = 2x2 + y 2
suj.: x + y − 9 = 0
con función de Lagrange: L(x, y; λ) = 2x2 + y 2 + λ(x + y − 9) y derivadas: L0x = 4x + λ,

L0y = 2y + λ, obtuvimos la solución: x = 3, y = 6, λ = −12. Clasifiquemos este punto
crı́tico:
L00xx = 4, L00yy = 2, L00xy = 0
Se tiene |HL (3, 6; −12)| = 8 > 0, L00xx (3, 6; −12) = 4 > 0, por lo que se trata de un mı́nimo
condicionado.
10.2.8 Observación. (Generalizción) De forma análoga a la estudiada para funciones de

dos variables sujetas a una condición, puede plantearse el caso más general de búsqueda de
máximos y mı́nimos para una función de cualquier número de variables, f (x1 , x2 , . . . , xn ),
sujetas a una restricción g(x1 , x2 , . . . , xn ).
(
opt.: f (x1 , x2 , . . . , xn ) → función objetivo
suj.: g(x1 , x2 , . . . , xn ) = 0 → restricción
También en este caso, la solución podrı́a obtenerse despejando en la ecuación g = 0 una de

las variables en función de las demás, y sustituyendo esta relación en la función objetivo,
de manera que el problema se reduce a otro de optimización, con n − 1 variables.
10.2.9 Ejemplo. Determinemos los números positivos, x, y y z, cuya suma de cuadrados

es mı́nima, con la condición de que la suma de los tres números valga 1.
(
min.: f (x, y, z) = x2 + y 2 + z 2
suj.: x + y + z = 1
Podemos despejar en la restricción: z = 1 − x − y, de manera que la función a minimizar,

expresada con sólo dos variables, es
F (x, y) = x2 + y 2 + (1 − x − y)2 = 2x2 + 2y 2 + 2xy − 2x − 2y + 1
Fx0 (x, y) = 4x + 2y − 2 = 0

Fy0 (x, y) = 4y + 2x − 2 = 0
La solución de este sistema es x = y = 1/3, de donde z = 1 − x − y = 1/3. Ası́, la solución

única corresponde al caso en que los tres números son iguales.

La matriz hessiana es
1 1 4 2
Hf (x, y) = Hf , =
3 3 2 4
Los menores principales, |H1 | = 4 y |H2 | = 12 son ambos positivos, luego el punto crı́tico
corresponde a un mı́nimo.
Como en el caso de dos variables con una condición, el problema también puede analizarse
con el método del multiplicador de Lagrange. En la práctica, dado el problema
(
opt.: f (x1 , x2 , . . . , xn )
suj.: g(x1 , x2 , . . . , xn ) = 0
se construye la función auxiliar de Lagrange
L(x1 , x2 , . . . , xn ; λ) = f (x1 , x2 , . . . , xn ) + λg(x1 , x2 , . . . , xn )
y se plantea el sistema de n + 1 ecuaciones, formado por las n derivadas parciales de la

función de Lagrange igualadas a 0, junto con la restricción g = 0. Las soluciones de este
sistema son los puntos crı́ticos del problema.
Para decidir si un punto crı́tico corresponde a un máximo o un mı́nimo condicionado, se
estudia la matriz hessiana de la función auxiliar de Lagrange, siendo válidas las respectivas
condiciones de máximo o mı́nimo, estudiadas para el caso sin restricciones.
10.2.10 Ejemplo. Para el problema del ejemplo anterior

(
min.: f (x, y, z) = x2 + y 2 + z 2
suj.: x + y + z = 1
la función auxiliar de Lagrange es:
L(x, y, z; λ) = x2 + y 2 + z 2 + λ(x + y + z − 1)
El sistema de ecuaciones asociado es:

 0
L = 2x + λ = 0
 x0


Ly = 2y + λ = 0
L0 = 2z + λ = 0
 z


x+y+z =1
Cuya solución única es: x = y = z = 1/3, λ = −2/3.

Para clasificar el punto crı́tico, construı́mos la matriz hessiana correspondiente a la función
de Lagrange:  
2 0 0
1 1 1 −2
HL (x, y, z; λ) = HL , , ; = 0 2 0 
3 3 3 3
0 0 2
Puesto que los menores principales son todos positivos (2, 4 y 8), la solución corresponde
a un mı́nimo.

10.2.11 Observación. Cuando la matriz hessiana de la función auxiliar de Lagrange
conduce a un caso dudoso, se recurre a la matriz hessiana ampliada o hessiana orlada, dada
por: HL,g :
gx0 1 gx0 2 . . . gx0 n
 
0
 gx0 L00x x L00x x . . . L00x x 
 01 1 1 1 2 1 n 
00 00 00
HL,g =   gx2 Lx2 x1 Lx2 x2 . . . Lx2 xn 

 ... 
0 00 00 00
gxn Lxn x1 Lxn x2 . . . Lxn xn
Sean |H1 |, |H2 |, . . . |Hn+1 | = |HL,g | los menores principales de esta matriz hessiana orlada,
calculados en un punto crı́tico x∗ . Suponemos que todos estos determinantes son distintos
de cero (con la excepción obvia de |H1 |). Entonces
• Si |H3 | < 0, |H4 | < 0, |H5 | < 0,. . . , en x∗ hay un mı́nimo relativo condicionado.
• Si |H3 | > 0, |H4 | < 0, |H5 | > 0,. . . , en x∗ hay un máximo relativo condicionado.
En particular, para una función de dos variables, con una restricción
(
opt.: f (x, y)
suj.: g(x, y) = 0
con matriz hessiana orlada

0 gx0 gy0
 
HL,g =  gx0 L00xx L00xy 

gy0 L00yx L00yy
se cumple:
• Si |HL,g | < 0, el punto crı́tico corresponde a un mı́nimo condicionado.
• Si |HL,g | > 0, el punto crı́tico corresponde a un máximo condicionado.
10.2.12 Ejemplo. Determinemos el rectángulo con área máxima, de entre los que tienen
perı́metro igual a 4 unidades.
(
max.: S(x, y) = xy
suj.: 2x + 2y − 4 = 0
Usamos el método de Lagrange.
L(x, y; λ) = xy + λ(2x + 2y − 4)
Debemos resolver el sistema:


L0 (x, y; λ) = y + 2λ = 0
 x


L0y (x, y; λ) = x + 2λ = 0


 2x + 2y − 4 = 0
La solución única es: x = y = 1, con λ = − 21 . Intentamos clasificar este punto crı́tico,

mediante la matriz hessiana de la función auxiliar L:

0 1
HL =
1 0

Su determinante es negativo, por lo que se trata de un caso dudoso. La matriz hessiana
orlada es:  
0 2 2
HL,g =  2 0 1 
2 1 0
Su determinante |HL,g | = 8 es positivo, luego se trata de un máximo; es decir, el rectángulo
de área máxima, con perı́metro de cuatro unidades, resulta ser el cuadrado de lado 1.
Parte IV
CÁLCULO INTEGRAL
11. Integral indefinida
11.1. Primitivas e integral indefinida
11.1.1 Definición. Se denomina función primitiva de una función f (x) a toda función
F (x) que verifique F 0 (x) = f (x).
11.1.2 Ejemplo. Sea f (x) = 3x2 . Se tiene:
• F (x) = x3 es una primitiva.
• G(x) = x3 − 6 es otra primitiva.
√
• H(x) = x3 + 2 es otra primitiva.
• Q(x) = x3 + x NO es primitiva de f (x) = 3x2 .
11.1.3 Proposición. Si dos funciones F (x) y G(x) son primitivas de una misma función
f (x), entonces su diferencia es constante.
Es decir, existe un número real C tal que G(x) = F (x) + C, para todo x del dominio.
11.1.4 Definición. Se denomina integral indefinida de una función f (x) al conjunto de
todas sus primitivas. Se representa Z
f (x) dx
notación en la que la función f (x) se denomina integrando.

11.1.5 Observación. Por lo que acabamos de ver, si F (x) es una primitiva de f (x),
cualquier otra primitiva puede obtenerse sumando a F (x) una constante adecuada. Por
eso, el conjunto de primitivas, dado por la integral indefinida, suele expresarse
Z
f (x)dx = F (x) + C
Suele decirse que C (en realidad, un parámetro) es la constante de integración.

11.1.6 Ejemplo.
Z
3x2 dx = x3 + C

11.1.7 Proposición. La integral indefinida es un operador lineal, esto es, dadas dos
funciones f y g y un número real k:
Z Z Z
• [f (x) + g(x)] dx = f (x) dx + g(x) dx
Z Z
• k · f (x) dx = k · f (x) dx
11.1.8 Observación. Los métodos de integración consisten, básicamente, en transformar

la integral dada hasta obtener un integrando con primitiva conocida. Estas integrales de
primitiva conocida suelen llamarse inmediatas.
11.1.9 Proposición. (Tabla de integrales) Algunas integrales inmediatas son:

Z
• 1 dx = x + C
Z
• a dx = ax + C
x2
Z
• x dx = +C
2
xa+1
Z
• xa dx = + C (a 6= −1)
a+1
Z
1
• dx = ln |x| + C
x
ax
Z
• ax dx = +C
ln a
Z
• ex dx = ex + C
Z
• sen xdx = − cos x + C
Z
• cos xdx = sen x + C
Z
• tg xdx = − ln |cosx| + C
Z
dx
• = tg x + C
cos2 x
Z
dx
• = − cotg x + C
sen2 x
Z
dx
• √ = arc sen x + C
1 − x2
Z
dx
• = arc tg x + C
1 + x2
11.1.10 Ejemplo. Calculemos:
Z 2
1
2x + dx
x

Desarrollando el integrando y por linealidad:
Z 2 Z Z Z Z
1 2 1 2 dx
2x + dx = 4x + 2 + 4 dx = 4 x dx + + 4 dx
x x x2
4 3 1
= x − + 4x + C
3 x
11.2. Integración por sustitución o cambio de variable

R
11.2.1 Proposición. Si en la integral f (x)dx hacemos el cambio de variable dado por
x = g(t), siendo g una función derivable y con inversa, entonces
Z Z
f (x)dx ≡ f (g(t))g 0 (t)dt
11.2.2 Observación. En la práctica, tras aplicar un cambio de variable, se resuelve la

segunda integral, que suponemos más sencilla que la original. En el resultado se deshace
el cambio de variable mediante t = g −1 (x).
El método se recuerda con más facilidad asumiendo que dada una función x = g(t), vale
la sustitución dx = g 0 (t)dt.
Z
dx
11.2.3 Ejemplo. Para resolver √ , pensamos en hacer 2 − x = t2 (para evitar la
2−x
raiz cuadrada): realizamos el cambio
x = 2 − t2 dx = −2t dt
La integral se transforma en
−2t dt
Z Z
√ = −2 dt = −2t + C
t2
√
De x = 2 − t2 obtenemos t = 2 − x. Por tanto
√
Z
dx
√ = −2 · 2 − x + C
2−x
11.2.4 Observación. Un cambio de variable, que hemos descrito en la forma x = g(t),

dx = g 0 (t) dt, puede aplicarse en ocasiones más sencillamente a través del cambio inverso:
t = h(x) dt = h0 (x) dx
Suele ser ası́ cuando la derivada h0 (x) se reconoce como factor del integrando.
Z
3
11.2.5 Ejemplo. Dada la integral x2 · e2x +1 dx; aplicamos el cambio t = 2x3 + 1, de
donde dt = 6x2 dx. Se obtiene
3
et e2x +1
Z Z Z
2 2x3 +1 1 2 2x3 +1 1 t
x ·e dx = 6x · e dx = e dt = + C = +C
6 6 6 6

11.3. Integración por partes
11.3.1 Proposición. Si en una integral el integrando f (x) se expresa como producto de
un factor u(x) por otro v 0 (x), se cumple:
Z Z
u(x)v (x)dx = u(x)v(x) − v(x)u0 (x)dx
0
Teniendo en cuenta que du = u0 (x)dx y dv = v 0 (x)dx, la fórmula de integración por partes

se suele presentar en la forma
Z Z
u dv = uv − v du
R
11.3.2 Ejemplo. Resolvamos x ex dx. Tomamos:

u=x du = dx
x
dv = e dx v = ex
Por tanto: Z Z
x x
x e dx = x e − ex dx = x ex − ex + C
12. Integral definida

12.1. Sumas superiores e inferiores, concepto de integral defini-
da
12.1.1 Definición. Dada una función f (x), que supondremos continua en el intervalo
[a, b], dividimos el intervalo en intervalos más pequeños mediante los puntos de división
P = {x0 , x1 , . . . , xn }
a = x0 < x1 < · · · < xn = b
Evaluando el mı́nimo mi y el máximo Mi de la función en cada subintervalo, se define la
suma inferior de f (x) mediante
s(P ) = m1 (x1 − x0 ) + m2 (x2 − x1 ) + · · · + mn (xn − xn−1 )
Análogamente, se define la suma superior
S(P ) = M1 (x1 − x0 ) + M2 (x2 − x1 ) + · · · + Mn (xn − xn−1 )
12.1.2 Observación. Geométricamente, las sumas inferiores y superiores se corresponden
con la suma de las áreas de los rectángulos con base en los subintervalos y altura el mı́nimo
y máximo de la función en cada uno de ellos (rectangulos interiores y exteriores).
Sumas superiores e inferiores
a x1 x2 x3 b

12.1.3 Proposición. Siendo f (x) continua en [a, b], al añadir sucesivamente más y más
puntos de división en el intervalo [a, b], P1 , P2 ,. . . , de manera que la longitud de todos
los subintervalos tienda a cero, se cumple que las sumas inferiores crecen y las superiores
decrecen, definiendo ambas un lı́mite común I.
s(P1 ) ≤ s(P2 ) ≤ · · · ≤ I ≤ · · · S(P2 ) ≤ · · · ≤ S(P1 )
12.1.4 Definición. (Integral definida) El valor del lı́mite común anterior se llama integral
definida entre a y b de la función f , y se representa
Z b
f (x)dx
a
12.2. Medida de áreas y otras propiedades de la integral

12.2.1 Observación. Para f (x) positiva en [a, b], las correspondientes sumas inferiores y
superiores aproximan cada vez mejor el área bajo la gráfica de f (x), sobre el eje OX, entre
x = a y x = b. La integral, lı́mite de estas sumas, proporciona la medida de dicha área.
(Para f (x) negativa, la integral mide el área sobre f (x) y bajo OX, con signo negativo.)
a b
12.2.2 Proposición. La integral definida satisface las siguientes propiedades, relativas

al intervalo de integración:
• Si se intercambian los extremos Zdel intervalo deZ integración, la integral cambia de
b a
signo, pero no de valor absoluto. f (x)dx = − f (x)dx.
a b Z a
Haciendo en esta fórmula a = b, se tiene como consecuencia: f (x) = 0.
a
Z b Z c
• Descomposición del intervalo: para un punto c entre a y b: f (x)dx = f (x)dx +
Z b a a
f (x)dx.
c
12.2.3 Proposición. La integral definida es un operador lineal:

Z b Z b Z b
• [f (x) + g(x)] dx = f (x) dx + g(x) dx
a a a
Z b Z b
• k · f (x) dx = k · f (x) dx
a a
12.2.4 Proposición. La integral definida satisface las siguientes propiedades, referidas

a la acotación. Siendo a < b:

Z b
• Si f (x) ≥ 0 en [a, b], se verifica: f (x)dx ≥ 0.
a
Z b Z b
• Si f (x) ≤ g(x) en [a, b] se tiene: f (x)dx ≤ g(x)dx. En particular, aplicando lo
Z b a Z b a

anterior se deduce que f (x)dx ≤ |f (x)|dx (el valor absoluto de la integral de
a a
una función es menor o igual que la integral del valor absoluto de la función).
12.3. Valor medio integral

12.3.1 Proposición. (Teorema de la media) Dada una función f (x) continua en el in-
tervalo [a, b], existe un valor c interior al intervalo que verifica:
Z b
f (x)dx = (b − a) · f (c)
a
Z b
1
El valor f (c) = f (x)dx se interpreta como valor medio o promedio de la función
b−a a
en el intervalo citado.
12.3.2 Definición. Dada f (x) continua en [a, b], definimos para x ∈ [a, b] la llamada
función integral de f (x) en [a, b] o también integral función de su lı́mite superior dada por
Z x
F (x) = f (t)dt
a
Z x
12.3.3 Proposición. La función integral F (x) = f (t)dt es continua en [a, b] y deri-
a
vable en (a, b) con
dF (x)
= f (x)
dx
Con otras palabras, F (x) es una primitiva de f (x).
12.3.4 Proposición. (Fórmula de Barrow) Si f (x) es una función continua en [a, b] y

G(x) es una primitiva cualquiera de f (x), se tiene que:
Z b
f (x)dx = G(b) − G(a)
a

Mat 1 Teoria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mat 1 Teoria

Cargado por

Copyright:

Formatos disponibles

Matemáticas

Departamento de Estadı́stica, Informática y Matemáticas

1. Operaciones con matrices 4

4. Sistemas de ecuaciones lineales 14

5. Funciones reales, lı́mites y continuidad 18

6. Derivación de funciones de una variable 27

7. Derivación de funciones de varias variables 30

9. Optimización de funciones de una variable 34

10.Optimización de funciones de varias variables 38

Departamento: EIM 2 Universidad Pública de Navarra

Departamento: EIM 3 Universidad Pública de Navarra

Departamento: EIM 4 Universidad Pública de Navarra

1.2. Matriz traspuesta

1.2.3 Proposición. Para cualquier matriz A se satisface: (At )t = A.

Departamento: EIM 5 Universidad Pública de Navarra

1.3. Suma de matrices

1.3.3 Proposición. Se satisfacen las siguientes propiedades:

1.3.7 Proposición. Toda matriz A cumple A + (−A) = (0).

Departamento: EIM 6 Universidad Pública de Navarra

1.4.3 Proposición. Siendo k y r números reales cualesquiera y A y B matrices del mismo

1.5. Producto de matrices

cij = ai1 b1j + ai2 b2j + · · · + ain bnj

1.5.3 Proposición. Dado un número real cualquiera k y matrices A, B y C cualesquiera

Departamento: EIM 7 Universidad Pública de Navarra

1.5.6 Proposición. Para toda matriz A de orden m × n se satisface A In = A, Im A = A.

1.5.7 Observación. El producto de matrices no es, en general, conmutativo. Es decir,

2.1.3 Proposición. Se satisfacen las siguientes propiedades:

Departamento: EIM 8 Universidad Pública de Navarra

2.2. Transformaciones elementales

2.2.2 Observación. También pueden realizarse transformaciones elementales ((para co-

2.3. Método de Gauss para el cálculo de la matriz inversa

2.3.2 Ejemplo. Obtengamos, si existe, la inversa de

Departamento: EIM 9 Universidad Pública de Navarra

Sumamos a la fila 1 la fila 2 (multiplicada por 1):

Sumamos a la fila 1 la fila 3 multiplicada por 5, y sumamos a la fila 2 la fila 3 multiplicada

Se tiene ası́ como resultado:

2.4. Potencias de una matriz

2.4.2 Proposición. Para toda matriz A invertible, y siendo m y n números enteros

Departamento: EIM 10 Universidad Pública de Navarra

3.1.2 Definición. (Determinante de orden 1) El determinante de una matriz 1 × 1 es el

3.1.3 Definición. (Determinante de orden 2) El determinante de una matriz cuadrada

3.1.5 Definición. (Determinante de orden 3) La siguiente expresión, conocida como regla

3.1.7 Proposición. Se satisfacen las siguientes propiedades:

Departamento: EIM 11 Universidad Pública de Navarra

Departamento: EIM 12 Universidad Pública de Navarra

3.2. Determinantes y matriz inversa

3.2.2 Proposición. Si A y B son matrices cuadradas del mismo orden, se verifica

|AB| = |A| · |B|

3.2.3 Proposición. Si A es una matriz cuadrada invertible (y por tanto, su determinante

3.2.5 Proposición. Para cualquier matriz cuadrada A invertible se satisface:

3.2.6 Ejemplo. Calculemos la inversa de la matriz

Notemos en primer lugar que |A| = −16 6= 0, luego A es invertible.

A11 = −4 A12 = −2 A13 = 8

Departamento: EIM 13 Universidad Pública de Navarra

3.3.3 Proposición. Las transformaciones elementales de una matriz conservan el rango.

4. Sistemas de ecuaciones lineales

4.1.2 Ejemplo. El siguiente es un sistema no homogéneo de dos ecuaciones lineales con

4.1.4 Observación. Todo sistema de ecuaciones puede expresarse matricialmente

Departamento: EIM 14 Universidad Pública de Navarra

4.1.6 Notación. Dado un sistema de m ecuaciones con n incógnitas, AX = B, repre-

4.1.7 Ejemplo. La matriz ampliada del sistema de ecuaciones

4.1.9 Ejemplo. Para el sistema

4.1.10 Definición. Un sistema se dice compatible si tiene alguna solución e incompatible