Parte1 - Preliminares de Números Complejos

1 Matematicas 1
Parte I
Preliminares
Prof: Jos
e Antonio Abia Vian
Grados de Ing. Industrial : Curso 20122013
2 Matematicas 1 : Preliminares
Captulo 1
N
umeros Complejos
Este tema de n
umeros complejos es m
as informativo que recordatorio, siendo el uso explcito de los complejos
escaso en las asignaturas de Matem
aticas 1 y 2. Sin embargo conocer su existencia e interrelacion con los
reales es muy u
til para la descomposici
on y busqueda de races de polinomios, o en la resolucion de ecuaciones
diferenciales; tambien en asignaturas de electricidad, teora de la se
nal, etc. usan de ellos.
1.1
Los n
umeros complejos
Conocemos y manejamos ya diversos conjuntos de n

umeros, los naturales N = {0, 1, 2, 3, . . .} , los enteros
n
: n Z, m Z{0}} y los n
umeros reales R (o decimales
Z = {. . . , 2, 1, 0, 1, 2, . . .} , los racionales Q = { m
que completan los huecos entre los racionales con los irracionales R = Q I ). Cumpliendo N Z Q R .
Nota: Un n
umero real puede describirse en la forma e.d1 d2 d3 . . . dn . . . , un n
umero entero seguido de infinitos
decimales. Si, a partir de uno de ellos, todos los decimales son cero o los decimales se repiten periodicamente el
z{
z{
n
umero es racional (as, 13 = 0. 3 = 0.33333 . . . , luego 1 = 0. 9 = 0.99999 . . . ).
Tenemos definidas unas operaciones de suma y producto en cada conjunto que son internas (suma o
producto de naturales es natural, suma o producto de enteros es entero, etc.) y coherentes con la cadena de
contenciones (si sumamos dos enteros como racionales o reales, el resultado es el mismo que si los sumamos
como enteros). A efectos pr
acticos, son las mismas operaciones para todos los conjuntos.
Sin embargo, no tienen en cada conjunto las mismas propiedades: en N ni para la suma ni para el producto
existe inverso (ni la resta ni la divisi
on de naturales es, en general, un natural), en Z existe el inverso para
la suma pero no para el producto (la resta de enteros es entera pero no la division) y tanto en Q como en R
podemos restar y tambien dividir por valores distintos de cero.
La otra operaci
on o manipulaci
on b
asica entre n
umeros, la potencia (una generalizaci
on del producto) nos
1
distingue m
as estos dos u
ltimos conjuntos. As 2 Q (luego a R), pero 2 2 = 2
/ Q, aunque s se cumple
1
que 2 2 R .
En R , es cierto que si x e y son reales con x 0 , entonces xy R; pero no se cumple cuando x < 0 .
Para resolver este defecto se contruyen los n
umeros complejos: un conjunto C que contenga a R , que sus
operaciones suma y producto permitan restar y dividir y sean coherentes con las operaciones de los subconjuntos,
y que para la potencia se verifique adem
as que si z, w C, entonces z w C .
1.2
El plano complejo
Consideremos el conjunto R2 y contruyamos en el unas operaciones suma y producto que funcionen como
deseamos. Sobre R2 tenemos definida una operacion suma que s es interna:
(a1 , b1 ) R2 , (a2 , b2 ) R2 , y (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 ) R2 ,
con operaci
on inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
(a1 , b1 ) R2 , (a2 , b2 ) R2 , y (a1 , b1 ) (a2 , b2 ) = a1 a2 + b1 b2 R
y no admite una operaci
on inversa.
Dotar a R2 de una operaci
on producto interna, con un funcionamiento analogo al funcionamiento del
producto en R crea una nueva estructura conocida como el conjunto de los n
umeros complejos y tambien
como plano complejo o cuerpo complejo.
Esta operaci
on producto se define de la forma siguiente:
(a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + b1 a2 ).
As, el conjunto de los n
umeros complejos, C , esta formado por R2 con dos operaciones basicas: suma +
2
(la suma de R ) y el producto complejo (definido arriba). Es decir, C = (R2 , +, ) .
Prof: Jos
e Antonio Abia Vian
1.2.1
1.2 El plano complejo
Forma bin
omica de un n
umero complejo
El producto (complejo) tiene por elemento neutro (1, 0) , pues

(1, 0) (a, b) = (a, b) (1, 0) = (1a 0b, 0a + 1b) = (1a, 1b) = (a, b).
De hecho, para cualquier real , se tiene que (, 0) (a, b) = (a 0b, 0a + b) = (a, b) ; como en R2
tambien sabemos que (a, b) = (a, b) , pueden identificarse los elementos (, 0) con los n
umeros reales , es
decir, en C podemos decir que (, 0) = a todos los efectos.
Como (a, b) = (a, 0) + (0, b) = a + (0, b) = a + b(0, 1) , haciendo (0, 1) = i el n
umero complejo se escribe
(a, b) = a + ib, que se denomina forma bin
omica del n
umero complejo. Del elemento i se dice que es la
unidad imaginaria, y se cumple que i2 = ii = (0, 1) (0, 1) = (1, 0) = 1 .
En la forma bin
omica, el producto se efectua como un producto de binomios habitual, pues:
(a+ib)(c+id) = ac + iad + icb + i2 bd = (acbd) + i(ad+cb) = (acbd, ad+cb) = (a, b) (c, d)
Con esta nueva notaci
on, suele escribirse C = {a + ib : a, b R} (a veces C = R + iR) y se denotan los
elementos de C por z = a + ib; y se representan en el plano R2 que se denomina entonces plano complejo, al
eje se abcisas se le denomina eje real y al de ordenadas eje imaginario.
Definici
on 1.- Si z = a + ib es un n
umero complejo, al valor real a se le llama se llama parte real de z ,
Re(z) = a, y al valor real b la parte imaginaria, Im(z) = b, es decir, z = Re(z) + i Im(z) .
Si la parte imaginaria de z es cero, el complejo es un n
umero real y, suele indicarse con z R . Si la parte
real de z es cero se dice que es imaginario puro y, suele indicarse con z iR.
El cero en C es el cero real (0, 0) = 0 + i0 = 0 .
Proposici
on 2.- Sea z C {0} , entonces existe un u
nico w C tal que zw = 1 .
Demostraci
on:
En
efecto,
con
z = a + ib y w = x + iy , zw = ax by + i(ay + bx) y zw = 1 = 1 + i0 el sistema

ax by = 1
b
a
2
2
tiene soluci
on u
nica. Que es cierto, con x = a2 +b
2 e y = a2 +b2 ( a + b 6= 0 pues z 6= 0 ).
bx + ay = 0
Si z = a + ib, el inverso se denota por z 1 =
1.2.2
1
z
y viene dado por la expresion z 1 =
a
a2 +b2
+ i a2b
+b2 =
aib
a2 +b2
Conjugado de un n
umero complejo
Definici
on 3.- Sea z = a+ib un complejo, se llama conjugado de z al n
umero complejo z = a+i(b) = aib.
Nota: Con la notaci
on de R2 , el conjugado de (a, b) es (a, b) y son simetricos respecto al eje real (de abcisas).
Propiedades 4.- Sean z, w C , entonces
a) z = z ;
z + w = z + w;
zw = z w ;
b) z = z z = a + i0 R ;
c) z + z = 2 Re(z) ;
1.2.3
z 1 = (z)1 .
z = z z = 0 + ib iR .
z z = i2 Im(z) .
M
odulo de un n
umero complejo
Definici
on 5.- Sea z = a + ib C. Se denomina m
odulo (o norma) de z al valor real |z| = + a2 + b2 .
Nota: Si z es real, z = a + i0 = a, se tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el modulo complejo

coincide con el valor absoluto real.
Propiedades 6.- Sean z, w C , entonces
a) |z| 0 ;
|z| = 0 z = 0 .
b) |Re(z)| |z| ;
Prof: Jos
e Antonio Abia Vian
|Im(z)| |z| ;
|z| |Re(z)| + |Im(z)| .

c) |z| = |z| :
1.3 Forma polar de un n

umero complejo
1
z
|z| = zz ;
z
zz
z
|z|2
.

|z w| |z| |w| .
d) |z + w| |z| + |w| ;
1
z = |z|1 .
e) |zw| = |z| |w| ;
Definici
on 7.- Se llama distancia entre z y w al valor real d(z, w) = |z w| .
Del m
odulo, son inmediatas las propiedades
a) d(z, w) 0 ;
1.3
d(z, w) = 0 z = w .
b) d(z, w) d(z, t) + d(t, w) , t C .
Forma polar de un n
umero complejo
Sea z = a + ib = (a, b) . Un punto de R2 queda perfectamente determinado mediante su distancia al origen |z|
y el
angulo que forma con el eje polar (el semieje real positivo).
Definici
on 8.- Sea z = x + iy un n
umero complejo no nulo. Se llama argumento de z y se designa por
arg(z) a cualquier n
umero real que verifique que
z = x + iy = |z| cos + i |z| sen = |z| (cos + i sen ).
Se dice entonces que z est
a en forma polar (o modulo argumental) y denotarse por z = |z| .
Como las funciones seno y coseno son peri
odicas de perodo 2 , arg(z) esta determinado salvo m
ultiplos de
2 ; es decir, hay infinidad de argumentos de z , pero dos cualesquiera de ellos difieren en m
ultiplos de 2 . Si
fijamos como argumento preferido el arg(z) (, ] , puede obtenerse de
arccotg xy ,
+ arccotg xy ,

arg(z) (, ] = + arccotg xy ,
2,
2 ,
si
si
si
si
si
x>0
x<0
x<0
x=0
x=0
+ arccotg
e
e
e
e
y
y
y
y
0
<0
>0
< 0.
y
x
arccotg
+ arccotg
y
x
y
x
Al argumento que se encuentra dentro del intervalo de tama

no 2 elegido como preferente suele denominarse
argumento principal y denotarse por Arg(z) . Con este concepto, todos los argumentos de z se pueden describir
mediante:
arg(z) = Arg(z) + 2k , k Z.
Aunque estamos habituados a manejar el argumento en el intervalo [0, 2) o (0, 2] , es mas usual tomar el
intervalo (, ]
o el [, ) como preferente debido sobretodo a:
Operaciones multiplicativas en forma polar 9.- Si z = |z| y w = |w| , se cumple que:
a) z = |z|() ;
b) zw = (|z| |w|)+ ;
1.3.1
z 1 = (|z|
z
w
)() .
|z|
= ( |w|
) ;
z n = (|z| )n .
Raices complejas
Proposici
on 10.- Un complejo z 6= 0 tiene n races n -esimas distintas. Si es un argumento de z , son
precisamente
1
1
z n = (|z| n ) + 2k , para k = 0, . . . , n 1.
n
Demostraci
on:
n
Un complejo w es la raz n -esima de z , si se verifica que wn = z ; es decir, si |w| = |z| y n arg(w) = arg(z) =
1
+2k
+ 2k (alguno de los argumentos de z ). Luego |w| = |z| n y arg(w) = n , con k Z; pero con todos estos
Prof: Jos
e Antonio Abia Vian
1.4 Ejercicios
argumentos s
olo se obtienen n n
umeros complejos distintos, los mismos que se obtienen tomando los n valores
de k = 0, 1, . . . , n 1 . Es decir, existen n , y solo n , complejos distintos que son races n -esimas de z , que son

1
1
+ i sen +2k
z n = |z| n cos +2k
, con k = 0, . . . , n 1.
n
n
Observaci
on 11.- Es claro de la prueba anterior que las
races n -esimas de un complejo est
an distribuidas
rep
gularmente en una circunferencia de radio n |z|. Por
ejemplo, las races quintas de z = r 3 , son los 5 n
umeros
complejos
= 5 r 15
(i) z0 = 5 r 15
+ 20
5
(ii) z1 = 5 r 15
= 5 r 7
.
+ 21
5
15
= 5 r 13
.
(iii) z2 = 5 r 15
+ 22
5
15
(iv) z3 = 5 r 15
= 5 r 19
= 5 r 11 .
+ 23
5
15
15
(v) z4 =
=
r 15
+ 24
5
=
r 25
15
s z = r 3
s
z1 =
z2 =
r 13
15
r 7
15
s
s
z0 =
z3 =
r 19
15
z4 =
15
r 25
15
r 5 .
15
que quedan distribuidos como en la figura aneja.
1.3.2
La exponencial compleja
Definici
on 12.- Si z = a + ib, se define la exponencial compleja por ez = ea (cos b + i sen b)
Proposici
on 13.- Se verifican las siguientes propiedades:
a) Si z = a R , entonces ez = ea+i0 = ea (cos 0 + i sen 0) = ea y la exponencial compleja coincide con la
exponencial real.
b) Si z = ib iR, entonces eib = e0+ib = e0 (cos y + i sen y) = cos y + i sen y .
Entonces, si z = a + ib, se tiene que ez = ea eib .
p
c) |ez | = |ea | |eiy | = ea |cos y + i sen y| = ea cos2 y + sen2 y = ea .
De donde ez 6= 0 , para todo z C .
d) ez = ez ,
(ez )1 = ez
ez+w = ez ew , para todo z, w C .
e) ez es peri
odica de perodo 2i y si ez = ew , entonces z w = 2ki, con k Z.
Nota: Si z 6= 0 , puede escribirse como z = |z| ei Arg(z) que se denomina forma exponencial de z .
Definici
on 14.- Sea z un n
umero complejo no nulo. Se dice que un n
umero complejo w es un logaritmo de
z , y se escribe w = log z , cuando ew = z .
Proposici
on 15.- Sea z un n
umero complejo no nulo, los logaritmos de z son todos los commplejos
log(z) = ln |z| + i arg(z)
(uno por cada argumento de z )
Al valor Log(z) = ln |z| + i Arg(z) que se le llama logaritmo principal de z y cualquiera de los otros logaritmos
de z se obtienen de: log(z) = Log(z) + 2ki , k Z.
1.4
Ejercicios
1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binomica:
2+i
2i
5
1
i ;
;
+ i;
;
i344 + (i)231 ;
2i
1+i
(1 i)(2 i)(i 3)
Prof: Jos
e Antonio Abia Vian
(1 + i)5 + 1
;
(1 i)5 1
1.4 Ejercicios
1.2 Usar, cuando sea posible, las propiedades

2 + i
2 i

1

i ;
+ i ;
;
2i
1+i
del modulo para calcular:

5

(1 i)(2 i)(i 3) ;

344
i (i)231 ;

i(1 + i)5

2(1 i)5 ;
1.3 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:
a) 8
b)
1 i
c)
3+i 3
)
2
h
i2
4 cos( 2 ) + 4i sen( 2 )
d)
1.4 Expresar en forma bin

omica los complejos siguientes (tomar Arg(z) (, ] ):
a)
b) e1i 2
2 ei
c) iei
7
4
Log(i3 )
d)
Log(2e1+i 3 )
e)
1.5 Hallar todos los valores complejos de:

1
a) i 2
b)
86
c)
(1) 3
3
( 3 + i) 5
d)
e)
2
4 cos( 2
3 ) + 4i sen( 3 )
i 34
1.6 Si se sabe que 1 + i es una raz c

ubica de z , hallar z y las demas races.
1.7 Describir geometricamente las regiones del plano complejo:
a)
|z i| = 1

b) z 2 = 4
e)
z = z
f)
Im(z) 0
c)
0 Arg z
g)
Re(z) > 2
d) z = z
h)
Re(z) + Im(z) = 1
1.8 Que valores de z verifican que |z + 1| < |z i| ?

1.9 Resolver las ecuaciones:
z3
2
4
+ (i + 1)z 2 (2 i)z = 0
a) z 4 + 2 = 0
b) z 2 + 2z i = 0
c)
d) z 3 = 1
e) z 6 = iz
f) z + (3 2i)z 2 = 6i
1.10 Hallar los z para los que

a) ez R
b)
Re(ez ) = 0
c)
|eiz | < 1
d) ez = 1
e)
e2z = i
f) ez = ez
1.11 Resolver la ecuaci

on z 4 = z .
1.12 Probar que son ciertas las siguientes desigualdades:
|a + bi| |a| + |b|
2 |a + bi| .
1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposicion 13.
Prof: Jos
e Antonio Abia Vian
Captulo 2
Polinomios
2.1
Introducci
on. Nociones b
asicas
Los conjuntos de n
umeros Q, R y C , verifican que la suma y el producto son operaciones internas, es decir la
suma o producto de racionales es racional, de reales es real y de complejos es compleja. Ademas, en ellos existe
inverso para la suma y para el producto (resta y division tambien internas).
A los conjuntos con este tipo de caractersticas se les denomina cuerpos (a los conjuntos de arriba se les
dice cuerpos conmutativos pues el producto es comnutativo, ab = ba) y se usan como conjuntos de n
umeros (o
escalares) asociados a otros elementos: los polinomios, las matrices, los vectores, . . . .
En esta secci
on, formalizaremos los conocidos polinomios e investigaremos algunas de sus propiedades y
tambien entenderemos el significado del cuerpo asociado.
Definici
on 16.- Se llama polinomio en la indeterminada X y con coeficientes en un cuerpo conmutativo K,
a toda expresi
on formal del tipo siguiente:
a0 + a1 X + a2 X2 + ... + an Xn , siendo a0 , a1 , . . . , an elementos de K
Los n
umeros a0 , . . . , an son los coeficientes del polinomio, y de cada sumando ai Xi se dice el termino de
grado i o monomio de grado i del polinomio. Al conjunto de todos los polinomios en la indeterminada X con
coeficientes en K lo denotamos por K[X] :
n
o
K[X] = a0 + a1 X + + an Xn : i, ai K
Nosotros trabajaremos generalmente con K = R o K = C (y alguna vez con K = Q). As:
n
o
R[X] = a0 + a1 X + + an Xn : ai R es el conjunto de los polinomios reales (con coeficientes reales),
n
o
C[X] = a0 + a1 X + + an Xn : ai C es el de los polinomios complejos (con coeficientes complejos),
n
o
Q[X] = a0 +a1 X+ +an Xn : ai Q es el de los polinomios con coeficientes racionales, . . .
Notar que por ser Q R C tambien Q[X] R[X] C[X] .
La letra X no representa ning
un valor, no es una variable ni una incognita: es un mero soporte para el exponente (recordemos, polinomio=expresi
on formal). En otras palabras lo realmente significativo del polinomio,
es la sucesi
on ordenada de sus coeficientes. As:
3 + 8X 9X2
8X 9X2 + 3
3 + 8X2 9X5
X
12
(3, 8, 9, 0, 0, . . .)
(3, 8, 9, 0, 0, . . .)
(3, 0, 8, 0, 0, 9, 0, 0, . . .)
(0, 1, 0, 0, 0, . . .)
(12, 0, 0, 0, 0, . . .)
Es util abreviar la escritura de todos los terminos usando la notacion del sumatorio
n
X
P (X) = a0 + a1 X + ... + an Xn =
ai Xi (por convenio, X0 = 1 )
i=0
Definici
on 17.- Sea P (X) =
n
P
ai X un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el
i=0
mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .

Los polinomios de grado cero son de la forma P (X) = c, con c K y c 6= 0 . Al polinomio cero, P (X) = 0 ,
no se le asigna ning
un grado.
Definici
on 18.- Diremos que dos polinomios son iguales si tienen el mismo grado y los coeficientes de cada
n
m
P
P
termino son iguales. Es decir, si P (X) =
ai Xi y Q(X) =
bi Xi , entonces:
i=0
i=0
P (X) = Q(X) n = m y i, ai = bi .
Prof: Jos
e Antonio Abia Vian
2.1 Introducci
on. Nociones b
asicas
Expresiones tales como X2 12 = X+5 son pues absurdas, como lo sera escribir 5 = 18 , ya que ambos polinomios
son distintos.
Ejemplo 19 Encontrar a, b, c, tales que 3X + 5X2 + 12X4 = (a + 1)X + 5X2 + 2cX4 + (2a + b)X6 .
Para que coincidan deben tener la misma sucesion de coeficientes, es decir,
3X + 5X2 + 12X4 (0, 3 , 5, 0, 12, 0, 0 , 0, . . ., 0, . . .),
2
(a + 1)X + 5X + 2cX4 + (2a + b)X6 (0, a + 1, 5, 0, 2c, 0, 2a + b, 0, . . ., 0, . . .),
deben ser iguales. Igualando coeficiente a coeficiente se obtiene el sistema de ecuaciones:
0 = 0
3 = a+1
5 = 5
3 = a+1
a = 2
a = 2
0 = 0
c = 6
c = 6
= 12 = 2c
=
=
12 = 2c
0
=
2a
+
b
b
=
2a
b = 4
0 = 2a + b
0
=
0
2.1.1
Operaciones en IK[X]
Sean P (X) =
n
P
ai Xi y Q(X) =
i=0
m
P
bi Xi polinomios de K[X]
i=0
Definici
on 20.- Llamaremos suma de los polinomios P y Q al polinomio P + Q, obtenido de:
P (X) + Q(X) =
n
X
!
i
ai X
i=0
m
X
m
ax{n,m}
!
i
bi X
i=0
(ai + bi )Xi
i=0
Si, m > n, entonces an+1 = an+2 = = am = 0 , es decir, completamos con coeficientes cero.
Nota: gr(P + Q) m
ax{gr(P ), gr(Q)}
Ejemplo Para P (X) = 3 + 6X2 5X4 y Q(X) = 2 8X 6X2 + 7X6 , se tiene

P + Q = 3 + 6x2 5X4 + 2 8X 6X2 + 7X6

= 3 + 0X + 6X2 + 0X3 5X4 + 0X5 + 0X6 + 2 8X 6X2 + 0X3 + 0X4 + 0X5 + 7X6
= (3 + 2) + (0 8)X + (6 6)X2 + (0 + 0)X3 + (5 + 0)X4 + (0 + 0)X5 + (0 + 7)X6
= 5 8X + 0X2 + 0X3 5X4 + 0X5 + 7X6 = 5 8X 5X4 + 7X6 .
y podemos comprobar que gr(P + Q) m
ax{gr(P ), gr(Q)} = max{4, 6} = 6 .
Definici
on 21.- Llamaremos producto de los polinomios P y Q al polinomio P Q, obtenido de:
! m
! n+m
n
i
X
X
X
X
i
i
P (X) Q(X) =
ai X
bi X =
ci Xi , donde ci =
ak bik
i=0
i=0
i=0
k=0
Nota: gr(P Q) = gr(P ) + gr(Q) .

Observaciones:
? El neutro de la suma es el polinomio cero P (X) = 0 y del producto el polinomio 1 , P (X) = 1 .
? El inverso para la suma: de P (X) es (1)P (X) = P (X) .
? No hay inversos para el producto: si el polinomio P (X) = X tuviera un inverso Q(X) , tendra que ocurrir
que P (X)Q(X) = 1 . Pero entonces 0 = gr(1) = gr(P Q) = 1 + gr(Q) 1 .
? Se cumplen las propiedades asociativas y distributivas.
? Si P (X) 6= 0 y P (X)Q(X) = 0 , entonces Q(X) = 0 .
En efecto, si fuera gr(Q) = 0 con Q(X) = k 6= 0 , entonces P (X)Q(X) = kP (X) 6= 0 (absurdo); y si
gr(Q) > 0, entonces gr(P Q) > 0 y P (X)Q(X) 6= 0 (tambien absurdo), luego Q(X) = 0 .
? Si P (X) 6= 0 y P (X)Q(X) = P (X)R(X) , entonces Q(X) = R(X) . (Inmediata de la anterior.)
Prof: Jos
e Antonio Abia Vian
2.2
2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

on
Division eucldea de polinomios. Divisibilidad y factorizaci

on
El conjunto K[X] tiene en muchos aspectos una profunda semejanza con el conjunto Z de los enteros (algebraicamente tienen la misma estructura, ambos son anillos conmutativos). Repasamos brevemente algunos hechos
b
asicos que ocurren en Z, para despues hacer el estudio paralelo en K[X] .
? Dados a, b Z, b 6= 0 existen q, r Z u
nicos tal que a = qb + r con 0 r < |b| (la divisi
on entera o
eucldea, con q y r el cociente y el resto).
? Dados a, b Z, se dice que b divide a a (o que a es m
ultiplo de b) si existe c Z tal que a = bc.
Se escribe b | a y significa que el resto de la division entera de a entre b es 0 .
? Si a, b Z, se llama m
aximo comun divisor de a y b, mcd(a, b) , a un entero d tal que: d | a y d | b y es
el mayor, es decir, para cualquier otro Z tal que | a y | b entonces | d .
? mcd(a, b) = mcd(a, b) = mcd(b, a) .
? El Algortmo de Euclides permite calcular el mcd(a, b) sin necesidad de utilizar la descomposici
on de
a y b en factores.
La realizaci
on pr
actica del algoritmo se dispone as:
a
r1
q1
b
r2
q2
r1
r3
q3
r2
rn1
qn1
rn2
rn
qn
rn1
0
a = bq1 + r1
b = r1 q2 + r2
r1 = r2 q3 + r3
rn1 = rn qn+1 + 0
qn+1
rn
donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .

La conclusi
on es correcta, pues por ser a = q1 b + r1 y d un divisor de a y b, a y b se descomponen en
a = da1 y b = db1 , luego r1 = a bq1 = da1 db1 q1 = d(a1 b1 q1 ) y d divide a r1 . Luego cualquier
divisor de a y b lo es tambien de b y r1 . Analogamente b = q2 r1 + r2 y por el mismo proceso los
divisores de b y r1 tambien lo son de r1 y r2 . El proceso es mcd(a, b) = mcd(b, r1 ) = mcd(r1 , r2 ) =
= mcd(rn1 , rn ) = rn pues rn | rn1 y rn | rn .
? Un elemento p Z se dice irreducible si los u
nicos enteros que lo dividen son 1 , 1 , p y p. A los
enteros irreducibles positivos se los llama n
umeros primos. El 1 no suele considerarse primo.
? Todo n
umero entero n admite una descomposicion u
nica (salvo el orden de los factores) de la forma
umero primo i.
n = (1)pt11 pt22 ptrr con pi n
Ejemplo El mcd(711, 243) = 9 y el mcd(300, 432) = 12 pues
2
711 243
225 18
2.2.1
1
225
9
12 2
18 9
0
300
132
1
432
36
3
3
132 36
24 12
1
2
24 12
0
Divisi
on entera o eucldea de polinomios
Regresemos de nuevo a K[X] , y veamos que podemos encontrar resultados bastante analogos:
Definici
on 22.- Dados P (X) y Q(X) con Q(X) 6= 0 , existen dos u
nicos polinomios C(X) y R(X) tales que:
P (X) = C(X) Q(X) + R(X) , siendo R(X) = 0 o gr(R) < gr(Q) .
Si R(X) = 0 , se dice que Q(X) divide a P (X) y se escribe Q(X) | P (X) . Tambien se dice que Q(X) es un factor
de P (X) (de P (X) = C(X) Q(X) , claramente).
Nota: El metodo de divisi
on de polinomios es el conocido por los alumnos. Los polinomios constantes, de grado
cero, dividen a todos los polinomios y el polinomio cero es m
ultiplo de cualquiera.
Definici
on 23.- Se dice que D(X) es un m
aximo com
un divisor de P (X) y Q(X) si se verifica que D(X) | P (X)
y D(X) | Q(X) y es el mayor, es decir, si para cualquier otro (X) K[X] tal que (X) | P (X) y (X) | Q(X)
entonces (X) | D(X) .
El mcd de dos polinomios est
a determinado salvo un factor constante. En particular, puede elegirse un
mcd m
onico (coeficiente del termino de mayor grado 1 ) que con esta condicion adicional es u
nico.
Prof: Jos
e Antonio Abia Vian

on
Definici
on 24.- Un polinomio P (X) de grado n > 0 se dice reducible en K[X] si existen Q(X) y C(X)
polinomios no constantes de K[X] tales que P (X) = Q(X)C(X) .
Si no es reducible en K[X] , se dice irreducible en K[X] .
Observaciones:
? Si Q(X) y C(X) reducen a P (X) , entonces 0 < gr(Q) < gr(P ) y 0 < gr(C) < gr(P ) .
? En consecuencia, los polinomios de grado 1 son siempre irreducibles.
? Las constantes no se consideran irreducibles.
? Un polinomio es o no irreducible en K[X] . As, X2 + 1 es irreducible en R[X] mientras que no lo es en
C[X] , pues X2 + 1 = (X i)(X + i) .
? Si Q(X) | P (X) , entonces kQ(X) | P (X) , para todo k K. Por ello suele trabajarse con divisores monicos.
? El Algoritmo de Euclides es v
alido en K[X] para obtener el maximo com
un divisor de dos polinomios.
Teorema 25.- Todo polinomio P (X) K[X] admite en K[X] una descomposicion u
nica en la forma

m1
m 2

m r
P (X) = k Q1 (X)
Q2 (X)
Qr (X)
donde k K y los Qi (X) son polinomios irreducibles monicos.
2.2.2
Raz de un polinomio
Dado un polinomio P (X) = a0 + a1 X + + an Xn K[X] y K, denotaremos por P () al resultado de

efectuar en K los c
alculos: a0 + a1 + + an n .
Definici
on 26.- Se dice que K es una raz del polinomio P (X) K[X] si P () = 0 .
Teorema 27.- K es raz de P (X) (X ) | P (X) .
Demostraci
on:
Siempre podemos dividir P (X) entre X y su division entera es P (X) = C(X) (X ) + R(X) donde R(X) = 0
o gr(R(X)) < gr(X ) = 1 , es decir R(X) es cero o es una constante distinta de cero luego R(X) = k K y
tenemos que: P (X) = C(X) (X ) + r , luego P () = C() ( ) + r = r . Como P () = r se puede concluir

que
P () = 0 r = 0 P (X) = C(X) (X ) (X ) | P (X)
Corolario 28.- Un polinomio, de grado mayor que 1, irreducible en K[X] no tiene races en K.
Nota: El resultado inverso si no tiene races en K entonces es irreducible en K[X] no es cierto. Por ejemplo,
en R[X] , el polinomio X4 + 5X2 + 4 = (X2 + 1)(X2 + 4) es reducible, pero no tiene races en R.
La condici
on de grado mayor que 1 es obvia, pues los polinomios de grado uno aX + b son siempre
irreducibles y siempre tienen una raz.
Definici
on 29.- Diremos que K es una raz de multiplicidad m del polinomio P (X) K[X] , si se cumple
que P (X) = (X )m Q(X) , con Q() 6= 0 .
Lema 30.- Sea P (X) = Q(X)R(X) . Si K es raz de P (X) con multiplicidad m y Q() 6= 0 (no es raz de
Q(X) ), entonces es raz de R(X) con multiplicidad m .
.
Teorema 31.- Un polinomio de grado n posee, a lo mas, n races (contadas con sus multiplicidades).
Demostraci
on:
En efecto, si P (X) tiene r races 1 , 2 , . . . , r , de multiplicidades respectivas m1 , m2 , . . . , mr , entonces P (X) = (X 1 )m1 (X 2 )m2 (X r )mr Q(X) , por el Lema 30 anterior. Luego n = gr(P (X)) =
m1 + m2 + + mr + gr(Q(X)) , por lo que el n
umero de raices, m1 + m2 + + mr , es a lo mas n .
Corolario 32.- Un polinomio de grado n con n + 1 races es el polinomio 0 .
Prof: Jos
e Antonio Abia Vian
2.2.3

on
Factorizaci
on de polinomios de coeficientes complejos
El siguiente resultado (que no es elemental) aporta la informacion necesaria:

Teorema fundamental del Algebra 33.- Todo polinomio con coeficientes complejos, de grado mayor o igual
que uno posee al menos una raiz compleja.
Corolario 34.- En C[X] :
? Un polinomio de grado n tiene n races (contadas con sus multiplicidades).
? Todo polinomio de grado n 1 se descompone en producto de n factores de grado 1.
? Los u
nicos polinomios irreducibles son los de grado 1.
Ejemplos

? 4X2 8X + 13 = 4 X (1 + 32 i) X (1 32 i)
?
1 4
2X
2.2.4
+ 8 = 12 (X4 + 16) = 12 (X 2ei 4 )(X 2ei
3
4
)(X 2ei
3
4
)(X 2ei 4 )
Factorizaci
on de polinomios en R[X]
Puesto que R C, un polinomio de R[X] puede mirarse como perteneciente a C[X] , y se descompone en factores
lineales en C[X] . Ahora bien, estos factores puede que no pertenezcan todos ellos a R[X] .
Lema 35.- Sea P (X) =
n
P
ai Xi R[X] . Si es una raz compleja (y no real) de P (X) , entonces tambien es
i=0
raz de P (X) , y con la misma multiplicidad que .
Nota: Los polinomios de grado 2 formados como en la demostracion del lema anterior (por (X )(X ) con
no real), son irreducibles en R[X] .
Teorema 36.- Todo polinomio de coeficientes reales y grado mayor o igual que 1 se descompone en R[X] como
producto de factores irreducibles de grado 1 o de grado 2.
Nota: La factorizaci
on del polinomio as obtenida es u
nica (por la unicidad de la factorizacion compleja):
P (X) = an (X 1 )m1 (X r )mr (X2 + c1 X + d1 )n1 (X2 + ct X + dt )nt
donde i R son las races reales, y los coeficientes reales de los polinomios de grado 2 se obtienen con
cj = (j + j ) y dj = j j , de las races j y j complejas de P (X) .
Corolario 37.- Un polinomio real de grado impar tiene al menos una raz real.
2.2.5
Factorizaci
on de polinomios de coeficientes racionales
Sea P (X) =
n
P
i=0
mi i
ni X
un polinomio de Q[X] . Entonces, si m es el mnimo com

un m
ultiplo de los denominadores
ni , el polinomio P (X) = m P (X) tiene todos sus coeficientes enteros, y las mismas races que P (X) .
En consecuencia, basta estudiar las races de un polinomio de coeficientes enteros:
Teorema 38.- Sea P (X) = a0 + a1 X + + an1 Xn1 + an Xn un polinomio con ai Z, i. Entonces,
1.- Si P (X) posee una raz Z , entonces | a0 .
2.- Si P (X) posee una raz =
(La expresi
on de =
p
q
p
q
Q, entonces p | a0 y q | an .
debe estar simplificada al maximo, es decir, mcd(p, q) = 1 .)
Nota: La utilidad del teorema estriba en que se puede construir una lista de candidatos a races y basta
comprobar si cada uno de ellos es o no raz del polinomio.
41 2
3
Ejemplo Hallar las races racionales del polinomio P (X) = 7X4 + 95
4 X + 4 X 20X 3 .
4
3
2
Buscamos las races racionales de Q(X) = 4P (X) = 28X + 95X + 41X 80X 12 .
Prof: Jos
e Antonio Abia Vian

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

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

Por supuesto, como el polinomio Q2 es de grado 2, es mas facil y sencillo obtener sus races de la manera

17 (17)2 4(3)28
habitual =
.
228
4
Nota: Para evaluar un polinomio real a mano o con calculadora, es muy u

til reescribirlo de manera que se
pueda hacer con sumas y productos sucesivos, sin almacenaje. Por ejemplo,
P (X) = a4 X4 + a3 X3 + a2 X2 + a1 X + a0 = (a4 X3 + a3 X2 + a2 X + a1 )X + a0
= ((a4 X2 + a3 X + a2 )X + a1 )X + a0 = (((a4 X + a3 )X + a2 )X + a1 )X + a0
y basta realizar las operaciones, sucesivamente de dentro a fuera.
2.2.5.1
Descomposici
on en fracciones simples
P (X)
. Se dice que esta simplificada, si P (X) y Q(X) no
Dados P (X), Q(X) K[X] , se considera la fraccion racional Q(X)
tienen divisores comunes (salvo las constantes), es decir, considerando los divisores monicos, mcd(P (X), Q(X)) =
1.
Las fracciones racionales reales y complejas admiten una expresion equivalente que es suma de fracciones
racionales m
as simples que simplifican su manejo. El proceso para encontrar dicha expresion se denomina descomposici
on en fracciones simples (de esta manera se usa en integracion, series de potencias, variable compleja,
etc.).
P (X)
Supondremos que la fracci
on Q(X)
est
a simplificada y gr(P (X)) < gr(Q(X)) . De no ser as, podremos hacer:
? Si
P (X)
Q(X)
y mcd(P (X), Q(X)) = D(X) 6= 1 , la expresion equivalente
? Si gr(P (X)) gr(Q(X)) , entonces
P (X)
Q(X)
= C(X) +
R(X)
Q(X)
P (X)/D(X)
Q(X)/D(X)
esta simplificada.
, con gr(R(X)) < gr(Q(X)) .
y obtener una fracci

on que s lo cumple.
Consideremos la descomposici
on de Q (eliminamos el soporte X del nombre de los polinomios, por comom2
mr
1
didad) en producto de polinomios m
onicos irreducibles: Q = Qm
1 Q2 Qr . En C[X] , todos los polinomios
irreducibles son de grado 1 luego los Qi son de grado 1, es decir, Qi (X) = X i . Pero en R[X] , los polinomios irreducibles pueden ser de grado 1 o de grado 2, es decir, de la forma Qi (X) = X ai o de la forma
Qi (X) = X2 + bi X + ci .
Prof: Jos
e Antonio Abia Vian
2.3 Ejercicios
Se plantea entonces la fracci

on
tendr
an mi sumandos, en la forma
P
Q
como suma de un cierto n

umero de fracciones: por cada factor Qi se
Tij
Ti1
Ti2
Tim
+ 2 + + j + + mii +
Qi
Qi
Qi
Qi
donde gr(Tij ) < gr(Qi ) . Entonces,

? En C[X] , todos los numeradores son Tij (X) = tij C .
? En R[X] , los numeradores son Tij (X) = tij R si Qi (X) = X ai (si Qi es de grado 1) y de la forma
Tij (X) = pij X + qij R[X] si Qi (X) = X2 + bi X + ci (de grado 2).
Para determinar los coeficientes de los numeradores se realiza la suma indicada, poniendo como denominador
mr
1
com
un Qm
1 Qr , es decir, Q. El polinomio obtenido en el numerador, se iguala a P y, de esta igualdad de
polinomios, se extrae el sistema de ecuaciones que nos permite obtener los valores concretos: este sistema tiene
siempre soluci
on u
nica.
El n
umero de incognitas es siempre igual al gr(Q) y como el polinomio obtenido en el numerador al sumar
es (inicialmente) de grado gr(Q) 1 tambien tiene gr(Q) coeficientes. Luego el sistema de ecuaciones tiene
gr(Q) ecuaciones y gr(Q) inc
ognitas. (Ver ejercicio 19)
P (X)
Q(X)
Ejemplo 39 Sea
3
X3 +X2 +3
X3 (X1)(X2 +1)2
2
En R[X] , Q(X) = X (X 1)(X + 1) , pero en C[X] , Q(X) = X3 (X 1)(X i)2 (X + i)2 . Luego
X3 + X2 + 3
=
1)(X2 + 1)2
X3 (X
en R[X] , siendo tij , pij , qij R .

X3 (X
t11
t12
t13
+ 2 + 3
X
X
X
t21
X1
p31 X + q31
p32 X + q32
+ 2
X2 + 1
(X + 1)2
Y en C[X] , con los valores tij C, se tiene
X3 + X2 + 3
t11
t12
t13
t21
t31
t32
t41
t42
=
+ 2 + 3 +
+
+
+
+
1)(X i)2 (X + i)2
X
X
X
X1
X i (X i)2
X + i (X + i)2
Para calcular los coeficientes en el caso de R[X] , hacemos:

a
b
c
d
eX + f
gX + h
aX2 +bX+c
d
eX3 + f X2 + (e+g)X + f +h
P
= + 2+ 3+
+ 2
+ 2
=
+
+
2
3
Q X X
X
X1
X +1
(X + 1)
X
X1
(X2 + 1)2

(aX2 +bX+c)(X1)(X2 +1)2 + dX3 (X2 +1)2 + (eX3 +f X2 +(e+g)X+f +h)(X1)X3
C(X)
=
=
X3 (X 1)(X2 + 1)2
Q(X)
=
(a+d+e)X7 +(ba+f e)X6 +(cb+2a+2d+e+gf )X5 +(2b2ac+f+heg)X4 +(a2b+2c+df h)X3 +(ba2c)X2 +(cb)Xc
X3 (X1)(X2 +1)2
e igualando los coeficientes de P (X) = 0X7 + 0X6 + 0X5 + 0X4 + X3 + X2 + 0X + 3 con los del polinomio construido
C(X) , se obtiene el sistema (1) de 8 ecuaciones y 8 incognitas con solucion u
nica.
Tambien puede construirse un sistema equivalente obligando a que ambos polinomios coincidan en 8 valores
(uno m
as que el grado), pues si P (i ) = C(i ) para 1 , . . . , 8 todas distintas, el polinomio P (X) C(X) tiene
8 races y, por el corolario 32, es el polinomio 0 ; luego P (X) = C(X) . Por ejemplo, podemos construir un sistema
a partir de (2):
3=P (0) =C(0)

0=a+d+e
0
=
b
a
+
f
e
5=P (1) =C(1)
0
=
c
b
+
2a
+
2d
+
e
+
g
f
3=P (1)=C(1)
0 = 2b 2a c + f + h e g
15=P (2) =C(2)
(1)
(2)
1 = a 2b + 2c + d f h
1=P (2)=C(2)
1
=
b
2c
39=P (3) =C(3)
0
=
c
b
15=P
(3)=C(3)
3 = c
83=P (4) =C(4)
4
2.3
Ejercicios
2.14 Encontrar las races de P (X) = X3 2X2 5X + 6 y Q(X) = 2X5 5X3 + 2X en R[X] , y sus expresiones
factorizadas. Hacerlo tambien en Q[X] .
Prof: Jos
e Antonio Abia Vian
2.3 Ejercicios
2.15 Probar que el polinomio X2 + 2X + 2 divide a P (X) = X4 + 4 , y obtener de ello todas las races de P (X)
en C[X] , as como su expresi
on factorizada en R[X] .
2.16 Sean P (X) = X5 + 3X4 + 3X3 + 3X2 + 2X y Q(X) = X3 3X2 + X 3 dos polinomios de coeficientes reales.
a) Usar el algoritmo de Euclides para hallar su maximo com
un divisor.
b) Encontrar su mnimo com
un m
ultiplo.
c) Factorizar ambos polinomios en R[X] .
d) Cu
ales son sus factorizaciones en C[X] ?
2.17 Calcular el polinomio real m
onico, m
aximo com
un divisor de
X4 6X3 16X2 + 54X + 63
X19 9X18 + 21X17 + X16 30X15
Que races tienen en com

un? Podemos usar esto para obtener todas las races de ambos polinomios?
Son todas sus races reales?
2.18 Cu
antos polinomios reales de grado 2 que tengan por races el 0 y el 1 hay? Cual es su expresion?
2.19 El polinomio, P (X) , de coeficientes reales y grado 3, tiene a 1 y 1 por races. Puede asegurarse que la
tercera raz es tambien real?
Si P (0) = 1 , cu
al sera la tercera raz de P ?
2.20 Resolver la ecuaci
on 2x4 x3 4x2 + 10x 4 = 0 sabiendo que 1 i es una de las races del polinomio
asociado.
2.21 Probar que si es una raz de multiplicidad 5 del polinomio P , entonces es una raz de multiplicidad
4 de P 0 (el polinomio derivado de P ).
2.22 Encontrar la multiplicidad de la raz r :
a) r = 2 , en X5 5X4 + 7X3 2X2 + 4X 8 .
b) r = 2 , en X5 + 7X4 + 16X3 + 8X2 16X 16 .
c) r = 1 , en X5 5X4 + 7X3 2X2 + 4X 5 .

2.23 Sea P (X) = (1 X) X(X + a)(X 1 b) (a + X)(a aX + ba) . Hallar todas las races y estudiar su
multiplicidad en funci
on de los valores de los parametros a y b.
a a 0
2.24 Sea la matriz A = a a 0 . Encontrar las races, y su multiplicidad en funcion de los valores de
b 0 2b
los par
ametros a y b, del polinomio P (X) = det(XI A) .
2.25 Expresar como suma de fracciones simples los cocientes siguientes, sin hallar los valores de los coeficientes:
a)
X2 +1
X4 6X3 16X2 +54X+63
b)
X5
(X1)(X3 1)
c)
X+5
2X4 X3 4X2 +10X4
d)
X2 +2
X5 +7X4 +16X3 +8X2 16X16
e)
X3 3X2 +X3
X5 +3X4 +3X3 +3X2 +2X
f)
X5 +3X4 +3X3 +3X2 +2X

(X3 3X2 +X3)3
(Nota: Todos los polinomios de este ejercicio aparecen en alguno de los anteriores.)
Prof: Jos
e Antonio Abia Vian
Captulo 3
Funciones, lmites y continuidad

3.1
3.1.1
Funciones reales de variable real

Los n
umeros reales
Los n
umeros reales son de sobra conocidos, sus operaciones basicas as como su identificacion con los puntos de
la recta real, por lo que s
olo vamos a mencionar aqu algunas de sus propiedades (la mayora conocidas) que
son imprescindibles en el desarrollo de este tema.
Propiedades de orden 40.- Denotaremos por R+ = {x R : x > 0} y R = {x R : x < 0}
1.- Antisimetrica: Si x y e y x = x = y .
2.- Transitiva: Si x y e y z = x z .
3.- Total : Para cualesquiera x, y R:
o bien x y ,
4.- Si x y , entonces x + z y + z para todo z R
o bien y x .
(si x < y = x + z < y + z ).
5.- Si x y , entonces x z y z para todo z R+
(si x < y = x z < y z ).
6.- Si x y , entonces x z y z para todo z R
(si x < y = x z > y z ).
7.- Si 0 < x < y , entonces 0 <
1
y
<
1
x
Las propiedades de acotaci

on siguientes garantizan que los n
umeros reales llenan la recta real, lo que nos
permite decir que recorremos de manera continua un subconjunto de R .
Definici
on 41.- Sea A R , diremos que el conjunto A esta acotado superiormente si existe alg
un K R
tal que x K , para todo x A; es decir, todos los elementos de A son menores que K . Del valor K diremos
que es una cota superior de A.
An
alogamente, A est
a acotado inferiormente si existe k R tal que k x , para todo x A y diremos
que k es una cota inferior de A. Diremos que A esta acotado si lo esta superior e inferiormente.
Propiedad del extremo superior 42.- Todo subconjunto no vaco A R y acotado superiormente admite una
cota superior mnima, es decir, R tal que:
a) x ; x A
b) Si K < , entonces x A verificando que K < x .
Se dice que es el extremo superior o supremo de A y se denota por sup A o ext sup A. Si pertenece
a A, se dice que es el m
aximo de A , y escribiremos max A = .
Propiedad del extremo inferior 43.- Todo subconjunto no vaco A R acotado inferiormente admite una
cota inferior m
axima, es decir, R tal que:
a) x ; x A
b) Si < k , entonces x A verificando que x < k .
Se dice que es el extremo inferior o nfimo de A y se denota por inf A o ext inf A. Si pertenece a A,
se dice que es el mnimo de A, y escribiremos mn A = .
Nota: Que = sup A es equivalente a que para cada > 0 existe x A con < x . Es decir, que
para cualquier valor m
as peque
no que el superior hay alg
un elemento del conjunto mas grande que el.
An
alogamente, = inf A para cada > 0 existe x A con x < + .
Ejemplo El conjunto A =
Prof: Jos
e Antonio Abia Vian
1
n
o
n
: n N = 1, 12 , 13 , 14 , . . . esta acotado superior e inferiormente.
3.1 Funciones reales de variable real
En efecto, n1 1 < 2 para todo n , luego 2 es una cota superior del conjunto (de hecho, cualquier n
umero
mayor o igual a 1 lo es). Tambien est
a acotado inferiormente, pues n1 es positivo luego 0 < n1 para todo n y 0
es una cota inferior de A (cualquier n
umero negativo es tambien una cota inferior).
Luego A es un conjunto acotado y tiene supremo e nfimo: como el supremo es la mnima cota superior,
sup A = 1 , pues 1 es una cota superior y si K < 1 , existe el 1 A tal que K < 1 sup A = 1 luego K no es
una cota y 1 es la m
as peque
na.
Como el nfimo es la m
axima cota inferior, inf A = 0 , pues es una cota y para cualquier k > 0 , puedo
encontrar un n suficientemente grande para que 0 < n1 < k (por ejemplo, para k = 0.00001 , se tiene que
1
1
0 < 100001
< 100000
= k ).
Adem
as, sup A = 1 A luego m
ax A = 1 ; lo que no ocurre con el nfimo, pues inf A = 0
/ A, luego
6 mn A.
4
3.1.2
Valor absoluto de un n
umero real
Definici
on 44.- Sea a R, se llama valor absoluto de a, y se representa por |a| , al n
umero real dado por

a, si a 0
|a| = + a2 =
a, si a < 0
Propiedades del valor absoluto 45.a) |a| 0 , a
|a| = 0 a = 0
d) |a| k k a k
b) |ab| = |a| |b|

e) |a + b| |a| + |b|

1
c) a1 = |a|

f) |a| |b| |a b|
El valor absoluto y su uso como distancia es clave en las definiciones de conjuntos y conceptos como el lmite
y la continudad, la derivaci
on e integraci
on.
Nota: Con el valor absoluto, diremos que A es acotado existe K > 0 tal que |x| K , x A.
n
o

Ejemplo El conjunto A = 1, 12 , 13 , 14 , . . . del ejemplo anterior esta acotado pues n1 1 para todo n .
3.1.3
Intervalos y entornos en R
Los subconjuntos de R, est

an formados por puntos separados o por intervalos (trozos) de la recta real o por
uniones de ellos; pero no s
olo eso, sino que la validez de algunos resultados depende del tipo de intervalo usado.
Pero adem
as, los intervalos centrados en un punto (que llamaremos entornos) son basicos en la construcci
on de
la mayora de los conceptos del C
alculo.
Definici
on 46.- Dados los n
umeros reales a y b con a b, se llama intervalo abierto de extremos a y b, y
se representa por (a, b) , al conjunto:
(a, b) = {x R : a < x < b}.
Se llama intervalo cerrado de extremos a y b, y se representa por [a, b] , al conjunto:
[a, b] = {x R : a x b}.
An
alogamente se definen:
y los intervalos no acotados:
(a, b] = {x R : a < x b} y [a, b) = {x R : a x < b}

(a, +) = {x R : a < x} y [a, +) = {x R : a x}
(, b) = {x R : x < b} y (, b] = {x R : x b}
En los intervalos cerrados, inf[a, b] = mn[a, b] = a y sup[a, b] = max[a, b] = b, mientras que en los abiertos
inf{(a, b)} = a y sup{(a, b)} = b pero no tiene ni maximo ni mnimo.
En los no acotados, como [a, +) , se tiene inf[a, +) = mn[a, +) = a pero no existe el superior (a veces
se escribe sup A = + , para indicar que el conjunto no esta acotado superiomente).
Naturalmente, R es tambien un intervalo R = (, +) . Y, [a, a] = {a} pero (a, a) = (a, a] = [a, a) = .
Definici
on 47.- Llamaremos entorno de centro a y radio > 0 , y escribiremos E(a, ) , al conjunto:
E(a, ) = {x R : |x a| < } = {x R : a < x < a + } = (a , a + ) .
Llamaremos entorno reducido de centro a y radio > 0 , E (a, ) , al conjunto
E (a, ) = E(a, ) {a} = {x R : 0 < |x a| < } .
Prof: Jos
e Antonio Abia Vian
3.1.4
Algunas operaciones con n

umeros reales
3.1.4.1
Potencias racionales y reales de un n

umero real
Las potencias racionales, xr , se definen paulatinamente a partir de las potencias naturales:

n)
? para n N y x R , definimos xn = x x x .
? para z Z y x R {0} , definimos x0 = 1 y si z < 0 , xz = (x1 )z .
1
? para n N y x R+ , definimos x n = n x como el R tal que n = x
z
? para r = nz , con z Z y n N , y x R+ , definimos x n = n xz .
y se verifican las siguientes propiedades:
(1) xr y r = (xy)r
(2) xr xs = xr+s
(3) (xr )s = xrs
(4) Si 0 < x < y , entonces 0 < xr < y r si r > 0
(5) Si r < s se tiene que xr < xs cuando x > 1
0 < y r < xr si r < 0
xs > xr cuando 0 < x < 1 .
Antes de terminar, un peque

no apunte sobre las raices n -esimas, n x para x 0 : si n es impar, existe un
u
nico n
umero real > 0 tal que n = x ; y si n es
par, existe un
u
nico n
umero real > 0 tal que n = x y
n
n
n
() = x . Por ello, si n es par siempre se escribe x > 0 y x < 0 para distinguir entre el valor positivo
y el negativo.
Potencias reales.- Las potencias reales de un n
umero real, x , con x > 0 y R se extienden de las
racionales (aunque no de manera sencilla) y verifican las mismas propiedades de (1) a (5) que las potencias
racionales.
3.1.4.2
Exponencial real de base e
La exponencial de base e que a cada x R le asigna el n

umero real ex . Las propiedades de las potencias,
establecen la validez de:
(1) ex+y = ex ey
(2) Si x < y se tiene que ex < ey
(3) ex > 0
(Genericamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)
3.1.4.3
Logaritmo neperiano real
Para cada x (0, +) , se define el logaritmo neperiano, ln x como el valor real tal que e = x ; es decir, la
operaci
on recproca a la exponencial.
(1) ln(xy) = ln x + ln y
(2) ln(xy ) = y ln x
(3) Si 0 < x < y se tiene ln x < ln y
(Genericamente, para cada exponencial ax , tenemos el logaritmo en base a , loga x .)
3.2
Funciones reales de variable real
Definici
on 48.- Llamaremos funci
on real de variable real, a cualquier aplicacion f : A R , donde A R.
Al conjunto A lo denominaremos dominio de f y escribiremos A = Dom(f ) .
Si x A escribiremos y = f (x) para indicar que y R es la imagen de x por medio de f .
El recorrido o conjunto imagen de f , que suele denotarse por f (A) , sera:
n
o n
o
f (A) = f (x) R : x A = y R : x A con y = f (x) = Img f
Nota: Si la funci
on viene dada s
olo por la expresion y = f (x) , sobreentenderemos que el dominio es el m
aximo
subconjunto de R para el cual f (x) R , es decir, Dom(f ) = {x R : f (x) R}
Ejemplo Sea f : [1, 1] R dada por f (x) = 1 x2 . Se tiene que:
Dom(f ) = [1, 1] : pues x [1, 1] = 0 x2 1 = 1 x2 0 = 1 x2 = f (x) R.

Prof: Jos
e Antonio Abia Vian
2
2
2
f ([1, 1]) [0, 1] , ya que x
[1, 1] = 0 x 1 = 1 x 0 = 0 1x 1 = 0
2
si k [0, 1] , se tiene k = f 1 k ; luego f ([1, 1]) = [0, 1] .
Para f dada por f (x) =
1
1x2
1x2 1 y,
, su dominio se obtendra de:

1
R 1 x2 6= 0 x2 6= 1 x 6= 1
1 x2
f (x) R
luego Dom(f ) = R {1, 1} = (, 1) (1, 1) (1, +) .
Definici
on 49.- Llamaremos gr
afica de la funcion dada
por y = f (x) , y lo denotaremos por graf(f ) , al subconjunto de R2
n
o
graf(f ) = (x, y) R2 : x Dom(f ) e y = f (x)
n
o
= (x, f (x)) R2 : x Dom(f )
Ademas, Img(f ) = R [0, 1) .
y
f (a)
graf(f )
(a, f (a))
f (c)

(c, f (c))
r(b, f (b))
f (b)
x
a
Definici
on 50 (Operaciones con funciones).- Sea f y g funciones reales de variable real. Entonces son
funciones reales de variable real las siguientes:
2.- (Producto)
1.- (Suma)
(f +g)(x) = f (x) + g(x)

f (x)
f
3.- (Cociente)
g (x) = g(x)
(f g)(x) = f (x) g(x)
4.- (Composicion)
(g f )(x) = g(f (x))
en los conjunto donde tenga sentido. Es decir:

Dom(f /g) = Dom(f ) Dom(g) {x : g(x) = 0}
n
o
Dom(g f ) = x Dom(f ) : f (x) Dom(g)
Dom(f +g) = Dom(f ) Dom(g)

Dom(f g) = Dom(f ) Dom(g)
Ejemplo Sean f (x) =
2 x y g(x) =
x2 1 . Se tiene que
Dom f = {x R : 2 x 0} = {x R : 2 x} = (, 2]
Dom g = {x R : x2 1 0} = {x R : x2 1} = (, 1] [1, +) = R (1, 1)
Luego el dominio de (f + g)(x) = 2 x + x2 1 es

Dom(f + g) = Dom f Dom g = (, 2] (, 1] [1, +) = (, 1] [1, 2]
que coincide con el de (f g)(x) = 2 x x2 1 .

Para el dominio de ( fg )(x) = x2x
, como g(x) = 0 si x2 1 = 0 , es decir, si x = 1 ,
2 1

Dom fg = (Dom f Dom g) {1, 1} = (, 1] [1, 2] {1, 1} = (, 1) (1, 2]
y, finalmente el dominio de (g f )(x) =
( 2 x)2 1 = 1 x sera

(1)

Dom(g f ) = x (, 2] : 2 x Dom g = x (, 2] : 2 x 1
= {x (, 2] : 2 x 1} = {x (, 2] : 1 x} = (, 1]
(1) como
2 x 0 , se tiene
2 x Dom g si
2 x [1, +) , es decir, si
Dominio de algunas funciones elementales 51.

? Raz: f (x) = n x y Dom f = [0, +) .
? Potencia real:
? Exponencial:
f (x) = x
f (x) = ex
? Logaritmo neperiano:
Prof: Jos
e Antonio Abia Vian
y
y
Dom f = (0, +) .
Dom f = R .
f (x) = ln(x)
Dom f = (0, +) .
2 x 1.
Con
x = 0 x = 0 .
Con x > 0 para todo x .

Con ex > 0 para todo x .
Con ln x = 0 x = 1 .
? Seno:
f (x) = sen(x)
? Coseno:
f (x) = cos(x)
? Tangente:
? Tangente hiperb
olica:
>1
Con cos x = 0 x =
Dom f = R.
sen x
cos x
ex ex
2
f (x) = ch(x) =
ex +ex
2
f (x) = th(x) =
=1
+ k con k Z.
Dom f = R { 2 + k : k Z} = dkZ (
2 + k, 2 + k) .
f (x) = sh(x) =
? Coseno hiperb
olico:
Con sen x = 0 x = k con k Z,
Dom f = R.
f (x) = tg(x) =
? Seno hiperb
olico:
< 1
sh x
ch x
y
y
Con sh x = 0 x = 0 .
Dom f = R .
Con ch x 1 para todo x .
Dom f = R .
Dom f = R.
f (x) = ex
ch(x)
sh(x)
0<<1
1
1
th(x)
1
1
1 < < 0
f (x) = ln(x)
sen(x)
cos(x)
tg(x)
f (x) = x
Fig. 3.1. Gr
aficas de algunas funciones elementales.
Definici
on 52.- Sea f : A R, con A R. Diremos que f es una funcion acotada si el conjunto imagen
f (A) est
a acotado. Es decir, si existe K > 0 tal que |f (x)| K para todo x A.
Ejemplo
? El seno y el coseno est

an acotadas en R, pues |sen x| 1 y |cos x| 1 para todo x R.
x
? La funci
on f : R{0} R, con f (x) = |x|
, esta acotada en su dominio pues para todo x R, se tiene
x
|x| x |x| , y para todo x 6= 0 , 1 |x| 1 . (De hecho, |f (x)| = 1 , x 6= 0 .)
? La funci
on th(x) est
a acotada en R. En efecto, si x 0 , se cumple que ex 1 e1x = ex , luego
x
x
x
x
x
0 e e < e + ex y entonces 0 eex e
+ex < 1 . Como th(x) = th(x) (comprobarlo), cuando
x < 0 , se tiene 1 < th(x) < 0 , por lo que |th(x)| < 1 , para todo x R .
4
3.2.1
Monotona. Funciones inversas
Definici
on 53.- Sea f : A R diremos que f es creciente o mon
otona creciente en el conjunto A, si
para cualesquiera x, y A , con x < y , se verifica que f (x) f (y) .
Diremos que f es decreciente o mon
otona decreciente en el conjunto A, si para cualesquiera x, y
A , con x < y , se verifica que f (x) f (y) .
Diremos que f es creciente (resp. decreciente) en el punto a A, si existe un entorno E(a, ) tal que
x, y E(a, ) con x < a < y se cumple f (x) f (a) f (y) (resp. f (x) f (a) f (y) ).
Nota: Si las desigualdades son estrictas, diremos estrictamente creciente y estrictamente decreciente.
Ejemplo Por las propiedades enunciadas anteriormente, las funciones ex , ln x y x con > 0 son estrictamente crecientes en sus dominios; y si < 0 , x decrece estrictamente en (0, +) (ver graficas arriba).
La funci
on f (x) = x1 es estrictamente decreciente en cada punto de su dominio R{0}, pero no es mon
otona
decreciente en el conjunto (ya que 1 < 1 pero f (1) = 1 < f (1) = 1 .)
4
Definici
on 54.- Se dice que f : A R es inyectiva en A si f (x) 6= f (y) para todo x, y A, con x 6= y .
Ejemplo Las funciones estrictamente crecientes o estrictamente decrecientes en un conjunto son inyectivas.
La funci
on f (x) = x2 es inyectiva en [0, 1] y tambien en [1, 0] , pero no lo es en el conjunto [1, 1] puesto
que f (1) = 1 = f (1) con 1 6= 1 .
Prof: Jos
e Antonio Abia Vian
3.3 Lmite y continuidad de una funci

on en un punto
Definici
on 55.- Sean f : A R y B = f (A) . Si f es inyectiva en A, llamaremos funci
on inversa de f en
A, y la denotaremos por f 1 , a la funci
on f 1 : B A tal que f 1 (f (x)) = x , para todo x A .
Ejemplo 56 ? La funci
on f : [0, ) R con f (x) = x2 , tiene inversa en ese conjunto (es
estrictamente
1
1
1
creciente en el) y es f : [0, ) [0, ) dada por f (y) = y .
[ f (f (x)) = x2 = |x| = x ]
? La funci
on f : (, 0] R con f (x) = x2 , tiene inversa en ese conjunto (es estrictamente
decreciente
en el), que es f 1 : [0, ) (, 0] dada por f 1 (y) = y .

[ f 1 (f (x)) = x2 = |x| = x ]
? La funci
on f : (0, +) R con f (x) = x , tiene inversa en el conjunto (es estr. creciente si > 0 y
1
1
decreciente si < 0 ), que es f 1 : (0, ) R dada por f 1 (y) = y . [ f 1 (f (x)) = (x ) = x1 = x ]
? La funci
on f : R (0, ) con f (x) = ex , tiene inversa en R (es estrictamente creciente en el), que es
1
f : (0, ) R dada por f 1 (y) = ln y .
[ f 1 (f (x)) = ln(ex ) = x ln(e) = x ]
? La funci
on f (x) = sen x , tiene inversa en el conjunto [ 2 , 2 ] (es estrictamente creciente en el), la funci
on
1
f : [1, 1] [ 2 , 2 ] que llamaremos arcoseno y denotaremos f 1 (y) = arcsen y .
(El seno no tiene inversa en [0, 2] , pues no es inyectiva en ese conjunto)
? La funci
on f (x) = cos x , tiene inversa en el conjunto [0, ] (es estrictamente decreciente en el), la funci
on
f 1 : [1, 1] [0, ] que llamaremos arcocoseno y denotaremos f 1 (y) = arccos y .
on
? La funci
on f (x) = tg x , tiene inversa en el conjunto [ 2 , 2 ] (es estrictamente creciente en el), la funci
1
f : R [ 2 , 2 ] que llamaremos arcotangente y denotaremos f 1 (y) = arccotg y .
? La funci
on f (x) = sh x , f : R R , tiene inversa en R (es estrictamente creciente en ep
l), la funci
on
f 1 : R R que llamaremos argumento del sh y denotaremos f 1 (y) = argsh y = ln(y + y 2 + 1) .
? La funci
on f (x) = ch x , tiene inversa en [0, ) (estrictamente creciente), la funci
on f 1 : [1, ) [0, )
p
que llamaremos argumento del ch y denotaremos f 1 (y) = argch y = ln(y + y 2 + 1) .
1
? La funci
on th: R (1, 1) , tiene inversa en R (estrictamente creciente), la
qfuncion f : (1, 1) R
que llamaremos argumento de la th y denotaremos f 1 (y) = argth y = ln
y+1
y1
Nota: La gr
afica de f 1 es simetrica, respecto de la bisectriz del primer cuadrante, a la grafica de f .
En efecto, si (x, y) graf(f ) con y = f (x) , entonces, el punto (y, f 1 (y)) graf(f 1 ) es de la forma
(y, f 1 (y)) = (y, f 1 (f (x))) = (y, x) .
1
Puede observarse esto en la figura 3.1 de la pagina 19, para ex y su inversa ln(x) y x y su inversa x .
3.3
Lmite y continuidad de una funci

on en un punto
Definici
on 57.- Un punto x0 R se dice punto de acumulaci
on de un conjunto A si, y solo si, para cada
> 0 se tiene que E (x0 , ) A 6= . Es decir, x0 es un punto de acumulacion de un conjunto A si en cada
entorno de x0 hay otros puntos de A.
De los puntos de A que no son de acumulacion, se dice que son puntos aislados de A.
Nota: Es decir, x0 es punto de acumulaci
on de A si cerca de x0 siempre hay (otros) puntos de A , por
peque
no que hagamos el crculo de cercana; en consecuencia, a un punto de acumulaci
on de un conjunto
siempre podremos acercarnos con puntos del conjunto. Solo as tiene sentido la definicion del lmite siguiente.
Definici
on 58.- Sea f : A R y sea x0 R un punto de acumulacion de A . Se dice que el lmite de la
funci
on f (x) cuando x tiende a x0 es L, y se representa por
lm f (x) = L,
xx0
(tambien con f L, cuando x x0 )
si, y s
olo si, para cada > 0 existe > 0 tal que si x A y 0 < |x x0 | < , entonces |f (x) L| < .
Prof: Jos
e Antonio Abia Vian

on en un punto
El significado de esta farragosa definici

on sera lo siguiente: el lmite en x0 de f es L si la imagen de cada x
cercano a x0 est
a cerca de L. Puede quedar un poco mas claro expresando esta crecana mediante entornos:
La definici
on anterior es, evidentemente, equivalente a:
L+
Diremos que el lmite de la funci

on f cuando x tiende a
x0 es L si, y s
olo si, para cada entorno de L, E(L, ) ,
existe un entorno reducido de x0 , E (x0 , ) tal que si
x A E (x0 , ) , entonces f (x) E(L, ) .
En la figura de la derecha vemos que, en efecto, para los puntos

cercanos a x0 (en fondo rojo) sus im
agenes (en fondo rojo) estan
dentro de la cercana de L fijada (en fondo verde).
x0
Ejemplo Para f : [0, +) R dada por f (x) = x , se tiene que lm f (x) = 0 .
x0
x0 +
x0
2
Para cada
[0, +) y 0 < |x 0| < , es decir, si 0 < x < 2 se verifica
> 0 , tomamos = > 0 , si x
2
que x < = , pero esto es lo mismo que x = | x| = | x 0| < .
4
Nota: Para el lmite no importa la funci

on en el punto, sino su valor
en puntos cercanos
(ponemos
0<
|x
x
on).
0 | < en la definici
n
As, f (x) =
x, x6=1
2, x=1
tiene lm f (x) = 1 aunque f (1) = 2 , ya que

x1
si x 1 y x 6= 1 , la funci
on toma los valores f (x) = x en esos
puntos y entonces lm f (x) = lm x = 1 .
x1
x1
Y tambien la funci
on g(x) = x tiene por lm g(x) = lm x = 1 .
x1
x1
El valor de la funci
on en el punto es primordial sin embargo para el concepto de continuidad:
Definici
on 59.- Sea f : A R , se dice que f es continua en el punto x0 A si, y solo si, para cada > 0
existe > 0 tal que si x A y |x x0 | < entonces |f (x) f (x0 )| < .
Observaci
on: Si el punto x0 no est
a aislado, la definicion es equivalente a que lm f (x) = f (x0 ) .
xx0
Ejemplo
La funci
on de la nota anterior f (x) =
x, x6=1
2, x=1
no es continua en 1 , pues lm f (x) = 1 6= f (1) ;

x1
mientras que la funci

on g(x) = x s lo es pues lm g(x) = 1 = g(1) .
x1
Tambien es continua en 0 la funci

on f (x) = x del ejemplo anterior, pues lm x = 0 = 0 .
x0
Ejemplo 60 La funci
on f (x) = ex es continua en 0 .
En efecto, por ser ex estrictamente creciente:
x
x
x
si 0 < x < , es 1 < e < e , luego 0 < e 1 = |e 1| < e 1
si < x < 0 es e < ex < 1 , luego 0 < 1 ex = |ex 1| < 1 e = e e1

< e 1 .
Entonces, para cada > 0 tomamos = ln(1 + ) y si 0 < |x| < , se tiene que
|ex 1| < e 1 = eln(1+) 1 = (1 + ) 1 =
x
Luego se cumple que lm e = 1 = e0 y ex es continua en 0 .
4
x0
3.3.1
Algunos resultados interesantes
Proposici
on 61.- Sea f : A R y x0 un punto de acumulacion de A . Entonces
a) lm f (x) = L lm (f (x) L) = 0
xx0
b) lm f (x) = 0 lm |f (x)| = 0
xx0
xx0
xx0
c) Si h = x x0 , entonces lm f (x) = L lm f (x0 + h) = L

xx0
h0
Demostraci
on:
Basta observar que la definici
on de lmite para el segundo termino de la 1 a equivalencia:
para cada > 0, existe > 0 tal que si 0 < |x x0 | < = |(f (x) L) 0| = |f (x) L| <
Prof: Jos
e Antonio Abia Vian

on en un punto
para el segundo termino de la 2 a equivalencia:

para cada > 0, existe > 0 tal que si 0 < |x x0 | < = ||f (x)| 0| = |f (x)| <
y para el segundo termino de la 3 a equivalencia:
para cada > 0, existe > 0 tal que si 0 < |h| = |x x0 | < = |f (x0 + h) L| = |f (x) L| <
coinciden con la definici
on de los lmites para los respectivos primeros terminos de la equivalencias.
Los resultados a) y c) anteriores deben considerarse definiciones equivalentes de la definicion de lmite y
nos permiten transformar un lmite en un lmite de valor 0 o a un lmite en el punto 0 . Con el apartado b)
cambiamos la funci
on por otra acotable, lo que cobra interes tras los resultados siguientes:
Proposici
on 62.- Sean f, g, h: A R y x0 un punto de acumulacion de A.
1.- Si f (x) g(x) h(x) en A y lm f (x) = L = lm h(x) , entonces lm g(x) = L
xx0
xx0
xx0
2.- Si g est
a acotada en A y lm f (x) = 0 , entonces lm g(x) f (x) = 0
xx0
xx0
Ejemplo El lm x sen x1 = 0 , pues lm x = 0 y el seno esta acotado (|sen y| 1 , para cualquier y R ). 4

x0
x0
3.3.1.1
Lmites y continuidad con las operaciones b

asicas
El c
alculo de los lmites y, por tanto el estudio de la continuidad, se extiende ampliamente y de manera sencilla
mediante las operaciones b
asicas de las funciones:
Propiedades 63.- Si lm f (x) = L1 R y lm g(x) = L2 R, entonces:
xx0
xx0
a) lm [f (x) + g(x)] = lm f (x) + lm g(x) = L1 + L2 .

xx0
xx0
xx0
b) lm [f (x) g(x)] = lm f (x) lm g(x) = L1 L2 .

f (x)
xx0 g(x)
c) lm
xx0
xx0
xx0
lm f (x)
xx0
lm g(x)
xx0
L1
L2
siempre que L2 6= 0 .
Corolario 64.- Sean f y g funciones continuas en un punto x0 A , entonces:

1.- f + g es continua en el punto x0 .
2.- f g es continua en el punto x0 .
3.-
f
g
es continua en el punto x0 siempre que g(x0 ) 6= 0 .
Ejemplos
n)
? La funci
on f (x) = xn es continua en R: lm xn = ( lm x) ( lm x) =
xx0
xx0
xx0
lm x
n
xx0
= xn0
? En general, si P (X) es un polinomio, lm P (x) = P (x0 ) , luego continuo en todo R .

xx0
? Y una funci
on racional, f (x) =
P (x)
Q(x)
, sera continua en los puntos de su dominio (salvo en aquellos a con

P (x)
xx0 Q(x)
Q(a) = 0 , pero esos no pertenecen al dominio) y en todos ellos lm
P (x0 )
Q(x0 )
? f (x) = ex es continua en R , pues lo es en 0 (Ejemplo 60) y, para los demas puntos, se tiene
lm ex = lm ex0 +h = lm ex0 eh = ex0 lm eh = ex0 e0 = ex0
xx0
h0
h0
h0
Teorema 65.- Sean f : A R y g: f (A) R . Si lm f (x) = b y g es continua en b, entonces

xa

lm g(f (x)) = g(b) = g lm f (x) .
xa
xa
Corolario 66.- Si f es continua en a y g continua en f (a) , entonces g f es continua en a.
Prof: Jos
e Antonio Abia Vian

on en un punto
Ejemplo La funci
on f (x) = x 1 es continua en 1 por ser polin
omica; la funcion g(x) = |x| es continua
en 0 = f (1) , pues lm x = 0 = lm |x| = 0 = |0| ; y h(x) = x es continua en 0 = g(0) . Entonces, la
x0
x0
p
|x 1| es continua en 1 .
composici
on (h g f )(x) = h(g(f (x))) = r
p

q
p

Adem
as, lm |x 1| = lm |x 1| = lm (x 1) = |0| = 0 .
4
x1
x1
x1
Imponiendo condiciones sobre la funci

on f , podemos dar una variante del teorema 65 anterior que prescinde
de la condici
on de continuidad de g :
Proposici
on 67 (Convergencia propia).- Sean f : A R y g: f (A) R . Si lm f (x) = b, con f (x) 6= b
xa
para todos los x de un entorno reducido E (a, 0 ) de a, entonces

lm (g f )(x) = lm g(f (x)) = lm g(y).
xa
yb
f (x)b
y, si y 6= 1
, no continua en 1. Para f (x) = ex se cumple la condicion pedida, pues
2, si y = 1
lm f (x) = 1 6= ex = f (x) si x 6= 0 (es est. creciente), luego
lm g(f (x)) = lm g(y) = 1 . (En efecto, como
Ejemplo Sea g(y) =
x0
x0
y1
g(f (x)) = g(ex ) = ex si ex 6= 1 , se tiene lm g(f (x)) = lm ex = 1 ).

x0
x0

1, si x 6= 0
Sin embargo, si tomamos la funci
on f (x) =
, que no verifica la condicion de la proposici
on
0, si x = 0
( lm f (x) = 1 = f (x) si x 6= 0 ), se tiene que:
lm g(f (x)) = lm g(1) = 2 6= lm g(y) = 1 .
4
x0
3.3.1.2
x0
x0
y1
Lmites laterales
Definici
on 68.- Sean a < c < b y f : (a, c) (c, b) R .
? Diremos que L1 es el lmite por la izquierda de f en c, si para cada > 0 existe > 0 tal que
cuando x < c y 0 < |x c| < , se tiene que |f (x) L1 | < .
? Diremos que L2 es el lmite por la derecha de f en c, si para cada > 0 existe > 0 tal que cuando
x > c y 0 < |x c| < , se tiene que |f (x) L2 | < .
Los representaremos, respectivamente, por
lm f (x) = lm f (x) = L1
xc
x<c
xc
lm f (x) = lm f (x) = L2
xc
x>c
xc+
Proposici
on 69 (Lmites laterales).- Sean a < c < b y f : (a, c) (c, b) R . Entonces
lm f (x) = L
xc

Ejemplo Sea f (x) = |x| =
x0
xc+
x, si x 0
. Entonces
x, si x < 0
lm |x| = lm x = 0
x0
lm f (x) = lm f (x) = L
xc
lm |x| = lm+ x = 0
x0+
x0
lm |x| = 0
x0
Nota: Si s
olo hay funci
on en un lado, el lmite coincide con el lmite lateral. Por ejemplo, lm
x0
x = lm
x0+
x,
pues en los puntos a la izquierda de 0 no est

a definida la funcion.
Definici
on 70.- Si f no es continua en un punto x0 , pero se cumple que lm f (x) = f (x0 ) o que lm+ f (x) =
xx0
xx0
f (x0 ) , se dice que f es continua por la izquierda o continua por la derecha en x0 .

Ejemplo Todas son funciones discontinuas en 1 , la tercera es continua por la derecha y las dos u
ltimas son
continuas por la izquierda.
Prof: Jos
e Antonio Abia Vian

on en un punto
r
b
b
b
r
b
b
r
La discontinuidad de la primera funci

on suele denominarse evitable (porque basta rellenar el hueco para hacerla continua), de la quinta se dice de salto infinito y de las tres restantes de salto finito.
4
3.3.2
Lmites con infinito
De manera similar a como se definen los limites para valores reales, podemos definir lmites donde la variable se
acerca a +
o a , o que sea la funci
on la que pueda tomar valores cercanos a ellos (valores, tan grandes que
superan cualquier cota K > 0 , o tan peque
nos que rebasan cualquier cota por abajo K < 0 ). Las definiciones
son an
alogas, sin m
as que cambiar la aproximaciones a puntos reales por aproximaciones a :
Definici
on 71.- Si f es una funci
on real de variable real, se tienen las siguientes definiciones:
si, para cada K > 0 , existe > 0 tal que si 0 < |x x0 | < = f (x) > K
lm f (x) = +
xx0
lm f (x) = L
si, para cada > 0 , existe M > 0 tal que si x < M = |f (x) L| <
lm f (x) =
si, para cada K > 0 , existe M > 0 tal que si x > M = f (x) < K
x+
An
alogamente: lm f (x) = , lm f (x) = L , lm f (x) = + , lm f (x) = + y lm f (x) = .
xx0
x+
Ejemplo Para a > 0 ,
lm ax = +
x+
x+
lm
x0
1
x
= .
En efecto:
K
? para cada K > 0 tomamos M = K
a > 0 y si x > M , entonces f (x) = ax > aM = a a = K
1
1
1
? para cada K > 0 tomamos = K > 0 y si < x < 0 , entonces f (x) = x < = K
Las operaciones del resultado Propiedades 63 son validas tambien cuando tenemos lmites en el infinito o con
valor infinito, aunque aparecen situaciones cuyo resultado no puede determinarse usando las reglas generales.
Si lm f (x) = a y lm g(x) = b, donde tanto x0 como a y b pueden ser , el valor del lmite para las
xx0
f
g
xx0
funciones f + g , f g ,
f +g
a =
aR
a = +
f g
a =
a<0
a=0
a>0
a = +
b =
b =
+
+
y f g , se obtiene de las siguientes tablas:
bR
a+b
+
b<0
+
ab
0
ab
b = +
+
+
b=0
0
0
0
b>0
ab
0
ab
+
f
g
b =
a =
a<0
a=0
a>0
a = +
b<0
+
0
0
0
a
b
a
b
fg
a=0
0<a<1
a=1
a>1
a = +
+
+
b = 0+
b=0
||
||
b>0
b = +
a
b
0
0
0
b = +
b = 0
+
+
b =
+
+
0
0
||
||
a
b
+
+
b<0
+
ab
1
ab
0
b=0
1
1
1
b>0
0
ab
1
ab
+
b = +
0
0
+
+

|| En estos casos, no se garantiza la existencia del lmite, pero s que se tiene fg + .
Hay siete indeterminaciones cl
asicas, indicadas con
(i)
(ii)
(iii)
(que en el fondo se reducen a dos (i) e (ii)):

(iv)
0
0
(v)
(vi)
00
(vii)
Nota: Teniendo en cuenta que ab = eb ln a , las indeterminaciones (v), (vi) y (vii) se reducen a 0 .
Prof: Jos
e Antonio Abia Vian
Ejemplo 72
2
lm x +2x+1
2
x+ 3x2x

on en un punto
+
= (
)=
1
2
x2 + 2x + 1
lm
= lm
x+ 3x 2x2
x+
Ejemplo 73
lm
x0
x3 3x+2x2
3x3 2x
= ( 00 ) =
3
2
.
x2 +2x+1
x2
3x2x2
x2
1+
= lm
3
x
x+
+ x12
1+0+0
1
=
=
0
2
2
2
2
x
x3 3x + 2x2
x(x2 3 + 2x)
x2 3 + 2x
03+0
3
3
= lm
= lm
=
=
=
3
2
x0
x0
x0
3x 2x
x(3x 2)
3x2 2
02
2
2
lm
Ejemplo 74
2x
lm
x+ x+ x2 +2x
= ( +
+ ) = 1 .
2x
= lm
x+ x +
x2 +2x x+
lm
x
x
2x
x
x2 +2x
x
= lm
x+
1+
2
x
+2x
x2
= lm
x+
teniendo en cuenta que cuando x + , ser

a x > 0 y por tanto x = |x| =
1+
2
q
=
1+ x2
2
1+0+1
=1
x2 .
lm
x2 + 2x x = ( ) = 1 .
p
( x2 + 2x x)( x2 + 2x + x)
( x2 + 2x)2 x2
2
x + 2x x = lm
= lm
lm
x+
x+
x+
x2 + 2x + x
x2 + 2x + x
2
2
x + 2x x
2x
= lm
= lm
=1
2
2
x+
x+
x + 2x + x
x + 2x + x
Ejemplo 75
Ejemplo 76
x+
lm (1 + x1 )x = e
x+
Por definici
on, e =
1
n+1
1
x
<
1+
1
n
de donde
lm (1 +
n+
1
1 + n+1
1 n
y para cada x >
n)
1 + x1 < 1 + n1 . De esta
0 , existe n N con n < x n + 1 , luego con

desigualdad y de n < x n + 1 , tenemos que:
1

(1 + n+1
)n+1
1 n
1 x
1 x
1 n+1
1
1 n
1
+
1+
< 1+
=
<
1
+
1
+
1
n+1
x
n
x
n
n
1 + n+1

n+1
x
n+1
1
1 n
1
n+1
=
1+
1+
1+
<
n+2
n+1
x
n
n
si x + , entonces n y n+1 + , por lo que se cumple que
e lm (1 + x1 )x e .
x+
Nota: La Proposici
on 67 de convergencia propia cobra nuevo interes con los lmites con infinitos (para los que
tambien es v
alida), pues la condici
on de continuidad no es aplicable en muchos de estos casos. Adem
as, la
condici
on de convergencia propia, que cuando f (x) sea f (x) 6= se cumple de manera obvia.
Ejemplo Consideremos y = x en (1), y z = h(y) = y 1 en (2) entonces
lm (1 + x1 )x
(1)
=
=
y y
y
lm (1 y1 )y = lm ( y1
= lm ( y1
) = lm (1 +
y )
y+
lm (1 +
y+
y+
1
y1 )(1
y+
1 y1 (2)
= lm (1
y1 )
y+
y+
1
lm (1
y1 ) z+
1 y
y1 )
+ z1 )z = 1 e = e
Continuidad de algunas funciones elementales 77.- (Ver sus graficas en la figura 3.1 de la pagina 19.)
? f (x) = ex es continua en R y lm ex = 0 y lm ex = + .
x
x+
? f (x) = ln x es continua en (0, +) y lm+ ln x = y

x0
? f (x) = x continua en (0, ) y lm x = 0 y

x0+
? f (x) = sh x es continua en R y
? f (x) = ch x es continua en R y
? f (x) = th x es continua en R y
Prof: Jos
e Antonio Abia Vian
lm x = si > 0 (resp. y 0 si < 0 ).
x+
lm sh x = y
lm ch x = y
lm th x = 1 y
lm ln x = + .
x+
lm sh x = + .
x+
lm ch x = + .
x+
lm th x = 1 .
x+

on en un punto
? f (x) = sen x y f (x) = cos x son de periodicas de periodo 2 , continuas en R y 6 lm f (x) .

x
? f (x) = tg x es de periodo , continua en su dominio y
lm + tg x = y lm
tg x = .
x
2
3.3.3
x 2
Infinit
esimos e infinitos equivalentes
Definici
on 78.- Se dice que una funci
on f es un infinit
esimo en x0 si lm f (x) = 0 .
xx0
Una funci
on f (x) se dice que es un infinito en x0 si lm f (x) = + (o ).
xx0
f (x)
xx0 g(x)
Definici
on 79.- Dos infinitesimos en x0 , f y g , se dicen equivalentes en x0 si lm
f (x)
xx0 g(x)
Dos infinitos en x0 , f y g , se dicen equivalentes en x0 si lm
= 1.
= 1.
Proposici
on 80.- Si g(x) y h(x) son infinitesimos (o infinitos) equivalentes en x0 , entonces
f (x)
f (x)
lm g(x)f (x) = lm h(x)f (x)
y
lm
= lm
,
xx0
xx0
xx0 g(x)
xx0 h(x)
siempre que los segundos lmites existan.
Demostraci
on:
Si existe lm f (x)h(x) y lm
g(x)
xx0 h(x)
xx0
= 1 , entonces:
g(x)
xx0 h(x)
lm h(x)f (x) = lm
xx0
lm h(x)f (x) = lm
xx0
xx0
g(x)h(x)f (x)
h(x)
= lm g(x)f (x)
xx0
An
alogamente para el otro caso.
Algunos infinitos e infinit
esimos conocidos 81.- Usaremos la notacion f g
infinitos o infinitesimos equivalentes:
an xn + + a1 x + a0 an xn cuando x
an xn + + a1 x a1 x
sen(x) x
cuando x 0
tg(x) x
2
sen x1 x1
cuando x
1 cos(x) x2
ln(1 + x) x
cuando x 0
ex 1 x
2
sh(x) x
cuando x 0
ch(x) 1 x2
lm ln(x)
x1 x1
para indicar que f y g son

cuando
cuando
cuando
cuando
cuando
x0
x0
x0
x0
x0
En efecto, lm ln(x)
= lm ln(x)
= lm ln(1+t)
= lm tt = 1
t
x1 x1
x10 x1
t0
t0

2
x
x0x 0
x0 2 0
x sen( x
xx
xx
2)
2
lm
=
= lm ex2 21 =
= lm x22 = 12
2
sen( x2 ) x2
x0 ex 1
x0
x0
ex 1 x2

x + x1 0
1
lm 2x sen( x ) =
= lm 2x x1 = 2
sen( x1 ) x1
x+
x+
Ejemplos
= 1.
Nota: La hip
otesis de la Proposici
on, en el sentido de que los infinitesimos (o infinitos) sean factores o divisores
de la funci
on, deben tenerse muy presentes pues solo as garantizaremos el resultado. El ejemplo siguiente
muestra c
omo al sustituir un sumando por otro se falsea el resultado.
Sabemos que sen x y x son infinitesimos equivalentes en x = 0 , pero sen x no puede ser sustituido por x
en el lmite: lm senxxx
, pues si lo hacemos obtendramos como lmite 0 cuando su valor correcto es 1
3
6 .
x0
Los infinitesimos o infinitos equivalentes son funciones que tienen un comportamiento similar en el lmite,
pero no igual. Por ello, si los usamos en sumas o restas podemos eliminar esa diferencia (como ocurre en el
lmite anterior) y dejar sin sentido el lmite.
Al sustituir sen x por x en la resta de arriba estamos asumiendo que son iguales, pues sutituimos sen x x
3
por 0 , lo que no es cierto (es sen x x 6= 0 si x 6= 0 ); de hecho, el seno es mas parecido a sen x x x6 con
3
lo que la deferencia es m
as parecida a sen x x x6 que a 0 .
Prof: Jos
e Antonio Abia Vian
3.3.4

on en un punto
Asntotas de una funci

on
Una buena ayuda para la representaci

on de la grafica de las funciones son las asntotas. La grafica de f es
una representaci
on en el plano R2 formada por los puntos (x, y) con la condicion y = f (x) luego de la forma
(x, f (x)) ; por consiguiente, la gr
afica puede tener puntos que se alejan hacia el infinito. Basta tener en cuenta
que si el dominio es R , cuando x + los puntos de la grafica se alejan hacia + , lm f (x) .
x+
Estos alejamientos de la gr
afica se llaman ramas infinitas de la funcion, y puede ocurrir que la funci
on se
parezca a una recta en estas ramas infinitas. Las rectas cumpliendo que la distancia de los puntos de una
rama infinita a esa recta tienda hacia 0 a medida que se alejan, se denominan asntotas de la funcion.
Dado que en R2 , los puntos se alejan en la forma (x, ) , (, y) o (, ) (aqu, puede ser tanto +
como ), buscaremos tres tipos de asntotas: verticales, horizontales e inclinadas.
Asntotas verticales
Si lm f (x) = tenemos una rama infinita a la izquierda del punto x0 y la recta x = x0 es una asntota
xx
0
vertical de esa rama (el signo del lmite + o , nos indicara el comportamiento de la rama infinita).
Si lm+ f (x) = hay rama infinita a la derecha de x0 y la recta x = x0 es asntota vertical de esa rama.
xx0
Asntotas horizontales e inclinadas Aunque la b

usqueda de asntotas horizontales e inclinadas pueden
verse como procesos distintos, en ambos casos la variable x se aleja hacia el infinito (x, f (x)) , lm f (x)
x
y tambien, la recta es de la forma y = mx + n (con m = 0 para las horizontales).

Si buscamos una recta y = mx + n cumpliendo que f (x) (mx + n) 0 cuando x + , tambien se
n
cumplir
a que f (x)mxn
0 , de donde f (x)
a que m = lm f (x)
x
x m x 0 luego se tendr
x . Y conocido
x+
m , se tendr
a f (x) (mx + n) 0 f (x) mx n , de donde n = lm f (x) mx .
x+
En consecuencia, existir
a asntota cuando x + (o en + ), si existen y son reales los valores de los
lmites m = lm f (x)
y
n = lm f (x)mx, siendo y = mx + n es la asntota buscada. (Analogo en ).
x
x+
Ejemplo
x+
, tiene por dominio, Dom(f ) = (, 1) (1, 3) (3, +) .

La funci
on f (x) = (x1)(x+2)|x|
2
2
(x 1)(x3)
Como el numerador, es continuo en R, las asntotas verticales (si existen) estaran en los puntos donde se anule
el denominador, es decir, 1 , 1 y 3 .

(2) 1 |1|
(x 1)(x + 2) |x|
lm f (x) = lm p
=
=
0+
x1
x1
(x2 1)(x 3)2
(x 1)(x + 2) |x|
(x + 2) |x|
x1
3
x1
lm f (x) = lm+ p
= lm+ p
lm
= lm+
=0
2 x1
x1
x1
x2 1
(x2 1)(x 3)2
(x 3)2 x1+ x2 1

30
(x 1)(x + 2) |x|
30
=
+
l
m
f
(x)
=
lm f (x) = lm p
=
= +
0+
0+
x3+
x3
x3
(x2 1)(x 3)2
x1+
Luego las asntotas verticales son x = 1 (cuando x 1 , f (x) ) y x = 3 (cuando x 3 ,

f (x) + y cuando x 3+ , f (x) + ).
Estudiamos las asntotas en +,
(x 1)(x + 2)
|x|
f (x)
= lm p
lm
=11=1
2
2
x+
x+
x
x
(x 1)(x 3)
p
(x 1)(x + 2)x x (x2 1)(x 3)2
p
n = lm f (x) x = lm
x+
x+
(x2 1)(x 3)2
m = lm
x+
x(x1)(8x 3x13)

=4
= lm p
p
x+
(x2 1)(x3)2 (x1)(x+2) + (x2 1)(x3)2
y = x+4
@
@
x=3
@
@
y = x4@
x = 1
luego y = x+4 es asntota de f cuando x + . Analogamente,

se obtiene que y = x 4 es asntota cuando x .
4
Prof: Jos
e Antonio Abia Vian
3.4
3.4 Teoremas del lmite y de continuidad
Teoremas del lmite y de continuidad
Teorema 82 (de acotaci

on y del signo para lmites).- Sean f : A R R y x0 un punto de acumulaci
on de A. Si lm f (x) = L R , existe un entorno E(x0 , ) tal que f esta acotada en E (x0 , ) A.
xx0
Adem
as, si L 6= 0 , el valor de f (x) tiene el mismo signo que L.
Demostraci
on:
Sea > 0 fijo, entonces existe E (x0 , ) tal que |f (x) L| < , luego L < f (x) < L + , para todo
x E (x0 , ) . En consecuencia, f est
a acotada en dicho entorno reducido.
Para la segunda parte, basta tomar tal que 0 < L < f (x) si L > 0 , o tal que f (x) < L+ < 0 , si L < 0 .
Corolario 83.- Si f : A R es continua en x0 , entonces f esta acotada en alg
un entorno de x0 .
Adem
as, si f (x0 ) 6= 0 , el valor de f (x) tiene el mismo signo que f (x0 ) .
3.4.1
Teoremas de continuidad en intervalos cerrados
Teorema de Bolzano 84.- Sea f una funci

on continua en el intervalo [a, b] y que toma valores de signo opuesto
en a y b (es decir, f (a)f (b) < 0 ) entonces c (a, b) tal que f (c) = 0 .
.
Teorema de los valores intermedios 85.- Si f : [a, b] R es continua en [a, b] y f (a) 6= f (b) , entonces para
cada k entre f (a) y f (b) , existe c (a, b) tal que f (c) = k .
Demostraci
on:
Supongamos f (a) < f (b) , y sea f (a) < k < f (b) . La funcion g: [a, b] R dada por g(x) = f (x)k es continua
en [a, b] y verifica que g(a) = f (a)k < 0 y g(b) = f (b)k > 0 , luego por el Teorema de Bolzano (84) existe
c (a, b) tal que g(c) = f (c) k = 0 , es decir, con f (c) = k . Analogamente si f (b) < f (a) .
Corolario 86.- Sea I un intervalo de R y f : I R continua en I , entonces f (I) es un intervalo de R .
Teorema de acotaci
on 87.- Sea f una funci
on continua en el intervalo cerrado [a, b] , entonces f esta acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| M , para todo x [a, b] .
.
Teorema de Weierstrass 88.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un
m
aximo y un mnimo en [a, b] . Es decir, , [a, b] tal que f () f (x) f () , x [a, b] .
.
Corolario 89.- Si f es continua en (a, b) y lm f (x) = l1 R y lm f (x) = l2 R , la funcion f est
a
xb
xa+
acotada en (a, b) .
3.5
(Tambien es cierto cuando a es y cuando b es + .)
Ejercicios
3.26 Usar las Propiedades del orden 40 y las de las operaciones descritas en el apartado 3.1.4, para probar que:
entonces 0 < x2 < y 2
entonces 0 < |x| < |y|
entonces 0 < x2 < x
entonces x1 < y1 < 0
i) si 0 < x < y , entonces 0 < x < y
a)
c)
e)
g)
si
si
si
si
0 < x < y,
0 < x < y,
0 < x < 1,
y < x < 0,
Prof: Jos
e Antonio Abia Vian
y < x < 0 , entonces 0 < x2 < y 2

y < x < 0 , entonces 0 < |x| < |y|
1 < x, entonces 1 < x < x2
1
1
y < x < 0 , entonces 0 < |y|
< |x|
j) si 0 < x < y , entonces y < x < 0
b)
d)
f)
h)
si
si
si
si
3.5 Ejercicios
3.27 Hallar el dominio de las funciones reales de variable real dadas por:
(i) f1 (x) = x2 2x
(iv) f4 (x) = ln |x|
(vii) f1 (x) + f2 (x)
(x) f7 (x) =
x1
x+1
(xi) f8 (x) = ln(f6 (x))
(xiii) f3 (x) f3 (x)

(xvi)
q
(iii) f3 (x) = x1
x+1
(vi) f6 (x) = ln(2 x2 )
(ix) f21(x) + f31(x)
q
(xii) f9 (x) = x1
x+1
p
(ii) f2 (x) = |x| x
(v) f5 (x) = ln x
(viii) f3 (x) f1 (x)
(xiv) f9 (x) f7 (x)
f4 (x)+f5 (x)
f8 (x)
(xvii)
(xv)
(f5 f8 )(x)
(xviii)
f6 (x)
f1 (x)
f1 (x)
f6 (x)
(f1 f4 f2 )(x)
a) Expresar la funciones f2 y f4 como funciones definidas a trozos.

b) Por que los dominios de f3 y de f7 son distintos?
c) Cu
al ser
a el dominio de la funci
on f2 f2 ? Obtener su expresion.
3.28 Sean f y g dos funciones reales de variable real monotonas. Probar que:
a) Si f es (estrictamente) creciente, las funciones f (x) y f (x) son (estric.) decrecientes.
b) Si f es (estrictamente) decreciente, las funciones f (x) y f (x) son (estric.) crecientes.
c) Si f es (estric.) creciente y positiva, la funcion
1
f (x)
d) Si f es (estric.) decreciente y positiva, la funcion

caso y en el anterior si la funci
on f es negativa?
es (estric.) decreciente.
1
f (x)
es (estric.) creciente. Que ocurrira en este
e) Si f y g son crecientes (decrecientes), f + g es creciente (decreciente).

f) Buscar una funci
on f creciente y una g decreciente tales que f + g sea creciente; y otras para que
f + g sea decreciente.
g) Si g es creciente y f es creciente (decreciente), g f es creciente (decreciente).
h) Si g es decreciente y f es creciente (decreciente), g f es decreciente (creciente). Que ocurrira si
la monotona de g es estricta? Y si lo es la de f ? Y si lo son ambas?
3.29 Usar los resultados del ejercicio anterior, para probar lo siguente:
a) Probar que f (x) =
b) Sabiendo que e
crecientes.
1
x2 +1
es creciente en (, 0) y decreciente en (0, +) .
es esctirtamente creciente en R y que x = eln x , probar que sh(x) y ln(x) son
c) Probar que f (x) =
x2 1
x2 +1
es creciente en (0, +) y usarlo para probar que th(x) es creciente en R .
3.30 Sea f : R R, se dice que f es par si f (x) = f (x) , y que es impar si f (x) = f (x) .
a) Comprobar si sen x , cos x , tg x , sh x , ch x , th x y xn , para n = 0, 1, 2, . . ., son pares o impares.
b) Si f es par y creciente en (0, +) , sera tambien creciente en (, 0) ?
c) Si f es impar y creciente en (0, +) , sera tambien creciente en (, 0) ?
d) Que caracterstica especial cumplen las graficas de las funciones pares? Y las de las funciones
impares? Justificar la respuesta
3.31 Para las funciones que aparecen en el Ejemplo 56 anterior, dibujar su grafica y la de su inversa en los
dominios indicados.
Si una funci
on f : A B es creciente (decreciente) en A , diras que su inversa f 1 : B A tambien
es creciente (decreciente) en B ?
Probarlo en el caso de creer que es cierto, o en el caso de creer que es falso, justificarlo con un ejemplo.
3.32 Sean las funciones f , g y h , funciones reales definidas por:
2 1

2x 2 , si x (, 1]
1, si x 0
1 x2 , si x (1, 0)
f (x) =
; g(x) =
;
1, si x > 0
3
,
si
x
[0,
)
2
1x
Prof: Jos
e Antonio Abia Vian
(
h(x) =
x3 1
2x2 ,
si |x + 1| 1
x2 +2
2x+4 ,
si |x + 1| > 1
3.5 Ejercicios
a) Describir la casustica de f y h mediante la pertenencia de x a intervalos (como la funcion g )

b) Describir la casustica de g y h mediante desigualdades de x (como la funcion f )
c) Obtener su dominio y el de las funciones |f | , |g| , f +g y f h.
d) Hallar las expresiones de |f | , |g| , f +g y f h, como funciones definidas a trozos.
e) Encontrar el dominio y la expresi
on de las funciones compuestas f (x2 ) y g(2 x) .
f) Encontrar el dominio y la expresi
on de las funciones g f y f g .
3.33 Calcular los siguientes lmites:
a)
d)
g)
j)
7x3 +4x
lm
2
3
x 3xx 2x
x2 4
lm 2
x2 x (2+x)
lm x2 + 3x
x
14x2
lm
2x+1
1 +
x 2
7x3 +4x
lm 3xx
2 2x3
x
1+4x2
lm
x 4+x
lm (2 x2 )2x
x0
|x|x
lm 2
x0 x 2x
b)
e)
1x
h)
k)
c)
f)
i)
l)
3
lm 7x 2+4x 3
x0 3xx 2x
2
lm senx2 x
x
2x
lm (x2 + 2) x10
x+
lm
x1+
1
x2 x
x+1
x1
3.34 Usar lmites laterales para verificar la existencia o no de los siguientes lmites:
a)
lm
x1
(1x)2
x1
x
x0 |x|
b)
lm
c)
lm
x0
1
x
1
|x|
d)
lm
x0
|x|
x

1 x
3.35 Probar, razonadamente, que los siguientes lmites valen 0 :
2
lm ( x 1) ex +2
a)
lm x2 sen x1
b)
x1
c)
x0
(xa)2
xa |xa|
lm
3.36 Usar la continuidad de las funciones, para hallar:

a)
lm ln
x0
3+
(1x)2
x2 +1
b)
lm tg(ln(cos(e x )))
x0
c)
lm
1
1 + cos2 ( th( |x|
))
3.37 Encontrar infinitesimos e infinitos equivalentes a:
a) sen2 1 x2 , cuando x 1+
c) 1q cos((2 x2 )2 ), cuando x 2
1x
e)
3x3 +12x2 , cuando x 0
b)
1 + x2 + 2x4 , cuando x
d) ln(1 x1 ), cuando x
g) ln(x2 ), cuando x 1
i) sen(x), cuando x 2
h) 1 e2x , cuando x 0
j) tg(x6 ), cuando x 0
f)
cos(x), cuando x
3.38 Calcular, si existe, el valor de:

a)
3.39
lm
x0
ln(cos x)
x2
b)
lm
x0
sen2 x+ex 1
th(2x)
c)
lm x3 sen( x31+x )
d)
3
5
lm 7x tg(x x 2)
x0 (cos(2x)1)
(x)
a) Si f y g son ifinitesimos cuando x a y lm fg(x)
= L 6= 0 , probar que f (x) y L g(x) son
xa
infinitesimos equivalentes cuando x a.
b) Si es una raz de multiplicidad m del polinomio P (x) = an xn + + a1 x + a0 , probar que P (x)

y k(x )m son infinitesimos equivalentes cuando x , para alg
un valor k 6= 0 .
3.40 Usar el resultado
a)
lm f (x) = lm f (a + h)
xa
ln(x2 )
x1 x1
lm
b)
x3 +23
x2 x+2
lm
3.41 Usar el logaritmo neperiano, para probar que
Prof: Jos
e Antonio Abia Vian
para calcular
h0
c)
lm 3 sen(+x)
1cos(x)
lm (1 + x1 )x = e y que
x+
d)
cos x
lm 2x
x
2
lm (1 + x1 )x = e .
3.5 Ejercicios
3.42 Calcular, si existe, el valor de:

a)
lm

x
1 x1
b)
lm
3x
1x
2x
c)
lm
x1
2
x+1
3x
1x
lm (1 + cos x) cos x
d)
x
2
x2 3
x+1
3.43 Considerar las funciones reales de variable real dadas por f (x) =
x1
3x2
y g(x) =
Estudiar la continuidad de f y g en sus dominios de definicion (indquese tambien la continuidad lateral,

si ha lugar).
3.44 Estudiar la continuidad de las siguientes funciones en su dominio:

a)
f (x) =
(
c)
f (x) =
sen x
x ,
si x 6= 0
1, si x = 0
x2 +x 2
x1 ,
3 2
4 ,
si x 6= 1
si x = 1
x2 4
x2 (2+x) ,
x, si |x| > 1
x3 , si |x| 1
b) f (x) =
d) f (x) =
si x 6= 2
0, si x = 2
ax + 1, si x < 3
a + b, si x = 3 es continua en R ?
3.45 Para que valores de las constantes a y b, f (x) =
2
bx 2, si x > 3
3.46 Sean las funciones f, g, h: R R , definidas a trozos mediante:

f (x) =
1, si x 0
;
1, si x > 0
2 1
2x 2 , si x 1
1 x2 , si 1 < x < 0 ;
g(x) =
3
1+x2 , si x 0
(
h(x) =
x3 1
2+x2 ,
2
x +2
2x+4 ,
si |x + 1| 1
si |x + 1| > 1
a) Estudiar la continuidad de cada una de ellas (indquese tambien la continuidad lateral).

b) Hallar las expresiones de |f | , |g| , f +g y f h, como funciones definidas a trozos.
c) Estudiar la continuidad de las funciones anteriores. Que ocurre en los casos donde no puede aplicarse
la regla general?
d) Realizar lo pedido en los apartados b) y c) para la funcion g f .
3.47 Estudiar la continuidad de las siguientes funciones seg
un los valores del parametro a :
(
a) fa (x) =
a x, si x a
x(a2 x2 )
a2 +x2 , si x > a
b) fa (x) =
x2 a
a2 +x2 ,
x
2,
2
a x
a2 +x2 ,
si x < a
si x = a
si x > a
3.48 Probar que las gr

aficas de las funciones f (x) = ex y g(x) = 3x , se cortan al menos en dos puntos del
intervalo [0, 2] .
3.49 Estudiar si las funciones del ejercicio 3.44 estan acotadas superior e inferiormente.
Prof: Jos
e Antonio Abia Vian
Captulo 4
C
alculo de primitivas
4.1
Primitiva de una funci

on
Definici
on 90.- Diremos que la funci
on F continua en [a, b] , es una primitiva de la funcion f en el intervalo
[a, b] si y s
olo si F 0 (x) = f (x) , x (a, b) .
Teorema 91.- Si F y G son dos funciones primitivas de la funcion f en [a, b] , entonces F G es una funci
on
constante en [a, b] .
Demostraci
on:
Para cada c (a, b) , se tiene que (F G)0 (c) = F 0 (c) G0 (c) = f (c) f (c) = 0 , luego tiene derivada nula.
Por el teorema del valor medio de Lagrange, para cada x [a, b] ,

F (x) G(x) F (a) G(a) = (F G)0 (c)(x a) = 0,
luego F (x) G(x) = F (a) G(a) = k para todo x [a, b] .
Observaci
on: Como consecuencia del teorema anterior, se tiene que si F es una funcion primitiva de f en [a, b] ,
entonces {F (x) + C : C R} es el conjunto formado por todas las funciones primitivas de f en [a, b] .
Definici
on 92.- Llamaremos
integral indefinida de f al conjunto de todas las primitivas de la funcion f , y
Z
lo denotaremos por f (x) dx .
Z
Si F es una funci
on primitiva de f , escribiremos u
nicamente f (x) dx = F (x) + C , con C R .
Z
Propiedad 93.-
Z
(f + g)(x) dx =
Z
f (x) dx + g(x) dx .
Es decir, una primitiva de la suma y el
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostraci
on:
Sean F 0 (x) = f (x)
G0 (x) = g(x) . Entonces
((F + G)(x))0 = F 0 (x) + G0 (x) = f (x) + g(x) = (f + g)(x),

luego F + G es una primitiva de f + g .
4.1.1
Tabla de integrales inmediatas
Es usual manejar una tabla de primitivas inmediata, pero que en realidad se reduce a una tabla de derivadas
conocidas:
Z
Z
Z
1
1
xa dx = a+1
xa+1 + C, a 6= 1
dx
=
ln
|x|
+
C
ax dx = ln1a ax + C
x
Z
Z
Z
1
cos x dx = sen x + C
sen x dx = cos x + C
cos2 x dx = tg x + C
Z
Z
Z
dx
1
1 dx = arccos x + C
dx = arcsen x + C
2
2
sen2 x = cotg x + C
Z
Z 1x
Z 1x
1
1
ch x dx = sh x + C
1+x2 dx = arccotg x + C
1+x2 dx = arctg x + C
Z
Z
Z
1
1
sh x dx = ch x + C
dx = th x + C
dx
=
argsh
x
=
ln(x
+
x2 + 1) + C
2
ch2 x
x +1
Z
Prof: Jos
e Antonio Abia Vian
1
1x2
dx = argth x =
1
2
ln
1+x
1x
Z
+C
1
x2 1
dx = argch x = ln(x +
x2 1) + C
4.2
4.2 Metodos de integraci

on
M
etodos de integraci
on
4.2.1
M
etodo de sustituci
on
Si F (x) es una primitiva de f (x) , entonces F ((x)) es una primitiva de la funcion f ((x))0 (x) , es decir,
Z
f ((x))0 (x)dx = F ((x)) + C.
En efecto, por la Regla de la cadena, (F ((x)))0 = f ((x))0 (x) .
Z
Ejemplo Encontrar una expresi
on para 4(x2 + 1)3 2xdx .
Soluci
on:
F (x) = x4 es una primitiva de f (x) = 4x3 y, si (x) = x2 +1 se tiene 0 (x) = 2x . Luego F ((x)) = (x2 +1)4
es una primitiva de f ((x))0 (x) = 4(x2 + 1)3 2x . Es decir,
Z
4(x2 + 1)3 2xdx = (x2 + 1)4 + C.
4
Combinando este metodo con la tabla de integrales inmediatas, podemos componer toda una tabla de
integrales casi inmediatas:
4.2.1.1
Tabla de integrales casiinmediatas

(v(x))a+1
(v(x)) v (x)dx =
+ C, a 6= 1
a+1
Z
av(x)
av(x) v 0 (x)dx =
+C
ln a
Z
sen(v(x))v 0 (x)dx = cos(v(x)) + C
Z
1
v 0 (x)dx = cotg(v(x)) + C
2
sen (v(x))
Z
1
p
v 0 (x)dx = arccos(v(x)) + C
1 (v(x))2
Z
1
v 0 (x)dx = arctg(v(x)) + C
1 + (v(x))2
Z
sh(v(x))v 0 (x)dx = ch(v(x)) + C
Z
1
p
v 0 (x)dx = argsh(v(x)) + C
(v(x))2 + 1
Z
1
p
v 0 (x)dx = argch(v(x)) + C.
(v(x))2 1
Z
4.2.2
Z
Sea
a 0
1 0
v (x)dx = ln |v(x)| + C
v(x)
cos(v(x))v 0 (x)dx = sen(v(x)) + C
1
v 0 (x)dx = tg(v(x)) + C
cos2 (v(x))
Z
1
p
v 0 (x)dx = arcsen(v(x)) + C
1 (v(x))2
Z
1
v 0 (x)dx = arccotg(v(x)) + C
1 + (v(x))2
Z
ch(v(x))v 0 (x)dx = sh(v(x)) + C
Z
1
v 0 (x)dx = th(v(x)) + C
ch2 (v(x))
Z
1
v 0 (x)dx = argth(v(x)) + C
1 (v(x))2
Cambio de variable
f (x)dx. Si x = (t) , con derivable y existe 1 tambien derivable. Entonces
Z
Z
f (x)dx =
f ((t))0 (t)dt.
Demostraci
on:
Z
Z
Sean f (x)dx = F (x) + C1 y f ((t))0 (t)dt = G(t) + C2 . Como F (x) es una primitiva de f (x) se tiene
que F ((t)) es una primitiva de f ((t))0 (t) , luego F ((t)) = G(t) + C , y, por tanto, F (x) = F ((1 (x))) =
G(1 (x)) + C .
Se hace un cambio de variable x = (t) para transformar la integral de partida en otra mas sencilla o
inmediata.
Prof: Jos
e Antonio Abia Vian
Z
Ejemplo Hallar
4.3 Integraci
on seg
un el tipo de funci
on
1 + xdx.
Soluci
on:
Si tomamos 1 + x = t3 , es decir, x = (t) = t3 1 , es derivable, existe 1 y es derivable. Entonces,
como dx = 0 (t)dt = 3t2 dt , se tiene
Z
Z
Z
Z
4
t4
3
3
3
3
1 + xdx =
t3 3t2 dt = 3t3 dt = 3 t3 dt = 3 =
1 + x + C.
4
4
4
4.2.3
Integraci
on por partes
En forma cl
asica, la derivada de un producto se escribe como d(uv) = udv + vdu, de donde udv = d(uv) vdu.
Entonces
Z
Z
udv = uv vdu
expresi
on conocida como f
ormula de integraci
on por partes.
Z
Ejemplo Calcular
ln xdx.
Soluci
on:

Si tomamos
4.3

u = ln x
du = x1 dx
, se tiene
, de donde
dv = dx
v=x
Z
Z
Z
1
ln x dx = x ln x x dx = x ln x dx = x ln x x + C.
x
Integraci
on seg
un el tipo de funci
on
4.3.1
Integrales racionales
Resumen de resultados conocidos.

ai R.
Sea la ecuacion polinomica P (x) = a0 + a1 x + . . . + an xn = 0 , con
? Si ai Z, para todo i , entonces toda raiz entera de P (x) es divisor del coeficiente a0 .
? Si ai Z, para todo i , el denominador de toda raiz fraccionaria de P (x) es divisor del coeficiente an y
el numerador es divisor del coeficiente a0 .
? Si ai R, para todo i, y + i es una raiz compleja de P (x) entonces, tambien i es raiz de P (x) .
? Todo polinomio con coeficientes reales puede descomponerse en la forma
P (x) = an (x r1 )n1 (x r2 )n2 (x rs )ns (x2 + p1 x + q1 )m1 (x2 + pk x + qk )mk ,
donde n1 + + ns + 2m1 + + 2mk = n , los ri son las raices reales de P (x) y los terminos x2 + pj x + qj
agrupan las raices complejas j + j i y j j i (verifican por tanto que p2j 4qj < 0 ).
4.3.1.1
Descomposici
on en fracciones simples
Sean Q y P funciones polin

omicas reales y
Q(x)
P (x)
la funcion racional cociente de ambas.
? Si el grado de P es mayor que el de Q se dice que es una fraccion propia, en cuyo caso, si P (x) se
nica en la forma
descompone como en el punto anterior, Q(x)
P (x) puede descomponerse de manera u
Q(x)
1
=
P (x)
an
A1
A2
An 1
+
+
+ +
(x r1 )n1
(x r1 )n1 1
(x r1 )
B1
B2
Bn2
+
+
+ +
+
(x r2 )n2
(x r2 )n2 1
(x r2 )
+
+
L1
L2
Lns
+
+
+ +
+
n
n
1
s
s
(x rs )
(x rs )
(x rs )
Prof: Jos
e Antonio Abia Vian
4.3 Integraci
on seg
un el tipo de funci
on
M 2 x + N2
Mm x + Nm1
M 1 x + N1
+ 2
+ + 2 1
+
m
m
1
1
1
+ p1 x + q1 )
(x + p1 x + q1 )
x + p1 x + q1
+
+

E1 x + F1
E2 x + F2
Emk x + Fmk
+ 2
+ 2
+ + 2
(x + pk x + pk )mk
(x + pk x + qk )mk 1
x + pk x + qk
+
(x2
Descomposici
on que se denomina en fracciones simples.
? Si el grado de Q es mayor que el grado de P , se dice que la fraccion es impropia, en cuyo caso, al dividir
de forma entera el numerador por el denominador, se obtiene que
Q(x)
R(x)
= M (x) +
,
P (x)
P (x)
donde M (x) es un polinomio y
R(x)
P (x)
una fraccion propia.
Como P (x) es el polinomio denominador com

un de los terminos de la descomposicion, el polinomio Q(x)
debe coincidir con el polinomio que se obtiene en el numerador al sumar las fracciones simples. En consecuencia
los nuevos coeficientes que aparecen en la descomposicion son aquellos que hacen iguales ambos polinomios.
4.3.1.2
Integraci
on de funciones racionales
Encontrar una primitiva de
Q(x)
P (x)
, es resolver integrales de los tipos

Z
a)
A
dx
(xr)k
Z
b)
M x+N
dx
(x2 +px+q)k
a) Estas integrales son inmediatas, pues si k = 1 ,

Z
A
dx = A ln |x r|,
xr
y si k > 1 ,
Z
A
dx =
(x r)k
A(x r)k dx = A
A
(x r)k+1
1
.
=
k + 1
1 k (x r)k1
b) Como 4q p2 > 0 , se tiene que

x2 + px + q = (x + p2 )2 + (q
donde R =
Z
q
q
p2
4
y t=
x p
2
R
p2
4 )
= (x p2 )2 + R2 = R2 (t2 + 1) ,
, luego haciendo el cambio x = Rt + p2 , con dx = Rdt, se tiene que

Z
Z
Z
1
1
N0
Mx + N
M 0t + N 0
M 0t
dx = 2 k
Rdt = 2k1
dt +
dt
(x2 + px + q)k
(R )
(t2 + 1)k
R
(t2 + 1)k
(t2 + 1)k

0Z
Z
1
2t
1
M0
N0
M
0
0
= 2k1
dt
+
N
dt
=
I
+
Ik
k
R
2
(t2 + 1)k
(t2 + 1)k
2R2k1
R2k1
integrales que se resuelven de forma inmediata en los siguientes casos:

Z
Z
2t
0
2
? Si k = 1 , I1 = t2 +1 dt = ln |t + 1| ,
I1 = t21+1 dt = arccotg t.
Z
2t
1
1
0
? Si k > 1 , Ik = (t2 +1)
k dt = 1k (t2 +1)k1 .
Para resolver Ik , se realiza un proceso que consiste en ir bajando sucesivamente la potencia k hasta que
sea 1, de la forma siguiente

Z
Z
Z
1 t2 + t2
1 + t2
t2
1
Ik =
dt =
dt =
2
dt
(t2 + 1)k
(t2 + 1)k
(t2 + 1)k
(t + 1)k
Z
Z
1
t2
=
dt
dt = Ik1 I
(t2 + 1)k1
(t2 + 1)k
Prof: Jos
e Antonio Abia Vian
4.3 Integraci
on seg
un el tipo de funci
on

Haciendo en I integraci
on por partes,
u=t
dv = (1+tt 2 )k dt

se tiene
du = dt
1
1
v = 2(1k)
(1+t2 )k1

, luego
Z
1
1
t
1
+
dt
2
k1
2(1 k) (1 + t )
2(1 k)
(1 + t2 )k1

1
1
t
=
+ 1
Ik1
2
k1
2(k 1) (1 + t )
2(k 1)
Ik = Ik1
Si k 1 = 1 , Ik1 = I1 = arccotg t . Si k 1 > 1 , se repite el proceso.

Z
1+x
Ejemplo Calcular
x4 +x3 +x2 dx .
Soluci
on Como P (x) = x2 (x2 + x + 1) , y x2 + x + 1 no tiene raices reales, se tiene
1+x
B
A
Mx + N
A(x2 + x + 1) + Bx(x2 + x + 1) + (M x + N )x2
+
=
+
=
x2 (x2 + x + 1)
x2
x
x2 + x + 1
x2 (x2 + x + 1)
de donde 1 + x = A + (A + B)x + (A + B + N )x2 + (B + M )x3 , es decir,
1 + x + 0x2 + 0x3 = A + (A + B)x + (A + B + N )x2 + (B + M )x3 ,
1 = A
A=1
1=A+B
B=0
obteniendose el sistema
con soluciones
. Entonces
0
=
A
+
B
+
N
N
= 1
0=B +M
M =0
Z
Z
Z
Z
dx
dx
1 4
dx
dx
=
4
1 2
x2 (x2 + x + 1)
x2
x2 + x + 1
x
3
(x
3
2) + 1
Z
Z
3
1 4
1 4
dx
2 dt
=
)2 + 1
x
3
x
3
t2 + 1
( 2x1
3
1
2
1
2
2x 1
=
arccotg t =
arccotg
+C
x
x
3
3
3
4.3.2
Integraci
on de funciones trigonom
etricas
Cambios de variable especficos.

? Integrales de los tipos:
Z
sen(mx) cos(nx)dx
Z
cos(mx) cos(nx)dx
sen(mx) sen(nx)dx.
se resuelven usando las relaciones

(1) + (2) :
2 sen x cos y = sen(x + y) + sen(x y)
(3) + (4) :
2 cos x cos y = cos(x + y) + cos(x y)
(3) (4) : 2 sen x sen y = cos(x + y) cos(x y)
obtenidas a partir de la f
ormulas trigonometricas:
(1) sen(x + y)=sen x cos y + sen y cos x
(2) sen(x y)=sen x cos y sen y cos x
Z
? Integrales de la forma
(3) cos(x + y)=cos x cos y sen x sen y

(4) cos(x y)=cos x cos y + sen x sen y
senm x cosn xdx con m, n Z.
Si m es impar se resuelven usando el cambio t = cos x .

Si n es impar con el cambio t = sen x .
Si m y n son pares positivos se resuelven utilizando las formulas del angulo mitad
sen2 x =
Prof: Jos
e Antonio Abia Vian
1 cos(2x)
2
cos2 x =
1 + cos(2x)
2
sen x cos x =
sen(2x)
.
2
Z
4.3 Integraci
on seg
un el tipo de funci
on
tgn xdx ,
cotgn xdx con n N se calculan mediante las formulas:
tg2 x = sec2 x 1
Z
Ejemplo Hallar
Z
cotg2 x = cosec2 x 1
sen2 x cos2 xdx .
sen4 x cos2 xdx =

=
=
=
=
=
=
2

Z

1 + cos 2x
1
1 cos 2x
1 cos 2x cos2 2x + cos3 2x dx
dx =
2
2
8

Z
1
1 + cos 4x
1 cos 2x
+ cos3 2x dx
8
2
Z
Z
Z
Z
1
1
1
1
1
cos 2xdx
cos 4xdx +
cos3 2xdx
dx
8
2
8
16
8

Z
x
sen 2x sen 4x 1
t = sen 2x
3
cos 2xdx =
+
dt = 2 cos 2xdx
16
16
64
8
Z
dt
x sen 2x sen 4x 1
x sen 2x sen 4x
1
t3
(1 t2 ) =
+ (t )
16
64
8
2
16
64
16
3
x sen 2x sen 4x sen 2x sen3 2x
+C
16
64
16
48
sen 4x
sen3 2x
x
+
+C
16
64
48
Z
Cambios m
as generales para
etricas.
Z las integrales trigonom
Las integrales de la forma
R(sen x, cos x)dx , siendo R(sen x, cos x) una funcion racional en sen x y cos x .
? Si se cumple R(sen x, cos x) = R( sen x, cos x) entonces la integral se puede reducir a una integral
racional empleando el cambio t = tg x .
dt
Es decir, x = arccotg t dx =
.
1 + t2
1
1
t
Por otra parte 1 + tg2 x =
= cos x =
y por tanto sen x =
.
cos2 x
1 + t2
1 + t2
Z
? En general, una integral del tipo
R(sen x, cos x)dx se transforma en una integral racional utilizando el
cambio
t = tg
4.3.3
Z
x
2dt
x
= = arccotg t dx =
,
2
2
1 + t2
cos x =
1 t2
1 + t2
sen x =
2t
.
1 + t2
Integraci
on de funciones exponenciales e hiperb
olicas
R(ax )dx ; siendo R(ax ) una funci

on racional en ax .
El cambio t = ax convierte dicha integral en racional:
t = ax = dt = ax ln adx = dx =
Dado que ch x =
ex +ex
2
y sh x =
ex ex
2
dt
t ln a
Z
, resulta que entonces cualquier integral del tipo
R(sh x, ch x)dx
se puede resolver por el cambio anterior. Pero tambien existen unas relaciones entre las funciones hiperb
olicas
que hacen que su integraci
on sea similar a la de las funciones trigonometricas:
ch2 x sh2 x = 1
sh2 x =
ch 2x 1
2
ch2 x =
ch 2x + 1
2
1
ch2 x
De entre todos los casos que nos aparecen en la integracion de funciones racionales hiperbolicas destacamos:
sh 2x = 2 sh x ch x
Prof: Jos
e Antonio Abia Vian
1 th2 x =
? Cambio t = th x = dx =
? Cambio t = th
Z
Ejemplo Hallar
x
2
4.3 Integraci
on seg
un el tipo de funci
on
dt
1t2
= dx =
ch x =
2dt
1t2
1
1t2
ch x =
1+t2
1t2
sh x =
t
1t2
sh x =
2t
1t2
ex 1
ex +1 dx.
x
Soluci
on Con el cambio t = e , se tiene dt = ex dx = tdx , luego

x

Z
Z
Z
(e + 1)2
ex
2
1
t 1 dt
+ C.

dx =
=
dt = 2 ln |t + 1| ln |t| = ln

ex + 1
t+1 t
t+1
t
ex
4.3.4
Integrales irracionales
Z

pq1
p2

pk
1
ax+b q2
ax+b qk
R x, ax+b
,
,
.
.
.
,
dx , siendo R una funcion racional
cx+d
cx+d
cx+d
en esas variables y las fracciones
p1 p2
pk
q1 , q2 , . . . , qk
irreducibles.
Sea n = mcm(q1 , q2 , . . . , qk ) , el cambio de variable tn =

racional. (Ver ejemplo 4.2.2.)
Z
p
? Integrales del tipo
R(x, a2 x2 )dx
ax+b
cx+d
transforma la integral irracional en una
Se resuelven mediante alguno de los cambios: x = a sen t o x = a cos t o x = th t .

Z
p
R(x, a2 + x2 )dx
Se resuelven mediante alguno de los cambios: x = a tg t o x = a sh t .
Z
p
R(x, x2 a2 )dx
Se resuelven mediante alguno de los cambios: x = a sec t o x = a ch t .
Z
Ejemplo Encontrar
1 x2 dx.
Soluci
on Con el cambio x = sen t , dx = cos tdt . Entonces
Z p
Z p
Z
Z
1 x2 dx =
1 sen2 t cos tdt =
cos2 t cos tdt = cos2 tdt
Z
t
sen 2t
arcsen x sen(2 arcsen x)
1
(1 cos 2t)dt =
=
+C
=
2
2
4
2
4
4.3.4.1
Integrales binomias
Z
Las integrales binomias, son de la forma
xp (a + bxq )r dx , con p, q, r Q.
Chebichev prob
o que es posible racionalizar la integral binomia cuando es entero uno de los tres n
umeros
p+1
siguientes: r, p+1
,
+
r
.
q
q
? Si r N , entonces se desarrolla (a + bxq )r seg
un el binomio de Newton.
1q
? Si r
/ N , haremos el cambio: t = xq = dx = 1q t q dt, por tanto
Z
Z
p+1
1
xp (a + bq )r dx =
t q 1 (a + bt)r dt.
q
Si r Z, con r negativo, la integral siempre se va a poder convertir en una racional con el cambio
1
p+1
u = t s siendo s N el denominador de la fraccion irreducible m
s = q 1.
Si r
/ Z, pero
con lo que si
Prof: Jos
e Antonio Abia Vian
p+1
q
p+1
q
Z, la integral se ha convertido en un tipo ya estudiado. Si no

r
Z
Z
p+1
p+1
1
1
a + bt
t q 1 (a + bt)r dt =
t q 1+r
dt,
q
q
t
+ r Z la integral se ha convertido de nuevo en una del tipo anterior.

Z
Ejemplo Hallar
Soluci
on Como r =
Como
Z
7
2
4.4 Ejercicios
x 2 (1 + x 3 ) 2 dx.
1
1
2
/ N, hacemos el cambio t = xq = x 3 , luego x = t3 y dx = 3t2 dt . Entonces

Z
Z
Z
1
3
1
7
1
21
21 2
2
3
2
x (1 + x ) dx = t (1 + t) 3t dt = 3t 2 (1 + t) 2 dt
1
/ Z, multiplicamos y dividimos por t 2 , obteniendo

7
2
12
3t (1 + t)
Z
dt = 3
7
1
22
1+t
t
21
Z
dt = 3
u6
2udu
u
=6
2
3
(1 u ) (1 u2 )2
t
1+t
12
(

dt = u =
t=
dt =
u2
1u2
2udu
(1u2 )2
u8
du
(1 u)5 (1 + u)5
r
q
1
t
x3
que es una integral racional en u. Se resuelve, y teniendo en cuenta que u = 1+t =
se obtiene el
1
Z
=3
u8
du = 6
(1 u2 )5
t
1+t
1+x 3
resultado buscado.
4.4
Ejercicios
4.50 Encontrar la expresi

on de las siguientes integrales indefinidas:
Z
1)
tg xdx
Z
4)
e
Z
7)
Z
10)
cos xdx
5)
Z
1 x2 dx
8)
Z
dx
ex 1
11)
Z
13)
Z
16)
Z
19)
Z
22)
Z
25)
Z
28)
Z
31)
Z
34)
Z
37)
Z
40)
Z
43)
Z
46)
Prof: Jos
e Antonio Abia Vian
x(3x + 1) dx
Z
sen x
2)
3)
Z
x
1+x4 dx
6)
1+x
dx
1+ x
9)
Z
Z
ln(2x)
x ln(4x) dx
12)
Z
x sen xdx
14)
x4 6x3 +12x2 +6
x3 6x2 +12x8 dx
17)
dx
(x+1)2 (x2 +1)2
20)
cos x cos2 (3x)dx

tg3
x
4
+ tg4
x
4
cos5 x
sen3 x dx
Z
23)
Z
dx
26)
Z
29)
Z
dx
cos6 x
32)
3 sen x+2 cos x

2 sen x+3 cos x dx
35)
ch4 xdx
38)
Z
arccotg xdx
15)
dx
(x+1)(x2 +x+2)2
18)
x8
(1x2 )5 dx
21)
Z
Z
Z
cos x2 cos x3 dx
24)
sen5 xdx
27)
cos6 (3x)dx
30)
Z
Z
Z
cos2 x
sen6 x dx
33)
dx
cos x+2 sen x+3
36)
x+1+2
dx
(x+1)2 x+1
41)
dx
x+ 3 x
44)
dx
(x2) 5xx2 4
47)
sh3 x ch xdx
Z q
x x1
x+1 dx
Z
39)
Z
42)
x4 (1 + x2 )
x(2x + 5)10 dx
dx
x x2 2
ln2 xdx
x3 +x1
(x2 +2)2 dx
x
x6 +1 dx
2x+1
(x2 +4)3 dx
tg2 (5x)dx
sen3
45)
1
2
48)
cos5 x2 dx
dx
1+3 cos2 x
dx
ex +1
dx
sh2 x+ch2 x
dx
(2x) 1x
Z
dx
x
2
sen4 xdx
dx
x x2 +4x4
6x2 +4
x3 +2x+7 dx
x
dx
x2 x2
2x
dx.
3
1+x3
Captulo 5
Matrices y sistemas lineales

5.1
Definiciones b
asicas
Una matriz es una tabla rectangular de n

umeros, es decir, una distribucion ordenada de n
umeros. Los
n
umeros de la tabla se conocen con el nombre de elementos de la matriz. El tama
no de una matriz
se describe especificando el n
umero de filas y columnas que la forman. Si A es una matriz de m filas y
n columnas, Amn , se usar
a aij para denotar el elemento de la fila i y la columna j y, en general, se
representar
a por
a11 a12 a1n

a21 a22 a2n
A = (aij ) 1im = (aij )mn = .

..
.. .
1jn
..
. .
am1 am2 amn
Dos matrices son iguales si tienen igual tama
no y los elementos correspondientes de ambas matrices iguales.
Una matriz Ann (
o An ) se denomina matriz cuadrada de orden n y de los elementos de la forma a11 ,
a22 , . . . , ann se dice que forman la diagonal principal. De una matriz A1n se dice que es una matriz fila
y de una matriz Am1 que es una matriz columna.
5.1.1
Operaciones con las matrices
Las matrices con las que trabajaremos habitualmente seran matrices reales, es decir que sus elementos sean
n
umeros reales. Sin embargo, los resultados y definiciones dados aqu son igualmente validos para el cuerpo de
los complejos.
Suma: Si A y B son dos matrices del mismo tama
no, mn , la suma A + B es otra matriz de tama
no mn
donde el elemento ij de A + B se obtiene sumando el elemento ij de A con el elemento ij de B . Es decir,
si A = (aij )mn y B = (bij )mn , entonces A + B = (aij + bij )mn .
El neutro de la suma es la matriz cero, 0 , con todos sus elementos cero, y la matriz opuesta de A , se
designa por A, y es A = (aij )mn .
Producto por escalares: Si A es una matriz mn y k R un escalar, el producto kA es otra matriz del
mismo tama
no donde cada elemento de A aparece multiplicado por k . Es decir, kA = (kaij )mn .
Evidentemente, A = (1)A y A B = A + (B) .
Producto de matrices: Si Amn y Bnp el producto AB es otra matriz de tama
no m p tal que, el
elemento eij de AB se obtiene sumando los productos de cada elemento de la fila i de A por el elemento
correspondiente de la columna j de B . Es decir,
b1j
n
X

b2j
eij = FiA CjB = ai1 ai2 ain . = ai1 b1j + ai2 b2j + + ain bnj =
aik bkj
..
k=1
bnj
A
B
(lo denotaremos por eAB
ij = Fi Cj cuando queramos significar la fila y columna que intervienen).
Observaci
on: La definici
on dada de producto de matrices requiere que el n
umero de columnas de la primera
matriz, A, sea igual que el n
umero de filas de la segunda matriz, B , puesto que para el calculo de eij ha de
haber tantos elementos en la fila i (n
umero de columnas de A) como en la columna j (n
umero de filas de B ).
En forma sin
optica con los tama
nos (mn) (np) = (mp) .
Prof: Jos
e Antonio Abia Vian
5.1 Definiciones b
asicas
b11
a11 a12 a13 a14
b21
a21 a22 a23 a24

b31
a31 a32 a33 a34 34
b41
b12
b22
b32
b42
b13
b23
b33
b43
b14
b24
b34
b44
b15
e11 e12 e13 e14 e15
b25
= e21 e22 e23 e24 e25
b35
e31 e32 c33 e34 e35 35
b45 45
Nota: Cada elemento de la matriz producto puede obtenerse de manera independiente, por lo que no es necesario
calcularlos todos si s
olo son necesarios unos pocos. As:
A
B
? eAB
ij = Fi Cj .
? FiAB = FiA B .
? CjAB = A CjB .
? eABC
= FiA CjBC = FiA B CjC .
ij
0 0
1 0
.. . . .. , formada por ceros excepto en la diagonal principal que tiene

. .
.
0 0 1
unos, de llama matriz identidad y es el neutro del producto de matrices (tomada del tama
no adecuado). Es
decir, para toda Amn se tiene que Im Amn = Amn y Amn In = Amn .
1
0
La matriz cuadrada I = In = .
..
Propiedades 94.- Suponiendo tama

nos adecuados para que las operaciones sean posibles:
a) A + B = B + A
(conmutativa de la suma).
b) A + (B + C) = (A + B) + C ;
c) A(B + C) = AB + AC ;
A(BC) = (AB)C
(A + B)C = AC + BC
(asociativas de la suma y del producto).

(distributivas por la izquierda y por la derecha).
d) a(B + C) = aB + aC ; a R .
e) (a + b)C = aC + bC ; a, b R.
f) a(BC) = (aB)C = B(aC) ; a R.
En general, NO es cierto que:
? AB = BA
? Si AB = 0 tengan que ser A = 0 o B = 0
? Si AB = AC necesariamente sea B = C

0 1
3 7
1 1
0 0
0 17
, B=
y C=
tenemos AB =
6= BA =
,
0 2
0 0
0 0
0 0
0 0
es decir AB =
6 BA y AB = 0 con A 6= 0 y B 6= 0 . Ademas AC = 0 = AB , pero B 6= C .
4
Ejemplo 95 Con A =
5.1.2
Matriz transpuesta
Definici
on 96.- Si A es una matriz mn llamamos matriz transpuesta de A a la matriz At de tama
no
nm que tiene por filas las columnas de A y por columnas las filas de A. Es decir, el elemento ij de At
coincide con el elemento ji de A.

t
a11 a21
a11 a12 a13
= a12 a22
a21 a22 a23
a13 a23
Proposici
on 97.- Se verifican las siguientes propiedades:
1.- (At )t = A.
4.- (AB)t = B t At
2.- (A + B)t = At + B t .
y, en general,
3.- (kA)t = kAt .
(A1 A2 An )t = Atn At2 At1 .
Demostraci
on:
t
t
B t At
Las tres primeras son claras. Veamos la cuarta: eij
= FiB CjA = CiB FjA = FjA CiB = eAB
ji . Luego
t t
t
B A = (AB) .
Prof: Jos
e Antonio Abia Vian
5.2
5.2 Sistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
Definici
on 98.- Se denomina ecuaci
on lineal de n variables (o incognitas), xi , aquella ecuacion que puede
expresarse en la forma: a1 x1 + a2 x2 + + an xn = b, donde los ai , b R.
Una soluci
on de la ecuaci
on lineal es un conjunto ordenado de n
umeros reales (s1 , s2 , . . . , sn ) , tales que
a1 s1 + a2 s2 + + an sn = b. Al conjunto de todas las soluciones de una ecuacion se le denomina conjunto
soluci
on de la ecuaci
on
Nota: Una ecuaci
on lineal de 2 variables, ax + by = c, es una representacion analtica de una recta del plano
XY , las soluciones de la ecuaci
on son cada uno de los puntos de la recta y el conjunto solucion es toda la recta,
todos los puntos de la recta. En una ecuaci
on lineal no pueden aparecer productos, ni potencias, ni expresiones
trigonometricas, . . . , de las variables.
Definici
on 99.- Se denomina sistema de m ecuaciones lineales con n inc
ognitas a la reunion de m
ecuaciones lineales sobre las mismas n inc
ognitas, y se escribe en la forma:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

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

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

x+y = 2
. El par (7, 9) es la solucion del sistema, pues es soluci
on
2x + y = 5
de cada una de las 2 ecuaciones, es decir (ver la nota anterior), es el u
nico punto com
un a las dos rectas.
De lo anterior es evidente que tambien un sistema puede no tener solucion (dos rectas paraleras no tienen
puntos en com
un) o infinitas (si las dos ecuaciones representan la misma recta).
Ejemplo Consideremos el sistema
Si un sistema no tiene soluci

on, suele decirse que es incompatible; si existe solucion y es u
nica compatible
determinado y compatible indeterminado si tiene un conjunto infinito de soluciones.
Lenguaje matricial de los sistemas de ecuaciones Un sistema de ecuaciones lineales, tambien puede
escribirse como AX = B donde A = (aij )mn , X = (xi )n1 y B = (bj )m1 .
x1
b1
a11 a12 a13 a1n
x2
b2
a21 a22 a23 a2n
x3
AX =
= . =B

.. ..
am1 am2 am3 amn .
bm
xn
La matriz A se denomina matriz de los coeficientes, la matriz columna B se denomina matriz de los t
erminos
independientes y una S = (si )n1 es soluci
on de sistema si verifica que AS = B .
Ejemplo Para el sistema del ejemplo anterior

x+y = 2
1 1
x
2
=
;
2x + y = 5
2 1
y
5
5.2.1

(7, 9) es solucion, pues
1 1
2 1

7
9

=
2
5

4
Matrices elementales
Definici
on 100.- Llamaremos operaci
on elemental en las filas de las matrices, a las siguientes:
a) Intercambiar la posici
on de dos filas.
b) Multiplicar una fila por una constante distinta de cero.
c) Sumar a una fila un m
ultiplo de otra fila.
Definici
on 101.- Se dice que una matriz cuadrada Enn es una matriz elemental si se obtiene de efectuar
una sola operaci
on elemental sobre la matriz identidad Inn .
Prof: Jos
e Antonio Abia Vian
Teorema 102.- Si la matriz elemental Emm resulta de efectuar cierta operacion elemental sobre las filas de
Im y si Amn es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operaci
on
elemental sobre las filas de A .
.
Ejemplo Son matrices elementales las matrices
0 1 0
1 0 0
E1 = 1 0 0 , E2 = 0 2 0
0 0 1
0 0 1
1 0 0
E3 = 0 1 0 ,
3 0 1
que se obtienen de I3 , intercambiando la primera con la segunda fila (F1 F2 ), multiplicando la segunda fila
por 2 ( 2F2 ) y sumando a la tercera fila la primera fila multiplicada por 3 (F3 + 3F1 ), respectivamente. Y si
A = (aij )34 , se tiene
a21 a22 a23 a24

a11 a12 a13 a14
E1 A = a11 a12 a13 a14 , E2 A = 2a21 2a22 2a23 2a24 y
a31 a32 a33 a34
a31 a32 a33 a34
a11
a12
a13
a14
.
a21
a22
a23
a24
E3 A =
4
a31 +3a11 a32 +3a12 a33 +3a13 a34 +3a14
Observaci
on 103.- Es claro, que una vez realizada una operacion elemental puede deshacerse mediante otra
operaci
on elemental: as, si intercambiamos la fila i con la fila j , la operacion elemental que lo deshace es
intercambiar de nuevo la fila i con la fila j ; si multiplicamos la fila i por k 6= 0 se deshace multiplicandola
de nuevo por k1 y si sumamos a la fila i la fila j multiplicada por k lo deshacemos restando a la fila i la fila
j multiplicada por k (sumando la fila j multiplicada por k ). Denotando por E1 , E2 y E1 a las matrices
elementales que deshacen las operaciones elementales dadas por las matrices elementales E1 , E2 y E3 del
ejemplo anterior, tenemos que
1 0 0
0 1 0
1 0 0
E2 = 0 21 0 y E3 = 0 1 0 .
E1 = 1 0 0 = E1 ,
0 0 1
3 0 1
0 0 1
Entonces, si E es la matriz elemental que deshace la operacion realizada por E , se tiene que E (EA) = A.
Teorema 104.- Si E es una matriz elemental, los sistemas AX = B y (EA)X = EB tienen las mismas
soluciones.
Demostraci
on:
En efecto, si S es soluci
on del primer sistema, AS = B , luego (EA)S = E(AS) = EB y S es tambien soluci
on
del segundo. Y viceversa, si (EA)S = EB y E es la matriz elemental que deshace E , multiplicando en la
igualdad, se tiene: E (EA)S = E EB = AS = B .
5.2.2
M
etodo de Gauss
El resultado anterior asegura que haciendo sobre el sistema AX = B u

nicamente operaciones elementales
llegamos a un sistema con las mismas soluciones (sistema equivalente). La b
usqueda sistematica de un sistema
equivalente que proporcione las soluciones de manera sencilla se conoce con el nombre de m
etodo de Gauss:
Mediante operaciones elementales, se hacen ceros en la matriz de coeficientes del sistema, para obtener una
matriz escalonada, con ceros por debajo de la escalera. Esta matriz escalonada debe cumplir:
1.- Si una fila consta u
nicamente de ceros debe ir en la parte inferior de la matriz.
2.- Si dos filas seguidas no constan solo de ceros, el primer elemento distinto de cero de la fila inferior debe
encontrarse mas a la derecha que el primer elemento distinto de cero de la fila superior.
El primer elemento distinto de cero de cada fila lo llamaremos elemento principal y las incognitas correspondientes a estos elementos inc
ognitas principales. (Los elementos principales marcan la escalera.)
Definici
on.- En un sistema lineal AX = B , se llama matriz ampliada del sistema a la matriz (A|B) formada
a
nadiendo a la matriz de coeficientes A la matriz columna de los terminos independientes B .
Prof: Jos
e Antonio Abia Vian
Ejemplo 105
5x3 + 10x4 + 15x6 = 5
x1 + 3x2 2x3 + 2x5 = 0

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

Para aplicar sobre este sistema el metodo de Gauss, debemos hacer operaciones elementales sobre la matriz
A de los coeficientes y, las mismas operaciones sobre B para que se mantenga la equivalencia (Teorema 104).
Luego apliquemos el metodo a la matriz ampliada del sistema (A|B) :
5
0 0 5
10 0 15
1 3 2 0 2 0
0
(A|B) =
2 6 5 2 4 3 1 Por la operacion (a) cambiamos la fila 1 por
la fila 2 (F1 F2 )
6
2 6 0
8 4 18
1 3 2 0 2 0
0
0 0 5
5
10
0
15
2 6 5 2 4 3 1 Por (b) hacemos cero el 2 de F3 (F3 2F1 ) y

el de F4 (F4 2F1 )
6
2 6 0
8 4 18
1 3 2 0 2 0
0
0 0 5
10
0
15
5
1
0 0 1 2 0 3 1 Hacemos 40 el 1 de F3 (F3 + 5 F2 ) y el 4 de
F4 (F4 5 F2 )
0 0 4
8 0 18
6
1 3 2 0 2 0 0
0 0 5 10 0 15 5
Cambiamos F3 por F4 (F3 F4 )

0 0 0
0 0 0 0
0 0 0
0 0 6 2
1 3 2 0 2 0 0
0 0 5 10 0 15 5
Esta matriz es escalonada, y nos proporciona

0 0 0
0 0 6 2
el sistema equivalente
0 0 0
0 0 0 0
x1 + 3x2 2x3 + 2x5 = 0
x1 = 3x2 + 2x3 2x5
5x3 + 10x4 + 15x6 = 5

x3 = 510x54 15x6
=
6x6 = 2
x6 = 26
0=0
cuyas soluciones se encuentran f
acilmente sustituyendo de abajo hacia arriba, obteniendose: x6 = 13 , x3 = 2x4 ,
x1 = 3x2 4x4 2x5 , donde x2 , x4 y x5 pueden tomar cualquier valor. Es decir, todas las soluciones son:
(3x2 4x4 2x5 , x2 , 2x4 , x4 , x5 , 13 ) para cualquiera valores de x2 , x4 y x5 .
4
Si el u
ltimo elemento principal est
a en la columna ampliada, el sistema no tiene solucion: claramente una de
las ecuaciones equivalentes ser
a 0x1 + + 0xn = k (con k 6= 0 por ser un elemento principal de la ampliada)
y esta igualdad no se cumple para ning
un valor posible de las incognitas.
Nota: Si el sistema tiene soluci
on, por ser los elementos principales no nulos se garantiza que las incognitas
principales pueden despejarse; como valor concreto o en funcion de las incognitas no principales.
Cuando el sistema tiene soluci
on, pueden despejarse tantas incognitas como elementos principales haya. Luego
? Si el n
umero de elementos principales es menor que el n
umero de incognitas el sistema tiene infinitas
soluciones. (Las soluciones quedan en funcion de las incognitas no despejadas. Ver ejemplo 105.)
? Si el n
umero de elementos principales es igual al n
umero de incognitas el sistema tiene solucion u
nica.
5.2.2.1
Sistemas homog
eneos
Definici
on 106.- Un sistema de ecuaciones lineales se dice que es homog
eneo si tiene todos los terminos
independientes cero; es decir, un sistema de la forma AX = 0 .
Un sistema homogeneo siempre tiene solucion pues X = 0 es una solucion del sistema. A esta solucion suele
llamarse la soluci
on trivial y de cualquier otra solucion distinta de esta se dice solucion no trivial.
Prof: Jos
e Antonio Abia Vian
5.2.2.2
M
etodo de Gauss-Jordan
El metodo de Gauss-Jordan contin

ua el metodo de Gauss, haciendo operaciones elementales para conseguir
una matriz escalonada reducida: los elementos principales son 1 y en las columnas de dichos unos todos los
demas elementos son cero; es decir, despeja las incognitas principales.
Ejemplo 107
1 3
0 0
0 0
1 3
0 0
0 0
1 3
0 0
0 0
1 3
0 0
0 0
Continuando con el sistema del ejemplo 105 (quitada la fila de ceros, que no interviene):
2 0 2 0 0
5 10 0 15 5 Hacemos 1 los elementos principales multiplicando 15 F2 y 16 F3
0
0 0 6 2
2 0 2 0 0
1 2 0 3 1 hay que hacer cero el 3 de F2 y C6 (a26 ): F2 3F3

0 0 0 1 13
2 0 2 0 0
1 2 0 0 0 hay que hacer cero el 2 de F1 y C3 (a13 ): F1 + 2F2

0 0 0 1 13
0 4 2 0 0
x1 = 3x2 4x4 2x5
x3 = 2x4
1 2 0 0 0 luego
1
x6 = 31
0 0 0 1 3
obteniendose, naturalmente, las mismas soluciones que antes.
5.2.3
Rango de una matriz y Teorema de Rouch

e
Definici
on 108 (1 a definici
on del rango).- Se llama rango de una matriz A y se denota por rg(A) al
n
umero de filas distintas de cero que aparecen en alguna de las formas escalonadas de la matriz A .
Nota: La definici
on es consistente (el rango no depende de la matriz escalonada usada), pues cada matriz
escalonada obtenida de A se corresponde con un sistema lineal equivalente, con la mismas soluciones, luego se
pueden despejar el mismo n
umero de inc
ognitas en cualquiera de ellos; por lo que todas las escalonadas tienen
el mismo n
umero de filas no nulas.
Teorema de Rouch
e 109.- Sea el sistema AX = B , sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene soluci
on si, y s
olo si, rg(A) = rg(A|B) .
Si rg(A) = rg(A|B) = r , toda soluci
on puede expresarse en la forma X = V0 +t1 V1 +t2 V2 + +tnr Vnr , con
V0 una soluci
on particular de AX = B y las n -
uplas V1 , . . . , Vnr soluciones del homogeneo AX = 0 .
.
Resumiendo: En un sistema AX = B de m ecuaciones con n incognitas,
r = n Solucion u
nica.
? si r = rg(A) = rg(A|B) = r = Sist. Compatible (con sol.)
r < n Infinitas soluciones.
? si r = rg(A) 6= rg(A|B) = r + 1 = Sist. Incompatible (no tiene solucion).
Ejemplo Tomemos la solucion obtenida en el ejemplo 105: (3x2 4x4 2x5 , x2 , 2x4 , x4 , x5 , 31 ) , para
todo x2 , x4 y x5 . Podemos escribirla en la forma
0 3x2 4x4 2x5

0
x1
3
4
2
x2 0 + x2 + 0x4 + 0x5 0
1
0
0
x3 0 + 0x2 2x4 + 0x5 0

0
2
= + x2
=
+ x4
+ x5 0 = V 0 + t 1 V 1 + t 2 V 2 + t 3 V 3
x4 0 + 0x2 + x4 + 0x5 0
0
1
0
x5 0 + 0x2 + 0x4 + x5 0
0
0
1
1
1
x6
0
0
0
3 + 0x2 + 0x4 + 0x5
3
y X = V0 + t1 V1 + t2 V2 + t3 V3 es solucion para todo t1 , t2 y t3 . Entonces, para t1 = t2 = t3 = 0 , X = V0 es
soluci
on del sistema luego AV0 = B ; para t1 = 1 y t2 = t3 = 0 , X = V0 + V1 es solucion del sistema, luego
B = A(V0 + V1 ) = AV0 + AV1 = B + AV1 de donde AV1 = 0 por lo que V1 es solucion del sistema homogeneo
AX = 0 ; y an
alogamente para V2 y V3 .
Prof: Jos
e Antonio Abia Vian
5.3
5.3 Matrices cuadradas
Matrices cuadradas
Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: aij = 0 , para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, aij = 0 , para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no est
an en la diagonal principal.
Una matriz cuadrada A se dice sim
etrica si A = At , es decir, si aij = aji para todo ij ; y se dice
antisim
etrica si A = At , es decir si aij = aji para todo ij .
5.3.1
Matrices inversibles
Definici
on 110.- Si A es una matriz cuadrada de orden n , Ann , y existe Bnn tal que AB = BA = I se
dice que A es inversible y que B es inversa de A.
Nota: Es claro de la definici
on que tambien B es inversible y A una inversa de B .
Por definici
on, se ha de verificar que AB = I y tambien que BA = I ; sin embargo es suficiente con que se
verifique una de ellas para que la otra tambien se verifique (se vera en el Corolario 119).
Proposici
on 111.- Si una matriz cuadrada A tiene inversa, esta es u
nica. Y la denotaremos por A1 .
Demostraci
on:
Supongamos que B y C son inversas de A. Al ser B inversa de A es I = AB , multiplicando a esta igualdad
por C y teniendo en cuenta que C es inversa de A obtenemos que C = C(AB) = (CA)B = IB = B .
Recordando los comentarios hechos en la Observacion 103, es claro el siguiente resultado para matrices
elementales.
Proposici
on 112.- Las matrices elementales son inversibles y sus inversas son tambien elementales:
? De intercambiar dos filas, intercambiarlas de nuevo.
? De multiplicar una fila por k 6= 0 , multiplicar esa fila por 1/k .
? De sumar a una fila un m
ultiplo de otra, restar a esa fila el m
ultiplo sumado.
Teorema 113.- Si A y B son dos matrices inversibles, entonces AB es inversible y
(AB)1 = B 1 A1 .
1 1
En general, (A1 A2 Ak )1 = A1
k A2 A1 .
Demostraci
on:

Basta comprobar que es cierto:
(AB)(B 1 A1 ) = A(BB 1 )A1 = AIA1 = AA1 = I

(B 1 A1 )(AB) = B 1 (A1 A)B = B 1 IB = B 1 B = I.
La generalizaci
on es inmediata.
Propiedades 114.1.- (A1 )1 = A .
2.- (An )1 = (A1 )n .
3.- (kA)1 = k1 A1 .
Definici
on 115.- Una matriz cuadrada, A, se dice ortogonal si A1 = At .
Teorema 116.- Sea A una matriz cuadrada de orden n . Son equivalentes:
a) A es inversible.
b) El sistema AX = B tiene soluci
on u
nica para todo Bn1 .
c) El sistema homogeneo AX = 0 tiene solucion u
nica.
d) Por operaciones elementales en A puede llegarse a la identidad.
Prof: Jos
e Antonio Abia Vian
5.3 Matrices cuadradas
Demostraci
on:
a) b) A es inversible, luego existe A1 . Si se multiplica por A1 en la igualdad AX = B se tiene que
A1 AX = A1 B , luego X = A1 B es la solucion del sistema y es la u
nica.
b) c) Es un caso particular.
c) d) Como la soluci
on del sistema AX = 0 es u
nica, al aplicar el metodo de Gauss-Jordan a la matriz A la
escalonada reducida tiene que ser, necesariamente I (ver observacion 117 siguiente).
d) a) Si existen matrices elementales tales que Ek E2 E1 A = I , multiplicando sucesivamente en la igualdad
por sus inversas, se obtiene A = E11 E21 Ek1 I como producto de matrices inversibles y, por tanto, es
inversible. Adem
as, A1 = Ek E2 E1 .
Observaci
on 117.- Para una matriz cuadrada, cualquier matriz escalonada obtenida de ella es triangular
superior (tiene ceros por debajo de la diagonal), pues el elemento principal de la fila 1 esta en la posicion 11
o m
as a la derecha, luego el elemento principal de la fila 2 esta en la posicion 22 o mas a la derecha, y en
general el elemento principal de la fila i est
a en la posicion ii o mas a la derecha. Luego para toda fila i, los
elementos aij con j < i son cero, que es la caracterizacion de matriz triangular superior.
As pues, una matriz escalonada cuadrada, o tiene elemento principal en cada fila (y en consecuencia est
an
todos en la diagonal principal de la matriz) o tiene al menos una fila de ceros.
En particular, si llevamos la matriz cuadrada a la forma de matriz escalonada reducida, esta escalonada
reducida o es la matriz identidad o tiene al menos una fila de ceros.
Corolario 118.- Una matriz Ann , es inversible rg(A) = n
Corolario 119.- Sea A una matriz cuadrada. Entonces
a) Si existe B tal que BA = I , entonces A es inversible y B = A1 .
b) Si existe B tal que AB = I , entonces A es inversible y B = A1 .
Demostraci
on:
Si BA = I , consideremos el sistema AX = 0 . Multiplicando por B en ambos lados se tiene que BAX =
B0 = 0 , pero al ser BA = I , X = 0 es la u
nica solucion del sistema y, por tanto, A es inversible. Entonces,
A1 = IA1 = BAA1 = B . Analogamente, en b).
Corolario 120 (C
alculo de A1 por el m
etodo de Gauss-Jordan).- Si A es inversible, existen matrices
elementales tales que Ek E2 E1 A = I y A1 = Ek E2 E1 . Luego haciendo en I las mismas operaciones
elementales que efectuemos sobre A para llegar a la identidad se tendra que:
(A|I) (E1 A|E1 I) (E2 E1 A|E2 E1 I) (Ek E1 A|Ek E1 I) = (I|A1 )
1 0 2
Ejemplo Sea la matriz A = 0 2 1 . Encontremos A1 :
1 1 1
1 0 2 1 0 0
1
F3 F1
(A|I) = 0 2 1 0 1 0 0
1 1 1 0 0 1
0
1
F3 F2
0
0
0 2 1 0 0
1 0 2
F2 F3
2 1 0 1 0 0 1 0
1 1 1 0 1
0 1 1
0 2 1 0 0
1 0
F1 +2F3
1 0 1 1 1 0 1
0 1 2 1 2
0 0
1 0 0
F3 F2
1 1 1
1 0 1
0 3 2 4
0 1 1 1 = (I|A1 )
1 2 1 2
4
Prof: Jos
e Antonio Abia Vian
5.4
5.4 Ejercicios
Ejercicios
5.51 Sean las matrices
3 0
A = 1 2
1 1

B=
4 1
0 2

C=
1 4 2
3 1 5
1 5 2
D = 1 0 1
3 2 4
6 1 3
E = 1 1 2
4 1 3
a) Calcular cuando se pueda: 3C D , (AB)C , A(BC) , ED , DE , (4B)C + CA y CA + B 2 .

Indicar porque no es posible en los otros casos.
b) Calcular, haciendo el menor n
umero de operaciones posible, la fila 1 de CA, la columna 2 de CD y
los elementos 23 y 12 de la matriz CDE .
c) Hallar para cada una de ellas una matriz escalonada e indicar cual es su rango.
1 2 3
5.52 Encontrar las matrices elementales que llevan la matriz A = 0 1 2 a una matriz escalonada.
1 0 3
x + 2y z t = 0
x + z t = 2
5.53 Considerar el sistema
(1)
x + 2y 3z + t = 4
a) (2, 2, 2, 0) y (1, 0, 1, 2) son solucion del sistema (1)?
b) Encontar todas las soluciones de (1)
c) Encontar todas las soluciones del sistema
x y + z t = 3
x + 6y 5z t = 4

(2)
d) Cu
ales de las soluciones de (1) son tambien solucion de (2)? Tiene (2) alguna solucion que no lo
sea de (1)?
5.54 Estudiar cada uno de los siguientes sistemas:
a)
x + 2y z = 2
2x + y + z = 1
3x + 3y + 2z = 1
x+y+z
2x + 3z
3x + y + 4z
5x + y + 7z
b)
=
=
=
=
3
4
7
9
c)
x + 2y z + t = 0
x + 4y 5z + 7t = 2
2x + y + z 2t = 1
Si existe soluci
on, expresarla en la forma descrita por el Teorema de Rouche.

1 4
8 6 6
2 3 P 2 0 0
5.55 Hallar una matriz P tal que:
= 6 1 1 .
0 1 1
1 2
4 0 0
1 5 2
1 2 2
5.56 Considerar las matrices A = 1 0 1 y B = 2 3 3 .
1 1 1
3 2 4
a) Hallar todas las matrices columna X31 que verifican la igualdad
ABX = BAX .
b) Los sistemas BX = 0 y B X = 0 tienen las mismas soluciones? Justificar la respuesta.

5.57 Hallar los valores de los coeficientes de las descomposiciones en fraciones simples del ejercicio 2.25 de
polinomios:
a)
d)
X 2 +1
X 4 6X 3 16X 2 +54X+63
2
X +2
X 5 +7X 4 +16X 3 +8X 2 16X16
Prof: Jos
e Antonio Abia Vian
b)
e)
X5
(X1)(X 3 1)
3
X 3X +X3
X 5 +3X 4 +3X 3 +3X 2 +2X
c)
X+5
2X 4 X 3 4X 2 +10X4
f)
X 5 +3X 4 +3X 3 +3X 2 +2X

(X 3 3X 2 +X3)3
5.4 Ejercicios
5.58 Estudiar cada uno de los sistemas siguientes, seg

un los valores de los paramentros:
x + 2y z = a
x + 2y + 4z = 1
2x + y + z = 1 a
x + 2y + 2az = 2
a)
b)
3x + (1 + a)y + az = 1 a
ax + 4y + 4az = 4a
5x (a + b)y + 7z =
x+y+z = a3
2x ay + 3z =
ax + y = 0
c)
d)
x+y+z =
ax + y + az = 0
3x 3y + 4z =
8+b
4
3
7
5.59 Usar el metodo de Gauss para saber cuales de las siguientes matrices tienen inversa y calcularlas:
0 0 1
1 2 3 4
1 1 3
8 6 6
0 1 1
2 3 4 3
a) 3 4 1
b) 6 1 1
d)
c)
1 1 1
3 4 3 2
1 1 1
4 0 0
2 1 0
4 3 2 1
2
1
0
0
5.60 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada columna es cero. Probar
que rg(A) < n. Es A una matriz inversible?
5.61 Probar que si A es una matriz cuadrada, la matriz A+At es simetrica y la matriz AAt es antisimetrica.
Probar que en una matriz cuadrada antisimetrica la diagonal principal esta formada u
nicamente por ceros.
1 2 3
5.62 Sea A = 0 1 2 .
1 0 1
a) Encontar todas las matrices B33 tales que AB = 0 .
Que relaci
on tienen estas matrices con las soluciones del sistema AX = 0 ?
b) Encontar todas las matrices C33 tales que CA = 0 .
c) Encontar todas las matrices D33 tales que AD DA = 0 .
5.63 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si B 6= 0 , entonces A no es inversible.
5.64 Sean A y B dos matrices de igual tama
no. Probar que si existe C inversible tal que AC = BC entonces
A = B.
5.65 Sea A una matriz cuadrada y E una matriz elemental. Probar que AE t realiza sobre las columnas de A
la misma operaci
on elemental que hace EA sobre las filas de A.
Prof: Jos
e Antonio Abia Vian
Captulo 6
Determinante de una matriz

6.1
Determinante de una matriz cuadrada
Definicin 121.- Sea A una matriz cuadrada de orden n . Llamaremos producto elemental en A al producto
ordenado de un elemento de cada fila, cada uno de los cuales pertenece a columnas distintas. Es decir, una
expresin de la forma a1j1 a2j2 anjn con todos los jk distintos.
Llamaremos producto elemental con signo al valor (1)N a1j1 a2j2 anjn donde el nmero N , para cada
producto elemental, es el nmero de inversiones del orden en el conjunto de las columnas {j1 , j2 , . . . , jn } , es
decir, el nmero de veces que cada ndice jk es menor que los anteriores a l.
Ejemplo 122 {2, 4, 1, 3} . Para calcular las inversiones tenemos que ver cuantas veces 4 , 1 y 3 son menores
que sus anteriores. Para el 4 , hay inversin cuando 4 < 2 , no. Para el 1 , cuando 1 < 2 , si ; y cuando 1 < 4 , si.
Y para el 3 , cuando 3 < 2 , no; 3 < 4 , si ; y 3 < 1 , no. El conjunto presenta entonces tres inversiones, N = 3 .
Definici
on 123.- Definimos la funcin determinante en el conjunto de las matrices de orden n , como la funcin
que asigna a cada matriz A el nmero real, que denotaremos por det(A) det A |A|, y cuyo valor es la suma
de todos los productos elementales con signo que se pueden formar en A:
X
det(A) = |A| =
(1)N a1j1 a2j2 anjn .
(j1 ,j2 ,...,jn )
Expresin del determinante de las matrices de orden

1, 2 y 3. Los determinantes de las matrices de
los primeros rdenes de magnitud se obtienen de la forma: a11 = a11 y

a11 a12

a21 a22 = a11 a22 a12 a21

a11 a12 a13

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

a31 a32 a33
Estas expresiones admiten una regla nemotcnica grfica para recordar la construccin de los productos elementales
y el signo, siguiendo las direcciones de las diagonales principal y secundaria (para matrices de orden 3 se conoce
como Regla de Sarrus):
sign( ) = +
sign( ) =
s
s
@
@
s @s
s
@
s
@
@
@
s
@s @s
@
@
@
@s
s @s @

Observaci
on: Cada uno de los productos elementales con
0

signo se corresponde con el determinante de una matriz
0
3
(1) a12 a24 a31 a43 =
que se forma haciendo cero todos los elementos que no
a31
estan en el producto. Es claro, pues cualquier otro producto
0
tendr alguno de sus factores distinto de estos y, en consecuencia, ser 0 . De manera similar son
dos resultados recogidos en la proposicin siguiente.

a12 0 0
0 0 a24
0 0 0
0 a43 0
inmediatos los
Proposici
on 124.1.- Si A es una matriz que tiene una fila o una columna de ceros, entonces |A| = 0 .
2.- Si A es una matriz triangular superior o triangular inferior, |A| es el producto de los elementos de la
diagonal principal, es decir, |A| = a11 a22 ann . (En todos los dems productos elementales aparece al
menos un 0: si hay algn elemento por encima de la diagonal, hay alguno por debajo.)
Prof: Jos
e Antonio Abia Vian
6.1.1
6.1 Determinante de una matriz cuadrada
Determinantes y operaciones elementales
Teorema 125.- Sea Ann una matriz. Se tiene que:

a) si A0 es la matriz que resulta de multiplicar una fila de A por una constante 6= 0 , entonces det(A0 ) =
det(A) .
b) si A0 es la matriz que resulta de intercambiar dos filas de A , entonces det(A0 ) = det(A) .
c) si A0 es la matriz que resulta de sumar a la fila k un mltiplo de la fila i, entonces det(A0 ) = det(A) .
.
Corolario 126.- Una matriz con dos filas iguales tiene determinante cero.
Corolario 127.a) Si E es la matriz elemental resulta de multiplicar una fila de I por k R, entonces det(E) = k .
b) Si E es la matriz elemental que resulta de intercambiar dos filas de I , entonces det(E) = 1 .
c) Si E es la matriz que resulta de sumar a una fila k un mltiplo de la fila i, de I , entonces det(E) = 1 .
Demostraci
on:
a) det(E) = k det(I) = k ;
6.1.1.1
b) det(E) = det(I) = 1 ;
c) det(E) = det(I) = 1 .
Clculo de determinantes por reduccin a la forma escalonada
El teorema anterior nos ofrece la posibilidad de calcular el determinante de una matriz usando el mtodo de
Gauss. Si tenemos que Ek E2 E1 A = R , donde R es la matriz escalonada que se obtiene al aplicar el mtodo
de Gauss, se tiene que
det(R) = det(Ek Ek1 Ek2 E1 A) = k det(Ek1 Ek2 E1 A)
= k k1 det(Ek2 E1 A) = = k k1 k2 1 det(A),
donde i es k , 1 1 , segn la operacin elemental que represente Ei . Luego
det(A) =
1
1
1k det(R) =
1
1
1k r11 r22 rnn
pues R es una matriz triangular superior (recordar observacin 117 de pg. 47) y det(R) = r11 r22 rnn .
6.1.2
Otras propiedades del determinante
Teorema 128.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) det(B)
Teorema 129.- Sea Ann entonces, A es inversible det(A) 6= 0 .

Demostraci
on:
Si A es inversible I = AA1 , luego det(I) = det(AA1 ) = det(A) det(A1 ) , pero al ser det(I) = 1 6= 0 ,
necesariamente ha de ser det(A) 6= 0 .
Si A no es inversible, por la parte 3 de la demostracin del Teorema 128 (Anexo 0, pg. 67), se tiene que
det(AI) = 0 = det(A) det(I) y como det(I) = 1 , debe ser det(A) = 0 .

1
Corolario 130.- Si A es inversible, A1 = |A| .
Teorema 131.- Si A es una matriz cuadrada, entonces |At | = |A|.
Prof: Jos
e Antonio Abia Vian
6.2
6.2 Desarrollo por cofactores
Desarrollo por cofactores
Definici
on 132.- Sea A una matriz cuadrada, llamaremos menor del elemento aij , y lo denotaremos por
Mij , al determinante de la submatriz que se forma al suprimir en A la fila i y la columna j . Al nmero
(1)i+j Mij lo llamaremos cofactor del elemento aij y lo denotaremos por Cij .
Ejemplo A partir de la matriz A de abajo, construimos los cofactores C21 , eliminando la fila 2
1, y C34 , eliminando la fila 3 y columna 4 :

0 1
0 1 2 5
0 1 2 5

1 2 0 2
3+4 1 2
C21 = (1)2+1 1 2 0 2
C
=
(1)
A=
34
2 1
2 1 1 3
2 1 1 3

0 2

0 2 4 2
0 2 4 2
y la columna
2
0
1
4

5
2
3
2
Teorema 133.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n :
det(A) = ai1 Ci1 + ai2 Ci2 + + ain Cin y det(A) = a1j C1j + a2j C2j + + anj Cnj
Ejemplo

11 12 13

21 22 23

31 32 33

= 21(1)2+1 12 13 + 22(1)2+2

32 33

1+3 21 22
2+3
= 13(1)
31 32 + 23(1)

11 13
2+3 11
+
23(1)

31
31 33

11 12
3+3 11
+ 33(1)
21
31 32

12
32

12
22
Corolario 134.- Si desarrollamos una fila de una matriz A por los cofactores de otra distinta, el resultado es
cero; es decir,
ai1 Cj1 + ai2 Cj2 + + ain Cjn = 0, si i 6= j .
Idntico resultado para las columnas.
Demostraci
on:
Es claro, pues si en A hacemos la fila j igual a la fila i , la matriz obtenida A0 tiene determinante cero y
0
0
0
0 = |A0 | = a0j1 Cj1
+ a0j2 Cj2
+ + a0jn Cjn
= ai1 Cj1 + ai2 Cj2 + + ain Cjn
Definici
on 135.- Dada una matriz A cuadrada de orden n , llamaremos matriz de cofactores de A a la
matriz que tiene por elementos los cofactores de A, C = (Cij ) , y llamaremos matriz adjunta de A a la
matriz de cofactores traspuesta, Adj(A) = C t .
Nota: Tambin es usual utilizar las denominaciones de menor adjunto para el cofactor y matriz adjunta para la
matriz de cofactores (sin trasponer). En este caso, los resultados son idnticos a los que aqu se presentan con la
nica consideracin a tener en cuenta es que donde aparece Adj(A) tendr que aparecer Adj(A)t .
Teorema 136.- Si A es una matriz inversible, entonces A1 =
Demostraci
on:
Si probamos que A Adj(A) = |A|I
efecto, aplicando el teorema 133 y el
a11 a12
a21 a22
A Adj(A) = AC t = .
..
..
.
Adj(A) .
entonces, como |A| =

6 0 , ser
corolario 134 anteriores,
a1n
C11 C21 Cn1
C12 C22 Cn2
a2n
.. ..
.. . .
.
..
. . .
. ..
.
an1 an2 ann
Prof: Jos
e Antonio Abia Vian
1
|A|
C1n C2n Cnn
Adj(A)
|A|
= I y A1 =
|A| 0 0
0 |A| 0

= ..
.. . .
.
.
. ..
.
0 0 |A|
1
|A|
Adj(A) . En
= |A| I
Ejemplo
1 2 3
A = 4 5 4 ;
3 2 1
A1
6.3 Rango de una matriz

5 4

4 4 4 5
3 1 3 2
2 1

1 2
2 3 1 3
1

=
3 1 3 2
|A|

2 1
1 2
1 3
2 3

4 5

5 4
4 4
13 4 23
1
=
16 8 16
40
7 4 3
Regla de Cramer 137.- Sea AX = B , un sistema de n ecuaciones con n incgnitas, tal que A es inversible,
entonces el sistema tiene como nica solucin:

b1 a12 a1n
a11 b1 a1n
a11 a12 b1

b2 a22 a2n
a21 b2 a2n
a21 a22 b2

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

.

. .
. .
. .
.
.
.

.
.
bn an2 ann
an1 bn ann
an1 an2 bn
x1 =
, x2 =
, . . . , xn =
.
.
|A|
|A|
|A|
6.3
Rango de una matriz
Definici
on 138 (Segunda definicin del rango).- Se llama rango de una matriz Amn , rang(A) rg(A) , al
mximo orden que resulta de considerar todas las submatrices cuadradas que pueden formarse eliminando filas
y columnas completas de A y cuyo determinante sea distinto de cero.
Del determinante de una submatriz cuadrada de orden r de A , formada eliminando filas y columnas completas, de suele decir que es un menor de orden r de A, por analoga a la denominacin dada en la definicin 132
a los menores de un elemento.
Resulta evidente que para Amn , se tiene rg(A) mn{m, n} . Esta nueva definicin de rango de una matriz es
equivalente a la dada anteriormente:
el rango de una matriz es el nmero de filas distintas de cero que aparecen en alguna de las formas
escalonadas de la matriz,
puesto que el menor formado con las filas y columnas que contienen a los elementos principales de la matriz
escalonada es distinto de 0, y cualquier menor de orden mayor es cero.
Corolario 139.- Si A es una matriz, rg(A) = rg(At ) .
Demostraci
on:
De la nueva definicin de rango y de |M | = |M t | para cualquier submatriz cuadrada de A.
Proposici
on 140.- Sea A una matriz mn , entonces
a) Si existe un menor de orden r distinto de cero el rg(A) r .
b) Si todos los menores de orden r son cero el rg(A) < r .
Demostraci
on:
a) es claro, pues como r es el orden de un menor distinto de cero, el mximo de los rdenes de los menores
distintos de cero es al menos r .
b) Si todos los menores de orden r son cero, como un menor de orden r + 1 puede descomponerse como
suma de menores de orden r por constantes, todos los menores de orden r + 1 son cero y, tambin todos
los menores de orden mayor. Luego rg(A) < r
En una matriz mn , el nmero de menores de orden r que podemos formar puede ser muy alto, de hecho es
m n
r
Prof: Jos
e Antonio Abia Vian
m!
n!
,
r!(m r)! r!(n r)!
6.4 Ejercicios
es decir, todas las posibles elecciones de r filas de entre las m y de r columnas de entre las n . Por tanto, para
ver que una matriz tiene rango menor que r usando los menores, hemos de comprobar que cada uno de los
n!
m!
r!(mr)! r!(nr)! menores son cero. Sin embargo, el coste de la evaluacin por menores, puede reducirse usando
el siguiente resultado:
Orlado de menores 141.- Sea Amn una matriz, y Mrr una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
aadiendo una fila y una columna a M son cero, el rango de A es r .
.
Este resultado nos indica el mtodo conocido como orlado de menores para encontrar el rango de una
matriz usando los menores:
Buscamos un menor de orden uno distinto de cero: si no existe rg(A) = 0 ; si existe M1 6= 0
entonces rg(A) 1 , y buscamos un menor de orden 2 distinto de cero de entre los que orlan al
anterior : si todos ellos son cero, por el resultado anterior, el rg(A) = 1 ; si algn M2 6= 0 entonces
rg(A) 2 , y buscamos un menor de orden 3 distinto de cero de entre los que orlan a M2 : si no
existe rg(A) = 2 , y si existe M3 6= 0 entonces rg(A) 3 , y buscamos . . . .
6.4
Ejercicios
6.66 Suponiendo que
a
det(A) = 5 , siendo A = d
g

a b c
f

i
b) 2d 2e 2f
g h i
c

d e

a) g h
a b

a g h

e) b h e
c i f

2a d d g

f) 2b e e h
2c f f i
b c
e f , calcular
h i

a+d b+e c+f

e
f
c) d
g
h
i
g) det(3A)

a
b
c

d) d3a e3b f 3c
2g
2h
2i
h) det(2A1 )
6.67 Hallar el valor exacto del determinante de la derecha:

a) Usando nicamente el mtodo de Gauss
b) Mediante el desarrollo por cofactores
c) Aplicando simultaneamente ambas tcnicas para resolverlo ms
rpida y fcilmente.
i) det((2A)1 )
0
2
3
0
1
1
2
2
1
1
2
3
1
2
1
0
4
0
0
2
4
0
0
0
1
2
1
3
4
0

0
2
1
0
1
2
6.68 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada fila es cero. Demostrar
que A no es inversible.
6.69 Sean A y B matrices de orden n tales que A 6= 0 , B 6= 0 y AB = 0 . Demostrar que det(A) = det(B) = 0 .
6.70 Calcular los posibles valores del determinante de una matriz ortogonal.
6.71 Sea A una matriz antisimtrica de orden n impar. Demostrar que det(A) = 0 .
6.72 Si A es una matriz de orden n probar que | Adj(A)| = |A|n1 .
Prof: Jos
e Antonio Abia Vian
Anexo 1: Demostraciones
Preliminares
N
umeros complejos
Demostraci
on de:
Propiedades 4 de la p
agina 3
Propiedades 4.- Sean z, w C, entonces

a) z = z ;
z + w = z + w;
z 1 = (z)1 .
zw = z w ;
b) z = z z = a + i0 R ;
z = z z = 0 + ib iR .
z z = i2 Im(z) .
c) z + z = 2 Re(z) ;
Demostraci
on:
Si z = a + ib y w = c + id , se tiene que:
a) z = a ib = a + ib = z .
z + w = (a ib) + (c id) = (a + c) i(b + c) = z + w ;
z w = (a ib)(c id) = (ac (b)(d)) + i(bc ad) = (ac bd) i(bc + ad) = zw ;
a
b
a
b
b
1 .
i a2 +(b)
2 = a2 +b2 + i a2 +b2 = a2 +b2 i a2 +b2 = z
n
a=a
b) z = z a ib = a + ib b=b
b = 0 z = a ;
n
a=a
a = 0 z = ib.
z = z a ib = a ib b=b
(z)1 = (a ib)1 =
a
a2 +(b)2
c) z + z = (a + ib) + (a ib) = 2a = 2 Re(z) ;

z z = (a + ib) (a ib) = i2b = i2 Im(z) .
Demostraci
on de:
agina 3
Propiedades 6.- Sean z, w C, entonces

a) |z| 0 ;
|z| = 0 z = 0 .
b) |Re(z)| |z|;
|Im(z)| |z| ;
2
c) |z| = |z| :
|z| = zz ;
d) |z + w| |z| + |w| ;
1
z
|z| |Re(z)| + |Im(z)| .

=
z
zz
z
|z|2
.

|z w| |z| |w| .
1
z = |z|1 .
e) |zw| = |z| |w|;

Demostraci
on:
a) |z| = + a2 + b2 0 ;
2
|z| = 0 |z| = 0 a2 + b2 = 0 a = b = 0 z = 0 .
b) Como todos los m
odulos son valores reales positivos, basta probar las desigualdades para sus cuadrados:
2
|Re(z)| = |a| = a2 a2 + b2 = |z| y tambien |Im(z)| = |b| = b2 a2 + b2 = |z| .

2
(|Re(z)| + |Im(z)|)2 = (|a| + |b|)2 = |a| + |b| + 2 |a| |b| = a2 + b2 + 2 |a| |b| = |z| + 2 |a| |b| |z| .
Prof: Jos
e Antonio Abia Vian
c) |z| = |a ib| =
Anexo 1
a2 + (b)2 = a2 + b2 = |z| .
2
zz = (a + ib)(a ib) = a2 (b2 ) + i(ab + ab) = a2 + b2 = |z| .

2
d) |z + w| = (z + w)(z + w) = (z + w)(z + w) = zz + ww + zw + zw = |z| + |w| + zw + zw

2
2
2
2
2
2
= |z| + |w| + 2 Re(zw) |z| + |w| + 2 |Re(zw)| |z| + |w| + 2 |zw|
2
2
2
2
2
= |z| + |w| + 2 |z| |w| = |z| + |w| + 2 |z| |w| = (|z| + |w|)
|z| = |z w + w| |z w| + |w| = |z w| |z| |w|
|w| = |w z + z| |w z| + |z| = |z w| + |z| = |z w| |w| |z|

se tiene la otra desigualdad propuesta |z w| |z| |w| .
Como
e) |zw| = (ac bd)2 + (ad + bc)2 = a2 c2 + b2 d2 + a2 d2 + b2 c2 = (a2 + b2 )(c2 + d2 ) = |z| |w| ;

|z| z 1 = zz 1 = |1| = 1 .
Demostraci
on de:
Operaciones multiplicativas en forma polar 9 de la pagina 4
Operaciones multiplicativas en forma polar 9.- Si z = |z| y w = |w| , se cumple que:

1
z 1 = (|z|
a) z = |z|() ;
b) zw = (|z| |w|)+ ;
z
w
)() .
|z|
= ( |w|
) .
c) z n = (|z| )n .
Demostraci
on:
Las pruebas son sencillas usando que z = |z| (cos + i sen ) y que
(cos + i sen )(cos + i sen ) = cos cos sen sen + i(sen cos + cos sen )
= cos( + ) + i sen( + ).

a) z = |z| (cos + i sen ) = |z| (cos i sen ) = |z| cos() + i sen() = |z| .

|z| cos()+i sen()
1
1
1
z 1 = z1 = |z|z 2 =
= |z|
cos() + i sen() = ( |z|
) = (|z| ) .
|z|2

b) zw = |z| (cos + i sen ) |w| (cos + i sen ) = |z| |w| cos( + ) + i sen( + ) = |zw|+0 .
z
w
|z|
1
= zw1 = |z| ( |w|
) = ( |w|
) .
n)
c) z n = |z| |z| |z| = (|z| )
n)
++
= (|z| )n .
En particular se verifica la f
ormula de Moivre:
(cos + i sen )n = cos n + i sen n.
Polinomios
Demostraci
on de:
Lema 30 de la p
agina 10
Lema 30.- Sea P (X) = Q(X)R(X) . Si K es raz de P (X) con multiplicidad m y Q() 6= 0 (no es raz de
Q(X) ), entonces es raz de R(X) con multiplicidad m .
Demostraci
on:
Si P () = 0 , como P () = Q()R() y Q() 6= 0 , entonces R() = 0 y es raz de R(X) . De donde
R(X) = (X )R1 (X) y P (X) = Q(X)(X )R1 (X) .
m
Como P (X) = (X )m C(X) , con C() 6= 0 , se tiene
que P (X) = (X ) C(X) = Q(X)(X )R1 (X) , de
donde 0 = (X )m C(X) Q(X)(X )R1 (X) = (X ) (X )m C(X) Q(X)R1 (X) y como X 6= 0 tiene
que ser (X )m1 C(X) = Q(X)R1 (X) = P1 (X) tiene en una raz de multiplicidad m 1 .
Luego el polinomio P1 (X) = Q(X)R1 (X) tiene una raz en que no lo es de Q(X) , luego es raz de R1 (X) ,
por lo que R1 (X) = (X )R2 (X) y, como antes se puede construir el polinomio P2 (X) = (X )m2 C(X) =
Prof: Jos
e Antonio Abia Vian
Anexo 1
Q(X)R2 (X) , con R(X) = (X )R2 (X) . Repitiendo el proceso de manera sucesiva, se llega a un polinomio
Pm1 (X) = (X )C(X) = Q(X)Rm1 (X) , con R(X) = (X )m1 Rm1 (X) .
Y ahora, como tiene que ser raz de Rm1 (X) , Rm1 (X) = (X )Rm (X) y C(X) = Q(X)Rm (X) . Como
C() = Q()Rm () y C() 6= 0 y Q() 6= 0 , necesariamente Rm () 6= 0 y, por tanto R(X) = (X )m Rm (X) ,
con Rm () 6= 0 , de donde es una raz de R(X) de multiplicidad m .
Demostraci
on de:
Lema 35 de la p
agina 11
Lema 35.- Sea P (X) =
n
P
ai Xi R[X] . Si es una raz compleja (y no real) de P (X) , entonces tambien es
i=0
raz de P (X) , y con la misma multiplicidad que .

Demostraci
on:
Veamos que es tambien raz de P (X) . Teniendo en cuenta que ai R y que entonces ai = ai ,
P () =
n
X
ai i =
i=0
n
X
ai i =
i=0
n
X
ai i =
i=0
n
X
ai i =
i=0
n
X
ai i = P () = 0 = 0
i=0
Entonces, en la descomposici
on de P (X) aparecen los factores X y X , pero como su producto (X
2
)(X ) = X2 ( + )X + = X2 2 Re()X + || R[X] , se descompone en R[X] en la forma P (X) =
2
(X2 2 Re()X + || )P1 (X) . En consecuencia, si la multiplicidad de es m > 1 , el polinomio P1 (X) R[X]
tiene a como raz de multiplicidad m 1 . Y repitiendo el proceso hasta sacar todas las raices, se obtiene que
y tienen la misma multiplicidad.
Demostraci
on de:
Teorema 38 de la p
agina 11
Teorema 38.- Sea P (X) = a0 + a1 X + + an1 Xn1 + an Xn un polinomio con ai Z, i. Entonces,

1.- Si P (X) posee una raz Z, entonces | a0 .
2.- Si P (X) posee una raz =
(La expresi
on de =
p
q
p
q
Q, entonces p | a0 y q | an .
debe estar simplificada al maximo, es decir, mcd(p, q) = 1 .)
Demostraci
on:
Si Z es raz de P : 0 = a0 + a1 + + an1 n1 + an n = a0 + (a1 + + an1 n2 + an n1 ) y
a0 = (a1 + + an1 n2 + an n1 ) ; de donde el entero a0 se descompone en dos factores Z y
a1 + + an1 n2 + an n1 Z (por ser suma y producto de enteros), luego divide a a0 .
n1
n1
n1
q+an p
n1 p
Si = pq Q es raz de P : 0 = a0 + a1 pq + + an1 pqn1 + an pqn = a0 q +a1 pq ++a
qn
el numerador debe ser cero. Como antes, sacando primero p factor com
un y luego q , se llega a:
de donde
? a0 q n = p(a1 q n1 + + an1 pn2 q + an pn1 ) luego p | a0 q n pero como no divide a q , entonces p | a0

? an pn = q(a0 q n1 + a1 pq n2 + + an1 pn1 ) luego q | an pn pero como no divide a p , entonces q | an
(Los factores de las u
ltimas igualdades son todos enteros, pues p Z, q Z y los ai Z.)
Funciones, lmites y continuidad

Demostraci
on de:
Propiedades del valor absoluto 45 de la pagina 16
Propiedades del valor absoluto 45.a) |a| 0 , a y |a| = 0 a = 0

d) |a| k k a k
b) |ab| = |a| |b|

e) |a + b| |a| + |b|

1
c) a1 = |a|

f) |a| |b| |a b|
Demostraci
on:
a) |a| 0 por la definici
on. Para la segunda parte, si |a| = 0 , o bien a = |a| = 0 , o bien a = |a| = 0 ,
luego necesariamente a = 0 ; la otra implicacion es obvia pues |0| = 0 .
Prof: Jos
e Antonio Abia Vian
Anexo 1
b) Consideremos los casos: si a 0 y b 0 se tiene |ab| = ab = |a| |b| ; si a 0 y b 0 se tiene

|ab| = ab = (a)(b) = |a| |b|; y si a 0 y b 0 , entonces |ab| = ab = (a)b = |a| |b| .

c) De 1 = |1| = a1 a = a1 |a| , se obtiene el resultado.
d) Si |a| k ,
o a = |a| k que cumple la segunda desigualdad o a = |a| k , pero entonces k a y se
cumple la primera. Si k a k , se tiene k a k , por lo que k |a| k .
e) Como x , x |x| ,
o |a + b| = a + b |a| + |b| , o bien |a + b| = a b |a| + |b| = |a| + |b| .
f) |a| = |a b + b| |a b| + |b|, luego |a| |b| |a b| ; y con b se tiene |b| |a| |b a| . Luego
|a b| = |b a| (|b| |a|) = |a| |b| |a b| y por d) se concluye la prueba
Demostraci
on de:
Proposici
on 62 de la p
agina 22
Proposici
on 62.- Sean f, g, h: A R y x0 un punto de acumulacion de A.
1.- Si f (x) g(x) h(x) en A y lm f (x) = L = lm h(x) , entonces lm g(x) = L
xx0
xx0
xx0
2.- Si g est
a acotada en A y lm f (x) = 0 , entonces lm g(x) f (x) = 0
xx0
xx0
Demostraci
on:
1.- Si lm f (x) = L = lm h(x) , entonces para cada > 0 :
xx0
xx0
existe 1 tal que si 0 < |x x0 | < 1 , entonces L < f (x) < L +

existe 2 tal que si 0 < |x x0 | < 2 , entonces L < h(x) < L +
luego tomado = mn{1 , 2 } , si 0 < |x x0 | < , entonces L < h(x) g(x) f (x) < L + .
2.- Si g est
a acotada, existe K > 0 tal que |g(x)| K , para todo x , luego se verifica que
0 |g(x)f (x)| K |f (x)| , para todo x
Por el apartado anterior, si probamos que lm K |f (x)| = 0 , entonces lm |g(x)f (x)| = 0 y se tiene que
xx0
xx0
lm g(x)f (x) = 0 (por la proposici

on 61).
xx0
Como lm f (x) = 0 lm |f (x)| = 0 , para cada > 0 existe > 0 , tal que si 0 < |x x0 | < se
xx0
verifica que |f (x)| <
xx0
. Entonces, si 0 < |x x0 | < se tiene que

|K |f (x)| 0| = K |f (x)| < K
=
K
lo que concluye la prueba.

Demostraci
on de:
agina 22
Propiedades 63.- Si lm f (x) = L1 R y lm g(x) = L2 R, entonces:

xx0
xx0
a) lm [f (x) + g(x)] = lm f (x) + lm g(x) = L1 + L2 .

xx0
xx0
xx0
b) lm [f (x) g(x)] = lm f (x) lm g(x) = L1 L2 .

xx0
f (x)
xx0 g(x)
c) lm
xx0
lm f (x)
xx0
lm g(x)
xx0
xx0
L1
L2
siempre que L2 6= 0 .
Demostraci
on:
Prof: Jos
e Antonio Abia Vian
Anexo 1
1.- Por la definici

on de lmite, tenemos que
lm f (x) = L1 para cada > 0 , 1 > 0 tal que si 0 < |x x0 | < 1 = |f (x) L1 | <
lm g(x) = L2 para cada > 0 , 2 > 0 tal que si 0 < |x x0 | < 2 = |g(x) L2 | <
xx0
xx0
luego tomando = mn{1 , 2 } , tenemos que: para cada > 0 existe = mn{1 , 2 } > 0 tal que si
0 < |x x0 | < (luego menor que 1 y menor que 2 ), entonces
|(f (x) + g(x)) (L1 + L2 )| = |f (x) L1 + g(x) L2 | |f (x) L1 | + |g(x) L2 | <

2.- Como lm f (x)g(x) = L1 L2 lm
xx0
xx0

+ =
2 2

f (x)g(x) L1 L2 = 0 , veamos esto u
ltimo. Pero
f (x)g(x) L1 L2 = f (x)g(x) L2 f (x) + L2 f (x) L1 L2 = f (x)(g(x) L2 ) + L2 (f (x) L1 )

un entorno de x0 (Th
y sabemos que lm (f (x)L1 ) = 0 , lm (g(x)L2 ) = 0 , f (x) esta acotada en alg
xx0
xx0
de acotaci
on) y L2 es constante. Por el segundo resultado de la Proposicion 62, lm f (x)(g(x) L2 ) = 0
xx0

y lm L2 (f (x) L1 ) = 0 , luego lm f (x)g(x) L1 L2 = 0 + 0 = 0 .
xx0
xx0
3.- Por ser

Como
f (x)
g(x)
1
g(x)
la funci
on
= f (x)
L12 =
1
g(x)
1
xx0 g(x)
, por el apartado anterior, basta probar que lm
L2 g(x)
g(x)L2
1
g(x)L2 (L2
1
L2
g(x)) , lm (g(x) L2 ) = 0 y L2 es constante, si probamos que

xx0
1
g(x)
est
a acotada en un entorno de x0 , por la Proposicion 62 tendremos que lm
xx0

1
g(x)) = lm g(x)
L12 = 0 , lo que prueba el resultado.
1
g(x)L2 (L2
xx0
En efecto, si L2 6= 0 , por el teorema del signo, o bien K < g(x) < k < 0 si L2 < 0 , o bien
1
1
1
0 < k < g(x) < K si L2 > 0 . Entonces, 0 < k < |g(x)| < K y, por tanto, 0 < K
< |g(x)|
< k1 , luego g(x)
est
a acotada.
Demostraci
on de:
Teorema 65 de la p
agina 22
Teorema 65.- Sean f : A R y g: f (A) R . Si lm f (x) = b y g es continua en b, entonces

xa

lm g(f (x)) = g(b) = g lm f (x) .
xa
xa
Demostraci
on:
Como lm f (x) = b,
xa
para cada 1 > 0 existe > 0 tal que si 0 < |x a| < entonces |f (x) b| < 1 .
Por otra parte, si g es continua en b se tiene que:
para cada > 0 existe 1 > 0 tal que si |y b| < 1 entonces |g(y) g(b)| < .
Entonces, haciendo 1 = 1 y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene |f (x) b| < 1 = 2 y, por tanto,
|g(f (x)) g(b)| < .

En consecuencia, lm g(f (x)) = g(b) = g lm f (x) .
xa
Demostraci
on de:
xa
Proposici
on 67 de la p
agina 23
Proposici
on 67 (Convergencia propia).- Sean f : A R y g: f (A) R. Si lm f (x) = b, con f (x) 6= b
xa
para todos los x de un entorno reducido E (a, 0 ) de a, entonces

lm (g f )(x) = lm g(f (x)) = lm g(y).
xa
Prof: Jos
e Antonio Abia Vian
f (x)b
yb
Anexo 1
Demostraci
on:
Como lm f (x) = b, para cada 1 > 0 existe 1 > 0 tal que si 0 < |x a| < 1 entonces |f (x) b| < 1 , y
xa
como f (x) 6= b en E (a, 0 ) , si tomamos = mn{0 , 1 } , se tiene que:

para cada 1 > 0 existe > 0 tal que si 0 < |x a| < entonces 0 < |f (x) b| < 1 .
Por otra parte, si L = lm g(y) se tiene que:
yb
para cada > 0 existe 2 > 0 tal que si 0 < |g(y) L| < 2 entonces |g(y) L| < .
Entonces, haciendo 1 = 2 y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene 0 < |f (x) b| < 1 = 2 y, por
tanto, |g(f (x)) L| < .
En consecuencia, lm g(f (x)) = L = lm g(y) .
xa
Demostraci
on de:
yb
Proposici
on 69 de la p
agina 23
Proposici
on 69 (Lmites laterales).- Sean a < c < b y f : (a, c) (c, b) R. Entonces
lm f (x) = L
xc
lm f (x) = lm+ f (x) = L
xc
xc
Demostraci
on:
Si lm f (x) = L, para cada > 0 existe > 0 tal que si 0 < |x c| < se tiene que |f (x) L| < .
xc
En particular, si 0 < |xc| < y x < c se cumple, luego lm f (x) = L y tambien si x > c , por lo que
xc
lm+ f (x) = L .
xc
Recprocamente, si lm f (x) = lm+ f (x) = L, se tiene que

xc
xc
para cada > 0 existe 1 > 0 tal que si 0 < |x c| < 1 y x < c se tiene |f (x) L| <
para cada > 0 existe 2 > 0 tal que si 0 < |x c| < 2 y x > c se tiene |f (x) L| <
tomando d = mn{1 , 2 } , para cada x con 0 < |x c| < sea x < c o x > c se cuple la definicion de lmite
en c. Luego lm f (x) = L .
xc
Demostraci
on de:
Continuidad de algunas funciones elementales 77 de la pagina 25
Continuidad de algunas funciones elementales 77.? f (x) = ex es continua en R y lm ex = 0 y lm ex = + .

x
x+
? f (x) = ln x es continua en (0, +) y lm+ ln x = y

x0
? f (x) = x continua en (0, ) y lm+ x = 0 y

x0
? f (x) = sh x es continua en R y
? f (x) = ch x es continua en R y
? f (x) = th x es continua en R y
lm x = si > 0 (resp. y 0 si < 0 ).
x+
lm sh x = y
lm ch x = y
lm th x = 1 y
lm ln x = + .
x+
lm sh x = + .
x+
lm ch x = + .
x+
lm th x = 1 .
x+
? f (x) = sen x y f (x) = cos x son de peri

odicas de periodo 2 , continuas en R y 6 lm f (x) .
x
? f (x) = tg x es de periodo , continua en su dominio y
tg x = .
lm + tg x = y lm
x
2
Demostraci
on:
Ya hemos probado que ex es continua en R y sabemos que
x 2
lm ex = + (basta recordar que ex es creciente,
x+
luego o est
a acotada, o no lo est
a y su lmite es + , pero como 2n + y 2n < en , los valores en no est
an
acotados). Veamos lo dem
as:
Prof: Jos
e Antonio Abia Vian
Anexo 1
lm ex = lm ex = lm
1
x
x+ e
x+
=0
lm ln x
? Para cada a (0, ) , eln a = a = lm x = lm eln x = exa

; y como la exponencial es estrictamente
xa
xa
creciente, debe ser ln a = lm ln x . Luego ln es continua en a .
xa
Como ln x es estrictamente creciente y continua, y + = lm x = lm ln ex =

x+
acotada por lo que
lm ln(ex ) , no est
a
ex +
x+
lm ln x = + .
x+
An
alogamente, =
lm x =
lm ln ex = lm ln(ex ) , no esta acotada inferiormente por lo que
ex 0+
lm ln x = .
x0+
? Como x = e ln x es continua por ser composicion de continuas y si > 0:

lm x = lm e ln x =
lm
e ln x = 0
y
lm x = lm e ln x =
x0+
x0+
< 0: lm+ x = lm+ e ln x =

x0
? sh x = e
? ch x = e
x0
lm e ln x = +
ln x+
ex
2
, luego continua y
+ex
2
, luego continua y
x
ln x
lm x = lm e ln x =
e ln x = +
lm
= ( 0
2 ) = y
x+
ex ex
2
= ( 0
2 ) = + .
ex +ex
2
x
= ( 0+
2 ) = + y
ex +ex
2
x+
= ( +0
2 ) = + .
lm
lm
lm
e ln x = 0
ln x
ex ex
2
lm
2x
sh x
e e
e e
e 1
2
? th x = ch
x = ex +ex , luego continua y como th x = ex +ex = e2x +1 = 1 e2x +1 :
2
2
lm th x = lm 1 e2x +1 = 1 0+1 = 1
y
lm th x = lm 1
x
lm
ln x
x+
x+
2
e2x +1
= (1
2
+1 ) =
? De geometra sabemos ya que las funciones seno y coseno son periodicas de

periodo 2 .
Para la continuidad, veamos primero que sen(x) y cos(x) lo son en x = 0 :
x>0
Por la construcci
on geometrica del seno, sabemos que en una circunferencia de
radio 1, la longitud del arco recorrido coincide con la amplitud del angulo en
radianes, luego si x ( 2 , 2 ) , se cumple 0 |sen(x)| |x| (ver figura). Es
decir, que x sen(x) x y como 0 = lm x lm sen(x) lm x = 0 , se
x0
x0
sen x
sen x
x<0
x0
cumple que lm sen(x) = 0 = sen(0) . Luego el seno es continuo en x = 0 .

x0

Para ver que lm cos(x) = cos(0) = 1 , probemos que lm 1 cos(x) = 0 :
x0
x0

x 2
2 x
lm 1 cos(x) = lm 2 sen ( 2 ) = 2 lm sen( 2 ) = 2 02 = 0
x0
x0
x0
Veamos ahora que son continuas en todo punto x0 de R.

lm sen(x) = lm sen(x0 + h) = lm sen(x0 ) cos(h) + sen(h) cos(x0 )
h0
h0

= sen(x0 ) lm cos(h) + lm sen(h) cos(x0 ) = sen(x0 ) 1 + 0 cos(x0 ) = sen(x0 )
xx0
h0
h0

lm cos(x) = lm cos(x0 + h) = lm cos(x0 ) cos(h) sen(x0 ) sen(h)
xx0
h0
h0

= cos(x0 ) lm cos(h) sen(x0 ) lm sen(h) = cos(x0 ) 1 + sen(x0 ) 0 = cos(x0 )
h0
h0
La periodicidad de las funciones asegura que no existe el lmite lm sen x , pues cuando n los puntos
x+
x = 2n y los puntos x =
+2n se alejan hacia + y sucede que lm sen( 2 +n2) = lm sen( 2 ) = 1

n
y lm sen(n2) = lm sen(0) = 0 , que son valores distintos.

n
? Para la continuidad de la tangente bastan las propiedades del cociente tg x =
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
sen x
cos x
Algunos infinitos e infinitesimos conocidos 81 de la pagina 26
Anexo 1
Algunos infinitos e infinit

esimos conocidos 81.- Usaremos la notacion f g
infinitos o infinitesimos equivalentes:
an xn + + a1 x + a0 an xn cuando x
a n xn + + a 1 x a 1 x
sen(x) x
cuando x 0
tg(x) x
2
cuando x
1 cos(x) x2
sen x1 x1
ln(1 + x) x
cuando x 0
ex 1 x
2
sh(x) x
cuando x 0
ch(x) 1 x2
para indicar que f y g son

cuando
cuando
cuando
cuando
cuando
x0
x0
x0
x0
x0
Demostraci
on:
?
an xn +an1 xn1 ++a1 x+a0

an xn
x
= lm 1 +
an xn +an1 xn1 ++a2 x2 +a1 x

a1 x
x0
= lm
lm
? lm
? Veamos que lm
x0
sen x
x
an1 1
an x
an n1
x
x0 a1
+ +
an1 n2
a1 x
a1
1
an xn1
+ +
a0 1
an xn
a2
a1 x
= 1 + 0 + + 0 + 0 = 1
+ 1 = 0 + 0 + + 0 + 1 = 1
= 1 , con una peque

na argucia geometrica (ver figura):
En una circunferencia de radio 1, la longitud del arco recorrido coincide con la amplitud del
angulo (en radianes), luego si x (0, 2 ) , se tiene que 0 < sen(x) < x < tg(x)
1
x
< cos(x)
y tomando lmites:
de donde, dividiendo por sen(x) , se tiene 1 < sen(x)
x
1
x
1 lm+ sen(x) lm+ cos(x) = 1 . Luego lm+ sen(x) = 1 .
x0
x0
( 2 , 0) ,
x>0
tg x
sen x
sen x
x0
Si x
se tiene que 0 > sen(x) > x > tg(x) de donde, dividiendo por sen(x)
1
x
x
< cos(x)
como antes. Luego lm sen(x)
= 1.
(que es negativo), se tiene 1 < sen(x)
tg x
x<0
x0
? lm
x0
tg x
x
= lm
x0
sen x 1
x cos x
= 1 1 = 1.
? Considerando y = g(x) =
1
x
lm g(x) = 0+ con g(x) 6= 0 para todo x , luego por la proposicion 67 de
x+
convergencia propia, se tiene:

? lm
1cos x
x0
= lm
x2
2
lm
x0+
2 sen2 ( x
2)
x2
2
x0
ln(1+x)
x
= lm
x0+
1
x
? Para calcular lm
x0
sh x
x0 x
? lm
x0
ch(x)1
x2
2
= lm
Demostraci
on de:
x0
x+
lm
sen g(x)
g(x)
sen( x
2)
1
x

2
x
2
x0
x0+
e 1
x
ex ex
2x
x0
= lm
= lm
(1)
sen y
y
= lm+
y0
sen y
y0 y
lm
lm (1+x) x
x0+
2
(Idem si x )
= 1.
= 1.
(1) Con y = g(x) =
x
2

(1)
= ln
lm (1+ y1 )y = ln(e) = 1
y+
y luego
Analogamente, para x 0 :
el ejemplo 76.

= ln
lm (1 + y1 )y = ln(e) = 1 .
y
, consideramos y = g(x) = ex 1 , est. creciente y con lm g(x) = 0 . Ademas

ex 1
x0 x
1 + y = ex y ln(1 + y) = x . Luego:
? lm
1
x
ln(1+x) = lm ln(1+x) x = ln
x0
x
1
x
sen2 ( x
2)
x 2
x0 ( 2 )
= lm
Considerando en (1)
y = g(x) =1
ln(1+x)
lm
= ln lm (1 + x) x
x
x0
sen
lm
x+
e2x 1
x
x0 e 2x
= lm
ex +ex
2
x2
2
lm
1
x
x0 e
lm
ex +ex 2
2
2 x2
x0
= lm

x0
y
y0 ln(1+y)
= lm
e2x 1
x0 2x
lm
(1)
= 1 lm
y0
e2x+12ex
ex x 2
x0
= lm
= 1.
ey 1
y
(ex1)2
x 2
x0 e x
= lm
= 1.
(1) y = g(x) = 2x .

= lm

1
x
x0 e
2
ex 1
x0 x
lm
= 1.
Teorema de Bolzano 84 de la pagina 28
Teorema de Bolzano 84.- Sea f una funci

on continua en el intervalo [a, b] y que toma valores de signo opuesto
en a y b (es decir, f (a)f (b) < 0 ) entonces c (a, b) tal que f (c) = 0 .
Demostraci
on:
Podemos suponer que f (a) < 0 y f (b) > 0 . Tomemos c0 =
a+b
2
el punto medio entre a y b:
Si f (c0 ) = 0 , como c = c0 (a, b) , es el punto buscado. Si f (c0 ) 6= 0 pueden darse dos casos:
? si f (c0 ) > 0 , como f (a) < 0 y f continua en [a, c0 ] , el teorema se reduce al intervalo [a, c0 ] ;
? si f (c0 ) < 0 , como f (b) > 0 y f continua en [c0 , b] , el teorema se reduce al intervalo [c0 , b] .
Prof: Jos
e Antonio Abia Vian
Anexo 1
En un caso u otro el teorema queda probado si lo hacemos en el intervalo [a1 , b1 ] [a, b] (bien [a, c0 ] o bien
[c0 , b] ) de longitud b1 a1 = ba
2 , en el cual f es continua, f (a1 ) < 0 y f (b1 ) > 0 .
1
En este intervalo, tomamos su punto medio c1 = a1 +b
. Si f (c1 ) = 0 es el punto buscado; si f (c1 ) 6= 0 se
2
1
= ba
puede, como hicimos antes, reducir el teorema al intervalo [a2 , b2 ] [a1 , b1 ] de longitud b2 a2 = b1 a
2
22
en el cual f es continua, f (a2 ) < 0 y f (b2 ) > 0 .
Repitiendo sucesivamente el proceso anterior, y si ninguno de los puntos medios, cn , verifica que f (cn ) = 0 ,
entonces hemos construido una sucesi
on de intervalos cerrados encajados
[a, b] [a1 , b1 ] [a2 , b2 ] [an , bn ]
con bn an =
ba
2n
f (an ) < 0
f (bn ) > 0 .
Adem
as, los puntos an extremos inferiores verifican que
a a1 a2 an b,
luego el conjunto A = {an : n N} est
a acotado superiormente (por b) y, por tanto, existe c = sup A ; como
a an b se cumple a c b luego c [a, b] . Por ser c = sup A, para cada > 0 existe an0 A con
c < an0 c, y como an crece con n , para cada n n0 se tiene an0 an c. Luego
c < an0 an c < c + ,
ba
n
n 2
Como lm (bn an ) = lm
n
n n0
|an c| < ,
n n0
lm an = c
= 0 y lm an = c, entonces lm bn = c y, por ser f continua en [a, b] ,

n
se tiene que 0 lm f (an ) = f (c) = lm f (bn ) 0 , luego f (c) = 0 . En consecuencia, existe c [a, b] con
n
f (c) = 0 y, como f (a) < 0 y f (b) > 0 , c 6= a y c 6= b, luego c (a, b) .

Demostraci
on de:
Corolario 86 de la p
agina 28
Corolario 86.- Sea I un intervalo de R y f : I R continua en I , entonces f (I) es tambien un intervalo de

R.
Demostraci
on:
Supongamos primero que f (I) no est
a acotado ni superior ni inferiormente. Entonces, para cada y R , existe
alg
un valor mayor que el en f (I) , y < f (b) f (I) , y existe alg
un valor de f (I) menor que el, y > f (a) f (I) ,
luego f (a) < y < f (b) . Como a y b son del intervalo I , el intervalo [a, b] I (o [b, a] I ), luego por el
teorema de los valores intermedios 85 existe c entre a y b tal que f (c) = y , luego y f (I) y f (I) = R.
Supongamos ahora que f (I) no est
a acotado inferiormente pero s superiormente, y sea = sup f (I) .
Entonces, por ser extremo superior, para cada y < , existe un punto f (b) f (I) tal que y < f (b) y, por
no estar f (I) acotado inferiormente, existe a I , tal que f (a) < y < f (b) . Luego por el teorema 85 existe
c entre a y b tal que f (c) = y , luego y f (I) de donde (, ) f (I) . Pero como es el superior del
conjunto, f (I) = (, )
o f (I) = (, ] (seg
un que el superior sea maximo o no lo sea).
La prueba, para los dos casos que restan, son enteramente analogas.
Demostraci
on de:
Teorema de acotaci
on 87 de la pagina 28
Teorema de acotaci
on 87.- Sea f una funci
on continua en el intervalo cerrado [a, b] , entonces f esta acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| M , para todo x [a, b] .
La prueba de este resultado se incluye en la prueba del siguiente; el Teorema de Weierstrass 88.
Demostraci
on de:
Teorema de Weierstrass 88 de la pagina 28
Teorema de Weierstrass 88.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un m
aximo
y un mnimo en [a, b] . Es decir, [a, b] tal que f () f (x) , x [a, b] y [a, b] tal que f (x) f () ,
x [a, b] .
Demostraci
on:
La demostraci
on de este resultado y del Teorema de acotacion 87 anterior, que vamos a exponer aqu no son
todo lo rigurosas que sera de desear, por dos razones: la primera, que se hace uso del Teorema de BolzanoWeierstrass (Un conjunto infinito y acotado de R, tiene al menos un punto de acumulacion) que no se incluye
en estos apuntes y, en segundo lugar, que simplificaremos del proceso (con una muy breve explicacion) en aras
de entender el sentido de la prueba.
Por el Corolario 86, como J = [a, b] es un intervalo, su imagen f (J) es un intervalo de R .
Prof: Jos
e Antonio Abia Vian
Anexo 1
Veamos primero, que el intervalo f (J) est

a acotado. Supngamos que es un intervalo no acotado superiormente,
en cuyo caso, el conjunto {n N} f (J) y existen puntos xn [a, b] tales que f (xn ) = n . Los puntos son
distintos, pues tienen im
agenes distintas por la aplicacion f y son infinitos, luego el conjunto T = {xn : n
N} [a, b] es infinito y acotado por lo que tiene al menos un punto de acumulacion l (Teorema de BolzanoWeierstrass enunciado arriba). En aras de no complicar el proceso supondremos que es punto de acumulaci
on
de todo el conjunto T , es decir, que lm xn = l (ser punto de acumulacion, significa que nos podemos acercar
n
tanto como queramos al punto l con puntos del conjunto T ; luego que l es el lmite de los puntos de un
subconjunto infinito de T , por lo que tiene un funcionamiento similar a si fuera todo T en cualquier estudio
sobre sucesiones de n
umeros reales puede consultarse con mas detalle esta simplificacion).
Como a xn b se tiene que a lm xn b, luego que l [a, b] . Entonces, por ser f continua en [a, b] ,
n

lm f (xn ) = f lm xn = f (l) R; pero por su construccion, lm f (xn ) = lm n =
/ R, lo que es
n
absurdo. En consecuencia, f (J) tiene que estar acotado superiormente.

An
alogamente, se obtiene que f (J) est
a acotado inferiormente, lo que prueba el Teorema de acotacion 87.
De lo anterior, f (J) es un intervalo acotado de R, luego de la forma [c, d] o [c, d) o (c, d] o (c, d) .
Veamos si d est
a o no en el conjunto. Por ser d = sup f (J) , para cada n N , existe xn [a, b] tal que
agenes de los xn son distintas, tenemos un conjunto T = {xn : n N} infinito
f (xn ) = d n1 < d, como las im
y acotado que tiene un punto de acumulaci
on l . Con
un razonamiento
similar al de la parte anterior, sea

lm xn = l [a, b] y se verifica que lm f (xn ) = f lm xn = f (l) R por ser f continua y por otro lado,
n
lm f (xn ) = lm d
1
n
= d , luego d = f (l) y d f (J) , por lo que d = max f (J) .
An
alogamente, se prueba que c = mn f (J) . Lo que concluye la prueba.
Demostraci
on de:
Corolario 89 de la p
agina 28
Corolario 89.- Si f es continua en (a, b) y lm+ f (x) = l1 R y lm f (x) = l2 R , la funcion f esta acotada
xa
xb
(Tambien es cierto cuando a es y cuando b es + .)
en (a, b) .
Demostraci
on:
Para que el resultado sea cierto no es necesario que exista el lmite en los extremos del intervalo, basta con que
la funci
on este acotada en alg
un entorno de ellos. La razon de poner el enunciado con lmites esta en que es
una manera c
omoda de asegurar la acotaci
on y suficiente en la mayora de los casos.
Si lm+ f (x) = l1 R y lm f (x) = l2 R, por el Teorema de acotacion para lmites 82, existe E(a, 1 )
xa
xb
y M1 > 0 tal que |f (x)| M1 para todo x (a, a + 1 ) y existe E(b, 2 ) y M2 > 0 tal que |f (x)| M2 para
todo x (b 2 , b) . Entonces, (a, b) = (a, a + 1 ) [a + 1 , b 2 ] (b 2 , b) y al ser f continua en el intervalo
[a+1 , b2 ] est
a acotada en el (Th 87), luego existe M3 > 0 , tal que |f (x)| M3 para todo x [a+1 , b2 ] .
En consecuencia, f est
a acotada en cada uno de los tres trozos en que hemos dividido el intervalo, por lo que
est
a acotada; es decir, tomando M = m
ax{M1 , M2 , M3 } , para todo x (a, b) , |f (x)| M .
Si a =
o b = + , la prueba es identica, tomando entornos de o + .
Matrices y sistemas
Demostraci
on de:
Teorema 102 de la p
agina 43
Teorema 102.- Si la matriz elemental Emm resulta de efectuar cierta operacion elemental sobre las filas de
Im y si Amn es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operaci
on
elemental sobre las filas de A .
Demostraci
on:
Sean E1 la matriz elemental que tiene intercambiadas las filas i y j , E2 la matriz elemental de multiplicar la
fila i por 6= 0 y E3 la matriz elemental obtenida de sumar a la fila i la fila j multplicada por . Entonces
E
A
I
A
IA
A
EA
eEA
= FjA
ik = Fi Ck = Fj Ck = ejk = ejk , k = Fi
E
A
I
A
IA
A
EA
eEA
= FiA
? E = E1 :
jk = Fj Ck = Fi Ck = eik = eik , k = Fj
E
A
I
A
IA
A
EA
r 6= i, j eEA
= FrA
rk = Fr Ck = Fr Ck = erk = erk , k = Fr
Prof: Jos
e Antonio Abia Vian
(
? E = E2 :
Anexo 1
E
A
I
A
IA
A
EA
eEA
= FiA
ik = Fi Ck = Fi Ck = eik = eik , k = Fi
r 6= i
E
A
I
A
IA
A
EA
= FrA
eEA
rk = Fr Ck = Fr Ck = erk = erk , k = Fr
veamos que FiEA = FiA + FjA , pues las demas no cambian:
? E = E3 :
E
A
I
I
A
I
A
I
A
IA
IA
A
A
eEA
ik = Fi Ck = (Fi + Fj ) Ck = (Fi Ck ) + (Fj Ck ) = eik + ejk = eik + ejk , k
Demostraci
on de:
Teorema de Rouche 109 de la pagina 45
Teorema de Rouch
e 109.- Sea el sistema AX = B , sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene soluci
on si, y s
olo si, rg(A) = rg(A|B) .
En caso de tener soluci
on, si rg(A) = r , toda solucion del sistema puede expresarse en la forma X =
V0 + t1 V1 + t2 V2 + + tnr Vnr , siendo V0 una solucion particular de AX = B y los vectores V1 , . . . , Vnr
soluciones del sistema homogeneo asociado AX = 0 .
Demostraci
on:
Reduciendo la matriz ampliada del sistema por operaciones elementales seg
un el metodo de Gauss-Jordan,
llegamos a una matriz escalonada reducida, que en la parte correspondiente a A, tiene r unos como elementos
principales. Si reordenamos las columnas para juntar en las r primeras los elementos principales, la matriz
ampliada resultante ser
a:
b01
1 0 0 a01r+1 a01n
En forma mas escueta indicando los tama
nos
0 1 0 a02r+1 a02n
b02
podemos escribirla as:
.. .. . .
.
..
..
..
. .

. ..
.
.
.
0
Irr
A0rnr
Br1
0
0 0 1 a0rr+1 a0rn
br
0
0mrr 0mrnr Bmr1

0
0 0 0
b
0
0
r+1
. .
.
..
..
..
.. .. ..
.
.
.
b0m
0 0 0
0
0
(Nota: Al intercambiar el orden de las columnas de la matriz A, solo cambiamos el orden de las incognitas. Es
decir, las soluciones ser
an las mismas pero en otro orden.)
Obviamente el rango de la matriz de los coeficientes es r y el sistema tendra solucion si y solo si b0r+1 =
= = b0m = 0 , es decir si el rango de la ampliada tambien es r .
En este caso, (asumiendo una posible reordenacion de las incognitas) el sistema resultante es:
x1 = b01 xr+1 a01r+1 xr+2 a01r+2 xn a01n
x2 = b02 xr+1 a02r+1 xr+2 a02r+2 xn a02n

..
xr = b0r xr+1 a0rr+1 xr+2 a0rr+2 xn a0rn
b0r+2
y la soluci
on, usando par
ametros:
x1 = b01 t1 a01r+1 t2 a01r+2 tnr a01n
x2 = b02 t1 a02r+1 t2 a02r+2 tnr a02n
..
xr = b0r t1 a0rr+1 t2 a0rr+2 tnr a0rn
xr+1 = t1
..
xn = tnr
0
b1
x1
.. ..
. .

xr b0r

xr+1 = 0

. .
.. ..
xn
Prof: Jos
e Antonio Abia Vian
a01r+1
..
a0rr+1
+t1
..
que tambien podemos escribir en forma matricial teniendo en cuenta que

xr+i = 0 + t1 0 + + ti 1 + + tnr 0
a01n
..
+ +tnr arn
..
y llamando Vi a las matrices columna, podemos escribir

X = V0 + t1 V1 + + tnr Vnr
como enunciabamos.
1
Anexo 1
Fij
andonos en las soluciones se observa que haciendo t1 = = tnr = 0 , V0 es una solucion de AX = B .
Si consideramos el sistema homogeneo asociado AX = 0 , ha de ser V0 = 0 y como solucion generica
obtendremos X = t1 V1 + + tnr Vnr . Luego haciendo ti = 1 y tk = 0 , para k 6= i , vemos que X = Vi es
soluci
on del sistema homogeneo AX = 0 .
Determinantes
Demostraci
on de:
Teorema 125 de la p
agina 51
Teorema 125.- Sea Ann una matriz. Se tiene:

a) que si A0 es la matriz que resulta de multiplicar una fila de A por una constante 6= 0 , entonces
det(A0 ) = det(A) .
b) que si A0 es la matriz que resulta de intercambiar dos filas de A, entonces det(A0 ) = det(A) .
c) que si A0 es la matriz que resulta de sumar a una fila k un m
ultiplo de la fila i, entonces det(A0 ) = det(A) .
Demostraci
on:
a) det(A0 ) =
X
X
(1)N a1j1 aiji anjn = (1)N a1j1 aiji anjn = det(A)
b) Previamente necesitamos el siguiente resultado:

Lema.- Si en el conjunto {j1 , . . . , jn } intercambiamos dos elementos el n
umero de inversiones
de signo cambia de paridad (de par a impar, o viceversa).
Demostraci
on:
Si intercambiamos los elementos consecutivos ji y ji+1 cambia la paridad, pues si antes era
ji < ji+1 ahora es ji+1 > ji , produciendose una inversion donde antes no la haba, y si era
ji > ji+1 ahora ji+1 < ji , con lo que se elimina una inversion que antes haba. Como con el
resto de los elementos no se producen modificaciones, si tenamos N inversiones ahora tendremos
N +1
o N 1 , luego se cambia de paridad.
Si intercambiamos los elementos ji y jk no consecutivos, podemos hacerlo repitiendo el proceso
comentado arriba, yendo paso a paso intercambiando terminos consecutivos. Hacemos por lo
tanto k i intercambios consecutivos para llevar el elemento ji a la posicion k y haremos
k i 1 intercambios para llevar jk (que ahora esta en la posicion k 1 ) a la posicion i . Luego
hay 2(k i) 1 , un n
umero impar, de cambios de paridad y, por tanto, cambia la paridad al
intercambiar dos elementos cualesquiera.
Con este resultado, para probar b) basta observar que los productos elementales que aparecen en el
det(A0 ) son los mismos que aparecen en el det(A) , aunque intercambiadas las posiciones de los elementos de las filas en cuesti
on, es decir, los productos elementales a1j1 akjk aiji anjn de A0 y
a1j1 aiji akjk anjn de A son iguales. Pero como los ndices ji y jk aparecen intercambiando las
posiciones en el desarrollo de los determinantes, tendran signos contrarios, luego det(A0 ) = det(A) .
Corolario.- Una matriz con dos filas iguales tiene determinante cero.
Demostraci
on:
Sea B una matriz cuadrada que tiene la fila i y la fila k iguales, entonces por la parte b)
anterior, si intercambiamos las filas i y k que son iguales se obtiene que det(B) = det(B) es
decir que det(B) = 0 .
X
(1)N a1j1 aiji (akjk + kaijk ) anjn

X
=
(1)N a1j1 aiji akjk anjn +
(1)N a1j1 aiji kaijk anjn
X
= det(A) + k
(1)N a1j1 aiji aijk anjn .
Como este u
ltimo sumatorio, que es el determinante de una matriz que tiene la fila i y la fila k iguales,
vale 0, se tiene que det(A0 ) = det(A) .
c) det(A0 ) =
Prof: Jos
e Antonio Abia Vian
Demostraci
on de:
Anexo 1
Teorema 128 de la p
agina 51
Teorema 128.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) det(B).
Demostraci
on:
La demostraci
on se hace en tres pasos. Primero el caso particular en que A sea una matriz elemental y luego
los casos generales, que A sea una matriz inversible o que no lo sea.
1. Si A es una matriz elemental, por el teorema 125 y corolario 127 anteriores, se tiene que:
a) det(AB) = k det(B) = det(A) det(B)
b) det(AB) = det(B) = (1) det(B) = det(A) det(B)
c) det(AB) = det(B) = 1 det(B) = det(A) det(B)
seg
un el tipo de matriz elemental que sea A .
2. Si A es inversible es producto de matrices elementales (teorema 116) y por la parte 1,
det(AB) = det(Ek Ek1 E1 B) = det(Ek ) det(Ek1 E1 B) =
= det(Ek ) det(E2 ) det(E1 ) det(B) = det(Ek ) det(E2 E1 ) det(B) =
= det(Ek E1 ) det(B) = det(A) det(B).
3. Si A no es inversible, la matriz escalonada reducida, R , obtenida de Ek E1 A = R no es la identidad, luego
A = E11 Ek1 R = E 1 R donde E 1 es inversible (producto de inversibles) y R tiene al menos una fila
de ceros. Luego det(AB) = det(E 1 RB) = det(E 1 ) det(RB) y det(A) det(B) = det(E 1 R) det(B) =
det(E 1 ) det(R) det(B) . Como R tiene al menos una fila de ceros, RB tiene al menos una fila de ceros
y det(R) = 0 = det(RB) . Luego:
det(AB) = det(E 1 ) det(RB) = 0 = det(E 1 ) det(R) det(B) = det(A) det(B) .
Demostraci
on de:
Teorema 131 de la p
agina 51
Teorema 131.- Si A es una matriz cuadrada, entonces |At | = |A| .

Demostraci
on:
Es claro que los productos elementales que aparecen en ambos determinantes son los mismos, luego basta probar
que adem
as tienen el mismo signo.
Si en la matriz A hacemos cero todos los elementos excepto los que intervienen en un producto elemental
dado, obtenemos una matriz B cuyo determinante es precisamente ese producto elemental con signo, es decir
det(B) = (1)N a1j1 anjn ; si en At hacemos cero los elementos que no intervienen en ese mismo producto
0
elemental se obtiene precisamente B t , y det(B t ) = (1)N a1j1 anjn . Entonces,

0
0 a3j3 0

..
..
.. 2
..

0 0
0
0
.
.
.
.
1j1

a1j1 20
0 0 0 a2j2 0

0
0 anjn

0 a2j2 20 0
a3j3 0 0 0 ..

.
.
.
t
0
0
a
0
3j3
..
.. .. =
|BB | =

..
.

..
..
..
..
..
.. .
.
.
.
.
.
.
.
.
.
.
. .
.
.
.
.
.
.
0 0 .
.
.
a1j1 0

.
..
..
. 0
0 anjn 0 0
0
0 a2njn

..
.
. ..

0 a2j
0 0
2
= a21j1 a22j2 a23j3
a2njn
0,
y, por tanto, det(B) det(B t ) = det(BB t ) 0 y ambos factores tienen el mismo signo.
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
Teorema 133 de la p
agina 52
Anexo 1
Teorema 133.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n :
det(A) = ai1 Ci1 + ai2 Ci2 + + ain Cin y det(A) = a1j C1j + a2j C2j + + anj Cnj
Demostraci
on:
Sopongamos que desarrollamos por la fila 1 . Si en det(A) agrupamos los terminos que involucran a cada a1k ,
tenemos que
X
X
|A| =
(1)N a11 a2j2 anjn + +
(1)N a1n a2j2 anjn
(1,j2 ,...,jn )
n
X
(n,j2 ,...,jn )
(1)N a1k a2j2 anjn =
k=1
n
X
a1k
k=1
(k,j2 ,...,jn )
Por otra parte como C1k = (1)1+k M1k = (1)1+k
(1)N a2j2 anjn
(k,j2 ,...,jn )
(1)Nk a2j2 anjn , basta comprobar que este valor
(j2 ,...,jn )
ji 6=k
coincide con el que aparece entre parentesis en el sumatorio anterior.

Para cada k , en el conjunto {k, j2 , . . . , jn } aparecen k 1 inversiones mas que en {j2 , . . . , jn } , pues est
an
todas aquellas que se producen entre los ji m
as las que se produzcan con el primer elemento k . En efecto, como
en el conjunto {j2 , . . . , jn } aparecen los valores 1 , 2 , . . . , k 1 , y se tiene que k > 1 , k > 2 , . . . , k > k 1 ,
aparecen exactamente k 1 inversiones m
as. Es decir, (1)N = (1)k1 (1)Nk , luego
n
n
X
X
X
X
a1k
(1)k1 (1)Nk a2j2 anjn
|A| =
a1k
(1)N a2j2 anjn =
k=1
n
X
a1k (1)k1
k=1
n
X
k=1
(k,j2 ,...,jn )
(1)Nk a2j2 anjn =
a1k (1)k+1 M1k =
n
X
a1k (1)k1 M1k
k=1
(j2 ,...,jn )
n
X
(j2 ,...,jn )
a1k C1k
k=1
k=1
Para desarrollar por una fila k cualquiera, basta llevar esta a la fila 1 y aplicar lo anterior. En efecto, si vamos
intercambiando la fila k con cada una de las anteriores, obtenemos una matriz A0 que tiene por fila 1 la fila k
de A, por fila 2 la fila 1 de A, . . . , por fila k la fila k 1 de A, y las demas igual. Luego hemos hecho k 1
cambios de fila y, por tanto, |A| = (1)k1 |A0 | . Si desarrollamos det(A0 ) por la primera fila, tenemos que
|A| = (1)k1 |A0 | = (1)k1
n
X
0
a01j (1)1+j M1j
= (1)k1
j=1
n
X
akj (1)k1 (1)1+j Mkj =
j=1
n
X
akj (1)k+j Mkj =
j=1
n
X
akj (1)1+j Mkj
j=1
n
X
akj Ckj .
j=1
Para el desarrollo por columnas basta recordar que |A| = |At | .

Demostraci
on de:
Regla de Cramer 137 de la pagina 53
Regla de Cramer 137.- Sea AX = B , un sistema

entonces el sistema tiene como u
nica soluci
on:

b1 a12 a1n
a11

b2 a22 a2n
a21

..
..
.. . .
..
.

.
.
.
.

bn an2 ann
an1
x1 =
, x2 =
|A|
Prof: Jos
e Antonio Abia Vian
de n ecuaciones con n incognitas, tal que A es inversible,

b1 a1n
b2 a2n
.. . .
.
. ..
.
bn ann
, . . . , xn =
|A|
a11 a12
a21 a22
..
.. . .
.
.
.
an1 an2
|A|

bn
b1
b2
..
.
Demostraci
on:
Si A es inversible la soluci
on u
nica es
C11 C21
Adj(A)
1 C12 C22
B=
.
..
..
|A|
|A| ..
.
.
a1n a2n
luego cada xj =
Anexo 1
Cn1
Cn2
..
.
ann
X = A1 B =
b1
b1 C11 + b2 C21 + + bn Cn1
b2
1
b1 C12 + b2 C22 + + bn Cn2

.. =
. |A|
b
C
+
b2 C2n + + bn Cnn
1
1n
bn
b1 C1j + b2 C2j + + bn Cnj

, como queramos probar.
|A|
Demostraci
on de:
Orlado de menores 141 de la pagina 54
Orlado de menores 141.- Sea Amn una matriz, y Mrr una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
a
nadiendo una fila y una columna a M son cero, el rango de A es r .
Demostraci
on:
Supongamos, por simplicidad en la notaci
on, que
Consideremos la matriz
a11
a1r
..
..
.
.
.
.
.
ar1
arr
ar+11 ar+1r
M es el menor formado por las primeras r filas y columnas.

a1r+1
..
.
a1r+2
..
.
..
.
a1n
..
.
arr+1
ar+1r+1
arr+2
ar+1r+2
arn
ar+1n
donde las lneas verticales significan respectivamente M y este menor ampliado a la fila r + 1 y a cada una de
las dem
as columnas de A. Si hacemos operaciones elementales en las filas, obtenemos
0
a11 a01r a01r+1

a01r+2 a01n
.. . .
.
..
..
..
..
.
. ..
.
.
.
.
0
0
0 a0rr a0rr+1
arr+2 arn
0 0 a0r+1r+1 a0r+1r+2 a0r+1n
y los menores que tenemos ahora son o no cero seg
un lo fueran o no antes. Como M es distinto de cero ha de
ser a011 a022 a0rr 6= 0 y como cada uno de los menores ampliados son cero han de ser a011 a022 a0rr a0r+1r+1 = 0 ,
a011 a022 a0rr a0r+1r+2 = 0 , . . . , a011 a022 a0rr a0r+1n = 0 . Luego, a0r+1r+1 = a0r+1r+2 = = a0r+1n = 0 y la
matriz escalonada queda
0
a11 a01r a01r+1 a01r+2 a01n
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
0 a0rr a0rr+1 a0rr+2 a0rn
0 0
0
0
0
Haciendo el mismo proceso para las filas r + 2 hasta m, tenemos que una forma escalonada de A sera
0
a11 a01r a01r+1 a01r+2 a01n

..
..
..
..
..
..
..
.
.
.
.
.
.
.
0 a0rr a0rr+1 a0rr+2 a0rn
0 0
0
0
0
.
..
..
..
..
..
..
..
.
.
.
.
.
.
0 0
0
0
0
y el rango de A es por tanto r .
Prof: Jos
e Antonio Abia Vian

Parte1 - Preliminares de Números Complejos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Parte1 - Preliminares de Números Complejos

Uploaded by

Copyright:

Available Formats

1 Matematicas 1

Grados de Ing. Industrial : Curso 20122013

Conocemos y manejamos ya diversos conjuntos de n

Grados de Ing. Industrial : Curso 20122013

1.2 El plano complejo

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

y viene dado por la expresion z 1 =

Nota: Si z es real, z = a + i0 = a, se tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el modulo complejo

|z| |Re(z)| + |Im(z)| .

1.3 Forma polar de un n

e) |zw| = |z| |w| ;

b) d(z, w) d(z, t) + d(t, w) , t C .

Al argumento que se encuentra dentro del intervalo de tama

Grados de Ing. Industrial : Curso 20122013

que quedan distribuidos como en la figura aneja.

ez+w = ez ew , para todo z, w C .

(uno por cada argumento de z )

1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binomica:

Grados de Ing. Industrial : Curso 20122013

1.2 Usar, cuando sea posible, las propiedades

del modulo para calcular:

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

1.4 Expresar en forma bin

1.5 Hallar todos los valores complejos de:

1.6 Si se sabe que 1 + i es una raz c

1.8 Que valores de z verifican que |z + 1| < |z i| ?

1.10 Hallar los z para los que

1.11 Resolver la ecuaci

|a + bi| |a| + |b|

1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposicion 13.

Grados de Ing. Industrial : Curso 20122013

ai X un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el

mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .

Grados de Ing. Industrial : Curso 20122013

Nota: gr(P Q) = gr(P ) + gr(Q) .

Grados de Ing. Industrial : Curso 20122013

2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

Division eucldea de polinomios. Divisibilidad y factorizaci

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

Grados de Ing. Industrial : Curso 20122013

2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

Dado un polinomio P (X) = a0 + a1 X + + an Xn K[X] y K, denotaremos por P () al resultado de

tenemos que: P (X) = C(X) (X ) + r , luego P () = C() ( ) + r = r . Como P () = r se puede concluir

Grados de Ing. Industrial : Curso 20122013

2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

El siguiente resultado (que no es elemental) aporta la informacion necesaria:

+ 8 = 12 (X4 + 16) = 12 (X 2ei 4 )(X 2ei

ai Xi R[X] . Si es una raz compleja (y no real) de P (X) , entonces tambien es

raz de P (X) , y con la misma multiplicidad que .

un polinomio de Q[X] . Entonces, si m es el mnimo com

debe estar simplificada al maximo, es decir, mcd(p, q) = 1 .)

Grados de Ing. Industrial : Curso 20122013

2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

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

y se tiene Q(X) = (X + 2)(28X3 + 39X2 37X 6)

y se tiene Q(X) = (X + 2)2 (28X2 17X 3)

y se tiene Q(X) = (X + 2)2 (X + 71 )(28X 21)

Nota: Para evaluar un polinomio real a mano o con calculadora, es muy u

y mcd(P (X), Q(X)) = D(X) 6= 1 , la expresion equivalente

? Si gr(P (X)) gr(Q(X)) , entonces

, con gr(R(X)) < gr(Q(X)) .

y obtener una fracci

Grados de Ing. Industrial : Curso 20122013