Professional Documents
Culture Documents
Parte I
Preliminares
Prof: Jos
e Antonio Abia Vian
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
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
3 Matematicas 1 : Preliminares
1.2.1
Forma bin
omica de un n
umero complejo
1.2.2
1
z
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 .
|z| = 0 z = 0 .
b) |Re(z)| |z| ;
Prof: Jos
e Antonio Abia Vian
|Im(z)| |z| ;
4 Matematicas 1 : Preliminares
c) |z| = |z| :
1
z
|z| = zz ;
z
zz
z
|z|2
.
|z w| |z| |w| .
d) |z + w| |z| + |w| ;
1
z = |z|1 .
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 .
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
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
5 Matematicas 1 : Preliminares
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
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
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)
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
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
6 Matematicas 1 : Preliminares
1.4 Ejercicios
344
i (i)231 ;
i(1 + i)5
2(1 i)5 ;
a) 8
b)
1 i
c)
3+i 3
)
2
h
i2
4 cos( 2 ) + 4i sen( 2 )
d)
b) e1i 2
2 ei
c) iei
7
4
Log(i3 )
d)
Log(2e1+i 3 )
e)
a) i 2
b)
86
c)
(1) 3
3
( 3 + i) 5
d)
e)
2
4 cos( 2
3 ) + 4i sen( 3 )
i 34
|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
+ (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
b)
Re(ez ) = 0
c)
|eiz | < 1
d) ez = 1
e)
e2z = i
f) ez = ez
2 |a + bi| .
Prof: Jos
e Antonio Abia Vian
7 Matematicas 1 : Preliminares
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
i=0
i=0
P (X) = Q(X) n = m y i, ai = bi .
Prof: Jos
e Antonio Abia Vian
8 Matematicas 1 : Preliminares
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
Prof: Jos
e Antonio Abia Vian
9 Matematicas 1 : Preliminares
2.2
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
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
10 Matematicas 1 : Preliminares
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
Prof: Jos
e Antonio Abia Vian
11 Matematicas 1 : Preliminares
2.2.3
Factorizaci
on de polinomios de coeficientes complejos
1 4
2X
2.2.4
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
i=0
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
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 .
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
12 Matematicas 1 : Preliminares
28
+
28
95
41 80 12
56 78
74
12
39 37
6
0= Q(2)
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)
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 )
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
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)
P (X)
Q(X)
= C(X) +
R(X)
Q(X)
P (X)/D(X)
Q(X)/D(X)
esta simplificada.
Prof: Jos
e Antonio Abia Vian
13 Matematicas 1 : Preliminares
2.3 Ejercicios
P
Q
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
t11
t12
t13
+ 2 + 3
X
X
X
t21
X1
p31 X + q31
p32 X + q32
+ 2
X2 + 1
(X + 1)2
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
(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):
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
14 Matematicas 1 : Preliminares
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
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)
(Nota: Todos los polinomios de este ejercicio aparecen en alguno de los anteriores.)
Prof: Jos
e Antonio Abia Vian
15 Matematicas 1 : Preliminares
Captulo 3
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 ,
o bien y x .
(si x < y = x + z < y + z ).
1
y
<
1
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
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.
Grados de Ing. Industrial : Curso 20122013
16 Matematicas 1 : Preliminares
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
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
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
17 Matematicas 1 : Preliminares
3.1.4
3.1.4.1
? 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
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
(3) ex > 0
(Genericamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)
3.1.4.3
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
3.2
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}
18 Matematicas 1 : Preliminares
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] .
1
1x2
1x2 1 y,
f (x) R
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 )
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)
4.- (Composicion)
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)
( 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
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 .
19 Matematicas 1 : Preliminares
? 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:
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 .
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
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
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
20 Matematicas 1 : Preliminares
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
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
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
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
21 Matematicas 1 : Preliminares
L+
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
x
on).
0 | < en la definici
n
As, f (x) =
x, x6=1
2, x=1
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
x1
Ejemplo 60 La funci
on f (x) = ex es continua en 0 .
En efecto, por ser ex estrictamente creciente:
x
x
x
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
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
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
22 Matematicas 1 : Preliminares
xx0
xx0
2.- Si g est
a acotada en A y lm f (x) = 0 , entonces lm g(x) f (x) = 0
xx0
xx0
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
xx0
xx0
c) lm
xx0
xx0
xx0
lm f (x)
xx0
lm g(x)
xx0
L1
L2
siempre que L2 6= 0 .
f
g
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
? Y una funci
on racional, f (x) =
P (x)
Q(x)
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
lm g(f (x)) = g(b) = g lm f (x) .
xa
xa
Prof: Jos
e Antonio Abia Vian
23 Matematicas 1 : Preliminares
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
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
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,
xx0
Prof: Jos
e Antonio Abia Vian
24 Matematicas 1 : Preliminares
r
b
b
b
r
b
b
r
3.3.2
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+
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 =
+
+
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)
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
25 Matematicas 1 : Preliminares
Ejemplo 72
2
lm x +2x+1
2
x+ 3x2x
+
= (
)=
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+
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
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
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) = 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
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+
26 Matematicas 1 : Preliminares
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)
= 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
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
27 Matematicas 1 : Preliminares
3.3.4
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
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+
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+
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
Prof: Jos
e Antonio Abia Vian
28 Matematicas 1 : Preliminares
3.4
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
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
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
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
b)
d)
f)
h)
si
si
si
si
29 Matematicas 1 : Preliminares
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
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)
1
f (x)
es (estric.) decreciente.
1
f (x)
1
x2 +1
x2 1
x2 +1
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
30 Matematicas 1 : Preliminares
3.5 Ejercicios
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
2
lm ( x 1) ex +2
a)
lm x2 sen x1
b)
x1
c)
x0
(xa)2
xa |xa|
lm
lm ln
x0
3+
(1x)2
x2 +1
b)
lm tg(ln(cos(e x )))
x0
c)
lm
1
1 + cos2 ( th( |x|
))
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
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.
lm f (x) = lm f (a + h)
xa
ln(x2 )
x1 x1
lm
b)
x3 +23
x2 x+2
lm
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 .
31 Matematicas 1 : Preliminares
3.5 Ejercicios
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) =
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 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
Prof: Jos
e Antonio Abia Vian
32 Matematicas 1 : Preliminares
Captulo 4
C
alculo de primitivas
4.1
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 .
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostraci
on:
Sean F 0 (x) = f (x)
4.1.1
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
33 Matematicas 1 : Preliminares
4.2
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
4.2.2
Z
Sea
a 0
1 0
v (x)dx = ln |v(x)| + C
v(x)
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
34 Matematicas 1 : Preliminares
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
? 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
Q(x)
P (x)
? 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
35 Matematicas 1 : Preliminares
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)
Integraci
on de funciones racionales
Q(x)
P (x)
A
dx
(xr)k
Z
b)
M x+N
dx
(x2 +px+q)k
A
dx =
(x r)k
A(x r)k dx = A
A
(x r)k+1
1
.
=
k + 1
1 k (x r)k1
q
q
p2
4
y t=
x p
2
R
p2
4 )
= (x p2 )2 + R2 = R2 (t2 + 1) ,
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
dt = Ik1 I
(t2 + 1)k1
(t2 + 1)k
Prof: Jos
e Antonio Abia Vian
36 Matematicas 1 : Preliminares
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
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
Z
cos(mx) cos(nx)dx
sen(mx) sen(nx)dx.
Prof: Jos
e Antonio Abia Vian
1 cos(2x)
2
cos2 x =
1 + cos(2x)
2
sen x cos x =
sen(2x)
.
2
37 Matematicas 1 : Preliminares
Z
? Integrales de la forma
4.3 Integraci
on seg
un el tipo de funci
on
tgn xdx ,
tg2 x = sec2 x 1
Z
Ejemplo Hallar
Z
cotg2 x = cosec2 x 1
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
Dado que ch x =
ex +ex
2
y sh x =
ex ex
2
dt
t ln a
Z
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 =
38 Matematicas 1 : Preliminares
? 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
? Integrales de la forma
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
p1 p2
pk
q1 , q2 , . . . , qk
irreducibles.
ax+b
cx+d
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
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
39 Matematicas 1 : Preliminares
Z
Ejemplo Hallar
Soluci
on Como r =
Como
Z
7
2
4.4 Ejercicios
x 2 (1 + x 3 ) 2 dx.
1
1
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
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)
x
4
+ tg4
x
4
cos5 x
sen3 x dx
Z
23)
Z
dx
26)
Z
29)
Z
dx
cos6 x
32)
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
40 Matematicas 1 : Preliminares
Captulo 5
Definiciones b
asicas
5.1.1
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
41 Matematicas 1 : Preliminares
5.1 Definiciones b
asicas
b11
a11 a12 a13 a14
b21
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
La matriz cuadrada I = In = .
..
(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
d) a(B + C) = aB + aC ; a R .
e) (a + b)C = aC + bC ; a, b R.
f) a(BC) = (aB)C = B(aC) ; a R.
? AB = BA
? 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,
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
42 Matematicas 1 : Preliminares
5.2
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:
.
.
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
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
43 Matematicas 1 : Preliminares
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
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
Prof: Jos
e Antonio Abia Vian
44 Matematicas 1 : Preliminares
Ejemplo 105
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
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
1 3 2 0 2 0 0
0 0 5 10 0 15 5
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
45 Matematicas 1 : Preliminares
5.2.2.2
M
etodo de Gauss-Jordan
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
2 0 2 0 0
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
5.2.3
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
= + 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
46 Matematicas 1 : Preliminares
5.3
Matrices cuadradas
Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: aij = 0 , para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, aij = 0 , para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no 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:
La generalizaci
on es inmediata.
Propiedades 114.1.- (A1 )1 = A .
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
47 Matematicas 1 : Preliminares
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
48 Matematicas 1 : Preliminares
5.4
5.4 Ejercicios
Ejercicios
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
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 .
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)
49 Matematicas 1 : Preliminares
5.4 Ejercicios
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
50 Matematicas 1 : Preliminares
Captulo 6
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 )
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
51 Matematicas 1 : Preliminares
6.1.1
b) det(E) = det(I) = 1 ;
c) det(E) = det(I) = 1 .
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
pues R es una matriz triangular superior (recordar observacin 117 de pg. 47) y det(R) = r11 r22 rnn .
6.1.2
Prof: Jos
e Antonio Abia Vian
52 Matematicas 1 : Preliminares
6.2
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) .
a1n
C11 C21 Cn1
C12 C22 Cn2
a2n
.. ..
.. . .
.
..
. . .
. ..
.
Prof: Jos
e Antonio Abia Vian
1
|A|
Adj(A)
|A|
= I y A1 =
|A| 0 0
0 |A| 0
= ..
.. . .
.
.
. ..
.
0 0 |A|
1
|A|
Adj(A) . En
= |A| I
53 Matematicas 1 : Preliminares
Ejemplo
1 2 3
A = 4 5 4 ;
3 2 1
A1
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
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)!
54 Matematicas 1 : Preliminares
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
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 )
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
55 Matematicas 1 : Preliminares
Anexo 1: Demostraciones
Preliminares
N
umeros complejos
Demostraci
on de:
Propiedades 4 de la p
agina 3
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
Demostraci
on de:
Propiedades 6 de la p
agina 3
|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
zz
z
|z|2
.
|z w| |z| |w| .
1
z = |z|1 .
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)| + |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
56 Matematicas 1 : Preliminares
c) |z| = |a ib| =
Anexo 1
a2 + (b)2 = a2 + b2 = |z| .
2
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)
n)
++
= (|z| )n .
En particular se verifica la f
ormula de Moivre:
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
57 Matematicas 1 : Preliminares
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
n
P
i=0
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
p
q
p
q
Q, entonces p | a0 y q | an .
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
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
58 Matematicas 1 : Preliminares
Anexo 1
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
xx0
xx0
Como lm f (x) = 0 lm |f (x)| = 0 , para cada > 0 existe > 0 , tal que si 0 < |x x0 | < se
xx0
xx0
=
K
Propiedades 63 de la p
agina 22
xx0
xx0
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
59 Matematicas 1 : Preliminares
Anexo 1
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 | <
xx0
xx0
+ =
2 2
f (x)g(x) L1 L2 = 0 , veamos esto u
ltimo. Pero
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
f (x)
g(x)
1
g(x)
la funci
on
= f (x)
L12 =
1
g(x)
1
xx0 g(x)
L2 g(x)
g(x)L2
1
g(x)L2 (L2
1
L2
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
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
xa
Prof: Jos
e Antonio Abia Vian
f (x)b
yb
60 Matematicas 1 : Preliminares
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
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
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
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:
x+
? 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
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+
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
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
61 Matematicas 1 : Preliminares
Anexo 1
lm ex = lm ex = lm
1
x
x+ e
x+
=0
lm ln x
lm ln(ex ) , no est
a
ex +
x+
lm ln x = + .
x+
An
alogamente, =
lm x =
ex 0+
lm ln x = .
x0+
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 ) =
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
x0
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 =
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
sen x
cos x
62 Matematicas 1 : Preliminares
Anexo 1
x0
x0
x0
x0
x0
Demostraci
on:
?
= lm 1 +
= 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
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
x+
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.
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
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.
a+b
2
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
63 Matematicas 1 : Preliminares
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
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
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
Corolario 86 de la p
agina 28
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.- 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
64 Matematicas 1 : Preliminares
Anexo 1
lm f (xn ) = lm d
1
n
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
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
65 Matematicas 1 : Preliminares
(
? 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
? 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 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
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:
b0r+2
y la soluci
on, usando par
ametros:
..
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
..
a01n
..
+ +tnr arn
..
1
Grados de Ing. Industrial : Curso 20122013
66 Matematicas 1 : Preliminares
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
X
X
(1)N a1j1 aiji anjn = (1)N a1j1 aiji anjn = det(A)
c) det(A0 ) =
Prof: Jos
e Antonio Abia Vian
67 Matematicas 1 : Preliminares
Demostraci
on de:
Anexo 1
Teorema 128 de la p
agina 51
Teorema 131 de la p
agina 51
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
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
68 Matematicas 1 : Preliminares
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 )
k=1
n
X
a1k
k=1
(k,j2 ,...,jn )
(k,j2 ,...,jn )
(j2 ,...,jn )
ji 6=k
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 )
n
X
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
j=1
n
X
j=1
n
X
j=1
n
X
akj Ckj .
j=1
Prof: Jos
e Antonio Abia Vian
a11 a12
a21 a22
..
.. . .
.
.
.
an1 an2
|A|
bn
b1
b2
..
.
69 Matematicas 1 : Preliminares
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
. |A|
b
C
+
b2 C2n + + bn Cnn
1
1n
bn
Demostraci
on de:
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
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
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
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