Professional Documents
Culture Documents
1 2
3 4
2. Conjuntos “famosos”: los naturales, Ejercicio.
Proposición. Si un subconjunto de los números naturales S veri- 4. Demuestra que el número de subconjuntos que tiene un conjunto
n ∈ N}, de forma que cada P (n) es una propiedad dependiendo del 6. Demuestra que el número de diagonales que se pueden trazar en
n(n−3)
correspondiente número natural, tal que: un polı́gono de n lados es 2
. ¿Por qué n(n − 3) es par?
7 8
Propiedades de la suma en Q: Propiedad de la suma respecto del producto:
g ◦ f : A −→ C
a → g(f (a)).
11 12
Tipos de aplicaciones 4. Leyes de composición. Estructuras
Dada una aplicación f : A → B se dice que f es:
algebraicas
1. inyectiva cuando, si a = b entonces f (a) = f (b),
Definición (Leyes de composición). Una ley de operación in-
2. suprayectiva cuando f (A) = B,
terna o ley de composición interna sobre un conjunto A es una apli-
3. biyectiva cuando es a la vez inyectiva y suprayectiva. cación:
∗ : A × A −→ A
Para una aplicación biyectiva, f : A → B, se puede definir su
(a, b) → ∗(a, b) = a ∗ b.
aplicación inversa:
f −1 : B −→ A
b → f −1 (b) = a/ f (a) = b. Dados dos conjuntos, A y B, una ley de operación externa sobre
Ejercicio ∧ : A × B −→ A
(a, b) → ∧(a, b) = a ∧ b.
Demostrar que no existe una aplicación biyectiva entre los conjun-
tos N y P(N).
13 14
Propiedades que pueden verificar las leyes de compo- Definición (Grupo). Dado el conjunto G y una operación definida
sición. Fijado un conjunto A y una ley de operación interna ∗, se sobre él, ∗, diremos que el par (G, ∗) es un grupo si se tiene que la
tiene: operación ∗ es asociativa, tiene elemento neutro y cualquier elemento
de G tiene simétrico.
1. La ley de composición interna ∗ es conmutativa si y sólo si a∗b =
Si además la operación ∗ es conmutativa, estaremos ante un grupo
b ∗ a para cualesquiera a y b de A.
conmutativo o abeliano.
2. La ley de composición externa ∗ es asociativa si y sólo si a∗(b∗c) =
Ejemplos
(a ∗ b) ∗ c para cualesquiera a, b y c de A.
(R, +) es un grupo abeliano.
3. Se dice que un elemento e ∈ A es elemento neutro para la
(R\{0}, ·) es un grupo abeliano.
operación ∗ si y sólo si a ∗ e = e ∗ a = a.
(Q, +) es un grupo abeliano.
4. Se dice que el elemento a ∈ A es simétrico de b ∈ A si y sólo si (Q\{0}, ·) es un grupo abeliano.
a ∗ b = b ∗ a = e (elemento neutro). (Z, +) es un grupo abeliano.
(Z\{0}, ·) no es un grupo abeliano.
Observación
(N, +) no es un grupo abeliano.
Los elementos simétricos y neutros son únicos.
(N, ·) no es un grupo abeliano.
15 16
(Z4, +) es un grupo abeliano, donde Z4 = {0, 1, 2, 3} y la ley de Definición (Anillo). Dado el conjunto G y dos operaciones internas
operación interna + viene definida por la siguiente tabla: definidas sobre él, ∗ y +, diremos que la terna (G, +, ∗) es un anillo
1 1 2 3 0 y (a + b) ∗ c = a ∗ c + b ∗ c.
Si además la operación ∗ es conmutativa, estaremos ante un anillo
2 2 3 0 1
conmutativo. Por otro lado, si la operación ∗ tiene elemento neutro
3 3 0 1 2
diremos que el anillo tiene unidad.
(Z4\{0}, ·) no es un grupo abeliano, donde Z4 = {0, 1, 2, 3} y la ley
de operación interna · viene definida por la siguiente tabla: Ejemplos
(R, +, ·) es un anillo conmutativo con unidad.
· 0 1 2 3
(Q, +, ·) es un anillo conmutativo con unidad.
0 0 0 0 0
(Z, +, ·) es un anillo conmutativo con unidad.
1 0 1 2 3
(N, +, ·) no es un anillo.
2 0 2 0 2
(Z4, +, ·) es un anillo conmutativo con unidad.
3 0 3 2 1
17 18
Definición (cuerpo). Dado el conjunto K y dos operaciones internas 5. Los números reales
definidas sobre él, ∗ y +, diremos que la terna (K, +, ∗) es un cuerpo si
Llamaremos cuerpo de los números reales a un conjunto, denotado
es un anillo con unidad, 1, y además (K\{0}, ∗) es un grupo abeliano,
por R, dotado de dos leyes de operación interna, + y ·, y una relación
siendo 0 ∈ K el elemento neutro de la operación +. Adicionalmente se
binaria de orden ≤, de forma que:
debe exigir 1 = 0.
1. (R, +, ·) es un cuerpo.
Ejemplos
(R, +, ·) es un cuerpo. 2. ≤ es un orden total, es decir, para cualesquiera x, y ∈ R o bien
(Q, +, ·) es un cuerpo. x ≤ y o y ≤ x.
(Z, +, ·) no es un cuerpo.
3. ≤ es compatible con las operaciones, es decir, para cualesquiera
(N, +, ·) no es un cuerpo.
x, y, z ∈ R:
(Z4, +, ·) no es un cuerpo.
Si x ≤ y entonces x + z ≤ y + z.
(Z2, +, ·) es un cuerpo, siendo Z2 = {0, 1} y las operaciones definidas
por: Si asumimos que 0 ≤ z y x ≤ y entonces x · z ≤ y · z.
1 1 0 1 0 1 R.
19 20
Propiedades de R. 6. Los números complejos
Proposición (Propiedad arquimediana). Dados x, y ∈ R con
Llamaremos números complejos al conjunto:
x > 0 (es decir, x ≥ 0 y x = 0) existe n ∈ N tal que y < nx.
C = {a + bi : a, b ∈ R},
Proposición (Parte entera de un número real). Dado x ∈ R,
existe z ∈ Z tal que z−1 ≤ x < z. El número z−1 recibe en nombre y definiremos sobre él las siguientes dos operaciones:
de parte entera de x. 1.
+: C×C −→ C
Proposición (Densidad de los racionales). Dados x, y ∈ R
(a + bi, c + di) → (a + c) + (b + d)i,
con x < y, existe q ∈ Q tal que x ≤ q ≤ y (el conjunto de los
2.
números irracionales, I = R\Q, también es denso en R).
Δ: C×C −→ C
Principio de los intervalos encajados de Cantor. (a + bi, c + di) → (ac − bd) + (ad + bc)i.
Una familia de intervalos I1, I2, . . . , In, . . . , se dice que constituyen Con estas dos operaciones se puede ver que (C, +, ·) es un cuerpo,
una familia decreciente de intervalos encajados si verifican la relación: llamado cuerpo de los números complejos.
· · · ⊆ In ⊆ In−1 ⊆ I2 ⊆ I1. R es un subconjunto de los números complejos, en efecto, el número
Teorema (Cantor). Sea {In : n ∈ N} una familida decreciente real a se puede identificar con el número complejo a + 0i.
de intervalos encajados, cerrados. Entonces: Para cada número real z = a + bi, llamaremos parte real de z a a
y parte imaginaria a b.
{In : n ∈ N} = ∅.
n∈N
Llamaremos unidad imaginaria a i, que normalmente se identifica
√
con −1, ya que i2 = −1 + 0i = −1.
21 22
Se define el conjugado de un número complejo z = a+bi y se denota 6.1. Representación módulo argumen-
por z como:
tal de los números complejos.
z = a + bi = a − bi.
El módulo de un número complejo z es el número real dado por
Ejercicio
la raı́z cuadrada positiva de zz.
Demostrar que para cada par de números complejos, z1 y z2:
La expresión eiθ representa el número complejo de módulo 1 cosθ +
z1 + z2 = z1 + z2,
isen θ. Aquı́ θ tiene un significado geométrico, es el ángulo que el vector
z1z2 = z1 z2, (cos θ, sen θ) forma con el semieje positivo Ox.
z1z1 ∈ R, además z1z1 > 0 si z1 = 0. Cualquier número complejo z se puede expresar como el producto
meiθ , donde m es el módulo de z y eiθ es el complejo de módulo 1 dado
Observación
por √z .
zz
Los números complejos es que aseguran la existencia de raı́ces pa-
ra cualquier polinomio, cosa que en R no sucede, sin ir más lejos el
Operaciones entre números dados en representación módu-
polinomio x2 + 1 no tiene raı́ces reales y sin embargo tiene raı́ces en C.
lo argumental
Observación
Dados z1 = m1eiθ1 , z2 = m2eiθ2 y r ∈ Q, se tiene:
Cualquier polinomio real r(x) se descompone como producto de po-
1. z1z2 = m1eiθ1 m2eiθ2 = m1m2ei(θ1 +θ2 ),
linomios de primer y segundo grado, los primeros asociados a las raı́ces
z1 m1 eiθ1 m1 i(θ1 −θ2 )
reales de r(x) y los segundos a las raı́ces complejas. 2. z2 = m2 eiθ2
= m2 e ,
r
3. z1r = m1eiθ1 = mr1erθ1 .
23 24
7. Ejercicios resueltos
(a + b)n+1 = (a + b)(a + b)n
Ejercicio
n
n j n−j
Demostrar la fórmula del binomio de Newton: = (a + b) ab
j=0
j
n n n
n j n−j n j n−j n j n−j
(a + b)n = ab =a ab +b ab
j=0
j j j
j=0 j=0
n n
siendo n un número natural mayor o igual que 1. n j+1 n−j n j n+1−j
= a b + ab
j j
Demostraremos la fórmula por inducción. j=0 j=0
n+1
n
Para n = 1 la fórmula se satisface ya que: n n j n+1−j
= aj bn+1−j + ab =
j=1
j−1 j=0
j
n n
1 n n n+1 0 n 0 n+1 n j n+1−j
1 1 0 1 1 1 0 = aj bn+1−j + a b + ab + ab =
(a + b)1 = aj b1−j = ab + a b =b+a j=1
j−1 n 0 j=1
j
j 0 1
j=0 n
n n j n+1−j n n+1 0 n 0 n+1
Ahora deducimos la fórmula para n + 1 partiendo de la fórmula para = aj bn+1−j + ab + a b + ab
j=1
j − 1 j n 0
n
n: n n n n+1 0 n 0 n+1
= + aj bn+1−j + a b + ab
j=1
j−1 j n 0
n
n + 1 j n+1−j n + 1 n+1 0 n + 1 0 n+1
= ab + a b + ab
j=1
j n+1 0
n+1
n + 1 j n+1−j
= ab
j=0
j
Ası́ que la fórmula del binomio de Newton vale para cualquier núme-
ro natural n.
25 26
Ejercicio Ejercicio
Da contraejemplo a las siguientes afirmaciones: Demostrar la siguiente igualdad del producto cartesiano:
1. (A ∩ B)c = Ac ∩ B c
(A × B) ∩ (C × D) = (A ∩ C) × (B ∩ D)
Solución.
Solución.
Esta afirmación es falsa, basta con tomar A = {1, 2, 3, 4}, B =
Demostramos la inclusión ⊆: sea (x, y) ∈ (A × B) ∩ (C × D),
{3, 4, 5, 6, 7} y U = {1, 2, 3, 4, 5, 6, 7}. Ahora se tiene:
ası́ que (x, y) ∈ A × B y (x, y) ∈ C × D; por lo tanto x ∈ A, y ∈ B y
c c
(A∩B) = {3, 4} = {1, 2, 5, 6, 7} = ∅ = {5, 6, 7}∩{1, 2} = A ∩B c c
x ∈ C, y ∈ D. Ahora se ve claro que x ∈ A ∩ C y que y ∈ B ∩ D, por
lo tanto (x, y) ∈ (A ∩ C) × (B ∩ D) y la inclusión está demostrada.
Demostramos ahora la inclusión ⊇: sea (x, y) ∈ (A ∩ C) × (B ∩ D),
2. (A ∪ B)c = Ac ∪ B c
ası́ que x ∈ A ∩ C e y ∈ B ∩ D, es decir x ∈ A, x ∈ C, y ∈ B, y ∈ D.
Solución.
Ahora se ve claro que (x, y) ∈ A × B y que (x, y) ∈ C × D, por lo
Esta afirmación también es falsa, basta con tomar A = {1, 2, 3, 4}, tanto (x, y) ∈ (A × B) ∩ (C × D).
B = {3, 4, 5, 6, 7} y U = {1, 2, 3, 4, 5, 6, 7}. Ahora se tiene:
27 28
Ejercicio Solución.
Sean f : A → B, g : B → C y h : C → D tres aplicaciones, Es consecuencia de la demostración de los dos apartados anterio-
demostrar que se cumplen las siguientes afirmaciones: res.
Solución. Solución.
Tenemos que demostrar que tomados elementos a, c ∈ A tales que Si f no fuera inyectiva existirı́an a, b ∈ A tales que a = b y
a = c entonces g ◦ f (a) = g ◦ f (c). Por ser a = c y f inyectiva f (a) = f (b). Pero ahora también tendrı́amos g(f (a)) = g(f (b)),
tenemos que f (a) = f (c). Ahora aplicamos la inyectividad de g y lo que contradice la inyectividad de g ◦ f . Ası́ que f debe ser
entonces: g ◦ f (a) = g(f (a)) = g(f (c)) = g ◦ f (c). Ası́ que g ◦ f inyectiva.
es inyectiva.
Solución.
29 30
31 32
Ejercicio Recordamos que este triángulo nos da los números combinatorios:
Desarrolla los binomios (a + b)3, (a + b)4 y (a + b)5.
0
Solución.
0
1 1
Utilizaremos el triángulo de Tartaglia:
0 1
2 2 2
1 0 1 2
3 3 3 3
1 1 0 1 2 3
4 4 4 4 4
1 2 1 0 1 2 3 4
5 5 5 5 5 5
1 3 3 1 0 1 2 3 4 5
6 6 6 6 6 6 6
1 4 6 4 1 0 1 2 3 4 5 6
7 7 7 7 7 7 7 7
1 5 10 10 5 1 0 1 2 3 4 5 6 7
... ... ... ... ... ... ... ...
1 6 15 20 15 6 1
1 7 21 35 35 21 7 1
... ... ... ... ... ... ... ...
33 34
Con estos datos podemos calcular los binomios solicitados: REPASO DE PRIMITIVAS
(a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4, El cálculo de primitivas es el proceso contrario al de derivación.
Dada una función real de variable real f : (a, b) → R, entendemos
por primitiva de f a una función F : (a, b) → R derivable y tal que
(a + b)5 = a5 + 5a4b + 10a3b2 + 10a2b3 + 5ab4 + b5.
F (c) = f (c) para todo c ∈ (a, b).
4. x−1 dx = log x + K, I = (0, +∞), Esta proposición permite ampliar la relación de primitivas dadas
anteriormente. En efecto, para cualquier función derivable f se tienen
5. sen x dx = −cos x + K, I = (−∞, +∞),
las siguientes primitivas:
6. cos x dx = sen x + K, I = (−∞, +∞),
af (x)
1. af (x)f (x) dx = log a
+ K, a > 0, a = 1,
7. √ 1
1−x2
dx = arcsen x+K = π
2
−arc cos x+K, I = (−1, +1),
2. ef (x)f (x) dx = ef (x) + K,
1
8. 1+x2
dx = arctan x + K, I = (−∞, +∞),
f (x)r+1
3. f (x)r f (x) dx = r+1 + K, r = −1,
−2
9. 2
(1 + tan x) dx = sec x dx = tan x + K, I= (− π2 , π2 ),
4. f (x)−1 f (x) dx = log f (x) + K,
10. cosec2 x dx = −cotan x + K, I = (0, π),
7. √ 1
f (x) dx = arcsen f (x) + K = π
2
− arc cos f (x) + K,
1−f (x)2
8. 1
1+f (x)2
f (x) dx = arctan f (x) + K,
10. f (x) cosec2 f (x) dx = −cotan f (x) + K, 8.3. Integración de sumas y por partes
Ejemplo. La integral de la función tangente se encuentra en la Proposición. Dadas funciones f, g : (a, b) → R y un número real
situación de la proposición anterior. En efecto: λ, se verifica:
tan x dx = − log |cos x| en todo intervalo tal que cos x = 0. (f (x) + g(x)) dx = f (x) dx + g(x) dx,
39 40
sen 2x dx = sen x(−cos x) dx = −sen xcos x+ (sen x) cos x dx = Procedemos por el método de integración por partes haciendo
−sen xcos x + cos 2x dx, u = e−3x y dv = sen (2x)dx, ası́ que du = −3e−3x dx y v =
de donde: − 12 cos (2x).
Ejercicio.
1 1
I = − e−3x cos (2x) − 3 cos (2x)e−3xdx
2
Obtener una fórmula de recurrencia para calcular la primitiva 1
dx. 2
(1+x2 )r 1 3 −3x 1 1
= − e−3x cos (2x) − e sen (2x) + 3 e−3x sen (2x)dx
2 2 2 2
1 −3x 3 9
⇒ I = − e cos (2x) − e−3x sen (2x) − I
2 4 4
13 1 3
⇒ I = − e−3x cos (2x) − e−3x sen (2x)
4 2 4
2 3
⇒ I = − e−3x cos (2x) − e−3x sen (2x).
13 13
41 42
43 44
Ejemplo. Vamos a calcular mediante un cambio de variable la 10. Primitivas de fracciones racionales
1 √
primitiva √x(1+x) dx, consideraremos el cambio t = x.
El método para calcular primitivas de fracciones racionales se basa
Efectuando el cambio, tendremos:
en la descomposición de una fracción racional en fracciones simples.
P (x)
Teorema. Toda fracción racional F (x) = Q(x)
se descompone co-
mo:
α1
Ak
m
Ak
α
F (x) = r(x) + + ··· + + ,
(x − a1)k (x − an)k
k=1 k=1
45 46
donde los ai son las raı́ces reales de Q(x) = 0 y αi son las mul- ax + b
tn = ,
tiplicidades de dichas raı́ces, los bj + cj i son las raı́ces complejas cx + d
de Q(x) = 0 y βj son las multiplicidades de dichas raı́ces. Final- transforma la primitiva F dx en la primitiva de una fracción racional
polinomio. Ejercicio.
47 48
12. Las funciones hiperbólicas Teorema.
49 50
ex − e−x ex + e−x
Sh x = = = Ch x,
2 2
x
−x −x
e +e e −e
x
Ch x = = = Sh x,
2 2
Sh x Ch xCh x − Sh xSh x 1
Th x = = = .
Ch x Ch 2x Ch 2x
(1)
Figura 1: Función seno hiperbólico
Resumiendo:
Teorema. Las funciones:
Sh x = Ch x, Ch x = Sh x, Th x = 1
Ch 2 x
. Sh : R −→ R Th : R −→ (−1, 1)
y
x → Sh x x → Th x
Ahora que conocemos las derivadas de las funciones hiperbólicas se
son biyectivas.
puede ver fácilmente que Sh x y Th x son números reales estrictamente
mayores que cero, luego ambas funciones son estrictamente crecientes Sin embargo, la función coseno hiperbólico no es una aplicación bi-
y por lo tanto aplicaciones inyectivas. Estudiando los lı́mites cuando yectiva cuando la consideramos definida sobre todo R, es más, mediante
x tiende a ±∞ conoceremos entre qué intervalos ambas funciones son el uso de las derivadas de la función Ch se puede ver que dicha función
Observación.
12.1. Los argumentos hiperbólicos de
lı́m Sh x = +∞, lı́m Sh x = −∞,
x→+∞ x→−∞
las funciones hiperbólicas
lı́m Th x = 1, lı́m Th x = −1.
x→+∞ x→−∞
Hemos visto ya que las funciones seno y tangente hiperbólicas son in-
vertibles, con lo cual nos podemos plantear la búsqueda de sus funciones
51 52
Partiendo de la igualdad y = Sh x, encontrar el argumento del seno
hiperbólico se trata de despejar x en función de y. Para ello seguimos
los siguientes pasos:
ex − e−x
Sh x = y ⇒ = y ⇒ ex − e−x = 2y.
2
Ahora hacemos el cambio de variable z = ex, de donde 1
z
= e−x :
1
Sh x = ex − e−x = 2y ⇒ z − = 2y ⇒ z 2 − 2yz − 1 = 0 (2)
Figura 2: Función coseno hiperbólico z
2y ± 4y 2 + 4
⇒z= = y ± 1 + y2.
2
Ahora hay que observar que el signo menos anterior no tiene sentido
ya que para él, z serı́a negativo, sin embargo z debe ser positivo por
ser igual a ex. Entonces:
ArgSh y = log(y + y 2 + 1).
Figura 3: Función tangente hiperbólica
es un biyección y tiene sentido buscar el argumento del coseno hi- del coseno hiperbólico se trata de despejar x en función de y. Para ello
1−t 2
2t tonces el cambio de variable t = cos x nos lleva a una resolución más
cos x = , sen x = .
1 + t2 1 + t2 sencilla que utilizando el primer cambio de la tangente del ángulo mi-
(5)
tad. Conviene notar que estaremos ante este caso cuando al dividir
Al realizar este cambio de variable y tener en cuenta las relacio- f (sen x, cos x) por sen x nos quedan sólo potencias pares de sen x, pues
nes anteriores convertiremos la primitiva inicial en la de una fracción basta poner sen 2x = 1 − cos 2x.
racional en la variable t:
1 − t2 2t 2 13.4. El cambio t = tan x
f( , ) dt.
1 + t2 1 + t2 1 + t2
Aunque este cambio nos asegura el éxito en la resolución de primi- En el caso en el que la fracción racional f (sen x, cos x) sea del es-
tivas, otros pueden conllevar una resolución más simple. Veámoslo. tilo f1(tan x) entonces se hace el cambio tan x = t y la primitiva
57 58
13.5. Casos particulares senos múltiplos enteros de t. Finalmente, cada una de las funciones
anteriores se puede expresar como un polinomio de cos t y sen t, con lo
Un caso interesante de las primitivas de funciones trigonométricas
que hemos pasado al primer caso de este apartado.
son las de la forma
Ejercicio.
cos nxsen m x dx,
Denotaremos a las matrices con letras mayúsculas A, B, C, . . . . Tipos de matrices y más notación.
Los elementos de las matrices se denotarán con minúsculas a, b, c, . . . . 1. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es cuadrada si el número de sus filas
Si denotamos a una matriz por la letra A, entonces el elemento es igual al de columnas, es decir, si m = n.
de dicha matriz que está en la fila i y columna j se le denota 2. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es una matriz fila si m = 1.
genéricamente por ai,j , ası́ que A = (ai,j )(i,j)∈{1,...,m}×{1,...,n}.
3. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es una matriz columna si n = 1.
63 64
2. Operaciones con matrices 2.2. Suma de matrices
Dentro del conjunto de matrices Mm×n (K) definimos la ley de ope-
2.1. Traspuesta de una matriz
ración interna suma
Dada una matriz A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} ∈ Mm×n (K), defini- + : Mm×n (K) × Mm×n (K) −→ Mm×n (K)
mos la matriz traspuesta de A como: (A, B) → C = A + B,
⎛ ⎞
de forma que cij = aij + bij para todo (i, j) ∈ {1, . . . m} × {1, . . . , n}.
⎜ a11 a21 · · · am1 ⎟
⎜ ⎟
⎜ a12 a22 · · · am2 ⎟
⎜ ⎟
At = ⎜ ⎟,
⎜ ... ... . . . ... ⎟ Proposición.
⎜ ⎟
⎝ ⎠
a1n a2n · · · amn (Mm×n(K), +) es un grupo abeliano.
es decir, es la matriz que se obtiene al poner las filas de A como co-
(A + B)t = At + B t.
lumnas y las columnas como filas.
Ejercicio.
Comprobar que (At)t = A
65 66
Proposición
Dadas A ∈ Mm×n (K), B, C ∈ Mn×h (K) y D ∈ Mh×p (K), se tiene:
1. (AB)D = A(BD).
2. A(B + C) = AB + AC.
3. (AB)t = B tAt .
Dado el cuerpo K y el conjunto de matrices Mm×n (K), se define la ral perteneciente al conjunto {0, 1, 2, . . . , mı́n(m, n)}. Es decir, lo que
⎛ ⎞
2. Multiplicar la fila i por un escalar α = 0: a a · · · a1n
⎜ 11 12 ⎟
⎜ . ... . . . ... ⎟
⎜ .. ⎟
⎜ ⎟
⎛ ⎞ ⎛ ⎞ ⎜ ⎟
⎜ ai1 ai2 · · · ain ⎟
⎜ ⎟ i
⎜ a11 a12 · · · a1n ⎟ ⎜ a11 a12 ··· a1n ⎟ ⎜ ⎟ F (α)
⎜ . ⎟ ⎜ . ⎜ ... ... . . . ... ⎟ j
⎜ .. ... . . . ... ⎟ ⎜ .. ... ... ... ⎟ ⎟ ⎜
⎜
⎟
⎟ −→
⎜ ⎟ ⎜ ⎟ ⎜ a
⎜ ⎟ Fi(α) ⎜ ⎟ ⎜ j1 aj2 · · · ajn ⎟ ⎟
⎜ a · · · ain ⎟ ⎜ αa αa · · · αain ⎟ ⎜ ⎟
⎜ i1 ai2 ⎟ ⎜ i1 i2 ⎟. ⎜ .. . . . ... ⎟
⎜ ⎟ −→ ⎜ ⎟ ⎜ . ... ⎟
⎜ ... ... . . . ... ⎟ ⎜ ... ... ... ... ⎟ ⎝ ⎠
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ am1 am2 · · · amn
am1 am2 · · · amn am1 am2 · · · amn ⎛ ⎞
a11 a12 ··· a1n
⎜ ⎟
⎜ . ... ⎟
⎜ .
. ... ... ⎟
3. Sumar a la fila j la fila i multiplicada por un escalar α: ⎜ ⎟
⎜ ⎟
⎜ ai1 ai2 ··· ain ⎟
⎜ ⎟
⎜ ⎟
⎜ ... ... ... ... ⎟.
⎜ ⎟
⎜ ⎟
⎜ a + αa a + αa · · · ajn + αajn ⎟
⎜ j1 i1 j2 i2 ⎟
⎜ ⎟
⎜ ... ... ... ... ⎟
⎜ ⎟
⎝ ⎠
am1 am2 ··· amn
71 72
3.2. Transformaciones elementales por ⎛ ⎞
73 74
Teorema rg A = r.
1. rg A = rg At ,
Definición (rango).
Dada una matriz A ∈ Mm×n (K), si A = 0m×n definimos rg A = 0, 2. rg (A + B) = rg A + rg B en general.
en otro caso diremos que rg A = r si y sólo si A es equivalente a 3. Si A ∈ Mm×m (K) entonces: A es invertible si y sólo si A es de
⎛ ⎞
Ir 0r×(n−r) rango completo (es decir, tiene rango m).
⎝ ⎠
0(m−r)×r 0(m−r)×(n−r)
4. Dos matrices, A, B ∈ Mm×n (K), son equivalentes si y sólo existen
matrices invertibles P ∈ Mm×m (K) y Q ∈ Mn×n (K) tales que
B = P AQ.
75 76
Ejercicio 4. Matrices Cuadradas
Calcula el rango de las matrices:
⎛ ⎞ Definición (matriz inversa).
⎜1 2 3⎟
⎜ ⎟ Dada una matriz cuadrada A ∈ Mm(K), diremos que es invertible
1. ⎜
⎜2 4 1⎟ ∈ M3×3 (R)
⎟
⎝ ⎠ si existe una matriz B tal que AB = BA = Im .
3 1 4
A la matriz B se le llama inversa de A y se le denota por B −1.
⎛ ⎞
⎜1 2 3⎟
⎜ ⎟
2. ⎜ ⎟
⎜2 4 1⎟ ∈ M3×3 (Q)
Proposición
⎝ ⎠
3 1 4 Si A ∈ Mm(K) y A es invertible entonces A es una matriz de rango
⎛ ⎞ completo.
⎜1 2 3⎟
⎜ ⎟
3. ⎜ ⎟
⎜2 4 1⎟ ∈ M3×3 (Z5)
⎝ ⎠
3 1 4
77 78
79 80
Ası́ que la inversa de la matriz A es la matriz:
⎛ ⎞
4.2. Determinantes
⎜ −2 −3 1 ⎟ Notación.
1⎜
⎜−4 −1 2⎟
⎟
5⎜
⎝
⎟
⎠ Dada B ∈ Mm×n (K), denotaremos por MijB (o simplemente, si no
3 2 1 hay confusión por Mij ) a la matriz de tamaño (m − 1) × (n − 1) que
se obtiene eliminando de B la fila i y la columna j.
Definición (Determinante).
Dada una matriz A ∈ Mm(K) le vamos a asociar un escalar de K que
llamaremos determinante de la matriz que definimos por inducción
sobre m:
Observación
El determinante de la matriz A es independiente de la fila i que
elijamos para calcularlo.
81 82
Propiedades Proposición
Dadas A, B ∈ Mm×m (K), se tiene:
a11 a12
1. = a11a22 − a12a21
a21 a22 1. det Fi(α)(A) = α det A y det Ci(α)(A) = α det A, es decir, el valor
del determinante de A queda multiplicado por α si multiplicamos
a11 a12 a13
una de sus filas o columnas por α .
2. a21 a22 a23 = (a11a22a33 +a12a31a23 +a13a21a32)−(a11a23a32 +
a a a 2. det Fij (A) = − det A y det Cij (A) = − det A, es decir, si inter-
31 32 33
a12a21a33 + a13a31a22) cambiamos dos filas o columnas entre sı́, el determinante cambia
de signo.
3. det Fij (α)(A) = det A y det Cij (α)(A) = det A, es decir, si suma-
mos a una fila (resp. columna) otra multiplicada por un elemento
α ∈ K, el determinante no cambia de valor.
5. det A = det At .
83 84
6.
4.3. Inversa de una matriz II
a11 a . . . a
12 1m Fijamos una matriz invertible A.
... ... ...
...
Definición (Adjunto de orden i, j de A).
c + d c + d ... c + d =
1 1 2 2 m m
El adjunto de orden i, j de A es el escalar Aij = (−1)i+j Δij .
... ... ... ...
am1 am2 . . . amm Definición (matriz adjunta de A).
a11 a12 . . . a1m a11 a12 . . . a1m La matriz adjunta de A será la matriz de tamaño m × m que
. ... . . . ... ... ... . . . ...
..
tiene en la posición i, j al adjunto de orden i, j, a esta matriz se le
c . . . cm + d1 d2 . . . dm
1 c2 denotará por Adj A.
... ... . . . ... ... ... . . . ...
am1 am2 . . . amm am1 am2 . . . amm En la sección anterior se ha visto que si una matriz A es invertible
entonces su determinante es no nulo. Además se verifica:
85 86
Demostración de la matriz ⎛ ⎞
a a12 a13 . . . a1n
⎜ 11 ⎟
Probaremos que ⎜ ⎟
⎜ a21 a22 a23 . . . a2n ⎟
⎜ ⎟
A|A|−1 (Adj A)t = I ⎜ . ... ⎟
⎜ .. ... ... ... ⎟
⎜ ⎟
⎜ ⎟
⎜ ai1 ai2 ai3 . . . ain ⎟
⎜ ⎟
⎜ ⎟,
⎜ ... ... ... ... ... ⎟
⎜ ⎟
A|A|−1 (Adj A)t = |A|−1A(Adj A)t ⎜ ⎟
⎛ ⎞⎛ ⎞ ⎜ ⎟
⎜ ai1 ai2 ai3 (fila j) ain ⎟
⎜ a11 a12 a13 . . . a1n ⎟ ⎜ A11 A21 A31 . . . Aj1 . . . An1 ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ .. ... ... ... ... ⎟
⎜ a21 ⎜ . ⎟
⎜ a22 a23 . . . a2n ⎟ ⎜
⎟ ⎜ A12 A22 A32 . . . Aj2 . . . An2 ⎟
⎟ ⎝ ⎠
⎜ . ⎟ ⎜ ⎟ an1 an2 an3 . . . ann
⎜ .. ... ... . . . ... ⎟ ⎜ .. ... ... . . . ... . . . ... ⎟
⎜ ⎟⎜ . ⎟
= |A|−1 ⎜ ⎟⎜ ⎟ −1
ası́ que cij = |A| 0 = 0.
⎜a ain ⎟ ⎜A A A . . . A . . . A ⎟
⎜ i1 ai2 ai3 . . . ⎟ ⎜ 1i 2i 3i ji ni ⎟
⎜ ⎟⎜ ⎟
⎜ .. ... ... . . . ... ⎟ ⎜ ... ... ... . . . ... . . . ... ⎟
⎜ . ⎟⎜ ⎟
⎝ ⎠⎝ ⎠
an1 an2 an3 . . . ann A1n A2n A3n . . . Ajn . . . Ann
87 88
Ejercicio Ejercicio
Usando este método comprueba que la inversa de De los dos métodos explicados para calcular la inversa de una matriz
⎛ ⎞
¿Cuál requiere un número menor de operaciones?
⎜ 1 3 0 ⎟
⎜ ⎟
A=⎜ ⎜1 1 0⎟
⎟ Si A(n) y G(n) denotan el número de operaciones que deben de
⎝ ⎠
realizarse para calcular la inversa de una matriz de tamaño n × n por
1 0 2
los métodos de los determinantes y Gauss respectivamente, se tiene:
es ⎛ ⎞
⎜ −2 6 0 ⎟
1⎜ ⎟
⎜ 2 −2 0 ⎟
A−1 =
4⎜
⎝
⎟
⎠ A(n) = n n! + n2[(n − 1) (n − 1)! − 1] + 1
1 −3 2
n−1
Ejercicio G(n) = 2n2 + 2(3n + 4n2)(n − 1) + 2 −6jn − 3j + 2j 2.
j=1
⎛ Calcula
⎞ por los dos métodos explicados la inversa de la matriz A =
1 2
⎝ ⎠ ∈ M2(Z5).
2 3
89 90
91 92
⎛ ⎞
⎛ ⎞ ⎛ ⎞ ⎜0 0 0 0⎟
⎜ ⎟
⎜1 a/b 0 0
⎟ ⎜ 1 a/b 0 0 ⎟ ⎜2
⎜ 0 0 0⎟⎟
⎜ ⎟ ⎜ ⎟ II. Sea la matriz A = ⎜ ⎟ , se pide:
⎜0 ⎟ ⎜0 1 ⎟ ⎜2 2 0 0⎟
⎜ 1 a/b 0
⎟ ⎜ a/b 0 ⎟
∼⎜ ⎟∼⎜ ⎟∼ ⎜ ⎟
⎜0 ⎟ ⎜ ⎝ ⎠
⎜ 0 1 a/b ⎟ ⎜ 0 0 1 a/b ⎟
⎟
⎝ ⎠ ⎝ ⎠ 2 2 2 0
0 −a2/b 0 b 0 0 a3/b2 b
⎛ ⎞ ⎛ ⎞ (a) Calcular las sucesivas⎛potencias de⎞A. ⎛ ⎞
⎜ 1 a/b 0 0 ⎟ ⎜ 1 a/b 0 0 ⎟ ⎜0 0 0 0⎟ ⎜0 0 0 0⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜0 1 ⎟ ⎜0 1 ⎟ ⎜0 0 0 0⎟ ⎜0 0
⎜
⎜
a/b 0 ⎟ ⎜
⎟∼⎜
a/b 0 ⎟
⎟ ⎜ ⎟ 3 ⎜ 0 0⎟⎟
⎜0 0 ⎟ ⎜0 0 ⎟ Solución. A2 = ⎜ ⎟, A = ⎜ ⎟ y
⎜ 1 a/b ⎟ ⎜ 1 a/b ⎟ ⎜4 0 0 0⎟ ⎜0 0 0 0⎟
⎝ ⎠ ⎝ ⎠ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
0 0 0 b − a4/b3 0 0 0 b − a4/b3 8 4 0 0 8 0 0 0
⎛ ⎞
Ası́ que si b = 0 se tienen las siguientes posibilidades:
⎜0 0 0 0⎟
⎜ ⎟
⎜0 0 0 0⎟
Si b4 = a4 entonces rg A = 3. Además ⎜ ⎟
n
A =⎜ ⎟ para todo n ≥ 4.
⎜0 0 0 0⎟
⎜ ⎟
b4 = a4 ⇔ ±b2 = ±a2 ⇔ b2 = a2 ⇔ b = ±a. ⎝ ⎠
0 0 0 0
Si b = ±a entonces rg A = 4. (b) Sea B = I4 + A, expresar B n en función de I4, A, A2 y A3.
⎛ ⎞
⎜a 0 0 0⎟ Solución. Usando el binomio de Newton tenemos que
⎜ ⎟
⎜0 a 0 0⎟
⎜ ⎟ ⎛ ⎞
Cuando b = 0 tenemos A = ⎜ ⎟ y por lo tanto:
⎜0
0 a 0⎟
n
n
⎜ ⎟ B n = (I4 + A)n = ⎝ ⎠ Aj I n−j
⎝ ⎠
0 0 0 a j=0 j
93 94
⎜1 0 0 0⎟
⎜ ⎟
⎜4 1 0 0⎟
⎜ ⎟
⎜ ⎟.
⎜8 4 1 0⎟
⎜ ⎟
⎝ ⎠
12 8 4 1
(c) Demostrar que la inversa de B es I4 − A + A2 − A3.
97 98
IV. De las afirmaciones siguientes, demostrar las verdaderas y dar un Solución. La igualdad es cierta porque
contraejemplo para las falsas: (P AP −1)n =
−1 −1 −1 −1
(a) (A + B)2 = A2 + 2AB + B 2. P AP P AP PAP . . . P AP
n-veces
Solución.
⎛ ⎞ Esta afirmación
⎛ ⎞ es falsa, para verlo tómense A =
1 0 0 1 = P AnP −1.
⎝ ⎠yB=⎝ ⎠.
0 0 0 0
(e) Si A es antisimétrica, entonces A2 es simétrica.
La misma afirmación es cierta cuando las matrices A y B
Solución. Verdadero. Puesto que A es antisimétrica se tiene
conmutan. En cualquier caso sı́ que se verifica la igualdad
que At = −A, entonces (A2)t = (AA)t = At At = (−A)(−A) =
(A + B)2 = A2 + AB + BA + B 2.
A2, es decir, A2 es simétrica.
(b) A2 − B 2 = (A − B)(A + B).
(f) Si A es antisimétrica y B es simétrica, entonces AB es anti-
Solución. Esta igualdad también es falsa y se puede ver con
simétrica si y sólo si AB = BA.
las mismas matrices que en el ejercicio anterior.
Solución. Verdadero. Por ser A antisimétrica y B simétrica
(c) An+1 − In = (A − In)(In + A + A2 + ... + An).
se tiene que At = −A y que B t = B.
Solución. En este caso la igualdad es cierta ya que (A −
Demostramos primero que si AB es antisimétrica entonces
In )(In + A + A2 + ... + An ) = A + A2 + · · · + An + An+1 −
AB = BA. En efecto, por ser AB antisimétrica tenemos que
In − A − A2 + ... − An = An+1 − In.
−AB = (AB)t = B tAt = B(−A) = −BA e igualando el
−1 n n −1
(d) Si P es una matriz regular, entonces (P AP ) = PA P .
primer y último miembro y dividiendo por −1 se tiene que
AB = BA.
VI. VII.
2
a ab ab b 2
a b 0 0
a b 0 b 0 0
ab
a2 b2 ab 0 a b 0
ab = a 0 a b − b a b 0 = a4 − b4
b2 a2 ab 0 0 a b
0 0 a 0 a b
2
b ab ab a2
b 0 0 a
2
a + 2ab + b2 ab ab b2
C12(1), C13(1), C14(1) a2 + 2ab + b2 a2 b2 ab
a2 + 2ab + b2 b2 a2 ab
=
2 2 2
a + 2ab + b ab ab a
2
a + 2ab + b2 ab ab b2
F21(−1), F31(−1), F41(−1) 0 a2 − ab b2 − ab ab − b2
b2 − ab a2 − ab ab − b2
= 0
0 0 0 a2 − b2
a2 − ab b2 − ab ab − b2
= (a2 + 2ab + b2) b2 − ab a2 − ab ab − b2
a2 − b2
0 0
2
a − ab b 2
− ab
= (a + b)2(a2 − b2)
b − ab a − ab
2 2
⎛ ⎞ ⎛ ⎞
⎜1 2 0 1 2 1⎟ F21(−1) ⎜1 2 0 1 2 1⎟ F21(−1)
⎜ ⎟ ⎜ ⎟
⎜1 0 3 0 3 1⎟ F31(−2) ⎜ −2 3 −1 1 0⎟ F31(−2)
⎜ ⎟ ⎜0 ⎟
⎜ ⎟ ⎜ ⎟
⎜2 2 3 1 4 1⎟ F41(−4) ⎜ 2 3 1 4 1⎟ F41(−4)
⎜ ⎟ ⎜2 ⎟
⎜ ⎟ ⎜ ⎟
⎜4 4 6 2 9 3⎟ F51(−3) ⎜ 4 6 2 9 3⎟ F51(−3)
⎜ ⎟ ⎜4 ⎟
⎝ ⎠ ⎝ ⎠
3 2 6 1 7 2 ∼ 3 2 6 1 7 2 ∼
107 108
Tema 3: Sistemas de ecuaciones lineales simplemente ecuación lineal de con n incógnitas.
1. Definiciones básicas
Convenio
Cuando m = 1, en vez de llamar a la expresión a11x1 + a12x2 +
· · · + a1nxn = b1 sistema de 1 ecuación con n incógnitas, la llamaremos
109 110
Ax = b,
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2. Teorema de Rouché-Frobenius
⎜ x1 ⎟ ⎜ b1 ⎟ ⎜ a11 a12 · · · a1n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ x2 ⎟ ⎜ b2 ⎟ ⎜ a21 a22 · · · a2n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ Dado el sistema Ax = b, se tiene:
donde x = ⎜ ⎟, b = ⎜ ⎟yA=⎜ ⎟.
⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ... . . . ... ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ 1. si rg (A) = rg (A|b) entonces el sistema es compatible. Además:
xn bn am1 am2 · · · amn
Notación. a) cuando rg (A) = rg (A|b) = n el sistema es compatible deter-
B = (A|b) es la matriz ampliada asociada al sistema (S) b) y si rg (A) = rg (A|b) = n el sistema es compatible indetermi-
Los bj son términos independientes del sistema (S). nado.
siendo la matriz C de rango completo y triangular superior, la mos fácilmente de abajo hacia arriba sin necesidad de introducir
113 114
115 116
5. Ejercicios resueltos Solución. Falso. El contraejemplo del apartado (a) vale para
este apartado.
I. Discutir la veracidad o falsedad de las siguientes afirmaciones:
(d) Si un sistema de ecuaciones Ax = b es compatible determinado,
(a) Dado un sistema de m ecuaciones con n incógnitas, Ax = b, entonces A es una matriz cuadrada.
que admite solución única, entonces ésta es x = A−1 b. Solución. Falso, además el contraejemplo del apartado (a)
Solución. Falso, por ejemplo se puede verificar que el sistema también vale para este apartado.
⎛ ⎞ ⎛ ⎞
1 1 ⎛ ⎞ (e) Si Ax = b es un sistema incompatible con 5 ecuaciones y 4
⎜ ⎟ ⎜ 6 ⎟
⎜ ⎟ x ⎜ ⎟
⎜ 6 10 ⎟ ⎝ 1 ⎠ = ⎜ 52 ⎟ incógnitas y el r(A) = 4 entonces r(A|b) = 5.
⎜ ⎟ ⎜ ⎟
⎝ ⎠ x2 ⎝ ⎠
9 15 78 Solución. Verdadero. En efecto, sabemos que rg A ≤ rg (A|b),
tiene como solución única a x1 = 2 y x2 = 4. Sin embargo no además al ser el sistema incompatible entonces la desigualdad
existe la inversa de la matriz asociada al sistema por no ser es estricta. Ası́ que 4 < rg (A|b) y como el tamaño de (A|b) es
117 118
x + ay + z = 1 • x = 1 − z − ay = a+2−1−a
= 1
.
⎪
⎪ a+2 a+2
⎪
⎪
⎩ x + y + az = 1
Si a = 1 entonces rg A = rg (A|b) = 1 y el sistema es com-
Asociamos al sistema la matriz ampliada y realizamos operaciones patible indeterminado, necesitándose 2 parámetros reales para
de Gauss: resolverlo, α y β. Las soluciones serı́an en este caso:
⎛ ⎞ ⎛ ⎞ • z = α;
⎜ a 1 1 1 ⎟ ⎜ 1 a 1 1 ⎟
⎜ ⎟ F ⎜ ⎟ • y = β;
⎜ 1 a 1 1 ⎟ 1,3 ⎜ 1 1 a 1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠ • x = 1 − α − β.
1 1 a 1 a 1 1 1
⎛ ⎞ Si a = −2 entonces rg A = 2 = 3 = rg (A|b), por lo tanto el
F2 − F1 ⎜ 1 a 1 1 ⎟
⎜ ⎟ sistema es incompatible.
F3 − aF1 ⎜
⎜ 0 1−a a−1 0 ⎟
⎟
⎝ ⎠
∼ 0 1 − a2 1 − a 1 − a
⎛ ⎞
⎜1 a 1 1 ⎟
⎜ ⎟
F3 − (1 + a)F2 ∼ ⎜⎜0 1−a a−1 0 ⎟⎟
⎝ ⎠
0 0 2 − a − a2 1 − a
Si a = 1 y 2 − a − a2 = 0, es decir, si a = 1 y a = −2
entonces rg (A) = rg (A|b) = 3 y el sistema es compatible y
determinado y las soluciones son:
119 120
III. Discutir el sistema: ⎧ a) z = a(a + 1);
⎪
⎪
⎪
⎪ x+y+z =a+1 b) y = −a
;
⎨ a−1
ax + y + (a − 1) z = a c) x = a + 1 − a(a + 1) + a−1
a
= − 1−2a−a +a2 3
⎪
⎪ a−1 .
⎪
⎪
⎩ x + ay + z = 1
Si a = 1 entonces rg A = 2 = 3 = rg (A|b) y por lo tanto el
Asociamos al sistema la matriz asociada ampliada y realizamos sistema es incompatible.
operaciones elementales por filas:
⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 a + 1 ⎟ ⎜ 1 1 1 a + 1 ⎟
⎜ ⎟ F ⎜ ⎟
⎜ a 1 a − 1 a ⎟ 2,3 ⎜ 1 a 1 1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠
1 a 1 1 a 1 a−1 a
⎛ ⎞
F2 − F 1 ⎜ 1 1 1 a+1⎟
⎜ ⎟
F3 − aF1 ⎜⎜ 0 a − 1 0 −a ⎟
⎟
⎝ ⎠
∼ 0 1 − a −1 −a2
⎛ ⎞
⎜ 1 1 1 a + 1 ⎟
F2 + F 3 ⎜ ⎟
⎜ 0 a−1 0 −a ⎟
⎜ ⎟
∼ ⎝ ⎠
0 0 −1 −a2 − a
123 124
⎛ ⎞ Tema 4: Espacios vectoriales
⎜1 1 1 k k ⎟ Gabriel Soler López
⎜ ⎟
⎜
F4 + F3 ⎜ 0 1 − k 1 − k 1−k 2
k − k2 ⎟ 7 de noviembre de 2006
⎟
⎜ ⎟
∼ ⎜ 0 0 1 − k 2 − k − k2 k − k2 ⎟
⎜ ⎟
⎝ ⎠
0 0 0 3 − 2k − k 2 k − k 2 1. Definiciones básicas y primeras con-
Ahora discutimos el sistema distinguiendo los siguientes casos:
secuencias
a) Si 1 − k = 0 y 3 − 2k − k = 0 o lo que es lo mismo k = 1, k =
2
Un conjunto no vacı́o V se dice que es un espacio vectorial sobre el
−3, entonces rg A = rg (A|b) = 4 y el sistema es compatible
cuerpo K si está dotado de dos leyes de operación:
determinado. Se resuelve desde abajo hacia arriba:
k−k 2 k(1−k) k O1. Una ley de operación interna,
A. t = 3−2k−k 2
= −(k+3)(k−1)
= k+3
;
2
k−k 2 k(2−k−k )
B. z = 1−k
− (1−k)(k+3) = k
3+k
;
+ : V × V −→ V
k−k 2 −(1−k 2 )t−(1−k)z k
C. y = 1−k = 3+k
(u, v) → u+v
D. x = k − kt − z − y = k
3+k
O2. Una ley de operación externa,
b) Si k = 1 entonces
⎛ ⎞ · : K × V −→ V
⎜1 1 1 k k ⎟ (k, v) → k·v
⎜ ⎟
⎜0 4 4 −8 −12 ⎟
⎜ ⎟
(A|b) ∼ ⎜ ⎟
⎜0 0 4 −4 −12 ⎟
⎜ ⎟ Estas leyes deben satisfacer las propiedades que siguen.
⎝ ⎠
0 0 0 0 −12
P1. Para cualesquiera elementos a, b y c de V , la operación interna
y como rg A = 3 = rg (A|b) = 4 el sistema es incompatible.
satisface:
125 126
Notación.
L os elementos de V se llamarán vectores y los de K reciben el
nombre de escalares, un espacio vectorial V sobre el cuerpo K se de-
notará por VK .
Ejemplo
Rn = {(x1, x2, . . . , xn) : xi ∈ R} es un espacio vectorial sobre R
con las operaciones siguientes:
+: Rn × Rn −→ Rn
((xi)i∈N , (yi )i∈N ) → (xi + yi )i∈N
·: R × Rn −→ Rn
(α, (xi)i∈N ) → (αxi)i∈N
127
Aquı́ N = {1, 2, . . . , n}. 128
Ejemplo Propiedades
(n)
Sea PR [X] el conjunto de todos los polinomios en la variable x sobre Dado el espacio vectorial V sobre el cuerpo K, se tiene que para cua-
el cuerpo R y de grado menor o igual que n. lesquiera α, β ∈ K y u, v ∈ V se verifican las siguientes propiedades:
(n)
Un elemento de PR [X] tendrá la siguiente forma:
1. 0Ku = 0,
2 n
a0 + a1x + a2x + · · · + anx con ai ∈ R para todo i ∈ {1, 2, . . . , n}. 2. α0 = 0,
2.
(n) (n)
· : R × PR [X] −→ PR [X]
(λ, p(x)) → λp(x)
donde λp(x) = λa0 + λa1x + λa2x2 + · · · + λanxn si p(x) =
a0 + a1 x + a2 x2 + · · · + an xn .
129 130
Ejemplo
S = {1, x, . . . , xn} es un conjunto linealmente independiente y ge-
(n)
nerador de VR = PR [X].
131 132
Proposición 2.1. Bases de un espacio vectorial. Di-
1. No todo sistema libre es generador. mensión
2. No todo sistema generador es libre. Definición (Base).
3. Si S es generador y T es un conjunto de vectores cualquiera, en- Un conjunto de vectores S = {u1, u2, . . . , un} se dice que es una
tonces S ∪ T también es generador. base de un espacio vectorial VK si S genera VK (es decir VK =< S >)
y además S es un sistema libre.
4. Si S es libre y T ⊆ S entonces T es libre.
Proposición
Cualquier vector del espacio vectorial VK se expresa de manera única
como combinación lineal de los elementos de base elegida.
Definición (Coordenadas).
Dada una base S = {u1, u2, . . . , un} de VK , las coordenadas de
un vector v ∈ VK son los únicos escalares {αi}ni=1 tales que v =
α1u1 + α2u2 + · · · + αn un.
133 134
Convenio Si
entonces:
Resultados técnicos que permiten probar el teorema
anterior 1. β = 0K porque en caso contrario:
v = −β −1 α1vi1 + α2 vi2 + · · · + αk vik
Proposición 2.2.B
y esto es una contradicción con la hipótesis v ∈< S >.
Si S es linealmente independiente y u ∈< S > entonces T = S ∪
{u} es linealmente independiente. 2. Como β = 0K se tiene:
α1 = α2 = · · · = αk = 0K.
2
Esta propiedad también es cierta para espacios vectoriales en general
135 136
Teorema (Steinitz) Vemos primero que R es linealmente independiente. Para ello to-
Sea S = {u1, u2, . . . , un} una base del espacio vectorial VK y sea mamos una combinación lineal de los vectores de R igual al vector
T = {v1, v2, . . . , vm} un conjunto de vectores linealmente indepen- 0.
dientes. Entonces se pueden sustituir m vectores de la base S por los
vectores v1, v2, . . . , vm, obteniendo una nueva base. En particular se
0 = β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1ul+1 + · · · + βn un + γv1
tiene que m ≤ n.
= β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1 ul+1 + · · · + βn un
Demostración
+γ(α1u1 + α2u2 + · · · + αn un)
Haremos la demostración de este teorema por inducción en m.
Probamos el teorema cuando m = 1. Como S es una base de = (β1 + γα1)u1 + (β2 + γα2)u2 + . . .
V existirán escalares {αi}ni=1 tales que +(βl−1 + γαl−1)ul−1 + γαl ul + (βl+1 + γαl+1)ul+1 + . . .
Ası́ que:
Puesto que T es linealmente independiente se tiene que v1 = 0 y
⎧
entonces existe al menos un ı́ndice l ∈ {1, 2, . . . , n} para el que αl = 0, ⎨ βj + γαj = 0K para todo j ∈ {1, 2, . . . , l − 1, l + 1, . . . n},
⎩ γα = 0
por lo tanto podemos escribir: l K
ul = −αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1 ul+1 + · · · + αn un − v1) . Como αl = 0K entonces de la última ecuación se deduce que γ =
0K y de las restantes: βj = 0K para todo j ∈ {1, 2, . . . , l − 1, l +
Sustituimos en la base S el vector ul por el vector v1 y obtenemos
1, . . . n}. Por lo tanto R es linealmente independiente.
el conjunto de vectores R = S\{ul } ∪ {v1}. Finalmente probamos que
R es una base:
137 138
Vemos ahora que R es generador. Para ello tomamos un vector Suponemos ahora que el teorema es cierto para el entero m−1
v ∈ V y vemos que es combinación lineal de los vectores de R. y lo probamos para m.
Como S es una base entonces: Como el conjunto Tm−1 = {v1, v2, . . . , vm−1 } es linealmente inde-
pendiente y estamos suponiendo el resultado cierto para m − 1, pode-
mos sustituir m − 1 vectores de S por los vectores de Tm−1 obteniendo
v = γ1u1 + γ2u2 + · · · + γl−1 ul−1 + γl ul + γl+1ul+1 + · · · + γnun
una base
= γ1u1 + γ2u2 + · · · + γl−1 ul−1
S1 = {v1, v2, . . . , vm−1 } ∪ {ui1 , ui2 , . . . , uin−m+1 }
−γl αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1ul+1 + · · · + αn un − v1)
= (γ1 − γl αl−1 α1)u1 + (γ2 − γl αl−1 α2)u2 + · · · + (γl−1 − γl αl−1 αl−1 )ul−1 Ahora podemos utilizar el argumento desarrollado en el caso m = 1
139 140
Ya estamos en condiciones de probar el teorema 2.2.A y el corolario Corolario
que sigue. Si el espacio vectorial VK tiene una base finita, todas las bases de VK
Demostración del teorema 2.2.A. tienen el mismo número de vectores
Fijemos un sistema generador finito del espacio vectorial (que su-
pondremos que no es el formado sólo por el vector 0, si lo fuera ya Demostración
sabemos por el convenio hecho que tiene base) Supongamos que tenemos dos bases de VK:
R = {w1, w2, . . . , wk }
R = {u1, u2, . . . , uk }
No es restrictivo suponer que en R no está el vector 0, si lo estuviera
S = {v1, v2, . . . , vl }
lo eliminamos y R seguirı́a siendo generador.
Ahora procedemos a construir la base usando la proposición 2.2.B. Usando el teorema de Steiner considerando R base y S linealmente
Si el conjunto R1 = {w1} es generador entonces será una base y hemos independiente tenemos
terminado. l ≤ k.
En caso contrario elegimos el número n2 > 1 más pequeño posible Ahora por el mismo teorema considerando S base y R linealmente
para el que se cumple wn2 ∈< R1 >. Usando la proposición 2.2.B se independiente:
tiene que R2 = {w1, wn2 } es linealmente independiente. Si es genera- k ≤ l.
dor hemos acabado, en caso contrario repetimos el proceso que tiene
Ası́ que k = l.
que ser finito por serlo R.
Al final habremos conseguido un Rl linealmente independiente y
141 142
Detalle de la relación
n n t
Tomamos w = j=1 yj uj = j=1 xj vj , x = (x1 , x2 , . . . , xn ) e
y = (y1, y2 , . . . , yn )t.
⎛ ⎞ n
n
n n
n
w= xivi = xi ⎝ ⎠
αji uj = xiαji uj ,
i=1 i=1 j=1 j=1 i=1
n
de donde yj = i=1 xi αji y la relación deseada es:
143
y = Mββ x.
3. Subespacios vectoriales Ejemplo
Las soluciones de un sistema lineal de ecuaciones tiene estructura de
Definición (Subespacio vectorial).
subespacio vectorial de Rn.
Un subconjunto H de un espacio vectorial VK diremos que es un
Además dim(H) = n − rg (A) (número de parámetros necesarios
subespacio vectorial de VK si H con las operaciones, + y ·, de VK es
para resolver el sistema).
él mismo un espacio vectorial.
Ejemplo
Proposición
Dado un conjunto de vectores S del espacio vectorial VK , se tiene
Un subconjunto H de VK es un subespacio vectorial de VK si y sólo
que el espacio generado por S es un subespacio vectorial de VK.
si se verifican:
145 146
Proposición
H ∩ H es un subespacio de VK .
Observación
H ∪ H no es en general un subespacio de VK.
Proposición
La suma de H y H es directa si y sólo si H ∩ H = {0}.
Acabamos este apartado con la importante fórmula de Grassmann.
149 150
Y como v ∈ H, entonces
3.3. Ecuaciones cartesianas de un sub-
espacio vectorial
n
xj λlj = 0 ∀l ∈ {m + 1, m + 2, . . . , n}.
j=1
Dado un espacio vectorial VK, un subespacio de él H, y una base
(Ecuaciones cartesianas de H respecto de la base β = {e1, e2, . . . , en})
β = {e1, e2, . . . , ek } de VK , las ecuaciones que satisfacen las coorde-
nadas de los vectores de H expresados en la base β reciben el nombre
de ecuaciones cartesianas de H respecto de la base β .
Procedimiento
Tomamos una base de H, β = {w1, w2, . . . , wm}.
Completamos β hasta una base de VK, β = {w1, w2, . . . , wn}.
Elegimos un vector arbitrario v ∈ H y tomamos sus coordenadas
en β y β :
151 152
4. Ejercicios resueltos Ejercicio
Sea V un espacio vectorial sobre Z5 y sea {u, v, w} un conjunto de
Ejercicio
vectores. ¿Es {u + v + w, v + 3w, 2v + w} un sistema libre de vectores?
Sea V un espacio vectorial sobre R y sea S = {u, v, w} un sistema
Solución.
libre. ¿Es T = {u+v +w, v +3w, 2v +w} un sistema libre de vectores?
Veamos que T es linealmente dependiente y por lo tanto no es libre.
Solución.
Para ello basta con encontrar una combinación lineal de vectores de S
Veamos que T es linealmente independiente, para ello tomamos una
igual al vector 0 y con no todos sus coeficientes cero:
combinación lineal de vectores de S igual al vector 0 y demostramos
0(u + v + w) + 3(v + 3w) + 1(2v + w)
que los coeficientes son todos cero:
= 0v + 0w = 0.
α(u + v + w) + β(v + 3w) + γ(2v + w)
= αu + (α + β + 2γ)v +⎧ (α + 3β + γ)w = 0
⎪
⎪
⎪
⎪ α = 0,
S l.i. ⎨
α + β + 2γ = 0,
⇒ ⎪ ⎪
⎪
⎪
⎩ α + 3β + γ = 0.
153 154
Ejercicio Ejercicio
¿Es (R, +, ·) un espacio vectorial sobre R? Dados los subespacios de Z35
Solución. Por las propiedades de los números reales sabemos que
S = {(x, y, z) ∈ Z35 : x = y = 0},
(R, +) es un grupo abeliano. Ası́ que los cuatro primeros axiomas de
T = {(x, y, z) ∈ Z35 : x + y + z = 0}
espacio vectorial (los referentes a la suma) se satisfacen.
Veamos ahora que también se cumplen las propiedades referentes al calcular:
producto. Para ello tomamos escalares cualesquiera λ, μ ∈ R y vectores (a) Una base y la dimensión de S y T.
v, w ∈ R. Comprobamos que se satisfacen los cuatro axiomas en los
Solución. La matriz asociada al sistema que define S es:
que está involucrado el producto: ⎛ ⎞
1 0 0 | 0
(A|b) = ⎝ ⎠
1. λ(v + w) = λv + λw se cumple, es la propiedad distributiva de los 0 1 0 | 0
números reales.
Ası́ que la dimensión de S es 3 − rg A = 3 − 2 = 1.
2. (λ + μ)v = λv + μv, otra vez se trata de la propiedad distributiva Una base de S estará formada por un vector no nulo y que perte-
en R. nezca a S:
reales. .
4. 1v = v es cierto ya que 1 es el elemento neutro del producto en R. Ahora calculamos los datos solicitados de T . La matriz asociada
al sistema que define T es:
Ası́ que se satisfacen todos los axiomas de espacio vectorial y por lo
$ %
tanto (R, +, ·) es un espacio vectorial sobre R. (C|d) = 1 1 1 | 0
155 156
Una base de T estará formada por dos vectores linealmente inde- Por lo tanto S + T = Z35 y βS+T = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
pendiente que pertenezcan a T :
(c) ¿Es la suma S + T directa?
βT = {(1, 0, 4), (0, 2, 3)}
Solución. Sı́ porque la intersección S ∩ T = {(0, 0, 0)}
.
(d) Card Z35, Card S y Card T .
(b) Calcular S ∩ T y S + T, dando una base de dichos subespacios. Solución. Card Z35 = 53 = 125 = Card T .
Solución.
S∩T
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 | 0⎟ 1 ⎜1 1 1 | 0⎟ 2 ⎜1 1 1 | 0⎟
⎜ ⎟ F2 (4) ⎜ ⎟ F (1) ⎜ ⎟
(A|b) = ⎜
⎜ 1 0 0 | 0⎟
⎟ ⎜0 4 4 | 0⎟ 3
⎜ ⎟
⎜0 4 4 | 0⎟
⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠ ∼ ⎝ ⎠
0 1 0 | 0 0 1 0 | 0 0 0 4 | 0
S+T
βA = {v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (1, 0, 1)}, Solución. Esta matriz se construye poniendo por columnas las
coordenadas de los vectores de la base βA respecto a βC .
βC = {w1 = (1, 1, 0), w2 = (0, 1, 1), w3 = (0, 0, 1)}, B = {(2, 2, 1)βC }
v1 := (1, 1, 1) = w1 + w3 = (1, 0, 1)βC ,
y se pide:
v2 := (0, 1, 1) = w2 = (0, 1, 0)βC ,
1. Calcular la matriz de cambio de base de la base βA a la base
v3 := (1, 0, 1) = w1 − w2 + 2w3 = (1, −1, 2)βC ,
canónica, es decir MβAβC .
Solución. Esta matriz se construye poniendo por columnas las ası́ que:
w3 := (0, 0, 1) = −v1 + v2 + v3 = (−1, 1, 1)βA . 3. Dar las coordenadas de los vectores del conjunto B en la base βA .
Ası́ que: Solución. Usando la matriz MβAβC es fácil calcular esas coorde-
⎛ ⎞
⎜ 2 0 −1 ⎟ nadas:
⎜ ⎟ & 't
MβAβC =⎜ ⎟
⎜ −1 1 1 ⎟
⎝ ⎠ MβAβC (2, 2, 1)tβC = (3, 1, −1)βA .
−1 0 1
Por lo tanto:
B = {(3, 1, −1)βA }.
159 160
Ejercicio
En R4 se consideran los subespacios vectoriales:
4. Calcular las ecuaciones del subespacio < B > respecto de la base
βA. S =< (1, 0, 0, 0), (0, 1, 1, 1) > y T = {(x, y, z, t) : x = 0, 2y−z−t = 0}
Solución.
y se pide:
Antes de nada tenemos claro que se necesitan dos ecuaciones (di-
1. Una base, la dimensión y las ecuaciones de S.
mensión de R3-dimensión de < B >).
Solución. Los dos vectores que generan S también son linealmen-
Un vector (x, y, z)βA ∈< B > si y sólo si
te independientes, por lo tanto son una base de S:
(x, y, z)βA = α(3, 1, −1)βA = (3α, α, −α)βA
⎧ βS = {(1, 0, 0, 0), (0, 1, 1, 1)}.
⎪
⎪ ⎧
⎪
⎪ x = 3α,
⎨ ⎨ x − 3y = 0,
⇒ y = α, ⇒ Ahora calculamos las ecuaciones que debe satisfacer un vector
⎪
⎪ ⎩ y + z = 0.
⎪
⎪
⎩ z = −α (x, y, z, t) ∈ S:
⎧
⎪
⎪
⎪
⎪ x = α,
⎪
⎪ ⎧
⎪
⎨ y = β, ⎨ y − z = 0,
(x, y, z, t) = α(1, 0, 0, 0) + β(0, 1, 1, 1) ⇒ ⇒
⎪
⎪ ⎩y−t=0
⎪
⎪ z = β,
⎪
⎪
⎪
⎩t=β
161 162
3. Una base, la dimensión y las ecuaciones de S ∩ T . Usando la fórmula de Grassman se tiene que:
Solución. Las ecuaciones de S ∩ T se obtienen como la unión de dimS + T = dimS + dimT − dimS ∩ T = 2 + 2 − 1 = 3.
las ecuaciones de S con las ecuaciones de T :
Un conjunto generador de S + T se obtiene uniendo conjuntos
⎧ ⎛ ⎞ generadores de S y de T , es decir:
⎪
⎪
⎪
⎪ x = 0, ⎜1 0 0 0 0⎟
⎪
⎪ ⎜ ⎟
⎪
⎨ 2y − z − t = 0, ⎜ 0 2 −1 −1 0 ⎟ S + T =< (1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, −1), (0, 1, 2, 0) >,
⎜ ⎟
⇒⎜ ⎟
⎪
⎪ y − z = 0, ⎜ 0 1 −1 0 0 ⎟
⎪
⎪ ⎜ ⎟ de estos cuatro vectores ahora nos quedamos con tres que sean
⎪
⎪ ⎝ ⎠
⎪
⎩ y−t=0 0 1 0 −1 0 linealmente independientes y tendremos una base de S + T . Es
⎛ ⎞
⎧ fácil darse cuanta que los tres primeros vectores son linealmente
⎜1 0 0 0 0⎟ ⎪
⎪
⎜ ⎟ ⎪
⎪ x = 0,
F2 − F 3 − F 4 ⎜⎜0 0 0 0 0⎟⎟
⎨ independientes, luego:
⎜ ⎟⇒ y − z = 0,
⇒ ⎜ 0 1 −1 0 0⎟ ⎪
⎪
⎜ ⎟ ⎪
⎪ βS+T = {(1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, −1)}.
⎝ ⎠ ⎩ y−t=0
0 1 0 −1 0
Acabamos dando las ecuaciones que satisface el subespacio S + T ,
Ası́ que dimS ∩ T = 4 − rg A = 1 (A es la matriz asociada al
para ello tomamos (x, y, z, t) ∈ S + T y recordamos que necesita-
sistema que define S ∩ T ).
163 164
mos 1 ecuación (dimR4 − dimS + T ), entonces: Ejercicio
a) M1 = {A ∈ M2×2(R) / A es simétrica}
5. Dada la base β = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)},
justifica si el vector (1, 2, 3, 4)β pertenece a alguno de los subespa- Solución. M1 es un subespacio vectorial ya que:
Solución. Obtenemos fácilmente las coordenadas del vector (1, 2, 3, 4)β (A + B)t = At + B t = A + B, es decir, A + B ∈ M1.
⎛ ⎞ ⎛ ⎞
Calculamos ahora una base del subespacio M1. Si S es la matriz
0 0 0 0
asociada al sistema que define a M1, la dimensión de M1 es Si A, B ∈ M4 entonces A = ⎝ ⎠ y B = ⎝ ⎠,
0 a 0 b
dimM2×2(R) − rg S = 4 − 1 = 3. ⎛ ⎞
0 0
ası́ que: A + B = ⎝ ⎠ ∈ M4 .
Ası́ que basta con dar 3 vectores linealmente independientes de
0 a+b
M1 para tener una base: ⎛ ⎞
⎧⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫ 0 0
⎨ 1 Si A ∈ M4 y α ∈ R entonces A = ⎝ ⎠ y αA =
0 0 0 0 1 ⎬ 0 a
βM1 = ⎝ ⎠,⎝ ⎠,⎝ ⎠
⎛ ⎞
⎩ 0 0 0 1 1 0 ⎭ 0 0
⎝ ⎠ ∈ M4 .
0 αa
b) M2 = {A ∈ M2×2(R) / A2 = A} ⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 0
1 0 5 0 Como cualquier elemento de M4 es de la forma ⎝ ⎠ se
Solución. A = ⎝ ⎠ ∈ M2, pero 5A = ⎝ ⎠ ∈ M2, 0 a
0 0 0 0 tiene que ⎧⎛ ⎞⎫
ası́ que M2 no es un subespacio vectorial. ⎨ 0 0 ⎬
βM4 = ⎝ ⎠
c) M3 = {A ∈ M2×2(R) / det(A) = 0} ⎩ 0 1 ⎭
⎛ ⎞ ⎛ ⎞
1 0 0 0 es una base de M4 al ser un sistema generador y linealmente
Solución. A = ⎝ ⎠ ∈ M3 y B = ⎝ ⎠ ∈ M3, pero
0 0 0 1 independiente.
⎛ ⎞
1 0
A + B = ⎝ ⎠ ∈ M3, ası́ que M3 no es un subespacio
0 1
vectorial.
⎛ ⎞
0 0
d ) M4 = {A = ⎝ ⎠ ∈ M2×2(R) / a ∈ R }
0 a
Solución. M4 es un subespacio vectorial porque:
167 168
Ejercicio es decir la dimensión es 3 − 2 = 1.
( )
Comprobar si los siguientes conjuntos de R3 son subespacios vec- (e) W = (x1, x2, x3) ∈ R3 : x1 + x22 = 0 .
toriales: Solución. No es un subespacio vectorial porque (−1, 1, 0) ∈
( ) W pero 5(−1, 1, 0) ∈ W .
(a) W = (x1, x2, x3) ∈ R3 : x1 + x2 = 0 .
Comprobar si los siguientes conjuntos de Z35 son subespacios vec- pero 2(4, 1, 0) = (3, 2, 0) ∈ W ya que 3 + 22 = 3 + 4 = 2 = 0.
( )
toriales: (f) W = (x1, x2, x3) ∈ Z33 : x1(x21 + 2) = 0 .
( ) Solución. Busquemos otra descripción del conjunto W . El
(a) W = (x1, x2, x3) ∈ Z35 : x1 + x2 = 0 .
vector (x, y, z) ∈ W si y sólo si x(x2 − 1) = 0, ası́ que x = 0
Solución. Por los mismos motivos que en el ejercicio anterior
ó x2 = 1. Además la ecuación x2 = 1 se satisface para los
(el mismo apartado) W es un subespacio vectorial. La dimen-
valores de x = 1 y x = 2.
sión sigue siendo la misma por un razonamiento análogo.
( ) Ası́ que W = Z33 y por lo tanto es un subespacio vectorial.
(b) W = (x1, x2, x3) ∈ Z35 : x1 + 2x2 + x3 = 1 .
171 172
Ejercicio es decir v ∈< FB >. Ası́ que hemos probado < FA >⊂<
Sea A ∈ Mk×n (K) y FA el conjunto formado por los vectores fila de FB >.
la matriz A (FA ⊂ Kn). Sea B una matriz obtenida de A mediante Probamos ahora la inclusión contraria. Si v ∈< FB > enton-
una operación elemental por filas y FB el conjunto formado por los ces:
vectores fila de la matriz B (FB ⊂ Kn). v = α1 v1 + α2 v2 + . . . αj−1 vj−1 + αj αvj + αj+1vj+1 + . . . αnvn
Entonces < FA >=< FB >. ,
Demostración ası́ que v ∈< FA >. Por lo tanto < FB >⊂< FA >.
Para esta demostración hay que distinguir tres casos: Hemos probado por lo tanto la igualdad < FB >=< FA >.
B se obtiene de A intercambiando dos filas. En este caso B se obtiene de A sumando a la fila i la fila j multiplicada
FA = FB y claramente < FA >=< FB >. por un escalar α = 0. Si llamamos vl al vector fila l-ésima de
B1 = {u1, u2, u3, u4, u5}, B2 = {v1, v2, v3, v4, v5}.
v3 = x3 + 2x = u4 + u5 = (0, 0, 0, 1, 1)B1 ,
Ası́ que:
175 176
⎛ ⎞ Tema 5: Aplicaciones lineales
⎜3 −3 0 −1 −1⎟
⎜ ⎟ Gabriel Soler López
⎜1 −1 0 0 0 ⎟
⎜ ⎟
⎜ ⎟ 24 de noviembre de 2004
MB1 B2 =⎜
⎜1 0 0 0 0⎟ ⎟.
⎜ ⎟
⎜−1 1 1 0 1⎟
⎜ ⎟
⎝ ⎠ 5. Preliminares
−2 2 1 1 0
b) Halla las coordenadas respecto de dichas bases del polinomio Antes de desarrollar los conceptos de este tema conviene aclarar o
p(x) = x4 + x3 + x2 + x + 1. repasar los conceptos de aplicación y enumerar sus tipos. ecuación
Solución. Calculamos primero las coordenadas de p(x) en la numérica:
base B2 :
Definición (Aplicación). Una aplicación entre dos conjuntos, A y
B, es una ley que hace corresponder a cada elemento de A un único
1 1 1 elemento de B.
p(x) = 1 + x + x2 + x3 + x4 = v1 − v2 + v3 + 2v4 + v5
2 2 2
1 1 1 Para denotar esta ley se le suele denotar por una letra del alfabeto
= , − , , 2, 1
2 2 2 B2 y se utiliza la notación f : A → B.
Ahora para calcular las coordenadas del vector en B1 basta con Si el elemento a de A está relacionado con el elemento b de B se
hacer la multiplicación: suele escribir f (a) = b, también se suele decir que b es la imagen de
t t
1 1 1 1 1 1 a o que a es una antiimagen de b.
MB1 B2 , − , , 2, 1 = 0, 1, , ,
2 2 2 B2 2 2 2 B1
Definición (Conjuntos asociados a una aplicación f : A → B).
Al conjunto A se le suele llamar conjunto original y al conjunto B
conjunto final.
177 178
El conjunto imagen de f se denota por f (A) y se define por la Definición (Tipos de aplicaciones). 1. Una aplicación f : A →
igualdad: B se dice inyectiva si se verifica:
Ejemplo. Dada la aplicación f : N → N definida por f (n) = 2n, 2. Una aplicación f : A → B se dice suprayectiva o exhaustiva
se tiene: si se verifica:
f ◦ g = 1B g ◦ f = 1A ,
∀ u, v ∈ V f (u + v) = f (u) + f (v)
∀ α ∈ K y ∀ u ∈ V f (αu) = αf (u)
181 182
Ejemplo. La aplicación g : R2 → R3 la aplicación definida por 6.1. Propiedades de las aplicaciones li-
g(x, y) = (x + y, x − y, x) es lineal, ya que:
neales
∀u = (u1, u2), v = (v1, v2) ∈ R2 y ∀α ∈ R:
Proposición. f : V → W es lineal si y sólo si f (αu + βv) =
1.
αf (u) + βf (v) para cualesquiera α, β ∈ K y u, v ∈ V .
g(u + v) = g ((u1, u2) + (v1, v2)) = g (u1 + v1, u2 + v2)
Demostración.(⇒) Partimos en este caso de la premisa “f es lineal”,
= (u1 + u2 + v1 + v2, u1 − u2 + v1 − v2, u1 + v1)
por lo tanto usando simultáneamente las dos propiedades que de-
= g(u) + g(v) = g (u1, u2) + g (v1, v2) finen una aplicación lineal, se tiene:
= (u1 + u2, u1 − u2, u1) + (v1 + v2, v1 − v2, v1)
f (αu + βv) = f (αu) + f (βv) = αf (u) + βf (v)
2. g(α(u1, u2)) = αg (u1, u2) (demostrar en casa).
(⇐) Para probar el recı́proco tendremos que demostrar dos cosas:
Ejercicio (de la hoja distribuida). Determinar cuáles de 1. Si u, v ∈ V entonces f (u + v) = f (u) + f (v). La demostración
las siguientes aplicaciones son lineales: de este hecho es fácil, en efecto:
1. f : IR2 → IR2 dada por f (x, y) = (x − y, 2x − y 2 ). f (u + v) = f (1u + 1v) = 1f (u) + 1f (v) = f (u) + f (v).
2. f : IR4 → IR2 dada por f (x, y, z, u) = (x−y, u+z, z, 2x− 2. Si u ∈ V y α ∈ V entonces f (αu) = αf (u). La demostración
y). de esto es la que sigue:
2 3
3. f : IR → IR dada por f (x, y) = (x − y, x − 2y, 3y). f (αu) = f (αu + 0v) = αf (u) + 0f (v) = αf (u).
3 3
4. f : IR → IR dada por f (x, y, z) = (x − z + y, 2x − y −
3z, z + y).
183 184
Proposición. Si f : V → W es lineal entonces f (0V ) = 0W , 6.2. Tipos de aplicaciones lineales
donde 0V y 0W denotan respectivamente los ceros de los espacios
Definición. 1. Isomorfismo: es una aplicación lineal biyectiva.
vectoriales V y W .
2. Epimorfismo: es una aplicación lineal suprayectiva.
Demostración. f (0V ) = f (0V + 0V ) = f (0V ) + f (0V ). Ası́ que
f (0V ) = f (0V ) + f (0V ) y si sumamos en ambos miembros el opuesto 3. Monomorfismo: es una aplicación lineal inyectiva.
de f (0V ) se obtiene 0W = f (0V ) como se querı́a demostrar. 4. Si el espacio de partida y llegada es el mismo,f : V → V , y f es
lineal diremos que f es un endomorfismo.
185 186
7. Subespacios vectoriales asociados a Demostración. 1. Veamos que Ker f ≤ V , para ello es necesario
comprobar:
una aplicación lineal
a) Si v, w ∈ Ker f entonces v + w ∈ Ker f . En efecto, como
Definición (Kernel e Imagen). Dada una aplicación lineal f : v ∈ Ker f y w ∈ Ker f entonces f (v) = f (w) = 0W y por ser
V → W , definimos el Kernel de dicha aplicación como el subconjunto f lineal:
de V definido por:
f (v + w) = f (v) + f (w) = 0W + 0W = 0W ⇒ v + w ∈ Ker f.
Ker f := {v ∈ V : f (v) = 0W }.
b) Si v ∈ Ker f y α ∈ R entonces αv ∈ Ker f . Procediendo de
Para la misma aplicación f se define la imagen de f como:
forma análoga tenemos que f (v) = 0W ya que v ∈ Ker f y
V ).
2. Probemos ahora que Im f ≤ W . Igual que antes hay que probar
2. Im f es un subespacio vectorial de W (Im f ≤ W ). los siguientes dos apartados.
a) Si v, w ∈ Im f entonces v + w ∈ Im f . Como v ∈ Im f y
w ∈ Im f entonces existen v1, w1 ∈ V tales que f (v1) = v y
f (w1 ) = w y por ser f lineal:
b) Si v ∈ Im f y α ∈ R entonces αv ∈ Im f . Procediendo de
forma análoga tenemos que f (v1) = v para algún v1 ∈ V ya
187 188
que v ∈ Im f y ahora usando la linealidad de f : Ahora nos gustarı́a saber si hay alguna relación entre que una apli-
cación sea monomorfismo y su kernel. Dicha relación existe y viene
f (αv1 ) = αf (v1) = αv ⇒ αv ∈ Im f.
recogida en el siguiente teorema.
191 192
Ejercicio 8.1. Propiedades de las matrices de cam-
Ejercicio. Sea f : IR4 → IR3 una aplicación lineal definida por: bio de base
f (1, 1, 1, 1) = (0, 0, 1) f (1, 0, 1, 0) = (1, 1, −1)
Proposición. Si f : V → W es una aplicación lineal, v ∈ V
f (1, 1, 1, 0) = (0, 0, −1) f (−1, −2, 0, 0) = (1, 1, 1) y w = f (v) y las coordenadas son v = (a1, a2, . . . , an)β y w =
Se pide calcular: (b1, b2, . . . , bm )β , entonces:
⎛ ⎞ ⎛ ⎞
1. La matriz de f respecto a las bases canónicas. ⎜ b 1 ⎟ ⎜ a1 ⎟
⎜ ⎟ ⎜ ⎟
⎜ b2 ⎟ ⎜ a2 ⎟
⎜ ⎟ ⎜ ⎟
Solución. ⎜ ⎟ = Mββ (f ) ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
bm
an
β β
Ejercicio
Se pide calcular:
193 194
la aplicación identidad. Entonces Suponed ahora que nos dan otras bases:
195 196
El diagrama siguiente, donde Id1 e Id2 son la aplicación identidad, 3. La matriz de f respecto de la base canónica de IR4 y la base de
es conmutativo IR3,
f B = {(1, 1, 1), (1, 0, 1), (1, 1, 0)}
(V, βV ) −→ (W, βW ) ası́ como las ecuaciones de la imagen de f en esta última base.
Id1 ↑ ↓ Id2
4. La matriz de f respecto de las bases de
f
(V, βV ) −→
(W, βW ) B1 = {(1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), (1, 1, 1, 1)} (de R4)
posición anterior para calcular la matriz de una composición, se B2 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} (de R3),
tiene: ası́ como las ecuaciones del núcleo y la imagen de f en estas bases.
(f ) = Mβ ,β (Id ◦f ◦ Id) =
MβV ,βW 5. El rango de la aplicación.
V W 2 1
,β Mβ ,β (f )Mβ ,β
MβW W V W V V
9. Ejercicios Resueltos
Ejercicio Ejercicio
Se considera la aplicación lineal f : Rn → Rk que verifica:
Ejercicio. Sea f : IR4 → IR3 una aplicación lineal definida por:
f (1, 1, 1, 1) = (0, 0, 1) f (1, 0, 1, 0) = (1, 1, −1) f (1, 0, 1) = (1, 0), f (0, 1, 1) = (2, 3), f (0, 0, 1) = (1, 1).
f (1, 1, 1, 0) = (0, 0, −1) f (−1, −2, 0, 0) = (1, 1, 1) En este ejercicio usaremos la notación βA para denotar a la base de-
Se pide calcular: finida en el ejercicio anterior. Además βC3 y βC2 serán respectivamente
las bases canónicas de R3 y R2.
197 198
Solución. De las imágenes que nos dan de los vectores de βA 5. Calcular una base y las ecuaciones de Im f .
obtenemos: Solución. Sabemos que
3. Calcular Mβ 3 β 2 (f ). nealmente independientes y maximal entonces βIm f = {(0, −1), (1, 2)}.
C C
Mβ 3 β 2 (f ) = Mβ 2 β 2 MβAβ 2 (f )MβAβ 3 =
C C⎛ C C ⎞ C C
⎛ ⎞⎛ ⎞ 1 0 0 ⎛ ⎞
⎜ ⎟
1 0 1 2 1 ⎜ ⎟ 0 1 1
⎝ ⎠⎝ ⎠ ⎜ ⎟ ⎝ ⎠
⎜ 0 1 0⎟=
0 1 0 3 1 ⎝ ⎠ −1 2 1
−1 −1 1
199 200
Ejercicio (1, 1) y (1, 0) por la aplicación f y a calcular las coordenadas de
n m
Sea f : IR → IR la aplicación cuya matriz asociada en las bases esas imágenes en la base B :
canónicas es: ⎛ ⎞
f (1, 1) = (2, 2, 2) = 2(1, 1, 1) = (0, 0, 2)B ,
⎜ 2 0 ⎟
⎜ ⎟ f (1, 0) = (2, 1, 0) = (1, 0, 0) + (1, 1, 0) = (1, 1, 0)B .
A=⎜
⎜1 1⎟
⎟
⎝ ⎠
0 2 Ası́ que la matriz de f respecto de las bases B y B es:
Calcula:
⎛ ⎞
(1.1). Los valores de n y de m (0,3 puntos). ⎜ 0 1 ⎟
⎜ ⎟
MBB (f ) = ⎜ ⎟
⎜ 0 1 ⎟.
Solución. Los valores de n y de m son respectivamente 2 y 3, es ⎝ ⎠
2 0
decir, el número de columnas y filas de la matriz A.
Responde justificadamente:
(1.2). La expresión analı́tica de f en las bases canónicas de Rn y Rm (0,4
puntos). (1.4). ¿Se puede hacer la composición f ◦ f ? ¿Qué tamaño tendrı́a la
⎡ ⎛ ⎞⎤t
x matriz asociada a f ◦ f ? (0,4 puntos).
Solución. f (x, y) = ⎣A ⎝ ⎠⎦ = (2x, x + y, 2y).
y Solución. No se puede hacer la composición porque el espacio de
B = {(1, 1), (1, 0)} y B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} (1.5). ¿Es la aplicación f invertible? (0,5 puntos).
Solución. No, porque para que sea invertible tiene que ser un
(0,9 puntos).
endomorfismo.
Solución. Vamos a calcular esta matriz utilizando la definición de
la misma. Para ello debemos calcular las imágenes de los vectores
201 202
β1 = {(1, 0, 1, 0), (1, 0, 0, 0), (0, 0, 1, 1), (0, 1, 0, 1)}, los vectores por filas en una matriz y ver que el determinante es
diferente de 0.
β2 = {(1, 1, 1, 0), (1, 1, 0, 0), (0, 1, 1, 1), (0, 0, 1, 1)},
1 0 1 0
β3 = {(1, 0, 0, a), (1, 0, 1, 1), (0, 1, 1, 0), (0, 0, 0, 1)}, 1 0 0 0
Para el conjunto β1 tendrı́amos = −1 = 0.
β4 = {(1, 1, 1), (1, 0, 0), (0, 0, 1)}, 0 0 1 1
β5 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)}, 0 1 0 1
β6 = {(1, 0, 1), (0, 0, −1), (0, 1, 1)} 1 1 1 0
1 1 0 0
y las aplicaciones lineales f : R4 → R3, g : Rk → Rl y h : Rm → Rn
Para el conjunto β2 tendrı́amos = 1 = 0.
0 1 1 1
definidas por:
0 0 1 1
f (x, y, z, t)β1 = (x + y + z, x, y − t)β4 ,
⎛ ⎞ 1 0 0 a
1 0 1
⎜ ⎟ 1 0 1 1
⎜ ⎟
Mβ4β5 (g) = ⎜ ⎟ Para el conjunto β3 tendrı́amos = −1 = 0.
⎜0 1 1⎟ 0 1 1 0
⎝ ⎠
1 0 0
0 0 0 1
⎛ ⎞
⎜ 0 0 1 ⎟
⎜ ⎟
Mβ4β5 (h) = ⎜ ⎜ −1 1 1 ⎟
⎟
⎝ ⎠
1 0 −1
203 204
2. Comprueba que los conjuntos β4, β5 y β6 son bases de R3. 3. Calcula las siguientes matrices:
Solución. Igual que en el apartado anterior: Mβ1 β2 , Mβ2β3 , Mβ1 β3 , Mβ4β5 , Mβ4 β6 , Mβ5 β6 .
1 1 1
Solución.
Para el conjunto β4 tendrı́amos 1 0 0 = −1 = 0.
0 0 1 Antes de empezar a calcular estas matrices adoptaremos la nota-
ción siguiente:
1 1 0
Para el conjunto β5 tendrı́amos 1 0 0 = −1 = 0. vij será el vector i-ésimo de la base βj , para valores de i entre
0 1 1 1 y 4 y de j entre 1 y 3.
wij será el vector i-ésimo de la base βj , para valores de i entre
1 0 1
1 y 3 y de j entre 4 y 6.
Para el conjunto β6 tendrı́amos 0 0 −1 = 1 = 0.
0 1 1
Ası́ que con esta notación tenemos por ejemplo: v43 = (0, 0, 0, 1) y
w26 = (0, 0, −1).
Mβ1β2
Para construir esta matriz hay que poner las coordenadas de los
vectores de la base β2 en la base β1:
205 206
v13 = −av12 + (1 + a)v22 − v32 + (1 + a)v42 Ahora ponemos estas coordenadas por columnas y obtenemos la
w15 = w14 + 0w24 − w34 Ahora ponemos estas coordenadas por columnas y obtenemos la
matriz solicitada:
w25 = 0w14 + 1w24 + 0w34 ⎛ ⎞
w35 = w14 − w24 + 0w34 ⎜0 0 1 ⎟
⎜ ⎟
Mβ4 β6 =⎜ ⎟
⎜ 1 0 −1 ⎟
⎝ ⎠
1 −1 0
Ahora ponemos estas coordenadas por columnas y obtenemos la
matriz solicitada: Mβ5β6
⎛ ⎞
⎜ 1 0 1 ⎟ Para construir esta matriz hay que poner las coordenadas de los
⎜ ⎟
Mβ4 β5 =⎜ ⎟
⎜ 0 1 −1 ⎟
⎝ ⎠ vectores de la base β6 en la base β5:
−1 0 0
209 210
w16 = −w15 + 2w25 + w35 S = {(x, y, z, t)β3 ∈ R4 : x+y+z+t = 0} y T =< (1, 2, 0, 1)β2 >,
Ahora ponemos estas coordenadas por columnas y obtenemos la bases estén dadas en la base β1).
donde (x, y, z, t)β1 son las coordenadas del vector (1, 2, 0, 1)β2
en la base β1. Haciendo el producto marcado se obtiene que
(1, 2, 0, 1)β2 = (4, −1, −2, 3)β1 y la base solicitada de T puede
ser:
βT = {(1, 2, 0, 1)β2 } = {(4, −1, −2, 3)β1 }
211 212
Para encontrar una base de S podrı́amos utilizar sus ecuacio- Ası́ que:
nes, pero esto nos darı́a una base con coordenadas en β3 y luego
x = y − z + t ,
tendrı́amos que cambiar éstas a la base β1. Otra opción serı́a
y = x + z − t ,
expresar las ecuaciones de S respecto de la base β1 y luego ob-
z = t ,
tener la base. Este es el procedimiento que vamos a usar porque
t = −x − ay + az + (2 − a)t
con él respondemos parcialmente a la siguiente pregunta. Para
calcular las ecuaciones de S respecto de la base β1 tomamos un y las ecuaciones de S en β1 son:
vector u = (x, y , z , t)β1 ∈ S y buscamos las ecuaciones que
0=x+y+z+t
satisfacen x , y , z , t. Empezamos calculando las coordenadas
= y − z + t + x + z − t + t − x − ay + az + (2 − a)t
Para calcular las ecuaciones de T en la base β1 seguimos el pro- Calcula los espacios S ∩ T y S + T (da las ecuaciones de
cedimiento usual. Tomamos (x, y , z , t)β1 ∈ T , por lo tanto ambos espacios en la base β1 y bases cuyos vectores tengan sus
(x , y , z , t )β1 = α(4, −1, −2, 3)β1 . Ahora tenemos que elimi- coordenadas expresadas respecto a β1).
nar el parámetro α y obtener 3 ecuaciones homogéneas que Solución.
definan a T : S∩T
• Si a = 5
4
se tiene que dimS ∩ T = 4 − 4 = 0 y por lo tanto
S ∩ T = {(0, 0, 0, 0)β1 } y βS∩T = ∅ es una base de S ∩ T.
• Si a = 5
4
se tiene que dimS ∩ T = 4 − 3 = 1 y puesto
que el vector no nulo (−4, 1, 2, −3)β1 ∈ S ∩ T entonces
βS∩T = {(−4, 1, 2, −3)β1 } es una base de S ∩ T.
3
Este rango se calcula usando el determinante de la matriz quitándole la columna de los términos indepen-
dientes.
215 216
¿Es la suma de ambos subespacios directa?
S+T Solución. Es directa excepto cuando a = 54 .
• Ahora tomamos a = 5
4 y tenemos que dimS + T = dimS +
dimT −dimS ∩T = 3+1−1 = 3. Calculamos el subespacio
suma:
y que
S + T = S.
Finalmente:
217 218
6. Calcula las ecuaciones, una base y la dimensión de Ker f (todo ello f (v41) = f ((0, 0, 0, 1)β1 ) = (0, 0, −1)β4 .
respecto de la base β2).
Ası́ que:
Solución. Puesto que en este apartado nos piden datos sobre
⎛ ⎞
Ker f respecto de la base β2 y en el siguiente sobre Im f relativos
⎜1 1 1 0 ⎟
a la base β6, disponer de la matriz Mβ2β6 (f ) será de utilidad. Sin ⎜ ⎟
Mβ1 β4 (f ) = ⎜
⎜1 0 0 0 ⎟
⎟
embargo empezaremos calculando Mβ1β4 (f ) por ser fácil de obtener ⎝ ⎠
0 1 0 −1
y posteriormente usaremos la igualdad:
Cálculo de Mβ6β4 .
Mβ2β6 (f ) = Mβ6β4 Mβ1 β4 (f )Mβ1β2 (10) Procedemos igual que en el apartado 3:
Ahora
219 220
⎛ ⎞
⎜1 1 0 ⎟
⎜ ⎟ [f ((x, y, z, t)β2 )]t = Mβ2 β6 (f )(x, y, z, t)tβ2
Mβ6β4 =⎜ ⎟
⎜ 1 1 −1 ⎟
⎝ ⎠ ⇒ [f ((x, y, z, t)β2 )]t = (2x + y + z + t, 4x + 2y + 3z + t, t)β6 = (0, 0, 0)β6
1 0 0 ⎧ ⎛ ⎞
⎪
⎪
⎪
⎪ 2x + y + z + t = 0, sistema ⎜ 2 1 1 1 0 ⎟
Ahora usamos la fórmula (10) y obtenemos: ⎨ ⎜ ⎟
⇒ 4x + 2y + 3z + t = 0, matricial ⎜ ⎜ 4 2 3 1 0⎟ ⎟
⎪
⎪ ⎝ ⎠
⎪
⎪
⎛ ⎞ ⎩t=0 ⇒ 0 0 0 1 0
⎛ ⎞⎛ ⎞
⎜ 2 1 1 0⎟
⎜ 1 1 0 ⎟⎜ 1 1 1 0 ⎟⎜ ⎟ Ahora tenemos que la dimensión de Ker f es 4 menos el ran-
⎜ ⎟⎜ ⎟⎜ −1 0 −1 0⎟
Mβ2β6 (f ) = ⎜ ⎟⎜ ⎟⎜ ⎟
⎜ 1 1 −1 ⎟ ⎜ 1 0 0 0 ⎟ ⎜
⎜
⎟= go de la matriz asociada al sistema (3), es decir dimKer f = 1.
⎝ ⎠⎝ ⎠ ⎜ −1 −1 0 1⎟⎟
1 0 0 0 1 0 −1 ⎝ ⎠ El vector (1, −2, 0, 0)β2 pertenece a Ker f , por lo tanto βKer f =
1 1 1 0
⎛ ⎞ {(1, −2, 0, 0)β2 } es una base de Ker f
⎛ ⎞ ⎛ ⎞
⎜ 2 1 1 0⎟
⎜ 2 1 1 0 ⎟⎜ ⎟ ⎜2 1 1 1⎟
⎜ ⎟ ⎜ −1 0 −1 0 ⎟
⎟ ⎜ ⎟
⎜ 2 0 1 1 ⎟⎜ ⎟=⎜ 3 1⎟
⎜ ⎟⎜ ⎜4 2 ⎟
⎝ ⎜
⎠ ⎜ −1 −1 0 1 ⎟
⎟ ⎝ ⎠
1 1 1 0 ⎝ ⎠ 0 0 0 1
1 1 1 0
Cálculo de Ker f
221 222
7. Calcula las ecuaciones, una base y la dimensión de Im f (todo ello 8. Calcula las matrices siguientes:
respecto de la base β6).
Mβ1β4 (f ), Mβ1 β5 (f ), Mβ4β4 (g◦h), Mβ4 β4 (h◦g), Mβ4 β4 (h), , Mβ4β4 (g)
Solución.
Solución.
Sabemos que dimIm f = dimR4 − dimKer f = 4 − 1 = 3 y por
Mβ1β4 (f )
otro lado:
Para calcular esta matriz es necesario obtener las imágenes, me-
Im f =< (2, 4, 0)β6 , (1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 > .
diante f , de los vectores de β1 y dar las coordenadas del vector
Del sistema generador {(2, 4, 0)β6 , (1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 } imagen en la base β4. Esto ya se ha hecho en un apartado anterior:
de Im f se puede extraer fácilmente la base:
f (v11 ) = (1, 1, 0)β4 ; f (v21) = (1, 0, 1)β4 ;
βIm f = {(1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 }. f (v31 ) = (1, 0, 0)β4 ; f (v41) = (0, 0, −1)β4 .
Puesto que la dimensión de Im f es 3 no se pueden calcular las Con estos datos tenemos:
⎛ ⎞
ecuaciones.
⎜ 1 1 1 0 ⎟
⎜ ⎟
Mβ1 β4 (f ) = ⎜
⎜1 0 0 0 ⎟
⎟
⎝ ⎠
0 1 0 −1
Mβ1β5 (f )
223 224
imagen en la base β5:
Mβ4β4 (h)
f (v11) = (1, 1, 0)β4 = (2, 1, 1) = (0, 2, 1)β5 ;
f (v21 ) = (1, 0, 1)β4 = (1, 1, 2) = (−1, 2, 2)β5 ; Para este cálculo usaremos la fórmula:
f (v31) = (1, 0, 0)β4 = (1, 1, 1) = (0, 1, 1)β5 ; Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h)
f (v41) = (0, 0, −1)β4 = (0, 0, −1) = (1, −1, −1)β5 .
Ası́ que:
Con estos datos tenemos:
⎛ ⎞ ⎛
Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h)
⎞⎛ ⎞ ⎛ ⎞
⎜ 0 −1 0 1 ⎟ ⎜ 1 0 1 ⎟⎜ 0 0 1 ⎟ ⎜ 1 0 0 ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Mβ1 β5 (f ) = ⎜ ⎟
⎜ 2 2 1 −1 ⎟ =⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎜ 0 1 −1 ⎟ ⎜ −1 1 1 ⎟ = ⎜ −2 1 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
1 2 1 −1 −1 0 0 1 0 −1 0 0 −1
Para este cálculo usaremos la fórmula: Para este cálculo usaremos la fórmula:
Mβ4β4 (g) = Mβ4 β5 Mβ4β5 (g)Mβ4 β4 = Mβ4β5 Mβ4 β5 (g)I4 = Mβ4β5 Mβ4 β5 (g) Mβ4β4 (g ◦ h) = Mβ4β4 (g)Mβ4 β4 (h) =
225 226
Para este cálculo usaremos la fórmula: tiva y suprayectiva, es decir, se debe tener simultáneamente que
Ker g = 0 y que Im g = R3, o lo que es lo mismo, dimKer g = 0 y
Mβ4β4 (h ◦ g) = Mβ4β4 (h)Mβ4β4 (g) =
dimIm g = 3.
227 228
10. Determina Ker g, Ker h, Im g e Im h (todo respecto de la base β4 ) Tema 6: Diagonalización de matrices y
y di si se verifica que alguna de las dos sumas siguientes es directa: endomorfismos
Ker h + Im h, Ker g + Im g. Gabriel Soler López
4 de diciembre de 2006
Solución.
Ası́ que: Encontrar dicha base tendrá su interés posteriormente para calcular
potencias arbitrarias de una matriz dada. A su vez, dichas potencias
Ker g = Ker h = {(0, 0, 0)β4 } e Im g = Im h = R3
permitirán calcular la exponencial.
Finalmente es claro que ambas sumas son directas puesto que: Matricialmente, el objetivo descrito en las lı́neas anteriores no es más
que dada una matriz cuadrada A de tamaño m × m, encontrar una
Ker g ∩ Img = Ker h ∩ Im h = {(0, 0, 0)β4 }
matriz invertible P tal que P −1AP sea diagonal.
Diagonalizar una matriz será encontrar la matriz P y diagonalizar
el endomorfismo f : Rm → Rm consiste en encontrar la base β antes
descrita.
229 230
233 234
Estos teoremas se pueden aplicar para calcular la forma diagonal de 4. Aplicaciones de la diagonalización:
una matriz y las matrices de paso que dan la diagonalización. Descri-
potencias de matrices y series tem-
bimos este proceso para una matriz A ∈ Mm (K):
porales
1. Se calcula el polinomio caracterı́stico pA(x) y el espectro σ(A). Si
éste posee algún número complejo, la matriz no es diagonalizable
4.1. Cálculo de potencias.
y el proceso acaba.
Pasamos a dar una aplicación de la diagonalización para el cálculo
2. Si σ(A) ⊂ R, para cada λ ∈ σ(A) se determina una base del sub-
de la potencia n-ésima de una matriz diagonalizable. Supongamos que
espacio de los vectores propios asociados. Si para algún λ ∈ σ(A)
A ∈ Mm(R) es diagonalizable y k ∈ N, k ≥ 2. Entonces existe P ∈
se tiene que dimVλ < m(λ), entonces la matriz no es diagonalizable
Mm(R) invertible y una matriz diagonal D de orden m tal que D =
y el procedimiento acaba aquı́.
P −1AP , de donde A = P DP −1. Entonces:
3. Si dimVλ = m(λ) para todo λ ∈ σ(A), la matriz es diagonalizable. k veces
k
veces
La matriz diagonal, D, tiene en la diagonal principal los valores A = (P DP )(P DP −1) . . . (P DP −1) = P (DD . . . D) P −1 = P D k P −1,
k −1
propios de A repetidos tantas veces como indica su multiplicidad. lo cual nos da un nuevo método para el cálculo de la potencia n-ésima de
La matriz de paso, P , se construye colocando en cada columna uno dicha matriz que puede ser más sencillo que calcularla por la definición,
de los vectores propios de las bases anteriormente calculadas, de dado que la potencia n-ésima de una matriz diagonal es aquella matriz
forma que en la misma columna de la matriz D aparezca el valor diagonal cuyo elemento (i, i) es la potencia n-ésima del elemento (i, i)
propio asociado. de la matriz original.
235 236
4.2. Series temporales. 5. El teorema de Cayley-Hamilton
Si ahora tenemos un sistema que evoluciona con el tiempo según la Dado un polinomio p(x) = anxn +an−1 xn−1 +· · ·+a1 x+a0 podemos
expresión: evaluar la matriz en el polinomio A, es decir p(A) = anAn +an−1An−1 +
xk = Axk−1 , · · · + a1A + a0. Con esta notación se tiene el teorema siguiente.
donde A ∈ Mm (R) con A = P DP −1, k ∈ N y xl ∈ Mm×1(R)
Teorema (Cayley-Hamilton). Dada A ∈ Mm(K) con polinomio
para todo l ∈ N. Entonces tendremos que dado un valor inicial x0 ∈
caracterı́stico pA(x). Entonces pA(A) = 0.
Mm×1(R) para la serie temporal, se verificará:
Este teorema se puede aplicar para calcular la inversa de una matriz,
xk = Ak x0 = P D k P −1x0, en efecto
de donde podemos saber el comportamiento asintótico de los valores 0 = A−1pA(A) = An−1 + an−1An−2 + · · · + a1I + a0A−1 ,
xk calculando el lı́mite:
de donde
lı́m xk . An−1 + an−1An−2 + · · · + a1I
k→∞
A−1 = − .
a0
Una apreciación final es que a0 = 0 ya que la matriz A es invertible
y por lo tanto no tiene al 0 como valor propio.
237 238
⎛ ⎞ −1 0
⎜1 0 0 0⎟ ⎜1 0⎟
⎜1 −1 0 0⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜0 ⎟
1 0 0⎟ ⎜0 1 −1 0⎟
⎜0 ⎜ ⎜ ⎟
⎜ 1 −1 0 ⎟
⎟ = 4⎜ ⎟ − 6⎜ ⎟
A=⎜ ⎟ ⎜0 0 1 0⎟ ⎜0 −1⎟
⎜0 ⎜ ⎟ ⎜ 0 1 ⎟
⎜ 0 1 −1⎟⎟ ⎝ ⎠ ⎝ ⎠
⎝ ⎠ 0 0 0 1 0 0 0 1
0 0 0 1 ⎛ ⎞ ⎛ ⎞
Solución. ⎜1 −2 1 0 ⎟ ⎜1 −3 3 −1⎟
⎜ ⎟ ⎜ ⎟
⎜0 1 −2 1 ⎟ ⎜ 1 −3 3⎟
Calculamos el polinomio caracterı́stico: ⎜ ⎟ ⎜0 ⎟
+4 ⎜ ⎟−⎜ ⎟
⎜0 0 ⎟
1 −2⎟ ⎜ −3⎟
⎜ ⎜0 0 1 ⎟
⎝ ⎠ ⎝ ⎠
1 −1 0 0 0 0 0 1 0 0 0 1
⎛ ⎞
0 1 −1 0
⎜1 1 1 1⎟
pA(x) = |A − xI4| = ⎜ ⎟
0 −1 ⎜0 1
0 1 ⎜ 1 1⎟
⎟
=⎜ ⎟
⎜0 0
0 0 0 1 ⎜ 1 1⎟
⎟
⎝ ⎠
= 1 − 4x + 6x2 − 4x3 + x4. 0 0 0 1
Ası́ que:
I4 − 4A + 6A2 − 4A3 + A4 = 0
241 242
Solución. ⎛ ⎞
⎜3 0 0 0⎟
⎜ ⎟
⎜0 3 0 0⎟
⎜ ⎟
D=⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟
⎝ ⎠
0 0 0 −1
5
Fı́jate que me he quedado con una única ecuación porque B − 0I3 tiene rango 1. 4. ¿Cuál es el tamaño de la matriz A?
243 244
Solución. El tamaño es el mismo que el tamaño de D, es decir, Ejercicio ⎞ ⎛
4 × 4. ⎜ −1 3 3 ⎟
⎜ ⎟
Dada la matriz A = ⎜ ⎟
⎜ −3 5 3 ⎟ , se pide:
5. De los subespacios invariantes V1, V3 y V−1 conocemos unas ba- ⎝ ⎠
−3 3 5
ses: βV1 = {(1, 0, 0, 0)}, βV3 = {(1, 1, 1, 0), (1, 1, 1, 1)} y βV−1 =
1. Calcular el polinomio caracterı́stico pA.
{(1, 1, 0, 0)}. Da la matriz de paso P tal que D = P −1AP .
Solución.
Solución. ⎛ ⎞
−1 − x 3 3
⎜1 1 1 1⎟
⎜ ⎟
⎜1 1 0 1⎟ pA(x) = |A − xI3| = −3 5 − x 3 = 20 − 24x + 9x2 −
⎜ ⎟
P =⎜ ⎟ −3
⎜1
⎜ 1 0 0⎟
⎟ 3 5 − x
⎝ ⎠ x3 = −(x − 5)(x − 2)2
0 1 0 0
2. Calcular el espectro σA y especificar la multiplicidad de cada raı́z.
245 246
7
Fı́jate que me he quedado con una única ecuación porque A − 2I3 tiene rango 1.
247 248
Ejercicio 4. ¿Cuál es el tamaño de la matriz A? (0,5 puntos)
De una matriz diagonalizable A sabemos que tiene como polinomio Solución. El tamaño es el mismo que el tamaño de D, es decir,
caracterı́stico p(x) = (x − 1)(x − 3)2(x + 1). Responde a las siguientes 4 × 4.
cuestiones:
5. De los subespacios invariantes V1, V3 y V−1 conocemos unas ba-
1. ¿Cuál es la dimensión del subespacio {x ∈ R3 : Ax = 3x}? (0,5 ses: βV1 = {(1, 0, 0, 0)}, βV3 = {(1, 1, 1, 0), (1, 1, 1, 1)} y βV−1 =
puntos) {(1, 1, 0, 0)}. Da la matriz de paso P tal que D = P −1AP (0,5
Solución. Por ser la matriz diagonalizable se tiene que la dimen- puntos).
sión del subespacio anterior V3 coincide con la multiplicidad de 3 Solución. ⎛ ⎞
en el polinomio caracterı́stico. Ası́ que dimV3 = 2. ⎜1 1 1 1⎟
⎜ ⎟
⎜1 1 0 1⎟
2. ¿Cuál es el determinante de A? ¿Por qué? (0,5 puntos) ⎜ ⎟
P =⎜ ⎟
⎜1 1 0 0⎟
⎜ ⎟
Solución. Por ser la matriz A diagonalizable se tiene que P −1AP = ⎝ ⎠
0 1 0 0
D, ası́ que |P −1AP | = |P −1||A||P | = |P |−1|A||P | = |A| =
|D| ⇒ |A| = |D|. Ası́ que |A| = 3 · 3 · 1 · (−1) = −9.
Solución. ⎛ ⎞
⎜3 0 0 0⎟
⎜ ⎟
⎜0 3 0 0⎟
⎜ ⎟
D=⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟
⎝ ⎠
0 0 0 −1
249 250
253 254
Resolvemos ahora la ecuación pA(x) = 0 y obtenemos que las raı́ces Ejemplo. Resolver el sistema de ecuaciones diferenciales lineales:
⎧
del polinomio son 1 y 2, ambas con multiplicidad 2. ⎨ x = 4x + 2y,
10. Aplicación a las ecuaciones diferen- Exponemos otro ejemplo donde hay que utilizar los números com-
plejos.
ciales
Ejemplo. Resolver el sistema de ecuaciones diferenciales:
⎧
Proponemos seguidamente un ejemplo para aclarar el método dado ⎨ x = 3x − 5y,
de construcción de la exponencial. ⎩ y = x − y.
255 256
Solución: en un primer paso calculamos exp(Bx) con Solucion: para esta ecuación ya hemos encontrado la solución del sis-
⎛ ⎞
3 −5 tema lineal homogéneo. Ası́ que debemos encontrar una solución par-
B= ⎝ ⎠.
1 −1 ticular del sistema no homogéneo con el método de variación de las
constantes. Calculamos pues.
Como pB (x) = (x − 1 − i)(x − 1 + i), σB = {λ1 = 1 + i, λ2 = 1 − i}, ⎛ ⎞ ⎛ ⎞⎛ ⎞
c1(x) 1 3e−6x + 2e−x 2e−6x − 2e−x ex
a1(x) = + 2i1 y a2(x) = − 2i1 , se tiene ⎝ ⎠= ⎝ ⎠ ⎝ ⎠ dx
c2(x) 5 3e−6x − 3e−x 2e−6x + 3e−x 0
1 1 ⎛ ⎞ ⎛ ⎞
eBx = e(1+i)x I2[A − (1 − i)I2] − e(1−i)x I2[A − (1 + i)I2] = −5x −3e−5x
2i ⎛ 2i ⎞ 1 ⎝ 3e +2 1 ⎝ 5 + 2x + c1 ⎠
= ⎠ dx = dx,
2sen x + cos x −2sen x 5 3e−5x − 3 5 −3e−5x − 3x + c
ex ⎝ ⎠. 5 2
sen x −2sen x + cos x ası́ que una solución particular del sistema será
⎛ ⎞ ⎛ ⎞
−3e−5x
Ası́ que cualquier solución del sistema será del tipo 1 ⎝ 3e + 2e 32e − 2e ⎠ 1 ⎝
6x x 6x x
+ 2x
⎛ ⎞⎛ ⎞ yp(x) = 5 ⎠
5 3e6x − 3ex 2e6x + 3ex 5 −3e−5x
2sen x + cos x −2sen x c 5
− 3x
y(x) = ⎝ ⎠⎝ 1 ⎠. ⎛ ⎞
sen x −2sen x + cos x c2 1 x ⎝ 10x − 3 ⎠
= e .
25 3 − 15x
Y la solución general del sistema será:
Acabamos esta sección resolviendo un sistema no homogéneo por el ⎛ ⎞⎛ ⎞ ⎛ ⎞
3e6x + 2ex 32e6x − 2ex c1 1 10x − 3
método de variación de las constantes, tal y como explicamos en la yg (x) = ⎝ ⎠⎝ ⎠ + e ⎝x ⎠.
3e6x − 3ex 2e6x + 3ex c2 25 3 − 15x
página ??.
Proposición. Sean A ∈ Mm(R) e y(t) una solución de y = Ay. 1.1. Los números reales son un cuerpo
Entonces cada una de las coordenadas de y(t) es una combinación
que completa a los números racio-
lineal de las funciones
nales Q
tk eta cos tb, tk etasen tb,
El siguiente ejemplo sencillo muestra la necesidad de completar los
donde a + bi recorre el conjunto de los valores propios de A con
números racionales.
b ≥ 0 y 0 ≤ k < m(a + bi).
Ejemplo. La longitud de la diagonal del cuadrado que sigue no se
Temas 1, 2 y 3 del Bloque II. Repaso del cálculo
puede medir con un número racional.
diferencial de una variable Gabriel Soler López 11
1
-
enero de 2004
6
√
2 1
1. Introducción a los números reales
?
En este tema se estudia la continuidad y la diferenciabilidad de fun-
ciones reales de variable real. Conviene por lo tanto, repasar las propie- √
¿Sabéis demostrar que 2 no es racional?
dades del conjunto de los números reales. Ya sabemos que el conjunto √
Si 2 fuera racional existirı́an números enteros a y b tales que:
de los números reales es un cuerpo, pero además satisface otras propie-
√ a
dades que se utilizan en el desarrollo del cálculo diferencial. 2= ,
b
además se pueden elegir a y b primos entre sı́, es decir, se pueden
elegir de manera que la fracción está simplificada.
259 260
Elevando al cuadrado la expresión anterior se tiene: Axioma 4. Existe un número denotado por −x tal que x+(−x) = 0.
2
a
2= ⇒ 2b2 = a2 Axioma 5. El producto es conmutativo: x + y = y + x.
b2
Ası́ que el número a2 es par y a también debe ser par, es decir
Axioma 6. El producto es asociativo: x + (y + z) = (x + y) + z.
a = 2m para cierto número entero m. Por lo tanto:
Axioma 7. El número real 1 verifica x · 1 = x (1 es el elemento
2b2 = 4m2 ⇒ b2 = 2m2.
neutro del producto).
De lo anterior se tiene que b2 es par y por lo tanto b también es
Axioma 8. Existe un número denotado por x−1 tal que x · x−1 = 1.
par. Pero esto es una contradicción con el hecho de que a y b sean
primos entre si. Axioma 9. Se verifica la propiedad distributiva del producto respec-
to a la suma: x · (y + z) = x · y + x · z.
del conjunto.
La mayor de las cotas inferiores de un conjunto se llama ı́nfimo del 3.1. Lı́mites de funciones
conjunto.
Definición (Lı́mite lateral por la derecha). Se dice que el lı́mite
Si el supremo de un conjunto está dentro del conjunto entonces se
de la función f : (a, b) ⊂ R → R por la derecha en el punto x0 es l
llama también máximo del conjunto.
y se denota por lı́mx→x+ f (x) = l si para todo > 0 existe δ > 0 tal
0
Si el ı́nfimo de un conjunto está dentro del conjunto entonces se
que si x ∈ (x0, x0 + δ) entonces |f (x) − l| < .
llama también mı́nimo del conjunto.
265 266
Definición (Lı́mite lateral por la izquerda). Se dice que el 2. lı́m f (x) = 3, ya que para todo > 0 tomando δ = mı́n{ , 12 }
x→1−
lı́mite de la función f : (a, b) ⊂ R → R por la izquierda en el punto x0 se tiene que si x ∈ (1 − δ, 1) entonces
es l y se denota por lı́mx→x− f (x) = l si para todo > 0 existe δ > 0
0 |f (x) − 3| = |x + 2 − 3| = |x − 1| = 1 − x (16)
tal que si x ∈ (x0 − δ, x0) entonces |f (x) − l| < .
y como 1 − δ < x < 1 entonces −1 < −x < δ − 1 y sumando
Definición (Lı́mite). Se dice que el lı́mite de la función f : (a, b) ⊂
1 en la desigualdad
R → R en el punto x0 es l y se denota por lı́mx→x0 f (x) = l si para
todo > 0 existe δ > 0 tal que si x ∈ (x0 − δ, x0 + δ) entonces 0 < 1 − x < δ. (17)
267 268
Nota: x ∈ (x0 − δ, x0 + δ) es equivalente a |x − x0| < δ. Discontinuidad de primera especie o de salto. f presenta una
discontinuidad de salto en el punto x0 si:
Proposición. Sea f : (a, b) → R una función y x0 ∈ (a, b), enton-
ces son equivalentes: lı́m f (x) = lı́m f (x).
x→x+
0 x→x−
0
1. La función f es continua en el punto x0,
269 270
Teorema (Weierstrass). Toda función f (x) continua en un in- (f · g)(c) = f (c)g(c) + f (c)g (c).
tervalo cerrado [a, b] admite un máximo y un mı́nimo (absoluto) Si k es una constante (kf ) (c) = kf (v).
en [a, b]. $ % (c)g (c)
Si g(c) = 0 entonces fg (c) = f (c)g(c)−f
f (c)2
.
Teorema (Bolzano). Si una función f (x) es continua en un in-
Si h = f ◦ g entonces h(c) = f (g(c))g (c).
tervalo cerrado [a, b] y se cumple que f (a)f (b) < 0 entonces existe
Si f es inversa de g, es decir, si f ◦ g = g ◦ f = Id entonces
c ∈ (a, b) tal que f (c) = 0.
g (x) = 1
f (g(x)) .
271 272
5.1. Teoremas relativos a funciones de- 5.2. Crecimiento, decrecimiento, máxi-
rivables mos y mı́nimos
Teorema (Rolle). Sea f : [a, b] → R una función continua en Teorema (Crecimiento y decrecimiento). Sea f : (a, b) → R
[a, b] y derivable en (a, b). Si f (a) = f (b), existe al menos un punto una función derivable. La función f es creciente en (a, b) si y sólo
α ∈ (a, b), tal que f (α) = 0. si f (x) ≥ 0.
Teorema (Del valor medio de Lagrange). Sea f : [a, b] → La función f (x) es decreciente en (a, b) si y sólo si f (x) ≤ 0.
R una función continua en [a, b] y derivables en (a, b). Entonces Teorema (Crecimiento y decrecimiento estricto). Sea f :
existe al menos un punto α ∈ (a, b), tal que (a, b) → R una función derivable. Si f (x) > 0 para todo x ∈ (a, b)
f (b) − f (a)
= f (α). entonces f es estrictamente creciente en (a, b).
b−a
Teorema (Del valor medio de Cauchy). Sean f, g : [a, b] → R Si f (x) < 0. para todo x ∈ (a, b) entonces f es estrictamente
funciones continuas en [a, b] y derivables en (a, b). Entonces existe decreciente en (a, b).
al menos un punto α ∈ (a, b), tal que Teorema (Extremos). Sea f : (a, b) → R una función derivable
f (b) − f (a) f (α)
= . n veces en el punto c ∈ (a, b) y tal que
g(b) − g(a) g (α)
Teorema (Regla de L’Hôpital). Sean las funciones f, g : [a, b] → f (c) = f (c) = · · · = f (n−1) (c) = 0; f (n) (c) = 0.
R derivables en un entorno del punto c ∈ (a, b) y tales que las de-
Entonces, si n es par y f (n) (c) < 0, la función presenta un máxi-
rivadas no se anulan simultáneamente en ningún punto de dicho
mo relativo en c. Si n es par y f (n) (c) > 0, la función presenta un
entorno, salvo en c. Si ambas tienden simultánemente a 0 (o a
mı́nimo relativo en c.
infinito) cuando x tiende a c, se verifica:
f (x) f (x)
lı́m = lı́m .
x→c g(x) x→c g (x)
273 274
5.3. Concavidad, covexidad y puntos de Teorema. Sea f : (a, b) → R una función dos veces derivable.
Entonces:
inflexión
1. Si f (x) > 0 en (a, b) entonces f es convexa en (a, b).
Definición (Convexidad). Se dice que la función f : (a, b) → R
es convexa en el intervalo (a, b) si para cualesquiera x1 y x2 de (a, b), 2. Si f (x) < 0 en (a, b) entonces f es cóncava en (a, b).
se tiene que el segmento rectilı́neo que une los puntos (x1, f (x1)) y Definición (Punto de inflexión). Una función f : (a, b) → R se
(x2, f (x2)) queda por encima de la gráfica de f . dice que presenta un punto de inflexión en c ∈ (a, b) si en dicho punto
pasa de convexa a cóncava o viceversa.
275 276
5.4. Representaciones gráficas de fun- 6. Aproximación local de una función
ciones
6.1. Introducción
El estudio y la representación gráfica de una función y = f (x) se
Dado un polinomio de grado n, Pn(x), es posible desarrollarlo en
suele realizar siguiendo el siguiente orden para determinar:
potencias de x − a y escribirlo de la forma:
1. Dominio de la función.
Pn(x) = a0 + a1(x − a) + a2(x − a)2 + · · · + an (x − a)n
2. Puntos de corte con los ejes de coordenadas.
Si derivamos sucesivamente el polinomio obtenemos:
3. Simetrı́as respecto del eje 0Y (aquellas funciones que verifican
Pn (x) = a1 + 2a2(x − a) + 3a3(x − a)2 · · · + nan(x − a)n−1
f (x) = f (−x) para todo x, se llaman funciones pares) y respecto
del eje 0X (aquellas funciones que verifican f (x) = −f (−x) para Pn(x) = 2a2 + 3 · 2(x − a) + 4 · 3(x − a)2 + . . . n · (n − 1)an(x − a)n−2
todo x, se llaman funciones impares). .......................................
4. Zonas de crecimiento y decrecimiento. Pn(n)(x) = n!an
7. Puntos de inflexión. Pn(a) = a0, Pn (a) = a1, Pn(a) = 2a2, Pn(a) = 3·2a3, . . .
6.2. Desarrollo de Taylor de una fun- Fijamos en lo que sigue una función f real y de variable real, n + 1
veces derivable en el punto x = a.
ción
Definición (Polinomio de Taylor y Mac-Laurin). El polino-
Pregunta. Si tenemos una función real de variable real f que ad- (n) (a)
mio Pn(x) = f (a) + f 1!(a) (x − a) + f 2!(a) (x − a)2 + · · · + f n! (x − a)n
mite derivadas hasta el orden n + 1 en el punto x = a ¿Es posible dar
recibe el nombre de Polinomio de Taylor (o desarrollo de Taylor) de
una expresión similar a la anterior para ella?
orden n de la función f en el punto a.
Respuesta. La igualdad
Si a = 0 entonces este polinomio también se llama Polinomio de
f (a) f (a) f (n) (a)
f (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n Mac-Laurin (o desarrollo de Mac-Laurin) de orden n de la función f .
1! 2! n!
no es cierta porque si lo fuera, f serı́a un polinomio y no tiene por Definición (Resto de orden n). El resto de orden n de la función
qué serlo. f en el punto a es:
f (n+1) (ξ)
Rn+1(x) = (x − a)n+1, con ξ ∈ (a, x).
(n + 1)!
Aunque la igualdad anterior no sea cierta sı́ es posible saber cuál es
Teorema (Taylor). Se verifica la igualdad:
la diferencia entre el miembro de la izquierda y el de la derecha. Esto
es importante porque si dicha diferencia es pequeña podremos utilizar f (x) = Pn(x) + Rn+1(x)
un polinomio para aproximar la función f .
279 280
Definición (Función o((x− a)n)). Una función real de variable real 4. Volvemos al primer paso y repetimos la operación hasta que r =
g se dice que es una o((x − a)n) (o pequeña de (x − a) de orden n) si mn (puede que no se consiga).
verifica: Si no conseguimos la raı́z en un número finito de pasos, al menos
g(x)
lı́m =0 tendremos una sucesión de intervalos encajados en la que se encuentra
x→a (x − a)n
7. Resolución de ecuaciones por el méto- decreciente, ambas acotada, y por lo tanto convergentes.
Ası́ que:
do de bipartición
Dada una ecuación f (x) = 0 con f continua en [a, b] y tal que lı́m an = α ≤ b
n→∞
f (a)f (b) < 0 y con una raı́z única r en [a, b], el método de bipartición y
consiste en realizar los siguientes pasos: lı́m bn = β ≥ a,
n→∞
a+b
1. Calcular el punto medio entre a y b, es decir m0 = 2
, además:
3. En caso contrario tomamos el intervalo [a1, b1] ⊂ [a, b] entre [a, m0] Además este lı́mite es la raı́z de la ecuación porque:
281 282
283 284
7.3. Ejemplo n xn f (xn )
Calcular una raı́z de la ecuación f (x) = 0 para la función f (x) = 1 0.7853981633974483 f (x) = −0,0782913822109007
En este ejemplo tenemos f (0) = 1 > 0 y f ( π2 ) = − π2 , con lo cual 3 0.5890486225480862 f (x) = 0,24242098975445903
empezamos calculando el punto medio del intervalo de partida, es decir: 4 0.6872233929727672 f (x) = 0,08578706038996975
m1 = π
4
≈ 0,7853981633974483. 5 0.7363107781851077 f (x) = 0,0046403471698514
6 0.760854470791278 f (x) = −0,03660738783981099
7 0.7485826244881928 f (x) = −0,015928352815779867
8 0.7424467013366502 f (x) = −0,005630132459280346
9 0.739378739760879 f (x) = −0,0004914153002637534
10 0.7378447589729933 f (x) = 0,0020753364865229162
11 0.7386117493669362 f (x) = 0,0007921780792695676
12 0.7389952445639076 f (x) = 0,0001504357420498703
Figura 7: Gráfica de la función f (x) = cos x − x 13 0.7391869921623933 f (x) = −0,00017047619334453756
285 286
289 290
8.3. Resultados sobre la convergencia Además la hipótesis 2 se cumple porque f (x) = −sen x − 1 = 0 y la
hipótesis 3 se cumple porque f (x) = −cos x ≤ 0 para todo x ∈ [0, π2 ].
Teorema (Convergencia global). Sea f de clase C 2 verificando:
Por último tenemos que
1. f (a)f (b) < 0,
cos 0
|f (0)/f (0)| = =1
2. Para todo x ∈ [a, b] se tiene que f (x) = 0 (crecimiento o −sen 0 − 1
y que
decrecimiento estricto)
cos (π/2) π π π
|f (π/2)/f (π/2)| = = ≤ −0= ,
3. Para todo x ∈ [a, b], f (x) ≥ 0 (alternativamente se puede −sen (π/2) − 1 4 2 2
tener para todo x ∈ [a, b], f (x) ≤ 0) con lo que nuestro ejemplo también verifica la hipótesis cuarta y tene-
4. máx{| ff(a) |, | ff(b) |} ≤ b − a mos la convergencia global del método de Newton en nuestro ejemplo
(a) (b)
en el intervalo [0, π2 ].
Entonces existe una única raı́z s de f (x) = 0 en [a, b] y la sucesión
(xn)n del método de Newton converge hacia s para todo x0 ∈ [a, b]
tal que f (x0)f (x0) ≥ 0.
9. Ejercicios Resueltos
Ejercicio
8.4. Ejemplo Calcula el lı́mite siguiente utilizando desarrollos de Taylor
1 − cos x3 = x6
+ o(x6). Solución. Haremos desarrollos de Taylor del numerador y denomi-
2!
nador de orden 7:
Ası́ que:
3 5 7
sen x = x − x3! + x5! − x7! + o(x7),
o(x6 )
x6 + o(x6) 1+ x6 6 4 6
lı́m
x→0 x
6 = 6 = 2. sen 2x = x2 + x36 − 2 x3! + 2 x5! + o(x7),
2!
+ o(x6) 1
2!
+ o(x
x6
)
5 7 7
sen 3x = sen xsen 2x = x3 − x3! + x5! + x36 + o(x7),
2 4 6
cos x = 1 − x2! + x4! − x6! + o(x7),
4
cos x2 = 1 − x2! + o(x7),
4
cos 2x2 = 1 − 2 x2! + o(x7).
4
1 − cos 2x2 = 2 x2! + o(x7).
293 294
Solución.
(a) 0, haciendo un desarrollo de orden 6; (b) el lı́mite no existe,
aunque sı́ que existen los lı́mites laterales (+∞ cuando x tiende a 0
por la izquierda y −∞ cuando x tiende a 0 por la derecha). Se necesitan
hacer desarrollos de orden 6 y luego investigar el signo de la función
que aparece en el denominador [f (x) = x(x4 − log(1 + x4))] cuando x
es cercano a 0; (c)
295 296
Ejercicio Tema 7: Integración unidimensional
Calcula el lı́mite siguiente usando desarrollos de Taylor: Gabriel Soler López
20 de febrero de 2006
2sen x4
lı́m
x→0 1 − cos (x2 )
Solución. Hacemos desarrollos de Taylor del numerador y denomi- 1. Particiones de un intervalo. Suma
nador de orden 4:
superior e inferior de Riemann
o(x4 )
2x4 + o(x4) 2 + x4
lı́m = lı́m = 4. Definición (Partición del intervalo). Dado un intervalo [a, b],
x→0 1 − 1 + x4/2 + o(x4) x→0 1 + o(x44 )
2 x
una partición de [a, b] es un conjunto finito P = {x0, x1, . . . , xn} tal
que a = x0 < x1 < . . . < xn−1 < xn = b.
A los intervalos [xi, xi+1], i = 0, 1, . . . n − 1, se les llama intervalos
de la partición P.
Se define el diámetro de la partición P como el número real positivo
δ(P) = max{|xi+1 − xi |, i = 0, 1, . . . , n − 1}.
Dadas dos particiones P, P de [a, b], diremos que P es más fina
que P si P ⊆ P . Claramente, en ese caso δ(P ) ≤ δ(P).
297 298
Definición (Sumas inferiores y superiores de Riemann). Se define la suma superior de Riemann de f como:
Sea f : [a, b] → R y P = {x0, x1, . . . , xn } una partición de [a, b]. Se
n−1
S(P, f, [a, b]) = Mi(xi+1 − xi ),
define la suma inferior de Riemann de f para la partición P como: i=0
n−1
donde Mi = sup{f (x) : x ∈ [xi, xi+1]}, 0 ≤ i ≤ n − 1.
s(P, f, [a, b]) = mi(xi+1 − xi )
i=0
y
S(P , f, [a, b]) ≤ S(P, f, [a, b]).
299 300
Ejemplo. 2. Funciones integrables Riemann. In-
sen : [0, π2 ] −→ R
x → sen x,
terpretación geométrica
escogiendo la partición Pn = {0, n1 π2 , n2 π2 , . . . , n−1
n 2 , n 2 = 2 }, la suma
π nπ π
Definición (Función integrable Riemann). Sea f : [a, b] → R
inferior de Riemann es: y (Pn)∞
n=1 una sucesión de particiones de [a, b] tales que:
n−1
π jπ π
s(Pn, sen , [0, ]) = sen , Pn+1 es más fina que Pn, n = 1, 2, . . . , ∞
2 j=0
2n 2n
rio, éstas tendrán su utilidad a la hora de las clases prácticas. A este valor se le llama integral de Riemann o integral de f en [a, b]
b
y se denota por a f (x)dx.
Definición (Sumas de Riemann). Sea f : [a, b] → R, P =
Los números a y b se les llaman lı́mites de integración.
{x0, x1, . . . , xn} una partición de [a, b] y ξ = (ξ1, . . . , ξn−1 ) un vector
a
b
Adoptaremos el convenio b f (x)dx = − a f (x)dx y cuando a = b,
tal que ξi ∈ [xi, xi+1] para todo i ∈ {0, 1, . . . , n − 1}. Se define la
a
definiremos a f (x)dx = 0.
suma de Riemann de f para la partición P y la elección ξ como:
n−1
s(P, f, [a, b], ξ) = f (ξi )(xi+1 − xi ).
i=0
301 302
Observación (Interpretación geométrica). Observemos que si Proposición (Aplicación al cálculo de lı́mites). Sea f : [a, b] →
f (x) ≥ 0 para todo x ∈ [a, b], al aumentar n consideramos cada R y (Pn)∞
n=1 una sucesión de particiones de [a, b] tales que Pn+1 es
vez particiones más finas, luego las sumas inferiores de Riemann más fina que Pn, n = 1, 2, . . . , ∞, y lı́m δ(Pn) = 0. Si f es inte-
n→∞
se aproximan cada vez más por defecto al área comprendida entre grable en [a, b], entonces se verifica:
b
la gráfica f (x), el eje OX, la recta x = a y la recta x = b y con
f (x)dx = lı́m s(P, f, [a, b], ξn),
a n→∞
las sumas superiores nos aproximamos por exceso.
n
donde, para todo n ∈ N, ξ = (ξ1n , ξ2n, . . . , ξn−1
n
) forma parte de una
sucesión de vectores cualquiera tales que ξj ∈ [xnj, xnj+1] para todo
j ∈ {0, . . . , n − 1}.
303 304
b
c
b
3. Funciones integrables: propiedades 6. Si c ∈ [a, b] entonces a f (x)dx = a f (x)dx + c f (x)dx.
La relación entre continuidad e integrabilidad es estrecha, los dos Por último daremos el primer teorema de la media:
continua entonces f es integrable en [a, b]. Teorema (Teorema fundamental del cálculo integral). Sea
Teorema. Si f : [a, b] → R es una función acotada y tiene como f : [a, b] → R una función integrable. Entonces definimos F :
x
máximo un número finito de puntos de discontinuidad, entonces f [a, b] → R tal que F (x) = a f (t)dt. Si f es continua en x0 ∈ [a, b]
Con respecto a la integral de Riemann y las operaciones entre fun- Ası́ que, para derivar
f + g, αf , |f | y f g son integrables, además: no es necesario el cálculo de la integral, basta con aplicar el teorema
b
b
b anterior para obtener que si x0 ∈ (1, +∞) se tiene:
1. a (f (x) + g(x))dx = a f (x)dx + a g(x)dx.
−1
b
b F (x0) = e x0 .
2
2. a αf (x)dx = α a f (x)dx.
b
3. Si f (x) ≥ 0 para todo x ∈ [a, b], entonces: a f (x)dx ≥ 0.
b
4. Si f (x) ≥ g(x) para todo x ∈ [a, b] entonces: a f (x)dx ≥
b
a g(x)dx.
b
b
5. a |f (x)|dx ≥ | a f (x)dx|.
305 306
4. La regla de Barrow. Integración por Por último, introduciremos las técnicas de integración por partes y
por cambio de variable que permiten simplificar el cálculo de integrales.
partes y cambio de variable
Teorema (Integración por cambio de variable). Sea f : [a, b] →
Proposición. Sea f : [a, b] → R una función continua, entonces
R una función integrable en [a, b] y g : [c, d] → R una función in-
la función:
yectiva con derivada integrable en [c, d], de tal manera que g(c) = a
F : [a, b] −→ R
x y g(d) = b. Entonces:
x → a f (x)dx, b d
es una primitiva de f . f (x)dx = f (g(t))g (t)dt.
a c
El siguiente resultado permite, a partir del conocimiento de una Teorema (Integración por partes). Dadas dos funciones de-
primitiva de una función integrable, calcular integrales de ésta. Será el rivables, f, g : [a, b] → R, con derivadas integrables en [a, b], se
procedimiento que utilicemos a la hora de calcular integrales. tiene:
b b
Teorema (Barrow). Si f : [a, b] → R es continua y F : [a, b] → R f (x)g (x)dx = [f (x)g(x)]ba − g(x)f (x)dx.
b a a
es una primitiva de f , entonces a f (x)dx = [F (x)]ba = F (b)−F (a).
307 308
5. Aplicaciones del cálculo integral al Cálculo del área de un sólido de revolución al girar sobre
el eje Ox. Consideremos el sólido tridimensional que se obtiene al
cálculo de longitudes, áreas y volú-
girar la gráfica de la función9 f : [a, b] → R derivable y con derivada
menes continua sobre el eje Ox. Entonces el área de la superficie exterior de
dicho sólido es:
Cálculo de la longitud de una curva. Consideremos la curva b
definida por la función derivable f : [a, b] → R. Entonces la longitud A = 2π f (x) 1 + f (x)2dx
a
309 310
5π/2
rsen θ
2 2
(x − a) + y = r 2 V = 2π (a + rsen θ)2 rcos θdθ
3π/2 rcos θ
a−r a a+r -
5π/2
x = 2π (a + rsen θ)2 rsen θdθ
3π/2
5π/2
= 2π a2rsen θ + r3sen 3θ + 2ar2sen 2θdθ
3π/2
5π/2
El cı́rculo que estamos girando tiene ecuación (x − a)2 + y 2 = r2, 5π/2 cos 3θ
= 2πa2r [−cos θ]3π/2 − 2πr3 cos θ −
3 3π/2
ası́ que y = ± r2 − (x − a)2. Definamos y1 = r2 − (x − a)2, 5π/2
θ sen (2θ)
ası́ que: +2π2ar2 −
2 4 3π/2
= 2ar2π 2
311 312
Otra forma de realizar el ejercicio: girando alrededor del Ejemplo. Calcula el área de un toro (donut) que se obtiene al
eje de abscisas un cı́rculo de centro (0, a) y radio r, que tendrá por girar un cı́rculo de radio r alrededor de un eje que se encuentra a
√
ecuaciones a x2 + (y − a)2 = r2, por lo tanto y = a ± r2 − x2. En distancia a del centro del cı́rculo.
este caso: Suponemos que el eje de rotación es el eje y y que el centro del
cı́rculo se encuentra sobre el eje de abscisas, es decir el centro es
r r el punto (a, 0).
V =π (a + r2 − x2)2dx − π (a − r2 − x2)2dx
−r r −r
y6
=π [(a + r2 − x2)2 − (a − r2 − x2)2]dx
−r r
=π 4a r2 − x2dx (x − a)2 + y 2 = r 2
−r a−r a a+r -
x
Hacemos ahora el cambio de variable x = rsen θ, dx = rcos θdθ:
5π/2
V = π4a rcos θrcos θdθ El cı́rculo que estamos girando tiene ecuación (x − a)2 + y 2 = r2,
3π/2
5π/2
ası́ que y = ± r2 − (x − a)2. Definamos y1 = r2 − (x − a)2,
= π4ar2 cos 2θdθ
3π/2 ası́ que:
5π/2
θ sen (2θ)
2
= 4ar π +
2 4 3π/2
= 2ar2π 2.
313 314
(x − a)2
= 2π x 1+ 2 dx La regla del trapecio Dada una función f : [a, b] → R inte-
a−r r − (x − a)2
a+r 0
grable, la regla del trapecio consiste en aproximar la integral definida
r2
= 2π x dx
b
b
a−r r − (x − a)2
2
a f (x)dx por a P1 (x)dx, donde P1 (x) es el único polinomio de grado
Hacemos ahora el cambio de variable x = rsen θ, dx = rcos θdθ: 1 (recta) que pasa por los puntos (a, f (a)) y (b, f (b)). Ası́ que:
b b
b−a
f (x)dx ≈ P1(x)dx = (f (a) + f (b))
5π/2 a a 2
1 r
A = 2π (a + rsen θ) rcos θdθ
2 3π/2 rcos θ y el error que cometemos en dicha aproximación, si la función f es de
5π/2
= 2πr (a + rsen θ)dθ clase C 2, es:
3π/2 1
5π/2 E=− (b − a)3f (c),
= 2πr[aθ − rcos θ]3π/2 12
donde c es un punto del intervalo (a, b).
= 2πraπ = 2arπ 2.
El error anterior puede reducirse si utilizamos la regla del trapecio
Ası́ que A = 4arπ 2.
compuesta, ésta consiste en dividir el intervalo [a, b] en n subintervalos
b−a
de longitud h = n
y aplicar la regla del trapecio simple a cada uno
de los intervalos [a + jh, a + (j + 1)h] con j ∈ {0, 1, . . . , n − 1}. Este
método proporciona la aproximación:
b
h
n−1
f (x)dx ≈ f (a) + 2 f (a + ih) + f (b) ,
a 2 i=1
315 316
para esta aproximación el error que se comete, si f es de clase C 2, es: La regla de Simpson. La idea de esta regla es aproximar la fun-
⎛
b
n/2
h⎝
f (x)dx ≈ f (a) + 2 f (a + 2(i − 1)h)
a 3 i=2
⎞
n/2
+4 f (a + (2i − 1)h) + f (b)⎠ ,
i=1
4
Ejemplo. Comparación del valor de (sen x + cos x + ex )dx = SimpsonCompuestaBis[f un,a,b,n] :=
3
son haciendo n particiones del intervalo [3, 4], (2 ≤ n ≤ 50). integral = (f [a] + f [b]) ∗ h/3;
2. Para n = 4 el valor aproximado por Simpson es: 33,278386777441625 7. Para n = 14 el valor aproximado por Simpson es: 33,278342031588494
y por el trapecio: 33,46434316252127. y por el trapecio: 33,29353903317648.
El error de Simpson es: 0,0000450466 y el del trapecio: 0,186001. El error de Simpson es: 3,007365545482088 × 10−7 y el del tra-
y por el trapecio: 33,36105351045315. 8. Para n = 16 el valor aproximado por Simpson es: 33,2783419071449
−6
El error de Simpson es: 8,907967109506032 × 10 y el del tra- y por el trapecio: 33,28997738129034.
pecio 0,08271177960120712. El error de Simpson es: 1,7629296666932248 × 10−7 y el del
9. Para n = 18 el valor aproximado por Simpson es: 33,278341840913676 El error de Simpson es: 2,5284559113103455 × 10−8 y el del
y por el trapecio: 33,28753544812954. trapecio 0,004406566080883634.
El error de Simpson es: 1,100617434968143 × 10−7 y el del tra- 14. Para n = 28 el valor aproximado por Simpson es: 33,27834174965024
pecio 0,00919371727760665. y por el trapecio: 33,282141281985496.
10. Para n = 20 el valor aproximado por Simpson es: 33,27834180306481 El error de Simpson es: 1,8798298695443805 × 10−8 y el del
y por el trapecio: 33,285788709597796. trapecio 0,003799551133563339.
−8
El error de Simpson es: 7,221287989800373 × 10 y el del tra- 15. Para n = 30 el valor aproximado por Simpson es: 33,27834174511683
pecio 0,007446978745856425. y por el trapecio: 33,281651570503875.
11. Para n = 22 el valor aproximado por Simpson es: 33,27834178017495 El error de Simpson es: 1,4264893932747214 × 10−8 y el del
y por el trapecio: 33,28449630017032. trapecio 0,0033098396519430917.
−8
El error de Simpson es: 4,9323015671731696 × 10 y el del 16. Para n = 32 el valor aproximado por Simpson es: 33,27834174187124
trapecio 0,006154569318378433. y por el trapecio: 33,28125077568126.
12. Para n = 24 el valor aproximado por Simpson es: 33,27834176567768 El error de Simpson es: 1,1019305246051658 × 10−8 y el del
y por el trapecio: 33,28351330515993. trapecio 0,00290904482931853.
−8
El error de Simpson es: 3,4825741179744796 × 10 y el del 17. Para n = 34 el valor aproximado por Simpson es: 33,278341739498465
trapecio 0,005171574307989202. y por el trapecio: 33,28091860547047.
13. Para n = 26 el valor aproximado por Simpson es: 33,2783417561365 El error de Simpson es: 8,646533045109095 × 10−9 y el del tra-
y por el trapecio: 33,28274829693282. pecio 0,0025768746185359515.
323 324
18. Para n = 36 el valor aproximado por Simpson es: 33,27834173773128 El error de Simpson es: 3,0828413155603585 × 10−9 y el del
y por el trapecio: 33,28064024271764. trapecio 0,0015386793218492567.
El error de Simpson es: 6,87934220700015 × 10−9 y el del tra- 23. Para n = 46 el valor aproximado por Simpson es: 33,27834173343264
pecio 0,002298511865698627. y por el trapecio: 33,279749521588194.
19. Para n = 38 el valor aproximado por Simpson es: 33,27834173639335 El error de Simpson es: 2,5807007641986957 × 10−9 y el del
y por el trapecio: 33,2804046637003. trapecio 0,001407790736261516.
−9
El error de Simpson es: 5,5414186572733115 × 10 y el del 24. Para n = 48 el valor aproximado por Simpson es: 33,27834173302867
trapecio 0,0020629328483703357. y por el trapecio: 33,279634650548246.
20. Para n = 40 el valor aproximado por Simpson es: 33,27834173536551 El error de Simpson es: 2,1767287972096483 × 10−9 y el del
y por el trapecio: 33,28020352969805. trapecio 0,001292919696306738.
−9
El error de Simpson es: 4,513575957432181 × 10 y el del tra- 25. Para n = 50 el valor aproximado por Simpson es: 33,27834173270066
pecio 0,0018617988461169244. y por el trapecio: 33,27953328627316.
21. Para n = 42 el valor aproximado por Simpson es: 33,27834173456529 El error de Simpson es: 1,8487280595280708 × 10−9 y el del
y por el trapecio: 33,28003043881075. trapecio 0,0011915554212247326.
−9
El error de Simpson es: 3,713348517564441 × 10 y el del tra- 26. El valor exacto de la integral es: 33,278341730851935.
pecio 0,001688707958815483.
325 326
para todo b > a, se define vergente y F (x) es una primitiva de f (x) entonces:
+∞ t +∞
f (x)dx = lı́m f (x)dx. f (x)dx = lı́m F (t) − F (a).
t→∞ a t→+∞
a a
a
Si el valor anterior es finito, diremos que la integral anterior es conver- 2. Si f : (−∞, a] → R es tal que es convergente y
−∞ f (x)dx
gente, si es +∞ o −∞ diremos que es divergente y si no existe diremos F (x) es una primitiva de f (x) entonces:
que es oscilante. a
a f (x)dx = F (a) − lı́m F (t).
De forma análoga se define −∞ f (x)dx para f : (−∞, a] → R. −∞ t→−∞
+∞
Si f : R → R es integrable en [a, b] para todo a, b ∈ R, a < b, 3. Si f : (−∞, +∞) → R es tal que −∞ f (x)dx es convergente
+∞
entonces diremos que la integral impropia −∞ f (x)dx es convergente y F (x) es una primitiva de f (x) entonces:
a
+∞ +∞
si existe a ∈ R tal que −∞ f (x)dx y a f (x)dx son convergentes y
f (x)dx = lı́m F (x) − lı́m F (x).
−∞ x→+∞ x→−∞
en ese caso se define11
+∞ a +∞
f (x)dx = f (x)dx + f (x)dx. Criterios de convergencia. Como ya sabemos, es posible que sea
−∞ −∞ a
+∞ muy difı́cil o incluso imposible encontrar una primitiva de una función
Por último, se dice que es absolutamente convergen-
a f (x)dx
+∞ dada. Ası́, serı́a muy interesante obtener criterios que permitan conocer
te si a |f (x)|dx es convergente. Se hará notar que toda integral
11
Demostraremos que este valor no depende del número a ∈ R escogido
el carácter de una integral impropia sin conocer su valor.
327 328
+∞
+∞
Vamos a introducir criterios para funciones f : [a, +∞) → R tales 2. Si g(x)dx es divergente entonces f (x)dx es divergen-
a a
que f (x) ≥ 0 para todo x ∈ [a, +∞). De forma análoga se tienen los te.
a
criterios para integrales impropias del tipo −∞ f (x)dx siendo f (x) ≤ 0
Proposición (Criterio del lı́mite). Sean f, g : [a, +∞) → R
para todo x ∈ (−∞, a].
dos funciones positivas integrables en [a, b] para todo b > a. Sea
Proposición. Sea f : [a, +∞) → R tal que f (x) ≥ 0 para todo x ∈ l = lı́m f (x)
∈ R. Entonces:
x→+∞ g(x)
[a, +∞), f es integrable en [a, b] para todo b > a y lı́m f (x) > 0.
x→+∞
+∞
+∞ 1. Si l > 0, a f (x)dx es convergente (divergente) si y sólo si
Entonces a f (x)dx es divergente.
+∞
a g(x)dx es convergente (divergente).
Ası́, aplicando este criterio se obtiene la divergencia de integrales
+∞
+∞
+∞
+∞ 2 2. Si l = 0 y a f (x)dx es divergente entonces a g(x)dx es
impropias del tipo a xndx siendo n ≥ 0 o de 1 xx2 +1 +2
dx, pe-
divergente.
ro no podemos decir nada sobre el carácter de la integral impropia
+∞ −x2
+∞
+∞
e dx. 3. Si l = 0 y a g(x)dx es convergente entonces a f (x)dx es
0
Proposición (Criterio de comparación). Sean f, g : [a, +∞) → de estas integrales impropias permiten obtener el carácter de muchas
R positivas tales que f, g son integrables en [a, b] para todo b > a integrales impropias.
329 330
8. Integrales impropias de segunda es- Al igual que para integrales impropias de primera especie, en las
b
condiciones anteriores de la función f , se dice que la integral a f (x)dx
pecie
b
es absolutamente convergente si y solo si a |f (x)|dx es convergente.
Supongamos que tenemos una función f [a, b) → R integrable en Además se verá que la convergencia absoluta de una integral de segunda
[a, c] para todo c ∈ (a, b) y tal que lı́m f (x) = ∞ ¿Qué significado especie implica también la convergencia de la integral.
x→b−
b
tiene la expresión a f (x)dx? En principio, a esta expresión no la hemos
Cálculo de las integrales impropias de segunda especie.
dotado de un significado concreto ya que la función f no es acotada,
Para estas integrales también dispondremos de un análogo a la regla
nos ocuparemos en esta sección de darle un significado.
de Barrow, la dos proposiciones siguientes lo recogen.
Definición (Integral impropia de segunda especie). Sea f
b
Proposición. Sea f : (a, b] → R tal que lı́m f (x) = ∞, a f (x)dx
una función como antes. Entonces, se define x→a+
b t es convergente y supongamos que F (x) es una primitiva de f (x).
f (x)dx = lı́m f (x)dx.
t→b− Entonces:
a a b
Si este lı́mite es finito, se dice que la integral impropia de segunda f (x)dx = F (b) − lı́m F (t).
t→a+
b a
especie a f (x)dx es convergente, si es infinito se dice que es divergente
b
Proposición. Sea f : [a, b) → R tal que lı́m f (x) = ∞, a f (x)dx
x→b−
y si no existe se dice que es oscilante.
es convergente y supongamos que F (x) es una primitiva de f (x).
Análogamente, si f : (a, b] → R es integrable en [c, b] para todo
Entonces:
b
c ∈ (a, b) y lı́m = ∞, se define
x→a+ f (x)dx = lı́m F (t) − F (a).
t→b−
b b
a
el extremo superior son también ciertos y se deja su enunciado como divergente si α ≥ 1, se obtiene la convergencia de muchas integrales
ejercicio al alumno. impropias de segunda especie.
y0, y1, . . . , ym = d} particiones de [a, b] y [c, d] respectivamente. En- donde mij = mı́n{f (x, y) : (x, y) ∈ [xi, xi+1] × [yj , yj+1]}.
es una partición de [a, b] × [c, d]. S(f, P1 × P2) = Mij (xi+1 − xi)(yj+1 − yj ),
i=0 j=0
A partir de P1 × P2 se obtiene una descomposición del rectángulo
donde Mij = máx{f (x, y) : (x, y) ∈ [xi, xi+1] × [yj , yj+1]}.
como unión de los rectángulos Rij = [xi, xi+1] × [yj , yj+1], 0 ≤ i ≤
n − 1, 0 ≤ j ≤ m − 1.
Definiremos por diámetro de la partición al número δ(P1 × P2) =
máx (xi+1 − xi)2 + (yj+1 − yj )2.
(i,j)∈{0,...,n−1}×{0,...,m−1}
335 336
Definición (Función integrable Riemann). Se dice que la fun- Teorema (Fubini). Si f : [a, b] × [c, d] → R es continua entonces:
d b
ción f : [a, b] × [c, d] → R es integrable Riemann si existe un único
f (x, y)dxdy = f (x, y)dx dy
número real, I, tal que: [a,b]×[c,d] c a
b d
s(f, P1 × P2) ≤ I ≤ S(f, P1 × P2) = f (x, y)dy dx
a c
2
(a) Ω xydxdy. (b) Ω xe dxdy. (c) Ωy sen xdxdy.
Proposición. Dada f : [a, b]×[c, d] → R entonces, si f es continua
es integrable.
2. Integral doble sobre recintos básicos Interpretaciones geométricas de integrales sobre recintos
básicos
de R2
Definición (Recinto básico de R2). Un recinto básico de R2 es Si Ω es un recinto básico y f : Ω → R una función, entonces:
un conjunto acotado, Ω ⊂ R2, que tiene interior no vacı́o y frontera
1. Cuando la función f es positiva, la integral de f en Ω coincide con
formada por una unión finita de curvas de la forma y = f (x) y x =
el volumen delimitado por la gráfica de la función f y el conjunto
g(y), donde f y g son funciones reales de una variable real continuas.
Ω.
f˜ : [a, b] × [c, d] −→ R
⎧
⎨ f (x, y) si (x, y) ∈ Ω,
(x, y) → f˜(x, y) =
⎩ 0 si (x, y) ∈
/ Ω,
339 340
Propiedades de las integrales sobre recintos básicos Cálculo de integrales sobre recintos básicos
Teorema. Si Ω es un recinto básico de R2 y f : Ω → R es continua Para calcular la integral de f : Ω → R, siendo Ω un recinto básico:
entonces f es integrable Riemann en Ω.
(1.) Fijamos una de las dos variables de integración y el intervalo máxi-
mo sobre el que vamos a integral dicha variable.
Proposición. Sea Ω ⊆ R2 un recinto básico, f, g : Ω → R inte-
(2.) Después delimitaremos los lı́mites de integración de la segunda
grables y α, β ∈ R. Entonces:
variable respecto a la primera.
1. αf + βg es integrable en Ω y:
En concreto, si fijamos en (1.) como variable a la x:
(αf (x, y) + βg(x, y))dxdy = α f (x, y)dxdy
Ω
Ω
Definimos los conjuntos Ωx = {y ∈ R : (x, y) ∈ Ω}.
+β g(x, y)dxdy.
Ω
Elegimos
2. Si f (x, y) ≥ 0 para todo (x, y) ∈ Ω, entonces Ω f (x, y)dxdy ≥
0. a = mı́n{x : Ωx = ∅}, b = máx{x : Ωx = ∅}
3. Si f (x, y) ≥ g(x, y) ∀(x, y) ∈ Ω entonces Ω f (x, y)dxdy ≥ y para cada x ∈ (a, b) tomamos
341 342
2. Ω (3y
3
+ x2)dxdy en Ω = {(x, y) ∈ R2 : x2 + y 2 ≤ 1, }.
√
Ω xydxdy en Ω = {(x, y) ∈ R : 0 ≤ y ≤ 1, y ≤ x ≤ y}.
2 2
3.
x
4. Ω ye dxdy en Ω = {(x, y) ∈ R2 : 0 ≤ y ≤ 1, 0 ≤ x ≤ y 2 }.
Ejercicio
4
2. Ω (x + y 2 )dxdy en el recinto limitado por y = x3 e y = x2.
4. Ω (3xy
2
−y)dxdy en la región limitada por y = |x|, y = −|x| y x ∈ [−1, 1].
343 344
Ejercicio 3. Cálculo de integrales dobles median-
Calcular la superficie de las siguientes regiones:
te cambio de variables
1. Cı́rculo de radio R.
Teorema. Sea Ω un subconjunto abierto y básico de R2 y sea f :
2. Elipse de semiejes a, b.
Ω → R una función integrable. Sea Δ un abierto de R2 y Φ : Δ →
3. La región limitada por las ecuaciones x2 = 4y y 2y − x − 4 = 0.
R2 una función tal que:
4. La región limitada por las ecuaciones x + y = 5 y xy = 6.
1. Φ(Δ) = Ω,
5. La región limitada por las ecuaciones x = y y x = 4y − y 2 .
2. Φ es diferenciable en Δ y
345 346
347 348
Ejercicio 5. Integral triple sobre recintos básicos
Calcular para Ω = [0, 1] × [0, 3] × [−1, 1] las integrales
de R3
y+z
2 3
(a) Ω xyzdxdydz. (b) Ω xe dxdydz. (c) Ωy z sen xdxdydz.
Definición (Recinto básico). Un recinto básico es un conjunto
acotado Ω ⊂ R3 que tenga interior no vacı́o y frontera formada por
una unión finita de superficies de la forma z = f (x, y),y = g(x, z)
y x = h(y, z), donde f , g y h son funciones continuas reales de dos
variables reales.
Interpretación geométrica
349 350
Ω f (x, y, z)dxdydz da el valor del volumen del recinto Ω cuando Propiedades de la integral triple sobre recintos básicos
Ejercicio
Ejercicio
351 352
Ejercicio 6. Cálculo de integrales triples median-
Calcular el volumen del sólido limitado superiormente por el cilindro parabólico
te cambio de variables
z = 1 − y 2 , inferiormente por el plano 2x + 3y + z + 10 = 0 y lateralmente por
el cilindro circular x2 + y 2 + x = 0. Teorema. Sea Ω un subconjunto abierto básico de R3 y sea f :
Ω → R integrable. Sea Φ : Δ → R3 donde Δ es un subconjunto
Hallar el volumen del sólido limitado por los paraboloides de ecuaciones z = 1. Φ(Δ) = Ω,
2 − x2 − y 2 y z = x2 + y 2 .
2. Φ es diferenciable en Δ y
353 354
Coordenadas cilı́ndricas ϕ es el ángulo que forma el vector de posición del punto (x, y, z)
con el vector de posición del punto (x, y, 0) (colatitud).
r= x2 + y 2
Coordenadas esféricas
355 356
Ejercicio Tema 9: Funciones de varias variables.
Haciendo uso de las coordenadas esféricas x = rcos θsen φ, y = rsen θsen φ Continuidad
y z = rcos φ, calcular: Gabriel Soler López
1. El volumen de una esfera de radio R.
abril de 2006
2
Ω (x + y + z )dxdydz en el recinto Ω = {(x, y, z) ∈ R : 1 ≤
2 2 3
2.
x2 + y 2 + z 2 ≤ 2}. 1. Topologı́a en Rn
3. El volumen del recinto del apartado (b).
Definición (Norma, espacio vectorial normado). Una norma
sobre Rn es una aplicación:
· : Rn −→ Rn
x → x,
357 358
Ejemplo. (R, | · |), (Rn, · 2), (Rn, · ∞), (R, · 1) son espacios abierto de centro x y radio (resp. bola cerrada o disco cerrado de
vectoriales normados para las definiciones siguientes: centro x y radio ) como el conjunto
el de bola, éste permitirá desarrollar la topologı́a de Rn. Los conjuntos abiertos y cerrados satisfacen las propiedades que re-
Definición (Bola, dico). Fijada una norma · de Rn, dado un cogemos en la siguiente proposición.
359 360
Proposición. 1. ∅ y Rn son conjuntos abiertos y cerrados a la Definición (Conjuto acotado y compacto). Un conjunto A ⊂
vez. Rn se dice acotado si y sólo si existe un número real positivo k tal que
x ≤ k para todo x ∈ A. El conjunto A se dirá compacto si y sólo
2. La unión numerable de conjuntos abiertos es un conjunto abier-
si además de ser acotado es cerrado.
to.
Definición (Puntos de acumulación, interiores y aislados).
3. La intersección numerable de conjuntos cerrados es un con-
Dado un conjunto A ⊂ Rn y un punto x ∈ Rn, se dice que x es un
junto cerrado.
punto de acumulación de A si para todo número > 0 se tiene que
4. La unión finita de conjuntos cerrados es un conjunto cerrado.
D(x, ) ∩ A\{x} = ∅. El conjunto de los puntos de acumulación se
5. La intersección finita de conjuntos abiertos es un conjunto denota por A .
abierto. Se dice que el punto x es interior a A si y sólo si pertenece a IntA.
6. Un conjunto es abierto si y sólo si coincide con su interior. Por último se dirá que x es un punto aislado de A si y sólo si es un
punto de ClA que no es de acumulación.
7. Un conjunto es cerrado si y sólo si coincide con su clausura.
Ejercicio
8. El interior de un conjunto A es la unión de todos los conjuntos
Pon un ejemplo de un conjunto no compacto en R2 y justifica por
abiertos contenidos en A.
qué no es compacto.
9. La clausura de un conjunto A es la intersección de todos los Solución. {(x, y) ∈ R2 : x2 + y 2 ≥ 5} no es compacto porque no
conjuntos cerrados que contienen a A. está acotado.
361 362
2. Funciones de varias variables. Lı́mi- Definición (Álgebra de funciones). Dado el conjunto de las fun-
ciones de varias variables con dominio en A ⊂ Rn y valores en Rm,
tes
F(A, Rm), se definen las siguientes leyes en dicho conjunto:
Iniciamos esta sección dando la definición de función de varias varia-
1. Suma de funciones: dadas las funciones f , g : A → Rm, se
bles y funciones coordenadas de éstas. Posteriormente introduciremos
define la función suma de ambas como sigue:
el concepto de curva de nivel, el cual nos permitirá obtener interpreta-
f + g : A −→ Rm
ciones gráficas de funciones.
x → f (x) + g(x).
Definición (Función de varias variables). Una función de varias
2. Multiplicación de funciones: si m = 1, dadas f, g : A → R
variables es una aplicación f : A → B, siendo A un subconjunto de
se define la función producto como sigue:
Rn y B un subconjunto de Rm .
f · g : A −→ R
Definición (Acotación). Una función de varias variables, f : A ⊂ x → f (x)g(x).
Rn → Rm, se dice que está acotada si existe un número real K tal que 3. División de funciones: si m = 1, dadas f, g : A → R, si
f (x) < K para todo x ∈ A. g(x) = 0 para todo x ∈ A, se define la función cociente como
sigue:
f
g
: A −→ R
f (x)
x → g(x)
.
4. Norma de funciones: dada la función f : A → Rm, se define
la función norma de f como:
f : A −→ R
x → f (x).
363 364
Por último destacamos el concepto de curva de nivel para una función 3. Lı́mite de funciones de varias varia-
escalar de varias variables reales, las isóbaras e isotermas son ejemplos
bles. Propiedades
de tales curvas.
Generalizamos ahora el concepto de lı́mite de funciones reales de
Definición. Dada una función real de dos variables f : A ⊂ R2 → R,
variable real para funciones de varias variables.
definimos la curva de nivel de altura k como el conjunto {(x, y) ∈ A :
f (x, y) = k}. Definición (Lı́mite). Sea D ⊆ Rn, f : D → Rm, x0 ∈ D y l ∈ Rm.
Diremos que el lı́mite de la función f cuando x tiende a x0 es l, y se
representa por lı́m f (x) = l, si y sólo si para todo > 0 existe δ > 0
x→x0
tal que si x ∈ D y 0 < x − x0 < δ entonces f (x) − l < .
365 366
367 368
4. Cálculo de lı́mites de funciones de Ejemplo
Estudiar la existencia del lı́mite en el punto (0, 0) de la función
dos variables
f : R2 \ {(0, 0)} → R dada por
x2 + y
4.1. Lı́mites Iterados f (x, y) =
x2 + y 2
.
Proposición. Sea f : D ⊂ R2 → R y (x0, y0) ∈ D , supongamos Solución. Si se utilizan lı́mites reiterados se obtienen diferentes
que lx,y = lı́m lı́m f (x, y) ∈ R y que ly,x = lı́m lı́m f (x, y) ∈ R. valores y se puede justificar de esta manera que el lı́mite doble no
y→y0 x→x0 x→x0 y→y0
Entonces, si existe lı́m f (x, y) = l se tiene que lx,y = ly,x = l. existe:
(x,y)→(x0 ,y0 )
2
Como consecuencia del resultado anterior podemos afirmar la no lı́my→0 lı́mx→0 xx2 +y
+y y
2 = lı́my→0 y 2 = ±∞ (dependiendo el signo de
existencia de lı́mite, en particular, el resultado anterior admite las in- si el lı́mite se hace por la derecha o por la izquierda).
2 2
terpretaciones siguientes: lı́mx→0 lı́my→0 xx2 +y
+y x
2 = lı́my→0 x2 = 1.
2. Si lx,y , ly,x ∈ R y coinciden, el único valor que puede ser lı́m f (x, y) 4.2. Lı́mites direccionales
(x,y)→(x0 ,y0 )
es lx,y = ly,x pero no podemos asegurar que exista dicho lı́mite. Definición (Lı́mite direccional). Sea f : D ⊂ R2 → R una
3. Puede no existir lx,y o ly,x o los dos y que exista lı́m f (x, y). función real de dos variables reales y g : A ⊂ R → R una función real
(x,y)→(x0 ,y0 )
Un ejemplo de este caso es la función f : R → R definida por 2 de variable real tal que x0 ∈ A y lı́m g(x) = y0 . Si (x0, y0 ) ∈ D ,
x→x0
f (x, y) = ysen (1/x) si x = 0 y por f (0, y) = 0. En efecto, para se define el lı́mite direccional de f a lo largo de g en (x0, y0) como
esta función se verifica que lı́m f (x, y) = 0, lı́m lı́m f (x, y) = lg = lı́m f (x, g(x)).
x→x0
(x,y)→(0,0) x→0 y→0
0 y sin embargo lı́m lı́m f (x, y) no existe. Una propiedad básica de los lı́mites direccionales viene recogida en
y→0 x→0
la siguiente proposición.
369 370
x0 ∈ A y lı́m g(x) = y0 . Entonces, si existe lı́m f (x, y) = Estudiar la existencia del lı́mite en el punto (0, 0) de la función
x→x0 (x,y)→(x0 ,y0 )
l ∈ R se tiene que l = lg . f : R2 \ {(0, 0)} → R dada por
x2 + y
Esta proposición tiene consecuencias a tener en cuenta a la hora del f (x, y) = .
x2 + y 2
cálculo de lı́mites. Sean g1 y g2 funciones en las condiciones de g de la
Solución. Hacemos un lı́mite direccional acercándonos por la parábo-
definición anterior y f como en la misma definición. Se verifican:
la y = λx2:
1. Si lg1 = lg2 , entonces no existe el lı́mite lı́m f (x, y).
(x,y)→(x0 ,y0 )
2. Si lg1 ∈
/ R, entonces no existe lı́m f (x, y). x2 + λx2 x2(1 + λ)
lı́m 2 2 4
= lı́m 2 =1+λ
(x,y)→(x0 ,y0 ) x→0 x + λ x x→0 x (1 + λx2 )
3. Si existe lg1 ∈ R entonces, si existe lı́m f (x, y), éste coincide Como el lı́mite direccional depende de la parábola elegida entonces
(x,y)→(x0 ,y0 )
con lg1 . no existe el lı́mite doble planteado.
371 372
4.3. Paso a coordenadas polares Como este lı́mite depende del ángulo θ no va a existir el lı́mite.
Demostramos la no existencia recurriendo a los lı́mites direccionales.
Presentamos ahora un resultado que permite calcular el lı́mite de
Hacemos un lı́mite direccional acercándonos por las rectas y = mx:
una función f : D ⊂ R2 → R en el punto (0, 0) usando coordenadas
polares.
x4 + 3x2m2x2 + 2xm3x3 x4 1 + 3m2 + 2m3 1 + 3m2 + 2m3
lı́m = lı́m 4 =
Proposición. Sea D ⊆ R tal que (0, 0) ∈ D y f : D → R. Si
2 x→0 2 2 2
(x + m x ) 2 x→0 x (1 + m2)2 (1 + m2)2
existe l ∈ R tal que lı́m f (rcos θ, rsen θ) = l para todo θ ∈ [0, 2π[ y Como el lı́mite direccional depende de m entonces no existe el lı́mite
r→0
|f (rcos θ, rsen θ) − l| ≤ F (r) para todo θ ∈ [0, 2π[ donde F es una doble planteado.
función real de variable real que satisface lı́m F (r) = 0, entonces Ejemplo
r→0
lı́m f (x, y) = l. Estudiar la existencia del lı́mite en el punto (0, 0) de la función
(x,y)→(0,0)
Ahora tenemos que hacer la acotación de |f (rcos θ, rsen θ) − 0| por Definición (Continuidad). Sea D ⊆ Rn, f : D → Rm y x0 ∈ D,
una función F (r) que sólo dependa de r y que tienda a 0 cuando r diremos que f es continua en x0 si y sólo si para todo > 0 existe
tiende a 0: d > 0 tal que si x − x0 < d entonces f (x) − f (x0) < .
Diremos que la función f es continua si y sólo si es continua en todos
5 3
|f (rcos θ, rsen θ) − 0| = |r(2cos θ + 4 sen θcos θ − 2sen θsen θ)|2 3 2 los puntos de D.
1 2
≤ r 2|cos 5θ| + 4|sen 3θcos 2θ| + 2|sen 3θsen 2θ| ≤ 8r = F (r) Al igual que en el caso de funciones reales de variable real habı́a una
estrecha relación entre la continuidad y los lı́mites, para las funciones de
Como lı́mr→0 F (r) = 0 entonces obtenemos finalmente:
varias variables existe un resultado análogo que damos a continuación.
1. f es continua en x0,
375 376
5.1. Propiedades de las funciones con- Al igual que para las funciones reales de variable real, dada una
función real dependiente de varias variables reales, f : D ⊂ Rn → R,
tinuas
diremos que m ∈ D (resp. M ∈ D) es un mı́nimo absoluto (resp.
Proposición. Dado un subconjunto D ⊂ Rm y funciones f , g : máximo absoluto) de f si y sólo si f (m) ≤ f (x) (resp. f (x) ≤ f (M))
D → Rm continuas en x0 ∈ D, se verifican: para todo x ∈ D.
f + g es continua e x0. Teorema (de los valores extremos). Dado un conjunto com-
f : D → R es continua en x0. pacto K ⊂ Rn y una función continua f : K → R, existen valores
Comprobamos que en este caso se verifica lı́m(x,y)→(0,k) f (x, y) = k. Tema 10: Funciones de varias variables.
Ası́ que, fijado > 0, debemos encontrar δ > 0 tal que si (x, y) − Diferenciabilidad
(0, k)1 = |x| + |y − k| < δ entonces |f (x, y) − k| < . Gabriel Soler López
Primera consideración: puesto que lı́mx→0 1 − sen x
x
= 0, para 24 de mayo de 2006
x =
4(|k|+1)
existe δ0 > 0 tal que si |x − 0| < δ0 entonces
sen x
6. Derivadas direccionales y derivadas
1 − < . (18)
x 4
Segunda consideración: elegimos ahora parciales
δ = mı́n{1, , δ0 }. (19) En este apartado generalizaremos la noción de derivada introducida
8
para las funciones reales de una variable real.
Demostración del lı́mite: suponemos ahora que (x, y)−(0, k)1 =
|x| + |y − k| < δ, entonces: Definición (Derivada direccional). Sea D un subconjunto abier-
sen x to de Rn, f : D → Rm y v ∈ Rn \ {0}. Si a ∈ D, se define la derivada
|f (x, y) − k| ≤ y − k + |y − k|
$ sen x % x
direccional en la dirección del vector v de f en a como el lı́mite:
≤ − 1 y + y − k + |y − k|
x $ % f (a + tv) − f (a)
sen x Dv f (a) = lı́m
≤ − 1 y + 2|y − k| t→0 h
$ sen x % x
≤ − 1 |y| + 2|y − k| (usando ahora la ecuación (18))
x
|y|
≤ |y| + 2|y − k| (usando (19) tenemos que < 1)
4(|k| + 1) |k| + 1
≤ + 2|y − k| ≤ (usando (19)
4
≤ + 2 = < .
4 8 2
379 380
Cuando la derivada direccional se hace en la dirección de la base Esta generalización de derivada tiene una diferencia notable respecto
canónica, se obtiene la definición de derivada parcial : a la derivada de de funciones reales de una variable real, pues la exis-
Definición (Derivada parcial). Sea i ∈ {1, 2, . . . , n}, ei el i- tencia en un punto de éstas, no implica la continuidad en dicho punto.
ésimo vector de la base canónica de Rn, D un subconjunto abierto El siguiente ejemplo ilustra este hecho.
Ası́, la derivada parcial i-ésima evaluada en a es el valor que se de la función en el origen según la dirección de la parábola y 2 =
obtiene de sustituir a en la función que resulta de derivar f respecto 2λx, éste depende de λ, en particular vale 2λ. Ası́ que la función
punto a representaba la pendiente de la tangente a la curva {(x, f (x)) : Definición (Diferencial). Sea D un subconjunto abierto de Rn,
Dada una función real de dos variables reales, f : D ⊂ R2 → R, su una aplicación lineal T : Rn → Rm tal que
gráfica {(x1, x2, f (x1, x2)) : (x1, x2) ∈ D} representa una superficie. f (a + h) − f (a) − T(h)
lı́m = 0.
h→0 h
En cuanto a la interpretación de las derivadas parciales de la función
En ese caso, a la aplicación lineal T se le llama diferencial de f en a
f : D ⊂ R2 → R, si f admite derivadas parciales en (x0, y0) ∈ D,
y se denota por df (a).
entonces veremos que la ecuación del plano tangente a la gráfica de f
Teorema. Dado un subconjunto abierto D de Rn, se tiene que si
en (x0, y0 ) viene dada por:
f : D → Rm es diferenciable en a ∈ D entonces f es continua en
∂f ∂f
z − f (x0, y0) = (x0, y0 )(x − x0) + (x0, y0)(y − y0). a.
∂x ∂y
Las nociones de derivada direccional y diferencial están estrechamen-
te relacionadas, esta relación la recoge la siguiente proposición.
df (a)(v) = Dv f (a).
383 384
En particular ∂f
= df (a)(ei) para todo i ∈ {1, 2, . . . , n}. función:
∂xi (a)
f: R2 −→ R
Cuando tratamos con funciones reales de variable real, la derivabili- ⎧
⎪
⎨ (x2 + y 2)sen √ 1
si (x, y) = (0, 0),
dad y diferenciabilidad son conceptos equivalentes. En efecto: (x, y) → f (x, y) = x2 +y 2
⎪
⎩ 0 si (x, y) = (0, 0),
Proposición. Si D es un abierto de R y f : D → R es derivable
muestra que existen funciones diferenciables en un punto (el punto
en a ∈ D, entonces f es diferenciable en a y df (a)(t) = f (a)t.
(0, 0) para esta función f ) cuyas derivadas parciales no son continuas
Para funciones de varias variables reales, ambas nociones no son
en dicho punto.
equivalentes, el teorema anterior muestra que la diferenciabilidad im-
Demostración.
plica existencia de derivadas direccionales. Sin embargo el recı́proco
Empezamos calculando la parcial de f respecto de x. En los puntos
no es cierto, en efecto, la función de un ejemplo anterior admite de-
distintos del origen se calcula haciendo una derivada parcial normal.
rivadas direccionales y no es diferenciable porque no es continua. A
Sin embargo en el origen:
pesar de este ejemplo, si las derivadas parciales son continuas sı́ que la
derivabilidad implica diferenciabilidad:
∂f f (t, 0) − f (0, 0)
(0, 0) = lı́m
Teorema. Sea D un abierto de R que contine al punto a. Si las
n ∂x t→0
t
1
= lı́m t2sen =0
derivadas parciales, ∂f
∂xi (i ∈ {1, 2, . . . , n}), existen en un entorno t→0 t
del punto a y son continuas en el punto a, entonces la función f Ası́ que:
⎧
es diferenciable en a. ⎪
⎨ 2xsen √ 1
−√ x
cos √ 1
si (x, y) = (0, 0),
∂f x2 +y 2 x2 +y 2 x2 +y 2
(x, y) =
Además, el recı́proco del teorema anterior no es cierto puesto que la ∂x ⎪
⎩ 0 si (x, y) = (0, 0),
385 386
Rm en un punto a ∈ D es una aplicación lineal, ésta estará determinada f , g : D → Rm y h : E → Rk tales que f (D) ⊆ E, f y g son
por su matriz asociada respecto de las bases canónicas de Rn y Rm. diferenciables en a y h es diferenciable en f (a), se verifican:
Definición (Matriz Jacobiana). Sea D un subconjunto abierto 1. J(f + g)(a) = Jf (a) + Jg(a),
de R , f : D → R y a ∈ D tal que f es diferenciable en a. Se define
n m
2. J(g ◦ f )(a) = Jg(f (a))Jf (a).
la matriz Jacobiana de f en a como
8. Derivadas parciales de orden supe- Una pregunta que parece natural hacerse es que si dados i, j ∈
∂2f ∂2f
{1, . . . , n}, es verdad que ∂xi xj (a) = ∂xj xi (a). En general dicha igual-
rior 12
dad no se da, pero los siguientes teoremas dan condiciones para que
Sea D un subconjunto abierto de R , f : D → R e i ∈ {1, 2, . . . , n}.
n m sı́ sea cierta.
∂f
Si existe en todo punto de D, se puede definir una función
∂xi Teorema (Schwarz). Sea D ⊂ Rn un conjunto abierto y f :
∂f
: D −→ Rm D → Rm una función tal que ∂f
∂xi y ∂f
∂xj son continuas en D siendo
∂xi
∂2f
a → ∂f i, j ∈ {1, . . . , n} distintos. Si existe : D → Rm y es continua
∂xi (a), ∂xi xj
∂2f
a la cual le podemos estudiar la existencia de sus derivadas parciales. en a ∈ D entonces existe ∂xj xi (a) y se da la igualdad:
391 392
Acabamos poniendo un ejemplo que deja claro que existen funciones 9. Extremos relativos y absolutos de
para las que sı́ que importa el orden de derivación. La función:
funciones reales de varias variables
f: R2 −→ R
⎧
⎨ xy(x2 −y 2 )
si (x, y) = (0, 0), Empezamos recordando la noción de extremo absoluto de una fun-
x2 +y 2
(x, y) → f (x, y) =
⎩ 0 si (x, y) = (0, 0), ción real, e introduciendo las nociones de extremos relativos. Para ello
393 394
Esta condición, sin embargo, no es suficiente. En efecto, la función Teorema. Sea D un abierto de Rn, f : D → R una función de
∂f ∂f ∂f
f: R2 −→ R clase C 2 y a ∈ D tal que ∂x1 (a) = ∂x2 (a) = ··· = ∂xn (a) = 0.
tiene sus dos derivadas parciales primeras iguales a 0 en el punto (0, 0), 1, Δ1f (a), Δ2f (a), . . . , Δn−1 f (a), Δnf (a),
pero éste no es un extremo relativo. Es por tanto introducir condiciones
entonces:
adicionales para asegurar la existencia de extremos.
1. Si todos los términos de la sucesión de números anteriores son
Definición (Hessiano). Sea i ∈ {1, 2, . . . , n} y supongamos que la
positivos la función tendrá un mı́nimo relativo en a.
función f introducida al principio de esta sección es de clase C 2, para
ella definimos la matriz hessiana de orden i en un punto a como: 2. Si los términos de la sucesión anterior son alternadamente
⎛ ⎞ positivos y negativos, entonces la función tendrá un máximo
∂2f ∂2f ∂2f
⎜ ∂x1 2 (a) ∂x1 x2 (a) . . . ∂x1 xi (a) ⎟
⎜ ∂2f ⎟ relativo.
⎜ (a) ∂2f
(a) . . . ∂2f
(a) ⎟
⎜ ∂x2 x1 ∂x2 2 ∂x2 xi ⎟
Hi f (a) = ⎜ ⎟
⎜ ... ... ... ... ⎟ 3. En otro caso no se puede asegurar nada, puede existir o no
⎜ ⎟
⎝ 2 2 2
⎠
∂ f ∂ f ∂ f extremo relativo.
∂xi x1 (a) ∂xi x2 (a) . . . ∂x 2 (a) i
Se define el Hessiano de orden i de la función f en el punto a como: Para funciones de dos variables, se tiene que si Δ2f (a) < 0
entonces a no es extremo relativo de f .
Δif (a) = |Hi f (a)|.
Para los casos no contemplados anteriormente es necesario un análi-
sis en las proximidades del punto crı́tico para determinar si éste es o
no un extremo relativo de la función.
395 396
125 > 0, 125 − 1 > 0, luego en
Ahora la sucesión 1, Δ1, Δ2 es 1 > 0, 100
Ejemplo 500
50 20
Calcula los extremos relativos de la función f (x, y) = xy + x + y (5, 2) la función f presenta un mı́nimo relativo.
con x > 0 e y > 0; Ejemplo
Solución. Calcula los extremos relativos de la función f (x, y) = xy log(x2 +y 2 )
siendo (x, y) = (0, 0);
∂f 50 50 Solución.
(x, y) = y − 2 = 0 ⇒ yx2 − 50 = 0 ⇒ y = 2
∂x x x
∂f 20 Empezamos haciendo las parciales para buscar los puntos candidatos
(x, y) = x − 2 = 0 ⇒ xy 2 − 20 = 0
∂y y
a extremos:
Sustituyendo el valor de y de la primera ecuación en la segunda:
502 50
x − 20 = 0 ⇒ 125 = x3 ⇒ x = 5 e y = 2 = 2 ∂f 1
x4 x (x, y) = y log(x2 + y 2 ) + xy 2 2x = 0,
∂x x + y2
Ası́ que debemos estudiar la presencia de un extremo relativo sólo
∂f 1
(x, y) = x log(x2 + y 2 ) + xy 2 2y = 0,
en el punto (5, 2), para ello calculamos el Hessiano en dicho punto. ∂y x + y2
401 402
reales λ1, λ2, . . . , λn tales que la función L = f + λ1g1 + . . . λpgp condiciones de ligadura,
⎧
tiene todas sus primeras derivadas parciales en a ∈ D ∩ S nu- ⎪
⎪ ∂Fλ
⎪
⎪ ∂x (x, y, λ) = 0,
⎨
las. Entonces para que f tenga en a un mı́nimo (resp. máximo) ∂Fλ
⎪ ∂y (x, y, λ) = 0,
⎪
⎪
relativo condicionado es suficiente que se verifique: ⎪
⎩ g(x, y) = 0,
t
h (Hp+q L(a)) h > 0 (resp.h (Hp+q f (a)) h < 0), t ahora, los puntos solución son candidatos a extremos relativos condi-
cionados de f .
para todo vector h = (h1, h2, . . . , hn) = 0 tal que Jgi (a)ht = 0 para
Sea (x0, y0) uno de los candidato a extremo relativo condicionado,
todo i ∈ 1, . . . , p.
siendo λ0 el valor de λ que dio lugar a tal solución. Planteamos la
Esta visión general del método plantea problemas para entenderlo, ecuación
por lo que daremos seguidamente, cómo proceder en los casos en que ∂g ∂g
(x0, y0 )h1 + (x0, y0 )h2 = 0,
∂x ∂y
D sea un abierto de R2 o R3.
de la que despejamos una de las dos incógnitas, h1 o h2, en función de
la otra.
El método de los multiplicadores de Lagrange en R2 . Supongamos que f es
Por último evaluamos con la incógnita despejada la expresión:
una función de clase C 2 definida sobre un conjunto abierto D de R2,
sea el conjunto de ligaduras S = {(x, y) ∈ D | g(x, y) = 0}, siendo g ⎛ ⎞
h1
una función real de clase C 2 definida sobre D. Para aplicar el método (h1, h2) · H2Fλ0 (x0, y0 ) · ⎝ ⎠
h2
de los multiplicadores de Lagrange consideraremos la función
∂ 2 Fλ 0 ∂ 2 Fλ 0 ∂ 2 Fλ 0
= (x0, y0 )h21 + 2 (x0, y0 )h1h2 + (x0, y0)h22,
Fλ : D −→ R ∂x2 ∂xy ∂y 2
Entonces resolvemos el sistema que sigue, teniendo en cuenta las 1. Si la expresión es siempre positiva, entonces (x0, y0) es un mı́nimo
relativo condicionado de f .
403 404
2. Si la expresión es siempre negativa, entonces (x0, y0) es un máximo Ahora hacemos el cálculo del hessiano de L para λ = −1/2:
relativo condicionado de f . ∂2L
(x, y) =0 ∂2L
(x, y) =1
∂x2 ∂x∂y
∂2L
3. En otro caso tendremos que analizar en las proximidades de (x0, y0 ) ∂y 2
(x, y) =0
405 406
Por otro lado impondremos la ligadura: Ası́ que los puntos candidatos a extremos condicionados son:
π π
g(x, y) = x − y − π/4 = 0 ⇒ x − y = π/4. (xk , yk ) = ( + kπ/2, − + kπ/2), k ∈ Z,
8 8 √
π 2
Ası́ que: λk = sen (2xk ) = sen ( + kπ) = (−1)k .
4 2
Calculamos ahora el jacobiano de g en estos puntos:
sen (2x) = λ,
⎫
⎛ ⎞ ⎛ √ ⎞
cos (2y) = λ ⎬
⇒ tan(2y) = −1 ⇒ 2y = −π/4 + kπ, k ∈ Z −2cos (2xk ) 0 −2 22 (−1)k 0
⎝ ⎠ ⎝ ⎠
sen(2y) = −λ ⎭
H2L(xk , yk ) = = √
⎧ 0 −2cos (2yk ) 0 −2 22 (−1)k
⎨ y = − π + kπ/2, ⎛√ ⎞
⇒ 8 2(−1)k+1 0
⎩ x = π + kπ/2, k ∈ Z. =⎝ √ ⎠
8 0 2(−1)k+1
407 408
Finalmente computamos el signo de (h1, h1)H2L(xk , yk )(h1, h1)t pa- 10. El teorema de la función implı́cita
ra todo h1 > 0:
⎛√ ⎞ Teorema. Sea D un subconjunto abierto de Rn × Rm, supongamos
2(−1)k+1 0
t
(h1, h1)H2L(xk , yk )(h1, h1) = (h1, h1) ⎝ √ ⎠ (h1, h1)t que fi = fi (x1, . . . , xn, y1 , . . . , ym ) ∈ C k (D, R) 1 ≤ i ≤ m, k ∈ N, y
0 2(−1)k+1
⎛ √ ⎞ sea (a, b) = (a1, . . . , an, b1, . . . , bm) ∈ D. Supongamos que
h1 2(−1)k+1 √ √
⎝ ⎠ = h21 2(−1)k+1 + h21 2(−1)k+1 = ∂f
= (h1, h1) √ 1 (a, b) ∂f1 (a, b) . . . ∂f1 (a, b)
h1 2(−1) k+1 ∂y1 ∂y2 ∂ym
∂f
√ 2 (a, b) ∂f2 (a, b) . . . ∂f2 (a, b)
2h21 2(−1)k+1 ∂y1 ∂y2 ∂ym
= 0.
... ... ... ...
√
Ası́ que si k es par entonces 2h21 2(−1)k+1 < 0 y tenemos un máxi- ∂fm ∂fm ∂fm
∂y1 (a, b) ∂y2 (a, b) . . . ∂yn (a, b)
mo condicionado en (xk , yk ). Por el contrario si k es impar entonces
√ Entonces existe un subconjunto abierto U de Rn tal que (a1, . . . , an) ∈
2h21 2(−1)k+1 > 0 y tenemos un mı́nimo condicionado en (xk , yk ).
U , un subconjunto abierto V de Rm tal que (b1, . . . , bm) ∈ V y una
única función ϕ ∈ C k (U, V ) con funciones coordenadas ϕ1, . . . , ϕm
tales que:
1. U × V ⊆ D.
409 410
define a (x, y) como funciones implı́citas de z en un abierto del punto Ahora usamos que ϕ1(z) + ϕ2(z) + z = 0 y que ϕ1(z) − ϕ2(z) −
z = 0 con los valores (x, y) = (0, 0) . Calcular las derivadas primeras y 2zϕ1(z) = 0. Derivamos ambas expresiones y obtenemos: ϕ1(z) +
segundas de dicha función en el punto considerado. ϕ2(z) + 1 = 0 y ϕ1(z) − ϕ2(z) − 2ϕ1(z) − 2zϕ1(z) = 0. Particu-
f2(x, y, z) = x − y − 2xz −1
Resolviendo este sistema se tiene que ϕ1(0) = 2 = varphi2(0).
Puesto que:
1. f1(0, 0, 0) = f2(0, 0, 0) = 0 y
∂f1
∂x (0, 0, 0) ∂f 1
(0, 0, 0) 1 1
2. ∂y =
= −2 = 0,
∂f
∂x
2
(0, 0, 0) ∂f
∂y
2
(0, 0, 0) 1 −1
411 412
11. El teorema de la función inversa
1. a ∈ U y f (a) ∈ V .
413