Matemáticas I para Ingeniería Técnica Industrial

MATEMTICAS I
INGENIERIA TCNICA INDUSTRIAL ESPECIALIDAD EN ELECTRICIDAD

177 Matematicas I : Contenidos
Indice de contenidos
I Preliminares 1
1 Complejos y Polinomios 2
1.1 El plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 N umeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1.1 Forma binomica de un n umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1.2 Conjugado de un n umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1.3 Modulo de un n umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Forma polar de un n umero complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2.1 Raices complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2.2 La exponencial compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Introduccion. Nociones basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1.1 Operaciones en IK[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Division eucldea de polinomios. Divisibilidad y factorizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2.1 Division entera o eucldea de polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2.2 Raz de un polinomio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2.3 Factorizacion de polinomios de coecientes complejos . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2.4 Factorizacion de polinomios en IR[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2.5 Factorizacion de polinomios de coecientes racionales . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Matrices y sistemas lineales 15
2.1 Deniciones basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 Operaciones con las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2.1 Sistemas homogeneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.3 Metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.1 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 Determinante de una matriz 25
3.1 Determinante de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Determinantes y operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.1.1 Calculo de determinantes por reduccion a la forma escalonada . . . . . . . . . . . . . . . . . . . . . 26
3.1.2 Otras propiedades del determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Desarrollo por cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Anexo 0: Demostraciones 31
II

Algebra Lineal 40
4 Espacios vectoriales reales 41
4.1 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Base y dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3.1 Coordenadas en una base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3.2 Espacios de las las y las columnas de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 Cambios de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5 Espacios vectoriales con producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.5.1 Producto interior. Norma. Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.5.1.1 El espacio eucldeo n-dimensional IR
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.2 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

INDICE DE CONTENIDOS
4.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5 Aplicaciones lineales 53
5.1 Denicion. N ucleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Matrices de una aplicacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2.1 Composicion de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.3 Teorema de Semejanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6 Diagonalizacion 61
6.1 Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.1.1 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.1.2 Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.2 Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.3 Diagonalizacion ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7 Formas cuadraticas 68
7.1 Diagonalizacion de una forma cuadratica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.1.1 Diagonalizacion ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.1.2 Diagonalizacion mediante operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.2 Rango y signatura de una forma cuadratica. Clasicacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7.2.1 Clasicacion de las formas cuadraticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
III Calculo diferencial en IR 83
8 Funciones reales de variable real 84
8.1 Los n umeros reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
8.1.1 Valor absoluto de un n umero real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.1.2 Intervalos y entornos en IR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.1.3 Algunas operaciones con n umeros reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.1.3.1 Potencias racionales y reales de un n umero real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.1.3.2 Exponencial real de base e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.1.3.3 Logaritmo neperiano real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.2 Funciones reales de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8.2.1 Monotona. Funciones inversas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
9 Lmites y continuidad 91
9.1 Lmite y continuidad de una funcion en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
9.1.1 Algunos resultados interesantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.1.1.1 Lmites y continuidad con las operaciones basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.1.1.2 Lmites laterales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
9.1.2 Lmites con innito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
9.1.3 Innitesimos e innitos equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
9.1.4 Asntotas de una funcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
9.2 Teoremas del lmite y de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.2.1 Teoremas de continuidad en intervalos cerrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10 Funciones derivables 101
10.1 Derivada de una funcion en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
10.1.1 Aplicaciones de la derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
10.1.1.1 Crecimiento de una funcion en un punto. Extremos locales . . . . . . . . . . . . . . . . . . . . . . . 103
10.2 Teoremas de derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
10.2.1 Teorema de la funcion inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.2.2 Representacion graca de funciones (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
10.2.2.1 Monotona y extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
10.2.2.2 Concavidad y convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
10.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
11 Polinomios de Taylor 112
11.1 Polinomios de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
11.1.1 Formula de Taylor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
11.2 Representacion de funciones (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
11.2.1 Representacion de funciones en forma explcita: y = f(x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
11.2.2 Estudio de curvas dadas en forma parametrica y polar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
11.2.2.1 Curvas dadas en forma parametrica: x = (t) , y = (t) . . . . . . . . . . . . . . . . . . . . . . . . . 117
11.2.2.2 Curvas dadas en coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
11.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

INDICE DE CONTENIDOS
IV Calculo integral en IR 132
12 Calculo de primitivas 133
12.1 Primitiva de una funcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
12.1.1 Tabla de integrales inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
12.2 Metodos de integracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2.1 Metodo de sustitucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2.1.1 Tabla de integrales casiinmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2.2 Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2.3 Integracion por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.3 Integracion seg un el tipo de funcion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.3.1 Integrales racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.3.1.1 Descomposicion en fracciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.3.1.2 Integracion de funciones racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
12.3.2 Integracion de funciones trigonometricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
12.3.3 Integracion de funciones exponenciales e hiperbolicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
12.3.4 Integrales irracionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.3.4.1 Integrales binomias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
13 Integral de Riemann 141
13.1 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
13.1.1 Particiones de un intervalo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
13.1.2 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
13.2 Integral de una funcion real de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
13.2.1 Sumas de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
13.2.2 Otras propiedades de la integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
13.2.3 Algunas funciones integrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
13.3 Integracion y derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
14 Aplicaciones de la integral 150
14.1

Areas de supercies planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
14.1.1 Funciones dadas de forma explcita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
14.1.1.1 Funciones negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
14.1.1.2

Area entre dos funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
14.2 Vol umenes de cuerpos solidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
14.2.1 Vol umenes de revolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
14.3 Otras aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
14.3.1 Longitudes de arcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
14.3.2

Area de una supercie de revolucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
14.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
15 Integrales impropias 159
15.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
15.2 Integrales impropias de primera especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
15.2.1 Criterios de comparacion para funciones no negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
15.2.2 Convergencia absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
15.3 Integrales impropias de segunda especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
15.3.1 Criterios de comparacion para funciones no negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
15.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
1 Matematicas I
Parte I
Preliminares
2 Matematicas I : Preliminares
Tema 1
Complejos y Polinomios
En este Captulo vamos a introducir o recordar algunos temas basicos para el desarrollo de la disciplina: los
n umeros complejos (que resuelven las operaciones con n umeros) y los polinomios (una de las herramientas
mas usadas, como veremos a lo largo de la asignatura).
1.1 El plano complejo
Conocemos y manejamos ya diversos conjuntos de n umeros, los naturales IN = {0, 1, 2, 3, . . .}, los enteros
ZZ = {. . . , 2, 1, 0, 1, 2, . . .}, los racionales Q = {
n
m
: n ZZ, m ZZ{0}} y los n umeros reales IR (o decimales
que completan los huecos entre los racionales con los irracionales IR = QII). Cumpliendo IN ZZ Q IR.
Nota: Un n umero real puede describirse en la forma e.d
1
d
2
d
3
. . . d
n
. . . , un n umero entero seguido de innitos
decimales. Si, a partir de uno de ellos, todos los decimales son cero o los decimales se repiten periodicamente el
n umero es racional (as,
1
3
= 0.
3 = 0.33333 . . . , luego 1 = 0.
9 = 0.99999 . . . ).
Tenemos denidas unas operaciones de suma y producto en cada conjunto que son internas (suma o
producto de naturales es natural, suma o producto de enteros es entero, etc.) y coherentes con la cadena de
contenciones (si sumamos dos enteros como racionales o reales, el resultado es el mismo que si los sumamos
como enteros). A efectos practicos, son las mismas operaciones para todos los conjuntos.
Sin embargo, no tienen en cada conjunto las mismas propiedades: en IN ni para la suma ni para el producto
existe inverso (ni la resta ni la division de naturales es, en general, un natural), en ZZ existe el inverso para
la suma pero no para el producto (la resta de enteros es entera pero no la division) y tanto en Q como en IR
podemos restar y tambien dividir por valores distintos de cero.
La otra operacion o manipulacion basica entre n umeros, la potencia (una generalizacion del producto) nos
distingue mas estos dos ultimos conjuntos. As 2 Q (luego a IR), pero 2
1
2
=
2 / Q, aunque s se cumple
que 2
1
2
IR.
En IR, es cierto que si x e y son reales con x 0, entonces x
y
IR; pero no se cumple cuando x < 0.
Para resolver este defecto se contruyen los n umeros complejos: un conjunto C que contenga a IR, que sus
operaciones suma y producto permitan restar y dividir y sean coherentes con las operaciones de los subconjuntos,
y que para la potencia se verique ademas que si z, w C, entonces z
w
C.
1.1.1 N umeros complejos
Consideremos el conjunto IR
2
y contruyamos en el unas operaciones suma y producto que funcionen como
deseamos. Sobre IR
2
tenemos denida una operacion suma que s es interna:
(a
1
, b
1
) IR
2
, (a
2
, b
2
) IR
2
, y (a
1
, b
1
) + (a
2
, b
2
) = (a
1
+a
2
, b
1
+b
2
) IR
2
,
con operacion inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
(a
1
, b
1
) IR
2
, (a
2
, b
2
) IR
2
, y (a
1
, b
1
) (a
2
, b
2
) = a
1
a
2
+b
1
b
2
IR
y no admite una operacion inversa.
Dotar a IR
2
de una operacion producto interna, con un funcionamiento analogo al funcionamiento del
producto en IR crea una nueva estructura conocida como el conjunto de los n umeros complejos o el
cuerpo complejo.
Esta operacion producto se dene de la forma siguiente:
(a
1
, b
1
) (a
2
, b
2
) = (a
1
a
2
b
1
b
2
, a
1
b
2
+b
1
a
2
).
As, el conjunto de los n umeros complejos, C, esta formado por IR
2
con dos operaciones basicas: suma +
(la suma de IR
2
) y el producto complejo (denido arriba). Es decir, C = (IR
2
, +, ).
3 Matematicas I : Preliminares 1.1 El plano complejo
1.1.1.1 Forma binomica de un n umero complejo
El producto (complejo) tiene por elemento neutro (1, 0), pues
(1, 0) (a, b) = (a, b) (1, 0) = (1a 0b, 0a + 1b) = (1a, 1b) = (a, b).
De hecho, para cualquier real , se tiene que (, 0) (a, b) = (a 0b, 0a + b) = (a, b); como en IR
2
tambien sabemos que (a, b) = (a, b), pueden identicarse los elementos (, 0) con los n umeros reales , es
decir, en C podemos decir que (, 0) = a todos los efectos.
Como (a, b) = (a, 0) + (0, b) = a + (0, b) = a + b(0, 1), haciendo (0, 1) = i el n umero complejo se escribe
(a, b) = a + ib, que se denomina forma binomica del n umero complejo. Del elemento i se dice que es la
unidad imaginaria, y se cumple que i
2
= ii = (0, 1) (0, 1) = (1, 0) = 1.
En la forma binomica, el producto se efectua como un producto de binomios habitual, pues:
(a+ib)(c+id) = ac + iad + icb + i
2
bd = (acbd) + i(ad+cb) = (acbd, ad+cb) = (a, b) (c, d)
Con esta nueva notacion, suele escribirse C = {a + ib : a, b IR} (a veces C = IR + iIR) y se denotan los
elementos de C por z = a + ib; y se representan en el plano IR
2
que se denomina entonces plano complejo, al
eje se abcisas se le denomina eje real y al de ordenadas eje imaginario.
Denicion 1.- Si z = a + ib es un n umero complejo, al valor real a se le llama se llama parte real de z ,
Re(z) = a, y al valor real b la parte imaginaria, Im(z) = b, es decir, z = Re(z) + i Im(z).
Si la parte imaginaria de z es cero, el complejo es un n umero real y, suele indicarse con z IR. Si la parte
real de z es cero se dice que es imaginario puro y, suele indicarse con z iIR.
El cero en C es el cero real (0, 0) = 0 + i0 = 0.
Proposicion 2.- Sea z C {0}, entonces existe un unico w C tal que zw = 1.
Demostracion:
En efecto, con z = a + ib y w = x + iy, zw = ax by + i(ay + bx) y zw = 1 = 1 + i0 el sistema
_
ax by = 1
bx +ay = 0
tiene solucion unica. Que es cierto, con x =
a
a
2
+b
2
e y =
b
a
2
+b
2
(a
2
+b
2
= 0 pues z = 0).
Si z = a +ib, el inverso se denota por z
1
=
1
z
y viene dado por la expresion z
1
=
a
a
2
+b
2
+i
b
a
2
+b
2
=
aib
a
2
+b
2
.
1.1.1.2 Conjugado de un n umero complejo
Denicion 3.- Sea z = a+ib un complejo, se llama conjugado de z al n umero complejo z = a+i(b) = aib.
Nota: Con la notacion de IR
2
, el conjugado de (a, b) es (a, b) y son simetricos respecto al eje de abcisas (eje
real en el plano complejo).
Propiedades 4.- Sean z, w C, entonces
a) z = z ; z +w = z +w; zw = z w; z
1
= (z)
1
.
b) z = z z = a + i0 IR; z = z z = 0 + ib iIR.
c) z +z = 2 Re(z); z z = i2 Im(z).

1.1.1.3 Modulo de un n umero complejo
Denicion 5.- Sea z = a + ib C. Se denomina m odulo (o norma) de z al valor real |z| = +
a
2
+b
2
.
Nota: Si z es real, z = a + i0 = a, se tiene que |z| = +
a
2
+ 0
2
= +
a
2
= |a| , es decir, el modulo complejo
coincide con el valor absoluto real.
a) |z| 0; |z| = 0 z = 0.
b) |Re(z)| |z| ; |Im(z)| |z| ; |z| |Re(z)| +|Im(z)| .
c) |z| = |z| : |z|
2
= zz ;
1
z
=
z
zz
=
z
|z|
2
.
d) |z +w| |z| +|w| ; |z w|
|z| |w|
.
e) |zw| = |z| |w| ;
z
1
= |z|
1
.

Denicion 7.- Se llama distancia entre z y w al valor real d(z, w) = |z w| .
Del modulo, son inmediatas las propiedades
a) d(z, w) 0; d(z, w) = 0 z = w. b) d(z, w) d(z, t) +d(t, w), t C.
1.1.2 Forma polar de un n umero complejo
Sea z = a +ib = (a, b). Un punto de IR
2
queda perfectamente determinado mediante su distancia al origen |z|
y el angulo que forma con el eje polar (el semieje real positivo).
Denicion 8.- Sea z = x + iy un n umero complejo no nulo. Se llama argumento de z y se designa por
arg(z) a cualquier n umero real que verique que
z = x + iy = |z| cos + i |z| sen = |z| (cos + i sen ).
Se dice entonces que z esta en forma polar (o modulo argumental) y denotarse por z = |z|
.
Como las funciones seno y coseno son periodicas de perodo 2, arg(z) esta determinado salvo m ultiplos de
2; es decir, hay innidad de argumentos de z , pero dos cualesquiera de ellos dieren en m ultiplos de 2. Si
jamos como argumento preferido el arg(z) (, ] , puede obtenerse de
_
arg(z) (, ]
_
=
_
_
arctg
y
x
, si x > 0
+ arctg
y
x
, si x < 0 e y 0
+ arctg
y
x
, si x < 0 e y < 0
2
, si x = 0 e y > 0
2
, si x = 0 e y < 0.
arctg
y
x
+ arctg
y
x
+ arctg
y
x
Al argumento que se encuentra dentro del intervalo de tama no 2 elegido como preferente suele denominarse
argumento principal y denotarse por Arg(z). Con este concepto, todos los argumentos de z se pueden describir
mediante: arg(z) = Arg(z) + 2k, k ZZ.
Aunque estamos habituados a manejar el argumento en el intervalo [0, 2) o (0, 2] , es mas usual tomar el
intervalo (, ] o el [, ) como preferente debido sobretodo a:
Operaciones multiplicativas en forma polar 9.- Si z = |z|
y w = |w|
, se cumple que:
a) z = |z|
()
; z
1
= (|z|
1
)
()
.
b) zw = (|z| |w|)
+
;
z
w
= (
|z|
|w|
)
; z
n
= (|z|
n
)
n
.

1.1.2.1 Raices complejas
Proposicion 10.- Un complejo z = 0 tiene n races n-esimas distintas. Si es un argumento de z , son
precisamente
z
1
n
= (|z|
1
n
)
n
+
2k
n
, para k = 0, . . . , n 1.
Demostracion:
Un complejo w es la raz n-esima de z , si se verica que w
n
= z ; es decir, si |w|
n
= |z| y narg(w) = arg(z) =
+ 2k (alguno de los argumentos de z ). Luego |w| = |z|
1
n
y arg(w) =
+2k
n
, con k ZZ; pero con todos
estos argumentos solo se obtienen n n umeros complejos distintos, los mismos que se obtienen tomando los n
valores de k = 0, 1, . . . , n 1. Es decir, existen n, y solo n, complejos distintos que son races n-esimas de z ,
que son
z
1
n
=|z|
1
n
_
cos
+2k
n
+ i sen
+2k
n
_
, con k = 0, . . . , n 1.
Observacion 11.- Es claro de la prueba anterior que las
races n-esimas de un complejo estan distribuidas re-
gularmente en una circunferencia de radio
n
_
|z| . Por
ejemplo, las races quintas de z = r
3
, son los 5 n umeros
complejos
(i) z
0
=
5
r
15
+
20
5
=
5
r

15
.
(ii) z
1
=
5
r
15
+
21
5
=
5
r 7
15
.
(iii) z
2
=
5
r
15
+
22
5
=
5
r 13
15
.
(iv) z
3
=
5
r
15
+
23
5
=
5
r 19
15
=
5
r 11
15
.
(v) z
4
=
5
r
15
+
24
5
=
5
r 25
15
=
5
r 5
15
.
que quedan distribuidos como en la gura aneja.
z =r
3
z
0
=
5
r
15
z
1
=
5
r 7
15
z
2
=
5
r 13
15
z
3
=
5
r 19
15
z
4
=
5
r 25
15
s
s
s
s
s
s
1.1.2.2 La exponencial compleja
Denicion 12.- Si z = a + ib, se dene la exponencial compleja por e
z
= e
a
(cos b + i sen b)
Proposicion 13.- Se verican las siguientes propiedades:
a) Si z = a IR, entonces e
z
= e
a+i0
= e
a
(cos 0 + i sen 0) = e
a
y la exponencial compleja coincide con la
exponencial real.
b) Si z = ib iIR, entonces e
ib
= e
0+ib
= e
0
(cos y + i sen y) = cos y + i sen y.
Entonces, si z = a + ib, se tiene que e
z
= e
a
e
ib
.
c) |e
z
| = |e
a
| |e
iy
| = e
a
|cos y + i sen y| = e
a
_
cos
2
y + sen
2
y = e
a
.
De donde e
z
= 0, para todo z C.
d) e
z
= e
z
, (e
z
)
1
= e
z
y e
z+w
= e
z
e
w
, para todo z, w C.
e) e
z
es periodica de perodo 2i y si e
z
= e
w
, entonces z w = 2ki, con k ZZ.
Nota: Si z = 0, puede escribirse como z = |z| e
i Arg(z)
que se denomina forma exponencial de z .
Denicion 14.- Sea z un n umero complejo no nulo. Se dice que un n umero complejo w es un logaritmo de
z , y se escribe w = log z , cuando e
w
= z .
Proposicion 15.- Sea z un n umero complejo no nulo, los logaritmos de z son todos los commplejos
log(z) = ln |z| + i arg(z) (uno por cada argumento de z )
Al valor Log(z) = ln |z| +i Arg(z) que se le llama logaritmo principal de z y cualquiera de los otros logaritmos
de z se obtienen de: log(z) = Log(z) + 2ki, k ZZ.
1.1.3 Ejercicios
1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binomica:
i
1
;
2 + i
2i
;
2 i
1 + i
+ i;
5
(1 i)(2 i)(i 3)
; i
344
+ (i)
231
;
(1 + i)
5
+ 1
(1 i)
5
1
;
6 Matematicas I : Preliminares 1.2 Polinomios
1.2 Usar, cuando sea posible, las propiedades del modulo para calcular:
i
1
2 + i
2i
2 i
1 + i
+ i
5
(1 i)(2 i)(i 3)
i
344
(i)
231
i(1 + i)
5
2(1 i)
5
;
1.3 Expresar en forma exponencial, z = |z| e
i arg(z)
, los complejos siguientes:
a) 8 b) 1 i c) (
3+i
2
)
3
d)
_
4 cos(
2
) + 4i sen(
2
)
_
2
1.4 Expresar en forma binomica los complejos siguientes (tomar Arg(z) (, ] ):
a)
2 e
i
b) e
1i
2
c) ie
i
7
4
d) Log(i
3
) e) Log(2e
1+i
3
)
1.5 Hallar todos los valores complejos de:
a) i
1
2
b) 8
1
6
c) (1)
1
3
d) (
3 + i)
3
5
e)
_
4 cos(
2
3
) + 4i sen(
2
3
)
_
3
4
1.6 Si se sabe que 1 + i es una raz c ubica de z , hallar z y las demas races.
1.7 Describir geometricamente las regiones del plano complejo:
a) |z i| = 1 b)
z
2
= 4 c) 0 Arg z

2
d) z = z
e) z = z f) Im(z) 0 g) Re(z) > 2 h) Re(z) + Im(z) = 1
1.8 Que valores de z verican que |z + 1| < |z i| ?
1.9 Resolver las ecuaciones:
a) z
4
+ 2 = 0 b) z
2
+ 2z i = 0 c)
z
3
2
+ (i + 1)z
2
(2 i)z = 0
d) z
3
= 1 e) z
6
= iz f) z
4
+ (3 2i)z
2
= 6i
1.10 Hallar los z para los que
a) e
z
IR b) Re(e
z
)=0 c) |e
iz
| <1 d) e
z
=1 e) e
2z
=i f) e
z
=e
z
1.11 Resolver la ecuacion z
4
= z .
1.12 Probar que son ciertas las siguientes desigualdades: |a +bi| |a| +|b|
2 |a +bi| .
1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposicion 13.
1.2 Polinomios
1.2.1 Introduccion. Nociones basicas
Los conjuntos de n umeros Q, IR y C, verican que la suma y el producto son operaciones internas, es decir la
suma o producto de racionales es racional, de reales es real y de complejos es compleja. Ademas, en ellos existe
inverso para la suma y para el producto (resta y division tambien internas).
A los conjuntos con este tipo de caractersticas se les denomina cuerpos (a los conjuntos de arriba se les
dice cuerpos conmutativos pues el producto es comnutativo, ab = ba) y se usan como conjuntos de n umeros (o
escalares) asociados a otros elementos: los polinomios, las matrices, los vectores, . . . .
En esta seccion, formalizaremos los conocidos polinomios e investigaremos algunas de sus propiedades y
tambien entenderemos el signicado del cuerpo asociado.
Denicion 16.- Se llama polinomio en la indeterminada X y con coecientes en un cuerpo conmutativo IK,
a toda expresion formal del tipo siguiente:
a
0
+a
1
X +a
2
X
2
+... +a
n
X
n
, siendo a
0
, a
1
, . . . , a
n
elementos de IK
Los n umeros a
0
, . . . , a
n
son los coecientes del polinomio, y de cada sumando a
i
X
i
se dice el termino de
grado i o monomio de grado i del polinomio. Al conjunto de todos los polinomios en la indeterminada X con
coecientes en IK lo denotamos por IK[X] :
IK[X] =
_
a
0
+a
1
X + +a
n
X
n
: i, a
i
IK
_
Nosotros trabajaremos generalmente con IK = IR o IK = C (y alguna vez con IK = Q). As:
IR[X] =
_
a
0
+a
1
X + +a
n
X
n
: a
i
IR
_
es el conjunto de los polinomios reales (con coecientes reales),
C[X] =
_
a
0
+a
1
X + +a
n
X
n
: a
i
C
_
es el de los polinomios complejos (con coecientes complejos),
Q[X] =
_
a
0
+a
1
X+ +a
n
X
n
: a
i
Q
_
es el de los polinomios con coecientes racionales, . . .
Notar que por ser Q IR C tambien Q[X] IR[X] C[X] .
La letra X no representa ning un valor, no es una variable ni una incognita: es un mero soporte para el ex-
ponente (recordemos, polinomio=expresion formal). En otras palabras lo realmente signicativo del polinomio,
es la sucesion ordenada de sus coecientes. As:
3 + 8X 9X
2
(3, 8, 9, 0, 0, . . .)
8X 9X
2
+ 3 (3, 8, 9, 0, 0, . . .)
3 + 8X
2
9X
5
(3, 0, 8, 0, 0, 9, 0, 0, . . .)
X (0, 1, 0, 0, 0, . . .)
12 (12, 0, 0, 0, 0, . . .)
Es util abreviar la escritura de todos los terminos usando la notacion del sumatorio
P(X) = a
0
+a
1
X +... +a
n
X
n
=
n
i=0
a
i
X
i
(por convenio, X
0
= 1)
Denicion 17.- Sea P(X) =
n
i=0
a
i
X
i
un polinomio. Si a
n
= 0, diremos que P(X) tiene grado n, Es decir, el
mayor exponente de X que tenga coeciente no nulo. Y lo denotaremos por gr(P) = n.
Los polinomios de grado cero son de la forma P(X) = c, con c IK y c = 0. Al polinomio cero, P(X) = 0,
no se le asigna ning un grado.
Denicion 18.- Diremos que dos polinomios son iguales si tienen el mismo grado y los coecientes de cada
termino son iguales. Es decir, si P(X) =
n
i=0
a
i
X
i
y Q(X) =
m
i=0
b
i
X
i
, entonces:
P(X) = Q(X) n = m y i, a
i
= b
i
.
Expresiones tales como X
2
12 = X+5 son pues absurdas, como lo sera escribir 5 = 18, ya que ambos polinomios
son distintos.
Ejemplo 19 Encontrar a, b, c, tales que 3X + 5X
2
+ 12X
4
= (a + 1)X + 5X
2
+ 2cX
4
+ (2a +b)X
6
.
Para que coincidan deben tener la misma sucesion de coecientes, es decir,
3X + 5X
2
+ 12X
4
(0, 3 , 5, 0, 12, 0, 0 , 0, . . ., 0, . . .),
(a + 1)X + 5X
2
+ 2cX
4
+ (2a +b)X
6
(0, a + 1, 5, 0, 2c, 0, 2a +b, 0, . . ., 0, . . .),
deben ser iguales. Igualando coeciente a coeciente se obtiene el sistema de ecuaciones:
_
_
0 = 0
3 = a + 1
5 = 5
0 = 0
12 = 2c
0 = 2a + b
0 = 0

=
_
3 = a + 1
12 = 2c
0 = 2a + b
=
_
a = 2
c = 6
b = 2a
=
_
a = 2
c = 6
b = 4

1.2.1.1 Operaciones en IK[X]
Sean P(X) =
n
i=0
a
i
X
i
y Q(X) =
m
i=0
b
i
X
i
polinomios de IK[X]
Denicion 20.- Llamaremos suma de los polinomios P y Q al polinomio P +Q, obtenido de:
P(X) +Q(X) =
_
n
i=0
a
i
X
i
_
+
_
m
i=0
b
i
X
i
_
=
m ax{n,m}
i=0
(a
i
+b
i
)X
i
Si, m > n, entonces a
n+1
= a
n+2
= = a
m
= 0, es decir, completamos con coecientes cero.
Nota: gr(P +Q) max{gr(P), gr(Q)}
Ejemplo Para P(X) = 3 + 6X
2
5X
4
y Q(X) = 2 8X 6X
2
+ 7X
6
, se tiene
P +Q=
_
3 + 6x
2
5X
4
_
+
_
2 8X 6X
2
+ 7X
6
_
=
_
3 + 0X + 6X
2
+ 0X
3
5X
4
+ 0X
5
+ 0X
6
_
+
_
2 8X 6X
2
+ 0X
3
+ 0X
4
+ 0X
5
+ 7X
6
_
= (3 + 2) + (0 8)X + (6 6)X
2
+ (0 + 0)X
3
+ (5 + 0)X
4
+ (0 + 0)X
5
+ (0 + 7)X
6
= 5 8X + 0X
2
+ 0X
3
5X
4
+ 0X
5
+ 7X
6
= 5 8X 5X
4
+ 7X
6
.
y podemos comprobar que gr(P +Q) max{gr(P), gr(Q)} = max{4, 6} = 6.
Denicion 21.- Llamaremos producto de los polinomios P y Q al polinomio P Q, obtenido de:
P(X) Q(X) =
_
n
i=0
a
i
X
i
__
m
i=0
b
i
X
i
_
=
n+m
i=0
c
i
X
i
, donde c
i
=
i
k=0
a
k
b
ik
Nota: gr(P Q) = gr(P) + gr(Q).
Observaciones:
El neutro de la suma es el polinomio cero P(X) = 0 y del producto el polinomio 1, P(X) = 1.
El inverso para la suma: de P(X) es (1)P(X) = P(X).
No hay inversos para el producto: si el polinomio P(X) = X tuviera un inverso Q(X), tendra que ocurrir
que P(X)Q(X) = 1. Pero entonces 0 = gr(1) = gr(P Q) = 1 + gr(Q) 1.
Se cumplen las propiedades asociativas y distributivas.
Si P(X) = 0 y P(X)Q(X) = 0, entonces Q(X) = 0.
En efecto, si fuera gr(Q) = 0 con Q(X) = k = 0, entonces P(X)Q(X) = kP(X) = 0 (absurdo); y si
gr(Q) > 0, entonces gr(PQ) > 0 y P(X)Q(X) = 0 (tambien absurdo), luego Q(X) = 0.
Si P(X) = 0 y P(X)Q(X) = P(X)R(X), entonces Q(X) = R(X). (Inmediata de la anterior.)
1.2.2 Division eucldea de polinomios. Divisibilidad y factorizacion
El conjunto IK[X] tiene en muchos aspectos una profunda semejanza con el conjunto ZZ de los enteros (algebrai-
camente tienen la misma estructura, ambos son anillos conmutativos). Repasamos brevemente algunos hechos
basicos que ocurren en ZZ, para despues hacer el estudio paralelo en IK[X] .
Dados a, b ZZ, b = 0 existen q, r ZZ unicos tal que a = qb + r con 0 r < |b| (la divisi on entera o
eucldea, con q y r el cociente y el resto).
Dados a, b ZZ, se dice que b divide a a (o que a es m ultiplo de b) si existe c ZZ tal que a = bc.
Se escribe b | a y signica que el resto de la division entera de a entre b es 0.
Si a, b ZZ, se llama m aximo comun divisor de a y b, mcd(a, b), a un entero d tal que: d | a y d | b y
es el mayor, es decir, para cualquier otro ZZ tal que | a y | b entonces | d.
mcd(a, b) = mcd(a, b) = mcd(b, a).
El Algortmo de Euclides permite calcular el mcd(a, b) sin necesidad de utilizar la descomposicion de
a y b en factores.
La realizacion practica del algoritmo se dispone as:
q
1
q
2
q
3
q
n1
q
n
q
n+1
a b r
1
r
2
r
n2
r
n1
r
n
r
1
r
2
r
3
r
n1
r
n
0
a = bq
1
+r
1
b = r
1
q
2
+r
2
r
1
= r
2
q
3
+r
3

r
n1
= r
n
q
n+1
+ 0
donde q
i
y r
i
son respectivamente los cocientes y restos de las divisiones, y r
n
= mcd(a, b).
La conclusion es correcta, pues por ser a = q
1
b +r
1
y d un divisor de a y b, a y b se descomponen en
a = da
1
y b = db
1
, luego r
1
= a bq
1
= da
1
db
1
q
1
= d(a
1
b
1
q
1
) y d divide a r
1
. Luego cualquier
divisor de a y b lo es tambien de b y r
1
. Analogamente b = q
2
r
1
+ r
2
y por el mismo proceso los
divisores de b y r
1
tambien lo son de r
1
y r
2
. El proceso es mcd(a, b) = mcd(b, r
1
) = mcd(r
1
, r
2
) =
= mcd(r
n1
, r
n
) = r
n
pues r
n
| r
n1
y r
n
| r
n
.
Un elemento p ZZ se dice irreducible si los unicos enteros que lo dividen son 1, 1, p y p. A los
enteros irreducibles positivos se los llama n umeros primos. El 1 no suele considerarse primo.
Todo n umero entero n admite una descomposicion unica (salvo el orden de los factores) de la forma
n = (1)p
t
1
1
p
t
2
2
p
t
r
r
con p
i
n umero primo i.
Ejemplo El mcd(711, 243) = 9 y el mcd(300, 432) = 12 pues
2 1 12 2
711 243 225 18 9
225 18 9 0
1 3 3 1 2
300 432 132 36 24 12
132 36 24 12 0
1.2.2.1 Division entera o eucldea de polinomios
Regresemos de nuevo a IK[X] , y veamos que podemos encontrar resultados bastante analogos:
Denicion 22.- Dados P(X) y Q(X) con Q(X) = 0, existen dos unicos polinomios C(X) y R(X) tales que:
P(X) = C(X) Q(X) +R(X), siendo R(X) = 0 o gr(R) < gr(Q).
Si R(X) = 0, se dice que Q(X) divide a P(X) y se escribe Q(X) | P(X). Tambien se dice que Q(X) es un factor
de P(X) (de P(X) = C(X) Q(X), claramente).
Nota: El metodo de division de polinomios es el conocido por los alumnos. Los polinomios constantes, de grado
cero, dividen a todos los polinomios y el polinomio cero es m ultiplo de cualquiera.
Denicion 23.- Se dice que D(X) es un maximo com un divisor de P(X) y Q(X) si se verica que D(X) | P(X)
y D(X) | Q(X) y es el mayor, es decir, si para cualquier otro (X) IK[X] tal que (X) | P(X) y (X) | Q(X)
entonces (X) | D(X).
El mcd de dos polinomios esta determinado salvo un factor constante. En particular, puede elegirse un
mcd m onico (coeciente del termino de mayor grado 1) que con esta condicion adicional es unico.
Denicion 24.- Un polinomio P(X) de grado n > 0 se dice reducible en IK[X] si existen Q(X) y C(X)
polinomios no constantes de IK[X] tales que P(X) = Q(X)C(X).
Si no es reducible en IK[X] , se dice irreducible en IK[X] .
Observaciones:
Si Q(X) y C(X) reducen a P(X), entonces 0 < gr(Q) < gr(P) y 0 < gr(C) < gr(P).
En consecuencia, los polinomios de grado 1 son siempre irreducibles.
Las constantes no se consideran irreducibles.
Un polinomio es o no irreducible en IK[X] . As, X
2
+ 1 es irreducible en IR[X] mientras que no lo es en
C[X] , pues X
2
+ 1 = (X i)(X + i).
Si Q(X) | P(X), entonces kQ(X) | P(X), para todo kIK. Por ello suele trabajarse con divisores monicos.
El Algoritmo de Euclides es valido en IK[X] para obtener el maximo com un divisor de dos polinomios.
Teorema 25.- Todo polinomio P(X) IK[X] admite en IK[X] una descomposicion unica en la forma
P(X) = k
_
Q
1
(X)
_
m
1
_
Q
2
(X)
_
m
2

_
Q
r
(X)
_
m
r
donde k IK y los Q
i
(X) son polinomios irreducibles monicos.
1.2.2.2 Raz de un polinomio
Dado un polinomio P(X) = a
0
+ a
1
X + + a
n
X
n
IK[X] y IK, denotaremos por P() al resultado de
efectuar en IK los calculos: a
0
+a
1
+ +a
n
n
.
Denicion 26.- Se dice que IK es una raz del polinomio P(X) IK[X] si P() = 0.
Teorema 27.- IK es raz de P(X) (X ) | P(X).
Demostracion:
Siempre podemos dividir P(X) entre X y su division entera es P(X) = C(X) (X) +R(X) donde R(X) = 0
o gr(R(X)) < gr(X ) = 1, es decir R(X) es cero o es una constante distinta de cero luego R(X) = k IK
y tenemos que: P(X) = C(X) (X ) + r, luego P() = C() ( ) + r = r. Como P() = r se puede
concluir que
P() = 0 r = 0 P(X) = C(X) (X ) (X ) | P(X)
Corolario 28.- Un polinomio, de grado mayor que 1, irreducible en IK[X] no tiene races en IK.
Nota: El resultado inverso si no tiene races en IK entonces es irreducible en IK[X] no es cierto. Por ejemplo,
en IR[X] , el polinomio X
4
+ 5X
2
+ 4 = (X
2
+ 1)(X
2
+ 4) es reducible, pero no tiene races en IR.
La condicion de grado mayor que 1 es obvia, pues los polinomios de grado uno aX + b son siempre
irreducibles y siempre tienen una raz.
Denicion 29.- Diremos que IK es una raz de multiplicidad m del polinomio P(X) IK[X] , si se cumple
que P(X) = (X )
m
Q(X), con Q() = 0.
Lema 30.- Sea P(X) = Q(X)R(X). Si IK es raz de P(X) con multiplicidad m y Q() = 0 (no es raz de
Q(X)), entonces es raz de R(X) con multiplicidad m.

Teorema 31.- Un polinomio de grado n posee, a lo mas, n races (contadas con sus multiplicidades).
Demostracion:
En efecto, si P(X) tiene r races
1
,
2
, . . . ,
r
, de multiplicidades respectivas m
1
, m
2
, . . . , m
r
, en-
tonces P(X) = (X
1
)
m
1
(X
2
)
m
2
(X
r
)
m
r
Q(X), por el Lema 30 anterior. Luego n = gr(P(X)) =
m
1
+m
2
+ +m
r
+ gr(Q(X)), por lo que el n umero de raices, m
1
+m
2
+ +m
r
, es a lo mas n.
Corolario 32.- Un polinomio de grado n con n + 1 races es el polinomio 0.
1.2.2.3 Factorizaci on de polinomios de coecientes complejos
El siguiente resultado (que no es elemental) aporta la informacion necesaria:
Teorema fundamental del Algebra 33.- Todo polinomio con coecientes complejos, de grado mayor o igual
que uno posee al menos una raiz compleja.
Corolario 34.- En C[X] :
Un polinomio de grado n tiene n races (contadas con sus multiplicidades).
Todo polinomio de grado n 1 se descompone en producto de n factores de grado 1.
Los unicos polinomios irreducibles son los de grado 1.
Ejemplos
4X
2
8X + 13 = 4
_
X (1 +
3
2
i)
__
X (1
3
2
i)
_
1
2
X
4
+ 8 =
1
2
(X
4
+ 16) =
1
2
(X 2e
i
4
)(X 2e
i
3
4
)(X 2e
i
3
4
)(X 2e
i
4
)
1.2.2.4 Factorizaci on de polinomios en IR[X]

Puesto que IR C, un polinomio de IR[X] puede mirarse como perteneciente a C[X] , y se descompone en
factores lineales en C[X] . Ahora bien, estos factores puede que no pertenezcan todos ellos a IR[X] .
Lema 35.- Sea P(X) =
n
i=0
a
i
X
i
IR[X] . Si es una raz compleja (y no real) de P(X), entonces tambien
es raz de P(X), y con la misma multiplicidad que .

Nota: Los polinomios de grado 2 formados como en la demostracion del lema anterior (por (X )(X ) con
no real), son irreducibles en IR[X] .
Teorema 36.- Todo polinomio de coecientes reales y grado mayor o igual que 1 se descompone en IR[X] como
producto de factores irreducibles de grado 1 o de grado 2.
Nota: La factorizacion del polinomio as obtenida es unica (por la unicidad de la factorizacion compleja):
P(X) = a
n
(X
1
)
m
1
(X
r
)
m
r
(X
2
+c
1
X +d
1
)
n
1
(X
2
+c
t
X +d
t
)
n
t
donde
i
IR son las races reales, y los coecientes reales de los polinomios de grado 2 se obtienen con
c
j
= (
j
+
j
) y d
j
=
j
j
, de las races
j
y
j
complejas de P(X).
Corolario 37.- Un polinomio real de grado impar tiene al menos una raz real.
1.2.2.5 Factorizaci on de polinomios de coecientes racionales
Sea P(X) =
n
i=0
m
i
n
i
X
i
un polinomio de Q[X] . Entonces, si m
es el mnimo com un m ultiplo de los denominadores

n
i
, el polinomio P
(X) = m
P(X) tiene todos sus coecientes enteros, y las mismas races que P(X).
En consecuencia, basta estudiar las races de un polinomio de coecientes enteros:
Teorema 38.- Sea P(X) = a
0
+a
1
X + +a
n1
X
n1
+a
n
X
n
un polinomio con a
i
ZZ, i. Entonces,
1.- Si P(X) posee una raz ZZ, entonces | a
0
.
2.- Si P(X) posee una raz =
p
q
Q, entonces p | a
0
y q | a
n
.
(La expresion de =
p
q
debe estar simplicada al maximo, es decir, mcd(p, q) = 1.)

Nota: La utilidad del teorema estriba en que se puede construir una lista de candidatos a races y basta comprobar
si cada uno de ellos es o no raz del polinomio.
Ejemplo Hallar las races racionales del polinomio P(X) = 7X
4
+
95
4
X
3
+
41
4
X
2
20X 3.
Buscamos las races racionales de Q(X) = 4P(X) = 28X
4
+ 95X
3
+ 41X
2
80X 12.
Como 12 = 2
2
3, sus divisores son 1, 2, 3, 4 (2
2
), 6 (2 3) y 12 (2
2
3) y los negativos 1, 2, 3, 4,
6 y 12.
Comprobamos si Q(1) = 0, si Q(2) = 0, si Q(1) = 0, etc. Si lo hacemos usando la division por Runi,
tenemos ademas la descomposicion del polinomio
28 95 41 80 12
2 + 56 78 74 12
28 39 37 6 0= Q(2)
y se tiene Q(X) = (X + 2)(28X
3
+ 39X
2
37X 6)
Buscamos ahora las races de Q
1
(X) = 28X
3
+ 39X
2
37X 6, y la lista de candidatos se reduce a 1,
2, 3 y 6 (desaparecen 4 y 12)
28 39 37 6
2 + 56 34 6
28 17 3 0= Q
1
(2)
y se tiene Q(X) = (X + 2)
2
(28X
2
17X 3)
Buscamos ahora las races de Q
2
(X) = 28X
2
17X 3, y la lista de candidatos se reduce a 1 y 3.
Ninguno de ellos es raz, por lo que buscamos las races fraccionarias:
Como 28 = 2
2
7, sus divisores positivos son 1, 2, 7, 4, 14 y 28. Las posibles races racionales de Q
2
son:
1
2
,
1
4
,
1
7
,
1
14
,
1
28
,
3
2
,
3
4
,
3
7
,
3
14
y
3
28
(son todas distintas y estan simplicadas al maximo).
28 17 3
1
7
+ 4 3
28 21 0= Q
2
(
1
7
)
y se tiene Q(X) = (X + 2)
2
(X +
1
7
)(28X 21)
Luego la descomposicion nal es: Q(X) = 28(X + 2)
2
(X +
1
7
)(X
3
4
).
(Por supuesto, como el polinomio Q
2
es de grado 2, es mas facil y sencillo obtener sus races de la manera
habitual =
17
(17)
2
4(3)28
228
.)
Nota: Para evaluar un polinomio real a mano o con calculadora, es muy util reescribirlo de manera que se pueda
hacer con sumas y productos sucesivos, sin almacenaje. Por ejemplo,
P(X) =a
4
X
4
+a
3
X
3
+a
2
X
2
+a
1
X +a
0
= (a
4
X
3
+a
3
X
2
+a
2
X +a
1
)X +a
0
= ((a
4
X
2
+a
3
X +a
2
)X +a
1
)X +a
0
= (((a
4
X +a
3
)X +a
2
)X +a
1
)X +a
0
y basta realizar las operaciones, sucesivamente de dentro a fuera.
Descomposicion en fracciones simples Dados P(X), Q(X) IK[X] , se considera la fraccion racional
P(X)
Q(X)
.
Se dice que esta simplicada, si P(X) y Q(X) no tienen divisores comunes (salvo las constantes), es decir,
considerando los divisores monicos, mcd(P(X), Q(X)) = 1.
Las fracciones racionales reales y complejas admiten una expresion equivalente que es suma de fracciones
racionales mas simples que simplican su manejo. El proceso para encontrar dicha expresion se denomina des-
composici on en fracciones simples (de esta manera se usa en integracion, series de potencias, variable compleja,
etc.).
Supondremos que la fraccion
P(X)
Q(X)
esta simplicada y gr(P(X)) < gr(Q(X)). De no ser as, podremos hacer:
Si
P(X)
Q(X)
y mcd(P(X), Q(X)) = D(X) = 1, la expresion equivalente
P(X)/D(X)
Q(X)/D(X)
esta simplicada.
Si gr(P(X)) gr(Q(X)), entonces
P(X)
Q(X)
= C(X) +
R(X)
Q(X)
, con gr(R(X)) < gr(Q(X)).
y obtener una fraccion que s lo cumple.
Consideremos la descomposicion de Q (eliminamos el soporte X del nombre de los polinomios, por como-
didad) en producto de polinomios monicos irreducibles: Q = Q
m
1
1
Q
m
2
2
Q
m
r
r
. En C[X] , todos los polinomios
irreducibles son de grado 1 luego los Q
i
son de grado 1, es decir, Q
i
(X) = X
i
. Pero en IR[X] , los poli-
nomios irreducibles pueden ser de grado 1 o de grado 2, es decir, de la forma Q
i
(X) = X a
i
o de la forma
Q
i
(X) = X
2
+b
i
X +c
i
.
Se plantea entonces la fraccion
P
Q
como suma de un cierto n umero de fracciones: por cada factor Q
i
se
tendran m
i
sumandos, en la forma
+
T
i1
Q
i
+
T
i2
Q
2
i
+ +
T
ij
Q
j
i
+ +
T
im
i
Q
m
i
i
+
donde gr(T
ij
) < gr(Q
i
). Entonces,
En C[X] , todos los numeradores son T
ij
(X) = t
ij
C.
En IR[X] , los numeradores son T
ij
(X) = t
ij
IR si Q
i
(X) = X a
i
(si Q
i
es de grado 1) y de la forma
T
ij
(X) = p
ij
X +q
ij
IR[X] si Q
i
(X) = X
2
+b
i
X +c
i
(de grado 2).
Para determinar los coecientes de los numeradores se realiza la suma indicada, poniendo como denominador
com un Q
m
1
1
Q
m
r
r
, es decir, Q. El polinomio obtenido en el numerador, se iguala a P y, de esta igualdad de
polinomios, se extrae el sistema de ecuaciones que nos permite obtener los valores concretos: este sistema tiene
siempre soluci on unica.
El n umero de incognitas es siempre igual al gr(Q) y como el polinomio obtenido en el numerador al sumar
es (inicialmente) de grado gr(Q) 1 tambien tiene gr(Q) coecientes. Luego el sistema de ecuaciones tiene
gr(Q) ecuaciones y gr(Q) incognitas. (Ver ejercicio 19)
Ejemplo 39 Sea
P(X)
Q(X)
=
X
3
+X
2
+3
X
3
(X1)(X
2
+1)
2
.
En IR[X] , Q(X) = X
3
(X 1)(X
2
+ 1)
2
, pero en C[X] , Q(X) = X
3
(X 1)(X i)
2
(X + i)
2
. Luego
X
3
+ X
2
+ 3
X
3
(X 1)(X
2
+ 1)
2
=
t
11
X
+
t
12
X
2
+
t
13
X
3
+
t
21
X 1
+
p
31
X +q
31
X
2
+ 1
+
p
32
X +q
32
(X
2
+ 1)
2
en IR[X] , siendo t
ij
, p
ij
, q
ij
IR. Y en C[X] , con los valores t
ij
C, se tiene
X
3
+ X
2
+ 3
X
3
(X 1)(X i)
2
(X + i)
2
=
t
11
X
+
t
12
X
2
+
t
13
X
3
+
t
21
X 1
+
t
31
X i
+
t
32
(X i)
2
+
t
41
X + i
+
t
42
(X + i)
2
Para calcular los coecientes en el caso de IR[X] , hacemos:
P
Q
=
a
X
+
b
X
2
+
c
X
3
+
d
X 1
+
eX +f
X
2
+ 1
+
gX +h
(X
2
+ 1)
2
=
aX
2
+bX+c
X
3
+
d
X 1
+
eX
3
+fX
2
+ (e+g)X +f +h
(X
2
+ 1)
2
=
(aX
2
+bX+c)(X1)(X
2
+1)
2
+dX
3
(X
2
+1)
2
+ (eX
3
+fX
2
+(e+g)X+f +h)(X1)X
3
X
3
(X 1)(X
2
+ 1)
2
_
=
C(X)
Q(X)
_
=
(a+d+e)X
7
+(ba+fe)X
6
+(cb+2a+2d+e+gf)X
5
+(2b2ac+f+heg)X
4
+(a2b+2c+dfh)X
3
+(ba2c)X
2
+(cb)Xc
X
3
(X1)(X
2
+1)
2
e igualando los coecientes de P(X) = 0X
7
+0X
6
+0X
5
+0X
4
+X
3
+X
2
+0X +3 con los del polinomio construido
C(X), se obtiene el sistema (1) de 8 ecuaciones y 8 incognitas con solucion unica.
Tambien puede construirse un sistema equivalente obligando a que ambos polinomios coincidan en 8 valores
(uno mas que el grado), pues si P(
i
) = C(
i
) para
1
, . . . ,
8
todas distintas, el polinomio P(X) C(X) tiene
8 races y, por el corolario 32, es el polinomio 0; luego P(X) = C(X). Por ejemplo, podemos construir un sistema
a partir de (2):
(1)
_
_
0 = a +d +e
0 = b a +f e
0 = c b + 2a + 2d +e +g f
0 = 2b 2a c +f +h e g
1 = a 2b + 2c +d f h
1 = b a 2c
0 = c b
3 = c
(2)
_
_
3=P(0) =C(0)
5=P(1) =C(1)
3=P(1)=C(1)
15=P(2) =C(2)
1=P(2)=C(2)
39=P(3) =C(3)
15=P(3)=C(3)
83=P(4) =C(4)
1.2.3 Ejercicios
1.14 Encontrar las races de P(X) = X
3
2X
2
5X + 6 y Q(X) = 2X
5
5X
3
+ 2X en IR[X] , y sus expresiones
factorizadas. Hacerlo tambien en Q[X] .
1.15 Probar que el polinomio X
2
+ 2X + 2 divide a P(X) = X
4
+ 4, y obtener de ello todas las races de P(X)
en C[X] , as como su expresion factorizada en IR[X] .
1.16 Sean P(X) = X
5
+ 3X
4
+ 3X
3
+ 3X
2
+ 2X y Q(X) = X
3
3X
2
+ X 3 dos polinomios de coecientes reales.
a) Usar el algoritmo de Euclides para hallar su maximo com un divisor.
b) Encontrar su mnimo com un m ultiplo.
c) Factorizar ambos polinomios en IR[X] .
d) Cuales son sus factorizaciones en C[X] ?
1.17 Calcular el polinomio real monico, maximo com un divisor de X
19
9X
18
+ 21X
17
+ X
16
30X
15
y
X
4
6X
3
16X
2
+ 54X + 63
Que races tienen en com un? Podemos usar esto para obtener todas las races de ambos polinomios?
Son todas sus races reales?
1.18 Cuantos polinomios reales de grado 2 que tengan por races el 0 y el 1 hay? Cual es su expresion?
1.19 El polinomio, P(X), de coecientes reales y grado 3, tiene a 1 y 1 por races. Puede asegurarse que la
tercera raz es tambien real?
Si P(0) = 1, cual sera la tercera raz de P ?
1.20 Resolver la ecuacion 2x
4
x
3
4x
2
+ 10x 4 = 0 sabiendo que 1 i es una de las races del polinomio
asociado.
1.21 Probar que si es una raz de multiplicidad 5 del polinomio P , entonces es una raz de multiplicidad
4 de P
(el polinomio derivado de P ).

1.22 Encontrar la multiplicidad de la raz r:
a) r = 2, en X
5
5X
4
+ 7X
3
2X
2
+ 4X 8.
b) r = 2, en X
5
+ 7X
4
+ 16X
3
+ 8X
2
16X 16.
c) r = 1, en X
5
5X
4
+ 7X
3
2X
2
+ 4X 5.
1.23 Sea P(X) = (1 X)
_
X(X + a)(X 1 b) (a + X)(a aX + ba)
_
. Hallar todas las races y estudiar su
multiplicidad en funcion de los valores de los parametros a y b.
1.24 Sea la matriz A =
_
_
a a 0
a a 0
b 0 2b
_
_
. Encontrar las races, y su multiplicidad en funcion de los valores de
los parametros a y b, del polinomio P(X) = det(XI A).
1.25 Expresar como suma de fracciones simples los cocientes siguientes, sin hallar los valores de los coecientes:
a)
X
2
+1
X
4
6X
3
16X
2
+54X+63
b)
X5
(X1)(X
3
1)
c)
X+5
2X
4
X
3
4X
2
+10X4
d)
X
2
+2
X
5
+7X
4
+16X
3
+8X
2
16X16
e)
X
3
3X
2
+X3
X
5
+3X
4
+3X
3
+3X
2
+2X
f)
X
5
+3X
4
+3X
3
+3X
2
+2X
(X
3
3X
2
+X3)
3
(Nota: Todos los polinomios de aqu aparecen en alguno de los ejercicios anteriores.)
Tema 2
Matrices y sistemas lineales
2.1 Deniciones basicas
Una matriz es una tabla rectangular de n umeros, es decir, una distribucion ordenada de n umeros. Los
n umeros de la tabla se conocen con el nombre de elementos de la matriz. El tama no de una matriz
se describe especicando el n umero de las y columnas que la forman. Si A es una matriz de m las y
n columnas, A
mn
, se usara a
ij
para denotar el elemento de la la i y la columna j y, en general, se
representara por
A = (a
ij
) 1im
1jn
= (a
ij
)
mn
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
.
Dos matrices son iguales si tienen igual tama no y los elementos correspondientes de ambas matrices iguales.
Una matriz A
nn
(o A
n
) se denomina matriz cuadrada de orden n y de los elementos de la forma a
11
,
a
22
, . . . , a
nn
se dice que forman la diagonal principal. De una matriz A
1n
se dice que es una matriz la
y de una matriz A
m1
que es una matriz columna.
2.1.1 Operaciones con las matrices
Las matrices con las que trabajaremos habitualmente seran matrices reales, es decir que sus elementos sean
n umeros reales. Sin embargo, los resultados y deniciones dados aqu son igualmente validos para el cuerpo de
los complejos.
Suma: Si A y B son dos matrices del mismo tama no, mn, la suma A+B es otra matriz de tama no mn
donde el elemento ij de A + B se obtiene sumando el elemento ij de A con el elemento ij de B. Es decir,
si A = (a
ij
)
mn
y B = (b
ij
)
mn
, entonces A+B = (a
ij
+b
ij
)
mn
.
El neutro de la suma es la matriz cero, 0, con todos sus elementos cero, y la matriz opuesta de A, se
designa por A, y es A = (a
ij
)
mn
.
Producto por escalares: Si A es una matriz mn y k IR un escalar, el producto kA es otra matriz del
mismo tama no donde cada elemento de A aparece multiplicado por k. Es decir, kA = (ka
ij
)
mn
.
Evidentemente, A = (1)A y AB = A+ (B).
Producto de matrices: Si A
mn
y B
np
el producto AB es otra matriz de tama no mp tal que, el
elemento e
ij
de AB se obtiene sumando los productos de cada elemento de la la i de A por el elemento
correspondiente de la columna j de B. Es decir,
e
ij
= F
A
i
C
B
j
=
_
a
i1
a
i2
a
in
_
_
_
_
_
_
b
1j
b
2j
.
.
.
b
nj
_
_
_
_
_
= a
i1
b
1j
+a
i2
b
2j
+ +a
in
b
nj
=
n
k=1
a
ik
b
kj
(lo denotaremos por e
AB
ij
= F
A
i
C
B
j
cuando queramos signicar la la y columna que intervienen).
Observacion:
La denicion dada de producto de matrices requiere que el n umero de columnas de la primera matriz, A, sea
igual que el n umero de las de la segunda matriz, B, puesto que para el calculo de e
ij
ha de haber tantos
elementos en la la i (n umero de columnas de A) como en la columna j (n umero de las de B). En forma
sinoptica con los tama nos (mn) (np) = (mp).
16 Matematicas I : Preliminares 2.1 Deniciones basicas
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
34
_
_
_
_
b
11
b
12
b
13
b
14
b
15
b
21
b
22
b
23
b
24
b
25
b
31
b
32
b
33
b
34
b
35
b
41
b
42
b
43
b
44
b
45
_
_
_
_
45
=
_
_
e
11
e
12
e
13
e
14
e
15
e
21
e
22
e
23
e
24
e
25
e
31
e
32
c
33
e
34
e
35
_
_
35
Nota: Cada elemento de la matriz producto puede obtenerse de manera independiente, por lo que no es necesario
calcularlos todos si solo son necesarios unos pocos. As:
e
AB
ij
= F
A
i
C
B
j
. F
AB
i
= F
A
i
B. C
AB
j
= A C
B
j
.
e
ABC
ij
= F
A
i
C
BC
j
= F
A
i
B C
C
j
.
La matriz cuadrada I = I
n
=
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
, formada por ceros excepto en la diagonal principal que tiene
unos, de llama matriz identidad y es el neutro del producto de matrices (tomada del tama no adecuado). Es
decir, para toda A
mn
se tiene que I
m
A
mn
= A
mn
y A
mn
I
n
= A
mn
.
Propiedades 40.- Suponiendo tama nos adecuados para que las operaciones sean posibles:
a) A+B = B +A (conmutativa de la suma).
b) A+ (B +C) = (A+B) +C; A(BC) = (AB)C (asociativas de la suma y del producto).
c) A(B+C) = AB+AC; (A+B)C = AC +BC (distributivas por la izquierda y por la derecha).
d) a(B +C) = aB +aC; a IR.
e) (a +b)C = aC +bC; a, b IR.
f) a(BC) = (aB)C = B(aC); a IR.
En general, NO es cierto que:
AB = BA
Si AB = 0 tengan que ser A = 0 o B = 0
Si AB = AC necesariamente sea B = C
Ejemplo 41 Con A=
_
0 1
0 2
_
, B=
_
3 7
0 0
_
y C=
_
1 1
0 0
_
tenemos AB=
_
0 0
0 0
_
= BA=
_
0 17
0 0
_
,
es decir AB = BA y AB = 0 con A = 0 y B = 0. Ademas AC = 0 = AB, pero B = C.
2.1.2 Matriz transpuesta

Denicion 42.- Si A es una matriz mn llamamos matriz transpuesta de A a la matriz A
t
de tama no
nm que tiene por las las columnas de A y por columnas las las de A. Es decir, el elemento ij de A
t
coincide con el elemento ji de A.
_
a
11
a
12
a
13
a
21
a
22
a
23
_
t
=
_
_
a
11
a
21
a
12
a
22
a
13
a
23
_
_
Proposicion 43.- Se verican las siguientes propiedades:
1.- (A
t
)
t
= A. 2.- (A+B)
t
= A
t
+B
t
. 3.- (kA)
t
= kA
t
.
4.- (AB)
t
= B
t
A
t
y, en general, (A
1
A
2
A
n
)
t
= A
t
n
A
t
2
A
t
1
.
Demostracion:
Las tres primeras son claras. Veamos la cuarta: e
B
t
A
t
ij
= F
B
t
i
C
A
t
j
= C
B
i
F
A
j
= F
A
j
C
B
i
= e
AB
ji
. Luego
B
t
A
t
= (AB)
t
.
17 Matematicas I : Preliminares 2.2 Sistemas de ecuaciones lineales
2.2 Sistemas de ecuaciones lineales
Denicion 44.- Se denomina ecuacion lineal de n variables (o incognitas), x
i
, aquella ecuacion que puede
expresarse en la forma: a
1
x
1
+a
2
x
2
+ +a
n
x
n
= b, donde los a
i
, b IR.
Una solucion de la ecuacion lineal es un conjunto ordenado de n umeros reales (s
1
, s
2
, . . . , s
n
), tales que
a
1
s
1
+ a
2
s
2
+ + a
n
s
n
= b. Al conjunto de todas las soluciones de una ecuacion se le denomina conjunto
solucion de la ecuacion
Nota: Una ecuacion lineal de 2 variables, ax + by = c, es una representacion analtica de una recta del plano
XY , las soluciones de la ecuacion son cada uno de los puntos de la recta y el conjunto solucion es toda la recta,
todos los puntos de la recta. En una ecuacion lineal no pueden aparecer productos, ni potencias, ni expresiones
trigonometricas, . . . , de las variables.
Denicion 45.- Se denomina sistema de m ecuaciones lineales con n inc ognitas a la reunion de m
ecuaciones lineales sobre las mismas n incognitas, y se escribe en la forma:
_
_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
Una n-upla (s
1
, s
2
, . . . , s
n
) es soluci on del sistema si es solucion de todas y cada una de las ecuaciones.
Ejemplo Consideremos el sistema
_
x +y = 2
2x +y = 5
. El par (7, 9) es la solucion del sistema, pues es solucion
de cada una de las 2 ecuaciones, es decir (ver la nota anterior), es el unico punto com un a las dos rectas.
De lo anterior es evidente que tambien un sistema puede no tener solucion (dos rectas paraleras no tienen
puntos en com un) o innitas (si las dos ecuaciones representan la misma recta).
Si un sistema no tiene solucion, suele decirse que es incompatible; si existe solucion y es unica compatible
determinado y compatible indeterminado si tiene un conjunto innito de soluciones.
Lenguaje matricial de los sistemas de ecuaciones Un sistema de ecuaciones lineales, tambien puede
escribirse como AX = B donde A = (a
ij
)
mn
, X = (x
i
)
n1
y B = (b
j
)
m1
.
AX =
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n

a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
_
_
_
_
_
=
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
= B
La matriz A se denomina matriz de los coecientes, la matriz columna B se denomina matriz de los terminos
independientes y una S = (s
i
)
n1
es solucion de sistema si verica que AS = B.
Ejemplo Para el sistema del ejemplo anterior
_
x +y = 2
2x +y = 5

_
1 1
2 1
__
x
y
_
=
_
2
5
_
; (7, 9) es solucion, pues
_
1 1
2 1
__
7
9
_
=
_
2
5
_

2.2.1 Matrices elementales
Denicion 46.- Llamaremos operacion elemental en las las de las matrices, a las siguientes:
a) Intercambiar la posicion de dos las.
b) Multiplicar una la por una constante distinta de cero.
c) Sumar a una la un m ultiplo de otra la.
Denicion 47.- Se dice que una matriz cuadrada E
nn
es una matriz elemental si se obtiene de efectuar
una sola operacion elemental sobre la matriz identidad I
nn
.
Teorema 48.- Si la matriz elemental E
mm
resulta de efectuar cierta operacion elemental sobre las las de
I
m
y si A
mn
es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operacion
elemental sobre las las de A.

Ejemplo Son matrices elementales las matrices
E
1
=
_
_
0 1 0
1 0 0
0 0 1
_
_
, E
2
=
_
_
1 0 0
0 2 0
0 0 1
_
_
y E
3
=
_
_
1 0 0
0 1 0
3 0 1
_
_
,
que se obtienen de I
3
, intercambiando la primera con la segunda la (F
1
F
2
), multiplicando la segunda la
por 2 (2F
2
) y sumando a la tercera la la primera la multiplicada por 3 (F
3
+ 3F
1
), respectivamente. Y si
A = (a
ij
)
34
, se tiene
E
1
A=
_
_
a
21
a
22
a
23
a
24
a
11
a
12
a
13
a
14
a
31
a
32
a
33
a
34
_
_
, E
2
A =
_
_
a
11
a
12
a
13
a
14
2a
21
2a
22
2a
23
2a
24
a
31
a
32
a
33
a
34
_
_
y
E
3
A=
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
+3a
11
a
32
+3a
12
a
33
+3a
13
a
34
+3a
14
_
_
.
Observacion 49.- Es claro, que una vez realizada una operacion elemental puede deshacerse mediante otra
operacion elemental: as, si intercambiamos la la i con la la j , la operacion elemental que lo deshace es
intercambiar de nuevo la la i con la la j ; si multiplicamos la la i por k = 0 se deshace multiplic andola
de nuevo por
1
k
y si sumamos a la la i la la j multiplicada por k lo deshacemos restando a la la i la la
j multiplicada por k (sumando la la j multiplicada por k). Denotando por E
1
, E
2
y E
1
a las matrices
elementales que deshacen las operaciones elementales dadas por las matrices elementales E
1
, E
2
y E
3
del
ejemplo anterior, tenemos que
E
1
=
_
_
0 1 0
1 0 0
0 0 1
_
_
= E
1
, E
2
=
_
_
1 0 0
0
1
2
0
0 0 1
_
_
y E
3
=
_
_
1 0 0
0 1 0
3 0 1
_
_
.
Entonces, si E
es la matriz elemental que deshace la operacion realizada por E, se tiene que E
(EA) = A.
Teorema 50.- Si E es una matriz elemental, los sistemas AX = B y (EA)X = EB tienen las mismas
soluciones.
Demostracion:
En efecto, si S es solucion del primer sistema, AS = B, luego (EA)S = E(AS) = EB y S es tambien solucion
del segundo. Y viceversa, si (EA)S = EB y E
es la matriz elemental que deshace E, multiplicando en la

igualdad, se tiene: E
(EA)S = E
EB = AS = B.
2.2.2 Metodo de Gauss
El resultado anterior asegura que haciendo sobre el sistema AX = B unicamente operaciones elementales
llegamos a un sistema con las mismas soluciones (sistema equivalente). La b usqueda sistematica de un sistema
equivalente que proporcione las soluciones de manera sencilla se conoce con el nombre de metodo de Gauss:
Mediante operaciones elementales, se hacen ceros en la matriz de coecientes del sistema, para obtener una
matriz escalonada, con ceros por debajo de la escalera. Esta matriz escalonada debe cumplir:
1.- Si una la consta unicamente de ceros debe ir en la parte inferior de la matriz.
2.- Si dos las seguidas no constan solo de ceros, el primer elemento distinto de cero de la la inferior debe
encontrarse mas a la derecha que el primer elemento distinto de cero de la la superior.
El primer elemento distinto de cero de cada la lo llamaremos elemento principal y las incognitas corres-
pondientes a estos elementos inc ognitas principales. (Los elementos principales marcan la escalera.)
Denicion.- En un sistema lineal AX = B, se llama matriz ampliada del sistema a la matriz (A|B) formada
a nadiendo a la matriz de coecientes A la matriz columna de los terminos independientes B.
Ejemplo 51
5x
3
+ 10x
4
+ 15x
6
= 5
x
1
+ 3x
2
2x
3
+ 2x
5
= 0
2x
1
+ 6x
2
5x
3
2x
4
+ 4x
5
3x
6
= 1
2x
1
+ 6x
2
+ 8x
4
+ 4x
5
+ 18x
6
= 6
_
_
Para aplicar sobre este sistema el metodo de Gauss, debemos hacer operaciones elementales sobre la matriz
A de los coecientes y, las mismas operaciones sobre B para que se mantenga la equivalencia (Teorema 50).
Luego apliquemos el metodo a la matriz ampliada del sistema (A|B):
(A|B) =
_
_
_
_
0 0 5 10 0 15 5
1 3 2 0 2 0 0
2 6 5 2 4 3 1
2 6 0 8 4 18 6
_
_
_
_
Por la operacion (a) cambiamos la la 1 por
la la 2 (F
1
F
2
)
_
_
_
_
1 3 2 0 2 0 0
0 0 5 10 0 15 5
2 6 5 2 4 3 1
2 6 0 8 4 18 6
_
_
_
_
Por (b) hacemos cero el 2 de F
3
(F
3
2F
1
) y
el de F
4
(F
4
2F
1
)
_
_
_
_
1 3 2 0 2 0 0
0 0 5 10 0 15 5
0 0 1 2 0 3 1
0 0 4 8 0 18 6
_
_
_
_
Hacemos 0 el 1 de F
3
(F
3
+
1
5
F
2
) y el 4 de
F
4
(F
4
4
5
F
2
)
_
_
_
_
1 3 2 0 2 0 0
0 0 5 10 0 15 5
0 0 0 0 0 0 0
0 0 0 0 0 6 2
_
_
_
_
Cambiamos F
3
por F
4
(F
3
F
4
)
_
_
_
_
1 3 2 0 2 0 0
0 0 5 10 0 15 5
0 0 0 0 0 6 2
0 0 0 0 0 0 0
_
_
_
_
Esta matriz es escalonada, y nos proporciona
el sistema equivalente
x
1
+ 3x
2
2x
3
+ 2x
5
= 0
5x
3
+ 10x
4
+ 15x
6
= 5
6x
6
= 2
0 = 0
_
_
=
_
_
_
x
1
= 3x
2
+ 2x
3
2x
5
x
3
=
510x
4
15x
6
5
x
6
=
2
6
cuyas soluciones se encuentran facilmente sustituyendo de abajo hacia arriba, obteniendose: x
6
=
1
3
, x
3
= 2x
4
,
x
1
= 3x
2
4x
4
2x
5
, donde x
2
, x
4
y x
5
pueden tomar cualquier valor. Es decir, todas las soluciones son:
(3x
2
4x
4
2x
5
, x
2
, 2x
4
, x
4
, x
5
,
1
3
) para cualquiera valores de x
2
, x
4
y x
5
.
Si el ultimo elemento principal esta en la columna ampliada, el sistema no tiene solucion: claramente una de
las ecuaciones equivalentes sera 0x
1
+ +0x
n
= k (con k = 0 por ser un elemento principal de la ampliada)
y esta igualdad no se cumple para ning un valor posible de las incognitas.
Nota: Si el sistema tiene solucion, por ser los elementos principales no nulos se garantiza que las incognitas
principales pueden despejarse; como valor concreto o en funcion de las incognitas no principales.
Cuando el sistema tiene solucion, pueden despejarse tantas incognitas como elementos principales haya. Luego
Si el n umero de elementos principales es menor que el n umero de incognitas el sistema tiene innitas
soluciones. (Las soluciones quedan en funcion de las incognitas no despejadas. Ver ejemplo 51.)
Si el n umero de elementos principales es igual al n umero de incognitas el sistema tiene solucion unica.
2.2.2.1 Sistemas homogeneos
Denicion 52.- Un sistema de ecuaciones lineales se dice que es homogeneo si tiene todos los terminos
independientes cero; es decir, un sistema de la forma AX = 0.
Un sistema homogeneo siempre tiene solucion pues X = 0 es una solucion del sistema. A esta solucion suele
llamarse la solucion trivial y de cualquier otra solucion distinta de esta se dice solucion no trivial.
2.2.3 Metodo de Gauss-Jordan
El metodo de Gauss-Jordan contin ua el metodo de Gauss, haciendo operaciones elementales para conseguir
una matriz escalonada reducida: los elementos principales son 1 y en las columnas de dichos unos todos los
demas elementos son cero; es decir, despeja las incognitas principales.
Ejemplo 53 Continuando con el sistema del ejemplo 51 (quitada la la de ceros, que no interviene):
_
_
1 3 2 0 2 0 0
0 0 5 10 0 15 5
0 0 0 0 0 6 2
_
_
Hacemos 1 los elementos principales multiplicando
1
5
F
2
y
1
6
F
3
_
_
_
1 3 2 0 2 0 0
0 0 1 2 0 3 1
0 0 0 0 0 1
1
3
_
_
_ hay que hacer cero el 3 de F
2
y C
6
(a
26
): F
2
3F
3
_
_
_
1 3 2 0 2 0 0
0 0 1 2 0 0 0
0 0 0 0 0 1
1
3
_
_
_ hay que hacer cero el 2 de F
1
y C
3
(a
13
): F
1
+ 2F
2
_
_
_
1 3 0 4 2 0 0
0 0 1 2 0 0 0
0 0 0 0 0 1
1
3
_
_
_ luego
_
_
_
x
1
= 3x
2
4x
4
2x
5
x
3
= 2x
4
x
6
=
1
3
obteniendose, naturalmente, las mismas soluciones que antes.
Denicion 54 (1
a
denici on del rango).- Se llama rango de una matriz A y se denota por rg(A) al n umero
de las distintas de cero que aparecen en alguna de las formas escalonadas de la matriz A.
Nota: La denicion es consistente (el rango no depende de la matriz escalonada usada), pues cada matriz
escalonada obtenida de A se corresponde con un sistema lineal equivalente, con la mismas soluciones, luego se
pueden despejar el mismo n umero de incognitas en cualquiera de ellos; por lo que todas las escalonadas tienen
el mismo n umero de las no nulas.
Teorema de Rouche 55.- Sea el sistema AX = B, sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene solucion si, y solo si, rg(A) = rg(A|B).
Si rg(A) =rg(A|B) =r, toda solucion puede expresarse en la forma X =V
0
+t
1
V
1
+t
2
V
2
+ +t
nr
V
nr
, con
V
0
una solucion particular de AX = B y las n- uplas V
1
, . . . , V
nr
soluciones del homogeneo AX = 0.

Resumiendo:
Si rg(A) = r, entonces:
rg(A) = rg(A|B) = Sist. Compatible (con sol.)
_
r = n Solucion unica.
r < n Innitas soluciones.
rg(A) = rg(A|B) = Sist. Incompatible (no tiene solucion).
Ejemplo Tomemos la solucion obtenida en el ejemplo 51: (3x
2
4x
4
2x
5
, x
2
, 2x
4
, x
4
, x
5
,
1
3
), para
todo x
2
, x
4
y x
5
. Podemos escribirla en la forma
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
x
6
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
0 3x
2
4x
4
2x
5
0 +x
2
+ 0x
4
+ 0x
5
0 + 0x
2
2x
4
+ 0x
5
0 + 0x
2
+x
4
+ 0x
5
0 + 0x
2
+ 0x
4
+x
5
1
3
+ 0x
2
+ 0x
4
+ 0x
5
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
0
0
0
0
0
1
3
_
_
_
_
_
_
_
_
+x
2
_
_
_
_
_
_
_
_
3
1
0
0
0
0
_
_
_
_
_
_
_
_
+x
4
_
_
_
_
_
_
_
_
4
0
2
1
0
0
_
_
_
_
_
_
_
_
+x
5
_
_
_
_
_
_
_
_
2
0
0
0
1
0
_
_
_
_
_
_
_
_
= V
0
+t
1
V
1
+t
2
V
2
+t
3
V
3
y X = V
0
+ t
1
V
1
+ t
2
V
2
+t
3
V
3
es solucion para todo t
1
, t
2
y t
3
. Entonces, para t
1
= t
2
= t
3
= 0, X = V
0
es
solucion del sistema luego AV
0
= B; para t
1
= 1 y t
2
= t
3
= 0, X = V
0
+ V
1
es solucion del sistema, luego
B = A(V
0
+V
1
) = AV
0
+AV
1
= B +AV
1
de donde AV
1
= 0 por lo que V
1
es solucion del sistema homogeneo
AX = 0; y analogamente para V
2
y V
3
.
21 Matematicas I : Preliminares 2.3 Matrices cuadradas
2.3 Matrices cuadradas
Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: a
ij
= 0, para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, a
ij
= 0, para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no estan en la diagonal principal.
Una matriz cuadrada A se dice simetrica si A = A
t
, es decir, si a
ij
= a
ji
para todo ij ; y se dice
antisimetrica si A = A
t
, es decir si a
ij
= a
ji
para todo ij .
2.3.1 Matrices inversibles
Denicion 56.- Si A es una matriz cuadrada de orden n, A
nn
, y existe B
nn
tal que AB = BA = I se dice
que A es inversible y que B es inversa de A.
Nota: Es claro de la denicion que tambien B es inversible y A una inversa de B.
Por denicion, se ha de vericar que AB = I y tambien que BA = I ; sin embargo es suciente con que se
verique una de ellas para que la otra tambien se verique (se vera en el Corolario 65).
Proposicion 57.- Si una matriz cuadrada A tiene inversa, esta es unica. Y la denotaremos por A
1
.
Demostracion:
Supongamos que B y C son inversas de A. Al ser B inversa de A es I = AB, multiplicando a esta igualdad
por C y teniendo en cuenta que C es inversa de A obtenemos que C = C(AB) = (CA)B = IB = B.
Recordando los comentarios hechos en la Observacion 49, es claro el siguiente resultado para matrices
elementales.
Proposicion 58.- Las matrices elementales son inversibles y sus inversas son tambien elementales:
De intercambiar dos las, intercambiarlas de nuevo.
De multiplicar una la por k = 0, multiplicar esa la por 1/k.
De sumar a una la un m ultiplo de otra, restar a esa la el m ultiplo sumado.
Teorema 59.- Si A y B son dos matrices inversibles, entonces AB es inversible y
(AB)
1
= B
1
A
1
.
En general, (A
1
A
2
A
k
)
1
= A
1
k
A
1
2
A
1
1
.
Demostracion:
Basta comprobar que es cierto:
_
(AB)(B
1
A
1
) = A(BB
1
)A
1
= AIA
1
= AA
1
= I
(B
1
A
1
)(AB) = B
1
(A
1
A)B = B
1
IB = B
1
B = I.
La generalizacion es inmediata.
Propiedades 60.-
1.- (A
1
)
1
= A. 2.- (A
n
)
1
= (A
1
)
n
. 3.- (kA)
1
=
1
k
A
1
.
Denicion 61.- Una matriz cuadrada, A, se dice ortogonal si A
1
= A
t
.
Teorema 62.- Sea A una matriz cuadrada de orden n. Son equivalentes:
a) A es inversible.
b) El sistema AX = B tiene solucion unica para todo B
n1
.
c) El sistema homogeneo AX = 0 tiene solucion unica.
d) Por operaciones elementales en A puede llegarse a la identidad.
22 Matematicas I : Preliminares 2.3 Matrices cuadradas
Demostracion:
a)b) A es inversible, luego existe A
1
. Si se multiplica por A
1
en la igualdad AX = B se tiene que
A
1
AX = A
1
B, luego X = A
1
B es la solucion del sistema y es la unica.
b)c) Es un caso particular.
c)d) Como la solucion del sistema AX = 0 es unica, al aplicar el metodo de Gauss-Jordan a la matriz A la
escalonada reducida tiene que ser, necesariamente I (ver observacion 63 siguiente).
d)a) Si existen matrices elementales tales que E
k
E
2
E
1
A = I , multiplicando sucesivamente en la igualdad
por sus inversas, se obtiene A = E
1
1
E
1
2
E
1
k
I como producto de matrices inversibles y, por tanto, es
inversible. Ademas, A
1
= E
k
E
2
E
1
.
Observacion 63.- Para una matriz cuadrada, cualquier matriz escalonada obtenida de ella es triangular supe-
rior (tiene ceros por debajo de la diagonal), pues el elemento principal de la la 1 esta en la posicion 11 o mas
a la derecha, luego el elemento principal de la la 2 esta en la posicion 22 o mas a la derecha, y en general el
elemento principal de la la i esta en la posicion ii o mas a la derecha. Luego para toda la i, los elementos
a
ij
con j < i son cero, que es la caracterizacion de matriz triangular superior.
As pues, una matriz escalonada cuadrada, o tiene elemento principal en cada la (y en consecuencia estan
todos en la diagonal principal de la matriz) o tiene al menos una la de ceros.
En particular, si llevamos la matriz cuadrada a la forma de matriz escalonada reducida, esta escalonada
reducida o es la matriz identidad o tiene al menos una la de ceros.
Corolario 64.- Una matriz A
nn
, es inversible rg(A) = n
Corolario 65.- Sea A una matriz cuadrada. Entonces
a) Si existe B tal que BA = I , entonces A es inversible y B = A
1
.
b) Si existe B tal que AB = I , entonces A es inversible y B = A
1
.
Demostracion:
Si BA = I , consideremos el sistema AX = 0. Multiplicando por B en ambos lados se tiene que BAX =
B0 = 0, pero al ser BA = I , X = 0 es la unica solucion del sistema y, por tanto, A es inversible. Entonces,
A
1
= IA
1
= BAA
1
= B. Analogamente, en b).
Corolario 66 (Calculo de A
1
por el metodo de Gauss-Jordan).- Si A es inversible, existen matrices
elementales tales que E
k
E
2
E
1
A = I y A
1
= E
k
E
2
E
1
. Luego haciendo en I las mismas operaciones
elementales que efectuemos sobre A para llegar a la identidad se tendra que:
(A|I) (E
1
A|E
1
I) (E
2
E
1
A|E
2
E
1
I) (E
k
E
1
A|E
k
E
1
I) = (I|A
1
)
Ejemplo Sea la matriz A =
_
_
1 0 2
0 2 1
1 1 1
_
_
. Encontremos A
1
:
(A|I) =
_
_
1 0 2 1 0 0
0 2 1 0 1 0
1 1 1 0 0 1
_
_
F
3
F
1
_
_
1 0 2 1 0 0
0 2 1 0 1 0
0 1 1 1 0 1
_
_
F
2
F
3
_
_
1 0 2 1 0 0
0 1 0 1 1 1
0 1 1 1 0 1
_
_
F
3
F
2
F
3
F
2
_
_
1 0 2 1 0 0
0 1 0 1 1 1
0 0 1 2 1 2
_
_
F
1
+2F
3
_
_
1 0 0 3 2 4
0 1 0 1 1 1
0 0 1 2 1 2
_
_
= (I|A
1
)

23 Matematicas I : Preliminares 2.4 Ejercicios
2.4 Ejercicios
2.26 Sean las matrices
A=
_
_
3 0
1 2
1 1
_
_
B=
_
4 1
0 2
_
C=
_
1 4 2
3 1 5
_
D=
_
_
1 5 2
1 0 1
3 2 4
_
_
E=
_
_
6 1 3
1 1 2
4 1 3
_
_
a) Calcular cuando se pueda: 3C D, (AB)C, A(BC), ED, DE, (4B)C + CA y CA + B
2
.
Indicar porque no es posible en los otros casos.
b) Calcular, haciendo el menor n umero de operaciones posible, la la 1 de CA, la columna 2 de CD y
los elementos 23 y 12 de la matriz CDE.
c) Hallar para cada una de ellas una matriz escalonada e indicar cual es su rango.
2.27 Encontrar las matrices elementales que llevan la matriz A =
_
_
1 2 3
0 1 2
1 0 3
_
_
a una matriz escalonada.
2.28 Considerar el sistema
x + 2y z t = 0
x +z t = 2
x + 2y 3z +t = 4
_
_
_
(1)
a) (2, 2, 2, 0) y (1, 0, 1, 2) son solucion del sistema (1)?
b) Encontar todas las soluciones de (1)
c) Encontar todas las soluciones del sistema
x y +z t = 3
x + 6y 5z t = 4
_
(2)
d) Cuales de las soluciones de (1) son tambien solucion de (2)? Tiene (2) alguna solucion que no lo
sea de (1)?
2.29 Estudiar cada uno de los siguientes sistemas:
a)
x + 2y z = 2
2x +y +z = 1
3x + 3y + 2z = 1
_
_
_
b)
x +y +z = 3
2x + 3z = 4
3x +y + 4z = 7
5x +y + 7z = 9
_
_
c)
x + 2y z +t = 0
x + 4y 5z + 7t = 2
2x +y +z 2t = 1
_
_
_
Si existe solucion, expresarla en la forma descrita por el Teorema de Rouche.
2.30 Hallar una matriz P tal que:
_
_
1 4
2 3
1 2
_
_
P
_
2 0 0
0 1 1
_
=
_
_
8 6 6
6 1 1
4 0 0
_
_
.
2.31 Considerar las matrices A =
_
_
1 5 2
1 0 1
3 2 4
_
_
y B =
_
_
1 2 2
2 3 3
1 1 1
_
_
.
a) Hallar todas las matrices columna X
31
que verican la igualdad ABX = BAX.
b) Los sistemas BX = 0 y B
t
X = 0 tienen las mismas soluciones? Justicar la respuesta.
2.32 Hallar los valores de los coecientes de las descomposiciones en fraciones simples del ejercicio 1.25 de
polinomios:
a)
X
2
+1
X
4
6X
3
16X
2
+54X+63
b)
X5
(X1)(X
3
1)
c)
X+5
2X
4
X
3
4X
2
+10X4
d)
X
2
+2
X
5
+7X
4
+16X
3
+8X
2
16X16
e)
X
3
3X
2
+X3
X
5
+3X
4
+3X
3
+3X
2
+2X
f)
X
5
+3X
4
+3X
3
+3X
2
+2X
(X
3
3X
2
+X3)
3
2.33 Estudiar cada uno de los sistemas siguientes, seg un los valores de los paramentros:
a)
_
_
_
x + 2y z = a
2x +y +z = 1 a
3x + (1 +a)y +az = 1 a
b)
_
_
_
x + 2y + 4z = 1
x + 2y + 2az = 2
ax + 4y + 4az = 4a
c)
_
_
_
x +y +z = a 3
ax +y = 0
ax +y +az = 0
d)
_
_
5x (a +b)y + 7z = 8 +b
2x ay + 3z = 4
x +y +z = 3
3x 3y + 4z = 7
2.34 Usar el metodo de Gauss para saber cuales de las siguientes matrices tienen inversa y calcularlas:
a)
_
_
1 1 3
3 4 1
1 1 1
_
_
b)
_
_
8 6 6
6 1 1
4 0 0
_
_
c)
_
_
_
_
1 2 3 4
2 3 4 3
3 4 3 2
4 3 2 1
_
_
_
_
d)
_
_
_
_
0 0 1 2
0 1 1 1
1 1 1 0
2 1 0 0
_
_
_
_
2.35 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada columna es cero. Probar
que rg(A) < n. Es A una matriz inversible?
2.36 Probar que si A es una matriz cuadrada, la matriz A+A
t
es simetrica y la matriz AA
t
es antisimetrica.
Probar que en una matriz cuadrada antisimetrica la diagonal principal esta formada unicamente por ceros.
2.37 Sea A =
_
_
1 2 3
0 1 2
1 0 1
_
_
.
a) Encontar todas las matrices B
33
tales que AB = 0.
Que relacion tienen estas matrices con las soluciones del sistema AX = 0?
b) Encontar todas las matrices C
33
tales que CA = 0.
c) Encontar todas las matrices D
33
tales que AD DA = 0.
2.38 Sean A y B matrices cuadradas tales que AB = 0. Demostrar que si B = 0, entonces A no es inversible.
2.39 Sean A y B dos matrices de igual tama no. Probar que si existe C inversible tal que AC = BC entonces
A = B.
2.40 Sea A una matriz cuadrada y E una matriz elemental. Probar que AE
t
realiza sobre las columnas de A
la misma operacion elemental que hace EA sobre las las de A.
Tema 3
Determinante de una matriz
3.1 Determinante de una matriz cuadrada
Denicion 67.- Sea A una matriz cuadrada de orden n. Llamaremos producto elemental en A al producto
ordenado de un elemento de cada la, cada uno de los cuales pertenece a columnas distintas. Es decir, una
expresion de la forma a
1j
1
a
2j
2
a
nj
n
con todos los j
k
distintos.
Llamaremos producto elemental con signo al valor (1)
N
a
1j
1
a
2j
2
a
nj
n
donde el n umero N, para
cada producto elemental, es el n umero de inversiones del orden en el conjunto de las columnas {j
1
, j
2
, . . . , j
n
},
es decir, el n umero de veces que cada ndice j
k
es menor que los anteriores a el.
Ejemplo 68 {2, 4, 1, 3}. Para calcular las inversiones tenemos que ver cuantas veces 4, 1 y 3 son menores
que sus anteriores. Para el 4, hay inversion cuando 4 < 2, no. Para el 1, cuando 1 < 2, si ; y cuando 1 < 4, si.
Y para el 3, cuando 3 < 2, no; 3 < 4, si ; y 3 < 1, no. El conjunto presenta entonces tres inversiones, N = 3.
Denicion 69.- Denimos la funcion determinante en el conjunto de las matrices de orden n, como la funcion
que asigna a cada matriz A el n umero real, que denotaremos por det(A) o det A o |A| , y cuyo valor es la
suma de todos los productos elementales con signo que se pueden formar en A:
det(A) = |A| =
(j
1
,j
2
,...,j
n
)
(1)
N
a
1j
1
a
2j
2
a
nj
n
.
Expresion del determinante de las matrices de orden 1, 2 y 3. Los determinantes de las matrices de
los primeros ordenes de magnitud se obtienen de la forma:
a
11
= a
11
y
a
11
a
12
a
21
a
22
=a
11
a
22
a
12
a
21
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
=a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
13
a
22
a
31
a
12
a
21
a
33
a
11
a
23
a
32
Estas expresiones admiten una regla nemotecnica graca para recordar la construccion de los productos ele-
mentales y el signo, siguiendo las direcciones de las diagonales principal y secundaria (para matrices de orden
3 se conoce como Regla de Sarrus):
s
s
s
s
sign( ) = +
sign( ) =
s
s
s
s
s
s
s
s
s
s
s
s
s
s
s
s
s
s
Observacion:
Cada uno de los productos elementales con signo se co-
rresponde con el determinante de una matriz que se
forma haciendo cero todos los elementos que no estan
en el producto. Es claro, pues cualquier otro producto
(1)
3
a
12
a
24
a
31
a
43
=
0 a
12
0 0
0 0 0 a
24
a
31
0 0 0
0 0 a
43
0
tendra alguno de sus factores distinto de estos y, en consecuencia, sera 0. De manera similar son inmediatos
los dos resultados recogidos en la proposicion siguiente.
26 Matematicas I : Preliminares 3.1 Determinante de una matriz cuadrada
Proposicion 70.-
1.- Si A es una matriz que tiene una la o una columna de ceros, entonces |A| = 0.
2.- Si A es una matriz triangular superior o triangular inferior, |A| es el producto de los elementos de la
diagonal principal, es decir, |A| = a
11
a
22
a
nn
. (En todos los demas productos elementales aparece al
menos un 0: si hay alg un elemento por encima de la diagonal, hay alguno por debajo.)
3.1.1 Determinantes y operaciones elementales
Teorema 71.- Sea A
nn
una matriz. Se tiene que:
a) si A
es la matriz que resulta de multiplicar una la de A por una constante = 0, entonces det(A
) =
det(A).
b) si A
es la matriz que resulta de intercambiar dos las de A, entonces det(A
) = det(A).
c) si A
es la matriz que resulta de sumar a la la k un m ultiplo de la la i, entonces det(A
) = det(A).
Corolario 72.- Una matriz con dos las iguales tiene determinante cero.
Corolario 73.-
a) Si E es la matriz elemental resulta de multiplicar una la de I por k IR, entonces det(E) = k.
b) Si E es la matriz elemental que resulta de intercambiar dos las de I , entonces det(E) = 1.
c) Si E es la matriz que resulta de sumar a una la k un m ultiplo de la la i, de I , entonces det(E) = 1.
Demostracion:
a) det(E) = k det(I) = k; b) det(E) = det(I) = 1; c) det(E) = det(I) = 1.
3.1.1.1 Calculo de determinantes por reduccion a la forma escalonada
El teorema anterior nos ofrece la posibilidad de calcular el determinante de una matriz usando el metodo de
Gauss. Si tenemos que E
k
E
2
E
1
A = R, donde R es la matriz escalonada que se obtiene al aplicar el metodo
de Gauss, se tiene que
det(R) = det(E
k
E
k1
E
k2
E
1
A) =
k
det(E
k1
E
k2
E
1
A)
=
k
k1
det(E
k2
E
1
A) = =
k
k1
k2

1
det(A),
donde
i
es k, 1 o 1, seg un la operacion elemental que represente E
i
. Luego
det(A) =
1
1

1
k
det(R) =
1
1

1
k
r
11
r
22
r
nn
pues R es una matriz triangular superior (recordar observacion 63 de pag. 22) y det(R) = r
11
r
22
r
nn
.
3.1.2 Otras propiedades del determinante
Teorema 74.- Si A y B son matrices cuadradas de orden n, entonces
det(AB) = det(A) det(B)

Teorema 75.- Sea A
nn
entonces, A es inversible det(A) = 0.
Demostracion:
Si A es inversible I = AA
1
, luego det(I) = det(AA
1
) = det(A) det(A
1
), pero al ser det(I) = 1 = 0,
necesariamente ha de ser det(A) = 0.
27 Matematicas I : Preliminares 3.2 Desarrollo por cofactores
Si A no es inversible, por la parte 3 de la demostracion del Teorema 74 (Anexo 0, pag. 36), se tiene que
det(AI) = 0 = det(A) det(I) y como det(I) = 1, debe ser det(A) = 0.
Corolario 76.- Si A es inversible,
A
1
= |A|
1
.
Teorema 77.- Si A es una matriz cuadrada, entonces |A
t
| = |A| .

3.2 Desarrollo por cofactores
Denicion 78.- Sea A una matriz cuadrada, llamaremos menor del elemento a
ij
, y lo denotaremos por
M
ij
, al determinante de la submatriz que se forma al suprimir en A la la i y la columna j . Al n umero
(1)
i+j
M
ij
lo llamaremos cofactor del elemento a
ij
y lo denotaremos por C
ij
.
Ejemplo A partir de la matriz A de abajo, construimos los cofactores C
21
, eliminando la la 2 y la columna
1, y C
34
, eliminando la la 3 y columna 4:
A =
_
_
_
_
0 1 2 5
1 2 0 2
2 1 1 3
0 2 4 2
_
_
_
_
C
21
= (1)
2+1
0 1 2 5
1 2 0 2
2 1 1 3
0 2 4 2
C
34
= (1)
3+4
0 1 2 5
1 2 0 2
2 1 1 3
0 2 4 2
Teorema 79.- El determinante de una matriz A se puede calcular multiplicando los elementos de una la (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n:
det(A) = a
i1
C
i1
+a
i2
C
i2
+ +a
in
C
in
y det(A) = a
1j
C
1j
+a
2j
C
2j
+ +a
nj
C
nj
Ejemplo

11 12 13
21 22 23
31 32 33
= 21(1)
2+1
12 13
32 33
+ 22(1)
2+2
11 13
31 33
+ 23(1)
2+3
11 12
31 32
= 13(1)
1+3
21 22
31 32
+ 23(1)
2+3
11 12
31 32
+ 33(1)
3+3
11 12
21 22
Corolario 80.- Si desarrollamos una la de una matriz A por los cofactores de otra distinta, el resultado es
cero; es decir,
a
i1
C
j1
+a
i2
C
j2
+ +a
in
C
jn
= 0, si i = j .
Identico resultado para las columnas.
Demostracion:
Es claro, pues si en A hacemos la la j igual a la la i, la matriz obtenida A
tiene determinante cero y

0 = |A
| = a
j1
C
j1
+a
j2
C
j2
+ +a
jn
C
jn
= a
i1
C
j1
+a
i2
C
j2
+ +a
in
C
jn
Denicion 81.- Dada una matriz A cuadrada de orden n, llamaremos matriz de cofactores de A a la
matriz que tiene por elementos los cofactores de A, C = (C
ij
), y llamaremos matriz adjunta de A a la
matriz de cofactores traspuesta, Adj(A) = C
t
.
Nota: Tambien es usual utilizar las denominaciones de menor adjunto para el cofactor y matriz adjunta para la
matriz de cofactores (sin trasponer). En este caso, los resultados son identicos a los que aqu se presentan con
la unica consideracion a tener en cuenta es que donde aparece Adj(A) tendra que aparecer Adj(A)
t
.
Teorema 82.- Si A es una matriz inversible, entonces A
1
=
1
|A|
Adj(A).
Demostracion:
28 Matematicas I : Preliminares 3.3 Rango de una matriz
Si probamos que A Adj(A) = |A|I entonces, como |A| = 0, sera A
Adj(A)
|A|
= I y A
1
=
1
|A|
Adj(A). En
efecto, aplicando el teorema 79 y el corolario 80 anteriores,
A Adj(A) = AC
t
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
C
11
C
21
C
n1
C
12
C
22
C
n2
.
.
.
.
.
.
.
.
.
.
.
.
C
1n
C
2n
C
nn
_
_
_
_
_
=
_
_
_
_
_
|A| 0 0
0 |A| 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 |A|
_
_
_
_
_
= |A| I
Ejemplo
A =
_
_
1 2 3
4 5 4
3 2 1
_
_
; A
1
=
1
|A|
_
_
_
_
_
_
_
_
5 4
2 1
4 4
3 1
4 5
3 2
2 3
2 1
1 3
3 1
1 2
3 2
2 3
5 4
1 3
4 4
1 2
4 5
_
_
_
_
_
_
_
_
t
=
1
40
_
_
13 4 23
16 8 16
7 4 3
_
_
Regla de Cramer 83.- Sea AX = B, un sistema de n ecuaciones con n incognitas, tal que A es inversible,
entonces el sistema tiene como unica solucion:
x
1
=
b
1
a
12
a
1n
b
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
b
n
a
n2
a
nn
|A|
, x
2
=
a
11
b
1
a
1n
a
21
b
2
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
b
n
a
nn
|A|
, . . . , x
n
=
a
11
a
12
b
1
a
21
a
22
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
b
n
|A|
.

3.3 Rango de una matriz
Denicion 84 (Segunda denicion del rango).- Se llama rango de una matriz A
mn
, rang(A) o rg(A),
al maximo orden que resulta de considerar todas las submatrices cuadradas que pueden formarse eliminando
las y columnas completas de A y cuyo determinante sea distinto de cero.
Del determinante de una submatriz cuadrada de orden r de A, formada eliminando las y columnas com-
pletas, de suele decir que es un menor de orden r de A, por analoga a la denominacion dada en la denicion
78 a los menores de un elemento.
Resulta evidente que para A
mn
, se tiene rg(A) mn{m, n}. Esta nueva denicion de rango de una matriz
es equivalente a la dada anteriormente:
el rango de una matriz es el n umero de las distintas de cero que aparecen en alguna de las formas
escalonadas de la matriz,
puesto que el menor formado con las las y columnas que contienen a los elementos principales de la matriz
escalonada es distinto de 0, y cualquier menor de orden mayor es cero.
Corolario 85.- Si A es una matriz, rg(A) = rg(A
t
).
Demostracion:
De la nueva denicion de rango y de |M| = |M
t
| para cualquier submatriz cuadrada de A.
Proposicion 86.- Sea A una matriz mn, entonces
a) Si existe un menor de orden r distinto de cero el rg(A) r.
b) Si todos los menores de orden r son cero el rg(A) < r.
Demostracion:
a) es claro, pues como r es el orden de un menor distinto de cero, el maximo de los ordenes de los menores
distintos de cero es al menos r.
b) Si todos los menores de orden r son cero, como un menor de orden r + 1 puede descomponerse como
suma de menores de orden r por constantes, todos los menores de orden r + 1 son cero y, tambien todos
los menores de orden mayor. Luego rg(A) < r
En una matriz mn, el n umero de menores de orden r que podemos formar puede ser muy alto, de hecho es
_
m
r
__
n
r
_
=
m!
r!(mr)!
n!
r!(n r)!
,
es decir, todas las posibles elecciones de r las de entre las m y de r columnas de entre las n. Por tanto, para
ver que una matriz tiene rango menor que r usando los menores, hemos de comprobar que cada uno de los
m!
r!(mr)!
n!
r!(nr)!
menores son cero. Sin embargo, el coste de la evaluacion por menores, puede reducirse usando
el siguiente resultado:
Orlado de menores 87.- Sea A
mn
una matriz, y M
rr
una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
a nadiendo una la y una columna a M son cero, el rango de A es r.

Este resultado nos indica el metodo conocido como orlado de menores para encontrar el rango de una
matriz usando los menores:
Buscamos un menor de orden uno distinto de cero: si no existe rg(A) = 0; si existe M
1
= 0
entonces rg(A) 1, y buscamos un menor de orden 2 distinto de cero de entre los que orlan al
anterior: si todos ellos son cero, por el resultado anterior, el rg(A) = 1; si alg un M
2
= 0 entonces
rg(A) 2, y buscamos un menor de orden 3 distinto de cero de entre los que orlan a M
2
: si no
existe rg(A) = 2, y si existe M
3
= 0 entonces rg(A) 3, y buscamos . . . .
3.4 Ejercicios
3.41 Suponiendo que det(A) = 5, siendo A =
_
_
a b c
d e f
g h i
_
_
, calcular
a)
d e f
g h i
a b c
b)
a b c
2d 2e 2f
g h i
c)
a+d b+e c+f

d e f
g h i
d)
a b c
d3a e3b f 3c
2g 2h 2i
e)
a g h
b h e
c i f
f)
2a d d g
2b e e h
2c f f i
g) det(3A) h) det(2A
1
) i) det((2A)
1
)
3.42 Hallar el valor exacto del determinante de la derecha:
a) Usando unicamente el metodo de Gauss
b) Mediante el desarrollo por cofactores
c) Aplicando simultaneamente ambas tecnicas para resolverlo
mas rapida y facilmente.
0 2 1 0 1 0
2 2 2 2 2 2
3 1 1 4 1 1
0 1 0 0 3 0
1 2 4 0 4 1
1 3 0 0 0 2
3.43 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada la es cero. Demostrar
que A no es inversible.
3.44 Sean A y B matrices de orden n tales que A=0, B=0 y AB=0. Demostrar que det(A)=det(B)=0.
3.45 Calcular los posibles valores del determinante de una matriz ortogonal.
3.46 Sea A una matriz antisimetrica de orden n impar. Demostrar que det(A) = 0.
3.47 Si A es una matriz de orden n probar que | Adj(A)| = |A|
n1
.
3.48 Calcular el valor de los determinantes 66 y nn siguientes:
a a a a a a
b 0 0 0 0 a
0 b 0 0 0 a
0 0 b 0 0 a
0 0 0 b 0 a
0 0 0 0 b a
1 2 3 n1 n
2 3 4 n n+1
3 4 5 n+1 n+2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n1 n n+1 2n3 2n2
n n+1 n+2 2n2 2n1
a) Cual es el rango de la matriz del primer determinante en funcion de los valores de a y b?

b) Cual es el rango de la matriz del segundo determinante para cada valor de n = 1, 2, 3, . . . ?
Anexo 0: Demostraciones
N umeros complejos
Demostracion de: Propiedades 4 de la pagina 3
a) z = z ; z +w = z +w; zw = z w; z
1
= (z)
1
.
b) z = z z = a + i0 IR; z = z z = 0 + ib iIR.
c) z +z = 2 Re(z); z z = i2 Im(z).
Demostracion:
Si z = a + ib y w = c + id, se tiene que:
a) z = a ib = a + ib = z .
z +w = (a ib) + (c id) = (a +c) i(b +c) = z +w;
z w = (a ib)(c id) = (ac (b)(d)) + i(bc ad) = (ac bd) i(bc +ad) = zw;
(z)
1
= (a ib)
1
=
a
a
2
+(b)
2
i
b
a
2
+(b)
2
=
a
a
2
+b
2
+ i
b
a
2
+b
2
=
a
a
2
+b
2
i
b
a
2
+b
2
= z
1
.
b) z = z a ib = a + ib
_
a=a
b=b
b = 0 z = a;
z = z a ib = a ib
_
a=a
b=b
a = 0 z = ib.
c) z +z = (a + ib) + (a ib) = 2a = 2 Re(z);
z z = (a + ib) (a ib) = i2b = i2 Im(z).
a) |z| 0; |z| = 0 z = 0.
b) |Re(z)| |z| ; |Im(z)| |z| ; |z| |Re(z)| +|Im(z)| .
c) |z| = |z| : |z|
2
= zz ;
1
z
=
z
zz
=
z
|z|
2
.
d) |z +w| |z| +|w| ; |z w|
|z| |w|
.
e) |zw| = |z| |w| ;
z
1
= |z|
1
.
Demostracion:
a) |z| = +
a
2
+b
2
0;
|z| = 0 |z|
2
= 0 a
2
+b
2
= 0 a = b = 0 z = 0.
32 Matematicas I : Preliminares Anexo 0
b) Como todos los modulos son valores reales positivos, basta probar las desigualdades para sus cuadrados:
|Re(z)|
2
= |a|
2
= a
2
a
2
+b
2
= |z|
2
y tambien |Im(z)|
2
= |b|
2
= b
2
a
2
+b
2
= |z|
2
.
(|Re(z)| +|Im(z)|)
2
= (|a| +|b|)
2
= |a|
2
+|b|
2
+ 2 |a| |b| = a
2
+b
2
+ 2 |a| |b| = |z|
2
+ 2 |a| |b| |z|
2
.
c) |z| = |a ib| =
_
a
2
+ (b)
2
=
a
2
+b
2
= |z| .
zz = (a + ib)(a ib) = a
2
(b
2
) + i(ab +ab) = a
2
+b
2
= |z|
2
.
d) |z +w|
2
= (z +w)(z +w) = (z +w)(z +w) = zz +ww +zw +zw = |z|
2
+|w|
2
+zw +zw
=|z|
2
+|w|
2
+ 2 Re(zw) |z|
2
+|w|
2
+ 2 |Re(zw)| |z|
2
+|w|
2
+ 2 |zw|
=|z|
2
+|w|
2
+ 2 |z| |w| = |z|
2
+|w|
2
+ 2 |z| |w| = (|z| +|w|)
2
Como |z| = |z w +w| |z w| +|w| =|z w| |z| |w|
|w| = |w z +z| |w z| +|z| = |z w| +|z| =|z w| |w| |z|
se tiene la otra desigualdad propuesta |z w|
|z| |w|
.
e) |zw|
2
= (ac bd)
2
+ (ad +bc)
2
= a
2
c
2
+b
2
d
2
+a
2
d
2
+b
2
c
2
= (a
2
+b
2
)(c
2
+d
2
) = |z|
2
|w|
2
;
|z|
z
1
zz
1
= |1| = 1.
Demostracion de: Operaciones multiplicativas en forma polar 9 de la pagina 4
Operaciones multiplicativas en forma polar 9.- Si z = |z|
y w = |w|
, se cumple que:
a) z = |z|
()
; z
1
= (|z|
1
)
()
.
b) zw = (|z| |w|)
+
;
z
w
= (
|z|
|w|
)
.
c) z
n
= (|z|
n
)
n
.
Demostracion:
Las pruebas son sencillas usando que z = |z| (cos + i sen ) y que
(cos + i sen )(cos + i sen ) = cos cos sen sen + i(sen cos + cos sen )
= cos( +) + i sen( +).
a) z = |z| (cos + i sen ) = |z| (cos i sen ) = |z|
_
cos() + i sen()
_
= |z|
.
z
1
=
1
z
=
z
|z|
2
=
|z|
_
cos()+i sen()
_
|z|
2
=
1
|z|
_
cos() + i sen()
_
= (
1
|z|
)
= (|z|
1
)
.
b) zw = |z| (cos + i sen ) |w| (cos + i sen ) = |z| |w|
_
cos( +) + i sen( +)
_
= |zw|
+
.
z
w
= zw
1
= |z|
(
1
|w|
)
= (
|z|
|w|
)
.
c) z
n
= |z|
|z|
n)
|z|
= (|z|
n
)
+
n)
+
= (|z|
n
)
n
.
En particular se verica la formula de Moivre: (cos + i sen )
n
= cos n + i sen n.
Polinomios
Demostracion de: Lema 30 de la pagina 10
Lema 30.- Sea P(X) = Q(X)R(X). Si IK es raz de P(X) con multiplicidad m y Q() = 0 (no es raz de
Q(X)), entonces es raz de R(X) con multiplicidad m.
Demostracion:
Si P() = 0, como P() = Q()R() y Q() = 0, entonces R() = 0 y es raz de R(X). De donde
R(X) = (X )R
1
(X) y P(X) = Q(X)(X )R
1
(X).
Como P(X) = (X )
m
C(X), con C() = 0, se tiene que P(X) = (X )
m
C(X) = Q(X)(X )R
1
(X), de
donde 0 = (X )
m
C(X) Q(X)(X )R
1
(X) = (X )
_
(X )
m
C(X) Q(X)R
1
(X)
_
y como X = 0 tiene
que ser (X )
m1
C(X) = Q(X)R
1
(X) = P
1
(X) tiene en una raz de multiplicidad m1.
Luego el polinomio P
1
(X) = Q(X)R
1
(X) tiene una raz en que no lo es de Q(X), luego es raz de R
1
(X),
por lo que R
1
(X) = (X )R
2
(X) y, como antes se puede construir el polinomio P
2
(X) = (X )
m2
C(X) =
Q(X)R
2
(X), con R(X) = (X )R
2
(X). Repitiendo el proceso de manera sucesiva, se llega a un polinomio
P
m1
(X) = (X )C(X) = Q(X)R
m1
(X), con R(X) = (X )
m1
R
m1
(X).
Y ahora, como tiene que ser raz de R
m1
(X), R
m1
(X) = (X )R
m
(X) y C(X) = Q(X)R
m
(X). Como
C() = Q()R
m
() y C() = 0 y Q() = 0, necesariamente R
m
() = 0 y, por tanto R(X) = (X )
m
R
m
(X),
con R
m
() = 0, de donde es una raz de R(X) de multiplicidad m.
Lema 35.- Sea P(X) =
n
i=0
a
i
X
i
IR[X] . Si es una raz compleja (y no real) de P(X), entonces tambien es
raz de P(X), y con la misma multiplicidad que .
Demostracion:
Veamos que es tambien raz de P(X). Teniendo en cuenta que a
i
IR y que entonces a
i
= a
i
,
P() =
n
i=0
a
i
i
=
n
i=0
a
i
i
=
n
i=0
a
i
i
=
n
i=0
a
i
i
=
n
i=0
a
i
i
= P() = 0 = 0
Entonces, en la descomposicion de P(X) aparecen los factores X y X , pero como su producto (X
)(X ) = X
2
( + )X + = X
2
2 Re()X + ||
2
IR[X] , se descompone en IR[X] en la forma P(X) =
(X
2
2 Re()X + ||
2
)P
1
(X). En consecuencia, si la multiplicidad de es m > 1, el polinomio P
1
(X) IR[X]
tiene a como raz de multiplicidad m1. Y repitiendo el proceso hasta sacar todas las raices, se obtiene que
y tienen la misma multiplicidad.
Demostracion de: Teorema 38 de la pagina 11
Teorema 38.- Sea P(X) = a
0
+a
1
X + +a
n1
X
n1
+a
n
X
n
un polinomio con a
i
ZZ, i. Entonces,
1.- Si P(X) posee una raz ZZ, entonces | a
0
.
2.- Si P(X) posee una raz =
p
q
Q, entonces p | a
0
y q | a
n
.
(La expresion de =
p
q
debe estar simplicada al maximo, es decir, mcd(p, q) = 1.)
Demostracion:
Si ZZ es raz de P : 0 = a
0
+ a
1
+ + a
n1
n1
+ a
n
n
= a
0
+ (a
1
+ + a
n1
n2
+ a
n
n1
) y
a
0
= (a
1
+ + a
n1
n2
+ a
n
n1
); de donde el entero a
0
se descompone en dos factores ZZ y
a
1
+ +a
n1
n2
+a
n
n1
ZZ (por ser suma y producto de enteros), luego divide a a
0
.
Si =
p
q
Q es raz de P : 0 = a
0
+a
1
p
q
+ +a
n1
p
n1
q
n1
+a
n
p
n
q
n
=
a
0
q
n
+a
1
pq
n1
++a
n1
p
n1
q+a
n
p
n
q
n
de donde
el numerador debe ser cero. Como antes, sacando primero p factor com un y luego q , se llega a:
a
0
q
n
= p(a
1
q
n1
+ +a
n1
p
n2
q +a
n
p
n1
) luego p | a
0
q
n
pero como no divide a q , entonces p | a
0
a
n
p
n
= q(a
0
q
n1
+a
1
pq
n2
+ +a
n1
p
n1
) luego q | a
n
p
n
pero como no divide a p, entonces q | a
n
(Los factores de las ultimas igualdades son todos enteros, pues p ZZ, q ZZ y los a
i
ZZ.)
Matrices y sistemas
Teorema 48.- Si la matriz elemental E
mm
resulta de efectuar cierta operacion elemental sobre las las de
I
m
y si A
mn
es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operacion
elemental sobre las las de A.
Demostracion:
Sean E
1
la matriz elemental que tiene intercambiadas las las i y j , E
2
la matriz elemental de multiplicar la
la i por = 0 y E
3
la matriz elemental obtenida de sumar a la la i la la j multplicada por . Entonces
E = E
1
:
_
_
e
EA
ik
= F
E
i
C
A
k
= F
I
j
C
A
k
= e
IA
jk
= e
A
jk
, k =F
EA
i
= F
A
j
e
EA
jk
= F
E
j
C
A
k
= F
I
i
C
A
k
= e
IA
ik
= e
A
ik
, k =F
EA
j
= F
A
i
r = i, j e
EA
rk
= F
E
r
C
A
k
= F
I
r
C
A
k
= e
IA
rk
= e
A
rk
, k =F
EA
r
= F
A
r
E = E
2
:
_
e
EA
ik
= F
E
i
C
A
k
= F
I
i
C
A
k
= e
IA
ik
= e
A
ik
, k = F
EA
i
= F
A
i
r = i e
EA
rk
= F
E
r
C
A
k
= F
I
r
C
A
k
= e
IA
rk
= e
A
rk
, k = F
EA
r
= F
A
r
E = E
3
: veamos que F
EA
i
= F
A
i
+F
A
j
, pues las demas no cambian:
e
EA
ik
= F
E
i
C
A
k
= (F
I
i
+F
I
j
) C
A
k
= (F
I
i
C
A
k
) + (F
I
j
C
A
k
) = e
IA
ik
+e
IA
jk
= e
A
ik
+e
A
jk
, k
Demostracion de: Teorema de Rouche 55 de la pagina 20
Teorema de Rouche 55.- Sea el sistema AX = B, sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene solucion si, y solo si, rg(A) = rg(A|B).
En caso de tener solucion, si rg(A) = r, toda solucion del sistema puede expresarse en la forma X =
V
0
+t
1
V
1
+t
2
V
2
+ +t
nr
V
nr
, siendo V
0
una solucion particular de AX = B y los vectores V
1
, . . . , V
nr
soluciones del sistema homogeneo asociado AX = 0.
Demostracion:
Reduciendo la matriz ampliada del sistema por operaciones elementales seg un el metodo de Gauss-Jordan,
llegamos a una matriz escalonada reducida, que en la parte correspondiente a A, tiene r unos como elementos
principales. Si reordenamos las columnas para juntar en las r primeras los elementos principales, la matriz
ampliada resultante sera:
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 a
1r+1
a
1n
b
1
0 1 0 a
2r+1
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 a
rr+1
a
rn
b
r
0 0 0 0 0 b
r+1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 b
m
_
_
_
_
_
_
_
_
_
_
_
_
En forma mas escueta indicando los tama nos
podemos escribirla as:
_
I
rr
A
rnr
B
r1
0
mrr
0
mrnr
B
mr1
_
(Nota: Al intercambiar el orden de las columnas de la matriz A, solo cambiamos el orden de las incognitas. Es
decir, las soluciones seran las mismas pero en otro orden.)
Obviamente el rango de la matriz de los coecientes es r y el sistema tendra solucion si y solo si b
r+1
=
b
r+2
= = b
m
= 0, es decir si el rango de la ampliada tambien es r.
En este caso, (asumiendo una posible reordenacion de las incognitas) el sistema resultante es:
_
_
x
1
=b
1
x
r+1
a
1r+1
x
r+2
a
1r+2
x
n
a
1n
x
2
=b
2
x
r+1
a
2r+1
x
r+2
a
2r+2
x
n
a
2n
.
.
.
x
r
=b
r
x
r+1
a
rr+1
x
r+2
a
rr+2
x
n
a
rn
y la solucion, usando parametros:
_
_
x
1
=b
1
t
1
a
1r+1
t
2
a
1r+2
t
nr
a
1n
x
2
=b
2
t
1
a
2r+1
t
2
a
2r+2
t
nr
a
2n
.
.
.
x
r
=b
r
t
1
a
rr+1
t
2
a
rr+2
t
nr
a
rn
x
r+1
=t
1
.
.
.
x
n
=t
nr
que tambien podemos escribir en forma matri-
cial teniendo en cuenta que
x
r+i
= 0 +t
1
0 + +t
i
1 + +t
nr
0
_
_
_
_
_
_
_
_
_
_
x
1
.
.
.
x
r
x
r+1
.
.
.
x
n
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
b
1
.
.
.
b
r
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
+t
1
_
_
_
_
_
_
_
_
_
_
a
1r+1
.
.
.
a
rr+1
1
.
.
.
0
_
_
_
_
_
_
_
_
_
_
+ +t
nr
_
_
_
_
_
_
_
_
_
_
a
1n
.
.
.
a
rn
0
.
.
.
1
_
_
_
_
_
_
_
_
_
_
y llamando V
i
a las matrices co-
lumna, podemos escribir
X = V
0
+t
1
V
1
+ +t
nr
V
nr
como enunciabamos.
Fijandonos en las soluciones se observa que haciendo t
1
= = t
nr
= 0, V
0
es una solucion de AX = B.
Si consideramos el sistema homogeneo asociado AX = 0, ha de ser V
0
= 0 y como solucion generica
obtendremos X = t
1
V
1
+ + t
nr
V
nr
. Luego haciendo t
i
= 1 y t
k
= 0, para k = i, vemos que X = V
i
es
solucion del sistema homogeneo AX = 0.
Determinantes
Teorema 71.- Sea A
nn
una matriz. Se tiene:
a) que si A
es la matriz que resulta de multiplicar una la de A por una constante = 0, entonces

det(A
) = det(A).
b) que si A
es la matriz que resulta de intercambiar dos las de A, entonces det(A
) = det(A).
c) que si A
es la matriz que resulta de sumar a una la k un m ultiplo de la la i, entonces det(A
) = det(A).
Demostracion:
a) det(A
) =
(1)
N
a
1j
1
a
ij
i
a
nj
n
=
(1)
N
a
1j
1
a
ij
i
a
nj
n
= det(A)
b) Previamente necesitamos el siguiente resultado:
Lema.- Si en el conjunto {j
1
, . . . , j
n
} intercambiamos dos elementos el n umero de inversiones
de signo cambia de paridad (de par a impar, o viceversa).
Demostracion:
Si intercambiamos los elementos consecutivos j
i
y j
i+1
cambia la paridad, pues si antes era
j
i
< j
i+1
ahora es j
i+1
> j
i
, produciendose una inversion donde antes no la haba, y si era
j
i
> j
i+1
ahora j
i+1
< j
i
, con lo que se elimina una inversion que antes haba. Como con el
resto de los elementos no se producen modicaciones, si tenamos N inversiones ahora tendremos
N + 1 o N 1, luego se cambia de paridad.
Si intercambiamos los elementos j
i
y j
k
no consecutivos, podemos hacerlo repitiendo el proceso
comentado arriba, yendo paso a paso intercambiando terminos consecutivos. Hacemos por lo
tanto k i intercambios consecutivos para llevar el elemento j
i
a la posicion k y haremos
ki 1 intercambios para llevar j
k
(que ahora esta en la posicion k1) a la posicion i. Luego
hay 2(k i) 1, un n umero impar, de cambios de paridad y, por tanto, cambia la paridad al
intercambiar dos elementos cualesquiera.
Con este resultado, para probar b) basta observar que los productos elementales que aparecen en el
det(A
) son los mismos que aparecen en el det(A), aunque intercambiadas las posiciones de los ele-
mentos de las las en cuestion, es decir, los productos elementales a
1j
1
a
kj
k
a
ij
i
a
nj
n
de A
y
a
1j
1
a
ij
i
a
kj
k
a
nj
n
de A son iguales. Pero como los ndices j
i
y j
k
aparecen intercambiando las
posiciones en el desarrollo de los determinantes, tendran signos contrarios, luego det(A
) = det(A).
Corolario.- Una matriz con dos las iguales tiene determinante cero.
Demostracion:
Sea B una matriz cuadrada que tiene la la i y la la k iguales, entonces por la parte b)
anterior, si intercambiamos las las i y k que son iguales se obtiene que det(B) = det(B) es
decir que det(B) = 0.
c) det(A
) =
(1)
N
a
1j
1
a
ij
i
(a
kj
k
+ka
ij
k
) a
nj
n
=
(1)
N
a
1j
1
a
ij
i
a
kj
k
a
nj
n
+
(1)
N
a
1j
1
a
ij
i
ka
ij
k
a
nj
n
= det(A) +k
(1)
N
a
1j
1
a
ij
i
a
ij
k
a
nj
n
.
Como este ultimo sumatorio, que es el determinante de una matriz que tiene la la i y la la k iguales,
vale 0, se tiene que det(A
) = det(A).
Teorema 74.- Si A y B son matrices cuadradas de orden n, entonces
det(AB) = det(A) det(B).
Demostracion:
La demostracion se hace en tres pasos. Primero el caso particular en que A sea una matriz elemental y luego
los casos generales, que A sea una matriz inversible o que no lo sea.
1. Si A es una matriz elemental, por el teorema 71 y corolario 73 anteriores, se tiene que:
a) det(AB) = k det(B) = det(A) det(B)
b) det(AB) = det(B) = (1) det(B) = det(A) det(B)
c) det(AB) = det(B) = 1 det(B) = det(A) det(B)
seg un el tipo de matriz elemental que sea A.
2. Si A es inversible es producto de matrices elementales (teorema 62) y por la parte 1,
det(AB) = det(E
k
E
k1
E
1
B) = det(E
k
) det(E
k1
E
1
B) =
= det(E
k
) det(E
2
) det(E
1
) det(B) = det(E
k
) det(E
2
E
1
) det(B) =
= det(E
k
E
1
) det(B) = det(A) det(B).
3. Si A no es inversible, la matriz escalonada reducida, R, obtenida de E
k
E
1
A = R no es la identidad, luego
A = E
1
1
E
1
k
R = E
1
R donde E
1
es inversible (producto de inversibles) y R tiene al menos una la
de ceros. Luego det(AB) = det(E
1
RB) = det(E
1
) det(RB) y det(A) det(B) = det(E
1
R) det(B) =
det(E
1
) det(R) det(B). Como R tiene al menos una la de ceros, RB tiene al menos una la de ceros
y det(R) = 0 = det(RB). Luego:
det(AB) = det(E
1
) det(RB) = 0 = det(E
1
) det(R) det(B) = det(A) det(B).
Teorema 77.- Si A es una matriz cuadrada, entonces |A
t
| = |A| .
Demostracion:
Es claro que los productos elementales que aparecen en ambos determinantes son los mismos, luego basta probar
que ademas tienen el mismo signo.
Si en la matriz A hacemos cero todos los elementos excepto los que intervienen en un producto elemental
dado, obtenemos una matriz B cuyo determinante es precisamente ese producto elemental con signo, es decir
det(B) = (1)
N
a
1j
1
a
nj
n
; si en A
t
hacemos cero los elementos que no intervienen en ese mismo producto
elemental se obtiene precisamente B
t
, y det(B
t
) = (1)
N
a
1j
1
a
nj
n
. Entonces,
|BB
t
| =
_
_
_
_
_
_
_
0 0 a
1j
1
0
0 0 0 a
2j
2
a
3j
3
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
nj
n
0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0 a
3j
3
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
nj
n
.
.
.
.
.
.
.
.
.
.
.
.
a
1j
1
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 a
2j
2
0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
a
2
1j
1
0 0 0
0 a
2
2j
2
0 0
0 0 a
2
3j
3
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
2
nj
n
=a
2
1j
1
a
2
2j
2
a
2
3j
3
a
2
nj
n
0,
y, por tanto, det(B) det(B
t
) = det(BB
t
) 0 y ambos factores tienen el mismo signo.
Teorema 79.- El determinante de una matriz A se puede calcular multiplicando los elementos de una la (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n:
det(A) = a
i1
C
i1
+a
i2
C
i2
+ +a
in
C
in
y det(A) = a
1j
C
1j
+a
2j
C
2j
+ +a
nj
C
nj
Demostracion:
Sopongamos que desarrollamos por la la 1. Si en det(A) agrupamos los terminos que involucran a cada a
1k
,
tenemos que
|A| =
(1,j
2
,...,j
n
)
(1)
N
a
11
a
2j
2
a
nj
n
+ +
(n,j
2
,...,j
n
)
(1)
N
a
1n
a
2j
2
a
nj
n
=
n
k=1
_
_
(k,j
2
,...,j
n
)
(1)
N
a
1k
a
2j
2
a
nj
n
_
_
=
n
k=1
a
1k
_
_
(k,j
2
,...,j
n
)
(1)
N
a
2j
2
a
nj
n
_
_
Por otra parte como C
1k
= (1)
1+k
M
1k
= (1)
1+k
(j
2
,...,j
n
)
j
i
=k
(1)
N
k
a
2j
2
a
nj
n
, basta comprobar que este valor
coincide con el que aparece entre parentesis en el sumatorio anterior.
Para cada k, en el conjunto {k, j
2
, . . . , j
n
} aparecen k 1 inversiones mas que en {j
2
, . . . , j
n
}, pues estan
todas aquellas que se producen entre los j
i
mas las que se produzcan con el primer elemento k. En efecto, como
en el conjunto {j
2
, . . . , j
n
} aparecen los valores 1, 2, . . . , k 1, y se tiene que k > 1, k > 2, . . . , k > k 1,
aparecen exactamente k 1 inversiones mas. Es decir, (1)
N
= (1)
k1
(1)
N
k
, luego
|A| =
n
k=1
a
1k
_
_
(k,j
2
,...,j
n
)
(1)
N
a
2j
2
a
nj
n
_
_
=
n
k=1
a
1k
_
_
(j
2
,...,j
n
)
(1)
k1
(1)
N
k
a
2j
2
a
nj
n
_
_
=
n
k=1
a
1k
(1)
k1
_
_
(j
2
,...,j
n
)
(1)
N
k
a
2j
2
a
nj
n
_
_
=
n
k=1
a
1k
(1)
k1
M
1k
=
n
k=1
a
1k
(1)
k+1
M
1k
=
n
k=1
a
1k
C
1k
Para desarrollar por una la k cualquiera, basta llevar esta a la la 1 y aplicar lo anterior. En efecto, si vamos
intercambiando la la k con cada una de las anteriores, obtenemos una matriz A
que tiene por la 1 la la k

de A, por la 2 la la 1 de A, . . . , por la k la la k 1 de A, y las demas igual. Luego hemos hecho k 1
cambios de la y, por tanto, |A| = (1)
k1
|A
| . Si desarrollamos det(A
) por la primera la, tenemos que

|A| = (1)
k1
|A
| = (1)
k1
n
j=1
a
1j
(1)
1+j
M
1j
= (1)
k1
n
j=1
a
kj
(1)
1+j
M
kj
=
n
j=1
a
kj
(1)
k1
(1)
1+j
M
kj
=
n
j=1
a
kj
(1)
k+j
M
kj
=
n
j=1
a
kj
C
kj
.
Para el desarrollo por columnas basta recordar que |A| = |A
t
| .
Demostracion de: Regla de Cramer 83 de la pagina 28
Regla de Cramer 83.- Sea AX = B, un sistema de n ecuaciones con n incognitas, tal que A es inversible,
entonces el sistema tiene como unica solucion:
x
1
=
b
1
a
12
a
1n
b
2
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
b
n
a
n2
a
nn
|A|
, x
2
=
a
11
b
1
a
1n
a
21
b
2
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
b
n
a
nn
|A|
, . . . , x
n
=
a
11
a
12
b
1
a
21
a
22
b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
b
n
|A|
.
Demostracion:
Si A es inversible la solucion unica es X = A
1
B =
Adj(A)
|A|
B =
1
|A|
_
_
_
_
_
C
11
C
21
C
n1
C
12
C
22
C
n2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
a
2n
a
nn
_
_
_
_
_
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
=
1
|A|
_
_
_
_
b
1
C
11
+b
2
C
21
+ +b
n
C
n1
b
1
C
12
+b
2
C
22
+ +b
n
C
n2

b
1
C
1n
+b
2
C
2n
+ +b
n
C
nn
_
_
_
_
luego cada x
j
=
b
1
C
1j
+b
2
C
2j
+ +b
n
C
nj
|A|
, como queramos probar.
Demostracion de: Orlado de menores 87 de la pagina 29
Orlado de menores 87.- Sea A
mn
una matriz, y M
rr
una submatriz de A con determinante distinto de cero.
Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A a nadiendo
una la y una columna a M son cero, el rango de A es r.
Demostracion:
Supongamos, por simplicidad en la notacion, que M es el menor formado por las primeras r las y columnas.
Consideremos la matriz
_
_
_
_
_
a
11
a
1r
a
1r+1
a
1r+2
a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
r1
a
rr
a
rr+1
a
rr+2
a
rn
a
r+11
a
r+1r
a
r+1r+1
a
r+1r+2
a
r+1n
_
_
_
_
_
donde las lneas verticales signican respectivamente M y este menor ampliado a la la r + 1 y a cada una de
las demas columnas de A. Si hacemos operaciones elementales en las las, obtenemos
_
_
_
_
_
a
11
a
1r
a
1r+1
a
1r+2
a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
rr
a
rr+1
a
rr+2
a
rn
0 0 a
r+1r+1
a
r+1r+2
a
r+1n
_
_
_
_
_
y los menores que tenemos ahora son o no cero seg un lo fueran o no antes. Como M es distinto de cero ha de
ser a
11
a
22
a
rr
= 0 y como cada uno de los menores ampliados son cero han de ser a
11
a
22
a
rr
a
r+1r+1
= 0,
a
11
a
22
a
rr
a
r+1r+2
= 0, . . . , a
11
a
22
a
rr
a
r+1n
= 0. Luego, a
r+1r+1
= a
r+1r+2
= = a
r+1n
= 0 y la
matriz escalonada queda
_
_
_
_
_
a
11
a
1r
a
1r+1
a
1r+2
a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
rr
a
rr+1
a
rr+2
a
rn
0 0 0 0 0
_
_
_
_
_
.
Haciendo el mismo proceso para las las r + 2 hasta m, tenemos que una forma escalonada de A sera
_
_
_
_
_
_
_
_
_
_
a
11
a
1r
a
1r+1
a
1r+2
a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
rr
a
rr+1
a
rr+2
a
rn
0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0
_
_
_
_
_
_
_
_
_
_
y el rango de A es por tanto r.
40 Matematicas I
Parte II
Algebra Lineal
41 Matematicas I :

Algebra Lineal
Tema 4
Espacios vectoriales reales
4.1 Espacios vectoriales
Denicion 88.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto de
vectores por n umeros reales o producto por escalares, que verican las siguientes propiedades:
(1) u + v V ; u, v V .
(2) u + v = v + u; u, v V .
(3) u + (v + w) = (u + v) + w; u, v, w V .
(4) Existe un vector, llamado vector cero y denotado por 0, tal que: 0 + u = u + 0 = u; u V .
(5) Para cada u V , existe un vector de V , llamado opuesto de u y denotado por u, tal que
u + (u) = 0 .
(6) ku V ; k IR y u V .
(7) k(u + v) = ku +kv ; k IR y u, v V .
(8) (k +l)u = ku +l u; k, l IR y u V .
(9) (kl)u = k(l u); k, l IR y u V .
(10) 1u = u; u V .
Por ser los escalares de IR, se dice que V es un IR-espacio vectorial. Se pueden considerar espacios vectoriales
sobre otros cuerpos de escalares, como C.
Ejemplo Los conjuntos IR
n
, los conjuntos de polinomios T
n
[X] = P(X) IR[X] : gr(P) n y los conjuntos
de matrices reales /
mn
= matrices de tama no mn, con las operaciones usuales en cada uno de ellos, son
espacios vectoriales reales.
Propiedades 89.- Algunas propiedades que se deducen de las anteriores son:
(i) 0u = 0 . (ii) k0 = 0 . (iii) (1)u = u.
(iv) ku = 0 k = 0 o u = 0 .
(v) El vector cero de un espacio vectorial es unico.
(vi) El vector opuesto de cada vector del espacio vectorial es unico.

4.2 Subespacios vectoriales
Denicion 90.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V ,
si W es un espacio vectorial con las operaciones denidas en V .
Como W V , todos los vectores de W verican las propiedades 2 a 5 y 7 a 10, por tanto es suciente
probar que las operaciones suma y producto por escalares son internas en W , es decir, que se verican las
propiedades (1) y (6) en W :
(1
) u + v W ; u, v W (6
) ku W ; u W y k IR
42 Matematicas I :

Algebra Lineal 4.3 Base y dimension
Estas dos propiedades son equivalentes a la propiedad unica:
ku +l v W; u, v W y k, l IR.
Nota: Es claro, que si W es un subespacio de V , entonces 0 W .
Ejemplo T
2
[X] es un subespacio de T
4
[X] , pues es un subconjunto suyo y si P(X), Q(X) T
2
[X] , el grado de
kP(X) +lQ(X) es gr(kP +lQ) = maxgr(kP), gr(lQ) maxgr(P), gr(Q) 2, por lo que esta en T
2
[X] .
Sin embargo, P(X) : gr(P) = 2 no es un subespacio de T
4
[X] , por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verica la propiedad (1
) ya que X
2
y 2X X
2
son polinomios del conjunto
pero su suma X
2
+ (2X X
2
) = 2X es un polinomio de grado 1 que no esta en el conjunto.
Denicion 91.- Se dice que un vector v V es una combinaci on lineal de los vectores v
1
, v
2
, . . . , v
n
si,
y solo si, c
1
, c
2
, . . . , c
n
IR tales que v = c
1
v
1
+c
2
v
2
+ +c
n
v
n
.
Denicion 92.- Dado un conjunto de vectores S = v
1
, v
2
, . . . , v
k
de un espacio vectorial V , llamaremos
subespacio lineal generado por S y que denotaremos por lin S o linv
1
, v
2
, . . . , v
k
, al conjunto de
todas las combinaciones lineales que se pueden formar con los vectores de S:
lin S = linv
1
, v
2
, . . . , v
k
=
_
c
1
v
1
+c
2
v
2
+ +c
k
v
k
: c
i
IR
_
y se dira que S genera lin S o que v
1
, v
2
, . . . , v
k
generan lin S.
Naturalmente linS es un subespacio vectorial de V y, de hecho, es el mas peque no que contiene a los
vectores de S (ver ejercicio 4.6).
Denicion 93.- Dado un conjunto S = v
1
, v
2
, . . . , v
k
de vectores del espacio vectorial V , la ecuacion
vectorial c
1
v
1
+c
2
v
2
+ +c
k
v
k
= 0 tiene al menos una solucion, a saber: c
1
= c
2
= = c
k
= 0. Si esta
solucion es unica, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (los vectores son linealmente dependientes).
Ejemplo El vector 2X X
2
de T
2
[X] esta generado por los vectores X 1 y X
2
2:
2X X
2
= (X 1) +(X
2
2) = X +X
2
2 = ( 2) +X +X
2
=
_
_
_
2 = 0
= 2
=1
luego 2X X
2
= 2(X 1) + (1)(X
2
2).
Ejemplo Los polinomios X + 2 y X
2
de T
2
[X] son linealmente independientes: si (X + 2) + X
2
= 0 (al
polinomio cero), se tiene que 0 = (X + 2) + X
2
= 2 + X + X
2
= 2 = 0, = 0 y = 0, ya que los
coecientes de ambos polinomios deben coincidir.
Nota: Si los vectores v

1
, v
2
, . . . , v
k
son linealmente dependientes, al menos uno de ellos se puede escribir
como una combinacion lineal de los restantes; y si son linealmente independientes ninguno de ellos puede ser
generado por los restantes. Es decir, se tiene la siguiente caracterizacion para que un conjunto de dos o mas
vectores sea linealmente dependiente (ver ejercicio 4.7):
Un conjunto de dos o mas vectores es linealmente dependiente si, y solo si, al menos uno
de los vectores es una combinacion lineal de los restantes.
4.3 Base y dimension
Lema 94.- Si v
n+1
= c
1
v
1
+ +c
n
v
n
, entonces linv
1
, . . . , v
n
, v
n+1
= linv
1
, . . . , v
n
.
Es facil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n +1 vectores puede
reconvertirse a una combinacion lineal de los n primeros, por simple sustitucion. En otras palabras, puede
reducirse el n umero de generadores mientras haya dependencia lineal, lo que nos lleva a:
Denicion 95.- Sean V un espacio vectorial y S un conjunto nito de vectores de V . Diremos que S es una
base de V si:
a) S es linealmente independiente y b) S genera a V
43 Matematicas I :

Observacion: El comentario anterior a esta denicion nos indica la manera de reducir un conjunto generador
del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si
S es linealmente independiente y linS ,= V , tomando v V pero que v / lin S, el conjunto S v es
linealmente independiente (ver el Lema 96 siguiente); y as, se a naden vectores a S hasta generar V .
Lema 96.- Si S es un conjunto linealmente independiente de vectores de V y v V lin S, entonces Sv
es linealmente independiente.

De cierta forma, estamos diciendo que una base tiene el menor n umero posible de generadores y el mayor
n umero posible de vectores linealmente independientes (ver Lema 97 siguiente); luego no tendra una base un
n umero jo de vectores? La respuesta la proporciona el Teorema de la base.
Lema 97.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto v
1
, v
2
, . . . , v
m
de vectores de V, con m > n, es linealmente dependiente.

Teorema de la base 98.- Cualesquiera dos bases de un espacio vectorial tienen el mismo n umero de elementos.
Demostracion:
La demostracion es muy sencilla si tenemos en cuenta el Lema anterior, pues si B
1
es una base de n elementos
y B
2
es una base de m elementos, por ser B
1
base y B
2
linealmente independiente, m ,> n y por ser B
2
base
y B
1
linealmente independiente n ,> m, luego n = m.
Denicion 99.- Un espacio vectorial V se dice de dimensi on nita si tiene un conjunto nito de vectores
que forman una base, y llamaremos dimensi on de V , dimV , al n umero de vectores de cualquier base de V .
Al espacio vectorial V = 0 le consideramos de dimension nita, de dimension cero, a un cuando no tiene
conjuntos linealmente independientes.
Si no existe un conjunto nito de este tipo, se dice que V es de dimensi on innita (y no nos son ajenos pues
IR[X] es un espacio vectorial de dimension innita).
Ejemplo T
2
[X] = P(X) IR[X] : gr(P) 2 tiene dimension 3, pues B = 1, X, X
2
forman una base. En
general, dim(T
n
[X]) = n + 1 y B = 1, X, . . . , X
n
es una base suya.
Ejemplo 100 Los conjuntos IR
n
= IRIR IR = (x
1
, . . . , x
n
) : x
i
IR, i con las operaciones
habituales de suma y producto por escalares
x +y = (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = (x
1
+y
1
, . . . , x
n
+y
n
)
x =(x
1
, . . . , x
n
) = (x
1
, . . . , x
n
)
son espacios vectoriales con dimIR
n
= n, ya que cualquier vector x IR
n
puede escribirse de la forma
x = (x
1
, x
2
, . . . , x
n
) = x
1
(1, 0, . . . , 0) +x
2
(0, 1, . . . , 0) + +x
n
(0, 0, . . . , 1)
y este conjunto de vectores
B =
_
e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), . . . , e
n
= (0, 0, . . . , 1)
_
es linealmente independiente. A esta base se la denomina base canonica de IR
n
.
Conocer a priori la dimension de un espacio facilita la obtencion de bases:

Proposicion 101.- Si V es un espacio vectorial, con dimV = n. Entonces, un conjunto de n vectores de V
es base de V ,
a) si el conjunto es linealmente independiente, o
b) si genera a V .
4.3.1 Coordenadas en una base
Denicion 102.- Sean V un espacio vectorial de dimension nita y B = v
1
, v
2
, . . . , v
n
una base de V .
Para cada vector v V , se llaman coordenadas de v en la base B a los n unicos n umeros reales
c
1
, c
2
, . . . , c
n
tales que v = c
1
v
1
+c
2
v
2
+ +c
n
v
n
.
Fijando un orden para los vectores de la base, el vector de IR
n
, de las coordenadas de v en B se denota
por (v)
B
= (c
1
, c
2
, . . . , c
n
) y mas usualmente por [ v]
B
cuando lo escribimos como vector columna en las
operaciones con matrices: [ v]
B
= (c
1
, c
2
, . . . , c
n
)
t
.
44 Matematicas I :

Ejemplo Si B = v
1
, v
2
, v
3
es una base de V y v = v
1
v
2
+ 2v
3
, se tiene que
(v)
B
= (1, 1, 2) (v
1
)
B
= (1, 0, 0) (v
2
)
B
= (0, 1, 0) (v
3
)
B
= (0, 0, 1)
o tambien
[v]
B
=
_
_
1
1
2
_
_
[v
1
]
B
=
_
_
1
0
0
_
_
[v
2
]
B
=
_
_
0
1
0
_
_
[v
3
]
B
=
_
_
0
0
1
_
_

Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo
anterior, tomamos como base B
1
= v
2
, v
3
, v
1
, tenemos que (v)
B
1
= (1, 2, 1) que es un vector de
coordenadas distinto de (v)
B
= (1, 1, 2).
Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un unico vector de IR
n
, de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Ademas, se cumple (ver ejercicio 4.14):
[ v +w]
B
= [ v]
B
+ [ w]
B
y [v]
B
= [ v]
B
, luego [
1
v
1
+ +
n
v
n
]
B
=
1
[ v
1
]
B
+ +
n
[ v
n
]
B
y con esto, no es dicil probar que:
v linv
1
, . . . , v
k
V [v]
B
lin[v
1
]
B
, . . . , [v
k
]
B
IR
n
v
1
, . . . , v
k
lin. independiente en V [v
1
]
B
, . . . , [v
k
]
B
lin. independiente en IR
n
v
1
, . . . , v
n
base de V [v
1
]
B
, . . . , [v
n
]
B
base de IR
n
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
4.3.2 Espacios de las las y las columnas de una matriz
De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, jada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de IR
n
; por lo que resulta muy interesante
conocer esta seccion.
Denicion 103.- Consideremos la matriz A
mn
=
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
. . . .
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Los m vectores de IR
n
: r
1
= (a
11
, . . . , a
1n
), r
2
= (a
21
, . . . , a
2n
), . . . , r
m
= (a
m1
, . . . , a
mn
), se denominan
vectores la de A y al subespacio lineal generado por ellos, E
f
(A) = linr
1
, r
2
, . . . , r
m
, espacio de las
las de A. Por supuesto E
f
(A) IR
n
.
Los n vectores de IR
m
: c
1
= (a
11
, . . . , a
m1
), c
2
= (a
12
, . . . , a
m2
), . . . , c
n
= (a
1n
, . . . , a
mn
), se denominan
vectores columna de A y el subespacio lineal generado por ellos, E
c
(A) = linc
1
, c
2
, . . . , c
n
, espacio de
las columnas de A. Por supuesto E
c
(A) IR
m
.
Proposicion 104.- Si A es una matriz de tama no mn, entonces las operaciones elementales sobre las las
(resp. columnas) de A no cambian el espacio de las las (resp. columnas) de A.
Demostracion:
Puesto que hacer operaciones elementales sobre las las es hacer combinaciones lineales de los vectores la, el
subespacio lineal generado es el mismo. (Igual para las columnas.)
Corolario 105.- Sea A una matriz, entonces:
a) Los vectores no nulos de una forma escalonada de la matriz A, forman una base de E
f
(A).
b) Los vectores no nulos de una forma escalonada de la matriz A
t
, forman una base de E
c
(A).
Demostracion:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba facilmente ya que debajo de cada elemento principal solo hay ceros.
45 Matematicas I :

Algebra Lineal 4.4 Cambios de base
Teorema 106.- Sea A una matriz de tama no mn, entonces: dim(E
f
(A)) = dim(E
c
(A)).
Demostracion:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(A
t
), y que el rango coincide con el n umero de
vectores no nulos en la forma escalonada, as como el resultado anterior.
Estos resultados nos permiten usar el metodo de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.
Ejemplo Los vectores X 1, X + 1 y X
2
1 de T
2
[X] son linealmente independientes?
Tomemos la base B = 1, X, X
2
de T
2
[X] , entonces formamos por las la matriz:
A =
_
_
(X 1)
B
(X + 1)
B
(X
2
1)
B
_
_
=
_
_
1 1 0
1 1 0
1 0 1
_
_
F
2
+F
1
F
3
F
1
_
_
1 1 0
0 2 0
0 1 1
_
_
F
3
+
1
2
F
2
_
_
1 1 0
0 2 0
0 0 1
_
_
Por lo anterior, los vectores la de la ultima matriz son linealmente independientes y dimE
f
(A) = 3. En
consecuencia, los tres vectores la de la matriz A inicial que generan E
f
(A) son tambien base, luego linealmente
independientes y los polinomios del enunciado tambien son linealmente independientes.
Ademas, forman una base de T
2
[X] (por que?).
4.4 Cambios de base

Puesto que las coordenadas estan referidas a una base, al cambiar la base de trabajo, habra que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse facilmente, teniendo en cuenta lo siguiente:
Denicion 107.- Sean B
1
= u
1
, u
2
, . . . , u
n
y B
2
= v
1
, v
2
, . . . , v
n
son bases de un espacio vectorial
V . Recibe el nombre de matriz de transicion o matriz de cambio de la base B
1
a la base B
2
, la matriz
de dimensiones nn, que por columnas es
P =
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
,
es decir, la columna i-esima esta constituida por las coordenadas en la base B
2
, del vector u
i
de la base B
1
.
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porque la matriz de paso se contruye as, puede observarse en la prueba de la proposicion siguiente:
Proposicion 108.- Sea P la matriz de paso de una base B
1
en otra base B
2
de un espacio V . Entonces:
1.- x V se tiene que [ x]
B
2
= P [ x]
B
1
.
2.- P es inversible y su inversa, P
1
, es la matriz de paso de la base B
2
a la base B
1
.
Demostracion:
Sea B
1
= u
1
, u
2
, . . . , u
n
y sea x = c
1
u
1
+c
2
u
2
+ +c
n
u
n
. Entonces, Apartado 1:
P[x]
B
1
=
_
[u
1
]
B
2
[u
2
]
B
2
[u
n
]
B
2
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
=c
1
[u
1
]
B
2
+c
2
[u
2
]
B
2
+ +c
n
[u
n
]
B
2
= [c
1
u
1
+c
2
u
2
+ +c
n
u
n
]
B
2
= [x]
B
2
Apartado 2: como los vectores de la base B
1
son linealmente independientes, sus vectores de coordenadas en
la base B
2
tambien lo son. Luego las columnas de P son vectores linealmente independientes y rg(P) = n,
por lo que P es inversible.
Ademas, [ x]
B
2
= P[ x]
B
1
= P
1
[ x]
B
2
= P
1
P[ x]
B
1
= P
1
[ x]
B
2
= [ x]
B
1
y P
1
es la matriz
de cambio de la base B
2
en la base B
1
.
46 Matematicas I :

Algebra Lineal 4.5 Espacios vectoriales con producto interior
Ejemplo Consideremos las bases B = 1, X, X
2
y B
1
= X 1, X + 1, X
2
1 de T
2
[X] .
La matriz de paso de la base B
1
a la base B sera:
P =
_
[X 1]
B
[X + 1]
B
[X
2
1]
B
_
=
_
_
1 1 1
1 1 0
0 0 1
_
_
y P
1
=
_
_
1
2
1
2
1
2
1
2
1
2
1
2
0 0 1
_
_
la matriz de paso de B a B
1
.
Ejemplo Consideremos en IR
3
la base can onica B
c
= e
1
=(1, 0, 0), e
2
=(0, 1, 0), e
3
=(0, 0, 1) y la base
B
1
= v
1
=(1, 0, 1), v
2
=(2, 1, 1), v
3
=(0, 1, 1).
Como v
1
= 1(1, 0, 0) + 0(0, 1, 0) 1(0, 0, 1) = e
1
e
3
, se tiene que (v
1
)
B
c
= (1, 0, 1); y lo mismo para
los otros vectores, luego la matriz de paso de la base B
1
a la base B
c
sera:
P =
_
[v
1
]
B
c
[v
2
]
B
c
[v
3
]
B
c
_
=
_
_
1 2 0
0 1 1
1 1 1
_
_
y P
1
=
_
_
1 2 0
0 1 1
1 1 1
_
_
1
la matriz de paso de la base B
c
a la base B
1
.
Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de IR

n
en la base canonica de IR
n
es inmediato, pues (x)
B
c
= x . Pero ciudado!, al trabajar con vectores de IR
n
no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior unicamente es cierta en la base canonica.
4.5 Espacios vectoriales con producto interior
4.5.1 Producto interior. Norma. Distancia
Denicion 109.- Un producto interior en un espacio vectorial real V es una funcion que a cada par de
vectores u, v V le asocia un n umero real, que denotaremos por u, v), de tal manera que se cumplen las
siguientes propiedades:
1.- u, v) = v, u); u, v V .
2.- u + v, w) = u, w) +v, w); u, v, w V .
3.- ku, v) = ku, v); u, v V y k IR.
4.- u, u) 0; u V y u, u) = 0 u = 0 .
Otra propiedades que se deducen de las anteriores son:
1.- 0, u) = 0 2.- u, v + w) = u, v) +u, w) 3.- u, kv) = ku, v)
Ejemplo Considerar en T
2
[X] , la funcion P(X), Q(X)) = P(1)Q(1) +P
(1)Q
(1) +P
(1)Q
(1).
(1) P(X), Q(X)) =P(1)Q(1) +P
(1)Q
(1) +P
(1)Q
(1)
=Q(1)P(1) +Q
(1)P
(1) +Q
(1)P
(1) = Q(X), P(X))

(2) P(X) +R(X), Q(X)) =
_
P(1) +R(1)
_
Q(1) +
_
P
(1) +R
(1)
_
Q
(1) +
_
P
(1) +R
(1)
_
Q
(1)
=
_
P(1)Q(1)+P
(1)Q
(1)+P
(1)Q
(1)
_
+
_
R(1)Q(1)+R
(1)Q
(1)+R
(1)Q
(1)
_
=P(X), Q(X)) +R(X), Q(X))
(3) kP(X), Q(X)) =kP(1)Q(1) +kP
(1)Q
(1) +kP
(1)Q
(1)
=k
_
P(1)Q(1) +P
(1)Q
(1) +P
(1)Q
(1)
_
= kP(X), Q(X))
47 Matematicas I :

(4) P(X), P(X)) = P(1)P(1) +P
(1)P
(1) +P
(1)P
(1) =
_
P(1)
_
2
+
_
P
(1)
_
2
+
_
P
(1)
_
2
0.
Y, se da la igualdad si y solo si, P(1) = P
(1) = P
(1) = 0. Entonces, sea P(X) = a + bX + cX

2
, de donde
P
(X) = b + 2cX y P
(X) = 2c; de las igualdades se tiene:

P(1) = P
(1) = P
(1) = 0
a +b +c = 0
b + 2c = 0
2c = 0
_
_
_
a = b = c = 0 P(X) = 0.
Luego tenemos un producto interno denido en T
2
[X] .
A partir de un producto interior sobre un espacio V se denen los conceptos de norma, distancia y angulo.
Denicion 110.- Si V es un espacio vectorial con producto interior, entonces la norma (o longitud o
modulo) de un vector v V se denota mediante |v| y se dene como
|v| = +
_
v, v).
La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se dene como
d(u, v) = |u v| = +
_
u v, u v).
Desigualdad de Cauchy-Schwarz 111.- Para todo u, v V, espacio con producto interior, se tiene
u, v)
2
|u|
2
|v|
2
o en la forma [u, v)[ |u| |v| .

Propiedades basicas de la norma 112.-
1.- |u| 0; u V
2.- |u| = 0 u = 0
3.- |ku|=[k[ |u|; u V y k IR
4.- |u+v| |u|+|v|; u, v V
Propiedades basicas de la distancia 113.-
1.- d(u, v) 0; u, v V
2.- d(u, v) = 0 u = v
3.- d(u, v) = d(v, u); u, v V
4.- d(u, v) d(u, w)+d(w, v); u, v, w V
La prueba de estas propiedades es analoga a la de las propiedades del modulo colplejo.
Observacion: Sean V un espacio con producto interior y B = u
1
, . . . , u
n
una base de V . Tomemos dos
vectores v = a
1
u
1
+ +a
n
u
n
y w = b
1
u
1
+ +b
n
u
n
, entonces
v, w) =a
1
u
1
+ +a
n
u
n
, w) = a
1
u
1
, w) + +a
n
u
n
, w)
=a
1
u
1
, b
1
u
1
+ +b
n
u
n
) + +a
n
u
n
, b
1
u
1
+ +b
n
u
n
)
=a
1
u
1
, u
1
)b
1
+ +a
1
u
1
, u
n
)b
n
+ +a
n
u
n
, u
1
)b
1
+ +a
n
u
n
, u
n
)b
n
=
_
a
1
a
n
_
_
_
_
u
1
, u
1
) u
1
, u
n
)
.
.
.
.
.
.
.
.
.
u
n
, u
1
) u
n
, u
n
)
_
_
_
_
_
_
b
1
.
.
.
b
n
_
_
_ = (v)
B
Q
B
[w]
B
= [v]
t
B
Q
B
[w]
B
luego, jada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz
Q
B
obtenida se denomina matriz de Gram o matriz metrica. Por las propiedades del producto interior, Q
B
es simetrica y los elementos de la diagonal positivos.
4.5.1.1 El espacio eucldeo n-dimensional IR
n
Denicion 114.- Sobre el espacio vectorial IR
n
denimos la funcion que a cada x, y IR
n
le asocia
x, y) = x y = (x
1
, . . . , x
n
) (y
1
, . . . , y
n
) = x
1
y
1
+ +x
n
y
n
=
n
i=1
x
i
y
i
Como puede comprobarse facilmente dicha funcion es un producto interior, el que se conoce como producto
interior eucldeo o producto escalar eucldeo (ya usado en IR
2
y IR
3
).
Este producto interior da lugar a la norma y distancia eucldeas, ya conocidas:
|x| =
_
x
2
1
+ +x
2
n
y d(x, y) = |x y| =
_
(x
1
y
1
)
2
+ + (x
n
y
n
)
2
.
Se llama espacio eucldeo n-dimensional a IR
n
con el producto interior eucldeo.
48 Matematicas I :

Nota: Si la matriz metrica del producto interior en la base B, Q
B
, es la identidad, el producto interior se
reduce al producto escalar eucldeo de los vectores de coordenadas. Esto ocurre precisamente para las bases
ortonormales que se estudian en la siguiente seccion.
4.5.2 Ortogonalidad
Denicion 115.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse-
cuencia de la desigualdad de Cauchy-Schwarz se tiene que 1
u, v
uv
1 y, por tanto, existe un unico
angulo, , tal que
cos =
u, v)
|u| |v|
, con 0
Denicion 116.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son orto-
gonales si u, v) = 0. Suele denotarse por u v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = v
1
, v
2
, . . . , v
k
es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si v
i
v
j
para todo i ,= j .
Ejemplo Los vectores de la base canonica de IR
3
con el producto escalar eucldeo son ortogonales entre si,
pero no lo son si el producto interior denido es: v, w) = v
1
w
1
+v
1
w
2
+v
2
w
1
+ 2v
2
w
2
+v
3
w
3
. (Pruebese
que es un producto interior). En efecto: e
1
, e
2
) = (1, 0, 0), (0, 1, 0)) = 0 + 1 + 0 + 0 + 0 = 1 ,= 0.
Nota: Si dos vectores son ortogonales, el angulo que forman es de radianes (los famosos 90 grados). De hecho,
en IR
n
con el producto escalar eucldeo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pitagoras 117.- Si u y v son dos vectores ortogonales de un espacio vectorial con
producto interior, entonces
|u + v|
2
= |u|
2
+|v|
2
.
Este resultado, de facil comprobacion, se reduce en IR
2
con el producto escalar al Teorema de Pitagoras.
Tambien es sencillo probar el resultado siguiente (ver ejercicio 4.21):
Proposicion 118.- Si w v
1
, v
2
, . . . , v
k
, entonces w linv
1
, v
2
, . . . , v
k
.
Mucho mas interesante es el siguiente, que relaciona ortogonalidad e independencia:
Teorema 119.- Si S = v
1
, v
2
, . . . , v
k
un conjunto nito de vectores no nulos, ortogonales dos a dos,
entonces S es linealmente independiente.

4.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt
Denicion 120.- Sean V un espacio vectorial de dimension n con producto interior. Se dice que la base
B = v
1
, v
2
, . . . , v
n
es una base ortonormal de V , si B es un conjunto ortogonal y |v
i
| = 1, i.
Ejemplo Las bases canonica y B
1
=
__
1
2
,
1
2
_
,
_
1
2
,
1
2
__
son ortonormales en IR
2
con el producto escalar
eucldeo. La base B
2
= (2, 0), (0,
2) es ortonormal para el producto interior x, y) =

x
1
y
1
4
+
x
2
y
2
2
.
Teorema 121.- Si B = v
1
, v
2
, . . . , v
n
es una base ortonormal para un espacio V con producto interior,
entonces v V se tiene que (v)
B
=
_
v, v
1
), v, v
2
), . . . , v, v
n
)
_
. Es decir,
v = v, v
1
)v
1
+v, v
2
)v
2
+ +v, v
n
)v
n
,
Demostracion:
Si v = c
1
v
1
+ +c
i
v
i
+ +c
n
v
n
, para cada i, se tiene que
v, v
i
) =c
1
v
1
+ +c
i
v
i
+ +c
n
v
n
, v
i
)
=c
1
v
1
, v
i
) + +c
i
v
i
, v
i
) + +c
n
v
n
, v
i
) = c
i
v
i
, v
i
) = c
i
|v
i
|
2
= c
i
49 Matematicas I :

Algebra Lineal 4.6 Ejercicios
Es decir, en una base ortonormal, la obtencion de cordenadas puede resultar mas sencilla. Pero no solo eso, si
no que tambien se tiene:
Teorema 122.- Si P es la matriz de paso de una base ortonormal B
1
a otra base ortonormal B
2
, entonces
P es una matriz ortogonal (es decir, P
1
= P
t
).
La prueba es puramente operativa, usando la denicion de matriz de paso y el apartado b) del ejercicio 4.24
(ver tambien el ejercicio 4.29).
Denicion 123.- Sean V un espacio vectorial con producto interior, W subespacio de V y B =
w
1
, w
2
, . . . , w
k
una base ortonormal de W . Para cada v V , llamaremos proyecci on ortogonal
de v sobre W al vector de W
Proy
W
(v) = v, w
1
)w
1
+v, w
2
)w
2
+ +v, w
k
)w
k
.
Al vector v Proy
W
(v) se le llama componente ortogonal de v sobre W .
El vector proyeccion ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base
ortonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, pag. 49, tras la demostracion
del Lema 124 siguiente.
Lema 124.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base orto-
normal de W . Entonces para cada v V , el vector v Proy
W
(v) es ortogonal a W .

Proceso de ortonormalizacion de Gram-Schmidt 125.- Sean V un espacio vectorial con producto interior y
de dimension nita. Vamos a describir este proceso que construye a partir de una base B=v
1
, v
2
, . . . , v
n
una base ortonormal B
= u
1
, u
2
, . . . , u
n
.
Demostracion:
1
a
etapa.- Como v
1
,= 0 por ser de B, el vector u
1
=
v
1
|v
1
|
tiene norma 1 y linu
1
= linv
1
.
2
a
etapa.- Sea W
1
= linu
1
, por el Lema anterior, el vector v
2
Proy
W
1
(v
2
) es ortogonal a W
1
, en
particular a u
1
, y es distinto del vector 0 pues Proy
W
1
(v
2
) W
1
y v
2
/ W
1
= linv
1
, entonces tiene que
u
2
=
v
2
Proy
W
1
(v
2
)
_
_
v
2
Proy
W
1
(v
2
)
_
_
=
v
2
v
2
, u
1
)u
1
|v
2
v
2
, u
1
)u
1
|
linv
1
, v
2
es ortogonal a u
1
y tiene norma 1. Ademas, linu
1
, u
2
= linv
1
, v
2
.
3
a
etapa.- Sea ahora W
2
= linu
1
, u
2
, como antes, el vector v
3
Proy
W
2
(v
3
) es ortogonal a W
2
, en
particular a u
1
y u
2
, y es distinto del vector 0 , pues Proy
W
2
(v
3
) W
2
y v
3
/ W
2
= linv
1
, v
2
,
entonces se tiene que
u
3
=
v
3
Proy
W
2
(v
3
)
_
_
v
3
Proy
W
2
(v
3
)
_
_
=
v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|v
3
v
3
, u
1
)u
1
v
3
, u
2
)u
2
|
linv
1
, v
2
, v
3
es ortogonal a u
1
y u
2
, y tiene norma 1. Ademas, linu
1
, u
2
, u
3
= linv
1
, v
2
, v
3
.
n
a
etapa.- Con la repeticion del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B
= u
1
, u
2
, . . . , u
n
, tal que linB
= linB = V . Luego B
es una base ortonormal de V .

4.6 Ejercicios
4.1 Determinar si son espacios vectoriales los siguientes conjuntos:
a) IR
2
con las operaciones: (x, y) + (x
, y
) = (x +x
, y +y
) y k(x, y) = (2kx, 2ky).

b) A = (x, 0) : x IR con las operaciones usuales de IR
2
.
c) IR
2
con las operaciones: (x, y) + (x
, y
) = (x +x
+ 1, y +y
+ 1) y k(x, y) = (kx, ky).

d) El conjunto de los n umeros reales estrctamente positivos, IR
+
0, con las operaciones: x+x
= xx
y kx = x
k
.
50 Matematicas I :

4.2 Cuales de los siguientes conjuntos son subespacios vectoriales de IR
3
o IR
4
?
a) (a, 1, 1) IR
3
: a IR IR
3
b) (a, b, c) IR
3
: b = a +c IR
3
c) (a, b, c, d) IR
4
: a + 2d = 7 IR
4
d) (a, b, c, d) IR
4
: ba = 0 IR
4
4.3 Sean v
1
= (2, 1, 0, 3), v
2
= (3, 1, 5, 2) y v
3
= (1, 0, 2, 1) vectores de IR
4
. Cuales de los vectores
(2, 3, 7, 3), (0, 0, 0, 0), (1, 1, 1, 1) y (4, 6, 13, 4), estan en linv
1
, v
2
, v
3
?
4.4 Para que valores reales de los vectores v
1
= (,
1
2
,
1
2
) v
2
= (
1
2
, ,
1
2
) y v
3
= (
1
2
,
1
2
, ) forman
un conjunto linealmente dependiente en IR
3
?
4.5 Dados tres vectores linealmente independientes u, v y w, demostrar que u + v , v + w y w + u son
tambien linealmente independientes.
4.6 Sea V un espacio vectorial y S = v
1
, . . . , v
k
un conjunto de vectores de V . Probar que:
a) lin S es un subespacio vectorial de V .
b) Si W es un subespacio de V que contiene a los vectores de S, entonces linS W .
4.7 Probar que si los vectores v
1
, . . . , v
k
son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinacion lineal de los restantes.
4.8 Determinar la dimension de los siguientes subespacios de IR
4
:
a) Todos los vectores de la forma (a, b, c, 0).
b) Todos los vectores de la forma (a, b, c, d) con d = a +b y c = a b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d.
4.9 Demostrar que los vectores solucion de un sistema no homogeneo compatible, AX = B, de m ecuaciones
con n incognitas no forman un subespacio de IR
n
. Que ocurre si el sistema es homogeneo, es decir, si
B = 0?
4.10 Sean E y F subespacios de un espacio V . Probar que: E F = v V : v E y v F es un
subespacio de V .
4.11 Considerar en IR
4
los conjuntos de vectores:
A = (1, 2, 1, 3), (0, 1, 0, 3) B = (1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)
a) Hallar las dimensiones de lin(A) y de lin(B), y encontrar una base
b) Hallar las ecuaciones parametricas de lin(A) y de lin(B).
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B).
d) Hallar la dimension de lin(A) lin(B).
4.12 Consideremos en el espacio vectorial IR
3
la base B = u
1
, u
2
, u
3
. Sea E el subespacio engendrado
por los vectores
v
1
= u
1
+ 3u
3
, v
2
= 2u
1
3u
2
+ u
3
, v
3
= 4u
1
3u
2
+ 7u
3
.
Sea F el subespacio engendrado por los vectores
w
1
= u
1
+ u
2
+ u
3
, w
2
= 2u
1
+ 3u
2
+ 4u
3
, w
3
= 3u
1
+ 4u
2
+ 5u
3
.
Hallar una base de E, una base de F , el subespacio E F y una base de E F .
4.13 Sea M
22
el espacio vectorial de las matrices cuadradas de orden 2 sobre IR y sea E el subconjunto de
M
22
formado por las matrices de la forma
_
a b +c
b +c a
_
con a, b, c IR.
a) Demostrar que E es un subespacio vectorial.
b) Probar que las matrices A
1
=
_
1 0
0 1
_
, A
2
=
_
0 1
1 0
_
y A
3
=
_
0 1
1 0
_
, forman una base de E.
4.14 Sea B una base de un espacio vectorial V de dimension n. Demostrar que el conjunto v
1
, v
2
, . . . , v
n
es una base de V si, y solo si el conjunto [ v

1
]
B
, [ v
2
]
B
, . . . , [ v
n
]
B
es una base de IR
n
.
51 Matematicas I :

4.15 En una cierta base u
1
, u
2
, u
3
, u
4
de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6). Hallar las coordenadas de W en otra base v
1
, v
2
, v
3
, v
4
cuyos vectores verican que
v
1
=u
1
+u
2
, v
2
=2u
4
u
1
, v
3
=u
2
u
3
y v
4
=2u
1
u
2
.
4.16 En IR
3
se consideran las bases B = v
1
=(2, 0, 0), v
2
=(0, 1, 2), v
3
=(0, 0, 3) y la base canonica
B
c
= e
1
, e
2
, e
3
. Hallar las coordenadas respecto de la base B del vector x = 4e
1
+ e
2
5e
3
.
4.17 Se consideran en IR
3
las bases B = u
1
, u
2
, u
3
y B
= v
1
, v
2
, v
3
, siendo
u
1
= (3, 0, 3), u
2
= (3, 2, 1), u
3
= (1, 6, 1) y
v
1
= (6, 6, 0), v
2
= (2, 6, 4), v
3
= (2, 3, 7).
a) Hallar la matriz de paso de B a B
.
b) Calcular la matriz de coordenadas, [ w]
B
, siendo w = (5, 8, 5).
c) Calcular [ w]
B
de dos formas diferentes
4.18 Sean u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
). Determinar si u, v) = u
1
v
1
u
2
v
2
+u
3
v
3
dene un producto
interior en IR
3
.
4.19 a) Encontrar dos vectores de IR
2
con norma eucldea uno y cuyo producto interior eucldeo con (2, 4)
sea cero.
b) Demostrar que hay un n umero innito de vectores en IR
3
con norma eucldea uno y cuyo producto
interior eucldeo con (1, 7, 2) es cero.
4.20 Sean a = (
1
5
,
1
5
) y b = (
2
30
,
3
30
). Demostrar que a, b es ortonormal si IR
2
tiene el producto
interior u, v) = 3u
1
v
1
+2u
2
v
2
donde u = (u
1
, u
2
) y v = (v
1
, v
2
), y que no lo es si IR
2
tiene el producto
interior eucldeo.
4.21 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores
v
1
, v
2
, . . . , v
k
entonces es ortogonal a linv
1
, v
2
, . . . , v
k
.
4.22 Considera IR
3
con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar,
en cada caso, la base u
1
, u
2
, u
3
en una base ortonormal.
a) u
1
= (1, 1, 1), u
2
= (1, 1, 0), u
3
= (1, 2, 1).
b) u
1
= (1, 0, 0), u
2
= (3, 7, 2), u
3
= (0, 4, 1).
4.23 Sea IR
3
con el producto interior u, v) = u
1
v
1
+ 2u
2
v
2
+ 3u
3
v
3
. Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u
1
= (1, 1, 1), u
2
= (1, 1, 0) y u
3
= (1, 0, 0) en una
base ortonormal.
4.24 Sea B = v
1
, v
2
, v
3
una base ortonormal de un espacio V con producto interior. Probar que:
a) |w|
2
= w, v
1
)
2
+w, v
2
)
2
+w, v
3
)
2
; w V .
b) u, w) = (u)
B
(w)
B
= [ u]
t
B
[ w]
B
; u, w V .
4.25 Tomemos en IR
4
el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en la forma w = w
1
+
w
2
donde, w
1
este en el subespacio W generado por los vectores u
1
= (1, 0, 1, 2) y u
2
= (0, 1, 0, 1),
y w
2
sea ortogonal a W .
4.26 Suponer que IR
4
tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u
1
= (1, 0, 0, 0) y u
4
= (0, 0, 0, 1), y que forme angulos iguales con los
vectores u
2
= (0, 1, 0, 0) y u
3
= (0, 0, 1, 0).
b) Hallar un vector x de longitud 1, ortogonal a u
1
y a u
2
, tal que el coseno del angulo entre x y
u
3
sea el doble del coseno del angulo entre x y u
4
.
4.27 Hallar la distancia del vector u = (1, 1, 1, 1) de IR
4
al subespacio generado por los vectores v
1
= (1, 1, 1, 0)
y v
2
= (1, 1, 0, 0).
52 Matematicas I :

4.28 Dados los vectores x = (x
1
, x
2
, x
3
) e y = (y
1
, y
2
, y
3
) de IR
3
, demostrar que la expresion x, y) =
2x
1
y
1
+ 2x
2
y
2
+x
3
y
3
+x
1
y
2
+x
2
y
1
dene un producto interior.
Encontrar una base u
1
, u
2
, u
3
ortonormal respecto al producto interior anterior tal que u
2
y u
3
tengan igual direccion y sentido que los vectores (0, 1, 0) y (0, 0, 1), respectivamente.
4.29 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores la forman un conjunto
ortonormal en IR
n
.
53 Matematicas I :

Algebra Lineal
Tema 5
Aplicaciones lineales
5.1 Denicion. N ucleo e imagen
Denicion 126.- Sea f: V W una aplicacion entre los espacios vectoriales reales V y W . Se dice que f
es una aplicacion lineal si:
(1) f(u + v) = f(u) +f(v); u, v V, (2) f(ku) = kf(u); u V y k IR.
Estas dos propiedades se pueden reunir en:
f(ku +l v) = kf(u) +lf(v); u, v V, k, l IR.
y, en general, se tiene:
f(k
1
u
1
+k
2
u
2
+ +k
r
u
r
) = k
1
f(u
1
) +k
2
f(u
2
) + +k
r
f(u
r
) u
i
V, k
i
IR
Si V = W la aplicacion lineal tambien se dice que es un operador lineal.
Ejemplos 127 Las siguientes aplicaciones son aplicaciones lineales
1.- f: V V denida por f(v) = 2v:
f(v +w) = 2(v +w) = 2v +2w = f(v) +f(w)
2.- Dada A =
_
0 1 1
1 0 1
_
, la aplicacion f: IR
3
IR
2
con f(x) = Ax =
_
0 1 1
1 0 1
_
_
_
x
1
x
2
x
3
_
_
:
f(x +y) = A(x +y) = A(x) +A(y) = Ax +Ay = f(x) +f(y)
Proposicion 128.- Si f: V W es una aplicacion lineal, entonces:

a) f(0) = 0; b) f(v) = f(v); v V
Denicion 129.- Dada una aplicacion lineal f: V W , se dene el n ucleo o ker(nel) de f , que se denota
por ker(f) o ker f , como el conjunto:
ker f = v V : f(v) = 0
y se dene la imagen de f , que se denota por Img(f) o Img f (a veces f(V )), como el conjunto
Img f = w W : v V tal que w = f(v)
El ker f es un subespacio vectorial de V y la Img f es subespacio vectorial de W (ver ejercicio 5.31).
Denicion 130.- Si f: V W es una aplicacion lineal, entonces la dimension del n ucleo se denomina la
nulidad de f y la dimension de la imagen de f se denomina el rango de f .
Proposicion 131.- Sea f: V W es una aplicacion lineal y B = v
1
, v
2
, . . . , v
n
una base de V , entonces
Img f = linf(v
1
), f(v
2
), . . . , f(v
n
)
Demostracion:
En efecto, todo v V puede escribirse como v = k
1
v
1
+k
2
v
2
+ +k
n
v
n
, luego
f(v) = f(k
1
v
1
+k
2
v
2
+ +k
n
v
n
) = k
1
f(v
1
) +k
2
f(v
2
) + +k
n
f(v
n
)
En consecuencia, si w Img f , w = f(v) = k
1
f(v
1
) +k
2
f(v
2
) + +k
n
f(v
n
), para alg un v.
54 Matematicas I :

Algebra Lineal 5.2 Matrices de una aplicacion lineal
Ejemplo Tomemos el ejemplo 2) de los Ejemplos 127 anteriores:
ker f = x IR
3
: f(x) = 0 = x IR
3
: Ax = 0
luego son las soluciones del sitema de ecuaciones lineales AX = 0. Como son los vectores de la forma (z, z, z),
para cualquier valor de z IR, se tiene que ker f = (z, z, z) IR
3
: z IR = lin(1, 1, 1).
Para la imagen: tomemos en IR
3
la base canonica, entonces
Img f =linf(e
1
), f(e
2
), f(e
3
)=linAe
1
, Ae
2
, Ae
3
=lin(0, 1), (1, 0), (1, 1)=lin(0, 1), (1, 0)=IR
2
pues (1, 1) = (1)(0, 1) + (1)(1, 0). Se tiene ademas, que dim(ker f) = 1 y dim(Img f) = 2.
No por casualidad, sucede que dim(ker f) + dim(Img f) = 1 + 2 = 3 = dimIR

3
:
Teorema de la dimension 132.- Si f: V W es una aplicacion lineal entre espacios vectoriales,
dimV = dim(ker f) + dim(Img f)
Demostracion:
Si la dim(ker f) = n = dimV , entonces ker f = V , y f(v) = 0 v V , luego Img f = 0 que tiene
dimension cero, por lo que se cumple
dim(ker f) + dim(Img f) = dimV ( n + 0 = n )
Si la dim(ker f) = r < n, tomemos B
ker
= u
1
, . . . , u
r
una base del ker f V que podemos completar con
n r vectores hasta una base de V , B
V
= u
1
, . . . , u
r
, v
r+1
, . . . , v
n
, y el conjunto imagen sera por tanto
Img f = lin
_
f(u
1
), . . . , f(u
r
), f(v
r+1
), . . . , f(v
n
)
_
= lin
_
0, . . . , 0, f(v
r+1
), . . . , f(v
n
)
_
=lin
_
f(v
r+1
), . . . , f(v
n
)
_
Si probamos que el conjunto formado por esos n r vectores es linealmente independiente, sera una base de la
Img f y habremos probado que
dim(ker f) + dim(Img f) = dimV ( r + n r = n )
como queramos. Veamoslo: por ser f una aplicacion lineal,
r+1
f(v
r+1
) + +
n
f(v
n
) = 0 f(
r+1
v
r+1
+ +
n
v
n
) = 0
r+1
v
r+1
+ +
n
v
n
ker f
luego en la base B
ker
se expresa con
r+1
v
r+1
+ +
n
v
n
=
1
u
1
+ +
r
u
r
, para ciertos
i
. Luego
1
u
1

r
u
r
+
r+1
v
r+1
+ +
n
v
n
= 0
y
1
= =
r
=
r+1
= =
n
= 0 por formar esos vectores una base de V . En particular, con
r+1
= =
n
= 0 se prueba que el conjunto f(v
r+1
), . . . , f(v
n
) es un conjunto linealmente independiente
de vectores, que por ser tambien generador de la Img f es una base de ella.
5.2 Matrices de una aplicacion lineal
Teorema 133.- Sean V y W espacios vectoriales con dimV = n y dimW = m, y sea f: V W , una
aplicacion lineal. Si B
1
= v
1
, v
2
, . . . , v
n
es una base de V y B
2
= w
1
, w
2
, . . . , w
m
una base de W ,
entonces la matriz
A
mn
=
_
[f(v
1
)]
B
2
[f(v
2
)]
B
2
[f(v
n
)]
B
2
_
es la unica matriz que verica que [f(v)]
B
2
= A[ v]
B
1
, para cada v V .
Demostracion:
Todo v V se escribe de forma unica como una combinacion lineal de los vectores de la base, v =
k
1
v
1
+k
2
v
2
+ +k
n
v
n
, luego su imagen f(v) = k
1
f(v
1
) +k
2
f(v
2
) + +k
n
f(v
n
).
Como los vectores f(v
1
), f(v
2
), . . . , f(v
n
) son de W , sean sus coordenadas en la base B
2
:
_
_
_
f(v
1
)
_
B
2
= (a
11
, a
21
, . . . , a
m1
)
_
f(v
2
)
_
B
2
= (a
12
, a
22
, . . . , a
m2
)

_
f(v
n
)
_
B
2
= (a
1n
, a
2n
, . . . , a
mn
)
_
f(v
1
) = a
11
w
1
+a
21
w
2
+ +a
m1
w
m
f(v
2
) = a
12
w
1
+a
22
w
2
+ +a
m2
w
m

f(v
n
) = a
1n
w
1
+a
2n
w
2
+ +a
mn
w
m
55 Matematicas I :

Entonces, sustituyendo en f(v), se tiene
f(v) =k
1
(a
11
w
1
+a
21
w
2
+ +a
m1
w
m
) +k
2
(a
12
w
1
+a
22
w
2
+ +a
m2
w
m
)
+ +k
n
(a
1n
w
1
+a
2n
w
2
+ +a
mn
w
m
)
= (k
1
a
11
+k
2
a
12
+ +k
n
a
1n
)w
1
+ (k
1
a
21
+k
2
a
22
+ +k
n
a
2n
)w
2
+ + (k
1
a
m1
+k
2
a
m2
+ +k
n
a
mn
)w
m
por tanto, las coordenadas de f(v) en la base B
2
son
[f(v)]
B
2
=
_
_
_
_
k
1
a
11
+k
2
a
12
+ +k
n
a
1n
k
1
a
21
+k
2
a
22
+ +k
n
a
2n

k
1
a
m1
+k
2
a
m2
+ +k
n
a
mn
_
_
_
_
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
_
_
_
_
_
k
1
k
2
.
.
.
k
n
_
_
_
_
_
= A[ v]
B
1
y A, tiene por columnas las coordenadas en la base B
2
de las imagenes de los vectores de la base B
1
.
Denicion 134.- Sean B
1
una base de V , B
2
base de W y f: V W una aplicacion lineal. A la unica
matriz A, tal que [f(v)]
B
2
= A[ v]
B
1
, para cada v V , se le llama matriz de f respecto de las bases
B
1
y B
2
.
Si f: V V es un operador lineal y consideramos que tenemos la misma base B en el espacio de partida
y en el de llegada, entonces se habla de matriz de f respecto de la base B.
Ejemplo Sea f: T
2
[X] T
1
[X] dada por f(P(X)) = P
(X). Sean B
1
= 1, X, X
2
y B
2
= 1, X bases
respectivas de T
2
[X] y T
1
[X] . Entonces, como f(1) = 0, f(X) = 1 y f(X
2
) = 2X se tiene que
A =
_
[f(1)]
B
2
[f(X)]
B
2
[f(X
2
)]
B
2
_
=
_
0 1 0
0 0 2
_
es la matriz de f asociada a B
1
y B
2
.
En efecto
f(a +bX +cX
2
) = b + 2cX y A[a +bX +cX
2
]
B
1
=
_
0 1 0
0 0 2
_
_
_
a
b
c
_
_
=
_
b
2c
_
= [b + 2cX]
B
2
Observacion 135.- Si f: V W es una aplicacion lineal y A la matriz de f respecto de B

1
y B
2
, entonces
ker f =
_
v V : f(v) = 0
_
=
_
v V : [f(v)]
B
2
= [ 0]
B
2
_
=
_
v V : A[ v]
B
1
= 0
_
luego las coordenadas en la base B
1
de los vectores del ker f son las soluciones del sistema homogeneo Ax = 0 .
w Img f = lin
_
f(v
1
), f(v
2
), . . . , f(v
n
)
_
[ w]
B
2
lin
_
[f(v
1
)]
B
2
, [f(v
2
)]
B
2
, . . . , [f(v
n
)]
B
2
_
luego el espacio de las columnas de la matriz A, E
c
(A), esta compuesto por las coordenadas en la base B
2
de
los vectores de la Img f . En consecuencia, dim(Img f) = dimE
c
(A) = rg(A).
Ejemplo Sean B
1
= v
1
, v
2
, v
3
base de V , B
2
= w
1
, w
2
, w
3
base de W , f: V W aplicacion
lineal y A =
_
_
1 0 1
1 1 1
1 1 3
_
_
la matriz de f asociada a B
1
y B
2
. Encontrar una base de ker f y otra de Img f .
Como A[ v]
B
1
= [f(v)]
B
2
, v
0
ker f A[ v
0
]
B
1
= 0, luego resolviendo el sistema AX = 0:
A =
_
_
1 0 1
1 1 1
1 1 3
_
_
_
_
1 0 1
0 1 2
0 1 2
_
_
_
_
1 0 1
0 1 2
0 0 0
_
_
=
_
_
_
x = z
y = 2z
z = z
= [v
0
]
B
1
=
_
_
x
y
z
_
_
= z
_
_
1
2
1
_
_
el vector (1, 2, 1) genera las coordenadas en B
1
de los vectores del ker f . Luego ker f =linv
1
2v
2
+v
3
.
Ademas, dim(ker f) = 1 luego dim(Img f) = 3 1 = 2 = rg(A). Y una base de la imagen se obtendra de
una base del espacio de las columnas de A (para operar sobre las columnas de A, operamos es las las de A
t
):
A
t
=
_
_
1 0 1
1 1 1
1 1 3
_
_
t
=
_
_
1 1 1
0 1 1
1 1 3
_
_
_
_
1 1 1
0 1 1
0 2 2
_
_
_
_
1 1 1
0 1 1
0 0 0
_
_
luego los vectores (1, 1, 1) y (0, 1, 1) generan las coordenadas en la base B
2
de los vectores de la Img f . En
consecuencia, Img f = linw
1
w
2
+w
3
, w
2
+w
3
.

56 Matematicas I :

Observacion 136.- Pueden obtenerse de una sola vez una base para ker(f) y otra para la Img(f). Basta para
ello, tener en cuenta que las operaciones elementales realizadas sobre las columnas de la matriz, son operaciones
sobre los vectores imagen.
Ejemplo Sea A =
_
_
_
_
1 2 1 1 0 1
1 1 2 2 1 0
2 1 1 1 1 1
1 6 9 7 4 0
_
_
_
_
la matriz de la aplicacion f: V W , referida a las bases
B
1
= v
1
, v
2
, v
3
, v
4
, v
5
, v
6
y B
2
= w
1
, w
2
, w
3
, w
4
. Para obtener una base de la imagen, hacemos
operaciones elementales en las las de A
t
(en las columnas de A):
A
t
=
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
2 1 1 6 : C
2
1 2 1 9 : C
3
1 2 1 7 : C
4
0 1 1 4 : C
5
1 0 1 1 : C
6
_
_
_
_
_
_
_
_
F
2
2F
1
F
3
+F
1
F
4
F
1
F
6
F
1
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
0 3 5 4 : C
2
2C
1
0 3 1 8 : C
3
+C
1
0 3 3 6 : C
4
C
1
0 1 1 4 : C
5
0 1 3 0 : C
6
C
1
_
_
_
_
_
_
_
_
F
2
F
6
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
0 1 3 0 : C
6
C
1
0 3 1 8 : C
3
+C
1
0 3 3 6 : C
4
C
1
0 1 1 4 : C
5
0 3 5 4 : C
2
2C
1
_
_
_
_
_
_
_
_
F
3
+3F
2
F
4
3F
2
F
5
F
2
F
6
3F
2
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
0 1 3 0 : C
6
C
1
0 0 8 8 : C
3
+C
1
+ 3(C
6
C
1
)
0 0 6 6 : C
4
C
1
3(C
6
C
1
)
0 0 4 4 : C
5
(C
6
C
1
)
0 0 4 4 : C
2
2C
1
3(C
6
C
1
)
_
_
_
_
_
_
_
_
F
3
F
5
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
0 1 3 0 : C
6
C
1
0 0 4 4 : C
5
C
6
+C
1
0 0 6 6 : C
4
+ 2C
1
3C
6
0 0 8 8 : C
3
2C
1
+ 3C
6
0 0 4 4 : C
2
+C
1
3C
6
_
_
_
_
_
_
_
_
F
4
3
2
F
3
F
5
+2F
3
F
6
F
3
_
_
_
_
_
_
_
_
1 1 2 1 : C
1
0 1 3 0 : C
6
C
1
0 0 4 4 : C
5
C
6
+C
1
0 0 0 0 : C
4
+
1
2
C
1

3
2
C
6

3
2
C
5
0 0 0 0 : C
3
+C
6
+ 2C
5
0 0 0 0 : C
2
2C
6
C
5
_
_
_
_
_
_
_
_
La matriz nal es escalonada, luego las tres primeras las son linealmente independientes, pero estas en realidad
son: C
1
= [f(v
1
)]
B
2
, C
6
C
1
= [f(v
6
)]
B
2
[f(v
1
)]
B
2
= [f(v
6
v
1
)]
B
2
y C
5
C
6
+C
1
= [f(v
5
v
6
+v
1
)]
B
2
.
Por lo que
_
f(v
1
), f(v
6
v
1
), f(v
5
v
6
+ v
1
)
_
es base de Img(f) (rg(A) = dim(Img f) = 3).
Las tres las restantes de la matriz son cero, en realidad:
0 = C
4
+
1
2
C
1

3
2
C
6

3
2
C
5
= [f(v
4
+
1
2
v
1
3
2
v
6
3
2
v
5
)]
B
2
0 = C
3
+C
6
+ 2C
5
= [f(v
3
+ v
6
+ 2v
5
)]
B
2
0 = C
2
2C
6
C
5
= [f(v
2
2v
6
v
5
)]
B
2
luego los vectores v
4
+
1
2
v
1
3
2
v
6
3
2
v
5
, v
3
+v
6
+2v
5
y v
2
2v
6
v
5
son vectores de ker(f). Como
son linealmente independientes (ver justicacion en Anexo 1, pag 77) y dim(ker f) = 6 dim(Img f) = 3,
forman una base del ker(f).
Denicion 137.- Si f: IR
n
IR
m
es una aplicacion lineal, a la matriz de f asociada a las bases canonicas
de IR
n
y IR
m
, se le llama la matriz estandar.
Denicion 138.- Para cada matriz A
mn
, la aplicacion f: IR
n
IR
m
denida por f(x) = Ax es lineal y A
es la matriz estandar de f . Se dice que f es una aplicacion matricial.
5.2.1 Composicion de aplicaciones lineales
Aplicacion y funcion tienen el mismo signicado (aunque esta ultima denominacion es la que suele usarse en los
temas de Calculo) por lo que la denicion siguiente no debe plantear sorpresas:
Denicion 139.- Sean f: V W y g: W U aplicaciones lineales. Llamaremos aplicacion compuesta
de f y g, a la aplicacion g f: V U denida por
(g f)(v) = g(f(v)), v V.
57 Matematicas I :

Algebra Lineal 5.3 Teorema de Semejanza
Proposicion 140.- Sean f: V W y g: W U aplicaciones lineales, con dimV = n, dimW = m y
dimU = p, y sean B
1
, B
2
y B
3
bases de V , W y U , respectivamente. Entonces:
a) g f es una aplicacion lineal.
b) Si A
mn
es la matriz asociada a f respecto de las bases B
1
y B
2
, y C
pm
es la matriz asociada a g
respecto de B
2
y B
3
, entonces CA
pn
es la matriz asociada a g f respecto de las bases B
1
y B
3
.
Demostracion:
a) (g f)(u +v) =g(f(u +v)) = g(f(u) +f(v)) = g(f(u)) +g(f(v))
=(g f)(u) +(g f)(v).
b) Teniendo en cuenta que [g(w)]
B
3
= C[ w]
B
2
y [f(v)]
B
2
= A[ v]
B
1
,
[(g f)(v)]
B
3
= [g(f(v))]
B
3
= C[f(v)]
B
2
= CA[v]
B
1
; v V.
5.3 Teorema de Semejanza
Proposicion 141.- Sea f: V W una aplicacion lineal entre espacios vectoriales, B
1
y B
1
dos bases de V
y B
2
y B
2
dos bases de W . Si A
1
es la matriz de f asociada a las bases B
1
y B
2
, P la matriz de cambio
de base la base B
1
a la base B
1
y Q la matriz de cambio de base de B
2
a B
2
; entonces la matriz, A
, de f
asociada a las bases B
1
y B
2
viene dada por
A
= QAP
Demostracion:
QAP[ v]
B
1
= QA[ v]
B
1
= Q[f(v)]
B
2
= [f(v)]
B
2
= A
[ v]
B
2
, v V . Luego A
= QAP .
Teorema de semejanza 142.- Sean f: V V , un operador lineal, A
1
la matriz de f respecto de una base
B
1
de V , A
2
la matriz de f respecto de otra base B
2
y P la matriz de paso de B
2
a B
1
. Entonces
A
2
= P
1
A
1
P
Observacion: Una manera de recordar bien este proceso es tener en cuenta los diagramas siguientes, donde la
obtencion de las nuevas matrices se reduce a la b usqueda de caminos alternativos:
A
= QAP
V
f
W
B
1
A
B
2
[
P
[
Q
B
1
A
2
V
f
V
B
1
A
1
B
1
[
P
[
P
1
B
2
A
2
B
2
A
2
= P
1
A
1
P
No hay que olvidar, que las matrices se operan en orden inverso (las matrices multiplican a los vectores por la
izquierda, sucesivamente). Obviamente, el Teorema de Semejanza es un caso particular de la Proposicion 141.
Denicion 143.- Dadas dos matrices A y B de orden n, se dice que A y B son semejantes si existe una
matriz P inversible tal que B = P
1
AP .
Corolario 144.- Dos matrices A y B son semejantes si y solo si representan al mismo operador lineal respecto
a dos bases.
Corolario 145.- Si A y B son matrices semejantes, entonces tienen el mismo rango.
58 Matematicas I :

5.4 Ejercicios
5.30 Determinar si las siguientes aplicaciones son o no lineales:
a) f: IR
2
IR
2
denida por f(x, y) = (
3
x,
3
y)
b) f: IR
3
IR
2
denida por f(x, y, z) = (2x +y, 3y 4z).
c) f: M
22
IR denida por f
_
a b
c d
_
= a
2
+b
2
.
5.31 Sea f: V W una aplicacion lineal.
a) Probar que ker f es un subespacio de V
b) Probar que Img f es un subespacio de W
5.32 Sean V un espacio vectorial y T: V V la aplicacion lineal tal que T(v) = 3v . Cual es el n ucleo de
T ? Cual es la imagen de T ?.
5.33 Sea A una matriz de tama no 5 7 con rango 4.
a) Cual es la dimension del espacio de soluciones de Ax = 0 ?.
b) Ax = b tiene solucion para todo b de IR
5
? Por que?.
5.34 Sea T: IR
3
IR
3
la aplicacion lineal dada por la formula T(x, y, z) =
_
_
1 3 4
3 4 7
2 2 0
_
_
_
_
x
y
z
_
_
.
a) Demostrar que el n ucleo de T es una recta y encontrar sus ecuaciones parametricas.
b) Demostrar que la imagen de T es un plano y hallar su ecuacion (cartesiana).
5.35 Sea B = v
1
= (1, 2, 3), v
2
= (2, 5, 3), v
3
= (1, 0, 10) una base de IR
3
y f: IR
3
IR
2
una aplicacion
lineal para la que f(v
1
) = (1, 0), f(v
2
) = (0, 1) y f(v
3
) = (0, 1).
a) Encontrar una matriz de la aplicacion f indicando las bases a las que esta asociada.
b) Calcular f(v
3
v
2
2v
1
) y f(1, 1, 1).
5.36 Encontrar la matriz estandar de cada una de las aplicaciones lineales siguientes:
a) f
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
+ 2x
2
+x
3
x
1
+ 5x
2
x
3
_
_
b) f
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
_
_
x
4
x
1
x
3
x
1
x
3
_
_
_
_
c) f
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
=
_
_
x
4
x
1
x
1
+x
2
x
2
x
3
_
_
Encontrar una base del nucleo y otra de la imagen, para cada una de ellas
5.37 Sea T: IR
3
W la proyeccion ortogonal de IR
3
sobre el plano W que tiene por ecuacion x +y +z = 0.
Hallar una formula para T y calcular T(3, 8, 4).
5.38 Se dice que una aplicacion lineal es inyectiva si a cada vector de la imagen le corresponde un unico
original (es decir, si f(u) = f(v) = u = v ). Demostrar que f es inyectiva si y solo si ker f = 0.
5.39 Sea T: IR
2
IR
3
la transformacion lineal denida por T(x
1
, x
2
) = (x
1
+ 2x
2
, x
1
, 0).
a) Encontrar la matriz de la aplicacion T en las bases:
B
1
=
_
u
1
=(1, 3), u
2
=(2, 4)
_
y B
2
=
_
v
1
=(1, 1, 1), v
2
=(2, 2, 0), v
3
=(3, 0, 0)
_
.
b) Usar la matriz obtenida en el apartado anterior para calcular T(8, 3).
5.40 Sea f: /
22
/
22
denida por: f
_
a
11
a
12
a
21
a
22
_
=
_
1 2
0 1
__
a
11
a
12
a
21
a
22
_
y sean las bases B
c
(hace el papel de la canonica) y B de /
22
:
B
c
=
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
B =
__
1 0
0 0
_
,
_
0 2
1 0
_
,
_
0 1
2 0
_
,
_
0 0
0 1
__
59 Matematicas I :

a) Demostrar que f es lineal.
b) Cual sera el tama no de la matriz de f asociada a la base B
c
? Hallarla.
c) Hallar el n ucleo y la imagen de f as como sus dimensiones y bases.
d) Hallar la matriz de f respecto de la base B.
5.41 Sea A =
_
_
3 2 1 0
1 6 2 1
3 0 7 1
_
_
la matriz de la aplicacion lineal T: IR
4
IR
3
respecto de las bases:
B =
_
v
1
= (0, 1, 1, 1), v
2
= (2, 1, 1, 1), v
3
= (1, 4, 1, 2), v
4
= (6, 9, 4, 2)
_
y
B
=
_
w
1
= (0, 8, 8), w
2
= (7, 8, 1), w
3
= (6, 9, 1)
_
.
a) Hallar [T(v
1
)]
B
, [T(v
2
)]
B
, [T(v
3
)]
B
y [T(v
4
)]
B
.
b) Encontrar T(v
1
), T(v
2
), T(v
3
) y T(v
4
).
c) Hallar T(2, 2, 0, 0).
5.42 Sea T: IR
2
IR
2
la aplicacion lineal denida por T
_
x
1
x
2
_
=
_
x
1
+ 7x
2
3x
1
+ 4x
2
_
.
Hallar la matriz de T respecto de la base B y aplicar el teorema de semejanza para calcular la matriz de
T respecto de la base B
, siendo
B =
_
u
1
= (2, 2), u
2
= (4, 1)
_
y B
=
_
v
1
= (1, 3), v
2
= (1, 1)
_
.
5.43 Probar que si A y B son matrices semejantes entonces det(A) = det(B).
5.44 Probar que si A y B son matrices semejantes entonces A
2
y B
2
tambien lo son.
5.45 Dado el operador lineal T: IR
3
IR
3
tal que [T(x)]
B
= A[x]
B
siendo:
A =
_
_
2 a 1
1 2a 1
1 a 2
_
_
y B =
_
u
1
= (1, 1, 0), u
2
= (0, 1, 1), u
3
= (1, 0, 0)
_
a) Calcular los subespacios ker(T) y Img(T) seg un los valores de a.
b) Hallar la matriz estandar de T .
5.46 Sean f: V W una aplicacion lineal y S = v
1
, v
2
, . . . , v
n
un conjunto de vectores de V . Probar
que si el conjunto f(v
1
), f(v
2
), . . . , f(v
n
) es linealmente independiente, entonces S es linealmente
independiente.
Es cierto el recproco? Justicar la respuesta.
5.47 Sea T: IR
3
IR
3
la aplicacion lineal T =
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
+x
2
+x
3
x
1
+x
2
+x
3
x
1
+x
2
+x
3
_
_
. Se pide:
a) Encontrar los valores de y para los cuales la imagen de T sea IR
3
. Quien es en ese caso el
n ucleo?
b) Para = 1, encontrar una base del n ucleo.
c) Sea = 1 y = 0. Se pide:
(c.1) Encontrar la matriz de T respecto de la base
B =
_
u
1
= (1, 0, 1), u
2
= (0, 1, 0), u
3
= (4, 1, 2)
_
.
(c.2) Dada la base B
1
=
_
v
1
=(1, 1, 2), v
2
=(1, 1, 0), v
3
=(1, 1, 1)
_
, encontrar la matriz de paso
de B a B
1
.
(c.3) Encontrar la matriz de T en la base B
1
aplicando el teorema de semejanza.
5.48 Sea T: IR
3
IR
2
una aplicacion lineal tal que:
(i) ker(T) =
_
x + 2y +z = 0
2x +y +z = 0
(ii) T
_
_
0
0
1
_
_
=
_
0
1
_
(iii) T
_
_
1
0
1
_
_
=
_
2
1
_
60 Matematicas I :

a) Obtener una matriz asociada a T , indicando respecto a que bases.
b) Calcular las ecuaciones parametricas de la imagen del subespacio x +y +z = 0.
5.49 Sean B
p
=
_
p
1
, p
2
, p
3
, p
4
_
una base de T
3
[X] (polinomios de grado menor o igual a 3), B
1
=
_
v
1
=
(0, 1, 0), v
2
=(1, 1, 1), v
3
=(0, 0, 1)
_
una base de IR
3
y f: T
3
[X] IR
3
una aplicacion lineal vericando:
(i) f(p
1
)=f(2p
2
+p
4
)=f(p
2
p
3
) (ii) f(p
2
)=v
1
+v
3
v
2
(iii) f(p
4
)=(3, 3, 2)
a) Encontrar A
p1
la matriz de la aplicacion f en las bases B
p
y B
1
.
b) Es
_
_
1 1 0
1 0 0
1 0 1
_
_
la matriz de paso, P
c1
, de la base canonica de IR
3
a B
1
? Justicar la respuesta
y, en caso negativo, hallar P
c1
.
c) Sea B
q
=
_
q
1
= XX
3
, q
2
= X
2
1, q
3
= 1X, q
4
= X
2
+X
_
otra base de T
3
[X] para la cual, las
matrices M
qp
=
_
_
_
_
2 0 0 0
1 3 2 0
1 2 1 0
0 0 0 1
_
_
_
_
y A
q1
=
_
_
6 5 3 0
3 1 0 3
3 3 2 1
_
_
son respectivamente, la matriz de
paso de B
q
a B
p
y la matriz de f en las bases B
q
y B
1
. Con estos nuevos datos, como se puede
comprobar que la matriz A
p1
calculada antes es la correcta?
d) Hallar bases de ker(f) e Img(f), obteniendo los vectores concretos que las forman.
e) Probar que B
2
=
_
w
1
= (1, 2, 1), w
2
= (0, 1, 1), w
3
= (2, 1, 0)
_
es base de IR
3
y obtener la
matriz de paso, P
21
, de la base B
2
en la base B
1
.
f) A partir de las matrices anteriores, dar la expresion del calculo de las matrices:
A
p2
de la aplicacion f en las bases B
p
y B
2
M
pq
de paso de la base B
p
en la base B
q
A
q2
de la aplicacion f en las bases B
q
y B
2
g) Pueden conocerse los vectores que forman B
p
? Como?, de ser posible o, por que no?
61 Matematicas I :

Algebra Lineal
Tema 6
Diagonalizacion
6.1 Valores y vectores propios
6.1.1 Planteamiento del problema
Problema general de diagonalizacion Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cuando es posible encontrar una base de V respecto de la cual la matriz de f sea
diagonal. Si A es la matriz del operador f con respecto a una determinada base B, el planteamiento anterior
es equivalente a preguntarse cuando existe un cambio de base tal que la matriz del operador en la nueva base
B
sea diagonal. Esa nueva matriz viene dada por P

1
AP , donde P es la matriz de paso de la nueva base B
a la base B (Teorema de Semejanza).

Problema de la diagonalizacion ortogonal Dado un operador lineal f sobre un espacio vectorial V con
producto interior, nos planteamos el problema de cuando es posible encontrar una base ortonormal de V respecto
de la cual la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son ortonormales
entonces se tendra que P sera ortogonal.
Podemos pues formular los dos problemas anteriores en terminos de matrices.
1.- Dada una matriz cuadrada A, existe una matriz P inversible tal que P
1
AP sea diagonal?
2.- Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P
t
AP sea diagonal?
Denicion 146.- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal
que P
1
AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Si existe una matriz ortogonal P tal que P
1
AP es diagonal, entonces se dice que A es diagonalizable
ortogonalmente y que P diagonaliza ortogonalmente a A.
6.1.2 Valores y vectores propios
Supongamos que la matriz A
nn
es diagonalizable y sea D la matriz diagonal. Entonces:
P inversible tal que P
1
AP = D o, equivalentemente, P inversible tal que AP = PD
Si denotamos por p
1
, p
2
, . . . , p
n
a las columnas de P , las matrices son
AP = A
_
p
1
p
2
p
n
_
=
_
Ap
1
Ap
2
Ap
n
_
PD =
_
_
_
_
p
11
p
12
p
1n
p
21
p
22
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
p
nn
_
_
_
_
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
=
_
_
_
_
1
p
11

2
p
12

n
p
1n
1
p
21

2
p
22

n
p
2n
.
.
.
.
.
.
.
.
.
.
.
.
1
p
n1

2
p
n2

n
p
nn
_
_
_
_
=
_
1
p
1

2
p
2

n
p
n
_
y, como son iguales: Ap
i
=
i
p
i
, para todo i = 1, . . . , n. Es decir, han de existir n vectores linealmente
independientes p
i
(P es inversible) y n n umeros
i
que lo veriquen.
Denicion 147.- Si A es una matriz de orden n, diremos que es un valor propio, valor caracterstico,
eigenvalor o autovalor de A si existe alg un p IR
n
, p ,= 0 , tal que Ap = p .
Del vector p diremos que es un vector propio, vector caracterstico, eigenvector o autovector de
A correspondiente al valor propio .
Del comentario anterior, obtenemos la primera caracterizacion para la diagonalizacion de la matriz:
Teorema 148.- Sea A una matriz de orden n, entonces:
A es diagonalizable A tiene n vectores propios linealmente independientes
62 Matematicas I :

Algebra Lineal 6.2 Diagonalizacion
Demostracion:
Por lo anterior, se tiene que: A es una matriz diagonalizable
P inversible y D diagonal tal que AP = PD
P inversible y D diagonal tal que
AP =
_
Ap
1
Ap
2
Ap
n
_
=
_
1
p
1

2
p
2

n
p
n
_
= PD
existen n vectores linealmente independientes tales que Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
A tiene n vectores propios linealmente independientes
En consecuencia, el problema de la diagonalizacion se reduce a la busqueda de los vectores propios de la
matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes.
6.2 Diagonalizacion
La primera simplicacion de la b usqueda se produce, no sobre los vectores propios, sino sobre los autovalores
correspondientes:
Teorema 149.- Si A es una matriz de orden n, las siguientes proposiciones son equivalentes:
a) es un valor propio de A.
b) El sistema de ecuaciones (I A)x = 0 tiene soluciones distintas de la trivial.
c) det(I A) = 0.
Demostracion:
es un valor propio de A existe un vector x IR
n
, x ,= 0 , tal que Ax = x el sistema
x Ax = (I A)x = 0 tiene soluciones distintas de la trivial [I A[ = 0
Denicion 150.- Sea A una matriz de orden n. Al polinomio en de grado n, T() = [I A[ , se le
denomina polinomio caracterstico de la matriz A.
Si un valor propio de A, llamaremos espacio caracterstico de A correspondiente a al conjunto
V () =
_
x IR
n
: (I A)x = 0
_
. Es decir, V () es el conjunto formado por todos los vectores propios de
A correspondientes a , mas el vector cero.
As pues, los autovalores son las raices del polinomio caracterstico y los vectores propios, los vectores
distintos de cero del espacio caracterstico asociado.
Observacion 151.- V () es un subespacio y dimV () 1:
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogeneo y como es valor
propio de A, existe x ,= 0 en V (), luego linx V () y 1 = dim(linx) dimV ().
Ademas, dimV () = dim
_
x IR
n
: (I A)x = 0
_
= n rg(I A).
Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalizacion de matrices, separandolo
del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, todo lo anterior (y lo
siguiente) es valido y aplicable en los terminos del operador. Pueden verse los resultados que lo justican en el
Anexo 1, pag 78.
Teorema 152.- Sean v
1
, v
2
, . . . , v
k
vectores propios de una matriz A asociados a los valores propios
1
,
2
, . . . ,
k
respectivamente, siendo
i
,=
j
, i ,= j . Entonces el conjunto de vectores v
1
, v
2
, . . . , v
k
es
linealmente independiente.

Corolario 153.- Una matriz de orden n con n autovalores distintos, es diagonalizable.
Demostracion:
Si la matriz tiene n autovalores distintos
1
,
2
, . . . ,
n
y de cada espacio caracterstico V (
k
) podemos
tomar un vector propio v
k
,= 0 , tenemos n vectores propios, v
1
, v
2
, . . . , v
n
que son, por el resultado
anterior, linealmente independientes.
63 Matematicas I :

Algebra Lineal 6.2 Diagonalizacion
Proposicion 154.- Sea A de orden n y
k
un autovalor de A de multiplicidad m
k
. Entonces
1 dimV (
k
) m
k
.

Teorema fundamental de la diagonalizacion 155.- Sea A una matriz de orden n. Entonces A es diagonali-
zable si y solo si se cumplen las condiciones:
1.- El polinomio caracterstico tiene n raices reales. Es decir, [I A[ = (
1
)
m
1
(
k
)
m
k
con
m
1
+m
2
+ +m
k
= n.
2.- Para cada espacio caracterstico V (
i
), se cumple que dimV (
i
) = m
i
.

Aunque omitimos aqu la demostracion por ser demasiado tecnica (puede verse en el Anexo 2), en ella se aporta
el metodo para encontrar los n vectores propios linealmente independientes necesarios en la diagonalizacion:
Si dimV (
i
) = m
i
para todo i = 1, . . . , k y m
1
+ + m
k
= n, podemos tomar de cada V (
i
) los m
i
vectores de una base para conseguir el total de n vectores.
Ejemplo 156 Para la matriz A =
_
_
0 0 4
0 4 0
4 0 0
_
_
, su polinomio caracterstico es:
P() = [I A[ =
0 4
0 4 0
4 0
= ( 4)
4
4
= ( 4)(
2
4
2
) = ( 4)
2
( + 4)
luego los autovalores de A son
1
= 4 con m
1
= 2 y
2
= 4 con m
2
= 1. Como
1
,
2
IR y m
1
+ m
2
=
2 + 1 = 3 = n, se cumple la primera condicion del Teorema.
Veamos el punto 2: como 1 dimV (4) m
2
= 1 la condicion dimV (4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier autovalor con multiplicidad 1). Para el otro autovalor,
1
= 4:
dimV (4) = 3 rg(4I A) = 3 rg
_
_
4 0 4
0 0 0
4 0 4
_
_
= 3 rg
_
_
4 0 4
0 0 0
0 0 0
_
_
= 3 1 = 2 = m
1
luego tambien se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogeneo (4I A)X = 0, tenemos que
V (4) = lin(1, 0, 1), (0, 1, 0); y los elementos V (4) las soluciones del sistema (4I A)X = 0, tenemos
que V (4) = lin(1, 0, 1). En consecuencia, los tres vectores son autovectores y linealmente independientes,
cumpliendose que:
P
1
AP =
_
_
1 0 1
0 1 0
1 0 1
_
_
1
_
_
0 0 4
0 4 0
4 0 0
_
_
_
_
1 0 1
0 1 0
1 0 1
_
_
=
_
_
4 0 0
0 4 0
0 0 4
_
_
= D
Ejemplo La matriz A =
_
_
0 2 4
0 4 0
4 2 0
_
_
tiene por polinomio caracterstico P() = ( 4)
2
( + 4), luego tiene
por autovalores
1
= 4 con m
1
= 2 y
2
= 4 con m
2
= 1.
Como m
1
+ m
2
= 2 + 1 = 3 se cumple el primer punto; y por ser m
2
= 1, tambien se cumple que
dimV (4) = 1. Veamos para el otro autovalor:
rg(4IA) = rg
_
_
4 2 4
0 0 0
4 2 4
_
_
= rg
_
_
4 2 4
0 0 0
0 4 0
_
_
= 2 = 3dimV (4) luego dimV (4) = 32 = 1 ,= m
1
= 2.
En consecuencia, la matriz A no diagonaliza.
(Si dimV (4) = 1 y dimV (4) = 1 de cada uno de ellos podemos conseguir, a lo mas, un vector propio lineal-
mente independiente; luego en total, podremos conseguir a lo mas dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.)

64 Matematicas I :

Algebra Lineal 6.3 Diagonalizacion ortogonal
6.3 Diagonalizacion ortogonal
Teorema 157.- Sea A una matriz de orden n, entonces son equivalentes:
1.- A es diagonalizable ortogonalmente.
2.- A tiene un conjunto de n vectores propios ortonormales.
Demostracion:
En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P
t
AP = D (con D diagonal)
existe P ortogonal tal que AP = PD.
Si llamamos p
1
, p
2
, . . . , p
n
a los vectores columnas de P , estos vectores son ortonormales y lo anterior es
lo mismo que escribir Ap
1
=
1
p
1
, . . . , Ap
n
=
n
p
n
, supuesto que D =
_
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
, y como al ser
P inversible se tiene que p
1
, p
2
, . . . , p
n
son linealmente independientes y por tanto no nulos A tiene
n vectores propios ortonormales.
Lema 158.- Si A es una matriz simetrica, entonces los vectores propios que pertenecen a valores propios
distintos son ortogonales.
Demostracion:
Sean
1
y
2
valores propios distintos de una matriz simetrica A y sean u y v vectores propios correspon-
dientes a
1
y
2
respectivamente.
Tenemos que probar que u
t
v = 0. (Notar que u
t
Av es un escalar).
Se tiene que u
t
Av = (u
t
Av)
t
= v
t
Au = v
t
1
u =
1
v
t
u =
1
u
t
v ,
y por otra parte que u
t
Av = u
t
2
v =
2
u
t
v ,
por tanto
1
u
t
v =
2
u
t
v (
1

2
)u
t
v = 0 y como
1

2
,= 0, entonces u
t
v = 0.
Teorema fundamental de la diagonalizacion ortogonal 159.- Una matriz A de orden n es diagonalizable
ortogonalmente si y solo si A es simetrica.

El Lema 158 y el resaltado que apostilla el Teorema fundamental de diagonalizacion 155 nos indican la manera
de encontrar los n vectores propios ortonormales linealmente independientes:
Si tomamos en cada V (
i
) los vectores de una base ortonormal, conseguiremos el total de n vectores
ortonormales.
Ejemplo La matriz A =
_
_
0 0 4
0 4 0
4 0 0
_
_
del Ejemplo 156, es simetrica luego diagonaliza ortogonalmente y
V (4) = lin(1, 0, 1), (0, 1, 0) y V (4) = lin(1, 0, 1).
Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4) = lin(
1
2
, 0,
1
2
), (0, 1, 0) y
V (4) = lin(
1
2
, 0,
1
2
), los tres vectores juntos forman un conjunto ortonormal, cumpliendose que:
P
t
AP =
_
_
1
2
0
1
2
0 1 0
1
2
0
1
2
_
_
t _
_
0 0 4
0 4 0
4 0 0
_
_
_
_
1
2
0
1
2
0 1 0
1
2
0
1
2
_
_
=
_
_
4 0 0
0 4 0
0 0 4
_
_
= D
6.4 Ejercicios
6.50 Hallar los polinomios caractersticos, los valores propios y bases de los espacios caractersticos de las
siguientes matrices:
a)
_
2 7
1 2
_
b)
_
_
5 6 2
0 1 8
1 0 2
_
_
c)
_
_
4 0 1
2 1 0
2 0 1
_
_
65 Matematicas I :

6.51 Sea T: M
22
M
22
el operador lineal denido por:
T
_
a b
c d
_
=
_
2c a +c
b 2c d
_
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
6.52 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
6.53 Probar que el termino constante del polinomio caracterstico P() = [I A[ de una matriz A de orden
n es (1)
n
det(A).
6.54 Demostrar que si es un valor propio de A entonces
2
es un valor propio de A
2
. Demostrar por
induccion que, en general,
n
es un valor propio de A
n
, n IN.
6.55 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
tal que P
1
AP = D con D matriz diagonal:
a)
_
_
3 0 0
0 2 0
0 1 2
_
_
b)
_
14 12
20 17
_
c)
_
_
1 4 2
3 4 0
3 1 3
_
_
6.56 Sea T: IR
3
IR
3
el operador lineal T
_
_
x
1
x
2
x
3
_
_
=
_
_
2x
1
x
2
x
3
x
1
x
3
x
1
+x
2
+ 2x
3
_
_
. Hallar una base de IR
3
respecto
de la cual la matriz de T sea diagonal.
6.57 Sea P
1
(x) el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T: P
1
(x) P
1
(x) el
operador lineal T(a
0
+ a
1
x) = a
0
+ (6a
0
a
1
)x. Hallar una base de P
1
(x) respecto de la cual la matriz
de T sea diagonal.
6.58 Sea A una matriz de orden n y P una matriz inversible de orden n. Demostrar por induccion que
(P
1
AP)
k
= P
1
A
k
P , k IN.
6.59 Calcular A
40
siendo A =
_
1 0
1 2
_
.
6.60 Estudiar la diagonalizabilidad de la matriz A, dada en funcion de los parametros a y b, siendo A =
_
_
5 0 0
0 1 a
3 0 b
_
_
. En los casos posibles diagonalizarla.
6.61 Sea A una matriz de orden 2 tal que A
2
= I . Probar que A es diagonalizable.
6.62 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P
1
AP para cada una de las
siguientes matrices:
a)
_
7 24
24 7
_
b)
_
_
2 1 1
1 2 1
1 1 2
_
_
c)
_
_
_
_
5 2 0 0
2 2 0 0
0 0 5 2
0 0 2 2
_
_
_
_
6.63 a) Demostrar que si D es una matriz diagonal con elementos no negativos entonces existe una matriz
S tal que S
2
= D.
b) Demostrar que si A es una matriz diagonalizable con valores propios no negativos entonces existe
una matriz S tal que S
2
= A.
6.64 Probar que A y A
t
tienen los mismos valores propios siendo A una matriz de orden n.
6.65 Sea A una matriz de orden n y P() = [I A[ . Probar que el coeciente de
n1
en P() es el opuesto
de la traza de A.
6.66 Sea A una matriz de orden n inversible, demostrar que los valores propios de A
1
son los inversos de los
valores propios de A.
6.67 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno.
66 Matematicas I :

6.68 Se sabe que (1, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que hay
vectores de IR
3
que no lo son. Calcular todos los vectores propios de la matriz.
6.69 Se dan las siguientes ecuaciones de recurrencia:
_
u
n
= 3u
n1
+ 3v
n1
v
n
= 5u
n1
+v
n1
. Utilizar la diagonalizacion para
calcular u
n
y v
n
en funcion de n, sabiendo que u
0
= v
0
= 1.
6.70 Los dos primeros terminos de una sucesion son a
0
= 0 y a
1
= 1. Los terminos siguientes se generan a
partir de a
k
= 2a
k1
+a
k2
; k 2. Hallar a
127
.
6.71 El propietario de una granja para la cra de conejos observo en la reproduccion de estos que:
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
ii). Una pareja recien nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo a
n
el n umero de parejas nacidas en el n-esimo mes (a
0
= 0),
se pide:
a) Obtener una formula recurrente para a
n
en funcion de terminos anteriores.
b) Probar que a
n
=
(1 +
5)
n
(1
5)
n
2
n
5
c) Calcular, si existe: lm
n
a
n+1
a
n
.
6.72 Sea el determinante nn siguiente:
D
n
=
3 1 0 0 0 0
1 3 1 0 0 0
0 1 3 1 0 0
0 0 1 3 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 3 1
0 0 0 0 1 3
Dar una expresion de D

n
en funcion de los determinantes de tama no menor que n y obtener las ecuaciones
de recurrencia para hallar su valor.
6.73 Determinar para que valores de a, b y c son diagonalizables simultaneamente las matrices
A =
_
_
1 a b
0 2 c
0 0 2
_
_
y B =
_
_
1 a b
0 1 c
0 0 2
_
_
6.74 Estudiar para que valores de a, b y c es diagonalizable la matriz A =
_
_
c 2a 0
b 0 a
0 2b c
_
_
6.75 Dada la matriz A =
_
_
a a 0
a a 0
b 0 2b
_
_
. Estudiar para que valores de a y b la matriz A es diagonalizable.
6.76 Sea f: IR
3
IR
3
el operador lineal cuya matriz asociada a la base canonica es:
A =
_
_
m 0 0
0 m 1
1 n m
_
_
a) Determinar para que valores de m y n existe una base de IR
3
de tal forma que la matriz en esa base
sea diagonal. En los casos que f sea diagonalizable calcular una base en la cual la matriz de f sea
diagonal.
b) Si n = 0, observando la matriz A y sin hacer ning un calculo, determinar un valor propio y un vector
propio asociado a dicho valor propio, razonando la respuesta.
67 Matematicas I :

6.77 Dada la matriz A =
_
_
_
_
1 0 0 0
a 1 0 0
b d 1 1
c e f 1
_
_
_
_
. Encontrar para que valores de los parametros a, b, c, d, e, f IR
la matriz A es diagonalizable. Para dichos valores encontrar las matrices P y D tales que P
1
AP = D,
donde D es una matriz diagonal.
6.78 En IR
4
consideramos el subconjunto: S = (x
1
, x
2
, x
3
, x
4
) / x
2
x
4
= 0. Sea T: IR
4
IR
4
el operador
lineal que verica:
(i) ker(T) = x IR
4
/ < x, y >= 0, y S.
(ii) T(1, 0, 0, 0) = (1, 3, 1, 2).
(iii) T(1, 1, 1, 1) = (3, m, n, p).
(iv) El subespacio solucion del sistema:
_
x
1
+x
2
+x
3
+x
4
= 0
x
2
+ 2x
3
+ 2x
4
= 0
es el conjunto de vectores propios
correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de IR
4
.
b) Hallar ker(T).
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) Una matriz de T , indicando las bases de referencia.
6.79 Sean f : IR
4
IR
4
un operador lineal, y B = e
1
, e
2
, e
3
, e
4
la base canonica de IR
4
, vericando lo
siguiente:
(i) f(e
1
) H = x IR
4
/ x
2
= 0
(ii) f(e
2
) S = x IR
4
/ x
2
= 1 y x
4
= 0
(iii) f(e
3
) = (, , 1, 2); f(e
4
) = (1, 0, 2, )
(iv) ker f es el conjunto de soluciones del sistema:
_
_
_
2x
1
+x
2
+ 2x
3
2x
4
= 0
3x
1
+ 3x
2
+x
3
+x
4
= 0
x
1
x
2
x
3
+ 3x
4
= 0
(v) Las ecuaciones implcitas de la imagen de f son y
1
2y
3
y
4
= 0.
(vi) El operador f es diagonalizable.
Hallar una matriz de f , indicando las bases de referencia.
68 Matematicas I :

Algebra Lineal
Tema 7
Formas cuadraticas
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudraticas
ya ha sido estudiado, pues el cuadrado de la norma de un vector no es mas que una forma cuadratica (como
veremos denida positiva). Aqu, las estudiaremos de forma general.
Denicion 160.- Sean V un espacio vectorial de dimension n y B una base V . Si (x
1
, . . . , x
n
) = [x]
t
B
y
a
ij
IR, con 1i, j n, se denomina forma cuadratica sobre V a toda funcion polin omica Q: V IR de
la forma
Q(x) =
n
i,j=1
a
ij
x
i
x
j
=
_
x
1
x
2
x
n
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
= [x]
t
B
A[x]
B
Es decir, una forma cuadratica es un polinomio homogeneo de grado 2 y n variables.
La escritura de Q en la forma Q(x) = [ x]
t
B
A[ x]
B
se denomina expresi on matricial de la forma cuadratica.
De hecho, se puede expresar siempre mediante una matriz simetrica ya que
[ x]
t
B
A[ x]
B
=
n
i,j=1
a
ij
x
i
x
j
= [ x]
t
B
A+A
t
2
[ x]
B
y la matriz S =
A+A
t
2
es simetrica (S
t
= (
A+A
t
2
)
t
=
A
t
+(A
t
)
t
2
=
A
t
+A
2
= S). En efecto:
Si en la expresion de la forma cuadratica, Q(x) =
n
i,j=1
a
ij
x
i
x
j
, consideramos los pares de sumandos de la
forma a
ij
x
i
x
j
y a
ji
x
j
x
i
, se tiene que
a
ij
x
i
x
j
+a
ji
x
j
x
i
= (a
ij
+a
ji
)x
i
x
j
=
a
ij
+a
ji
2
x
i
x
j
+
a
ij
+a
ji
2
x
j
x
i
= s
ij
x
i
x
j
+s
ji
x
j
x
i
Luego hemos probado el siguiente resultado:
Proposicion 161.- Toda forma cuadratica Q sobre V , se puede expresar matricialmente como
Q(x) = [x]
t
B
A[x]
B
donde A es una matriz simetrica.
La matriz simetrica A, se denomina matriz asociada a la forma cuadratica Q en la base B.
Ejemplo Para la forma cuadratica Q(x) = x
2
+ 2xy + 2y
2
+ 3yz + 5z
2
tambien tenemos que
Q(x) = x
2
+ 2xy + 2y
2
+ 3yz + 5z
2
= x
2
+xy +yx + 2y
2
+
3
2
yz +
3
2
zy + 5z
2
luego
Q(x) = (x, y, z)
_
_
1 2 0
0 2 3
0 0 5
_
_
_
_
x
y
z
_
_
= (x, y, z)
_
_
1 1 0
1 2
3
2
0
3
2
5
_
_
_
_
x
y
z
_
_
= [ x]
t
B
A[ x]
B
y la matriz simetrica A es la matriz de Q en la base B.
Teorema 162.- Sean B y B
dos bases de V , P la matriz de paso de B
a B y A la matriz simetrica de Q
en la base B. Entonces, la matriz de Q en la base B
, A
, se obtiene de
A
= P
t
AP
69 Matematicas I :

Algebra Lineal 7.1 Diagonalizacion de una forma cuadratica
Demostracion:
Como P es matriz de cambio de base verica que [x]
B
= P[x]
B
, y , sustituyendo en Q, tenemos que
Q(x) = [x]
t
B
A[x]
B
= (P[x]
B
)
t
A(P[x]
B
) = [x]
t
B
(P
t
AP)[x]
B
x V
luego A
= P
t
AP y es tambien simetrica A
t
= (P
t
AP)
t
= P
t
A
t
(P
t
)
t
= P
t
AP = A
.
Denicion 163.- Dos matrices simetricas se dice que son congruentes cuando son matrices asociadas a la
misma forma cuadratica en distintas bases.
Es decir, A y A
simetricas son congruentes, si existe P inversible tal que A
= P
t
AP .
Nota: Las matrices congruentes no son, en general, semejantes (solo coinciden congruencia y semejanza cuando
la matriz P es ortogonal, P
t
= P
1
).
7.1 Diagonalizacion de una forma cuadratica
La matriz asociada a una forma cuadratica es simetrica, y una matriz simetrica es diagonalizable ortogonalmente,
luego siempre podemos obtener una matriz congruente con la inicial que sea diagonal.
7.1.1 Diagonalizacion ortogonal
Sea B una base de V y Q(x) = [x]
t
B
A[x]
B
la expresion matricial de una forma cuadratica sobre V . Puesto
que A es simetrica, existe una base B
tal que la matriz P de cambio de base de B
a B es ortogonal y
D = P
1
AP = P
t
AP , con D diagonal
es decir, que D y A son congruentes (ademas de semejantes). Luego en B
, se tiene que
Q(x) = [x]
t
B
P
t
AP [x]
B
= [x]
t
B
D[x]
B
=
1
y
2
1
+. . . +
n
y
2
n
es decir, la forma cuadratica se expresara como una suma de cuadrados, donde (y
1
, . . . , y
n
) = [x]
t
B
y
1
, . . . ,
n
son los valores propios de A.
Ejemplo 164 Reducir a suma de cuadrados la forma cuadratica Q(x) = xy +yz .
Q(x) = (x, y, z)
_
_
0
1
2
0
1
2
0
1
2
0
1
2
0
_
_
_
_
x
y
z
_
_
y [I A[ =

1
2
0
1
2

1
2
0
1
2

= (
1
2
)( +
1
2
)
luego
1
2
,
1
2
y 0 son los valores propios de A. Entonces, A es congruente con D =
_
_
1
2
0 0
0
1
2
0
0 0 0
_
_
, y existira,
por tanto, una base B
en la cual Q(x) = [ x]
t
B
D[ x]
B
=
1
2
x
2
2
y
2
7.1.2 Diagonalizacion mediante operaciones elementales

La diagonalizacion ortogonal, propuesta para hallar una matriz asociada a la forma cuadratica que sea diagonal,
puede ser dicil de llevar a cabo (o imposible en ocasiones) pues supone encontrar las raices de un polinomio.
Sin embargo, como se buscan matrices diagonales que sean congruentes y no es necesario que tambien sean
semejantes, es posible disponer de otros metodos mas sencillos pero igualmente ecaces para obtener una matriz
diagonal.
El mas interesante para nosotros, se basa de nuevo en hacer operaciones elementales sobre la matriz. La idea
del metodo es la siguiente: haciendo operaciones elementales en las las de la matriz podemos conseguir una
matriz triangular inferior, pero como necesitamos que la matriz obtenida sea simetrica (debe ser congruente
con la inicial), despues de cada operacion que hagamos en las las repetiremos la misma operaci on sobre las
columnas. Tras cada doble paso (operacion sobre las las y misma operacion sobre las columnas) la matriz
obtenida sera simetrica y congruente con la inicial y, al nal obtendremos la matriz diagonal.
70 Matematicas I :

Algebra Lineal 7.2 Rango y signatura de una forma cuadratica. Clasicacion
La justicacion no es dicil si usamos las matrices elementales que representan a cada operacion elemental
(ver la subseccion 2.2.1 sobre matrices elementales en la pagina 17), pues: si E es una matriz elemental, la
matriz EA realiza la operacion elemental sobre las las de A y tomando la traspuesta de A, EA
t
realiza la
operacion sobre las columnas de A. Entonces: la matriz E(EA)
t
realiza la operacion sobre las columnas de la
matriz en la que ya hemos realizado la operacion de las las; pero como E(EA)
t
= EA
t
E
t
= EAE
t
(por ser
A simetrica), esta matriz es simetrica y congruente con A (pues E es inversible). Luego repitiendo el proceso
hasta obtener una matriz diagonal:
D = E
k
E
k1
E
1
AE
t
1
E
t
k1
E
t
k
= (E
k
E
k1
E
1
) A(E
k
E
k1
E
1
)
t
= P
t
A(P
t
)
t
= P
t
AP
que sera congruente con A pues P es inversible al ser producto de inversibles.
Podemos utilizar el siguiente procedimiento para diagonalizar la matriz A y obtener la matriz del cambio
de base simultaneamente.
Diagonalizacion congruente mediante operaciones elementales 165.- Se sit ua a la derecha de A la matriz
I del mismo orden que A, (A [ I) y efectuamos en A las mismas operaciones elementales en sus las y en sus
columnas y en la matriz identidad solo en sus columnas, al cabo de un n umero nito de pasos obtendremos
(D [ P).
(Si en I efectuamos las operaciones en las las, al nal obtendremos (D [ P
t
) en lugar de P .)
Ejemplo 166 Se considera Q(x) = 2x
2
+2xy +2yz +3z
2
una forma cuadratica sobre IR
3
, reducir Q a suma
de cuadrados y hallar la matriz del cambio de base.
Solucion: Si x = (x, y, z), se tiene que A=
_
_
2 1 0
1 0 1
0 1 3
_
_
, es la matriz de Q en la base canonica. Para obtener
una matriz congruente con A que sea diagonal, hacemos el proceso de (A[I) (D[P), detallando la primera
vez como deben darse los pasos de efectuar cada operacion:
(A|I) =
_
2 1 0 1 0 0
1 0 1 0 1 0
0 1 3 0 0 1
_
_
F
A
2

1
2
F
A
1
_
_
2 1 0 1 0 0
0
1
2
1 0 1 0
0 1 3 0 0 1
_
_
C
A
2

1
2
C
A
1
_
_
2 0 0 1 0 0
0
1
2
1 0 1 0
0 1 3 0 0 1
_
_
C
I
2

1
2
C
I
1
_
_
2 0 0 1
1
2
0
0
1
2
1 0 1 0
0 1 3 0 0 1
_
_
_
_
F
A
3
+ 2F
A
2
C
A
3
+ 2C
A
2
C
I
3
+ 2C
I
2
_
_
_
_
2 0 0 1
1
2
1
0
1
2
0 0 1 2
0 0 5 0 0 1
_
=(D|P)
Tenemos entonces la matriz diagonal, D =
_
_
2 0 0
0
1
2
0
0 0 5
_
_
, y la matriz, P =
_
_
1
1
2
1
0 1 2
0 0 1
_
_
, de paso de
la base B
=
_
(1, 0, 0), (
1
2
, 1, 0), (1, 2, 1)
_
a la canonica, que verican que P
t
AP = D. Por tanto, si
(x
, y
, z
) = [x]
t
B
, se tiene que Q(x) = 2x

2

1
2
y
2
+ 5z
2
7.2 Rango y signatura de una forma cuadratica. Clasicacion

Hemos visto distintos metodos de encontrar matrices diagonales asociadas a una forma cuadratica, por lo que
existiran tambien distintas matrices diagonales. Sin embargo, todas ellas tienen algunas cosas en com un: tienen
el mismo n umero de elementos distintos de cero en la diagonal (el mismo rango) y tienen el mismo n umero de
elementos positivos y de elementos negativos en la diagonal (la misma signatura).
En este captulo veremos como estos valores permanecen invariantes para cualquier diagonalizacion que
hagamos, lo que nos permitira, posteriormente, dar una clasicacion de las formas cuadraticas.
Teorema 167.- Dos matrices congruentes tienen el mismo rango.
Demostracion:
Sea A una matriz simetrica de rango n y A
= P
t
AP con P inversible. Consideremos la aplicacion lineal
f: IR
n
IR
n
dada por f(x) = Ax , luego A es la matriz de f en la base canonica, B
c
. Como P es inversible,
sus columnas forman una base B
de IR
n
y P es la matriz de cambio de base de B
a B
c
; y como (P
t
)
1
es
inversible, sus columnas forman una base B
de IR
n
y (P
t
)
1
es la matriz de cambio de base de B
a B
c
, por
lo que P
t
es la matriz de paso de B
c
a B
.
71 Matematicas I :

Algebra Lineal 7.2 Rango y signatura de una forma cuadratica. Clasicacion
Entonces, la matriz A
= P
t
AP es la matriz de la aplicacion f asociada a las bases B
y B
, pues
A
[ x]
B
= P
t
AP[ x]
B
= P
t
A[ x]
Bc
= P
t
[f(x)]
Bc
= [f(x)]
B
por lo que A
y A son matrices asociadas a la misma aplicacion lineal, luego rg(A) = rg(A
).
Denicion 168.- Llamaremos rango de una forma cuadratica, al rango de cualquier matriz simetrica asociada
a la forma cuadratica en alguna base.
Observacion:
Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales asociadas a la misma forma
cuadratica tienen el mismo n umero de elementos en la diagonal distintos de cero, pues este n umero es el rango
de la matriz diagonal.
Teorema de Sylvester o Ley de inercia 169.- Si una forma cuadratica se reduce a la suma de cuadrados en
dos bases diferentes, el n umero de terminos que aparecen con coecientes positivos, as como el n umero de
terminos con coecientes negativos es el mismo en ambos casos.

Denicion 170.- Sea Q una forma cuadratica y D una matriz diagonal asociada a Q. Se dene como
signatura de Q al par Sig(Q) = (p, q) donde p es el n umero de elementos positivos en la diagonal de D y q
es el n umero de elementos negativos de la misma.
7.2.1 Clasicacion de las formas cuadraticas
Denicion 171.- Se dice que una forma cuadratica Q es
a) Nula si Q(x) = 0 para todo x.
b) Denida positiva si Q(x) > 0, para todo x no nulo.
c) Semidenida positiva si Q(x) 0, para todo x y Q no es nula ni denida positiva.
d) Denida negativa si Q(x) < 0, para todo x no nulo.
e) Semidenida negativa si Q(x) 0, para todo x y Q no es nula ni denida negativa.
f) Indenida si Q(x) alcanza tanto valores positivos como negativos, es decir, si x
1
,= 0 tal que
Q(x
1
) > 0 y x
2
,= 0 tal que Q(x
2
) < 0.
Para las formas cuadraticas sobre IR
2
, podemos dar una representacion de ellas usando supercies en IR
3
asignando a z el valor de la forma cuadratica en (x, y), es decir, haciendo z = d
1
x
2
+d
2
y
2
. Con estas premisas,
hemos realizado la gura 7.1 que aparece en la pagina 72.
Teorema de clasicacion 172.- Sea Q una forma cuadratica en un espacio vectorial de dimension n. Se
verica:
a) Q es nula Sig(Q) = (0, 0)
b) Q es denida positiva Sig(Q) = (n, 0).
c) Q es semidenida positiva Sig(Q) = (p, 0) con 0 < p < n.
d) Q es denida negativa Sig(Q) = (0, n).
e) Q es semidenida negativa Sig(Q) = (0, q) con 0 < q < n.
f) Q es indenida Sig(Q) = (p, q) con 0 < p, q .

Ejemplo Las formas cuadraticas de los ejemplos 164 y 166 anteriores son ambas indenidas, pues en el
primer ejemplo Q(x) =
1
2
x
2
2
y
2
en una base, luego Sig(Q) = (1, 1). En el segundo ejemplo, se escribe

Q(x) = 2x
2

1
2
y
2
+ 5z
2
en una base y Sig(Q) = (2, 1).

72 Matematicas I :

Fig. 7.1. Gracas de las formas cuadraticas de IR
2
: denida positiva, denida negativa, indenida, semidenida positiva,
semidenida negativa y nula
Un ejemplo de forma cuadratica denida positiva, lo tenemos con el cuadrado de la norma de un vector
(ver la observacion de la pagina 47 sobre la expresion matricial de un producto interior), pues se verica que
Q(v) = |v|
2
= v, v) > 0 si v ,= 0 .
Para nalizar y aunque puede obtenerse sin mucho coste una matriz diagonal mediante operaciones elementales
damos, sin demostracion, una proposicion que puede ser util por su version practica, pues engloba varios
resultados para clasicar una forma cuadratica usando la matriz inicial:
Proposicion 173.- Sea Q una forma cuadratica y A su matriz asociada. Denotemos por
k
, el k-esimo
menor principal de A, para cada 1 k n:
1
= [a
11
[
2
=
a
11
a
12
a
21
a
22

k
=
a
11
a
1k
.
.
.
.
.
.
.
.
.
a
k1
a
kk

n
= [A[
Entonces:
a) Q es denida positiva si, y solo si,
k
> 0, para 1 k n.
b) Q es denida negativa si, y solo si, (1)
k
k
> 0, para 1 k n.
c) Si
n
= det(A) ,= 0 y no se esta en alguno de los casos anteriores, entonces Q es indenida.
d) Si existe i tal que a
ii
0 (resp. a
ii
0 ), entonces Q no es denida positiva (resp. no es denida
negativa).
e) Si existen i y j , con i ,= j , tales que a
ii
= 0 y a
ij
,= 0, entonces Q es indenida.
7.3 Ejercicios
7.80 Clasicar cada una de las formas cuadraticas siguientes, y reducir a suma de cuadrados:
73 Matematicas I :

a) Q(x) = x
2
+y
2
+z
2
(xz +xy +yz).
b) Q(x) = x
2
+y
2
+z
2
4(xz +xy +yz).
c) Q(x) = 8x
2
+ 6y
2
+ 3z
2
+ 4xy + 8xz + 4yz .
d) Q(x) = x
2
+ 2y
2
+z
2
+ 2xy +xz .
e) Q(x) = x
2
+ 2xy + 3y
2
+ 4xz + 6yz + 5z
2
.
f) Q(x) = 3x
2
+ 4y
2
+ 5z
2
+ 4xy 4yz .
g) Q(x) = 2x
2
+ 5y
2
+ 5z
2
+ 4xy 4yz 8zx.
h) Q(x) = x
2
+y
2
+ 2z(xcos +y sen ).
7.81 Sean las formas cuadraticas Q
i
: IR
n
IR dadas por Q
i
(x) = x
t
A
i
x , con x = (x
1
, . . . , x
n
), siendo
A
1
=
_
_
1 1 0
1 0 1
1 0 0
_
_
A
2
=
_
_
3 2 1
1 6 2
3 0 7
_
_
A
3
=
_
_
_
_
5 2 0 1
2 2 0 1
0 3 1 2
0 0 2 2
_
_
_
_
A
4
=
_
_
_
_
2 0 0 0
1 3 2 0
1 2 1 0
0 0 0 1
_
_
_
_
Obtener, para cada Q
i
, la matriz asociada a la base canonica del espacio correspondiente, una matriz
diagonal congruente y la base respecto de la que es diagonal.
7.82 Sean B
1
y B
2
bases respectivas de los espacios V y W y sea A =
_
_
6 5 3 0
3 1 0 3
3 3 2 1
_
_
la matriz de una aplica-
cion lineal f: V W en las bases B
1
y B
2
. Tomemos Q: V IR dada por Q(v) = [f(v)]
t
B
2
[f(v)]
B
2
.
a) Cuales son las dimensiones de V y W ?
b) Obtener la matriz de Q en la base B
1
y comprobar que es una forma cuadratica.
c) Cual es su clasicacion?
7.83 Clasicar, seg un los valores de m, la familia de formas cuadraticas:
Q(x) = x
2
+y
2
+z
2
+ 2m(xy +xz).
7.84 Se considera la familia de formas cuadraticas Q(x) = x
t
Ax, siendo A =
_
_
a 0 c
0 a +c 0
c 0 a
_
_
. Utilizando dos
metodos diferentes, expresar Q como suma de cuadrados.
7.85 Sea A =
_
_
a 1 1
1 a 1
1 1 a
_
_
.
a) Para a = 3, encontrar P que diagonalice a A.
b) Para a = 3, calcular (5A)
10
.
c) Sea Q(x) = x
t
Ax, clasicar Q seg un los valores de a.
7.86 Sean A =
_
_
a b 0
b a b
0 b a
_
_
y B =
_
v
1
=(1, 1, 1), v
2
=(1, 1, 0), v
3
=(0, 1, 1)
_
. Se pide
a) Clasicar la forma cuadratica Q(x) = [x]
t
B
A[x]
B
, seg un los valores de a y b.
b) Para a = 0 y b = 1, hallar una base B
tal que Q(x) = [x]

t
B
D[x]
B
, con D diagonal.
7.87 Sea A =
_
_
a 0 b
0 a 0
b 0 a
_
_
a) Para que valores de a y de b es Q(x) = x
t
Ax > 0, x ,= 0 ?
b) Si a = 1 y b, reducir Q a suma de cuadrados.
c) Si a = 1, para que valores de b es Q(x) < 0, x ,= 0 ?
74 Matematicas I :

7.88 Sea Q: IR
n
IR una forma cuadratica no nula cuya matriz asociada en la base canonica es A.
a) Si IR 0, probar que Q(x) y Q(x) tienen el mismo signo.
b) Para que valores de IR es cierto que Q(x) = Q(x).
c) Deducir de lo anterior, que en general no es cierta la igualdad Q(x + y) = Q(x) +Q(y).
d) Si la forma cuadratica Q
: IR
n
IR tiene a A
como matriz en la base canonica, cual sera la matriz

de la forma cuadratica (Q+Q
)(x) = Q(x) +Q
(x)?
7.89 Sea A la matriz de orden n asociada a una forma cuadratica denida positiva y P una matriz de orden
n.
a) Si P es inversible, probar que la matriz P
t
AP es denida positiva.
b) Si P es no inversible, probar que la matriz P
t
AP es semidenida positiva.
75 Matematicas I :

Algebra Lineal
Espacios vectoriales
Propiedades 89.- Algunas propiedades que se deducen de las anteriores son:
(i) 0u = 0 . (ii) k0 = 0 . (iii) (1)u = u.
(iv) ku = 0 k = 0 o u = 0 .
(v) El vector cero de un espacio vectorial es unico.
(vi) El vector opuesto de cada vector del espacio vectorial es unico.
Demostracion:
(i) Como 0u = (0 +0)u = 0u +0u, si sumamos a cada lado de la igualdad el opuesto de 0u, tenemos que
0u + (0u) = 0u + 0u + (0u) luego 0 = 0u + 0 = 0u.
(ii) Como k0 = k(0 + 0) = k0 +k0 , si sumamos a cada lado de la igualdad el opuesto de k0 , tenemos que
k0 + (k0) = k0 +k0 + (k0) luego 0 = k0 + 0 = k0 .
(v) Si w verica que w + u = u, entonces w + u +(u) = u +(u) de donde w + 0 = 0 y w = 0 .
En consecuencia, el vector cero es unico.
(vi) Si w verica que w+u = 0 , entonces w+u+(u) = 0 +(u) de donde w+0 = u y w = u.
En consecuencia, el vector opuesto es unico.
(iii) Veamos que (1)u es el opuesto u: u + (1)u = 1u + (1)u = (1 + (1))u = 0u = 0 .
(iv) Si ku = 0 y k ,= 0, entonces
1
k
ku =
1
k
0 = 0 . Luego 0 =
1
k
ku = (
1
k
k)u = 1u = u.
La implicacion en el otro sentido es evidente por (i) y (ii).
Lema 96.- Si S es un conjunto linealmente independiente de vectores de V y v V linS, entonces Sv
Demostracion:
Sea S = u
1
, u
2
, . . . , u
r
es un conjunto linealmente independiente de vectores V y sea v V que no
pertenece a lin S. Entonces, en la igualdad vectorial
1
u
1
+
2
u
2
+ +
r
u
r
+v = 0 7.1)
el coeciente debe ser cero, pues si no lo es, podemos despejar v =
u
1

2
u
2

r
u
r
y v
estara generado por los vectores de S, lo que no es cierto. Ahora bien, como = 0, la ecuacion 7.1 se reduce
a
1
u
1
+
2
u
2
+ +
r
u
r
= 0 y en consecuencia, todos los
i
son cero por ser los vectores u
i
linealmente
independientes.
76 Matematicas I :

Algebra Lineal Anexo 1
Lema 97.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto v
1
, v
2
, . . . , v
m
de vectores de V , con m > n, es linealmente dependiente.
Demostracion:
Sea B = w
1
, w
2
, . . . , w
n
la base de V . Cada vector v
k
del conjunto v
1
, v
2
, . . . , v
m
puede expresarse
como combinacion lineal de los vectores de B, en la forma
v
k
= a
k1
w
1
+a
k2
w
2
+ +a
kn
w
n
, para cada k = 1, . . . , m
El conjunto es linealmente dependiente si la ecuacion
1
v
1
+
2
v
2
+ +
m
v
m
= 0 tiene m ultiples
soluciones. Sustituyendo:
0 =
1
(a
11
w
1
+a
12
w
2
+ +a
1n
w
n
) +
2
(a
21
w
1
+a
22
w
2
+ +a
2n
w
n
)
+ +
m
(a
m1
w
1
+a
m2
w
2
+ +a
mn
w
n
)
= (
1
a
11
+
2
a
21
+ +
m
a
m1
)w
1
+ (
1
a
12
+
2
a
22
+ +
m
a
m2
)w
2
+ + (
1
a
1n
+
2
a
2n
+ +
m
a
mn
)w
n
Como B es un conjunto linealmente independiente de vectores, se tiene el sistema lineal
1
a
11
+
2
a
21
+ +
m
a
m1
= 0
1
a
12
+
2
a
22
+ +
m
a
m2
= 0
= 0
1
a
1n
+
2
a
2n
+ +
m
a
mn
= 0
_
_
que tiene m incognitas (los
k
) y n ecuaciones, con m > n, por lo que no tiene solucion unica.
Demostracion de: Proposicion 101 de la pagina 43
Proposicion 101.- Si V es un espacio vectorial, con dimV = n. Entonces, un conjunto de n vectores de V es
base de V ,
a) si el conjunto es linealmente independiente, o
b) si genera a V .
Demostracion:
Sea S el conjunto de n vectores.
Si S es linealmente independiente, tiene que generar V , pues si no: podran a nadirse vectores linealmente
independientes con lo anteriores hasta formar una base de V (existira al menos un vector v
n+1
V lin S,
tal que S v
n+1
es linealmente independiente, ver comentarios previos al Lema 97 anterior) que tendra al
menos n + 1 vectores, lo que es absurdo.
Analogamente si S genera V , tiene que ser linealmente independiente, pues si no: podran eliminarse
vectores dependientes de S hasta conseguir una base que tendra menos de n vectores (Lema 94), lo que
tambien es absurdo.
Demostracion de: Desigualdad de Cauchy-Schwarz 111 de la pagina 47
Desigualdad de Cauchy-Schwarz 111.- Para todo u, v V, espacio con producto interior, se tiene
u, v)
2
|u|
2
|v|
2
o en la forma [u, v)[ |u| |v| .
Demostracion:
Si v = 0 , es claro que 0 = u, 0)
2
|u|
2
|0|
2
= 0, u V .
Si v ,= 0 , para todo k IR, se verica que
0 |u kv|
2
= u kv, u kv) = u, u) 2ku, v) +k
2
v, v)
en particular, para k =
u, v
v, v
. Luego
0 u, u) 2
u, v)
v, v)
u, v) +
u, v)
2
v, v)
2
v, v) =u, u) 2
u, v)
2
v, v)
+
u, v)
2
v, v)
=u, u)
u, v)
2
v, v)
= |u|
2
u, v)
2
|v|
2
77 Matematicas I :

de donde
u, v
2
v
2
|u|
2
y por consiguiente u, v)
2
|u|
2
|v|
2
.
Teorema 119.- Si S = v
1
, v
2
, . . . , v
k
un conjunto nito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente.
Demostracion:
Veamos que en la igualdad
1
v
1
+ +
i
v
i
+ +
k
v
k
= 0 , cada
i
tiene que ser cero:
0 = v
i
, 0) =v
i
,
1
v
1
+ +
i
v
i
+ +
k
v
k
) =
1
v
i
, v
1
) + +
i
v
i
, v
i
) + +
k
v
i
, v
k
)
= 0 + +
i
v
i
, v
i
) + + 0 =
i
|v
i
|
2
como v
i
,= 0 , su norma no es cero por lo que tiene que ser
i
= 0.
Lema 124.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base ortonormal
de W . Entonces para cada v V , el vector v Proy
W
(v) es ortogonal a cada vector de W .
Demostracion:
Por la Proposicion 118, para probar que un vector es ortogonal a todos los vectores de un subespacio, basta
probarlo para los vectores de una base. Sea B = w
1
, w
2
, . . . , w
k
, para cada w
i
de B, por ser B ortonormal,
w
i
, w
i
) = 1 y w
i
, w
j
) = 0, si i ,= j , entonces
vProy
W
(v), w
i
) =v v, w
1
)w
1
v, w
i
)w
i
v, w
k
)w
k
, w
i
)
=v, w
i
) v, w
1
)w
1
, w
i
) v, w
i
)w
i
, w
i
) v, w
k
)w
k
, w
i
)
=v, w
i
) 0 v, w
i
) 1 0 = v, w
i
) v, w
i
) = 0
Luego es ortogonal a los vectores de B y, por consiguiente, a todos los vectores de W .
Unicidad de la proyeccion ortogonal.- Sea V un espacio con producto interior y W un subespacio de V . Para
cada v V , la proyeccion ortogonal de v en W no depende de la base ortonormal elegida.
Es decir, si B
1
= u
1
, u
2
, . . . , u
k
y B
2
= v
1
, v
2
, . . . , v
k
son dos bases ortonormales de W , entonces,
para cada v V , los vectores
Proy
(1)
W
(v) =w
1
= v, u
1
)u
1
+v, u
2
)u
2
+ +v, u
k
)u
k
Proy
(2)
W
(v) =w
2
= v, v
1
)v
1
+v, v
2
)v
2
+ +v, v
k
)v
k
son el mismo.
Demostracion:
Como w
1
es una proyeccion ortogonal de v sobre W , el vector w
1
W y el vector v w
1
es ortogonal a
W y, por la misma razon, el vector w
2
W y el vector v w
2
es ortogonal a W .
Entonces, el vector (v w
1
) (v w
2
) = w
2
w
1
cumple que: es ortogonal a todos los vectores de
W por ser diferencia de dos vectores ortogonales a W ; y tambien es un vector de W por ser diferencia de dos
vectores de W . En consecuencia, es ortogonal a si mismo y w
2
w
1
, w
2
w
1
) = 0, luego es el vector 0 ;
por lo que w
1
= w
2
y la proyeccion ortogonal no depende de la base.
Aplicaciones lineales
Justicacion del metodo descrito en la Observacion 136, de la pagina 56
Usaremos en la justicacion el mismo ejercicio del ejemplo, pero la prueba es valida en cualquier caso.
Haciendo las operaciones elementales sobre la matriz A
t
, que tiene por las las [f(v
i
)]
B
2
, hemos obtenido la
matriz que tiene por las
_
_
_
_
_
_
_
_
[f(v
1
)]
B
2
[f(v
6
v
1
)]
B
2
[f(v
5
v
6
+v
1
)]
B
2
[f(v
4
+
1
2
v
1
3
2
v
6
3
2
v
5
)]
B
2
[f(v
3
+ v
6
+ 2v
5
)]
B
2
[f(v
2
2v
6
v
5
)]
B
2
_
_
_
_
_
_
_
_
. Luego si repetimos las mismas operaciones
78 Matematicas I :

sobre la matriz J que tiene por las
_
_
_
_
_
_
_
_
[v
1
]
B
1
[v
2
]
B
1
[v
3
]
B
1
[v
4
]
B
1
[v
5
]
B
1
[v
6
]
B
1
_
_
_
_
_
_
_
_
obtendramos K =
_
_
_
_
_
_
_
_
[v
1
]
B
1
[v
6
v
1
]
B
1
[v
5
v
6
+v
1
]
B
1
[v
4
+
1
2
v
1
3
2
v
6
3
2
v
5
]
B
1
[v
3
+ v
6
+ 2v
5
]
B
1
[v
2
2v
6
v
5
]
B
1
_
_
_
_
_
_
_
_
.
Ahora bien, como la matriz J es la identidad, que tiene rango 6, la matriz K tambien tiene rango 6, por lo
que sus las son linealmente independientes y en consecuencia los tres ultimos vectores (los vectores de ker(f))
tambien son linealmente independientes.
Diagonalizacion
Justicacion de la observacion en Antes de seguir de la pagina 62
Denicion.- Sea f: V V un operador lineal, diremos que un escalar es un valor propio de f si existe
un vector v V , diferente de cero, tal que f(v) = v.
Al vector v se le denomina vector propio de f correspondiente a .
Teorema.- Sea f : V V un operador lineal, siendo V un espacio vectorial de dimension n. Entonces,
existe una base de V con respecto a la cual la matriz de f es diagonal si y solo si f tiene n vectores propios
linealmente independientes.
Demostracion:
Si la matriz de f en la base B = v
1
, v
2
, . . . , v
1
es D diagonal, los mismos vectores de la base son vectores
propios y son linealmente independientes, pues:
_
[f(v
1
)]
B
[f(v
2
)]
B
[f(v
n
)]
B
_
= D =
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
=
_
1
[v
1
]
B

2
[v
2
]
B

n
[v
n
]
B
_
Recprocamente, si tenemos n vectores propios linealmente independientes, la matriz de f respecto de la base
formada con ellos es diagonal.
_
[f(v
1
)]
B
[f(v
2
)]
B
[f(v
n
)]
B
_
=
_
1
[v
1
]
B

2
[v
2
]
B

n
[v
n
]
B
_
=
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
Teorema.- Sean V un espacio vectorial de dimension n, f: V V un operador lineal y A la matriz de f con
respecto a una base B = v
1
, v
2
, . . . , v
n
. Entonces:
a) Los valores propios de f son los valores propios de A
b) Un vector v V es un vector propio de f correspondiente al valor propio si y solo si su matriz de
coordenadas [v]
B
es un vector propio de A correspondiente a .
Demostracion:
a) Sea un valor propio de f , es decir, v V , distinto de 0 , tal que f(v) = v = [f(v)]
B
= [v]
B
= A[v]
B
= [v]
B
, luego es un valor propio de A al ser [v]
B
,= 0.
Sea un valor propio de A, entonces x IR
n
, x ,= 0 tal que Ax = x. Si tomamos x
= x
1
v
1
+ +
x
n
v
n
, siendo x = (x
1
, . . . , x
n
), lo anterior quiere decir que A[x
]
B
= [x
]
B
[f(x
)]
B
= [x
]
B

f(x
) = x
y es un valor propio de f ya que x
,= 0
b) v es un vector propio de f correspondiente a si y solo si
f(v) = v [f(v)]
B
= [v]
B
A[v]
B
= [v]
B
si y solo si [v]
B
es un vector propio de A correspondiente a .
79 Matematicas I :

Teorema.- Los vectores propios de f correspondientes al valor propio , son los vectores distintos de cero del
n ucleo de la aplicacion I
d
f (denotamos por I
d
la aplicacion identidad, I
d
(v) = v ).
Llamaremos a dicho n ucleo, espacio caracterstico de f correspondiente al valor propio .
Demostracion:
v un vector propio correspondiente a f(v) = v f(v) = I
d
(v) I
d
(v) f(v) = 0
(I
d
f)(v) = 0 v ker(I
d
f).
Teorema 152.- Sean v
1
, v
2
, . . . , v
k
vectores propios de una matriz A asociados a los valores propios
1
,
2
, . . . ,
k
respectivamente, siendo
i
,=
j
, i ,= j . Entonces el conjunto de vectores v
1
, v
2
, . . . , v
k
es
linealmente independiente.
Demostracion:
Supongamos que v
1
, v
2
, . . . , v
k
son linealmente dependientes.
Por denicion, un vector propio es distinto de cero, luego el conjunto v
1
Sea r el maximo entero tal que v
1
, v
2
, . . . , v
r
es linealmente independiente. Puesto que hemos supuesto
que v
1
, v
2
, . . . , v
k
es linealmente dependiente, r satisface que 1 r < k. Ademas, por la manera en que
se denio r, v
1
, v
2
, . . . , v
r
, v
r+1
es linealmente dependiente. Por tanto, existen escalares c
1
, c
2
, . . . , c
r+1
,
al menos uno diferente de cero, tales que
c
1
v
1
+c
2
v
2
+ +c
r+1
v
r+1
= 0. 7.2)
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones
Av
1
=
1
v
1
, Av
2
=
2
v
2
, . . . , Av
r+1
=
r+1
v
r+1
se obtiene
c
1
1
v
1
+c
2
2
v
2
+ +c
r
r
v
r
+c
r+1
r+1
v
r+1
= 0 7.3)
Multiplicando los dos lados de (7.2) por
r+1
y restandole a (7.3) la ecuacion resultante se obtendra
c
1
(
1

r+1
)v
1
+c
2
(
2

r+1
)v
2
+ +c
r
(
r

r+1
)v
r
= 0.
Y dado que los vectores v
1
, v
2
, . . . , v
r
son linealmente independientes, necesariamente
c
1
(
1

r+1
) = c
2
(
2

r+1
) = = c
r
(
r

r+1
) = 0
Como los
1
,
2
, . . . ,
r+1
son distintos entre si, se deduce que c
1
= c
2
= = c
r
= 0.
Sustituyendo estos valores en (7.2) resulta que c
r+1
v
r+1
= 0 , y como v
r+1
,= 0 se deduce que c
r+1
= 0,
lo que contradice el hecho de que al menos uno de los escalares c
1
, c
2
, . . . , c
r+1
deba de ser distinto de cero.
Luego los vectores v
1
, v
2
, . . . , v
k
han de ser linealmente independientes, que prueba el teorema.
Proposicion 154.- Sea A de orden n y
k
un autovalor de A de multiplicidad m
k
. Entonces
1 dimV (
k
) m
k
.
Demostracion:
Como ya observamos anteriormente, dimV (
i
) 1.
Supongamos que dimV (
k
) = d, y consideremos el operador lineal f: IR
n
IR
n
denido por f(v) = Av .
Sea v
1
, . . . , v
d
una base del espacio caracterstico V (
k
), que podemos completar hasta obtener una base
de IR
n
, B = v
1
, . . . , v
d
, v
d+1
, . . . , v
n
. La matriz A
, del operador en la base B, sera de la forma

A
=
_
[f(v
1
)]
B
[f(v
d
)]
B
[f(v
d+1
)]
B
[f(v
n
)]
B
_
=
_
k
[v
1
]
B

k
[v
2
]
B
[f(v
d+1
)]
B
[f(v
n
)]
B
_
=
_
_
_
_
_
_
_
_
_
k
0
.
.
.
.
.
.
.
.
. A
12
0
k
0 0
.
.
.
.
.
. A
22
0 0
_
_
_
_
_
_
_
_
_
80 Matematicas I :

de donde [I A
[ = (
k
)
d
[I A
22
[ . Pero como A y A
son matrices semejantes, tienen el mismo polinomio

caracterstico, y (
k
)
d
[I A
22
[ = [I A
[ = [I A[ = (
k
)
m
k
Q(), de donde se obtiene que d m
k
,
pues m
k
es la multiplicidad de la raz.
Demostracion de: Teorema fundamental de la diagonalizacion 155 de la pagina 63
Teorema fundamental de la diagonalizacion 155.- Sea A una matriz de orden n. Entonces A es diagonali-
zable si y solo si se cumplen las condiciones:
1.- El polinomio caracterstico tiene n raices reales. Es decir, [I A[ = (
1
)
m
1
(
k
)
m
k
con
m
1
+m
2
+ +m
k
= n.
2.- Para cada espacio caracterstico V (
i
), se cumple que dimV (
i
) = m
i
.
Demostracion:
= Si A es diagonalizable, la matriz diagonal D y A son semejantes (D = P
1
AP ) y por tanto poseen
el mismo polinomio caracterstico, luego P() = [I A[ = [I D[ = (
1
)
m
1
(
k
)
m
k
, donde los
i
IR son los valores de la diagonal de D y m
i
el n umero de veces que se repite. Por tanto, P() tiene todas
sus raices reales y, por ser de grado n, m
1
+m
2
+ +m
k
= n.
Ademas, por ser A y D matrices semejantes, tambien lo son I A y I D, para todo IR, pues
P
1
(I A)P = P
1
IP P
1
AP = I D, de donde rg(IA) = rg(ID), para todo . Entonces, para
cada autovalor
i
se tiene que rg(
i
I A) = rg(
i
I D) = n m
i
y, en consecuencia, que dimV (
i
) = m
i
.
= Si [I A[ = (
1
)
m
1
(
k
)
m
k
, con m
1
+ m
2
+ + m
k
= n, y dimV (
i
) = m
i
para cada
i = 1, . . . , k, consideremos en cada V (
i
) una base B
i
, de la forma
B
1
=
_
p
, . . . , p
m
_
, B
2
=
_
p
, . . . , p
m
_
, . . . , B
k
=
_
p
k
, . . . , p
km
k
_
Tomemos entonces B = B
1
B
2
B
k
, un conjunto de n vectores propios de A, si vemos que son linealmente
independientes, tendremos que A es diagonalizable.
Planteemos una combinacion lineal igualada a cero:
0 =
11
p
+ +
1m
1
p
m
+
21
p
+ +
2m
2
p
m
+ +
k1
p
k
+ +
km
k
p
km
k
= (
11
p
+ +
1m
1
p
m
) + (
21
p
+ +
2m
2
p
m
) + + (
k1
p
k
+ +
km
k
p
km
k
)
=v
1
+v
2
+ +v
k
siendo v
j
=
j1
p
j
+ +
jm
j
p
jm
j
V (
j
), para cada j = 1, . . . , k.
Los vectores v
1
, v
2
, . . . , v
k
son vectores de espacios caractersticos correspondientes, respectivamente, a
los valores propios distintos
1
,
2
, . . . ,
k
y por tanto, si no son cero, son linealmente independientes. Pero
la combinacion lineal v
1
+ v
2
+ + v
k
= 0 nos indicara que son dependientes, luego la unica forma de
eliminar esa contradiccion es que v
j
= 0 , j = 1, 2, . . . , k; de donde, si 0 = v
j
=
j1
p
j
+ +
jm
j
p
jm
j
,
han de ser todos
j1
=
j2
= =
jm
j
= 0 por ser B
j
una base. Como es cierto para cada j , se tiene que
ji
= 0, i, j , con lo que B es linealmente independiente.
Demostracion de: Teorema fundamental de la diagonalizacion ortogonal 159 de la pagina 64
Teorema fundamental de la diagonalizacion ortogonal 159.- Una matriz A de orden n es diagonalizable or-
togonalmente si y solo si A es simetrica.

Demostracion:
= A es diagonalizable ortogonalmente = P ortogonal y D diagonal tal que P
t
AP = D = P
ortogonal y D diagonal tal que A = PDP
t
= A
t
= (PDP
t
)
t
= PDP
t
= A = A es simetrica.
= Sea A simetrica, veamos que es diagonalizable. Primero, que todos los valores propios de A son reales:
Sea C un valor propio de A, entonces existe x = (x
1
, . . . , x
n
) ,= 0 (x
j
C) tal que Ax = x . Por
ser A real, su polinomio caracterstico es real y el conjugado de , , es tambien autovalor de A; ademas,
tomando conjugados en la igualdad anterior, se tiene que Ax = Ax = x . Entonces, son iguales los valores
x
t
Ax =x
t
(Ax) = x
t
(x) = x
t
x =
n
j=1
x
j
x
j
=
n
j=1
[x
j
[
2
x
t
Ax = (x
t
A)x = (x
t
A
t
)x = (Ax)
t
x = (x)
t
x) = x
t
x =
n
j=1
[x
j
[
2
81 Matematicas I :

y, al ser x ,= 0 ,
n
j=1
[x
j
[
2
,= 0 por lo que = y IR. En consecuencia, si todos los autovalores de A son
reales, el polinomio caracterstico de A tiene las n raices reales.
Veamos ahora que para cada
j
se verica que dimV (
j
) = m
j
.
Sean dimV (
j
) = d y B
j
= x
1
, . . . , x
d
una base ortonormal de V (
j
) que ampliamos hasta una base
ortonormal de IR
n
, B = x
1
, . . . , x
d
, x
d+1
, . . . , x
n
.
Consideremos el operador lineal f: IR
n
IR
n
dado por f(x) = Ax , luego A es la matriz de f en la base
canonica que es ortonormal y si A
es la matriz de f en la base B y P la matriz de paso de B a la canonica,

P es ortogonal y A
= P
t
AP . Como A es simetrica, A
tambien lo sera pues (A
)
t
= (P
t
AP)
t
= P
t
A
t
(P
t
)
t
=
P
t
AP = A
.
A
=
_
[f(x
1
)]
B
[f(x
d
)]
B
[f(x
d+1
)]
B
[f(x
n
)]
B
_
=
_
j
[x
1
]
B

j
[x
2
]
B
[f(x
d+1
)]
B
[f(x
n
)]
B
_
=
_
_
_
_
_
_
_
_
_
_
j
0
.
.
.
.
.
.
.
.
. A
12
0
j
0 0
.
.
.
.
.
. A
22
0 0
_
_
_
_
_
_
_
_
_
_
donde A
12
= 0, puesto que A
es simetrica y A
22
cuadrada de orden n d. Luego la matriz
j
I A
nos
queda
j
I A
=
_
_
_
_
_
_
_
_
_
_
j

j
0
.
.
.
.
.
.
.
.
. 0
0
j

j
0 0
.
.
.
.
.
.
j
I A
22
0 0
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
0 0
.
.
.
.
.
.
.
.
. 0
0 0
0 0
.
.
.
.
.
.
j
I A
22
0 0
_
_
_
_
_
_
_
_
_
_
por lo que rg(
j
I A
) = rg(
j
I A
22
). Por ser A y A
semejantes rg(
j
I A)=rg(
j
I A
) (ver demostracion
del Teorema 155), y se tiene que rg(
j
IA
22
) = rg(
j
IA) = ndimV (
j
) = nd por lo que [
j
I A
22
[ ,= 0.
Entonces, [I A[ = [I A
[ = (
j
)
d
[I A
22
[ , con [
j
I A
22
[ ,= 0, luego d = m
j
.
En resumen, A diagonaliza, y tomando una base ortonormal de cada uno de los espacios caractersticos,
tendremos n vectores propios de norma 1 y, que por el Lema 158, son ortogonales entre s.
Formas cuadraticas
Demostracion de: Teorema de Sylvester o Ley de inercia 169 de la pagina 71
Teorema de Sylvester o Ley de inercia 169.- Si una forma cuadratica se reduce a la suma de cuadrados en
dos bases diferentes, el n umero de terminos que aparecen con coecientes positivos, as como el n umero de
terminos con coecientes negativos es el mismo en ambos casos.
Demostracion:
Supongamos que respecto a una base B
1
= b
1
, b
2
, . . . , b
n
la matriz de la forma cuadratica Q es una matriz
diagonal y tiene p elementos positivos y s elementos negativos en su diagonal principal, luego la expresion de
la forma cuadratica sera
Q(x) = a
1
x
2
1
+ +a
p
x
2
p
a
p+1
x
2
p+1
a
p+s
x
2
p+s
con a
i
> 0 para todo i, y (x
1
, . . . , x
p
, x
p+1
, . . . , x
p+s
, x
p+s+1
, . . . , x
n
) = [ x]
t
B
1
; y que respecto a otra base
B
2
= d
1
, d
2
, . . . , d
n
la matriz de la forma cuadratica es tambien diagonal con q elementos positivos y r
negativos, por lo que Q se expresara en la forma
Q(x) = c
1
y
2
1
+ +c
q
y
2
q
c
q+1
y
2
q+1
c
q+r
y
2
q+r
con c
i
> 0 para todo i, e (y
1
, . . . , y
q
, y
q+1
, . . . , y
q+r
, y
q+r+1
, . . . , y
n
) = [ x]
t
B
2
.
82 Matematicas I :

Por el teorema 167 anterior, sabemos que las matrices congruentes tienen el mismo rango, luego tienen que
ser p +s = q +r. Veamos que p = q , con lo que tendremos tambien que s = r.
Si p ,= q , uno de ellos es mayor que el otro, supongamos que es p > q y consideremos los conjuntos de
vectores b
1
, . . . , b
p
y d
q+1
, . . . , d
n
. Si p > q , el conjunto b
1
, . . . , b
p
, d
q+1
, . . . , d
n
tiene p+(nq) =
n + (p q) > n vectores y, por lo tanto, es un conjunto linealmente dependiente y en la igualdad
1
b
1
+ +
p
b
p
+
q+1
d
q+1
+ +
n
d
n
= 0
alguno de los coecientes no es cero. Entonces, el vector
1
b
1
+ +
p
b
p
=
q+1
d
q+1

n
d
n
= x
no es el cero (si es cero, todos los
i
son cero por ser los b
i
de B
1
, y todos los
j
= 0 por ser los d
j
B
2
),
con alg un
i
y alg un
j
distintos de cero. Tenemos as que
[ x]
t
B
1
= (
1
, . . . ,
p
, 0, . . . , 0) y [ x]
t
B
2
= (0, . . . , 0,
q+1
, . . . ,
n
)
pero calculando Q(x) respecto a las dos bases obtenemos
Q(x) =a
1
2
1
+ +a
p
2
p
a
p+1
0 a
p+s
0 = a
1
2
1
+ +a
p
2
p
> 0
Q(x) =c
1
0 + +c
q
0 c
q+1
(
q+1
)
2
c
q+r
(
q+r
)
2
+ 0(
q+r+1
)
2
+ + 0(
n
)
2
=c
q+1
(
q+1
)
2
c
q+r
(
q+r
)
2
0
lo que no puede ser. Por tanto deben ser p = q y s = r, es decir, las dos matrices diagonales tienen el mismo
n umero de elementos positivos y negativos.
Demostracion de: Teorema de clasicacion 172 de la pagina 71
Teorema de clasicacion 172.- Sea Q una forma cuadratica en un espacio de dimension n. Se verica:
a) Q es nula Sig(Q) = (0, 0)
b) Q es denida positiva Sig(Q) = (n, 0).
c) Q es semidenida positiva Sig(Q) = (p, 0) con 0 < p < n.
d) Q es denida negativa Sig(Q) = (0, n).
e) Q es semidenida negativa Sig(Q) = (0, q) con 0 < q < n.
f) Q es indenida Sig(Q) = (p, q) con 0 < p, q .
Demostracion:
Sea B = v
1
, . . . , v
n
una base en la cual, la expresion de Q es Q(x) = d
1
x
2
1
+d
2
x
2
2
+ +d
n
x
2
n
donde (x
1
, . . . , x
n
) = [ x]
t
B
. Luego, Q(v
i
) = d
i
, para todo i = 1, . . . , n, ya que los vectores de B tiene por
coordenadas [ v
1
]
t
B
= (1, 0, 0, . . . , 0), [ v
2
]
t
B
= (0, 1, 0, . . . , 0), . . . , [ v
n
]
t
B
= (0, 0, 0, . . . , 1). Entonces:
a) Si Q(x) = 0, para todo x , se tiene que d
i
= Q(v
i
) = 0, para todo i, luego Sig(Q) = (0, 0).
Reciprocamente, si d
i
= 0 para todo i, entonces Q(x) = 0 para todo x .
b) Si Q(x) > 0 para todo x ,= 0 , se tiene que d
i
= Q(v
i
) > 0, para todo i, luego Sig(Q) = (n, 0).
Recprocamente, si d
i
> 0 para todo i, entonces Q(x) > 0 para todo x ,= 0 .
c) Si Q(x) 0 para todo x ,= 0 , es d
i
= Q(v
i
) 0 para todo i. Como no es nula existe alg un d
j
> 0 y
como no es denida positiva existe alg un d
k
= 0, luego Sig(Q) = (p, 0) con 0 < p < n.
Recprocamente, si d
i
0 para todo i, con alg un d
j
> 0 y alg un d
k
= 0, se tiene que Q(x) 0 para
todo x , que Q(v
j
) = d
j
> 0, por lo que no es nula, y que Q(v
k
) = d
k
= 0, por lo que no es denida
positiva.
d) y e) Analogos a los casos de denida y semidenida positiva.
f) Por ser indenida, Q(x) , 0 para todo x, luego d
i
, 0 para todo i, por lo que existira un d
j
< 0
y Q(x) , 0 para todo x , luego d
i
, 0 para todo i por lo que existira un d
k
> 0. En consecuencia,
Sig(Q) = (p, q) con p, q > 0.
Recprocamente, si existe d
j
< 0 y d
k
> 0, seran Q(v
j
) = d
j
< 0 y Q(v
k
) = d
k
> 0, luego es indenida.
83 Matematicas I
Parte III
Calculo diferencial en IR
84 Matematicas I : Calculo diferencial en IR
Tema 8
Funciones reales de variable real
8.1 Los n umeros reales
Los n umeros reales son de sobra conocidos, sus operaciones basicas as como su identicacion con los puntos de
la recta real, por lo que solo vamos a mencionar aqu algunas de sus propiedades (la mayora conocidas) que
son imprescindibles en el desarrollo de este tema.
Propiedades de orden 174.- Denotaremos por IR
+
= {x IR : x > 0} y IR
= {x IR : x < 0}
1.- Antisimetrica: Si x y e y x = x = y.
2.- Transitiva: Si x y e y z = x z .
3.- Total : Para cualesquiera x, y IR: o bien x y, o bien y x.
4.- Si x y, entonces x + z y + z para todo z IR (si x < y = x + z < y + z ).
5.- Si x y, entonces x z y z para todo z IR
+
(si x < y = x z < y z ).
6.- Si x y, entonces x z y z para todo z IR
(si x < y = x z > y z ).

7.- Si 0 < x < y, entonces 0 <
1
y
<
1
x
.
Las propiedades de acotacion siguientes garantizan que los n umeros reales llenan la recta real, lo que nos
permite decir que recorremos de manera continua un subconjunto de IR.
Denicion 175.- Sea A IR, diremos que el conjunto A esta acotado superiormente si existe alg un K IR
tal que x K, para todo x A; es decir, todos los elementos de A son menores que K. Del valor K diremos
que es una cota superior de A.
Analogamente, A esta acotado inferiormente si existe k IR tal que k x, para todo x A y diremos
que k es una cota inferior de A. Diremos que A esta acotado si lo esta superior e inferiormente.
Propiedad del extremo superior 176.- Todo subconjunto no vaco A IR y acotado superiormente admite
una cota superior mnima, es decir, IR tal que:
a) x ; x A b) Si K < , entonces x A vericando que K < x .
Se dice que es el extremo superior o supremo de A y se denota por sup A o ext sup A. Si pertenece
a A, se dice que es el maximo de A, y escribiremos max A = .
Propiedad del extremo inferior 177.- Todo subconjunto no vaco A IR acotado inferiormente admite una
cota inferior maxima, es decir, IR tal que:
a) x; x A b) Si < k, entonces x A vericando que x < k.
Se dice que es el extremo inferior o nmo de A y se denota por inf A o ext inf A. Si pertenece a A,
se dice que es el mnimo de A, y escribiremos mn A = .
Nota: Que = sup A es equivalente a que para cada > 0 existe x A con < x . Es decir, que
para cualquier valor mas peque no que el superior hay alg un elemento del conjunto mas grande que el.
Analogamente, = inf A para cada > 0 existe x A con x < + .
Ejemplo El conjunto A =
_
1
n
: n IN
_
=
_
1,
1
2
,
1
3
,
1
4
, . . .
_
esta acotado superior e inferiormente.
85 Matematicas I : Calculo diferencial en IR 8.1 Los n umeros reales
En efecto,
1
n
1 < 2 para todo n, luego 2 es una cota superior del conjunto (de hecho, cualquier n umero
mayor o igual a 1 lo es). Tambien esta acotado inferiormente, pues
1
n
es positivo luego 0 <
1
n
para todo n y 0
es una cota inferior de A (cualquier n umero negativo es tambien una cota inferior).
Luego A es un conjunto acotado y tiene supremo e nmo: como el supremo es la mnima cota superior,
sup A = 1, pues 1 es una cota superior y si K < 1, existe el 1 A tal que K < 1 sup A = 1 luego K no es
una cota y 1 es la mas peque na.
Como el nmo es la maxima cota inferior, inf A = 0, pues es una cota y para cualquier k > 0, puedo
encontrar un n sucientemente grande para que 0 <
1
n
< k (por ejemplo, para k = 0.00001, se tiene que
0 <
1
100001
<
1
100000
= k).
Ademas, sup A = 1 A luego max A = 1; lo que no ocurre con el nmo, pues inf A = 0 / A, luego
mnA.
8.1.1 Valor absoluto de un n umero real

Denicion 178.- Sea a IR, se llama valor absoluto de a, y se representa por |a| , al n umero real dado por
|a| = +
a
2
=
_
a, si a 0
a, si a < 0
Propiedades del valor absoluto 179.-
a) |a| 0, a y |a| = 0 a = 0 b) |ab| = |a| |b| c)
a
1
= |a|
1
d) |a| k k a k e) |a + b| |a| +|b| f)
|a| |b|
|a b|

El valor absoluto y su uso como distancia es clave en las deniciones de conjuntos y conceptos como el lmite
y la continudad, la derivacion e integracion.
Nota: Con el valor absoluto, diremos que A es acotado existe K > 0 tal que |x| K, x A.
Ejemplo El conjunto A =
_
1,
1
2
,
1
3
,
1
4
, . . .
_
del ejemplo anterior esta acotado pues
1
n
1 para todo n.
8.1.2 Intervalos y entornos en IR
Los subconjuntos de IR, estan formados por puntos separados o por intervalos (trozos) de la recta real o por
uniones de ellos; pero no solo eso, sino que la validez de algunos resultados depende del tipo de intervalo usado.
Pero ademas, los intervalos centrados en un punto (que llamaremos entornos) son basicos en la construccion de
la mayora de los conceptos del Calculo.
Denicion 180.- Dados los n umeros reales a y b con a b, se llama intervalo abierto de extremos a y b,
y se representa por (a, b), al conjunto:
(a, b) = {x IR : a < x < b}.
Se llama intervalo cerrado de extremos a y b, y se representa por [a, b] , al conjunto:
[a, b] = {x IR : a x b}.
Analogamente se denen: (a, b] = {x IR : a < x b} y [a, b) = {x IR : a x < b}
y los intervalos no acotados: (a, +) = {x IR : a < x} y [a, +) = {x IR : a x}
(, b) = {x IR : x < b} y (, b] = {x IR : x b}
En los intervalos cerrados, inf[a, b] = mn[a, b] = a y sup[a, b] = max[a, b] = b, mientras que en los abiertos
inf{(a, b)} = a y sup{(a, b)} = b pero no tiene ni maximo ni mnimo.
En los no acotados, como [a, +), se tiene inf[a, +) = mn[a, +) = a pero no existe el superior (a veces
se escribe sup A = +, para indicar que el conjunto no esta acotado superiomente).
Naturalmente, IR es tambien un intervalo IR = (, +). Y, [a, a] = {a} pero (a, a) = (a, a] = [a, a) = .
Denicion 181.- Llamaremos entorno de centro a y radio > 0, y escribiremos E(a, ), al conjunto:
E(a, ) = {x IR : |x a| < } = {x IR : a < x < a + } = (a , a + ).
Llamaremos entorno reducido de centro a y radio > 0, E
(a, ), al conjunto
E
(a, ) = E(a, ) {a} = {x IR : 0 < |x a| < }.

86 Matematicas I : Calculo diferencial en IR 8.2 Funciones reales de variable real
8.1.3 Algunas operaciones con n umeros reales
8.1.3.1 Potencias racionales y reales de un n umero real
Las potencias racionales, x
r
, se denen paulatinamente a partir de las potencias naturales:
para n IN y x IR, denimos x
n
= x x
n)
x.
para z ZZ y x IR {0}, denimos x
0
= 1 y si z < 0, x
z
= (x
1
)
z
.
para n IN y x IR
+
, denimos x
1
n
=
n
x como el IR tal que

n
= x
para r =
z
n
, con z ZZ y n IN, y x IR
+
, denimos x
z
n
=
n
x
z
.
y se verican las siguientes propiedades:
(1) x
r
y
r
= (xy)
r
(2) x
r
x
s
= x
r+s
(3) (x
r
)
s
= x
rs
(4) Si 0 < x < y, entonces 0 < x
r
< y
r
si r > 0 y 0 < y
r
< x
r
si r < 0
(5) Si r < s se tiene que x
r
< x
s
cuando x > 1 y x
s
> x
r
cuando 0 < x < 1.
Antes de terminar, un peque no apunte sobre las raices n-esimas,
n
x para x 0: si n es impar, existe un

unico n umero real > 0 tal que
n
= x; y si n es par, existe un unico n umero real > 0 tal que
n
= x y
()
n
= x. Por ello, si n es par siempre se escribe
n
x > 0 y
n
x < 0 para distinguir entre el valor positivo

y el negativo.
Potencias reales.- Las potencias reales de un n umero real, x
, con x > 0 y IR se extienden de las

racionales (aunque no de manera sencilla) y verican las mismas propiedades de (1) a (5) que las potencias
racionales.
8.1.3.2 Exponencial real de base e
La exponencial de base e que a cada x IR le asigna el n umero real e
x
. Las propiedades de las potencias,
establecen la validez de:
(1) e
x+y
= e
x
e
y
(2) Si x < y se tiene que e
x
< e
y
(3) e
x
> 0
(Genericamente, tenemos exponenciales de base a, para cualquier a > 0, con propiedades similares.)
8.1.3.3 Logaritmo neperiano real
Para cada x (0, +), se dene el logaritmo neperiano, lnx como el valor real tal que e
= x; es decir, la
operacion recproca a la exponencial.
(1) ln(xy) = ln x + ln y (2) ln(x
y
) = y ln x (3) Si 0 < x < y se tiene ln x < ln y
(Genericamente, para cada exponencial a
x
, tenemos el logaritmo en base a, log
a
x.)
8.2 Funciones reales de variable real
Denicion 182.- Llamaremos funcion real de variable real, a cualquier aplicacion f: A IR, donde
A IR. Al conjunto A lo denominaremos dominio de f y escribiremos A = Dom(f).
Si x A escribiremos y = f(x) para indicar que y IR es la imagen de x por medio de f .
El recorrido o conjunto imagen de f , que suele denotarse por f(A), sera:
f(A) =
_
f(x) IR : x A
_
=
_
y IR : x A con y = f(x)
_
= Img f
Nota: Si la funcion viene dada solo por la expresion y = f(x), sobreentenderemos que el dominio es el maximo
subconjunto de IR para el cual f(x) IR, es decir, Dom(f) = {x IR : f(x) IR}
Ejemplo Sea f: [1, 1] IR dada por f(x) =
1 x
2
. Se tiene que:
Dom(f) = [1, 1] : pues x [1, 1] = 0 x
2
1 = 1 x
2
0 =
1 x
2
= f(x) IR.
f([1, 1]) [0, 1] , ya que x[1, 1] =0x
2
1 =1 x
2
0 =0 1x
2
1 =0
1x
2
1 y,
si k [0, 1] , se tiene k = f
_
1 k
2
_
; luego f([1, 1]) = [0, 1] .
Para f dada por f(x) =
1
1x
2
, su dominio se obtendra de:
f(x) IR
1
1 x
2
IR 1 x
2
= 0 x
2
= 1 x = 1
luego Dom(f) = IR {1, 1} = (, 1) (1, 1) (1, +). Ademas, Img(f) = IR [0, 1).
Denicion 183.- Llamaremos graca de la funcion dada

por y = f(x), y lo denotaremos por graf(f), al subcon-
junto de IR
2
graf(f) =
_
(x, y) IR
2
: xDom(f) e y=f(x)
_
=
_
(x, f(x)) IR
2
: xDom(f)
_
r
r
r
a
b
c
f(a)
f(c)
f(b)
(a, f(a))
(b, f(b))
(c, f(c))
graf(f)
x
y
Denicion 184 (Operaciones con funciones).- Sea f y g funciones reales de variable real. Entonces son
funciones reales de variable real las siguientes:
1.- (Suma) (f +g)(x) = f(x) + g(x)
2.- (Producto) (fg)(x) = f(x) g(x)
3.- (Cociente)
_
f
g
_
(x) =
f(x)
g(x)
4.- (Composicion) (g f)(x) = g(f(x))
en los conjunto donde tenga sentido. Es decir:
Dom(f +g) = Dom(f) Dom(g) Dom(f/g) =
_
Dom(f) Dom(g)
_
{x : g(x) = 0}
Dom(fg) = Dom(f) Dom(g) Dom(g f) =
_
x Dom(f) : f(x) Dom(g)
_
Ejemplo Sean f(x) =
2 x y g(x) =
x
2
1. Se tiene que
Domf ={x IR : 2 x 0} = {x IR : 2 x} = (, 2]
Domg ={x IR : x
2
1 0} = {x IR : x
2
1} = (, 1] [1, +) = IR (1, 1)
Luego el dominio de (f + g)(x) =
2 x +
x
2
1 es
Dom(f + g) = Domf Domg = (, 2]
_
(, 1] [1, +)
_
= (, 1] [1, 2]
que coincide con el de (fg)(x) =
2 x
x
2
1.
Para el dominio de (
f
g
)(x) =
2x
x
2
1
, como g(x) = 0 si x
2
1 = 0, es decir, si x = 1,
Dom
_
f
g
_
= (Domf Domg) {1, 1} =
_
(, 1] [1, 2]
_
{1, 1} = (, 1) (1, 2]
y, nalmente el dominio de (g f)(x) =
_
(
2 x)
2
1 =
1 x sera
Dom(g f) =
_
x (, 2] :
2 x Domg
_
(1)
=
_
x (, 2] :
2 x 1
_
={x (, 2] : 2 x 1} = {x (, 2] : 1 x} = (, 1]
(1) como
2 x 0, se tiene
2 x Domg si
2 x [1, +), es decir, si
2 x 1.
Dominio de algunas funciones elementales 185.-

Raz: f(x) =
n
x y Domf = [0, +). Con

n
x = 0 x = 0.
Potencia real: f(x) = x
y Domf = (0, +). Con x
> 0 para todo x.

Exponencial: f(x) = e
x
y Domf = IR. Con e
x
> 0 para todo x.
Logaritmo neperiano: f(x) = ln(x) y Domf = (0, +). Con lnx = 0 x = 1.
Seno: f(x) = sen(x) y Domf = IR. Con sen x = 0 x = k con k ZZ,
Coseno: f(x) = cos(x) y Domf = IR. Con cos x = 0 x =

2
+ k con k ZZ.
Tangente: f(x) = tg(x) =
sen x
cos x
y Domf = IR {
2
+ k : k ZZ} =
kZZ
(
2
+ k,

2
+ k).
Seno hiperbolico: f(x) = sh(x) =
e
x
e
x
2
y Domf = IR. Con sh x = 0 x = 0.
Coseno hiperbolico: f(x) = ch(x) =
e
x
+e
x
2
y Domf = IR. Con ch x 1 para todo x.
Tangente hiperbolica: f(x) = th(x) =
sh x
ch x
y Domf = IR.
f(x) = e
x
1
1
f(x) = ln(x)
f(x) = x
1
1
>1
=1
0<<1
<1
1<<0
1
sh(x)
ch(x)
th(x)
1
2
tg(x)
sen(x)
cos(x)
Fig. 8.1. Gracas de algunas funciones elementales.
Denicion 186.- Sea f: A IR, con A IR. Diremos que f es una funcion acotada si el conjunto imagen
f(A) esta acotado. Es decir, si existe K > 0 tal que |f(x)| K para todo x A.
Ejemplo El seno y el coseno estan acotadas en IR, pues |sen x| 1 y |cos x| 1 para todo x IR.
La funcion f: IR{0} IR, con f(x) =
x
|x|
, esta acotada en su dominio pues para todo x IR, se tiene
|x| x |x| , y para todo x = 0, 1
x
|x|
1. (De hecho, |f(x)| = 1, x = 0.)
La funcion th(x) esta acotada en IR. En efecto, si x 0, se cumple que e
x
1
1
e
x
= e
x
, luego
0 e
x
e
x
< e
x
+ e
x
y entonces 0
e
x
e
x
e
x
+e
x
< 1. Como th(x) = th(x) (comprobarlo), cuando
x < 0, se tiene 1 < th(x) < 0, por lo que |th(x)| < 1, para todo x IR.
8.2.1 Monotona. Funciones inversas

Denicion 187.- Sea f: A IR diremos que f es creciente o monotona creciente en el conjunto A, si
para cualesquiera x, y A, con x < y, se verica que f(x) f(y).
Diremos que f es decreciente o mon otona decreciente en el conjunto A, si para cualesquiera x, y
A, con x < y, se verica que f(x) f(y).
Diremos que f es creciente (resp. decreciente) en el punto a A, si existe un entorno E(a, ) tal que
x, y E(a, ) con x < a < y se cumple f(x) f(a) f(y) (resp. f(x) f(a) f(y)).
Nota: Si las desigualdades son estrictas, diremos estrictamente creciente y estrictamente decreciente.
Ejemplo Por las propiedades enunciadas anteriormente, las funciones e
x
, ln x y x
con > 0 son estricta-

mente crecientes en sus dominios; y si < 0, x
decrece estrictamente en (0, +) (ver gracas arriba).

La funcion f(x) =
1
x
es estrictamente decreciente en cada punto de su dominio IR{0}, pero no es monotona
decreciente en el conjunto (ya que 1 < 1 pero f(1) = 1 < f(1) = 1.)
Denicion 188.- Se dice que f: A IR es inyectiva en A si f(x) = f(y) para todo x, y A, con x = y.
Ejemplo Las funciones estrictamente crecientes o estrictamente decrecientes en un conjunto son inyectivas.
La funcion f(x) = x
2
es inyectiva en [0, 1] y tambien en [1, 0] , pero no lo es en el conjunto [1, 1] puesto
que f(1) = 1 = f(1) con 1 = 1.
89 Matematicas I : Calculo diferencial en IR 8.3 Ejercicios
Denicion 189.- Sean f: A IR y B = f(A). Si f es inyectiva en A, llamaremos funci on inversa de f
en A, y la denotaremos por f
1
, a la funcion f
1
: B A tal que f
1
(f(x)) = x, para todo x A.
Ejemplo 190 La funcion f: [0, ) IR con f(x) = x
2
, tiene inversa en ese conjunto (es estrictamente
creciente en el) y es f
1
: [0, ) [0, ) dada por f
1
(y) =
y. [ f
1
(f(x)) =
x
2
= |x| = x ]
La funcion f: (, 0] IR con f(x) = x
2
, tiene inversa en ese conjunto (es estrictamente decreciente
en el), que es f
1
: [0, ) (, 0] dada por f
1
(y) =
y. [ f
1
(f(x)) =
x
2
= |x| = x ]
La funcion f: (0, +) IR con f(x) = x
, tiene inversa en el conjunto (es estr. creciente si > 0 y

decreciente si < 0), que es f
1
: (0, ) IR dada por f
1
(y) = y
1
. [ f
1
(f(x)) = (x
)
1
= x
1
= x ]
La funcion f: IR (0, ) con f(x) = e
x
, tiene inversa en IR (es estrictamente creciente en el), que es
f
1
: (0, ) IR dada por f
1
(y) = ln y. [ f
1
(f(x)) = ln(e
x
) = xln(e) = x ]
La funcion f(x) = sen x, tiene inversa en el conjunto [
2
,

2
] (es estrictamente creciente en el), la funcion
f
1
: [1, 1] [
2
,

2
] que llamaremos arcoseno y denotaremos f
1
(y) = arcsen y.
(El seno no tiene inversa en [0, 2] , pues no es inyectiva en ese conjunto)
La funcion f(x) = cos x, tiene inversa en el conjunto [0, ] (es estrictamente decreciente en el), la funcion
f
1
: [1, 1] [0, ] que llamaremos arcocoseno y denotaremos f
1
(y) = arccos y.
La funcion f(x) = tg x, tiene inversa en el conjunto [
2
,

2
] (es estrictamente creciente en el), la funcion
f
1
: IR [
2
,

2
] que llamaremos arcotangente y denotaremos f
1
(y) = arctg y.
La funcion f(x) = sh x, f: IR IR, tiene inversa en IR (es estrictamente creciente en el), la funcion
f
1
: IR IR que llamaremos argumento del sh y denotaremos f
1
(y) = argsh y = ln(y +
_
y
2
+ 1).
La funcion f(x) = chx, tiene inversa en [0, ) (estrictamente creciente), la funcion f
1
: [1, ) [0, )
que llamaremos argumento del ch y denotaremos f
1
(y) = argchy = ln(y +
_
y
2
+ 1).
La funcion th: IR (1, 1), tiene inversa en IR (estrictamente creciente), la funcion f
1
: (1, 1) IR
que llamaremos argumento de la th y denotaremos f
1
(y) = argth y = ln
_
y+1
y1
.
Nota: La graca de f
1
es simetrica, respecto de la bisectriz del primer cuadrante, a la graca de f .
En efecto, si (x, y) graf(f) con y = f(x), entonces, el punto (y, f
1
(y)) graf(f
1
) es de la forma
(y, f
1
(y)) = (y, f
1
(f(x))) = (y, x).
Puede observarse esto en la gura 8.1 de la pagina 88, para e
x
y su inversa ln(x) y x
y su inversa x
1
.
8.3 Ejercicios
8.90 Usar las Propiedades del orden 174 y las de las operaciones descritas en el apartado 8.1.3, para probar
que:
a) si 0 < x < y, entonces 0 < x
2
< y
2
b) si y < x < 0, entonces 0 < x
2
< y
2
c) si 0 < x < y, entonces 0 < |x| < |y| d) si y < x < 0, entonces 0 < |x| < |y|
e) si 0 < x < 1, entonces 0 < x
2
< x f) si 1 < x, entonces 1 < x < x
2
g) si y < x < 0, entonces
1
x
<
1
y
< 0 h) si y < x < 0, entonces 0 <
1
|y|
<
1
|x|
i) si 0 < x < y, entonces 0 <
x <
y j) si 0 < x < y, entonces
y <
x < 0
8.91 Hallar el dominio de las funciones reales de variable real dadas por:
(i) f
1
(x) =
x
2
2x (ii) f
2
(x) =
_
|x| x (iii) f
3
(x) =
_
x1
x+1
(iv) f
4
(x) = ln |x| (v) f
5
(x) = ln
x (vi) f
6
(x) = ln(2 x
2
)
(vii) f
1
(x) + f
2
(x) (viii) f
3
(x) f
1
(x) (ix)
1
f
2
(x)
+
1
f
3
(x)
(x) f
7
(x) =
x1
x+1
(xi) f
8
(x) = ln(f
6
(x)) (xii) f
9
(x) =
_
x1
x+1
(xiii) f
3
(x) f
3
(x) (xiv) f
9
(x) f
7
(x) (xv)
f
6
(x)
f
1
(x)
+
f
1
(x)
f
6
(x)
(xvi)
f
4
(x)+f
5
(x)
f
8
(x)
(xvii) (f
5
f
8
)(x) (xviii) (f
1
f
4
f
2
)(x)
a) Expresar la funciones f
2
y f
4
como funciones denidas a trozos.
b) Por que los dominios de f
3
y de f
7
son distintos?
c) Cual sera el dominio de la funcion f
2
f
2
? Obtener su expresion.
8.92 Sean f y g dos funciones reales de variable real monotonas. Probar que:
a) Si f es (estrictamente) creciente, las funciones f(x) y f(x) son (estric.) decrecientes.
b) Si f es (estrictamente) decreciente, las funciones f(x) y f(x) son (estric.) crecientes.
c) Si f es (estric.) creciente y positiva, la funcion
1
f(x)
es (estric.) decreciente.
d) Si f es (estric.) decreciente y positiva, la funcion
1
f(x)
es (estric.) creciente. Que ocurrira en este
caso y en el anterior si la funcion f es negativa?
e) Si f y g son crecientes (decrecientes), f + g es creciente (decreciente).
f) Buscar una funcion f creciente y una g decreciente tales que f + g sea creciente; y otras para que
f + g sea decreciente.
g) Si g es creciente y f es creciente (decreciente), g f es creciente (decreciente).
h) Si g es decreciente y f es creciente (decreciente), g f es decreciente (creciente). Que ocurrira si
la monotona de g es estricta? Y si lo es la de f ? Y si lo son ambas?
8.93 Usar los resultados del ejercicio anterior, para probar lo siguente:
a) Probar que f(x) =
1
x
2
+1
es creciente en (, 0) y decreciente en (0, +).
b) Sabiendo que e
x
es esctirtamente creciente en IR y que x = e
ln x
, probar que sh(x) y ln(x) son
crecientes.
c) Probar que f(x) =
x
2
1
x
2
+1
es creciente en (0, +) y usarlo para probar que th(x) es creciente en IR.
8.94 Sea f: IR IR, se dice que f es par si f(x) = f(x), y que es impar si f(x) = f(x).
a) Comprobar si sen x, cos x, tg x, sh x, chx, th x y x
n
, para n = 0, 1, 2, . . . , son pares o impares.
b) Si f es par y creciente en (0, +), sera tambien creciente en (, 0)?
c) Si f es impar y creciente en (0, +), sera tambien creciente en (, 0)?
d) Que caracterstica especial cumplen las gracas de las funciones pares? Y las de las funciones
impares? Justicar la respuesta
8.95 Para las funciones que aparecen en el Ejemplo 190 anterior, dibujar su graca y la de su inversa en los
dominios indicados.
Si una funcion f: A B es creciente (decreciente) en A, diras que su inversa f
1
: B A tambien
es creciente (decreciente) en B?
Probarlo en el caso de creer que es cierto, o en el caso de creer que es falso, justicarlo con un ejemplo.
8.96 Sean las funciones f , g y h, funciones reales denidas por:
f(x) =
_
1, si x 0
1, si x > 0
; g(x) =
_
_
_
2x
2
1
2
, si x (, 1]
1
x
2
, si x (1, 0)
3
1x
2
, si x [0, )
; h(x) =
_
x
3
1
2x
2
, si |x + 1| 1
x
2
+2
2x+4
, si |x + 1| > 1
a) Describir la casustica de f y h mediante la pertenencia de x a intervalos (como la funcion g)
b) Describir la casustica de g y h mediante desigualdades de x (como la funcion f )
c) Obtener su dominio y el de las funciones |f| , |g| , f +g y f h.
d) Hallar las expresiones de |f| , |g| , f +g y f h, como funciones denidas a trozos.
e) Encontrar el dominio y la expresion de las funciones compuestas f(x
2
) y g(2 x).
f) Encontrar el dominio y la expresion de las funciones g f y f g.
Tema 9
Lmites y continuidad
9.1 Lmite y continuidad de una funcion en un punto
Denicion 191.- Un punto x
0
IR se dice punto de acumulaci on de un conjunto A si, y solo si, para cada
> 0 se tiene que E
(x
0
, ) A = . Es decir, x
0
es un punto de acumulacion de un conjunto A si en cada
entorno de x
0
hay otros puntos de A.
De los puntos de A que no son de acumulacion, se dice que son puntos aislados de A.
Nota: Es decir, x
0
es punto de acumulacion de A si cerca de x
0
siempre hay (otros) puntos de A, por
peque no que hagamos el crculo de cercana; en consecuencia, a un punto de acumulacion de un conjunto
siempre podremos acercarnos con puntos del conjunto. Solo as tiene sentido la denicion del lmite siguiente.
Denicion 192.- Sea f: A IR y sea x
0
IR un punto de acumulacion de A. Se dice que el lmite de la
funcion f(x) cuando x tiende a x
0
es L, y se representa por
lm
xx
0
f(x) = L, (tambien con f L, cuando x x
0
)
si, y solo si, para cada > 0 existe > 0 tal que si x A y 0 < |x x
0
| < , entonces |f(x) L| < .
El signicado de esta farragosa denicion sera lo siguiente: el lmite en x
0
de f es L si la imagen de cada x
cercano a x
0
esta cerca de L. Puede quedar un poco mas claro expresando esta crecana mediante entornos:
La denicion anterior es, evidentemente, equivalente a:
Diremos que el lmite de la funcion f cuando x tiende a
x
0
es L si, y solo si, para cada entorno de L, E(L, ),
existe un entorno reducido de x
0
, E
(x
0
, ) tal que si
x A E
(x
0
, ), entonces f(x) E(L, ).
En la gura de la derecha vemos que, en efecto, para los puntos
cercanos a x
0
(en fondo rojo) sus imagenes (en fondo rojo) estan
dentro de la cercana de L jada (en fondo verde).
L+
L
L
x
0 x
0
x
0
+
Ejemplo Para f: [0, +) IR dada por f(x) =
x, se tiene que lm
x0
f(x) = 0.
Para cada > 0, tomamos =
2
> 0, si x [0, +) y 0 < |x 0| < , es decir, si 0 < x <
2
se verica
que

x <
2
= , pero esto es lo mismo que

x = |
x| = |
x 0| < .
Nota: Para el lmite no importa la funcion en el punto, sino su valor

en puntos cercanos (ponemos 0<|x x
0
| < en la denicion).
As, f(x) =
_
x, x=1
2, x=1
tiene lm
x1
f(x) = 1 aunque f(1) = 2, ya que
si x 1 y x = 1, la funcion toma los valores f(x) = x en esos
puntos y entonces lm
x1
f(x) = lm
x1
x = 1.
Y tambien la funcion g(x) = x tiene por lm
x1
g(x) = lm
x1
x = 1.
2
1
1
f
r
1
1
g
r
El valor de la funcion en el punto es primordial sin embargo para el concepto de continuidad:
Denicion 193.- Sea f: A IR, se dice que f es continua en el punto x
0
A si, y solo si, para cada > 0
existe > 0 tal que si x A y |x x
0
| < entonces |f(x) f(x
0
)| < .
Observacion: Si el punto x
0
no esta aislado, la denicion es equivalente a que lm
xx
0
f(x) = f(x
0
).
92 Matematicas I : Calculo diferencial en IR 9.1 Lmite y continuidad de una funcion en un punto
Ejemplo La funcion de la nota anterior f(x) =
_
x, x=1
2, x=1
no es continua en 1, pues lm
x1
f(x) = 1 = f(1);
mientras que la funcion g(x) = x s lo es pues lm
x1
g(x) = 1 = g(1).
Tambien es continua en 0 la funcion f(x) =
x del ejemplo anterior, pues lm

x0
x = 0 =
0.
Ejemplo 194 La funcion f(x) = e

x
es continua en 0. En efecto, por ser e
x
estrictamente creciente:
si 0 < x < , es 1 < e
x
< e
, luego 0 < e
x
1 = |e
x
1| < e
1
si < x < 0 es e
< e
x
< 1, luego 0 < 1 e
x
= |e
x
1| < 1 e
=
e
1
e
< e
1.
Entonces, para cada > 0 tomamos = ln(1 + ) y si 0 < |x| < , se tiene que
|e
x
1| < e
1 = e
ln(1+)
1 = (1 + ) 1 =
Luego se cumple que lm
x0
e
x
= 1 = e
0
y e
x
es continua en 0.
9.1.1 Algunos resultados interesantes

Proposicion 195.- Sea f: A IR y x
0
un punto de acumulacion de A. Entonces
a) lm
xx
0
f(x) = L lm
xx
0
(f(x) L) = 0 b) lm
xx
0
f(x) = 0 lm
xx
0
|f(x)| = 0
c) Si h = x x
0
, entonces lm
xx
0
f(x) = L lm
h0
f(x
0
+ h) = L
Demostracion:
Basta observar que la denicion de lmite para el segundo termino de la 1
a
equivalencia:
para cada > 0, existe > 0 tal que si 0 < |x x
0
| < = |(f(x) L) 0| = |f(x) L| <
para el segundo termino de la 2
a
equivalencia:
para cada > 0, existe > 0 tal que si 0 < |x x
0
| < = ||f(x)| 0| = |f(x)| <
y para el segundo termino de la 3
a
equivalencia:
para cada > 0, existe > 0 tal que si 0 < |h| = |x x
0
| < = |f(x
0
+ h) L| = |f(x) L| <
coinciden con la denicion de los lmites para los respectivos primeros terminos de la equivalencias.
Los resultados a) y c) anteriores deben considerarse deniciones equivalentes de la denicion de lmite y
nos permiten transformar un lmite en un lmite de valor 0 o a un lmite en el punto 0. Con el apartado b)
cambiamos la funcion por otra acotable, lo que cobra interes tras los resultados siguientes:
Proposicion 196.- Sean f, g, h: A IR y x
0
un punto de acumulacion de A.
1.- Si f(x) g(x) h(x) en A y lm
xx
0
f(x) = L = lm
xx
0
h(x), entonces lm
xx
0
g(x) = L
2.- Si g esta acotada en A y lm
xx
0
f(x) = 0, entonces lm
xx
0
g(x) f(x) = 0

Ejemplo El lm
x0
xsen
1
x
= 0, pues lm
x0
x = 0 y el seno esta acotado (|sen y| 1, para cualquier y IR).
9.1.1.1 Lmites y continuidad con las operaciones basicas

El calculo de los lmites y, por tanto el estudio de la continuidad, se extiende ampliamente y de manera sencilla
mediante las operaciones basicas de las funciones:
Propiedades 197.- Si lm
xx
0
f(x) = L
1
IR y lm
xx
0
g(x) = L
2
IR, entonces:
a) lm
xx
0
[f(x) + g(x)] = lm
xx
0
f(x) + lm
xx
0
g(x) = L
1
+ L
2
.
b) lm
xx
0
[f(x) g(x)] = lm
xx
0
f(x) lm
xx
0
g(x) = L
1
L
2
.
c) lm
xx
0
f(x)
g(x)
=
lm
xx
0
f(x)
lm
xx
0
g(x)
=
L
1
L
2
, siempre que L
2
= 0.

Corolario 198.- Sean f y g funciones continuas en un punto x
0
A, entonces:
1.- f + g es continua en el punto x
0
.
2.- fg es continua en el punto x
0
.
3.-
f
g
es continua en el punto x
0
siempre que g(x
0
) = 0.
Ejemplos
La funcion f(x) = x
n
es continua en IR: lm
xx
0
x
n
= ( lm
xx
0
x)
n)
( lm
xx
0
x) =
_
lm
xx
0
x
_
n
= x
n
0
En general, si P(X) es un polinomio, lm
xx
0
P(x) = P(x
0
), luego continuo en todo IR.
Y una funcion racional, f(x) =
P(x)
Q(x)
, sera continua en los puntos de su dominio (salvo en aquellos a con
Q(a) = 0, pero esos no pertenecen al dominio) y en todos ellos lm
xx
0
P(x)
Q(x)
=
P(x
0
)
Q(x
0
)
.
f(x) = e
x
es continua en IR, pues lo es en 0 (Ejemplo 194) y, para los demas puntos, se tiene
lm
xx
0
e
x
= lm
h0
e
x
0
+h
= lm
h0
e
x
0
e
h
= e
x
0
lm
h0
e
h
= e
x
0
e
0
= e
x
0
Teorema 199.- Sean f: A IR y g: f(A) IR. Si lm

xa
f(x) = b y g es continua en b, entonces
lm
xa
g(f(x)) = g(b) = g
_
lm
xa
f(x)
_
.

Corolario 200.- Si f es continua en a y g continua en f(a), entonces g f es continua en a.
Ejemplo La funcion f(x) = x 1 es continua en 1 por ser polinomica; la funcion g(x) = |x| es continua
en 0 = f(1), pues lm
x0
x = 0 = lm
x0
|x| = 0 = |0| ; y h(x) =

x es continua en 0 = g(0). Entonces, la
composicion (h g f)(x) = h(g(f(x))) =
_
|x 1| es continua en 1.
Ademas, lm
x1
_
|x 1| =
_
lm
x1
|x 1| =
_
lm
x1
(x 1)
=
_
|0| = 0.
Imponiendo condiciones sobre la funcion f , podemos dar una variante del teorema 199 anterior que prescinde
de la condicion de continuidad de g:
Proposicion 201 (Convergencia propia).- Sean f: A IR y g: f(A) IR. Si lm
xa
f(x) = b, con f(x) =
b para todos los x de un entorno reducido E
(a,
0
) de a, entonces
lm
xa
(g f)(x) = lm
f(x)b
g(f(x)) = lm
yb
g(y).

Ejemplo Sea g(y) =
_
y, si y = 1
2, si y = 1
, no continua en 1. Para f(x) = e
x
se cumple la condicion pedida, pues
lm
x0
f(x) = 1 = e
x
= f(x) si x = 0 (es est. creciente), luego lm
x0
g(f(x)) = lm
y1
g(y) = 1. (En efecto, como
g(f(x)) = g(e
x
) = e
x
si e
x
= 1, se tiene lm
x0
g(f(x)) = lm
x0
e
x
= 1).
Sin embargo, si tomamos la funcion f(x) =
_
1, si x = 0
0, si x = 0
, que no verica la condicion de la proposicion
( lm
x0
f(x) = 1 = f(x) si x = 0), se tiene que: lm
x0
g(f(x)) = lm
x0
g(1) = 2 = lm
y1
g(y) = 1.
9.1.1.2 Lmites laterales

Denicion 202.- Sean a < c < b y f: (a, c) (c, b) IR.
Diremos que L
1
es el lmite por la izquierda de f en c, si para cada > 0 existe > 0 tal que
cuando x < c y 0 < |x c| < , se tiene que |f(x) L
1
| < .
Diremos que L
2
es el lmite por la derecha de f en c, si para cada > 0 existe > 0 tal que cuando
x > c y 0 < |x c| < , se tiene que |f(x) L
2
| < .
Los representaremos, respectivamente, por
lm
xc
x<c
f(x) = lm
xc
f(x) = L
1
y lm
xc
x>c
f(x) = lm
xc
+
f(x) = L
2
Proposicion 203 (Lmites laterales).- Sean a < c < b y f: (a, c) (c, b) IR. Entonces
lm
xc
f(x) = L lm
xc
f(x) = lm
xc
+
f(x) = L

Ejemplo Sea f(x) = |x| =
_
x, si x 0
x, si x < 0
. Entonces
lm
x0
|x| = lm
x0
x = 0 y lm
x0
+
|x| = lm
x0
+
x = 0 = lm
x0
|x| = 0
Nota: Si solo hay funcion en un lado, el lmite coincide con el lmite lateral. Por ejemplo, lm
x0
x = lm
x0
+
x,
pues en los puntos a la izquierda de 0 no esta denida la funcion.
Denicion 204.- Si f no es continua en un punto x
0
, pero se cumple que lm
xx
0
f(x) = f(x
0
) o que
lm
xx
+
0
f(x) = f(x
0
), se dice que f es continua por la izquierda o continua por la derecha en x
0
.
Ejemplo Todas son funciones discontinuas en 1, la tercera es continua por la derecha y las dos ultimas son
continuas por la izquierda.
1
r
1
r
1
r
1
r
La discontinuidad de la primera funcion suele denominarse evitable (porque basta rellenar el hueco para ha-
cerla continua), de la quinta se dice de salto innito y de las tres restantes de salto nito.
9.1.2 Lmites con innito

De manera similar a como se denen los limites para valores reales, podemos denir lmites donde la variable se
acerca a + o a , o que sea la funcion la que pueda tomar valores cercanos a ellos (valores, tan grandes que
superan cualquier cota K > 0, o tan peque nos que rebasan cualquier cota por abajo K < 0). Las deniciones
son analogas, sin mas que cambiar la aproximaciones a puntos reales por aproximaciones a :
Denicion 205.- Si f es una funcion real de variable real, se tienen las siguientes deniciones:
lm
xx
0
f(x) = + si, para cada K > 0, existe > 0 tal que si 0 < |x x
0
| < = f(x) > K
lm
x
f(x) = L si, para cada > 0, existe M > 0 tal que si x < M = |f(x) L| <
lm
x+
f(x) = si, para cada K > 0, existe M > 0 tal que si x > M = f(x) < K
Analogamente: lm
xx
0
f(x) = , lm
x+
f(x) = L, lm
x+
f(x) = +, lm
x
f(x) = + y lm
x
f(x) = .
Ejemplo Para a > 0, lm
x+
ax = + y lm
x0
1
x
= . En efecto:
para cada K > 0 tomamos M =
K
a
> 0 y si x > M, entonces f(x) = ax > aM = a
K
a
= K
para cada K > 0 tomamos =
1
K
> 0 y si < x < 0, entonces f(x) =
1
x
<
1
= K
Las operaciones del resultado Propiedades 197 son validas tambien cuando tenemos lmites en el innito o
con valor innito, aunque aparecen situaciones cuyo resultado no puede determinarse usando las reglas generales.
Si lm
xx
0
f(x) = a y lm
xx
0
g(x) = b, donde tanto x
0
como a y b pueden ser , el valor del lmite para las
funciones f + g, f g,
f
g
y f
g
, se obtiene de las siguientes tablas:
f + g b = b IR b = +
a =
a IR a + b +
a = + + +
f
g
b = b < 0 b = 0
b = 0 b = 0
+
b > 0 b = +
a = + + ||
a < 0 0
a
b
+ ||
a
b
0
a = 0 0 0 0 0
a > 0 0
a
b
|| +
a
b
0
a = + || + +
f g b = b < 0 b = 0 b > 0 b = +
a = + +
a < 0 + ab 0 ab
a = 0 0 0 0
a > 0 ab 0 ab +
a = + + +
f
g
b = b < 0 b = 0 b > 0 b = +
a = 0 + + 0 0
0 < a < 1 + a
b
1 a
b
0
a = 1 1 1 1
a > 1 0 a
b
1 a
b
+
a = + 0 0 + +
|| En estos casos, no se garantiza la existencia del lmite, pero s que se tiene
f
g
+.
Hay siete indeterminaciones clasicas, indicadas con (que en el fondo se reducen a dos (i) e (ii)):
(i) (ii) 0 (iii)

(iv)
0
0
(v) 1
(vi) 0
0
(vii)
0
Nota: Teniendo en cuenta que a
b
= e
b ln a
, las indeterminaciones (v), (vi) y (vii) se reducen a 0 .
Ejemplo 206 lm
x+
x
2
+2x+1
3x2x
2
= (
+
) =
1
2
.
lm
x+
x
2
+ 2x + 1
3x 2x
2
= lm
x+
x
2
+2x+1
x
2
3x2x
2
x
2
= lm
x+
1 +
2
x
+
1
x
2
3
x
2
=
1 + 0 + 0
0 2
=
1
2

Ejemplo 207 lm
x0
x
3
3x+2x
2
3x
3
2x
= (
0
0
) =
3
2
.
lm
x0
x
3
3x + 2x
2
3x
3
2x
= lm
x0
x(x
2
3 + 2x)
x(3x
2
2)
= lm
x0
x
2
3 + 2x
3x
2
2
=
0 3 + 0
0 2
=
3
2
=
3
2

Ejemplo 208 lm
x+
2x
x+
x
2
+2x
= (
+
+
) = 1.
lm
x+
2x
x +
x
2
+2x
= lm
x+
2x
x
x
x
+
x
2
+2x
x
= lm
x+
2
1 +
x
2
+2x
x
2
= lm
x+
2
1 +
_
1+
2
x
=
2
1+0+1
= 1
teniendo en cuenta que cuando x +, sera x > 0 y por tanto x = |x| =
x
2
.
Ejemplo 209 lm
x+
x
2
+ 2x x = () = 1.
lm
x+
_
x
2
+ 2x x = lm
x+
(
x
2
+ 2x x)(
x
2
+ 2x + x)
x
2
+ 2x + x
= lm
x+
(
x
2
+ 2x)
2
x
2
x
2
+ 2x + x
= lm
x+
x
2
+ 2x x
2
x
2
+ 2x + x
= lm
x+
2x
x
2
+ 2x + x
= 1
Ejemplo 210 lm
x+
(1 +
1
x
)
x
= e
Por denicion, e = lm
n+
(1 +
1
n
)
n
y para cada x > 0, existe n IN con n < x n + 1, luego con
1
n+1

1
x
<
1
n
de donde 1 +
1
n+1
1 +
1
x
< 1 +
1
n
. De esta desigualdad y de n < x n + 1, tenemos que:
_
1 +
1
n + 1
_
n
_
1 +
1
x
_
x
<
_
1 +
1
n
_
n+1
=
(1 +
1
n+1
)
n+1
1 +
1
n+1
_
1 +
1
x
_
x
<
_
1 +
1
n
__
1 +
1
n
_
n
=
n + 1
n + 2
_
1 +
1
n + 1
_
n+1
_
1 +
1
x
_
x
<
n + 1
n
_
1 +
1
n
_
n
si x +, entonces n y n+1 +, por lo que se cumple que e lm
x+
(1 +
1
x
)
x
e.

Nota: La Proposicion 201 de convergencia propia cobra nuevo interes con los lmites con innitos (para los que
tambien es valida), pues la condicion de continuidad no es aplicable en muchos de estos casos. Ademas, la
condicion de convergencia propia, que cuando f(x) sea f(x) = se cumple de manera obvia.
Ejemplo Consideremos y = x en (1), y z = h(y) = y 1 en (2) entonces
lm
x
(1 +
1
x
)
x
(1)
= lm
y+
(1
1
y
)
y
= lm
y+
(
y1
y
)
y
= lm
y+
(
y
y1
)
y
= lm
y+
(1 +
1
y1
)
y
= lm
y+
(1 +
1
y1
)(1 +
1
y1
)
y1
(2)
= lm
y+
(1 +
1
y1
) lm
z+
(1 +
1
z
)
z
= 1 e = e
Continuidad de algunas funciones elementales 211.- (Ver sus gracas en la gura 8.1 de la pagina 88.)
f(x) = e
x
es continua en IR y lm
x
e
x
= 0 y lm
x+
e
x
= +.
f(x) = ln x es continua en (0, +) y lm
x0
+
ln x = y lm
x+
ln x = +.
f(x) = x
continua en (0, ) y lm
x0
+
x
=0 y lm
x+
x
= si >0 (resp. y 0 si <0).

f(x) = sh x es continua en IR y lm
x
sh x = y lm
x+
sh x = +.
f(x) = ch x es continua en IR y lm
x
ch x = y lm
x+
ch x = +.
f(x) = th x es continua en IR y lm
x
th x = 1 y lm
x+
th x = 1.
f(x) = sen x y f(x) = cos x son de periodicas de periodo 2, continuas en IR y lm
x
f(x).
f(x) = tg x es de periodo , continua en su dominio y lm
x
2
+
tg x = y lm
x
tg x = .

9.1.3 Innitesimos e innitos equivalentes
Denicion 212.- Se dice que una funcion f es un innitesimo en x
0
si lm
xx
0
f(x) = 0.
Una funcion f(x) se dice que es un innito en x
0
si lm
xx
0
f(x) = + (o ).
Denicion 213.- Dos innitesimos en x
0
, f y g, se dicen equivalentes en x
0
si lm
xx
0
f(x)
g(x)
= 1.
Dos innitos en x
0
, f y g, se dicen equivalentes en x
0
si lm
xx
0
f(x)
g(x)
= 1.
Proposicion 214.- Si g(x) y h(x) son innitesimos (o innitos) equivalentes en x
0
, entonces
lm
xx
0
g(x)f(x) = lm
xx
0
h(x)f(x) y lm
xx
0
f(x)
g(x)
= lm
xx
0
f(x)
h(x)
,
siempre que los segundos lmites existan.
Demostracion:
Si existe lm
xx
0
f(x)h(x) y lm
xx
0
g(x)
h(x)
= 1, entonces:
lm
xx
0
h(x)f(x) = lm
xx
0
g(x)
h(x)
lm
xx
0
h(x)f(x) = lm
xx
0
g(x)h(x)f(x)
h(x)
= lm
xx
0
g(x)f(x)
Analogamente para el otro caso.
Algunos innitos e innitesimos conocidos 215.- Usaremos la notacion f g para indicar que f y g son
innitos o innitesimos equivalentes:
a
n
x
n
+ + a
1
x + a
0
a
n
x
n
cuando x a
n
x
n
+ + a
1
x a
1
x cuando x 0
sen(x) x cuando x 0 tg(x) x cuando x 0
sen
1
x

1
x
cuando x 1 cos(x)
x
2
2
cuando x 0
ln(1 + x) x cuando x 0 e
x
1 x cuando x 0
sh(x) x cuando x 0 ch(x) 1
x
2
2
cuando x 0

Ejemplos lm
x1
ln(x)
x1
= 1. En efecto, lm
x1
ln(x)
x1
= lm
x10
ln(x)
x1
= lm
t0
ln(1+t)
t
= lm
t0
t
t
= 1
lm
x0
x sen(
x
2
)
e
x
2
1
=
_
x 0
x
2
0
sen(
x
2
)
x
2
_
= lm
x0
x
x
2
e
x
2
1
=
_
x 0 x
2
0
e
x
2
1 x
2
_
= lm
x0
x
x
2
x
2
=
1
2
lm
x+
2xsen(
1
x
) =
_
x +
1
x
0
sen(
1
x
)
1
x
_
= lm
x+
2x
1
x
= 2
Nota: La hipotesis de la Proposicion, en el sentido de que los innitesimos (o innitos) sean factores o divisores
de la funcion, deben tenerse muy presentes pues solo as garantizaremos el resultado. El ejemplo siguiente
muestra como al sustituir un sumando por otro se falsea el resultado.
Sabemos que sen x y x son innitesimos equivalentes en x = 0, pero sen x no puede ser sustituido por x
en el lmite: lm
x0
sen xx
x
3
, pues si lo hacemos obtendramos como lmite 0 cuando su valor correcto es
1
6
.
Los innitesimos o innitos equivalentes son funciones que tienen un comportamiento similar en el lmite,
pero no igual. Por ello, si los usamos en sumas o restas podemos eliminar esa diferencia (como ocurre en el
lmite anterior) y dejar sin sentido el lmite.
Al sustituir sen x por x en la resta de arriba estamos asumiendo que son iguales, pues sutituimos sen xx
por 0, lo que no es cierto (es sen x x = 0 si x = 0); de hecho, el seno es mas parecido a sen x x
x
3
6
con
lo que la deferencia es mas parecida a sen x x
x
3
6
que a 0.
9.1.4 Asntotas de una funcion
Una buena ayuda para la representacion de la graca de las funciones son las asntotas. La graca de f es
una representacion en el plano IR
2
formada por los puntos (x, y) con la condicion y = f(x) luego de la forma
(x, f(x)); por consiguiente, la graca puede tener puntos que se alejan hacia el innito. Basta tener en cuenta
que si el dominio es IR, cuando x + los puntos de la graca se alejan hacia
_
+, lm
x+
f(x)
_
.
Estos alejamientos de la graca se llaman ramas innitas de la funcion, y puede ocurrir que existan rectas
tales que la funcion se parezca a una recta en estas ramas innitas. Las rectas cumpliendo la condicion de que
la distancia de los puntos de una rama innita a esa recta tienda hacia 0 a medida que se alejan, se denominan
asntotas de la funcion.
Dado que en IR
2
, los puntos se alejan en la forma (x, ), (, y) o (, ) (aqu, puede ser tanto +
como ), buscaremos tres tipos de asntotas: verticales, horizontales e inclinadas.
Asntotas verticales
Si lm
xx
0
f(x) = tenemos una rama innita a la izquierda del punto x
0
y la recta x = x
0
es una asntota
vertical de esa rama (el signo del lmite + o , nos indicara el comportamiento de la rama innita).
Si lm
xx
+
0
f(x) = hay rama innita a la derecha de x
0
y la recta x = x
0
es asntota vertical de esa rama.
Asntotas horizontales e inclinadas Aunque la b usqueda de asntotas horizontales e inclinadas pueden
verse como procesos distintos, en ambos casos la variable x se aleja hacia el innito (x, f(x))
_
, lm
x
f(x)
_
y tambien, la recta es de la forma y = mx + n (con m = 0 para las horizontales).
Si buscamos una recta y = mx + n cumpliendo que f(x) (mx + n) 0 cuando x +, tambien se
cumplira que
f(x)mxn
x
0, de donde
f(x)
x
m
n
x
0 luego se tendra que m = lm
x+
f(x)
x
. Y conocido
m, se tendra f(x) (mx + n) 0 f(x) mx n, de donde n = lm
x+
f(x) mx.
En consecuencia, existira asntota cuando x + (o en +), si existen y son reales los valores de los
lmites m = lm
x+
f(x)
x
y n = lm
x+
f(x) mx. En ese caso y = mx + n es la asntota buscada.
Identicamente para asntotas en .
Ejemplo La funcion f(x) =
(x1)(x+2)|x|
(x
2
1)(x3)
2
, tiene por dominio, Dom(f) = (, 1)(1, 3)(3, +). Como
el numerador, es continuo en IR, las asntotas verticales (si existen) estaran en los puntos donde se anule el
denominador, es decir, 1, 1 y 3.
98 Matematicas I : Calculo diferencial en IR 9.2 Teoremas del lmite y de continuidad
lm
x1
f(x) = lm
x1
+
(x 1)(x + 2) |x|
_
(x
2
1)(x 3)
2
=
_
(2) 1 |1|
0
+
_
=
lm
x1
+
f(x) = lm
x1
+
(x 1)(x + 2) |x|
_
(x
2
1)(x 3)
2
= lm
x1
+
(x + 2) |x|
_
(x 3)
2
lm
x1
+
x 1
x
2
1
=
3
2
lm
x1
+
x 1
x
2
1
= 0
lm
x3
f(x) = lm
x3
(x 1)(x + 2) |x|
_
(x
2
1)(x 3)
2
=
_
30
0
+
_
= + lm
x3
+
f(x) =
_
30
0
+
_
= +
Luego las asntotas verticales son x = 1 (cuando x 1
, f(x) ) y x = 3 (cuando x 3
,
f(x) + y cuando x 3
+
, f(x) +).
Estudiamos las asntotas en +,
m= lm
x+
f(x)
x
= lm
x+
(x 1)(x + 2)
_
(x
2
1)(x 3)
2
lm
x+
|x|
x
= 1 1 = 1
n = lm
x+
f(x) x = lm
x+
(x 1)(x + 2)x x
_
(x
2
1)(x 3)
2
_
(x
2
1)(x 3)
2
= lm
x+
x(x 1)(8x
2
3x 13)
_
(x
2
1)(x 3)
2
_
(x 1)(x + 2) +
_
(x
2
1)(x 3)
2
_
=
_
8x
4
2x
4
_
= 4
luego y = x+4 es asntota de f cuando x +. Analogamente,
se obtiene que y = x 4 es asntota cuando x .
x = 3
x=1 y=x4
y=x+4
9.2 Teoremas del lmite y de continuidad

Teorema 216 (de acotacion y del signo para lmites).- Sean f: A IR IR y x
0
un punto de acumu-
lacion de A. Si lm
xx
0
f(x) = L IR, existe un entorno E(x
0
, ) tal que f esta acotada en E
(x
0
, ) A.
Ademas, si L = 0, el valor de f(x) tiene el mismo signo que L.
Demostracion:
Sea > 0 jo, entonces existe E
(x
0
, ) tal que |f(x) L| < , luego L < f(x) < L + , para todo
x E
(x
0
, ). En consecuencia, f esta acotada en dicho entorno reducido.
Para la segunda parte, basta tomar tal que 0<L<f(x) si L>0, o tal que f(x)<L+<0, si L<0.
Corolario 217.- Si f: A IR es continua en x
0
, entonces f esta acotada en alg un entorno de x
0
.
Ademas, si f(x
0
) = 0, el valor de f(x) tiene el mismo signo que f(x
0
).
9.2.1 Teoremas de continuidad en intervalos cerrados
Teorema de Bolzano 218.- Sea f una funcion continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f(a)f(b) < 0) entonces c (a, b) tal que f(c) = 0.

Teorema de los valores intermedios 219.- Si f: [a, b] IR es continua en [a, b] y f(a) = f(b), entonces
para cada k entre f(a) y f(b), existe c (a, b) tal que f(c) = k.
Demostracion:
Supongamos f(a)<f(b), y sea f(a)<k<f(b). La funcion g: [a, b] IR dada por g(x)=f(x)k es continua
en [a, b] y verica que g(a) = f(a)k < 0 y g(b) = f(b)k > 0, luego por el Teorema de Bolzano (218) existe
c (a, b) tal que g(c) = f(c) k = 0, es decir, con f(c) = k. Analogamente si f(b) < f(a).
Corolario 220.- Sea I un intervalo de IR y f: I IR continua en I , entonces f(I) es un intervalo de IR.

Teorema de acotacion 221.- Sea f una funcion continua en el intervalo cerrado [a, b] , entonces f est a acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f(x)| M, para todo x [a, b] .

Teorema de Weierstrass 222.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un
maximo y un mnimo en [a, b] . Es decir, , [a, b] tal que f() f(x) f(), x [a, b] .

Corolario 223.- Si f es continua en (a, b) y lm
xa
+
f(x) = l
1
IR y lm
xb
f(x) = l
2
IR, la funcion f esta
acotada en (a, b). (Tambien es cierto cuando a es y cuando b es +.)

9.3 Ejercicios
9.90 Calcular los siguientes lmites:
a) lm
x
7x
3
+4x
3xx
2
2x
3
b) lm
x
7x
3
+4x
3xx
2
2x
3
c) lm
x0
7x
3
+4x
3xx
2
2x
3
d) lm
x2
x
2
4
x
2
(2+x)
e) lm
x
1+4x
2
4+x
f) lm
x
sen
2
x
x
2
g) lm
x
x
2
+ 3x 1 x h) lm
x0
(2 x
2
)
2x
i) lm
x+
(x
2
+ 2)
2x
x10
j) lm
x
1
2
+
14x
2
2x+1
k) lm
x0
|x|x
x
2
2x
l) lm
x1
+
_
1
x
2
x

_
x+1
x1
_
9.91 Usar lmites laterales para vericar la existencia o no de los siguientes lmites:
a) lm
x1
(1x)
2
x1
b) lm
x0
x
|x|
c) lm
x0
_
1
x

1
|x|
_
d) lm
x0
_
|x|
x
1
_
x
9.92 Probar, razonadamente, que los siguientes lmites valen 0:
a) lm
x1
(
x 1) e
x
2
+2
b) lm
x0
x
2
sen
1
x
c) lm
xa
(xa)
2
|xa|
9.93 Usar la continuidad de las funciones, para hallar:
a) lm
x0
ln
_
3 +
(1x)
2
x
2
+1
b) lm
x0
tg(ln(cos(e
1
x
))) c) lm
x
_
1 + cos
2
( th(
1
|x|
))
9.94 Encontrar innitesimos e innitos equivalentes a:
a) sen
2
1 x
2
, cuando x 1
+
b)
1 + x
2
+ 2x
4
, cuando x
c) 1 cos((2 x
2
)
2
), cuando x
2 d) ln(1
1
x
), cuando x
e)
_
1x
3x
3
+12x
2
, cuando x 0 f) cos(x), cuando x

2
g) ln(x
2
), cuando x 1 h) 1 e
2x
5
, cuando x 0
i) sen(x), cuando x 2 j) tg(x
6
), cuando x 0
9.95 Calcular, si existe, el valor de:
a) lm
x0
ln(cos x)
x
2
b) lm
x0
sen
2
x+e
x
1
th(2x)
c) lm
x
x
3
sen(
1
x
3
+x
) d) lm
x0
7x tg(x
3
x
5
)
(cos(2x)1)
2
9.96 a) Si f y g son initesimos cuando x a y lm
xa
f(x)
g(x)
= L = 0, probar que f(x) y L g(x) son
innitesimos equivalentes cuando x a.
b) Si es una raz de multiplicidad m del polinomio P(x) = a
n
x
n
+ + a
1
x + a
0
, probar que P(x)
y k(x )
m
son innitesimos equivalentes cuando x , para alg un valor k = 0.
9.97 Usar el resultado lm
xa
f(x) = lm
h0
f(a + h) para calcular
a) lm
x1
ln(x
2
)
x1
b) lm
x2
x
3
+2
3
x+2
c) lm
x
3 sen(+x)
1cos(x)
d) lm
x
2
cos x
2x
9.98 Usar el logaritmo neperiano, para probar que lm
x+
(1 +
1
x
)
x
= e y que lm
x
(1 +
1
x
)
x
= e.
9.99 Calcular, si existe, el valor de:
a) lm
x
_
1
1
x
_
x
b) lm
x
_
3x
1x
_
2x
c) lm
x1
_
2
x+1
_
3x
1x
d) lm
x
2
(1 + cos x)
3
cos x
9.100 Considerar las funciones reales de variable real dadas por f(x) =
x
2
3
x+1
y g(x) =
x1
3x
2
.
Estudiar la continuidad de f y g en sus dominios de denicion (indquese tambien la continuidad lateral,
si ha lugar).
9.101 Estudiar la continuidad de las siguientes funciones en su dominio:
a) f(x) =
_
sen x
x
, si x = 0
1, si x = 0
b) f(x) =
_
x
2
4
x
2
(2+x)
, si x = 2
0, si x = 2
c) f(x) =
_
x
2
+x
2
x1
, si x = 1
3
2
4
, si x = 1
d) f(x) =
_
x, si |x| > 1
x
3
, si |x| 1
9.102 Para que valores de las constantes a y b, f(x) =
_
_
_
ax + 1, si x < 3
a + b, si x = 3
bx
2
2, si x > 3
es continua en IR?
9.103 Sean las funciones f, g, h: IR IR, denidas a trozos mediante:
f(x) =
_
1, si x 0
1, si x > 0
; g(x) =
_
_
_
2x
2
1
2
, si x 1
1
x
2
, si 1 < x < 0
3
1+x
2
, si x 0
; h(x) =
_
x
3
1
2+x
2
, si |x + 1| 1
x
2
+2
2x+4
, si |x + 1| > 1
a) Estudiar la continuidad de cada una de ellas (indquese tambien la continuidad lateral).
b) Hallar las expresiones de |f| , |g| , f +g y f h, como funciones denidas a trozos.
c) Estudiar la continuidad de las funciones anteriores. Que ocurre en los casos donde no puede aplicarse
la regla general?
d) Realizar lo pedido en los apartados b) y c) para la funcion g f .
9.104 Estudiar la continuidad de las siguientes funciones seg un los valores del parametro a:
a) f
a
(x) =
_
a x, si x a
x(a
2
x
2
)
a
2
+x
2
, si x > a
b) f
a
(x) =
_
_
x
2
a
a
2
+x
2
, si x < a
x
2
, si x = a
a
2
x
a
2
+x
2
, si x > a
9.105 Probar que las gracas de las funciones f(x) = e
x
y g(x) = 3x, se cortan al menos en dos puntos del
intervalo [0, 2] .
9.106 Estudiar si las funciones del ejercicio 9.101 estan acotadas superior e inferiormente.
Tema 10
Funciones derivables
10.1 Derivada de una funcion en un punto
Denicion 224.- Se dice que f: (a, b) IR es derivable en el punto x
0
(a, b) si
lm
xx
0
f(x) f(x
0
)
x x
0
= L IR
es decir, si existe y es nito ese lmite (o el lmite equivalente, lm
h0
f(x+h)f(x)
h
).
Al valor de dicho lmite se lo denomina derivada de f en el punto x
0
y se representa por f
(x
0
) o
df
dx
(x
0
).
La derivada nos indica lo que crece la funcion alrededor del
punto, puesto que en el cociente usado para denirla nos apa-
rece el incremento f(x) f(x
0
) de la funcion en relacion con el
incremento x x
0
de la variable.
El valor del cociente
f(x)f(x
0
)
xx
0
, para cada x, es la pendiente
de la cuerda entre los puntos (x
0
, f(x
0
)) y (x, f(x)) (ver gura
aneja), por lo que en el lmite se obtendra la pendiente de la recta
tangente a la graca de la funcion en el punto. Es decir, la recta
y = f(x
0
) + f
(x
0
)(x x
0
) resulta ser la recta tangente a la
graca de f en el punto (x
0
, f(x
0
)).
r
r
y = f(x
0
) + f
(x
0
)(x x
0
)
f(x
0
)
x
0
x
f(x)
f(x)f(x
0
)
xx
0
= tg
. .
xx
0
_
f(x) f(x
0
)
Diremos que f: A IR es derivable en un conjunto A
1
A, si lo es en cada punto de A
1
. Entonces, se
puede construir la funcion que asocia a cada punto x A
1
la derivada de la funcion f en el punto x; A esta
funcion se le llama funci on derivada de f y se le representa por f
, donde f
: A
1
IR.
Si a su vez, f
: A
1
IR es derivable en un conjunto A
2
A
1
, se puede construir la derivada de la funcion
f
en cada punto x A
2
. A esta funcion se le llama funci on derivada segunda de f y se le representa por
(f
= f
, donde f
: A
2
IR. Analogamente se tienen la derivadas de ordenes superiores, f
, . . . , f
n)
.
Ejemplo La funcion constante f: IR IR, con f(x) = k, es derivable en cada punto de su dominio:
lm
xx
0
f(x)f(x
0
)
xx
0
= lm
xx
0
kk
xx
0
= lm
xx
0
0
xx
0
= 0 = f
(x
0
); con lo que f
(x) = 0 para todo x IR.

La funcion identidad f: IR IR, con f(x) = x, es derivable en cada punto de IR:
lm
h0
f(x
0
+h)f(x
0
)
h
= lm
h0
x
0
+hx
0
h
= lm
h0
1 = 1 = f
(x
0
), y f
(x) = 1 para todo x IR.

La funcion polinomica f: IR IR dada por f(x) = x
2
es derivable en cada punto de su dominio pues
lm
xx
0
f(x)f(x
0
)
xx
0
= lm
xx
0
x
2
x
2
0
xx
0
= lm
xx
0
(xx
0
)(x+x
0
)
xx
0
= lm
xx
0
x + x
0
= 2x
0
= f
(x
0
), y f
(x) = 2x en IR.
La exponencial f(x) = e
x
es derivable en cada punto de IR y f
(x) = e
x
, pues
lm
h0
e
x+h
e
x
h
= lm
h0
e
x
(e
h
1)
h
= lm
h0
e
x
(
e
h
1
h
) = e
x
lm
h0
e
h
1
h
= e
x
1 = e
x
= f
(x).
f(x) = ln x, es derivable en (0, +) y f
(x) =
1
x
lm
h0
ln(x+h)ln(x)
h
= lm
h0
ln(
x+h
x
)
h
= lm
h0
ln(1+
h
x
)
x
h
x
=
1
x
lm
h0
ln(1+
h
x
)
h
x
=
1
x
= f
(x).
La funcion f(x) = sen x es derivable en cada punto de IR y f
(x) = cos x
lm
h0
sen(x+h)sen(x)
h
(1)
= lm
h0
2 sen(
h
2
) cos(x+
h
2
)
h
= lm
h0
cos(x +
h
2
)
sen(
h
2
)
h
2
= cos(x) 1 = cos x = f
(x).
(1) sen xsen y = sen(
x+y
2
+
xy
2
) sen(
x+y
2

xy
2
)
= sen(
x+y
2
) cos(
xy
2
) + cos(
x+y
2
) sen(
xy
2
)
_
sen(
x+y
2
) cos(
xy
2
) cos(
x+y
2
) sen(
xy
2
)
_
= 2 cos(
x+y
2
) sen(
xy
2
)
102 Matematicas I : Calculo diferencial en IR 10.1 Derivada de una funcion en un punto
La funcion f(x) = cos x es derivable en cada punto de IR y f
(x) = sen x
lm
h0
cos(x+h)cos(x)
h
(2)
= lm
h0
2 sen(
h
2
) sen(x+
h
2
)
h
= lm
h0
sen(x +
h
2
)
sen(
h
2
)
h
2
= sen(x) = f
(x).
(2) An alogamente al caso del seno, cos x cos y = cos(
x+y
2
+
xy
2
) cos(
x+y
2

xy
2
) = 2 sen(
x+y
2
) sen(
xy
2
)
La recta y = cos 0 sen 0(x 0) = 1 es la recta tangente a cos(x) en el punto 0. Analogamente, la
recta y = sen 0 + cos 0(x 0) = x es la tangente a sen(x) en el 0.
Para que una funcion sea derivable, debe existir lm

xx
0
f(x)f(x
0
)
xx
0
. Ahora bien, el denominador siempre
tiende hacia 0, por lo que solo puede existir el lmite si el lmite del denominador tambien es cero; puesto que
si f(x) f(x
0
) 0 entonces
f(x)f(x
0
)
xx
0
o no existe. Luego debe cumplirse que lm

xx
0
f(x) = f(x
0
), es
decir que f sea continua en x
0
:
Teorema 225.- Si f es derivable en un punto x
0
entonces f es continua en dicho punto.
Demostracion:
Veamos que lm
xx
0
f(x) = f(x
0
). Para cada x = x
0
, la funcion f(x) puede escribirse en la forma
f(x) = f(x) f(x
0
) + f(x
0
) =
f(x)f(x
0
)
xx
0
(x x
0
) + f(x
0
),
y tomando lmites se prueba la continudad de f en x
0
, ya que:
lm
xx
0
f(x) = lm
xx
0
f(x) f(x
0
)
x x
0
lm
xx
0
(x x
0
) + lm
xx
0
f(x
0
) = f
(x
0
) 0 + f(x
0
) = f(x
0
).
Nota: Como consecuencia de este resultado una funcion solo puede ser derivable en los puntos de continuidad.
Pero la continuidad no garantiza la derivacion:
Ejemplo La funcion f(x) = |x| es continua pero no derivable en 0, ya que
lm
x0
+
f(x)f(0)
x0
= lm
x0
+
|x|
x
= lm
x0
+
x
x
= 1 y lm
x0
f(x)f(0)
x0
= lm
x0
|x|
x
= lm
x0
x
x
= 1
Como para los lmites y la continuidad, la derivabilidad se extiende bien mediante las operaciones con
funciones:
Propiedades 226.- Sean f y g funciones derivables en un punto x
0
, entonces:
a) f + g es derivable en x
0
y (f + g)
(x
0
) = f
(x
0
) + g
(x
0
).
b) fg es derivable en x
0
y (fg)
(x
0
) = f
(x
0
)g(x
0
) + f(x
0
)g
(x
0
).
c) f/g es derivable en x
0
, si g(x
0
) = 0, y (f/g)
(x
0
) =
f
(x
0
)g(x
0
) f(x
0
)g
(x
0
)
_
g(x
0
)
_
2
.

Ejemplos Si g derivable en x
0
y k una constante, f(x) = k g(x) es derivable en x
0
y f
(x
0
) = k g
(x
0
).
En efecto, basta aplicar la formula del producto, f
(x
0
) = 0g(x
0
) + k g
(x
0
) = k g
(x
0
).
La funcion f(x) = x
3
es derivable en cada x IR, por ser producto de funciones derivables.
f(x) = x
3
= x
2
x = g(x)h(x), y f
(x) = (gh)
(x) = g
(x)h(x) + g(x)h
(x) = 2x x + x
2
1 = 3x
2
.
En general, f(x) = x
n
es derivable en IR con f
(x) = nx
n1
y los polinomios son derivables en IR.
f(x) =
x
2
1
x
, cociente de derivables, es derivable en su dominio y f
(x) =
(2x)(x)(x
2
1)(1)
x
2
=
x
2
+1
x
2
.
Regla de la cadena 227.- Sea f derivable en x

0
y g derivable en f(x
0
), entonces la funcion compuesta g f
es derivable en x
0
y ademas:
(g f)
(x
0
) = g
_
f(x
0
)
_
f
(x
0
).

Ejemplo f(x) = x
es derivable en (0, +), pues f(x) = x
= e
ln(x)
donde g(x) = e
x
y h(x) = ln x
son derivables en sus dominios. Ademas, f
(x) = g
(h(x))h
(x) = e
ln x
(
1
x
) = x

x
= x
1
.

10.1.1 Aplicaciones de la derivada
Regla simple de LHopital 228.- Si f(x
0
) = g(x
0
) = 0 y f y g son derivables en x
0
con g
(x
0
) = 0.
Entonces, lm
xx
0
f(x)
g(x)
=
f
(x
0
)
g
(x
0
)
.
Demostracion:
Por ser f y g derivables en x
0
, y f(x
0
) = g(x
0
) = 0, se tiene
lm
xx
0
f(x)
g(x)
= lm
xx
0
f(x) f(x
0
)
g(x) g(x
0
)
= lm
xx
0
f(x)f(x
0
)
xx
0
g(x)g(x
0
)
xx
0
=
lm
xx
0
f(x)f(x
0
)
xx
0
lm
xx
0
g(x)g(x
0
)
xx
0
=
f
(x
0
)
g
(x
0
)
Ejemplo lm
x0
sen x
x
= 1 pues f(x) = sen x y g(x) = x, verican las condiciones del resultado, f(0) = g(0) = 0,
f
(0) = cos(0) y g
(0) = 1. Luego lm
x0
sen x
x
=
cos(0)
1
= 1
Ejemplo Calcular el valor del lmite lm

x1
ln x
cos(x)+e
1x
2
.
La funcion f(x) = ln x verica que f(1) = 0 y derivable en 1 con f
(x) =
1
x
y f
(1) = 1.
La funcion g(x) = cos(x) + e
1x
2
verica que g(1) = cos() + e
0
= 1 + 1 = 0 y derivable en 1 con
g
(x) = sen(x) + e
1x
2
(2x) y g
(1) = sen() + e
0
(2) = 2 = 0.
Luego lm
x1
ln x
cos(x)+e
1x
2
=
1
2
Nota: La derivacion es una potente herramienta para el calculo de lmites, no solo por el resultado anterior
sino por la mas util Regla General de LHopital 238 y los polinomios de Taylor, que veremos mas adelante.
10.1.1.1 Crecimiento de una funcion en un punto. Extremos locales
El signicado de la derivada como lo que crece la funcion cerca del punto, queda de maniento con el siguiente
resultado:
Teorema 229.- Sea f: (a, b) IR derivable en el punto x
0
(a, b). Entonces, si f
(x
0
) > 0 (resp. f
(x
0
) <
0) la funcion f es estrictamente creciente (resp. decreciente) en x
0
.
Demostracion:
Si f
(x
0
) > 0, como f
(x
0
) = lm
xx
0
f(x)f(x
0
)
xx
0
, se tiene que
f(x)f(x
0
)
xx
0
> 0 para los x cercanos a x
0
. Entonces
si x
0
< x, como x x
0
> 0, necesariamente f(x) f(x
0
) > 0 de donde f(x
0
) < f(x)
y si x < x
0
, es x x
0
< 0 y debe ser f(x) f(x
0
) < 0 de donde f(x) < f(x
0
)
Analogamente, para f
(x
0
) < 0.
Denicion 230.- Sea f: (a, b) IR, se dice que f alcanza un maximo local en el punto x
0
(a, b) (o que
f(x
0
) es un maximo local de f ) si f(x) f(x
0
) para todos los x de alg un entorno E(x
0
, ) de x
0
.
Se dice f alcanza un mnimo local en x
0
si f(x
0
) f(x) para todos los x del entorno.
Nota: Diremos extremo local para referirnos indistintamente a un maximo o un mnimo local.
Proposicion 231.- Sea f: [a, b] IR continua y c (a, b). Si f es decreciente en cada x [a, c) y creciente
en cada x (c, b] , entonces f(c) es un mnimo local de f .
Si f es creciente en cada x [a, c) y decreciente en cada x (c, b] , f(c) es un maximo local de f .
Demostracion:
En efecto, en el primer caso, por ser f continua en [a, b] existe el mnimo de f en el conjunto, pero no se puede
alcanzar en un punto de [a, c) ya que todos los puntos son decrecientes (el valor de f en el punto es mayor que
los cercanos de su derecha); y no puede alcanzarse en (c, b] ya que todos los puntos son crecientes (el valor de f
en el punto es mayor que los cercanos de su izquierda). Luego necesariamente, el mnimo tiene que alcanzarse
en c. Analogamente, para el caso del maximo.
Ejemplo La funcion f(x) = |x| presenta un mnimo local en 0, pues es continua en
IR (luego en cualquier intervalo cerrado como [1, 1] ), decreciente a la izquierda de 0
(f(x) = x) y creciente a la derecha (f(x) = x).
r
Nota: La hipotesis de continuidad de la funcion es imprescindible para
asegurar el resultado. En la gura aneja pueden observarse distintas
situaciones en las que sin continuidad no hay los extremos esperados:
en los dos primeros casos la funcion no alcanza el maximo esperado y no
hay extremo local; en el tercero, no se tiene el maximo esperado aunque
s un extremo ya que se alcanza un mnimo local en el punto.
Con la continuidad, si f es creciente (o decreciente) en los puntos
a derecha e izquierda de c, tambien se garantiza la no existencia de
extremo. Pero sin continuidad, a pesar de ser creciente antes del punto
y creciente despues del punto puede existir extremo, como en la cuarta
situacion de la gura donde tenemos un maximo local.
r
r
r
Corolario 232.- Sea f: [a, b] IR continua en [a,b] y derivable en (a, b). Si f
(x) < 0 (resp. f
(x) > 0) para

cada x (a, c) y f
(x) > 0 (resp. f
(x) < 0) en cada x (c, b), la funcion f alcanza en c un mnimo local

(resp. maximo local).
Ejemplo La funcion f(x) = e
x
2
, continua y derivable en IR, presenta un maximo local en 0, pues su
derivada f
(x) = e
x
2
(2x) es positiva si x < 0 y negativa si x > 0.
Teorema 233 (Condici on necesaria de extremo).- Sea f: (a, b) IR. Si f es derivable en el punto
c (a, b) y f alcanza un extremo local en c, entonces f
(c) = 0.
Demostracion:
Si f es derivable en c, existe f
(c) = lm
xc
f(x)f(c)
xc
= lm
xc
x<c
f(x)f(c)
xc
= lm
xc
x>c
f(x)f(c)
xc
. Entonces
si f(c) es un maximo local, se verica que f(x) f(c) 0 para los x cercanos a c, luego
f
(c) = lm
xc
x<c
f(x) f(c)
x c
=
_
0
0
_
0 y f
(c) = lm
xc
x>c
f(x) f(c)
x c
=
_
0
0
_
0 =f
(c) = 0
Analogamente, si f(c) es mnimo local, f(x) f(c) 0, luego
f
(c) = lm
xc
x<c
f(x) f(c)
x c
0 y f
(c) = lm
xc
x>c
f(x) f(c)
x c
0 =f
(c) = 0
Ejemplo La funcion f(x) = e
x
2
del ejemplo anterior, es derivable en 0 y presenta un maximo local en 0.
Y ciertamente se verica que f
(0) = e
0
2
(2 0) = 0.
La condicion anterior es solo una condicion necesaria, bajo la hipotesis de derivacion, pero no es suciente
para asegurar la existencia de extremo. Es decir, de los puntos donde la funcion sea derivable puede alcanzarse
extremo unicamente en aquellos donde la derivada se anule, pero tambien puede no alcanzarse extremo en
ellos. Son, de entre los puntos derivables, los unicos puntos candidados a albergar extremo.
En consecuencia, para encontar los extremos locales de una funcion, basta con buscarlos entre los puntos
donde sea derivable, con derivada cero, y los puntos donde la funcion no sea derivable.
Ejemplo La funcion f(x) = x
3
es derivable en IR y f
(x) = 3x
2
se anula en x = 0, pero no tiene extremo
local en el punto.
105 Matematicas I : Calculo diferencial en IR 10.2 Teoremas de derivacion
3x
4
8x
3
16
es continua en [1, 3] y derivable en
(1, 3); su derivada en (1, 3) es f
(x) =
3x
2
(x2)
4
y se anula (f
(x) = 0)
en los puntos x = 0 y x = 2. Entonces los unicos puntos candidatos
a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada
y se anula), pero tambien los puntos x = 1 y x = 3 donde la funcion
no es derivable (por ser extremos del intervalo de denicion). De hecho,
el los extremos del intervalo se alcanza extremo local (f(1) y f(3) son
maximos locales) y tambien en el punto interior x = 2 (f(2) es mnimo
local); mientras que el otro candidato x = 0 no alberga extremo.
r
r
r
r
10.2 Teoremas de derivaci on
Los tres teoremas siguientes son basicos para pasar los resultados de derivacion sobre puntos a todo un intervalo,
lo que nos servira ademas para contruir mejores herramientas de trabajo.
Teorema de Rolle 234.- Sea f: [a, b] IR tal que f es continua en [a, b] y derivable en (a, b) y ademas
f(a) = f(b), entonces c (a, b) tal que f
(c) = 0.
Demostracion:
Por ser f continua en [a, b] , el Teorema de Weierstrass (222) garantiza que se alcanzan el maximo y el mnimo
en el conjunto. Entonces,
si se alcanza uno de los extremos en alg un c (a, b), por ser f derivable en (a, b), se cumple que f
(c) = 0
si los extremos se alcanzan en a y b, por ser f(a) = f(b), el maximo y el mnimo deben coincidir, por lo
que la funcion es constante en [a, b] y f
(c) = 0 para todo c (a, b).

Ejemplo La funcion polinomica f(x) = x
4
4x
2
se anula en x = 0 y x = 2, luego f(0) = 0 = f(2) y es
continua y derivable en [0, 2] . Entonces, el polinomio f
(x) = 4x
3
8x tiene alguna raz entre 0 y 2.
Nota: Si la funcion no es constante, el teorema de Rolle tiene otra lectura: se asegura la existencia de al menos
un extremo en el intervalo. Geometricamente, el teorema de Rolle signica que existe un punto con tangente
horizontal.
El teorema siguiente, conocido como de los
incrementos nitos o del valor medio de La-
grange, generaliza el Teorema de Rolle. Y, en
sentido geometrico, signica que hay un punto
cuya recta tangente tiene la misma pendiente
que la cuerda que une los puntos extremos de
la graca
f(b)f(a)
ba
= f
(c).
f
(c) = 0
a c
b
f(a) = f(b)
Teorema de Rolle
r
q q
f
(c) =
f(b)f(a)
ba
a c
b
f(a)
f(b)
Teorema de Lagrange
r
q
q
Teorema del valor medio de Lagrange 235.- Sea f: [a, b] IR tal que f es continua en [a, b] y derivable
en (a, b), entonces c (a, b) tal que:
f(b) f(a) = f
(c)(b a)
Demostracion:
Como a = b, podemos escribir f
(c) =
f(b)f(a)
ba
, es decir, buscamos un c (a, b) tal que f
(c) sea la pendiente

de la cuerda entre los puntos (a, f(a)) y (b, f(b)) que tiene por ecuacion y = f(a) +
f(b)f(a)
ba
(x a).
Consideremos entonces la funcion g(x) = f(x)
_
f(a) +
f(b)f(a)
ba
(x a)
_
(la funcion menos la cuerda)
para llevar el problema a las condiciones del teorema de Rolle. En efecto, g: [a, b] IR es continua en [a, b] y
derivable en (a, b) por ser suma de continuas y derivables, ademas, g(a) = f(a)
_
f(a) +
f(b)f(a)
ba
(a a)
_
= 0
y g(b) = f(b)
_
f(a) +
f(b)f(a)
ba
(b a)
_
= 0.
Entonces, existe c (a, b) tal que g
(c) = 0; y como g
(x) = f
(x)
f(b)f(a)
ba
, se tiene la igualdad propuesta
ya que 0 = f
(c)
f(b)f(a)
ba
.
El ultimo de los teoremas y mas general es el teorema de Cauchy. Aunque gracamente no tiene un signicado
claro, es muy util para la extension de la teora:
Teorema del valor medio de Cauchy 236.- Sean f y g funciones continuas en [a, b] y derivables en (a, b).
Si g
(x) = 0, x (a, b), entonces c (a, b) tal que:

f(b) f(a)
g(b) g(a)
=
f
(c)
g
(c)

Con los teoremas anteriores y la derivacion, ya se puede asegurar la monotona por intervalos:
Proposicion 237.- Si f es un funcion continua en [a, b] y derivable en (a, b) y f
(x) > 0, x (a, b), entonces

f es estrictamente creciente en [a, b] .
Si f es una funcion continua en [a, b] y derivable en (a, b) y f
(x) < 0, x (a, b), entonces f es

estrictamente decreciente en [a, b] .
Demostracion:
Para cualesquiera x
1
, x
2
[a, b] , con x
1
< x
2
, consideremos el intervalo [x
1
, x
2
] . Podemos aplicar el teorema
del valor medio de Lagrange en este intervalo, luego c (x
1
, x
2
) tal que f(x
2
) f(x
1
) = f
(c)(x
2
x
1
).
Entonces,
si f
> 0 en (a, b), tambien f
(c) > 0 y se tiene que f(x

2
) f(x
1
) = f
(c)(x
2
x
1
) > 0 por lo que
f(x
1
) < f(x
2
) y, en consecuencia, f es estrictamente creciente en [a, b] .
si f
< 0 en (a, b), tambien f
(c) < 0 y se tiene que f(x

2
) f(x
1
) = f
(c)(x
2
x
1
) < 0 por lo que
f(x
1
) > f(x
2
) y, en consecuencia, f es estrictamente decreciente en [a, b] .
Y tambien podemos obtener el resultado de la Regla General de LHopital para el calculo de lmites:
Regla General de LHopital 238.- Sean f y g funciones derivables en un entorno reducido de x
0
, E
(x
0
, ),
con g(x) = 0 y g
(x) = 0, x E
(x
0
, ) y lm
xx
0
f(x) = 0 = lm
xx
0
g(x). Entonces,
si existe lm
xx
0
f
(x)
g
(x)
se cumple que lm
xx
0
f(x)
g(x)
= lm
xx
0
f
(x)
g
(x)
.

Nota: Esta regla es tambien valida en los casos en que x
0
sea + o y cuando lm
xx
0
f(x) = + o
y lm
xx
0
g(x) = + o , (tambien en este caso x
0
puede ser + o ) sin mas que traducir las hipotesis
de f y g a entornos de + o .
Ejemplo Calcular el lm
x0
sen(x)x
x
3
. Las funciones f(x) = sen(x) x y g(x) = x
3
son derivables en IR,
con f(0) = 0 = g(0); y sus derivadas son f
(x) = cos(x) 1 y g
(x) = 3x
2
. Entonces, por LHopital, el lmite
inicial existe si existe el del cociente de las derivadas, por lo que hemos trasladado el problema al calculo de un
nuevo lmite lm
x0
cos(x)1
3x
2
. Como tambien es indeterminado y las derivadas son derivables, podemos aplicar de
nuevo LHopital para resolver este lmite. Sucesivamente, tendremos que
lm
x0
sen(x) x
x
3
= lm
x0
cos(x) 1
3x
2
= lm
x0
sen(x)
6x
=
1
6
lm
x0
sen(x)
x
=
1
6
La existencia del ultimo lmite garantiza la cadena de igualdades.
Ejemplo Calcular lm
x0
+
tg(
2
x)
ln x
.
Como las funciones del cociente son derivables cerca de 0
+
, y
tg(
2
x)
ln x

+
, aplicando lHopital
lm
x0
+
tg(
2
x)
ln x
= lm
x0
+
1
cos
2
(
2
x)
1
x
= lm
x0
+
x
cos
2
(
2
x)
=
_
0
0
+
_
= lm
x0
+
1
2 cos(
2
x)(sen(
2
x))(1)
= (
1
0
+
) =

Ejemplo Sabemos que lm
x+
x
2
x
x
2
+3x
= 1, y usando lHopital lm
x+
x
2
x
x
2
+3x
= lm
x+
2x1
2x+3
= lm
x+
2
2
= 1
A nadamos un resultado que puede parecer irrelevante, pero que resulta de utilidad para las funciones de-
nidas a trozos:
Proposicion 239.- Sea f: (a, b) IR tal que f es continua en x
0
(a, b), f es derivable en un entorno
reducido de x
0
, y existen los lm
xx
+
0
f
(x) y lm
xx
0
f
(x). Entonces:
f es de derivable en x
0
si y solo si lm
xx
+
0
f
(x) = lm
xx
0
f
(x).
Demostracion:
Por ser f continua en x
0
, f(x) f(x
0
) cuando x x
0
y, por ser derivable, puede aplicarse la Regla de
LHopital para obtener las igualdades de lmites siguientes:
lm
xx
+
0
f(x) f(x
0
)
x x
0
= lm
xx
+
0
f
(x)
1
= lm
xx
+
0
f
(x) lm
xx
0
f(x) f(x
0
)
x x
0
= lm
xx
0
f
(x)
1
= lm
xx
0
f
(x)
Entonces, si f es derivable en x
0
, f
(x
0
) = lm
xx
0
f(x)f(x
0
)
xx
0
= lm
xx
+
0
f(x)f(x
0
)
xx
0
y lm
xx
+
0
f
(x) = lm
xx
0
f
(x).
Recprocamente, si lm
xx
+
0
f
(x) = lm
xx
0
f
(x), entonces lm
xx
0
f(x)f(x
0
)
xx
0
= lm
xx
+
0
f(x)f(x
0
)
xx
0
y existe el lmite
global, por lo que f es derivable en x
0
y f
(x
0
) = lm
xx
+
0
f
(x) = lm
xx
0
f
(x).
Ejemplos La funcion f(x) = |x| =
_
x, si x 0
x, si x < 0
no es derivable en x = 0. En efecto, es continua en
x = 0 y derivable en IR{0}, y como lm
x0
+
f
(x) = lm
x0
+
1 = 1 = lm
x0
(x) = lm
x0
1 = 1, la funcion
no es derivable en el punto.
La funcion f(x) =
_
x
2
, si x 0
x
2
, si x < 0
es derivable en x = 0. En efecto, es continua en x = 0 y derivable
en IR {0}, y como lm
x0
+
f
(x) = lm
x0
+
2x = 0 = lm
x0
(x) = lm
x0
2x = 0, la funcion es derivable en
el punto y f
(0) = 0.
10.2.1 Teorema de la funcion inversa

El siguiente teorema garantiza de modo sencillo la existencia de funcion inversa en un conjunto y procura un
metodo para obtener las derivadas de la inversa aunque no conozcamos su expresion.
Teorema de la funcion inversa 240.- Sea f: [a, b] IR continua en [a, b] y derivable en (a, b), con f
> 0 o
f
< 0 en (a, b). Entonces f admite funcion inversa derivable en (a, b) y (f

1
)
_
f(x)
_
=
1
f
(x)
.

Corolario 241.- Si f es estrictamente creciente (resp. estrictamente decreciente), su inversa f
1
es estricta-
mente creciente (resp. estrictamente decreciente)
Demostracion:
Como (f
1
)
_
f(x)
_
=
1
f
(x)
, su signo es el mismo que el de f
.
Corolario 242.- Si f
es continua, entonces la derivada de la inversa es tambien continua.

Ejemplo La funcion f(x) = tg x es continua y derivable en (
2
,

2
), con f
(x) = 1+tg
2
x que es mayor que
cero en cada punto. Luego f es estrictamente creciente en el intervalo y su funcion inversa arctg: IR (
2
,

2
)
es tambien estrictamente creciente y (f
1
)
(tg(x)) =
1
1+tg
2
x
luego haciendo y = tg x, se obtiene que
(f
1
)
(y) = (arctg y)
=
1
1 + y
2
Ejemplo La funcion f(x) = sh(x) es continua y derivable en IR, con f
(c) = ch(x) que es continua y mayor

que cero en el conjunto. Luego admite inversa en IR y su funcion inversa argsh: IR IR tiene tambien derivada
continua. Como (f
1
)
(sh(x)) =
1
ch(x)
haciendo y = sh(x) y usando que ch
2
x sh
2
x = 1, se tiene
(f
1
)
(y) = (argsh y)
=
1
_
1 + y
2

Inversas de las demas funciones trigonometricas e hiperbolicas
f(x) = sen x tiene por inversa en [
2
,

2
] a arcsen: [1, 1] [
2
,

2
] y (arcsen y)
=
1
1y
2
f(x) = cos x tiene por inversa en [0, ] a arccos: [1, 1] [0, ] y (arccos y)
=
1
1y
2
f(x) = ch x tiene por inversa en [0, +) a argch: [1, +) [0, +) y (argch y)
=
1
y
2
1
f(x) = th x tiene por inversa en IR a argth: (1, 1) IR y (argth y)
=
1
1y
2
10.2.2 Representacion graca de funciones (1)
A lo largo de este tema (y tambien en el anterior) hemos obtenido resultados sobre el comportamiento de la
funcion: continuidad, monotona, extremos, . . . . Resultados que tambien se reejan en la graca de la funcion,
y que vamos a utilizar, para realizar un esbozo de la misma. La representacion graca sera mas completa tras
el tema siguiente sobre las derivadas de ordenes superiores.
10.2.2.1 Monotona y extremos locales
Basta para ello reunir algunos de los resultados ya obtenidos, en particular: uso del signo de la derivada para
el crecimiento de la funcion, la condicion necesaria de extremos locales, la condicion suciente de extremo que
se da en la Proposicion 231.
Para el estudio del signo de la funcion derivada, si esta es continua, puede resultar util el Teorema de Bolzano.
Si f
(c) = 0 y f
(d) = 0, f
continua en [c, d] y no se anula en ning un otro punto, el signo de

f
(x) es el mismo para todos los x (c, d).

En efecto, si dos puntos de (c, d), x
1
y x
2
, con x
1
< x
2
, verican que f
tiene signos distintos, por ser

continua, tendra que existir un punto x
0
(x
1
, x
2
) en el que f
(x
0
) = 0 en contra de que no se anula en
ning un punto mas del conjunto. Luego todos tienen el mismo signo y para conocerlo basta con calcularlo en
uno de los puntos.
3x
4
8x
3
16
es continua en [1, 3] y derivable en
(1, 3); su derivada en (1, 3) es f
(x) =
3x
2
(x2)
4
y se anula unicamente
en x = 0 y x = 2. Como la funcion derivada f
(x) =
3
4
x
2
(x2) es continua
en (1, 3) y en (1, 0] solo se anula en 0, tiene el mismo signo en todos los
puntos de (-1,0); como f
(
1
2
) =
15
32
< 0 en (1, 0) es siempre negativa y
la funcion f es decreciente en (1, 0).
f
(x) es continua en [0, 2] y solo se anula en los extremos, luego tiene el

mismo signo en (0, 2). Como f
(1) =
3
4
< 0 es siempre negativa y f es
decreciente en (0, 2).
r
r
r
r
f
(x) es continua en [2, 3) y solo se anula en 2, luego tiene el mismo signo en (2, 3). Como f
(
5
2
) =
75
32
> 0 es
siempre positiva y f es creciente en (2, 3).
Los unicos puntos candidatos a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada y
se anula), y los puntos x = 1 y x = 3 donde la funcion no es derivable por ser extremos del dominio.
Como f es continua en 1 y es decreciente en (1, 0), f(1) es un maximo local. Como f es continua
en 0 y es decreciente en (1, 0) y decreciente en (0, 2), f(0) no es un extremo. Como f es continua en 2 y es
decreciente en (0, 2) y creciente en (2, 3), f(2) es un mnimo local. Como f es continua en 3 y es creciente en
(2, 3), f(3) es un maximo local.
10.2.2.2 Concavidad y convexidad

Hemos visto en la condicion necesaria de extremo local como, cuando es derivable, la derivada en el punto es
cero; o lo que es lo mismo, la recta tangente a la graca en el punto es horizontal. Si el extremo es un maximo,
para valores cercanos al punto los valores de la funcion son menores que el maximo local luego, gracamente,
los puntos de la graca estan por debajo de la recta tangente; y si es un mnimo los puntos de la graca estan
por encima de la recta tangente. Pero, tambien eso puede ocurre en cualquier otro punto (ver la graca que
ilustra los teoremas de Rolle y del valor medio de Lagrange en pag 105) y nos lleva a las deniciones de funcion
concava y convexa.
Aunque pueden darse deniciones para las que no es necesaria la derivacion (mejores y menos restrictivas que
estas), las que damos a continuacion son sencillas de introducir y mas que sucientes para el uso que haremos
de los conceptos, pero tambien incorporann herramientas para una facil manipulacion.
Denicion 243.- Diremos que una funcion f: (a, b) IR, derivable en x
0
(a, b) es convexa en el punto
x
0
si f(x) f(x
0
) + f
(x
0
)(x x
0
) para los x de alg un entorno de x
0
.
Diremos que es concava en x
0
si f(x) f(x
0
) + f
(x
0
)(x x
0
) para los x de alg un entorno de x
0
.
Diremos que es concava o convexa es un intervalo si lo es en cada punto.
Un punto de continuidad se dice de inexi on si la funcion cambia de concavidad en el.
Nota: En otras palabras, diremos que es convexa (concava) en x
0
si, cerca de x
0
, la graca de la funcion esta
por debajo (encima) de la recta tangente en el punto. Con los comentarios hechos en la introduccion de este
apartado, en los maximos donde la funcion sea derivable la funcion es convexa y en los mnimos concava.
2
es concava en cada punto de IR. Como es derivable en cada punto x = a y
f
(x) = 2x, se cumple que f(x)

_
f(a) +f
(a)(x a)
_
= x
2
a
2
2a(x a) = x
2
2ax +a
2
= (x a)
2
0
para todo x, luego f(x) f(a) + f
(a)(x a) y es concava en cada punto.

2
(x 3), es convexa en x = 0, concava en x = 3 y presenta un punto de
inexion en x = 1.
En efecto, consideremos la funcion g
a
(x) = f(x) (f(a) + f
(a)(x a)) entonces, si g

a
(x) 0 en alg un
entorno de a es concava en a, si g
a
(x) 0 en alg un entorno de a es convexa en a y si g
a
(x) cambia de signo
en a es un punto de inexion. Como g
a
(a) = 0 y es derivable (pues f lo es), veamos como se comporta cerca
de cada uno de los puntos indicados:
En x = 0, se tiene g
0
(x) = 3x(x 2), por lo que es positiva antes
de 0 y negativa depues (y g
0
es creciente antes de 0 y decreciente
depues) luego g
0
(x) g
0
(0) = 0 en alg un entorno de 0.
3
(x) = 3(x +1)(x 3), por lo que es negativa
antes de 3 y positiva depues (y g
3
es decreciente antes de 3 y
creciente depues) luego g
3
(x) g
3
(3) = 0 en alg un entorno de 3.
1
(x) = 3(x 1)
2
, por lo que es positiva antes
de 1 y tambien depues (y g
1
es creciente antes de 1 y creciente
depues) luego g
1
(x) g
1
(1) = 0 para los x menores que 1 y
g
1
(x) 0 para los x mayores que 1.
q
q
q
Luego es convexa en x = 0, concava en x = 3 y tiene un punto de inexion en x = 1.
10.3 Ejercicios
10.107 Aplicar las reglas de derivacion, para encontrar la expresion de f
en:
a) f(x) =
x1
x+1
b) f(x) =
_
x1
x+1
c) f(x) =
_
x1
x+1
d) f(x) = ln
x e) f(x) = ln(sen x) f) f(x) = (ln(2 x

2
))
1
g) f(x) = arctg
2+x
x
2
h) f(x) = ln(arccos(tg(x
2
))) i) f(x) =
_
x1
x+1
_
5
3
10.108 Encontar la expresion de las funciones derivadas, indicando el conjunto donde tienen validez:
a) f(x) =
1
x
b) f(x) =
x
x
x
2
+1
c) f(x) =
x
4
5
(x+1)
3
d) f(x) =
x
2
2x e) f(x) = ln |x| f) f(x) =
_
|x| x
10.109 Hallar la recta tangente a las gracas de las funciones siguientes en los puntos que se indican:
a) f(x) = x
3
x, en x = 0 y en x = 1.
b) f(x) = e
1
x
2
, en x = 1 y en x = 0.
c) f(x) =
2 x
2
, en x = 1 y en x =
2
+
.
10.110 Probar que la parabola y = (x + 1)
2
+ 1 tiene recta tangente en todos sus puntos.
En que puntos la recta tangente pasa por (0, 0)?
10.111 Usar la regla de LHopital, para calcular
a) lm
x2
x
2
4
x
2
(2+x)
b) lm
x2
x
3
+2
3
x+2
c) lm
x0
7x
3
+4x
3xx
2
2x
3
d) lm
x
7x
3
+4x
3xx
2
2x
3
e) lm
x0
ln(cos x)
x
2
f) lm
x0
sen
2
x+e
x
1
arctg x
g) lm
x1
ln(x
2
)
x1
h) lm
x
2
cos x
2x
i) lm
x
(x + 1)(
2
arctg(2x))
j) lm
x
e
x
x
6
k) lm
x0
x
ln |x| IR l) lm
x
ln x
x
IR
m) lm
x1
_
1
ln x

1
x1
_
n) lm
x0
+
x
sen x
o) lm
x
(x
2
+ 1)
1
x
2
10.112 Estudiar la derivabilidad y obtener las derivadas, de las funciones del ejercicio 9.101.
10.113 Obtener las asntotas de las funciones del ejercicio 9.101.
10.114 Estudiar la continuidad y derivabilidad de la funcion f(x) =
_
arctg
1+4x
4x
2
, si x = 0
2
, si x = 0
, e indicar sus inter-
valos de crecimiento y decrecimiento. Tiene asntotas?
10.115 Para las funciones f , g y h del ejercicio 9.103:
a) Estudiar su derivabilidad en los puntos del dominio.
b) Dar la expresion de las funciones derivadas.
c) Obtener los intervalos de monotona.
d) Estudiar la existencia de extremos locales.
e) Estudiar la existencia de asntotas.
f) Estudiar la continuidad y derivabilidad de las funciones f
, g
y h
.
10.116 Hallar los extremos locales y globales de f(x) =
x
x
x
2
+1
en [1, 3] y en [0, +).
10.117 Estudiar la monotona de f(x) = x sen x en [0, ] y deducir de ello que x sen x en [0, ] .
10.118 Probar que:
a) Si f es una funcion estrictamente creciente, entonces
f g alcanza un maximo/mnimo en a h alcanza un maximo/mnimo en a
b) Si f es una funcion estrictamente decreciente, entonces
f g alcanza un maximo/mnimo en a g alcanza un mnimo/maximo en a
10.119 Usar los resultados del ejercicio 10.118, para encontrar los extremos locales de las funciones
a) f(x) = e
x+1
x
2
+3
b) f(x) =
1
(x
2
5)
2
+x
2
10.120 Si f es par y alcanza un extremo en x = a, alcanzara tambien un extremo en x = a?
Que ocurrira si f es impar? Y si es periodica de periodo T ?
10.121 Problema: Con una cuerda atamos una vaca al exterior de un edicio de planta cuadrada situado en el
centro de un prado. Si la longitud de la cuerda es la misma que el lado del edicio, en que punto debemos
atar la vaca para que tenga la mayor area posible de pasto? y la menor?
Modelado del problema: Representamos el edicio por un cuadrado de lado L, por ejemplo el de vertices
(0, 0), (L, 0), (L, L) y (0, L).
Como el edicio es cuadrado, ocurre lo mismo en cada lado, por lo que basta estudiar uno de los lados,
por ejemplo el lado inferior (el segmento {(x, 0) : x [0, L]}).
Luego, para cada x [0, L] , debemos encontrar un funcion f que asigne a cada x el area buscado, es
decir, tal que f(x) = area-abarcado-atando-en-x.
La solucion del problema se obtiene encontrando los puntos donde de alcancen el maximo y el mnimo
global de f en el intervalo [0, L] .
a) Resolver el problema planteado.
b) Repetir el problema para una cuerda de longitud la mitad del permetro del edicio.
10.122 Descomponer 100 en dos sumandos tales que el cuadruplo del primero mas el cuadrado del segundo sea
mnimo.
10.123 Hallar dos n umeros cuya suma sea a, de modo que la suma de la cuarta potencia de uno, mas el cuadrado
del otro, sea maxima.
10.124 Entre todos los rectangulos de area 50, cual es el de permetro mnimo? y maximo?
10.125 Sean los triangulos rectangulos que tienen la suma de los catetos constante (e igual a k). Cual de ellos
tiene area maxima?
10.126 Dado un triangulo isosceles de base 8 cm y altura 5 cm, hallar las dimensiones de un rectangulo inscrito
en el de area maxima.
10.127 Un prisma de 15 cm de altura tiene como base un triangulo rectangulo de hipotenusa igual a 10 cm.
Calcular las longitudes de los catetos para que el volumen sea maximo.
10.128 De entre todos los cilindros con volumen 100 cm
3
, escoger el de area lateral maxima. Cual es el de
area total maxima?
10.129 Hallar las distancias mnima y maxima del punto (1, 1) a la circunferencia (x 2)
2
+ (y 2)
2
= 9.
10.130 Hallar, las dimensiones del cilindro de volumen maximo inscrito en una esfera de radio R
10.131 Hallar, las dimensiones del cilindro de area total maxima inscrito en una esfera de radio R
10.132 Un pescador en bote de remos se encuentra, mar adentro, a una distancia de 2 km. del punto mas cercano
de una playa recta y desea llegar a otro punto de la playa a 6 km. del primero. Suponiendo que se puede
remar a una velocidad de 3 km/h. y caminar a 5 km/h, que trayectoria debe seguir para llegar a su
destino en el menor tiempo posible? Si tiene una lancha que viaja a 15 km/h, que trayectoria debe seguir
ahora?
10.133 Hay que cortar un hilo de longitud L en dos trozos. Con uno de ellos se forma un crculo, y con el otro
un cuadrado. Como hay que cortar el hilo para que la suma de las areas sea maxima? Y para que sea
mnima?.
10.134 Un camion ha de recorrer 300 kms en una carretera llana a una velocidad constante de x km/h. Las leyes
de circulacion prescriben para la velocidad un maximo de 60 km/h y un mnimo de 30 km/h. Se supone
que el carburante cuesta 3 duros/litro y que el consumo es de 10+
x
2
120
litros por hora. El conductor cobra
10 duros por hora. Teniendo en cuenta que la empresa paga al conductor y el carburante, a que velocidad
tendra que viajar el camion para que el dinero desembolsado por la empresa sea mnimo.
10.135 Sea f(x) una funcion derivable en todo IR, cuya graca es simetrica respecto al eje OY .
a) Estudiar la paridad (simetra) de f
(x).
b) Determinar, si es posible, f
(0).
10.136 Sea f una funcion de clase 1 (derivable con derivada continua) en la recta real IR. Supongamos que f
tiene exactamente un punto crtico x
0
que es un mnimo local estricto de f . Demostrar que x
0
tambien
es un mnimo absoluto para f .
Tema 11
Polinomios de Taylor
Hemos visto el uso de la derivada como aproximacion de la funcion (la recta tangente) y como indicadora del
comportamiento de la funcion (monotona). En este tema veremos las derivadas de ordenes superiores para
mejorar estos usos.
Una denicion usada cuando se manejan derivadas de ordenes superiores es la siguiente:
Denicion 244.- Se dice que f es una funcion de clase 1 (o que es C
1
) es x
0
si es derivable en el punto y su
derivada es continua en el punto. En general, se dice de clase m (o C
m
) si admite derivada hasta orden m
y son todas continuas.
Si admite derivadas de cualquier orden y todas son continuas, se dice de clase (C
).
Ejemplos f(x) = e
x
es continua y derivable en IR y su derivada es f
(x) = e
x
continua en IR, luego es
C
1
en IR. Como su derivada es ella misma, vuelve a ser derivable y su derivada continua y, sucesivamente,
es en realidad de C
.
Los polimonies son de clase es IR. En efecto, son continuos y derivables, y su derivada es un polinomio,
que vuelve a ser continua y derivable, etc.
Las funciones seno y coseno son C
, pues salvo signos una es la derivada de la otra y son continuas y

derivables.
11.1 Polinomios de Taylor

Cuando en el calculo de lmites usamos LHopital o algunos innitesimos, estamos sustituyendo el comporta-
miento de la funcion cerca del punto por el de su recta tangente.

Esta aproximacion que usamos, coincide
con la funcion en su valor y el valor de la derivada en el punto; los polinomios de Taylor que construiremos a
continuacion se toman para que coincida con la funcion en todas las derivadas.
Denicion 245.- Lamaremos polinomio de Taylor de grado n para la funcion f en el punto a , y
lo denotaremos por P
n,a
, al polinomio:
P
n,a
(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ +
f
(n)
(a)
n!
(x a)
n
=
n
k=0
f
(k)
(a)
k!
(x a)
k
Los polinomios de Taylor en el punto a = 0, suelen denominarse polinomios de McLaurin.
Nota: Observamos que el polinomio de grado 1, P
1,a
(x) =
f(a) +
f
(a)
1!
(x a) es la recta tangente a f en el punto a,
de manera que los polinomios de Taylor seran una especie
de polinomios tangentes a la funcion en el punto. Al
tener mayor grado que la recta tangente se espera que se
parezcan mas a la funcion que esta, aunque dado que para
su construccion unicamente usamos los valores de f y sus
derivadas en el punto a, sera una aproximacion local (cerca
de a).
r
f(x) = sen(x)
P
1,
2
3
(x)
P
2,
2
3
(x)
P
3,
2
3
(x)
P
4,
2
3
(x)
En efecto, para todo k = 1, . . . , n, se cumple que P
(k)
n,a
(a) = f
(k)
(a):
P
n,a
(x) =f(a) +
f
(a)
1!
(x a)
1
+
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+ +
f
(n1)
(a)
(n1)!
(x a)
n1
+
f
(n)
(a)
n!
(x a)
n
P
n,a
(x) =f
(a) +
f
(a)
1!
(x a)
1
+
f
(a)
2!
(x a)
2
+ +
f
(n1)
(a)
(n2)!
(x a)
n2
+
f
(n)
(a)
(n1)!
(x a)
n1
P
n,a
(x) =f
(a) +
f
(a)
1!
(x a)
1
+ +
f
(n1)
(a)
(n3)!
(x a)
n3
+
f
(n)
(a)
(n2)!
(x a)
n2
P
n,a
(x) =f
(a) + +
f
(n1)
(a)
(n4)!
(x a)
n4
+
f
(n)
(a)
(n3)!
(x a)
n3
113 Matematicas I : Calculo diferencial en IR 11.1 Polinomios de Taylor

P
(n1)
n,a
(x) =f
(n1)
(a) +
f
(n)
(a)
1!
(x a)
1
P
(n)
n,a
(x) =f
(n)
(a)
Y sustituyendo, se ve que P
(k)
n,a
(a) = f
(k)
(a), para todo k.
Ejemplo La funcion f(x) = sen x es C
en IR, y sus derivadas son f
(x) = cos x, f
(x) = sen x,
f
(3)
(x) = cos x y f
(4)
(x) = sen x = f(x) de nuevo, luego f(0) = 0, f
(0) = 1, f
(0) = 0, f
(3)
(0) = 1 y se
repiten f
(4)
(0) = f(0) = 0, f
(5)
(0) = f
(0) = 1, etc. Por lo que

P
7,0
(x) = 0+
1
1!
(x0)+
0
2!
(x0)
2
+
1
3!
(x0)
3
+
0
4!
(x0)
4
+
1
5!
(x0)
5
+
0
6!
(x0)
6
+
1
7!
(x0)
7
=
x
1!
x
3
3!
+
x
5
5!
x
7
7!
es su polinomio de Taylor de grado 7 en x = 0.
Por la propia contruccion de los polinomios de Taylor, resulta evidente el siguiente resultado
Proposicion 246.- Si P(x) es el polinomio de Taylor de grado n de f en a, entonces P
(x) es el polinomio
de Taylor de grado n 1 de f
en a.
Ejemplo La funcion f(x) = cos x es la derivada del seno y el polinomio de Taylor de g(x) = sen x en 0 de
grado 7 es P(x) =
x
1!

x
3
3!
+
x
5
5!

x
7
7!
. Entonces, el polinomio de MacLaurin de grado 6 de f(x) = cos x en 0,
es P
6,0
= P
(x) = 1
x
2
2!
+
x
4
4!

x
6
6!
.
Como es habitual, la obtencion de polinomios de Taylor se amplia con las operaciones algebraicas basicas:
Propiedades 247.- Sean f y g dos funciones y P
n,a
y Q
n,a
los polinomios de Taylor de grado n en a
respectivos. Se tiene
1.- El polinomio de Taylor de grado n para f + g en a es P
n,a
+ Q
n,a
2.- El polinomio de Taylor de grado n para fg en a es la parte hasta grado n del polinomio producto de
P
n,a
y Q
n,a
.
3.- El polinomio de Taylor de grado n para f/g en a se obtiene dividiendo el polinomio P
n,a
entre el
polinomio Q
n,a
, pero ordenados de la potencia menor a la potencia mayor, hasta llegar al grado n en el
cociente.
Proposicion 248.- Si P
n,a
es el polinomio de Taylor de grado n para f en a y Q
n,f(a)
es el polinomio de
Taylor de grado n para g en f(a), entonces el polinomio de Taylor de grado n para g f en a se obtiene
tomando la parte hasta el grado n del polinomio Q
n,f(a)
[P
n,a
(x)] , composicion de los de f y g.
Nota: La division entre polinomios comenzando por los
terminos de menor grado a que se hace referencia en el
resultado anterior, la vemos ejemplicada a la derecha,
dividiendo 1+2x entre 1+x
2
. Nos hemos detenido tras
obtener 4 terminos del cociente, pero se puede dividir
tanto como se quiera, mientras el resto no se anule.
Puede comprobarse que es cierto que
1 + 2x
1 + x
2
= 1 + 2x x
2
2x
3
+
x
4
+ 2x
5
1 + x
2
1 +2x 1 + x
2
1 x
2
1 + 2x x
2
2x
3
2x x
2
2x 2x
3
x
2
2x
3
x
2
+x
4
2x
3
+x
4
2x
3
+2x
5
x
4
+2x
5
Ejemplo Obtener el polinomio de Taylor de grado 3 en 0 de f(x) = sen x + cos x, g(x) = sen xcos x y
h(x) = tg x =
sen x
cos x
. Como el polinomio de McLaurin de grado 3 de senx es P(x) = x
x
3
3!
y el de cos x es
Q(x) = 1
x
2
2!
, se tiene
P(x) + Q(x) = 1 + x
x
2
2!

x
3
3!
es el polinomio de McLaurin de grado 3 de f .
P(x)Q(x) = x
x
3
3!

x
3
2!
+
x
5
2!3!
, luego x
4x
3
3!
es el polinomio de McLaurin de grado 3 de g.
114 Matematicas I : Calculo diferencial en IR 11.1 Polinomios de Taylor
P(x)
Q(x)
=
x
x
3
6
1
x
2
2
= x +
x
3
3
1
x
2
2
= x +
x
3
3
+
x
5
6
1
x
2
2
= x +
x
3
3
+
x
5
6
+
x
7
12
1
x
2
2
, luego x +
x
3
3
es el polinomio de
McLaurin de grado 3 de h.
Ejemplo El polinomio de Taylor de grado 4 de f(x) = x

2
en 0 es P(x) = x
2
y el polinomio de Taylor de
grado 4 de g(x) = e
x
en f(0) = 0 es Q(x) = 1 +
x
1!
+
x
2
2!
+
x
3
3!
+
x
4
4!
, luego el polinomio de Taylor de grado 4
de (g f)(x) = e
x
2
sera: la parte hasta grado 4 del polinomio Q(P(x)) = 1 +
x
2
1!
+
x
4
2!
+
x
6
3!
+
x
8
4!
, es decir, el
polinomio 1 +
x
2
1!
+
x
4
2!
.
Un primer resultado en el sentido de que el polinomio de Taylor es una buena aproximacion de la funcion f
en un entorno del punto:
Proposicion 249.- Sea f es una funcion de clase C
n1
en un entorno de a y existe f
(n)
(a). Sea P
n,a
(x) el
polinomio de Taylor de grado n para la funcion f en el punto a, entonces:
lm
xa
f(x) P
n,a
(x)
(x a)
n
= 0
Demostracion:
Basta aplicar LHopital sucesivamente al lmite siguiente (n 1 veces, que es aplicable por tener la funcion y
el polinomio de Taylor las mismas derivadas en el punto), y tener en cuenta que existe f
(n)
(a):
lm
xa
f(x) P
n,a
(x)
(x a)
n
= lm
xa
f
(x) P
n,a
(x)
n(x a)
n1
= lm
xa
f
(x) P
n,a
(x)
n(n 1)(x a)
n2
=
= lm
xa
f
(n1)
(x) P
(n1)
n,a
(x)
n 2(x a)
= lm
xa
f
(n1)
(x)
_
f
(n1)
(a) +
f
(n)
(a)
1!
(x a)
_
n 2(x a)
=
1
n!
lm
xa
_
f
(n1)
(x) f
(n1)
(a)
x a
f
(n)
(a)
_
=
1
n!
_
f
(n)
(a) f
(n)
(a)
_
= 0
Nota: El resultado nos indica que la diferencia entre f(x) y P
n,a
(x) se hace peque na cuando x es cercano a a
incluso en comparacion con (x a)
n
, con lo que los polinomios de Taylor aproximan muy bien a la funcion,
casi puede decirse que reproducen la funcion cerca del punto. Por ello, el uso de los polinomios de Taylor en
este sentido, es uno de los metodos mas sencilos para evaluar funciones de forma aproximada.
Es obvio, que si aumentamos el orden del polinomio se pro-
duce una mejor aproximacion, no solo porque el valor del
polinomio en un punto sea mas cercano al valor real de la
funcion (mejor aproximacion) sino tambien porque pue-
den aumentar los puntos para los cuales la aproximacion
es buena. No obstante esto no es lineal, es decir, no por
aumentar mucho el grado del polinomio vamos a conseguir
una buena aproximacion en todo el dominio.
r
f(x) =
1
1+x
2
P
0,0
(x) = 1
P
2,0
(x) = 1 x
2
P
4,0
(x) = 1 x
2
+ x
4
P
6,0
(x) = 1 x
2
+ x
4
x
6
P
8,0
(x) = 1 x
2
+ x
4
x
6
+ x
8
En la gura aneja, podemos ver un ejemplo de lo que estamos diciendo, por mucho que aumentemos el orden
de los polinomios de Taylor en x = 0 la funcion f(x) =
1
x
2
+1
no puede aproximarse para los valores de x fuera
de (1, 1). Por ello, decimos que las aproximaciones de Taylor son aproximaciones locales.
11.1.1 Formula de Taylor.
Todas estas ideas y comentarios sobre la aproximacion de funciones con polinomios quedan de maniesto con
la obtencion de la Formula de Taylor, que relaciona con igualdad la funcion y el polinomio de Taylor:
Formula de Taylor 250.- Si para una funcion f existen f
, f
, . . . , f
(n)
y f
(n+1)
sobre el intervalo [a, x] .
Entonces,
f(x) P
n,a
(x) =
f
(n+1)
(c)
(n + 1)!
(x a)
n+1
para un cierto c (a, x),
llamado resto de Lagrange, o tambien
f(x) P
n,a
(x) =
f
(n+1)
(c)
n!
(x c)
n
(x a) para un cierto c (a, x),
que se denomina resto de Cauchy.

115 Matematicas I : Calculo diferencial en IR 11.2 Representacion de funciones (2)
Corolario 251.- Cualquier polinomio de grado n, P(x) = a
0
+ a
1
x + + a
n
x
n
, se puede escribir como
P(x) = P(a) +
P
(a)
1!
(x a) + +
P
(n)
(a)
n!
(x a)
n
a IR
La Formula de Taylor y el hecho de que la derivada de orden n + 1 para un polinomio de grado n es cero,
garantiza la igualdad de los dos polinomios del corolario. Pero tambien, la igualdad propuesta por la Formula
de Taylor, nos permitira sustituir la funcion por el polinomio de Taylor en el calculo de lmites; esta sustituci on
ampla el uso de los innitesimos equivalentes (que son casos simples de los polinomios de Taylor) eliminando
la restriccion de su uso a los productos y cocientes.
Ejemplo lm
x0
sen xx
x
3
= lm
x0
(x
x
3
3!
+
sen(c)x
4
4!
)x
x
3
= lm
x0
x
3
3!
+
sen(c)x
4
4!
x
3
= lm
x0
1
3!
+
sen(c)x
4!
=
1
6
Cuando aproximamos el valor real de una funcion en un punto cercano a a usando el polinomio de Taylor
de la funcion en a, con la Formula de Taylor podemos buscar una cota del error cometido. En efecto, al tomar
como valor de la funcion el del polinomio, el error cometido sera f(x) P
n,a
(x) =
f
(n+1)
(c)
(n+1)!
(x a)
n+1
, para
alg un c entre a y x, y aunque no conocemos el valor c, s que podemos intentar acotar el valor del resto
f
(n+1)
(c)
(n+1)!
(x a)
n+1
=
|xa|
n+1
(n+1)|
f
(n+1)
(c)
.
Ejemplo Sabemos que sen(x) = x
x
3
3!
+
sen(c)x
4
4!
cerca de a = 0, entonces si decimos que el valor de
sen(0.4) (0.4)
(0.4)
3
3!
= 0.389333 el error cometido lo podemos acotar con
|sen(c)||0.4|
4
4!

1|0.4|
4
24
= 0.00106.
Como sabemos que sen x < x, y como c (0, 0.4), es mejor aproximacion sen(c) < c < 0.4 que sen(c) 1,
luego |sen(c)|
|0.4|
4
4!
< |0.4|
|0.4|
4
24
= 0.000426 es una cota del error cometido (el error real cometido es menor que
0.0001).
11.2 Representacion de funciones (2)

Monotona y extremos locales El siguiente resultado nos ofrece una condicion suciente que caracteriza
extremos locales, generalizada al uso de las derivadas de ordenes superiores:
Proposicion 252.- Sea f una funcion de clase C
n1
en un entorno del punto a, para la que se cumple que
f
(a) = f
(a) = = f
(n1)
(a) = 0, y ademas existe f
(n)
(a) = 0. Entonces:
a) Si n es par y f
(n)
(a) > 0, f presenta un mnimo local en a.
b) Si n es par y f
(n)
(a) < 0, f presenta un maximo local en a.
c) Si n es impar y f
(n)
(a) > 0, f es estrictamente creciente en a.
d) Si n es impar y f
(n)
(a) < 0, f es estrictamente decreciente en a.

4
presenta un mnimo local en 0, pues f
(0) = f
(0) = f
(0) = 0 y f
(4)
(0) =
24 > 0 siendo n = 4 par. Mientras que f(x) = x
3
es estrictamente creciente en 0, pues f
(0) = f
(0) = 0 y
f
(0) = 6 > 0 siendo n = 3 impar.
Concavidad y convexidad
Con la Formula de Taylor, la derivada segunda se convierte en la herramienta para el estudio de la concavidad
y convexidad:
Proposicion 253.- Sea f: (a, b) IR.
a) Si f
(x) < 0, x (a, b), entonces f(x) es convexa en (a, b).

b) Si f
(x) > 0, x (a, b), entonces f(x) es concava en (a, b).

Demostracion:
Sea x
0
(a, b), entonces: f(x) = f(x
0
) +f
(x
0
)(x x
0
) +
f
(t)
2!
(x x
0
)
2
para un cierto t entre x y x
0
. Por
tanto, si f
< 0 en (a, b),

f(x) [f(x
0
) + f
(x
0
)(x x
0
)] = f
(t)
(x x
0
)
2
2!
0
116 Matematicas I : Calculo diferencial en IR 11.2 Representacion de funciones (2)
luego f es convexa ya que esto se dara para todo x, x
0
(a, b), y signica que todos los puntos de la curva
estan por debajo de la tangente a la curva en cualquier punto x
0
(a, b).
Analogamente, sera concava si f
> 0 en (a, b).

2
es concava en todos los puntos, pues f
(x) = 2 > 0. Analogamente,

f(x) = x
2
es convexa en todo IR.
Corolario 254.- Si f
(x) existe en un entorno de x

0
y es continua en x
0
, entonces una condicion necesaria
para que x
0
sea un punto de inexion de f es que f
(x
0
) = 0.
Demostracion:
Si x
0
es un punto de inexion de f , entonces:
Si f es concava a la derecha de x
0
(luego f
(x) > 0 en (x
0
, b)), sera convexa a la izquierda de x
0
(luego f
(x) < 0 en (a, x

0
)), y viceversa.
Como f
es continua en x
0
, se tiene que lm
xx
0
f
(x) = f
(x
0
) de donde puede concluirse que f
(x
0
) = 0.
Ejemplo f(x) = x
3
presenta un punto de inexion en x = 0, pues es C
2
es IR y f
(x) = 6x se anula en
x = 0, por lo que verica la condicion necesaria. Como es continua en 0 y f
< 0 en (, 0) y f
> 0 en
(0, ) es punto de inexion.
11.2.1 Representacion de funciones en forma explcita: y = f(x)

Dada una funcion y = f(x), nos proponemos hacer su estudio y representacion graca. Para ello se deben
estudiar en terminos generales los siguientes aspectos:
1.- Dominio y continuidad de la funcion.
2.- Simetras (par e impar) y periodicidad.
Denicion 255.- Una funcion f se dice par si f(x) = f(x) (f simetrica respecto al eje OY ).
Una funcion f se dice impar si f(x) = f(x) (f simetrica respecto al origen (0, 0)).
Denicion 256.- Una funcion f se dice periodica de periodo T , si T es el menor n umero real tal que
f(x + T) = f(x), x.
3.- Comportamiento asintotico.
4.- Derivabilidad de la funcion.
5.- Intervalos de crecimiento y decrecimiento.
6.- Extremos locales y globales.
Generalmente, al estudiar una funcion f sobre un conjunto A va a interesar conocer los valores mas
extremos que puede tomar f en la totalidad del conjunto A, es decir, el maximo global y el mnimo
global. Estos extremos globales (tambien llamados extremos absolutos) pueden existir o no, seg un sean
f y A; sin embargo el teorema de Weierstrass (Th. 222) garantiza, bajo ciertas condiciones su existencia.
Es claro que los extremos globales han de buscarse entre los extremos locales y los posibles valores de f
en la frontera de A.
7.- Intervalos de concavidad y convexidad.
8.- Puntos de inexion.
11.2.2 Estudio de curvas dadas en forma parametrica y polar
11.2.2.1 Curvas dadas en forma parametrica: x = (t), y = (t).
Dadas , : A IR, si consideramos los puntos del plano de la forma ((t), (t)), para cada valor t A,
estaremos representando sobre el plano real una curva. Se dice que la curva viene dada por sus ecuaciones
parametricas
_
x = (t)
y = (t)
y al valor t se lo denomina parametro.
Si la funcion x = (t) admite inversa, t =
1
(x), entonces y se podra escribir como funcion de x,
y = (t) = (
1
(x)) = f(x) y tendremos la curva representada por una funcion en forma explcita.
En general, aunque x = (t) no admita inversa para todo t, si admitira inversa por trozos (al menos
siempre que
(t) = 0, por el Teorema de la funcion inversa), luego podremos suponer que a la curva en
parametricas se le puede asociar, por trozos, alguna funcion en forma explcita.
Entonces, para estudiar una curva dada en parametricas podemos usar los resultados conocidos para la
forma explcita. En efecto, supuesto y = (t) = (
1
(x)) = f(x), se tiene que
lm
xx
0
f(x) = y
0
, si se cumple que lm
tt
0
(t) = x
0
y lm
tt
0
(t) = y
0
f
(x) =
[
1
(x)] (
1
)
(x) =
(t)(
1
)
(x) =
(t)
1
(t)
f
(x) =
d
dx
_
(t)
(t)
_
=
d
dt
_
(t)
(t)
_
dt
dx
=
d
dt
_
(t)
(t)
_
(
1
)
(x) =

(t)
(t)
(t)
(t)
(
(t))
2
1
(t)
luego todos los conceptos y resultados tratados para la representacion en explcitas son estudiables para las
parametricas: continuidad, asntotas, monotona, extremos, convexidad, etc.
11.2.2.2 Curvas dadas en coordenadas polares
Sean O un punto del plano, al que llamaremos polo, y una semirrecta, llamada eje polar, que tiene su origen
en O. La posicion de un punto cualquiera P del plano se determina por dos n umeros: r y ; el primero de
ellos indica la distancia del punto P al polo y el segundo el angulo formado por el eje polar y la recta OP . Los
n umeros r y se denominan coordenadas polares del punto P . Si vara entre 0 y 2, a todo punto P
distinto de O le corresponde un par, bien determinado, de n umeros r y . El polo es el unico punto cuyo r
vale 0, aunque no esta determinado.
Una curva en coordendas polares es un curva en el plano descrita por una ecuacion r = f(), una vez
jados el polo y el eje polar.
Si tomamos el 0 = (0, 0) como polo y el semieje de abcisas positivo como eje polar, cada punto (x, y) del
plano viene descrito por las ecuaciones
_
x = r cos
y = r sen
, por lo que para un estudio exhaustivo de una curva en
polares r = f(), podemos realizar el estudio de la curva en parametricas dada por
_
x = f() cos
y = f() sen
. Aunque
para una representacion sencilla de la curva basta la propia denicion de las coordendas polares como distancia
al polo y angulo recorrido.
11.3 Ejercicios
11.137 Escribir cada uno de los polinomios P(x) = x
3
2x
2
+ 3x + 5 y Q(x) = 2x
3
6x
2
+ 8 en potencias de
x 2 y en potencias de x + 1.
11.138 Construir un polinomio de grado menor o igual que 10 que verique: P(7) = 1, P
(7) = 2, P
(7) = 3,
P
(3)
(7) = = P
(8)
(7) = 0, P
(9)
(7) = 1, P
(10)
(7) = 5. Hallar la ecuacion de la recta tangente a la
graca de P(x) en el punto de abscisa x = 9.
11.139 Probar que es una raz de multiplicidad m del polinomio P(x) = a
n
x
n
+ + a
1
x + a
0
si, y solo si
P() = P
() = P
() = = P
m1)
() = 0 y P
m)
() = 0.
11.140 Hallar los polinomios de Taylor de grado 4 de las funciones siguientes en los puntos indicados:
a) f(x) =
2
3x
en = 1 b) f(x) = cos x en =

2
c) f(x) = ln x en = 1
d) f(x) = e
x
en = 1 e) f(x) = tg x en = 0 f) f(x) = x
3
4
en = 1
11.141 Construir la formula de Taylor para el polinomipo de grado 4 de f(x) =
3 + x en el punto 1 y obtener
una cota del error cometido al aproximar el valor
5 mediante el polinomio de Taylor de orden 4.

11.142 Construir la formula de MacLaurin de f(x) = e
x
. Si aproximo el valor de e
1
mediante un polinomio
de MacLaurin que grado tendra que tener al menos, para que el error cometido sea menor que una
diezmilesima (10
4
)?
11.143 Construir la formula de Taylor de f(x) = ln x en el punto 1. Dar el valor aproximado de ln
3
2
, con un
error menor que una diezmilesima.
11.144 Considerar los polinomios de MacLaurin de grado 4 de las funciones e
x
, sen x, cos x, x(1 x),
1 + x y
ln(1 + x). Usar las operaciones con los polinomios de Taylor, para calcular los polinomios de MacLaurin
de grado 4 de:
a) sen x + cos x b) e
x
ln(1 + x) c) x(1 x) ln(1 + x) d) x(1 x) + e
x
e)
1
1+x
f)
x(1x)
1+x
g)
sen x
e
x
+ ln(1 + x) h)
sen
2
x
1+x
+
cos
2
x
e
x
11.145 Usar los desarrollos limitados (polinomios de Taylor) de las funciones f y g en los puntos que se indican,
para encontrar los polinomios de Taylor de la composicion pedidos:
a) f(x) = x
2
en = 0 y g(y) = e
y
en = 0, hallar el de g f en = 0 de grado 8.
b) f(x) = 1 x en = 1 y g(y) = ln(1 y) en = 0, hallar el de g f en = 1 de grado 5.
c) f(x) = 2x en = 0 y g(y) = sen y en = 0, hallar el de g f en = 0 de grado 7.
d) f(x) = x
2
en = 0 y g(y) = (1 + y)
1
2
en = 0, hallar el de g f en = 0 de grado 6.
e) f(x) = x
2
+ 4x + 5 en = 2 y g(y) = ln y en = 1, hallar el de g f en = 2 de grado 6.
11.146 Hallar los 4 primeros terminos (no nulos) de los polinomios de Taylor de:
a)
2 + x
2
en = 0 b)
1
x(1+x)
en = 1 c) ln
_
1+x
1x
_
en = 0
11.147 Probar que si P
n
(x) es el polinomio de Taylor de grado n de f en , entonces f(x)f() y P
n
(x)f()
son innitesimos equivalentes cuando x .
[Nota: De hecho, para los innitesimos conocidos se ha tomado el termino de menor grado de P
n
(x) f()]
11.148 Hallar polinomios que sean innitesimos equivalentes de las funciones:
a)
1x 1 cuando x 0 b) 1sen x cuando x

2
c)
1
x
1 cuando x 1
11.149 Usar los polinomios de Taylor del grado necesario para calcular:
a) lm
x0
x(2+cos x)3 sen x
x
5
b) lm
x0
arctg xtg x
x
3
c) lm
x0
_
1
x
+
2(1ch x)
x
3
_
11.150 Para que valores de a y de b es nito el lmite: lm
x0
x(1+a cos x)b sen x
x
3
?
11.151 Hallar n IN tal que lm
x0
arctg xtg x
x
n
= k = 0 y nito.
11.152 Encontrar a y b para que lm
x0
e
x
1+ax
1+bx
x
3
sea nito.
11.153 Encontrar a y b para que ln(
1+x
1x
)
x(2+ax
2
)
1+bx
2
sea equivalente a
8x
7
175
cuando x tiende a cero.
11.154 Encontrar una funcion equivalente, cuando x 0, a la funcion: g(x) =
e
x
+e
x
2
x
2
1 y deducir que
lm
x0
g(x) = 0.
11.155 Encontrar una funcion equivalente a la funcion f(x) =
x+22
x+73

3
2
cuando x tiende a 2.
11.156 Probar que P(x) = x
4
+ 2x
3
3x
2
4x + 5 no tiene ninguna raz real.
11.157 Se considera la funcion f(x) =
xln x
x
2
1
denida en los intervalos (0, 1) y (1, ).
a) Probar que se pueden dar valores a f(0) y a f(1) para que la funcion sea continua en 0 a la derecha
y para que f sea continua y derivable en 1.
b) Que vale en 0 la derivada por la derecha supuesto dado a f(0) el valor del apartado anterior?.
11.158 Dada la funcion f(x) =
xe
x
|e
x
1|
.
a) Denir la funcion f en el punto x = 0 de forma que f sea continua en dicho punto, si ello es posible.
b) Hallar las asntotas de f .
11.159 Para las siguientes funciones, encuentra todas sus asntotas e indica, mediante un esbozo graco, como se
aproxima la funcion a ellas.
a) f(x) =
x1
(x
2
+4x)
2
b) f(x) =
(2x
2
2
2 x+1)
2
x
3
x
c) f(x) =
1
x

1
x1
d) f(x) =
x
3
3x
2
2

1
x
e) f(x) =
sen x
x
f) f(x) = xtg x
11.160 Encuentra todas las asntotas de las funciones siguientes:
a) f(x) =
x+1
x
2
1
b) f(x) =
4
2ln(x
2
2 x+
1
2
)
c) f(x) =
x
2
+2x
x
2
1
d) f(x) =
sen x
1cos x
11.161 Estudia las simetras y periodicidad de las funciones de los ejercicios 11.159 y 11.160 anteriores.
11.162 Sea f: [0, 9] IR continua. Si f
: (0, 8)(8, 9) IR viene dada por la graca de abajo,
2 4
6 7 8 9
3 1 5
3
2
1
0
-1
-2
Estudiar: intervalos de monotona y
concavidad, puntos crticos y de in-
exion de la funcion f (supondremos
que existe f
en los puntos donde lo

parece).
Representar aproximadamente la
graca de f suponiendo f(x) 0.
Cual es el dominio de f
y que se
puede decir de ella?
11.163 Estudiar las funciones siguientes y construir sus gracas
a) f(x) = (x 1)
2
(x 2) b) f(x) =
2
3
8 + 2x x
2
c) f(x) = 4 x
2
(x + 2)
2
d) f(x) = x 2 arctg x e) f(x) = x
2
x + 1 f) f(x) =
3
x
2
x
g) f(x) =
x
5
10x
3
+20x
2
15x+4
32
h) f(x) =
3+x
4
x
3
i) f(x) =
2x
2
+3x4
x
2
j) f(x) =
x
ln x
k) f(x) =
x
2
2
ln x l) f(x) =
x
2
2
ln |x|
m) f(x) = sen(3x) 3 sen x n) f(x) = sen
3
x + cos
3
x o) f(x) = e
2x
sen(2x)
11.164 Estudiar la funcion f(x) =
3
_
(x1)
5
(x+1)
2
y construir su graca.
11.165 Dada la funcion f(x) = arcsen
x+1
2(x
2
+1)
, se pide:
a) Dominio y continuidad de f .
b) Tiene asntotas?
c) Ver que f no es derivable en x = 1. Hallar la derivada a la derecha y a la izquierda del punto x = 1.
d) Estudiar crecimiento y decrecimiento, extremos locales y globales de f .
e) Estudiar concavidad y los puntos de inexion de f .
f) Representacion graca de f y de f
.
Funciones reales de variable real
Demostracion de: Propiedades del valor absoluto 179 de la pagina 85
Propiedades del valor absoluto 179.-
a) |a| 0, a y |a| = 0 a = 0 b) |ab| = |a| |b| c)
a
1
= |a|
1
d) |a| k k a k e) |a + b| |a| +|b| f)
|a| |b|
|a b|
Demostracion:
a) |a| 0 por la denicion. Para la segunda parte, si |a| = 0, o bien a = |a| = 0, o bien a = |a| = 0,
luego necesariamente a = 0; la otra implicacion es obvia pues |0| = 0.
b) Consideremos los casos: si a 0 y b 0 se tiene |ab| = ab = |a| |b| ; si a 0 y b 0 se tiene
|ab| = ab = (a)(b) = |a| |b| ; y si a 0 y b 0, entonces |ab| = ab = (a)b = |a| |b| .
c) De 1 = |1| =
a
1
a
a
1
|a| , se obtiene el resultado.

d) Si |a| k, o a = |a| k que cumple la segunda desigualdad o a = |a| k, pero entonces k a y se
cumple la primera. Si k a k, se tiene k a k, por lo que k |a| k.
e) Como x, x |x| , o |a + b| = a + b |a| +|b| , o bien |a + b| = a b |a| +|b| = |a| +|b| .
f) |a| = |a b + b| |a b| + |b| , luego |a| |b| |a b| ; y con b se tiene |b| |a| |b a| . Luego
|a b| = |b a| (|b| |a|) = |a| |b| |a b| y por d) se concluye la prueba
Lmites y continuidad
Proposicion 196.- Sean f, g, h: A IR y x
0
un punto de acumulacion de A.
1.- Si f(x) g(x) h(x) en A y lm
xx
0
f(x) = L = lm
xx
0
h(x), entonces lm
xx
0
g(x) = L
2.- Si g esta acotada en A y lm
xx
0
f(x) = 0, entonces lm
xx
0
g(x) f(x) = 0
Demostracion:
1.- Si lm
xx
0
f(x) = L = lm
xx
0
h(x), entonces para cada > 0:
existe
1
tal que si 0 < |x x
0
| <
1
, entonces L < f(x) < L +
existe
2
tal que si 0 < |x x
0
| <
2
, entonces L < h(x) < L +
luego tomado = mn{
1
,
2
}, si 0 < |x x
0
| < , entonces L < h(x) g(x) f(x) < L + .
121 Matematicas I : Calculo diferencial en IR Anexo 2
2.- Si g esta acotada, existe K > 0 tal que |g(x)| K, para todo x, luego se verica que
0 |g(x)f(x)| K|f(x)| , para todo x
Por el apartado anterior, si probamos que lm
xx
0
K|f(x)| = 0, entonces lm
xx
0
|g(x)f(x)| = 0 y se tiene que
lm
xx
0
g(x)f(x) = 0 (por la proposicion 195).
Como lm
xx
0
f(x) = 0 lm
xx
0
|f(x)| = 0, para cada > 0 existe > 0, tal que si 0 < |x x
0
| < se
verica que |f(x)| <

K
. Entonces, si 0 < |x x
0
| < se tiene que
|K|f(x)| 0| = K|f(x)| < K

K
=
lo que concluye la prueba.
Propiedades 197.- Si lm
xx
0
f(x) = L
1
IR y lm
xx
0
g(x) = L
2
IR, entonces:
a) lm
xx
0
[f(x) + g(x)] = lm
xx
0
f(x) + lm
xx
0
g(x) = L
1
+ L
2
.
b) lm
xx
0
[f(x) g(x)] = lm
xx
0
f(x) lm
xx
0
g(x) = L
1
L
2
.
c) lm
xx
0
f(x)
g(x)
=
lm
xx
0
f(x)
lm
xx
0
g(x)
=
L
1
L
2
, siempre que L
2
= 0.
Demostracion:
1.- Por la denicion de lmite, tenemos que
lm
xx
0
f(x) = L
1
para cada > 0,
1
> 0 tal que si 0 < |x x
0
| <
1
= |f(x) L
1
| <

2
lm
xx
0
g(x) = L
2
para cada > 0,
2
> 0 tal que si 0 < |x x
0
| <
2
= |g(x) L
2
| <

2
luego tomando = mn{
1
,
2
}, tenemos que: para cada > 0 existe = mn{
1
,
2
} > 0 tal que si
0 < |x x
0
| < (luego menor que
1
y menor que
2
), entonces
|(f(x) + g(x)) (L
1
+ L
2
)| = |f(x) L
1
+ g(x) L
2
| |f(x) L
1
| +|g(x) L
2
| <

2
+

2
=
2.- Como lm
xx
0
f(x)g(x) = L
1
L
2
lm
xx
0
_
f(x)g(x) L
1
L
2
_
= 0, veamos esto ultimo. Pero
f(x)g(x) L
1
L
2
= f(x)g(x) L
2
f(x) + L
2
f(x) L
1
L
2
= f(x)(g(x) L
2
) + L
2
(f(x) L
1
)
y sabemos que lm
xx
0
(f(x)L
1
) = 0, lm
xx
0
(g(x)L
2
) = 0, f(x) esta acotada en alg un entorno de x
0
(Th
de acotacion) y L
2
es constante. Por el segundo resultado de la Proposicion 196, lm
xx
0
f(x)(g(x)L
2
) = 0
y lm
xx
0
L
2
(f(x) L
1
) = 0, luego lm
xx
0
_
f(x)g(x) L
1
L
2
_
= 0 + 0 = 0.
3.- Por ser
f(x)
g(x)
= f(x)
1
g(x)
, por el apartado anterior, basta probar que lm
xx
0
1
g(x)
=
1
L
2
.
Como
1
g(x)
1
L
2
=
L
2
g(x)
g(x)L
2
=
1
g(x)L
2
(L
2
g(x)), lm
xx
0
(g(x) L
2
) = 0 y L
2
es constante, si probamos que
la funcion
1
g(x)
esta acotada en un entorno de x
0
, por la Proposicion 196 tendremos que lm
xx
0
1
g(x)L
2
(L
2
g(x)) = lm
xx
0
_
1
g(x)

1
L
2
_
= 0, lo que prueba el resultado.
En efecto, si L
2
= 0, por el teorema del signo, o bien K < g(x) < k < 0 si L
2
< 0, o bien
0 < k < g(x) < K si L
2
> 0. Entonces, 0 < k < |g(x)| < K y, por tanto, 0 <
1
K
<
1
|g(x)|
<
1
k
, luego
1
g(x)
esta acotada.
Teorema 199.- Sean f: A IR y g: f(A) IR. Si lm
xa
f(x) = b y g es continua en b, entonces
lm
xa
g(f(x)) = g(b) = g
_
lm
xa
f(x)
_
.
Demostracion:
Como lm
xa
f(x) = b,
para cada
1
> 0 existe > 0 tal que si 0 < |x a| < entonces |f(x) b| <
1
.
Por otra parte, si g es continua en b se tiene que:
para cada > 0 existe
1
> 0 tal que si |y b| <
1
entonces |g(y) g(b)| < .
Entonces, haciendo
1
=
1
y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene |f(x) b| <
1
=
2
y, por tanto,
|g(f(x)) g(b)| < .
En consecuencia, lm
xa
g(f(x)) = g(b) = g
_
lm
xa
f(x)
_
.
Proposicion 201 (Convergencia propia).- Sean f: A IR y g: f(A) IR. Si lm
xa
f(x) = b, con f(x) = b
para todos los x de un entorno reducido E
(a,
0
) de a, entonces
lm
xa
(g f)(x) = lm
f(x)b
g(f(x)) = lm
yb
g(y).
Demostracion:
Como lm
xa
f(x) = b, para cada
1
> 0 existe
1
> 0 tal que si 0 < |x a| <
1
entonces |f(x) b| <
1
, y
como f(x) = b en E
(a,
0
), si tomamos = mn{
0
,
1
}, se tiene que:
para cada
1
> 0 existe > 0 tal que si 0 < |x a| < entonces 0 < |f(x) b| <
1
.
Por otra parte, si L = lm
yb
g(y) se tiene que:
2
> 0 tal que si 0 < |g(y) L| <
2
entonces |g(y) L| < .
Entonces, haciendo
1
=
2
y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene 0 < |f(x) b| <
1
=
2
y, por
tanto, |g(f(x)) L| < .
En consecuencia, lm
xa
g(f(x)) = L = lm
yb
g(y).
Proposicion 203 (Lmites laterales).- Sean a < c < b y f: (a, c) (c, b) IR. Entonces
lm
xc
f(x) = L lm
xc
f(x) = lm
xc
+
f(x) = L
Demostracion:
Si lm
xc
f(x) = L, para cada > 0 existe un > 0 tal que si 0 < |x c| < se tiene que |f(x) L| < . Luego
en particular, si 0 < |x c| < y x < c se cumple por lo que lm
xc
f(x) = L y tambien si x > c, por lo que

lm
xc
+
f(x) = L.
Recprocamente, si lm
xc
f(x) = lm
xc
+
f(x) = L, se tiene que
1
> 0 tal que si 0 < |x c| <
1
y x < c se tiene |f(x) L| <
2
> 0 tal que si 0 < |x c| <
2
y x > c se tiene |f(x) L| <
tomando d = mn{
1
,
2
}, para cada x con 0 < |x c| < sea x < c o x > c se cuple la denicion de lmite
en c. Luego lm
xc
f(x) = L.
Demostracion de: Continuidad de algunas funciones elementales 211 de la pagina 96
Continuidad de algunas funciones elementales 211.-
f(x) = e
x
es continua en IR y lm
x
e
x
= 0 y lm
x+
e
x
= +.
f(x) = ln x es continua en (0, +) y lm
x0
+
ln x = y lm
x+
ln x = +.
f(x) = x
continua en (0, ) y lm
x0
+
x
=0 y lm
x+
x
= si >0 (resp. y 0 si <0).

f(x) = sh x es continua en IR y lm
x
sh x = y lm
x+
sh x = +.
f(x) = chx es continua en IR y lm
x
ch x = y lm
x+
ch x = +.
f(x) = th x es continua en IR y lm
x
th x = 1 y lm
x+
thx = 1.
f(x) = sen x es periodica de periodo 2, continua en IR y lm
x
sen x.
f(x) = cos x es de periodo 2, continua en IR y lm
x
cos x.
f(x) = tg x es de periodo , continua en su dominio y lm
x
2
+
tg x = y lm
x
tg x = .
Demostracion:
Ya hemos probado que e
x
es continua en IR y sabemos que lm
x+
e
x
= + (basta recordar que e
x
es creciente,
luego o esta acotada, o no lo esta y su lmite es +, pero como 2
n
+ y 2
n
< e
n
, los valores e
n
no estan
acotados). Veamos lo demas:
lm
x
e
x
= lm
x+
e
x
= lm
x+
1
e
x
= 0
Para cada a (0, ), e
ln a
= a = lm
xa
x = lm
xa
e
ln x
= e
lm
xa
ln x
; y como la exponencial es estrictamente
creciente, debe ser ln a = lm
xa
ln x. Luego ln es continua en a.
Como ln x es estrictamente creciente y continua, y += lm
x+
x = lm
x+
ln e
x
= lm
e
x
+
ln(e
x
), no esta
acotada por lo que lm
x+
ln x = +.
Analogamente, = lm
x
x = lm
x
ln e
x
= lm
e
x
0
+
ln(e
x
), no esta acotada inferiormente por lo que
lm
x0
+
ln x = .
Como x
= e
ln x
es continua por ser composicion de continuas y si > 0:
lm
x0
+
x
= lm
x0
+
e
ln x
= lm
ln x
e
ln x
= 0 y lm
x
x
= lm
x
e
ln x
= lm
ln x
e
ln x
= +
<0: lm
x0
+
x
= lm
x0
+
e
ln x
= lm
ln x+
e
ln x
=+ y lm
x
x
= lm
x
e
ln x
= lm
ln x
e
ln x
=0
sh x=
e
x
e
x
2
, luego continua y lm
x
e
x
e
x
2
=(
0
2
)= y lm
x+
e
x
e
x
2
=(
0
2
)= +.
ch x=
e
x
+e
x
2
, luego continua y lm
x
e
x
+e
x
2
=(
0+
2
)= + y lm
x+
e
x
+e
x
2
=(
+0
2
)= +.
th x=
sh x
ch x
=
e
x
e
x
e
x
+e
x
, luego continua y como th x =
e
x
e
x
e
x
+e
x
=
e
2x
1
e
2x
+1
= 1
2
e
2x
+1
:
lm
x
thx = lm
x
1
2
e
2x
+1
= 1
2
0+1
= 1 y lm
x+
th x = lm
x+
1
2
e
2x
+1
= (1
2
+1
)= 1
De geometra sabemos ya que las funciones seno y coseno son periodicas de
periodo 2.
Para la continuidad, veamos primero que sen(x) y cos(x) lo son en x = 0:
Por la construccion geometrica del seno, sabemos que en una circunferencia de
radio 1, la longitud del arco recorrido coincide con la amplitud del angulo en
radianes, luego si x (
2
,

2
), se cumple 0 |sen(x)| |x| (ver gura). Es
decir, que x sen(x) x y como 0 = lm
x0
x lm
x0
sen(x) lm
x0
x = 0, se
cumple que lm
x0
sen(x) = 0 = sen(0). Luego el seno es continuo en x = 0.
sen x
x
x > 0
sen x
x x < 0
Para ver que lm
x0
cos(x) = cos(0) = 1, probemos que lm
x0
_
1 cos(x)
_
= 0:
lm
x0
_
1 cos(x)
_
= lm
x0
2 sen
2
(
x
2
) = 2
_
lm
x0
sen(
x
2
)
_
2
= 2 0
2
= 0
Veamos ahora que son continuas en todo punto x
0
de IR.
lm
xx
0
sen(x) = lm
h0
sen(x
0
+ h) = lm
h0
_
sen(x
0
) cos(h) + sen(h) cos(x
0
)
_
= sen(x
0
)
_
lm
h0
cos(h)
_
+
_
lm
h0
sen(h)
_
cos(x
0
) = sen(x
0
) 1 + 0 cos(x
0
) = sen(x
0
)
lm
xx
0
cos(x) = lm
h0
cos(x
0
+ h) = lm
h0
_
cos(x
0
) cos(h) sen(x
0
) sen(h)
_
= cos(x
0
)
_
lm
h0
cos(h)
_
sen(x
0
)
_
lm
h0
sen(h)
_
= cos(x
0
) 1 + sen(x
0
) 0 = cos(x
0
)
La periodicidad de las funciones asegura que no existe el lmite lm
x+
sen x, pues cuando n los puntos
x = 2n y los puntos x =

2
+2n se alejan hacia + y sucede que lm
n
sen(
2
+n2) = lm
n
sen(
2
) = 1
y lm
n
sen(n2) = lm
n
sen(0) = 0, que son valores distintos.
Para la continuidad de la tangente bastan las propiedades del cociente tg x =
sen x
cos x
.
Demostracion de: Algunos innitos e innitesimos conocidos 215 de la pagina 96
Algunos innitos e innitesimos conocidos 215.- Usaremos la notacion f g para indicar que f y g son
innitos o innitesimos equivalentes:
a
n
x
n
+ + a
1
x + a
0
a
n
x
n
cuando x a
n
x
n
+ + a
1
x a
1
x cuando x 0
sen(x) x cuando x 0 tg(x) x cuando x 0
sen
1
x

1
x
cuando x 1 cos(x)
x
2
2
cuando x 0
ln(1 + x) x cuando x 0 e
x
1 x cuando x 0
sh(x) x cuando x 0 ch(x) 1
x
2
2
cuando x 0
Demostracion:
lm
x
a
n
x
n
+a
n1
x
n1
++a
1
x+a
0
a
n
x
n
= lm
x
1 +
a
n1
a
n
1
x
+ +
a
1
a
n
1
x
n1
+
a
0
a
n
1
x
n
= 1 + 0 + + 0 + 0 = 1
lm
x0
a
n
x
n
+a
n1
x
n1
++a
2
x
2
+a
1
x
a
1
x
= lm
x0
a
n
a
1
x
n1
+
a
n1
a
1
x
n2
+ +
a
2
a
1
x + 1 = 0 + 0 + + 0 + 1 = 1
Veamos que lm
x0
sen x
x
= 1, con una peque na argucia geometrica (ver gura):
En una circunferencia de radio 1, la longitud del arco recorrido coincide con la ampli-
tud del angulo (en radianes), luego si x (0,

2
), se tiene que 0 < sen(x) < x < tg(x)
de donde, dividiendo por sen(x), se tiene 1 <
x
sen(x)
<
1
cos(x)
y tomando lmites:
1 lm
x0
+
x
sen(x)
lm
x0
+
1
cos(x)
= 1. Luego lm
x0
+
x
sen(x)
= 1.
Si x (
2
, 0), se tiene que 0 > sen(x) > x > tg(x) de donde, dividiendo por sen(x)
(que es negativo), se tiene 1 <
x
sen(x)
<
1
cos(x)
como antes. Luego lm
x0
x
sen(x)
= 1.
sen x
tg x
x
x > 0
sen x
tg x
x x < 0
lm
x0
tg x
x
= lm
x0
sen x
x
1
cos x
= 1 1 = 1.
Considerando y = g(x) =
1
x
, lm
x+
g(x) = 0
+
con g(x) = 0 para todo x, luego por la proposicion 201
de convergencia propia, se tiene: lm
x+
sen
1
x
1
x
= lm
x+
sen g(x)
g(x)
= lm
y0
+
sen y
y
= 1. (Idem si x )
lm
x0
1cos x
x
2
2
= lm
x0
2 sen
2
(
x
2
)
x
2
2
= lm
x0
sen
2
(
x
2
)
(
x
2
)
2
=
_
lm
x0
sen(
x
2
)
x
2
_
2
(1)
=
_
lm
y0
sen y
y
_
2
= 1. (1) Con y = g(x) =
x
2
.
lm
x0
+
ln(1+x)
x
= lm
x0
+
1
x
ln(1+x) = lm
x0
+
ln(1+x)
1
x
= ln
_
lm
x0
+
(1+x)
1
x
_
(1)
= ln
_
lm
y+
(1+
1
y
)
y
_
= ln(e) = 1
Considerando en (1) y = g(x) =
1
x
y luego el ejemplo 210. Analogamente, para x 0
:
lm
x0
ln(1+x)
x
= ln
_
lm
x0
(1 + x)
1
x
_
= ln
_
lm
y
(1 +
1
y
)
y
_
= ln(e) = 1.
Para calcular lm
x0
e
x
1
x
, consideramos y = g(x) = e
x
1, est. creciente y con lm
x0
g(x) = 0. Ademas
1 + y = e
x
y ln(1 + y) = x. Luego: lm
x0
e
x
1
x
= lm
y0
y
ln(1+y)
= 1.
lm
x0
sh x
x
= lm
x0
e
x
e
x
2x
= lm
x0
e
2x
1
e
x
2x
=
_
lm
x0
1
e
x
__
lm
x0
e
2x
1
2x
_
(1)
= 1 lm
y0
e
y
1
y
= 1. (1) y = g(x) = 2x.
lm
x0
ch(x)1
x
2
2
= lm
x0
e
x
+e
x
2
1
x
2
2
= lm
x0
e
x
+e
x
2
2
x
2
2
= lm
x0
e
2x
+12e
x
e
x
x
2
= lm
x0
(e
x
1)
2
e
x
x
2
=
_
lm
x0
1
e
x
__
lm
x0
e
x
1
x
_
2
= 1.
Demostracion de: Teorema de Bolzano 218 de la pagina 98
Teorema de Bolzano 218.- Sea f una funcion continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f(a)f(b) < 0) entonces c (a, b) tal que f(c) = 0.
Demostracion:
Podemos suponer que f(a) < 0 y f(b) > 0. Tomemos c
0
=
a+b
2
el punto medio entre a y b:
Si f(c
0
) = 0, como c = c
0
(a, b), es el punto buscado. Si f(c
0
) = 0 pueden darse dos casos:
si f(c
0
) > 0, como f(a) < 0 y f continua en [a, c
0
] , el teorema se reduce al intervalo [a, c
0
] ;
si f(c
0
) < 0, como f(b) > 0 y f continua en [c
0
, b] , el teorema se reduce al intervalo [c
0
, b] .
En un caso u otro el teorema queda probado si lo hacemos en el intervalo [a
1
, b
1
] [a, b] (bien [a, c
0
] o bien
[c
0
, b] ) de longitud b
1
a
1
=
ba
2
, en el cual f es continua, f(a
1
) < 0 y f(b
1
) > 0.
En este intervalo, tomamos su punto medio c
1
=
a
1
+b
1
2
. Si f(c
1
) = 0 es el punto buscado; si f(c
1
) = 0 se
puede, como hicimos antes, reducir el teorema al intervalo [a
2
, b
2
] [a
1
, b
1
] de longitud b
2
a
2
=
b
1
a
1
2
=
ba
2
2
en el cual f es continua, f(a
2
) < 0 y f(b
2
) > 0.
Repitiendo sucesivamente el proceso anterior, y si ninguno de los puntos medios, c
n
, verica que f(c
n
) = 0,
entonces hemos construido una sucesion de intervalos cerrados encajados
[a, b] [a
1
, b
1
] [a
2
, b
2
] [a
n
, b
n
] con b
n
a
n
=
ba
2
n
, f(a
n
) < 0 y f(b
n
) > 0.
Ademas, los puntos a
n
extremos inferiores verican que a a
1
a
2
a
n
b,
luego el conjunto A = {a
n
: n IN} esta acotado superiormente (por b) y, por tanto, existe c = sup A;
como a a
n
b se cumple a c b luego c [a, b] . Por ser c = sup A, para cada >0 existe a
n
0
A con
c < a
n
0
c, y como a
n
crece con n, para cada n n
0
se tiene a
n
0
a
n
c. Luego
c < a
n
0
a
n
c < c + , n n
0
|a
n
c| < , n n
0
lm
n
a
n
= c
Como lm
n
(b
n
a
n
) = lm
n
ba
2
n
= 0 y lm
n
a
n
= c, entonces lm
n
b
n
= c y, por ser f continua en [a, b] ,
se tiene que 0 lm
n
f(a
n
) = f(c) = lm
n
f(b
n
) 0, luego f(c) = 0. En consecuencia, existe c [a, b] con
f(c) = 0 y, como f(a) < 0 y f(b) > 0, c = a y c = b, luego c (a, b).
Demostracion de: Corolario 220 de la pagina 98
Corolario 220.- Sea I un intervalo de IR y f: I IR continua en I , entonces f(I) es tambien un intervalo
de IR.
Demostracion:
Supongamos primero que f(I) no esta acotado ni superior ni inferiormente. Entonces, para cada y IR, existe
alg un valor mayor que el en f(I), y < f(b) f(I), y existe alg un valor de f(I) menor que el, y > f(a) f(I),
luego f(a) < y < f(b). Como a y b son del intervalo I , el intervalo [a, b] I (o [b, a] I ), luego por el
teorema de los valores intermedios 219 existe c entre a y b tal que f(c) = y, luego y f(I) y f(I) = IR.
Supongamos ahora que f(I) no esta acotado inferiormente pero s superiormente, y sea = supf(I).
Entonces, por ser extremo superior, para cada y < , existe un punto f(b) f(I) tal que y < f(b) y, por
no estar f(I) acotado inferiormente, existe a I , tal que f(a) < y < f(b). Luego por el teorema 219 existe
c entre a y b tal que f(c) = y, luego y f(I) de donde (, ) f(I). Pero como es el superior del
conjunto, f(I) = (, ) o f(I) = (, ] (seg un que el superior sea maximo o no lo sea).
La prueba, para los dos casos que restan, son enteramente analogas.
Demostracion de: Teorema de acotacion 221 de la pagina 99
Teorema de acotacion 221.- Sea f una funcion continua en el intervalo cerrado [a, b] , entonces f est a acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f(x)| M, para todo x [a, b] .
La prueba de este resultado se incluye en la prueba del siguiente; el Teorema de Weierstrass 222.
Demostracion de: Teorema de Weierstrass 222 de la pagina 99
Teorema de Weierstrass 222.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un
maximo y un mnimo en [a, b] . Es decir, [a, b] tal que f() f(x), x [a, b] y [a, b] tal que
f(x) f(), x [a, b] .
Demostracion:
La demostracion de este resultado y del Teorema de acotacion 221 anterior, que vamos a exponer aqu no son
todo lo rigurosas que sera de desear, por dos razones: la primera, que se hace uso del Teorema de Bolzano-
Weierstrass (Un conjunto innito y acotado de IR, tiene al menos un punto de acumulacion) que no se incluye
en estos apuntes y, en segundo lugar, que simplicaremos del proceso (con una muy breve explicacion) en aras
de entender el sentido de la prueba.
Por el Corolario 220, como J = [a, b] es un intervalo, su imagen f(J) es un intervalo de IR.
Veamos primero, que el intervalo f(J) esta acotado. Supngamos que es un intervalo no acotado superiormente,
en cuyo caso, el conjunto {n IN} f(J) y existen puntos x
n
[a, b] tales que f(x
n
) = n. Los puntos son
distintos, pues tienen imagenes distintas por la aplicacion f y son innitos, luego el conjunto T = {x
n
: n
IN} [a, b] es innito y acotado por lo que tiene al menos un punto de acumulacion l (Teorema de Bolzano-
Weierstrass enunciado arriba). En aras de no complicar el proceso supondremos que es punto de acumulaci on
de todo el conjunto T , es decir, que lm
n
x
n
= l (ser punto de acumulacion, signica que nos podemos acercar
tanto como queramos al punto l con puntos del conjunto T ; luego que l es el lmite de los puntos de un
subconjunto innito de T , por lo que tiene un funcionamiento similar a si fuera todo T en cualquier estudio
sobre sucesiones de n umeros reales puede consultarse con mas detalle esta simplicacion).
Como a x
n
b se tiene que a lm
n
x
n
b, luego que l [a, b] . Entonces, por ser f continua en [a, b] ,
lm
n
f(x
n
) = f
_
lm
n
x
n
_
= f(l) IR; pero por su construccion, lm
n
f(x
n
) = lm
n
n = / IR, lo que es
absurdo. En consecuencia, f(J) tiene que estar acotado superiormente.
Analogamente, se obtiene que f(J) esta acotado inferiormente, lo que prueba el Teorema de acotacion 221.
De lo anterior, f(J) es un intervalo acotado de IR, luego de la forma [c, d] o [c, d) o (c, d] o (c, d).
Veamos si d esta o no en el conjunto. Por ser d = sup f(J), para cada n IN, existe x
n
[a, b] tal que
f(x
n
) = d
1
n
< d, como las imagenes de los x
n
son distintas, tenemos un conjunto T = {x
n
: n IN}
innito y acotado que tiene un punto de acumulacion l . Con un razonamiento similar al de la parte anterior,
sea lm
n
x
n
= l [a, b] y se verica que lm
n
f(x
n
) = f
_
lm
n
x
n
_
= f(l) IR por ser f continua y por otro
lado, lm
n
f(x
n
) = lm
n
d
1
n
= d, luego d = f(l) y d f(J), por lo que d = max f(J).
Analogamente, se prueba que c = mn f(J). Lo que concluye la prueba.
Demostracion de: Corolario 223 de la pagina 99
Corolario 223.- Si f es continua en (a, b) y lm
xa
+
f(x) = l
1
IR y lm
xb
f(x) = l
2
IR, la funcion f esta
acotada en (a, b). (Tambien es cierto cuando a es y cuando b es +.)
Demostracion:
Para que el resultado sea cierto no es necesario que exista el lmite en los extremos del intervalo, basta con que
la funcion este acotada en alg un entorno de ellos. La razon de poner el enunciado con lmites esta en que es
una manera comoda de asegurar la acotacion y suciente en la mayora de los casos.
Si lm
xa
+
f(x) = l
1
IR y lm
xb
f(x) = l
2
IR, por el Teorema de acotacion para lmites 216, existe E(a,
1
)
y M
1
> 0 tal que |f(x)| M
1
para todo x (a, a +
1
) y existe E(b,
2
) y M
2
> 0 tal que |f(x)| M
2
para todo x (b
2
, b). Entonces, (a, b) = (a, a +
1
) [a +
1
, b
2
] (b
2
, b) y al ser f continua en
el intervalo [a +
1
, b
2
] esta acotada en el (Th 221), luego existe M
3
> 0, tal que |f(x)| M
3
para todo
x [a +
1
, b
2
] . En consecuencia, f esta acotada en cada uno de los tres trozos en que hemos dividido el
intervalo, por lo que esta acotada; es decir, tomando M = max{M
1
, M
2
, M
3
}, para todo x (a, b), |f(x)| M.
Si a = o b = +, la prueba es identica, tomando entornos de o +.
Funciones derivables
Propiedades 226.- Sean f y g funciones derivables en un punto x
0
, entonces:
a) f + g es derivable en el punto x
0
y (f + g)
(x
0
) = f
(x
0
) + g
(x
0
).
b) fg es derivable en el punto x
0
y (fg)
(x
0
) = f
(x
0
)g(x
0
) + f(x
0
)g
(x
0
).
c) f/g es derivable en el punto x
0
, si g(x
0
) = 0, y (f/g)
(x
0
) =
f
(x
0
)g(x
0
) f(x
0
)g
(x
0
)
_
g(x
0
)
_
2
.
Demostracion:
a) Es cierta, pues
(f + g)
(x
0
) = lm
xx
0
(f + g)(x) (f + g)(x
0
)
x x
0
= lm
xx
0
f(x) + g(x) f(x
0
) g(x
0
)
x x
0
= lm
xx
0
f(x) f(x
0
)
x x
0
+ lm
xx
0
g(x) g(x
0
)
x x
0
= f
(x
0
) + g
(x
0
).
b) Basta tomar lmites, cuando x x
0
, en la expresion
f(x)g(x) f(x
0
)g(x
0
)
x x
0
=
f(x)g(x) f(x
0
)g(x) + f(x
0
)g(x) f(x
0
)g(x
0
)
x x
0
=
f(x) f(x
0
)
x x
0
g(x) + f(x
0
)
g(x) g(x
0
)
x x
0
.
c) Teniendo en cuenta que la expresion
f(x)
g(x)

f(x
0
)
g(x
0
)
x x
0
=
f(x)g(x
0
) f(x
0
)g(x)
g(x)g(x
0
)(x x
0
)
=
1
g(x)g(x
0
)

f(x)g(x
0
) f(x
0
)g(x
0
) + f(x
0
)g(x
0
) f(x
0
)g(x)
x x
0
=
1
g(x)g(x
0
)
_
f(x) f(x
0
)
x x
0
g(x
0
) f(x
0
)
g(x) g(x
0
)
x x
0
_
es valida en los valores de x proximos a x
0
, y tomando lmites se obtiene el resultado.
Demostracion de: Regla de la cadena 227 de la pagina 102
Regla de la cadena 227.- Sea f derivable en x
0
y g derivable en f(x
0
), entonces la funcion compuesta g f
es derivable en x
0
y ademas:
(g f)
(x
0
) = g
_
f(x
0
)
_
f
(x
0
).
Demostracion:
Si f(x) = f(x
0
) en un entorno de x
0
, tambien se verica que g(f(x)) = g(f(x
0
)) y, por tanto, f y g f son
constantes en dicho entorno, luego g f es derivable en x
0
y (g f)
(x
0
) = 0. Ademas, como f es constante,
se tiene g
(f(x
0
))f
(x
0
) = g
(f(x
0
)) 0 = 0 obteniendose la igualdad propuesta.
Si f(x) f(x
0
) = 0 en un entorno de x
0
, podemos escribir
g(f(x)) g(f(x
0
))
x x
0
=
g(f(x)) g(f(x
0
))
x x
0
f(x) f(x
0
)
f(x) f(x
0
)
=
g(f(x)) g(f(x
0
))
f(x) f(x
0
)

f(x) f(x
0
)
x x
0
.
Como y = f(x) = f(x
0
) = y
0
y lm
xx
0
f(x) = f(x
0
), por la proposicion 201, se tiene
(g f)
(x
0
) = lm
xx
0
g(f(x)) g(f(x
0
))
x x
0
= lm
xx
0
g(f(x)) g(f(x
0
))
f(x) f(x
0
)
lm
xx
0
f(x) f(x
0
)
x x
0
= lm
yy
0
g(y) g(y
0
)
y y
0
lm
xx
0
f(x) f(x
0
)
x x
0
= g
(y
0
)f
(x
0
) = g
_
f(x
0
)
_
f
(x
0
).
Demostracion de: Teorema del valor medio de Cauchy 236 de la pagina 106
Teorema del valor medio de Cauchy 236.- Sean f y g funciones continuas en [a, b] y derivables en (a, b). Si
g
(x) = 0, x (a, b), entonces c (a, b) tal que:

f(b) f(a)
g(b) g(a)
=
f
(c)
g
(c)
Demostracion:
Como en la demostracion del teorema del valor medio de Lagrage 235, construyamos una funcion para aplicar
el teorema de Rolle. Sea h: [a, b] IR dada por h(x) =
_
f(b) f(a)
_
g(x)
_
g(b) g(a)
_
f(x).
Entonces, h es continua en [a, b] y derivable en (a, b) por ser suma de funcines continuas y derivables, y
h(a) =
_
f(b) f(a)
_
g(a)
_
g(b) g(a)
_
f(a) = f(b)g(a) g(b)f(a)
h(b) =
_
f(b) f(a)
_
g(b)
_
g(b) g(a)
_
f(b) = f(a)g(b) + g(a)f(b).
Luego tambien se cumple que h(a) = h(b) y por el teorema de Rolle, existe c (a, b) tal que h
(c) = 0; es
decir, 0 =
_
f(b) f(a)
_
g
(c)
_
g(b) g(a)
_
f
(c) de donde se obtiene el resultado

f(b)f(a)
g(b)g(a)
=
f
(c)
g
(c)
.
Notar, que al ser g
(x) = 0 para cada x (a, b), se tiene que g
(c) = 0 y g(b) = g(a).

Demostracion de: Regla General de LHopital 238 de la pagina 106
Regla General de LHopital 238.- Sean f y g funciones derivables en un entorno reducido de x
0
, E
(x
0
, ),
con g(x) = 0 y g
(x) = 0, x E
(x
0
, ) y lm
xx
0
f(x) = 0 = lm
xx
0
g(x). Entonces,
si existe lm
xx
0
f
(x)
g
(x)
se cumple que lm
xx
0
f(x)
g(x)
= lm
xx
0
f
(x)
g
(x)
.
Demostracion:
Por comodidad, denotaremos por E
= E
(x
0
, ) y por E = E(x
0
, ).
Como lm
xx
0
f(x) = 0 = lm
xx
0
g(x), podemos ampliar estas funciones hasta E, con continuidad. En efecto,
sean F(x) =
_
f(x), si x = x
0
0, si x = x
0
y G(x) =
_
g(x), si x = x
0
0, si x = x
0
; que son continuas en E
por serlo f y g y
continuas en x
0
por su contruccion ( lm
xx
0
F(x) = lm
xx
0
f(x) = 0 = F(x
0
) y lo mismo para G).
Para cada x E
con x < x
0
, el intervalo [x, x
0
] E, luego F y G son continuas en el y derivables
en (x, x
0
), donde se cumple que F
= f
y G
= g
. Entonces, por el teorema de Cauchy 236, existe

x
con
x <
x
< x
0
tal que
F(x) F(x
0
)
G(x) G(x
0
)
=
F
(
x
)
G
(
x
, es decir, tal que
f(x) 0
g(x) 0
=
f
(
x
)
g
(
x
)
Luego, como x <
x
< x
0
, si x x
0
tambien
x
x
0
y entonces,
lm
xx
0
f(x)
g(x)
= lm
xx
0
f
(
x
)
g
(
x
)
= lm
x
x
0
f
(
x
)
g
(
x
)
= lm
xx
0
f
(x)
g
(x)
siempre que este ultimo lmite exista. Analogamente, para los x > x
0
, se tiene lm
xx
+
0
f(x)
g(x)
= lm
xx
+
0
f
(x)
g
(x)
.
En consecuencia, si lm
xx
0
f
(x)
g
(x)
existe se tiene que lm
xx
0
f
(x)
g
(x)
= lm
xx
0
f
(x)
g
(x)
= lm
xx
+
0
f
(x)
g
(x)
por lo que existe el
lmite lm
xx
0
f(x)
g(x)
y coincide con el anterior.
Para la justicacion del funcionamiento de la Regla de LHopital en los demas casos, en que decimos que
tambien funciona, solo indicamos como se obtendra esta o en que se basa:
Para el caso x
0
= , con el cambio x =
1
t
se tiene que las funciones F(t) = f(
1
t
) y G(t) = g(
1
t
) verican
que lm
x
f(x)
g(x)
existe si y solo si lm
t0
F(t)
G(t)
existe, y si ocurre son iguales. Aplicando el caso anterior a estas
funciones se obtiene el resultado.
Para la indeterminacion lm
xx
0
f(x)
g(x)
=

, se toma un punto y jo y sucientemente cercano a x

0
y entonces, el
cociente puede escribirse en la forma
f(x)
g(x)
=
f(y)f(x)
g(y)g(x)

g(y)
g(x)
1
f(y)
f(x)
1
. Aplicando el Teorema de Cauchy 236 al primer
factor
f(y)f(x)
g(y)g(x)
=
f
(
x
)
g
(
x
)
y teniendo en cuenta, que al ser y jo, lm
xx
0
g(y)
g(x)
1
f(y)
f(x)
1
= 1, se observa que el resultado
sera cierto (la prueba exaustiva no es tan inmediata).
Demostracion de: Teorema de la funcion inversa 240 de la pagina 107
Teorema de la funcion inversa 240.- Sea f: [a, b] IR continua en [a, b] y derivable en (a, b), con f
> 0 o
f
< 0 en (a, b). Entonces f admite funcion inversa derivable en (a, b) y (f

1
)
_
f(x)
_
=
1
f
(x)
.
Demostracion:
Por ser f
> 0 en (a, b) (resp. f
< 0 en (a, b)) la funcion f es estrictamente creciente (resp. estrictamente

decreciente) en [a, b] , luego es inyectiva y existe f
1
: f([a, b]) [a, b] tal que f
1
(f(x)) = x para cada
x [a, b] (recordar la denicion 189 y ver los ejemplos siguientes). De hecho, si f es estrictamente creciente,
f([a, b]) = [f(a), f(b)] y si es estrictamente decreciente, f([a, b]) = [f(b), f(a)] .
Veamos primero, que si f es continua en x
0
, entonces f
1
es continua en y
0
= f(x
0
). Supongamos
que f es estrictamente creciente y sea y
0

_
f(a), f(b)
_
. Tomemos un > 0 de manera que el intervalo
_
f
1
(y
0
) , f
1
(y
0
) +
_
= (x
0
, x
0
+ ) (a, b); entonces f(x
0
) < f(x
0
) < f(x
0
+ ) y existen y
1
e
y
2
tales que y
1
= f(x
0
) < y
0
< f(x
0
+) = y
2
. Sea > 0, tal que E(y
0
, ) (y
1
, y
2
), entonces, para cada
y E(y
0
, ), se cumple que y
1
y
0
< y < y
0
+ y
2
y se tiene que cumplir que f
1
(y
1
) < f
1
(y) < f
1
(y
2
)
pues de no ser as, si f
1
(y
1
) f
1
(y) o f
1
(y) f
1
(y
2
) por ser f estr. creciente sera y
1
y o y y
2
lo
que es absurdo
()
. Por consiguiente, f
1
(y
1
) < f
1
(y) < f
1
(y
2
), es decir x
0
< f
1
(y) < x
0
+ , es decir
f
1
(y
0
) < f
1
(y) < f
1
(y
0
) + y f
1
es continua en y
0
. Si el punto es un extremo del intervalo o para f
estrictamente decreciente, basta adaptar la prueba.
Veamos ahora que si f es derivable en x
0
(a, b), entonces f
1
es derivable en y
0
= f(x
0
), pero esto es
sencillo, pues si y = y
0
,
f
1
(y) f
1
(y
0
)
y y
0
=
f
1
(f(x)) f
1
(f(x
0
))
f(x) f(x
0
)
=
x x
0
f(x) f(x
0
)
=
_
f(x) f(x
0
)
x x
0
_
1
Si y y
0
, x = f
1
(y) tendera hacia x
0
= f
1
(y
0
) con x = x
0
por ser f
1
inyectiva, en consecuencia,
f(x)f(x
0
)
xx
0
f
(x
0
) con lo que f
1
es derivable en y
0
y su derivada es (f
(x
0
))
1
.
Nota: Durante la demostracion, se ha probado
()
que: si f es estrictamente creciente (o decreciente), f
1
tambien lo es.
Polinomios de Taylor
Demostracion de: Formula de Taylor 250 de la pagina 114
Formula de Taylor 250.- Sea una funcion f existen f
, f
, . . . , f
(n)
y f
(n+1)
sobre el intervalo [a, x] . En-
tonces,
f(x) P
n,a
(x) =
f
(n+1)
(c)
(n + 1)!
(x a)
n+1
para un cierto c (a, x),
llamado resto de Lagrange, o tambien
f(x) P
n,a
(x) =
f
(n+1)
(c)
n!
(x c)
n
(x a) para un cierto c (a, x),
que se denomina resto de Cauchy.

Demostracion:
Consideremos la funcion G: [a, x] IR, denida por
G(t) = f(x)
_
f(t) + f
(1)
(t)
(x t)
1
1!
+ f
(2)
(t)
(x t)
2
2!
+ f
(3)
(t)
(x t)
3
3!
+ + f
(n1)
(t)
(x t)
n1
(n 1)!
+ f
(n)
(t)
(x t)
n
n!
_
La funcion G verica que G(x) = 0 y G(a) = f(x) P
n,a
(x) y es derivable en [a, x] , por ser suma y producto
de derivables. Y su derivada es
G
(t) =
_
f
(1)
(t) +
_
f
(2)
(t)
(x t)
1
1!
+ f
(1)
(t)
1(x t)
0
(1)
1!
_
+
_
f
(3)
(t)
(x t)
2
2!
+ f
(2)
(t)
2(x t)
1
(1)
2!
_
+
_
f
(4)
(t)
(x t)
3
3!
+ f
(3)
(t)
3(x t)
2
(1)
3!
_
+ +
_
f
(n)
(t)
(x t)
n1
(n 1)!
+ f
(n1)
(t)
(n 1)(x t)
n2
(1)
(n 2)!
_
+
_
f
(n+1)
(t)
(x t)
n
n!
+ f
(n)
(t)
n(x t)
n1
(1)
(n 1)!
_
_
=
_
f
(1)
(t) +
_
f
(2)
(t)
(x t)
1
1!
f
(1)
(t)
_
+
_
f
(3)
(t)
(x t)
2
2!
f
(2)
(t)
(x t)
1
1!
_
+
_
f
(4)
(t)
(x t)
3
3!
f
(3)
(t)
(x t)
2
2!
_
+ +
_
f
(n)
(t)
(x t)
n1
(n 1)!
f
(n1)
(t)
(x t)
n2
(n 2)!
_
+
_
f
(n+1)
(t)
(x t)
n
n!
f
(n)
(t)
(x t)
n1
(n 1)!
_
_
quitando los parentesis internos y cambiando el orden de los sustraendos, se tiene:
=
_
f
(1)
(t) f
(1)
(t) + f
(2)
(t)
(x t)
1
1!
f
(2)
(t)
(x t)
1
1!
+ f
(3)
(t)
(x t)
2
2!
f
(3)
(t)
(x t)
2
2!
+ f
(4)
(t)
(x t)
3
3!
+ f
(n1)
(t)
(x t)
n2
(n 2)!
+ f
(n)
(t)
(x t)
n1
(n 1)!
f
(n)
(t)
(x t)
n1
(n 1)!
+ f
(n+1)
(t)
(x t)
n
n!
_
y cada termino que resta se anula con el anterior, luego solo queda el ultimo termino:
=f
(n+1)
(t)
(x t)
n
n!
.
Entonces:
Por el teorema del valor medio de Lagrange, G(x) G(a) = G
(c)(x a), para alg un c (a, x). Luego

G(x) G(a) = G(a) = f
(n+1)
(c)
(x c)
n
n!
(x a) =f(x) P
n,a
(x) =
f
(n+1)
(c)
n!
(x c)
n
(x a)
Tomando la funcion g(t) = (x t)
n+1
, continua en [a, x] y derivable en (a, x), por el teorema del valor
medio de Cauchy G(x) G(a) =
G
(c)
g
c)
_
g(x) g(a)
_
, para alg un c (a, x). Luego
G(a) =
f
(n+1)
(c)(xc)
n
n!
(n + 1)(x c)
n
(1)
_
(x a)
n+1
_
=f(x) P
n,a
(x) =
f
(n+1)
(c)
(n + 1)!
(x a)
n+1
y hemos obtenido el resto de Cauchy, en el primer caso, y el de Lagrange en el segundo.
Proposicion 252.- Sea f una funcion de clase C
n1
en un entorno del punto a, para la que se cumple que
f
(a) = f
(a) = = f
(n1)
(a) = 0, y ademas existe f
(n)
(a) = 0. Entonces:
a) Si n es par y f
(n)
(a) > 0, f presenta un mnimo local en a.
b) Si n es par y f
(n)
(a) < 0, f presenta un maximo local en a.
c) Si n es impar y f
(n)
(a) > 0, f es estrictamente creciente en a.
d) Si n es impar y f
(n)
(a) < 0, f es estrictamente decreciente en a.
Demostracion:
Si f
(a) = f
(a) = = f
(n1)
(a) = 0, el polinomio de Taylor de grado n de f en a se reduce al primer y
ultimo termino, P
n,a
(x) = f(a) +
f
(n)
(a)
n!
(x a)
n
.
Por la proposicion 249 anterior, lm
xa
f(x)P
n,a
(x)
(xa)
n
= 0, luego
0 = lm
xa
f(x)
_
f(a) +
f
(n)
(a)
n!
(x a)
n
_
(x a)
n
= lm
xa
f(x) f(a)
(x a)
n

f
(n)
(a)
n!
= lm
xa
f(x) f(a)
(x a)
n
=
f
(n)
(a)
n!
luego
si f
(n)
(a) > 0, debe ser
f(x)f(a)
(xa)
n
> 0 para los x de un entorno de a, y
si n es par, (x a)
n
> 0 de donde f(x) f(a) > 0 y f(x) f(a), por lo que f(a) es mnimo local.
si n es impar, para los x < a se tiene que (x a)
n
< 0 de donde f(x) f(a) < 0 y f(x) < f(a); y
para los x > a se tiene que (xa)
n
> 0 de donde f(x) f(a) > 0 y f(x) > f(a). En consecuencia,
f es estrictamente creciente en a.
Y se cumplen (a) y (c).
si f
(n)
(a) < 0, debe ser
f(x)f(a)
(xa)
n
< 0 para los x de un entorno de a, y
si n es par, (xa)
n
> 0 de donde f(x) f(a) < 0 y f(x) f(a), por lo que f(a) es maximo local.
si n es impar, para los x < a se tiene que (x a)
n
< 0 de donde f(x) f(a) > 0 y f(x) > f(a); y
para los x > a se tiene que (xa)
n
> 0 de donde f(x) f(a) < 0 y f(x) < f(a). En consecuencia,
f es estrictamente decreciente en a.
Y se cumplen (b) y (d).
132 Matematicas I
Parte IV
Calculo integral en IR
133 Matematicas I : Calculo integral en IR
Tema 12
Calculo de primitivas
12.1 Primitiva de una funcion
Denicion 257.- Diremos que la funcion F continua en [a, b] , es una primitiva de la funcion f en el intervalo
[a, b] si y solo si F
(x) = f(x), x (a, b).

Teorema 258.- Si F y G son dos funciones primitivas de la funcion f en [a, b] , entonces F G es una funcion
constante en [a, b] .
Demostracion:
Para cada c (a, b), se tiene que (F G)
(c) = F
(c) G
(c) = f(c) f(c) = 0, luego tiene derivada nula.

Por el teorema del valor medio de Lagrange, para cada x [a, b] ,
_
F(x) G(x)
_
_
F(a) G(a)
_
= (F G)
(c)(x a) = 0,
luego F(x) G(x) = F(a) G(a) = k para todo x [a, b] .
Observacion:
Como consecuencia del teorema anterior, se tiene que si F es una funcion primitiva de f en [a, b] , entonces
F(x) +C : C IR es el conjunto formado por todas las funciones primitivas de f en [a, b] .
Denicion 259.- Llamaremos integral indenida de f al conjunto de todas las primitivas de la funcion f ,
y lo denotaremos por
_
f(x) dx.
Si F es una funcion primitiva de f , escribiremos unicamente
_
f(x) dx = F(x) +C, con C IR.
Propiedad 260.-
_
(f + g)(x) dx =
_
f(x) dx +
_
g(x) dx. Es decir, una primitiva de la suma y el
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostracion:
Sean F
(x) = f(x) y G
(x) = g(x). Entonces

((F +G)(x))
= F
(x) +G
(x) = f(x) +g(x) = (f +g)(x),

luego F +G es una primitiva de f +g.
12.1.1 Tabla de integrales inmediatas
Es usual manejar una tabla de primitivas inmediata, pero que en realidad se reduce a una tabla de derivadas
conocidas:
_
x
a
dx =
1
a+1
x
a+1
+C, a ,= 1
_
1
x
dx = ln [x[ +C
_
a
x
dx =
1
ln a
a
x
+C
_
cos xdx = sen x +C
_
sen xdx =cos x +C
_
1
cos
2
x
dx = tg x +C
_
dx
sen
2
x
=cotg x +C
_
1
1x
2
dx = arcsen x +C
_
1
1x
2
dx = arccos x +C
_
1
1+x
2
dx = arctg x +C
_
1
1+x
2
dx = arccotg x +C
_
ch xdx = sh x +C
_
sh xdx = ch x +C
_
1
ch
2
x
dx = th x +C
_
1
x
2
+1
dx = argsh x = ln(x +
x
2
+ 1) +C
_
1
1x
2
dx = argth x =
1
2
ln
1+x
1x
+C
_
1
x
2
1
dx = argch x = ln(x +
x
2
1) +C
134 Matematicas I : Calculo integral en IR 12.2 Metodos de integracion
12.2 Metodos de integracion
12.2.1 Metodo de sustitucion
Si F(x) es una primitiva de f(x), entonces F((x)) es una primitiva de la funcion f((x))
(x), es decir,
_
f((x))
(x)dx = F((x)) +C.

En efecto, por la Regla de la cadena, (F((x)))
= f((x))
(x).
Ejemplo Encontrar una expresion para
_
4(x
2
+ 1)
3
2xdx.
Solucion:
F(x) = x
4
es una primitiva de f(x) = 4x
3
y, si (x) = x
2
+1 se tiene
(x) = 2x. Luego F((x)) = (x

2
+1)
4
es una primitiva de f((x))
(x) = 4(x
2
+ 1)
3
2x. Es decir,
_
4(x
2
+ 1)
3
2xdx = (x
2
+ 1)
4
+C.
Combinando este metodo con la tabla de integrales inmediatas, podemos componer toda una tabla de
integrales casi inmediatas:
12.2.1.1 Tabla de integrales casiinmediatas
_
(v(x))
a
v
(x)dx =
(v(x))
a+1
a + 1
+C, a ,= 1
_
1
v(x)
v
(x)dx = ln [v(x)[ +C
_
a
v(x)
v
(x)dx =
a
v(x)
ln a
+C
_
cos(v(x))v
(x)dx = sen(v(x)) +C
_
sen(v(x))v
(x)dx = cos(v(x)) +C
_
1
cos
2
(v(x))
v
(x)dx = tg(v(x)) +C
_
1
sen
2
(v(x))
v
(x)dx = cotg(v(x)) +C
_
1
_
1 (v(x))
2
v
(x)dx = arcsen(v(x)) +C
_
1
_
1 (v(x))
2
v
(x)dx = arccos(v(x)) +C
_
1
1 + (v(x))
2
v
(x)dx = arctg(v(x)) +C
_
1
1 + (v(x))
2
v
(x)dx = arccotg(v(x)) +C
_
ch(v(x))v
(x)dx = sh(v(x)) +C
_
sh(v(x))v
(x)dx = ch(v(x)) +C
_
1
ch
2
(v(x))
v
(x)dx = th(v(x)) +C
_
1
_
(v(x))
2
+ 1
v
(x)dx = argsh(v(x)) +C
_
1
1 (v(x))
2
v
(x)dx = argth(v(x)) +C
_
1
_
(v(x))
2
1
v
(x)dx = argch(v(x)) +C.

12.2.2 Cambio de variable
Sea
_
f(x)dx. Si x = (t), con derivable y existe
1
tambien derivable. Entonces
_
f(x)dx =
_
f((t))
(t)dt.
Demostracion:
Sean
_
f(x)dx = F(x) + C
1
y
_
f((t))
(t)dt = G(t) + C
2
. Como F(x) es una primitiva de f(x) se tiene
que F((t)) es una primitiva de f((t))
(t), luego F((t)) = G(t) +C, y, por tanto, F(x) = F((

1
(x))) =
G(
1
(x)) +C.
Se hace un cambio de variable x = (t) para transformar la integral de partida en otra mas sencilla o
inmediata.
135 Matematicas I : Calculo integral en IR 12.3 Integracion seg un el tipo de funcion
Ejemplo Hallar
_
3
1 +xdx.
Solucion:
Si tomamos 1 + x = t
3
, es decir, x = (t) = t
3
1, es derivable, existe
1
y es derivable. Entonces,
como dx =
(t)dt = 3t
2
dt, se tiene
_
3
1 +xdx =
_
3
t
3
3t
2
dt =
_
3t
3
dt = 3
_
t
3
dt = 3
t
4
4
=
3
4
_
3
1 +x
_
4
+C.
12.2.3 Integracion por partes

En forma clasica, la derivada de un producto se escribe como d(uv) = udv +vdu, de donde udv = d(uv) vdu.
Entonces
_
udv = uv
_
vdu
expresion conocida como formula de integracion por partes.
Ejemplo Calcular
_
ln xdx.
Solucion:
Si tomamos
_
u = ln x
dv =dx
, se tiene
_
du =
1
x
dx
v =x
, de donde
_
ln xdx = xln x
_
x
1
x
dx = xln x
_
dx = xln x x +C.
12.3 Integracion seg un el tipo de funcion

12.3.1 Integrales racionales
Resumen de resultados conocidos. Sea la ecuacion polinomica P(x) = a
0
+ a
1
x + . . . + a
n
x
n
= 0, con
a
i
IR.
Si a
i
ZZ, para todo i, entonces toda raiz entera de P(x) es divisor del coeciente a
0
.
Si a
i
ZZ, para todo i, el denominador de toda raiz fraccionaria de P(x) es divisor del coeciente a
n
y
el numerador es divisor del coeciente a
0
.
Si a
i
IR, para todo i, y +i es una raiz compleja de P(x) entonces, tambien i es raiz de P(x).
Todo polinomio con coecientes reales puede descomponerse en la forma
P(x) = a
n
(x r
1
)
n
1
(x r
2
)
n
2
(x r
s
)
n
s
(x
2
+p
1
x +q
1
)
m
1
(x
2
+p
k
x +q
k
)
m
k
,
donde n
1
+ +n
s
+2m
1
+ +2m
k
= n, los r
i
son las raices reales de P(x) y los terminos x
2
+p
j
x+q
j
agrupan las raices complejas
j
+
j
i y
j

j
i (verican por tanto que p
2
j
4q
j
< 0).
12.3.1.1 Descomposicion en fracciones simples
Sean Q y P funciones polinomicas reales y
Q(x)
P(x)
la funcion racional cociente de ambas.
Si el grado de P es mayor que el de Q se dice que es una fraccion propia, en cuyo caso, si P(x) se
descompone como en el punto anterior,
Q(x)
P(x)
puede descomponerse de manera unica en la forma
Q(x)
P(x)
=
1
a
n
_
A
1
(x r
1
)
n
1
+
A
2
(x r
1
)
n
1
1
+ +
A
n
1
(x r
1
)
+
+
B
1
(x r
2
)
n
2
+
B
2
(x r
2
)
n
2
1
+ +
B
n
2
(x r
2
)
+
+ +
+
L
1
(x r
s
)
n
s
+
L
2
(x r
s
)
n
s
1
+ +
L
n
s
(x r
s
)
+
+
M
1
x +N
1
(x
2
+p
1
x +q
1
)
m
1
+
M
2
x +N
2
(x
2
+p
1
x +q
1
)
m
1
1
+ +
M
m
1
x +N
m
1
x
2
+p
1
x +q
1
+
+ +
+
E
1
x +F
1
(x
2
+p
k
x +p
k
)
m
k
+
E
2
x +F
2
(x
2
+p
k
x +q
k
)
m
k
1
+ +
E
m
k
x +F
m
k
x
2
+p
k
x +q
k
_
Descomposicion que se denomina en fracciones simples.
Si el grado de Q es mayor que el grado de P , se dice que la fraccion es impropia, en cuyo caso, al dividir
de forma entera el numerador por el denominador, se obtiene que
Q(x)
P(x)
= M(x) +
R(x)
P(x)
,
donde M(x) es un polinomio y
R(x)
P(x)
una fraccion propia.
Como P(x) es el polinomio denominador com un de los terminos de la descomposicion, el polinomio Q(x)
debe coincidir con el polinomio que se obtiene en el numerador al sumar las fracciones simples. En consecuencia
los nuevos coecientes que aparecen en la descomposicion son aquellos que hacen iguales ambos polinomios.
12.3.1.2 Integraci on de funciones racionales
Encontrar una primitiva de
Q(x)
P(x)
, es resolver integrales de los tipos
a)
_
A
(xr)
k
dx b)
_
Mx+N
(x
2
+px+q)
k
dx
a) Estas integrales son inmediatas, pues si k = 1,
_
A
x r
dx = Aln [x r[,
y si k > 1,
_
A
(x r)
k
dx =
_
A(x r)
k
dx = A
(x r)
k+1
k + 1
=
A
1 k
1
(x r)
k1
.
b) Como 4q p
2
> 0, se tiene que
x
2
+px +q = (x +
p
2
)
2
+ (q
p
2
4
) = (x
p
2
)
2
+R
2
= R
2
(t
2
+ 1),
donde R =
_
q
p
2
4
y t =
x
p
2
R
, luego haciendo el cambio x = Rt +
p
2
, con dx = Rdt, se tiene que
_
Mx +N
(x
2
+px +q)
k
dx =
1
(R
2
)
k
_
M
t +N
(t
2
+ 1)
k
Rdt =
1
R
2k1
__
M
t
(t
2
+ 1)
k
dt +
_
N
(t
2
+ 1)
k
dt
_
=
1
R
2k1
_
M
2
_
2t
(t
2
+ 1)
k
dt +N
_
1
(t
2
+ 1)
k
dt
_
=
M
2R
2k1
I
k
+
N
R
2k1
I
k
integrales que se resuelven de forma inmediata en los siguientes casos:
Si k = 1, I
1
=
_
2t
t
2
+1
dt = ln [t
2
+ 1[ , I
1
=
_
1
t
2
+1
dt = arctg t.
Si k > 1, I
k
=
_
2t
(t
2
+1)
k
dt =
1
1k
1
(t
2
+1)
k1
.
Para resolver I
k
, se realiza un proceso que consiste en ir bajando sucesivamente la potencia k hasta que
sea 1, de la forma siguiente
I
k
=
_
1
(t
2
+ 1)
k
dt =
_
1 t
2
+t
2
(t
2
+ 1)
k
dt =
_ _
1 +t
2
(t
2
+ 1)
k

t
2
(t
2
+ 1)
k
_
dt
=
_
1
(t
2
+ 1)
k1
dt
_
t
2
(t
2
+ 1)
k
dt = I
k1
I
Haciendo en I integracion por partes,
_
u =t
dv =
t
(1+t
2
)
k
dt
_
se tiene
_
du =dt
v =
1
2(1k)
1
(1+t
2
)
k1
_
, luego
I
k
=I
k1
1
2(1 k)
t
(1 +t
2
)
k1
+
1
2(1 k)
_
1
(1 +t
2
)
k1
dt
=
1
2(k 1)
t
(1 +t
2
)
k1
+
_
1
1
2(k 1)
_
I
k1
Si k 1 = 1, I
k1
= I
1
= arctg t. Si k 1 > 1, se repite el proceso.
Ejemplo Calcular
_
1+x
x
4
+x
3
+x
2
dx.
Solucion Como P(x) = x
2
(x
2
+x + 1), y x
2
+x + 1 no tiene raices reales, se tiene
1 +x
x
2
(x
2
+x + 1)
=
A
x
2
+
B
x
+
Mx +N
x
2
+x + 1
=
A(x
2
+x + 1) +Bx(x
2
+x + 1) + (Mx +N)x
2
x
2
(x
2
+x + 1)
de donde 1 +x = A+ (A+B)x + (A+B +N)x
2
+ (B +M)x
3
, es decir,
1 +x + 0x
2
+ 0x
3
= A+ (A+B)x + (A+B +N)x
2
+ (B +M)x
3
,
obteniendose el sistema
_
_
1 =A
1 =A+B
0 =A+B +N
0 =B +M
con soluciones
_
_
A= 1
B = 0
N =1
M = 0
. Entonces
_
dx
x
2
(x
2
+x + 1)
=
_
dx
x
2

_
dx
x
2
+x + 1
=
1
x

4
3
_
dx
4
3
(x
1
2
)
2
+ 1
=
1
x

4
3
_
dx
(
2x1
3
)
2
+ 1
=
1
x

4
3
_
3
2
dt
t
2
+ 1
=
1
x

2
3
arctg t =
1
x

2
3
arctg
2x 1
3
+C
12.3.2 Integracion de funciones trigonometricas

Cambios de variable especcos.
Integrales de los tipos:
_
sen(mx) cos(nx)dx
_
cos(mx) cos(nx)dx
_
sen(mx) sen(nx)dx.
se resuelven usando las relaciones
(1) + (2) : 2 sen xcos y = sen(x +y) + sen(x y)
(3) + (4) : 2 cos xcos y = cos(x +y) + cos(x y)
(3) (4) : 2 sen xsen y = cos(x +y) cos(x y)
obtenidas a partir de la formulas trigonometricas:
(1) sen(x +y)=sen xcos y + sen y cos x (3) cos(x +y)=cos xcos y sen xsen y
(2) sen(x y)=sen xcos y sen y cos x (4) cos(x y)=cos xcos y + sen xsen y
Integrales de la forma
_
sen
m
xcos
n
xdx con m, n ZZ.
Si m es impar se resuelven usando el cambio t = cos x.
Si n es impar con el cambio t = sen x.
Si m y n son pares positivos se resuelven utilizando las formulas del angulo mitad
sen
2
x =
1 cos(2x)
2
cos
2
x =
1 + cos(2x)
2
sen xcos x =
sen(2x)
2
.
_
tg
n
xdx,
_
cotg
n
xdx con n IN se calculan mediante las formulas:
tg
2
x = sec
2
x 1 cotg
2
x = cosec
2
x 1
Ejemplo Hallar
_
sen
2
xcos
2
xdx.
_
sen
4
xcos
2
xdx =
_ _
1 cos 2x
2
_
2
_
1 + cos 2x
2
_
dx =
1
8
_
_
1 cos 2x cos
2
2x + cos
3
2x
_
dx
=
1
8
_ _
1 cos 2x
_
1 + cos 4x
2
_
+ cos
3
2x
_
dx
=
1
8
_
1
2
dx
1
8
_
cos 2xdx
1
16
_
cos 4xdx +
1
8
_
cos
3
2xdx
=
x
16

sen 2x
16

sen 4x
64
+
1
8
_
cos
3
2xdx =
_
t = sen 2x
dt = 2 cos 2xdx
_
=
x sen 2x
16

sen 4x
64
+
1
8
_
(1 t
2
)
dt
2
=
x sen 2x
16

sen 4x
64
+
1
16
(t
t
3
3
)
=
x sen 2x
16

sen 4x
64
+
sen 2x
16

sen
3
2x
48
+C
=
x
16

sen 4x
64
+
sen
3
2x
48
+C
Cambios mas generales para las integrales trigonometricas.

Las integrales de la forma
_
R(sen x, cos x)dx, siendo R(sen x, cos x) una funcion racional en senx y cos x.
Si se cumple R(sen x, cos x) = R(sen x, cos x) entonces la integral se puede reducir a una integral
racional empleando el cambio t = tg x.
Es decir, x = arctg t dx =
dt
1 +t
2
.
Por otra parte 1 + tg
2
x =
1
cos
2
x
= cos x =
1
1 +t
2
y por tanto sen x =
t
1 +t
2
.
En general, una integral del tipo
_
R(sen x, cos x)dx se transforma en una integral racional utilizando el
cambio
t = tg
x
2
=
x
2
= arctg t dx =
2dt
1 +t
2
, cos x =
1 t
2
1 +t
2
y sen x =
2t
1 +t
2
.
12.3.3 Integracion de funciones exponenciales e hiperbolicas
_
R(a
x
)dx; siendo R(a
x
) una funcion racional en a
x
.
El cambio t = a
x
convierte dicha integral en racional:
t = a
x
= dt = a
x
ln adx = dx =
dt
t ln a
Dado que chx =
e
x
+e
x
2
y sh x =
e
x
e
x
2
, resulta que entonces cualquier integral del tipo
_
R(sh x, ch x)dx
se puede resolver por el cambio anterior. Pero tambien existen unas relaciones entre las funciones hiperbolicas
que hacen que su integracion sea similar a la de las funciones trigonometricas:
ch
2
x sh
2
x = 1 sh
2
x =
ch 2x 1
2
ch
2
x =
ch2x + 1
2
sh 2x = 2 sh xch x 1 th
2
x =
1
ch
2
x
De entre todos los casos que nos aparecen en la integracion de funciones racionales hiperbolicas destacamos:
Cambio t = th x = dx =
dt
1t
2
ch x =
1
1t
2
sh x =
t
1t
2
Cambio t = th
_
x
2
_
= dx =
2dt
1t
2
ch x =
1+t
2
1t
2
sh x =
2t
1t
2
Ejemplo Hallar
_
e
x
1
e
x
+1
dx.
Solucion Con el cambio t = e
x
, se tiene dt = e
x
dx = tdx, luego
_
e
x
e
x
+ 1
dx =
_
t 1
t + 1
dt
t
=
_ _
2
t + 1

1
t
_
dt = 2 ln [t + 1[ ln [t[ = ln
(e
x
+ 1)
2
e
x
+C.
12.3.4 Integrales irracionales

_
R
_
x,
_
ax+b
cx+d
_
p
1
q
1
,
_
ax+b
cx+d
_
p
2
q
2
, . . . ,
_
ax+b
cx+d
_
p
k
q
k
_
dx, siendo R una funcion racional
en esas variables y las fracciones
p
1
q
1
,
p
2
q
2
, . . . ,
p
k
q
k
irreducibles.
Sea n = mcm(q
1
, q
2
, . . . , q
k
), el cambio de variable t
n
=
ax+b
cx+d
transforma la integral irracional en una
racional. (Ver ejemplo 12.2.2.)
Integrales del tipo
_
R(x,
_
a
2
x
2
)dx
Se resuelven mediante alguno de los cambios: x = a sen t o x = a cos t o x = th t.
Integrales del tipo
_
R(x,
_
a
2
+x
2
)dx
Se resuelven mediante alguno de los cambios: x = a tg t o x = a sh t.
Integrales del tipo
_
R(x,
_
x
2
a
2
)dx
Se resuelven mediante alguno de los cambios: x = a sec t o x = a ch t.
Ejemplo Encontrar
_

1 x
2
dx.
Solucion Con el cambio x = sen t, dx = cos tdt. Entonces
_
_
1 x
2
dx =
_
_
1 sen
2
t cos tdt =
_

cos
2
t cos tdt =
_
cos
2
tdt
=
1
2
_
(1 cos 2t)dt =
t
2

sen 2t
4
=
arcsen x
2

sen(2 arcsen x)
4
+C
12.3.4.1 Integrales binomias

Las integrales binomias, son de la forma
_
x
p
(a +bx
q
)
r
dx, con p, q, r Q.
Chebichev probo que es posible racionalizar la integral binomia cuando es entero uno de los tres n umeros
siguientes: r,
p+1
q
,
p+1
q
+r.
Si r IN, entonces se desarrolla (a +bx
q
)
r
seg un el binomio de Newton.
Si r / IN, haremos el cambio: t = x
q
= dx =
1
q
t
1q
q
dt, por tanto
_
x
p
(a +b
q
)
r
dx =
1
q
_
t
p+1
q
1
(a +bt)
r
dt.
Si r ZZ, con r negativo, la integral siempre se va a poder convertir en una racional con el cambio
u = t
1
s
siendo s IN el denominador de la fraccion irreducible
m
s
=
p+1
q
1.
Si r / ZZ, pero
p+1
q
ZZ, la integral se ha convertido en un tipo ya estudiado. Si no
1
q
_
t
p+1
q
1
(a +bt)
r
dt =
1
q
_
t
p+1
q
1+r
_
a +bt
t
_
r
dt,
con lo que si
p+1
q
+r Z la integral se ha convertido de nuevo en una del tipo anterior.
140 Matematicas I : Calculo integral en IR 12.4 Ejercicios
Ejemplo Hallar
_
x
1
2
(1 +x
1
3
)
1
2
dx.
Solucion Como r =
1
2
/ IN, hacemos el cambio t = x
q
= x
1
3
, luego x = t
3
y dx = 3t
2
dt. Entonces
_
x
1
2
(1 +x
1
3
)
1
2
dx =
_
t
3
2
(1 +t)
1
2
3t
2
dt =
_
3t
7
2
(1 +t)
1
2
dt
Como
7
2
/ ZZ, multiplicamos y dividimos por t
1
2
, obteniendo
_
3t
7
2
(1 +t)
1
2
dt = 3
_
t
7
2
1
2
_
1 +t
t
_
1
2
dt = 3
_
t
3
_
t
1 +t
_1
2
dt =
_
u
2
=
t
1+t
_
_
t =
u
2
1u
2
dt =
2udu
(1u
2
)
2
_
= 3
_
u
6
(1 u
2
)
3
u
2udu
(1 u
2
)
2
= 6
_
u
8
(1 u
2
)
5
du = 6
_
u
8
(1 u)
5
(1 +u)
5
du
que es una integral racional en u. Se resuelve, y teniendo en cuenta que u =
_
t
1+t
=
_
x
1
3
1+x
1
3
se obtiene el
resultado buscado.
12.4 Ejercicios
Encontrar la expresion de las siguientes integrales indenidas:
1)
_
tg
2
xdx 2)
_
x(3x
2
+ 1)
4
dx 3)
_
6x
2
+4
x
3
+2x+7
dx
4)
_
e
sen x
cos xdx 5)
_
x
1+x
4
dx 6)
_
x(2x + 5)
10
dx
7)
_

1 x
2
dx 8)
_
1+x
1+
x
dx 9)
_
dx
x
x
2
2
10)
_
dx
e
x
1
11)
_
ln(2x)
x ln(4x)
dx 12)
_
ln
2
xdx
13)
_
xsen xdx 14)
_
arctg xdx 15)
_
x
3
+x1
(x
2
+2)
2
dx
16)
_
x
4
6x
3
+12x
2
+6
x
3
6x
2
+12x8
dx 17)
_
dx
(x+1)(x
2
+x+2)
2
18)
_
x
x
6
+1
dx
19)
_
dx
(x+1)
2
(x
2
+1)
2
20)
_
x
8
(1x
2
)
5
dx 21)
_
2x+1
(x
2
+4)
3
dx
22)
_
cos xcos
2
(3x)dx 23)
_
cos
x
2
cos
x
3
dx 24)
_
tg
2
(5x)dx
25)
_
_
tg
3 x
4
+ tg
4 x
4
_
dx 26)
_
sen
5
xdx 27)
_
sen
3 x
2
cos
5 x
2
dx
28)
_
cos
5
x
sen
3
x
dx 29)
_
cos
6
(3x)dx 30)
_
sen
4
xdx
31)
_
dx
cos
6
x
32)
_
cos
2
x
sen
6
x
dx 33)
_
dx
1+3 cos
2
x
34)
_
3 sen x+2 cos x
2 sen x+3 cos x
dx 35)
_
dx
cos x+2 sen x+3
36)
_
dx
e
x
+1
37)
_
ch
4
xdx 38)
_
sh
3
xch xdx 39)
_
dx
sh
2
x+ch
2
x
40)
_

x+1+2
(x+1)
2
x+1
dx 41)
_
x
_
x1
x+1
dx 42)
_
dx
(2x)
1x
43)
_
dx
x+
3
x
44)
_
dx
x
x
2
+4x4
45)
_
x
x
2
x2
dx
46)
_
dx
(x2)
5xx
2
4
47)
_
x
4
(1 +x
2
)
1
2
dx 48)
_
2x
3
1+x
3
dx.
Tema 13
Integral de Riemann
13.1 Sumas inferiores y superiores
13.1.1 Particiones de un intervalo
Denicion 261.- Se llama particion de un intervalo cerrado [a, b] a cualquier conjunto nito de puntos P =
x
0
, x
1
, . . . , x
n
tales que a = x
0
< x
1
< < x
n
= b. Una particion divide al intervalo como union de
intervalos mas peque nos, es decir,
[a, b] = [a, x
1
] [x
1
, x
2
] [x
n2
, x
n1
] [x
n1
, b] =
n
i=1
[x
i1
, x
i
]
La longitud de estos subintervalos se denomina incremento de x
i
y se representa por x
i
= x
i
x
i1
.
Denotaremos por T[a, b] al conjunto de todas las particiones del intervalo cerrado [a, b] . Considerando en el
conjunto la relacion de orden de inclusion, diremos que P
2
es mas na que P
1
, si P
1
P
2
.
Como P
2
tiene todos los puntos de P
1
y quizas alguno mas, cada subintervalo obtenido con P
2
esta
contenido en alguno de los dados por P
1
, es decir, la particion dada por P
2
es mas na que la dada por P
1
.
Ejemplo Sea [0, 1] , entonces P =
_
0,
1
4
,
2
4
,
3
4
, 1
_
es una particion de [0, 1] , que parte el intervalo en 4
trozos [0, 1] = [0,
1
4
] [
1
4
,
2
4
] [
2
4
,
3
4
] [
3
4
, 1] , de igual longitud x
i
=
1
4
, para i = 1, 2, 3, 4.
La particion P
1
=
_
0,
1
4
,
1
3
,
2
4
,
3
4
, 1
_
es mas na que P y la particion P
2
=
_
0,
2
4
, 1
_
es menos na que la
particion P . Es decir, P
2
P P
1
.
Sea [a, b] , entonces la particion P =
_
a, a +
ba
n
, a +
2(ba)
n
, . . . , a +
(n1)(ba)
n
, b
_
divide al intervalo [a, b]
en n subintervalos de longitud
ba
n
: [a, b] =
n
k=1
_
a +
(k1)(ba)
n
, a +
k(ba)
n
_
.
13.1.2 Sumas inferiores y superiores

Denicion 262.- Sea f: [a, b] IR una funcion acotada y P T[a, b] . En cada subintervalo [x
i1
, x
i
] ,
considemos el inferior y el superior de f en el:
m
i
= inff(x) : x
i1
x x
i
M
i
= supf(x) : x [x
i1
, x
i
].
Llamarenos suma inferior de f para la particion P al valor L(f, P) =
n
i=1
m
i
(x
i
x
i1
) =
n
i=1
m
i
x
i
y llamaremos suma superior de f para la particion P a U(f, P) =
n
i=1
M
i
(x
i
x
i1
) =
n
i=1
M
i
x
i
.
Si la funcion es positiva, gracamente las sumas inferiores
signican dar una cota por defecto del valor del area que
encierra la funcion con el eje de abcisas (es la suma de las
areas de los rectangulos de base x
i
y altura m
i
), y las
sumas superiores una cota por exceso del valor del area.
En la gura de la derecha, el valor de la suma inferior es el
area de la zona gris oscuro y el valor de la suma superior el
de dicha zona mas las areas de los rectangulos superiores.
Puede observarse como el area que encierra la curva esta
precisamente entre ambos valores.
a
b
m
M
142 Matematicas I : Calculo integral en IR 13.2 Integral de una funcion real de variable real
Ejemplo 263 Si tomamos f: [0, 1] IR donde f(x) = 2x, y la particion P =
_
0,
1
3
,
2
3
, 1
_
, se tiene que
[0, 1] = [0,
1
3
] [
1
3
,
2
3
] [
2
3
, 1] y que x
1
= x
2
= x
3
=
1
3
. Luego
m
1
= inf2x : x [0,
1
3
] = 0 M
1
= sup2x : x [0,
1
3
] =
2
3
m
2
= inf2x : x [
1
3
,
2
3
] =
2
3
M
2
= sup2x : x [
1
3
,
2
3
] =
4
3
m
3
= inf2x : x [
2
3
, 1] =
4
3
M
3
= sup2x : x [
2
3
, 1] = 2
L(f, P) = 0
1
3
+
2
3

1
3
+
4
3

1
3
=
2
3
U(f, P) =
2
3

1
3
+
4
3

1
3
+ 2
1
3
=
4
3
Como el area encerrada por la funcion es 1 (es el area de un triangulo de altura 2 y base 1), se verica que
L(f, P) =
2
3
1
4
3
= U(f, P).
Propiedades 264.- Sea f: [a, b] IR una funcion acotada.

a) Para toda P T[a, b] , se verica que L(f, P) U(f, P).
b) Para todas P
1
, P
2
T[a, b] con P
1
P
2
, se verica que
L(f, P
1
) L(f, P
2
) y U(f, P
2
) U(f, P
1
).
c) Para cualesquiera P, Q T[a, b] , se verica que L(f, P) U(f, Q).

Corolario 265.- Sean f: [a, b] IR una funcion acotada y P
0
T[a, b] . Entonces, para toda P T[a, b] con
P
0
P , se verica que
0 U(f, P) L(f, P) U(f, P
0
) L(f, P
0
).
Demostracion:
Usando las propiedades b) y a) anteriores, se tiene la cadena de desigualdades
L(f, P
0
) L(f, P) U(f, P) U(f, P
0
),
entonces, restando entre si los elementos extremos y los centrales, se tiene
0 U(f, P) L(f, P) U(f, P
0
) L(f, P
0
).
13.2 Integral de una funcion real de variable real
Sea f: [a, b] IR una funcion acotada, los conjuntos de n umeros reales
A = L(f, P) : P T[a, b] y B = U(f, P) : P T[a, b]
son no vacos. Por la propiedad c) de 264, el conjunto A esta acotado superiormente (cualquier suma superior
es cota superior de A) y por tanto tiene extremo superior, que denotamos por I , y al que denominaremos
integral inferior de f en [a, b] . Es decir,
I = sup A = sup
_
L(f, P) : P T[a, b]
_
.
Analogamente el conjunto B esta acotado inferiormente (cualquier suma inferior es cota inferior de B) y por
tanto tiene extremo inferior, que denotamos por I , y al que denominaremos integral superior de f en [a, b] .
Es decir,
I = inf B = inf
_
U(f, P) : P T[a, b]
_
.
Como cualquier elemento de A es menor o igual que cualquier elemento de B, se tiene que I I .
Denicion 266.- Sea f: [a, b] IR una funcion acotada. Se dice que f es integrable si y solo si I = I .
El valor I = I = I , se denomina integral de Riemann de la funcion f en [a, b] , y se representa por
I =
_
b
a
f o I =
_
b
a
f(x) dx (si se quiere poner enfasis en la variable usada)
Teorema 267.- (Condicion de integrabilidad de Riemann)
Una funcion f: [a, b] IR acotada es integrable Riemann si, y solo si, para todo > 0 existe una particion
P
T[a, b] tal que

U(f, P
) L(f, P
) < .
Demostracion:
= Sea f integrable Riemann y sea > 0. Como I = I es el inferior de las sumas superiores y I = I es el
superior de las sumas inferiores, existe una particion P
1
y existe una particion P
2
, tales que
U(f, P
1
) I <

2
y I L(f, P
2
) <

2
.
Tomando P
= P
1
P
2
, se tiene que P
1
P
y P
2
P
y, por tanto,
U(f, P
) U(f, P
1
) y L(f, P
2
) L(f, P
).
Luego
U(f, P
) I U(f, P
1
) I <

2
y I L(f, P
) I L(f, P
2
) <

2
,
y sumando ambas desigualdades U(f, P
) L(f, P
) < .
= Recprocamente, supongamos que para cualquier > 0 existe una particion P
T[a, b] tal que

U(f, P
) L(f, P
) < . Sabemos tambien que

I U(f, P
) y L(f, P
) I ,
restando entonces ambas expresiones obtenemos
0 I I U(f, P
) L(f, P
) < ,
luego I = I .
Propiedades 268.- Sean f, g: [a, b] IR integrables en [a, b] , IR y a < c < b. Entonces
1.- f +g es integrable en [a, b] y
_
b
a
(f +g) =
_
b
a
f +
_
b
a
g.
2.- f es integrable en [a, b] y
_
b
a
f =
_
b
a
f .
3.- f integrable en [a, b] si, y solo si, f es integrable en [a, c] y [c, b] .
En ese caso,
_
b
a
f =
_
c
a
f +
_
b
c
f .

Denicion 269.- Por convenio,
_
a
a
f(x) dx = 0;
_
a
b
f(x) dx =
_
b
a
f(x) dx.
Como consecuencia de esta denicion la propiedad (3) puede generalizarse a cualquier c IR, siempre que
la funcion sea integrable en los intervalos correspondientes, es decir:
Proposicion 270.- Sea [a, b] IR y c IR. Entonces
_
b
a
f(x) dx =
_
c
a
f(x) dx +
_
b
c
f(x) dx,
siempre que las integrales existan (es decir, que f sea integrable en los intervalos correspondientes).
Demostracion:
Sea a b c (analogamente si c a b). Si f es integrable en [a, c] , por la propiedad (3),
_
c
a
f(x) dx =
_
b
a
f(x) dx +
_
c
b
f(x) dx,
luego
_
b
a
f(x) dx =
_
c
a
f(x) dx
_
c
b
f(x) dx =
_
c
a
f(x) dx +
_
b
c
f(x) dx.
13.2.1 Sumas de Riemann
Denicion 271.- Sea f: [a, b] IR una funcion acotada. Para cada particion P T[a, b] elijamos un
conjunto E = e
1
, e
2
, . . . , e
n
tal que e
i
[x
i1
, x
i
] para todo i = 1, . . . , n. Se llama suma de Riemann de
la funcion f para la particion P y el conjunto E al n umero
S(f, P, E) =
n
i=1
f(e
i
)x
i
.
Observacion:
Es claro que para cualquier P y cualquier conjunto E elegido,
L(f, P) S(f, P, E) U(f, P),
pues, para todo i = 1, . . . , n, se verica que m
i
f(e
i
) M
i
para cualquier e
i
[x
i1
, x
i
] .
M
i
f(e
i
)
m
i
Fig. 13.1. Sumas de Riemann.
Lema 272.- Sean f: [a, b] IR acotada y P T[a, b] . Para cualquier > 0 es posible elegir dos conjuntos
E
1
y E
2
asociados a P de forma que
S(f, P, E
1
) L(f, P) < y U(f, P) S(f, P, E
2
) < .
Demostracion:
Probaremos solamente la primera ya que la segunda se prueba de forma analoga.
Sea > 0. Para cada i = 1, . . . , n, por ser m
i
= inff(x) : x [x
i1
, x
i
] existe e
i
[x
i1
, x
i
] tal que
f(e
i
) m
i
<

ba
, y sea E
1
el conjunto formado por estos e
i
. Entonces
S(f, P, E
1
) L(f, P) =
n
i=1
(f(e
i
) m
i
) x
i
<
n
i=1
b a
x
i
=

b a
n
i=1
x
i
= .
Proposicion 273.- Sea f: [a, b] IR una funcion acotada. Entonces f es integrable en [a, b] y el valor de
su integral es I si y solo si para cada > 0 existe P
T[a, b] tal que para toda P mas na, P
P , y
cualquier eleccion del conjunto E asociado a P se cumple que [S(f, P, E) I[ < .

13.2.2 Otras propiedades de la integral
Proposicion 274.- Sea f: [a, b] IR integrable en [a, b] y tal que f 0 en [a, b] , entonces
_
b
a
f 0.
Demostracion:
Es claro, pues para cualquier P T[a, b] se tiene que 0 L(f, P) I =
_
b
a
f .
Corolario 275.- Sean f y g integrables en [a, b] tales que f g en [a, b] . Entonces
_
b
a
f
_
b
a
g.
Demostracion:
Como 0 (g f), se tiene 0
_
b
a
(g f) =
_
b
a
g
_
b
a
f . Luego
_
b
a
f
_
b
a
g.
Proposicion 276.- Sea f integrable en [a, b] , entonces [f[ es integrable en [a, b] y se verica que
_
b
a
f(x) dx
_
b
a
[f(x)[ dx.

Corolario 277.- Sea f: [a, b] IR integrable en [a, b] . Para cualesquiera c, d [a, b] se verica que
_
d
c
f(x) dx
_
d
c
[f(x)[ dx
.
Demostracion:
En efecto, si c d es la proposicion 276. Si d c, se tiene
_
c
d
[f(x)[ dx
_
c
d
f(x) dx
_
c
d
[f(x)[ dx =
_
d
c
[f(x)[ dx
_
d
c
f(x) dx
_
d
c
[f(x)[ dx,
luego
_
d
c
f(x) dx
_
d
c
[f(x)[ dx
.
Proposicion 278.- Si f y g son integrables en [a, b] , entonces fg es integrable en [a, b] .

13.2.3 Algunas funciones integrables
Proposicion 279.- Sea f: [a, b] IR una funcion monotona. Entonces f es integrable en [a, b] .
Demostracion:
Supongamos que f es monotona creciente (analogo para decreciente). Entonces, para cualquier particion
P T[a, b] se tiene que m
i
= f(x
i1
) y M
i
= f(x
i
), para todo i = 1, 2, . . . , n. En particular, si P
n
es la
particion equiespaciada de [a, b] , con x
i
= a +i
ba
n
, es decir,
P
n
=
_
a, a +
ba
n
, a + 2
ba
n
, . . . , a + (n 1)
ba
n
, a +n
ba
n
= b
_
y x
i
=
ba
n
, para todo i, se tiene que
U(f, P
n
) L(f, P
n
) =
n
i=1
f(x
i
)x
i
i=1
f(x
i1
)x
i
=
n
i=1
_
f(x
i
) f(x
i1
)
_
b a
n
=
b a
n
n
i=1
_
f(x
i
) f(x
i1
)
_
=
b a
n
_
f(b) f(a)
_
.
Luego tomando n sucientemente grande para que
ba
n
<

f(b)f(a)
, entonces
U(f, P
n
) L(f, P
n
) =
b a
n
_
f(b) f(a)
_
<

f(b) f(a)
_
f(b) f(a)
_
= .
Teorema 280.- Sea f: [a, b] IR una funcion continua en [a, b] . Entonces f es integrable en [a, b] .
Teorema 281.- Sea f: [a, b] IR una funcion acotada en [a, b] y continua en [a, b] salvo acaso en una
cantidad numerable de puntos de dicho intervalo. Entonces f es integrable en [a, b] .
146 Matematicas I : Calculo integral en IR 13.3 Integracion y derivacion
13.3 Integracion y derivaci on
Teorema 282.- Sea f: [a, b] IR integrable en [a, b] , con a < b, y m f(x) M para todo x [a, b] .
Entonces
m
1
b a
_
b
a
f(x) dx M.
Demostracion:
Por ser m f(x) M para todo x [a, b] , se tiene que
_
b
a
mdx
_
b
a
f(x) dx
_
b
a
M dx,
entonces (ver ejercicio 13.166) m(b a)
_
b
a
f(x) dx M(b a), luego
m
1
b a
_
b
a
f(x) dx M.
Nota: Como
1
ba
_
b
a
f(x) dx =
1
ab
_
a
b
f(x) dx, tambien es cierto que m
1
ab
_
a
b
f(x) dx M.
Teorema de la media 283.- Sea f: [a, b] IR una funcion continua en [a, b] , entonces existe [a, b] tal
que
_
b
a
f(x) dx = f()(b a).
Demostracion:
Al ser f continua en [a, b] , alcanzara el mnimo y el maximo en [a, b] . Sean estos m y M respectivamente.
Por el teorema anterior 282, m
1
ba
_
b
a
f(x) dx M y, por ser f continua, toma todos los valores entre el
mnimo y el maximo; por consiguiente, existe [a, b] tal que f() =
1
ba
_
b
a
f(x) dx.
Denicion 284.- Sea f: [a, b] IR integrable en [a, b] . La funcion F: [a, b] IR denida de la forma
F(x) =
_
x
a
f(t) dt recibe el nombre de funci on integral de la funcion f .
Teorema 285.- Sea f: [a, b] IR integrable en [a, b] . Entonces su funcion integral es continua en [a, b] .
Demostracion:
Como f esta acotada en [a, b] , existe M IR tal que [f(x)[ M, para todo x [a, b] .
Sea entonces x [a, b] , la funcion F estara denida en todos los puntos de la forma x + h siempre que
a < x +h < b, luego
F(x +h) F(x) =
_
x+h
a
f(t) dt
_
x
a
f(t) dt =
_
x+h
x
f(t) dt.
Como M f(x) M para todo x [a, b] , por el teorema 282 y la observacion posterior, se tiene que
M
1
h
_
x+h
x
f(t) dt M,
y, por tanto,
[F(x +h) F(x)[ = [h[
1
h
_
x+h
x
f(t) dt
M[h[ .
Tomando lmites, cuando h 0,
lm
h0
_
F(x +h) F(x)
_
= 0. 13.1)
147 Matematicas I : Calculo integral en IR 13.3 Integracion y derivacion
y, por tanto, F es continua en [a, b] .
Teorema fundamental del calculo 286.- Sea f: [a, b] IR integrable y F(x) =
_
x
a
f(t) dt su funcion inte-
gral. Si f es continua en [a, b] , entonces
a) F es derivable en [a, b] .
b) F
(x) = f(x), para todo x [a, b] .

Demostracion:
Sea x (a, b). La funcion F estara denida en todos los puntos de la forma x +h siempre que a < x +h < b,
entonces
lm
h0
F(x +h) F(x)
h
= lm
h0
_
x+h
x
f(t) dt
h
= lm
h0
f()h
h
= lm
h0
f() = f(x),
ya que, por el teorema de la media 283, es un punto comprendido entre x y x +h; y f es continua en [a, b] .
As pues F es derivable para todo x (a, b) y F
(x) = f(x).
Como F y f son continuas en [a, b] , F es derivable por la derecha en a y por la izquierda en b,
vericandose que F
(a) = f(a) y F
(b) = f(b).
Regla de Barrow 287.- Sea f: [a, b] IR integrable en [a, b] . Si G: [a, b] IR es una primitiva de f en
[a, b] , entonces
_
b
a
f(x) dx = G(b) G(a).
Demostracion:
Sea > 0. Por ser f integrable en [a, b] existe P
T[a, b] , tal que U(f, P
) L(f, P
) < . Aplicando el
teorema del valor medio de Lagrange a la funcion G, para cada i = 1, 2, . . . , n existe e
i
(x
i1
, x
i
) tal que
G(x
i
) G(x
i1
) = G
(e
i
)(x
i
x
i1
) = f(e
i
)(x
i
x
i1
).
Puesto que m
i
= inff(x) : x
i1
x x
i
y M
i
= supf(x) : x
i1
x x
i
, se tiene que
m
i
f(e
i
) M
i
,
de donde
m
i
(x
i
x
i1
) f(e
i
)(x
i
x
i1
) M
i
(x
i
x
i1
)
m
i
(x
i
x
i1
) G(x
i
) G(x
i1
) M
i
(x
i
x
i1
)
n
i=1
m
i
x
i

n
i=1
_
G(x
i
) G(x
i1
)
_
i=1
M
i
x
i
L(f, P
) G(b) G(a) U(f, P
).
Como tambien es L(f, P
)
_
b
a
f(x) dx U(f, P
), se verica que
_
b
a
f(x) dx
_
G(b) G(a)
_
<
y, por tanto,
_
b
a
f(x) dx = G(b) G(a).
Teorema del Cambio de variable 288.- Sean f: [a, b] IR continua en [a, b] y x = (t) siendo (t) y
(t)
funciones continuas en [, ] (o [, ] ), con () = a y () = b. Entonces:
_
b
a
f(x) dx =
_

f((t))
(t) dt.
Demostracion:
f((t))
(t) es tambien continua, luego las funciones

F(x) =
_
x
a
f(u) du y G(t) =
_
t
f((v))
(v) dv
son respectivamente primitivas de f(x) y f((t))
(t).
Ahora bien, como F es una primitiva de f , F((t)) es tambien una primitiva de f((t))
(t), luego
F((t)) = G(t) +C, para todo t [, ] .
Para t = se tiene F(()) = G() +C, y como F(()) = F(a) = 0 y G() = 0, entonces C = 0.
Y para t = se tiene F(()) = G(), es decir,
_
b
a
f(x) dx =
_

f((t))
(t) dt.
13.4 Ejercicios
13.166 Comprobar que la funcion f(x) = k, donde k es constante, es integrable en cualquier intervalo [a, b] de
IR y calcular el valor de la integral.
13.167 Comprobar que la funcion f(x) =
_
1, si x [0, 1]
2, si x (1, 2]
es integrable Riemann en [0, 2] . (Utilizar la condicion
de integrabilidad de Riemann.)
13.168 Justicar razonadamente la falsedad de las siguientes armaciones:
a) U(f, P
1
) = 4 para P
1
= 0, 1,
3
2
, 2 y U(f, P
2
) = 5 para P
2
= 0,
1
4
, 1,
3
2
, 2.
b) L(f, P
1
) = 5 para P
1
= 0, 1,
3
2
, 2 y L(f, P
2
) = 4 para P
2
= 0,
1
4
, 1,
3
2
, 2.
c) Tomando P T[1, 1] ,
(i) L(f, P) = 3 y U(f, P) = 2.
(ii) L(f, P) = 3 y U(f, P) = 6 y
_
1
1
f(x) dx = 2.
(iii) L(f, P) = 3 y U(f, P) = 6 y
_
1
1
f(x) dx = 10.
13.169 Se sabe que
_
1
0
f(x) dx = 6,
_
2
0
f(x) dx = 4 y
_
5
2
f(x) dx = 1. Hallar el valor de cada una de las
siguientes integrales:
a)
_
5
0
f(x) dx b)
_
2
1
f(x) dx c)
_
5
1
f(x) dx.
13.170 Sean f derivable y F(x) =
_
x
a
f(t) dt. Es cierto que F
(x) =
_
x
a
f
(t) dt? Por que?

13.171 Sea f(x) =
_
x
a
1
1+sen
2
t
dt. Calcular f(x) y f
(x), indicando sus dominios de denicion.

13.172 Hallar f
(x), indicando su dominio de denicion, para

a) f(x) =
_
x
3
a
1
1+sen
2
t
dt. b) f(x) =
__
x
a
1
1+sen
2
t
dt
_
3
.
c) f(x) =
_
sen x
a
1
1+sen
2
t
dt. d) f(x) =
_
__
x
a
1
1+sen
2
t
dt
_
a
1
1+sen
2
t
dt.
13.173 Hallar el dominio y la expresion de f
(x) para cada una de las siguientes funciones:

a) f(x) =
_
47
1
x
1
t
dt b) f(x) =
_
sec x
x
2
1
t
dt c) f(x) =
_
cos x
x
3
sen(t
2
) dt
13.174 Si f es continua, calcular F
(x), siendo F(x) =

_
x
0
xf(t) dt.
13.175 Probar que si f: IR IR es continua y periodica de periodo T , entonces
_
a+T
a
f(x) dx =
_
T
0
f(x) dx a IR.
13.176 Demostrar que si f: IR IR es continua, entonces
_
x
0
(x u)f(u) du =
_
x
0
__
u
0
f(t) dt
_
du.
13.177 Demostrar que se verica la igualdad
_
b
a
f(x) dx =
_
b
a
f(a +b x) dx.
Como consecuencia, probar que si f(a +b x) = f(x), entonces
_
b
a
xf(x) dx =
a +b
2
_
b
a
f(x) dx,
y usar este resultado para calcular
_ 3
4
4
xsen xdx.
13.178 Sea f: IR IR estrictamente creciente y continua, con f(0) = 0. Calcular los extremos de la funcion
_
(x+3)(x1)
0
f(t) dt.
13.179 Dada la funcion f estrictamente creciente en IR, con f(0) = 0, y continua, estudiar el crecimiento,
decrecimiento y los extremos de F(x) =
_
x
3
2x
2
+x
1
f(t) dt.
13.180 Encontrar los valores de x para los que la funcion F(x) =
_
x
0
te
t
2
dt alcanza alg un extremo.
13.181 Sea f: [a, b] IR de clase 1, tal que f(a) = f(b) = 0 y
_
b
a
f
2
(x) dx = 1. Probar que
_
b
a
xf(x)f
(x) dx =
1
2
.
13.182 Sean f y g funciones reales continuas en [a, b] que verican que
_
b
a
f(x) dx =
_
b
a
g(x) dx.
Demostrar que existe un punto c [a, b] tal que f(c) = g(c).
13.183 Se dene la funcion beta por B(n, m) =
_
1
0
x
n1
(1 x)
m1
dx para n, m IN, n, m > 0.
a) Probar que B(n, m) = B(m, n).
b) Probar que B(n, 1) = B(1, n) =
n! 1!
(n + 1)!
.
c) Probar que si n, m 2, B(n, m) =
n1
m
B(n1, m+1) =
m1
n
B(n+1, m1) y deducir de ello que
B(n, m) =
n! m!
(n +m)!
.
Tema 14
Aplicaciones de la integral
14.1

Areas de supercies planas
14.1.1 Funciones dadas de forma explcita
A la vista del estudio de la integral denida realizado en el Tema 13, parece razonable la siguiente denicion:
Denicion 289.- Sea f: [a, b] IR una funcion continua y positiva, y consideremos la region R del plano
cuya frontera viene dada por las rectas x = a, x = b, el eje de abcisas y la graca de f (ver gura debajo).
Entonces el area de la region R esta denida por
/(R) =
_
b
a
f(x) dx.
En efecto, en su momento hemos comentado como las sumas inferio-
res y sumas superiores nos ofrecen aproximaciones por defecto y
por exceso del area encerrado por la curva y = f(x), es decir, el
valor de ese area esta siempre entre el area calculado por defectoo y
el calculado por exceso. Entonces, cuando la funcion es integrable,
el inferior de las cotas superiores y el superior de las cotas inferiores
coinciden, y como el valor del area indicado por la funcion esta en-
tre ambos valores, necesariamente debe conincidir con el valor de la
integral.
R
y = f(x)
a b
Ejemplo Calcular el area de la region limitada por la curva f(x) =
x
2
3
+ 1, los ejes coordenados y la recta
x = 3.
Solucion:
La funcion es positiva en todo IR. En particular, lo es en el dominio de
integracion y, por tanto, el valor del area que buscamos vendra dado por
/(R) =
_
3
0
f(x) dx.
En nuestro caso, como F(x) =
x
3
9
+ x es una primitiva de f en [0, 3] ,
basta aplicar la regla de Barrow para obtener que
R
f(x)=
x
2
3
+1
x=3
1
/(R) =
_
3
0
_
x
2
3
+ 1
_
dx =
_
x
3
9
+x
__
3
0
= (3 + 3) (0 + 0) = 6,
nos ofrece el area del recinto R de la gura.
14.1.1.1 Funciones negativas

R
R
y = f(x)
y = f(x)
a b
Cuando la funcion f: [a, b] IR que limita R, es continua y nega-
tiva, es decir, f(x) 0 para todo x [a, b] , el valor de la integral sera
_
b
a
f(x) dx 0, por lo que no puede representar el valor del area de R
como magnitud de medida positiva. Sin embargo, es claro que el area
de la region R coincide con el area de la region R
determinada por la
funcion f (ver gura a la izquierda), por lo que, teniendo en cuenta
las propiedades de la integral, puede darse la siguiente denicion.
151 Matematicas I : Calculo integral en IR 14.1

Areas de supercies planas
Denicion 290.- Sea f: [a, b] IR una funcion continua y negativa. Consideremos la region R del plano
cuya frontera viene dada por las rectas x = a, x = b, el eje de abcisas y la graca de f . Entonces el area de
la region R esta denida por
/(R) =
_
b
a
f(x) dx =
_
b
a
f(x) dx.
Observacion 291.- Es claro entonces, que para calcular el area de regiones planas debe analizarse el signo de
la funcion en el intervalo de integracion. De no hacerlo as, la parte negativa de la funcion restara el area
que encierra del area encerrado por la parte positiva.
Contraejemplo.- Hallar el area encerrado por la funcion f(x) = sen x, en el intervalo [0, 2] .
El valor
_
2
0
sen xdx = cos x
_
2
0
= (cos(2)) (cos 0) = 0, es claro que no representa el area
encerrada por la curva.
2
R
1
R
2
Ahora bien, teniendo en cuenta que la funcion senx es positiva en [0, ] y negativa en [, 2] , el valor real del
area encerrado sera por tanto
/(R) =/(R
1
) +/(R
2
) =
_

0
sen xdx +
_
2
sen xdx = cos x

_
0
+ cos x
_
2
= 2 + 2 = 4.
Ejemplo Hallar el area determinada por la curva f(x) = (x1)(x2),

las rectas x = 0, x =
5
2
y el eje de abcisas.
Como la funcion f(x) es menor o igual a cero en [1, 2] y positiva en el
resto, se tendra que
/(R) =
_
1
0
f(x) dx
_
2
1
f(x) dx +
_ 5
2
2
f(x) dx.
Como G(x) =
x
3
3

3x
2
2
+ 2x es una primitiva de f(x) en [0,
5
2
] ,
/(R) =
_
G(1) G(0)
_
_
G(2) G(1)
_
+
_
G
_
5
2
_
G(2)
_
=
5 4 + 5 + 5 4
6
=
7
6
.
1 2 2.5
2
1 2 2.5
2
R
1
R
2
R
3
f(x)=(x1)(x2)
14.1.1.2

Area entre dos funciones
En las deniciones anteriores puede considerarse, que el area calculado esta encerrado por la funcion y = f(x)
y la funcion y = 0, cuando la f es positiva, y por la funcion y = 0 y la funcion y = f(x), cuando la f es
negativa. En ambos casos, se tiene que
/(R) =
_
b
a
f(x) dx
_
b
a
0 dx =
_
b
a
(f(x) 0) dx y /(R) =
_
b
a
0 dx
_
b
a
f(x) dx =
_
b
a
(0 f(x)) dx,
es decir, que el area encerrado por ambas funciones es la integral de la funcion mayor menos la integral de la
funcion menor. En general, se tiene que:
Proposicion 292.- Si f, g: [a, b] IR son funciones continuas, con f(x) g(x) para todo x [a, b] . Enton-
ces, si R es la region del plano cuya frontera viene dada por las rectas x = a, x = b, el eje de abcisas y las
gracas de f y g, el area de R se obtiene como
/(R) =
_
b
a
f(x) dx
_
b
a
g(x) dx =
_
b
a
_
f(x) g(x)
_
dx.
152 Matematicas I : Calculo integral en IR 14.2 Vol umenes de cuerpos solidos
En efecto, si las funciones verican que 0 g(x) f(x), es claro que el area encerrado por f y g es el area
encerrado por f menos el area encerrado por g (ver gura siguiente), es decir,
/(R
fg
) = /(R
f
) /(R
g
) =
_
b
a
f(x) dx
_
b
a
g(x) dx.
Si alguna de ellas toma valores negativos, el area entre ambas, R, es el mismo
que si le sumamos a cada funcion una constante k que las haga positivas y,
por tanto, el area R es el area R
encerrado por f +k menos el area encerrado

por g +k (ver gura), es decir,
/(R
fg
) =/(R
f+k
) /(R
g+k
) =
_
b
a
(f(x) +k) dx
_
b
a
(g(x) +k) dx
=
_
b
a
f(x) dx +
_
b
a
k dx
_
b
a
g(x) dx
_
b
a
k dx
=
_
b
a
f(x) dx
_
b
a
g(x) dx.
R
y = f(x)
y = g(x)
a b
R
y = f(x)+k
y = g(x)+k
Observacion 293.- De forma analoga, si la region esta limitada por funciones x = f(y), x = g(y) y las rectas
y = c e y = d, siendo g(y) f(y) para todo y [c, d] , el area de la region puede encontrarse mediante la
formula
/(R) =
_
d
c
_
f(y) g(y)
_
dy.
Ejemplo Calcular el area de la region acotada comprendida entre las parabolas de ecuaciones y
2
+ 8x = 16
e y
2
24x = 48.
Las parabolas pueden escribirse como funciones de y, de la forma
x = g(y) =
16 y
2
8
y x = f(y) =
y
2
48
24
Los puntos de corte de ambas parabolas son las soluciones de la ecuacion
16 y
2
8
=
y
2
48
24
= y =
24.
Como en el intervalo [
24,
24] es f(y) g(y), se tiene que

/(R) =
_
24
24
16y
2
8
dy
_
24
24
y
2
48
24
dy =
_
24
24
_
4
y
2
6
_
dy
=
_
4y
y
3
18
__
24
24
=
16
3
24.
24
24
x=g(y)
x=f(y)
14.2 Vol umenes de cuerpos solidos
Trataremos ahora de calcular el volumen de un solido S. Para
ello supongamos que esta colocado en los ejes coordenados de IR
3
y que los extremos del solido en la direccion del eje de abcisas
se toman en los valores x = a y x = b. Consideremos para
cada x [a, b] que /(x) representa el area de la interseccion
del cuerpo con un plano perpendicular al eje de abcisas (ver
gura).
Entonces, para cada particion P = a = x
0
, x
1
, ..., x
n
= b del
intervalo [a, b] , consideremos
m
i
= inf/(x) : x
1
x x
i1
M
i
= sup/(x) : x
1
x x
i1
x=x
1
x=x
2
x=x
3
A(x
1
)
A(x
2
)
A(x
3
)
a
b
S
153 Matematicas I : Calculo integral en IR 14.2 Vol umenes de cuerpos solidos
el inferior y el superior de los valores de las areas /(x) de las secciones del solido entre x
i1
y x
i
.
Denimos suma superior e inferior asociadas al solido S y la particion P en la forma
U(A, P) =
n
i=1
M
i
x
i
y L(A, P) =
n
i=1
m
i
x
i
,
donde cada termino de las sumas representa el volumen de un cuerpo con area de la base m
i
o M
i
y altura
x
i
x
i1
= x
i
.
Fig. 14.1. Vol umenes por exceso y por defecto.
Por tanto, ambas sumas corresponden a volumenes que aproximan por exceso y por defecto, respectivamente,
al verdadero volumen de S (g 14.1).
Considerando todas las particiones de [a, b] y razonando de forma analoga a como se hizo en el Tema 13,
para la construccion de la integral de Riemann, estamos en condiciones de dar la siguiente denicion:
Denicion 294.- Sea S un solido acotado comprendido entre los planos x = a y x = b. Para cada x [a, b] ,
sea /(x) el area de la seccion que produce sobre S el plano perpendicular al eje de abcisas en el punto x. Si
/(x) es continua en [a, b] denimos el volumen de S como
1(S) =
_
b
a
/(x) dx.
Nota: Podemos dar deniciones analogas si tomamos secciones perpendiculares al eje y o al eje z .
Ejemplo Hallar el volumen del solido S =
_
(x, y, z) IR
3
: x, y, z 0; x +y +z 1
_
.
El solido S es la parte del primer octante limitada por el plano x+y+z = 1, es decir, el tetraedro (piramide
de base triangular) cuyas caras son los planos coordenados y el plano x +y +z = 1.
Las secciones formadas por planos perpendiculares al eje x son
triangulos y su area, para cada x, es /(x) =
base(x)altura(x)
2
.
Para cada x de [0, 1] , la base del triangulo es la coordenada y de
la recta interseccion de los planos
_
x +y +z = 1
z = 0
, luego base(x) =
y = 1 x. La altura es la coordenada z de la recta interseccion de
los planos
_
x +y +z = 1
y = 0
, luego altura(x) = z = 1 x. Por tanto,
/(x) =
(1x)(1x)
2
y
V (S) =
_
1
0
/(x) dx =
_
1
0
(1 x)
2
2
dx =
_
(1 x)
3
6
__
1
0
=
1
6

z =1x
A(x)
y=1x
1
1
1
14.2.1 Vol umenes de revolucion
Un caso particular de gran importancia de la denicion anterior es el de los s olidos de revoluci on, es decir,
solidos generados al girar respecto a un eje.
Supongamos dada una funcion f: [a, b] IR y consideremos la region limitada por la curva y = f(x) el
eje de abcisas y las rectas x = a y x = b (como e la gura inical del tema). Una rotacion completa de esta
alrededor del eje de abcisas produce un solido S para el cual, cada seccion es un crculo de radio f(x) (o [f(x)[
si la funcion es negativa, ver la gura anexa al ejemplo siguiente de la esfera) y por tanto, su area sera
/(x) = f
2
(x).
154 Matematicas I : Calculo integral en IR 14.3 Otras aplicaciones
En consecuencia, el volumen se obtendra de
V (S) =
_
b
a
f
2
(x) dx =
_
b
a
f
2
(x) dx.
Ejemplo Hallar el volumen de la esfera x
2
+y
2
+z
2
4.
La esfera es claramente un solido de revolucion, pues si gira-
mos el crculo maximo se genera una esfera. De hecho, basta
girar el crculo maximo media vuelta para conseguirla, o dar
una vuelta completa a uno de los semicrculos.
Como el circulo maximo, interseccion de la esfera con el plano
y = 0, tiene por ecuacion (en el plano xz ) a x
2
+z
2
= 4, ob-
tenemos la esfera al girar una rotacion completa la supercie
encerrada por la semicircunferencia superior, z =
4 x
2
.
Para cada x [2, 2] , el area de la seccion generada es
/(x) = (
4 x
2
)
2
= (4 x
2
), con lo que el volumen
sera
V (S) =
_
2
2
(4 x
2
) dx =
_
4x
x
3
3
__
2
2
=
32
3
=
4
3
2
3
,
como ya sabamos.
Observaciones 295.- Analogamente, si tenemos una funcion x = f(y) y hacemos rotar su graca alre-
dedor del eje de ordenadas, el volumen del solido sera
V (S) =
_
d
c
f
2
(y) dy.
donde c y d son los extremos de variacion de y.
En el caso mas general, los vol umenes de los cuerpos engendrados por la rotacion de una gura limitada
por las curvas continuas y = f(x), y = g(x) (donde 0 g(x) f(x) o f(x) g(x) 0) y por las
rectas x = a e x = b alrededor del eje de abcisas es
V (S) =
_
b
a
f
2
(x) dx
_
b
a
g
2
(x) dx =
_
b
a
_
f
2
(x) g
2
(x)
_
dx.
Nota: Si sucede que g(x) 0 f(x), al girar alrededor del eje de abcisas la supercie comprendida entre
las gracas, debe tenerse en cuenta unicamente la supercie (por encima o por debajo del eje de giro) de
mayor radio de giro, pues el volumen que engendra al girar la parte mayor contiene al volumen engendrado
por la parte menor. Es decir, si [g(x)[ [f(x)[ se gira solo la parte superior y si [g(x)[ [f(x)[ se gira
unicamente la parte inferior.
14.3 Otras aplicaciones
14.3.1 Longitudes de arcos
La integral denida se puede usar tambien para encontrar la longitud de una curva dada por la graca de una
funcion f(x) derivable y con derivada continua en [a, b] .
Denicion 296.- Sea f: [a, b] IR derivable y con derivada continua en [a, b] , entonces la longitud L de de
la graca de f , esta dada por
L =
_
b
a
_
1 + (f
(x))
2
dx.
Sin una justicacion completa, esta denicion se obtiene de lo siguiente: sea P = a = x
0
, x
1
, ..., x
n
= b
una particion del intervalo [a, b] y denotemos por P
x
i
= (x
i
, f(x
i
)) al punto correspondiente de la graca de f ,
entonces la longitud la lnea poligonal, L(Q
P
), formada por los n segmentos rectilineos, P
x
i1
P
x
i
, que unen
155 Matematicas I : Calculo integral en IR 14.3 Otras aplicaciones
P
x
0
P
x
i1
P
x
i
P
x
n
a b
Fig. 14.2.
los puntos consecutivos de la graca es una aproximacion por defecto (la recta es mas corta que el arco, ver
gura aneja) de la longitud de la curva, L(f). Es decir,
L(Q
P
) =
n
i=1
L
_
P
x
i1
P
x
i
_
=
n
i=1
_
(x
i
x
i1
)
2
+
_
f(x
i
) f(x
i1
)
_
2
L(f)
Por el teorema del valor medio de Lagrange, en cada subintervalo [x
i1
, x
i
] existe un e
i
(x
i1
, x
i
) tal que
f(x
i
) f(x
i1
) = f
(e
i
)(x
i
x
i1
), luego
L(Q
P
) =
n
i=1
_
(x
i
x
i1
)
2
+
_
f
(e
i
)(x
i
x
i1
)
_
2
=
n
i=1
_
1 +
_
f
(e
i
)
_
2
(x
i
x
i1
) 14.1)
Para particiones mas nas P P
1
P
2
se verica que L(Q
p
) L(Q
P
1
) L(Q
P
2
) por lo que si tomamos
particiones cada vez mas nas se tendra que L(Q
P
) L(f).
Por otra parte, la expresion nal de 14.1) es la suma de Riemann de la funcion g(x) =
_
1 + (f
(x))
2
, en
la particion P y el conjunto E, es decir S(g, P, E) =
n
i=1
_
1 + (f
(e
i
))
2
(x
i
x
i1
) =
n
i=1
_
1 + (f
(e
i
))
2
x
i
.
Y como f
es continua en [a, b] , la funcion g es continua e integrable en [a, b] , de donde

S(g, P, E) =
n
i=1
_
1 + (f
(e
i
))
2
x
i

_
b
a
_
1 + (f
(x))
2
dx.
Ejemplo Determinar la longitud del arco de la graca de f(x) = x
3
2
sobre el intervalo [0, 4] .
Solucion:
f es continua en [0, 4] y f
(x) =
3
2
x
1
2
es tambien continua en [0, 4] , luego
L =
_
4
0
_
1 +
_
3
2
x
1
2
_
2
dx =
_
4
0
1
2
4 + 9xdx =
(4 + 9x)
3
2
27
_
4
0
=
40
3
2
4
3
2
27
.
14.3.2

Area de una supercie de revolucion
Denicion 297.- Sea f: [a, b] IR con derivada continua en [a, b] , entonces el area de la supercie engendrada
por la rotacion alrededor del eje de abcisas del arco de curva f(x) entre x = a y x = b, se obtiene de
S = 2
_
b
a
f(x)
_
1 + (f
(x))
2
dx.
Ejemplo Calcular el area de la supercie esferica x
2
+y
2
+z
2
= 4.
Solucion:
La esfera es una supercie de revolucion obtenida al girar el arco de curva y =
4 x
2
en el intervalo
[2, 2] . Luego
S = 2
_
2
2
_
4 x
2
1 +
_
x
4 x
2
_
2
dx = 2
_
2
2
2 dx = 16.

14.4 Ejercicios
14.184 Hallar el area de la gura limitada por la curva y = x(x 1)(x 2) y el eje de abcisas.
14.185 Probar que el area encerrado por la curva f(x) = px
n
, con x [0, a] , p IR y n IN es
a|f(a)|
n+1
.
14.186 Calcular el area de la gura limitada por la curva y = x
3
, la recta y = 8, y el eje OY.
14.187 Calcular el area de la gura limitada por la curva y
3
y + 2 = x, la recta x = 8, y el eje OX.
14.188 Hallar el area encerrado por la elipse
x
2
a
2
+
y
2
b
2
= 1.
14.189 Hallar el area de la gura comprendida entre las parabolas y = x
2
, y =
x
2
2
, y la recta y = 2x.
14.190 Calcular el area de las dos partes en que la parabola y
2
= 2x divide al crculo x
2
+y
2
= 8.
14.191 Calcular el area de la gura limitada por la hiperbola
x
2
a
2

y
2
b
2
= 1 y la recta x = 2a.
14.192 Calcular el area de cada una de las partes en que las curvas 2y = x
2
y 2x = y
2
dividen al crculo
x
2
+y
2
3.
14.193 Calcular el area limitada por las curvas f(x) =
e
x
1+e
x
y g(x) =
1
(x+1)
2
+1)
cuando x [0, 1] .
14.194 Calcular el area encerrada por la curva y =
1 x
2
+ arcsen
x y el eje de abcisas.
(Nota: Estudiar el dominio y el signo de la funcion.)
14.195 La curva que aparece en la gura de la derecha, llamada astroide, viene dada
por la ecuacion
x
2
3
+y
2
3
= a
2
3
Hallar el area encerrada por la astroide.
(Nota: Se sugiere el cambio x = a sen
3
t o x = a cos
3
t.)
14.196 Calcular el area de la gura limitada por la curva a
2
y
2
= x
2
(a
2
x
2
).
a
a
x
2
3 + y
2
3 = a
2
3
14.197 Calcular el area de la gura comprendida dentro de la curva (
x
5
)
2
+ (
y
4
)
2
3
= 1.
14.198 Comprobar usando la integracion, que el volumen de una esfera de radio r es
4
3
r
3
14.199 Hallar el volumen del elipsoide
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1.
14.200 Considerar el solido V formado al cortar el cilindro x
2
+y
2
2
2
por los
planos z = 0 e y+z = 2 (ver la gura de la derecha), que analticamente
viene descrito por:
V =
_
(x, y, z) : x
2
+y
2
2
2
; 0 z 2 y
_
Describir y calcular el area de las secciones de V perpendiculares a cada
uno de los ejes.
Calcular el volumen de V mediante las secciones correspondientes a dos
de los ejes.
14.201 Hallar el volumen encerrado por el paraboloide elptico
y
2
4
+
z
2
6
= x y limitado por el plano x=5.
14.202 Hallar el volumen del elipsoide, engendrado por la rotacion de la elipse
x
2
a
2
+
y
2
b
2
= 1 alrededor del eje OX.
14.203 Hallar el volumen del cuerpo engendrado al girar alrededor del eje OY, la parte de la parabola y
2
= 12x,
que intercepta la recta x = 3.
14.204 Hallar volumen del toro engendrado por la rotacion del crculo (x b)
2
+ y
2
a
2
, con b > a, alrededor
del eje OY .
14.205 La recta x = 2 divide al crculo (x 1)
2
+y
2
4 en dos partes.
a) Calcular el volumen generado al girar alrededor de la recta y = 0 la parte de mayor area.
b) Calcular el volumen generado al girar alrededor de la recta x = 0 la parte de mayor area.
c) Calcular el volumen generado al girar alrededor de la recta x = 2 la parte de menor area.
14.206 Considerar las curvas y = sen(x) e y = sen(2x) en el intervalo [0, ] .
a) Hallar el area de la region encerrada entre las dos curvas.
b) Hallar el area de cada uno de los trozos en que la recta y =
1
2
divide a la region encerrada entre las
dos curvas.
c) Si giramos ambas curvas alrededor de la recta y =
1
2
, cual de las dos engendrara mayor volumen?
14.207 Hallar el volumen de la parte del hiperboloide de una hoja S =
x
2
a
2
+
y
2
a
2

z
2
c
2
1; 0 z h.
14.208 Hallar el volumen del cono elptico recto, de base una elipse de semiejes a y b y cuya altura es h.
14.209 Hallar el volumen del cuerpo limitado por la supercies de los cilindros
parabolicos z = x
2
y z = 1 y
2
(ver gura de la derecha) a partir de
las areas formadas al seccionar el cuerpo por planos paralelos al plano
z = 0.
14.210 Hallar el volumen del cuerpo limitado por los cilindros: x
2
+z
2
= a
2
e y
2
+z
2
= a
2
.
14.211 Calcular el volumen de cada una de las partes en que queda dividido un cilindro circular recto de radio 2
y de altura 8 por un plano que, conteniendo un diametro de una de las bases, es tangente a la otra base.
14.212 Sobre las cuerdas de la astroide x
2
3
+y
2
3
= 2
2
3
, paralelas al eje OX, se han construido unos cuadrados, cuyos
lados son iguales a las longitudes de las cuerdas y los planos en que se encuentran son perpendiculares al
plano XY. Hallar el volumen del cuerpo que forman estos cuadrados.
14.213 El plano de un triangulo movil permanece perpendicular al diametro jo
de un crculo de radio a. La base del triangulo es la cuerda correspon-
diente de dicho crculo, mientras que su vertice resbala por una recta
paralela al diametro jo que se encuentra a una distancia h del plano
del crculo. Hallar el volumen del cuerpo (llamado conoide, ver gura
aneja) engendrado por el movimiento de este triangulo desde un extremo
del diametro hasta el otro.
14.214 Un crculo deformable se desplaza paralelamente al plano XZ de tal
forma, que uno de los puntos de su circunferencia descansa sobre el
eje OY y el centro recorre la elipse
x
2
a
2
+
y
2
b
2
= 1. Hallar el volumen del
cuerpo engendrado por el desplazamiento de dicho crculo.
14.215 Sea S el recinto del plano limitado por la parabola y = 4 x
2
y el eje de abscisas. Para cada p > 0
consideramos los dos recintos en que la parabola y = p x
2
divide a S,
A(p) = (x, y) S : y p x
2
y B(p) = (x, y) S : y p x
2
.
a) Hallar p para que las areas de A(p) y B(p) sean iguales.
b) Hallar p para que al girar A(p) y B(p) alrededor del eje de ordenadas obtengamos solidos de igual
volumen.
14.216 Hallar el permetro de uno de los triangulos curvilneos limitado por el eje de abscisas y las curvas
y = ln [ cos x[ e y = ln [ sen x[ .
14.217 Hallar la longitud del arco y = arcsen(e
x
) desde x = 0 hasta x = 1.
14.218 Calcular la longitud del arco de la curva x = ln(sec y), comprendido entre y = 0 e y =

3
.
14.219 Hallar el area de la supercie del toro engendrado por la rotacion de la circunferencia (x b)
2
+y
2
= a
2
,
con b > a, alrededor del eje OY .
Tema 15
Integrales impropias
15.1 Introduccion
En el tema anterior se ha denido la integral de Riemann con las siguientes hipotesis
Dom(f) = [a, b] es un conjunto acotado.
f: [a, b] IR esta acotada en [a, b] .
Si alguna de estas condiciones no se cumple denominaremos a la integral correspondiente integral impropia.
15.2 Integrales impropias de primera especie
Denicion 298.- Sea f: [a, +) IR integrable en [a, t] , para todo t a, y sea entonces F: [a, +) IR
la funcion denida por F(t) =
_
t
a
f(x) dx.
El par (f, F) se denomina integral impropia de primera especie en [a, +) y se designa por
_
+
a
f(x) dx o
_
+
a
f.
Denicion 299.- Diremos que la integral impropia
_
+
a
f(x) dx es convergente si existe y es nito
lm
t+
F(t) = lm
t+
_
t
a
f(x) dx
y si ese lmite es L se dice que el valor de la integral impropia es L. Es decir,
L =
_
+
a
f(x) dx.
Si el lmite anterior es innito ( o ) se dice que la integral impropia es divergente (hacia o hacia
), y si no existe se dice que es oscilante.
De forma analoga se denen las integrales impropias de primera especie en intervalos de la forma (, b]
para funciones f: (, b] IR integrables en [t, b] , para todo t IR, y las representamos por
_
b
f(x) dx o
_
b
f.
Ejemplo La integral
_

1
xdx es divergente, pues lm
t+
_
t
1
xdx = lm
t+
_
x
2
2
_
t
1
= lm
t+
t
2
2

1
2
= +

Ejemplo La integral
_

0
sen xdx es oscilante, pues lm
t+
_
t
0
sen xdx = lm
t+
(cos x]
t
0
= lm
t+
cos t 1 y
este ultimo lmite no existe
Ejemplo
_
0
1
1+x
2
dx converge a

2
, pues lm
t
_
0
t
1
1+x
2
dx = lm
t
(arctg x]
0
t
= lm
t
0 arctg t =

2
160 Matematicas I : Calculo integral en IR 15.2 Integrales impropias de primera especie
Ejemplo 300 Estudiar el caracter de
_

1
dx
x
, para IR.
Como la funcion tiene primitivas distintas para = 1 y ,= 1, las estudiamos por separado:
Si = 1,
lm
t+
_
t
1
1
x
dx = lm
t+
_
ln x
_
t
1
= lm
t+
(ln t ln 1) = lm
t+
ln t = +,
luego diverge.
Si ,= 1,
lm
t+
_
t
1
x
dx = lm
t+
_
x
+1
+ 1
_
t
1
= lm
t+
_
t
+1
+ 1

1
+1
+ 1
_
= lm
t+
t
1
1
1
=
_
1
1
, si > 1
+, si < 1
luego diverge si < 1 y converge si > 1.
Resumiendo,
_

1
dx
x
diverge si 1 y converge si > 1. En este ultimo caso,

_

1
dx
x
=
1
1
.
Denicion 301.- Sea f: IR IR integrable en todo intervalo cerrado de IR. Diremos que
_
+
f(x) dx es
convergente si existe alg un a IR tal que las integrales
_
a
f(x) dx y
_
+
a
f(x) dx,
son ambas convergentes. En ese caso su valor es
_
+
f(x) dx =
_
a
f(x) dx +
_
+
a
f(x) dx
Ejemplo Como
_
0
1
1+x
2
dx =

2
y
_

0
1
1+x
2
dx = lm
t
_
t
0
1
1+x
2
dx = lm
t
(arctg x]
t
0
= lm
t
arctg t 0 =

2
,
la integral
_

1
1+x
2
dx converge y
_

1
1+x
2
dx =
_
0
1
1+x
2
dx +
_

0
1
1+x
2
dx =

2
+

2
=
Observaciones:
1.- Sea f: IR IR integrable en todo intervalo cerrado de IR. El caracter de
_
+
f(x) dx no depende del

punto a dado en la denicion.
Y si la integral es convergente, su valor no depende del punto elegido ya que, para cualquier b IR,
_
a
f +
_

a
f =
_
b
f +
_
a
b
f +
_
b
a
f +
_

b
f =
_
b
f +
_

b
f.
2.- Sea f: IR IR integrable en todo intervalo cerrado. Si
_

f converge, entonces
_
+
f = lm
t+
_
t
t
f .
La implicacion contraria es falsa. Es decir, puede existir ese lmite y la integral ser divergente.
Contraejemplo
_
+
2xdx no es convergente, pues

_

0
2xdx = lm
t+
_
t
0
2xdx = lm
t+
_
x
2
t
0
= lm
t+
t
2
= +
es divergente, sin embargo
lm
t+
_
t
t
2xdx = lm
t+
_
x
2
t
t
= lm
t+
t
2
(t)
2
= 0.
Al valor del lm
t+
_
t
t
f(x)dx se le denomina Valor Principal de Cauchy, y suele denotarse por V P
_
+
f
Denicion 302.- Diremos que dos integrales impropias tienen el mismo caracter, y lo representaremos por
, si son simultaneamente convergentes, divergentes u oscilantes.
Propiedades 303.-
1.- Sea f: [a, +) IR integrable en [a, t] para todo t a y sea b a. Entonces
_
+
a
f(x)dx
_
+
b
f(x)dx.
2.- Sea f: [a, +) IR integrable en [a, t] , t a y IR, con ,= 0. Entonces
_
+
a
f(x) dx
_
+
a
f(x) dx.
3.- Sean f, g: [a, +) IR integrables en [a, t] , t a. Si
_
+
a
f y
_
+
a
g convergen, entonces:
_
+
a
(f +g) converge y
_
+
a
(f +g)(x) dx =
_
+
a
f(x) dx +
_
+
a
g(x) dx.
Demostracion:
1.- Como
lm
t+
_
t
a
f(x) dx = lm
t+
_
_
b
a
f(x) dx +
_
t
b
f(x) dx
_
=
_
b
a
f(x) dx + lm
t+
_
t
b
f(x) dx
el lmite de la izquierda es nito, innito o no existe si el lmite de la derecha es nito, innito o no existe
respectivamente. Y viceversa.
2.- Como lm
t+
_
t
a
f(x) dx = lm
t+
_
t
a
f(x) dx, ambos lmites son simultaneamente nitos, innitos o no
existen.
3.- Basta considerar que lm
t+
_
t
a
(f +g)(x) dx = lm
t+
_
t
a
f(x) dx+ lm
t+
_
t
a
g(x) dx, si los segundos lmites
existen.
Ejemplo La integral
_

2
x+2
x
3
dx es convergente, ya que
x+2
x
3
=
1
x
2
+ 2
1
x
3
y por las propiedades 303 ante-
riores,
_

2
1
x
2
dx
(P.1)
_

1
1
x
2
dx y
_

2
2
1
x
3
dx
(P.2)
_

2
1
x
3
dx
(P.1)
_

1
1
x
3
dx, que son ambas convergentes
(ejemplo 300). Luego por la propiedad (P.3) la integral
_

2
x+2
x
3
dx es convergente por ser suma de integrales
convergentes y
_

2
x+2
x
3
dx =
_

2
1
x
2
dx +
_

2
2
1
x
3
dx
Proposicion 304.- Sea f: [a, +) IR integrable en [a, t] para todo t [a, +). Si lm
x+
f(x) = L ,= 0
entonces
_

a
f(x) dx diverge.

Observacion 305.- Como consecuencia de este resultado, si una funcion tiene lmite en +, su integral solo
puede ser convergente cuando el lmite es cero. (Si el lmite no existe no se puede asegurar nada.)
El recproco de la proposicion 304 no es cierto, una integral puede ser divergente, aunque su lmite sea 0.
Contraejemplo
_

1
dx
x
diverge (ver ejemplo 300) y sin embargo, lm
x+
1
x
= 0.
15.2.1 Criterios de comparacion para funciones no negativas
Lema 306.- Sea f: [a, +) IR integrable y no negativa en [a, t] , para todo t IR. Entonces la funcion
F(t) =
_
t
a
f(x) dx es creciente en [a, +).
Demostracion:
La funcion F es creciente ya que si t
1
, t
2
[a, +), con t
1
t
2
, entonces
F(t
2
) F(t
1
) =
_
t
2
t
1
f(x) dx 0
por ser f(x) 0 para todo x [a, +).
Teorema 307.- Sea f: [a, +) IR integrable y no negativa en [a, t] , t IR.
_
+
a
f(x) dx es convergente F(t) =
_
t
a
f(x) dx esta acotada superiormente.

Nota: En consecuencia, para funciones no negativas,
_
+
a
f(x) dx solo puede ser convergente o divergente.
Primer criterio de comparacion 308.- Sean f, g: [a, +) IR integrables en [a, t] para todo t a y su-
pongamos que existe b > a tal que 0 f(x) g(x) para todo x b. Entonces:
a) Si
_
+
a
g(x) dx converge
_
+
a
f(x) dx tambien converge.
b) Si
_
+
a
f(x) dx diverge
_
+
a
g(x) dx tambien diverge.
Demostracion:
Por la propiedad 1 de 303,
_
+
a
f(x) dx
_
+
b
f(x) dx y
_
+
a
g(x) dx
_
+
b
g(x) dx,
luego basta probarlo en [b, +).
a) Si
_
+
b
g(x) dx converge, G(t) =
_
t
b
g(x) dx esta acotada superiormente.
Por ser 0 f(x) g(x), se tendra que
F(t) =
_
t
b
f(x) dx
_
t
b
g(x) dx = G(t),
luego F(t) esta acotada superiormente y
_
+
b
f(x) dx es convergente.
b) Si
_
+
a
f(x) dx es divergente tambien lo es
_
+
b
f(x) dx y, por tanto, F(t) =
_
t
b
f(x) dx no esta acotada
superiormente. Como F(t) G(t), G no esta acotada superiormente y
_
+
b
g(x) dx es divergente, luego
_
+
a
g(x) dx es divergente.
Ejemplo
_

1
1
x
2
+1
dx es convergente, pues en [1, +), 0 < x
2
< x
2
+ 1 de donde 0 <
1
1+x
2
<
1
x
2
. Luego
_

1
1
x
2
+1
dx
_

1
1
x
2
dx y como la mayor es convergente, la menor tambien.

Ejemplo
_

1
1
x+1
dx es divergente, pues en [1, +), 0 < x+1 < x+x = 2x de donde 0 <
1
2x
<
1
x+1
. Luego
_

1
1
2
1
x
dx
_

1
1
x+1
dx y como la menor es divergente, la mayor tambien lo es.
Segundo criterio de comparacion 309.- Sean f, g: [a, +) IR integrables en [a, t] , para todo t a y no
negativas. Supongamos que existe lm
x+
f(x)
g(x)
= L. Entonces:
a) Si 0 < L < + =
_
+
a
f(x) dx
_
+
a
g(x) dx.
b) Si L = 0, se tiene:
[i] si
_
+
a
g(x) dx converge =
_
+
a
f(x) dx converge.
[ii] si
_
+
a
f(x) dx diverge =
_
+
a
g(x) dx diverge.
c) Si L = +, se tiene:
[i] si
_
+
a
f(x) dx converge =
_
+
a
g(x) dx converge.
[ii] si
_
+
a
g(x) dx diverge =
_
+
a
f(x) dx diverge.

Ejemplo
_

2
1
x
2
x
dx es convergente, pues [2, +) es positiva y lm
x+
1
x
2
x
1
x
2
= lm
x+
x
2
x
2
x
= 1 ,= 0.
Luego
_

2
1
x
2
x
dx
_

2
1
x
2
dx que converge.
Observacion:
Aunque los criterios dados son validos unicamente para funciones positivas en un entorno de +, teniendo en
cuenta que
_
+
a
f
_
+
a
f , para las funciones negativas basta estudiar el caracter de
_
+
a
f .
15.2.2 Convergencia absoluta
Denicion 310.- Sea f: [a, +) IR integrable en [a, t] para todo t a. Diremos que
_
+
a
f(x)dx es
absolutamente convergente si
_
+
a
[f(x)[dx converge.
Teorema 311.- Sea f: [a, +) IR integrable en [a, t] para todo t a.
Si
_

a
[f(x)[dx converge, entonces
_
+
a
f(x)dx converge.
En otras palabras, si una integral impropia converge absolutamente entonces converge.
Demostracion:
Para todo x [a, +) se tiene [f(x)[ f(x) [f(x)[ , luego 0 f(x) + [f(x)[ 2[f(x)[ . Entonces, si
_
+
a
[f(x)[dx converge se tiene que
_
+
a
([f(x)[ +f(x)) dx es convergente y, por tanto, aplicando al propiedad
3 de 303, se tiene que
_
+
a
f(x)dx =
_
+
a
(f(x) +[f(x)[) dx
_
+
a
[f(x)[dx
converge.
164 Matematicas I : Calculo integral en IR 15.3 Integrales impropias de segunda especie
Nota: El recproco no es cierto.
Contraejemplo
_

sen x
x
dx converge pero no converge absolutamente.
Veamos que
_

sen x
x
dx converge.
_

sen x
x
dx = lm
t+
_
t
sen x
x
dx =
_
u =
1
x
dv = sen xdx
__
du =
1
x
2
dx
v =cos x
_
= lm
t+
_
_
cos x
x
_
t
_
t
cos x
x
2
dx
_
= lm
t+
_
1

cos t
t
_
lm
t+
_
t
cos x
x
2
dx
=
1
cos x
x
2
dx
Como
| cos x|
x
2

1
x
2
y
_

1
x
2
dx converge,
_

cos x
x
2
dx converge absolutamente, luego converge y, por tanto
_

sen x
x
dx =
1
cos x
x
2
dx
converge.
Veamos que no converge absolutamente. Si
_

| sen x|
x
dx convergiera, entonces
_

| cos x|
x
dx convergera,
puesto que
_

[ cos x[
x
dx =
_

[ sen(x +

2
)[
x
dx =
_

3
2
[ sen(t)[
t

2
dt
_

[ sen t[
t
dt
(por el segundo criterio de comparacion); en consecuencia,
_

| sen x|+| cos x|

x
dx convergera. Pero esto es absurdo
puesto que
| sen x|+| cos x|
x

1
x
y como
_

1
x
dx diverge, necesariamente
_

| sen x|+| cos x|

x
dx ha de ser divergente.
Luego
_

| sen x|
x
dx diverge y
_

sen x
x
dx no converge absolutamente.
Observacion 312.- Los criterios establecidos para integrales impropias de primera especie en [a, +) as como
la convergencia absoluta admiten versiones analogas para integrales impropias de primera especie en (, b]
(se construyen similarmente a como se hace en la seccion 15.3.1).
No obstante, si f: (, b] IR, la funcion g: [b, +) IR denida por g(x) = f(x) verica que
_
b
t
f(x)dx =
_
t
b
g(u)du, para todo t (, b] , luego
_
b
f(x)dx
_

b
g(u)du.
Puede, por tanto, estudiarse f(x) en (, b] estudiando f(x) en [b, +).
Ejemplo Estudiar el caracter de
_
1
1
x
2
dx.
Como
_
+
(1)
1
(x)
2
dx =
_
+
1
1
x
2
dx que converge, la integral
_
1
1
x
2
dx converge.
15.3 Integrales impropias de segunda especie
Denicion 313.- Sea f: (a, b] IR integrable en [t, b] , para todo t (a, b] , y no acotada. Sea F: (a, b] IR
la funcion denida por F(t) =
_
b
t
f(x)dx.
El par (f, F) se denomina integral impropia de segunda especie en (a, b] y se designa por
_
b
a
+
f(x)dx o
_
b
a
+
f.
Denicion 314.- Diremos que la integral impropia
_
b
a
+
f(x)dx es convergente si existe y es nito
lm
ta
+
F(t) = lm
ta
+
_
b
t
f(x)dx
y si ese lmite es L se dice que el valor de la integral impropia es L, es decir,
L =
_
b
a
+
f(x)dx.
Si el lmite anterior es innito se dice que la integral impropia es divergente y si no existe se denomina
oscilante.
De forma analoga se denen las integrales impropias de segunda especie en intervalos de la forma [a, b) para
funciones f: [a, b) IR integrables en [a, t] , t [a, b) y no acotadas. Las representaremos por
_
b
a
f(x)dx o
_
b
a
f.
Denicion 315.- Sea f: (a, b) IR integrable en todo intervalo cerrado contenido en (a, b) y no acotada.
Diremos que
_
b
a
+
f(x)dx es convergente si existe alg un c IR tal que las integrales
_
c
a
+
f(x)dx y
_
b
c
f(x)dx
son ambas convergentes. En ese caso su valor es
_
b
a
+
f(x)dx =
_
c
a
+
f(x)dx +
_
b
c
f(x)dx.
Ejemplo 316 Estudiar el caracter de
_
b
a
+
dx
(xa)
y de
_
b
a
dx
(bx)
, para los IR.

Solucion:
Si = 1,
lm
ta
+
_
b
t
dx
x a
= lm
ta
+
_
ln [x a[
_
b
t
= lm
ta
+
_
ln [b a[ ln [t a[
_
= +
lm
tb
_
t
a
dx
b x
= lm
tb
_
ln [b x[
_
t
a
= lm
tb
_
ln [b a[ ln [b t[
_
= +
Si ,= 1,
lm
ta
+
_
b
t
dx
(x a)
= lm
ta
+
_
1
1
1
(x a)
1
_
b
t
= lm
ta
+
1
1
_
1
(b a)
1

1
(t a)
1
_
=
_
1
(1)(ba)
1
, si < 1
+, si > 1
lm
tb
b
_
t
a
dx
(b x)
= lm
tb
_
1
1
1
(b x)
1
_
t
a
= lm
tb
1
1
_
1
(b t)
1

1
(b a)
1
_
=
_
1
(1)(ba)
1
, si < 1
+, si > 1
luego converge si < 1 y diverge si 1.
Analogamente se hace la segunda, y se obtiene que
_
b
a
dx
(bx)
converge si < 1 y diverge si 1.

15.3.1 Criterios de comparacion para funciones no negativas
Las integrales impropias de segunda especie para funciones no negativas, admiten criterios analogos a los dados
para las integrales de primera especie. En este sentido, observese que el Teorema 318 siguiente es identico a su
homologo para integrales de primera especie.
Por ello, enunciaremos los criterios omitiendo sus demostraciones, que tienen un desarrollo parejo a las
demostraciones de los criterios para las integrales de primera especie. Vease la observacion 322 posterior, que
identica las integrales de segunda especie con las de primera especie, donde se aporta mas informacion sobre
estos comentarios.
Lema 317.- Sea f: (a, b] IR integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces,
la funcion F(t) =
_
b
t
f(x)dx es decreciente.
Teorema 318.- Sea f: (a, b] IR integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces
_
b
a
+
f(x)dx es convergente F(t) =
_
b
t
f(x)dx esta acotada superiormente.

Primer criterio de comparacion 319.- Sean f, g: (a, b] IR integrables en [t, b] , para todo t (a, b] , y no
acotadas. Supongamos que existe c (a, b] tal que 0 f(x) g(x), para todo x (a, c] , entonces
a) Si
_
b
a
+
g(x)dx converge =
_
b
a
+
f(x)dx tambien converge.
b) Si
_
b
a
+
f(x)dx diverge =
_
b
a
+
g(x)dx tambien diverge.
Segundo criterio de comparacion 320.- Sean f, g: (a, b] IR integrables en [t, b] , para todo t (a, b] , no
negativas y no acotadas. Supongamos que existe y es nito lm
xa
+
f(x)
g(x)
= L. Entonces:
a) Si L ,= 0 entonces,
_
b
a
+
f(x)dx
_
b
a
+
g(x)dx.
[i] Si
_
b
a
+
g(x)dx converge =
_
b
a
+
f(x)dx tambien converge.
[ii] Si
_
b
a
+
f(x)dx diverge =
_
b
a
+
g(x)dx tambien diverge.
Teorema 321.- (Convergencia absoluta.)
Sea f: (a, b] IR integrable en [t, b] , t (a, b] , y no acotada.
Si
_
b
a
+
[f(x)[dx convergente =
_
b
a
+
f(x)dx es convergente.
Nota: Tambien pueden darse enunciados analogos para integrales impropias de segunda especie en [a, b).
Observacion 322.- Cualquier integral impropia de segunda especie puede transformarse mediante un cambio
de variable adecuado en una integral impropia de primera especie:
Segunda especie Cambio de variable Primera especie
_
b
a
+
f(x)dx t =
1
xa
_
+
1
ba
f(
1
t
+a)
t
2
dt
_
b
a
f(x)dx t =
1
bx
_
+
1
ba
f(b
1
t
)
t
2
dt
Por consiguiente, como ya anunciabamos, los teoremas y criterios de comparacion estudiados para las in-
tegrales impropias de primera especie admiten enunciados analogos para las integrales impropias de segunda
especie.
Las demostraciones pueden hacerse utilizando los cambios de variable arriba indicados y los resultados ya
conocidos referentes a las integrales impropias de primera especie, o bien siguiendo los mismos pasos de las
demostraciones realizadas en la subseccion 15.2.1.
15.4 Ejercicios
15.220 Calcular el valor de
_
+
dx
1+x
2
.
15.221 Calcular
_
+
0
e
x
dx y
_
0
e
x
dx.
15.222 Estudiar el caracter de
_
+
2x1
1+x
2
dx y hallar V P
_
+
2x1
1+x
2
dx.
15.223 Probar que
_
+
0
dx
x
diverge para cualquier IR.

15.224 Probar que
_
+
sen xdx no es convergente. Existe V P

_
+
sen xdx?
15.225 Estudiar el caracter de las siguientes integrales, seg un los valores de a.
a)
_
+
a
sen
2
x
x
2
dx.
b)
_
+
a
dx
ln x
, para a > 1.
15.226 Responder razonadamente, sobre la veracidad o falsedad de las siguientes armaciones:
a) Si f: [a, +) IR, es integrable en [a, t] para todo t [a, +), y lm
x+
f(x) = 0, entonces
_
+
a
f(x)dx converge.
b) Si f: [a, +) IR, es continua y lm
x+
f(x) = 0, entonces
_

a
f(x)dx converge.
c) Si f: [a, +) IR, es derivable, creciente y acotada entonces
_

a
f
(x)dx converge.
d) Si
_

a
f(x)dx es convergente, entonces
_
1000
a
f(x)dx
_

a
f(x)dx.
e) Si
_

a
(f(x) +g(x))dx converge, entonces
_

a
f(x)dx y
_

a
g(x)dx convergen necesariamente.
f) Si
_
1
0
f(x)dx y
_
1
0
g(x)dx convergen, entonces
_
1
0
f(x)g(x)dx converge necesariamente.
15.227 Probar que si f y g son funciones positivas tales que
_

a
f(x)dx y
_

a
g(x)dx convergen y existe, cuando
x , el lmite de una de las funciones, entonces
_

a
f(x)g(x)dx converge.
15.228 Estudiar el caracter de las integrales siguientes:
a)
_

0
(2 + sen x)dx b)
_

e
x
dx c)
_

e
x
2
dx
d)
_

1
1
ch x
dx e)
_
0
x
2
+1
x
4
+1
dx f)
_

0
e
2x
(2x
2
4x)dx
g)
_
0
e
2x
(2x
2
4x)dx h)
_

0
xe
x
2
dx i)
_

0
sen
3
x
1+cos x+e
x
dx
j)
_

1
x
1+x
4
dx k)
_

0
dx
x
l)
_

0
x ln x
(1+x
2
)
2
dx
m)
_

0
e
x
sen xdx n)
_
1
0
dx
x(1x)
o)
_
1
0
sen x+cos x
x(1x)
dx
p)
_

0
dx
1cos x
q)
_
1
0
e
x
e
x
1
dx r)
_
2
0
e
x
sen x
dx
a)
_
1
0
sen x
x
2
dx b)
_

0
sen
2
2x
x
2
dx c)
_

1
ln x
x
4
x
3
x
2
+x
dx
d)
_
2
0
x
(x
2
1)
4
5
dx e)
_
2
1
dx
x ln x
f)
_

0
dx
x+(x
3
+1)
1
2
g)
_
+
1
sen
2 1
x
dx h)
_
1
0
ln xln(x + 1)dx i)
_

0
e
x
e
x
+1
dx.
a)
_
4
0
(1tg x) sen x
(
4
x)
3
2 x
3
2
dx b)
_
2
2
0
4
arcsen x
x
1
2 (
1
2
x)
3
2
dx
c)
_

0
e
x
e
x
+1

e
x
e
x
1
dx d)
_

1
arctg(x1)
3
(x1)
4
dx
e)
_
1
0
sen
3
(x1)
x ln
3
x
dx f)
_

0
x sen
1
x
2
ln(1+x)
dx
g)
_
4
0
_
1e
x
2
x
2
cos x
1
_
dx h)
_
2
4
_
1e
x
2
x
2
cos x
1
_
dx
i)
_

0
1+
x
2
x
2
8

1+sen x
x
7
2
dx j)
_

0
sen x arctg
1
3 (x1)
(x1)
2
3 sh x
dx.
15.231 Encontrar los valores de a, para que las integrales siguientes sean convergentes.
a)
_
2
0
1cos x
x
a
dx b)
_

2
_
ax
x
2
+1

1
2x+1
_
dx c)
_

0
1e
1
x
x
a
dx
d)
_

0
xsen x
x
a
dx e)
_

0
_
1
1+2x
2

a
x+1
_
dx f)
_

0
dx
x
1a
3
1x
2
g)
_

0
x
a
sen xdx h)
_

a
sen
2
x
x
2
1
dx i)
_

a
x
a
x
4
1
dx
15.232 Se dene la funcion beta por B(p, q) =
_
1
0
x
p1
(1 x)
q1
dx. Encontrar los valores reales de p y q para
los que la funcion B(p, q) esta denida.
15.233 Se dene la funcion gamma por (p) =
_

0
x
p
e
x
dx.
a) Probar que esta funcion esta denida para todo p > 1.
b) Probar que se verica la igualdad (p + 1) = p(p), para cualquier p.
c) Calcular, usando b),
_

0
x
6
e
x
dx.
15.234 Sea f: [0, +) IR. Se dene la funcion transformada integral de Laplace de la funcion f , que
denotaremos por Lf, como Lf(x) = F(s) =
_

0
f(x)e
sx
dx, siempre que la integral exista. Probar
que:
a) Si f(x) = 1, F(s) = L1 =
1
s
.
b) Si F(s) = Lf(x) y G(s) = Lg(x), entonces, para todo , IR,
Lf(x) +g(x) = Lf(x) +Lg(x).
c) Si f es derivable y verica que lm
x+
f(x)e
sx
= 0, a partir de un cierto s, y existe Lf
(x),
entonces
Lf
(x) = sLf(x) f(0).

d) Lx =
1
s
2
y que Lsen(ax) =
a
s
2
+a
2
, usando el resultado del apartado c).
Integral de Riemann
Propiedades 264.- Sea f: [a, b] IR una funcion acotada.
a) Para toda P T[a, b] , se verica que L(f, P) U(f, P).
b) Para todas P
1
, P
2
T[a, b] con P
1
P
2
, se verica que
L(f, P
1
) L(f, P
2
) y U(f, P
2
) U(f, P
1
).
c) Para cualesquiera P, Q T[a, b] , se verica que L(f, P) U(f, Q).
Demostracion:
a) Como m
i
M
i
, para todo i, se tiene L(f, P) =
n
i=1
m
i
x
i

n
i=1
M
i
x
i
= U(f, P).
b) Probaremos solo la desigualdad para las sumas superiores (la demostracion es analoga para las sumas
inferiores).
Supongamos primero que P
2
tiene exactamente un punto mas que P
1
, es decir,
P
1
=a = x
0
, x
1
, . . . , x
j1
, x
j
, . . . , x
n
= b y P
2
=x
0
, x
1
, . . . , x
j1
, c, x
j
, . . . , x
n
.
Si M
= supf(x) : x [x
j1
, c] y M
= supf(x) : x [c, x
j
], se tiene que
U(f, P
2
) =
j1
i=1
M
i
x
i
+M
(c x
j1
) +M
(x
j
c) +
n
i=j+1
M
i
x
i
.
x
j1
c x
j
M
j
=M
m
j
=m
Fig. 15.1. A nadir un punto a la particion.

Como M
j
= supf(x) : x [x
j1
, x
j
], es M
M
j
y M
M
j
y por tanto
U(f, P
2
)
j1
i=1
M
i
x
i
+M
j
(c x
j1
) +M
j
(x
j
c) +
n
i=j+1
M
i
x
i
=
j1
i=1
M
i
x
i
+M
j
x
i
+
n
i=j+1
M
i
x
i
= U(f, P
1
).
171 Matematicas I : Calculo integral en IR Anexo 3
Supongamos ahora que P
2
tiene exactamente k puntos mas que P
1
. Construimos k particiones del
intervalo [a, b] de forma que cada una de ellas contenga un punto mas que la anterior, P
1
Q
1
Q
2

Q
k1
P
2
. Entonces,
U(f, P
2
) U(f, Q
k1
) U(f, Q
2
) U(f, Q
1
) U(f, P
1
).
c) Si consideramos P
= P Q, P
es una particion de [a, b] y se verica que P P
y Q P
. Usando
las propiedades b), a) y b) en las desigualdades siguientes, se tiene
L(f, P) L(f, P
) U(f, P
) U(f, Q).
Propiedades 268.- Sean f, g: [a, b] IR integrables en [a, b] , IR y a < c < b. Entonces
1.- f +g es integrable en [a, b] y
_
b
a
(f +g) =
_
b
a
f +
_
b
a
g.
2.- f es integrable en [a, b] y
_
b
a
f =
_
b
a
f .
3.- f integrable en [a, b] si, y solo si, f es integrable en [a, c] y [c, b] .
En ese caso,
_
b
a
f =
_
c
a
f +
_
b
c
f .
Demostracion:
1.- Como f y g son integrables en [a, b] , existen P
1
y P
2
particiones de [a, b] , tales que U(f, P
1
)L(f, P
1
) <
2
y U(g, P
2
) L(g, P
2
) <

2
; luego tomando P
= P
1
P
2
, al ser mas na que P
1
y P
2
, se verica que
U(f, P
) L(f, P
) =
n
i=1
(M
i
m
i
)x
i
<

2
U(g, P
) L(g, P
) =
n
i=1
(M
i
m
i
)x
i
<

2
.
Sea P
= x
0
< x
1
< < x
n
, y sean m
i
y M
i
el inferior y superior de f +g en [x
i1
, x
i
] . Entonces,
como m
i
f(x) M
i
y m
i
g(x) M
i
, se tiene que m
i
+m
i
f(x) +g(x) M
i
+M
i
, luego que
m
i
+m
i
m
i
M
i
M
i
+M
i
. En consecuencia,
U(f +g, P
) L(f +g, P
) =
n
i=1
(M
i
m
i
)x
i

n
i=1
_
(M
i
+M
i
) (m
i
+m
i
)
_
x
i
=
n
i=1
(M
i
m
i
)x
i
+
n
i=1
(M
i
m
i
)x
i
<

2
+

2
= .
2.- Basta con tener en cuenta que U(f, P) L(f, P) =
_
U(f, P) L(f, P)
_
y usar que f es integrable.
3.- Sea > 0. Si f integrable en [a, b] existe P
T[a, b] tal que U(f, P
) L(f, P
) < .
A nadiendo, si no esta, el punto c a P
obtenemos la particion de [a, b]

P = a = x
0
, x
1
, . . . , x
i1
, c, x
i
, . . . , x
n
= b
mas na que P
, luego se verica que U(f, P) L(f, P) U(f, P
) L(f, P
) < .
Tomando P
1
= a, x
1
, . . . , x
i1
, c, particion de [a, c] y P
2
= c, x
i
, . . . , b, particion de [c, b] , se verica
que
L(f, P) = L(f, P
1
) +L(f, P
2
) y U(f, P) = U(f, P
1
) +U(f, P
2
)
y, por tanto,
U(f, P) L(f, P) = (U(f, P
1
) L(f, P
1
)) + (U(f, P
2
) L(f, P
2
)) < .
Luego
U(f, P
1
) L(f, P
1
) < y U(f, P
2
) L(f, P
2
) < .
Recprocamente, si f es integrable en [a, c] y en [c, b] , existen P
1
T[a, c] y P
2
T[c, b] tales que
U(f, P
1
) L(f, P
1
) <

2
y U(f, P
2
) L(f, P
2
) <

2
.
Tomando P = P
1
P
2
, se tiene que P T[a, b] y
U(f, P) L(f, P) = (U(f, P
1
) L(f, P
1
)) + (U(f, P
2
) L(f, P
2
)) <

2
+

2
= ,
luego f es integrable en [a, b] .
Si denotamos por I
1
=
_
c
a
f(x) dx, I
2
=
_
b
c
f(x) dx e I =
_
b
a
f(x) dx, se tiene que
L(f, P) I U(f, P) L(f, P
1
) I
1
U(f, P
1
) L(f, P
2
) I
2
U(f, P
2
)
y, por tanto,
[I (I
1
+I
2
)[ U(f, P) L(f, P) < , > 0.
En consecuencia, I = I
1
+I
2
.
Proposicion 273.- Sea f: [a, b] IR una funcion acotada. Entonces f es integrable en [a, b] y el valor de su
integral es I si y solo si para cada > 0 existe P
T[a, b] tal que para toda P P
y cualquier eleccion del

conjunto E asociado a P se cumple que [S(f, P, E) I[ < .
Demostracion:
= Si f integrable en [a, b] e I =
_
b
a
f(x) dx, dado > 0 existe P
T[a, b] tal que

U(f, P
) L(f, P
) < .
Por otra parte, para cualesquiera P y E asociado a P , se cumple que
L(f, P) S(f, P, E) U(f, P)
y que
L(f, P) I U(f, P) o mejor U(f, P) I L(f, P),
sumando ambas
(U(f, P) L(f, P)) S(f, P, E) I U(f, P) L(f, P),
de donde
[S(f, P, E) I[ U(f, P) L(f, P), P T[a, b].
En particular, si P P
se tendra que
[S(f, P, E) I[ U(f, P) L(f, P) U(f, P
) L(f, P
) < .
= Supongamos que dado > 0 existe P
T[a, b] tal que para todo P P
y cualquier eleccion de E
asociado a P se tiene que [S(f, P, E) I[ <

4
.
Aplicando el lema 272 a la particion P
, existiran dos conjuntos E

1
y E
2
asociados a la particion tales que
S(f, P
, E
1
) L(f, P
) <

4
y U(f, P
) S(f, P
, E
2
) <

4
,
entonces
[U(f, P
) L(f, P
)[ [U(f, P
) S(f, P
, E
2
)[ +[S(f, P
, E
2
) I[ +
+[I S(f, P
, E
1
)[ +[S(f, P
, E
1
) L(f, P
)[
<

4
+

4
+

4
+

4
= .
Luego f es integrable en [a, b] y existe el valor de
_
b
a
f(x) dx. Veamos que
_
b
a
f(x) dx = I .
Existe P
tal que
U(f, P
) L(f, P
) <

2
15.1)
y que
[S(f, P
, E) I[ <

2
15.2)
(existen P
1
y P
2
vericando respectivamente 15.1) y 15.2), luego P
= P
1
P
2
verica a la vez 15.1) y
15.2)). Como
L(f, P
)
_
b
a
f(x) dx U(f, P
) y L(f, P
) S(f, P
, E) U(f, P
)
se tiene que
_
b
a
f(x) dx S(f, P
, E)
U(f, P
) L(f, P
) <

2
luego
2
<
_
b
a
f(x) dx S(f, P
, E) <

2
,
y de 15.2) tenemos que
2
< S(f, P
, E) I <

2
,
sumando ambas
<
_
b
a
f(x) dx I <
y, por tanto I =
_
b
a
f(x) dx.
Proposicion 276.- Sea f integrable en [a, b] , entonces [f[ es integrable en [a, b] y se verica que
_
b
a
f(x) dx
_
b
a
[f(x)[ dx.
Demostracion:
Como [f(x)[ =
_
f(x), si f(x) 0
f(x), si f(x) < 0
, si tomamos las funciones denidas por
f
+
(x) =
_
f(x), si f(x) 0
0, si f(x) < 0
y f
(x) =
_
0, si f(x) > 0
f(x), si f(x) 0
,
entonces [f[ = f
+
+f
y sera integrable si f
+
y f
son integrables.
Veamos que f
+
es integrable en [a, b] :
f es integrable, luego existe P
tal que U(f, P
) L(f, P
) =
n
i=1
(M
i
m
i
)x
i
<
y, para esa misma particion, U(f
+
, P
) L(f
+
, P
) =
n
i=1
(M
i
m
i
)x
i
. Ahora bien:
si 0 m
i
entonces 0 f = f
+
en [x
i1
, x
i
] y M
i
m
i
= M
i
m
i
.
si M
i
0, entonces f 0 = f
+
en [x
i1
, x
i
] y M
i
m
i
= 0 0 M
i
m
i
.
si m
i
< 0 < M
i
, entonces m
i
< 0 = m
i
M
i
= M
i
y M
i
m
i
M
i
m
i
.
En consecuencia, U(f
+
, P
) L(f
+
, P
) U(f, P
) L(f, P
) < y f
+
es integrable. en [a, b] .
Como es tambien f = f
+
f
, se tiene que f
= f
+
f es integrable en [a, b] por ser suma de integrables
y, por tanto, [f[ es integrable en [a, b] .
Aplicando ahora el corolario 275 a la desigualdad [f[ f [f[ , se tiene que
_
b
a
[f[
_
b
a
f
_
b
a
[f[
y, por tanto,
_
b
a
f
_
b
a
[f[ .
Proposicion 278.- Si f y g son integrables en [a, b] , entonces fg es integrable en [a, b] .
Demostracion:
Como puede escribirse fg =
1
4
_
(f +g)
2
(f g)
2
_
y las funciones f +g y f g son integrables, basta probar
que el cuadrado de una funcion integrable es integrable.
Sea entonces h integrable en [a, b] . Por ser acotada, existe K > 0 tal que [h(x)[ < K, para todo x [a, b] ,
y por ser integrable, existe P
T[a, b] tal que

U(h, P
) L(h, P
) =
n
i=1
(M
i
m
i
)x
i
<

2K
.
Para esa particion y la funcion h
2
, sea U(h
2
, P
) L(h
2
, P
) =
n
i=1
(M
i
m
i
)x
i
,
entonces,
si 0 m
i
M
i
, se tiene que M
i
= M
2
i
y m
i
= m
2
i
, de donde
M
i
m
i
= M
2
i
m
2
i
= (M
i
+m
i
)(M
i
m
i
).
si m
i
M
i
0, se tiene que M
i
= m
2
i
y m
i
= M
2
i
, de donde
M
i
m
i
= (M
2
i
m
2
i
) = (M
i
+m
i
)(M
i
m
i
) = [M
i
+m
i
[ (M
i
m
i
).
si m
i
< 0 < M
i
, se tiene que M
i
= maxm
2
i
, M
2
i
y m
i
= mnm
2
i
, M
2
i
, de donde (por las anteriores)
M
i
m
i
=
M
2
i
m
2
i
= [M
i
+m
i
[ (M
i
m
i
).
Luego
n
i=1
(M
i
m
i
)x
i
=
n
i=1
[M
i
+m
i
[ (M
i
m
i
)x
i

n
i=1
2K(M
i
m
i
)x
i
< 2K

2K
=,
y h
2
es integrable. En consecuencia fg es integrable en [a, b] .
Integrales impropias
Proposicion 304.- Sea f: [a, +) IR integrable en [a, t] para todo t [a, +). Si lm
x+
f(x) = L ,= 0
entonces
_

a
f(x) dx diverge.
Demostracion:
Supongamos que lm
x+
f(x) = L > 0. Entonces, para cualquier > 0 existe k > 0 tal que si x k se verica
que [f(x) L[ < , es decir, L < f(x) < L +.
En particular, tomando =
L
2
> 0, si x k se verica que
L
2
< f(x) <
3L
2
, luego 0 <
L
2
< f(x) para todo
x [k, +). Entonces,
lm
t+
_
t
k
L
2
dx lm
t+
_
t
k
f(x) dx
y como
lm
t+
_
t
k
L
2
dx = lm
t+
L
2
(x]
t
k
=
L
2
lm
t+
t k = +,
se tiene que lm
t+
_
t
k
f(x) dx = + y la integral
_

k
f(x) dx diverge, luego por la propiedad 1 de 303,
_

a
f(x) dx diverge.
Supongamos ahora que lm
x+
f(x) = L < 0. Entonces lm
x+
f(x) = L > 0 y, por tanto,
_

a
f(x) dx
diverge. Luego
_

a
f(x) dx diverge.
Teorema 307.- Sea f: [a, +) IR integrable y no negativa en [a, t] , t IR.
_
+
a
f(x) dx es convergente F(t) =
_
t
a
f(x) dx esta acotada superiormente.
Demostracion:
Si
_

a
f(x) dx converge, entonces
lm
t+
_
t
a
f(x) dx = lm
t+
F(t) = L IR.
Como F(t) es creciente, F(t) L y esta acotada superiormente.
Recprocamente, si F(t) esta acotada superiormente existe sup
_
F(t) : t [a, +)
_
= IR. Veamos que
= lm
t+
F(t) y habremos probado que
_

a
f(x) dx es convergente.
Sea > 0. Entonces, por ser un extremo superior, existe t
[a, +) tal que < F(t
), luego
si t t
, como F es creciente, se tiene que < F(t
) F(t). Ademas, para todo t, se verica que

F(t) < +.
En consecuencia, para cualquier > 0 existe t
tal que si t t
, < F(t) < +, es decir, [F(t)[ < ,

luego lm
t+
F(t) = .
Demostracion de: Segundo criterio de comparacion 309 de la pagina 163
Segundo criterio de comparacion 309.- Sean f, g: [a, +) IR integrables en [a, t] , para todo t a y no
negativas. Supongamos que existe lm
x+
f(x)
g(x)
= L. Entonces:
a) Si 0 < L < + =
_
+
a
f(x) dx
_
+
a
g(x) dx.
[i] si
_
+
a
g(x) dx converge =
_
+
a
f(x) dx converge.
[ii] si
_
+
a
f(x) dx diverge =
_
+
a
g(x) dx diverge.
c) Si L = +, se tiene:
[i] si
_
+
a
f(x) dx converge =
_
+
a
g(x) dx converge.
[ii] si
_
+
a
g(x) dx diverge =
_
+
a
f(x) dx diverge.
Demostracion:
1.- Si 0 < L < +, tomamos =
L
2
, luego existe K > 0 tal que si x K se tiene que
f(x)
g(x)
L
<
L
2
. De
donde
L
2
+L <
f(x)
g(x)
<
L
2
+L
y, como g(x) 0, se tiene
L
2
g(x) f(x)
3L
2
g(x)
para todo x K. Basta aplicar 308, a los pares de funciones
L
2
g f(x) y f(x)
3L
2
g(x) y tener en
cuenta la propiedad 2 de 303.
2.- Si L = 0, tomando = 1, se tiene que existe K > 0 tal que si x K entonces 0 f(x) < g(x).
De nuevo, basta con aplicar 308.
3.- Si L = +, entonces lm
x+
g(x)
f(x)
= 0 y recaemos en el caso anterior.
Teorema 318.- Sea f: (a, b] IR integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces
_
b
a
+
f(x)dx es convergente F(t) =
_
b
t
f(x)dx esta acotada superiormente.
Demostracion:
Si
_
b
a
+
f(x)dx converge, entonces
lm
ta
+
_
b
t
fxdx = lm
ta
+
F(t) = L IR.
Como F(t) es decreciente, F(t) L y esta acotada superiormente. (Notar, que como F es decreciente, cuando
t decrece hacia a
+
, F(t) crece hacia L.)
Recprocamente, si F(t) esta acotada superiormente existe supF(t) : t (a, b] = IR. Veamos que
= lm
ta
+
F(t) y habremos probado que
_
b
a
+
f(x)dx es convergente.
Sea > 0. Entonces, por ser un extremo superior, existe t
(a, b] tal que < F(t
), luego si
t t
, como F es decreciente, se tiene que < F(t
) F(t). Ademas, para todo t, se verica que

F(t) < +.
En consecuencia, para cualquier > 0 existe t
tal que si t t
, < F(t) < +, es decir, [F(t)[ < ,

luego lm
ta
+
F(t) = .

Matemáticas I para Ingeniería Técnica Industrial

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Matemáticas I para Ingeniería Técnica Industrial

Hochgeladen von

Copyright:

Verfügbare Formate

MATEMTICAS I

INGENIERIA TCNICA INDUSTRIAL ESPECIALIDAD EN ELECTRICIDAD

Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

1.2.2.4 Factorizaci on de polinomios en IR[X]

es el mnimo com un m ultiplo de los denominadores

(el polinomio derivado de P ).

2.1.2 Matriz transpuesta

es la matriz elemental que deshace la operacion realizada por E, se tiene que E

es la matriz elemental que deshace E, multiplicando en la

Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

es la matriz que resulta de intercambiar dos las de A, entonces det(A

es la matriz que resulta de sumar a la la k un m ultiplo de la la i, entonces det(A

tiene determinante cero y

a+d b+e c+f

a) Cual es el rango de la matriz del primer determinante en funcion de los valores de a y b?

es la matriz que resulta de multiplicar una la de A por una constante = 0, entonces

es la matriz que resulta de intercambiar dos las de A, entonces det(A

es la matriz que resulta de sumar a una la k un m ultiplo de la la i, entonces det(A

que tiene por la 1 la la k

) por la primera la, tenemos que

Nota: Si los vectores v

Conocer a priori la dimension de un espacio facilita la obtencion de bases:

4.4 Cambios de base

Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de IR

(1) = Q(X), P(X))

(1) = 0. Entonces, sea P(X) = a + bX + cX

(X) = 2c; de las igualdades se tiene:

2) es ortonormal para el producto interior x, y) =

una base ortonormal B

es una base ortonormal de V .

) y k(x, y) = (2kx, 2ky).

+ 1) y k(x, y) = (kx, ky).

es una base de V si, y solo si el conjunto [ v

Proposicion 128.- Si f: V W es una aplicacion lineal, entonces:

No por casualidad, sucede que dim(ker f) + dim(Img f) = 1 + 2 = 3 = dimIR

Observacion 135.- Si f: V W es una aplicacion lineal y A la matriz de f respecto de B

Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

sea diagonal. Esa nueva matriz viene dada por P

a la base B (Teorema de Semejanza).

Prof: Jose Antonio Abia Vian I.T.I. en Electricidad

Dar una expresion de D

Teorema 162.- Sean B y B

dos bases de V , P la matriz de paso de B

simetricas son congruentes, si existe P inversible tal que A

tal que la matriz P de cambio de base de B

7.1.2 Diagonalizacion mediante operaciones elementales

, se tiene que Q(x) = 2x

7.2 Rango y signatura de una forma cuadratica. Clasicacion

y A son matrices asociadas a la misma aplicacion lineal, luego rg(A) = rg(A

en una base, luego Sig(Q) = (1, 1). En el segundo ejemplo, se escribe

en una base y Sig(Q) = (2, 1).

tal que Q(x) = [x]

como matriz en la base canonica, cual sera la matriz

y es un valor propio de f ya que x

, del operador en la base B, sera de la forma

son matrices semejantes, tienen el mismo polinomio

es la matriz de f en la base B y P la matriz de paso de B a la canonica,

tambien lo sera pues (A

(si x < y = x z > y z ).

8.1.1 Valor absoluto de un n umero real

(a, ) = E(a, ) {a} = {x IR : 0 < |x a| < }.

x como el IR tal que