Beruflich Dokumente
Kultur Dokumente
Concepci
on, Enero de 2008
PROLOGO
Este texto es para ser usado como apoyo por los alumnos de Ciencias
Qumicas e Ingeniera Ambiental, que cursan las asignaturas de Calculo o
Matematica III que dicta el Departamento de Ingeniera Matematica de la
Facultad de Ciencias Fsicas y Matematicas de la Universidad de Concepcion.
Los diferentes contenidos involucrados en el curso al igual que los ejercicios
son desarrollados en un lenguaje simple y de una manera directa, lo que facilita
la comprension a los alumnos.
Tambien, para cada captulo desarrollado en este libro, se incluye una
seccion donde se desarrollan algunos ejercicios computacionalmente, situacion
que resultara muy interesante para el alumno, sobre todo con lo que tiene que
ver con la parte grafica; lo cual se da mucho en los captulos 2 y 3. El lenguaje
de computacion que se ha elegido para tales efectos es el lenguaje Maple, que es
de un manejo relativamente facil; dado que dispone de librerias para distintos
temas que facilitan mucho la programacion. Aparte de lo anterior, se incluye
un disco compacto con un software para varias materias desarrolladas en los
cursos, en que cada programa puede ser usado en forma directa e interactiva
por el alumno.
Deseo hacer notar que todo este trabajo es un Proyecto de Docencia que
nacio de la idea en conjunto con el Profesor Francisco Cheuquepan (q.e.p.d.)
y por lo tanto deseo dedicarle en parte a el dicho trabajo.
Deseo expresar tambien, mis agradecimientos a mis ex-alumnas, ahora
ingenieros matematicos, Marcela Torrejon y Fabiola Lobos, por sus apoyos en
el area computacional y aporte de ideas.
Andres Duran P.
Indice general
1. ALGEBRA LINEAL
1.1. ESPACIOS VECTORIALES . . . . . . . . . . . . . . . . . . . .
1.1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2. Definicion y Propiedades . . . . . . . . . . . . . . . . . .
1.1.3. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.4. Bases y Dimension de un Espacio Vectorial . . . . . . . .
1.2. TRANSFORMACIONES LINEALES . . . . . . . . . . . . . . .
1.2.1. Definiciones y Ejemplos . . . . . . . . . . . . . . . . . .
1.2.2. Representacion Matricial de una Transformacion Lineal
1.3. VALORES Y VECTORES PROPIOS . . . . . . . . . . . . . .
1.4. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . .
1.5. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . . .
1
1
1
2
6
10
20
21
29
36
39
45
51
51
55
60
65
73
76
80
88
91
96
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. INTEGRALES MULTIPLES
3.1. INTEGRALES DOBLES . . . . . . . . . . . . . . . . . . . . .
3.2. INTEGRALES TRIPLES . . . . . . . . . . . . . . . . . . . .
3.3. CAMBIO DE VARIABLES EN INTEGRALES MULTIPLES
3.4. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . .
3.5. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . .
103
. 103
. 113
. 120
. 128
. 132
4. SERIES INFINITAS
4.1. SUCESIONES INFINITAS . . . . . . . .
4.2. SERIES INFINITAS . . . . . . . . . . .
4.3. SERIES DE POTENCIAS . . . . . . . .
4.4. SERIES DE TAYLOR Y MACLAURIN
135
. 135
. 140
. 148
. 152
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ii
INDICE GENERAL
4.5. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . . 156
4.6. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . . . 162
Captulo 1
ALGEBRA LINEAL
1.1.
ESPACIOS VECTORIALES
1.1.1.
Introducci
on
c
v
v
b
y la multplicaci
on por escalar de y u, denotada por u, como:
u = (a, b)
Observaci
on 1.1. En forma totalmente analoga estas dos operaciones pueden
ser definidas para vectores en IR3 .
Las operaciones de suma y multiplicacion por escalar para vectores de IR2
y IR3 tienen muchas propiedades interesantes. Por ejemplo, se puede verificar
facilmente que, con respecto a la suma, los vectores de IR2 cumplen las leyes
conmutativa y asociativa.
Si u es un vector de IR2 entonces
u + = ;
donde = (0, 0), llamado el vector nulo o vector cero. Tambien,
u + (u) = ;
donde u es el llamado vector inverso del vector u. As, si u = (a, b),
entonces u = (a, b). Con respecto a la multiplicacion por escalar, se
pueden obtener leyes distributivas.
Las propiedades para la suma y multiplcacion por escalar en IR2 , tambien
son cumplidas por los vectores en IR3 .
Los conjuntos IR2 y IR3 , con las operaciones de suma y multiplicacion por
escalar definidas, constituyen lo que se llama un espacio vectorial.
1.1.2.
Definici
on y Propiedades
2.-) u y v V u + v = v + u.
3.-) u, v y w V (u + v) + w = u + (v + w).
4.-) En V existe un u
nico vector , llamado vector cero, tal que para todo
u en V , u + = u.
5.-) Si u esta en V existe un u
nico vector u en V , llamado el inverso
aditivo de u, tal que u + (u) = .
6.-) Si u esta en V y es un escalar, entonces el producto por escalar u
esta en V .
7.-) Si u y v estan en V y es un escalar entonces (u + v) = u + v.
8.-) Si u esta en V , y son escalares entonces ( + )u = u + u.
9.-) Si u esta en V , y son escalares entonces (u) = ()u.
10.-) Para todo vector u que esta en V , 1u = u.
Observaci
on 1.2.
1.- De la propiedad 4.-), el conjunto V no debe ser vaco (V 6= ).
2.- Para todo par de vectores u y v de un espacio vectorial V , u + (v) se
escribe como u v y se denomina diferencia entre u y v.
Ejemplo 1.1. Sea V = IR3 el conjunto que representa los puntos (o vectores)
en el espacio; es decir,
IR3 = {(x, y, z) : x IR, y IR, z IR}
Entonces, IR3 con las operaciones de suma y producto por escalar siguientes:
- Si u = (x1 , y1 , z1 ) y v = (x2 , y2, z2 ) son dos elementos de IR3 , entonces:
u + v = (x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
- Si es un n
umero real y u = (x, y, z) es un elemento de IR3 , entonces:
u = (x, y, z) = (x, y, z)
es un espacio vectorial.
Aqu, el vector cero es el elemento (0, 0, 0) y para cualquier elemento
u = (x, y, z) de IR3 , el inverso aditivo de u es u = (x, y, z). Con
estos elementos es facil verificar las propiedades 1.-) a 10.-) de los espacios
vectoriales.
Ejemplo 1.2. En general, el conjunto V = IRn , n IN, que denota el conjunto de las n-uplas de n
umeros reales;
IRn = {(x1 , x2 , ..., xn ) : x1 IR, x2 IR, ..., xn IR},
IRn constituye un espacio vectorial con las operaciones de suma y producto por
escalar siguientes:
- Si u = (x1 , x2 , ..., xn ), v = (y1 , y2, ..., yn ) son dos elementos de IRn entonces:
u + v = (x1 + y1 , x2 + y2 , ..., xn + yn )
- Si es un n
umero real, u = (x1 , x2 , ..., xn ) es un elemento de IRn entonces:
u = (x1 , x2 , ..., xn ).
Las operaciones recien definidas sobre IRn son las llamadas operaciones usuales.
De manera similar al ejemplo anterior, se tiene que el vector cero es =
(0, 0, ..., 0) y para cualquier elemento u = (x1 , x2 , ....., xn ) el inverso aditivo de
u es u = (x1 , x2 , ..., xn ). Dados estos elementos, es sencillo verificar las
propiedades de espacios vectoriales.
Ejemplo 1.3. Sea V = Pn , n IN, el conjunto de polinomios con coeficientes
reales de grado menor o igual que n; es decir, si p Pn entonces:
p = an xn + an1 xn1 + ... + a1 x + a0 ,
donde a1 , a2 , ..., an son n
umeros reales. Sobre el conjunto V se definen las
siguientes operaciones de suma y producto por escalar:
- Si p = an xn +an1 xn1 +...+a1x+a0 y q = bn xn +bn1 xn1 +...+b1 x+b0
son dos elementos de V , entonces:
El conjunto V con estas dos operaciones cumple las propiedades de la Definicion 1.2 y es un espacio vectorial. Notemos que tanto la suma de dos polinomios de grado menor o igual que n como el producto por escalar de un n
umero
real por un polinomio de grado menor o igual que n son tambien polinomios
de grado menor o igual que n. El vector cero corresponde al polinomio nulo
= 0xn + 0xn1 + .... + 0x + 0. Ademas si p = an xn + an1 xn1 + ... + a1 x + a0
es un elemento de V , entonces el inverso aditivo p esta dado por p =
an xn an1 xn1 ... a1 x a0 .
Las operaciones definidas son las llamadas operaciones usuales para
los polinomios de orden menor o igual que n
Ejemplo 1.4. Sea V = Mmxn (IR), m IN y n IN; el conjunto de las
matrices de orden m por n con elementos reales. Con las operaciones de suma
y producto por escalar conocidas, V es un espacio vectorial para todo entero
positivo m y n.
En este caso, el vector cero es la matriz de orden m por n con todos sus
elementos iguales a cero. Si A = (aij ), entonces el inverso aditivo de la matriz
A es A = (aij ).
En el siguiente resultado se enuncian, sin demostracion, algunas propiedades basicas que cumplen los espacios vectoriales y que se utilizan regularmanete.
Teorema 1.1. Sea V un espacio vectorial, entonces:
1. Para todo escalar y , el vector cero de V , se tiene que
=
2.- Sea u un vector cualquiera de V , entonces
0u = .
3.- Sea un escalar y u un elemento de V , se tiene que:
Si u = , entonces = 0 o u = .
4.- Sea un escalar y u un vector de V , se tiene que
()u = (u).
5.- Dados los vectores u, v y w de V ,entonces
u + v = u + w = v = w.
1.1.3.
Subespacios
En muchas situaciones puede darse que un subconjunto de un espacio vectorial tambien sea un espacio vectorial. Por ejemplo, de la subseccion anterior,
se sabe que el conjunto M2x2 (IR) es un espacio vectorial. Ahora, si se toma el
conjunto D22 (IR), que denota el conjunto de las matrices diagonales de 2x2
con elementos reales; es decir,
a 0
: a y b son n
umeros reales ;
D22 (IR) =
0 b
D22 (IR) es un subconjunto de M22 (IR). Es claro tambien que sumar dos matrices diagonales de 2 por 2 da una matriz diagonal e igualmente al multiplicar
un escalar por un matriz diagonal de 2 por 2. Tanto el vector cero (matriz
nula) como el vector inverso aditivo de cualquier elemento de S son obtenidos
a partir del caso general del espacio vectorial M22 (IR). Con estos alcances,
se puede verificar que el conjunto D22 (IR) cumple las diez propiedades de
espacio vectorial.
De acuerdo a lo anterior, se tiene la siguiente definicion respecto de estos
subconjuntos.
Definici
on 1.3. Un subconjunto S, no vaco, de un espacio vectorial V , se
dice que es un subespacio vectorial o subespacio de V si, S es un espacio
vectorial bajo las operaciones de suma y producto por escalar definidas en V.
De esta manera se puede decir entonces que que el conjunto de las matrices
diagonales de 2 por 2 es un subespacio vectorial de M2x2 (IR)
Observaci
on 1.3. Para todo espacio vectorial V , el subconjunto S que contiene solo el vector cero de V ; es decir S = {}, y el mismo espacio vectorial
V son subespacios vectoriales de V llamados subespacios triviales.
A continuacion se presenta un resultado, sin demostracion, que hace relativamente sencillo averiguar cuando un subconjunto de un espacio vectorial
es un subespacio vectorial.
Teorema 1.2. Sea V un espacio vectorial. Un subconjunto S no vaco de V
es un subespacio vectorial de V s y solo si:
1.- Si u S, v S, entonces u + v S.
2.- Para cualquier escalar y cualquier vector u en S, entonces u S.
Observaci
on 1.4. Del resultado anterior se tiene que todo subespacio S de
un espacio vectorial contiene al vector cero; ya que si u es un elemento de S
entonces por el punto 2, del Teorema 1.1, se tiene que 0u = y por el punto
2, del Teorema 1.2, este debe ser un elemento de S. Es decir, para que un
subconjunto de un espacio vectorial sea un subespacio, este debe contener el
vector cero.
u + v = (a, b, b) + (r, s, s) = (a + r, b + s, b s)
Si se denota a = a + r
= (a + r, b + s, (b + s))
y b = b + s, se tiene que:
u + v = (a , b , b ),
y as u + v S.
2.- Sea un n
umero real cualquiera y u = (a, b, b) un elemento cualquiera
de S, entonces:
u = (a, b, b) = (a, b, b)
u = (a , b , b )
y as u es un elemento de S.
De esta manera, el subconjunto S de IR3 satisface las dos condiciones del
Teorema 1.2 y por lo tanto S es un subespacio vectorial de IR3 .
Ejemplo 1.6. Consideremos el espacio vectorial P2 , el conjunto de los polinomios de grado menor o igual que 2 con coeficientes reales; es decir, si p P2
entonces p = ax2 + bx + c; donde a, b y c son n
umeros reales. Sea S el subconjunto de P2 definido como
S = {ax2 + bx + b a : a y b IR}
8
En efecto,
= (a + c)x2 + (b + d)x + (b a) + (d c)
p + q = a x2 + b x + b a
Luego, p + q S.
= (a)x2 + (b)x + (b a)
= (a)x2 + (b)x + b a,
p = a x2 + b x + b a
y p S.
Facilmente pueden ser verificadas las dos condiciones del Teorema 1.2 y as concluir que el conjunto S es un subespacio de IR2 .
Observaci
on 1.5. De acuerdo al ejemplo anterior, se puede analizar que pasa
con el conjunto de puntos de una recta del plano que no pasa por el origen; es
decir, el subconjunto S de IR2 defnido como:
S = {(x, y) IR2 : y = mx + b, m y b n
umeros reales fijos, b 6= 0}.
Si la recta no pasa por el origen no va a contener al vector nulo y por lo tanto
no puede ser subespacio vectorial.
Dados dos subespacio de un espacio vectorial, sera interesentante preguntarse que pasa con la union e interseccion de estos subespacios; seran
subespacio?. Para contestar a esta interrogante se considera el siguiente resultado y mas adelante una observacion.
Teorema 1.3. Sean S1 y S2 dos subespacios de un espacio vectorial V , entonces S1 S2 es un subespacio de V .
Demostracion En primer lugar se sabe que la interseccion de S1 y S2 , es un
subconjunto de V , dado que cada uno de estos conjuntos esta incluido en V .
Ahora veamos que se cumplen las dos propiedades de Teorema 1.2:
1.- Sean u y v dos elementos de S1 S2 , entonces u S1 , u S2 y tambien
v S1 , v S2 . Ahora, u S1 y v S1 entonces u + v S1 , S1 es
un subespacio. Tambien, u S2 y v S2 entonces u + v S2 , S2 es
un subespacio. De lo anterior, se concluye que u + v S1 S2 .
2.- Si es un escalar y u es un elemento de S1 S2 entonces u S1 y
u S2 . Ahora, como tanto S1 y S2 son subespacios entonces u S1
y u S2 lo que se concluye que u S1 S2
De 1.- y 2.- S1 S2 es un subespacio vectorial de V .
Ahora, con repecto a la union de dos subespacio de un espacio vectorial
se tiene la siguiente observacion.
Observaci
on 1.6. Si S1 y S2 son dos subespacios de un espacio vectorial V ,
no necesariamente S1 S2 es un subespacio de V . En efecto, consideremos los
conjuntos S1 y S2 , ambos subconjuntos de IR2 , definidos por,
S1 = {(x, y) : y = x}
S2 = {(x, y) : y = 2x}
Geometricamente, tanto S1 como S2 son rectas en el plano que pasan por el
origen y por lo tanto son subespacio de IR2 , con las operaciones de suma y
producto por escalar usuales en IR2 .
El punto (1, 1) es un elemento de S1 y por lo tanto (1, 1) es un elemento de
S1 S2 . El punto (1, 2) es un elemento de S2 y por lo tanto es un elemento de
S1 S2 . Ahora,
(1, 1) + (1, 2) = (2, 3),
pero (2, 3) no es un punto ni de S1 ni de S2 , con lo cual la suma entre los
elementos (1, 1) y (1, 2) no esta en S1 S2 y este u
ltimo conjunto no estara
cumpliendo con la condicion 1.- del Teorema 1.2. Entonces S1 S2 no es
subespacio de IR2 .
10
1.1.4.
Bases y Dimensi
on de un Espacio Vectorial
5 10
7 0
=2
1
2
4 1
0 3
2 4
+3
1 3
1 2
11
1 + 52 = 7
21 32 =
7
(1.1)
12
13
c
,
4
la primera ecuacion se llega
c b
=a
2 2
o equivalentemente
2a + b c = 0
con lo cual se tiene finalmente que
gen{(2, 0, 4), (1, 2, 0)} = {(a, b, c) IR3 : 2a + b c = 0}
Se nota que, geometricamente, el conjunto gen{v1 , v2 } representa un plano en
el espacio que pasa por el origen.
Observaci
on 1.8. Referente a este u
ltimo ejemplo, se verifica que dos vectores
no paralelos, en el espacio vectorial IR3 , generan un plano que pasa por el
origen.
Entre los conceptos mas importantes y usados dentro de los espacios vectoriales, estan los conceptos de dependencias lineal e independencia lineal. Para
ir visualizando este tema veamos la siguiente situacion: si en el espacio vectorial IR3 se toman los vectores u1 = (1, 1, 1), u2 = (1, 0, 2) y u3 = (1, 3, 1)
entonces se verifica que 3u1 2u2 = u3 o equivalentemente:
3u1 2u2 u3 = ;
14
lo que significa que el vector cero, , es escrito como una combinacion lineal de
los vectores u1 , u2 y u3 sin que necesariamente los escalares correspondientes
sean ceros.
Al respecto, se entrega la siguiente la definicion.
Definici
on 1.7. Sea V un espacio vectorial y sean v1 , v2 ,...,vn n vectores de
V . Entonces se dice que estos vectores son linealmente dependientes si
existen n escalares 1 , 2 ,.....,n , no todos nulos, tales que
1 v1 + 2 v2 + ... + n vn =
(1.2)
Si dichos vectores no son linealmente dependientes se dicen que son linealmente independientes.
Observaci
on 1.9. Una forma alternativa de decir que los vectores son linealmente independientes es que si se tiene la ecuacion (1.2), entonces
1 = 2 = ... = n = 0
Ejemplo 1.16. En el espacio vectorial IR3 los vectores (1, 1, 1), (1, 1, 0) y
(1, 0, 0) son linealmente independientes.
En efecto:
Sean 1 , 2 y 3 tales que
1 (1, 1, 1) + 2 (1, 1, 0) + 3 (1, 0, 0) = (0, 0, 0)
(1.3)
entonces:
(1 + 2 + 3 , 1 + 2 , 1 ) = (0, 0, 0).
Se recuerda que dos elementos de IR3 son iguales si son iguales componente a
componente; es decir, de la igualdad anterior, debe tenerse que:
1 + 2 + 3 = 0
1 + 2
= 0
1
= 0
con lo que, resolviendo este sistema de ecuaciones lineales, se llega a la u
nica
solucion:
1 = 0,
2 = 0,
3 = 0
Luego, la u
nica posibilidad en obtener la ecuacion (1.3) es que los escalares que
intervienen sean todos iguales a cero; lo que verifica que los elementos (1, 1, 1),
(1, 1, 0) y (1, 0, 0) son linealmente independientes.
Ejemplo 1.17. Consideremos el espacio vectorial P2 y el subconjunto {x2
3x, 3x2 + 4, 11x2 6x + 12} de este espacio. Entonces dicho subconjunto constituye un conjunto linealmente denpendiente de P2 .
15
En efecto:
Si 1 , 2 y 3 son escalares tales que:
1 (x2 3x) + 2 (3x2 + 4) + 3 (11x2 6x + 12) = 0t2 + 0t + 0
(1.4)
o sea:
(1 + 32 + 113 )x2 + (31 63 )x + 42 + 123 = 0t2 + 0t + 0
Ahora, utilizando el hecho de que dos polinomios son iguales si los coeficientes
de las potencias correspondientes son iguales, se tiene el siguiente sistema de
ecuaciones lineales:
1
+ 32 + 113 = 0
31
63 = 0
42 + 123 = 0
De la segunda ecuacion del sistema se tiene que 1 = 23 , con lo cual reemplazando 1 en la primera ecuacion, el sistema de tres ecuaciones lineales
anterior queda reducido al siguiente sistema de dos ecuaciones lineales:
32 + 93 = 0
42 + 123 = 0
Claramente, las dos ecuaciones son iguales y se tiene que 2 = 33 . Entonces
el sistema original tiene infinitas soluciones dadas por:
1 = 23 ,
2 = 33
16
Definici
on 1.8. Sea V un espacio vectorial. Un conjunto de vectores
{v1 , v2 , ..., vn },
subconjunto de V , se dice base de V si:
i) {v1 , v2 , ..., vn } es un conjunto linealmente independiente.
ii) {v1 , v2 , ..., vn } genera a V .
Ejemplo 1.18. En un ejemplo anterior (Ejemplo 1.11) se vio que en el espacio
vectorial IR3 el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera dicho espacio.
Pues bien, si se tienen escalares 1 , 2 y 3 tales que:
1 (1, 0, 0) + 2 (0, 1, 0) + 3 (0, 0, 1) = (0, 0, 0)
(1.5)
lo que equivale a:
(1 , 2 , 3 ) = (0, 0, 0)
obteniendose que:
1 = 0,
2 = 0,
3 = 0
Es decir, la u
nica forma de que se cumpla la ecuacion (1.5) es que los escalares
involucrados sean todos nulos, lo que nos dice que el conjunto
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}
es un conjunto linealmente independiente.
Dado que el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera el espacio vectorial IR3 y ademas es un conjunto linealmente independiente, entonces resulta
ser una base de IR3 .
Ejemplo 1.19. Con relacion al ejemplo anterior se tiene que, en general, si
se define e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), e3 = (0, 0, 1, 0, ..., 0),..., en =
(0, 0, 0, ..., 1), elementos de IRn , entonces el conjunto {e1 , e2 , .., en } constituye
una base para el espacio vectorial IRn . El conjunto {e1 , e2 , .., en } es la llamada
base can
onica de IRn .
Ejemplo 1.20. En el espacio vectorial M22 (IR), el conjunto:
1 0
0 1
0 0
0 0
,
,
,
0 0
0 0
1 0
0 1
es una base para dicho espacio vectorial. Se puede verificar de forma simple
que es un conjunto generador de M2x2 (IR) y que es un conjunto linealmente
independiente.
17
En efecto,
Si se tienen los escalares 1 , 2 , 3 y 4 tales que:
1 0
0 0
+ 2
0 1
0 0
+ 3
0 0
1 0
1 2
3 4
+ 4
0 0
0 1
0 0
0 0
o equivalentemente:
0 0
0 0
18
2 = y z,
3 = x y
3 + 4
2 + 3
4
+ 2
=
=
=
=
0
0
0
0
19
3 + 4
2 + 3
4
+ 2
=
=
=
=
a
b
c
d
2 = a + b + c,
3 = a c,
4 = c
20
1.2.
TRANSFORMACIONES LINEALES
1.2.1.
21
Definiciones y Ejemplos
Definici
on 1.10. Sean V y W dos espacios vectoriales sobre un cuerpo K.
Una Transformacion Lineal (T.L.) T es una funcion que asigna a cada vector
v V un u
nico vector T (v) W y que satisface , para cada u, v en V y
cada K :
1. T (u + v) = T (u) + T (v)
2. T (u) = T (u)
Observaci
on 1.10. En lo que sigue V y W denotaran espacios vectoriales
sobre el cuerpo de los n
umeros reales IR.
Ejemplo 1.26. Sea T : IR2 IR3 definida por T (x, y) = (x + y, x y, 3y).
Entonces T es una transformacion lineal.
En efecto:
Sean (x1 , y1 ) y (x2 , y2 ) en IR2 y en IR
i) T ((x1 , y1 ) + (x2 , y2)) = T (x1 + x2 , y1 + y2 )
=((x1 +x2 )+(y1 +y2 ), (x1 +x2 )(y1 +y2 ), 3(y1 +y2 ))
=((x1 +y1 )+(x2 +y2 ), (x1 y1 )+(x2 y2 ), 3y1 +3y2 )
=(x1 + y1 , x1 y1 , 3y1) + (x2 + y2 , x2 y2 , 3y2)
=T (x1 , y1 ) + T (x2 , y2)
As T ((x1 , y1 ) + (x2 , y2)) = T (x1 , y1 ) + T (x2 , y2 )
ii) T ((x1 , y1)) = T (x1 , y1)
= (x1 + y1 , x1 y1, 3y1)
= ((x1 + y1 ), (x1 y1 ), 3y1)
= (x1 + y1 , x1 y1 , 3y1 )
= T (x1 , y1)
As T ((x1 , y1)) = T (x1 , y1)
Por lo tanto, i) y ii) verifican que T es una transformacion lineal.
Ejemplo 1.27. Sea I : V V definida por I(v) = v, entonces I es una
transformacion lineal.
Para todo u y v en V y en IR se tiene que:
i) I(u + v) = u + v = I(u) + I(v)
ii) I(u) = u = I(u)
As i) y ii) verifican que I es una transformacion lineal.
22
Ejemplo 1.28. Sea T : M2x2 (IR) IR2 ; donde M2x2 (IR) es el conjunto de
las matrices cuadradas de orden 2, tal que:
a b
= (a + c, b + d)
T
c d
Entonces T definida de esta manera es un transformacion lineal.
En efecto:
a b
e f
Sean
y
en M2x2 (IR) y sea en IR, luego:
c d
g h
a b
e f
a+e b+f
i) T
+
=T
c d
g h
c+g d+h
= ((a + e) + (c + g), (b + f ) + (d + h))
= ((a + c) + (e + g), (b + d) + (f + h))
ii)
= (a + c, b + d) + (e + g, f + h)
a b
e f
=T
+T
c d
g h
a b
a b
T
=T
c d
c d
= (a + c, b + d)
= ((a + c), (b + d))
= (a+ c, b +d)
a b
= T
c d
23
= T (v) + T (v),
(por ser T T.L..)
= T (v) + (T (v)),
(de la definicion de transformacion lineal.)
= T (v) T (v), (por propiedad de espacios vectoriales, (T (v) W ))
= W
c) Sean u, v vectores cualesquiera de V y un escalar, entonces:
i) (T + L)(u + v) = T (u + v) + L(u + v),
(T y L son T.L.).
(por conmutatividad y
= (T + L)(u) + (T + L)(v),
= T (u) + L(u),
(T y L T.L.).
= (T (u) + L(u))
= (T + L)(u),
= T (u) + T (v).
= (T )(u) + (T )(v),
(T es T.L.).
= (T (u)) = (T )(u).
De i) y ii) se tiene que T es una T.L..
Proposici
on 1.2. Si T : V W y L : W Z son transformaciones
lineales, entonces:
L T : V Z
es una transformacion lineal.
Demostracion. Cualesquiera sean u, v en V y cualquier escalar se tiene:
24
(T es una T.L.).
(L es una T.L.).
= L(T (u)),
(T es una T.L.).
= L(T (u)),
(L es una T.L.).
= (L T )(u),
Proposici
on 1.3. Sea T : V W una transformacion lineal. Entonces para todos los vectores u, v, v1, v2 , . . . . . . , vn en V y todos los escalares
1 , 2 , . . . .., n se tiene que:
a) T (u v) = T (u) T (v)
b) T (1 v1 + 2 v2 + . . . .. + n vn ) = 1 T (v1 ) + 2 T (v2 ) + . . . .. + n T (vn )
Observaci
on 1.11. Esta u
ltima proposicion puede ser verificada facilmente.
La demostracion de parte a) se basa en la demostracion de la Proposicion 1.1
parte a) y la parte b) se realiza por induccion.
Definici
on 1.11. Sea T : V W una transformacion lineal. Se llama
Kernel o N
ucleo de T al conjunto de todos los vectores v tales que su imagen
es el vector nulo de W y se denota por Ker(T ); es decir,
Ker(T ) = {v V : T (v) = W }
Definici
on 1.12. Sea T : V W una transformacion lineal. Se llama
Imagen de T al conjunto de las imagenes de todos los vectores de V ; es decir,
al recorrido de la funcion T y se denota por Im(T ). As:
Im(T ) = {y W : x V, T (x) = y}
o tambien
Im(T ) = {T (x) : x V }
Para los conjuntos Ker(T ) e Im(T ) recien definidos, se tiene el siguiente
resultado importante.
Teorema 1.7. Si T : V W es una transformacion lineal, entonces
25
a) Ker(T ) es un subespacio de V .
b) Im(T ) es un subespacio de W .
Demostracion
a)
b)
26
27
28
Proposici
on 1.7. Sea T : V W una transformacion lineal biyectiva. Entonces la transformacion inversa T 1 : W V es tambien una trasformacion
lineal.
La demostracion de la proposicion anterior se deja como ejercicio.
A continuacion se enuncian dos resultados importantes de transformaciones lineales y cuyas demostraciones no seran desarrolladas:
Teorema 1.8. (Teorema de las dimensiones). Si T : V W es una transformacion lineal, entonces:
dim(V ) = dim(Ker(T )) + dim(Im(T ))
En referencia al teorema anterior, si se considera el Ejemplo 1.30 en el
cual se tiene la transformacion lineal T : IR3 IR3 , definida por T (x, y, z) =
(x, y, 0), se obtuvo que Ker(T ) = {(0, 0, z) : z IR} y Im(T ) = IR2 ; de
donde se tiene que:
dim(IR3 ) = dim(Kert(T )) + dim(Im(T ))
3
Teorema 1.9. (Teorema Fundamental del Algebra Lineal). Sean {v1 , v2 , . . . .vn },
una base de V y {w1 , w2, . . . ., wn } un conjunto arbitrario de vectores de W . Entonces existe una u
nica transformacion lineal T : V W , tal que T (vi ) = wi ,
i = 1, 2, . . . ., n.
Ejemplo 1.32. Sea la transformacion lineal T : P2 IR2 tal que T (t + 1) =
(1, 1), T (t2 + 1) = (0, 1) y T (t2 t) = (1, 0). Bajo estas condiciones se
puede obtener la ecuacion que define la transformacion.
En efecto:
Se verifica que el conjunto {t + 1, t2 + 1, t2 t} es una base de P2 y de
hecho cualquier vector at2 +bt+c de P2 se puede escribir como una combinacion
lineal de los elementos de esta base de la siguiente manera:
a+b+c
a+bc
ab+c 2
(t + 1)
(t2 + 1) +
(t t)
2
2
2
Aplicando la transformacion T en ambos miembros:
at2 + bt + c =
T (at2 + bt + c) =
a+bc
a+b+c
T (t + 1)
T (t2 + 1)
2
2
+
ab+c
T (t2 t)
2
a+b+c
a+bc
ab+c
(1, 1)
(0, 1) +
(1, 0)
2
2
2
= (a + c, c)
1.2.2.
29
Representaci
on Matricial de una Transformaci
on
Lineal
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
. . . a1n
. . . a2n
..
..
.
.
. . . amn
cuya j-esima columna esta formada por los escalares a1j , a2j , . . . , amj del transformado por T del j-esimo elemento de la base B1 con respecto de la base B2 ,
se llama Matriz Asociada a T con respecto de las bases B1 y B2 .
La matriz as definida es denotada por M[T ]B1 B2 o [T ]B1 B2 . Se puede
observar que el orden de dicha matriz es de m n, donde m es la dimension
de W y n es la dimension de V .
Ejemplo 1.33. Sea T : IR3 IR2 una transformacion lineal, tal que:
T (x, y, z) = (x+y, z). Consideremos las bases B1 = {(3, 0, 0), (1, 2, 1), (0, 1, 5)}
de IR3 y B2 = {(1, 1), (2, 3)} de IR2 . Entonces:
T (3, 0, 0) = (3, 0) = 9(1, 1) 3(2, 3)
30
Ejemplo 1.34. Sea la transformacion lineal T : P3 (t) P2 (t), definida por
T (p(t)) = p (t). Considerando las bases canonicas B1 = {1, t, t2 , t3 } en P3 (t) y
B2 = {1, t, t2 } en P2 (t), se tiene que:
T (1) = 0 = 0(1) + 0(t) + 0(t2 )
T (t) = 1 = 1(1) + 0(t) + 0(t2 )
T (t2 ) = 2t = 0(1) + 2(t) + 0(t2 )
T (t3 ) = 3t2 = 0(1) + 0(t) + 3(t2 )
con lo cual, la matriz asociada a la transformacion lineal es:
0 1 0 0
[T ]B1 B2 = 0 0 2 0
0 0 0 3
Observaci
on 1.13. Notemos que si se cambia el orden en las bases, la matriz
asociada a la transformacion tambien cambia.
En lo que resta enunciamos dos proposiciones, de una cierta importancia
teorica y, que para efecto de este material, no se requiere de sus demostraciones.
Proposici
on 1.8. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1, w2 , . . . . . . , wm }
bases de V y W , respectivamente, y A una matriz de orden mn con elementos
en IR. Entonces existe una u
nica transformacion lineal T de V en W tal que
[T ]B1 B2 = A.
2 1 3
A = 4 2 6
6 3 9
31
con lo cual:
T (x, y, z) = T (x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1))
= xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)
por propiedad de transformaciones lineales. O sea se tiene que:
T (x, y, z) = x(2, 4, 6) + y(1, 2, 3) + z(3, 6, 9)
= (2x y + 3z, 4x 2y + 6z, 6x + 3y 9z)
que corresponde a la expresion de la transformacion lineal buscada.
Ejemplo 1.36. Sea la matriz:
1
2
A=
0
3
0
1
0
2
0
4
3
0
32
1
[v]B = 1
2
Proposici
on 1.9. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1 , w2 , . . . . . . wm }
bases de V y W , respectivamente. Si T : V W es una transformacion
lineal, entonces:
[T ]B1 B2 [v]B1 = [T (v)]B2
Es decir, al multiplicar la matriz asociada a T , con respecto de las bases B1
y B2 , por el vector coordenado de v, con respecto de la base B1 se obtiene el
vector coordenado de la imagen de v por T respecto de la base B2 .
7
7
75
5
5
[T ]B1 B2 =
1
1
1
5
5
5
x
= y
z
a+b
3a 2b
(1, 1) +
(2, 3)
5
5
[(a, b)]B2 =
As,
[T ]B1 B2 [(x, y, z)]B1
7
5
7
5
3a2b
5
a+b
5
x 57 y + 75 z
x
5
y =
=
1
1
1
1
1
1
5
5x + 5y 5z
5
z
5
7
(x y + z)
5
=
1
(x + y z)
5
75
33
Ahora,
T (x, y, z) = (x y + z, 2x + 2y 2z)
= 57 (x y + z)(1, 1) + 51 (x + y z)(2, 3)
por lo que:
[T (x, y, z)]B2 =
7
(x
5
y + z)
1
(x
5
+ y z)
L(x, y) = (x, y, x y)
Si se consideran las bases B1 = {1}, B2 = {(1, 2), (1, 0)} y B3 = {(1, 0, 0),
(0, 1, 0), (0, 0, 1)} de IR, IR2 y IR3 , respectivamente, entonces se quiere encontrar la matriz asociada a la transformacion lineal L T y a partir de ella
obtener la ecuacion que rige dicha transformacion.
34
[T ]B1 B2 =
12
32
[L]B2 B3
1 1
= 2
0
1 1
= 2
0
3
2
1 1
1
= 1
2
35
Observaci
on 1.15. Para la transformacion lineal identidad I : V V ;
donde V es un espacio vectorial de dimension n, la matriz asociada a I con
respecto de una base B es la matriz identidad de orden n. Es decir,
1 0 ... 0
0 1 ... 0
[I]BB = .. .. . . ..
. .
. .
0 0 ... 1
Proposici
on 1.12. Sea T : V V una transformacion lineal biyectiva. Si
B es una base de V entonces [T ]BB es una matriz invertible y
1
[T ]1
]BB
BB = [T
Ejemplo 1.39. Sea T : IR2 IR2 una transformacion lineal definida por
T (x, y) = (x, x + y)
1
Usando la propiedad [T ]1
]BB ; donde [T ]BB es la matriz asociada a T
BB = [T
con respecto de la base B = {(1, 0), (1, 2)}, la idea es encontrar la aplicacion
inversa T 1 .
En efecto:
Evaluando T en los dos elementos de la base se tiene:
T (1, 2) = (1, 3)
[T ]BB =
1
2
12
1
2
3
2
[T ]1
BB =
12
1
2
[T 1 ]BB =
3
2
1
2
12
1
2
36
2xy
(1, 0)
2
= T 1 (x, y) = T 1
= T 1 (x, y) =
=
+ y2 (1, 2)
2xy
(1, 0)
2
2xy 1
T (1, 0)
2
2xy
(1, 1)
2
+ y2 (1, 2)
+ y2 T 1 (1, 2)
+ y2 (1, 1)
= (x, y x)
1.3.
Definici
on 1.14. Sea A una matriz cuadrada de orden n con elementos en
un cuerpo K (conjunto de los n
umeros reales o conjunto de los n
umeros complejos). Un escalar se denomina un valor propio de A si existe un vector
no nulo x K n tal que Ax = x, y en tal caso x se llama vector propio de
A asociado a .
Observaci
on 1.16. Para el objetivo a cumplir en este material se conciderara solo el cuerpo de los n
umeros reales, IR; teniendo tambien especial cuidado
que las componentes de un vector propio sean n
umeros reales, dado el procedimento a seguir mas adelante en la obtencion de estos elementos. Ademas,
para efecto de calculo, los vectores propios son puestos como vectores columnas,
como se muestra en el siguiente ejemplo.
Ejemplo 1.40. Consideremos la matriz:
1 4
A=
2 3
Entonces = 1 es un valor propio de A y x = (4, 2) su vector propio
asociado.
En efecto:
Ax =
y
1 4
2 3
4
2
4
2
4
2
4
2
37
de donde Ax = x.
Definici
on 1.15. Sea un valor propio de una matriz A. Se llama espacio
propio asociado a al conjunto de todos los vectores propios asociados a
dicho valor propio (mas el vector nulo de IRn ), es decir, si el espacio propio lo
denotamos por E , entonces
E = {x IRn : Ax = x}
Si es un valor propio de una matriz A, de orden n n, entonces debe
existir un vector propio x asociado a ; es decir, debe cumplirse la ecuacion
Ax = x o equivalentemente (A I)x = , donde I es la matriz identidad
de orden n. Como x debe ser distinto del vector nulo, entonces det(A I)
debe ser distinto de cero; ya que de lo contrario, tendramos solo la solucion
trivial (vector nulo). Tambien si dicho determinante no es cero la solucion no
es u
nica, lo cual, aparte de la solucion trivial, habran otras soluciones. De lo
anterior, se tiene la siguiente proposicion:
Proposici
on 1.13. Sea A una matriz cuadrada de orden n. Un escalar es
valor propio de A s y solo si
det(A I) = 0,
donde I es la matriz identidad de orden n.
La expresion:
fA () = det(A I)
es un polinomio de orden n en y recibe el nombre de polinomio caracterstico. Este polinomio se puede escribir entonces como:
fA () = (1)n (n + an1 n1 + . . . a0 )
Si 1 , 2 , . . . , k son los ceros del polinomio carasterstico, entonces fA () puede ser factorizado de la siguiente manera:
fA () = (1)n ( 1 )1 ( 2 )2 . . . ( k )k
donde 1 , 2 , . . . , k son n
umeros naturales tales que:
1 + 2 + . . . + k = n
El n
umero i , i = 1, 2 . . . , k, corresponde al n
umero de veces que se repite
el factor ( i ) y se le llama multiplicidad algebraica de i . Por otra
38
i = 1, 2, . . . . . . , k;
1 2 3
A= 1 2 3
1 5 6
En efecto:
Por Proposicion 1.13, los valores propios de la matriz A son obtenidos de
det(A I) = 0. As
1 2 3
1 0 0
A I = 1 2 3 0 1 0
1 5 6
0 0 1
1
2
3
2
3
= 1
1
5
6
con lo cual det(A I) = 0 implica que:
1
2
3
1
2
3
1
5
6
con lo que:
=0
2 ( 9) = 0
con lo que las races son = 0 y = 9 y por lo tanto los valores propios
de la matriz A son 0, con multiplicidad algebraica 2, y 9, con multplicidad
algebraica 1.
39
Obtengamos ahora los vectores propios, y por ende los espacios propios asociados a los valores propios. Para ello, reemplazamos los valores correspondientes
de en (A I)x =
Para = 0, el sistema (A I)x = queda como:
x1 + 2x2 + 3x3 = 0
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
con lo cual el sistema anterior solo se reduce a:
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
De la primera ecuacion se tiene que x1 = 2x2 3x3 , con lo que reemplazando x1 en la segunda se llega a 3x2 + 3x3 = 0 o bien x2 = x3 .
Ahora, si reemplazamos x2 en x1 = 2x2 3x3 se obtiene que x1 = x3 .
As los vectores propios para = 0 son de la forma (x3 , x3 , x3 ) y
por ende una base para el espacio propio asociado a este valor propio es
{(1, 1, 1)}.
Para = 9, el sistema (A I)x = es:
8x1 + 2x2 + 3x3 = 0
x1
7x2 + 3x3 = 0
x1
+ 5x2 3x3 = 0
De la segunda y tercera ecuacion se llega a 7x2 3x3 = 5x2 + 3x3 ,
de donde x3 = 2x2 . Reemplazando x3 en la primera ecuacion resulta
que x1 = x2 . Entonces los vectores propios para = 9 tienen la forma
(x2 , x2 , 2x2 ) y as una base para el espacio propio correspondiente es
{(1, 1, 2)}.
1.4.
APLICACION DE MAPLE
Espacios Vectoriales
El lenguaje Maple tiene implementada la librera linalg, que es cargada en
memoria, previo a una seccion de algebra lineal, con el comando with(linalg);
que contiene los comandos referente al algebra matricial y que es aplicable
a la teora de Algebra Lineal (espacios vectoriales, transformaciones lineales,
valores y vectores propios).
Comencemos por chequear, por ejemplo, que el vector (7, 7, 7) es combinacion lineal de los vectores (1, 2, 4) y (5, 3, 1)
> with(linalg):
> v1:=vector([-1,2,4]);
40
v1 := [1, 2, 4]
> v2:=vector([5,-3,1]);
v2 := [5, 3, 1]
> v:=vector([-7,7,7]):
v := [7, 7, 7]
> A:=matrix([v1,v2]);
A :=
1
2 4
5 3 1
1
5
At := 2 3
4
1
> rank(At); # rango de la matriz At
2
> AA:=augment(At,v); # se agrega el vector columna v a la matriz At
1
5 7
7
AA := 2 3
4
1
7
> rank(AA);
2
Dado que el rango de At, la matriz de coeficientes del sistema de ecuaciones
lineales que resuelve este problema, es igual al rango de su matriz ampliada
AA , entonces se verifica que este sistema tiene solucion y por lo tanto el vector
v es combinacion lineal de los vectores v1 y v2. Para encontrar los escalares
correspondientes, la sentencia es:
> linsolve(At,v);
[2, 1]
Se puede encontrar una base para un espacio generado por un conjunto de
vectores usando el comando basis. Por ejemplo, para encontrar una base para
el espacio generado en IR3 por los vectores (1, 1, 1), (1, 1, 0) y (1, 0, 0) entonces
se escribe:
41
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,1,0]):
> v3:=vector([1,0,0]):
> basis({v1,v2,v3});
{v1, v2, v3}
Lo anterior indica que los vectores son linealmente idependientes y por lo tanto
los tres vectores costituyen una base para el espacio; en este caso IR3 . Ahora,
si se quiere saber el espacio generado por (1, 1, 1), (1, 0, 0) y (1, 2, 2), se
digita:
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,0,0]):
> v3:=vector([-1,-2,-2]):
> basis({v1,v2,v3});
{v1, v3}
Esto indica que (1, 0, 0) (v2) es combinacion lineal de (1, 1, 1) (v1) y (1, 2, 2)
(v3); siendo estos u
ltimos linealmente indepedientes y por tanto una base para
el espacio generado por los tres vectores, que obviamente va ser un subespacio
(no trivial) de IR3 .
Transformaciones Lineales
Sea T la transformacion lineal de IR2 en IR3 , definida por T (x, y) = (x, x+
y, x y), entonces una rutina para obtener la matriz asociada con respecto de
las bases canonicas es la siguiente:
> with(linalg):
> T:=(x,y)->[x,x+y,y-x]; # definicion de la transformacion lineal T
T := (x, y) > [x, x + y, y x]
> a:=(1,0); # primer vector de la base
a := 1, 0
> b:=(0,1); # segundo vector de la base
b := 0, 1
> v1:=T(a); # evaluacion de T en el primer vector de la base
42
v1 := [1, 1, 1]
> v2:=T(b); # evaluacion de T en el segundo vector de la base
v2 := [0, 1, 1]
> A:=matrix([v1,v2]):
> AT:=transpose(A);
1
0
1
AT := 1
1 1
1
1 1
A = 2 1 0
1
0 1
43
> with(linalg):
> A:=matrix([[1,1,1],[2,-1,0],[-1,0,1]]); # ingreso de la matriz asociada
1
1 1
A := 2 1 0
1
0 1
> T:=x->multiply(A,x):
> T([x,y,z]);
[x + y + z, 2x y, x + z]
3 1
0
A = 1
2 1
0 1
3
entonces los valores propios de A puueden obtenerse con:
> with(linalg):
> A:=matrix([[3,-1,0],[-1,2,-1],[0,-1,3]]);
3 1
0
A := 1
2 1
0 1
3
44
1.5.
45
EJERCICIOS PROPUESTOS
46
3.- Analice por que los siguientes subconjuntos del espacio vectorial dado no
constituyen un subespacio, con las operaciones de suma y producto por escalar
usuales para los ditintos espacios mencionados.
a) V = IR3 ; S = {(x, y, z) / x y z}.
b) V = M22 (IR), conjunto de matrices cuadradas de orden 2;
a b
S=
/ d = 1, b = c .
c d
c) V = P3 (t); S = {at3 + bt2 + ct + d / a 0 y b 0}.
4.- Verifique que:
a) en el espacio vectorial IR3 , ( 47 , 2, 10) es una combinacion lineal de ( 21 , 2, 4)
y (1, 21 , 4).
b) en el espacio vectorial M22 (IR), la matriz
0 0
7 2
1 2
1 3
3 0
2 1
,
,
2 1
4 1
47
T (x, y) = (x, x + y)
b) T : P2 (t) IR3 ,
T (at2 + bt + c) = (a + c, a + b, b + c)
x y z
3
c) T : IR M23 (IR), T (x, y, z) =
2x 2y z
d) T : IR4 IR3 ,
T (x, y, z, w) = (x + y, z w, y + z)
a
b
e) T : IR3 M22 (IR), T (a, b, c) =
c a
48
12.- Para las siguientes Transformaciones Lineales, encuentre su Kernel e Imagen. De acuerdo a lo anterior, diga si alguna de ellas es inyectiva.
a) T : IR3 IR3 ; T (x, y, z) = (x, z + y, y).
b) T : P3 IR4 ;
T (at3 + bt2 + ct + d) = (a + d, b, d c, b)
c) T : P3 IR3 ;
14.- En los siguientes problemas encuentre la matriz asociada a la Transformacion Lineal T , com respecto de las bases B1 y B2 que se indican.
a) T : IR2 IR3 : T (x, y) = (x 2y, x + y, 3y)
B1 = {(1, 2), (1, 1)}, B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
b) T : IR3 P2 (t) : T (x, y, z) = 2xt2 + (x + y)t + 2z
B1 = {(1, 0, 1), (1, 0, 0), (1, 1, 1)}, B2 = {3, t 1, t2 + t}
c) T : IR3 IR2 : T (x, y, z) = (x + y + z, y 3z + 2x)
B1 = {(0, 1, 1), (2, 1, 0), (1, 0, 1)}, B2 = {(1, 1), (2, 3)}
15.- Sean B1 = {(1, 1, 1), (1, 1, 1), (1, 0, 0)} y
1 0
1 1
0 1
0 0
,
,
,
B2 =
1 0
0 0
0 1
0 1
2
1 1
1
0
2
A=
2 4
0
0
3
2
49
1 1
1 1
[T ]BB =
1 0
Encuentre la ecuacion que define a T 1 .
1
0
0
18.- Para las matrices dada a continuacion, encontrar los valores propios y sus
espacios propios asociados:
2 2
5
1
1 1
0
1
2 1
0 1
1
50
Captulo 2
FUNCIONES EN VARIAS
VARIABLES
2.1.
INTRODUCCION
Muchos fenomenos de las ciencias pueden ser descritos por una funcion en
una variable, pero muchas otras cantidades dependen de mas de una variable.
Por ejemplo:
El area de un rectangulo depende de dos cantidades: largo y ancho.
El volumen de una caja rectangular depende de tres cantidades: largo,
ancho y alto.
En general, la temperatura de un punto P de un objeto en el espacio puede depender de la tres coordenadas rectangulares: x, y, z y del tiempo
t.
En esta seccion nos abocaremos a definir funciones de varias variables; dos y
tres, y se analizaran algunas de sus propiedades.
Definici
on 2.1. Una funci
on en varias variables es una relacion que asigna
a cada elemento de un conjunto D, llamado dominio, uno y solo un elemento
de un conjunto E, denominado co-dominio.
El estudio estara abocado solo a las llamadas funciones reales; es decir,
a funciones cuyo dominio va a ser un subconjunto de IRn y co-dominio un
subconjunto de los n
umeros reales, IR. Mas especficamente, se estudiaran las
funciones con dominio en IR2 y IR3 . De esta manera, se hablara de una funci
on
de dos variables como la funcion cuyo dominio sea un conjunto de puntos en
el plano y de una funci
on de tres variables como la funcion cuyo dominio
sea un conjunto de puntos en el espacio.
Una funcion en varias variables es denotada usualmente por letras min
usculas (f, g, h, . . .). El valor de una funcion f de dos variables en el punto
(x, y) es denotado por f (x, y) y el valor de una funcion f de tres variables en
el punto (x, y, z) es denotado por f (x, y, z).
51
52
f (x,y)
f (a,b)
3/2
3/2
2.1. INTRODUCCION
53
p
9 4(0)2 (0)2 = 3
p
f (1, 1) = 9 4(1)2 (1)2 = 2
p
f (1, 2) = 9 4(1)2 (2)2 = 1
f (0, 0) =
xy
2.- Consideremos la funcion f de dos variables definida por yx
2 . Luego, su
dominio es el conjunto de todos los puntos (x, y) tales que y 6= x2 ; debido
a que el denominador no debe hacerse nulo. Graficamente se tiene:
2 (1)
2
=
2
12
3
f (2, 3) =
2 (3)
= 6
3 22
p
3.- Sea g una funcion de tres variables dada por g(x, y, z) = x2 + y 2 + z 2 .
Claramente, el dominio consiste de todos los puntos del espacio IR3 , (x2 +
y 2 + z 2 0 para todo punto (x, y, z)).
La suma, producto y cuociente de dos funciones f y g en varias variables
son definidas analogamente como en las funciones de una variable. As, las
propiedades para funciones de dos variables son:
(f g)(x, y) = f (x, y) g(x, y)
(f g)(x, y) = f (x, y)g(x, y)
( fg )(x, y) =
f (x,y)
,
g(x,y)
g 6= 0
Ahora nos proponemos a graficar una funcion de dos variables; esto es, dibujar la coleccion de puntos (x, y, f (x, y)), para lo cual (x, y) esta en el dominio
de f . Lo que se hace para esto es poner z = f (x, y) para constituir un sistema
de coordenadas rectangulares de tres dimensiones, con ejes coordenados x, y, z,
perpendicularmente entre s. De esta manera, la ecuacion z = f (x, y) representara una superficie S en el espacio. Si D es una region en el plano xy, entonces
el par (x, y) en D queda representado por (x, y, 0). Los valores de la funcion
54
z=f(x,y)
..
(x,y,0)
6c
:
3
c = 3
c=0
c=3
c=9
55
a, b, c, d IR, constantes
2.2.
LIMITES Y CONTINUIDAD
f (x, y) = L
56
c=9
c=4
c=1
(x x0 )2 + (y y0 )2 <
se tiene que:
(x x0 )2 + (y y0 )2 <
|f (x, y) L| < .
y se dice que
lm
f (x, y) = L
f (x, y) existe.
Los lmites de una suma, un producto, un cuociente de funciones en varias variables tienen las mismas propiedades que los lmites de operaciones de
funciones de una variable; vale decir, que para funciones de dos variables se
tiene que si
lm
f (x, y) y
lm
g(x, y) existen, entonces:
(x,y) (x0 ,y0 )
57
x
Figura 2.3: Cono sobre el plano xy
lm
lm
f (x, y)
lm
(x,y) (x0 ,y0 ) g(x, y)
lm
f (x, y)
; si
lm
lm
f (x, y)
lm
g(x, y)
lm
f (x, y); si
f (x, y)
f (x, y) =
lm
lm
g(x, y).
lm
g(x, y).
lm
g(x, y) 6= 0.
lm
f (x, y) > 0,
lm
(x,y) (1,3)
(x2 + y 2 4)
x3 +y 3
2
2
(x,y) (1,2) x +y
lm
58
Soluci
on:
(x,y) (1,3)
b)
3 +y 3
lm
( xx2 +y
2)
(x,y) (1,2)
(x3 +y 3 )
lm
(x2 +y 2 )
(x,y) (1,2)
(x,y) (1,2)
(1)3 + (2)3
7
=
(1)2 + (2)2
5
lm
(x,y) (0,0)
) no existe.
( xx2 y
+y 2
En efecto: aqu no se puede reemplazar x e y por cero, dado que eso dara un
denominador nulo. Entonces:
(x2 0)
f (x, 0) = 2
= 1,
(x + 0)
f (0, y) =
(0 y 2 )
= 1,
(0 + y 2)
para
x 6= 0.
para
y 6= 0.
Por lo tanto a medida que nos acercamos al punto (0, 0) la funcion f puede
tomar el valor 1 si lo hacemos a lo largo del eje x y 1 si lo hacemos a lo largo
del eje y con, lo cual no existira el lmite en (0, 0); ya que de acuerdo a la
Definicion 2.2, si se toma = 1, entonces para cualquier punto (x, y) cercano
a (0, 0) debiera tenerse que:
1 + L < f (x, y) < 1 + L;
pero, claramente no existe ning
un L tal que el intervalo (1+L, 1+L) contenga
a 1 y 1.
Lo anterior se debe a que se verifica que si el lmite existe, este es u
nico.
Ahora, en el plano xy existen infinitas trayectorias para alcanzar un punto. Lo
anterior da lugar a lo siguiente:
Regla de las trayectorias: si dos trayectorias que llevan a un punto (x0 , y0 )
producen dos valores diferentes de lmite entonces:
lm
f (x, y)
59
Observaci
on 2.1. Si f es una funcion de dos variables definida en todo punto
(x, y) de una region R excepto en un punto interior (x0 , y0 ) de R, entonces,
puede usarse la Definicion 2.2 para analizar el lmite de f cuando (x, y) tiende
a (x0 , y0), pensando que a este punto se puede acercar a traves de cualquier
curva o trayectoria. Ahora, si (x0 , y0) es un punto de frontera de R se usa la
Definicion 2.2 con la restriccion adicional de que al punto (x0 , y0 ) se puede
aproximar a traves de curvas o trayectorias que solo van desde el interior de
R.
Teniendo presente la observacion anterior se da la siguiente definicion
Definici
on 2.3.
a) Una funcion f de dos variables es continua en un punto (x0 , y0) si
lm
f (x, y) = f (x0 , y0 )
(2.1)
60
Soluci
on:
lm
(x,y) (1,1)
(x2 y 2 )
(x + y)(x y)
=
lm
(x,y) (1,1)
(x,y) (1,1)
xy
(x y)
=
lm (x + y) = 2
f (x, y) =
lm
(x,y) (1,1)
(x,y) (1,1)
f (x, y) = f (1, 1)
y as f es continua en (1,1).
Por otro lado
lm
(x,y) (2,2)
f (x, y) =
(x2 y 2 )
=
lm (x + y) = 4
(2,2)
(x,y) (2,2)
xy
lm
(x,y)
(x,y) (2,2)
f (x, y) 6= f (2, 2)
2.3.
DERIVADAS PARCIALES
Sea f una funcion de dos variables x e y. Si fijamos una de las dos variables, por ejemplo y = y0 , la funcion que toma los valores f (x, y0 ) es solo funcion
de x. Si la funcion con expresion f (x, y0 ) tiene derivadas en x0 , entonces diremos que dicha derivada es una derivada parcial en (x0 , y0 ). En forma analoga,
se puede concluir para la funcion en la variable y con expresion f (x0 , y).
Con la idea anterior, se define lo que es una derivada parcial para una
funcion de dos variables.
Definici
on 2.4. Sea f una funcion de dos variables x e y, y sea (x0 , y0 ) un
punto del dominio de f . La derivada parcial de f con respecto de x en
el punto (x0 , y0 ) se define como:
fx (x0 , y0 ) = lm
h 0
f (x0 + h, y0 ) f (x0 , y0 )
h
fy (x0 , y0) = lm
h
61
fx (x, y) =
lm
(2.2)
(2.3)
62
fx g f gx
f
=
,
g x
g2
g 6= 0
z
x
Soluci
on: Escribiendo z como z = (x2 y)(sen(xy)), entonces:
2
z
=
(x y)(sen(xy)) + x2 y (sen(xy))
x
x
x
= 2xysen(xy) + x2 y(ycos(xy))
= 2xysen(xy) + x2 y 2cos(xy)
= xy(2sen(xy) + xycos(xy))
Ejemplo 2.10. Sea z =
xy 2
.
exy
Obtener
z
.
y
Soluci
on:
z
=
y
(xy 2 )(exy ) xy 2 y
(exy )
y
(exy )2
2xyexy xy 2 (xexy )
(exy )2
xyexy (2 xy)
=
(exy )2
xy(2 xy)
=
exy
=
Se puede pensar la derivada parcial de una funcion f con respecto de x
en un punto (x0 , y0 ), fx (x0 , y0), como el regimen de cambio de f en (x0 , y0 ) con
respecto al eje x, cuando y permanece constante. Por ejemplo, supongamos que
f (x, y) representa el valor de la temperatura en un punto (x, y) de un metal
plano tendido sobre el plano xy, entonces fx (x0 , y0) representa la razon de
cambio (instantanea) de la temperatura en el punto (x0 , y0 ) a lo largo de una
recta que pasa por dicho punto paralelo al eje x (Figura 2.4). Si la temperatura
aumenta cuando x crece entonces fx (x0 , y0 ) > 0, mientras que si la temperatura
decrece cuando x crece, entonces fx (x0 , y0) < 0.
Para un funcion f de tres variables, las derivadas parciales en un punto
(x0 , y0 , z0 ) en el dominio de f son definidas como:
63
.
x
(x 0 ,y0 )
y=y0
fx (x0 , y0 , z0 ) = lm
h
f (x0 , y0 + h, z0 ) f (x0 , y0 , z0 )
0
h
fy (x0 , y0 , z0 ) = lm
h
fz (x0 , y0 , z0 ) = lm
h
64
(2xy 3 + 3y 2y 2) = 2y 3
x
(2xy 3 + 3y 2y 2) = 6xy 2 + 3 4y
fxy (x, y) =
y
fyx (x, y) =
(3x2 y 2 + 3x 4xy) = 6xy 2 + 3 4y
x
fxx (x, y) =
En el ejemplo anterior las derivadas parciales mixtas fxy y fyx resultan
ser iguales. El siguiente teorema afirma que, en condiciones adecuadas, las dos
derivadas parciales mixtas son iguales; es decir, el orden de la derivacion no
altera el resultado.
Teorema 2.1. Sea f una funcion de dos variables x e y. Asumamos que fxy
y fyx son continuas en un punto (x0 , y0 ) del plano xy, entonces
fxy (x0 , y0 ) = fyx (x0 , y0 )
A partir del resultado anterior, se puede afirmar que si fxy y fyx son
funciones continuas en una region R del plano xy, entonces fxy = fyx en R.
Las segundas derivadas parciales de una funcion f de tres variables; x, y, z
son definidas de manera equivalente al caso de funciones de dos variables.
Ademas, si fxy y fyx son continuas en un punto (x0 , y0 , z0 ), entonces:
fxy (x0 , y0 , z0 ) = fyx (x0 , y0 , z0 )
En forma analoga estos resultados se cumplen para fxz , fzx y fzy , fyz .
2.4.
65
(2.4)
(2.5)
66
Entonces:
Como se menciona al principio de esta seccion, una de las aplicaciones
mas importantes del vector gradiente es el papel que juega en la obtencion del
plano tangente a una supeficie.
Para llegar a lo anterior, comencemos diciendo que si C es una curva
suave en el plano xy dada por una funcion f que es diferenciable en un punto
(x0 , y0 ), cuya ecuacion es de la forma f (x, y) = c, c una constante, entonces se
puede demostrar que si f (x0 , y0 ) 6= (0i + 0j), entonces f (x0 , y0) es normal o
perpendicular a la pendiente a la curva en el punto (x0 , y0 ). Geometricamente,
esta situacion es mostrada en la figura 2.7.
Ejemplo 2.15. Considere la curva en el plano xy, dada por la ecuacion:
x3 y 2xy + y 2 = 6
Encuentre un vector perpendicular a la pendiente a la curva en el punto (1, 3).
Soluci
on: Si ponemos
f (x, y) = x3 y 2xy + y 2
Entonces la ecuacion de la curva queda como f (x, y) = 6. Ahora
fx (x, y) = 3x2 y 2y,
fy (x, y) = x3 2x + 2y
67
1
1
f(1,1,1)
x
Figura 2.6: f (1, 1, 1) = i + 3j + 2k
con lo cual:
f (x, y) = (3x2 y 2y)i + (x3 2x + 2y)j
y as:
f (1, 3) = 3i + 5j
Resultando el vector 3i + 5j normal a la pendiente en la curva en el punto
(1, 3).
Observaci
on 2.2. Generalmente, para mencionar estos vectores, se habla de
vectores normales o perpendiculares a la curva en el punto.
Ahora, consideremos una superficie S cuya grafica esta dada por la ecuacion F (x, y, z) = c, c una constante; donde F tiene primeras derivadas continuas. Sea (x0 , y0 , z0 ) un punto de S en que Fx , Fy y Fz no son todas nulas.
Entonces se demuestra que el vector F (x0 , y0 , z0 ) es perpendicular al plano
tangente a S en (x0 , y0 , z0 ) (Figura 2.8).
Por otra parte, el plano que pasa por (x0 , y0, z0 ) y tiene como vector
normal a F (x0 , y0 , z0 ) es el plano tangente a S en (x0 , y0 , z0 ) y se dice que
dicho vector es un vector normal a la superficie S en (x0 , y0 , z0 ). Todo esto
lo resumimos en el siguiente resultado.
Teorema 2.2. Sea F una funcion de tres variables x, y, z, con primeras
derivadas parciales continuas y sea (x0 , y0 , z0 ) un punto de la grafica de
F (x, y, z) = 0. Si Fx , Fy y Fz no son todas nulas en (x0 , y0, z0 ), entonces
el vector F (x0 , y0 , z0 ) es perpendicular o normal al plano tangente a S en
(x0 , y0 , z0 ).
68
y
f(x0 ,y 0 )
(x 0 ,y 0)
2x + 2y + 2 7z = 18
La grafica se representa en la figura 2.9.
69
z
f(x0,y0,z0)
(x0,y0,z0)
x
Figura 2.8: Gradiente de F perpendicular al plano tangente a S, en (x0 , y0 , z0 )
Ahora, empezamos a introducirnos en el concepto de diferenciabilidad
total. Consideremos una funcion f de dos variables x, y. Ademas denotemos
por x y y a los incrementos de x e y, respectivamente
Definici
on 2.6. Sea z = f (x, y) y sea x0 y y0 los incrementos de x0 e y0 ,
coordenadas de un punto del dominio de f . Entonces, el incremento z0 se
define como:
z0 = f (x0 + x0 , y0 + y0 ) f (x0 , y0 )
Observemos que el incremento z0 es el cambio en el valor de la funcion cuando
(x0 , y0 ) vara a (x0 + x0 , y0 + y0 ); donde este u
ltimo punto tambien debe
estar en el dominio de f . En general, para cualquier punto (x, y) en el dominio
de una funcion f tal que (x + x, y + y) sea tambien un punto del dominio,
el incremento z se define como
z = f (x + x, y + y) f (x, y)
Ejemplo 2.17. Sea z = f (x, y) = 2y 2 xy. Calcule el incremento z
Soluci
on:
z = f (x + x, y + y) f (x, y)
70
f(1,1, 7)
(1,1, 7)
.
3
y
3
f (x + x, y + y) f (x, y)
2(y + y)2 (x + x)(y + y) (2y 2 xy)
2(y 2 + 2yy + (y)2 ) (xy + xy + yx + xy) 2y 2 + xy
4yy + 2(y)2 xy yx xy
La Definicion 2.6 de z0 entrega solo la forma de calcular la diferencia
de los valores funcionales entre dos puntos que se suponen cercanos; no siendo adecuada para obtener resultados sobre la variacion de f en esos puntos.
Al respecto, para derivar a una formula mas u
til se entrega la definicion de
diferenciabilidad, para una funcion de dos variables.
Definici
on 2.7. Una funcion f de dos variables es diferenciable en un punto
(x0 , y0 ) si existen un disco D centrado en (x0 , y0) y funciones 1 y 2 de dos
variables tal que:
f (x, y) f (x0 , y0) =
fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 )
+1 (x, y)(x x0 ) + 2 (x, y)(y y0 ), (x, y) D
(2.6)
71
donde:
lm
1 (x, y) = 0
lm
2 (x, y) = 0
(2.7)
z
z
dx +
dy
x
y
dz =
72
T
T
dx +
dy
x
y
2.5.
73
ROTOR Y DIVERGENCIA
x
74
Un caso especial es aquel en que el dominio es una region en el plano xy y
el codominio es un conjunto de vectores en el plano. Dicho caso corresponde a
un campo vectorial F en dos dimensiones, que es una funcion dada por:
F (x, y) = M(x, y)i + N(x, y)j .
donde M y N son funciones reales de dos variables:
Ejemplo 2.22. Si F (x, y) = xi+yj, entonces este campo vectorial esta descrito
en el siguiente grafico:
75
Existen dos tipos de derivadas que se obtienen a partir de un campo
vectorial, una que es una funcion real evaluada y la otra que es un campo
vectorial. Se comienza difiniendo la funcion real evaluada.
Definici
on 2.9. Sea F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k, un
campo vectorial tal que Mx , Ny y Pz existen. Entonces la divergencia de F ,
es denotada por div F , y esta dada por:
div F =
M
N
P
(x, y, z) +
(x, y, z) +
(x, y, z) .
x
y
z
div F =
Una aplicacion fsica de la divergencia puede observarse en el siguiente
ejemplo.
Ejemplo 2.24. Si F representa un campo de velocidades en un fluido, entonces
la div F entrega informacion acerca del flujo o desplazamiento de la masa. Si
div F < 0 en un punto (x, y, z) del fluido, entonces la masa fluye hacia el punto
y se dice que hay un sumidero en el punto. Ahora, si div F > 0, entonces
la masa fluye desde el punto y se dice que hay una fuente en el punto. Si
div F = 0 para cualquier punto del fluido, entonces se dice que el fluido es
incompresible.
El segundo tipo de derivada, que se obtiene a partir de un campo vectorial,
constituye otro campo vectorial que se define a continuacion.
Definici
on 2.10. Sea F un campo vectorial en tres dimensiones dado por:
F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k,
tal que las primeras derivadas parciales de M, N y P existen. El rotor de F ,
denotado por rot F , es definido por:
M
N
N
P
M
P
i+
j+
k
rot F =
y
z
z
x
x
y
76
= 0,
P
x
= 2xex ,
N(x, y, z) = x2 yz y
N
z
= x2 y,
M
z
=1
N
x
= 2xyz,
M
y
= 4xy
Entonces:
Nuevamente, si se supone que F representa el campo de velocidades de
un fluido, que se mueve a traves de una region solida, entonces las partculas
en el fluido tienden a rotar con la maxima rapidez alrededor de un eje en la
direccion de rot F (x, y, z), como se muestra el Figura 2.10; donde (x, y, z) es
un punto del fluido.
Si rot F (x, y, z) = 0, entonces el campo vectorial F se dice irrotacional,
independientemente si F representa o no un campo de velocidades.
De las distintas relaciones entre el gradiente, divergencia y rotor, las mas
frecuentes son:
div(rot F ) = 0
rot(grad F ) =
Otra formula importante es:
div(grad f ) =
2f
2f
2f
+
+
x2
y 2
z 2
2.6.
REGLA DE LA CADENA
77
rot F(x, y, z)
(x, y, z)
z dx z dy
dz
=
+
dt
x dt
y dt
(2.8)
2.- Sean z = f (x, y), x = g1 (u, v), y = g2 (u, v). Entonces se tiene que
z = f (g1 (u, v), g2(u, v)) F (u, v) y
z x z y
z
=
+
u
x u y u
z x z y
z
=
+
v
x v y v
(2.9)
(2.10)
78
(2.11)
4.- Sean w = f (x, y, z), x = g1 (u, v), y = g2 (u, v) z = g3 (u, v). Entonces
se tiene que w = f (g1 (u, v), g2(u, v), g3(u, v)) F (u, v) y
w x w y w z
w
=
+
+
u
x u
y u
z u
w x w y w z
w
=
+
+
v
x v
y v
z v
(2.12)
(2.13)
dz
.
dt
Soluci
on: La variable z resulta ser finalmente funcion de t. Aplicando (2.8)
se llega a que:
dz
= (2xey )(cos t) + (x2 ey )(3t2 )
dt
= 2xey cos t + 3x2 t2 ey
Ahora se debe reemplazar x por sent e y por t3 , obteniendose finalmente:
dz
3
3
= 2et sen t cos t + 3t2 et sen2 t
dt
Ejemplo 2.27. Suponga que z = xlny, x = u2 + v 2 , y = u2 v 2 . Encontrar
z
z
y v
.
u
Soluci
on: Aqu se debe usar relaciones (2.8) y (2.9), ya que a traves de x e y,
z resulta ser funcion de u y v, con lo que se llega a que:
x
z
= (ln y)(2u) + 2u
u
y
x
= 2uln y + 2u
y
Haciendo x = u2 + v 2 , y = u2 v 2 se obtiene finalmente:
z
u2 + v 2
= 2uln(u2 v 2 ) + 2u 2
u
u v2
z
x
= (ln y)2v + (2v)
v
y
= 2vln(u2 v 2 ) 2v
u2 + v 2
u2 v 2
A continuacion, vemos un ejemplo de la regla de la cadena aplicado a un
problema de la qumica.
79
dT
dt
T dP
T dV
+
P dt
V dt
V dP
P dV
+
k dt
k dt
As, conociendo los valores de la rapidez de cambio de la presion y volumen, para un cierto volumen V y una presion P , se obtiene el valor de la
rapidez de variacion de la temperatura.
El uso de la regla de la cadena sirve tambien para obtener las derivadas de
las funciones que estan determinadas implcitamente. Asumamos, por ejemplo,
que f es una funcion de dos variables y que la ecuacion f (x, y) = 0 define
df
dy
implcitamente a y como una funcion de x. Si dy
no es nula y si dx
existe,
dy
entonces la regla de la cadena nos permite obtener una formula para dx
. Para
ello ponemos:
=
dw
dx
= 0. Ademas:
dy
du
=1 ,
= y (x)
dx
dx
Por lo tanto, reemplazando lo anterior en ecuacion (2.14), se llega a:
0=
Como se supone que
w
y
w
w
(1) +
y (x)
u
y
no es nulo , entonces:
w
w
y (x) =
u
y
f (x, y)
f (x, y)
=
x
y
(2.14)
80
f (x, y)
=
x
=
f (x, y)
y
20x3 4
20x3 + 4
=
3y 2 + 6y
3y 2 + 6y
En forma analoga con el caso anterior, si se tiene una funcion f de tres
variables: x, y, z, dada por la ecuacion de la forma f (x, y, z) = 0 en que fz no
z
es nula y z depende implictamente de las variables x e y se verifica que x
y
z
est
a
n
dadas
por:
y
fx (x, y, z)
z
=
,
x
fz (x, y, z)
2.7.
z
fy (x, y, z)
=
y
fz (x, y, z)
VALORES EXTREMOS
81
82
Soluci
on: En este caso
fx (x, y) = 2x,
fy (x, y) = 2y
z=y2- x2
x
(2.15)
83
84
Soluci
on: Sean x e y las dimensiones en centmetros de los lados de la base
de la caja y sea z la altura, tambien en centmetros. Como hay dos lados de
area xz y dos lados de area yz, el area total que ocupa la caja es:
A = xy + 2xz + 2yz
donde x, y, z deben ser diferentes de cero. Ahora, el volumen de la caja es xyz
y debe ser igual a 32 cms3 , o sea
xyz = 32
de donde
z=
32
xy
64 64
+
y
x
64
64
=
0,
A
=
x
=0
y
x2
y2
128
128
, Ayy = 3 , Axy = 1
3
x
y
y as
D(x, y) =
128 128
1
x3 y 3
y por lo tanto
D(4, 4) = 2 2 1 = 3 > 0
luego D(4, 4) > 0 y Axx (4, 4) = 2 > 0, por lo tanto de, acuerdo al Teorema 2.4,
el punto (4, 4) es un punto de mnimo relativo. Este punto pasa a ser tambien
un mnimo global, dado que es el u
nico punto crtico.
85
32
Finalmente, reemplazando x = y = 4 en z = xy
se tiene que z = 2. As las
longitudes de la caja que minimizan su area son la base de 4 por 4 cms y la
altura de 2 cms; siendo entonces el area mnima A = 48 cms2
Hasta aqu no se ha tocado el caso en que las variables involucradas estan
restringidas a tomar valores solo dentro de un conjunto acotado del plano. Esta
situacion es abordada de la siguiente manera:
Sea S un conjunto acotado en el plano, (esto es, S esta contenido en una region
rectangular cerrada) y que contiene su borde o frontera. Bajo estas condiciones
se entrega el siguiente resultado para funciones de dos variables:
y
(7,7)
l1
l3
x
(1,1)
l2
(7,1)
86
(2.16)
4x + 3y 2 + 4 = 0
(2.17)
87
entonces
g (x) = 2x + 4
que vale cero cuando x = 2, pero este n
umero no se encuentra en el intervalo
[1, 7]. Nuevamente, vemos que g (x) es positiva en dicho intervalo con lo cual
g es creciente en el intervalo; obteniendo el valor mnimo en x = 1 y valor
maximo en x = 7. As, el valor mnimo en l2 es f (1, 1) = 8 y el valor
maximo es f (7, 1) = 72.
Finalmente, en l3 se tiene que x = 7, 1 y 7, y la funcion f queda dada
por:
g(y) = y 3 24y + 49
entonces
g (y) = 3y 2 24
g (y) = 6y
88
2.8.
MULTIPLICADORES DE LAGRANGE
g(x,y) = 0
89
f(x,y) = c3
f (x0 ,y0)
f(x,y) = c2
g(x,y) = c
(x0 ,y0)
f(x,y) = c1
f (x, y) = g(x, y)
para x e y, y si es necesario para .
3. Calcular f (x, y) para cada punto (x, y) obtenido en el punto 2. Si f tiene
un valor maximo sobre g(x, y) = c, este sera el mas grande de los valores
calculados y si f tiene un valor mnimo sobre la curva, este sera el mas
peque
no de los valores calculados.
Ejemplo 2.35. Calcular los valores extremos de f (x, y) = xy sobre la elipse
4x2 + y 2 = 4.
90
Soluci
on: Haciendo g(x, y) = 4x2 + y 2 , entonces el problema es encontrar los
valores extremos a f (x, y) sujeto a g(x, y) = 4. Ahora
f (x, y) = yi + xj
g(x, y) = 8xi + 2yj
De la igualdad f (x, y) = g(x, y) se obtiene
yi + xj = (8xi + 2yj).
Usando el hecho de que dos vectores son iguales, si son iguales componentes a
componentes, se tiene que
y = 8x, x = 2y
que sumadas a la ecuacion g(x, y) = 4, nos queda el conjunto de ecuaciones
simultaneas en x, y,
y = 8x, x = 2y y 4x2 + y 2 4 = 0.
Usando las dos primeras ecuaciones se tiene que:
x = 2y = 2(8x) = 162 x;
de donde,
y por lo tanto
1
4
2
2
Si x = 0, de la ecuacion 4x + y 4 = 0, se obtiene y = 2. Por lo tanto
los puntos (0,2) y (0,-2) son posibles valores extremos para f (x, y). Si =
14 , entonces de y = 8x, se obtiene y = 2x. Nuevamente, de la ecuacion
4x2 + y 2 4 = 0, resulta
x = 0 o =
2
2
2
2
2
2
(
, 2), (
, 2), (
, 2), (
, 2)
2
2
2
2
Evaluando f en todos los puntos encontrados, se tiene
lo siguiente
2
f (0,
2) = 0,
f (0,
2) = 0,
f ( 2 , 2) = 1
2
2
f ( 2 , 2) = 1, f ( 2 , 2) = 1, f ( 22 , 2) = 1
2
2
2)
As f alcanza su valor maximo
1,
sobre
g(x,
y)
=
4,
en
(
,
,
2)
y
(
2
2
2
2
y su valor mnimo -1 en ( 2 , 2) y ( 2 , 2).
x=
2.9.
91
APLICACION DE MAPLE
Definici
on y Gr
afica
Para definir una funcion se utiliza el smbolo >. Por ejemplo, para
representar la funcion de dos variables definida por f (x, y) = xy + x2 4y 3, se
debe ejecutar:
> f:=(x,y) > x*y+x2-4*y3; # se define la expresion de la funcion f
f := (x, y) > xy + x2 4y 3
Para evaluar f en un punto (a, b) del plano, se debe poner f (a, b);. As:
> f(1,2);
29
> f(2,-1);
6
En forma analoga se definen las funciones de tres variables. Por ejemplo, para
definir la funcion g, cuya expresion es g(x, y, z) = xz x2 y + yz 2 , se ejecuta:
> g:=(x,y,z) > x*z-x2*y+y*z2; # se define la expresion de la funcion g
g := (x, y, z) > xz x2 y + yz 2
Evaluando la funcion g en algunos puntos, se tiene:
> g(-1,2,1);
1
> g(3,0,-2);
6
La manera mas simple de graficar una funcion de dos variables en el
espacio es a traves del comando plot3d. Si se desea graficar, por ejemplo, la
funcion f de dos variable con expresion f (x, y) = x2 y 2 para 10 x 10,
10 y 10, se digita lo siguiente:
> f:=(x,y) > x*2-y2; # se define la expresion de la funcion f
f := (x, y) > x2 y 2
> plot3d(f(x,y),x=-10..10,y=-10..10); # graficacion de la funcion f de forma
> # explcita
92
100
50
0
50
100
10
10
5
5
y
5
10
10
93
la parte superior del ambiente Maple. Una de las que es usada comunmente es
la orientacion del grafico; ya que algunas veces la grafica que queda por defecto
no se aprecia muy clara y es necesario rotarla para una mejor visualizacion.
Para escribir dicha opcion en una sentencia, se debe poner dentro del plot3d
como orientation = [a, b]; donde a indica el angulo para mover a izquerda o
derecha y b el angulo hacia adelante o atras, los dos angulos en grados; siendo
por defecto dichos angulos 45o , ambos.
En algunas situaciones, la ecuacion a graficar viene dada de tal manera
que resulta complicado despejar la variable depediente z. Esto se resuelve con
el comando implicitplot, colocando previamente el comando with(plots). As,
si se desea graficar la superficie dada por la ecuacion x2 + y 2 + z 2 = 9, (esfera
de radio 3), para 5 x 5, 5 y 5, 5 z 5 (aqu se debe poner el
rango de la variable dependiente z), se debe digitar lo siguiente:
> with(plots):
> implicitplot3d(x2+y2+z2 = 9,x=-5..5,y=-5..5,z=-5..5,orientation=[
35,50],axes=FRAME); # realiza la gafica rotada con los ejes coordenados
4
2
z
0
2
4
4
2
4
0
2
y
2
2
4
94
10
10
10
10
Derivadas Parciales
Para obtener las derivadas parciales de una funcion es utilizado el comando diff. Si se tiene la funcion f de dos variables con expresion f (x, y) =
x2 y + xy 2 , entonces para obtener f
se realiza de la siguiente manera:
x
> f:=(x,y)-x2*y+x*y2;
f := (x, y) > x2 y + xy 2
> diff(f(x,y),x);
2xy + y 2
Para obtener una derivada de orden 2, por ejemplo,
realiza como:
2f
x2
2f
,
yx
entonces se
> diff(f(x,y),x,x);
2y
> diff(f(x,y),x,y);
2x + 2y
Las derivadas parciales pueden ser evaluadas en distintos puntos con el comando subs. Por ejemplo, utilizando la funcion f anterior, fx (2, 1) y fxy (1, 5) se
obtienen como:
> subs(x=2,y=1,diff(f(x,y),x));
5
> subs(x=-1,y=5,diff(f(x,y),x,y));
8
Una aplicacion importante de la derivada parcial es la obtencion del gradiente de una funcion; siendo el comando para obtener dicho vector grad. Por
95
g := (x, y, z) > x2 y y 3 z 2
> grad(g(x,y,z),[x,y,z]);
[2xy, x2 3y 2z 2 , 2y 3z]
> gg:=(x,y,z)->grad(g(x,y,z),[x,y,z]):
> subs(x=1,y=2,z=-1,gg(x,y,z));
[4, 11, 16]
96
2.10.
EJERCICIOS PROPUESTOS
uv
;
u2v
x2
,
y
k = 4, 1, 0, 1, 4
d) z = x2 + y, k = 4, 1, 0, 1, 4
e) z = x2 + 4y 2, k = 1, 4, 9, 16
3.- Grafique las superficies en IR3 dadas por las siguientes expresiones:
a) z = 2x 3y + 4
b) x2 + y 2 + z = 9
c) z x2 = 0
d) z = y 2 x
e) z 9x2 16x2 = 36
4.- En los siguientes problemas encuentre el lmite indicado o establezca que
no existe.
a)
b)
c)
lm
(x,y)(2,1)
lm
(x,y)(1,3)
(xy 3 xy + 3y 2)
(3x2 xy 3 )
x4 y 4
(x,y)(0,0) x2 + y 2
lm
97
d)
xy 1
(x,y)(1,) cos(xy)
f)
3x3 2x2 y + 3y 2x 2y 3
(x,y)(0,0)
x2 + y 2
lm
lm
(x,y)(0,0) x2
xy
+ y2
no existe.
7.- Sea f una funcion de dos variables definida por:
f (x, y) =
x2 4y 2
x2y
x 6= 2y
x = 2y
0
(x, y) = (0, 0)
Averigue si f es continua en (0, 0).
9.- En cada uno de los siguientes problemas encuentre las primeras derivadas
parciales de la funcion f , fx (x, y) y fy (x, y).
p
2
a) f (x, y) = x2 y + 2xe2y b) f (x, y) = x2 + y 2 c) f (x, y) = x22xy
+3y 3
d) f (x, y) = ln(2x4 + y 2 )
e) f (x, y) = xyex
2 +y 2
10.- En cada uno de los siguientes casos, encontrar las primeras derivadas
parciales de la funcion f , fx (x, y, z), fy (x, y, z) y fz (x, y, z).
a) f (x, y, z) = x3 y 2 2x2 z 3 + 3xyz
b) f (x, y, z) =
xyz
x2 +y 2 +z 2
98
11.- Si f (x, y) = 3x4 y 5 2x2 y 3 y g(x, y) = cos(2x2 y 2 ), encuentre las derivadas parciales hasta segundo orden de las funciones f y g. Eval
ue fxx (1, 2),
fxy (2, 1) y gyy (1, 0).
12.- Verificar que la funcion f , dada por f (x, y) = ex seny, satisface la ecuacion
de Laplace
2 f (x, y) 2 f (x, y)
+
=0
x2
y 2
c) f (x, y, z) = xy 2 + x2 y + z 3 ex ; (1, 3, 2)
d) f (x, y, z) = xy 2 ez ; (2, 1, 0)
14.- Encuentre la ecuacion del plano tangente a la superficie en el punto indicado:
a) 4x2 y 2 + 3z 2 = 10, (2, 3, 1)
b) xy + 2yz xz 2 + 10 = 0, (5, 5, 1)
c) 9x2 4y 2 25z 2 = 40, (4, 1, 2)
d) z = 2ex cosy, (0, 3 , 1)
99
A
AW
x = t3 , y = t2 , z = t
100
2
x
4
y
27.- La suma de las longitudes del largo, ancho y alto de una caja rectangular
debe dar 330 cms.. Cuantos deben medir estas longitudes para que el volumen
de la caja sea maximo?
28.- Encuentre la distancia mnima entre el punto (2, 1, 1) al plano de ecuacion 4x 3y + z = 5.
29.- Se desea construir una caja sin tapa con la forma de un paraleleppedo
rectangular que tenga un volumen de 12 pies c
ubicos. El costo por pies cuadrado del material que se usara para el fondo es de 4 dolares, el que se usara para
los lados opuesto es de 3 dolares, y el que se usara para los otros dos lados
opuesto es de 2 dolares. Calcular las dimensiones de la caja para las que el
costo sea mnimo.
30.- Para las siguientes funciones encuentre el valor maximo global y el valor
mnimo global en la region R que se indica.
a) f (x, y) = x2 + y 2 ; R = {(x, y) : 1 x 3, 1 y 4}
b) f (x, y) = x3 + 3xy y 3 ; R es la region triangular con vertices en los
puntos (1, 2), (1, 2) y (1, 2)
c) f (x, y) = 5 + 4x 2x2 + 3y y 2; R es la region triangular acotadas por
las rectas y = x, y = x, y = 2
101
102
Captulo 3
INTEGRALES MULTIPLES
El objetivo del captulo es estudiar las integrales de funciones de dos
y tres variables. As como la integral de funciones en una variable permite,
bajo ciertas condiciones, calcular areas; las integrales de dos y tres variables
permiten calcular areas de regiones mas complicadas, vol
umenes de muchos
tipos de regiones, solidos, etc.
3.1.
INTEGRALES DOBLES
Sea f una funcion de dos variables tal que f (x, y) existe en toda una
region R cerrada del plano xy y que esta contenida en un rectangulo cerrado
W . Si W se divide en rectangulos mas peque
nos mediante rectas paralelas a los
ejes coordenados, entonces el conjunto de todas las subregiones rectangulares
cerradas que quedan completamente contenidas en R es lo que constituye una
partici
on interna P de R:
y
W
CAPITULO 3. INTEGRALES MULTIPLES
104
para alg
un punto (xk , yk ) en Rk ; siendo Ak el area de Rk .
Ahora si f es una funcion continua, se puede demostrar que cuando
||P || 0, las sumas de Riemann (3.1) tienden a un n
umero real L, independientemente de los puntos (xk , yk ) elegidos en las subregiones Rk . Esto da
pie a la definicion de integral doble.
Definici
on 3.2. Sea f una funcion de dos variables que est
a definida en una
RR
region R. La integral doble de f sobre R se denota por R f (x, y)dA y se
define como
ZZ
X
f (x, y)dA = lm
f (xk , yk )Ak
(3.2)
R
||P ||0
105
Bk
f(xk,yk)
.R
(xk ,yk ,0)
cf (x, y)dA = c
ZZ
f (x, y)dA, c R.
ii)
ZZ
ZZ
f (x, y)dA +
ZZ
g(x, y)dA
R1
R2
CAPITULO 3. INTEGRALES MULTIPLES
106
R2
R1
y
R
(x,y)
f (x, y)dy
107
A(x) =
f (x, y)dy
(3.3)
B(y) =
f (x, y)dx
(3.4)
A(x)dx =
Z b Z
a
f (x, y)dy dx
(3.5)
B(y)dy =
Z
f (x, y)dx dy
(3.6)
Z dZ
f (x, y)dydx =
a c
Z b Z
f (x, y)dxdy =
f (x, y)dy dx
(3.7)
f (x, y)dx dy
(3.8)
Z
CAPITULO 3. INTEGRALES MULTIPLES
108
Soluci
on: Primero se debe integrar con respecto de y, entre 1 y 2, y el
resultado de esta integracion debe integrarse con respecto de x, entre 1 y 2.
As:
Z 2Z
1
(12xy 8x )dydx =
=
y=2
dx
(4xy 8x y)
3
y=1
1
2
x=1
Ahora, en el ejemplo anterior, si se cambian el orden de las integrales;
vale decir, si se eval
ua:
Z 2Z
1 1
da el mismo valor que la integral anterior: -36. El hecho que estos dos valores
sean iguales no es una casualidad; ya que se verfica que si f es una funcion
continua, entonces las dos integrales dobles iterativas de (3.7) y (3.8) son iguales. De esta manera se dice que el resultado de la integracion es independiente
del orden en que se integre.
A continuacion, se vera la manera de calcular una integral doble iterativa
sobre regiones que no son rectangulares. Sea f una funcion de dos variables
continua en una region, que se denomina region del tipo I :
y
R
y=g 2 (x)
y=g 1 (x)
a
Z bZ
109
Z b "Z
g2 (x)
f (x, y)dydx =
a g1 (x)
g2 (x)
f (x, y)dy dx
g1 (x)
(3.9)
d
x=h 1 (y)
x=h 2 (y)
h2 (y)
f (x, y)dxdy =
h1 (y)
d
c
"Z
h2 (y)
f (x, y)dx dy
h1 (y)
(3.10)
x2 ydydx
1x
Soluci
on:
Z 2Z
1
x
2
x ydydx =
1x
1
=
2
x
x2 y 2
dx
2 1x
x3 x2 (1 x)2
dx
2
2
CAPITULO 3. INTEGRALES MULTIPLES
110
Z
1 2
=
[x2 + 3x3 x4 ]dx
2 1
3
2
x
3 4 x5
1
+ x
=
2
3
4
5 1
163
=
120
Ejemplo 3.3. Evaluar la integral doble iterativa
Z 2 Z 2y
(4x y)dxdy
y2
Soluci
on:
Z 2Z
0
2y
y2
(4x y)dxdy =
=
y2
2y
[2x yx] dy
2
(6y 2 + y 3 2y 4)dy
0
2
y 4 2 5
3
=
2y +
y
4
5
0
36
=
5
=
En la Definicion 3.3 se vio que, bajo ciertas condiciones, la integral doble
de una funcion f sobre una region R,
ZZ
f (x, y)dA,
R
corresponde al valor del volumen V del solido que se encuentra bajo la superficie de la grafica z = f (x, y) y sobre la region R. Por ejemplo, si consideramos una region R del tipo I, el volumen V que se encuentra bajo la grafica
z = f (x, y) y sobre dicha region esta dado por:
V =
Z bZ
g2 (x)
f (x, y)dydx
(3.11)
a g1 (x)
Ejemplo 3.4. Calcule el volumen del solido que se encuentra bajo la grafica
de z = 4x2 + y 2 y sobre la region triangular R en el plano xy con vertices
(0,0,0), (1,0,0) y (1,2,0).
111
y
2
y
2
CAPITULO 3. INTEGRALES MULTIPLES
112
Evaluando se tiene que:
V
Z 2Z
0
=
=
=
=
=
1
y
2
(4x2 + y 2 )dxdy
1
4 3
2
x + y x dy
y
3
0
2
Z 2
4
1 3 y3
2
dy
+y
y +
3
6
2
0
Z 2
2 3
4
2
+ y y dy
3
3
0
2
y 3 y 4
4
y+
3
3
6 0
8
3
Z 2
Las integrales dobles pueden utilizarse tambien para el calculo de areas.
En efecto, si consideramos que R es una region del tipo I y tomamos f (x, y) =
1, entonces:
ZZ
f (x, y)dA =
Z bZ
g2 (x)
dydx
a g1 (x)
g2 (x)
Z b
dx =
[g2 (x) g1 (x)]dx
y
(3.12)
g1 (x)
A=
Z bZ
g2 (x)
dydx
a g1 (x)
113
Soluci
on: La region se encuentra bajo la recta y = 5x + 3 y sobre la parabola
2
y = 2x 4, como se ilustra en la siguiente figura:
y
3-1
-4
Z 7Z
2
5x+3
dydx =
2x2 4
7
2
1
7
2
7
2
5x+3
dx
y
2
2x 4
7
5 2 2 3 2
=
7x + x x
2
3
1
243
=
8
3.2.
INTEGRALES TRIPLES
CAPITULO 3. INTEGRALES MULTIPLES
114
(a,c,e)
Q
.
0
(b,d,f)
||P ||0
115
ZZZ
(2x + y + 3z)dV
para
Q = {(x, y, z) : 0 x 4, 2 y 2, 0 z 2}.
Soluci
on: Si elegimos integrar primero con respecto de z, despues con respecto
de y y finalmente con respecto de x, la integral se calcula como:
2
Z 4Z 2Z 2
Z 4Z 2
3 2
(2x + y + 3z)dzdydx =
(2xz + yz + z ) dydx
2
0 2 0
0 2
0
Z 4Z 2
=
(4x + 2y + 6)dydx
0 2
2
Z 4
2
=
(4xy + y + 6y) dx
0
(16x + 24)dx
4
2
= (8x + 24x)
0
= 224
Pueden definirse integrales triples sobre regiones mas complicadas. Por
ejemplo, sea R una region del plano xy, que puede ser una de los dos tipos
de regiones vistas anteriormente, tipo I o tipo II, y sea Q la region en tres
dimensiones definida por:
Q = {(x, y, z) : (x, y) R, k1 (x, y) z k2 (x, y)}
donde k1 y k2 son funciones que tienen primeras derivadas parciales continuas
en R. La region Q se encuentra entre las superficies con grafica z = k1 (x, y) y
z = k2 (x, y) y arriba de la region R como se muestra en la Figura 3.9. Si Q se
subdivide mediante planos paralelos a los tres planos coordenados, entonces los
paraleleppedos peque
nos resultantes que se encuentran completamente dentro
de Q forman una particion interna P de Q. Ahora, una suma de Riemann de
una funcion f para la particion P es una suma de la forma:
X
f (xk , yk , zk )Vk
k
CAPITULO 3. INTEGRALES MULTIPLES
116
z
Q
z=k 2 (x,y)
z=k 1 (x,y)
y
R
f (x, y, z)dV =
f (x, y, z)dz dA
(3.16)
k1 (x,y)
La notacion del lado derecho de (3.16) significa que se integra primero con
respecto de z y luego se eval
ua la integral doble resultante sobre la region R
del plano xy. Considerando los dos tipos de regiones, region tipo I y region
tipo II; la integral triple (3.16) queda como:
Z bZ
a
g2 (x)Z k2 (x,y)
f (x, y, z)dzdydx
h2 (y)Z k2 (x,y)
f (x, y, z)dzdxdy
g1 (x)
k1 (x,y)
si R es del tipo I, y
Z dZ
c
h1 (y)
k1 (x,y)
117
Soluci
on: Graficamente, la situacion tanto para el solido Q como para la
region R, es la siguiente:
y
z
Q
y=x
z=x 2
0
z=-y 2
y 2
=
=
=
=
=
=
Z 1Z
Z0 1Z0 x
y 2
(x3 + x2 + xy 2 + y 2 )dydx
0 0
x
Z 1
xy 3 y 3
3
2
dx
+
x y+x y+
3
3 0
0
Z 1
x4 x3
4
3
x +x +
dx
+
3
3
0
Z 1
4 4
(x + x3 )dx
0 3
1
4 x5 x4
+
3 5
4 0
3
5
Tambien, a traves de integrales triples, pueden calcularse vol
umenes de
solidos encerrados por superficies en el espacio. En efecto, de acuerdo a la
definicion de integral triple dada por (3.15), si f (x, y, z) = 1, entonces la
sumatoria correspondera a la suma de los vol
umenes de los paraleleppedos
peque
nos Qk que forman la particion P de Q y por lo tanto cuando ||P || tiende
CAPITULO 3. INTEGRALES MULTIPLES
118
a cero, la particion {Qk } cubrira cada vez mejor al solido Q y as, en el lmite,
la suma de los vol
umenes Qk sera al volumen de Q. Entonces, se concluye que
si f (x, y, z) = 1 en Q, la integral triple de f sobre Q se escribe como:
ZZZ
dV
Q
y
4
y+z=4
y=x2
-2
Algunas integrales triples se pueden evaluar mediante una integral triple
iterativa en que la primera integracion se efect
ua con respecto de y. As, sea:
Q = {(x, y, z) : a x b, h1 (x) z h2 (x), k1 (x, z) y k2 (x, z)}
donde h1 y h2 son funciones continuas en el intervalo [a, b] y k1 , k2 tienen
derivadas parciales continuas en la region R del plano xz como se muestra en
la Figura 3.11. Entonces, la integral de una funcion f , de tres variables, sobre
119
z
y=k 2 (x,z)
y=k1 (x,z)
z=h 2 (x)
z=h 1 (x)
y
a
f (x, y, z)dV =
Q
Z bZ
h2 (x)Z k2 (x,z)
a h1 (x)
f (x, y, z)dydzdx
(3.17)
k1 (x,z)
Ejemplo 3.9. Calcular el volumen del solido del Ejemplo 3.8, usando la integral de la formula (3.17).
Soluci
on: De acuerdo al orden de integracion dado en (3.17) diremos que y
se mueve entre x2 y 4 z con lo que, haciendo la interseccion entre estas dos
superficies, tenemos que z = 4 x2 . As, z se va a mover entre 0 y 4 x2 para
x entre -2 y 2. Geometricamente, se tiene:
4
z = 4 - x2
y
x
z = 4 - x2
CAPITULO 3. INTEGRALES MULTIPLES
120
=
=
Z 2Z
dydzdx
x2
2 0
Z 2Z 4x2 4z
2 0
4x2Z 4z
x2
dzdx =
Z 2Z
4x2
2 0
(4 z x2 )dzdx
4x2
Z 2
2 2
z2
(4
x
)
2
2
2
2
4z
dx =
4(4 x )
x z
x (4 x ) dx
2
2
2
2
0
2
1
=
2
(4 x2 )2 dx =
256
15
En general, una integral triple puede evaluarse de varias maneras dependiendo del orden en que se integra. Obviamente que de acuerdo a la region
donde se eval
ue la integral, se eligira el orden de integracion mas conveniente.
3.3.
Existen algunas situaciones que para evaluar alguna integral doble o triple es conveniente hacer un cambio de variables. Es as como existe el caso
tpico de cambiar una integral doble en coordenadas rectangulares a una integral doble equivalente en coordenadas polares. En esta seccion se presenta
un metodo general para hacer cambio de variables en las integrales m
ultiples
para el caso particular de integrales dobles. Este metodo esta basado en las
llamadas Aplicaciones o Transformaciones de un sistema de coordenadas en
otro.
Consideremos una funcion T cuyo dominio D es una region en el plano
xy y su codominio E es una region en el plano uv. Esquematicamente, se tiene
lo siguiente: como se muestra en la Figura 3.12, a cada punto (x, y) en D se
le asocia un u
nico punto (u, v) en E tal que T (x, y) = (u, v). A la funcion T
se le llama Transformaci
on de Coordenadas del plano xy al plano uv y
por lo tanto se puede decir que las coordenadas u y v son funciones de las
coordenadas x e y. As, la transformacion T puede ser definida mediante las
formulas
u = f (x, y), v = g(x, y); (x, y) D, (u, v) E;
donde, f y g son funciones que tienen el mismo dominio que T .
Una transformacion T, como la definida anteriormente, se dice que es uno
a uno si (x1 , y1 ) 6= (x2 , y2) en el plano xy, entonces T (x1 , y1 ) 6= T (x2 , y2 ) en
el plano uv. Ahora, si T es una transformacion de coordenadas uno a uno,
entonces invirtiendo la correspondencia se obtiene una transformacion T 1 del
121
v
T
E
(x,y)
(u,v)
x
Figura 3.12: Funcion T con dominio D y codominio E.
v
T -1
E
(x,y)
(u,v)
u = x + 2y, v = x 2y
1. Encontrar la inversa de la transformacion T .
(3.18)
CAPITULO 3. INTEGRALES MULTIPLES
122
u+v
uv
, y=
2
4
v
T -1
x 2 + 4y 2 =1
u 2 + v2 =2
Recordemos
que en el caso de funciones de una variable, en una integral
Rb
definida a f (x)dx, si se sustituye x = g(u) entonces dx = g (u)du con lo cual
se tiene que
Z b
Z d
f (x)dx =
f (g(u))g (u)du
a
123
(u,v)
(x,y)
u
, y=v
v
124
Entonces
1
(x, y) v
=
(u, v)
0
vu2
= 1
v
1
Como se deca anteriormente, se tendra que encontrar la region S en el
plano uv que se transforme en una region R del plano xy por la transformacion
de coordenada L, como lo grafica la Figura 3.14. Para la obtencion de S, tanto
R como el integrando F (x, y) de (3.19) deben cumplir algunas condiciones.
Para empezar, R debe constar de todos los puntos que estan sobre una curva
simple cerrada C que es suave por todas partes y la funcion F debe tener
primeras derivadas parciales en toda una region abierta que contenga a R.
Ademas, se requiere que L transforme la region S del plano uv en la region R
del plano xy de manera biunvoca y que S este acotada por una curva simple
K que sea suave por todas partes y que L la transforme en C.
Tambien aparte de las condiciones anteriores de tipo analticas, debe cumplirse una restriccion de tipo geometrica. Para ello, decimos que el sentido (o
direccion) positivo a lo largo de la curva C es tal que cuando un punto P recorre C, la region R queda siempre a la izquierda y con el sentido negativo,
R queda a la derecha. Entonces, la restriccion consiste en que cuando en el
plano uv se recorra la curva K una vez en el sentido positivo, la curva C debe
ser recorrida una vez; ya sea en el sentido positivo o negativo.
En el siguiente teorema, que entrega la formula para evaluar una integral
doble cuando se realiza el cambio de variables, se supone que las regiones y
funciones satisfacen las condiciones mencionadas.
Teorema 3.2. Si x = f (u, v), y = g(u, v) es una transformacion de coordenadas entonces:
ZZ
ZZ
(x, y)
F (x, y)dxdy =
F (f (u, v), g(u, v))
dudv,
(3.20)
(u, v)
R
S
donde; el signo + o el signo se elige de acuerdo a que si: cuando se recorre
la frontera K de S una vez en el sentido positivo, la curva C de R se recorre
una vez en la direccion positiva o negativa, respectivamente.
Observaci
on 3.3. En las integrales del teorema anterior se usaron las notaciones dxdy y dudv en vez de dA para evitar confusiones acerca de la region
de integracion.
Ejemplo 3.12. Eval
ue la integral
Z 1Z 2y
xy
dxdy
sen
x+y
0 y
Soluci
on: Es claro que lo que conviene es hacer la sustitucion:
u = x y, v = x + y
125
lo cual define una transformacion T del plano xy al plano uv. Al sumar y restar
estas dos ecuaciones se tiene que, respectivamente:
x=
u+v
vu
, y=
2
2
(3.21)
x=2 - y
x=y
Entonces los lados de la region S en el plano uv estan dados por las curvas de
ecuaciones:
v = u, u = 0, v = 2;
lo que graficamente es:
CAPITULO 3. INTEGRALES MULTIPLES
126
v
v =2
2
u=0
v = -u
u
Se verifica que cuando se recorre la frontera de S en sentido positivo (en direccion contraria a los punteros de el reloj) una vez, entonces se recorre la frontera
de R una vez en el sentido negativo (en direccion a los punteros de el reloj).
As:
Z Z
Z 1Z 2y
1 2 0
u
x+y
dxdy =
sen( )dudv
sen
xy
2 0 v
v
0 y
0
Z 2
1
u
=
vcos( ) dv
2 0
v v
Z 2
1
(v cos(1))dv
=
2 0
2
1 v2
=
cos(1)v
2 2
0
0.4597
En la practica, a parte del sistema de coordenadas rectangulares en dos
variables, uno de los sistemas de coordenadas utilizado es el sistema de coordenadas polares, en la cual un punto P del plano queda representado por el
par (r, ); donde r es la distancia desde el origen a P y denota la medida del
angulo por el eje polar y OP
P(r,)
0
Eje Polar
127
(3.22)
y
, r 2 = x2 + y 2
(3.23)
x
Las ecuaciones (3.22) representan la transformacion del plano polar al plano
de coordenadas rectangulares; siendo viceversa las ecuaciones (3.23).
En condiciones adecuadas, una integral doble en coordenadas rectangulares se puede transformar en una integral doble en coordenadas polares. Muchas
veces, una integral doble en coordenadas rectangulares puede resultar compleja
su evaluacion; sin embargo, al hacer la transformacion a coordenadas polares
el calculo de la integral puede hacerse muy sencillo.
tg =
(x2 + y 2 ) 2 dydx
R
r
(x, y)
=
(r, )
y
y
r
cos
=
sen
rsen
=r
rcos
R
1
CAPITULO 3. INTEGRALES MULTIPLES
128
r=1
= 0 (y = 0)
r=2
= 2 (x = 0)
.
2
3.4.
APLICACION DE MAPLE
129
> with(student):
> f:=(x,y) > x2*y-3*y; # la expresion se escribe como funcion
f := (x, y) > x2 y 3y
> Doubleint(f(x,y),y=-2..3,x=0..2);
Z 2Z 3
0
x2 y 3ydydx
25
3
con lo cual
Z
(x2 y 3y)dydx =
25
3
25
20
15
10
4
x
> Doubleint(1,y=x2..x+6,x=-2..3);
Z 3 Z x+6
x2
1dydx
CAPITULO 3. INTEGRALES MULTIPLES
130
125
6
unidades cuadradas.
y as el area entre las dos curvas anteriores es de 125
6
Observacion: Un modo de ayudarse en el calculo de areas encerrada entre
curvas, es con la sentencia intercept, que tambien esta dentro de la libreria
student; el cual encuentra las coordenadas de los puntos de interseccion entre
dos curvas. Para el calculo del area anterior, los puntos de intersecion entre las
curvas y = x2 y y = x + 6 son encontrados ejecutando:
> with(student)
> intercept(y=x**2,y=x+6,{x,y});
{y = 4, x = 2}, {y = 9, x = 3}
el cual indica que los puntos de interseccion de las dos curvas son (2, 4) y
(3, 9)
En Maple las integrales dobles pueden ser evaluadas directamente con una
sentencia de doble integral. Por ejemplo, el area anterior puede ser calculada
como:
> int(int(1,y=x2..x+6),x=-2..3);
125
6
y la primera integral como:
> f:=(x,y) > x2*y-3*y;
f := (x, y) > x2 y 3y
> int(int(f(x,y),y=-2..3),x=0..2);
25
3
Se puede realizar una peque
na rutina para calcular un volumen encerrado por
superficies. Por ejemplo, si se desea calcular el volumen de un solido, en el
primer octante, acotado por las superficies z = 9 x2 y 2 y x + y = 2,
entonces la representacion y el calculo de su volumen se hace como:
> with(student):
> with(plots):
> implicitplot3d({z=9-x2-y2,x+y=2},x=0..5,y=0..5,z=0..15,orientation=[300,45],
axes=boxed); # se representa el grafico de la superficie encerrada
131
14
12
10
z
8
6
5
4
2
0
0
3
1
2
3
1
4
5
46
3
Para el caso de integrales triple, se usa el comando Tripleint, tambien
precedido del comando with(student). Por ejemplo, si se desa evaluar la integral
triple de la funcion f dada por la expresion f (x, y, z) = xz + 2 para 0 z
9 y 2, y 2 x 4, 2 y 2, se hace como:
> Tripleint(x*z+2,z=0..9-y2,x=y2..4,y=-2..2);
2
2
4
y2
9y 2
xz + 2dzdxdy
0
319744
315
Lo anterior puede ser calculado en forma mas directa como:
> int(int(int(x*z+2,z=0..9-y2),x=y2..4),y=-2..2);
319744
315
CAPITULO 3. INTEGRALES MULTIPLES
132
3.5.
EJERCICIOS PROPUESTOS
R1 = {(x, y) : 0 x 2, 0 y 1}
R2 = {(x, y) : 0 x 2, 1 y 2}.
R1
g(x, y)dA = 2
b)
Z Z
c)
R2
g(x, y)dA
b)
1Z
c)
Z
Z
ln 3
d)
(xy + y 2 ) dxdy
xy 3 dxdy
xyexy dydx
3.- En cada uno de los casos, evaluar la integral doble sobre la region R encerrada por las curvas que se indican:
Z Z
a)
(x + y)dA; R es el triangulo con vertices: (0, 0), (0, 4), (1, 4)
R
b)
Z Z
xy dA;
c)
Z Z
y = x2 , y = 1
y = x2 , y =
Z Z
ex/y dA;
Z Z
ysen xdA;
y = 2x, y = x, y 1, y = 4
e)
133
x = y 2 , x = 9, y 1
d) y = x, x = 1, x = 4
b)
/2
c)
2x
e)
d)
3y+x
6xy 2z 3 dxdzdy
dzdydx
0
x1
dzdydx
sen(x + y + z)dxdydz
CAPITULO 3. INTEGRALES MULTIPLES
134
7.- Represente la region acotada por la grafica de las ecuaciones y use una
integral triple para calcular su volumen:
a) 3x + 4y + z 12 = 0, x = 0, y = 0, z = 0
b) 4 x2 = z, z = 3y, y = 0, z = 0
c) z = 4y 2, z = 2, x = 2, x = 0
d) z + x2 + y 2 = 9, x = 0, y = x, y = 2, z = 0
8.- Eval
ue la integral haciendo el cambio de variables a coordenadas rectangulares correspondiente.
Z Z
a)
sen[(y x)/(x + y)]dxdy;
S
S es el trapecio con vertices (1, 1), (2, 2), (4, 0), (2, 0).
Z Z p
1
b)
( x 2y + y 2)dxdy;
4
S
S es el triangulo con vertices (0, 0), (4, 0), (4, 2).
9.- Eval
ue la integral haciendo el cambio de variables a coordenadas polares.
Z Z
(x2 + y 2)3/2 dydx;
S
Entonces:
Captulo 4
SERIES INFINITAS
Las series infinitas presentan bastante utilidad en la resolucion de muchos
problemas de matematica aplicada. Por ejemplo, una cierta funcion en una variable, que en el papel se ve complicada, puede ser aproximada por una suma
de terminos; en que cada uno de ellos es una potencia en la variable. Dicha
suma de terminos correspondera a una parte de una serie infinita que, generalmente, mientras mayor sea el n
umero de terminos de la suma mejor sera la
aproximacion. Otro caso importante es que la solucion de algunas ecuaciones
diferenciales, que representan alg
un fenomeno, tienen por solucion una serie
infinita.
La idea de este captulo es entregar algunos conceptos basicos de series,
desarrollando primero para ello la idea de sucesiones.
4.1.
SUCESIONES INFINITAS
1 2 3 4
, , , ,...
2 3 4 5
135
136
2 5
4 7
6
3
, , , , , ,...
2
3 4
5 6
7
si para todo n
umero positivo existe un n
umero positivo N correspondiente tal
que
|an L| < , siempre que n > N
Observaci
on 4.1. Si tal n
umero L, en la definicion anterior, no existe, se
dice que la sucesion diverge o que es divergente.
Ahora, si el n-esimo termino de una sucesion {an }, an , se puede hacer
tan grande como se quisiera tomando n suficientemente grande, entonces la
sucesion diverge; usando, en este caso, la notacion de lmite y escribiendose
como
lm an =
Por otra parte, si una sucesion {an } coincide con los valores de una funcion f
en todo entero positivo n, y si f (x) tiende a un lmite cuando x , entonces
la sucesion debe converger a ese mismo lmite. A partir de esta idea, se tiene
el siguiente resultado que permite investigar la convergencia o divergencia de
una sucesion.
Teorema 4.1. Sea {an } una sucesion infinita y sea f (n) = an , para todo
entero positivo n, donde f (x) existe para todo n
umero real x 1:
i) Si lm f (x) = L, entonces lm an = L,
x
L IR
137
ii) Si lm f (x) = (
o ), entonces lm an = (
o )
x
Antes de revisar algunos ejemplos, se mencionan algunas propiedades sobre lmites de sucesiones las cuales son analogas a las propiedades de lmites
de funciones.
Teorema 4.2. Sean {an } y {bn } sucesiones convergentes y k cualquier n
umero
real. Entonces:
a) lm k = k
n
b) lm kan = k lm an
n
c) lm (an bn ) = lm an lm bn
n
d) lm (an bn ) = lm an lm bn
n
lm an
an
= n ; si lm bn 6= 0
n bn
n
lm bn
e) lm
(1)n
4
b)
5n2
8n2 + 4
ln(n)
en
Soluci
on:
c)
a) an =
(1)n
, con lo cual la sucesion tiene terminos
4
1 1
1 1
, , , ,...
4 4
4 4
5
n 8 + 42
n
lm 5
n
=
lm 8 + n42
lm
5
lm 8 + lm
4
2
n n
5
5
=
8+0
8
138
ln(x)
,
ex
es decir, la sucesion
ln(n)
= 0;
en
ln(n)
converge a cero.
en
A continuacion se ve el resultado que tiene que ver con la situacion en
que los terminos de una sucesion esten siempre intercalados entre los terminos
correspondientes de dos sucesiones que tienen el mismo lmite.
Teorema 4.3. Sean {an } y {bn } dos sucesiones tales que
lm an = L = lm bn
sen3 n
2n
Soluci
on: Para n 1 se tiene que
1 sen3 n 1
de donde
1
Como lm n = 0
n
2
que
sen3 n
1
1
n , para n 1
n
n
2
2
2
1
y lm n = 0 y de acuerdo al Teorema 4.3 se tiene
n 2
sen3 n
= 0,
n
n
lm
sen3 n
2n
139
converge a cero.
Claramente, por lo que hemos visto, se ve que si an = c, c un n
umero real
constante para todo n; con lo cual la sucesion infinita es c, c, c, . . ., entonces
lm an = c. Ademas si b es una valor real y k es un n
umero real positivo,
n
entonces:
b
lm k = 0
n n
Para sucesiones de signos variables es u
til tener el resultado que se da a continuacion y que es una consecuencia directa de la definicion de lmite de una
sucesion.
Teorema 4.4. Sea {an } una sucesion. Si lm |an | = 0, entonces lm an = 0
n
Del Teorema 4.4 se concluye lo siguiente: si se tiene una sucesion de terminos positivos y terminos negativos y si la sucesion de terminos positivos converge a cero entonces la sucesion original tambien debe converger a cero.
n (n + 1)
Ejemplo 4.4. Encuentre el lmite de la sucesion (1)
n2
Soluci
on: Algunos terminos de la sucesion son
2,
3
4 5
6 7
, ,
, ,
, ...
4
9 16
25 36
(n + 1)
.
n2
Sera interesante ver tambien, por ejemplo, que pasa con la sucesion
{(0.75)n } o bien con la sucesion {(1.5)n }. Al evaluar la primera sucesion para
valores de n grande (10, 100, . . .) se ve que cada vez el valor de los terminos
se va haciendo mas peque
no y la segunda sucesion marcha directo hacia .
Al respecto, se tiene el siguiente resultado:
Teorema 4.5.
1) lm r n = 0; si |r| < 1
n
2) lm |r n | = ; si |r| > 1
n
140
4.2.
SERIES INFINITAS
X
n=1
an = a1 + a2 + + an +
P
de la serie y como convenio de notacion suele escribirse como
an o bien
n=1
P
an . En algunas situaciones sera conveniente comenzar la serie con n = 0.
P
Ahora, a partir de la serie
an definamos las siguientes sumas:
S1 = a1
S2 = a1 + a2
S3 = a1 + a2 + a3
.. .. ..
. . .
Sn = a1 + a2 + a3 + + an
Pensando que n puede hacerse tan grande como se quiera se puede pensar que;
de esta manera, se ha obtenido la sucecion {Sn }. Con esta idea se entrega la
siguiente definicion
Definici
on 4.3. Para la serie
Sn = a1 + a2 + + an
Si la sucesion de sumas parciales {Sn } converge a S, diremos que la serie
converge a S, llamando a S suma de la serie y escribiendo
S = a1 + a2 + a3 + + an +
Si {Sn } diverge, diremos que la serie es divergente.
Ejemplo 4.5. Verifique que la serie
Soluci
on:
1
P
es convergente.
n
n=1 2
X
1 1 1
1
1
= + + +
+
n
2
2 4 8 16
n=1
an
141
1
,
2n
de donde:
1
lm Sn = lm 1 n = 1
n
n
2
y as {Sn } converge a 1. Por lo tanto la serie
es 1.
1
P
es convergente y su lmite
n
n=1 2
Definici
on 4.4. Una serie de la forma
X
n=1
ar n1 = a + ar + ar 2 + ar 3 + ;
donde, a y r son n
umeros reales, con a 6= 0, se llama serie geom
etrica.
Ejemplo 4.6. La serie de el Ejemplo 4.5
efecto:
1
P
es una serie geometrica. En
n
n=1 2
n1 X
X
X
1 1
1
=
=
ar n1 ;
n
2
2 2
n=1
n=1
n=1
con lo que se puede tomar a = r =
1
2
X
n=1
ar n1 = a + ar + ar 2 + ar 3 +
a
si |r| < 1.
1r
142
2.- es divergente si |r| > 1.
Ejemplo 4.7. Use el resultado del Teorema 4.6 para analizar la convergencia
de las siguientes series geometricas:
a)
n=1
5
4n1
n1
7
b)
4
n=1
Soluci
on:
a)
X
5
5
5
5
=
5
+
+
+
+
n1
2
3
4
4
4
4
n=1
2
3
1
1
1
+5
+5
+
= 5+5
4
4
4
Con lo cual se trata de una serie geometrica con a = 5 y r = 41 . Como |r| < 1
la serie es convergente y su suma S es:
S=
5
a
=
1r
1
1
4
20
3
b)
n1
2 3 4
X
7
7
7
7
7
+
=1+
+
+
+
4
4
4
4
4
n=1
siendo una serie geometrica con a = 1 y r = 74 . Como |r| =
divergente.
7
4
> 1 la serie es
Definici
on 4.5. La serie
X
1 1 1
1
= 1+ + + +
n
2 3 4
n=1
P
P
Teorema 4.7. Si
an y
bn son series convergentes y c es una constante,
n=1
n=1
n=1
can y
n=1
can = c
n=1
b)
an
n=1
(an + bn ) =
n=1
143
an +
n=1
bn
n=1
X
n=1
n2
5n2 + 1
n2
5n2 + 1
1
n2
1
=
= lm
n 5n2 + 1
n 5 + 12
5
n
lm an = lm
ii) Si L > 1 o bi
en lm
5n
P
n=1 n!
144
b)
2n
P
3
n=1 n
Soluci
on:n
5
a) an = , entonces
n!
5n+1 n!
an+1
= lm
L = lm
n (n + 1)! 5n
n an
Ahora, se sabe que (n + 1)! = (n + 1)n!, con lo cual
an+1
5
= lm
=0
n an
n n + 1
L = lm
2n
, entonces
n3
2n+1 n3
an+1
= lm
n (n + 1)3 2n
n an
2n3
= lm 3
n n + 3n2 + 3n + 1
2
= lm
3
n 1 +
+ n32 + n13
n
= 2
L =
lm
1 1 1
+ + ;
2 3 4
145
(1)n1 (
n=1
b)
(1)n1 (
n=1
Soluci
on:
a)
1
)
n!
2n
)
4n2 3
(1)n1
n=1
1
1
1
1
1
1
1
= + + +
n!
1! 2! 3! 4! 5! 6!
P
1
(1)n1 an , donde an = . Ahora
n!
1
1
, para todo n IN
(n + 1)!
n!
lm an = lm
(1)n1
n=1
2n
4
2
8
10
4
=2
+
+
2
4n 3
13 11 61 97 47
Para establecer que an+1 an usemos calculo diferncial. En este caso tomemos
f (x) =
2x
, x1
3
4x2
cuya derivada es
2(4x2 3) (2x)(8x)
(4x2 3)2
2
8x 6
=
(4x2 3)2
f (x) =
2n
n 4n2 3
2
=0
= lm
n 4n 3
n
=
lm
146
P
P
1. Si
bn converge, entonces
an converge.
n=1
2. Si
n=1
an diverge, entonces
n=1
bn diverge.
n=1
X
n=1
2
1 + 5n
2
2
<
= bn ,
1 + 5n
5n
(4.1)
n1
Pero la serie
X 2
5n
es una serie geometrica convergente (porque?). De acuerdo al criterio de comP 2
paracion directa, la serie
es convergente.
1 + 5n
Puede ocurrir que una serie tenga terminos positivos y negativos sin ser
una serie alternante como ocurre con:
X sen(n)
sen1 sen2 sen3
=
+
+
+
2
n
1
4
9
Dada la caracterstica de este tipo de series, se podra pensar en tomar la serie
de los valores absolutos. Al respecto, se entrega la siguiente definicion.
P
Definici
on 4.6. La serie
an se dice absolutamente convergente si la
serie
X
|an | = |a1 | + |a2 | + |a3 | +
X
bn =
n=1
es convergente.
P
Observese que si
an es una serie de terminos positivos, entonces |an | =
an y, por lo tanto, la convergencia absoluta es lo mismo que la convergencia.
Antes de presentar un ejemplo de series absolutamente convergente, se entrega
el siguiente resultado.
Teorema 4.9. La serie p o serie arm
onica
X
1
1
1
1
=
1
+
+
+
+
np
2p 3p 4p
n=1
147
5n
converge absolutamente.
n!
n=1
P 5n
y usamos el
Soluci
on: Si consideramos la serie de valores absolutos
n!
criterio de la razon se tiene:
(1)n
5n+1 n!
5n!
lm
= lm
n (n + 1)! 5n
n (n + 1)n!
5
=0
= lm
n n + 1
P 5n
P
an+1
5n
As lm
< 1 y la serie
es convergente, con lo cual la serie (1)n
n an
n!
n!
es absolutamente convergente.
an+1
lm
=
n an
X
sen(n)
n=1
n3
Soluci
on: Esta es una serie con terminos positivos y negativos, en la cual los
signos varan aleatoriamente. Ahora, sabemos que
sen(n)
1
n3 n3 , n = 1, 2, 3, ...
P 1
y que la serie
es convergente por ser una serie p, con p = 3 > 1, y por el
n3
criterio de comparacion directa la serie
X sen(n)
n3
es convergente. As
X
sen(n)
n=1
es absolutamente convergente.
n3
Existe una relacion entre convergencia absoluta y convergencia. Esta relacion esta dada en el siguiente resultado.
P
Teorema 4.10. Si una serie Pan es absolutamente convergente,
entonces
P
ella es convergente. Es decir, si
|an | converge entonces
an converge.
148
P
Definici
on 4.7. Una serie
an es condicionalmente convergente si ella
P
es convergente pero
|an | es divergente.
Ejemplo 4.14. Verificar que la serie
vergente.
P (1)n
es condicionalmente conln(n + 1)
P (1)n
es converSoluci
on: Por el criterio de series alternantes la serie
ln(n + 1)
gente. Sin embargo, la serie
X
(1)n
1
1
1
ln(n + 1) = ln2 + ln3 + ln4 +
n=1
es divergente, ya que para todo n > 1 se tiene que
1
1
<
n+1
ln(n + 1)
P
1
1
es divergente (serie armonica), entonces la serie
n=1 n + 1
n=1 ln(n + 1)
es divergente, por el criterio de comparacion directa. As, la serie es condicionalmente convergente.
De todo lo dicho anteriormente, se concluye que las series infinitas se
pueden clasificar en uno de los siguientes grupos: series absolutamente convergentes, series condicionalmente convergentes o series divergentes. Tambien las
series de terminos positivos solo pueden ser convergentes o divergentes.
Como
4.3.
SERIES DE POTENCIAS
En esta seccion nos abocaremos a las series en las que los terminos no son
n
umeros reales, sino que funciones en una variable.
Son muchas las funciones, que se utilizan para estudiar los problemas
matematicos, fsicos y qumicos, entre otros, que conviene expresar como una
suma de una serie de potencias. Para los casos en que las funciones tienen una
cierta complejidad es necesario representarlas por una de estas series; ya que
de esta manera se facilitara el estudio de ellas.
Claramente, en este tipo de series se debe delucidar cuales seran el o los
valores de la variable para lo cual la serie converge (intervalo de convergencia).
Por ejemplo, consideremos la serie geometrica:
X
n=0
xn = 1 + x + x2 + x3 + x4 +
X
n=0
xn =
1
1x
149
1
, |x| < 1
1x
f (x) = 1 + x2 + x3 +
y se dice que la funcion f esta representada por esta serie de potencia infinita.
Definici
on 4.8. Sea x una variable. Una serie de potencias en x es una
serie de la forma
X
n=0
an xn = a0 + a1 x + a2 x2 + a3 x3 +
donde a0 , a1 , a2 . . . son n
umeros reales. En general, una serie del tipo
X
n=0
an (x c)n = a0 + a1 (x c) + a2 (x c)2 +
X
xn
n=0
n!
= 1+x+
x2 x3 x4
+
+
+
2!
3!
4!
X
1
1
1
(x 1)n = (x 1) + (x 1)2 + (x 1)3 +
n
2
3
n=1
X
n=0
an (x c)n
X
n=0
an (c c)n
= a0 + 0 + + 0 +
= a0
150
con lo cual la serie converge a a0 . Para concluir lo anterior hay que hacer el
supuesto que 00 = 1.
A continuacion se enuncia un resultado, en el cual nos dice que una serie
de potencias puede converger en un punto, en un intervalo centrado en c, o en
toda la recta real.
Teorema 4.11. (Convergencias de Series de Potencias). Sea la serie de
potencias centrada en c:
f (x) =
X
n=0
an (x c)n
X
n n 1
2
3
4
x = x + 2 x2 + 3 x3 + 4 x4 +
n
5
5
5
5
5
n=1
es absolutamente convergente.
Soluci
on: El n-esimo termino de esta serie es
an =
n n nxn
x = n
5n
5
entonces
(n + 1)xn+1 5n
, x 6= 0
lm
n
5n+1
nxn
(n + 1)x
n
+
1
= lm
|x|
= lm
n
5n n 5n
1
1
1
= |x|
+
= |x| lm
n 5
5n
5
an+1
=
lm
n an
151
X
(1)n
n=0
1
1
1
(x 3)n = 1 (x 3) + (x 3)2 (x 3)3 +
n+1
2
3
4
Soluci
on: El n-esimo termino de la serie es
an =
(1)n
(x 3)n
n+1
entonces
(x 3)n+1 n + 1
, x 6= 3
lm
n
n + 2 (x 3)n
n + 1
= lm
(x 3)
n n + 2
n + 1
= |x 3|
= |x 3| lm
n n + 2
an+1
=
lm
n an
Luego, la serie converge si |x 3| < 1; vale decir, 1 < x 3 < 1 o 2 < x < 4
y la serie diverge para x < 2 y x > 4. Ahora si x = 2, se obtiene la serie:
1+
1 1 1
+ + +
2 3 4
1 1 1 1
+ +
2 3 4 5
152
4.4.
De la seccion P
anterior se sabe que el conjunto de convergencia de una
serie de potencias
an xn , en general, es un intervalo I el cual pasa a ser el
dominio de una nueva funcion S(x), la suma de la serie. As, por lo analizado
en la seccion (4.3), se tiene que:
xn =
n=0
1
= S(x) ,
1x
1 < x < 1
con
se tiene una formula mas simple para para la serie de potencias
P lo cual
n
x
.
Lo
que cabe preguntarse ahora, es que propiedades puede tener la
n=0
funcion S(x); por ejemplo, si es diferenciable o integrable. Esta interrogante
queda despejada en el siguiente resultado.
Teorema 4.12. Supongase que S(x) es la suma de una serie de potencias
sobre un intervalo I; es decir,
S(x) =
an xn
n=0
= a0 + a1 x + a2 x2 + a3 x3 + ......
Entonces si x esta en el interior de I,
i)
S (x) =
n=0
ii)
Z
x
0
X
an n+1
S(t)dt =
x
n+1
n=0
1
1
1
= a0 x + a1 x2 + a2 x3 + a3 x4 + ....
2
3
4
Las series que se obtienen, derivando en i) e integrandoP
en ii), del Teorema
4.12 tienen el mismo radio de convergencia que la serie
an xn , aunque la
convergencia en los extremos puede variar. Por otro lado, una consecuencia
interesante de este teorema es que se puede aplicar a una serie de potencias en
la que conocemos la formula de su suma, para obtener formulas para la suma
de otras series.
Ejemplo 4.18. Consideremos la serie geometrica
1
= 1 + x + x2 + x3 + x4 + ..., 1 < x < 1
1x
Entonces la derivacion en el primer miembro y la derivacion por terminos en
el segundo produce:
153
1
= 1 + 2x + 3x2 + 4x3 + ..., 1 < x < 1
(1 x)2
t
0
0
0
0
con lo cual:
ln(1 x) = x +
x2 x3
+
+ ..., 1 < x < 1
2
3
ln(1 x) = x
x2 x3
o bien
Ahora la incognita que queda por resolver es si es posible representar una
funcion dada en una serie de potencias en x, o mas general en una serie de
terminos (x a), en algu
un intervalo en torno de a.
Supongamos una funcion f representada por una serie de potencias en
x a, de manera que
f (x) =
X
n=0
cn (x a)n
f (n) (a)
n!
154
X
n=0
cn (x a)n
para todo x en un intervalo que contiene a a, entonces f (n) (a) existe para
n = 0, 1, 2, ... y
cn =
f (n) (a)
n!
con lo cual
f (a)
f (a)
(x a)2 +
(x a)3 + ......
2!
3!
La serie del Teorema 4.13 que representa la funcion f se llama serie de
Taylor de f (x) en a. Para el caso en que a = 0 la serie recibe el nombre de
serie de Macluarin, teniendose, para este caso, la siguiente igualdad:
f (0) 2 f (0) 3
f (x) = f (0) + f (0)x +
x +
x + ......
(4.2)
2!
3!
Considerando f (0) (a) = f (a), la serie de Taylor en el Teorema 4.13 se
puede escribir con la notacion de sumatoria de la siguiente manera:
f (x) =
X
f (k) (a)
k=0
k!
(x a)k
(4.3)
1
,
x
f (x) =
f (x) =
f (2) =
1
,
x2
2
,
x3
f (x) =
f iv (x) =
...
...
1
2
f (2) =
f (2) =
1
4
1
4
6
3
, f (2) =
4
x
8
24
,
x5
f iv (2) =
...
...
3
4
155
1 1
1
1
1
(x 2) + (x 2)2 (x 2)3 + (x 2)4 ...
2 4
8
16
32
x
Soluci
on: Si f (x) = ex , entonces la k-esima derivada de f es f k (x) = ex , con
lo cual f k (0) = e0 = 1, para todo k = 0, 1, 2, .... As, de la ecuacion (4.2), se
tiene que:
1 2 1 3 1 4
x + x + x + ...
2!
3!
4!
f (x) = 1 + x +
Todava no se ha respondido la pregunta acerca de las condiciones para
la representacion de una funcion en una serie de Taylor (o Maclaurin). En el
siguiente resultado se encuentra la repuesta.
Teorema 4.14. Sea f una funcion con derivadas en todos los ordenes en alg
un
intervalo abierto I que contiene a a. Una condicion necesaria y suficiente para
que la serie de Taylor
f (a)
f (a)
(x a)2 +
(x a)3 + ...
f (a) + f (a)(x a) +
2!
3!
represente a la funcion f en el intervalo I es que
lm Rn (x) = 0
f n+1 (c)
(x a)n+1
(n + 1)!
con c I.
f (0) = 0
f (0) = 1
f (0) = 0
f (x) = cos x,
f (x) = sen x,
f iv (0) = 0
...
...
156
+ ...
3!
5!
7!
Ahora, |f n+1 (x)| = |sen x| o |f n+1(x)| = | cos x|. Por lo tanto, |f n+1 (c)| 1
para todo n
umero c y as, usando la formula de Rn (x) con a = 0, se tiene que:
f (x) = x
|Rn (x)| =
(n + 1)!
(n + 1)!
Pero
|x|n
=0
n n!
P n
ya que se verifica que la serie de potencias
x /n! es absolutamente convergente para todo n
umero real x (teorema 4.8). De aqu, lmn Rn (x) = 0 y la
representacion en serie de Maclaurin de sen x es valida para todo n
umero real
x.
lm
4.5.
APLICACION DE MAPLE
Sucesiones
Una sucesion puede ser manejada a traves de las sentencias seq, subs,
limit. Por ejemplo, si se desea estudiar la convergencia de la sucesion
5n2
8n2 + 4
entonces, se puede definir como
> an:=5n2/(8n2+4); # se define el termino n-esimo de la sucecion
5n2
8n2 + 4
Para obtener valores de la sucesion para distinto valores de n, por ejemplo,
para n = 10, n = 50 y n = 200, respectivamente; se puede hacer con:
an :=
> subs(n=10,an);
125
201
> subs(n=50,an);
3125
5001
> subs(n=200,an);
50000
80001
157
Si cada vez que se ejecuta cada una de las sentencias anteriores se pone la
sentencia evalf( %) entonces aparecera la version decimal de cada una de las
fracciones; es decir, 0.6218905473, 0.6248750250, 0.6249921876, respectivamente.
Si se requiere una secuencia de, por ejemplo, los diez primeros valores de la
sucesion, entonces se ejecuta
> seq(an,n=1..10);
5 5 45 20 125 45 245 80 405 125
, , , ,
, ,
,
,
,
12 9 76 33 204 73 396 129 652 201
Finalmente, para calcular el lmite de la sucesion, se pone:
> limit(an,n=infinity);
5
8
Lo anterior indica que la sucesion converge a 58 ; es decir, 0. 625, cosa que se
instuye de acuerdo a los calculos preliminares obtenidos.
Series
La sentencia que mas se puede usar aca es la sentencia sum; que permite
sumar una secuencia de n
umeros reales. Dada la serie
X
n=1
1
n(n + 1)
158
X
n2
n+1
n=1
(1)n n
n=1
Si se maneja en Maple esta serie, como las series anteriores, se tiene lo siguiente:
> an:=(-1)n*n;
159
(1)n n
> sum(an,n=1..10);
5
> sum(an,n=1..51);
26
> sum(an,n=1..100);
50
> sum(an,n=1..501);
251
> sum(an,n=1..5000);
2500
> sum(an,n=1..10001);
5001
Se sabe que esta serie no es convergente y de acuerdo a los calculos anteriores
las sumas parciales van por un lado creciendo positivamente (cuando el n
umero
de sumandos es par) y por otro lado disminuyendo negativamente (cuando el
n
umero de sumando es impar). Sin embargo, al digitar
> evalf(sum(an,n=1..infinty));
0,25
lo que implica una contradicion.
En cuanto a las series de potencias, existen algunas de ellas que en Maple
se pueden trabajar directamente, utilizando el paquete powseries que se carga
con el comando with(powseries). Estas series tratadas en forma directa por el
Maple, pueden hacerse solamente en torno a cero.
Por ejemplo, para obetener la serie de potencias de sen x, se realiza con
el comando powsin(x) seguido del comando tpsform; que incluye el orden de la
serie:
> with(powseries):
> s:=powsin(x): # serie de potencias de sen x
> tpsform(s,x,15); # la serie asignada a la variable s es hasta la potencia 15
1
1 5
1 7
1
1
1
x x3 +
x
x +
x9
x11 +
x13 + O(15)
6
120
5040
362880
39916800
6227020800
160
1
x14 + O(15)
87178291200
1
x
en torno al punto x = 2 hasta potencia de orden 8, entonces se realiza como:
f (x) =
> f:=x->1/x;
f := x >
1
x
> t:=taylor(f(x),x=2,8);
t :=
1 1
1
1
1
1
1
x 2 + (x 2)2 (x 2)3 + (x 2)4 (x 2)5 +
(x 2)6
2 4
8
16
32
64
128
1
(x 2)7 + O((x 2)8 )
256
161
> diff(t,x);
1 1
3
1
5
3
+ x 2 (x 2)2 + (x 2)3 (x 2)4 + (x 2)5
4 4
16
8
64
64
7
(x 2)6 + O((x 2)7 )
756
y para su integral
> int(t,x);
1
1
1
1
1
1
x 2 (x 2)2 + (x 2)3 (x 2)4 +
(x 2)5
(x 2)6
2
8
24
64
160
384
1
1
(x 2)7
(x 2)8 + O((x 2)9 )
896
2048
162
4.6.
EJERCICIOS PROPUESTOS
1.- Para las siguientes suceciones, escriba los primeros terminos y determine
si la sucecion converge.
o
n
o
n
3n+1
n+4
nsen(n/2)
ln(n)
a) n+2
d)
b) 2n2 +1
c) n
2n+1
o
o
n
n
en
n
n3
g)
h)
e){en cos n }
f) ()
4n
2n
en
2.- Para las siguientes sucesiones encuentre una forma explcita para el n-esimo
termino an . Determine si la sucesion converge o diverge.
a) 21 , 23 , 34 , 45 ..........
b) 1, 32 , 53 , 47 , 59 ,..........
c) sen 1, 2sen 1/2, 3sen 1/3, 4sen 1/4,......
d)
1
, 2 , 3 , 4
2 12 3 13 4 14 5 15
,.......
3
f)
d)
n=1 n+2
n=1
n=1 e
2
7
4.- Verifique que las siguientes series alternantes son convergentes.
P
P
P
n+1 1
n+1 ln n
n+1 2
(1)
b)
c)
a)
n=1
n=1 (1)
n=1 (1)
3n+1
n
n
n n
(3)n n+1
x
n
n=1 (1)
e)
n=1 (1)
n1
n
n+1
f)
n=1 (1)
n+1
n
10n+1
e)
g)
n=1
1
2n+1
n=0 (4)n x
n2
n=0 23n (x
+ 4)n
d)
f)
n
n
n=1 n2 +1 x
h)
1
n=1 n5n (x
5)n
32n
n=0 n+1 (x
2)n
1
(1+x)2
c) f (x) =
1
1+x
b) f (x) =
1
23x
x2
1x4
e) f (x) =
163
x
(1+x)2
b) xsen 3x
c) x2 sen x
d) cos x2
b) cos x, c = /3
164
Bibliografa
[1] Devaud, G., otros. (2001) Algebra Lineal. Fac. Cs. Fsicas Y Matematicas, Universidad de Concepcion, (5ta edicion).
[2] Grossman, S. (1996) Algebra Lineal. McGraw-Hill, (5ta edicion).
[3] Lipschutz, S. (1992) Algebra Lineal. McGraw-Hill.
[4] Ellis, R., Gullick, D. (1986) Calculus with Analytic Geometry. Hacourt Brace Jovanovich Publishers, (3ra edicion).
[5] Swokowski, E. (1989) Calculo con Geometra Analtica. Grupo Editorial
Iberoamerica, (2da edicion).
[6] Purcell, E., Varberg, D., Rigdon S. (2000) Calculo. Prentice Hall,
(8va edicion).
[7] Thomas, G. Finney, R. (1987) Calculo con Geometra Analtica. Addison Wesley Iberoamericana.
[8] Perez, C. (1998) Metodos Matematicos y programacion. Ra-Ma.
[9] Contreras. (1998) Introduccion al uso del Software Maple en Matematica. Fac. Cs. Fsicas Y Matematicas, Universidad de Concepcion.
[10] Redfern, A. (1993) The Maple Handbook. Springer-Verlong.
165