Vous êtes sur la page 1sur 74

Curso de Nivelacin en Bases Matemticas

Mster en Ciencias Actuariales y Financieras


Curso de Nivelacin en Bases Matemticas

Mster en Ciencias Actuariales y Financieras

PROGRAMA

1. LGEBRA: MATRICES Y DETERMINANTES.


1.1. Matrices. Conceptos elementales.
1.2. Operaciones con matrices.
1.3. Determinante de una matriz. Rango.
1.4. Matriz inversa.
1.5. Diagonalizacin de una matriz cuadrada.

2. LGEBRA: SISTEMAS DE ECUACIONES LINEALES.


2.1. Definiciones. Tipos de sistemas.
2.2. Discusin y resolucin de sistemas equivalentes

3. CLCULO: FUNCIONES Y LMITES.


3.1. Funcin real de variable real.
3.2. Lmite de una funcin real de variable real.
3.3. Relaciones entre operaciones y lmites de funciones.
3.4. Continuidad de funciones.

4. CLCULO: DERIVADAS.
4.1. Derivada de una funcin.
4.2. Clculo de derivadas.
4.3. Tabla de derivadas.
4.4. Aplicaciones de las derivadas.

5. CLCULO: FUNCIONES DE VARIAS VARIABLES.


5.1. Funcin real de varias variables. Derivabilidad.
5.2. Extremos relativos.
5.3. Extremos condicionados.

6. CLCULO: INTEGRALES.
6.1. Concepto de primitiva de una funcin.
6.2. Tabla de integrales.
6.3. Mtodos de integracin.
6.4. Integral definida.

7. CLCULO: INTEGRALES MLTIPLES.


7.1. Integrales dobles.
7.2. Mtodos de clculo de integrales dobles.
7.3. Integrales triples.
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

1. LGEBRA: MATRICES Y DETERMINANTES.

1.1. MATRICES. CONCEPTOS ELEMENTALES.

Una matriz es un conjunto rectangular de nmeros, letras o variables.

Cada elemento de una matriz se suele representar con una letra acompaada de
dos subndices; el primer subndice indica la fila en la que est el elemento, y el
segundo subndice indica la columna en que se encuentra.

a11 a12 " a1n



a 21 a 22 " a 2 n
A=
# # #

a a " a
m1 m 2 mn

Abreviadamente, se puede representar una matriz como A = (a ij )i =1,...,m . En este


j =1,..., n

caso, se dice que una matriz es de dimensin mn si tiene m filas y n columnas. Al


conjunto de matrices de dimensin mn se le representa por Mmxn.

Para manejar el clculo matricial correctamente, es interesante conocer los


siguientes conceptos relacionados con algunos casos particulares:

Matriz fila: Matriz de orden 1n, donde n es el nmero de columnas:


( a11 , a12 ,..., a1n ) ,

que tambin se suele expresar (a1 , a 2 ,..., a n ) .

1
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Matriz columna: Matriz de orden m1, donde m es el nmero de filas:

a11

a 21
# ,

a
m1

a1

a
que tambin se suele expresar 2 .
#

a
m
Matriz cuadrada: Una matriz es cuadrada si tiene el mismo nmero de filas
que de columnas (si no es cuadrada, se dice que es rectangular). Vendra
definida por la siguiente notacin:
a11 a12 " a1n

a 21 a 22 " a2n
# # ,
% #

a a " a nn
n1 n 2
y, en este caso, se dice que la matriz tiene dimensin n (el nmero de filas y
de columnas es idntico a n). Al conjunto de matrices cuadradas se le
representa por Mn.
Diagonal principal: Dentro de una matriz cuadrada, la diagonal principal es
el conjunto de elementos cuyos subndices son iguales (aii, i=1,...,n). En la
siguiente matriz cuadrada, los elementos de la diagonal principal aparecen
subrayados:
a11 a12 " a1n

a 21 a 22 " a2n
A= .
# # % #

a a " a nn
n1 n 2
A la suma de los elementos de la diagonal principal se le denomina traza de
la matriz. En este caso:
n
traza ( A) = aii
i =1

2
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Elementos conjugados: En una matriz cuadrada, se llaman elementos


conjugados a los que tienen sus subndices cambiados de orden, es decir, que
ocupan una posicin simtrica con respecto de la diagonal principal (aij es el
conjugado de aji).
Matriz simtrica: Una matriz cuadrada A es simtrica si A=A.
A = (aij )i =1,...,n y A' = (a ji ) j =1,...,n , luego aij=aji.
j =1,..., n i =1,..., n

Matriz diagonal: Una matriz cuadrada A es diagonal si todos los elementos


que no estn situados dentro de la diagonal principal son nulos, es decir,
= 0 si i j
a ij
0 para algn i = j
Vendra definida por la siguiente notacin:
a11 0 " 0 a1 0 " 0

0 a 22 " 0 0 a2 " 0
A= o A= o A = diag (a1 , a2 ,..., an ) .
# # % # # # % #

0
0 " a nn 0
0 " a n

Matriz unidad o identidad: Se dice que una matriz cuadrada es la matriz


identidad o unidad de dimensin n (In), si es una matriz diagonal cuyos
elementos de la diagonal principal valen todos uno:
0 si i j
aij =
1 si i = j
La matriz identidad de dimensin n tiene este aspecto:
1 0 " 0

0 1 " 0
In =
# # % #

0 0 " 1

Matriz triangular: Se dice que una matriz cuadrada es triangular superior


(inferior) si son nulos todos los elementos que se encuentran por debajo
(encima) de la diagonal principal.
Una matriz triangular superior o inferior tiene este aspecto, respectivamente:

3
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

a11 a12 " a1n a11 0 " 0



0 a 22 " a 2 n a 21 a 22 " 0
o .
# # % # # # % #

0
0 " a nn a n1 an2 " a nn

1.2. OPERACIONES CON MATRICES.

Cuando se utilizan matrices, se pueden establecer entre ellas ciertas operaciones,


como son las siguientes:

1.2.1. IGUALDAD DE MATRICES.

Dos matrices A y B son iguales si tienen la misma dimensin y sus elementos


son iguales uno a uno:

Sean A = (a ij )i =1,...,m y B = (bij )i =1,...,m . Entonces:


j =1,..., n j =1,..., n

A = B aij = bij i {1,..., m}, j {1,..., n}

1.2.2. SUMA DE MATRICES:

Slo se pueden sumar matrices de la misma dimensin. Si A = ( aij )i =1,...,m y


j =1,..., n

B = ( bij )i =1,...,m , se define A+B como:


j =1,..., n

A + B = ( aij + bij )i =1,...,m .


j =1,..., n

En definitiva, la suma de dos matrices es otra matriz de la misma dimensin


cuyos elementos son la suma de los elementos de las matrices de partida.

4
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

La suma de matrices presenta las siguientes propiedades:

Propiedades de la suma de matrices:


Asociativa:
(A+B)+C=A+(B+C), A, B, C M mn .

Conmutativa:
A+B=B+A, A, B M mn .

Elemento neutro: A M mn , 0 M mn tal que

A+0=0+A=A.
Dicha matriz 0 tiene todos sus elementos nulos.

Elemento opuesto: A M mn , ( A) M mn tal que

A+(-A)=(-A)+A=0.
Dicha matriz -A tiene los mismos elementos que la matriz A, pero cambiados
de signo.

1.2.3. PRODUCTO DE UNA MATRIZ POR UN ESCALAR.

Dada una matriz A = ( aij )i =1,...,m y un nmero real , se define A como


j =1,..., n

( a )
ij i =1,..., m , es decir:
j =1,..., n

a11 a12 " a1n a11 a12 " a1n



a a22 " a2 n a21 a22 " a2 n
21 =
# # # # # #

am1 am 2 " amn am1 am 2 " amn

Propiedades del producto de una matriz por un escalar:


Asociativa:
(A)=()A, A M mn , , .

5
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Distributiva respecto de la adicin de matrices:


(A+B)=A+B, A, B M mn , .

Distributiva respecto del producto:


(+)A=A+A, A M mn , , .

Elemento unitario: A M mn , 1 tal que

1A=A.

1.2.4. TRASPOSICIN DE UNA MATRIZ.

Dada una matriz A M mn , se define su traspuesta (At o A') como una matriz de

dimensin nm que tiene por filas las columnas de A y por columnas las filas de A.

a11 a12 " a1n a11 a 21 " a m1



a a 22 " a2n a12 a 22 " a m 2
A = 21 A' =
# # # # # #

a " a mn a a 2 n " a mn
m1 am2 1n

Propiedades de la trasposicin de matrices:


A M mn , ( A' )' = A .

(A+B)'=A'+B'.
(A)'=A'.

6
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

1.2.5. PRODUCTO DE MATRICES.

Dadas las matrices A M mn y B M n p ( A = ( aij )i =1,...,m y B = ( b jk ) j =1,..., n ), se


j =1,..., n k =1,..., p

define la matriz producto C=AB como una matriz de dimensin mp ( C = ( cik ) i =1,...,m )
k =1,..., p

cuyo elemento genrico es:

n
cik = aij b jk ,
j =1

es decir, cada elemento de la matriz producto es igual a la suma de los productos de los
elementos de la fila i-sima de la primera matriz (A) por los elementos de la columna j-
sima de la segunda matriz (B). Por lo tanto, para que dos matrices se puedan
multiplicar es necesario que el nmero de columnas de la primera matriz coincida con el
nmero de filas de la segunda matriz. Adems, la matriz producto tiene tantas filas
como la primera matriz, y tantas columnas como la segunda. Para no olvidar esto, se
tiene la siguiente regla nemotcnica:

para que dos matrices se puedan multiplicar, deben coincidir los valores
internos de las dimensiones, y la dimensin de la matriz producto est
formada por los valores externos.

mxn nxp

Propiedades del producto de matrices:


Asociativa: A M mn , B M n p , C M pq se cumple que

A(BC)=(AB)C.
Elemento neutro por la izquierda: A M mn , se cumple que

ImA=A.
Elemento neutro por la derecha: A M mn , se cumple que

AIn=A.

7
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Distributiva por la izquierda: A M mn , B, C M n p , se cumple que

A(B+C)=AB+AC.
Distributiva por la derecha: A, B M mn , C M n p , se cumple que

(A+B)C=AC+BC.
(AB)=BA, A M mn , B M n p .

No conmutativa: En general AB BA, para cualesquiera dos matrices A y


B.

1.3. DETERMINANTE DE UNA MATRIZ. RANGO.

Un determinante es una aplicacin del conjunto de matrices cuadradas en .

det : M n

A
det(A ) = A .

Para definir formalmente la forma de clculo del determinante de una matriz,


es necesario conocer algunas definiciones previas:
Se denomina permutacin de los nmeros (1,2,...,n) a cada una de las n!
ordenaciones que se pueden formar con esos nmeros, sin repetir ninguno. Se
representa por Pn al conjunto de las (n!) permutaciones diferentes que se pueden
formar con los n primeros nmeros naturales. Se denota una permutacin por
= (i1 , i2 ,..., in ) , entonces (1) = i1 , (2) = i2 ,..., (n) = in .
Se dice que los elementos (h) y (k ) de la permutacin forman inversin cuando
h < k y (k ) precede a (h) .

El ndice de una permutacin = (i1 , i2 ,..., in ) es el nmero (-1), donde representa

el nmero total de inversiones que presenta la permutacin . A este ndice se le


designa por I ( ) .

Ahora ya estamos en disposicin de definir formalmente el determinante de una


matriz cuadrada de la siguiente manera:

8
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Determinante de la matriz A:

a11 a12 " a1n



a a " a2n
Sea A = 21 22 M n una matriz cuadrada de elementos reales. Se
# # % #

a a " a nn
n1 n 2
llama determinante de A, y se denota por |A| o det(A), al nmero real:

| A |= det(A) = I ( )a1 (1) a 2 ( 2) ...a n ( n )


Pn

Se dice que un determinante es de orden n si se corresponde con el determinante


de una matriz de dimensin n.

A continuacin se va a exponer la forma en que se calcula de forma efectiva el


determinante de una matriz. Se comienza con los determinantes de rdenes 1, 2 o 3,
cuyo clculo es muy sencillo. Los determinantes de orden superior se calculan
utilizando las propiedades que se vern posteriormente.

1.3.1. CLCULO DE LOS DETERMINANTES DE ORDEN 1, 2 Y 3.

Los determinantes de orden 1, 2 o 3 se calculan directamente a partir de la


expresin de la matriz:

Si A es una matriz de dimensin 1x1, su determinante es:


A = (a11 ) = a11

Si A es una matriz de dimensin 2x2, su determinante es:

a a
A = 11 12 = a11 a 22 a12 a 21
a 21 a 22

Si A es una matriz de dimensin3x3, su determinante es:

9
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

a11 a12 a13



A = a 21 a 22 a 23 = a11 a 22 a33 + a12 a 23 a31 + a13 a 21 a32
a a a
31 32 33
a11 a 23 a32 a12 a 21 a33 a13 a 22 a31

Para calcular los determinantes de orden superior, es necesario conocer


las siguientes propiedades de los mismos.

1.3.2. PROPIEDADES DE LOS DETERMINANTES.

1. El determinante de una matriz es igual al determinante de su traspuesta.


2. Si en una matriz se intercambian dos filas o dos columnas entre s, el valor de
su determinante cambia de signo.
3. Si todos los elementos de una matriz A de dimensin n se multiplican por una
constante, k, el determinante queda multiplicado por kn. De forma equivalente,
se tiene que |kA| = kn|A|. Si slo se multiplica por k a los elementos de una fila o
columna, el determinante de la nueva matriz queda multiplicado por k.
Asimismo, si todos los elementos de una lnea tienen un factor comn, ste
puede sacarse fuera del determinante.
4. Si una matriz cuadrada tiene dos lneas paralelas iguales, entonces su
determinante vale cero.
5. Si una matriz cuadrada tiene dos lneas paralelas proporcionales, su
determinante vale cero.
6. Si todos los elementos de una lnea son ceros, el determinante de dicha matriz
vale cero.
7. Si cada elemento de una lnea de una matriz cuadrada se escribe como suma de
dos sumandos, el determinante de dicha matriz es igual a la suma de dos
determinantes que tienen iguales todas las lneas, excepto la lnea de
la descomposicin, en la que el primer determinante tiene el primer
sumando de cada elemento y el segundo determinante tiene el segundo
sumando.
8. Si una lnea de una matriz es combinacin lineal de una o ms lneas paralelas a
ella, entonces el determinante de esta matriz vale cero.

10
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

9. El determinante de una matriz no cambia si se le suma a una lnea cualquiera


una combinacin lineal de otras lneas paralelas a ella.
10. Todo determinante se puede convertir en otro determinante de igual valor, tal
que los elementos de una lnea previamente elegida sean cero, excepto, a lo ms,
uno de ellos.
11. El determinante de una matriz triangular o diagonal es igual al producto de
los elementos de la diagonal principal.
12. El determinante del producto de dos matrices cuadradas es el producto de
los determinantes de dichas matrices.

1.3.3. CLCULO DE LOS DETERMINANTES DE ORDEN SUPERIOR.

Para calcular un determinante de orden superior, es til conocer lo que es el


menor complementario y el adjunto de un elemento de una matriz cuadrada.

Se denomina menor complementario del elemento aij de una matriz A de


dimensin n, y se representa por ij, al determinante de orden (n-1) que se obtiene al
suprimir del determinante de A la fila i y la columna j, a las que pertenece el elemento
aij.

Dada un matriz cuadrada A = (aij)nxn, se llama adjunto Aij de un elemento aij de A


al valor:

Aij = (-1)i+jij,

es decir, que el adjunto de un elemento es su menor complementario afectado del signo


+ o -, segn la posicin que ocupe dicho elemento en la matriz.

Para calcular el valor de un determinante de orden superior, se puede enunciar


el siguiente Teorema, que permite realizar dicho clculo:

11
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Teorema: El valor de un determinante de una matriz cuadrada A es igual a la suma de


los productos de los elementos de una lnea (fila o columna) de la matriz A, por sus
respectivos adjuntos, es decir, si consideramos los elementos de la fila i-sima (sera
anlogo en el caso de considerar la columna j-sima):

n
A = a i1 Ai1 + ai 2 Ai 2 + ... + ain Ain = a ik Aik .
k =1

Para calcular el valor de un determinante de orden superior a tres, existen varias


posibilidades, como es el desarrollo por los adjuntos de los elementos de una lnea, la
regla de Cho o por triangularizacin de la matriz.

1.3.3.1. Desarrollo de un determinante por los adjuntos de los elementos de una


lnea.

Aplicando el resultado del Teorema propuesto, se selecciona una lnea del


determinante, y se convierte el determinante inicial de orden n en n determinantes de
orden (n-1), reiterndose el proceso hasta llegar a obtener determinantes de orden 2 o 3,
que se calculan directamente, segn se ha visto.

1.3.3.2. Regla de Cho.

Se busca una lnea que tenga un elemento igual a 1, que se denomina elemento
pivote, y se transforma la matriz, mediante operaciones elementales, en otra que tenga
su determinante de igual valor que el inicial, pero con todos los elementos nulos a
excepcin del pivote, que es igual a 1. As, al desarrollar ahora el determinante por los
adjuntos de los elementos de esa lnea, se obtiene un nico determinante de orden
inferior una unidad al primitivo, afectado del signo correspondiente al adjunto del
elemento pivote.
Se puede aplicar tambin este mtodo eligiendo un pivote de cualquier valor no
nulo, en el caso de que no exista ningn 1. En este caso, el desarrollo del determinante
sera:

12
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

A = 0Ai1 + 0Ai 2 + ... + a ij Aij + ... + 0Ain = aij Aij ,

donde se ha desarrollado el determinante de A por la fila que contiene como nico


elemento no nulo al pivote aij.

Otras veces, cuando no existe ningn elemento igual a 1, se consigue ese


elemento sumando o restando dos lneas paralelas, o dividiendo una lnea por uno de
sus elementos y multiplicando despus el determinante por ese nmero.

1.3.3.3. Por triangularizacin de la matriz.

El mtodo de triangularizacin de una matriz de orden n consiste en un proceso


de (n-1) etapas. Cuando i vara desde 1 hasta (n-1), este proceso es el siguiente:

En una etapa i cualquiera, se deja fija la fila i, y tomando como pivote el


elemento aii, se convierten en cero todos los elementos de su columna que estn por
debajo de l (utilizando las operaciones entre filas que preservan el valor de un
determinante). Si el elemento aii fuera cero, es preciso intercambiar previamente su fila
con alguna otra inferior, cambiando el signo del determinante, y, si no es posible por ser
nulos todos los elementos de su columna por debajo del aii, incluido ste, entonces el
determinante vale cero.

Una vez triangularizada la matriz, el valor del determinante ser, segn las
propiedades vistas anteriormente, el producto de los elementos de la diagonal principal.
principal.

13
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Ejemplos:
2 1 3
Calcular el determinante de la matriz 1 2 3 .
1 0 2

2 1 3 0

3 1 2 2
Calcular el determinante de la matriz .
4 2 3 1

1 2 3 4

2 2 2 2

2 2 2 2
Calcular el determinante de la matriz .
2 2 2 2

2 2 2 2

2 2 1 3

1 2 2 1
Calcular el determinante de la matriz .
4 4 5 5

1 2 3 1

1.3.4. RANGO DE UNA MATRIZ.

Sea A una matriz de dimensin mxn:

a11 a12 " a1n



a 21 a 22 " a 2 n
A= .
# # #

a a " a
m1 m 2 mn

Se define el rango por filas de la matriz A como el nmero mximo de filas de


dicha matriz que son linealmente independientes.

De forma anloga, se define el rango por columnas de la matriz A como el


nmero mximo de columnas de sta que son linealmente independientes.

Teorema: El rango por filas y el rango por columnas son exactamente iguales en
cualquier matriz.

14
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Teorema (caracterizacin del rango de una matriz mediante determinantes): El


rango de la matriz A es igual al orden del menor de mayor orden que es distinto de cero.
Recordemos que un menor de orden h de la matriz A es el determinante de cualquier
matriz cuadrada de dimensin hxh que se obtiene de eliminar (m-h) filas y (n-h)
columnas de la matriz A.

Clculo del rango de una matriz: Hay dos formas para calcular el rango de una
matriz:

A) MTODO BASADO EN EL CLCULO DE MENORES.

La nica matriz que tiene rango cero es la matriz nula; cualquier otra matriz
tendr rango igual o mayor que 1.

Se empieza con k = 2, y se realiza el siguiente proceso que se describe para una


etapa k cualquiera: Se busca un menor de orden k distinto de cero, y entonces el rango
ser mayor o igual que k. Se orla ese menor con los elementos de una fila i cualquiera y
de todas las columnas, sucesivamente, que no figuran en l, obtenindose menores de
orden (k+1). Si todos estos menores son nulos, significa que la fila i es combinacin
lineal de las k filas del menor no nulo inicial, por lo que puede eliminarse esa fila. Se
sigue probando con las filas restantes. Si todos los menores de orden (k+1) obtenidos de
esta forma son nulos, se puede asegurar que el rango de la matriz es k. Si alguno de los
menores de orden (k+1) es distinto de cero, el rango ser mayor o igual que (k+1), y se
repite el proceso para el orden (k+1).

En ocasiones el nmero de menores orlados que hay que considerar es grande, lo


que hace dificultosa la aplicacin de este mtodo. En este caso, resulta muy prctico
realizar operaciones entre las filas o columnas de una matriz que, conservando el rango
de la matriz, procuran conseguir el mayor nmero de elementos iguales a cero que sea
posible. Estas transformaciones son las que se utilizan en el mtodo de Gauss.

15
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

B) MTODO DE GAUSS.

Las transformaciones que preservan el rango de una matriz son las siguientes:
Multiplicar todos los elementos de una fila o columna por un nmero distinto de
cero.
Sumar a cada fila o columna una combinacin lineal de las restantes filas o
columnas.
Suprimir una fila o columna cuyos elementos sean todos iguales a cero.
Suprimir una fila o columna que sea combinacin lineal de las restantes.
Intercambiar dos filas o dos columnas entre s.

Todas estas transformaciones eran vlidas, salvo algunos cambios adicionales en


el clculo de los determinantes. En este caso, no nos importa el valor que pudiera tener
el determinante resultante (no siempre sera calculable, pues este mtodo se puede
aplicar a matrices no cuadradas), por lo que no se tienen en cuenta los cambios de signo
ni los factores comunes que se hayan podido extraer. Conviene aplicar estas
transformaciones de manera ordenada, siempre que sea posible. Un buen procedimiento
consiste en tratar de buscar ceros por debajo de lo que quedara configurado como la
diagonal principal de la matriz, es decir, los elementos que ocupan las posiciones en
las que los subndices sean iguales, independientemente de que la matriz sea cuadrada o
no. Este mtodo se conoce con el nombre de mtodo de Gauss, y consiste en los
siguientes pasos:

Paso 1: Conseguir que el elemento a11 sea igual a 1. Para ello puede ser preciso
intercambiar columnas o filas entre s, o dividir la primera fila o columna por un
nmero (concretamente, por a11).

Paso 2: Anular los elementos que estn por debajo del primero de la diagonal
principal. Para ello basta restar a la segunda fila la primera multiplicada por a21, a la
tercera la primera multiplicada por a31, y as sucesivamente.

16
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Una vez conseguido que todos los elementos de la primera columna sean cero
salvo el que ocupa la diagonal principal, se repite el proceso con la segunda columna,
partiendo del elemento a22, y as sucesivamente. El rango sera el nmero de filas
resultantes cuando ya no se pueden hacer ms ceros por debajo de la diagonal
principal.

Ejemplo: Calcular el rango de las siguientes matrices:


2 1 3 1 4
2 4 6 2
3 0 4 2 0
0 1 1 2 y
1 3 0 0 1 1 1 1 2
0
2 6 2 6

1.4. MATRIZ INVERSA.

Dada una matriz cuadrada de dimensin n, A, se define su matriz inversa como


una matriz de la misma dimensin, a la que se denomina A-1, tal que se verifica que:

AA-1 = A-1A = In.

Conviene observar que la matriz inversa es una matriz de la misma dimensin


que la matriz de partida, y que adems conmuta con ella. Ya se ha especificado que la
propiedad conmutativa no siempre se verifica para el producto de dos matrices
cualesquiera.

Al igual que ocurre con el cero, nmero real que no posee inverso, no todas las
matrices poseen matriz inversa. En el siguiente Teorema se enuncia la condicin
necesaria y suficiente para que una matriz sea invertible:

17
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Teorema: La condicin necesaria y suficiente para que una matriz cuadrada A tenga
matriz inversa es que A sea regular, es decir, que su determinante sea distinto de cero
(|A|0).

Propiedades de la matriz inversa:


Si existe la matriz inversa de una matriz A, entonces es nica.
Si existe la matriz inversa por la izquierda, entonces existe tambin inversa
por la derecha, y ambas coinciden.
1
A 1 = .
A

(AB)-1 = B-1 A-1.


(A)-1 = (A-1).

Hay dos formas para calcular la inversa de una matriz. Se exponen a


continuacin:

1.4.1. Mtodo de los adjuntos.

Sea A una matriz cuadrada de dimensin n. Se define su matriz adjunta como la


matriz que tiene por elementos los adjuntos de los elementos de la matriz A. Se denota
por A* o por adj(A), y se forma de la siguiente manera:

A11 A12 " A1n



A A " A2 n
A* = adj ( A) = 21 22 .
# # % #

A A
n1 n 2 " Ann

Si A es una matriz regular, entonces, se tiene que:

1
A 1 = (adj ( A))' .
A

18
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

1.4.2. Mtodo de Gauss-Jordan.

Para invertir la matriz A de dimensin n, se sigue el siguiente procedimiento:


1. Se amplia la matriz A, poniendo a su derecha la matriz identidad, de la
dimensin adecuada. En este caso, resulta la matriz:

a11 a12 " a1n 1 0 " 0



a a " a2n 0 1 " 0
( A | I n ) = 21 22 M nx 2 n .
# # % # # # % #

a a " a nn 0 0 " 1
n1 n 2
2. Mediante operaciones entre filas, se reduce en esta matriz la parte de la
izquierda (matriz A) a la matriz identidad, In. Estas operaciones son las
siguientes:
Cambiar entre s dos filas.
Multiplicar una fila por un escalar distinto de cero.
Sumar a una fila una combinacin lineal de las restantes filas.
Una vez que aparece la matriz identidad a la izquierda, el resultado es una
matriz del tipo (In|B), siendo B = A-1.

1.5. DIAGONALIZACIN DE UNA MATRIZ CUADRADA.

En ocasiones, es necesario conocer la forma general de una potencia o la


exponencial de una matriz cuadrada, lo que, salvo en el caso en que la matriz
es diagonal, no resulta fcil de obtener.

Se dice que dos matrices cuadradas A y B de orden n son semejantes si


existe una matriz regular (cuyo determinante es distinto de cero), P, tal que:

19
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

A = PBP 1

A la matriz P se le denomina matriz de paso.

Definicin: Se dice que una matriz cuadrada A es diagonalizable si existe una matriz
diagonal de la misma dimensin que A y tal que A y son semejantes.

Por lo tanto, A es diagonalizable si existe una matriz P regular tal que:

A = PP 1 .

La diagonalizacin de matrices es importante porque permite, entre otras cosas,


elevarla a una potencia de forma sencilla o calcular su exponencial. De hecho, si la
matriz A es semejante a una matriz diagonal , las expresiones que permiten calcular la
matriz At o la matriz eA son las siguientes.

A t = Pt P 1 y e A = Pe P 1 .

1 0 " 0

0 2 " 0
Sea = la matriz diagonal que es semejante a la matriz A. La
# # #

0 0 " n

bsqueda de esta matriz diagonal est justificada, porque sus potencias son de la forma:

1t 0 " 0 e 1 0 " 0

0
t
" 0 0 e 2
" 0
t = 2
y e = .
# # # # # #
0 0 " t 0 0 " e n
n

La diagonalizacin de una matriz se realiza siguiendo las siguientes etapas:


Se calculan sus autovalores. Los autovalores de una matriz A son los valores
tales que verifican la ecuacin caracterstica de la matriz A:

20
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

| A I |= 0

Se calculan sus autovectores. Los autovectores (o vectores propios) de una


matriz A son los vectores u que verifican la relacin:
Au = u (o de forma equivalente, ( A I )u = 0 ),

donde puede ser cualquiera de los autovalores de la matriz A.


Se dispone la matriz diagonal de autovalores, que es semejante a la matriz A.
1 0 " 0

0 2 " 0
= .
# # #

0 0 " n

En este caso, la matriz de paso est formada por los autovectores columna de la
matriz A, ordenados de la misma manera que los autovalores de la matriz, es
decir:
| | |

P = u1 u 2 " u n ,
| | |

siendo u i el vector propio asociado al autovalor i, i = 1, 2,..., n.

0 1 3

Ejemplo: Diagonalizar la matriz A = 3 2 3 .
1 1 2

Se plantea la ecuacin caracterstica de la matriz A:

1 3 1 = 1

| A I |= 0 - 3 2 3 = 0 ... 2 = 2 .
1 1 2 = 3
3
En este caso, se calculan los autovectores (se eligen de esta manera, la solucin
de cada uno de ellos no es nica, pues los sistemas que resultan en cada caso son
homogneos):

21
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

1 1 1 1 1 1

u1 = 1 ; u 2 = 1 ; u 3 = 0 P = 1 1 0
0 1 1 0 1 1

1 0 1
1

La inversa de la matriz de paso es: P = 1 1 1 .
1 1 0

Por lo tanto, la expresin de A, en funcin de la matriz diagonal semejante y de


la correspondiente matriz de paso, es:

1 1 1 - 1 0 0 1 0 1

A = 1 1 0 0 2 0 1 1 1
0 1 1 0 0 3 1 1 0

Y, por lo tanto, las correspondientes matrices potencial y exponencial de A


adoptan la forma:

1 1 1 (-1) 0 0 1 0 1 (1) t 2 t + 3t 2 t 3t (1) t + 2 t


t

A t = 1 1 0 0 2 t 0 1 1 1 = ... = (1) t 2 t 2t (1) t + 2 t
0 1 1 0 0 3t 1 1 0 t+ t
2 3 2 t 3t 2t

1 1 1 e 0 0 1 0 1 e 1 e 2 + e 3 e 2 e 3 e 1 + e 2
1

e A = 1 1 0 0 e 2 0 1 1 1 = ... = e 1 e 2 e2 e 1 + e 2
0 1 1 0 0 e 3 1 1 0 e2 + e3 e 2 e3 e2

No toda matriz es diagonalizable, sino que es preciso que la matriz A cumpla


ciertos requisitos para garantizar que esto es posible.

Una condicin suficiente para que la matriz A sea diagonalizable es que posea n
autovalores distintos.

22
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

2. LGEBRA: SISTEMAS DE ECUACIONES

LINEALES.

2.1. DEFINICIONES. TIPOS DE SISTEMAS DE ECUACIONES LINEALES.

Una ecuacin lineal es una ecuacin de la forma:

a1 x1 + a2 x2 + ... + an xn = b,

donde a1 , a2 ,..., an son los coeficientes de las incgnitas x1 , x2 ,..., xn , respectivamente, y

b es el trmino independiente de la ecuacin. Si b = 0 , se dice que la ecuacin lineal es


homognea.

Un sistema de ecuaciones lineales es un conjunto de m ecuaciones con n


incgnitas, de la forma siguiente:

a11 x1 + a12 x 2 + ... + a1n x n = b1


a 21 x1 + a 22 x 2 + ... + a 2 n x n = b2
,
#
a m1 x1 + a m 2 x 2 + ... + a mn x n = bm

donde aij son los coeficientes del sistema (1 i m, 1 j n), xj son las incgnitas del
sistema de ecuaciones (1 j n), y bi son los trminos independientes (1 i m).

De forma matricial, un sistema de m ecuaciones con n incgnitas se puede


expresar de la siguiente forma:

a11 a12 " a1n x1 b1



a 21 a 22 " a 2 n x 2 b2
# # =
# # #

a a " a x b
m1 m 2 mn n m

23
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

o bien: AX = B, siendo A la matriz de coeficientes del sistema, X el vector de incgnitas


y B el vector de trminos independientes del sistema.

Se denomina matriz ampliada del sistema de m ecuaciones con n incgnitas, y se


representa por (A|B), a la matriz formada por los coeficientes y los trminos
independientes del sistema, es decir:

a11 a12 " a1n b1



a a " a2n b2
( A | B) = 21 22
# # # #

a a " a bm
m1 m 2 mn

Una solucin de un sistema de m ecuaciones con n incgnitas es una n-upla de


nmeros (r1, r2,..., rn) tal que cuando se reemplazan las incgnitas por estos valores, se
satisfacen simultneamente las ecuaciones del sistema.

Se dice que dos sistemas de ecuaciones lineales son equivalentes cuando tienen
las mismas soluciones. En concreto, si en un sistema de ecuaciones lineales se elimina
una ecuacin que sea combinacin lineal de las dems, se obtiene un sistema
equivalente, ya que cualquier solucin de un sistema es tambin solucin de toda
ecuacin que se obtenga como combinacin lineal de las ecuaciones del sistema.
Adems, si en un sistema de ecuaciones lineales se sustituye una ecuacin cualquiera
por una combinacin lineal de ella misma, donde su coeficiente sea distinto de cero, con
otras ecuaciones, se obtiene un sistema equivalente.

Para transformar un sistema de ecuaciones en otro equivalente, se puede aplicar


cualquier transformacin que preserva el rango a la matriz ampliada del sistema.

24
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

2.2. DISCUSIN Y RESOLUCIN DE SISTEMAS EQUIVALENTES.

En funcin del nmero de soluciones que admite un sistema de ecuaciones


lineales, se puede efectuar la siguiente clasificacin:
(a) Sistema de ecuaciones incompatible: Un sistema de ecuaciones es
incompatible si y slo si no admite solucin.
(b) Sistema de ecuaciones compatible: Un sistema de ecuaciones es compatible
si y slo si admite alguna solucin.
Sistema de ecuaciones compatible determinado: Un sistema de
ecuaciones es compatible determinado si y slo si admite una nica
solucin.
Sistema de ecuaciones compatible indeterminado: Un sistema de
ecuaciones es compatible indeterminado si y slo si admite ms de
una solucin. En este caso, admitir infinitas soluciones.

Discutir un sistema es analizar si posee ninguna, una o varias soluciones.


Resolver un sistema es encontrar todas sus soluciones. El procedimiento habitual ser,
en primer lugar, discutir el sistema y, en caso de que el sistema sea compatible, se
calculan, en segundo lugar, todas las soluciones del mismo.

Para discutir un sistema de m ecuaciones con n incgnitas, es til el Teorema de


Rouch-Frobenius:

Teorema de Rouch-Frobenius: Sea un sistema de ecuaciones cuya matriz orlada es,


como se ha introducido previamente, (A|B).
a) Un sistema es incompatible si y slo si rango(A) rango(A|B).
b) Un sistema es compatible si y slo si rango(A) = rango(A|B).
Un sistema es compatible y determinado (solucin nica) si y slo si:
rango(A) = rango(A|B) = n (nmero de incgnitas).
Un sistema es compatible indeterminado (infinitas soluciones) si y slo si:
rango(A) = rango(A|B) = r < n.

25
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

En el caso de los sistemas compatibles indeterminados, a (n r) se le denomina


grado de indeterminacin del sistema de ecuaciones, e indica el nmero de parmetros
de los que dependen las infinitas soluciones del sistema.

Para resolver un sistema de ecuaciones lineales, es decir, buscar las soluciones


del mismo, hay varias opciones, segn sea el sistema que se pretende resolver:

A) SISTEMAS COMPATIBLES DETERMINADOS.

Si un sistema es compatible determinado puede reducirse a un conjunto de n


ecuaciones con n incgnitas cuya matriz de coeficientes, A, tiene determinante no nulo,
esto es, se puede escribir el sistema en forma matricial como:

AX = B, A Mn, |A| 0.

A.1) MTODO DE LA MATRIZ INVERSA.

Como la matriz de coeficientes del sistema, A, admite matriz inversa, se puede


escribir la solucin del sistema como:

X = A-1B.

A2) REGLA DE CRAMER.

Para cada una de las incgnitas, la solucin de un sistema compatible


determinado es igual a:

a11 " b1 " a1n


# # #
a n1 " bn " a nn
xj = , 1 j n,
a11 " a1 j " a1n
# # #
a n1 " a nj " a nn

26
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

que resulta fcil de recordar, ya que el denominador es siempre igual al determinante de


la matriz de coeficientes, mientras que el numerador es el determinante que resulta de
sustituir la columna de los coeficientes que corresponden a la variable que se quiere
calcular por la columna de trminos independientes.

A3) MTODO DE TRIANGULARIZACIN DE GAUSS.

Se parte de un sistema de m ecuaciones lineales con n incgnitas. Se aplican las


transformaciones convenientes por filas y se convierte en un sistema escalonado
(sistema equivalente en el que la matriz de coeficientes tiene nulos sus elementos por
debajo de la diagonal principal). Despus de eliminar las ecuaciones de la forma 0 = 0,
el sistema escalonado tiene n ecuaciones con n incgnitas (puesto que el sistema es
compatible determinado). La ltima ecuacin es una ecuacin lineal de una incgnita,
luego su resolucin es muy sencilla. Una vez que se conoce el valor de la ltima
incgnita, se despeja de las ecuaciones anteriores, y se obtiene un sistema equivalente
escalonado con (n-1) ecuaciones e incgnitas, y se sigue aplicando el mismo
procedimiento hasta que se conozca el valor de todas las incgnitas.

B) SISTEMAS COMPATIBLES INDETERMINADOS.

Si un sistema compatible es indeterminado se extrae del mismo un subsistema


que sea compatible determinado. El subsistema elegido lo determinan los componentes
del menor que define el rango de la matriz de coeficientes del sistema. En este caso,
todas las incgnitas, cuyos coeficientes no forman parte del menor elegido, se pasan a la
columna de trminos independientes, y cada uno de ellos queda expresado en funcin de
un parmetro (tantos como grados de libertad se tienen en el sistema compatible
indeterminado). Para resolver el sistema resultante, se utiliza alguno de los mtodos
estudiados para los sistemas compatibles determinados, y la solucin queda en funcin
de los parmetros que se han definido previamente.

27
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

C) SISTEMA DE ECUACIONES LINEALES HOMOGNEAS.

Un sistema de ecuaciones lineales homogneas es un sistema cuyo vector de


trminos independientes es el vector nulo. Por lo tanto, la matriz de coeficientes del
sistema tiene exactamente el mismo rango que la matriz orlada, ya que la columna de
trminos independientes no aade nada al rango (son elementos nulos). En este caso, el
sistema es siempre compatible, por lo que puede tener una o infinitas soluciones. En
concreto, si el rango de la matriz de coeficientes coincide con el nmero de incgnitas,
el sistema es compatible determinado, con lo que la solucin es nica, y adems es la
trivial (todas las incgnitas iguales a cero). Si, por el contrario, el rango de la matriz de
coeficientes es menor que el nmero de incgnitas, el sistema es compatible
indeterminado, con infinitas soluciones, aunque entre ellas debe encontrarse la solucin
trivial.

28
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

3. CLCULO: FUNCIONES Y LMITES.

3.1. FUNCIN REAL DE VARIABLE REAL.

Se define como funcin real de variable real a toda aplicacin:

f : A

x A y = f ( x)

En una funcin real es importante considerar cul es el conjunto origen


(conjunto de valores sobre los que se puede aplicar la funcin, o que tienen imagen) y
cul es el conjunto imagen (conjunto de valores que devuelve la funcin, o que tienen
antiimagen).

Las operaciones entre funciones reales (que permiten definir nuevas funciones a
partir de otras) son las habituales entre nmeros reales, es decir, la suma, la diferencia,
el producto y el cociente. Adems de stas, hay una operacin especfica entre
funciones, como es la composicin de funciones.

Composicin de funciones: Sean A, B y C tres subconjuntos de los nmeros reales, y


sean dos funciones reales de variable real f : AB y g : BC, se define la funcin
( g D f ), composicin de f y de g, como aqulla que asocia a cada elemento xA el
nmero g[f(x)], es decir:

g D f : A
C
x
(g D f) (x) = g [f (x)]
( )( ) [ ( )]

29
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

3.2. LMITE DE UNA FUNCIN REAL DE VARIABLE REAL.

De todos los conceptos relativos al anlisis de funciones reales de variable real,


el de lmite de una funcin es quiz el ms importante. La nocin de una funcin cuyos
valores se aproximan a uno dado, cuando la variable se aproxima a cierto nmero, se
presenta como algo intuitivo. Sin embargo, el concepto de lmite es difcil, por su
formalizacin abstracta, ya que al precisar las intuiciones previas en una idea
matemtica, puede ocurrir que incurramos en un error. Es preciso familiarizarse con el
formalismo matemtico, para poder manejar los lmites con seguridad.

Lmite: Dada la funcin f : A, se dice que f tiene lmite L en el punto x0, es


decir,
lm f ( x) = L ,
x x0

si y slo si >0 >0 tal que xA, xx0, 0<|x-x0|<, se tiene que |f(x)-L|<.

Conviene observar con cuidado la definicin de lmite: est implcito en ella que
la funcin f est definida en algn intervalo alrededor del punto x0, excepto quiz en l
mismo (porque la condicin exige que |x-x0|>0). Por lo tanto, en la existencia o no del
lmite en x=x0 intervienen los valores de la funcin en algn entorno de x0, pero no tiene
importancia el valor de f en ese punto.

Lmite por la izquierda: La funcin f : A, tiene lmite L1 por la izquierda del


punto x0, es decir,
lm f ( x) = L1 ,
x x0

si y slo si >0 >0 tal que xA, xx0, 0<x0-x<, se tiene que |f(x)-L1|<.

30
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Lmite por la derecha: La funcin f : A, tiene lmite L2 por la derecha del punto
x0, es decir,
lm f ( x) = L2 ,
x x0 +

si y slo si >0 >0 tal que xA, xx0, 0<x-x0<, se tiene que |f(x)-L2|<.

Teorema: Una funcin f tiene lmite en el punto x0 si y slo si tiene lmite por la
izquierda L1 y lmite por la derecha L2 en dicho punto, y ambos coinciden. En ese caso,
el valor del lmite es L = L1 = L2.

Lmites infinitos: La funcin f : A tiene lmite infinito en el punto x0, en los casos
siguientes:
lm f ( x) = + k>0 >0 tal que xA, xx0, 0<|x-x0|<, se tiene que
x x0

f(x)>k.
lm f ( x) = k>0 >0 tal que xA, xx0, 0<|x-x0|<, se tiene que
x x0

f(x)<-k.

Lmites finitos en el infinito: La funcin f : A tiene lmite L en el infinito, en los


casos siguientes:
lm f ( x) = L >0 M>0 tal que xA, x>M, se tiene que |f(x)-L|<.
x +

lm f ( x) = L >0 M>0 tal que xA, x<-M, se tiene que |f(x)-L|<.


x

Lmites infinitos en el infinito: La funcin f : A tiene lmite infinito en el infinito, en


los casos siguientes:
lm f (x) = k>0 M>0 tal que xA, x>M, se tiene que f(x)>k.
x +

lm f (x) = k>0 M>0 tal que xA, x>M, se tiene que f(x)<-k.
x +

lm f (x) = k>0 M>0 tal que xA, x<-M, se tiene que f(x)>k.
x

lm f (x) = k>0 M>0 tal que xA, x<-M, se tiene que f(x)<-k.
x

31
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras
Financieras

3.3. RELACIONES ENTRE OPERACIONES Y LMITES DE FUNCIONES.

Dadas dos funciones f,g: A, y un punto x0, si existen lm f ( x) y


x x0

lm g ( x) , se verifican las siguientes relaciones:


x x0

lm [ f ( x) g ( x)] = lm f ( x) lm g ( x) .
x x0 x x0 x x0

k, lm [k f ( x)] = klm f ( x) .
x x0 x x0

lm [ f ( x)g ( x)] = lm f ( x)lm g ( x) .


x x0 x x0 x x0

lm f ( x)
f ( x ) x x0
Si xA, g(x)0 y lm g ( x) 0 , entonces lm = .
x x0 x x0 g ( x ) lm g ( x)
x x0

Adems, en el caso de que las siguientes funciones estn bien definidas, se


verifica que:
lm g ( x )
lm [ f ( x) g ( x ) ] = [ lm f ( x)] x x0 .
x x0 x x0

lm [log f ( x)] = log[ lm f ( x)] .


x x0 x x0

Todos estos resultados se mantienen en el supuesto de considerar lmites


infinitos y lmites en el infinito, siempre y cuando no se produzca una indeterminacin
0
de las siguientes: , ,0, . Para resolver este tipo de indeterminaciones, ser
0
necesario realizar operaciones algebraicas en las expresiones, de tal manera que se
consigan resolver.

Ejemplos: Calcular los siguientes lmites:


x2 1
lim .
x 2 3x 2

3x3 3x
lim .
x 0 x
x3 2 x 2 6 x + 12
lim
x 2 x 2 + 3x 10

32
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

x 1
lim .
x 1 x2 1
1
lim .
x 5 2( x 5) 2
1
lim .
x 1 x 1

Reglas de clculo de lmites en el infinito: Cuando x + o x , se tienen los


siguientes casos:

A) Funciones potenciales: f (x) = axn.


A) Funciones potenciales: ( ) = n
+ si a > 0
lim ax n =
x +
si a < 0
+ si n es par
si a > 0
si n es impar
lim ax n =
si a < 0 si n es par
x


+ si n es impar

B) Funciones polinmicas: f ( x) = ax n + bx n 1 + ... .


En estos casos, hay que tener en cuenta nicamente el monomio de mayor grado, y
calculamos su lmite como el de una funcin potencial.

C) Funciones exponenciales: f (x) = ab .


x

C) Funciones exponenciales: ( )

+ si a > 0
si b > 1
lim ab = x
si a < 0
x +
si 0<b < 1 0

si b > 1 0

lim ab x = + si a > 0
si 0<b < 1 si a < 0
x

33
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

D) Funciones logartmicas: f ( x) = alog b ( x) . (Slo tiene sentido su lmite hacia +)

+ si a > 0
si b > 1
si a < 0
lim alog b x =
si 0 < b < 1 si a > 0
x +


+ si a < 0

ax m + ...
E) Funciones racionales: f ( x) = n .
bx + ...
+ si a / b > 0
si m > n
si a / b < 0
ax m + ... ax m
lim = lim = si m = n a / b
x + bx n + ... x + bx n


si m < n 0

+ si a / b < 0
si m > n
si a / b > 0
ax m + ... ax m
lim = lim = si m = n a / b
x bx n + ... x bx n


si m < n 0

Ejemplos: Calcular los siguientes lmites:

3x 2 2 x 5
lim .
x + x4
3x 2 2 x + 5
lim .
x + 4x2 4
x2 x + 1
lim .
x + x 3 4 x + 3

34
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

3.4. CONTINUIDAD DE FUNCIONES.

Si una funcin tiene lmite en un punto, y dicho lmite coincide con el valor de la
funcin en el punto, se presenta una regularidad importante: los valores que toma la
funcin en un entorno del punto permiten anticipar el valor de la funcin en el punto.
Grficamente, esta situacin se refleja en una lnea sin huecos ni rupturas, y sin cortes,
esto es, una lnea continua.

Continuidad de una funcin: Se dice que una funcin f es continua en el punto x=x0, si
verifica que:
lm f ( x) = f ( x0 ) .
x x0

Por lo tanto, segn esta definicin, para que una funcin sea continua en x=x0
son precisas tres condiciones:
i. Que la funcin f est definida en x=x0.
ii. Que exista el lmite de la funcin en el punto x=x0.
iii. Que el valor del lmite coincida con el valor de la funcin en el punto.

El incumplimiento de alguna de estas condiciones permite clasificar las


funciones discontinuas.

Tipos de discontinuidad:
Discontinuidad evitable: La funcin f tiene una discontinuidad evitable en
el punto x=x0 si existe xlm f ( x) = L , pero L f ( x0 ) o no existe f ( x0 ) .
x 0

Discontinuidad de 1 especie, o de salto: La funcin f tiene una discontinuidad


de 1 especie o de salto en el punto x=x0 si existen los lmites laterales en dicho
punto, L1 = lm f ( x) y L2 = lm+ f ( x) , pero L1 L2 . Se denomina salto a la
x x0 x x0

diferencia | L1 L2 | .
Discontinuidad de 2 especie: La funcin f tiene una discontinuidad de 2 especie
en el punto x=x0 si no existe algn lmite lateral.

35
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Se dice que una funcin es continua si es continua en todos los puntos de su


dominio de definicin.

Sean f y g dos funciones continuas en x=x0.Las funciones continuas tienen las


siguientes propiedades en cuanto a las operaciones entre funciones:
f g es una funcin continua en x=x0.
fg es una funcin continua en x=x0.
f ( x)
Si g(x0) 0, entonces es continua en x=x0.
g ( x)
Si g es continua en x=x0 y f es continua en g(x0), entonces f[g(x)] es continua en
x=x0.

36
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

4. CLCULO: DERIVADAS.

4.1. DERIVADA DE UNA FUNCIN.

La derivada de una funcin es uno de las herramientas ms importantes de las


que tienen las matemticas para el estudio de una funcin. Permiten conocer cmo
cambia la funcin en un punto, analizando como cambia la variable dependiente o
endgena (y) como consecuencia de un pequeo cambio de la variable independiente o
exgena (x).

Consideremos una funcin f que queremos estudiar en un entorno del punto x0.
Para cualquier otro punto x del dominio de f se define el cociente de incrementos de la
funcin f(x) en el punto x0 como:

f ( x) f ( x0 ) f ( x0 ) f ( x0 + x 0 ) f ( x0 )
= = .
x x0 x 0 x 0

Se dice que la funcin f es derivable en el punto x0, y se representa su derivada


en dicho punto por f (x0), si y slo si existe el lmite del cociente de incrementos de la
funcin cuando x tiende a x0, o, de forma alternativa, cuando el incremento de la
variable tiende a cero, es decir:

f ( x) f ( x0 ) f ( x 0 ) f ( x0 + x0 ) f ( x 0 )
f ' ( x 0 ) = lm = lm = lm
x x0 x x0 x0 0 x
0
x0 0 x0

De la misma manera que tenamos lmites laterales en un punto de una funcin,


se puede hablar de derivadas laterales, que se corresponden con los lmites laterales de
los cocientes de incrementos. Por extensin, se dice que una funcin es derivable en el

37
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

punto x0 si y slo si existen las derivadas laterales de la funcin en el punto x0, y ambas
coinciden.

Dada una funcin f : A, si x0A, la funcin f(x) es derivable en el punto x0,


entonces se define la funcin derivada de f(x) (en su dominio de definicin) como:

f ': A

y ' = f ' ( x)
x A

Dada una funcin f : A, derivable en A, entonces la funcin derivada, f (x),


es una nueva funcin real de variable real. Por tanto, se puede estudiar su derivada.
Caso de que sta exista, se la denominar derivada segunda de la funcin f (x), y se
simbolizar por f (x). Este proceso se puede repetir mientras las funciones resultantes
admitan derivada.

En general, se define la derivada n-sima de la funcin f (x) como

f (n (x) = (f (n-1)(x).

4.2. CLCULO DE DERIVADAS.

La frmula que da origen a la derivada a travs de un lmite no es demasiado


manejable. En la prctica, se utilizan reglas de derivacin que permiten calcular las
derivadas de una funcin de una manera mucho ms operativa. En este apartado se
presentan las principales reglas de derivacin:

Derivada de una constante:


Si f (x) = k, entonces f (x) = 0.

Derivada de una potencia:


Si f (x) = xn, entonces f (x) = n xn-1.

38
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Derivada de la suma o diferencia de funciones:


Dadas f y g, dos funciones derivables, se verifica que
(f g)(x) = f (x) g (x).
Derivada del producto de funciones:
Dadas f y g, dos funciones derivables, se verifica que
(f g)(x) = f (x) g (x) + f (x) g (x).
Derivada del cociente de funciones:
Dadas f y g, dos funciones derivables, se verifica que
'
f f ' ( x) g ( x) f ( x) g ' ( x)
( x) = .
g ( g ( x)) 2

Derivada de la composicin de funciones (Regla de la cadena):


Dadas f y g, dos funciones derivables, se verifica que
( f D g )' ( x) = f ' ( g ( x))g ' ( x) .
Derivada de funciones logartmicas:
La derivada de la funcin f(x) = ln(x) es f (x) = 1/x.
La derivada del logaritmo de una funcin f(x) es:
f ' ( x)
(ln f ( x))' = .
f ( x)
Derivada de funciones exponenciales:
La derivada de la funcin f(x) = ex es f (x) = ex.
La derivada de la funcin f(x) = eg(x) es f (x) = g (x) eg(x).

En la pgina siguiente se incluye un apartado con una tabla en la que figuran


algunas de las derivadas que se encuentran ms habitualmente.

39
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

4.3. TABLA DE DERIVADAS.

y y' y y'
k 0
x 1
xn nxn-1 un nun-1u'
ax axlna au aulnau'
ex ex eu euu'
uv vuv-1u'+uvlnuv'
1 u'
x u
2 x 2 u
1 u'
n n
x u
n n x n 1 nn u n 1
1 u'
logax log a e logau log a e
x u
1 u'
lnx lnu
x u
senx cosx senu cosuu'
cosx -senx cosu -senuu'
1 u'
tgx tgu
cos 2 x cos 2 u
-1 - u'
cotgx cotgu
sen 2 x sen 2 u
senx senu
secx secu u'
cos 2 x cos 2 u
- cosx - cosu
cosecx cosecu u'
sen 2 x sen 2 u
1 u'
arc senx arc senu
1 x2 1 u2
-1 - u'
arc cosx arc cosu
1 x2 1 u2
1 u'
arc tgx arc tgu
1 + x2 1 + u2
-1 - u'
arc cotgx arc cotgu
1 + x2 1 + u2
1 u'
arc secx arc secu
x x2 1 u u2 1
-1 - u'
arc cosecx arc cosecu
x x2 1 u u2 1

40
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

4.4. APLICACIONES DE LAS DERIVADAS.

El clculo de derivadas es una herramienta muy importante en el anlisis


matemtico, porque tiene muchas aplicaciones en el estudio de las funciones. En este
apartado se presentan alguna de estas utilidades:

4.4.1. REGLA DE LHPITAL.

En los lmites en un punto x0 en los que se presentan casos de indeterminacin

0 f ' ( x) f ( x) f ' ( x)
del tipo o , si lm = L , entonces lm = lm = L.
0 x x 0 g ' ( x) x x 0 g ( x) x x 0 g ' ( x)

Ejemplos: Calcular los siguientes lmites:


sen( x)
lm .
x 0 x
x2 9
lm .
x 3 x 3

ln(1 + x)
lm .
x 0 x

Esta regla proporciona una forma de actuacin cuando hay que resolver lmites
de cocientes de funciones que resultan en una indeterminacin del tipo de las
comentadas. Adems, para otro tipo de indeterminaciones, se pueden realizar los
siguientes cambios:
Indeterminaciones del tipo 0 o 0 :
Si, por ejemplo, el lmite es del tipo lm f ( x)g ( x) = 0 , entonces se resuelve
x x0

f ( x) 0 g ( x) =
tgjg
el lmite como lm = , o como lm = .
x x0 1/ g ( x) 0 x x0 1/ f ( x )

41
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Indeterminaciones del tipo :


Si el lmite es del tipo lm ( f ( x) g ( x)) = , entonces se resuelve el lmite
x x0

1 1

g ( x) f ( x) 0
como lm = .
x x0 1 0
f ( x) g ( x)

Para indeterminaciones de tipo exponencial (1, 0, 00), se puede aplicar la regla


de LHpital despus de tomar logaritmos.

Ejemplos: Calcular los siguientes lmites:


lm (x ln(x )) .
x0

1 1
lm .

x 0 tg ( x ) x

lm x x .
x 0

4.4.2. REPRESENTACIN GRFICA DE FUNCIONES.

Se ha comentado ya que la derivada de una funcin es una herramienta que


permite su estudio en cada uno de los puntos en los que est definida. En concreto, la
derivada nos da informacin acerca del comportamiento de la funcin en cada punto,
permitiendo adems su representacin grfica. Para ello, existen diferentes usos de la
derivada, como son los siguientes:

4.4.2.1. ESTUDIO DEL CRECIMIENTO Y LA CURVATURA DE UNA


FUNCIN.

Como f (x0) representa la tasa de variacin instantnea de la funcin en el punto


x0, se dice que f es creciente en aquellos puntos en los que su primera derivada es
positiva, y es decreciente en los puntos en los que sta es negativa. Concretamente,
f es creciente en x0 si y slo si f (x0) > 0.
f es decreciente en x0 si y slo si f (x0) < 0.

42
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Un punto en el que se anula la primera derivada puede ser un mximo o un


mnimo o un punto de inflexin (punto en el que cambia la concavidad de la funcin).
En concreto, se dice que una funcin es cncava desde abajo en todos los puntos x en
los que la segunda derivada es negativa (condicin de mximo), y es convexa desde
abajo en todos los puntos en los que la segunda derivada es positiva (condicin de
mnimo). Si la segunda derivada se anula, nos encontramos ante un punto de inflexin
(no es mximo ni mnimo).
Si las derivadas sucesivas son todas nulas en un punto x0 hasta la derivada de
orden (n-1), siendo f (n (x0) 0, entonces el comportamiento de la funcin en este punto
es el siguiente:
Si f (n (x0) > 0 y n es impar, entonces f es creciente en x0.
Si f (n (x0) < 0 y n es impar, entonces f es decreciente en x0.
Si f (n (x0) > 0 y n es par, entonces x0 es mnimo local de f.
Si f (n (x0) < 0 y n es par, entonces x0 es mximo local de f.

4.4.3. APROXIMACIN DE FUNCIONES. DESARROLLOS DE TAYLOR Y


DE MCLAURIN.

Las funciones ms sencillas con las que se puede trabajar son las funciones
polinmicas. Por ello, puede ser conveniente encontrar polinomios que aproximen a las
funciones.

Polinomio de Taylor: Dada una funcin f, n veces derivable, y con todas las derivadas
sucesivas continuas, se define el polinomio de Taylor de grado n de f en x0 como el
polinomio:

f ' ( x0 ) f ' ' ( x0 ) f ( n ( x0 )


Pn ( x) = f ( x0 ) + (x x0 ) + (x x0 ) 2 + ... + (x x 0 ) n
1! 2! n!

Este polinomio tiene la propiedad de que cada una de sus n derivadas sucesivas,
evaluadas en el punto x0 , coincide con el valor de la correspondiente derivada sucesiva
de f, en dicho punto.

43
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

A la diferencia entre la funcin f(x) y el polinomio de Taylor de grado n de f en


x0 se le denomina Resto de Taylor de orden n, y su expresin, segn la forma de
Lagrange del resto es:
f ( n +1 (c)
Rn ( x) = f ( x) Pn ( x) = ( x x0 ) n +1 .
(n + 1)!

El resto de Taylor es un infinitsimo de orden n cuando se considera en un punto


cercano a x0 , lo que hace que el polinomio de Taylor se configure como una buena
aproximacin al valor de una funcin en un punto.

Frmula de McLaurin: Es la particularizacin del Polinomio de Taylor al caso en que

x0 vale 0, es decir:

f ' (0) f ' ' (0) 2 f ( n (0) n


Pn ( x) = f (0) + x + x + ... + x .
1! 2! n!

44
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

5. CLCULO: FUNCIONES DE VARIAS

VARIABLES.

5.1. FUNCIN REAL DE VARIAS VARIABLES. DERIVABILIDAD.

Se define una funcin real de n variables como una aplicacin entre el conjunto
n y , de la forma:

f : A n

y = f ( x ) = f ( x1 , x 2 ,..., , x n )
x = ( x1 , x 2 ,..., , x n ) A

El hecho de que ahora los valores reales x son vectores pertenecientes a un


espacio n-dimensional ocasiona que los conceptos sean ligeramente diferentes.

Con la idea de proximidad, o cuando se indica que la variable x tiende o se


aproxima al punto x0, hay que tener en cuenta que la forma de acceder no es nica como
ocurra en el caso unidimensional.

Definicin: Sea f : An y sea x = (x1,x2,...,xn)A. Se dice que f posee la derivada


parcial respecto de la coordenada k-sima en el punto x, y se representa
f ( x )
indistintamente por , Dk f ( x ) o f 'xk ( x ) , si existe el lmite:
xk

f ( x1 , x 2 ,..., x k + h,..., x n ) f ( x1 , x 2 ,..., x k ,..., x n )


lm
h 0 h

El clculo de las derivadas parciales no ofrece ninguna dificultad particular,


basta con aplicar las reglas de derivacin ya conocidas para funciones de una variable,
teniendo presente que las coordenadas distintas de aquella respecto de la cual se deriva
son constantes.

45
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Ejemplos:
f (2,4)
f(x,y) = x2 + xy + y2. Calcular .
x
f (0,0,0)
f(x,y,z) = e2x + 3y + z. Calcular .
y
f (0,0,0)
f(x,y,z) = sen(3x) + 2xy2 3e2z. Calcular .
z

Conceptualmente, las derivadas parciales se utilizan para desagregar el efecto


conjunto que representa una funcin de varias variables y analizar la influencia que cada
variable independiente tiene por separado en el comportamiento del fenmeno que se
explica.

La interpretacin geomtrica de la derivada parcial es simple. Fijar todas las


variables excepto una equivale a considerar la funcin restringida a la curva que resulta
de cortar la superficie f(x1,x2,...,xn) por el hiperplano que fija todas las coordenadas
excepto aqulla respecto de la cual derivamos, iguales al valor del punto. La derivada
parcial es entonces el coeficiente angular de la tangente a dicha curva plana.

Sin embargo, existen diferencias notables entre las implicaciones que tiene la
existencia de derivadas en el caso de funciones de una variable y la existencia de
derivadas parciales. Se puede probar que, en el caso de funciones reales de una variable,
la existencia de la derivada de una funcin en un punto, implica su continuidad en dicho
punto. Cuando se trata con funciones de varias variables, la existencia de derivadas
parciales no implica la continuidad de la funcin. Para probar este hecho, veamos el
siguiente ejemplo:

46
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Ejemplo: Sea la funcin

2 x + y si x = 0 o y = 0
f ( x, y ) =
1 en otro caso.

Evidentemente, f es discontinua en el punto (0,0). Sin embargo, las derivadas


parciales de la funcin en (0,0) existen y son:

f (0,0) f (h,0) f (0,0) 2h


= lm =lm =2
x h 0 h h 0 h

f (0,0) f (0, h) f (0,0) h


= lm = lm = 1 .
y h 0 h h0 h

En resumen, de la existencia de una derivada parcial en un punto podemos


concluir la continuidad de la funcin considerada como tal respecto de la variable que se
deriva, pero no es posible concluir la continuidad global. La explicacin de este hecho
es sencilla: para calcular la derivada parcial respecto de una variable, se toman en
cuenta exclusivamente los valores de la funcin sobre los puntos de una recta paralela al
eje de la variable respecto de la cual derivamos; los restantes valores no intervienen en
la definicin de derivada parcial y, por consiguiente, la existencia de sta no aporta
informacin sobre su comportamiento.

47
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

5.2. EXTREMOS RELATIVOS.

Cuando se habla de extremos relativos de una funcin, nos referimos a los


mnimos y los mximos locales, que son puntos en los que la funcin alcanza un menor
o un mayor valor, respectivamente, que en los puntos que se encuentran prximos a
ellos.

En la prctica, para calcular los extremos relativos de una funcin f el


procedimiento es, en primer lugar, calcular los puntos crticos resolviendo el sistema de
ecuaciones siguiente:
f f f
= 0, = 0,..., = 0.
x1 x 2 x n

Sin embargo, alguno de los puntos as obtenidos puede ser un punto de silla.
Adems, es preciso distinguir entre los mximos y los mnimos relativos. Para las
funciones de una variable real, ya se present un criterio suficiente basado en la segunda
derivada (si sta es negativa, el punto es mximo, y si es positiva, el punto es mnimo).
La generalizacin de este criterio para las funciones reales de varias variables se basa en
la matriz hessiana de la funcin f, que juega un papel anlogo al de la segunda derivada
en el caso unidimensional.

Definicin: Sea f : An una funcin cuyas derivadas parciales son continuas y


derivables, con derivada continua, en un punto x0. Se denomina matriz hessiana a la
matriz:

2 f ( x0 ) 2 f ( x0 ) 2 f ( x0 )
"
x1
2
x1x 2 x1x n
2 f (x ) 2 f ( x0 ) 2 f ( x0 )

Hf ( x0 ) = x x
0
"
2 1 x 22 x 2 x n .
# # % #
2 f ( x0 ) 2 f ( x0 ) f ( x0 )
2

"
x n x1 x n x 2 x n2

48
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Se denomina Hessiano al determinante de la matriz hessiana:

2 f ( x0 ) 2 f ( x0 ) 2 f ( x0 )
"
x12 x1x 2 x1x n
2 f ( x0 ) 2 f ( x0 ) 2 f ( x0 )
det( Hf ( x0 )) = x x "
2 1 x 22 x 2 x n .
# # % #
2 f ( x0 ) f ( x0 )
2
f ( x0 )
2
"
x n x1 x n x 2 x n2

El siguiente Teorema nos permite analizar cundo un punto crtico es mximo


o mnimo relativo.

Teorema: Sea f : An una funcin cuyas derivadas parciales son continuas y


derivables, con derivada continua, en un punto x0. Si este punto es un punto crtico de f,
entonces:
Si la matriz Hessiana es definida positiva, el punto x0 es un mnimo local.
Si la matriz Hessiana es definida negativa, el punto x0 es un mximo local.

La matriz Hessiana es definida positiva cuando todos los subdeterminantes que


se pueden extraer de ella con elementos de la diagonal principal, son positivos. La
matriz Hessiana es definida negativa cuando cada uno de los subdeterminantes que se
pueden extraer de ella con elementos de la diagonal principal son, por este orden,
negativo positivo negativo positivo ...

Observacin: Para comprobar si un punto crtico es mximo o mnimo, hay que


mirar el signo de los siguientes subdeterminantes de la matriz Hessiana:

49
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Ejemplos: Hallar los puntos crticos y determinar cules son mximos locales,
mnimos locales o puntos de silla de las siguientes funciones:
f(x,y) = x2 + y2 xy.
f(x,y) = x2 y2 xy.
f(x,y) = x2 y2.
f(x,y,z) = x2 + y2 + z2 + xy.

5.3. EXTREMOS CONDICIONADOS.

Muchas aplicaciones prcticas presentan el problema de maximizar o minimizar


una funcin dada cuyas variables estn relacionadas mediante unas condiciones de
contorno o restricciones. Concretamente, para que las restricciones se consideren
condiciones de contorno, se deben expresar como igualdades.

Definicin: El problema del clculo de extremos condicionados se puede expresar de la


forma siguiente:

Hallar los mximos y/o mnimos relativos de la funcin f(x), con x = (x1,x2,...,xn),
sujeta a las restricciones gi (x) = 0, i = 1, 2, ..., k, k < n.

Se trata por tanto de encontrar los extremos relativos de la funcin objetivo f(x),
sabiendo que se debe cumplir que gi (x) = 0, i = 1, 2, ..., k.

Si las k restricciones se pueden resolver de forma explcita, se podran expresar k


de las n variables en funcin de las (n-k) restantes y, sustituyndolas en f, el problema
de extremos condicionados se convierte en un problema de obtencin de los extremos
de una funcin de (n-k) variables sin restricciones (libres). En la prctica, este
procedimiento es raramente aplicable. Un mtodo muy til para tratar este tipo de
problemas fue desarrollado por Lagrange, y se conoce como el mtodo de los
multiplicadores de Lagrange.

50
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Mtodo de los multiplicadores de Lagrange: Este mtodo permite proporcionar una


condicin necesaria que deben cumplir los extremos relativos que se desean calcular. Se
puede describir de la forma siguiente:
Se construye la funcin auxiliar:
k
L( x, ) = f (x ) i gi (x ) .
i =1

Si x0 = ( x1 , x 2 ,..., x n ) es un extremo relativo de la funcin f condicionada,


entonces satisface el siguiente sistema de (n+k) ecuaciones:
L( x0 ) f ( x0 ) k gi ( x0 )
x = x i x = 0
1 1 i =1 1

"

L( x0 ) = f ( x0 ) gi ( x0 ) = 0
k

xn xn
i =1
i
xn

gi ( x1 ,..., xn ) = 0, i = 1,..., k

En la prctica, se resuelve el sistema planteado respecto de las (n+k) incgnitas,


( x, ) . Los valores i (i = 1, 2, ..., k) se introducen exclusivamente para resolver
el sistema y se denominan multiplicadores de Lagrange.

El mayor inconveniente de este mtodo estriba en que no garantiza que el punto


x encontrado sea un mximo o mnimo relativo, aunque existen criterios analticos para
distinguir entre ambos tipos de extremos.

Ejemplo:
2 2
Hallar el/los punto/s crtico/s de la funcin f ( x1 , x 2 ) = x1 + x 2 , sujeta a la restriccin
x1 + x 2 = 1.

51
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Para distinguir entre mximos y mnimos en problemas en los que se tiene una
nica restriccin, es til el siguiente proceso:
2L g
Sean Lij = , gi = , i, j = 1,2,..., n .
xi x j xi

Se forman los determinantes:


L11 L12 " L1n g1
L11 L12 g 1 L21 L22 " L2 n g 2
L11 g1
H1 = , H 2 = L21 L22 g 2 , ..., H n = # # % # # .
g1 0
g1 g 2 0 Ln1 Ln 2 " Lnn g n
g1 g 2 " g n 0

Entonces se tiene la siguiente regla:


Si H 1 < 0, H 2 < 0,..., H n < 0 , el punto es un mnimo.

Si H 1 < 0, H 2 > 0,..... , el punto es un mximo.

Ejemplo: Demostrar la condicin de mximo o mnimo en el/los punto/s crtico/s hallado/s


en el ejemplo anterior.

52
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

6. CLCULO: INTEGRALES

6.1. CONCEPTO DE PRIMITIVA DE UNA FUNCIN.

Sea f una funcin definida en un intervalo [a,b]. Toda funcin F(x) que verifique
la relacin F(x) = f(x) para todos los puntos de dicho intervalo recibe el nombre de
funcin primitiva de la funcin f(x).

Si la funcin f(x) posee una primitiva, entonces posee infinitas. Si F(x) es una
primitiva de f(x), la frmula general de las infinitas primitivas de f(x) es:

F(x) + C, C.

Al conjunto de todas las primitivas de f(x), F(x) + C, se le llama integral


indefinida de f(x), y se representa por

f (x )dx = F (x ) + C ,

en donde a C se le denomina constante de integracin.

La integracin de funciones posee la propiedad de linealidad, que consiste en lo


siguiente: Sean f(x) y g(x) dos funciones reales de variable real, y sean c1 y c2 dos
valores reales. Entonces se verifica:

[c1 f ( x) c 2 g ( x)]dx = c1 f ( x)dx c 2 g ( x)dx

Para analizar la operatividad de la integral de una funcin, a continuacin se


presenta una tabla en la que figuran las integrales inmediatas de algunas funciones
especiales.

53
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

6.2. TABLA DE INTEGRALES

x n +1 f ( x) n +1
x dx= + C para n 1 f ( x) n f ' ( x)dx = +C
n

n +1 n +1
1 f ' ( x)
x dx = Lnx + C dx = Lnf ( x) + C
f ( x)
1 f ' ( x)
x log a e dx = log a x + C log a e dx = log a f ( x) + C
f ( x)
a Lna dx = a + C a f ' ( x) Lna dx = a + C
x x f ( x) f ( x)

e dx = e + C e f ' ( x)dx = e + C
x x f ( x) f ( x)

1 f ' ( x)
2 x dx = x + C 2 f ( x) dx = f ( x) + C
1 f ' ( x)
dx = n x + C dx = n f ( x) + C
n n x n1 n n f ( x) n 1

senx dx = cosx + C senf ( x) f '( x) dx = cosf ( x) + C


cosx dx = senx + C cosf ( x) f '( x) dx = senf ( x) + C
1 f '( x)
cos x dx = tgx + C
2 cos 2
f ( x)
dx = tgf ( x) + C

1 f '( x)
sen x dx = cotgx + C
2 sen2 f ( x) dx = cotgf ( x) + C
senx senf ( x)
cos x dx = secx + C
2 cos 2 f ( x) f '( x)dx = secf ( x) + C
cosx cosf ( x)
sen x dx = cosecx + C
2 sen2 f ( x) f '( x)dx = cosecf ( x) + C
1 f ' ( x)
dx = arcsenx + C dx = arcsenf ( x) + C
1 x2 1 f ( x) 2
1 f '( x)
1 x2
dx = arccosx + C 1 f ( x)2
dx = arccosf ( x) + C

1 f ' ( x)
1 + x 2 dx = arctgx + C 1 + f ( x) 2 dx = arctgf ( x) + C
1 f '( x)
1+ x 2
dx = arccotgx + C 1 + f ( x) 2
dx = arccotgf ( x) + C

1 f '( x)
x x2 1
= arcsecx + C f ( x) f ( x)2 1
= arcsecf ( x) + C

1 f '( x)
x x 1
2
= arccosecx + C f ( x) f ( x)2 1
= arccosecf ( x) + C

54
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

6.3. MTODOS DE INTEGRACIN.

En este apartado vamos a presentar con detalle los distintos mtodos de


integracin que se pueden utilizar con funciones sencillas.

6.3.1. INTEGRACIN POR DESCOMPOSICIN.

Aplicando la propiedad de linealidad, se tiene:

[c1 f ( x) c2 g ( x)]dx = c1 f ( x)dx c2 g ( x)dx

6.3.2. INTEGRACIN POR PARTES.

Sean u = f(x) y v = g(x), sendas funciones de x. Aplicando la derivada del


producto de funciones, se tiene que:

( uv)' = u'v + uv'

Si se integra en ambos miembros, se obtiene:

(uv)' = u 'v + uv'

Si se despeja, se obtiene la frmula de integracin por partes, de la forma:

uv' = uv u 'v .

Como u = f(x) y v = g(x), si expresamos esta igualdad en trminos de f y g, se


obtiene (debido a que u = f (x)dx y v = g(x)dx):

f ( x)g ' ( x)dx = f ( x)g ( x) f ' ( x)g ( x)dx

55
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Las funciones integrables por partes se deben poder configurar como el producto
de dos funciones, P(x) y Q(x), de tal manera que la primera sea una funcin derivada de
una funcin trigonomtrica, circular, exponencial o funcin logartmica, por un lado, y
la segunda sea la unidad o una constante, un polinomio o una funcin racional en x, de
tal forma que la aplicacin sucesiva del mtodo de integracin por partes conduce a una
reduccin del problema de integracin considerado.

Ejemplos: Calcular las siguientes integrales indefinidas:


xsen( x)dx .
xe dx .
x

(3x + 2 x 7)cos(x)dx .
2

e sen( x)dx .
x

6.3.3. INTEGRACIN POR SUSTITUCIN.

Este mtodo est basado en la derivada de una funcin compuesta. Se efecta un


cambio de la variable x por una funcin biyectiva de otra variable, digamos t, de forma
que la integral de la funcin compuesta sea ms sencilla de calcular que la inicial.
Posteriormente, se debe deshacer el cambio de variable efectuado. En general:

x = g (t ) biyectiva
f ( x)dx = dx = g ' (t )dt = f ( g (t ))g ' (t )dt = G (t ) + C =

{ }
= deshaciendo el cambio t = g 1 ( x) = G ( g 1 ( x)) + C = F ( x) + C

Algunos de los cambios de variable ms usados en integracin son los


siguientes:
Para integrales del tipo f [(ax + b) ]
,..., (ax + b) p / q dx , se efecta el cambio de
m/n

variable t s = (ax + b) , donde s = m.c.m.{n,...,q}.

56
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

ax + b
Para integrales del tipo f x, n cx + d dx , se efecta el cambio de variable

ax + b
tn = .
cx + d
Para integrales del tipo exponencial, es decir f ( x, e )dx , se efecta el cambio
x

de variable t = e x .
Para integrales del tipo logartmico, es decir f ( x, ln( x))dx , se efecta el
cambio de variable t = ln(x) .
Para integrales de funciones racionales trigonomtricas, el cambio de variable
x
ms usual que se realiza es t = tg .
2

6.3.4. INTEGRACIN DE FUNCIONES RACIONALES.

La integracin de funciones racionales consiste en la integracin de expresiones


de la forma:

P( x)
Q( x) dx ,

siendo P(x) y Q(x) polinomios de coeficientes reales y exponentes naturales.

Ante integrales de este tipo, puede interesar realizar una comprobacin previa de
que no se trata de una integral inmediata de las de tipo logartmico, ya que en este caso
su integracin es muy fcil. De no ser de este tipo, el proceso general para su resolucin
depende del grado que presenten los polinomios que componen esta funcin fraccional.
En concreto, para resolver este tipo de integrales nos podemos encontrar en alguno de
los siguientes casos:
El grado de P(x) es mayor que el grado de Q(x).
El grado de P(x) es igual que el grado de Q(x).
El grado de P(x) es menor que el grado de Q(x).

57
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Los tres casos se reducen al tercero, ya que si se recuerdan las propiedades del
cociente de polinomios:
P(x) Q(x)
R(x) C(x)

P( x) R( x)
entonces P(x) = Q(x)C(x) + R(x). Por tanto, se tiene = C ( x) + , y su integral
Q ( x) Q( x)
resulta:

P ( x) R( x)
Q( x)dx = C ( x)dx + Q( x)dx

En esta expresin, la primera integral es inmediata, puesto que es la integral de


un polinomio, mientras que la segunda es una integral racional en la que el grado del
numerador es inferior al grado del denominador.

Clculo de integrales racionales en las que el grado del numerador es inferior al


grado del denominador:

R( x)
en
En este caso, el objetivo es descomponer el cociente de polinomios Q(x)
( )
fracciones simples. Para ello, en primer lugar se calculan las races del polinomio Q(x),
y se procede de la siguiente forma:
A
Por cada raz real simple (a), se asigna una fraccin del tipo , donde A es
xa
un coeficiente real a determinar.
Por cada raz real (b) de multiplicidad r, se asignan r fracciones del tipo
B1 B2 Br
+ + ... + , donde B1 , B2 ,..., Br son coeficientes reales a
x b ( x b) 2
( x b) r
determinar.

58
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

Para determinar los coeficientes indeterminados anteriores, se iguala el cociente


R( x)
de polinomios a la suma de las fracciones simples asignadas. Una vez
Q (x )
determinados, la resolucin de la integral de este cociente es igual a la suma de las
integrales de las fracciones simples consideradas, es decir, que su clculo se reduce al
clculo de las integrales de las fracciones simples:
A
x a dx = A ln( x a) + C .
Bk k ( x b) k +1
( x b) k dx = {para k 1} = Bk ( x b) dx = Bk k + 1 + C .

Ejemplos: Calcular las siguientes integrales indefinidas (integracin de funciones racionales):


3 x 5 21x 3 + 28 x 2 7 x 11
dx .
x3 7x + 6
x 1
x 3 + 3x 2 dx .

Ejemplos: Calcular las siguientes integrales indefinidas (integracin por sustitucin):


ex
e 2 x + e x dx .

x dx.
(x 1)2

59
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

6.4. INTEGRAL DEFINIDA.

Sea f una funcin continua definida en un intervalo [a,b]. Supongamos que se


desea calcular la superficie que dicha funcin encierra entre el eje de abscisas y ella
misma, delimitada por el intervalo en el que est definida. Para resolver este problema,
vamos a tratar de aproximar esta superficie de forma iterativa.

Supongamos que se divide este intervalo en n subintervalos, mediante una


particin definida por los puntos a = x0 < x1 < ... < xn-1 < xn = b. Por tanto resultan los
subintervalos: [a,x1],[x1,x2],...,[xn-2,xn-1], [xn-1,b]. Se podra calcular la suma de las reas
de todos los rectngulos inferiores o superiores a la curva para aproximar la superficie
buscada, resultando ser:

S inf ( f ) = m1 (x1 x0 ) + m2 (x 2 x1 ) + ... + mn (x n x n 1 )

S sup ( f ) = M 1 ( x1 x 0 ) + M 2 ( x 2 x1 ) + ... + M n ( x n x n 1 ) ,

siendo M1, M2,..., Mn y m1, m2,..., mn, respectivamente, todos los mximos y los
mnimos en cada uno de los subintervalos considerados.

Lgicamente, S inf ( f ) rea de f (x ) S sup ( f ) .

Cuando n tiende a infinito, es decir, cuando aumenta el nmero de subintervalos


y, por lo tanto, se reduce su longitud, se tiene:
b
lm S inf = lm S sup = rea de f ( x) = a f ( x)dx
n n

A esta expresin se le conoce como integral definida de f(x) entre a y b, y su


resultado es un nmero real que mide la superficie que encierra la funcin f(x) entre ella
misma y el eje de abscisas, considerando sus valores entre los puntos a y b.

Las integrales definidas tienen las siguientes propiedades:


b c b
a f ( x)dx = a f ( x)dx + c f ( x)dx, c [a, b] .

60
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

a
a f ( x)dx = 0 .
b a
a f ( x)dx = b f ( x)dx .

Para calcular una integral definida es til la siguiente regla, que liga las
integrales definidas con las funciones primitivas de una funcin.

6.4.1. REGLA DE BARROW.

Sea f(x) una funcin continua en el intervalo [a,b], tal que existe una primitiva
para ella en dicho intervalo, F(x). Entonces, se puede calcular la integral definida de f(x)
en dicho intervalo de la siguiente manera:

f ( x)dx = [ F ( x) ]a = F (b) F (a) .


b

b
a

Ejemplos: Calcular el valor de las siguientes integrales definidas:


2
1
( x 2 + x 3)dx .


1
xex dx .
0

1 x
0 x + 3x + 2
2
dx .

61
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

7. CLCULO: INTEGRALES MLTIPLES.

7.1. INTEGRALES DOBLES.

Cuando se tiene una funcin real de dos variables, es decir,

f :

(x , y )
z = f (x , y ),

puede ser necesario conocer su integral sobre un recinto S. Esta integral se representa
por

S
f ( x, y )dxdy ,

y se puede interpretar de forma geomtrica como un volumen, cuya base est delimitada
por el recinto S, y cuyo volumen queda definido por esta base y la propia funcin f(x,y).

Para que una funcin sea doblemente integrable, es preciso que sea continua,
como en el caso de las integrales simples. En este caso, es importante, no slo
considerar la propia funcin, sino el recinto sobre el cul se quiere calcular la integral
doble. Segn sea dicho recinto, puede cambiar la forma de hacer el clculo de la integral
doble.

7.2. MTODOS DE CLCULO DE INTEGRALES DOBLES.

7.2.1. RECINTOS RECTANGULARES.

El caso ms sencillo corresponde con aqul en el que el recinto S es rectangular,


es decir, que es un rectngulo con lados paralelos a los ejes coordenados. Este

62
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

rectngulo se puede describir en trminos de dos intervalos cerrados, [a,b] y [c,d], que
representan los lados del rectngulo a lo largo de los ejes x e y, respectivamente. En este
caso, se puede decir que S es el producto cartesiano de [a,b] y [c,d], y se denota por:

S = [ a , b ] [c , d ] .

En este caso, se tiene que la integral de f se puede representar y calcular como:

S
f ( x, y )dxdy =
d

c ( b

a
f ( x, y )dx dy = ) a
b
( d

c )
f ( x, y )dy dx ,

y se calcula mediante la integracin sucesiva de las funciones, es decir, que se integra


siguiendo el siguiente esquema (en el caso de integrar primero sobre x y despus sobre
y; el caso contrario es simtrico):

( ) ([ F ( x, y)] ) dy =
d b d d
( F1 (b, y) F1 (a, y) ) dy
x =b
f ( x, y )dx dy = 1 x=a
c a c c

Ejemplo: Calcular la integral doble S


( x 2 + y 2 )dxdy , donde S es el cuadrado

[0,1][0,1]. Realizar la integral con los dos rdenes de integracin posibles.

Ejemplos: Calcular las siguientes integrales dobles:


3 2

2 1
( x3 + y 2 )dxdy .

2 0

0 1
( x 2 y 2 + x)dydx .

1 2

1 3
( x 4 + y 2 )dydx .

63
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

7.2.2. RECINTOS NO RECTANGULARES.

Para calcular la integral f ( x, y )dxdy tenemos varias posibilidades, segn


S
Para calcular la integral
sea el recinto S en el que se quiere calcular la integral de la funcin f:
Si S est limitado por x = a y x = b (b > a), y la acotacin de la variable y
depende de la situacin en la que estamos dentro del recinto, es decir, que y se
sita entre los valores y = m(x) e y = n(x), entonces la integral se calcula como:

f ( x, y )dxdy = f ( x, y )dy dx .
b n( x)
S m( x)
a
Si S est limitado por y = c e y = d (d > c), y la acotacin de la variable x
depende de la situacin en la que estamos dentro del recinto, es decir, que x se
sita entre los valores x = p(y) y x = q(y), entonces la integral se calcula como:

f ( x, y )dxdy = f ( x, y )dx dy .
d q( y)
S c p( y)
Si S no es de cualquiera de las dos formas anteriores, se trata de dividir el recinto
en partes de manera que estas coincidan con alguna de las formas consideradas.

Ejemplos: Calcular las integrales dobles siguientes:

3 dxdy en el recinto triangular de vrtices (0,0), (1,0) y (0,1).

S
xe x dxdy , siendo S el recinto del plano limitado por las curvas x = 0, y = x2,

y = 1, y = 2 (x>0).

64
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

7.3. INTEGRALES TRIPLES.

Cuando se tiene una funcin real de tres variables, es decir,

f :

(x,( y,, z),
) f ( x, y, z ),

puede ser necesario conocer su integral sobre un recinto V. Esta integral se representa
por

V
f (x, y,z)dxdydz .

Su clculo se limita a realizar, reiteradamente, tres integrales simples.


una doble y una simple.

Ejemplos: Calcular las siguientes integrales triples:


1 1 x 2 x

0 0 0
xyzdzdydx .

1 x xy

0 0 0
x3 y 2 zdzdydx .

65
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

EJERCICIOS PROPUESTOS

1. Calcule el determinante y la inversa, cuando sea posible, de las siguientes


matrices:

3 1 1  1  1
a) (Soluciones: -5; ).
2 1  5  2 3

 1  3 1 2 3
b) (Soluciones: 13; ).
5 2 13  5  1

2 5  2 7  4 9
1
c) 0 2 1 (Soluciones: 23; 1 6  2 ).
1  3 2 23
 2 11 4

1 3 1 6  8  2
1
d)  2 2 0 (Soluciones: 16; 6 0  2 ).
 3 1 3 16
4  8 4
3 0 1  3  3 16  10  7

2 1 0 2  1 2  34 16 14
e)
3 3 1 2 14 1  66 36 21

(Soluciones: -14; ).
1  2 1 3 2 6 2 0

2  3 1 3  11 90 95  71

3 2  2 3 1  135 94 11 67
f)
5 0 5  1 794 36  78 50 88

(Soluciones: 794; ).
1 3 4 2 125 60  69 85

1 2 3 2 1 99  45  72 60  24

0 2 1 2 3 33 27  3  36  78
g)  1 3  2 (Soluciones: 231;
1
0  7 35 35 63 ).

4 2
1 1  1  66 37 13 79 30
231
0 2 2  66 86  1 65 51
1 3
1 3

66
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

2. Discuta y resuelva, en los casos en que sea posible, los siguientes sistemas de
ecuaciones:

SISTEMA DISCUSIN Y RESOLUCIN:


3x1  x 2  x3  x 4 1
x1  3x 2  x3  x 4 1 1 1 1 1
S. Compatible Determinado. Solucin: , , , .
x1  x 2  3x3  x 4 1 6 6 6 6
x1  x 2  x3  3x 4 1

3 x1  2 x 2  x4 1
2 x 2  2 x3  x 4 0
S. Compatible Determinado. Solucin: (5,1,-7,12).
x1  2 x 2  3 x3  2 x 4 0
x 2  2 x3  x 4 1

x y z 3

 x  5y  z 9
Sistema Compatible Indeterminado.
Solucin: (1-O,2,O), O.
2x  y  2z 0

x Si az1 y az-4 S.C.D.


 2a 2  4a  9 a  2 2a 2  4a  11
Solucin: .
3 x  ay  z 2a 2( a  4) a4 2(a  4)
, ,


ax  2 y  az 1 x Si a=1 S.C.I.

x  3 y  z 1  2a
1  2(1  )
Solucin: , , O.
5
,
5
x Si a=-4 Sistema Incompatible.
x Si a=2 y b=1 S.C.I.
Solucin:  2,1  4, , O.
2x  y 1
x Si a=2 y bz1 Sistema Incompatible.
x  y  2z 1
3 x  y  az b x Si az2 S.C.D.
 2b  2 a  4b  6 b  1
Solucin: .
a2 a2 a2
, ,

67
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

3. Calcule los siguientes lmites:

x7  x3
a) lim (Solucin: 16).
x o0 2 x x
sen tg
2 4
x 2 senx cos x
b) lim (Solucin: 0).
xo0 2 x
2sen
2

x senx
c) lim1  2 tg
1

2
(Solucin: e).
x o0

d) lim cos x senx (Solucin: 1).


1

x o0

senx  tgx
e) lim (Solucin: -1/2).
x o0 x3
2 x 2  5x
x of 3 x 2  x
f) lim (Solucin: 2/3).

x 1
xn 1
g) lim (Solucin: 1/n).
x o1

h) lim | x 2  x  7 | (Solucin: 1).


x o3

x
1 x
i) lim e (Solucin: No tiene lmite, pues el lmite por la izquierda es +f, y por la
x o1

derecha es 0).
x 1
x 1
j) lim 3 (Solucin: 3).
x o1

k) lim x( x 2  1  x) (Solucin: ).
x of

x 4  3x  2
(Solucin: f).
x of x 3  2 x 2  1
l) lim

x2
x o f x  3 x  1
m) lim 2
(Solucin: 0).

3x 3  2 x 2  3x  8
x o f  x 3  3 x 2  12 x  3
n) lim (Solucin: -3).

68
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

4. Calcule la derivada de las siguientes funciones:

a) f ( x) 2 x  2 xtg ( x) (Solucin: f ' ( x) 2  2 tgx  2 x(1  tg 2 ( x)) .


2arcsenx
b) f ( x) (arcsenx) 2 (Solucin: f ' ( x) ).
1-x 2
c) f ( x) ln(senx) (Solucin: f ' ( x) 2cotg 2 x ).

2x 2  1
x x 2  1 (Solucin: f ' ( x)
x2 1
d) f ( x) ).

1 x x 1 x
e) f ( x) e (Solucin: f ' ( x) e ).
x x2
tgx
x tgx  (ln x) sec 2 x ).
x
f) f ( x) x tgx (Solucin: f ' ( x)

ln( x  x 2  1) (Solucin: f ' ( x)


1
x2 1
g) f ( x) ).

1 x 1
1 x x 1
h) f ( x) arctg (Solucin: f ' ( x) 2
).

1  cos x
1  cos x
i) f ( x) 2arctg (Solucin: 1).

1  tg 2 x 1  tg 2 2 x x(1  tg 2 x 2 )

tgx 2  1 1  tg 2 x tg 2 x 2  1
j) f ( x) ln (Solucin: f ' ( x) )

5. Exprese, mediante el desarrollo de McLaurin, las siguientes funciones:

   r ... ).
x x3 x5 x7
a) f ( x) senx (Solucin: f ( x)
1! 3! 5! 7!
n n n n
(1  x) n , n N (Solucin: f ( x) 1  x  x 2  x 3  ...  x n , que
1 2 3 n
b) f ( x)

coincide con la expresin del binomio de Newton).

ln(1  x) (Solucin: f ( x) x x  x  x r .... ).


1 2 1 3 1 4
c) f ( x)
2 3 4

69
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

6. Localice los puntos crticos de las funciones siguientes y clasifquelos:

a) f ( x) 3x 2  2 y 2 (Solucin: (0,0) es un mnimo).

b) f ( x, y ) xy 2  x 2 y  xy (Solucin: (0,0),(1,0),(0,1) son puntos de silla; (1/3,1/3) es


un mnimo).
c) f ( x, y ) x 3  y 3  3x  12 y  20 (Solucin: (-1,2),(1,-2) son puntos de silla; (-1,-2)
es un mximo).
d) f ( x, y ) 21x 2  4 x 3  21y 2  4 y 3  18 xy (Solucin: (3,-1),(-1,3) son puntos de silla;
(0,0) es mnimo; (5,5) es mximo).
e) f ( x, y, z ) x 2  2 y 2  z 2  4 xy  2 xz  12 x  20 y  8 z  1 (Solucin: El nico punto
crtico es (3,2,1), pero en l la funcin no alcanza ni un mximo ni un mnimo).

7. Resuelva los siguientes problemas de optimizacin:

a) Minimizar la funcin f ( x, y ) x 2  y 2 sujeta a la restriccin 2 x  y 1 .


(Solucin: el mnimo se alcanza en el punto (-2/5,-1/5)).
b) Hallar los extremos de la funcin f ( x, y ) 6  4 x  3 y con la condicin x 2  y 2 1.
(Solucin: en (4/5,3/5) hay un mnimo; (-4/5,-3/5) es un mximo).
c) Hallar los extremos de la funcin f ( x, y ) e x  e y sujetos a la restriccin x  y 1 .
(Solucin: (1/2,1/2) es mnimo).
d) Hallar los extremos de la funcin f ( x, y, z ) x  y  z sujetos a la restriccin

x2  y2  z2 (1,1,1) es un mximo; (1,1,1) es un mnimo.


2 2
2 . (Solucin:
3 3

70
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

8. Resuelva las siguientes integrales indefinidas:

(3  x) 4
a) (3  x) 3 dx (Solucin:  C ).
4

b) tgx dx (Solucin: tg 2 x  C ).
1 1
2
cos x 2

c) a 2 xdx, con a ! 0 (Solucin:  C ).


2

x2 ax
ln a

1  x 4 dx (Solucin: arctgx  C ).
2x 2
d)

5  e x dx (Solucin: ln(5  e )  C ).
ex x
e)

(e x  4) 5
f) (e x  4)e x dx (Solucin:  C ).
5

g) e 2senx cos xdx (Solucin:  C ).


1 2senx
e
2
h) (1  tgx) 2 dx (Solucin: tgx  2 ln(cos x)  C ).

ln(senx) dx (Solucin: ln(ln(senx)) + C).


cotgx
i)

(Solucin: 2arctg x  1  C ).
dx
x  1  ( x  1) 3
j)

cos 2 x dx (Solucin: xtgx  ln(cos x)  C ).


x
k)

l) x 2 e x dx (Solucin: e x ( x 2  2 x  2)  C ).

m) xarctgxdx (Solucin: > @


( x  1)arctgx  x  C ).
1 2
2
e2x 2 5
n) ( x  1) 2 e 2 x dx (Solucin: x  3 x   C ).
2 2

e x (e x  1)
e x  1 dx (Solucin: e  ln(e  1)  C ).
x x 2
o)

71
Curso de Nivelacin en Matemticas - Mster en Ciencias Actuariales y Financieras

9. Calcule las siguientes integrales definidas:

2
dx (Solucin:  ln ).


/4 x
2
a) 2
0 cos x 4

dx (Solucin: 1  ).
2x
2x 1
1/ 2
b)
0 4


/4
c) tgxdx (Solucin: 0).
-/4


2 /2 dx
1 x
d) (Solucin: ).
0 2 4


xdx
x  3x  2
1
e) 2
(Solucin: ln(9/8)).
0

( 2 x  3 x )dx (Solucin: 100/3).


8
f)
0

10. Calcule las siguientes integrales dobles:


1
( x  y)2
4 2
a) dydx . (Solucin: ln(25/24)).
3 1

1  x 2  y 2 dydx . (Solucin: S/6).


1 1 x 2
b)


0 0

c) (2 x  y  4)dS , siendo S el crculo de radio 1 y centro (0,0). (Solucin: 4S).

xe  x
2
d) /y
dS , siendo S el recinto limitado por x = 0; y = x2, y = 1; y = 2.
S

31
(Solucin:   1 ).
4e

72