Fundamentos Matemáticos de La Ingeniería

Universidad Rey Juan Carlos
Escuela Superior de Ciencias Experimentales y Tecnologa
4
2
1
0 2
y 1
1 0
1 x
22
Fundamentos Matematicos de la Ingeniera
Ultano Kindelan
Marco Antonio Fontelos
Indice general
Presentacion 16
1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices 19

1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2. Resolucion de sistemas de ecuaciones lineales: eliminacion gaussiana 24
1.3. Sistemas homogeneos . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4. Rango de un conjunto de vectores . . . . . . . . . . . . . . . . . . . 32
1.4.1. Vectores de n componentes . . . . . . . . . . . . . . . . . . 32
1.4.2. Dependencia e independencia lineal . . . . . . . . . . . . . 34
1.4.3. Rango de un sistema de vectores . . . . . . . . . . . . . . . 34
1.5. Rango de una matriz. Teorema de Rouche . . . . . . . . . . . . . . 36
1.6. Operaciones entre matrices . . . . . . . . . . . . . . . . . . . . . . . 36
1.7. Calculo de la inversa de una matriz . . . . . . . . . . . . . . . . . . 40
1.8. Referencias bibliograficas . . . . . . . . . . . . . . . . . . . . . . . . 41
1.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2. Determinantes 49
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2. Desarrollo de un determinante a partir de los elementos de una lnea 49
2.3. Calculo de un determinante mediante operaciones elementales en
las filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4. Propiedades del determinante . . . . . . . . . . . . . . . . . . . . . 53
2.5. Aplicaciones del determinante . . . . . . . . . . . . . . . . . . . . . 54
3
4 INDICE GENERAL
2.5.1. Obtencion de la inversa de una matriz . . . . . . . . . . . . 54

2.5.2. Calculo del rango de una matriz . . . . . . . . . . . . . . . 55
2.5.3. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . 56
2.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3. Espacios vectoriales 61
3.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2. Definicion de espacio vectorial . . . . . . . . . . . . . . . . . . . . . 61
3.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.4. Bases y dimension de un espacio vectorial . . . . . . . . . . . . . . 65
3.4.1. Sistema generador . . . . . . . . . . . . . . . . . . . . . . . 65
3.4.2. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . 66
3.4.3. Espacios vectoriales de dimension finita . . . . . . . . . . . 68
3.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.6. Ecuaciones parametricas y ecuaciones implcitas de un subespacio
vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.7. Suma de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4. Aplicaciones lineales 83
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . 83
4.3. Nucleo, imagen y rango de una aplicacion lineal . . . . . . . . . . . 87
4.4. Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5. Espacio eucldeo 103

5.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
INDICE GENERAL 5
5.2. Bases ortogonales y ortonormales . . . . . . . . . . . . . . . . . . . 108

5.3. Proyeccion ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.4. Metodo de ortonormalizacion de Gram - Schmidt . . . . . . . . . . 111
5.5. Producto vectorial y producto mixto . . . . . . . . . . . . . . . . . 113
5.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6. Diagonalizacion de endomorfismos 121

6.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2. Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . 122
6.3. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.4. Propiedades de los valores propios . . . . . . . . . . . . . . . . . . . 126
6.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7. El espacio afn eucldeo 131

7.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7.2. Representacion de rectas y planos . . . . . . . . . . . . . . . . . . . 133
7.2.1. Rectas en el espacio . . . . . . . . . . . . . . . . . . . . . . 133
7.2.2. Planos en el espacio . . . . . . . . . . . . . . . . . . . . . . 134
7.3. Posiciones relativas de rectas y planos . . . . . . . . . . . . . . . . . 135
7.3.1. Paralelismo y ortogonalidad . . . . . . . . . . . . . . . . . . 135
7.3.2. Posiciones relativas de dos planos . . . . . . . . . . . . . . . 136
7.3.3. Posicion relativa de dos rectas . . . . . . . . . . . . . . . . 136
7.3.4. Posicion relativa de recta y plano . . . . . . . . . . . . . . . 138
7.4. Angulos y distancias . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8. Metodos numericos de resolucion de sistemas de ecuaciones

lineales 145
8.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6 INDICE GENERAL
8.2. Algoritmos de Gauss y de Gauss-Jordan . . . . . . . . . . . . . . . 147

8.2.1. Algoritmo de Gauss . . . . . . . . . . . . . . . . . . . . . . 147
8.2.2. Algoritmo de Gauss con pivote parcial . . . . . . . . . . . . 148
8.2.3. Numero de operaciones del metodo de Gauss . . . . . . . . 150
8.2.4. Algoritmo de Gauss-Jordan . . . . . . . . . . . . . . . . . . 151
8.2.5. Numero de operaciones del metodo de Gauss-Jordan . . . . 152
8.3. El metodo LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.3.1. Factorizacion LU de una matriz cuadrada . . . . . . . . . . 154
8.3.2. Aplicacion de la factorizacion LU a la resolucion de siste-
mas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.3.3. Algoritmo del metodo LU . . . . . . . . . . . . . . . . . . . 159
8.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9. Lmites, continuidad y diferenciabilidad de funciones de una

variable 163
9.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
9.2. Concepto de funcion . . . . . . . . . . . . . . . . . . . . . . . . . . 164
9.3. Lmites de funciones reales de variable real . . . . . . . . . . . . . . 166
9.4. Continuidad de funciones de una variable . . . . . . . . . . . . . . . 173
9.5. Definicion de funcion derivable y propiedades basicas . . . . . . . . 174
9.6. Tabla de derivadas de funciones elementales . . . . . . . . . . . . . 178
9.7. Derivacion de funciones definidas implcitamente y parametricamente 180
9.8. Teoremas del valor medio . . . . . . . . . . . . . . . . . . . . . . . . 181
9.9. Reglas de LHopital . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.10. Formula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.11. Extremos de funciones . . . . . . . . . . . . . . . . . . . . . . . . . 184
9.12. Estudio global de la grafica de una funcion . . . . . . . . . . . . . . 187
9.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
INDICE GENERAL 7
10. Lmites, continuidad y diferenciabilidad de funciones de varias

variables 197
10.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
n
10.2. Bolas, conjuntos abiertos y conjuntos cerrados en lR . . . . . . . . 198
10.3. Lmites de funciones de varias variables . . . . . . . . . . . . . . . . 199
10.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.5. Derivada direccional y derivadas parciales . . . . . . . . . . . . . . 202
10.6. Diferenciabilidad y diferencial de una funcion de varias variables . . 203
10.7. Condiciones suficientes de diferenciabilidad y continuidad . . . . . . 207
10.8. Derivadas parciales de orden superior . . . . . . . . . . . . . . . . . 210
10.9. Derivadas direccionales de orden superior . . . . . . . . . . . . . . . 210
10.10. Formula de Taylor y extremos de funciones de n variables . . . . . 211
10.11. Funciones vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . 218
10.12. Diferencial de una funcion compuesta . . . . . . . . . . . . . . . . . 219
10.13. Algunas aplicaciones a la ingeniera . . . . . . . . . . . . . . . . . . 221
10.15. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11. Integracion de funciones de una variable 233

11.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
11.2. Primitivas (o antiderivadas) . . . . . . . . . . . . . . . . . . . . . . 234
11.3. Integral de Riemann de funciones de una variable . . . . . . . . . . 234
11.4. El teorema fundamental del calculo . . . . . . . . . . . . . . . . . . 237
11.5. Repaso de reglas basicas de integracion . . . . . . . . . . . . . . . . 238
11.5.1. Integrales inmediatas . . . . . . . . . . . . . . . . . . . . . . 238
11.5.2. Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . 239
11.5.3. Integracion por partes . . . . . . . . . . . . . . . . . . . . . 240
11.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
12. Integracion de funciones de varias variables 245

12.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
8 INDICE GENERAL
12.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

12.2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . 245
2
12.2.2. Rectangulos en lR . . . . . . . . . . . . . . . . . . . . . . . 246
12.2.3. Integral doble sobre un rectangulo . . . . . . . . . . . . . . 246
12.2.4. Integral doble sobre un dominio no rectangular . . . . . . . 248
12.2.5. Algunas propiedades de la integral doble . . . . . . . . . . . 251
12.2.6. Cambio de variables en la integral doble . . . . . . . . . . . 252
12.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
12.3.1. Paraleleppedos y particiones de paraleleppedos en lR3 . . . 253
12.3.2. Integral triple de Riemann sobre un paraleleppedo . . . . . 254
3
12.3.3. Integral triple de Riemann sobre un dominio cualquiera de lR 255
12.3.4. Propiedades de la integral triple de Riemann . . . . . . . . 256
12.3.5. Cambio de variables en la integral triple . . . . . . . . . . . 257
12.4. Aplicaciones de las integrales triples y dobles . . . . . . . . . . . . . 258
12.4.1. Valor medio de una funcion en un dominio . . . . . . . . . 258
12.4.2. Centro de masas . . . . . . . . . . . . . . . . . . . . . . . . 259
12.4.3. Momentos de inercia . . . . . . . . . . . . . . . . . . . . . . 260
12.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
13. Calculo vectorial 263

13.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.2. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.3. Gradiente, divergencia y rotacional . . . . . . . . . . . . . . . . . . 264
13.4. Integral curvilnea. Circulacion . . . . . . . . . . . . . . . . . . . . . 266
13.5. Integrales de superficie. Area de una superficie . . . . . . . . . . . . 269
13.6. Flujo de un campo vectorial. Teoremas integrales del analisis vectorial 270
13.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
14. Introduccion a las ecuaciones diferenciales ordinarias 275

14.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
INDICE GENERAL 9
14.2. Conceptos basicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

14.2.1. Tipos de ecuaciones . . . . . . . . . . . . . . . . . . . . . . 276
14.2.2. Orden y grado . . . . . . . . . . . . . . . . . . . . . . . . . 277
14.2.3. Ecuaciones diferenciales lineales . . . . . . . . . . . . . . . . 277
14.2.4. Soluciones de una EDO . . . . . . . . . . . . . . . . . . . . 278
14.3. Ecuaciones diferenciales ordinarias de primer orden . . . . . . . . . 279
14.3.1. Distintas expresiones de las ecuaciones de primer orden . . 279
14.3.2. Resolucion de diferentes tipos de ecuaciones de primer orden 280
14.4. Resolucion de Ecuaciones Diferenciales Ordinarias lineales de or-
den n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
14.4.1. Ecuacion lineal homogenea . . . . . . . . . . . . . . . . . . 289
14.4.2. Ecuacion lineal no-homogenea . . . . . . . . . . . . . . . . . 289
14.4.3. Ecuaciones lineales homogeneas de coeficientes constantes . 290
14.4.4. Calculo de una solucion particular de la ecuacion no-homogenea 292
14.5. Algunas aplicaciones de las ecuaciones diferenciales . . . . . . . . . 294
14.5.1. Aplicaciones a la cinetica qumica . . . . . . . . . . . . . . 294
14.5.2. Aplicaciones a las desintegraciones nucleares . . . . . . . . 295
14.5.3. Aplicaciones a la ecologa . . . . . . . . . . . . . . . . . . . 296
14.5.4. Problemas de mecanica . . . . . . . . . . . . . . . . . . . . 297
14.5.5. Problemas de mezclas . . . . . . . . . . . . . . . . . . . . . 298
14.5.6. Aplicaciones mas avanzadas de las ecuaciones diferenciales
ordinarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
14.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
15. Sistemas de ecuaciones diferenciales ordinarias 309

15.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
15.2. Conceptos generales . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
15.3. Sistemas lineales homogeneos . . . . . . . . . . . . . . . . . . . . . 311
15.4. Sistemas lineales no homogeneos . . . . . . . . . . . . . . . . . . . . 313
15.5. Sistemas lineales con coeficientes constantes . . . . . . . . . . . . . 314
15.5.1. Solucion en el caso general . . . . . . . . . . . . . . . . . . 314
10 INDICE GENERAL
15.5.2. Solucion en el caso n = 2 . . . . . . . . . . . . . . . . . . . 316

15.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
16. Tecnicas basicas de calculo numerico 319

16.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
16.2. Interpolacion de Lagrange . . . . . . . . . . . . . . . . . . . . . . . 319
16.3. Acotacion del error de interpolacion . . . . . . . . . . . . . . . . . . 321
16.4. Formula de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
16.5. Derivacion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . 324
16.6. Formulas de derivacion numerica de tipo interpolatorio . . . . . . . 325
16.7. Integracion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . 326
16.8. Formulas de integracion numerica de tipo interpolatorio . . . . . . 327
16.9. Formulas mas usuales de integracion numerica . . . . . . . . . . . . 328
16.9.1. Formulas construidas sobre un soporte de un punto . . . . 328
16.9.2. Formulas construidas sobre un soporte de dos puntos . . . 329
16.10. Formulas de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . 330
16.10.1. Formulas de Newton-Cotes cerradas . . . . . . . . . . . . . 331
16.10.2. Formulas de Newton-Cotes abiertas . . . . . . . . . . . . . 332
16.11. Formulas de integracion numerica de tipo interpolatorio compuestas 332
16.12. Resolucion numerica de problemas de valor inicial para EDOs . . . 333
16.12.1. El metodo de Euler . . . . . . . . . . . . . . . . . . . . . . 333
16.12.2. Regla del punto medio . . . . . . . . . . . . . . . . . . . . . 334
16.12.3. Metodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . 335
16.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
17. Metodos numericos de resolucion de sistemas de ecuaciones

no lineales 349
17.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
17.2. Conceptos previos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
17.3. Caso de una unica ecuacion . . . . . . . . . . . . . . . . . . . . . . 352
INDICE GENERAL 11
17.3.1. Metodos de aproximaciones sucesivas (o del punto de fijo) . 352

17.3.2. Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . 353
17.3.3. Aplicacion a ecuaciones polinomicas . . . . . . . . . . . . . 355
17.4. Aplicacion a sistemas de ecuaciones no lineales . . . . . . . . . . . . 356
17.4.1. Metodo de aproximaciones sucesivas . . . . . . . . . . . . . 356
17.4.2. El metodo de Newton . . . . . . . . . . . . . . . . . . . . . 357
17.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
A. Numeros complejos 361

A.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
A.2. Representacion de numeros complejos . . . . . . . . . . . . . . . . . 363
A.3. Distintas formas de expresar las operaciones elementales . . . . . . 365
A.3.1. Suma de complejos . . . . . . . . . . . . . . . . . . . . . . . 365
A.3.2. Producto de complejos . . . . . . . . . . . . . . . . . . . . . 366
A.3.3. Inverso de un numero complejo no nulo . . . . . . . . . . . 367
A.3.4. Cociente de dos complejos . . . . . . . . . . . . . . . . . . . 367
A.3.5. Conjugado de un numero complejo . . . . . . . . . . . . . . 368
A.4. Potenciacion de numeros complejos . . . . . . . . . . . . . . . . . . 368
A.5. Radicacion compleja . . . . . . . . . . . . . . . . . . . . . . . . . . 369
A.6. Referencias bibliograficas . . . . . . . . . . . . . . . . . . . . . . . . 370
A.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
B. Examenes propuestos en la URJC con sus soluciones 375

B.1. Prueba de control de noviembre de 1999 . . . . . . . . . . . . . . . 375
B.2. Examen parcial de febrero de 2000 . . . . . . . . . . . . . . . . . . 379
B.3. Prueba de control de abril de 2000 . . . . . . . . . . . . . . . . . . 386
B.4. Examen final de la convocatoria de junio de 2000 . . . . . . . . . . 392
B.5. Examen final de la convocatoria de septiembre de 2000 . . . . . . . 406
B.6. Prueba de control de diciembre de 2000 . . . . . . . . . . . . . . . . 418
B.7. Examen parcial de febrero de 2001 . . . . . . . . . . . . . . . . . . 422
B.8. Prueba de control de marzo de 2001 . . . . . . . . . . . . . . . . . . 429
12 INDICE GENERAL
B.9. Examen final de la convocatoria de junio de 2001 . . . . . . . . . . 434

B.10. Examen final de la convocatoria de septiembre de 2001 . . . . . . . 446
Bibliografa 457
Indice Alfabetico 463

Indice de figuras
1.1. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible determinado. . . . . . . . . . . . . . . . . . . . . . . . . . 21
compatible indeterminado. . . . . . . . . . . . . . . . . . . . . . . . . 22
incompatible. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.1. Ejemplo de aplicacion lineal: rotacion de 30o . . . . . . . . . . . . . . 86

4.2. Ejemplo de aplicacion lineal: cizalla sobre el eje y. . . . . . . . . . . 87
4.3. A la izquierda nube aleatoria de puntos. A la derecha plano formado
por los puntos cuyos vectores de posicion pertenecen al nucleo de g. 89
4.4. Recta formada por los puntos cuyos vectores de posicion constitu-
yen la imagen de g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
9.1. Lmite oscilante de la funcion sen( x1 ) en x = 0. . . . . . . . . . . . . 167

9.2. Lmites laterales coincidentes. . . . . . . . . . . . . . . . . . . . . . . 169
9.3. La funcion signo(x), lmites laterales no coincidentes en x = 0. . . . 170
0 0
9.4. Funcion continua en todos los puntos del intervalo [4 5, 4 5] salvo
en x = 40 25 y x = 3. . . . . . . . . . . . . . . . . . . . . . . . . . . 173
9.5. Dibujo de una funcion, g, su tangente, g(1)+g 0 (1)x o g(1)+dg(1; x),
y su diferencial, dg(1; ), en x0 = 1. . . . . . . . . . . . . . . . . . . . 175
9.6. La funcion f (x) = |x| y su derivada en el intervalo [4, 4]. . . . . . . 176
9.7. La funcion sen(x) y sus tres primeros polinomios de Taylor: p1 (x),
p3 (x) y p5 (x). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
9.8. La funcion ex y sus cuatro primeros polinomios de Taylor: p0 (x),
p1 (x), p2 (x) y p3 (x). . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
13
14 INDICE DE FIGURAS
2x2 8
9.9. Grafica de la funcion f (x) = x2 16 . . . . . . . . . . . . . . . . . . . . 190
9.10. Interpretacion geometrica del resultado del problema 8. . . . . . . . 191
10.1. Dibujo de la funcion f (x, y) = x2 y 2 + 8 y su plano tangente en

(0, 1/2, 31/4). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
10.2. Geometra de un mnimo relativo. . . . . . . . . . . . . . . . . . . . . 214
10.3. Geometra de un maximo relativo. . . . . . . . . . . . . . . . . . . . 214
10.4. Geometra de un punto de ensilladura. . . . . . . . . . . . . . . . . . 215
11.1. Aproximaciones cada vez mas finas a la integral de Riemann me-

diante sumas superiores. . . . . . . . . . . . . . . . . . . . . . . . . . 235
11.2. Aproximaciones cada vez mas finas a la integral de Riemann me-
diante sumas inferiores. . . . . . . . . . . . . . . . . . . . . . . . . . 236
12.1. Region de integracion(sombreada) correspondiente al ejemplo 12.2. . 250
13.1. Curva C en el ejemplo 13.3. . . . . . . . . . . . . . . . . . . . . . . . 268

13.2. Superficie S en el ejemplo 13.5. . . . . . . . . . . . . . . . . . . . . . 271
14.1. Comparacion entre la ley de crecimiento exponencial y la ley logstica. 297

14.2. Evolucion de cuatro isotopos de la 2a cadena radiactiva. . . . . . . . 299
14.3. Evolucion de las poblaciones de presas(conejos) y depredadores(zorros). 300
16.1. Polinomios de base de Lagrange de grado 1. . . . . . . . . . . . . . . 320

16.2. Polinomios de base de Lagrange de grado 2. . . . . . . . . . . . . . . 321
16.3. La funcion sen(x) y los polinomios de Lagrange de grados 1, 2 y 3. . 322
16.4. Formula del punto medio. . . . . . . . . . . . . . . . . . . . . . . . . 329
16.5. Formula del trapecio. . . . . . . . . . . . . . . . . . . . . . . . . . . 330
16.6. Formula de Simpson. . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
17.1. Representacion grafica del metodo de punto fijo. . . . . . . . . . . . 353

17.2. Representacion grafica del metodo de Newton-Raphson. . . . . . . . 355

A.1. Rep. geometrica de los complejos 1 + 3i y 1 3i. . . . . . . . . 363

A.2. Rep. geometrica de los complejos 3 i y 3 + i. . . . . . . . . . 365
INDICE DE FIGURAS 15

A.3. Rep. geometrica
del producto de los complejos 2 + i ( 5)0,46365
y 1 + 3i ( 10)1,89255 . . . . . . . . . . . . . . . . . . . . . . . . . 367
A.4. Rep. geometrica del complejo z = 1,2 + 0,9i y de sus primeras 6
potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369

A.5. Rep. geometrica del complejo v = 3/2 + (1/2)i y de sus primeras
once potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
A.6. Rep. geometrica del complejo z = 8 + 0i y sus tres races cubicas. . . 370
A.7. Rep. geometrica de los complejos 2 + 3i, 4, 3 2i y 5i. . . . . . 371
A.8. Races cuadradas de i. . . . . . . . . . . . . . . . . . . . . . . . . . 372

A.9. Las cuatro races de orden 4 de 8 + 8 3i. . . . . . . . . . . . . . . 373
B.1. Representacion grafica de la solucion del problema 1. . . . . . . . . . 376

B.2. Representacion grafica de la solucion. . . . . . . . . . . . . . . . . . . 379
B.3. Seccion transversal del poste metalico. . . . . . . . . . . . . . . . . . 415
16 INDICE DE FIGURAS
Presentacion
Esta publicacion docente es el resultado de tres anos de preparacion e imparticion

de las asignaturas de Fundamentos Matematicos de la Ingeniera en la titulacion
de Ingeniera Tecnica Industrial (especialidad qumica industrial) y de Fundamen-
tos Matematicos para el estudio del Medio Ambiente en la titulacion de Ciencias
Ambientales, ambas impartidas en la Universidad Rey Juan Carlos (URJC) de Ma-
drid. En los planes de estudios de las dos titulaciones se concede gran importancia
a las matematicas; basta con observar lo ambiciosos que resultan los descriptores del
Boletn Oficial del Estado correspondientes a las asignaturas de ambas titulaciones:
Algebra Lineal, Calculo Infinitesimal, Calculo Numerico, Ecuaciones Diferenciales y
Geometra. Sin embargo el numero de creditos reservado para su imparticion es muy
reducido: 12 creditos en la titulacion de Ciencias Ambientales y 15 en la titulacion de
Ingeniera Tecnica Industrial. Es realmente difcil conseguir en dicho tiempo alcanzar
unos objetivos que abarquen los cinco descriptores antes mencionados. Por consiguien-
te, el merito, a nuestro juicio, de esta publicacion, estriba en haber condensado en un
numero relativamente reducido de paginas la explicacion de una materia que por su
complejidad y extension aparece publicada, cuando menos, en cuatro libros distintos
(si exceptuamos los grandes manuales de matematicas para ingenieros, de extension
muy superior a nuestro trabajo).
El libro puede considerarse como un guion de la asignatura en el que aparecen enun-

ciados aquellos conceptos basicos de Algebra Lineal y Calculo Infinitesimal que, a
nuestro juicio, son utiles tanto para el adecuado seguimiento del resto de asignaturas
de una titulacion cientfico-tecnica, como para el ejercicio profesional de un cientfico o
un ingeniero. Tambien incluimos en los ultimos captulos algunas nociones basicas que
permitiran al lector introducirse en el estudio del Calculo Numerico y las Ecuaciones
Diferenciales.
Los 17 captulos en los que se ha dividido el libro se pueden agrupar en cuatro blo-
ques fundamentales: Algebra Lineal, Calculo Infinitesimal, Ecuaciones Diferenciales
y Calculo Numerico. Los primeros ocho captulos tratan temas de Algebra Lineal;
conviene senalar que el ultimo de ellos se dedica al estudio de metodos directos para
17
18 Presentacion
resolver sistemas lineales de ecuaciones, y que, por lo tanto, tambien se podra haber
incluido en el bloque de Calculo Numerico. Los captulos 9 a 13 abarcan temas de
Analisis de una y varias variables, incluyendo una breve introduccion a la teora de
campos. En el captulo 14 se introducen las ecuaciones diferenciales ordinarias, y en
el 15 los sistemas de ecuaciones diferenciales ordinarias. Finalmente, los dos ultimos
captulos se dedican al Calculo Numerico: en el captulo 16 se introducen la interpola-
cion, la diferenciacion numerica y la integracion numerica, mientras que en el captulo
17 se explican los metodos mas sencillos de resolucion de sistemas no lineales.
Los autores somos conscientes de que para aprender matematicas es fundamental,

tanto para entender los conceptos como para asentarlos, la resolucion de problemas;
por ello hemos incluido al final de cada captulo un apartado de ejercicios propuestos a
los que se adjunta su solucion. Ademas hemos anadido, como apendice, los examenes
resueltos realizados en los ultimos tres cursos academicos en la URJC. Para aquellos
estudiantes que necesiten una descripcion mas detallada de los conceptos matematicos
explicados en el libro o para aquellos que deseen profundizar mas en el estudio de
las materias consideradas, se ha incluido al final de cada captulo una breve resena
bibliografica. Tambien hemos anadido un apendice con un breve repaso de los numeros
complejos. Esperamos con todo ello haber conseguido elaborar una publicacion que
sirva de ayuda a aquellos futuros cientficos o ingenieros que abordan por primera vez
el estudio riguroso de las matematicas.
Como se ha indicado al comienzo de esta presentacion, este libro nace de los apuntes
que en su momento preparamos para la imparticion de las asignaturas antes mencio-
nadas. Por ello no queremos terminar este prologo sin agradecer a los profesores Carlos
Conde, Emanuele Schiavi, Christian Vanhille e Ignacio Villanueva la ayuda prestada
en la elaboracion de dichos apuntes, ayuda que en ningun caso les hace partcipes de
los errores que pudiera contener el libro.
Ultano Kindelan y Marco Antonio Fontelos
Madrid, octubre de 2001

Captulo 1
Sistemas de ecuaciones
lineales. El metodo de Gauss.
Matrices
1.1. Introduccion
En el mundo real muy pocas veces nos encontramos con problemas tan sencillos que
dependan de una sola variable. Por ejemplo el beneficio de una empresa manufacturera
depende claramente del coste de los materiales, pero tambien depende de los costes
laborales, costes de transporte y de la produccion total de la planta. El beneficio es
por tanto una funcion de varias variables. El algebra lineal estudia las funciones de
varias variables mas simples: las funciones lineales.
Un ejemplo de funcion lineal es la ecuacion de una recta. En el plano xy se puede

representar una recta mediante la ecuacion a1 x + a2 y = b. En la expresion anterior
se dice que b es una funcion lineal de x e y. Inversamente, si se conocen b, a1 y
a2 , se puede resolver la ecuacion obteniendo los infinitos puntos (pares (x, y)) que
pertenecen a la recta.
Una ecuacion como la anterior se llama ecuacion lineal en las variables x e y. De

forma general se dice que una ecuacion con n variables x1 , x2 , . . . , xn , es lineal si se
puede expresar de la forma
a1 x1 + a2 x2 + . . . + an xn = b
19
20 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
en donde a1 , a2 , . . . , an son escalares (reales o complejos) constantes.
El concepto de linealidad se estudiara con precision cuando se estudien los espacios

vectoriales y las aplicaciones lineales; por ahora nos limitaremos a describir las carac-
tersticas de una ecuacion lineal. Una ecuacion lineal:
no incluye productos entre variables,
todas las variables aparecen siempre elevadas a 1,
las variables no aparecen nunca como argumentos de funciones trigonometricas,

logartmicas o exponenciales.
Ejemplo 1.1. Las siguientes ecuaciones son lineales:
x + 3y = 7 x1 3x2 3x3 + x4 = 7,
y = 12 x + 3z + 1 x1 + x2 + . . . + xn = 1,
mientras que las siguientes son no lineales:
x + 3y 2 = 7 3x + 2y z + xz = 4,

ysen(x) = 0 x1 + 2x2 + x3 = 1.
Definicion 1.1. Un Sistema de m ecuaciones lineales con n incognitas x1 , x2 ,

. . . , xn es todo conjunto de relaciones del tipo:

Ecuacion primera a11 x1 + a12 x2 + . . . + a1n xn = b1

Ecuacion segunda a21 x1 + a22 x2 + . . . + a2n xn = b2
.. (S)
.

Ecuacion m-esima am1 x1 + am2 x2 + . . . + amn xn = bm
Los aij (coeficientes) y los bi (terminos independientes) son escalares dados

(elementos de un cuerpo cualquiera, por ejemplo lR o C ).
Se dice que los escalares 1 , 2 , . . . , n constituyen una solucion de (S) si al

tomar x1 = 1 , x1 = 2 , . . . , xn = n se satisfacen las m ecuaciones.
Resolver (S) es hallar todas sus soluciones. Se dice que un sistema es compa-
tible si tiene alguna solucion y que es incompatible si carece de ellas; cuando
es compatible se dice que es determinado si tiene una unica solucion e inde-
terminado si tiene mas de una.
1.1. Introduccion 21
Ejemplo 1.2. Como ya se ha comentado, un ejemplo de ecuacion lineal es la ecuacion

de una recta en el plano. Si se estudian las soluciones de un sistema de dos ecuaciones
con dos incognitas se estara estudiando el conjunto de puntos que pertenecen a la vez
a las dos rectas.
1. Si el sistema es incompatible las dos rectas son paralelas (no existe ningun punto
que pertenezca a la vez a las dos rectas).
2. Si el sistema es compatible se pueden distinguir dos casos:
a) si es determinado las dos rectas se cortan (existe un solo punto que verifica
las dos ecuaciones),
b) si es indeterminado las dos rectas son coincidentes (existen infinitos puntos
que verifican las dos ecuaciones).
3
3 3
2 2
1 1
0 0
y x
1 1
2 2
3 3
Figura 1.1: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible determinado.
Ejemplo 1.3. La ecuacion de un plano en el espacio es una ecuacion lineal con tres
incognitas. Si se estudian las soluciones de un sistema formado por tres ecuaciones y
tres incognitas, se estara estudiando el conjunto de puntos del espacio que pertene-
cen a la vez a los tres planos. En las figuras 1.1, 1.2 y 1.3 se muestran tres posibles
posiciones relativas de los planos. En 1.1 al ser el sistema de tres ecuaciones con tres
incognitas compatible determinado, existe un solo punto que verifica las tres ecua-
ciones y por lo tanto los tres planos se cortan en un punto. En 1.2 el sistema es
compatible indeterminado, existen infinitos puntos que verifican las ecuaciones de los
tres planos y los tres planos se cortan en una recta. Finalmente en 1.3 el sistema es
incompatible y no existe ningun punto que verifique las ecuaciones de los tres planos
a la vez. Existen otros casos posibles: planos paralelos (sistema incompatible) y pla-
nos coincidentes (sistema compatible indeterminado). En cualquier caso la discusion
del tipo de solucion de un sistema lineal para el caso general de m ecuaciones y n
incognitas se abordara mas adelante.
2
3
3 2
3 1
2 0
1 1 y
0
x 1 2
2
3
Figura 1.2: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible indeterminado.
3
3
2
1
0
x
1 3
2
2 1
0
1 y
3 3 2
Figura 1.3: Las ecuaciones de los tres planos del dibujo constituyen un sistema in-
compatible.
Signo sumatorio, ndices mudos e ndices libres.
Para escribir
P de forma breve una suma como P1 + P2 + . . . + Pn se recurre a la letra
griega que recibe el nombre de signo sumatorio:
P
n
P1 + P2 + . . . + Pn = Pj
j=1
j se puede sustituir por otra letra cualquiera sin que por ello vare el resultado
P
n P
n P
n
Pj = Pi = Pk
j=1 i=1 k=1
As por ejemplo las m ecuaciones del sistema (S) se pueden escribir de la forma,
P
n
a1j xj = b1

j=1

Pn

a2j xj = b2

j=1 (S)
..

.

Pn

amj xj = bm

j=1
El sistema (S) se puede representar de una forma aun mas concisa recurriendo a otro
ndice que variara de 1 a m. Se puede poner:
P
n
aij xj = bi (i = 1, . . . , m) (S)
j=1
i recibe el nombre de ndice libre (no se ve afectado por el sumatorio).
j recibe el nombre de ndice mudo (se ve afectado por el sumatorio).
Expresion matricial de un sistema lineal de ecuaciones.
Definicion 1.2. Se denomina matriz A de dimension m n a una tabla rectangular

de mn escalares que reciben el nombre de elementos de la matriz.

a11 a12 . . . a1n
a21 a22 . . . a2n

A= . .. .. = (aij )i=1,...,m = (aij )mn
.. . . j=1,...,n
am1 am2 ... amn
Definicion 1.3. El juego ai1 , ai2 , . . . , ain se denomina fila i-esima de la matriz A.
Definicion 1.4. El juego a1j , a2j , . . . , amj se denomina columna j-esima de la ma-
triz A.
Definicion 1.5. Dado un sistema de ecuaciones lineales (S) se llama matriz de
coeficientes, matriz ampliada y matriz (o vector) de terminos independientes a las
siguientes matrices:

a11 a12 . . . a1n
a21 a22 . . . a2n

A= . .. .. MATRIZ DE COEFICIENTES
.. . .
am1 am2 . . . amn

a11 a12 ... a1n b1
a21 a22 ... a2n b2

Ab = .. .. .. .. MATRIZ AMPLIADA
. . . .
am1 am2 ... amn bm

b1
b2

b= .. VECTOR DE TERMINOS INDEPENDIENTES
.
bm
1.2. Resolucion de sistemas de ecuaciones lineales:

eliminacion gaussiana
El metodo mas simple para resolver un sistema lineal de ecuaciones es reemplazar el

sistema dado por otro que tenga la misma solucion pero sea mas facil de resolver.
Definicion 1.6. Dos sistemas de ecuaciones (con las mismas incognitas) se dicen
equivalentes si tienen las mismas soluciones: si toda solucion de cada uno de ellos
es tambien solucion del otro.
Definicion 1.7. Operaciones elementales realizadas sobre un sistema de ecua-
ciones lineales.
1. Intercambiar dos ecuaciones del sistema.

2. Multiplicar una de las ecuaciones por un escalar no nulo.
3. Anadir a una ecuacion un multiplo de otra.
Definicion 1.8. Operaciones elementales realizadas sobre las filas de una ma-
triz.
1. Intercambiar dos filas de la matriz

2. Multiplicar una de las filas de la matriz por un escalar no nulo.
3. Anadir a una fila de la matriz un multiplo de otra.
Proposicion 1.1. Un sistema de ecuaciones lineales es equivalente a cualquiera que
resulte de realizar en el operaciones elementales.
Proposicion 1.2. Un sistema de ecuaciones lineales es equivalente a cualquiera que
resulte de realizar operaciones elementales sobre las filas de la matriz ampliada del
sistema.
Ejemplo 1.4. Resolver el siguiente sistema de ecuaciones:
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
Solucion: Se va a resolver el sistema anterior utilizando las dos ultimas proposiciones

enunciadas. En la columna de la izquierda se van a realizar operaciones elementales
sobre las ecuaciones del sistema y en la columna de la derecha se van a realizar
operaciones elementales sobre las filas de la matriz ampliada.

x + y + 2z = 9 1 1 2 9
2x + 4y 3z = 1 2 4 -3 1
3x + 6y 5z = 0 3 6 -5 0
(F2)-2(F1)
(F3)-3(F1)

x + y + 2z = 9 1 1 2 9
2y 7z = 17 0 2 -7 -17
3y 11z = 27 0 3 -11 -27
3
(F3)- 2 (F2)

x + y + 2z = 9 1 1 2 9
2y 7z = 17 0 2 -7 -17 (A)
12 z = 32 0 0 - 12 - 23
(F2)-14(F3)
(F1)+4(F3)

x+y =3 1 1 0 3
2y = 4 0 2 0 4
12 z = 23 0 0 - 12 - 32
1
(F1)- 2 (F2)

x=1 1 0 0 1
2y = 4 0 2 0 4
12 z = 23 0 0 - 12 - 32
1
2 (F2)
-2(F3)

x=1 1 0 0 1
y=2 0 1 0 2
z=3 0 0 1 3
Una vez que se ha obtenido el sistema (A) se puede elegir otro camino para resolver
el sistema inicial:

x + y + 2z = 9 x = 9 8 = 1
2y 7z = 17 2y 21 = 17 y = 2 PROCESO DE REMONTE

12 z = 32 z = 3
El ejemplo anterior sugiere dos metodos para resolver sistemas de ecuaciones mediante
operaciones elementales. A continuacion vamos a generalizar estos dos procedimientos
de forma que sean validos para resolver cualquier tipo de sistema.
Definicion 1.9. Una fila de una matriz se dice que es una fila nula si todos los
elementos que la forman son ceros.
Definicion 1.10. El primer elemento no nulo por la izquierda de una fila de una
matriz se denomina cabecera de la fila correspondiente.
Definicion 1.11. Se dira que una matriz es una matriz escalonada si se verifican
las siguientes propiedades:
1. si existen filas nulas estan agrupadas al final de la matriz,
2. en cualesquiera dos filas sucesivas no nulas la cabecera de fila de la fila inferior

aparece mas a la derecha que la cabecera de la fila superior.
Nota 1.1. De la definicion anterior de deduce que en una matriz escalonada se verifica
que por debajo de cada cabecera de fila unicamente hay ceros.

& * * * * * * *
0 0 & * * * * *
0=elementos nulos
0 0 0 & * * * *
&=cabeceras de fila (6= 0)
0 0 0 0 0 & * *
*=elementos cualesquiera
0 0 0 0 0 0 & *
0 0 0 0 0 0 0 0
MATRIZ ESCALONADA
Definicion 1.12. Se dira que una matriz es una matriz escalonada reducida si
se verifican, ademas de las propiedades 1 y 2, las siguientes propiedades:
3. Todas las cabeceras de fila son iguales a uno.

4. Cada columna que contenga una de las cabeceras de fila tiene el resto de los
elementos nulos.

1 * 0 0 * 0 0 *
0 0 1 0 * 0 0 *
0=elementos nulos
0 0 0 1 * 0 0 *
1=elementos unidad
0 0 0 0 0 1 0 *
*=elementos cualesquiera
0 0 0 0 0 0 1 *
0 0 0 0 0 0 0 0
MATRIZ ESCALONADA REDUCIDA
Definicion 1.13. Un sistema de ecuaciones se dice que es un sistema escalonado

(respectivamente escalonado reducido) si su matriz de coeficientes es escalonada
(respectivamente escalonada reducida).
Ejemplo 1.5. Matrices escalonadas

0 10 2 0 1
3 1 2 9 1 1 2 0 0
0 , 0 1 0 5 3

1 27 17
27 , 0 0
2 0 0 0
0 0 2 3 0 0 1
0 0 0 0 0
Ejemplo 1.6. Matrices escalonadas reducidas

0 1 2 0 1
1 0 0 1 1 0 0 0 0
0 1 0 1 3

0 2 , 0 1 0 , 0 0 0 0 0
0 0 1 3 0 0 1
0 0 0 0 0
Proposicion 1.3. Sea (S) el siguiente sistema de ecuaciones lineales
n
X
aij xj = bi (i = 1, . . . , m)
i=1
Siempre es posible transformar (S) en un sistema escalonado, (E), e incluso en un

sistema escalonado reducido, (E).
Nota 1.2. Para cada sistema de ecuaciones lineales (S) existe un unico sistema es-
calonado reducido equivalente.
Se puede proceder de dos maneras para resolver el sistema (S):
1. Hallando un sistema escalonado, (E), equivalente a (S). Una vez obtenido E se

despeja la incognita de cabecera de su ultima ecuacion y, avanzando de abajo
arriba, se sustituye el valor hallado para cada incognita en la ecuacion anterior,
de la que se despeja una nueva incognita. METODO DE GAUSS.
2. Hallando el sistema escalonado reducido, (E), equivalente a (S). Una vez obte-
nido (E) se despeja directamente, para cada una de las ecuaciones, la incognita
que este en su cabecera. METODO DE GAUSS-JORDAN.
Ya solo queda, pues, explicar como se obtiene un sistema escalonado reducido a partir
de un sistema cualquiera. Para ello bastara explicar como se obtiene una matriz
escalonada reducida a partir de una matriz cualquiera.
Definicion 1.14. Se dice que el elemento aij 6= 0 de una matriz A se utiliza como
pivote hacia abajo (o hacia arriba) si en las filas de A se realizan aquellas operaciones
elementales que convierten en 0 a los demas elementos de la columna j que estan por
debajo (o por arriba) del aij . Todo elemento no nulo de A puede utilizarse como pivote.
Proceso para obtener una matriz escalonada reducida a partir de una ma-
triz cualquiera A
1. Obtencion de una matriz escalonada
a) Intercambiando 2 filas de A, si fuera preciso se obtendra en el lugar (1,1)

un elemento no nulo.
b) Utilizandolo como pivote se transforman en cero todos los elementos situa-
do por debajo de el.
c) Si todos los elementos que quedan por debajo del (1,2) son nulos se deja
a
la 2 columna sin modificar.
d ) Si alguno de ellos fuese no nulo, intercambiando dos filas si fuera preciso,
se lleva al lugar (2,2) y luego se utiliza como pivote para anular todos los
elementos que estan situados por debajo de el.
e) Se pasa ahora a la tercera columna con la que se procede de manera analoga
y se reitera el proceso hasta llegar a la ultima columna.
2. Obtencion de una matriz escalonada reducida a partir de una matriz escalonada

a) Nos fijamos en las cabeceras de cada una de las filas no nulas y denotamos
como (1,1), (2,i2 ), . . . , (r, ir ) los lugares que ocupan las cabeceras de cada
fila. Utilizando como pivote el elemento (i, ir ) se anulan los elementos de
la columna ir situados por encima.
b) Se hace lo mismo con el elemento (r 1, ir1 ) y as hasta llegar al elemento

(2, i2 ).
c) Se divide cada fila i no nula por su cabecera de fila.
Ejemplo 1.7. Resolver el siguiente sistema de ecuaciones.
x1 + x5 = 800
x1 + x2 x4 = 400
x2 + x3 = 600
x3 + x7 = 1200
x4 + x6 x7 = 0
x5 x6 = 1000
Solucion: Se va a utilizar el metodo de Gauss - Jordan para resolverlo,

1 0 0 0 1 0 0 800
1 1 0 1 0 0 0 -400

0 1 1 0 0 0 0 -600

0 0 1 0 0 0 1 1200

0 0 0 1 0 1 1 0
0 0 0 0 1 1 0 -1000
(F2)+(F1)

1 0 0 0 1 0 0 800
0 1 0 1 1 0 0 400

0 1 1 0 0 0 0 -600

0 0 1 0 0 0 1 1200

0 0 0 1 0 1 1 0
0 0 0 0 1 1 0 -1000
(F3)+(F2)


1 0 0 0 1 0 0 800
0 1 0 1 1 0 0 400

0 0 1 1 1 0 0 -200

0 0 1 0 0 0 1 1200

0 0 0 1 0 1 1 0
0 0 0 0 1 1 0 -1000
(F4)+(F3)

1 0 0 0 1 0 0 800
0 1 0 1 1 0 0 400

0 0 1 1 1 0 0 -200

0 0 0 1 1 0 1 1000

0 0 0 1 0 1 1 0
0 0 0 0 1 1 0 -1000
(F5)+(F4)

1 0 0 0 1 0 0 800
0 1 0 1 1 0 0 400

0 0 1 1 1 0 0 -200

0 0 0 1 1 0 1 1000

0 0 0 0 1 1 0 1000
0 0 0 0 1 1 0 -1000
(F6)+(F5)

1 0 0 0 1 0 0 800
0 1 0 1 1 0 0 400

0 0 1 1 1 0 0 -200

0 0 0 1 1 0 1 -1000

0 0 0 0 1 1 0 1000
0 0 0 0 0 0 0 0
Ya se ha obtenido una matriz de coeficientes escalonada. A partir de aqu se podra

resolver el sistema por el metodo de Gauss realizando el correspondiente proceso de
remonte. Sin embargo en este caso, como se ha dicho en el enunciado se emplea el
metodo de Gauss - Jordan por lo que se continuara realizando operaciones elementales
hasta obtener una matriz de coeficientes escalonada reducida.
(-1)(F4)
(F4)+(F5)
(F3)-(F5)
(F2)-(F5)
(F1)-(F5)

1 0 0 0 0 1 0 -200
0 1 0 1 0 1 0 -600

0 0 1 1 0 1 0 -1200

0 0 0 1 0 1 1 0

0 0 0 0 1 1 0 1000
0 0 0 0 0 0 0 0
(F3)+(F4)
(F2)+(F4)

1 0 0 0 0 1 0 -200
0 1 0 0 0 0 1 -600

0 0 1 0 0 0 1 -1200

0 0 0 1 0 1 1 0

0 0 0 0 1 1 0 1000
0 0 0 0 0 0 0 0
Por lo tanto la solucion es x1 = 200 + x6 ; x2 = 600 + x7 ; x3 = 1200 + x7 ; x4 =

x7 x6 y x5 = 1000 x6 . Es por lo tanto un sistema compatible indeterminado.
Proposicion 1.4. Sea (E) un sistema escalonado de m ecuaciones con n incognitas,
r el numero de filas no nulas de la matriz de coeficientes de (E) y s el numero de filas
no nulas de su matriz ampliada. Respecto a la existencia y unicidad de soluciones de
(E) se puede afirmar lo siguiente:
1. El sistema (E) es compatible Ssi r = s.

2. Si el sistema (E) es compatible, entonces:
a) el sistema es compatible determinado si r = n,

b) el sistema es compatible indeterminado si r < n. Observese que r nunca
puede ser mayor que n.
Corolario 1.1. Sea (E) un sistema escalonado de m ecuaciones con n incognitas

y r el numero de filas no nulas de la matriz de coeficientes de (E). El sistema es
compatible Ssi sus ultimos m r terminos independientes son todos nulos.
Corolario 1.2. Sea (S) un sistema de m ecuaciones y n incognitas. Si m < n

entonces el sistema bien es incompatible, bien tiene infinitas soluciones.
1.3. Sistemas homogeneos
Definicion 1.15. Un sistema de ecuaciones se dice homogeneo si tiene nulos todos

sus terminos independientes:
P
n
aij xj = 0 (i = 1, . . . , m) (H)
j=1
Proposicion 1.5. Todo sistema de ecuaciones lineales homogeneo (H) tiene, al me-
nos, la solucion x1 = x2 = . . . = xn = 0, llamada solucion trivial o nula, por lo
que siempre es compatible. Sera compatible indeterminado si tiene alguna solucion no
nula.
Proposicion 1.6. Si = (1 , . . . , n ) y = ( 1 , . . . n ) son soluciones del sistema
homogeneo (H), entonces + ( y son dos escalares cualesquiera) tambien es
una solucion del sistema (H).
Proposicion 1.7. Si un sistema de ecuaciones lineales tiene mas de una solucion
entonces el sistema tiene infinitas soluciones.
Proposicion 1.8. Sea (H) un sistema homogeneo de m ecuaciones con n incognitas.
Si m es menor que n, entonces (H) tiene alguna solucion no nula y por tanto tiene
infinitas soluciones.
1.4. Rango de un conjunto de vectores
1.4.1. Vectores de n componentes
Definicion 1.16. Dados un numero natural n (fijo) y un cuerpo lK (Por ejemplo

lK = lR o lK = C) a cuyos elementos llamaremos escalares, se llaman vectores de n
componentes del cuerpo lK a las sucesiones o sistemas ordenados de n escalares de
lK. Se representan del siguiente modo:
u = (u1 , u2 , . . . , un )

u1 , u2 , . . . , un lK
donde
ui recibe el nombre de componente i- esima de u
Definicion 1.17. Operaciones entre vectores:
1.4. Rango de un conjunto de vectores 33
1. Suma
u = (u1 , u2 , . . . , un )
u + v = (u1 + v1 , u2 + v2 , . . . , un + vn )
v = (v1 , v2 , . . . , vn )
2. Producto por escalar

u = (u1 , u2 , . . . , un )
u = (u1 , u2 , . . . , un )
es un escalar
Observaciones
1. Un vector de n componentes no es un conjunto de n escalares. Si las n com-

ponentes de un vector se colocan en distinto orden, ya no encarnan el mismo
vector; este pasa a ser otro.
2. Notacion: los vectores se escribiran en negrita.
3. Vectores fila y vectores columna. Si las componentes de un vector se escriben
una detras de otra se dice que el vector aparece como vector fila. Si se escriben
una debajo de otra se dira que aparece como vector columna.
Proposicion 1.9. (Propiedades de las operaciones entre vectores). Si u, v y w son
vectores de n componentes y si y son escalares, entonces:
1. (u + v) + w = u + (v + w)
2. u+v =v+u
3. u + 0 = u, donde 0 = (0, 0, . . . , 0) se llama vector nulo.
4. Para cada u, existe un vector u tal que u + (u) = 0;
Si u = (u1 , u2 , . . . , un ), entonces u = (u1 , u2 , . . . , un )
Al vector u se le llama opuesto de u.
5. (u + v) =u+v
6. ( + )u = u + u
7. (u) = ()u
8. 1u = u
9. 0u = 0 y 0 = 0
10. u = 0 [ = 0 o u = 0]
11. ()u =(u) = (u)
1.4.2. Dependencia e independencia lineal
Definicion 1.18. Se dice que un vector v es una combinacion lineal de los vec-
tores u1 , u2 , . . . un o que v depende linealmente de ellos si para algunos escalares
1 , 2 , . . . , n , se verifica:
v = 1 u1 + 2 u2 + . . . + n un
Nota 1.3. La dependencia lineal es transitiva: si v depende linealmente de unos

vectores y estos a su vez dependen linealmente de otros, entonces v tambien depende
linealmente de estos ultimos.
Definicion 1.19. Se dice que un sistema (o conjunto) de vectores S = {v1 , v2 ,

. . . , vn } es un sistema ligado o linealmente dependiente si se verifica una de las si-
guientes condiciones equivalentes entre s:
1. Alguno de los vectores de S depende linealmente de los demas.
2. Para algunos escalares 1 , 2 , . . . , n no todos nulos 1 v1 + 2 v2 + . . . + n vn =

0.
Nota 1.4. Si a1 , a2 , . . . , ap son p vectores de n componentes y si p > n entonces

S = {a1 , a2 , . . . , ap } es un sistema ligado.
Definicion 1.20. Se dice que un sistema (o conjunto) de vectores S = {v1 , v2 ,

. . . , vp } es un sistema libre o linealmente independiente si se verifica una de las si-
guientes condiciones equivalentes entre s:
1. El sistema S no es linealmente dependiente, es decir, ninguno de los vectores

de S depende linealmente de los demas.
2. La unica combinacion lineal de vectores de S que es nula es la que tiene todos

sus coeficientes nulos; esto es:
1 v1 + 2 v2 + . . . + p vp = 0 1 = 2 = . . . = p = 0
(1 , 2 , . . . , p escalares).
1.4.3. Rango de un sistema de vectores
Proposicion 1.10. Para cualquiera que sea el conjunto S = {v1 , v2 , . . . , vp } de p

vectores, no todos nulos, se verifica que:
1. Hay algun sistema, S0 , de vectores de S t.q.

1.4. Rango de un conjunto de vectores 35
a) S0 es linealmente independiente.
b) Todos los demas vectores de S dependen linealmente de S0 .
2. Todos los sistemas S0 de vectores de S que satisfacen los requerimientos (a) y
(b) tienen el mismo numero de vectores.
Definicion 1.21. El numero de vectores de S0 recibe el nombre de rango del conjunto
S.
Nota 1.5. Para hallar el rango de un sistema de vectores habra que ir desechando
aquellos vectores que resulten ser combinacion lineal de los que van quedando, hasta
que formen un sistema linealmente independiente: el numero de vectores de este ultimo
es el rango buscado.
Proposicion 1.11. El rango de un conjunto de vectores no se altera si se realizan
en el operaciones elementales. Se entiende por operaciones elementales realizadas
sobre un conjunto de vectores las siguientes:
1. cambiar de posicion dos vectores,

2. multiplicar un vector por un escalar,
3. sumarle a un vector otro vector del conjunto multiplicado por un escalar.
Nota 1.6. Si las componentes de cada uno de los vectores de un conjunto S de p
vectores de n componentes {v1 , v2 , . . . , vp } se denotan por vi = (vi1 , vi2 , . . . vin ), rea-
lizar operaciones elementales sobre el conjunto S es equivalente a realizar operaciones
elementales sobre las filas de una matriz de dimension pn cuyo termino general es vij
(la fila i-esima de la matriz coincide con las componentes del vector vi i = 1, . . . , p).
Proposicion 1.12. Sea S = {a1 , a2 , . . . , ap } un conjunto formado por vectores de n
componentes
a1 = (a11 , a12 , . . . , a1n )
a2 = (a21 , a22 , . . . , a2n )
..
.
ap = (ap1 , ap2 , . . . , apn )
y sea A una matriz cuya fila i-esima esta formada por las n componentes del vector
ai ,

a11 . . . a1n

A = ... ..
.
ap1 . . . apn pn
Si A0 es una matriz escalonada equivalente a A (que siempre es posible hallar), el

rango de S coincide con el numero de filas no nulas de A0 .
1.5. Rango de una matriz. Teorema de Rouche
Teorema 1.3. (del rango) Para cualquier matriz A = (aij ) de m filas y n columnas
se verifica que el rango del conjunto de sus m vectores filas (que se llama rango de
las filas de A) es igual al rango del conjunto de sus n vectores columna (que se llama
rango de las columnas de A). A cualquiera de estos dos rangos, iguales entre s, se le
llama rango de la matriz A, y se denota por rg(A).
Proposicion 1.13. Para cualquier matriz A = (aij ) de m filas y n columnas se

verifica:
1. el rango de A no se altera si se realizan operaciones elementales en sus filas o

en sus columnas,
2. el rango de A es igual al numero de filas no nulas de una matriz escalonada, E,

equivalente a A.
Teorema 1.4. (de Rouche) Considerese el sistema de ecuaciones

P
n
aij xj = bi (i = 1, . . . , m) (S)
i=1
Si A = (aij )mn es la matriz de coeficientes de (S) y Ab = ( aij | bi )m(n+1) es la

matriz ampliada de (S), entonces:
1. si rg( A ) 6= rg( Ab ) el sistema es incompatible.
2. Si rg( A ) = rg( Ab ), entonces:
a) si rg( A ) = n el sistema (S) es compatible determinado.

b) Si rg( A ) < n el sistema (S) es compatible indeterminado.
1.6. Operaciones entre matrices
Nota 1.7. En cuanto a la notacion de las matrices se seguira empleando la utilizada

hasta ahora: mayusculas para designar las matrices y minusculas para designar los
coeficientes o elementos de las matrices, A = (aij )mn .
Definicion 1.22. Se dice que dos matrices A = (aij )mn y B = (bij )rs son iguales
si tienen la misma dimension (m = r y n = s) y ademas sus elementos son iguales
(aij = bij ; i = 1, . . . , m j = 1, . . . , n).
1.6. Operaciones entre matrices 37
Definicion 1.23. Si A = (aij )mn y B = (bij )mn son dos matrices de la misma
dimension entonces la matriz suma C = A + B es una matriz de la misma dimension
que A y B cuyos elementos verifican:
cij = aij + bij (i = 1, . . . , m j = 1, . . . , n).
No se puede sumar matrices de distinta dimension.
Definicion 1.24. Si A es una matriz y es un escalar, entonces el producto A es

otra matriz obtenida multiplicando todos los elementos de A por el escalar : A =
(aij )mn .
Propiedades de la suma de matrices y del producto de matriz por escalar
Para cualesquiera que sean las matrices A, B y C de la misma dimension y para

cualesquiera escalares y , se verifica:
1. A + (B + C) = (A + B) + C
2. A+B =B+A
3. A+0=A
4. A + (A) = 0
5. ( + )A = A + A
6. (A + B) = A + B
7. (A) = ()A
8. 1A = A
Nota 1.8. (0)mn representa la matriz nula de dimension m n, y es aquella

cuyos elementos son todos iguales al escalar nulo. A = (aij )mn se llama matriz
opuesta de A y es aquella de tamano mn cuyos elementos son los escalares opuestos
de los respectivos elementos de A.
Definicion 1.25. Dadas dos matrices A = (aij )mn y B = (bij )rs , si n = r se

define la matriz producto de A por B y se representa por AB a la siguiente matriz
de dimension (m s) :
P
n
C = AB en donde cij = aik bkj
k=1
Si n 6= r el producto de matrices no esta definido.

Propiedades de la multiplicacion de matrices
Para tres matrices cualesquiera A, B y C de dimensiones respectivas m n, n r y

r s se verifica
1. A(BC) = (AB)C
2. A(B + C) = AB + AC
3. (A + B)C = AC + BC

0 si i 6= j
4. AIn = A, en donde In = ( ij )nn con ij = recibe el nombre de
1 si i = j
matriz unidad.
Nota 1.9. El producto de matrices no es conmutativo.
Nota 1.10. Las matrices no son regulares o simplificables: AB = AC no implica

B = C.
Nota 1.11. Puede ser AB = (0) sin que sean A = (0) o B = (0).
Nota 1.12. Un sistema lineal de ecuaciones se puede expresar como un producto de

P
n
matrices por ejemplo: aik xk = bi (i = 1, . . . , m) se puede poner como Ax = b con
k=1
A = (aij )mn ; x = (xk )k=1,...,n y b = (bi )i=1,...,m .
Definicion 1.26. Dada una matriz A de dimension m n se dice que A es una

matriz cuadrada de dimension n si m = n. Si A es cuadrada y para i > j aij = 0,
se dice que A es triangular superior; si A es cuadrada y para i < j es aij = 0, se
dice que A es triangular inferior, si A es cuadrada y para i 6= j es aij = 0 se dice
que A es diagonal. Si m = 1 se dice que es una matriz fila, si n = 1 se dice que
es una matriz columna. Si A es cuadrada y para cualesquiera i y j es aij = aji se
dice que A es una matriz simetrica. Si A es cuadrada y para cualesquiera i y j es
aij = aji se dice que A es una matriz antisimetrica.
Definicion 1.27. Si A es una matriz cuadrada, la suma de los elementos de su

diagonal recibe el nombre de traza de A y se representa por tr(A) : si la dimension
P
n
de A es n, tr(A) = aii .
i=1
Definicion 1.28. Dada una matriz A de dimension m n se llama traspuesta de

la matriz A y se representa por At a la matriz de dimension n m que tiene por
elemento del lugar (ij) al elemento del lugar (ji) de A (las filas de A pasan a ser las
columnas de At y las columnas de A pasan a ser las filas de At ):
A = (aij )mn At = (atij )nm con atij = aji (i = 1, . . . n; j = 1, . . . , m).

1.6. Operaciones entre matrices 39
Propiedades de la matriz traspuesta
1. (At )t = A
2. (A + B)t = At + B t (A y B de la misma dimension)
3. (A)t = At
4. (AB)t = B t At (A y B matrices multiplicables)
5. (A1 A2 Ap )t = Atp Atp1 At1 (A1 A2 Ap matrices multiplicables)
Nota 1.13. Si A es una matriz cuadrada A = At A es simetrica, A = At

A es antisimetrica. Para cualquier matriz cuadrada M , M +M t es simetrica y M M t
es antisimetrica.
Definicion 1.29. Si A es una matriz cuadrada de dimension n y se puede encontrar

otra matriz cuadrada B tal que AB = BA = In (matriz unidad), se dice que A es una
matriz inversible. B se denomina matriz inversa de A y se representa por A1 .
Propiedades de la matriz inversa
1. Si A tiene inversa entonces solo tiene una inversa: AB = BA = In y AC =

CA = In B = C.
2. Si A y B tienen inversa entonces el producto AB tambien tiene inversa:

(AB)1 = B 1 A1
Se puede generalizar el resultado anterior:
1 1
(A1 A2 Ap )1 = A1
p Ap1 A1 .
3. Si A tiene inversa entonces su traspuesta tambien tiene inversa que vale:

(At )1 = (A1 )t .
Nota 1.14. Las matrices inversibles son simplificables (o regulares): AB = AC

B = C.
Nota 1.15. Dado el sistema de ecuaciones Ax = b, si la matriz A es inversible la

solucion de S sera unica e igual a x =A1 b.
Potencias de una matriz

A0 = In An =AA A}
| {z
n veces
1 1 1
(A1 )1 = A An = (A1 )n A
| A {z A }
n veces
Ar As = Ar+s (Ar )s = Ars
(An )1 = (A1 )n (kA)1 = k1 A1
1.7. Calculo de la inversa de una matriz
No todas las matrices cuadradas tienen inversa, que condiciones debe cumplir una
matriz cuadrada A de dimension n para ser inversible? En lo que sigue se va a de-
terminar cuales son esas condiciones; durante el proceso, ademas, se desarrollara un
metodo sencillo para calcular A1 .
Si la matriz B es la inversa de la matriz A (B = A1 ) se verifica AB = In . La

ecuacion AB = In se puede expresar como:
A(b1 , b2 , . . . , bn ) = (e1 , e2 , . . . , en ), (1.1)
donde (b1 , b2 , . . . , bn ) y (e1 , e2 , . . . , en ) representan las columnas de B e In respecti-

vamente:

0
b1i ..
.
b2i
bi = .. y ei =
1 el 1 esta en la posicion i
. .
..
bni
0
De (1.1) se deduce que si A tiene inversa se debe poder resolver los siguientes n
sistemas de ecuaciones (cada uno de ellos con n ecuaciones y n incognitas)

x1 1 x1 0 x1 0
x2 0 x2 1 x2 0

A .. = .. A .. = .. ... A .. = ..
. . . . . .
xn 0 xn 0 xn 1
(1.2)
1.8. Referencias bibliograficas 41
En particular si A es inversible la k-esima columna de A1 se obtendra resolviendo

el sistema Ax = ek , k = 1, 2, . . . , n.
Proposicion 1.14. Una matriz cuadrada, A, de dimension n es inversible si y sola-

mente si el rango de A es n.
Demostracion. Si el rango de A es n, los n sistemas anteriores tienen solucion unica

(las n columnas de A1 ) y por lo tanto A tiene inversa. Si A tiene inversa esta tiene
que ser unica como se ha demostrado anteriormente y por lo tanto los n sistemas
anteriores deben ser compatibles determinados y para ello el rango de A debe ser
igual a n.
Se ha obtenido, ademas, un metodo para calcular A1 : la resolucion de los n sistemas

que aparecen en (1.2). Se pueden resolver todos a la vez convirtiendo, mediante opera-
ciones elementales en sus filas, la matriz ampliada A(e1 ,...,en ) en una matriz escalonada
reducida, In(b1 ,...,bn ) .

a11 ... a1n 1 ... 0
.. .. .. .. ..
A(e1 ,...,en ) = (A |In ) = . . . . .
am1 ... amn 0 ... 1

1 ... 0 b11 ... b1n
.. .. .. .. ..
In(b1 ,...,bn ) = (In |B ) = . . . . .
0 ... 1 bm1 . . . bmn
Por lo tanto cada una de las columnas de B coincide con la solucion de uno de los
sistemas de (1.2) y en consecuencia B = A1 .
Definicion 1.30. Una matriz cuadrada de dimension n se dice que es no singular

si es inversible (si tiene rango n). Por el contrario se dira que es singular si no es
inversible (si el rango es menor que n).
1.8. Referencias bibliograficas
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
el captulo 1 de [1], los captulos 1, 2 y 3 de [2], el 1 y el 2 de [10], los captulos 1, 2,
3 y 4 del [11] y los captulos 1, 2 y 3 de [12].
Para profundizar mas en la materia ver [19].

Para estudiar metodos (numericos) mas eficientes de resolucion de sistemas lineales

consultar [60], [65], [69], [61] y [63].
1.9. Ejercicios
1. Resuelve el sistema de ecuaciones
x1 + 3x2 5x3 + x4 = 4
2x1 + 5x2 2x3 + 4x4 = 6
Solucion:
x2 = 2 + 8x3 + 2x4 y x1 = 2 19x3 7x4
2. Un departamento de pesca y caza de un determinado pas proporciona tres
tipos de comida a un lago que alberga tres especies de peces. Cada pez de la
especie 1 consume cada semana un promedio de una unidad del alimento 1, una
unidad del alimento 2 y dos unidades del alimento 3. Cada pez de la especie 2
consume cada semana un promedio de tres unidades del alimento 1, cuatro del
2 y cinco del 3. Para un pez de la especie 3, el promedio semanal de consumo
es dos unidades de alimento 1, una unidad del alimento 2 y cinco unidades del
3. Cada semana se proporcionan al lago 25000 unidades del alimento 1, 20000
unidades del alimento 2 y 55000 del 3. Si se supone que los peces se comen todo
el alimento, cuantos peces de cada especie pueden coexistir en el lago?
Solucion:
x1 = 40000 5x3 ; x2 = x3 5000 y 5000 x3 8000. La condicion sobre x3
se obtiene imponiendo que x1 0, x2 0 y x3 0 ya que el numero de peces
tiene que ser siempre positivo. Observese que el numero de soluciones es finito
(los 3001 enteros pertenecientes al intervalo [5000, 8000] ) debido a que los peces
no se pueden dividir.
3. Supongase que las demandas externas en un sistema economico con tres indus-
trias son 10, 25 y 20 respectivamente. Ademas se sabe que a11 = 0,2, a12 = 0,5,
a13 = 0,15, a21 = 0,4, a22 = 0,1, a23 = 0,3, a31 = 0,25, a32 = 0,5 y a33 = 0,15
en donde aij representa el numero de unidades de produccion de la industria i
que se necesitan para producir una unidad de la industria j (aij xj representa
las unidades de xi necesarias para producir xj unidades de la industria j). Por
ultimo se supondra que la oferta es igual a la demanda.
Se pide plantear el sistema de ecuaciones lineales que determina la produccion de
cada industria. (La produccion de cada industria, xi , menos lo que se consume
P3
de dicha industria en las tres industrias del sistema economico, aij xj , tiene
j=1
que ser igual a la demanda externa de la industria i).
Solucion:
1.9. Ejercicios 43

0,8x1 0,5x2 0,15x3 = 10
0,4x1 + 0,9x2 0,3x3 = 25

0,25x1 0,5x2 + 0,85x3 = 20
4. Dadas las matrices

1 3 2 1
2 3 1 0 0 2 3
(a) , (b) , (c) 0 1 4 2 ,
4 1 0 2 0 1 4
0 0 1 1
1 2 1 2
(d) 0 2 2 3
0 0 0 1
Se pide, para cada una de ellas, 1) si no es una matriz escalonada transformarla,
mediante operaciones elementales en sus filas, en una que si lo sea, 2) si la matriz
es escalonada transformarla, mediante operaciones elementales en sus filas, en
una matriz escalonada reducida.
Solucion:

2 3 1
(a) No es una matriz escalonada,
0 5 2

2 0 1 4
(b) No es una matriz escalonada,
0 0 2 3

1 0 0 5
(c) La matriz s es escalonada, 0 1 0 2
0 0 1 1

1 0 1 0
(d) La matriz s es escalonada, 0 1 1 0
0 0 0 1
5. Resolver los siguientes sistemas lineales de ecuaciones

2x2 + x3 = 2 2x1 + 3x2 + x3 x4 + x5 = 4
(a) 3x1 + 5x2 5x3 = 1 (b) x1 + x2 + 7x4 x5 = 2

2x1 + 4x 2 2x3 = 2 3x1 + 2x2 x3 + x5 = 1

x1 2x2 + 3x3 x4 = 1
(c) 2x1 + x2 + 2x4 + x5 = 7

3x2 + x3 x4 = 2

5x1 + 3x2 x3 x4 = 12
Solucion:
a) {x2 = 2, x1 = 7, x3 = 2}
b) {x5 = 10 36 5 5 10 6 3 13 9
7 x1 + 7 x4 7 , x3 = 7 x1 + 7 x4 + 7 , x2 = 7 x1 7 x4 + 7 , x1 =
x1 , x4 = x4 }
c) {x1 = x1 , x5 = 77
5 x1 +
154
5 , x2 = 65 x1 75 , x4 = 61
10 x1 56
5 , x3 = 52 x1 5}
6. Estudiar la compatibilidad o incompatibilidad de los siguientes sistemas. Si el

sistema es compatible indicar si es determinado o indeterminado.

3x1 + 2x2 = 3 2x1 + x2 + x3 = 6
(a) x2 x3 = 1 (b) 3x1 2x2 + 3x3 = 4

x1 + x3 = 0 x1 + 4x2 x3 = 0
2x1 + x2 + x3 = 6
2x1 + x2 + 3x3 = 1
(c) (d) 3x1 2x2 + 3x3 = 7
4x1 + 2x2 + 2x3 = 2
x1 + 3x2 + 2x3 = 0
x1 + 2x2 = 5 2x1 x3 = 0
(e) x1 3x2 = 5 (f) 3x1 x2 x3 = 0

3x1 + x2 = 5 x1 x2 = 0
Solucion:
a) Compatible determinado.
b) Incompatible.
c) Compatible indeterminado (infinitas soluciones).
d ) Compatible determinado.
e) Compatible determinado.
f ) Compatible indeterminado (infinitas soluciones).
7. Hallar el rango de la siguiente matriz de numeros complejos

1 i 3i 3
A= 2+i 1 1 + 2i 4 + i ,
1 + i 1 + i 1 + i 1 + i
Solucion: Una matriz escalonada equivalente a A es:

1 i 3i 3
0 2 2i 4 4i 2 2i
0 0 0 0
y por lo tanto rg(A)=2.
8. Supongase que A, B, C, D y E son cinco matrices con las siguientes dimensiones:

A45 , B45 , C52 , D42 , E54 . Se pide determinar cuales de las siguientes
expresiones matriciales estan definidas. Para aquellas que esten definidas dar la
dimension de la matriz resultante
(a) BA (b) AC + D (c) AE + B (d) AB + B
(e) E(A + B) (f) E(AC) (g) E t A (h) (At + E)D
Solucion:
1.9. Ejercicios 45
a) Indefinida
b) Definida, 4 2
c) Indefinida
d ) Indefinida
e) Definida, 5 5
f ) Definida, 5 2
g) Indefinida
h) Definida, 5 2
9. Considerense las matrices

3 0
4 1 1 4 2
A = 1 2 B= C=
0 2 3 1 5
1 1
1 5 2 6 1 3
D = 1 0 1 E = 1 1 2
3 2 4 4 1 3
Se pide calcular las siguientes expresiones:
(a) D + E (b) D E (c) 5A (d) 7C
(e) 2B C (f) 4E 2D (g) 3(D + 2E) (h) A A
(i) tr(D) (j) tr(D 3E) (k) 4tr(7B) (l) tr(A)
Solucion:

7 6 5 5 4 1 15 0
(a) 2 1 3 (b) 0 1 1 (c) 5 10
7 3 7 1 1 1 5 5
22 6 8
7 28 14
(d) (e) Indefinido (f) 2 4 6
21 7 35
10 0 4
39 21 24 0 0
(g) 9 6 15 (h) 0 0 (i) 5
33 12 30 0 0
(j) -25 (k) 168 (l) Indefinido
10. Considerense las matrices

2 1
2 3 1 2 4 0
A= B= C=
8

1 4 1 4 1
3 2
2 1 3 6 2
2 0 0 4 3 1
D=
1
E= U= ,V = 2 4
1 1 1 1 3
1 3 1 2 1
Se pide calcular las siguientes expresiones:
(a) AB y BA (b) AU y V A (c) DC (d) U V y V U

(e) V (BU ) (f) BU (g) CA (h) CB
(i) C(BU ) (j) (AB)U y A(BU ) (k) (BA)U y B(AU )
Solucion:

50 11
5 16 4 11 11 16 10
(a) y (b) y 8 22 (c)
3

5 18 6 19 13 2
28 4
2 4 7
(d) y 14 (e) 66 (f)
6 12 13
5 10 3 8 27
8 12 4 8 28
(g)
15 20
(h)

(i)
7 12 43
8 17 5 14
47
53 53 37
(j) y (k)
59 59 63
11. Sea M = AB el producto de las matrices A y B. Compruebese que si A tiene

una fila nula, entonces tambien M tiene una fila nula y que si B tiene una
columna nula, entonces M tambien tiene una columna nula.
12. Dadas las siguientes matrices,

1 6 2
1 6 0 1
F = 2 3 5 B= C=
2 12 1 0
7 12 4
3 1 0 3 2 1
2 1
J = 1 1 2 E= 0 2 2 A=
3 2
1 1 1 0 0 1
1 3 0 2
2 1 4
3 12 2 6 a a
G = 1 0 5 H=
2
D=
10 2 5 b b
19 7 3
1 6 1 3
se pide determinar para cada una de ellas (a) s es inversible o no, (b) en el caso
de que sea inversible determinar su inversa.
Solucion:
1.9. Ejercicios 47
La matriz F es singular La matriz

B es singular
3/8 1/8 1/4
0 1
1
C = J 1 = 1/8 3/8 3/4
1 0
1/4 1/4 1/2
1/3 1/3 1/3
2 1
E 1 = 0 1/2 1 A1 =
3 2
0 0 1
0 1 0 2
1 1 2 2
La matriz G es singular H 1 =
0

1 3 3
2 2 3 2
La matriz D es singular
13. Discutir (en funcion de ) y resolver cuando sea compatible el siguiente sistema
de ecuaciones:
x + y + z = 1
x + y + z =

x + y + z = 2
Solucion:
= 2 sistema incompatible.
= 1 sistema admite infinitas soluciones (comp. det.): x = 1 y z, y y z
variables libres.
1
6= 2 y 6= 1, el sistema tiene solucion unica x = +2 ( + 1) , z =
(+1)2 1
+2 , y = +2 .
Captulo 2
Determinantes
2.1. Introduccion
El interes de este tema estriba en el hecho de que tradicionalmente muchos resultados

matematicos se expresan en terminos de determinantes y es importante entender la
notacion, el significado, y las reglas de calculo asociadas a estos objetos matemati-
cos. Ejemplos de contextos en los que aparecen son: el jacobiano de un cambio de
variables (se vera en el tema de integracion en varias variables), el calculo del area de
un paralelogramo, la definicion de producto vectorial (tema de espacio eucldeo), la
definicion de operador rotacional (tema de calculo vectorial), etc.. A menudo, para de-
mostrar resultados teoricos, las soluciones de sistemas lineales se escriben en terminos
de determinantes.
2.2. Desarrollo de un determinante a partir de los

elementos de una lnea
Definicion 2.1. Sea A = (aij ) i=1,2 . El determinante de A se define como

j=1,2

a a12
det(A) = |A| = 11 = a11 a22 a12 a21
a21 a22
Definicion 2.2. Sea A = (aij )nn una matriz cuadrada de dimension n y sea Mr,s
la matriz que se obtiene al eliminar la fila r y la columna s de la matriz A (Mr,s es
una submatriz de A). El real det(Mr,s ) recibe el nombre de menor del elemento ars
de A.
49
50 Captulo 2. Determinantes
Definicion 2.3. El escalar Aij = (1)i+j det(Mi,j ) recibe el nombre de adjunto del
elemento aij de A.
Definicion 2.4. Sea A una matriz cuadrada de dimension n. El determinante de A

se define como:
n
X
det(A) = a11 A11 + . . . + an1 An1 = ai1 Ai1
i=1
en donde Ai1 es el adjunto del elemento ai1 .
Nota 2.1. Los determinantes unicamente se definen sobre matrices cuadradas.
Nota 2.2. Considerese la naturaleza recursiva de la definicion: si A es 3 3 entonces

el determinante de A es det(A) = a11 A11 + a21 A21 + a31 A31 y los adjuntos A11 , A21 y
A31 se pueden evaluar a partir de la definicion 2.1. De forma similar la expresion de un
determinante de una matriz de dimension 4 es igual a la suma de cuatro determinantes
de orden 3 multiplicados cada uno de ellos por un escalar.
Nota 2.3. El desarrollo de un determinante de orden n tiene n! sumandos, cada

uno de ellos siendo un producto de n factores. Cada uno de estos n! sumandos es
de la forma ()a1(1) a2(2) . . . an(n) en donde (1), (2), . . . , (n) representa una de
las n! permutaciones de 1, 2, . . . , n y () el signo de la correspondiente permutacion
(positivo si el numero de intercambios de dos elementos necesarios para ordenar la
permutacion es par y negativo si es impar). Siguiendo esta notacion el determinante
de una matriz A, cuadrada de dimension n, se puede expresar como
X
det(A) = ()a1(1) a2(2) . . . an(n)
n
En donde n representa el conjunto de las n! permutaciones de 1, 2, . . . , n.
Nota 2.4. En el sumando a1(1) . . . an(n) aparece un representante y solo uno de

todas las filas y columnas de la matriz.
Ejemplo 2.1. Calcular el determinante de la matriz

1 1 3 2
2 2 2 3
A= 0

3 1 2
2 1 0 1
Solucion: det(A) = 1A11 + 2A21 + 0A31 + 2A41 = 15 36 + 0 12 = 63 ,
ya que
2.2. Desarrollo de un determinante a partir de los elementos de una lnea 51

2 2 3
2 2 3 2 3
A11 = 3 1 2 = 2 1 3 + 1 = 15
0 1 0 1 1 2
1 0 1

1 3 2

A21 = 3 1 2
1 0 1

1 2 3 2 2
= 1 3 + 1 3 = 18
0 1 0 1 1 2

1 3 2

A41 = 2 2 3

3 1 2

2 3 3 2 3 2
= 1 2 + 3 = 6
1 2 1 2 2 3
Nota 2.5. El determinante se puede calcular a partir de los elementos de cualquier
lnea (fila o columna)
n
X n
X Xn n
X
det(A) = ai1 Ai1 = a1i A1i = aki Aki = aik Aik , k = 1, . . . , n
i=1 i=1 i=1 i=1

3 0 0 0
1 2 0 0
T = 2

3 2 0
1 4 5 1
Solucion:
2 0 0

det(T ) = 3 3 2 0 =32 2 0 = 3 2 2 1 = 12.
5 1
4 5 1
Observese que para calcular el determinante de la matriz anterior ha bastado con

multiplicar los elementos de su diagonal. Esto es siempre as para cualquier matriz
triangular inferior como enuncia el siguiente teorema.
Teorema 2.1. Sea T = (tij ) una matriz triangular inferior de dimension n, entonces:
n
Y
det(T ) = t11 t22 . . . tnn = tii
i=1
Demostracion. (por induccion)

t 0
k = 2, cierto ya que 11 = t11 t22 ,
t21 t22
k = n 1 se supone cierto (hipotesis de induccion),
k = n,

t11 0 ... 0
t22 ... 0
t21 t22 ... 0
. .. ..
det(T ) = .. .. .. .. = t11 .. . . = t11 t22 . . . tnn .
. . . .
tn2 ... tnn
tn1 tn2 ... tnn
Nota 2.6. Si T es una matriz triangular superior sucede lo mismo.
2.3. Calculo de un determinante mediante opera-

ciones elementales en las filas
Teorema 2.2. Si una matriz A tiene una fila o una columna de ceros entonces
det(A) = 0.
Demostracion. Basta desarrollar el determinante a partir de la fila o columna nula.

Teorema 2.3. Sea A una matriz cuadrada de dimension n,
1. si A0 es la matriz que resulta de multiplicar una fila de A por el escalar

entonces det(A0 ) = det(A).
2. si A0 es la matriz que se obtiene al intercambiar dos filas de A entonces det(A0 ) =
det(A).
3. si A0 es la matriz que se obtiene al anadir un multiplo de una fila de A a otra
fila de A entonces det(A0 ) = det(A).
Nota 2.7. El teorema anterior tambien es valido si las operaciones se realizan sobre
las columnas.
El teorema 2.3 permite desarrollar un metodo alternativo para calcular el determi-

nante de una matriz:
Mediante las transformaciones elementales descritas en el teorema 2.3 se trans-

forma la matriz dada, A, en una matriz escalonada E.
2.4. Propiedades del determinante 53
Una matriz escalonada cuadrada es siempre triangular superior por lo que el

determinante de E se calcula multiplicando los elementos de su diagonal.
Se obtiene el determinante de A a partir del determinante de E utilizando el

teorema 2.3

1 2 0 2
1 2 3 1
A= 3

2 1 0
2 3 2 1
Solucion:
1 2 0 2 1 2 0 2 1 2 0 2

1 2 3 1 0 4 3 3 0 4 3 3
det(A) = =

=

1
4

3 2 1 0 0 8 1 6 0 8 1 6
2 3 2 1 0 7 2 3 0 28 8 12

1 2 0 2 1 2 0 2

1 0 4 3 3 0 4 3 3
= 4 = 1
= 1
4 (7) (9) = 63.
0 0 7 0 4 0 0 7 0 4

0 0 13 9 0 0 0 9
La siguiente proposicion tambien resulta util para el calculo del determinante.
Proposicion 2.1. Si A es una matriz cuadrada de dimension n entonces
det(A) = det(At )
2.4. Propiedades del determinante
Proposicion 2.2. El rango de una matriz cuadrada de dimension n, A, es igual a n

Ssi det(A) 6= 0
rg(A) = n det(A) 6= 0
Corolario 2.4. Una matriz es inversible Ssi det(A) 6= 0.
Corolario 2.5. Los vectores fila o columna de una matriz son linealmente depen-
dientes Ssi det(A) = 0.
Proposicion 2.3. Sea A una matriz cuadrada de dimension n y k un escalar cual-

quiera.
det(kA) = k n det(A).

ka11 ka12 ka13 a11 a12 a13

por ejemplo: ka21 ka22 ka23 = k 3 a21
a22 a23

ka31 ka32 ka33 a31 a32 a33
Proposicion 2.4. Si A y B son dos matrices cuadradas
det(AB) = det(A) det(B).
Proposicion 2.5. Si A es una matriz cuadrada inversible

1
det(A1 ) = det(A) .
Nota 2.8. En general det(A + B) 6= det A + det B.
2.5. Aplicaciones del determinante
2.5.1. Obtencion de la inversa de una matriz
Dada un matriz cuadrada de dimension n, A, conocer el valor de det(A) permite

determinar no solo la existencia de inversa de A, sino que, ademas, en caso de que
exista A1 es posible obtener su expresion en funcion de det(A). Para ello es necesario
seguir los siguientes pasos:
Se calculan los adjuntos de todos y cada uno de los elementos aij de A (i, j =
1, . . . , n) y se construye la matriz adjunta de A que se denota por Adj(A).

A11 A21 . . . An1
A12 A22 . . . An2
(1)
Adj(A) = . .. . . ..
.. . . .
A1n A2n ... Ann
Se obtiene la inversa de A dividiendo la matriz adjunta de A por el determinante

de A.
1
A1 = Adj(A)
det(A)
Ejemplo 2.4. Hallar la inversa de

3 2 1
A= 1 6 3
2 4 0
1 Cada elemento de A se sustituye por su adjunto y se traspone la matriz resultante.
2.5. Aplicaciones del determinante 55
Solucion:
6 3
2 1 2 1
4 0 4 0 6 3
12 4 12
1 3 3 1 3 1
Adj(A) =
2 0

2
= 6 2 10
0 1 3

1 16 16 16
6 3 2 3 2
2 4
2 4 1 6
2 1 3 1
det(A) = 2 + 4 = 64
6 3 1 3
3 1 3

12 4 12
1 1
16 16 16
A1 = Adj(A) = 6 2 10 = 323 1
32
5
32
det(A) 64
16 16 16 14 1
4
1
4
2.5.2. Calculo del rango de una matriz
Teorema 2.6. Sea A una matriz de dimension m n. Se verifica que rg(A) = r

mn(m, n) Ssi existe al menos una submatriz Ar de A de orden r r tal que det(Ar ) 6=
0 y todos los menores de orden r + 1 son nulos.
Nota 2.9. Del teorema anterior se concluye que para determinar el rango de una
matriz puede recurrirse a los menores: buscando uno que sea no nulo y tal que todos
los de mayor orden sean nulos, el orden del menor no nulo es el rango de la matriz.
Sin embargo el encontrar un menor que cumpla las condiciones anteriores puede ser
muy laborioso. Esta busqueda se puede simplificar si se procede metodicamente:
Se toma una submatriz de A, A2 , de orden 2 tal que el menor correspondiente

sea no nulo (det(A2 ) 6= 0) y se orla con una fila fija i y con sucesivas columnas. Si
todos los menores de orden tres que as se obtienen son nulos se puede prescindir
de la fila i, pues es combinacion lineal de las de A2 .
Se repite el proceso con otras filas hasta:
* descubrir que todos los menores de orden 3 as obtenidos son nulos, en cuyo
caso el rango de A es 2.
* o encontrar un menor de orden 3 no nulo (p.e. det(A3 ) 6= 0) en cuyo caso
el rango de A sera 3. A partir de aqu habra que orlar a A3 con una fila
y con sucesivas columnas siguiendo el mismo proceso que con A2 , lo que
lleva bien a que el rango es 3 (si todos los menores de orden 4 son nulos),
bien a que el rango es mayor o igual que 4 (cuando se encuentre un menor
de orden 4 no nulo). Siguiendo as se llega a un menor no nulo del mayor
tamano posible; este tamano es el rango buscado.
Ejemplo 2.5. Determinar el rango de la matriz

1 4 2 3
1 1 1 0
A=
3

4 2 1
3 12 6 9
Solucion:

1 4
1 1 6= 0 rg(A) 2

1 4 2 1 4 3

1 1 1 = 0, 1 1 0 = 0 la fila 3 4 2 1 es c.l. de las dos

3 4 2 3 4 1
primeras.

1 4 2 1 4 3

1 1 1 = 0, 1 1 0 = 0 la fila 3 12 6 9 es c.l. de las dos

3 12 6 3 12 9
primeras. Por lo tanto todos los menores de orden 3 de la matriz A son nulos y el
rango de A es 2.
Nota 2.10. En cualquier caso el metodo que se acaba de describir para la determina-
cion del rango de una matriz es mucho mas lento que el metodo, descrito en el tema
anterior, de obtener una matriz escalonada mediante operaciones elementales en las
filas de la matriz. Esta diferencia en la eficacia de ambos metodos va aumentando con
la dimension de la matriz A.
2.5.3. Regla de Cramer
Consideremos el sistema lineal

n
X
aij xj = bi (i = 1, 2, ..., n) (2.1)
j=1
o, en forma matricial
Ax = b . (2.2)
La solucion se puede escribir como
Adj(A)
x = A1 b = b. (2.3)
det(A)
Como se tiene que Pn

Pi=1 bi Ai1
n
Pn bi Ai2
i=1

Adj(A)b = i=1 bi Ai3 (2.4)
..

Pn .
i=1 bi Ain
obtenemos, por tanto, la formula (llamada regla de Cramer):

a11 ... a1,i1 b1 a1,i+1 ... a1n

a21 ... a2,i1 b2 a2,i+1 ... a2n

.. .. .. .. .. .. ..
. . . . . . .

an1 ... an,i1 bn an,i+1 ... ann
xi = (2.5)
det(A)
es decir, xi es el cociente entre el determinante de la matriz A con la columna iesima
sustituida por b y el determinante de A.
el captulo 2 de [1], el 4 de [2], el 3 de [10], el 7 del [11] y el 12 de [12].
Para profundizar mas en el tema, estudiando los determinantes como un caso par-
ticular de forma multilineal alternada y por lo tanto introduciendose en el algebra
tensorial, ver [5], [18] y [35].
2.7. Ejercicios
1. Dada la matriz

x 1 3 1 4
1 0 1 x 2

A=
4 3 2 0 2x
,
0 3x 7 3 2
1 1 x x 1
hallar el coeficiente del termino x5 que aparece en el calculo del valor del deter-
minante de A.
Solucion: 6
2. Dada la matriz

1 2 0 1
3 1 5 2
A=
1
,
2 3 4
0 3 0 1
se pide:
a) Calcular los menores complementarios |M21 | , |M22 | , |M23 | y |M24 |.

b) Hallar los cofactores o adjuntos A21 , A22 , A23 y A24 .
c) Determinar el valor de det(A).
Solucion:
a) 3, -3, 13, 9
b) -3, -3, -13, 9
c) -53
3. Hallar el valor de los siguientes determinantes desarrollando por una fila o co-
lumna
2 0 0 0 2 3 1 4 3 1 2 1

0 0 3 0 0 2 0 0 4 3 1 2
(a) (b) (c)
0 1 0 0 3 7 1 2
1 0 2 3

0 0 0 4 4 1 3 8 6 2 5 2

2 0 0 1 0
1 1 2 4
0 3 1 2 1
0 3 5 6
(d)
(e) 2 4 3 1 2

1 4 0 3
7 1 0 2 3
0 5 6 7
4 6 2 5 2
Solucion:
a) 24
b) 80
c) 0
d ) -260
e) -200
4. Sabiendo que

a11 a12 a13

a21 a22 a23 =3

a31 a32 a33
2.7. Ejercicios 59
calcular:

a11 a13 a12 a11 a12 a13

(a) a21 a23 a22 (b) a21 a22 a23

a31 a33 a32 2a31 2a32 2a33
a11 2a13 a12 a13 a31 a32 a33

(c) a21 2a23 a22 a23
(d) 2a21 4a11 2a22 4a12 2a23 4a13

a31 2a23 a32 a33 a11 a12 a13
Solucion:
a) -3
b) -6
c) 3
d ) -6
5. Demostrar que si una matriz cuadrada, A, de dimension n es antisimetrica,

entonces
|A| = (1)n |A|
Cual es el valor de |A| si n es impar?

Solucion:
Si n es impar |A| = 0.
6. Calcular el valor del siguiente determinante,

1 1 1 ... 1

x1 x2 x3 ... xn

x2
x2
x23 x2n
1 2
.. .. .. ..
.
n1. . .
x xn1
x3n1 ... xn1
1 2 n
Q
Solucion: (xk xj )
1j<kn
7. Dada la matriz

a b c d
b a d c
A=
c
,
d a b
d c b a
se pide:
a) calcular AAt .
b) hallar, utilizando el resultado del apartado anterior, el determinante de A.
Solucion:
a) AAt = (a2 + b2 + c2 + d2 )I4

b) det(A) = (a2 + b2 + c2 + d2 )2
8. Hallar el valor de los siguientes determinantes

0 1 0 1 + x1 x2 x3 ... xn
1 0
1 a 0 x 1 + x2 x3 ... xn
0 0 1
x x2 1 + x3 ... xn
(a) 0 0 a
0 0 (b) 1
1 0 0 .
.. .. .. ..
a 0 . . .
0 0 0
0 a x x x3 ... 1 + xn
1 2
...

...

.. ..
(c) ... ... . .

...

...
Solucion:
a) 2a3
b) 1 + x1 + x2 + x3 + . . . + xn
n2
n
c) (1)( 2 2) ( )n1 [(n 1) + ]
Captulo 3
Espacios vectoriales
3.1. Introduccion
A menudo, conjuntos de objetos matematicos como los polinomios o las matrices que
se usan constantemente en las aplicaciones de las matematicas a la ciencia y a la
ingeniera admiten un tratamiento analogo a los vectores estudiados en el captulo
1. Cuando en varios conjuntos distintos aparecen estructuras similares es conveniente
extraer las propiedades comunes y dar un nombre a la estructura resultante (espacio
vectorial en el caso que nos ocupa). La principal ventaja que se obtiene es que estu-
diando esta estructura, quedan estudiadas todas las estructuras particulares que en
ella se encuadran. De este modo los distintos resultados que se deducen de la definicion
de espacio vectorial y que se estudiaran (algunos de ellos) en este captulo se pueden
aplicar no solo a los vectores de lRn sino a cualquier conjunto de objetos que cumpla
la definicion de espacio vectorial como por ejemplo las matrices y los polinomios.
3.2. Definicion de espacio vectorial
Definicion 3.1. Sea V un conjunto no vaco, + una ley de composicion interna

(l.c.i.) definida sobre los elementos de V y una ley de composicion externa (l.c.e.)
definida entre los elementos de V y los de un cuerpo de escalares lK. Se dice que
la estructura (V,+, ) es un espacio vectorial sobre el cuerpo de escalares lK (o lK-
espacio vectorial) si las dos leyes de composicion verifican las siguientes propiedades:
1. u + (v + w) = (u + v) + w, u, v, w V
61
62 Captulo 3. Espacios vectoriales
2. u + v = v + u, u, v V
3. 0 V t.q. u + 0 = u, u V
4. u V u V t.q. u + (u) = 0
5. (u + v) = u+ v, u, v V, lK
6. ( + ) u = u+ u, u V, , lK
7. ( ) u = ( u), u V, , lK
8. 1 lK t.q. 1 u = u, u V
Nota 3.1. Los elementos de V se denominan vectores.
Nota 3.2. En la mayora de los casos con los que se trabajara en esta asignatura el
cuerpo lK sera el cuerpo de los reales. En los casos restantes consideraremos que lK es
C. Por ello si al lector le resulta mas sencillo, puede considerar en todo cuanto sigue
que el cuerpo al que nos referimos es alguno de los dos anteriores y todo cuanto se
diga podra extenderse a otros cuerpos.
Ejemplo 3.1. Algunos ejemplos de espacios vectoriales son los siguientes:
El conjunto de los vectores geometricos con la l.c.i. suma geometrica de vectores

y la l.c.e. producto de vector por real es un espacio vectorial (e.v.) sobre lR.
El conjunto de las matrices de dimension mn con la l.c.i. suma de matrices y la

l.c.e. producto de escalar por matriz es un e. v. que se representa por Mm,n (lK).
Este espacio vectorial, en los casos en que la matriz sea cuadrada, tambien se
podra representar como Mn (lK).
El conjunto de todos los polinomios en la variable x con coeficientes reales (P (x))

con la l.c.i. suma de polinomios y la l.c.e. producto de polinomio por real es un
e. v. sobre lR.
El conjunto de todos los polinomios de grado menor o igual que n (Pn (x)) con
las mismas operaciones que en el caso anterior tambien es un e.v. sobre lR. Sin
embargo el conjunto de todos los polinomios de grado n (P n (x)) tambien con
las mismas operaciones no es un espacio vectorial.
El conjunto de todas las soluciones de un sistema lineal homogeneo de ecuaciones

con coeficientes en lK con la l.c.i. suma de soluciones y la l.c.e. producto de
escalar por solucion es un e.v. sobre lK.
Nota 3.3. En lo que sigue, y salvo casos en los que puedan existir ambiguedades, el
producto de escalar por vector se representara por u en vez de u.
3.3. Subespacios vectoriales 63
Proposicion 3.1. Sea V un espacio vectorial sobre un cuerpo lK, u un vector de V

y k un escalar de lK. Entonces:
1. 0u = 0
2. k0 = 0
3. (1)u = u
4. Si ku = 0 entonces k = 0 o u = 0.
3.3. Subespacios vectoriales
Tal como se vio en el ultimo ejemplo del apartado anterior, los conjuntos Pn (x) y P (x)
dotados de las mismas operaciones tienen ambos estructura de e.v.. Como Pn (x) es
ademas un subconjunto de P (x), se dice que Pn (x) es un subespacio vectorial de P (x).
Es evidente que esto no ocurre para cualquier subconjunto de P (x), por ejemplo P n (x)
no es un subespacio vectorial de P (x).
Definicion 3.2. Sea V un e.v. y W un subconjunto no vaco de V. Se dice que W es

un subespacio vectorial (s.e.v.) de V si W dotado de las mismas operaciones definidas
sobre V es a su vez un e.v..
Caracterizacion de un subespacio vectorial. Para que W sea un s.e.v. tiene que

verificarse:

a) u, v W u + v W
o u+v W , lK; u, v W
b) lK, u W u W
Nota 3.4. Dado un e.v. V, existen dos subconjuntos de V que trivialmente son s.e.v.
de V :
V,
{0}.
Nota 3.5. El vector nulo pertenece a todos los s.e.v. de V .
Ejemplo 3.2. A continuacion se muestran algunos casos particulares de subespacios

vectoriales:

1. El conjunto U = (x, y, z) lR3 3x 2y + 4z = 0 es un s.e.v. del espacio lR3

u U u = ( 23 u2 43 u3 , u2 , u3 )

v U v = ( 23 v2 43 v3 , v2 , v3 )

2 4
u+v = (u2 + v2 ) (u3 + v3 ), u2 + v2 , u3 + v3
3 3
2 4
= ( 2 3 , 2 , 3 ) U,
3 3
2. El conjunto de los polinomios de variable real cuyo grado es 5 es un s.e.v. del

espacio de los polinomios de variable real.
P5 = {polinomios de grado 5}

p(x) P5 p(x) = a0 + a1 x + . . . + a5 x5

q(x) P5 q(x) = b0 + b1 x + . . . + b5 x5
p(x) + q(x) = (a0 + b0 ) + (a0 + b0 )x + . . . + (a5 + b5 )x5 P5
3. El conjunto formado por las soluciones de un sistema homogeneo de m ecuacio-

nes con n incognitas y coeficientes reales es un s.e.v. de lRn . Dado el sistema

a11 x1 + a12 x2 + . . . + a1n xn = 0

a21 x1 + a22 x2 + . . . + a2n xn = 0
.. Ax = 0,
.

am1 x1 + am2 x2 + . . . + amn xn = 0
si u y v son soluciones del sistema anterior Au = 0 y Av = 0, entonces es
evidente que el vector u+v tambien lo es.
4. El conjunto de las matrices simetricas de orden n es un s.e.v. de las matrices

cuadradas de orden n.
Proposicion 3.2. La interseccion de cualesquiera subespacios de un e.v. V es, a su

vez, un s.e.v. de V .
Nota 3.6. Por el contrario la union de subespacios de un e.v. V, en general, no es un

subespacio de V.
Por ejemplo si se consideran los subespacios

U1 = (x, 0) lR2 x lR y U2 = (0, y) lR2 y lR
El conjunto U1 U2 no es un s.e.v. ya que (1, 0) U1 U2 y (0, 1) U1 U2 y sin

embargo (1, 0) + (0, 1) = (1, 1)
/ U1 U2 .
3.4. Bases y dimension de un espacio vectorial 65
3.4. Bases y dimension de un espacio vectorial
3.4.1. Sistema generador
As como es posible obtener cualquier color a partir de los tres colores basicos (ama-
rillo, rojo y azul) mezclandolos en distintas proporciones, las operaciones suma de
vectores y producto de escalar por vector definidas en un e.v. V, permiten calcular
nuevos vectores a partir de un cierto numero de elementos de V.
Definicion 3.3. Sea S = {v1 , v2 , . . . vm } un conjunto de m vectores de un e.v. V y
sea W un s.e.v. de V. Si S W y todos los vectores de W se pueden escribir como
combinacion lineal de {v1 , v2 , . . . vm } se dice que S = {v1 , v2 , . . . vm } es un sistema
generador de W.
Proposicion 3.3. El conjunto de todos los vectores que se pueden expresar como
combinacion lineal de los vectores de S tiene estructura de espacio vectorial y recibe
el nombre de subespacio generado (o engendrado) por S. Se representa por
hSi o hv1 , v2 , . . . vm i
Proposicion 3.4. W = hv1 , v2 , . . . vm i es el subespacio mas pequeno que contiene a

S = {v1 , v2 , . . . vm } , en el sentido de que cualquier otro s.e.v. que contenga a S debe
contener a W.
Nota 3.7. {v1 , v2 , . . . vp } es un sistema generador de W W es el s.e.v. engendrado
por {v1 , v2 , . . . vp } .
Ejemplo 3.3. Casos particulares de conjuntos de vectores que constituyen sistemas
generadores de subespacios.

1. Dado W2 = (x1 , x2 , x3 ) lR3 t.q. x1 x2 = 0 el conjunto de vectores {v =
(1, 1, 0), u = (0, 0, 1)} es un sistema generador de W2 . W2 es el s.e.v. engendrado
por u y v. W2 es el subespacio mas pequeno que contiene a u y v.

2. El conjunto de polinomios 1, x, x2 , x3 , x4 , x5 es un sistema generador del s.e.v.
P5 .
3. Es el conjunto {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3)} un sistema genera-
dor de lR3 ? Para contestar a la pregunta hay que determinar si cualquier vector
de lR3 se puede expresar como combinacion lineal de v1 , v2 y v3 .
(u1 , u2 , u3 ) = k1 (1, 1, 2) + k2 (1, 0, 1) + k3 (2, 1, 3)

k1 + k2 + 2k3 = u1
k1 + k3 = u2 (3.1)

2k1 + k2 + 3k3 = u3
Por lo tanto un vector cualquiera de lR3 , u = (u1 , u2 , u3 ), se podra expresar

como c.l. de v1 , v2 y v3 si el sistema (3.1) es compatible. Para que (3.1) sea
compatible para cualquier vector u es necesario y suficiente que el rango de la
matriz de coeficientes que llamaremos A sea 3,

1 1 2

como |A| = 1 0 1 = 0
2 1 3
el rango de A es menor que 3, el sistema (3.1) no sera siempre compatible,

existiran vectores u para los que no existen k1 , k2 y k3 que satisfagan (3.1) y
por lo tanto el conjunto {v1 , v2 , v3 } no es un sistema generador de lR3 .
4. Por el contrario {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3), v4 = (0, 0, 1)} si es
un sistema generador de lR3 pues el sistema

k1 + k2 + 2k3 = u1
k1 + k3 = u2

2k1 + k2 + 3k3 + k4 = u3
es siempre compatible indeterminado independientemente de cual sea el vector

u. Observese que la forma de expresar u en funcion de v1 , v2 , v3 y v4 no es
unica.
3.4.2. Base de un espacio vectorial
Definicion 3.4. Sea V un espacio vectorial y S = {v1 , . . ., vn } un conjunto de

vectores de V. Se dice que S es una base de V si:
1. S es linealmente independiente,
2. S es un sistema generador de V.
Teorema 3.1. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V, entonces
cualquier vector de V se puede expresar de forma unica como combinacion lineal de
vectores de B:
Xn
u= i vi
i=1
Demostracion. Queda claro, a partir de la definicion de sistema generador, que

cualquier vector de V se puede expresar de la forma anterior. Falta por demostrar
que existe una unica forma de hacerlo. Supongase que hubiera dos formas
n
X n
X
u= i v i y u = i vi
i=1 i=1
3.4. Bases y dimension de un espacio vectorial 67
P
n
uu=0= (i i )vi (debido a que v1 , . . ., vn son lin. indptes.) i i = 0
i=1
(i = 1, . . . , n) i = i (i = 1, . . . , n).
Definicion
Pn 3.5. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V y
u = i=1 i vi es la expresion de u en funcion de la base B, entonces los escalares
1 , . . . , n se llaman coordenadas (o componentes) de v respecto a la base B.
Nota 3.8. Dada una base, B, de V a cada vector de V se le puede asociar uno
y solo un vector de lKn formado por las n coordenadas de v en la base B, que se
designara por vB .
Nota 3.9. Dos bases que contengan los mismos vectores pero en ordenes distintos
son distintas.
Ejemplo 3.4. Casos particulares de conjuntos de vectores que constituyen bases de
espacios vectoriales.
1. Dados e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1), B = {e1 , e2 , e3 } es una base

de lR3 .
2. {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, . . . , 0, 1)} es una base de lRn .

1 0 0 1 0 0 0 0
3. A1 = , A2 = , A3 = , A4 = consti-
0 0 0 0 1 0 0 1
tuyen una base de M2 (lR) (conjunto de las matrices cuadradas de dimension 2
con coeficientes reales). C M2 (lR)

c11 c12 1 0 0 1 0 0 0 0
= c11 + c12 + c21 + c22
c21 c22 0 0 0 0 1 0 0 1
Dada la base B = {A1 , A2 , A3 , A4 } , a cada matriz C de M2 (lR) se le puede

asociar un vector de lR4 :

c11 c12
= CB = (c11 , c12 , c21 , c22 )tB
c21 c22

4. El conjunto B = 1, x, x2 , . . . , xn es una base del espacio vectorial Pn de los
polinomios de grado n en la variable x. En esta base se le puede asociar a
cada polinomio de Pn un vector de lRn :
p(x) = a0 + a1 x + a2 x2 + . . . + an xn , pB = (a0 , a1 , . . . , an )
5. El conjunto {v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4)} es una base de lR3 . Para
comprobar que esta afirmacion es cierta basta con demostrar que el sistema

k1 + 2k2 + 3k3 = u1
2k1 + 9k2 + 3k3 = u2

k1 + 0k2 + 4k3 = u3
es compatible determinado para cualesquiera valores de u1 , u2 y u3 .
3.4.3. Espacios vectoriales de dimension finita
Proposicion 3.5. Sea G = {u1 , u2 , . . . , um } un sistema de generadores de un espacio

vectorial V (V 6= {0}). Se verifica que:
1. Si G es un conjunto de vectores linealmente dependiente, entonces existe al

menos un subconjunto G0 G (G0 =
6 G) tal que G0 es un sistema de generadores
de V.
2. Si G es un conjunto de vectores linealmente independiente, no existe ningun

subconjunto de G (G0 =
6 G) que sea sistema generador de V.
Teorema 3.2. Todas las bases de un espacio vectorial engendrado por un numero
finito de vectores tienen el mismo numero de elementos.
Definicion 3.6. Al numero de vectores que forman parte de una base cualquiera de
un espacio vectorial, V (V 6= {0}), engendrado por un numero finito de vectores se le
llama dimension de V.
Nota 3.10. La dimension de un espacio vectorial, V, es el numero maximo de vectores

linealmente independientes que se pueden extraer de V.
Nota 3.11. La dimension de un espacio vectorial es el numero mnimo de vectores

que contiene un sistema generador de V .
Nota 3.12. Los espacios vectoriales engendrados por un numero finito de vectores
reciben el nombre de espacios vectoriales de dimension finita.
Ejemplo 3.5.
1. dim(lRn ) = n
2. dim(Mn,m (lR)) = n m
3. dim(Pn ) = n + 1
Nota 3.13. Si V es un espacio vectorial y W V es un s.e.v. de V, entonces:

m = dim(W ) dim(V ) = n.
Teorema 3.3. (de la base incompleta) Sea V un e.v. de dimension finita n y S =

{u1 , u2 , . . . , up } un sistema linealmente independiente de p vectores de V con p < n.
Entonces es posible encontrar un conjunto S 0 de n p vectores tales que S S 0 sea
una base de V. Es mas, los vectores de S 0 se pueden tomar de entre los de una base
cualquiera B = {e1 , . . . , en } .
Ejemplo 3.6. Obtener una base de lR3 que contenga a a = (1, 1, 2) y b = (0, 1, 2).
3.5. Cambio de base 69
Solucion:
Los vectores a y b son linealmente independientes. El teorema anterior asegura que
existe otro vector de lR3 (al que llamaremos c) tal que {a, b, c} constituye una base
de lR3 . El vector c, que se puede elegir de muchas maneras, puede ser, en particular,
el vector e2 . (un vector de la base canonica de lR3 linealmente independiente con
respecto a b y a).
3.5. Cambio de base
Nota 3.14. A partir de ahora los vectores de n componentes se van a representar

como vectores columna
x1

v = (x1 , . . . , xn )t = ...
xn
Ejemplo introductorio
Sea V un espacio vectorial de dimension 3, B = {e1 , e2 , e3 } y B 0 = {u1 , u2 , u3 }

dos bases de V. Si se conocen las coordenadas de un vector v respecto a la base B 0 ,
v =y1 u1 + y2 u2 + y3 u3 , y las coordenadas de los tres vectores de B 0 con respecto a
la base B :
u1 =a11 e1 +a21 e2 +a31 e3
u2 =a12 e1 +a22 e2 +a32 e3 (3.2)
u3 =a13 e1 +a23 e2 +a33 e3
Cuales son las coordenadas de v respecto de la base B?
Para resolver el problema se parte de la igualdad
v =x1 e1 + x2 e2 + x3 e3 = y1 u1 + y2 u2 + y3 u3
Si en la igualdad anterior se sustituyen los valores de u1 , u2 y u3 en funcion de e1 , e2

y e3 segun las relaciones (3.2) se obtiene:
x1 e1 + x2 e2 + x3 e3 = y1 (a11 e1 +a21 e2 +a31 e3 )

(3.3)
+y2 (a12 e1 +a22 e2 +a32 e3 ) + y3 (a13 e1 +a23 e2 +a33 e3 )
Si se tiene en cuenta que un vector se descompone de forma unica en funcion de los

vectores de una base, la igualdad (3.3) implica que los coeficientes que multiplican a
e1 , e2 y e3 a ambos lados de la igualdad deben ser iguales:

x1 =a11 y1 +a12 y2 +a13 y3 x1 y1
x2 =a21 y1 +a22 y2 +a23 y3 x2 = A y2
x3 =a31 y1 +a32 y2 +a33 y3 x3 y3

a11 a12 a13
donde A = a21 a22 a23 = u1 u2 u3 {ei } recibe el nombre de matriz
a31 a32 a33
de cambio de base (de la base B 0 a la base B). Observese que las columnas de A son
las coordenadas de los vectores ui en la base ei .
Teorema 3.4. Sean B = {e1 , . . . , en } y B 0 = {u1 , . . . , un } dos bases de un espacio
vectorial, V, de dimension n. Si se conoce la expresion de los vectores de la base B 0
en funcion de la base B :
n
X
ui = aji ej = a1i e1 + . . . + ani en (i = 1, . . . , n),
j=1

a11 . . . a1n

la matriz A = ... . . ..
. . se llama matriz de cambio de base (de B 0 a B)
an1 . . . ann
y posee las siguientes propiedades:
1. Las columnas de A representan las coordenadas de los vectores de B 0 respecto

de la base B.

a11 . . . a1n

A = ... ..
.
..
. = u1 ... un {ei }
an1 ... ann
2. det(A) 6= 0.
3. Si (x1 , . . . , xn )t y (y1 , . . . , yn )t son las coordenadas de un vector v en las bases
B y B 0 , respectivamente, entonces:

x1 y1
.. .
. = A ..
xn yn
4. A1 es la matriz de cambio de base de B a B 0 .

Nota 3.15. La relacion entre los vectores de B y B 0 tambien se puede expresar

matricialmente

u . . . un {c } = e1 . . . en {c } A
1 i i
e1 . . . en {c } = u1 . . . un {c } A1
i i

donde u1 . . . un {ci } es una matriz cuadrada de dimension n cuyas columnas
son las coordenadas de los vectores ui en funcion
de una cierta
base ci . Si se hace
coincidir ci con ei , e1 . . . en {ei } = In y u1 . . . un {ei } = A.
Ejemplo 3.7. Se conoce la relacion entre dos bases de un lR- espacio vectorial de
dimension 3
u1 = 3e1 +0e2 +e3
u2 = 3e1 +2e2 e3
u3 = e1 +6e2 e3
Dado el vector v = 4e1 + e2 e3 = (4, 1, 1)t{ei } determinar cual es su expresion en

la base ui .
Solucion:De acuerdo con lo dicho anteriormente, las coordenadas y1 , y2 , y3 del vector

v en la base {ui } estaran relacionadas con las coordenadas en la base {ei } a traves
de la relacion matricial

4 3 3 1 y1
1 = 0 2 6 y2 .
1 1 1 1 y3
Por tanto,
1
y1 3 3 1 4
y2 = 0 2 6 1
y3 1 1 1 1

1/8 1/8 5/8 4 1
= 3/16 1/16 9/16 1 = 1/4 .
1/16 3/16 3/16 1 1/4
Es decir, v = u1 41 u2 + 14 u3 .
Ejemplo 3.8. Considerense las bases B = {e1 , e2 , e3 } y B 0 = {u1 , u2 , u3 } cuyas
coordenadas respecto de una base B 00 = {w1 , w2 , w3 } son las siguientes:

3 1 1
e1 = 1 , e2 = 1 , e3 = 0
5 3 2

2 2 1
u1 = 1 , u2 = 1 , u3 = 2 ,
1 1 1
se pide:
1. Determinar la matriz de cambio de base de B a B 0 .

2. Expresar el vector v{wi } = (5, 8, 5)t en la base B y utilizar la matriz de
cambio de base obtenida en 1 para hallar v{ui } .
Solucion:
1. La matriz de cambio de base de B a B 00 es

3 1 1
A1 = 1 1 0 ,
5 3 2
y la de B 0 a B 00 es
2 2 1
A2 = 1 1 2 .
1 1 1
Por tanto, la matriz de cambio de base de B a B 0 sera
1
2 2 1 3 1 1
A = A1
2 A1 = 1 1 2 1 1 0
1 1 1 5 3 2

35/2 19/2 13/2
= 19/2 11/2 7/2 .
13 7 5
2.
1
5 3 1 1 5 7/2
v{ei } = A1
1
8 = 1 1 0 8 = 23/2 ,
5 5 3 2 5 6
y para expresar v en la base {ui } podemos usar v{ei } hallado arriba y aplicar
la matriz de cambio de base de B a B 0 (matriz A):

7/2 35/2 19/2 13/2 7/2 9
v{ui } = A 23/2 = 19/2 11/2 7/2 23/2 = 9 .
6 13 7 5 6 5
Por tanto, v{ei } = (9, 9, 5)t .
3.6. Ecuaciones parametricas y ecuaciones implcitas de un subespacio vectorial 73
3.6. Ecuaciones parametricas y ecuaciones implci-

tas de un subespacio vectorial
Ecuaciones parametricas
Sea W un s.e.v. de dimension p de un espacio vectorial, V, de dimension n. Cualquier

vector
de W se puede
expresar de forma unica como c.l. de los vectores de una base,
B = u1 , . . . , up , de W
v W v =t1 u1 + . . . + tp up (x1 , . . . , xn )t{ei } = t1 u1 + . . . + tp up

x1 u11 u12 u1p
..
. = t1 ... + t2 ..
. + . . . + tp ..
.
xn {e un1 {e } un2 {e } unp {e
i} i i i}

x1 = t1 u11 + t2 u12 + . . . + tp u1p

x2 = t1 u21 + t2 u22 + . . . + tp u2p
.. (1)
.

xn = t1 un1 + t2 un2 + . . . + tp unp
donde {e1 , . . . , en } es una base cualquiera de V.

Definicion 3.7. Al sistema de ecuaciones (1) se le llama sistema de ecuaciones
parametricas de W.
Ejemplo 3.9. Unas ecuaciones parametricas del subespacio vectorial de lR3 , W2 =<
(1, 1, 0)t , (0, 0, 1)t > son:
x1 =
x2 =
x3 =
Ecuaciones implcitas
Definicion 3.8. Si en el sistema (1) se eliminan los parametros t1 , . . . , tp se obtiene

un sistema homogeneo de n p ecuaciones que reciben el nombre de ecuaciones
implcitas de W.

El sistema (1) es un sistema compatible determinado por ser u1 , . . . , up una base
de W, y por ello habra unicamente p ecuaciones linealmente independientes. Para
eliminar los p parametros ti (i = 1, . . . , p) estos se despejan en funcion de las xi
(i = 1, . . . , n) utilizando las ecuaciones linealmente independientes y se sustituyen en

las n p restantes, obteniendose un sistema homogeneo de n p ecuaciones que son
las ecuaciones implcitas de W.
Nota 3.16. Para obtener las ecuaciones parametricas y por lo tanto una base a partir
de las ecuaciones implcitas basta con resolver el sistema homogeneo. Las incognitas
libres seran los parametros.
Ejemplo 3.10. En lR6 determinar unas ecuaciones parametricas e implcitas del s.e.v.
D E
S = (1, 1, 0, 1, 0, 1)t{ei } , (0, 2, 0, 2, 0, 1)t{ei } , (0, 0, 0, 1, 0, 1)t{ei }
referido a la base {e1 , e2 , e3 , e4 , e5 , e6 } .
Solucion: para obtener unas ecuaciones parametricas de S se busca en primer lugar

una base de S. Como (1, 1, 0, 1, 0, 1)t{ei } , (0, 2, 0, 2, 0, 1)t{ei } y (0, 0, 0, 1, 0, 1)t{ei } cons-
tituyen un sistema generador de S y ademas son linealmente independientes forman
tambien una base de S. Una vez obtenida una base, las ecuaciones parametricas se
obtienen imponiendo que cualquier vector del subespacio S se puede expresar como
combinacion lineal de los tres vectores de la base:

x1 1 1 1
x2 1 1 1

x3
= 0 + 0 + 0
x4 1 1 1

x5 0 0 0
x6 1 1 1
La ecuacion vectorial anterior da lugar a seis ecuaciones escalares que constituyen
unas ecuaciones parametricas de S:

x1 =

x2 = + 2

x3 = 0
S= ,

x4 = + 2 +

x5 = 0

x6 = + +
Si se despeja de la primera ecuacion, de la segunda, de la cuarta y se introducen

sus expresiones en funcion de x1 , x2 y x4 en las restantes tres ecuaciones se obtienen
unas ecuaciones implcitas de S:
1
2 x1 12 x2 + x4 x6 = 0
S= x3 = 0

x5 = 0
3.7. Suma de subespacios 75
Proposicion 3.6. Sea W un subespacio vectorial de un espacio vectorial, V , de

dimension n. Si el numero de ecuaciones implcitas linealmente independientes es r,
la dimension de W es n r.
Nota 3.17. (Casos extremos)
1. r = n, n ecuaciones linealmente independientes El sistema homogeneo uni-

camente admite la solucion nula, W = {0} .
2. r = 1, 1 ecuacion linealmente independiente dim W = n 1.
3.7. Suma de subespacios
Definicion 3.9. Sean U1 y U2 dos subespacios vectoriales de un espacio vectorial V.

Se denomina suma de U1 y U2 al conjunto
U1 + U2 = {u1 + u2 u1 U1 , u2 U2 }
Proposicion 3.7. El conjunto definido en la anterior definicion es un s.e.v. de V, es

mas, se trata del menor de todos los s.e.v. de V que contiene a U1 y U2 .
Ejemplo 3.11. En el e.v. lR4 se consideran los subespacios U1 = {(, , 0, 0), lR}
y U2 = {(0, , , 0), lR}. Entonces:
U1 + U2 = {(x, y, z, 0)x, y, z lR}
Definicion 3.10. Sean U1 y U2 dos subespacios vectoriales de un espacio vectorial

V. Se dice que U1 + U2 es una suma directa de subespacios vectoriales y se escribe
U1 U2 si cualquier vector de dicha suma de subespacios puede expresarse de una
unica forma como suma de vectores de U1 y U2 .
Definicion 3.11. Si U1 + U2 es una suma directa (U1 + U2 = U1 U2 ) se dice que

U1 y U2 son subespacios independientes.
Proposicion 3.8. Los s.e.v. U1 y U2 son independientes Ssi. su interseccion es nula.
Proposicion 3.9. La suma U1 + U2 es directa Ssi
u1 U1 y u2 U2 , u1 + u2 = 0 u1 = u2 = 0
Definicion 3.12. En un espacio vectorial V, dos subespacios U1 y U2 se dicen su-

plementarios en V si cualquier vector v V se puede expresar de forma unica como
suma de un vector de U1 mas un vector de U2 .
Nota 3.18. Segun la definicion de suma directa se verifica:

U1 + U2 = V
U1 y U2 son suplementarios en V U1 U2 = V
U1 U2 = {0}
Proposicion 3.10. En un espacio vectorial V de dimension finita se verifica:

U1 y U2 son suplementarios en V
B1 es una base de U1 B = B1 B2
1. .
es una base de V
B2 es una base de U2
2. U1 y U2 son suplementarios en V dim U1 + dim U2 = dim V .

B = {e1 , . . . , es , es+1 , . . . , en } base de V U1 y U2 son
3. U1 = he1 , . . . , es i suplementarios .
U2 = hes+1 , . . . , en i en V
4. Todos los s.e.v. de V tienen algun s.e.v. suplementario en V .
Proposicion 3.11. Si U1 y U2 son dos s.e.v. de un e.v., V, de dimension finita, se

verifica:
dim U1 + dim U2 = dim(U1 + U2 ) + dim(U1 U2 )
los captulos 3 y 4 de [1], el captulo 5 de [2], el 4 de [10], el 5 del [11] y el 4 de [12].
Para profundizar mas en el tema ver [19] y [9].
3.9. Ejercicios
1. Comprobar que el conjunto C(lR, lR), de las funciones continuas de lR en lR, es
un espacio vectorial real respecto de las operaciones usuales (suma de funciones
y producto de escalar por funcion).
2. Se consideran las siguientes funciones de C(lR, lR) : {sen(x), 1, x, x2 , . . . , xn },

estudiar si la primera de ellas es una combinacion lineal de las demas.
Solucion: No es una combinacion lineal.
3. Indicar si los siguientes subconjuntos son o no subespacios vectoriales de los

espacios vectoriales que se indican en cada apartado:
3.9. Ejercicios 77
a) W1 = {(x, y, z) lR3 x = z} de lR3

b) W2 = {(x, y, z, t) lR4 x = 1} de lR4
c) W3 = {(x, y) lR2 x 0 e y 0} de lR2
d ) W4 = {(x, y, z) lR3 x = z, 2x + z = 0} de lR3
e) W5 = {(x, y) lR2 x = 0 o y = 0} de lR2
f ) W6 = {(x, y) lR2 ex + y = 0} de lR2
Solucion:
a) Si
b) No
c) No
d ) Si
e) No
f ) No
4. Escribir el vector u = (1, 3)t lR2 como combinacion lineal de los vectores de
lR2
a) (1, 1)t , (1, 0)t

b) (3, 1)t , (1, 1)t , (2, 3)t
Nota: se supondra que todos los vectores que aparecen en el enunciado estan
referidos a la misma base de lR2
Solucion:
a) u = 3(1, 1)t 2(1, 0)t

b) u = (1 54 )(3, 1)t + (2 74 )(1, 1)t + (2, 3)t (Existen infinitas opciones)
5. Escribir, si es posible, el vector u = (1, 1, 4)t lR3 como combinacion lineal

de los siguientes vectores de lR3 .
a) (1, 1, 2)t , (0, 0, 1)t

b) (2, 2, 0)t , (1, 1, 2)t
c) (1, 0, 1)t , (0, 1, 1)t , (1, 1, 0)t
referidos a la misma base de lR3 .
Solucion:
a) No es posible expresar u como combinacion lineal de (1, 1, 2)t y (0, 0, 1)t

b) u = 23 (2, 2, 0)t + 2(1, 1, 2)t
c) u = 3(1, 0, 1)t + (0, 1, 1)t 2(1, 1, 0)t
6. Considerese el e.v. V = M2,2 (lR), de las matrices cuadradas de tamano 2 2, y

sea S = {M1 , M2 , M3 , M4 } el sistema formado por las matrices:

0 0 0 1 1 1 1 0
M1 = M2 = M3 = M2 =
0 1 0 1 0 0 1 0
Se pide:
a) comprobar que S es una base de V,

b) hallar las coordenadas x1 , x2 , x3 , x4 en la base S de una matriz generica,
M, de V.

a b
M=
c d
Solucion:
(b) x1 = a b c + d, x2 = a + b + c, x3 = a c, x4 = c
7. Estudiar si son base de lR3 los siguientes conjuntos de vectores (todos ellos
referidos a la base canonica de lR3 ):
a) B1 = {(1, 2, 3)t , (0, 0, 1)t , (1, 1, 0)t }

b) B2 = {(1, 1, 1)t , (2, 0, 1)t , (4, 2, 3)t }
c) B3 = {(1, 0, 0)t , (0, 1, 0)t , (0, 0, 1)t }
d ) B4 = {(3, 1, 0)t , (0, 1, 2)t }
e) B5 = {(1, 1, 1)t , (0, 0, 1)t , (0, 1, 0)t , (3, 0, 1)t }
Solucion:
a) B1 es una base de lR3

b) B2 no es una base de lR3
c) B3 es una base de lR3
d ) B4 no es una base de lR3
e) B5 no es una base de lR3
8. En el e.v. de los polinomios de grado menor o igual que 4, se consideran los

polinomios:
p1 (x) = 3 2x + x2 + 4x3 + x4
3.9. Ejercicios 79
p2 (x) = 4 x + x2 + 6x3 2x4

p3 (x) = 7 8x + 3x2 + ax3 + bx4
hallar a y b para que el subespacio que engendran p1 , p2 y p3 sea de dimension
2. Hallar una base de este subespacio y determinar las coordenadas en ella de
los tres polinomios dados.
Solucion: a = 8, b = 9. Base del s.e.v.: B = {p1 , p2 }. Coordenadas de los tres
polinomios en la base B : p1 = (1, 0)tB , p2 = (0, 1)tB , p3 = (5, 2)tB
9. Dados los vectores a1 = (1, 2, 0, 0)t , a2 = (1, 2, 3, 4)t y a3 = (3, 6, 0, 0)t de lR4 ,
se pide:
a) determinar una base del subespacio vectorial ha1 , a2 , a3 i e indicar cual es

su dimension,
b) hallar unas ecuaciones parametricas de ha1 , a2 , a3 i ,
c) determinar unas ecuaciones implcitas de ha1 , a2 , a3 i .
Nota: los tres vectores del enunciado estan referidos a la base canonica de lR4 .
Solucion:
a) Base de ha1 , a2 , a3 i = {(1, 2, 0, 0)t , (0, 0, 3, 4)t }

x1 =

t 4 x2 = 2
b) ha1 , a2 , a3 i = (x1 , x2 , x3 , x4 ) lR , , lR

x3 = 3

x4 = 4

c) ha1 , a2 , a3 i = (x1 , x2 , x3 , x4 )t lR4 2x1 x2 = 0, 4x3 3x4 = 0

10. Sea W = (x, y, z)t lR3 x + y + z = 0 y sea v = (2, 1, 1)t{ei } W. Se
pide:
a) comprobar que BW = {(1, 0, 1)t{ei } , (1, 3, 2)t{ei } } es una base de W,

b) hallar las coordenadas de v respecto de BW ,
c) hallar las coordenadas de v respecto de la base B de lR3 dada por B =
{(1, 1, 0)t{ei } , (0, 1, 1)t{ei } , (2, 0, 1)t{ei } }.
Solucion:
a) v = 53 (1, 0, 1)t{ei } 1
3 (1, 3, 2)t{ei } = ( 53 , 13 )tBW
b) v = ( 23 , 53 , 32 )tB
11. Considerense los conjuntos de polinomios S = {p1 , p2 , p3 } y T = {q1 , q2 , q3 },

donde:
p1 (x) = 1 + 2x + 5x2 + 3x3 + 2x4
p2 (x) = 3 + x + 5x2 6x3 + 6x4
p3 (x) = 1 + x + 3x2 + 2x4
q1 (x) = 2 + x + 4x2 3x3 + 4x4
q2 (x) = 3 + x + 3x2 2x3 + 2x4
q3 (x) = 9 + 2x + 3x2 x3 2x4
Si U y V son los subespacios de P4 engendrados por S y T respectivamente,
hallar la dimension y una base de los subespacios U + V y U V .
Nota 1: la union de una base de U con una base de V forma un sistema
generador de U + V, por lo tanto para hallar una base de U + V basta con
extraer de la union anterior aquellos vectores linealmente independientes.
Nota 2: un vector que pertenezca a U V debe verificar, a la vez, las ecuaciones
implcitas de U y de V, por lo tanto para hallar las ecuaciones implcitas de U V
basta con agrupar las de U y V y eliminar aquellas que sean combinacion lineal
del resto.
Solucion: la dimension de U + V es 3 y una base de U + V es, por ejemplo,
{r1 (x) = p1 (x), r2 (x) = 5x2 10x3 15x4 , r3 (x) = 2x3 + 4x4 4x5 }. La
dimension de U V es 1 y una base de U V es, por ejemplo, {q1 }.
12. Dados los subespacios vectoriales de lR4 .
W1 = {(x, y, z, t) lR4 2x = y, 2z = t}
W2 = {(x, y, z, t) lR4 x + y + z + t = 0}
W3 = {(x, y, z, t) lR4 x = y = z = t}
Se pide:
a) calcular los subespacios vectoriales W1 + W2 , W1 + W3 , W2 + W3 ,

b) calcular los subespacios vectoriales W1 W2 , W1 W3 , W2 W3 ,
c) son suplementarios los subespacios W1 y W2 ? Y los subespacios W2 y
W3 ?
Solucion:

a) W1 +W2 = lR4 ; W1 +W3 = (x, y, z, t) lR4 y = 2x 2z + t ; W2 +W3 =
lR4
b) W1 W2 = {(x, y, z, t) lR4 2x = y, 2z = t, x + y + z + t = 0}; W1 W3 =
{0} ; W2 W3 = {0}
c) W1 y W2 no son subespacios suplementarios. W2 y W3 si son subespacios
suplementarios.
3.9. Ejercicios 81
13. La red cristalina del titanio tiene estructura hexagonal. Los vectores

2,6 0 0
u1 = 1,5 , u2 = 3 , u3 = 0
0 0 4,8
forman una base para la celda unitaria, en donde las coordenadas de los tres
vectores estan referidas a la base canonica de lR3 y representan distancias en A
(1A = 108 cm). En aleaciones de titanio puede haber algunos atomos adicio-
nales en la celda unitaria en los sitios octaedricos y tetraedricos (as llamados
por los objetos geometricos que forman los atomos en esos lugares). Una de las
posiciones octaedricas es
1/2
a0 = 1/4 ,
1/6
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canonica de lR3 .
Solucion: a0 = (10 3, 0, 00 8)t{ei } .
14. Siguiendo con la red cristalina del titanio y sabiendo que una de las posiciones
tetraedricas es
1/2
at = 1/2 ,
1/3
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canonica de lR3 .
Solucion: at = (10 3, 00 75, 10 6)t{ei } .
Captulo 4
Aplicaciones lineales
4.1. Introduccion
Cuando se define un espacio que engloba objetos matematicos de una determinada

naturaleza, es porque interesa realizar algun tipo de operacion con ellos. En el caso de
los espacios vectoriales, las operaciones habituales (rotaciones, reflexiones, etc.) son
expresables como aplicaciones lineales y entran dentro del dominio de la geometra. En
la mecanica de medios continuos o en el estudio de fenomenos de transporte se vuelven
muy utiles los conceptos de aplicacion lineal, matriz de rotacion, matriz de dilatacion,
etc. cuando, por ejemplo, se discute la derivacion de los tensores de esfuerzos en
las relaciones constitutivas. Ademas, muchas operaciones como la derivacion o la
integracion son, de hecho, aplicaciones lineales en espacios de funciones. Esto permite
abordar cuestiones clasicas de calculo desde una perspectiva geometrica.
4.2. Definiciones y propiedades
Definicion 4.1. Sean dos conjuntos A y B, y un subconjunto del producto cartesiano

de A y B, G A B, que goza de la siguiente propiedad:
x A !y B(x, y) G
Se dice entonces que G determina una aplicacion, f, de A en B o una funcion f

definida en A y que toma valores en B.
Nota 4.1. Para cada x A se denota por f (x) al unico elemento de B para el que
se verifica que (x, f (x)) G, se dice que f (x) es la imagen de x (y que x es el
83
84 Captulo 4. Aplicaciones lineales
antecedente de f (x))
f : AB
x y = f (x)
Nota 4.2. Se dice que A es el conjunto origen de f y B es su conjunto de llegada.
Nota 4.3. Al conjunto de todas las aplicaciones que se pueden definir entre A y B
se le denota por F(A,B).
Definicion 4.2. Dados dos lKespacios vectoriales V y W se dice que una aplicacion
f de V en W es un homomorfismo o aplicacion lineal si u, v V y , lK

f (u + v) =f (u) + f (v)
f (u+v) =f (u) + f (v) o, lo que es lo mismo,
f (u) = f (u)
Definicion 4.3. Una aplicacion lineal, f : V W, recibe el nombre de endomorfismo

si V = W.
Ejemplo 4.1. Se muestran a continuacion algunos ejemplos de aplicaciones lineales

entre espacios vectoriales:
1. La aplicacion f : lR3 lR2 definida mediante f ((x, y, z)t ) = (2x y + 4z, 3x +

5y + 6z)t es una aplicacion lineal de lR3 en lR2 .
2. Generalizando el ejemplo anterior, la aplicacion
f: lRn lRm
P
n P
n
x = (x1 , . . . xn )t f ((x1 , . . . xn )t ) = ( a1i xi , . . . ami xi )t
i=1 i=1
es una aplicacion lineal de lRn en lRm . Si se tiene en cuenta que y = f ((x1 , . . . xn )t )

es un vector de m componentes, la aplicacion f tambien se puede expresar como
y = f (x), igualdad que implica:
P
n
y1 = a1i xi
i=1
Pn
y1 a11 ... a1n x1
y2 = a2i xi ..
i=1 ... = ..
.
..
.
..
. .
..
. ym am1 ... amn xn
P
n
ym = ami xi
i=1
en donde (y1 , . . . , ym ) son las componentes de y en una base de lRm y (x1 , . . . , xn )

son las componentes de x en una base de lRn .
4.2. Definiciones y propiedades 85
Definicion 4.4. Sean V y W dos lK espacios vectoriales de dimension finita,

{ei }i=1...n y {ui }i=1...m dos bases de V y W , respectivamente, y (xi )i=1...n e (yi )i=1...m
las coordenadas en dichas bases de dos vectores, x V e y W. Si f : V W es una
aplicacion lineal entonces f admite la siguiente ecuacion matricial respecto a las bases
anteriores:
y1 a11 . . . a1n x1
.. .. . . .. ..
. = . . . . y =Ax
ym am1 ... amn xn
Se dice que A = (aij )mn es la matriz de la aplicacion lineal f respecto de las

bases {ei } de V y {ui } de W.
Nota 4.4. Es facil comprobar que:

m
X
f (ej ) = aij ui j = 1, . . . , n ,
i=1
dicho de otro modo: Las columnas de A son las coordenadas de las imagenes
de los vectores de la base {ei } respecto de la base {ui }.
Ejemplo 4.2. Casos particulares de matrices de aplicaciones lineales.
1. En el ejemplo 1 anterior la matriz de la aplicacion lineal es:

2 1 4
A=
3 5 6
por lo tanto la aplicacion lineal se puede expresar como:

(
x
u 2 1 4 a = (u, v)t{ui }
= y a =f (b), con
v 3 5 6 b = (x, y, z)t{ei }
z
Siendo las imagenes de los vectores de la base {e1 , e2 , e3 }
f (e1 ) = 2u1 3u2

f (e2 ) = u1 + 5u2
f (e3 ) = 4u1 + 6u2
2. La matriz de la aplicacion lineal
T : lR2 lR2
v = (x, y)t T ((x, y)t ) = (x cos y sen , x sen + y cos )t
es:
cos sen
sen cos
Geometricamente, T (v) es el vector resultante de rotar v un angulo en sentido

positivo. En la figura 4.1 se observa el resultado de aplicar la aplicacion T con
= /6 a los vectores de posicion de los puntos del contorno de la letra M.
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
Figura 4.1: Ejemplo de aplicacion lineal: rotacion de 30o .
3. La matriz de la aplicacion lineal
S : lR2 lR2
v = (x, y)t S((x, y)t ) = (x, 2x + y)t
es:
1 0
2 1
Geometricamente, S(v) es el vector cuya coordenada x permanece igual a la de

v y su coordenada y es igual a la coordenada y de v mas la x de v multiplicada
por 2. En la figura 4.2 se observa el resultado de aplicar la aplicacion S a los
vectores de posicion de los puntos del contorno de la letra M: se produce una
cizalla sobre el eje y de factor -2.
4. Supongase una aplicacion lineal, f, definida entre lRn y lRm . Dado un vector
b lRm , hallar su antecedente por f (encontrar x t.q. f (x) = b) es equivalente
a resolver el sistema Ax = b, donde A es la matriz asociada a f en ciertas
bases de lRn y lRm . El sistema Ax = b es un sistema lineal de ecuaciones por
estar asociado a una aplicacion lineal. Observese que si f (x1 ) = b1 y f (x2 ) =
b2 , f (x1 + x2 ) = f (x1 ) + f (x2 ) = b1 + b2 : una combinacion lineal
de soluciones de un sistema lineal obtenidas con dos terminos independientes
distintos es tambien solucion del sistema, si como termino independiente aparece
la misma combinacion lineal de cada uno de los dos terminos independientes
anteriores Principio de superposicion.
4.3. Nucleo, imagen y rango de una aplicacion lineal 87
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
Figura 4.2: Ejemplo de aplicacion lineal: cizalla sobre el eje y.
Proposicion 4.1. Sea f : V W una aplicacion lineal entre dos lK-espacios vecto-
riales se verifica:
P
p P
p
1. f( i u i ) = i f (ui ) ui V, i lK, i = 1, . . . , p.
i=1 i=1
En particular f (0) = 0 y f (u) = f (u) u V .
2. Si {u1 , . . . , up } es un sistema dependiente de vectores de V, entonces {f (u1 ), . . . ,
f (up )} es un sistema dependiente de vectores de W.
3. Si ademas g : W U es otra aplicacion lineal (siendo U otro lK-espacio vecto-
rial), la composicion g f : V U tambien es una aplicacion lineal.
4.3. Nucleo, imagen y rango de una aplicacion lineal
Proposicion 4.2. Si f : V W es una aplicacion lineal entre lK- espacios vecto-

riales entonces:
1. El conjunto imagen f (V ) es un s.e.v. de W que se llama imagen de la aplicacion

lineal f y se denota por Im(f ).
2. Si {u1 , . . . , up } es un sistema generador de V, entonces {f (u1 ), . . . , f (up )} es
un sistema generador de f (V ) = Im(f ). Se llama rango de f a
rg(f ) = dim(Im(f )) =rg({f (u1 ), . . . , f (up )}).
3. El conjunto f 1 (0) = {u V f (u) = 0} es un s.e.v. que se llama nucleo de la
aplicacion lineal f y se denotara por ker(f ).
4. Si el espacio V tiene dimension finita, se verifica
dim(ker(f )) + dim(Im(f )) = dim(V ).
Ejemplo 4.3. Para aclarar los conceptos introducidos en la proposicion 4.2 vamos a
calcular la imagen y el nucleo de algunas aplicaciones lineales:
1. Sean V y W los siguientes lR espacios vectoriales: V = {funciones polinomicas

de grado 3} = P3 , W = F(lR, lR) = {funciones de lR en lR}. Considerese la
aplicacion lineal f : V W definida por f (p(x)) = p0 (x) o, lo que es lo mismo,
f (a + bx + cx2 + dx3 ) = b + 2cx + 3dx2 .
La imagen de f es P2 (Im(f ) = P2 ) y el nucleo de f es P0 (ker(f ) = P0 ). Es
facil comprobar que se verifica la parte 4) de la proposicion anterior:
dim(V ) = dim(P3 ) = 4 =dim(Im(f )) + dim(ker(f )).
| {z } | {z }
3 1
3 4
2. Sea f : lR lR la aplicacion lineal definida por f (v) = f ((x, y, z)t ) = (x +
z, y z, x + y, x y + 2z)t = w

w1 x+z 1 0 1
w2 x
yz 0 1 1
w3 = = y
x+y 1 1 0
z
w4 x y + 2z 1 1 2
e1 = (1, 0, 0)t , e2 = (0, 1, 0)t y e3 = (0, 0, 1)t forman un sistema generador

de lR3 y por lo tanto f (e1 ) = (1, 0, 1, 1)t , f (e2 ) = (0, 1, 1, 1)t y f (e3 ) =
(1, 1, 0, 2)t constituyen un sistema generador de Im(f ). Im(f ) =< (1, 0, 1, 1)t ,
(0, 1, 1, 1)t , (1, 1, 0, 2)t > = < (1, 0, 1, 1)t , (0, 1, 1, 1)t > = {w lR4 w =
(, , + , ); , lR}.
En cuanto al nucleo de f :

x+z =0

yz =0 x+z =0
ker(f ) = ,

x+y =0 yz =0

x y + 2z =0

con lo que ker(f ) = v lR3 v = ( , , )t , lR y por lo tanto
dim(V ) = 3 =dim(Im(f )) + dim(ker(f )) .

| {z } | {z }
2 1
3. Sea g : lR3 lR2 la aplicacion lineal definida por g(v) = g((x, y, z)t ) = (4x +
7y + 8z, 40x + 70y + 80z)t = w

x
w1 4x + 7y + 8z 4 7 8
= = y
w2 40x + 70y + 80z 40 70 80
z
4.3. Nucleo, imagen y rango de una aplicacion lineal 89
e1 = (1, 0, 0)t , e2 = (0, 1, 0)t y e3 = (0, 0, 1)t forman un sistema generador de lR3
y por lo tanto g(e1 ) = (4, 40)t , g(e2 ) = (7, 70)t y g(e3 ) = (8, 80)t constituyen
un sistema generador de Im(g). Im(g) =< (4, 40)t , (7, 70)t , (8, 80)t > =
< (4, 40)t > = {w lR2 w = (, 10); lR}.
En cuanto al nucleo de g :

4x + 7y + 8z = 0
ker(g) = 4x + 7y + 8z = 0 ,
40x + 70y + 80z = 0

con lo que ker(g) = v lR3 v = ( 47 + 2, , )t , , lR y por lo tanto
dim(V ) = 3 =dim(Im(g)) + dim(ker(g))

| {z } | {z }
1 2
En la figura 4.4 se representa graficamente el resultado de aplicar la aplicacion

lineal g a una nube aleatoria de puntos de lR3 representada en la parte de la
izquierda de la figura 4.3; como se aprecia en al figura, se obtiene un conjunto
de puntos situados en la recta y = 10x (la escala de la x no coincide con la de
la y) cuyos vectores de posicion constituyen un subespacio de dimension 1 de
lR2 : la imagen de g calculada anteriormente. En la parte derecha de la figura
4.3 aparecen los puntos cuyos vectores de posicion constituyen el nucleo de g
(subespacio de dimension 2), puntos que pertenecen al plano 4x + 7y + 8z = 0.
Observese que los dos dibujos de la figura 4.3 representan puntos de lR3 y, por
lo tanto, se trata de dibujos tridimensionales, mientras que el dibujo de la figura
4.4 representa puntos de lR2 por lo que es un dibujo bidimensional.
10 10
8 8
10 6 10 10 6 10
8 4 8 8 4 8
6 6 6 6
4 2 4 4 2 4
2 2 2 2
2 2 2 2
4 4 4 4 4 4
6 6 6 6 6 6
8 8 8 8
10 8 10 10 8 10
10 10
Figura 4.3: A la izquierda nube aleatoria de puntos. A la derecha plano formado por
los puntos cuyos vectores de posicion pertenecen al nucleo de g.
Nota 4.5. En el ejemplo 2, la aplicacion lineal f quedaba definida de forma unvoca

expresando el valor de las componentes (referidas a una cierta base de lR4 ) de un
vector cualquiera de Im(f ) en funcion de las componentes de su antecedente por f
1500
1000
500
100 50 0 50 100 150
500
1000
Figura 4.4: Recta formada por los puntos cuyos vectores de posicion constituyen la
imagen de g.
(expresadas en una cierta base de lR3 ) :

w1 = x+z
DE ESTA FORMA SE
w2 = yz
DETERMINAN LAS FILAS
w3 = x+y
DE LA MATRIZ A
w4 = x y + 2z
La aplicacion f tambien queda definida de forma unvoca si se especifican las imagenes

de una base cualquiera de lR3 , f (e1 ), f (e2 ), f (e3 ), expresadas en una cierta base de
lR4 . En el ejemplo anterior:
f (e1 ) = u1 + u3 + u4 DE ESTA FORMA SE
f (e2 ) = u2 + u3 u4 DETERMINAN LAS COLUMNAS
f (e3 ) = u1 u2 + 2u4 DE LA MATRIZ A
Resumiendo:

w1 1 0 1 1a comp. de f (v)
w2 0 v1
1 1 2a comp. de f (v)
w3 = 1 v2
1 0 3a comp. de f (v)
v3
w4 1 1 2 4a comp. de f (v)
f (e1 ) f (e2 ) f (e3 )
Ejemplo 4.4. Hallar una base del nucleo y de la imagen de una aplicacion lineal
f : lR4 lR3 , conociendo las imagenes por f de una base de lR4 : f (e1 ) = (1, 1, 2)t ,
f (e2 ) = (2, 1, 1)t , f (e3 ) = (4, 1, 5)t , f (e4 ) = (1, 5, 4)t .
Solucion: en el enunciado se dan las columnas de la matriz A de la aplicacion lineal:

x1
w1 1 2 4 1
w2 = 1 1 1 5 x2
x3
w3 2 1 5 4
x4
4.4. Isomorfismos 91
y tambien un sistema generador de Im(f );

Im(f ) = (1, 1, 2)t , (2, 1, 1)t , (4, 1, 5)t , (1, 5, 4)t
Eliminando los vectores linealmente dependientes se obtiene una base de Im(f ) :

1 1 2 1 1 2
2 1 1 3 3
0
4 1 5 0 0 0
1 5 4 0 0 0
Base de Im(f ) = {(1, 1, 2)t , (0, 3, 3)t } .
Las ecuaciones implcitas del nucleo son:

x1 + 2x2 + 4x3 x4 = 0
ker(f ) = x1 + x2 x3 5x4 = 0

2x1 + x2 + 5x3 + 4x4 = 0
A partir de las cuales se puede obtener la siguiente base de ker(f ):
Base de ker(f ) = {(2, 1, 1, 0)t , (3, 2, 0, 1)t }
4.4. Isomorfismos
Definicion 4.5. Una aplicacion f : A B entre dos conjuntos A y B se dice que

es inyectiva si f (x1 ) = f (x2 ) x1 = x2 o, lo que es lo mismo, x1 6= x2 f (x1 ) 6=
f (x2 ) x1 , x2 A.
Proposicion 4.3. Sea f : V W una aplicacion lineal entre lK espacios vectoria-

les. Se verifica:
1. La aplicacion lineal f es inyectiva Ssi. ker(f ) = {0} .
2. Si V tiene dimension finita, entonces f es inyectiva Ssi. dim(f (V )) = dim(V ).
3. Si B = {e1 , . . ., en } es una base de V entonces f es inyectiva Ssi. f (B) =

{f (e1 ), . . . f (en )} es una base de f (V ), o, lo que es lo mismo, f (B) es un sistema
independiente de vectores.
Definicion 4.6. Se dice que una aplicacion f : A B es sobreyectiva si f (A) = B,

o, lo que es lo mismo, si todo elemento de B es imagen de algun elemento de A.
Definicion 4.7. Se dice que una aplicacion f : A B es biyectiva si es inyectiva
y sobreyectiva.
Definicion 4.8. Se llama isomorfismo a una aplicacion f : V W entre lK-
espacios vectoriales que sea lineal y biyectiva. Si f : V W es un isomorfismo, los
dos espacios se dicen isomorfos.
Nota 4.6. Si V = W, f se llama automorfismo.
Proposicion 4.4. Los isomorfismos verifican las siguientes propiedades:
1. La composicion de dos isomorfismos es tambien un isomorfismo.

2. Una aplicacion lineal f : V W es un isomorfismo Ssi. Im(f ) = W y ker(f ) =
{0} .
3. Si V tiene dimension finita, una aplicacion lineal f : V W es un isomorfismo
Ssi. dim(V ) = dim(f (V )) = dim(W ).
4. Si V tiene dimension finita, una aplicacion lineal f : V V es un automorfismo
Ssi. es inyectiva o Ssi. es sobreyectiva.
5. Si f : V W es un isomorfismo, entonces f 1 : W V tambien es un
isomorfismo.
6. Entre dos lK espacios vectoriales de dimension finita se puede establecer un
isomorfismo Ssi. tienen la misma dimension.
Ejemplo 4.5. Algunos espacios isomorfos.
El espacio vectorial de lRn+1 es isomorfo a Pn

f: lRn+1 Pn
(a0 , . . . , an ) a0 + a1 x + . . . + an xn
El espacio vectorial lR4 es isomorfo a M2 (lR)

f: lR4 M
2 (lR)
a1 a2
(a1 , a2 , a3 , a4 )
a3 a4
El espacio vectorial P3 es isomorfo al espacio vectorial de las matrices M2 (lR)

f : P3 M
2 (lR)
2 3 a0 a1
a0 + a1 x + a2 x + a3 x
a2 a3
Nota 4.7. El conjunto de todas las aplicaciones lineales que se pueden definir entre
dos lK- espacios vectoriales V y W tiene estructura de espacio vectorial respecto a la
l.c.i. suma de aplicaciones
(f + g)(x) = f (x) + g(x)
y la l.c.e. producto de escalar por aplicacion:

(f )(x) = f (x)
Este espacio vectorial se representa por

L(V, W )
Nota 4.8. Dadas dos bases, B de V y B 0 de W, se puede definir un isomorfismo
entre Mm,n (lK) y L(V, W ) de forma que a cada aplicacion lineal se le asigne su matriz
asociada referida a B y B 0 .
4.5. Cambio de base
Teorema 4.1. Sea f : V W una aplicacion lineal entre dos lK espacios vec-
toriales cuya matriz asociada con respecto a las bases B = {e1 , . . . , en } y B =
{u1 , . . . , um } de V y W respectivamente es A = (aij )mn . Si B 0 = {e01 , . . . , e0n }
0
y B = {u01 , . . . , u0m } son dos nuevas bases de V y W respectivamente y se denota por
A0 = (a0ij )mn la matriz asociada a f respecto a estas dos nuevas bases se verifica:
A0 = Q1 AP
donde:
0
Q = (u01 , . . . , u0m ){ui } es la matriz de cambio de base de B a B
P = (e01 , . . . , e0n ){ei } es la matriz de cambio de base de B 0 a B
Ejemplo 4.6. Sea f : lR3 lR2 la aplicacion lineal que respecto de las bases canoni-
cas {e1 , e2 , e3 } de lR3 y {e1 , e2 } de lR2 tiene por ecuaciones

x1
y1 3 0 2
= x2
y2 1 4 5
x3
Cual es la expresion de f respecto de las bases {u1 , u2 , u3 } de lR3 y {w1 , w2 } de lR2 ,

cuyas expresiones en funcion de las bases canonicas son: u1 = e1 + 3e2 , u2 = e1 + 2e3 ,
u3 = 4e2 2e3 , w1 = 2e1 + e2 y w2 = 4e1 + 3e2 ?
Solucion:
x01
y10 35
2 39
2 6 x02
= 19 19
y20 4
2 2 x03
Corolario 4.2. Si f : V V es un endomorfismo definido sobre un lKespacio
vectorial V, A es la matriz del endomorfismo en la base B, A0 es la matriz del endo-
morfismo en otra base B 0 y P es la matriz de cambio de base de B 0 a B, se verifica
que:
A0 = P 1 AP
Nota 4.9. Si A0 = P 1 AP se dice que las matrices A0 y A son semejantes (matrices

asociadas a un mismo endomorfismo en bases distintas son semejantes).
el captulo 7 de [1], el 6 de [2], el 4 de [10], los captulos 9 y 10 de [11] y el captulo 5
de [12].
4.7. Ejercicios
1. Indicar si las siguientes aplicaciones son aplicaciones lineales o no
a) f : lR2 lR3 , f (x) = (x1 x2 , x1 + x2 , 5x1 )t

b) f : lR3 lR2 , f (x) = (x1 , x1 + x2 + x3 )t
t
c) f : lR3 lR2 , f (x) = (1, 1)
d ) f : P2 P1 , f (a0 + a1 x + a2 x2 ) = 2a0 + a1 + (a2 a1 )x
e) f : lR2 lR2 , f (x) = (x21 + x22 , x2 )t
f ) f : Mn,n (lK) Mn,n (lK), f (A) = A + At
Solucion:
a) Lineal
b) Lineal
c) No lineal
d ) Lineal
4.7. Ejercicios 95
e) No lineal
f ) Lineal
2. Un fabricante produce 3 artculos diferentes, cada uno de los cuales requiere

para su elaboracion de dos materias primas. Los tres productos se denotan por
p1 , p2 y p3 , y las dos materias primas por M1 y M2 . En la tabla que se indica
a continuacion se representa el numero de unidades de cada materia prima que
se requiere para elaborar una unidad de cada producto.
p1 p2 p3
M1 1 2 1
M2 3 1 2
Se pide:
a) Determinar la ley que asocia a cada vector de produccion (p1 , p2 , p3 ) el

vector de materias primas (M1 , M2 ) que le corresponde para que dicha
produccion sea posible.
b) La ley determinada en el apartado anterior, es una aplicacion lineal?
Solucion:

p1
M1 p1 + 2p2 + p3
a) =f p2 =
M2 3p1 + p2 + 2p3
p3
b) S es una aplicacion lineal.
3. Se considera el subconjunto M de matrices cuadradas 2 2 definido de la forma

siguiente:

a b
M= con a, b, c lR
c 0
y la aplicacion M M definida por:

a b ab ba
f =
c 0 c 0
Se pide:
a) demostrar que M es un espacio vectorial y dar una base de el,

b) demostrar que f es lineal y calcular la matriz asociada a f en la base
encontrada en el apartado anterior.
Solucion:
a) Una base de M puede ser:

1 0 0 1 0 0
e1 = , e2 = , e3 =
0 0 0 0 1 0

1 1 0
b) La matriz de f en la base anterior es 1 1 0
0 0 1
4. Se considera la aplicacion de lR3 en lR2 , f : lR3 lR2 , que hace corresponder a

los vectores (1, 0, 1)t , (0, 1, 1)t , (1, 1, 0)t los vectores (1, 0)t , (0, 2)t , (1, 1)t respec-
tivamente. Las coordenadas de los vectores se refieren a las bases canonicas de
lR3 y lR2 .
Se pide:
a) matriz asociada a f en las bases canonicas de lR3 y lR2 ,

b) subespacio imagen de V = x lR3 / 5x1 3x2 x3 = 0 ,
c) Unas ecuaciones parametricas de f (V ) en la base B = {(1, 1)t , (2, 0)t } de
lR2 .
Solucion:

1 0 0
a)
12 3
2
1
2

b) f (V ) = x lR2 / 2x1 x2 = 0

y1 = 2
c) f (V ) = y lR2 , lR en donde y1 e y2 son las coorde-
y2 = 12
nadas de un vector de lR2 en la base B.
5. Se define un homomorfismo f : V W entre dos ke.v. de dimensiones

3 y 4 respectivamente de manera que f (e1 e3 ) = u1 , f (e2 e3 ) = u1
u2 y f (2e3 ) =2u1 +2u3 , donde B = {e1 , e2 , e3 } es una base de V y B 0 =
{u1 , u2 , u3 , u4 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B 0 ,

b) ecuaciones implcitas de Im(f ),
c) nucleo de f.
Solucion:

2 2 1
0 1 0
a) 1

1 1
0 0 0
4.7. Ejercicios 97
b) Im(f ) = {x W / x4 = 0}
c) ker(f ) = {0}
6. Estudiar si las aplicaciones:
a) f : lR3 lR3 definida por f ((x1 , x2 , x3 )t ) = (x3 , x1 + x2 , x3 )t

b) f : lR3 lR2 definida por f ((x1 , x2 , x3 )t ) = (x1 + x2 , 0)t
son aplicaciones lineales. En caso afirmativo calcular su nucleo y su imagen.

Estudiar su inyectividad.
Solucion:
t t
a) f es una aplicacion lineal. Im(f ) = h(0, 1, 0) , (0, 1, 0), , (1, 0, 1)t i Base

x3 = 0
de Im(f ) = {(0, 1, 0)t , (1, 0, 1)t }. ker(f ) = x lR3 x1 + x2 = 0

x3 = 0
Base de ker(f ) = {(1, 1, 0)t } . No es inyectiva puesto que ker(f ) 6= {0}
t t t
b) f es una aplicacion lineal. Im(f ) = h(1, 0) , (1, 0)
, (0, 0) i Base de
Im(f ) = {(1, 0)t } . ker(f ) = x lR3 /x1 + x2 = 0 Base de ker(f ) =
{(1, 1, 0)t , (0, 0, 1)t } . f no es inyectivo.
7. Indicar si son falsas o verdaderas las siguientes proposiciones:
a) Si g : V W es una aplicacion lineal, en ocasiones es posible encontrar tres

vectores diferentes v1 V, v2 V y w W tales que g(v1 ) = g(v2 ) = w.
b) Suponiendo cierta la proposicion anterior, si g(v1 ) = g(v2 ) = w, entonces
v1 v2 ker(g).
c) Si g es una aplicacion lineal de V en W , entonces la imagen de g es W.
d ) Si v1 , v2 , . . . , vn es una base de lRn y w1 , w2 , . . . , wn es una base de Pn1 ,
entonces existen dos aplicaciones lineales f : lRn Pn1 y g : Pn1 lRn
tales que f (vi ) = wi y g(wi ) = vi para i = 1, . . . , n.

2 2 0 0
e) Si f : lR lR es una aplicacion lineal y f ( )= , entonces f
0 0
es la aplicacion nula.
f ) Existe una aplicacion lineal f de lR5 en lR5 con dim ker(f ) = dim Im(f ).
g) Se
supone
que f : M2,2 (lK)
M 2,2 (lK) con dim Im(f ) = 4. Si f (A) =
0 0 0 0
, entonces A = .
0 0 0 0
Solucion:
a) V
b) V
c) F
d) V
e) F
f) F
g) V
8. Se define una aplicacion lineal f : V W entre dos lKe.v. de dimension 3 de

manera que f (e1 ) = u1 u2 , f (e2 ) = u2 y f (e3 ) = u1 , donde B = {e1 , e2 , e3 }
es una base de V y B = {u1 , u2 , u3 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B ,

b) dimension de Im(f ),
c) base de ker(f ),
d ) calcular unas ecuaciones implcitas de f (S) si
,
x1 =
S= xV x2 = , , lK ,

x3 = +
e) dada una nueva base de V, B 0 = {e01 , e02 , e03 } en donde e1 = e01 , e2 = e01 +e02
y e3 = e01 + e03 , calcular la nueva matriz asociada a f en las bases B 0 y B ,
f ) si en W se realiza el cambio de coordenadas: x01 = x1 + x2 x3 , x02 =
x1 x2 y x03 = x3 calcular la nueva matriz asociada a f en las bases B y
B (en donde B es la base respecto a la cual las coordenadas de x son
(x01 , x02 , x03 )t ),
g) obtener la matriz de f cuando se realizan los dos cambios.
Solucion:

1 0 1
a) 1 1 0
0 0 0
b) dim(Im(f )) = 2
n o
t
c) Base de ker(f ) = (1, 1, 1)

x2 = 0
d ) f (S) = x W
x3 = 0

1 1 0
e) 1 2 1
0 0 0
4.7. Ejercicios 99

0 1 1
f) 2 1 1
0 0 0

0 1 1
g) 2 3 1
0 0 0
9. En lR3 se considera la base {e1 , e2 , e3 } . Clasificar (indicar si es inyectivo, so-

breyectivo, ambas cosas a la vez (biyectivo) o ni sobreyectivo ni inyectivo) el
endomorfismo f : lR3 lR3 dado por f (e1 ) = ae1 +e2 +e3 , f (e2 ) = e1 +e2 +e3 ,
f (e3 ) = e1 + be2 + e3 segun los valores de a y b.
Solucion:
a) Si a 6= 1 y b 6= 1 el endomorfismo f es biyectivo (es un automorfismo).

dim(Im(f )) = 3, dim(ker(f )) = 0.
b) Si a = 1 y b 6= 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 2, dim(ker(f )) = 1.
c) Si a 6= 1 y b = 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 2, dim(ker(f )) = 1.
d ) Si a = 1 y b = 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 1, dim(ker(f )) = 2.
10. Dado el endomorfismo del espacio vectorial lR4 definido de la siguiente forma:
el nucleo del endomorfismo es el subespacio vectorial de ecuaciones implci-

tas:
x+y+z =0
(x, y, z, t)t lR4 ,
t=0
los vectores (1, 1, 1, 0)t y (0, 0, 0, 1)t se transforman en si mismos.
Se pide:
a) matriz del endomorfismo en la base canonica de lR4 ,

b) dado el subespacio de ecuaciones implcitas:
, x+y+zt=0

V = (x, y, z, t)t lR4 t=0

x y + 2t = 0
hallar unas ecuaciones parametricas de su imagen,

c) matriz del endomorfismo en la base:

B = (1, 1, 1, 1)t , (0, 1, 1, 1)t , (0, 0, 1, 1)t , (0, 0, 0, 1)t .
Solucion:

1/3 1/3 1/3 0
1/3 1/3 1/3 0
a) 1/3 1/3 1/3 0

0 0 0 1

, x=0

y=0
b) f (V ) = (x, y, z, t)t lR4

z=0

t=0

1 2/3 1/3 0
0 0 0 0
c) 0

0 0 0
0 1/3 2/3 1
11. Sea h : lRn lRn una aplicacion lineal definida por la relacion
h((x1 , . . . , xn )t ) = (a1 x1 , . . . , an xn )t con a1 , . . . , an IR.
a) Bajo que condiciones admite h una aplicacion inversa?

b) Suponiendo que se satisfagan las condiciones del apartado (a) encontrar la
expresion de h1 .
Solucion:
a) La aplicacion h tendra inversa si es biyectiva, para lo que es necesario que

ai 6= 0 (i = 1, . . . , n).
b) h1 ((x1 , . . . , xn )t ) = ( a11 x1 , . . . , a1n xn )t .
12. Determinar si las siguientes aplicaciones lineales de M2,2 (lK) en M2,2 (lK) son
isomorfismos. Si lo son, determinar el isomorfismo inverso

a b a 0
a) f =
c d 0 a

a b a c
b) g =
c d b d

a b d b
c) h =
c d c a
Solucion:
a) f no es un isomorfismo.
4.7. Ejercicios 101

1 a b a c
b) g es un isomorfismo. g =
c d b d

a b d b
c) h es un isomorfismo. h1 =
c d c a
13. Considerese la reaccion qumica
PbN6 + CrMn2 O8 Pb3 O4 + Cr2 O3 + MnO2 + NO
Para cada uno de los dos reactivos de la izquierda y los cuatro productos de la
derecha se pide construir un vector de lR5 que enumere el numero de atomos
por molecula de plomo (Pb), de nitrogeno (N), de cromo (Cr), de manganeso
(Mn) y de oxgeno (O). Por ejemplo el vector para el permanganato de cromo
(CrMn2 O8 ) sera
t
(0, 0, 1, 2, 8)
Una vez construidos los seis vectores se pide:
a) Llamando x1 , . . . , x6 al numero de moleculas de cada tipo que aparecen

en la reaccion, escribir una ecuacion vectorial que estas variables deban
satisfacer para ajustar la reaccion.
b) Pasando todas las incognitas a la izquierda, reescribir la ecuacion vectorial
del apartado (a) en la forma Ax = 0. Que relacion hay entre la solucion
de la ecuacion vectorial y el nucleo de la aplicacion lineal definida entre lR6
y lR5 y cuya matriz referida a las bases canonicas respectivas es A?
c) Resolver la ecuacion vectorial (se aconseja utilizar Maple). Hay una infi-
nidad de soluciones, seleccionar las que tengan mas sentido qumico (se
aconseja utilizar un formato racional o aritmeticamente exacto).
Captulo 5
Espacio eucldeo
5.1. Introduccion
Una gran variedad de propiedades geometricas se basan en la posibilidad de medir

segmentos y los angulos entre ellos. La estructura de espacio vectorial que se ha
estudiado hasta ahora no permite calcular longitudes de segmento, distancias entre
los mismos o los angulos que forman. Para poder realizar estas operaciones es necesario
introducir una metrica en el espacio vectorial. Esta metrica se introduce definiendo
una aplicacion que recibe el nombre de producto escalar. Todo espacio vectorial sobre
el que se ha definido un producto escalar recibe el nombre de espacio eucldeo y del
estudio de sus principales propiedades y aplicaciones se va a ocupar este captulo.
Definicion 5.1. Dados dos vectores x e y de un lR-espacio vectorial, E, toda aplica-

cion
: E E lR
(x, y) x y
que verifique:
1. xy =yx x, y E (simetra),
2. xx>0 x E (x 6= 0) (positividad),
3. (x+y) z =(x z)+(y z) x, y, z E, , lR (bilinealidad1 );

1 Al verificarse la propiedad de simetra, la linealidad con respecto a un factor implica la linealidad
con respecto al otro y por lo tanto la bilinealidad.
103
104 Captulo 5. Espacio eucldeo
recibe el nombre de producto escalar.

Proposicion 5.1. x E, x 0 = 0 x = 0.
Definicion 5.2. Un lR-espacio vectorial sobre el que se ha definido un producto es-
calar recibe el nombre de espacio eucldeo.
Ejemplo 5.1. Algunos casos particulares de espacio eucldeo son los siguientes:
1. En lR3 se puede definir el siguiente producto escalar:

x y =x1 y1 + x2 y2 + x3 y3
donde (x1 , x2 , x3 )t e (y1 , y2 , y3 )t son las componentes de los vectores x e y en

la base canonica de lR3 . lR3 con este producto escalar es un espacio eucldeo.
2. lRn con el siguiente producto escalar tambien es un espacio eucldeo,
n
X
xy = xi yi = x1 y1 + . . . + xn yn
i=1
donde (x1 , . . . , xn )t e (y1 , . . . , yn )t son las componentes de los vectores x e y en

la base canonica de lRn .
3. lR3 con el siguiente producto escalar2 tambien es un espacio eucldeo,
x y =x1 y1 + 2x2 y2 + 3x3 y3 + x1 y2 + x1 y3 + x2 y1 + 2x2 y3 + x3 y1 + 2x3 y2 =

1 1 1 y1
(x1 , x2 , x3 ) 1 2 2 y2 = xt Gy
1 2 3 y3
donde (x1 , x2 , x3 )t e (y1 , . . . , yn )t son las componentes de los vectores x e y

en la base canonica de lR3 . G es la matriz asociada al producto escalar en la
base canonica (ver la siguiente definicion). Existe una base de lR3 en la que la
expresion de este producto escalar es igual a la del ejemplo 1 (existe una base
de lR3 en la que la matriz asociada a este producto escalar es la matriz unidad).
4. P3 (x) con el siguiente producto escalar tambien es un espacio eucldeo,
p(x) q(x) = p0 q0 + p1 q1 + p2 q2 + p3 q3
donde (p0 , p1 , p2 , p3 )t y (p0 , p1 , p2 , p3 )t son las coordenadas de p(x) y q(x) en la

base {1, x, x2 , x3 } de P3 (x).
2 As como en los dos primeros ejemplos era sencillo demostrar que efectivamente se trataba de
productos escalares, en este tercer ejemplo la comprobacion es un poco mas difcil, sobre todo en lo
que respecta a la demostracion de la positividad del producto escalar. Remitimos al lector interesado
en demostrarla a la siguiente definicion y a las notas 5.1 y 5.2
Definicion 5.3. Sea E un espacio eucldeo de dimension finita. Si dim(E) = n,

{e1 , . . . en } es una base de E y se conocen los n2 productos escalares ei ej (i, j =
1, . . . , n), entonces el producto escalar de dos vectores x, y E se puede expresar como:
n
X
xy = gij xi yj = xt Gy donde G = (gij ) y gij = ei ej (i, j = 1, . . . , n)
i,j=1
siendo (x1 , . . . , xn )t e (y1 , . . . , yn )t las coordenadas de x e y en la base {ei } y G la

matriz de Gram del producto escalar en la base dada (o, simplemente, matriz del
producto escalar en la base dada).
Nota 5.1. La matriz G es una matriz simetrica (ei ej = ej ei ) y definida positiva
(xt Gx >0 x 6= 0).
Nota 5.2. Una matriz G, simetrica y cuadrada de dimension n, es definida positiva
si y solamente si

g11 . . . g1i
.. . . ..
|Gi | > 0, i = 1, . . . , n; con Gi = . . .
gi1 ... gii
Ejemplo 5.2. Casos particulares de matrices de Gram.
1. En el caso 1 del ejemplo 5.1 la matriz de Gram del producto escalar es:

1 0 0 1 0 0 y1
I3 = 0 1 0 , por lo tanto x y = (x1 , x2 , x3 ) 0 1 0 y2
0 0 1 0 0 1 y3
Los productos escalares de los vectores de la base seran

e1 e1 = 1, e2 e2 = 1, e3 e3 = 1
, es decir: ei ej = ji , (i, j = 1, 2, 3).
e1 e2 = 0, e1 e3 = 0, e2 e3 = 0
2. La matriz de Gram del producto escalar x y =x1 y1 + x1 y2 + x2 y1 + 2x2 y2

definido sobre lR2 es:

1 1 e e = 1, e1 e2 = 1
G= . 1 1
1 2 e2 e1 = 1, e2 e2 = 2
3. En el caso 3 del ejemplo 5.1 la matriz de Gram del producto escalar es:

1 1 1
e e = 1, e1 e2 = 1, e1 e3 = 1
G= 1 2 2 . 1 1
e2 e2 = 2, e2 e3 = 2, e3 e3 = 3
1 2 3
Proposicion 5.2. (Cambio de base) Dado un espacio eucldeo E de dimension n, si

la expresion del producto escalar del espacio eucldeo en una cierta base {e1 , . . . en }
de E es
y1

x y = (x1 , . . . , xn )G ...
yn
y su expresion respecto a otra base, {u1 , . . . un }, es:

y10

x y = (x01 , . . . , x0n )G0 ...
yn0
entonces
G0 = P t GP
en donde P = (u1 . . . un ){ei } es la matriz de cambio de base de {ui } a {ei }.

Nota 5.3. Dadas dos matrices A, B Mn (lR), se dice que A y B son congruentes si
existe una matriz Q Mn (lR) (Q inversible) tal que A = Qt BQ.
Proposicion 5.3. Si A Mn (lR) es una matriz simetrica definida positiva, entonces
la matriz In es congruente con A (P Mn (lR) (P inversible) tal que In = P t AP ).
Proposicion 5.4. Sea E un espacio eucldeo y x y el producto escalar definido sobre
E. Existe una base de E en la que la expresion del producto escalar es:

y1 n
X
x y = (x1 , . . . , xn )In ... = xi yi
yn i=1
Definicion 5.4. Sea E un espacio eucldeo. Se llama norma eucldea

de un vector
x E y se representa por kxk al siguiente numero real: kxk = x x.
Ejemplo 5.3. Casos particulares de normas eucldeas.
1. La norma eucldea de un vector del espacio que aparece en el caso particular 1

del ejemplo 5.1 sera:
p
kxk = (x1 )2 + (x2 )2 + (x3 )2
2. La norma eucldea de un vector del espacio que aparece en el caso particular 2

del ejemplo 5.1 de espacio eucldeo sera:
v
u n
uX
kxk = t (xi )2
i=1
3. Dado el espacio eucldeo formado por el espacio vectorial lR3 y el producto

escalar
3 3
x y =x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x2 y1 + x1 y3 + x3 y1 + 2x2 y3 + 2x3 y2
2 2
la norma eucldea de un vector de dicho espacio sera:

p
kxk = (x1 )2 + 2(x2 )2 + 2(x3 )2 + 2x1 x2 + 3x1 x3 + 4x2 x3
Definicion 5.5. Sea E un espacio eucldeo. Se dice que x E es un vector unitario

si kxk = 1.
2 2
Proposicion 5.5. (Formula del paralelogramo) x, y E se verifica kx + yk +kx yk
2 2
= 2 kxk + 2 kyk .
Proposicion 5.6. (Desigualdad de Cauchy-Schwarz) Dados x, y E (E es un espacio

eucldeo), se verifica:
|x y| kxk kyk
Proposicion 5.7. Sea E un espacio eucldeo. La aplicacion norma eucldea (kk :

E lR) verifica las siguientes propiedades:
1. kxk 0 x E
2. kxk = 0 Ssi. x = 0
3. kxk = || kxk x E, lR
4. kx + yk kxk + kyk x, y E (desigualdad triangular)
Definicion 5.6. Dados dos vectores x e y de un espacio eucldeo E, se define la

distancia entre x e y como
d(x, y) = kx yk
Proposicion 5.8. La distancia entre dos vectores de un espacio eucldeo verifica las
cuatro propiedades siguientes:
1. d(x, y) 0, x, y E
2. d(x, x) =0, x E
3. d(x, y) =d(y, x), x, y E
4. d(x, y) d(x, z)+d(z, y), x, y, z E

xy
Definicion 5.7. Dados x, y E, el escalar kxkkyk representa el coseno del angulo
que forman los vectores x e y,
xy
cos(x, y) =
kxk kyk
Nota 5.4. Observese que debido a la desigualdad de Schwarz se asegura que cos(x, y)
[1, 1].
Ejemplo 5.4. En el espacio eucldeo formado por lR3 y el producto escalar

2 2 0 y1
x y = x1 x2 x3 2 3 1 y2
0 1 2 y3
calcular kak , kbk , el angulo que forman a y b y la distancia entre a y b, siendo

t
a = (1, 2, 1) y b = (1, 1, 0)t .
Solucion:
v
u
u 2 2 0 1
u
kak = t 1 2 1 2 3 1 2 = 12,
0 1 2 1
v
u
u 2 2 0 1
u
kbk = t 1 1 0 2 3 1 1 = 1
0 1 2 0

2 2 0 1 1
ab = 1 2 1 2 3 1 1 = 2 5 4 1 =3
0 1 2 0 0

ab 3 3 1
cos(a, b) = = = angulo(a, b) = radianes
kak kbk 12 2 6
v
u
u 2 2 0 0
u
d(a, b) = ka bk = (0, 1, 1)t = t 0 1 1 2 3 1 1 = 7
0 1 2 1
5.2. Bases ortogonales y ortonormales
Definicion 5.8. Sea E un espacio eucldeo. Se dice que dos vectores de E, x e y,

son ortogonales si
xy =0
5.2. Bases ortogonales y ortonormales 109
Proposicion 5.9. (Teorema de Pitagoras) Si x e y son dos vectores ortogonales de

un espacio eucldeo entonces:
2 2 2
kx + yk = kxk + kyk
Definicion 5.9. Sea E un espacio eucldeo de dimension n y {ai } una base de E. Si
ai aj = 0 (i, j = 1, . . . , n; i 6= j) se dice que {a1 , . . . , an } es una base ortogonal de
E.
Nota 5.5. La matriz del producto escalar en esta base sera diagonal (con todos los
elementos de la diagonal mayores que cero).
Definicion 5.10. Se dice que una base de un espacio eucldeo de dimension n es
ortonormal si verifica las dos propiedades siguientes:
1. {ai } es ortogonal,
2. kai k = 1, i = 1, . . . , n.
Nota 5.6. Las dos propiedades que caracterizan una base ortonormal se pueden
resumir en una sola: ai aj = ij , i, j = 1, . . . , n.
Nota 5.7. Si {ai } es una base ortonormal de un espacio eucldeo E, la expresion del
producto escalar en dicha base sera:

1 0 ... 0 y1
0 1 . . . 0 y2

x y = (x1 , x2 . . . , xn ) . . .
.. .. . . ... .
..
0 0 ... 1 yn
y la norma de un vector x E,
v
u n
uX
kxk = t x2 i
i=1
Nota 5.8. Si {ai } es una base ortonormal de un espacio eucldeo E y u es un

vector de E, entonces u = (u a1 )a1 +(u a2 )a2 +. . .+(u an )an . Dicho de otro modo:
la coordenada j-esima de u en la base {ai } se obtiene multiplicando escalarmente u
por aj (uj = u aj ).
Nota 5.9. Si {ai } es una base ortogonal de un espacio eucldeo entonces

a1 a2 an
, ,...,
ka1 k ka2 k kan k
es una base ortonormal del mismo espacio eucldeo.

Nota 5.10. La definicion de base ortogonal y base ortonormal se puede generalizar

a un conjunto cualquiera de vectores:
1. {x1 , . . . , xp } E es un conjunto ortogonal si xi xj = 0 para i 6= j i, j = 1, . . . , p.
2. {x1 , . . . , xp } E es un conjunto ortonormal si xi xj = ji , i, j = 1, . . . , p.
Proposicion 5.10. (Teorema de Pitagoras generalizado) Si E es un espacio eucldeo

y {x1 , . . . , xp } un conjunto ortogonal de E, se verifica:
2 2 2 2
kx1 + x2 + . . . + xp k = kx1 k + kx2 k + . . . + kxp k
Proposicion 5.11. En un espacio eucldeo todo conjunto ortogonal formado por

vectores no nulos es un conjunto linealmente independiente.
5.3. Proyeccion ortogonal
Definicion 5.11. Sea W un subespacio vectorial de un espacio eucldeo E. Se dice

que un vector x E es ortogonal a W si x es ortogonal a todos los vectores de W.
Nota 5.11. Para comprobar que un vector x de un espacio eucldeo es ortogonal a
un subespacio, W, de dicho espacio eucldeo, basta con comprobar que es ortogonal
a todos los vectores de una base cualquiera de W . Si {a1 , . . . , ap } es una base de W
entonces:
x ortogonal a W x ai = 0, i = 1, . . . p
Definicion 5.12. Dado un espacio eucldeo E y dos subespacios de E, V y W , se
dice que V y W son ortogonales si todos los vectores de V son ortogonales a W (o,
lo que es lo mismo, todos los vectores de W son ortogonales a V ).
Nota 5.12. Para comprobar que dos subespacios vectoriales de un espacio eucldeo
son ortogonales basta con comprobar que los vectores de dos bases cualesquiera de
cada uno de ellos son ortogonales entre s. Si V y W son dos subespacios vectoriales
de un espacio eucldeo, {a1 , . . . , ap } es una base de W y {u1 , . . . , uq } es una base de
V entonces:
V es ortogonal a W ai uj = 0, i = 1, . . . , p; j = 1, . . . , q
Definicion 5.13. Sea W un subespacio vectorial de un espacio eucldeo E. Se deno-

mina subespacio ortogonal a W y se representa por W al conjunto formado por
todos los vectores de E ortogonales a W. Este conjunto, como su nombre indica, es
un subespacio vectorial de E.
Nota 5.13. W es el mayor de los subespacios que son ortogonales a W , en el sentido
de que cualquier otro subespacio de E que sea ortogonal a W esta incluido en W .
5.4. Metodo de ortonormalizacion de Gram - Schmidt 111
Nota 5.14. Si se conoce una base de W, {a1 , . . . , ap }, se obtienen unas ecuaciones

implcitas de W obligando a que los productos escalares de los vectores de W por
cada uno de los p vectores de la base {ai } sea cero:
W = {x Ex ai = 0, i = 1, . . . , p}
Teorema 5.1. (Teorema de la proyeccion) Si W es un s.e.v. de dimension finita de

un espacio eucldeo E, entonces cualquier vector v de E se puede expresar de forma
unica como
v = w1 + w2
en donde w1 W y w2 W .
Definicion 5.14. En el teorema anterior w1 recibe el nombre de proyeccion orto-

gonal de v sobre W y se representa por Pr |W v .
Definicion 5.15. En el teorema anterior w2 recibe el nombre de complemento

ortogonal de v respecto a W.
Nota 5.15. dim(W ) + dim(W ) = dim(E).
Nota 5.16. Si {c1 , . . . , cp } es una base ortonormal de W la proyeccion ortogonal

de un vector v E sobre W se puede calcular de la siguiente forma:
Xp
Pr |W v = (v c1 )c1 + . . . + (v cp )cp = (v ci )ci
i=1
5.4. Metodo de ortonormalizacion de Gram - Sch-

midt
Sea E un espacio eucldeo y {x1 , . . . , xp } un sistema linealmente independiente
de E. El metodo de Gram - Schmidt obtiene a partir de {x1 , . . . , xp } un sistema
ortonormal {y1 , . . . , yp } tal que hx1 , . . . , xp i = hy1 , . . . , yp i .
En particular si {x1 , . . . , xp } fuese una base de E se habra obtenido una nueva

base, {y1 , . . . yp }, ortonormal de E.
Se comenzara aplicando el metodo a un caso particular y a continuacion se

extendera a un caso general.
Ejemplo introductorio
Supongase el espacio eucldeo formado por el espacio vectorial lR3 y el producto escalar
xy = 2x1 y1 + 3x2 y2 + 2x3 y3 + x1 y2 + x2 y1 + x2 y3 + x3 y2

2 1 0 y1
= (x1 , x2 , x3 ) 1 3 1 y2 = xt Gy
0 1 2 y3
referido a la base {e1 , e2 , e3 }. Determnese una base ortonormal del espacio eucldeo
anterior.
Se parte de una base cualquiera de lR3 , por ejemplo (la mas sencilla) {e1 , e2 , e3 } y se
realizan los siguientes pasos:
1. Se divide uno de los vectores de la base, por ejemplo e1 , por su norma, obte-
niendose un vector unitario que sera el primer vector de la nueva base: c1 =
e1 1 (1, 0, 0)t
ke1 k = 2 {ei } .
2. Se proyecta uno de los vectores de la base {e1 , e2 , e3 } distinto a e1 , por ejemplo

e2 , sobre el subespacio generado por c1 . El complemento ortogonal de e2 , que
se llamara z2 , sera ortogonal a c1 y si se divide por su norma se obtendra el
segundo vector de la nueva base:
q
z2 = e2 Pr hc1 i e2 = e2 (e2 c1 )c1 = ( 21 , 1, 0)t{ei } ; kz2 k = 52

z2 2 ( 1 , 1, 0)t
c2 = kz2 k = 5 2 {ei } .
3. Se proyecta el vector restante de la base {e1 , e2 , e3 }, e3 , sobre el subespacio

generado por c1 y c2 . El complemento ortogonal de e3 , que se llamara z3 ,
sera ortogonal a c1 y c2 y si se divide por su norma se obtendra el tercer vector
de la nueva base:

z3 = e3 Pr hc1 ,c2 i e3 = e3 (e3 c1 )c1 (e3 c2 )c2 = ( 15 , 52 , 1)t{ei } ;
q
kz3 k = 85

z3 5 ( 1 , 2 , 1)t
c3 = kz3 k = 8 5 5 {ei } .
{c1 , c2 , c3 } sera la base ortonormal pedida.
Descripcion del metodo de Gram - Schmidt para un caso general
Sea E un espacio eucldeo de dimension n y {x1 , . . . , xp } un conjunto de p vectores

linealmente independientes de E (p n). Se obtiene un conjunto ortonormal de
vectores {y1 , . . . , yp } tal que hx1 , . . . , xp i = hy1 , . . . , yp i del siguiente modo:
5.5. Producto vectorial y producto mixto 113
x1
1. y1 = kx1 k
De esta forma se asegura que y1 es unitario y que hy1 i = hx1 i.

2. y2 = kzz22 k ; z2 = x2 Pr hy1 i x2 = x2 (x2 y1 )y1
De esta forma se asegura que:
z2 6= 0 debido a que x2 / hx1 i = hy1 i.
{y1 , y2 } es ortonormal debido a que z2 es ortogonal a y1 y la norma de y2
es uno.
{y1 , y2 } es linealmente independiente debido a que todo conjunto ortogonal
de vectores no nulos es linealmente independiente.
hy1 , y2 i = hx1 , x2 i debido a que y1 es combinacion lineal de x1 e y2 lo es
de x1 y x2 .
..
.
k+1. Supongase calculados y1 , . . . , yk (k p 1) tal que {y1 , . . . , yk } sea un sistema
ortonormal y que hx1 , . . . , xk i = hy1 , . . . , yk i.
Para construir el siguiente vector se hara:
P
k
yk+1 = kzzk+1
k+1 k
; zk+1 = xk+1 Pr hy1 ,...,yk i xk+1 = xk+1 (xk+1 yi )yi
i=1
De esta forma se asegura que:
zk+1 6= 0 debido a que xk+1 / hx1 , . . . , xk i = hy1 , . . . , yk i.
zk+1 es ortogonal a {y1 , . . . , yk } ya que zk+1 yj = 0, j = 1, . . . , k.
{y1 , . . . , yk+1 } es un sistema ortonormal por ser zk+1 ortogonal a {y1 , . . . , yk }
y por ser yk+1 unitario.
hx1 , . . . , xk+1 i = hy1 , . . . , yk+1 i debido a que yk+1 es combinacion lineal
de {y1 , . . . , yk , xk+1 } y por lo tanto de {x1 , . . . , xk+1 }.
5.5. Producto vectorial y producto mixto
Definicion 5.16. Sea E un espacio eucldeo de dimension 3 y {e1 , e2 , e3 } una base

ortonormal de E. Dados dos vectores u =u1 e1 + u2 e2 + u3 e3 y v =v1 e1 + v2 e2 + v3 e3 ,
el producto vectorial de ambos es otro vector de E definido del siguiente modo:

u2 u3 u1 u3 u1 u2
w = u v = e e + e
v2 v3 1 v1 v3 2 v1 v2 3
= (u2 v3 u3 v2 )e1 + (u3 v1 u1 v3 )e2 + (u1 v2 u2 v1 )e3
X
= ()u(1) v(2) e(3)
3
Nota 5.17. El producto vectorial es una ley de composicion interna en E
: EE E
(u, v) w =uv
Definicion 5.17. Sea E un espacio eucldeo de dimension 3 y {e1 , e2 , e3 } una base

ortonormal de E. Dados tres vectores de E, x =x1 e1 + x2 e2 + x3 e3 , y =y1 e1 + y2 e2 +
y3 e3 y z =z1 e1 + z2 e2 + z3 e3 , el producto mixto x, y y z es el siguiente real:
[x, y, z] = x (y z) =x1 (y2 z3 y3 z2 ) x2 (y1 z3 y3 z1 ) + x3 (y1 z2 y2 z1 )

x1 x2 x3

= y1 y2 y3
z1 z2 z3
Nota 5.18. El producto mixto es una aplicacion de E E E en lR :
[., ., .] : EEE lR
(u, v, w) [u, v, w] = u (v w)
Ejemplo 5.5.
1. Calcular el producto vectorial de u =(1, 2, 1)t y v =(1, 1, 2)t (referidos a una

base ortonormal {ei }).
2. Calcular el producto mixto de los vectores w = (1, 0, 2)t{ei } , u =(1, 2, 1)t{ei } y

v =(1, 1, 2)t{ei } .
Solucion:
1.

2 1 1 1 1 2
uv = e
1 e +
1 e
1 2 1
2 2
1 3
= (4 1)e1 (2 1)e2 + (1 2)e3 = (3, 1, 1)t{ei }
2.

1 0 2

[w, u, v] = w (u v) = 1 2 1 =1

1 1 2
Propiedades del producto vectorial y del producto mixto

1. [u, v, w] = u (v w) =0 si y solamente si {u, v, w} es un sistema linealmente

dependiente (en particular el producto mixto sera nulo si dos de los vectores
son iguales).
2. u v = v u (el producto vectorial es antisimetrico).
3. u (v + w) = u v + u w; (v + w) u = v u + w u.
4. ku vk = kuk kvk sen . Siendo el angulo que forman u y v.
5. u v es ortogonal a u y a v.
6. u v = 0 si y solamente si u y v son linealmente dependientes.
Nota 5.19. La norma del producto vectorial de dos vectores de E representa el area
del paralelogramo que se construira colocando ambos vectores con un mismo origen
y trazando por el extremo de cada vector una paralela al otro vector.
Nota 5.20. El valor absoluto del producto mixto de tres vectores de lR3 representa
el volumen del paraleleppedo que se construira colocando los vectores con un mismo
origen y trazando el resto de las aristas mediante paralelas a dichos vectores.
Nota 5.21. Se ha dado una definicion particular de producto mixto y producto
vectorial que unicamente es valida para espacios eucldeos de dimension 3 y bases de
referencia ortonormales. Las definiciones mas generales de producto mixto y producto
vectorial se salen de los objetivos del presente curso.
los captulos 5 y 8 de [1], los captulos 4 y 5 de [5], el captulo 8 de [2], el 6 de [10], el
6 del [11] y el captulo 8 de [12].
5.7. Ejercicios
1. Dados dos polinomios pertenecientes a P2 , p(x) = a0 + a1 x + a2 x2 y q(x) =
b0 + b1 x + b2 x2 , se define el producto escalar de p por q como:
p(x) q(x) = p q =2a0 b0 + 4a1 b1 + 4a2 b2 2a0 b1 2a1 b0 + 2a2 b1 + 2a1 b2
Se pide:
a) Si f (x) = 1 + x + x2 y g(x) = x2 hallar f (x) g(x).

b) Determinar kf (x)k y kg(x)k.
c) Hallar el angulo que forman los polinomios f (x) y g(x).
Solucion:
a) f (x) g(x) = 6

b) kf (x)k = 10 y kg(x)k = 2
dg) =
c) cos(f, 3
10

d ) d(f (x), g(x)) = 2
2. Considerese el espacio eucldeo formado por el espacio vectorial lR3 y el producto

escalar x y = 2x1 y1 + 9x2 y2 + 5x3 y3 4x1 y2 4x2 y1 + 2x1 y3 + 2x3 y1 5x2 y3
5x3 y2 expresado en una cierta base {e1 , e2 , e3 } . Se pide:
a) determinar una base ortonormal del espacio eucldeo.

b) determinar las coordenadas del vector x = e1 + e2 en la base ortonormal
hallada en el apartado anterior.
Solucion:
a) Base ortonormal: {u1 = 1 (1, 0, 0)t = (2, 1, 0)t{ei } ,

2 {ei } , u2
u3 = 12 (1, 1, 1)t{ei } }3

b) x = 2u1 + u2
3. Considerese el espacio eucldeo formado por el espacio vectorial E de dimension

3 y el producto escalar x y = 2x1 y1 + 3x2 y2 + 2x3 y3 2x1 y2 2x2 y1 + x2 y3 +
x3 y2{ei } . Se pide:
a) hallar una base ortonormal del subespacio ortogonal a F , en donde F es el

subespacio generado por el vector (1, 1, 1)t ,
b) calcular la proyeccion ortogonal del vector x = (2, 1, 2)t sobre el subespacio
ortogonal a F,
c) hallar una base ortonormal de E, {c1 , c2 , c3 }, en la que c1 y c2 son vectores
de la base ortonormal del ortogonal a F. Repetir el apartado b) expresando
los vectores y el producto escalar en la base {c1 , c2 , c3 } . Comprobar que
el resultado obtenido es el mismo.
Solucion:
3 Existen infinitas bases ortonormales, por lo tanto esta no es la unica solucion correcta
5.7. Ejercicios 117
D E
a) F = b1 = (1, 0, 0)t{ei } , b2 = (0, 1, 0)t{ei } ,
n o
Base ortonormal de F : c1 = 12 (1, 0, 0)t{ei } , c2 = (1, 1, 0)t{ei } ,
b) Pr |F x =(4, 3, 0)t{ei }
c) Base ortonormal de E : {c1 , c2 , c3 } con c3 = (1, 1, 1)t{ei } ,

Pr |F x = ( 2, 3, 0)t{ci } =(4, 3, 0)t{ei }
4. Sea B = {v1 , v2 , v3 } una base de un espacio eucldeo de dimension 3 que verifica:
v1 v2 = 0, v1 v1 = 1, v2 v2 = 1, v3 v3 = 2

y ademas 2v2 v3 hv1 , v3 i . Se pide:
a) obtener la matriz del producto escalar respecto de la base B,

b) aplicar el metodo de Gram-Schmidt para calcular a partir de B una base
ortonormal. Que matriz tiene asociada el producto escalar en dicha base?,
c) calcular el angulo formado por los vectores v2 y v3 , as como el que forman
v1 v2 y v1 + v2 ,
d ) cuales son las coordenadas de un vector w respecto de la base ortonor-
mal calculada si respecto de la base B son w = (1, 3, 1)t ? Calcular la
norma respecto de las dos bases. Que relacion hay entre los dos valores
obtenidos?, razonese la respuesta.
Solucion:

1 0 0
a) G = 0 1 1
0 1 2
b) Base ortonormal: {c1 = v1 , c2 = v2 , c3 = v2 + v3 }.

c) Angulo formado por los vectores v2 y v3 = 4, angulo que forman v1 v2
y v1 + v2 = 2 .

d ) w = (1, 2, 1)t{ci } . Independientemente de la base elegida kwk = 6.
5. En un espacio vectorial V y respecto de una cierta base {u1 , u2 , u3 } se define el

producto escalar de los vectores x = x1 u1 +x2 u2 +x3 u3 e y = y1 u1 +y2 u2 +y3 u3
mediante:
x y = x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x2 y1 x1 y3 x3 y1 x3 y2 x2 y3 .
Hallar un vector a V que forme angulos iguales con los vectores de la base
dada.
Solucion:
Todos los vectores que pertenecen al subespacio
n o
a V a1 = 3 + 3 2, a2 = 3 2 2, a3 =
verifican que forman angulos iguales con los vectores de la base dada.
6. En un espacio vectorial V de dimension 3 se considera una cierta base {e1 , e2 , e3 } .
Hallar la matriz de Gram de un producto escalar definido en V del que se sabe
que:

ke1 k = 2 y ke2 k = 3,
el subespacio U = {x1 e1 + x2 e2 + x3 e3 V x1 + x2 + x3 = 0} es ortogo-
nal al subespacio generado por e1 ,
la proyeccion ortogonal de e1 + e2 + e3 sobre el subespacio generado por
e2 es 3e2 .
Nota: Pongase la solucion en funcion de cuantos parametros se necesite.

Solucion:

2 2 2
G= 2 3 4 para > 6
2 4
7. En lR4 se considera el producto escalar cuya matriz asociada en la base canonica

es:

1 1 1 0
1 2 1 0
A=
1

1 9 6
0 0 6 10
Se pide:
a) encontrar la proyeccion ortogonal del vector u = (4, 1, 0, 23 )t{ei } sobre el

subespacio V1 = hv1 , v2 i donde v1 = (2, 1, 0, 0)t{ei } y v2 = (1, 0, 1, 0)t{ei } ,
b) obtener una base del subespacio ortogonal a V1 , V1 , as como la proyeccion
ortogonal de u sobre V1 .
Solucion:
a) Pr |V1 u =(1, 1, 1, 0)t{ei } .

5.7. Ejercicios 119
n o
b) Base de V1 = v3 = (4, 3, 0, 1)t{ei } , v4 = (1, 0, 3, 4)t{ei } ,

Pr V1 u =( 389 290 7 106 t
153 , 153 , 153 , 153 ){ei } .
8. Hallar el area de la figura ABCDE, donde A=(-2,0,0), B=(-1,-2,0), C=(2,1,0);

D=(0,1,0), E=(-1,3,0), suponiendo que las coordenadas de los puntos estan ex-
presadas en metros.
Solucion: 8 m2
9. Hallar el volumen del prisma determinado por los vectores: a = (1, 2, 1)t ,
b = (0, 1, 2)t y c = (1, 2, 3)t referidos a una base ortonormal.
Solucion: 2u3 (u = unidades en las que se han medido las coordenadas de los
vectores).
10. Demostrar las siguientes propiedades del producto vectorial:
a) (a b) c = a (b c) = b (c a).
b) a (b c) = (a c)b (a b)c.
Captulo 6
Diagonalizacion de
endomorfismos
6.1. Introduccion
Los contenidos de este tema tienen aplicaciones a la resolucion de sistemas de ecua-

ciones en diferencias y diferenciales ordinarias. Lo que trataremos de hacer es hallar
alguna base respecto de la cual la matriz asociada a un endomorfismo tiene una forma
particularmente sencilla: la diagonal. Si logramos este objetivo (veremos cuales son
las condiciones que se tienen que dar para que tal cosa se pueda hacer), entonces es
muy facil visualizar una aplicacion lineal en dicha base como una serie de dilataciones
o contracciones a lo largo de las direcciones marcadas por los vectores de la misma.
Ejemplo introductorio. Un endomorfismo f tiene, en una base {e1 , e2 } de un espacio

vectorial de dimension 2, la matriz asociada

6 2
A=
6 1
Se quiere determinar cual es la matriz de este endomorfismo en la base {e01 , e02 }, siendo
e01 = e1 + 2e2 y e02 = 2e1 + 3e2 .

3 2 6 2 1 2 2 0
A0 = =
2 1 6 1 2 3 0 3
Se observa que la expresion de f en la base {e01 , e02 } es mucho mas sencilla que en la
base {e1 , e2 }.
121
122 Captulo 6. Diagonalizacion de endomorfismos
Dado un endomorfismo, f, del que se conoce su matriz asociada en una cierta base,
cabe, por lo tanto, preguntarse: es siempre posible encontrar un cambio de base
de manera que la matriz asociada a f en la nueva base sea diagonal? Otra forma
equivalente de plantear la misma pregunta: dada una matriz cuadrada A, es siempre
posible encontrar una matriz diagonal semejante?.
La respuesta a la pregunta anterior es negativa. El objetivo de este captulo es estudiar

las condiciones que debe cumplir una matriz para ser diagonalizable y como se pueden
diagonalizar aquellas que lo son.
6.2. Valores y vectores propios
Definicion 6.1. Sea f : V V un endomorfismo definido sobre el lKespacio

vectorial V. Se dice que el escalar lK es un valor propio (o autovalor) de f si
existe algun vector no nulo de V (x V ) tal que f (x) =x.
Definicion 6.2. Si es un valor propio de un endomorfismo f : V V, los vectores
x V tales que f (x) = x (x 6= 0) se llaman vectores propios o autovectores de
f asociados a .
Proposicion 6.1. Dado el endomorfismo f : V V, el conjunto de los vectores
propios de f asociados al valor propio constituye un s.e.v. de V y se representara por
V
V = {x V f (x) =x} .
V recibe el nombre de subespacio propio asociado al valor propio .

Proposicion 6.2. Dado el endomorfismo f : V V, el subespacio propio asociado
al valor propio coincide con el nucleo de la aplicacion f I
V = ker(f I)
Corolario 6.1. f I es un endomorfismo no inyectivo, si y solamente si es un
valor propio de f.
Ejemplo 6.1. Calculo de vectores y valores propios de algunos endomorfismos defi-
nidos sobre lR2 .
1. Homotecia de razon k: h((x1 , x2 )t ) = (kx1 , kx2 )t

y1 k 0 x1
y =h(x) =
y2 0 k x2
x lR2 h(x) =kx. Todos los vectores de lR2 son vectores propios asociados al
unico valor propio k,
6.2. Valores y vectores propios 123
2. Giro de angulo : g((x1 , x2 )t ) = (x1 cos x2 sen , x1 sen + x2 cos )t . 6= 0

y 6=
y1 cos sen x1
y =g(x) =
y2 sen cos x2
No existe ningun valor propio perteneciente a lR no existe ningun vector

propio perteneciente a lR2 .
3. Simetra con respecto al origen: s0 ((x1 , x2 )t ) = (x1 , x2 )t

y1 1 0 x1
y =s0 (x) =
y2 0 1 x2
x lR2 s0 (x) = x. Todos los vectores de lR2 son vectores propios asociados
al unico valor propio 1.
4. Simetra con respecto a la recta x1 = x2 : sr ((x1 , x2 )t ) = (x2 , x1 )t

y1 0 1 x1
y =sr (x) =
y2 1 0 x2
Existen dos subespacios propios: V1 = {x lR2 /x = (, ), lR}, subespacio

propio asociado al valor propio 1 y V1 = {x lR2 /x = (, ), lR},
subespacio propio asociado al valor propio 1.
Ejemplo 6.2. Como se transforman, segun los endomorfismos anteriores, los vecto-
res de los subespacios W1 = {x lR2 x1 = x2 } y W1 = {x lR2 x1 = 2x2 }?
Solucion:
1. h(W1 ) = W1 y h(W2 ) = W2
2. g(W1 ) 6= W1 y g(W2 ) 6= W2
3. s0 (W1 ) = W1 y s0 (W2 ) = W2
4. sr (W1 ) = W1 y sr (W2 ) 6= W2
Definicion 6.3. Sea A Mn (lK). Se dice que lK es un valor propio de A si

existe x lKn (x 6= 0) tal que Ax =x.
Definicion 6.4. Si es un valor propio de A Mn (lK), los vectores x lKn (x 6= 0)
tales que Ax =x se llaman vectores propios de A asociados a .
Definicion 6.5. Todos los vectores propios de A Mn (lK) asociados a forman un
s.e.v. de lKn que recibe el nombre de subespacio propio de A asociado a .
Proposicion 6.3. Sea f : V V un endomorfismo definido sobre el lK-espacio

vectorial V. Si dim(V ) = n y A Mn (lK) es la matriz asociada a f en una base, {ei },
de V entonces:
1. El escalar lK es un valor propio de f El escalar lK es un valor propio

de A.
2. Si es un valor propio de f (o de A) y se denota por (x1 , . . . , xn )t{ei } a las

componentes de un vector v en la base {ei } entonces:
v es un vector propio de f asociado a (x1 , . . . , xn )t es un vector propio de
A asociado a .
Nota 6.1. Si es un valor propio del endomorfismo f , v un vector propio de f

asociado a y A1 , A2 , . . . , Ap p matrices asociadas a f en p bases distintas ({e1i }, {e2i }
, . . . , {epi }), es un valor propio de todas ellas. Sin embargo, si las componentes de
v en la base {e1i } son (x1 , . . . , xn )t , el vector de lKn (x1 , . . . , xn )t es un vector propio
(asociado a ) de la matriz A1 pero no tiene por que serlo del resto de las
matrices.
Proposicion 6.4. Sea A Mn (lK). Las siguientes proposiciones son equivalentes:
1. lK es un valor propio de A.
2. El sistema homogeneo (A I)x = 0 es compatible indeterminado.
3. |A I| = 0.
Definicion 6.6. Dada una matriz cuadrada, de orden n, se denomina polinomio

caracterstico de A al polinomio de orden n

(a11 ) a12 ... a1n

a21 (a22 ) ... a2n

pn () = |A I| = .. .. .. ..
. . . .

an1 an2 ... (ann )
Definicion 6.7. A la ecuacion pn () = 0 se la llama ecuacion caracterstica de

A.
Nota 6.2. De la ultima proposicion se deduce que los valores propios de una matriz
se obtienen hallando las races de un polinomio (el polinomio caracterstico) de grado
igual a la dimension de la matriz. El teorema fundamental del algebra establece que
un polinomio de grado n con coeficientes y variables complejas tiene n races en el
6.3. Diagonalizacion 125
cuerpo de los complejos:
pn (x) = a(x r1 )(x r2 ) . . . (x rn )1 r1 , r2 , . . . , rn C
Del teorema fundamental del algebra se deducen dos propiedades inmediatas
1. Una matriz A Mn (C) no puede tener mas de n valores propios.
2. Una matriz A Mn (C) tiene siempre, por lo menos, un valor propio.
Definicion 6.8. El numero de veces que el factor ( ri ) aparece en la factorizacion

de pn () recibe el nombre de multiplicidad algebraica de la raz ri y en lo sucesivo
se designara por mi .
Proposicion 6.5. Dadas dos matrices semejantes, sus polinomios caractersticos

coinciden.
Proposicion 6.6. Sea f : V V un endomorfismo definido sobre un lK-espacio

vectorial V de dimension n. La dimension del subespacio propio, V , de f asociado a
es:
dim(V ) = n rg(A I)
Definicion 6.9. Se llama multiplicidad geometrica del valor propio a la di-

mension de V . En lo sucesivo la multiplicidad geometrica del valor propio i se
designara por si .
6.3. Diagonalizacion
El problema de la diagonalizacion consiste en dado un endomorfismo f : V V

definido sobre un e.v., V, de dimension n, encontrar una base de V tal que la matriz
asociada a f en dicha base sea diagonal; o, enunciado en forma equivalente, dada una
matriz A Mn (lK), encontrar una matriz P tal que P 1 AP sea una matriz diagonal.
Definicion 6.10. Un endomorfismo f : V V se dice que es diagonalizable si

existe una base de V en la cual la matriz asociada a f es una matriz diagonal.
Definicion 6.11. Una matriz A Mn (lK) es diagonalizable por semejanza si

existe una matriz inversible, P, tal que P 1 AP es una matriz diagonal.
1 las races no tienen por que ser distintas, se pueden repetir. Sin embargo, se debe verificar
P
p
mi = n, donde mi es el numero de veces que se repite la raz ri y p es el numero de races
i=1
distintas.
Teorema 6.2. A Mn (lK) es diagonalizable por semejanza Ssi. A tiene n vectores

propios linealmente independientes.
Nota 6.3. Un enunciado equivalente del teorema anterior sera: un endomorfismo f
es diagonalizable Ssi. existe una base del espacio vectorial sobre el que esta definido
f formada por vectores propios.
Del Teorema anterior se deduce el siguiente procedimiento para diagonalizar un en-

domorfismo f : V V diagonalizable (o para diagonalizar por semejanza una matriz
cuadrada diagonalizable por semejanza).
1. Encontrar todos los valores propios del endomorfismo.

2. Hallar las bases de los s.e.v. propios asociados a los valores propios anteriores.
3. Unir las bases obtenidas en la etapa anterior para formar una base de V (siempre
es posible si el endomorfismo es diagonalizable).
4. Expresar f en la base formada por los vectores propios mediante el correspon-
diente cambio de base. La matriz de f en esta nueva base sera una matriz
diagonal cuyos elementos no nulos seran los valores propios del endomorfismo.

1 0 ... 0
0 2 . . . 0

A0 = P 1 AP = . .. . . .. ; P =(p1 , . . . , pn )
.. . . . | {z }
v. prop. L.I.
0 0 . . . n
Proposicion 6.7. Los subespacios propios son linealmente independientes (Vi
Vj = {0} si i 6= j).
Proposicion 6.8. Sea f : V V un endomorfismo definido sobre un lK-espacio
vectorial de dimension n. Supongase que f tiene p valores propios (p n) i (i =
1, . . . p), siendo sus multiplicidades algebraicas respectivas mi (i = 1, . . . , p) y sus
multiplicidades geometricas si (i = 1, . . . , p). El endomorfismo f es diagonalizable
Ssi. se verifican las dos propiedades siguientes:
P
p
1. mi = n (siempre es cierto si lK = C, pero puede no serlo si lK = lR).
i=1
2. mi = si , i = 1, . . . , p.
6.4. Propiedades de los valores propios
Proposicion 6.9. Sea A Mn (lK) una matriz cuyos valores propios son los escalares
1 , . . . , n lK. Se verifica:
1. Los valores propios de At coinciden con los de A.

Q
n
2. det(A) = i .
i=1
3. Los valores propios de la matriz A son i (i = 1, . . . , n), ( lK).

1
4. Si A es no singular, entonces los valores propios de A1 son i (i = 1, . . . , n).
5. k lN, los autovalores de Ak son ki , i = 1, . . . , n.
el captulo 6 de [1], el 9 de [2], el 5 de [10], el 8 del [11] y el captulo 7 de [12].
Para profundizar mas en el tema ver [19], [9], [13], [63], [67] y [66]. Las ultimas
referencias estan indicadas para estudiar metodos numericos de calculo de valores
propios.
6.6. Ejercicios
1. Calcular los autovalores (valores propios) y subespacios propios de las matrices
A y B. Son diagonalizables por semejanza?

1 2 0
a) A = 1 3 1
0 1 1

5 0 4
b) B = 0 3 0
2 0 1
Solucion:
a) 1 = 1 (simple, m1 = 1); 2 = 2 (doble, m2 = 2).

V1 = x lR3 / x = (, 0, )t , lR ,

V2 = x lR3 / x = (2, , )t , lR .
La matriz A no es diagonalizable por semejanza.
b) 1 = 1 (simple, m1 = 1); 2 = 3 (doble, m2 = 2).

V1 = x lR3 / x = (, 0, )t , lR ,

V2 = x lR3 / x = (2, , )t , , lR .
La matriz B si es diagonalizable por semejanza.
2. Hallar los valores propios y los subespacios propios de la matriz

1 1 1
A= 1 1 0 , A M3,3 (C)
1 0 1
Indicar si A es diagonalizable por semejanza. En caso de serlo hallar la matriz

diagonal semejante a A.
Solucion:
Autovalores: 1 = 1, 2 = i, 3 = i. Base de V1 = {(0, 1, 1)t } , Base de
Vi = {(1 + i, 1, 1)t } , Base de Vi = {(1 i, 1, 1)t } . La matriz es diagonalizable
por semejanza. La matriz diagonal semejante es:

1 0 0
D= 0 i 0
0 0 i
3. Dada una matriz A Mn,n (lK), se dice que A es una matriz ortogonal si At =
A1 . Demostrar que si es un autovalor de una matriz ortogonal entonces
tambien lo es 1 .
4. Considerese la siguiente matriz cuadrada y simetrica :

a b
A= .
b d
Se pide:
a) demostrar que los valores propios de A son siempre reales si a, b y d son

reales,
b) demostrar que la matriz A es diagonalizable por semejanza para cuales-
quiera a, b y d (reales).
5. Considerese la siguiente matriz cuadrada:

a b
A= a, b lR b 6= 0
b a
Se pide demostrar que la matriz A no tiene valores propios reales.

6. Un endomorfismo idempotente es aquel que verifica: f f = f (una matriz
idempotente es una matriz cuadrada que verifica: AA = A2 = A). Hallar los
posibles valores propios de un endomorfismo idempotente.
Solucion: los unicos valores propios posibles son = 0 y = 1.
6.6. Ejercicios 129
7. Dos empresas fabricantes de automoviles (A y B) controlan el mercado de un

pas repartiendoselo al 60 % y 40 % respectivamente. Este ano en el mercado se
mueven 5 billones de pesetas. Si los compradores de la marca A son cada ano
fieles en un 30 % y se cambian cada ano a la otra marca un 70 % y en el caso
de la marca B, son fieles el 40 % y optan por la otra marca un 60 %. Como se
repartiran el mercado al cabo de 10 anos, suponiendo que su volumen perma-
nezca constante? Si se quiere estudiar el reparto del mercado en anos sucesivos
se observa que la variacion es muy pequena, practicamente despreciable (el re-
parto del mercado permanece cuasi-constante al cabo de un cierto numero de
anos). Como se justificara este comportamiento desde el punto de vista de la
diagonalizacion de endomorfismos?
Solucion:
Ventas de la marca A : 2.307.696.396.000 Pesetas.

Ventas de la marca B : 2.692.303.604.000 Pesetas.
Pista: expresar el vector de reparticion inicial ( (0,6, 0,4)t ) en funcion de
una base de vectores propios del endomorfismo que transforma el reparto
del mercado de un ano dado al del ano siguiente.
8. Sea f : lR3 lR3 un endomorfismo y A su matriz asociada. Se sabe que una

base del nucleo del endomorfismo cuya matriz asociada es A I esta constituida
por los vectores (1, 1, 0)t y (1, 0, 1)t y que en el endomorfismo dado por A la
imagen del vector (0, 2, 1)t es el vector (1, 1, 0)t . Se pide:
a) valores propios y subespacios propios de f,

b) si f es diagonalizable, determinar una base respecto a la cual la matriz aso-
ciada a f sea diagonal, determinar tambien la expresion del endomorfismo
diagonalizado,
c) clasificar el endomorfismo,
d ) obtener los subespacios propios de An ,
e) determinar la matriz del endomorfismo en la base original (la base canonica
de lR3 ).
expresados en la base canonica de lR3 .
Solucion:
a) Valores
propios: 1 = 1 (doble), 2 =0.
V1 = (x, y, z)t lR3 /x y z = 0 ,
x+y =0
V0 = (x, y, z)t lR3
x+z =0

y1 1 0 0 x1
b) f es diagonalizable. f (x) = y2 = 0 1 0 x2 , expresion
y3 0 0 0 x3
de f en la base {(1, 1, 0)t , (1, 0, 1)t , (1, 1, 1)t }, base formada por vectores
propios.
c) El endomorfismo no es inyectivo y en consecuencia tampoco es sobreyecti-
vo.
d ) Los subespacios propios de An son los mismos que los de A.
2 1 1

3 3 3
e) P = 1
3
2
3 13
1
3 31 2
3
Captulo 7
El espacio afn eucldeo
7.1. Introduccion
En este captulo se van a tratar algunos problemas basicos de geometra analtica

como representacion de rectas y planos, estudio de las posiciones relativas de rectas
y planos, calculo de la distancia de un punto a un plano o una recta, etc.. Para poder
abordar estos problemas es necesario introducir el concepto de espacio geometrico
(espacio afn eucldeo de dimension 3) que se representara en lo que sigue por A3 .
En esta introduccion se define el concepto de espacio afn eucldeo de dimension n y
se enumeran algunas de las propiedades de sus elementos basicos: puntos, vectores y
variedades lineales.
Definicion 7.1. Dados un conjunto A, cuyos elementos se llamaran puntos, y un
espacio eucldeo E, se dice que A es un espacio afn eucldeo asociado a E si existe
una aplicacion
AE A
(P, v) Q=P +v
que verifica:
1. (P, Q) A A un unico v E t.q. P + v = Q,

2. P A y u, v E, se verifica: (P + u) + v =P + (u + v).
Definicion 7.2. El espacio eucldeo E recibe el nombre de espacio de direccion de

A.
131
132 Captulo 7. El espacio afn eucldeo
Nota 7.1. Se usaran las notaciones P + v =Q, PQ = v ( PQ : vector que tiene por
origen el punto P y por extremo el punto Q) y v =Q P indistintamente.
Nota 7.2. Tengase en cuenta que en los captulos correspondientes a la parte de
calculo los puntos se designaran mediante letras minusculas con raya encima. (p en
vez de P ).
Proposicion 7.1. (Principales propiedades de un espacio afn eucldeo)
1. P + v =P v = 0,
2. P, Q A PQ = QP,
3. P, Q, R A PQ + QR = PR (relacion de Chasles),
4. P, Q, P 0 , Q0 A si PQ = P0 Q0 entonces PP0 = QQ0 .
Definicion 7.3. Sea A un espacio afn eucldeo de dimension n asociado a un espacio

vectorial E. Una referencia afn de A es un conjunto formado por un punto O A,
llamado origen de la referencia y una base {e1 , . . . , ep } de E. Se representa por R =
{O, e1 , . . . , ep } . Si {e1 , . . . , ep } es una base ortonormal se dira que R es un sistema
de referencia ortonormal.
Definicion 7.4. Coordenadas de un punto en una referencia afn. Dada
R = {O, e1 , . . . , ep } se llaman coordenadas afines de P A en R a las coordenadas
de OP en la base {e1 , . . . , ep } .
CAMBIO DE REFERENCIA AFIN

Dadas R = {O, e1 , . . . , ep } y R0 = O0 , e01 , . . . , e0p con OO0 = (a1 , . . . , an )t las
Pn
coordenadas de O0 en R y e0i = aji ej . Si (x1 , . . . , xn )t son las coordenadas de X
j=1
en R e (y1 , . . . , yn )t las de X en R0 entonces:

x1 a1 a11 ... a1n y1
x2 a2 a21 ... a2n y2

.. = .. + .. .. .. ..
. . . . . .
xn an an1 ... ann yn
Definicion 7.5. Todo subconjunto de A con estructura de espacio afn recibe el nom-
bre de variedad lineal (o subespacio afn o variedad afn).
Teorema 7.1. Si B es una variedad lineal de A entonces B = {P + vP A y
v F } siendo F un subespacio vectorial de E. Se representa por B = P + F y se dice
que B es la variedad lineal que pasa por P y tiene a F como subespacio de direccion.
7.2. Representacion de rectas y planos 133
Definicion 7.6. Se llama rango de un conjunto de puntos {P0 , P1 , . . . , Pk } al rango

del conjunto de vectores {P0 P1 , P0 P2 , . . . , P0 PK }.
Definicion 7.7. Los puntos {P0 , P1 , . . . , Pk } son afinmente independientes si los
vectores {P0 P1 , P0 P2 , . . . , P0 PK } son linealmente independientes. En caso contrario
se dice que los puntos son afinmente dependientes .
Nota 7.3. En lo que resta de captulo se va a trabajar unicamente en el espacio
geometrico A3 que es un espacio afn eucldeo de dimension 3 formado por el conjunto
de puntos lR3 (todos los puntos del espacio) y el espacio eucldeo formado por el
espacio vectorial lR3 (todos los vectores de tres componentes, o todas las direcciones
del espacio) y el producto escalar ordinario (producto escalar cuya matriz asociada
en la base canonica es la matriz unidad).
Observese que al conjunto de puntos se le llama igual que al espacio vectorial porque
a cada punto se le puede asociar una direccion: la del vector que une el origen de
coordenadas con el punto en cuestion. En los ejemplos que se estudian a continuacion
sera facil distinguir por el contexto cuando nos estaremos refiriendo al conjunto de
puntos o cuando al espacio vectorial.
Por ultimo indicar que en lo que resta de captulo se supondra, salvo indicacion
contraria, que los sistemas de referencia son ortonormales.
7.2. Representacion de rectas y planos
7.2.1. Rectas en el espacio
Son las variedades lineales que pasan por un punto y tienen asociado un subespacio
de direccion de dimension 1 (son por lo tanto variedades lineales de dimension 1):
Recta que pasa por un punto P = (P1 , P2 , P3 )t y tiene a v = (v1 , v2 , v3 )t como

vector director (vector que pertenece al subespacio de direccion de la recta):
X = P + v
Ecuaciones parametricas: independientes

X1 = P1 + v1
X2 = P2 + v2
X3 = P3 + v3
Ecuaciones implcitas:
a1 X1 + a2 X2 + a3 X3 = a4
b1 X1 + b2 X2 + b3 X3 = b4
Las ecuaciones implcitas se obtienen eliminando de las ecuaciones parametri-

cas. Por ejemplo despejando de las tres ecuaciones e igualando los tres valores
despejados:
X1 P1 X2 P2 X3 P3
= = Ecuacion general
v1 v2 v3
A partir de la ecuacion general se deducen de forma inmediata las dos ecuaciones
implcitas. Obteniendose, por ejemplo (no hay una solucion unica), a1 = v2 ,
a2 = v1 , a3 = 0, y a4 = v2 P1 v1 P2 para la primera ecuacion y b1 = v3 ,
b2 = 0, b3 = v1 , y b4 = v3 P1 v1 P3 .
Recta que pasa por dos puntos: P = (P1 , P2 , P3 )t y Q = (Q1 , Q2 , Q3 )t . En este
caso un vector director de la recta es PQ = (Q1 P1 , Q2 P2 , Q3 P3 )t y nos
encontramos en el caso anterior.
7.2.2. Planos en el espacio
Los planos son variedades lineales que pasan por un punto y tienen asociado un
subespacio de direccion de dimension 2 (son variedades lineales de dimension 2).
Plano que pasa por el punto P = (P1 , P2 , P3 )t y tiene a u = (u1 , u2 , u3 )t y a

v = (v1 , v2 , v3 )t como vectores directores (u y v linealmente independientes).
X = P + u+v (7.1)
Ecuaciones parametricas:
X1 = P1 + u1 + v1
X2 = P2 + u2 + v2
X3 = P3 + u3 + v3
Ecuacion general: de (7.1) se deduce que X P = u+v y por lo tanto PX,

u y v son linealmente dependientes, por lo que:

X1 P1 X2 P2 X3 P3

u1 u2 u3 =0 (7.2)

v1 v2 v3

u u3 u1 u3
Ecuacion implcita: si en (7.2) se hace a = 2 , b =
v1 ,c=
v2 v3 v3
u1 u2
queda:
v1 v2
a(X1 P1 ) + b(X2 P2 ) + c(X3 P3 ) = 0.

7.3. Posiciones relativas de rectas y planos 135
O, lo que es lo mismo:
aX1 + bX2 + cX3 = d (7.3)
con d = aP1 + bP2 + cP3 . La ecuacion implcita (7.3) tambien se puede obtener
directamente a partir de las ecuaciones parametricas eliminando los parametros
y .
Plano que pasa por 3 puntos (afinmente independientes) P = (P1 , P2 , P3 )t ,

Q = (Q1 , Q2 , Q3 )t y R = (R1 , R2 , R3 )t . En este caso se tiene que PQ = (Q1
P1 , Q2 P2 , Q3 P3 )t y PR = (R1 P1 , R2 P2 , R3 P3 )t son dos vectores
directores del plano (pertenecientes a su subespacio de direccion) y por la tanto
se dan las condiciones del caso anterior.
Nota 7.4. Un vector, w, que sea ortogonal a todos los vectores directores del plano
(w u = 0 para todo u perteneciente al subespacio de direccion del plano) recibe el
nombre de vector caracterstico del plano.
Nota 7.5. Si el sistema de referencia es ortonormal, el vector (a, b, c)t es un vector

caracterstico del plano. Siendo a, b y c los tres coeficientes que aparecen en la ecuacion
(7.3).
Nota 7.6. Si el sistema de referencia es ortonormal y u y v son dos vectores cua-

lesquiera del subespacio de direccion del plano, el vector (u v) es un vector carac-
terstico del plano.
Nota 7.7. Cada una de las ecuaciones implcitas de una recta es la ecuacion de un
plano. Por ello se puede afirmar que toda recta de A3 es interseccion de dos planos.
7.3. Posiciones relativas de rectas y planos
7.3.1. Paralelismo y ortogonalidad
Sean r1 y r2 dos rectas de vectores directores u = (u1 , u2 , u3 )t y v = (v1 , v2 , v3 )t

respectivamente y 1 y 2 dos planos de vectores caractersticos respectivos a =
(a1 , a2 , a3 )t y b = (b1 , b2 , b3 )t . Se verifica lo siguiente:
1. Las rectas r1 y r2 son paralelas si u =v, o, lo que es lo mismo, uv11 = u2

= u3

v2 v3
u1 u2 u3
o, lo que tambien es lo mismo rg = 1.
v1 v2 v3
2. Los planos son paralelos si a = b.
3. Las rectas r1 y r2 son ortogonales si u v =0.

4. Los planos 1 y 2 son ortogonales si a b =0.

5. La recta r1 es paralela al plano 1 si u a =0.
6. La recta r1 es perpendicular al plano 1 si u =a.
7.3.2. Posiciones relativas de dos planos
Sean los planos:

1 : a1 X + b1 Y + c1 Z = d1
2 : a2 X + b2 Y + c2 Z = d2
Su posicion relativa se determina estudiando su interseccion. Para ello se discute el

sistema:
a1 X + b1 Y + c1 Z = d1
(7.4)
a2 X + b2 Y + c2 Z = d2
Si se denota por M a la matriz de coeficientes de (7.4) y por N a la matriz ampliada

de (7.4) se tendra:
1. rg(M ) = rg(N ) = 2. En este caso el sistema (7.4) es un sistema compatible

indeterminado. La solucion depende de un parametro. La interseccion de los
planos es una recta cuyo vector director es el producto vectorial de los ca-
ractersticos del plano. Resolviendo el sistema (7.4) se obtienen unas ecuaciones
parametricas de la recta interseccion.
2. rg(M ) = 1 y rg(N ) = 2. En este caso el sistema (7.4) es un sistema incompatible,
los dos planos no tienen ningun punto en comun. Son planos paralelos.
3. rg(M ) = rg(N ) = 1. En este caso los dos planos son iguales.
7.3.3. Posicion relativa de dos rectas
Sean las rectas:

a1 X + a2 Y + a3 Z = a4 c1 X + c2 Y + c3 Z = c4
r1 : y r2 :
b1 X + b2 Y + b3 Z = b4 d1 X + d2 Y + d3 Z = d4
Su posicion relativa se determina discutiendo las soluciones del sistema:

a1 X + a2 Y + a3 Z = a4

b1 X + b2 Y + b3 Z = b4
(7.5)
c1 X + c2 Y + c3 Z = c4

d1 X + d2 Y + d3 Z = d4
7.3. Posiciones relativas de rectas y planos 137
Si se denota por M a la matriz de coeficientes de (7.5) y por N a la matriz ampliada

de (7.5) (2 rg(M ) 3, 2 rg(N ) 4), se tendra:
1. rg(M ) = 3 y rg(N ) = 4. En este caso el sistema (7.5) es un sistema incompatible.

Las rectas se cruzan, no existe ningun punto que pertenezca a las dos rectas
a la vez. Se cruzan y no son paralelas porque al ser rg(M ) = 3 la interseccion
de los subespacios de direccion de cada una de las rectas contiene unicamente
al vector nulo y por lo tanto no tienen ninguna direccion comun.
2. rg(M ) = rg(N ) = 3. En este caso el sistema (7.5) es un sistema compatible

determinado. Las rectas se cortan en un punto (la solucion del sistema).
3. rg(M ) = 2 y rg(N ) = 3. En este caso el sistema (7.5) es un sistema incompatible.

Las rectas son paralelas. Son paralelas y no se cruzan porque al ser rg(M ) = 2
los subespacios de direccion de ambas rectas coinciden y las dos rectas tienen
la misma direccion.
4. rg(M ) = rg(M ) = 2. En este caso el sistema (7.5) es un sistema compatible

indeterminado con una parametro libre. Las dos rectas coinciden: las dos
ecuaciones son dos formas distintas de expresar la misma recta.
Nota 7.8. Tambien se puede determinar la posicion relativa de dos rectas del siguien-
te modo: supongase que los vectores directores de las rectas r1 y r2 son respectivamente
u y v, se tienen dos casos,
1. u = v (los subespacios de direccion de ambas rectas coinciden).
a) Si un punto cualquiera de r1 verifica las ecuaciones de r2 (o viceversa)

ambas rectas son la misma.
b) Si un punto cualquiera de r1 no verifica las ecuaciones de r2 (o viceversa)
las rectas son paralelas.
2. u
/ hvi (los subespacios de direccion son distintos).
a) Si PQ hu, vi (P es un punto cualquiera de r1 y Q es un punto cualquiera

de r2 ). O, lo que es lo mismo,

Q1 P1 Q2 P2 Q3 P3

u1 u2 u3 = 0

v2 v2 v3
Las rectas estan en un mismo plano y se cortan en un punto.

b) Si PQ
/ hu, vi . O, lo que es lo mismo,

Q1 P1 Q2 P2 Q3 P3

u1 u2 u3 6= 0

v2 v2 v3
Las rectas estan en planos distintos y por lo tanto se cruzan.
7.3.4. Posicion relativa de recta y plano
Si
X = X0 + v1
r1 : Y = Y0 + v2 y : aX + bY + cZ = d

Z = Z0 + v3
son las ecuaciones parametricas de la recta r1 y la ecuacion implcita del plano

respectivamente, su posicion relativa se puede estudiar analizando la ecuacion:
a(X0 + v1 ) + b(Y0 + v2 ) + c(Z0 + c) = d, (7.6)
ecuacion que se obtiene obligando a que un punto generico de la recta r1 pertenezca

al plano . Sacando factor comun a en (7.6) se obtiene:
(av1 + bv2 + c) + aX0 + bY0 + cZ0 d = 0 (7.7)
A partir de (7.7) se concluye lo siguiente:
1. llamando h a av1 + bv2 + c y k a aX0 + bY0 + cZ0 d si h = 0 y k = 0 la

ecuacion (7.7) se satisface para todo y por lo tanto la recta esta contenida
en el plano.
2. Si h 6= 0 existe un unico valor de (0 = hk ) que verifica (7.7). En este caso
la recta corta al plano en un punto determinado por 0 .
3. Si h = 0 y k 6= 0 la ecuacion (7.7) no se satisface para ningun y por lo tanto
la recta y el plano seran paralelos.
Nota 7.9. Otra forma de estudiar la posicion relativa de recta y plano es analizar
las soluciones del sistema:

a1 X + b1 Y + c1 Z = d1
r1 :
a2 X + b2 Y + c2 Z = d2

1 : aX + bY + cZ = d
7.4. Angulos y distancias 139
7.4. Angulos y distancias
Definicion 7.8. Angulo que forman dos rectas r1 y r2

uv
= rd
1 r2 = arc cos ,
kuk kvk
en donde u es un vector director de r1 y v uno de r2 .
Definicion 7.9. Angulo que forman dos planos 1 y 2

w1 w2
= [
1 2 = arc cos ,
kw1 k kw2 k
en donde w1 es un vector caracterstico de 1 y w2 uno de 2 .

Definicion 7.10. Angulo que forman una recta r y un plano

uw
= arc cos
= rc ,
2 kuk kwk
en donde u es un vector director de r y w es un vector caracterstico de .

Definicion 7.11. Distancia entre dos puntos P = (P1 , P2 , P3 )t y Q = (Q1 , Q2 ,Q3 )t
d(P, Q) = kPQk
Definicion 7.12. La Distancia de un punto P a una recta r coincide con la
distancia del punto P al punto interseccion del plano perpendicular a r que pasa por
P con la propia r.
Calculo de la distancia de P a r. Supongase que se denota por Q al punto inter-

seccion del plano perpendicular a r que pasa por P con la propia r, entonces:

PX0 = PQ + QX0 = PQ + Pr hui PX0 (7.8)
en donde X0 es un punto cualquiera de la recta (QX0 es la proyeccion ortogonal de

PX0 sobre el subespacio director de la recta). Despejando PQ de la ecuacion (7.8)
se obtiene:
PX0 u
PQ = PX0 Pr hui PX0 = PX0 2 u
kuk
donde u es un vector director de la recta. Por lo tanto:

PX0 u

d(P, r) = d(P, Q) = PX0 2 u (7.9)
kuk
Nota 7.10. Una forma mas rapida de calcular la distancia entre punto y recta pero
que no proporciona las coordenadas de Q se deduce multiplicando vectorialmente a
la derecha por u en ambos miembros de la ecuacion (7.8):
PX0 u = (PQ + QX0 ) u = PQ u
debido a que u y QX0 tienen la misma direccion. De la igualdad anterior se deduce

que:
kPX0 uk = kPQ uk
lo cual implica (PQ y u son perpendiculares):

kPX0 uk
d(P, Q) = kPQk = (7.10)
kuk
Definicion 7.13. La distancia de un punto P a un plano coincide con la
distancia del punto P al punto Q. Siendo Q el punto interseccion de la recta perpen-
dicular a que pasa por P con el propio . Q recibe el nombre de proyeccion de P
sobre el plano.
Calculo de la distancia de P a . Supongase que el plano tiene por ecuacion

implcita : aX + bY + cZ = d. En este caso las ecuaciones parametricas de la recta
perpendicular a que pasa por P seran:

X = P1 + a
Y = P2 + b

Z = P3 + c
El punto Q, proyeccion de P sobre el plano sera aquel punto de la recta que verifique
la ecuacion del plano,
a(P1 + a) + b(P2 + b) + c(P3 + c) = d
de donde se deduce que:

aP1 + bP2 + cP3 d
=
a2 + b2 + c2
por lo tanto las coordenadas del punto Q seran:

Q = (P1 + a, P2 + b, P3 + c)t
y la distancia buscada,
p
d(P, ) = d(P, Q) = kPQk = ( a, b, c)t = | | a2 + b2 + c2
7.4. Angulos y distancias 141
sustituyendo el valor de ,
|aP1 + bP2 + cP3 d|

d(P, ) = (7.11)
a2 + b2 + c2
Definicion 7.14. Distancia entre dos rectas r1 y r2 . Se pueden dar tres casos:
1. Si las dos rectas se cortan la distancia es cero.
2. Si las dos rectas son paralelas, d(r1 , r2 ) = d(P, r2 ) donde P es un punto cual-
quiera de la recta r1 .
3. Si las dos rectas se cruzan, d(r1 , r2 ) = d(P, Q) en donde P y Q son los puntos
de corte de r1 y r2 con la perpendicular comun.
Nota 7.11. La perpendicular comun de dos rectas que se cruzan es la recta que corta
perpendicularmente a ambas.
Calculo de la distancia entre dos rectas r1 y r2 que se cruzan. Se parte de

las ecuaciones parametricas de las dos rectas:
r1 : X = X0 + u, r2 : Y = Y0 + v
Los pies de la perpendicular comun (los puntos de corte de la perpendicular comun

con cada una de las rectas), que se llamaran P y Q, pertenecen respectivamente a r1
y r2 y por lo tanto
P = X0 + u, Q = Y0 + v (7.12)
Para calcular y basta con tener en cuenta que PQ u =0 y PQ v =0. Estas

dos igualdades proporcionan un sistema de dos ecuaciones con dos incognitas ( y
), una vez resuelto se sustituyen los valores de y en (7.12) obteniendose las
coordenadas de P y Q. Conocidos P y Q la distancia buscada sera:
d(r1 , r2 ) = d(P, Q) = kPQk (7.13)
A partir de P y Q tambien se obtiene de forma inmediata la ecuacion de la perpen-

dicular comun.
Nota 7.12. Es posible calcular la distancia entre las rectas r1 y r2 sin necesidad
de calcular los pies de la perpendicular comun. Utilizando la notacion del calculo
anterior:
PQ = PX0 +X0 Y0 +Y0 Q
el vector u v tiene la misma direccion que PQ y es ortogonal a PX0 y a Y0 Q, por

lo tanto:

|PQ (u v)| = PX0 (u v) +X0 Y0 (u v)+ Y0 Q (u v)

| {z } | {z }
0 0
de donde se deduce que:

kPQk ku vk = |X0 Y0 (u v)|
y en consecuencia:
|X0 Y0 (u v)|
d(r1 , r2 ) = d(P, Q) = kPQk = (7.14)
ku vk
Nota 7.13. Se puede, tambien, obtener la ecuacion de la perpendicular comun sin
necesidad de conocer los pies de la perpendicular. Basta con expresarla como la inter-
seccion de los planos 1 (plano que pasa por X0 y tiene como vectores directores a u
y u v) y 2 (plano que pasa por Y0 y tiene como vectores directores a v y u v):

1 : X0 + u+(u v)
ecuacion de la perpendicular comun a r1 y r2 .
2 : Y0 + v+(u v)
los captulos 11 y 12 de [2], el captulo 3 de [7] y el captulo 2 de [5].
7.6. Ejercicios
1. Sea Ax = b con A Mn (lR) y x, b lRn , un sistema compatible de ecuaciones.
a) Demostrar que el conjunto S0 de soluciones del sistema homogeneo Ax = 0

es un subespacio vectorial y que el conjunto S de soluciones del sistema
completo es una variedad lineal en el espacio An .
b) Dada la variedad lineal
S de A3 , solucion del sistema de ecuaciones
x1 + x2 + x3 = 2
x2 x3 = 1

2x1 x2 + 5x3 = 1
en el sistema de referencia canonico (O; e1 , e2 , e3 ), expresar S como suma
de un punto y un subespacio.
7.6. Ejercicios 143
c) Dar las ecuaciones del subespacio afn S del apartado anterior en el sistema
de referencia R : (P ; e1 + e2 , e2 + e3 , e3 ) con P = (1, 0, 0)t .
Solucion:
(b) S = (1, 1, 0)t + h(2, 1, 1)t i

2x01 + 2x02 + x03 = 2
(c) x01 x03 = 1

x1 + 4x2 + 5x05 = 1
0 0
2. En un cubo de arista a se considera la diagonal D que une los puntos (a, 0, 0)t
y (0, a, a)t y una diagonal d de una de las caras (cara formada por los puntos
(a, 0, 0)t , (a, a, 0)t , (a, a, a)t y (a, 0, a)t ), de tal forma que las rectas d y D se
crucen. Determinar los puntos de corte de la perpendicular comun a d y D con
d y D.
Solucion:
a a t
t
P = 2a3 , 3, 3 , Q = a, a2 , a2 .
3. Dadas las rectas r : {x = y = z} y s : {x = t + 1, y = t, z = t}, hallar los planos
paralelos al plano que contiene a r y a s y que distan dos unidades del origen.
Solucion:

y z + 2 2 = 0 y y z 2 2 = 0.
4. Sean los planos : bx + 2y + z + 2 a = 0, ay + z = 0 y 3x + 2y + z 3 = 0.

Determinar para que valores de a y b forman un triedro (se cortan en un punto)
y obtener el lugar geometrico del vertice del triedro (punto de corte).
Solucion:
Forman un triedro para b 6= 3 y a = 6 2, el lugar geometrico de los posibles
vertices es el plano 3x + 2y + z 3 = 0.
5. En el espacio geometrico y respecto de una referencia cartesiana R = {O, e1 , e2 ,

e3 }, se consideran los puntos O0 = (1, 2, 1)t , A = (2, 3, 1)t , B = (2, 2, 2)t y
C = (4, 3, 1)t . Sea R0 = {O, u1 , u2 , u3 } una referencia cuyos ejes son las rectas
O0 A, O0 B, O0 C, y D un punto cuyas coordenadas son (2, 1/2, 1/3)t en la
referencia R y (1,1,1)t en R0 . Hallar las ecuaciones que facilitan el cambio de
coordenadas.
Solucion:
37y1 2y2 57y3
x1 = 1 12 3 + 12
37y1 19y3
x =2 +
2 12
2y2
12
x3 = 1 3
Captulo 8
Metodos numericos de
resolucion de sistemas de
ecuaciones lineales
8.1. Introduccion
En este tema se van a estudiar diversos metodos numericos para resolver un sistema
lineal de ecuaciones, Ax = b, compatible determinado de n ecuaciones con n incogni-
tas. Los metodos numericos de resolucion de sistemas de ecuaciones lineales se pueden
dividir en dos grupos:
1. Metodos directos. Se obtiene la solucion exacta (si se desprecian los errores

de redondeo) mediante un algoritmo finito. En los metodos directos debe
examinarse con detalle el numero de operaciones aritmeticas elementales
que se realizan tanto por el tiempo de calculo que conllevan como por la posible
acumulacion de errores de redondeo.
Un primer ejemplo de algoritmo directo podra ser el metodo de Cramer. Es facil
estimar el numero de operaciones en coma flotante1 necesarias para obtener la
solucion mediante este algoritmo: hay que calcular n + 1 determinantes de orden
1 Los numeros reales se codifican en el ordenador mediante un numero (variable) de bits. Una de
las formas mas habituales de codificacion consiste en dedicar un conjunto de bits para codificar la
mantisa, otro para codificar el exponente, un bit para el signo y otro para el punto decimal (coma
en espanol). Las operaciones aritmeticas elementales entre numeros reales codificados de esta forma
se denominan operaciones en coma flotante.
145
146 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
n y efectuar n divisiones. Suponiendo que cada determinante se calculase a lo

bruto se necesitaran n!(n 1) productos y n! 1 sumas para calcular cada
uno de ellos y en consecuencia el numero total de operaciones sera,
(n + 1)n!(n 1) multiplicaciones,
(n + 1)(n! 1) sumas,
n divisiones.
En total (n+1)(n!(n1)+n!1)+n = (n+1)!n1 operaciones en coma flotante

(n + 1)!n operaciones en coma flotante (para n suficientemente grande). Esto
se suele expresar diciendo que el metodo de Cramer necesita un numero de
operaciones en coma flotante del orden de O((n + 1)!n)
Un segundo metodo puede ser el calculo de la matriz inversa del sistema, A1
y tras ello la determinacion de la solucion mediante x = A1 b. En esto caso el
numero de operaciones en coma flotante es del orden O(2n3 ).
En la practica no se utiliza ninguno de los dos metodos anteriores porque el
numero de operaciones en coma flotante que necesitan es demasiado grande
para valores de n elevados. Los metodos que se utilizan habitualmente consisten
en:
a) buscar otro sistema, habitualmente triangular, equivalente al inicial y de

resolucion sencilla y barata (desde el punto de vista del numero de ope-
raciones). Un ejemplo de este tipo de metodos sera el metodo de Gauss.
b) expresar la matriz A como producto de dos (o mas) matrices triangulares
o diagonales de forma que la solucion del sistema Ax = b pueda resolverse
resolviendo dos (o mas) sistemas triangulares o diagonales. Un ejemplo de
este tipo de metodos sera el metodo LU.
2. Metodos iterativos. Se obtiene la solucion del sistema con una cierta precision
mediante algoritmos convergentes pero infinitos. Algunos de los metodos itera-
tivos mas sencillos son:
Metodo de Jacobi.
Metodo de Gauss-Seidel.
Metodo de relajacion.
Metodos de tipo gradiente.
En este captulo se van a estudiar unicamente algunos metodos directos.

8.2. Algoritmos de Gauss y de Gauss-Jordan 147
8.2. Algoritmos de Gauss y de Gauss-Jordan
8.2.1. Algoritmo de Gauss
El metodo de Gauss para resolver sistemas de ecuaciones lineales ya ha sido explicado

en el tema 2. Ahora se trata de describir dicho metodo paso a paso descomponiendolo
en operaciones elementales de forma que se pueda describir mediante un lenguaje
de programacion (C, Fortran, Pascal, Ada,..) y permitir que un ordenador resuelva el
correspondiente sistema lineal. Esta descripcion del metodo mediante un numero finito
de operaciones aritmetico-logicas elementales se denomina algoritmo del metodo. El
algoritmo del metodo de Gauss es el siguiente:
ALGORITMO DEL METODO DE GAUSS (sin pivote)
Comienzo del algoritmo

Paso 1: (TRIANGULARIZACION)
Para k = 1, . . . , n 1
Paso 1.1: (Intercambio de filas si es necesario)
si akk = 0, intercambiar la fila k por la fila i (con i > k) para poner en la
posicion (k, k) un elemento no nulo. Si ello no es posible, abandonar pues
el sistema no es compatible determinado.
Paso 1.2: (Pivoteo hacia abajo)
Para i = k + 1, . . . , n
mik aakk ik
Para j = (k + 1), . . . , n
aij aij + mik akj
Fin bucle en j
bi bi + mik bk
aik 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
bn abnn
n
Para i = (n 1), . . . , 1
sum 0
Para k = (i + 1), . . . , n
sum sum + aik bk
Fin bucle en k
bi (bi sum)
aii
Fin bucle en i
Fin del algoritmo
8.2.2. Algoritmo de Gauss con pivote parcial
Cuando en el etapa k del paso 1 del algoritmo de Gauss el numero akk es muy pequeno
en relacion a algun otro elemento de la columna k, por ejemplo el ajk (j > k), se
produce una ampliacion de los errores de redondeo que pueden llegar a desvirtuar
por completo la solucion. En efecto, en el supuesto anterior mjk = ajk /akk es mucho
mayor que 1 y como los errores de redondeo introducidos en el calculo de uno de los
terminos akl se multiplicaran por mjk cuando se calcula ajl , el error inicial puede
incrementarse fuertemente. As mismo en la etapa de remonte
P
n
ak,n+1 akj
i=k+1
xk = ,
akk
lo cual implica que con un valor pequeno de akk cualquier error del numerador puede
aumentar extraordinariamente por la division entre akk . En el siguiente ejemplo se
ilustra este problema.
Ejemplo 8.1. El sistema lineal
E1 : 0,003000x1 + 59,14x2 = 59,17

E2 : 5,291x1 6,130x2 = 46,78
tiene solucion exacta x1 = 10,00 y x2 = 1,000. Supongase que se realiza la eliminacion

gaussiana del sistema anterior con una precision de cuatro dgitos. El primer elemento
que se toma como pivote es un numero pequeno: a11 = 0,003000 y su multiplicador
asociado
5,291
m21 = = 1763,66
0,003000
se redondea al numero 1764. Al realizar E2 m21 E1 con el redondeo adecuado se

obtiene
0,003000x1 + 59,14x2 59,17
104300x2 104400
en vez de los valores precisos
0,003000x1 + 59,14x2 = 59,17

104309,376x2 = 104309,376
la disparidad de las magnitudes m21 , a13 y a23 ha ocasionado un error de redondeo

importante en los coeficientes de la segunda ecuacion, pero aun no se ha propagado.
El proceso de remonte produce
x2 1,001
que es una aproximacion aceptable para x2 = 1,000. Pero debido al pivote pequeno
a11 = 0,003000
59,17 (59,14)(1,001)
x1 = 10,00
0,003000
que es una aproximacion inaceptable para el valor real x1 = 10,00.
Para evitar el problema anteriormente descrito, se busca entre los elementos de la

columna k aquel que tenga mayor valor absoluto y se coloca en la posicion (k, k)
mediante el oportuno cambio de filas. Este nuevo algoritmo se denomina algoritmo de
Gauss con pivote parcial y se diferencia del anterior unicamente en el paso 1.1:
ALGORITMO DEL METODO DE GAUSS (con pivote parcial)

Paso 1: (TRIANGULARIZACION)
Para k = 1, . . . , n 1
Paso 1,1: (Busqueda del pivote)
pvt = |akk | , f pvt = k
Para j = k + 1, . . . , n
Si |ajk | > pvt entonces
pvt = |ajk | , f pvt = j
Fin condicion
Fin bucle en j
Si pvt = 0 parar porque el sistema no es compatible determinado
Intercambiar la fila k con la fila f pvt
Para i = k + 1, . . . , n
mik aakk ik
Para j = (k + 1), . . . , n
aij aij + mik akj
Fin bucle en j
bi bi + mik bk
aik 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
bn abnn
n
Para i = (n 1), . . . , 1
sum 0
Para k = (i + 1), . . . , n
sum sum + aik bk
Fin bucle en k
bi (bi sum)
aii
Fin bucle en i
Fin del algoritmo
8.2.3. Numero de operaciones del metodo de Gauss
Paso 1.2 (en el paso 1.1 no se realizan operaciones en coma flotante)
Para cada etapa k se realizan:
1. n k divisiones en la matriz del sistema.
2. (n k)(n k) sumas en la matriz del sistema.
3. (n k)(n k) productos en la matriz del sistema.
4. n k sumas en el vector de terminos independientes.
5. n k productos en el vector de terminos independientes.
Por lo tanto, teniendo en cuenta que se realizan n 1 etapas, el numero total de

operaciones realizadas en el paso 1.2 sera:
n1
X n1
X n1
X n1
X n(n 1) 2 3 1
tot2 = 3(n k)+ 2(n k)2 = 3 k+2 k2 = 3 + n n2 + n
2 3 3
k=1 k=1 k=1 k=1
Paso 2
En todo el proceso de remonte se realizan n divisiones. Ademas para cada etapa k del
remonte se realizan n k sumas y n k divisiones. Como se realizan n 1 etapas se
tiene que el numero total de operaciones realizadas en el paso 2 sera:
n1
X
tot3 = 2 (n k) + n = n2 n + n = n2
k=1
Sumando el numero de operaciones realizadas en ambos pasos se obtiene el numero

total de operaciones del metodo de Gauss:

2 3 1 2 7 2 3 7 2 3
tot = tot2 + tot3 = n + n n + n2 = n3 + n2 n O n
3 2 6 3 2 6 3
Si se compara el numero de operaciones para valores concretos de la dimension, n,

del sistema segun se utilice el metodo de Cramer o el metodo de Gauss, se observa el
ahorro que representa la utilizacion de este ultimo en lugar del primero.
n operaciones (Gauss) operaciones (Cramer)

10 805 399167999
100 681550 10162
1000 668165500 102573
8.2.4. Algoritmo de Gauss-Jordan
El algoritmo del metodo de Gauss-Jordan es el siguiente:
ALGORITMO DEL METODO DE GAUSS-JORDAN (con pivote)

Paso 1: (DIAGONALIZACION)
Para k = 1, . . . , n
Paso 1,1: (Busqueda del pivote)
Para j = k + 1, . . . , n
Fin condicion
Fin bucle en j
Si pvt = 0 parar porque el sistema no es compatible determinado
Intercambiar la fila k con la fila f pvt
Paso 1.2: (Pivoteo hacia abajo y hacia arriba)

Para i = 1, . . . , (k 1), (k + 1), . . . , n
mik aakk ik
Si (k 6= n) entonces
Para j = (k + 1), . . . , n
aij aij + mik akj
Fin bucle en j
Fin condicion
bi bi + mik bk
aik 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
Para i = n, . . . , 1
bi abiii
Fin bucle en i
Fin del algoritmo
8.2.5. Numero de operaciones del metodo de Gauss-Jordan
Paso 1.2 (en el paso 1,1 no se realizan operaciones en coma flotante)
Para cada etapa k se realizan:
1. n 1 divisiones en la matriz del sistema.

2. (n 1)(n k) sumas en la matriz del sistema.
3. (n 1)(n k) productos en la matriz del sistema.
4. n 1 sumas en el vector de terminos independientes.
5. n 1 productos en el vector de terminos independientes.
Por lo tanto, teniendo en cuenta que se realizan n etapas y que en la ultima etapa no
se realizan ni sumas ni multiplicaciones en la matriz del sistema, el numero total de
operaciones realizadas en el paso 1.2 sera:
n1
X 2(n 1)n(n 1)
tot2 = 3n(n 1) + 2(n 1) (n k) = 3n2 3n +
2
k=1
= 3n 3n + n 2n + n = n3 + n2 2n
2 3 2
Paso 2
8.3. El metodo LU 153
En el proceso de remonte se realizan n divisiones y ninguna operacion mas, por lo

tanto:
tot3 = n
Sumando el numero de operaciones realizadas en ambos pasos se obtiene el numero

total de operaciones del metodo de Gauss-Jordan:

tot = tot2 + tot3 = n3 + n2 2n + n = n3 + n2 n O n3
Se observa que el numero de operaciones es ligeramente menor en el metodo de Gauss

que en el metodo de Gauss-Jordan. Por lo tanto para resolver un sistema lineal de
ecuaciones puestos a escoger entre el metodo de Gauss o el metodo de Gauss-Jordan
se debe escoger el metodo de Gauss. Sin embargo el metodo de Gauss-Jordan tiene
la ventaja de que si, ademas de resolver el sistema de ecuaciones se quiere hallar la
inversa de la matriz del sistema, se tiene gran parte del trabajo hecho (unicamente
faltara realizar las operaciones que se han ido haciendo sobre la matriz del sistema
sobre cada una de las columnas de la matriz unidad). Para terminar mostramos una
nueva tabla similar a la anterior pero anadiendo en la comparacion las operaciones
del metodo de Gauss-Jordan para distintos valores de n.
n operaciones (Gauss) operaciones (Gauss-Jordan) operaciones (Cramer)

10 805 1090 399167999
100 681550 1009900 10162
1000 668165500 1000999000 102573
8.3. El metodo LU
Si almacenamos las operaciones elementales que se realizan en el algoritmo del metodo

de Gauss en una matriz obtenemos una variante del metodo de Gauss con memoria,
en el sentido de que si tenemos que resolver otro sistema con la misma matriz (con
termino independiente distinto) no es necesario volver a realizar el proceso de trian-
gularizacion de la matriz. El metodo LU, como veremos, consiste en dado un sistema
lineal, Ax = b, factorizar la matriz, A, del sistema en la forma A = LU en donde L
es una matriz triangular inferior con diagonal de unos y U es una matriz triangular
superior, para despues resolver los dos sistemas triangulares Ly = b y U x = y, ob-
teniendo la solucion x del sistema inicial. En el caso de que hubiera que resolver otro
sistema con la misma matriz de coeficientes, la factorizacion LU ya estara realizada
y unicamente habra que resolver los dos sistemas triangulares (uno por descenso y
otro por remonte) con un b distinto.
8.3.1. Factorizacion LU de una matriz cuadrada
Teorema 8.1. Si A es una matriz cuadrada no singular, existe al menos una matriz
F tal que F A puede expresarse como el producto de dos matrices LU donde L es una
matriz triangular inferior con sus elementos diagonales iguales a 1 y U es una matriz
triangular superior.
El calculo de las tres matrices F, L y U que intervienen en el teorema anterior puede

realizarse mediante el metodo de Gauss. En efecto, si la matriz A es la matriz de
coeficientes de un sistema compatible determinado, la matriz U es la matriz triangular
superior a la que conduce el metodo de Gauss. En lo que respecta a la matriz F puede
construirse como el producto:
F = F n1 F n2 . . . F 2 F 1
donde cada matriz F k es la matriz elemental asociada al cambio de filas que se intro-
duce en el paso 1.1 de la etapa k esima del metodo de Gauss. Mas concretamente,
si en la etapa k esima del primer paso del metodo se intercambian la fila j esima
por la fila i esima (con i > j) la matriz F k sera:

1 0 ... 0 0 0 ... 0 0 0 ... 0
0 1 ... 0 0 0 ... 0 0 0 ... 0

.. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . .

0 0 ... 1 0 0 ... 0 0 0 ... 0

0 0 ... 0 0 0 ... 0 1 0 ... 0

0 0 ... 0 0 1 ... 0 0 0 ... 0
Fila j
Fk = .. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . .

0 0 ... 0 0 0 ... 1 0 0 ... 0

0 0 ... 0 1 0 ... 0 0 0 ... 0

0 0 ... 0 0 0 ... 0 0 1 ... 0 Fila i

.. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . .
0 0 ... 0 0 0 ... 0 0 0 ... 1

col. j col. i
Como se puede apreciar facilmente, la matriz F k se obtiene intercambiando las filas

i y j de la matriz unidad. Obviamente, si en ninguna etapa del metodo se realizan
cambios de filas, la matriz F sera la matriz unidad. Finalmente la matriz L puede
calcularse a partir de la matriz triangular inferior

1 0 ... 0 ... 0
m21 1 ... 0 ... 0

.. .. .. .. .. ..
. . . . . .
R=
mk1

mk2 ... 1 ... 0
.. .. .. .. .. ..
. . . . . .
mn1 mn2 ... mnk ... 1
en donde los numeros mij (con i > j) son los que con la misma notacion se utilizaron
en el paso 1.2 de la etapa k esima del metodo de Gauss. Para obtener L a partir de
R basta con realizar en la columna k esima de R los cambios de filas que se realizan
en el metodo de Gauss en las etapas (k + 1), . . . , (n 1).
Ejemplo 8.2. Factorizar en forma LU, utilizando pivote parcial, la matriz

0 2 2 6
1 1 3 2
A=
4

4 8 2
0 1 1 1
Solucion:
1a etapa (k = 1)
Paso 1.1: intercambio de la 1a fila por la 3a fila

0 0 1 0 0 2 2 6 4 4 8 2
0 1 0 0 1 1 3 2 1 1 3 2
F 1A =
1
=
0 0 0 4 4 8 2 0 2 2 6
0 0 0 1 0 1 1 1 0 1 1 1
Paso 1.2 : m21 = 14 , m31 = 0, m41 = 0

1 0 0 0 4 4 8 2 4 4 8 2
1/4 1 0 0 1 1 3 2 0 0 5 3/2
P 1F 1A =

=
0 0 1 0 0 2 2 6 0 2 2 6
0 0 0 1 0 1 1 1 0 1 1 1
2a etapa (k = 2)
Paso 1.1 : intercambio de la 2a fila por la 3a fila

1 0 0 0 4 4 8 2
0 0 1 0 0 0 5 3/2
F 2 P 1F 1A = 0 1 0

0 0 2 2 6
0 0 0 1 0 1 1 1

4 4 8 2
0 2 2 6
=
0

0 5 3/2
0 1 1 1
1
Paso 1.2 : m32 = 0, m42 = 2

1 0 0 0 4 4 8 2
0 1 0 0 0 2 2 6
P 2F 2 P 1F 1A =
0
=
0 1 0 0 0 5 3/2
0 1/2 0 1 0 1 1 1

4 4 8 2
0 2 2 6

0 0 5 3/2
0 0 2 2
3a etapa (k = 3)
Paso 1.1 : no se intercambian filas

1 0 0 0 4 4 8 2
0 1 0 0 0 2 2 6
F 3 P 2F 2 P 1F 1A = =
0 0 1 0 0 0 5 3/2
0 0 0 1 0 0 2 2

4 4 8 2
0 2 2 6

0 0 5 3/2
0 0 2 2
Paso 1.2 : m43 = 25

1 0 0 0 4 4 8 2
0 1 0 0 0 2 2 6
P 3F 3 P 2F 2 P 1F 1A = =
0 0 1 0 0 0 5 3/2
0 0 2/5 1 0 0 2 2

4 4 8 2
0 2 2 6

0 0 5 3/2
0 0 0 7/5
Llegados a este punto ya se han obtenido las tres matrices de la factorizacion LU. En
efecto la matriz triangular superior U sera:

4 4 8 2
0 2 2 6
U = 0

0 5 3/2
0 0 0 7/5
La matriz de cambios de filas F sera:

1 0 0 0 1 0 0 0 0 0 1 0
0 1 0 0 0 0
3 2 1
F =F F F = 0 0 1 0 1 0
0 0 1 0 0 1 0 0 1 0 0 0
0 0 0 1 0 0 0 1 0 0 0 1

0 0 1 0
1 0 0 0
=
0

1 0 0
0 0 0 1
La matriz R sera:
1 0 0 0
1/4 1 0 0
R=
0

0 1 0
0 1/2 2/5 1
y para construir a partir de ella la matriz L, se observa que en el paso 1.1 de la

segunda etapa se ha intercambiado la fila 2a por la 3a , por lo que someteremos a la
primera columna de R a dicho cambio, obteniendo:

1 0 0 0
0 1 0 0

1/4 0 1 0
0 1/2 2/5 1
Los cambios de filas de la tercera etapa afectaran a los elementos de las columnas 1a
y 2a , pero como en dicha etapa no se intercambiaron filas, la matriz no cambia, por
lo que finalmente:
1 0 0 0
0 1 0 0

L=
1/4 0 1 0
0 1/2 2/5 1
siendo facil comprobar que F A = LU. Observese que la factorizacion LU depende de

la matriz F de cambios de fila que se utilice en el proceso de triangularizacion.
8.3.2. Aplicacion de la factorizacion LU a la resolucion de sis-

temas lineales
Supongase un sistema lineal de n ecuaciones con n incognitas Ax = b con A no

singular, y sea F una matriz tal que F A = LU. El metodo LU para resolver sistemas
lineales consiste en:
1. Transformar el sistema Ax = b en el sistema (F A)x =F b.
2. Factorizar la matriz (F A) en la forma LU, transformando el sistema en:
LU x =F b
3. Resolver por el metodo de descenso el sistema triangular inferior
Ly = F b
4. Resolver por el metodo de remonte el sistema triangular superior
Ux = y
De las cuatro etapas anteriores, la primera no exige realizar operaciones aritmeticas, la

segunda necesita las mismas operaciones que el metodo de Gauss (O(2n3 /3), la unica
diferencia radica en que en la factorizacion LU hay que almacenar los coeficientes mij
en la matriz L) y las dos ultimas exigen, cada una de ellas, n2 operaciones. Por lo
tanto, al igual que en el metodo de Gauss, el numero total de operaciones del metodo
LU es del orden O(2n3 /3).
La ventaja del metodo LU sobre el metodo de Gauss estriba en la resolucion de

sistemas de ecuaciones distintos que compartan la misma matriz del sistema. Por
ejemplo, si se tienen ns sistemas de ecuaciones
Ax = b1 , Ax = b2 , . . . , Ax = bns
una vez resuelto por el metodo LU el primero de ellos y, por lo tanto, conocida
la factorizacion LU de la matriz A, cada uno de los restantes ns 1 sistemas se
puede resolver, tras los correspondientes cambios de filas en los vectores b2 , . . . , bns ,
mediante las etapas 3 y 4 antes descritas; necesitando, cada uno de ellos, unicamente
2n2 operaciones para su resolucion.
8.3.3. Algoritmo del metodo LU
El algoritmo del metodo LU para resolver ns sistemas de ecuaciones, todos ellos con
la misma matriz del sistema es el siguiente. Los ns terminos independientes estas
almacenados en una matriz B de dimension n ns
ALGORITMO DEL METODO LU (con pivote)

Paso 1: (FACTORIZACION LU)
Para k = 1, . . . , n 1
Paso 1.1: (Busqueda del pivote)
Para j = k + 1, . . . , n
Fin condicion
Fin bucle en j
Si pvt = 0 parar porque la matriz A es singular
Intercambiar la fila k con la fila f pvt, if il(k) = f pvt
Para i = k + 1, . . . , n
aik aakk ik
Para j = (k + 1), . . . , n
aij aij + aik akj
Fin bucle en j
Fin bucle en i
Fin bucle en k
Paso 2: (RESOLUCION DE LOS ns SISTEMAS)
Para j = 1, . . . , ns
Paso 2.1: (cambios en las filas del segundo termino)

Para k = 1, . . . , n 1
Si (if il(k) 6= k) entonces
aux bk,j
bk,j bif il(k),j
bif il(k),j aux
Fin condicion
Fin bucle en k
Paso 2.2: (Solucion del sistema triangular inferior por DESCENSO)
Para i = 2, . . . , n
aux 0
Para k = 1, . . . , i 1
aux aux + aik bkj
Fin bucle en k
bij bij aux
Fin bucle en i
Paso 2.3: (Solucion del sistema triangular superior por REMONTE )
bnj
bnj ann
Para i = (n 1), . . . , 1
aux 0
Para k = (i + 1), . . . , n
aux aux + aik bkj
Fin bucle en k
(b aux)
bij ij aii
Fin bucle en i
Fin bucle en j
Fin del algoritmo
Observaciones:
1. En el algoritmo anterior se ha aprovechado el espacio de memoria destinado a

almacenar la matriz A para almacenar las matrices L y U. En la parte triangular
superior de A, incluyendo la diagonal, quedan almacenados los elementos de la
parte triangular superior, incluyendo la diagonal, de la matriz U (el resto de
los elementos de U son nulos) y en la parte triangular inferior de A, sin incluir
la diagonal, quedan almacenados los elementos de la parte triangular inferior,
sin incluir la diagonal, de L (el resto de los elementos de L bien son nulos, bien
estan en la diagonal, en cuyo caso se sabe de antemano que valen 1).
2. As mismo, se ha aprovechado el espacio en el que se almacenaban los ns segun-

dos miembros (la matriz B) para guardar las ns soluciones de los ns sistemas.
el captulo 1 de [1].
Para profundizar mas en el tema ver [60], [65], [69], [61] y [63].
8.5. Ejercicios
1. Explquese como se puede utilizar el metodo de Gauss-Jordan para el calculo
de la inversa de una matriz A.
2. Considerese la matriz

2 7/2 1
A = 1 7/4 2
4 1 1
La factorizacion LU con pivote parcial de la matriz A permite expresar el pro-
ducto F A en la forma LU , donde L =matriz triangular inferior, U = matriz
triangular superior y F = matriz de cambio de filas. Se pide determinar estas
tres matrices (L , U y F ).
Solucion:

1 0 0 4 1 1 0 0 1
L = 1/2 1 0 , U = 0 3 1/2 , F = 1 0 0
1/4 2/3 1 0 0 25/12 0 1 0
3. Considerese la matriz
2 2 0 4
1 2 1 3
A=
0

4 6 12
4 7 5 23
Se pide
a) Determinar las tres matrices L, U y F de la factorizacion LU con pivote
parcial de la matriz A.
b) Utilizar el resultado del apartado anterior para resolver los cuatro sistemas
de ecuaciones lineales siguientes:

2 2 1 4
2 1 1 3
Ax =
0 , Ax = 4 , Ax = 0 y Ax = 20

1 2 1 35
Solucion:
a)

1 0 0 0 4 7 5 23
0 1 0 0 12

L= , U = 0 4 6 ,
1/4 1/16 1 0 0 0 5/8 7/2
1/2 3/8 2/5 1 0 0 0 8/5

0 0 0 1
0 0 1 0
F =
0

1 0 0
1 0 0 0
b) Las soluciones de los cuatro sistemas son:

3 3/2 3/8 1
0 1/2 9/8
, y 1
2 , 0 1/2 0
1 1/2 1/8 2
Captulo 9
Lmites, continuidad y
diferenciabilidad de funciones
de una variable
9.1. Introduccion
En las ciencias experimentales son cruciales los conceptos de funcion, lmite y derivada.
Cuando uno quiere describir un cierto fenomeno lo hace habitualmente en terminos
de causa-efecto que, caso de ser cuantificables, conducen naturalmente a la nocion
de funcion. A menudo, tal descripcion no solo conlleva un enunciado del tipo la
causa A origina el efecto B, sino que tambien se desea dar una idea cuantitativa
de como vara B dependiendo de como vara A. Esto da lugar a la nocion natural
de velocidad de variacion. Dependiendo de la magnitud de variacion de A tendremos
estimaciones diversas de esa velocidad de variacion. La unica que es absoluta es la
correspondiente a una variacion de A que tiende a cero. Esto conduce a la nocion de
velocidad instantanea que corresponde, matematicamente, a la definicion de derivada.
En todas las disciplinas que involucren el uso de funciones, antes o despues se intro-
duciran aproximaciones mediante polinomios de Taylor. El conocimiento de ciertos
hechos que se usan, por ejemplo, en fsica, como la aproximacion de sen x por x para
x pequeno en un pendulo o las aproximaciones lineales para deformaciones pequenas
es condicion basica para la comprension de estas disciplinas.
Los conceptos de maximo, mnimo, punto de inflexion, crecimiento, decrecimiento,

concavidad y convexidad de una funcion son de uso comun en ciencia e ingeniera y
163
164 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
tienen su significado e interpretacion en clave cientfica. Pensemos por ejemplo en la

nocion de mnimo de potencial (electrico o gravitatorio) como punto de estabilidad.
9.2. Concepto de funcion
Definicion 9.1. Dados dos conjuntos A y B, se llama funcion definida en A con va-
lores en B a toda aplicacion entre A y B (consultese el tema de aplicaciones lineales).
Definicion 9.2. Si f es una funcion entre A y B, el conjunto A recibe el nombre de
dominio de f o conjunto de definicion de f .
Nota 9.1. Si a es un punto del dominio de f , se sigue de la definicion de funcion que
existe un unico b B tal que b = f (a).
Ejemplo 9.1. Casos particulares de funciones.
1. De lR en lR.
El area de un crculo depende de su radio a traves de la relacion A = r2 .

As A puede verse como una funcion
A : lR lR
dada por A(r) = r2 .

La velocidad v de una pelota en cada libre dentro del campo gravitacional
terrestre aumenta con el tiempo hasta que alcanza la superficie terrestre
(si se desprecia el rozamiento del aire). Si g denota la aceleracion de la
gravedad la funcion sera v(t) = gt.
2. De lRn en lR:
El area de un triangulo depende de la base y la altura del mismo A(b, h) =

1
2 bh.
El volumen de una caja rectangular depende de la anchura, l, profundidad,
w y altura h
v(l, w, h) = lwh.
La diferencia de potencial, E, entre dos soluciones salinas separadas por
una membrana depende de las movilidades de los iones Na+ (x) y Cl
(y) as como del cociente z = cc12 , donde c1 y c2 son las concentraciones
medias de NaCl a ambos lados de la membrana. La funcion que describe
esta relacion es
RT x y
E(x, y, z) = Lnz.
F x+y
9.2. Concepto de funcion 165
3. De lR en lRn
La trayectoria de una partcula en el espacio
x(t) = (x1 (t), x2 (t), x3 (t))
donde para cada i {1, . . . , 3}, xi (t) : lR lR es una funcion.
Nota 9.2. Las funciones se pueden definir a trozos:

1,75 0x1
f (x) =

1,75 + 0,5(x 1) 1 < x

x 0x
|x| = g(x) =

x x<0
Nota 9.3. Si f : X Y es inyectiva, entonces se puede definir una funcion recproca
o inversa de f que es la f 1 : Im(X) X de manera que a cada y Im(X), se
le asocia su antecedente por f, f 1 (y) = (x), donde x X es el unico elemento que
verifica que f (x) = y.
Definicion 9.3. Dadas dos funciones f, g : lR lR se define su suma, resta,

producto y cociente mediante las siguientes formulas:
(f + g)(x) = f (x) + g(x)
(f g)(x) = f (x) g(x)
(f g)(x) = f (x)g(x)
f f (x)
( )(x) =
g g(x)
Nota 9.4. Es facil ver que el dominio de f + g, f g y f g es Dom(f ) Dom(g) y

que el dominio de fg es Dom(f ) Dom(g) {x tales que g(x) = 0}.
f
Ejemplo 9.2. Sea f (x) = 1 + x 2 y g(x) = x 1. Hallar f + g, f g, f g y g y
especificar sus respectivos dominios:

(f + g)(x) = f (x) + g(x) = (1 + x 2) + (x 1) = x + x 2

(f g)(x) = f (x) g(x) = (1 + x 2) (x 1) = 2 x + x2

(f g)(x) = f (x)g(x) = (1 + x 2)(x 1)

f f (x) 1+ x2
( )(x) = =
g g(x) x1
El dominio de f es el intervalo [2, +) y el dominio de g es todo lR. Por tanto el

dominio de f + g, f g y f g es la interseccion de ambos dominios [2, +) lR =
[2, +). El dominio de fg es la interseccion de ambos dominios menos los puntos en
los que g valga 0, y esto vuelve a ser [2, +).
9.3. Lmites de funciones reales de variable real
Definicion 9.4. Supongase una funcion f definida en A lR. El real L recibe el

nombre de lmite de la funcion f en el punto a lR si para todo real, , positivo existe
otro real, , tambien positivo tal que para todos los puntos de A pertenecientes al
intervalo (a , a + ) y distintos de a se verifica que su imagen pertenece al intervalo
(L , L + ).
Repitiendo la definicion en forma concisa:

def
lm f (x) = L > 0 > 0 ((0 < |x a| < y x A) |f (x) L| < )
xa
Nota 9.5. Observese que no es necesario que a pertenezca a A (f puede no estar

definida en a) pero si es necesario que A (a , a + ) {a} sea no vaco > 0.
Dicho de otro modo es necesario que a sea un punto de acumulacion de A.
Nota 9.6. En general, depende de . Representaremos esto a menudo como ().
Nota 9.7. La definicion de lmite es no constructiva, esto es, no proporciona un
metodo para averiguar el lmite de una funcion en un punto, sino que se limita a
proporcionar una manera de decidir si un valor dado es o no dicho lmite. Esto hace
que sean necesarias otras tecnicas aparte de la definicion para calcular los lmites de
funciones.
Dados una funcion f y un punto a, el lmite de f cuando x tiende a a no tiene por

que existir. Hay casos en los que existe y casos en los que no. Veamos por ejemplo
que no existe el lmite cuando x tiende a 0 de la funcion f (x) = sen( x1 ). Supongamos
que existiera dicho lmite y llamemosle L. Sea = 12 . Para este debera de existir un
> 0 tal que cuando |x 0| = |x| < se tenga que f (x) = sen( x1 ) (L 12 , L + 21 ).
9.3. Lmites de funciones reales de variable real 167
Pero esto es imposible ya que para cualquier > 0, el conjunto { x1 : 0 < x < }
lR contiene (infinitos casos de) intervalos de amplitud 2 y por tanto el conjunto
{sen( x1 ) : 0 < x < } lR contiene (infinitas copias de) el intervalo (1, 1). Como
este intervalo tiene diametro 2, es imposible que quepa dentro de un intervalo de
diametro 1 como es el (L 21 , L + 12 ).
Mas sencillo resulta ver que la propia funcion f (x) = x1 no tiene lmite cuando x
tiende a 0. La idea ahora es observar que para cualquier > 0,
1 1
f ((0, )) = { : 0 < x < } = ( , +)
x
y esto no puede estar contenido dentro de ningun intervalo (L , L + ).
0.5
2 1 0 1 2
x
0.5
Figura 9.1: Lmite oscilante de la funcion sen( x1 ) en x = 0.
Nota 9.8. Sea f una funcion real definida en al menos un entorno reducido de un
punto a lR. Se verifica que:
1. Si f tiene lmite en a, entonces f tiene un solo lmite en a.

2. Si f tiene lmite en a, entonces f esta acotada cerca de a.
Definicion 9.5.
1. Se dice que
lm f (x) = L
x+
si para todo > 0, existe un M lR tal que si x > M entonces |f (x) L| < .
2. Se dice que
lm f (x) = L
x
si para todo > 0, existe un M lR tal que si x < M entonces |f (x) L| < .
3. Se dice que
lm f (x) = +
xa
si para todo M lR, existe un > 0 tal que si 0 < |x a| < entonces
f (x) > M .
4. Se dice que
lm f (x) =
xa
si para todo M lR, existe un > 0 tal que si 0 < |x a| < entonces
f (x) < M .
5. Se dice que
lm f (x) = +
x+
si para todo M lR, existe un N lR tal que si x > N entonces f (x) > M .
Analogamente se definen los siguientes lmites:
lm f (x) = , lm f (x) = + y lm f (x) = .

x+ x x
Nota 9.9. Notese que en todos los casos anteriores, la idea en las definiciones es
considerar que el conjunto (M, +) juega el papel de un intervalo centrado en
+, analogamente, que (, M ) juega el papel de un intervalo centrado en .
Notese tambien que en los casos (3), (4) y (5) de la definicion anterior, el lmite de
f en el punto considerado propiamente no existe, ya que para existir debera ser un
numero real y + y no son numeros reales, sino meras formas de indicar que
algo se hace tan grande o tan negativamente grande como queramos. Por ejemplo,
la definicion (3) podra leerse:
Diremos que el lmite cuando x tiende a a de la funcion f es mas infinito si dado

cualquier numero real M (arbitrariamente grande), podemos encontrar un intervalo
centrado en a de manera que todo punto de dicho intervalo se transforma por f en
un punto mayor que M .
Existe otra presentacion posible de las ideas anteriores, que consiste en dotar de
existencia a las nociones de + y definiendo el conjunto lR = lR {, +}
y extendiendo a este conjunto la relacion de orden de lR y su aritmetica, esto es, la
suma y el producto. Dos son los motivos por los que elegimos no dar esa presentacion:
el primero es que no es posible dar una definicion satisfactoria de + , 0 (),
entre otras expresiones, por lo que no se puede dotar a lR de estructura de cuerpo. El
segundo es que para la gran mayora (si no todas) de aplicaciones, la nocion de es

innecesaria: no hay cantidades infinitas de energa, ni de moleculas, ni en general de
magnitudes medibles.
Definicion 9.6. Si la variable x tiende al valor fijo a solo por la derecha (x a+ )

o solo por la izquierda (x a ), al correspondiente lmite de f se le llama lmite
lateral por la derecha o por la izquierda. Con mas rigor:
L es el lmite de f cuando x tiende a a por la izquierda, y lo escribimos
L = lm f (x)
xa
si y solo si para todo > 0 existe > 0 tal que si 0 < a x < entonces
|f (x) L| < .
L es el lmite de f cuando x tiende a a por la derecha, y lo escribimos
L = lm+ f (x)
xa
si y solo si para todo > 0 existe > 0 tal que si 0 < x a < entonces
|f (x) L| < .
Nota 9.10. Si L es el lmite de la funcion f en el punto a entonces los dos lmites

laterales en a de f son iguales entre si e iguales a L. Por el contrario si los dos lmites
laterales son distintos entonces no existe el lmite de la funcion en a.
1 1 2 3 4 5
x
Figura 9.2: Lmites laterales coincidentes.

0.5
3 2 1 1 2 3
x
0.5
Figura 9.3: La funcion signo(x), lmites laterales no coincidentes en x = 0.
Ejemplo 9.3. Sea la funcion signo definida como

1 x>0

signo(x) = 0 x=0

1 x < 0
Es facil ver que
lm signo(x) = 1 y que lm signo(x) = 1.

x0+ x0
Nota 9.11. Sea f una funcion definida al menos en un entorno reducido1 de un punto
a. Se dice que f es un infinitesimo en a si lm f (x) = 0.
xa
Proposicion 9.1 (Propiedades aritmeticas de los lmites). Sean f y g dos

funciones reales de variable real, definidas en al menos un entorno reducido de a
(incluyendo la posibilidad de que a valga ). Si
lm f (x) = L1 y lm g(x) = L2
xa xa
entonces
1 Entorno reducido de a: entorno de a del que se ha extrado el punto a (V (a) {a}). En el caso
de lR todo intervalo abierto de centro a es un entorno de a.

lmxa (f g)(x) = L1 L2
lmxa (f g)(x) = L1 L2
Si L2 6= 0 entonces
f L1
lm (x) =
xa g L2
Ademas, cuando mas adelante veamos la definicion de funcion continua, se podra de-
mostrar que si h es una funcion continua en L1 entonces

lm h(f (x)) = h lm f (x) = h(L1 ).
xa xa
En particular, usando la continuidad de las funciones implicadas, se puede demostrar
Si L1 > 0, y n > 0, n 6= 1, entonces

lm logn f (x) = logn lm f (x) = logn L1 .
xa xa
Si n > 0 , entonces
lm nf (x) = n(lmxa f (x)) = nL1 .

xa
Si L1 y L2 no son simultaneamente 0, entonces

lmxa g(x)
lm f (x)g(x) = lm f (x) = LL
1 .
2
xa xa
Proposicion 9.2. Sean f y g funciones reales de variable real, definidas en al menos

un entorno reducido de a. Se verifica que:
1. Si lmxa f (x) = + y existe un intervalo centrado en a en el que g esta acota-

da inferiormente, entonces lmxa (f +g)(x) = +. En particular, si lmxa g(x)
= L, se tiene
lm (f + g)(x) = +
xa
lo que, abusando de notacion, se escribe
lm (f + g)(x) = + + L = +
xa
Lo mismo es cierto si cambiamos en la expresion anterior + por y aco-

tada inferiormente por acotada superiormente.
2. Si lmxa f (x) = + y existen > 0 y un intervalo centrado en a en el que

g(x) > , entonces,
lm (f g)(x) = +.
xa
En particular, si lmxa g(x) = L > 0, se tiene que
lm (f g)(x) = (+)L = +
xa
con un abuso de notacion similar al anterior. Se tienen resultados analogos,

siguiendo el convenio de signos habitual, considerando las diferentes combina-
ciones posibles entre lmxa f (x) = y g(x) > > 0 o g(x) < < 0.
3. lmxa f (x) = + si y solo si lmxa f1 (x) = 0 y f (x) 0 para todo x
perteneciente a algun intervalo centrado en a (abreviaremos todo ello dicien-
do que lmxa f1 (x) = 0+ ). Analogamente, lmxa f (x) = si y solo si
lmxa f1 (x) = 0 .
Proposicion 9.3 (Indeterminaciones). Diremos que un lmite es indeterminado

cuando desconocemos su valor, o no estamos seguros de su existencia.
1. Si lmxa f (x) = + y lmxa g(x) = + entonces
lm (f g)(x) es indeterminado.
xa
2. Si lmxa f (x) = y lmxa g(x) = 0 entonces
lm (f g)(x) es indeterminado.
xa
3. Si lmxa f (x) = 0 y lmxa g(x) = 0 o si lmxa f (x) = y lmxa g(x) =

entonces
f
lm (x) es indeterminado.
xa g
4. Si lmxa f (x) = 1 y lmxa g(x) = o si lmxa f (x) = y lmxa g(x) =

0 o si lmxa f (x) = 0 y lmxa g(x) = 0 entonces
lm f (x)g(x) es indeterminado.
xa
Cuando un lmite es indeterminado, tenemos que manipularlo hasta determinar su

existencia o no, y su valor si fuera el caso. No hay una misma regla valida siempre, sino
una multitud de tecnicas de calculo de lmites. Quizas merezca la pena mencionar
el siguiente resultado:
Para todo a > 1, m > 0 y b > 1 se tiene

9.4. Continuidad de funciones de una variable 173
loga x xm bx (E(x))!
lm = lm = lm = lm =0
x xm x bx x (E(x))! x xx
Mas adelante, cuando esten a nuestra disposicion las tecnicas de derivacion, describi-
remos la Regla de LHopital, otra herramienta muy util para la resolucion de ciertas
indeterminaciones.
9.4. Continuidad de funciones de una variable
Definicion 9.7. Sea una funcion, f, de A lR en lR Si a A, se dice que la funcion

f es continua en a si
lm f (x) = f (a).
xa
Nota 9.12. Notese que la igualdad de la anterior implica tres condiciones: la exis-
tencia del lmite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
x
4 2 2 4
Figura 9.4: Funcion continua en todos los puntos del intervalo [40 5, 40 5] salvo en
x = 40 25 y x = 3.
Proposicion 9.4. Sean f, g dos funciones continuas en un punto a. Entonces las

funciones f g y f g tambien son continuas en a. Ademas, si g(a) 6= 0, entonces la
funcion fg tambien es continua en a.
Proposicion 9.5. Si g es continua en a y f es continua en g(a) entonces f g es
continua en a (notese que se requiere que f sea continua en g(a), no en a).
Observese que la definicion de continuidad es esencialmente puntual: una funcion es

continua en un punto a si verifica una determinada condicion en dicho punto. En
las dos definiciones siguientes se extiende el concepto de continuidad a un intervalo
abierto y a un intervalo cerrado:
Definicion 9.8. Si f es continua en x x (a, b) entonces se dice que f es continua
en (a, b).
Definicion 9.9. Si f es continua en x x (a, b) y si lm+ f (x) = f (a) y lm
xa xb
f (x) = f (b) entonces se dice que f es continua en [a, b].
Teorema 9.1. Si f es continua en [a, b] entonces:
1. Si f (a) < c < f (b) existe x [a, b] t.q. f (x) = c.

2. f esta acotada en [a, b], es decir, existe K lR tal que, para todo x [a, b],
|f (x)| K.
3. f alcanza sus valores maximo y mnimo en [a, b], es decir, existen a, b C tales
que, para todo x [a, b],
m = f (a) f (x) f (b) = M.
9.5. Definicion de funcion derivable y propiedades

basicas
Definicion 9.10. Sea A lR un intervalo abierto y sea f : lR lR. Se dice que f

es derivable en el punto a A si existe el siguiente lmite
f (x) f (a)
lm .
xa xa
Llamando h = x a, el lmite anterior tambien se puede escribir como

f (a + h) f (a)
lm .
h0 h
En ese caso, es decir, cuando ese lmite exista, a su valor se le denomina derivada de
f en a, y se le representa por f 0 (a).
Definicion 9.11. Llamamos derivada lateral por la derecha de f en a al valor de
f (a + h) f (a)
lm+
h0 h
9.5. Definicion de funcion derivable y propiedades basicas 175
cuando este exista. Analogamente, llamamos derivada lateral por la izquierda de f en

a al valor de
f (a + h) f (a)
lm
h0 h
cuando exista.
Una funcion f se dice derivable en un intervalo abierto A si lo es en cada punto de

A. f se dice derivable en [a, b] si es derivable en (a, b), derivable en a por la derecha
y derivable en b por la izquierda.
Definicion 9.12. Sean la funcion f : A lR lR y el punto a A tal que exista
f 0 (a). Se denomina diferencial de f en a a la aplicacion lineal:
df (a; ) : lR lR
h f 0 (a)h
Nota 9.13 (Interpretacion geometrica de la derivada). La derivada de f en

a, f 0 (a) se puede interpretar como la pendiente de la recta tangente a la grafica de f
en el punto (a, f (a)). La diferencial de f en a se puede interpretar como la paralela a
dicha tangente pasando por el origen.
g(1)+dg(1;x)
1.5
dg(1;x) g(x)
0.5
0 0.5 1 1.5 2 2.5 3
Figura 9.5: Dibujo de una funcion, g, su tangente, g(1) + g 0 (1)x o g(1) + dg(1; x), y
su diferencial, dg(1; ), en x0 = 1.
Definicion 9.13. Sea f : lR lR una funcion derivable en un intervalo A lR.

Entonces podemos definir la funcion
f0 : A lR
x f 0 (x)
La funcion f 0 recibe el nombre funcion derivada de f .

Proposicion 9.6. Si f : A lR lR es derivable en a A entonces f es continua
en a.
Demostracion. Por definicion, f es continua en a si y solo si lmxa f (x) = f (a), y

esto es equivalente a que lmxa f (x) f (a) = 0. Se trata pues de evaluar este ultimo
lmite:
f (x) f (a)
lm f (x) f (a) = lm (x a).
xa xa xa
Por la Proposicion 9.1, y usando el hecho de que f es derivable en a y que por tanto
existe lmxa f (x)f
xa
(a)
, tenemos que
f (x) f (a) f (x) f (a)
lm (xa) = lm lm (xa) = f 0 (a) lm (xa) = f 0 (a)0 = 0,
xa xa xa xa xa xa
de donde se sigue que f es continua en a.

Nota 9.14. La recproca de la proposicion anterior no es cierta, una funcion puede
ser continua en un punto y no derivable en dicho punto; considerese por ejemplo la
funcion |x|, que es continua y no derivable en 0.
4 3 2 1 0 1 2 3 4
x
Figura 9.6: La funcion f (x) = |x| y su derivada en el intervalo [4, 4].

Proposicion 9.7. Sean f, g : lR lR dos aplicaciones derivables en un mismo
punto a A. Entonces:
1. f g es derivable en a y
(f + g)0 (a) = f 0 (a) g 0 (a)
9.5. Definicion de funcion derivable y propiedades basicas 177
2. f g es derivable en a y
(f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a)
f
3. es derivable en a y
g
0
f f 0 (a)g(a) f (a)g 0 (a)
(a) =
g g(a)2
Demostracion. Haremos la demostracion del caso f + g y f g. El caso f g es

totalmente analogo a f + g y el caso fg es tan solo algo mas complicado que el caso
f g:
(f + g)(a + h) (f + g)(a)
(f + g)0 (a) = lm =
h0 h
f (a + h) + g(a + h) (f (a) + g(a)) f (a + h) f (a)
= lm = lm +
h0 h h0 h
g(a + h) g(a)
+ lm = f 0 (a) + g 0 (a).
h0 h
(f g)(a + h) (f g)(a)
(f g)0 (a) = lm =
h0 h
f (a + h)g(a + h) f (a)g(a)
= lm =
h0 h
f (a + h)g(a + h) f (a + h)g(a) + f (a + h)g(a) f (a)g(a)
= lm =
h0 h
f (a + h) (g(a + h) g(a)) g(a) (f (a + h) f (a))
= lm + lm =
h0 h h0 h
g(a + h) g(a) f (a + h) f (a)
= lm f (a + h) lm + g(a) lm =
h0 h0 h h0 h
= f (a)g 0 (a) + f 0 (a)g(a).
Ejercicio 9.1. Comprobar que, para todo n lN
0
(f n (x)) = nf n1 (x)f 0 (x)
Lo haremos por induccion. Ya sabemos que el resultado es cierto para n = 1 y n = 2.

Supongamoslo cierto para n = k 1 y veamos que ocurre en el caso n = k:
k 0 0
f (x) = f (x)f k1 (x) = f 0 (x)f k1 (x) + f (x)(k 1)f k2 (x)f 0 (x) =
= f 0 (x)f k1 (x) + (k 1)f 0 (x)f k1 (x) = kf 0 (x)f k1 (x).
El resultado es cierto tambien, con una prueba similar, en el caso de que n sea un
entero negativo.
Teorema 9.2 (Regla de la cadena). Sean A lR y B lR dos intervalos abiertos y

f : A lR, g : B lR dos funciones tales que f (A) B. Si f es derivable en a A
y g es derivable en b = f (a) B entonces la aplicacion compuesta (g f ) : A lR
es derivable en a A y se cumple
(g f )0 (a) = g 0 (f (a))f 0 (a).
Teorema 9.3 (Derivada de la funcion inversa). Sea A lR un intervalo y sea

f : A lR una funcion continua en A y derivable en un punto a del interior de A
(es decir, del conjunto A excluyendo los bordes de los intervalos que lo forman). Si
f 0 (a) 6= 0 entonces la aplicacion inversa f 1 : f (A) Im(f ) A es derivable en
b = f (a) y
1 0 1 1
f (b) = 0 = 0 1
f (a) f (f (b))
Ejemplo 9.4 (Derivada de arcsen(x)). Sea f (x) = sen(x), que como es bien
sabido es continua y derivable en todo punto. Entonces f 1 =arcsen: [1, 1] lR.
Calculemos cuanto vale arcsen0 (x) utilizando el Teorema 9.3:
0 1 1
arcsen0 (x) = f 1 (x) = = =
f 0 (f 1 (x)) sen0 (arcsen(x))
1 1 1
= =p =
cos (arcsen(x)) 2
1 sen (arcsen(x)) 1 x2
9.6. Tabla de derivadas de funciones elementales

d(au) du
1. =a
dx dx
d(u + v w) du dv dw
2. = +
dx dx dx dx
d(uv) dv du
3. =u +v
dx dx dx
du dv
d(u/v) v( ) u( )
4. = dx dx
dx v2
d(un ) du
5. = nun1
dx dx
d(ln u) 1 du
6. =
dx u dx
d(loga u) 1 du
7. =
dx u ln a dx
9.6. Tabla de derivadas de funciones elementales 179
d(v u ) dv du
8. = uv u1 + v u (ln v)
dx dx dx
d(eu ) du
9. = eu
dx dx
d(au ) du
10. = au ln(a)
dx dx
d(sen u) du
11. = cos u
dx dx
d(cos u) du
12. = sen u
dx dx
d(tg u) 1 du
13. =
dx cos2 u dx
d(arcsen u) 1 du
14. =
dx 1 u dx
2
d(arc cos u) 1 du
15. =
dx 1 u2 dx
d(arctg u) 1 du
16. =
dx 1 + u2 dx
d(Sh u) du
17. = Ch u
dx dx
d(Ch u) du
18. = Sh u
dx dx
d(Th u) 1 du
19. =
dx Ch2 u dx
d(ArgSh u) 1 du
20. =
dx 1 + u dx
2
d(ArgCh u) 1 du
21. =
dx u2 1 dx
d(ArgTh u) 1 du
22. =
dx 1 u2 dx
9.7. Derivacion de funciones definidas implcitamen-

te y parametricamente
Definicion 9.14. Sea F : lR2 lR. Se dice que la ecuacion F (x, y) = 0 define
implcitamente la funcion y = f (x) cuando para todo x en el dominio de f se verifica
F (x, f (x)) = 0.
Nota 9.15. En general, en las condiciones de la definicion anterior, la misma fun-
cion F podra definir implcitamente mas de una funcion: por ejemplo, la ecuacion
F (x, y) = x2 + y 2 1 = 0 define implcitamente dos funciones
p p
f1 (x) = 1 x2 y f2 (x) = 1 x2 .
Proposicion 9.8. Sean F y f como en la Definicion 9.14 y sea a un punto en el
dominio de f . Para hallar la derivada de f en a se deriva la expresion F (x, f (x))
respecto de x, se particulariza en a, se iguala a 0 y se despeja f 0 (a).
Veamos esto con un ejemplo,

Ejemplo 9.5. Hallar la derivada de la funcion y = f (x) definida implcitamente por
la ecuacion
F (x, y) = 2x6 + y 4 9xy = 0
en el punto x = 1 sabiendo que f (1) = 2.
Hemos llamado y = f (x) y por tanto

F (x, f (x)) = 2x6 + f (x)4 9xf (x).
Derivemos ahora la expresion de arriba con respecto a x:
dF (x, f (x))
= 6 2x5 + 4f (x)3 f 0 (x) 9f (x) 9xf 0 (x).
dx
Igualando a 0 y despejando obtenemos que
9f (x) 12x5
f 0 (x) =
4f 3 (x) 9x
6
de donde f 0 (1) = 23 .
Proposicion 9.9 (Derivacion de una funcion definida parametricamente).

Sean x = x(t) e y = y(t) dos funciones dependientes del parametro t [a, b]. Si
ademas y es funcion de x (y = f (x)) se verifica
dy
dy dt y 0 (t)
= dx
= .
dx dt
x0 (t)
9.8. Teoremas del valor medio 181
9.8. Teoremas del valor medio
Teorema 9.4 (Teorema de Rolle). Sea f : [a, b] lR una funcion continua en

[a, b], derivable en (a, b) y tal que f (a) = f (b). Entonces existe (a, b) tal que
f 0 () = 0.
A partir del Teorema de Rolle es muy facil demostrar el

Teorema 9.5 (Teorema de los incrementos finitos). Sea f : [a, b] lR una
funcion continua en [a, b] y derivable en (a, b). Entonces existe (a, b) tal que
f (b) f (a)
f 0 () = .
ba
La idea del teorema es que en algun punto del intervalo la tasa de variacion de la
funcion es precisamente la tasa de variacion media de la funcion en todo el intervalo.
Definicion 9.15. Sea f : A lR una funcion derivable en un punto x0 A.
1. Se dice que f es creciente en x0 si existe un intervalo (a, b) A tal que f (x)

f (x0 ) para todo x (a, x0 ) y f (x) f (x0 ) para todo x (x0 , b).
2. Se dice que f es decreciente en x0 si existe un intervalo (a, b) A tal que
f (x) f (x0 ) para todo x (a, x0 ) y f (x) f (x0 ) para todo x (x0 , b).
Definicion 9.16. Sea f : A lR una funcion derivable en un intervalo (a, b) A.
1. Se dice que f es monotona creciente en (a, b) si para todo par de puntos x1 , x2

de (a, b) tales que x1 < x2 entonces f (x1 ) f (x2 ). (f es creciente en todos los
puntos de (a, b)).
2. Se dice que f es monotona decreciente en (a, b) si para todo par de puntos x1 ,
x2 de (a, b) tales que x1 < x2 entonces f (x1 ) f (x2 ). (f es decreciente en todos
los puntos de (a, b)).
Teorema 9.6. Sea f : (a, b) lR una funcion derivable en (a, b). Entonces:
1. f (x) es monotona creciente en (a, b) Ssi f 0 (x) 0 para todo x (a, b).
2. f (x) es monotona decreciente en (a, b) Ssi f 0 (x) 0 para todo x (a, b).
3. f (x) es constante en (a, b) Ssi f 0 (x) = 0 para todo x (a, b).
4. f (x) es inyectiva en (a, b) si f 0 (x) 6= 0 para todo x (a, b).
9.9. Reglas de LHopital
Teorema 9.7. Sea A lR un intervalo abierto y sea a A. Dadas dos funciones

f, g : A \ {a} : lR derivables en A tales que
lm f (x) = lm g(x) = 0
xa xa
y tales que g 0 (x) 6= 0 para todo x A \ {a}. Si
f 0 (x)
lm =L
xa g 0 (x)
entonces
f (x)
lm =L
xa g(x)
Teorema 9.8. Sea A lR un intervalo abierto y sea a A. Dadas dos funciones
f, g : A \ {a} : lR derivables en A tales que
lm f (x) , lm g(x) =
xa xa
y tales que g 0 (x) 6= 0 para todo x A \ {a}. Si
f 0 (x)
lm =L
xa g 0 (x)
entonces
f (x)
lm =L
xa g(x)
Nota 9.16. Teoremas analogos se verifican cuando x tiende a .
9.10. Formula de Taylor
Definicion 9.17. Sea A lR un intervalo abierto, f : A lR una aplicacion

derivable en todo A y sea f 0 la funcion derivada de f . Si f 0 es a su vez derivable
en A, a su derivada se le denomina derivada segunda de f y se representa por f 00
2
o f (2) o d dx f (x)
2 . Si f
00
es tambien derivable denotamos su derivada por f 000 o f (3) . El
proceso se puede repetir mientras que las sucesivas derivadas que obtengamos sean a
su vez derivables. Notese que si f posee derivada k-esima se tiene que cumplir que
f, f 0 , f 00 ,. . . ,f (k1) deben ser derivables en A y por tanto continuas, pero f (k) no tiene
por que ser continua. Una funcion f que verifique que existe f (k) y es continua se
dice que es una funcion de clase k y se representa como f C k (A).
9.10. Formula de Taylor 183
Teorema 9.9. Sea A un intervalo abierto y f : A lR una funcion que posee

derivada n-esima f (n) en A. Sea a A. Se define el polinomio de Taylor de grado
n 1 de f alrededor de a como
f 0 (a) f 00 (a) f (n1) (a)

pn1 (x) = f (a) + (x a) + (x a)2 + + (x a)n1 .
1! 2! (n 1)!
Entonces, para cada x A {a}, existe (a, x) o (x, a) tal que
f (n) ()
f (x) = pn1 (x) + (x a)n .
n!
Esta ultima expresion se conoce como formula de Taylor.

Nota 9.17. Al polinomio de Taylor alrededor de a = 0 se le denomina polinomio de
Mac-Laurin.
Ejemplo 9.6. Hallar el polinomio de Mac-Laurin de grado 5 de las funciones f (x) =
sen x y f (x) = ex .
Solucion: Para calcular el polinomio correspondiente a la funcion sen x deberemos

calcular el valor de la funcion de sus 5 primeras derivadas en x = 0:
f (x) = sen x f (0) = 0

f 0 (x) = cos x f 0 (0) = 1
f 00 (x) = sen x f 00 (0) = 0
f 000 (x) = cos x f 000 (0) = 1
f iv (x) = sen x f iv (0) = 0
f v (x) = cos x f v (0) = 1
x3 x5
Por tanto, p5 (x) = x 3! + 5! .
En cuanto a la funcion exponencial,
f (x) = ex f (0) = 1
f 0 (x) = ex f 0 (0) = 1
f 00 (x) = ex f 00 (0) = 1
f 000 (x) = ex f 000 (0) = 1
f iv (x) = ex f iv (0) = 1
f v (x) = ex f v (0) = 1
x2 x3 x4 x5
y, por tanto, p5 (x) = 1 + x + 2! + 3! + 4! + 5! .
3
p1(x)
1
p5(x)
sen(x)
3 2 1 0 1 2 3
x
1
p3(x)
2
Figura 9.7: La funcion sen(x) y sus tres primeros polinomios de Taylor: p1 (x), p3 (x)
y p5 (x).
Ejemplo 9.7. Demostrar la formula de Euler
eix = cos(x) + i sen(x)
Solucion: Por lo visto en el ejemplo anterior,
(ix)2 (ix)3 (ix)4 (ix)5 (ix)6

eix = 1 + (ix) + + + + + + ....
2! 3! 4! 5! 6!
Como i2n = (1)n , i2n+1 = (1)n i, podemos escribir
x2 x3 x4 x5 x6
eix = 1 + (ix) i + +i + ....
2! 3! 4! 5! 6!

x2 x4 x6 x3 x5
= 1 + + ... + i x + ... = cos(x) + i sen(x)
2 4! 6! 3! 5!
9.11. Extremos de funciones
Definicion 9.18. Sea f : A lR lR.
1. Se dice que f alcanza un maximo relativo en a A si existe un entorno V de a

tal que, para todo x V A, f (x) f (a).
2. Se dice que f alcanza un mnimo relativo en a A si existe un entorno V de a
tal que, para todo x V A, f (x) f (a).
9.11. Extremos de funciones 185
exp(x)
4.5
p3(x)
4
3.5
p2(x)
3
2.5
p1(x)
2
1.5
p0(x)
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4
x
Figura 9.8: La funcion ex y sus cuatro primeros polinomios de Taylor: p0 (x), p1 (x),
p2 (x) y p3 (x).
3. Los maximos y mnimos relativos se denominan globalmente extremos relativos.
4. Se denomina supremo o extremo superior de f en A al supxA {f (x)}.
5. Se denomina nfimo o extremo inferior de f en A al inf xA {f (x)}.
6. Cuando el supremo y el nfimo de f en A existen y pertenecen al conjunto f (A)

se denominan maximo absoluto y mnimo absoluto de f en A. Globalmente se
denominan extremos absolutos.
Teorema 9.10 (Condicion necesaria de existencia de extremos relativos).

Sea A lR un conjunto abierto y sea la aplicacion f : A lR. Si f posee un extremo
relativo en a A y f es derivable en a, entonces necesariamente f 0 (a) = 0.
Demostracion. Supongamos que f alcanza un mnimo relativo en a y que f es

derivable en a. Entonces
f (x) f (a) f (x) f (a) f (x) f (a)
f 0 (a) = lm = lm+ = lm .
xa xa xa xa xa xa
Como a es un mnimo relativo de f , existe un entorno V de a tal que, para todo

x V (a, +),
f (x) f (a)
0,
xa
y por tanto se tiene que
f (x) f (a)
f 0 (a) = lm+ 0.
xa xa
Por otro lado, para ese mismo entorno V se tiene que, para todo x V (, a),
f (x) f (a)
0,
xa
y por tanto
f (x) f (a)
f 0 (a) = lm 0,
xa
xa
y por tanto necesariamente se ha de tener que f 0 (a) = 0. El caso en que a fuera un
maximo relativo se demuestra de manera totalmente analoga.
Nota 9.18. Debe quedar claro que la anterior es una condicion necesaria pero no
suficiente: pueden existir puntos de A tales que f 0 (a) = 0 pero que no sean extremos.
Los puntos de A que verifican f 0 (a) = 0 se denominan puntos crticos.
Teorema 9.11 (Condicion suficiente de existencia de extremos relativos).
Sea A lR un intervalo abierto. Sea una aplicacion f : A lR con derivada n-esima
f (n) continua en A, es decir f C n (A). Sea a A tal que
f 0 (a) = f 00 (a) = = f (n1) (a) = 0 y f (n) (a) 6= 0.
Entonces:
1. Si n es par y f (n) (a) < 0, f alcanza en a un maximo relativo.

2. Si n es par y f (n) (a) > 0, f alcanza en a un mnimo relativo.
3. Si n es impar, entonces a no es un extremo relativo de f sino un punto de
inflexion, concepto este que se definira mas adelante.
Demostracion. El problema de hallar si una funcion f tiene un extremo en el punto

a se reduce a comprobar si existe un > 0 tal que, f (x) f (a) tenga siempre el
mismo signo para todo x (a , a + ). Por la formula de Taylor,
f 0 (a) f 00 (a) f (n1) (a)
f (x) = f (a) + (x a) + (x a)2 + + (x a)n1 +
1! 2! (n 1)!
f (n) (a) f (n+1) (a + (x a))
+ (x a)n + (x a)n+1 .
(n)! (n + 1)!
Como
f 0 (a) = f 00 (a) = = f (n1) (a) = 0,
se tiene que (para x suficientemente proximo a a):
f (n) (a)
Signo(f (x) f (a)) = Signo( (x a)n ).
n!
Consideremos tres posibles casos:

9.12. Estudio global de la grafica de una funcion 187
1. n es par y f (n) (a) > 0. Entonces, para todo x (a , a + ),
f (n) (a)
f (x) f (a) = (x a)n 0
n!
y por tanto a es un mnimo relativo de f .
2. n es par y f (n) (a) < 0. Entonces, para todo x (a , a + ),
f (n) (a)
f (x) f (a) = (x a)n 0
n!
y por tanto a es un maximo relativo de f .
3. n es impar. Si, por ejemplo, f (n) (a) > 0, entonces f (x) f (a) > 0 si x > a y
f (x) f (a) < 0 si x < a y por tanto a no es extremo relativo de f .
Definicion 9.19. Se dice que la funcion f : A lR lR derivable en A, es concava

(respectivamente convexa) en a A si existe un entorno V de a tal que, para todo
x (V \ {a}) A,
(x) = f (x) t(x) > 0 (respectivamente < 0)
siendo t(x) la recta tangente a f en a: t(x) = f (a) + f 0 (a)(x a). Si (x) cambia de
signo al pasar de los puntos a la izquierda de a a los puntos a la derecha de a, se dice
que f posee en a un punto de inflexion.
Nota 9.19. A la vista de esta definicion, es facil comprobar que en el caso 3 del
teorema anterior, f tiene un punto de inflexion en a.
Nota 9.20. Si la funcion alcanza un mnimo (respectivamente maximo) en a la fun-

cion es concava (respectivamente convexa) en a. La implicacion contraria, sin embargo,
no es cierta.
Nota 9.21. Como consecuencia de la definicion anterior, tendremos que si en un

cierto punto x es f 00 (x) > 0 entonces la funcion es concava y si f 00 (x) < 0 entonces la
funcion es convexa.
9.12. Estudio global de la grafica de una funcion
Estudio local de la grafica de una funcion. La grafica de una funcion real

f : I lR, definida en un intervalo I es el siguiente conjunto de puntos de un plano

(x, y) lR2 y = f (x), x I
Se supondra que en lR2 se toma la referencia cartesiana ordinaria: la que tiene su

origen en el punto (0,0) y cuya base esta formada por los vectores (1,0)t y (0,1)t .
En los apartados anteriores se ha estudiado como determinar, dado un punto a I,

el crecimiento o decrecimiento de f en a, la existencia o no de un extremo relativo
de f en a (y determinar si el extremo es un maximo o un mnimo), la concavidad
o convexidad de f en a y si a es un punto de inflexion. Esto es lo que se denomina
un estudio local de la funcion f en un entorno de a y permite dibujar de forma
aproximada la grafica de f en dicho entorno. A continuacion se describe brevemente
como se puede extender este estudio local a todo lR.
Estudio global de la grafica de una funcion. El procedimiento para investigar

una funcion y dibujar su grafica en todo lR consta de las siguientes etapas:
1. Estudiar el dominio de la funcion.
2. Obtener los puntos de discontinuidad de la funcion y sus asntotas verticales.
3. Estudiar la paridad y periodicidad de la funcion.
4. Obtener los puntos de interseccion de la grafica con los ejes de coordenadas.
5. Estudiar la caracterstica de la funcion en el infinito: asntotas horizontales y

oblicuas.
6. Determinar cuales son los intervalos de monotona de la funcion y calcular los

extremos relativos de la funcion.
7. Estudiar la concavidad y convexidad de la funcion, puntos de inflexion.
8. Dibujo de la grafica utilizando la informacion obtenida en las etapas anteriores.

Si es necesario se calculan imagenes de puntos intermedios.
Para poder realizar las etapas anteriores es necesario recordar que son las asntotas
de una funcion.
Definicion 9.20. (Asntota vertical) Se dice que una funcion f tiene una asntota
vertical en a lR si
lm f (x) = o lm f (x) =
xa+ xa
Definicion 9.21. (Asntota horizontal y Asntota oblicua) (Comportamiento

de la funcion en el infinito). Se dice que la recta y = b es una asntota horizontal
de la funcion f si
9.12. Estudio global de la grafica de una funcion 189
lm f (x) = b o lm f (x) = b.
x x
Se dice que la recta y = mx + b (m 6= 0) es una asntota oblicua de la funcion f si
lm f (x) mx b = 0 o lm f (x) mx b = 0.
x x
2x2 8
Ejemplo 9.8. Dibujar la grafica de la funcion y = f (x) = x2 16 .
Solucion :
1. Dominio de la funcion: lR {4, 4}.

2
2a2 8
2. lm 2x2 8 = a2 16 (a lR {4, 4}). La funcion es continua en todo el
xa x 16
dominio.
2x2 8 2x2 8
lm x2 16 = , lm + x2 16 = x = 4 es una asntota vertical.
x4 x4
2x2 8 2x2 8
lm x2 16 = , lm x2 16 = x = 4 es una asntota vertical.
x4 x4+
3. La funcion es par, f (x) = f (x). No es periodica. De la paridad de la funcion

se deduce que es simetrica respecto al eje OY.
4. Interseccion con el eje y; y = f (0) = 1/2.

Interseccion con el eje x; 2x2 8 = 0 x = 2, x = 2.
2x2 8 2x2 8
5. Asntotas horizontales: lm 2 = 2, lm 2 = 2 (se podra haber
x x 16 x x 16
obtenido directamente por simetra). No hay asntotas oblicuas.
dy x
6. Extremos de la funcion: dx = 48 (x2 16) 2 = 0 x = 0 es un punto crtico
d2 y 2 d2 y
dx2 = 48 (x3x2 16)
+16
3 dx2 |x=0
3
= 16 < 0 y = f (x) alcanza un maximo
relativo en x = 0.
dy dy x
Intervalos de monotona: se comprueba el signo de dx : dx = 48 (x2 16) 2 < 0
48x < 0 (x 6= 4), la inecuacion se satisface x lR+ {4} la funcion es

monotona decreciente en (0, 4) y en (4, ) y, por simetra, es monotona creciente
en (, 4) y en (4, 0).
2
d y d2 y
7. Concavidad y convexidad: se estudia el signo de la funcion dx2 . El signo de dx2
2 2
depende del signo de x 16 puesto que 3x + 16 es siempre positivo:
d2 y
Si x (, 4) (4, ) entonces x2 16 > 0 y dx2 > 0. Por lo tanto la funcion
es concava en x (, 4) (4, ).
d2 y
Si x (4, 4) entonces x2 16 < 0 y dx2 < 0. Por lo tanto la funcion es convexa
en x (4, 4).
No existen puntos de inflexion.
8. Dibujo de la grafica de la funcion
infinity
-infinity 0 infinity
x
-infinity
2x2 8
Figura 9.9: Grafica de la funcion f (x) = x2 16 .
los captulos 2, 3 y 4 de [43], los captulos 1, 2 y 3 de [37], el captulo 7 de [8] y los
captulos 2 y 3 del primer tomo de [25].
9.14. Ejercicios

1. Demostrar, utilizando la definicion , que lm x= a para a > 0. Ayuda:
xa

tengase en cuenta que x a = (xa) .
x+ a
x2
2. Demostrar, utilizando la definicion M , que lm 1+x 2 = 1.
x
9.14. Ejercicios 191
3. Demostrar, utilizando la definicion M que lm ekx = 0 k < 0.

x
4. Demostrar, utilizando la definicion , que lm (x3 + 2x) = 33.

x3
5. Determinar que valor habra que adjudicar a f (0) para que la funcion f (x) =
tg(2x)
x resulte continua en x = 0.
Solucion: f (0) = 2
6. Calcular el lmite
ex esen x
lm
x0 x sen x
Solucion: 1
7. Demostrar, utilizando la definicion N, que si lm f (x) = y g(x) f (x)
xx0
para todo x perteneciente a algun entorno reducido de x0 entonces lm g(x) =
xx0
1+cos2 x
. Utilizar el resultado anterior para demostrar que lm 2 = .
x1 (1x)

8. Calcular lmx ( x2 + 1 x). Interpretar el resultado geometricamente consi-
derando un triangulo rectangulo de catetos de longitudes 1 y x respectivamente.
Solucion: El lmite vale 0. La interpretacion geometrica aparece en la figura
9.10, en donde se aprecia que para x muy grandes la diferencia entre la hipote-
nusa del triangulo y el cateto de longitud x se hace despreciable.
x + 1
2
Figura 9.10: Interpretacion geometrica del resultado del problema 8.
9. Calcular los siguientes lmites:

(3+x)2 9
a) lm x
x0
(x3 1)|x|
b) lm x
x0+
c) lm 2 x2
x x +2x+1
ex 1
d) lm+ x1
x1
ln(2x)
e) lm x1
x1
Solucion:
a) 6
b) -1
c) 0
d)
e)
1
10. Dada la funcion f (x) = xe x se verifica que:
a) es continua en todo el eje real.

b) es discontinua en el punto x = 0.
c) lm f (x) = 0.
x0
d) lm f (x) = .
x0
Solucion: la unica respuesta correcta es la (b).
11. Sea la funcion

x2 si x < 1
f (x) =
0 si x 1
a) Es f continua en el intervalo [0, 1]?

b) Esta f acotada en el intervalo [0, 1]?
c) Alcanza valores maximos y mnimos la funcion f en el intervalo [0, 1]?
Solucion:
a) No.
b) Si.
c) Si alcanza valores mnimos pero no alcanza valores maximos.
12. El numero de individuos en una poblacion en el instante t esta dado por
e3t
N (t) = N0 3 .
2 + e3t
Determinar el valor del lm N (t) y discute su significado biologico.

t
Solucion: N0 . A largo plazo la poblacion alcanza un equilibrio de N0 individuos.
13. La temperatura, T (x, t), en el tiempo t y en la posicion x de una barra situada

a lo largo de 0 x l en el eje x se puede expresar, aproximadamente, como:
T (x, t) = B1 e1 t sen(1 x) + B2 e2 t sen(2 x) + B3 e3 t sen(3 x)
donde 1 , 2 , 3 , 1 , 2 y 3 > 0. Se pide determinar el lm T (x, t) x [0, l] e

t
interpretar el resultado.
Solucion: 0. La ecuacion representa le transporte de calor en una barra sin la
presencia de ninguna fuente termica y permitiendo que el calor se disipe por la
parte derecha de la barra. lm T (x, t) = 0 indica que a largo plazo la barra se
t
enfra totalmente (se pierde todo el calor por el lado derecho).
14. Determinar que valor habra que adjudicar a f (0) para que la funcion f (x) =
tan(2x)
x resulte continua en x = 0.
Solucion: f (0) = 2
x
15. Obtener el polinomio de Taylor de grado 3 de la funcion f (x) = e en x = 0.
1+x
x
Solucion: e = 1 + 12 x + 38 x2 1 3
+ O(x4 )
1+x 48 x
16. Siendo g(x) = xf (x) y sabiendo que f (x) es continua en x = 0, calcular g 0 (0)
Solucion: g 0 (0) = f (0)
17. Dada la funcion

x3 + 2x + 2 si x < 0
f (x) =
x3 3x + 2 si x 0
a) estudiar la continuidad y derivabilidad en x = 0, y calcular las sucesivas

derivadas en x = 0 cuando existan.
b) hallar maximos y mnimos de f (x) en [-2,2].
Solucion:
a) es continua y no es derivable,
b) mnimos relativos(mr ): 0, 10; max. rel.(Mr ): 2, 4; min.abs.=-10; Max.
abs. (Ma )=4.
18. Calcular los extremos relativos y absolutos de:
a) f (x) = x3 + x2 5x + 1; x lR,
b) f (x) = (x + 2)ex ; x lR,
c) f (x) = 5 + (x 3)2/3 ; x lR,
|ax|
d ) f (x) = 1+x2 ; a > 0; x lR,
e) f (x) = x2 ln x; x lR+ ,
f ) f (x) = ln(1 + x2 ) |x 2| ; x [2, 3].
Solucion:
a) mr = 2; Mr = 202/27
b) mr =ma = e3
c) mr =ma = 5
d ) mr =ma = 0; Mr =Ma = a/2
e) mr =ma = 1/(2e)
f ) mr = ln 10 1, ln 5 4, ma = ln 5 4; Mr =Ma = ln 5
2x
19. Sea f : IR IR, f (x) = 1+x2 . Hallar Im f.
Solucion: [-1,1]
20. Hallar la distancia mnima del origen a la parabola y = 2(x 23 )2 .

5
Solucion: 2
21. Hallar la superficie mnima de un cilindro cuyo volumen es 27m3 .

1 18 2
Solucion: 18(2) 3 + 1 m
(4 2 ) 3
22. Hallar las dimensiones de un triangulo rectangulo de area maxima, sabiendo
que su hipotenusa mide 5 cm.
Solucion: ambos catetos miden 5 cm.
2
23. Si se viaja 1 Km en 60 + x segundos, demuestra que una buena aproximacion

de la velocidad media para x pequenos es 60 x Km/h. Deduce el error de la
aproximacion si x = 1, 1,5, 5, 10, 10.
24. En un cierto proceso qumico industrial, la produccion diaria de productos de
desecho, y, depende de la produccion total del proceso, x, de acuerdo con la
siguiente formula emprica:
y = 0,01x + 0,00003x2
donde x e y estan expresadas en Kg. Si se ganan 100 euros por Kg de producto

sin desechos y se pierden 20 euros por Kg de desecho producido, De cuantos
Kilos debe ser la produccion diaria para maximizar el beneficio?
25. Para calcular el seno de 36o con una calculadora que no dispone de funciones
trigonometricas, una ingeniera realiza el siguiente proceso: introduce 3.1415926
divide por 5 e introduce el resultado en la memoria, el resultado se designara por
x. Despues calcula x(1 x2 /6), valor que toma como sen(36o ).
a) Cual fue el valor calculado por la ingeniera?

b) Que precision tiene? (error cometido).
c) Justifica el resultado en terminos del desarrollo en serie de Taylor de una
funcion.
d ) Describe un metodo similar para calcular tan(10o ).
Solucion:
a) 0.5869768.
b) |0,5869768 sen(36o )| 0,0065 sen(36o ).
c) 36o = /5 radianes y se han utilizado los dos primeros terminos del poli-
nomio de Taylor de la funcion seno para aproximar sen(36o ).

d ) Se pasa 10o a radianes (10o = 18 radianes) y se utilizan los dos primeros
terminos del desarrollo en serie de Taylor de la funcion tan(x), tan(x)
x(1 + x2 /3).
26. Supongase que se quiere quitar el sedimento de un lquido haciendolo pasar por
un filtro conico de 16 cm de altura y 4 cm de radio en la seccion circular del
borde superior. Se supondra tambien que el lquido sale del filtro por la parte
inferior a una velocidad constante de 2 cm3 /min. Se pide:
a) Encontrar una formula que relacione la tasa de variacion de la altura del

fluido en el cono en funcion de la propia altura.
b) Una vez obtenida la formula anterior, disminuye la altura del lquido a
una velocidad constante?
c) A que velocidad esta disminuyendo la altura del lquido en el momento
que dicha altura es de 8 cm?
Solucion:
dy 32
a) dt = y 2 , y = altura. El signo menos indica que la altura disminuye con
el tiempo.
b) La altura no disminuye a una velocidad constante puesto que su tasa de
disminucion depende de y. Cuanto mas pequena es la altura mas rapido
disminuye esta.

c) dy
dt = 0,16 cm/min.
y=8
Captulo 10
Lmites, continuidad y
diferenciabilidad de funciones
de varias variables
10.1. Introduccion
Muchos de los modelos qumicos o medioambientales estan formulados para funciones

de varias variables que habitualmente dependen del espacio y el tiempo. Pensemos
por ejemplo en la concentracion de un cierto contaminante vertido en el mar. Dicha
concentracion cambiara de punto a punto del espacio y, ademas, variara con el tiempo.
Esta idea conduce a una funcion (la concentracion) que dependera de varias variables
(las coordenadas de los puntos del espacio y el tiempo).
La cuestion que se plantea es la siguiente: Podemos introducir nociones de continui-

dad, lmite y derivada (ritmo de variacion) cuando una funcion no depende solo de
una variable sino que depende de varias? En este captulo daremos respuesta a esta
cuestion.
El problema es crucial de cara a las aplicaciones, ya que hay leyes fsico-qumicas,

expresables en forma de ecuaciones llamadas de transporte, en las que intervienen
dichas nociones.
197
198 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
10.2. Bolas, conjuntos abiertos y conjuntos cerrados

en lRn
Definicion 10.1. Definimos bola abierta de centro a1 lRn y radio lR al conjunto

de puntos x lRn tales que
v
u n
uX
d(x, a) = t (xi ai )2 <
i=1
siendo (a1 , a2 , ..., an ) y (x1 , x2 , ..., xn ) las coordenadas de los puntos a y x respectiva-
mente. La denotaremos por B(a, ).
Definicion 10.2. Definimos bola cerrada de centro a lRn y radio al conjunto de

puntos x lRn tales que
v
u n
uX
d(x, a) = t (xi ai )2
i=1
La denotaremos por B(a, ).
Definicion 10.3. Un punto a lRn se dice que es interior a lRn si se puede

poner como centro de una bola abierta que contiene solamente puntos de .
Un punto a lRn se dice que es exterior a si toda bola abierta que lo tenga como
centro contiene puntos que no son de .
Un punto a lRn se dice que es frontera de si toda bola abierta que lo tenga como
centro contiene puntos que son de y puntos que no son de .
Definicion 10.4. Un conjunto lRn es abierto si todos sus puntos son interiores
(no tiene puntos frontera).
Un conjunto lRn es cerrado si contiene a todos sus puntos frontera.
Definicion 10.5. Sea E un espacio metrico. Se dice que x E es un punto de

acumulacion de A E si la interseccion de toda bola abierta de centro x con A no
es vaca y contiene puntos de A distintos de x.
1 Como ya se advirtio en el Captulo Espacio Afn-Eucldeo, a partir de ahora a los puntos se les
designara mediante letras minusculas con una raya encima. Los vectores se seguiran representando
en negrita.
10.3. Lmites de funciones de varias variables 199
10.3. Lmites de funciones de varias variables
Definicion 10.6. Sea f : lRn lR una funcion cuyo dominio es un abierto lRn .
Sea a lRn un punto de . Se dice que el lmite de f cuando x tiende a a es L lR
y se escribe
lm f (x) = L
xa
si para todo > 0 existe > 0 tal que para todo x B(a, ) , con x 6= a, se tiene
que f (x) B(L, ). Notese que x B(a, ) , x 6= a es equivalente a 0 < d(x, a) <
y que f (x) B(L, ) es equivalente a |f (x) L| < .
Proposicion 10.1. Si existe el lmite de f en a, este es unico.
Nota 10.1. A los lmites de funciones f : lR2 lR se les denomina lmites dobles.
Definicion 10.7. Sea f : lR2 lR y sea (a1 , a2 ) un punto de acumulacion del

dominio de f . Entonces
1. Se denominan lmites reiterados de f (x, y) en el punto (a1 , a2 ) a los dos numeros

reales (cuando existen) dados por

lm lm f (x, y)
xa1 ya2

lm lm f (x, y)
ya2 xa1
2. Sea : lR lR una funcion tal que (a1 ) = a2 (esto es, pasa por (a1 , a2 )).
Se denomina lmite direccional de f en el punto (a1 , a2 ) segun la curva y = (x)
al numero real (cuando exista) dado por
lm f (x, (x)).
xa1
En el caso particular en que (x) = k(x a1 ) + a2 , al lmite anterior se le

denomina lmite radial.
Nota 10.2. Es facil ver que si existe el lmite de f en (a1 , a2 ) y vale L entonces existen
los lmites reiterados de f en (a1 , a2 ) y tambien valen L y, para toda que pase por
(a1 , a2 ), existe el lmite direccional de f en (a1 , a2 ) segun la curva y vale L. La
recproca en cambio no es cierta: la existencia y coincidencia de los lmites reiterados
de f en (a1 , a2 ) y cualquier cantidad finita o infinita de lmites direccionales de f en
(a1 , a2 ) no bastan para garantizar la existencia del lmite de f en (a1 , a2 ).
Proposicion 10.2 (Propiedades aritmeticas de los lmites). Sean f, g : lRn

lR dos funciones tales que a es un punto de acumulacion del dominio de ambas y tales
que
lm f (x) = L1 y lm g(x) = L2 .
xa xa
Entonces, analogamente a la Proposicion 9.1, se tiene:
lm (f g)(x) = L1 L2 .
xa
lm (f g)(x) = L1 L2 .
xa

f L1
Si L2 6= 0, entonces: lm (x) = .
xa g L2
x2 y 2
Ejemplo 10.1. Hallar los lmites reiterados y radiales de la funcion f (x, y) = x2 +y 2
cuando (x, y) (0, 0). Existe el lmite doble?
Solucion: Los lmites reiterados son

x2 y 2 x2 02
lm lm = lm =1
x0 y0 x2 + y 2 x0 x2 + 02
2
x2 y 2 0 y2
lm lm 2 = lm = 1
y0 x0 x + y 2 y0 02 + y 2
Los lmites radiales son lmites a lo largo de las lneas y = kx:

x2 k 2 x2 1 k2
lm f (x, kx) = lm 2 2 2
=
x0 x0 x + k x 1 + k2
Como los lmites reiterados son distintos, no puede existir el lmite doble. Esta conclu-
sion tambien se podra haber deducido de los lmites radiales (que son todos distintos
y dependen de k).
Proposicion 10.3. Sean f , g : lRn lR tales que
|f (x) L| |g(x) L|
en un entorno de x0 y lmxx0 g(x) = L. Entonces lmxx0 f (x) = L. A g(x) se le

llama funcion mayorante de f (x).
Ejemplo 10.2. Probar que
x2 y + y 2 + x2
lm =1
(x,y)(0,0) y 2 + x2
10.4. Continuidad 201
Solucion: Buscaremos una funcion mayorante para acotar

2
x y + y 2 + x2 x2 y

1 = 2
y 2 + x2 y + x2
Para ello, escribimos la ultima expresion en polares. Es decir, haciendo el cambio
x = r cos , y = r sen . Llegamos entonces a

r3 cos2 sen p

|f (x, y) 1| = 2 = r cos2 sen r = x2 + y 2 0
2 2 2
r sen + r cos (x,y)(0,0)
p
Una funcion mayorante es pues g(x, y) = x2 + y 2 +1 que tiende a 1 cuando (x, y)
(0, 0). Por lo que, aplicando la proposicion 10.3, el lmite de f (x, y) es 1.
10.4. Continuidad
Definicion 10.8. Sea f : lRn lR una funcion cuyo dominio es A lRn . Si a A,

se dice que la funcion f es continua en a si
lm f (x) = f (a).
xa
Nota 10.3. Notese que la igualdad anterior implica tres condiciones: la existencia
del lmite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
Usando la Proposicion 10.2 es muy facil entender la siguiente proposicion.

Proposicion 10.4. Sean f, g dos funciones continuas en un punto a. Entonces las
funciones f g y f g tambien son continuas en a. Ademas, si g(a) 6= 0, entonces la
funcion fg tambien es continua en a.
Observese que la definicion de continuidad es esencialmente puntual: una funcion

es continua en un punto a si verifica una determinada condicion en dicho punto.
Necesitamos por tanto una definicion mas:
Definicion 10.9. Sea C lRn . Si una funcion f es continua en cada punto de C,
entonces f se dice continua en C.
Teorema 10.1. Sea C lRn un conjunto cerrado y acotado, y sea f : lRn lR una
funcion continua en C. Entonces:
1. f esta acotada en C, es decir, existe K lR tal que, para todo x C, |f (x)| K.

2. f alcanza sus valores maximo y mnimo en C, es decir, existen a, b C tales
que, para todo x C,
m = f (a) f (x) f (b) = M.
10.5. Derivada direccional y derivadas parciales
Definicion 10.10. Sea lRn un abierto, f : lR y a . Se define la

derivada direccional de f en el punto a segun la direccion u (con u lRn , u 6= 0,
kuk = 1) como el siguiente lmite, cuando existe
df f (a + hu) f (a)
fu0 (a) =
(a) = Du f (a) = lm
du h0 h
Proposicion 10.5. Para cada punto a y cada direccion u se puede definir la siguiente
funcion de una variable:
a,u (t) = f (a + tu).
Verificandose que df
du (a) coincide con 0a,u (0).
Ejemplo 10.3. Sea
(
x2 sen y+y 2 sen x
si (x, y) 6= (0, 0)
f (x, y) = x2 +y 2
0 si (x, y) = (0, 0)
Calcular la derivada direccional de f (x, y) en (0, 0) segun la direccion u = (u1 , u2 ).
Solucion:
df f (a + hu) f (a) f (hu1 , hu2 ) f (0, 0)
(0, 0) = lm = lm
du h0 h h0 h
h2 u21 sen(hu2 )+h2 u22 sen(hu1 )
h2 u21 +h2 u22
0 1 u21 sen(hu2 ) + u22 sen(hu1 ) u2 u2 + u2 u21
= lm = lm 2 2 = 1 2
h0 h h0 h u1 + u2 u1 + u22
Definicion 10.11. Si en la definicion anterior el vector u, ademas de ser unitario,
coincide con el vector ei de la base canonica de lRn , dicha derivada se denomina
f
derivada parcial respecto a la variable xi y se representara por x i
(a).
De la definicion anterior y de la proposicion 10.5 se deduce facilmente que si existe

f
xi (a) esta se calculara como la derivada de:
a,ei (t) = f (a + tei ) = f (a1 , . . . , ai + t, . . . , an )

f
en t = 0. Dicho de otra manera, para hallar xi (a) se derivara f respecto a xi dejando
todas las demas variables constantes.
Nota 10.4. Como consecuencia de la proposicion 10.5 se verifican las siguientes
igualdades
(f + g) f g
(a) = (a) + (a)
xi xi xi
(f g) g f
(a) = f (a) (a) + g(a) (a)
xi xi xi
10.6. Diferenciabilidad y diferencial de una funcion de varias variables 203
f f f
Ejemplo 10.4. Sea f (x, y, z) = x2 y cos z z sen x cos y. Calcular x , y , z .
Solucion:
f 2
(x, y, z) = x y cos z z sen x cos y = 2xy cos z z cos x cos y
x x
f 2
(x, y, z) = x y cos z z sen x cos y = x2 cos z + z sen x sen y
y y
f 2
(x, y, z) = x y cos z z sen x cos y = x2 y sen z sen x cos y
z z
Proposicion 10.6. La existencia de todas las derivadas direccionales de f en a res-
pecto a los distintos vectores u no nulos, no es condicion necesaria ni suficiente para
que f sea continua en a.
10.6. Diferenciabilidad y diferencial de una funcion

de varias variables
Vemos por tanto (proposicion 10.6) que la existencia de todas las derivadas direc-
cionales en un punto no implica necesariamente la continuidad en dicho punto. Por
esta razon las derivadas direccionales constituyen una extension poco satisfactoria del
concepto de derivada unidimensional. Ello nos lleva a buscar una generalizacion mas
conveniente. En el caso unidimensional una funcion f con derivada en a se puede
aproximar por medio de un polinomio lineal (el polinomio de Taylor de grado 1) en
las proximidades de a:
f 00 () 2
f (a + h) = f (a) + f 0 (a)h + h = f (a) + f 0 (a)h + O(h)h (10.1)
2!
En donde lmh0 O(h) = 0.
Si se despeja f 0 (a)h de la ecuacion (10.1) se obtiene:
f 0 (a)h = f (a + h) f (a) O(h)h
Lo cual indica que cuando h es suficientemente pequeno f 0 (a)h es una buena aproxi-
macion de f (a + h) f (a). Tomando lmites en la expresion anterior o en (10.1) se
obtiene:
f (a + h) f (a) f 0 (a)h
lm =0 (10.2)
h0 h
que, utilizando la notacion empleada para representar la diferencial de funciones de

una variable, se convierte en:
f (a + h) f (a) df (a; h)
lm =0 (10.3)
h0 h
A continuacion se va a generalizar la expresion 10.3 para definir la diferencial de una

funcion de varias variables.
Definicion 10.12. Sea lRn un abierto, f : lR y a . Se dice que f es

diferenciable en a si existe una aplicacion lineal T de lRn en lR tal que
f (a + h) f (a) T h
lm =0 (10.4)
h0 khk
Nota 10.5. Se dice que f es diferenciable en B si f es diferenciable en todo

punto de B.
Proposicion 10.7. Si f es diferenciable en a la aplicacion T es unica.
Definicion 10.13. La unica aplicacion T que verifica (10.4) recibe el nombre de

diferencial de f en el punto a. Se representa por df (a; ), Df (a; ) o dfa ().
Proposicion 10.8. Sea lRn un abierto, f : lR y a . Si f es diferenciable

en a, entonces existen todas las derivadas direccionales de f en a. Ademas para cada
u lRn , u 6= 0, kuk = 1, se tiene que
df
df (a, u) = (a)
du
Teorema 10.2. Sea lRn un abierto, f : lR y a . Si f es diferenciable
en a entonces f es continua en a.
Definicion 10.14. Sea lRn un abierto, f : lR y a . Si f es diferenciable

en a, entonces como la diferencial de f en a, df (a; ), es una aplicacion lineal de lRn
en lR tendra una expresion matricial en la base canonica de lRn . A la matriz fila de
la aplicacion se le denomina vector gradiente traspuesto de f y se representa por
t
(f (a))
t
df (a; h) = (f (a)) h (10.5)
Proposicion 10.9. Sea lRn un abierto, f : lRn lR una funcion diferen-

ciable en a , y sea u = (u1 , u2 , ..., un ) lRn , u 6= 0, k u k= 1. Entonces
n
X f
df
(a) = ui (a)
du i=1
xi
10.6. Diferenciabilidad y diferencial de una funcion de varias variables 205
Proposicion 10.10. Sea lRn un abierto, f : lRn lR y a . Si f es

diferenciable en a, el vector gradiente viene dado por
t
t f f f
(f (a)) = (a), (a), ..., (a)
x1 x2 xn
Nota 10.6. Se tiene, pues, que el vector gradiente esta definido en todos los puntos
donde existen derivadas parciales, aunque la funcion no sea diferenciable.
Nota 10.7. Si la funcion es diferenciable las derivadas parciales de f en a existen
(la existencia de derivadas parciales es una condicion necesaria de diferenciabilidad,
aunque no suficiente).
Nota 10.8. En muchas ocasiones f (a) se denota por grad f (a).
Nota 10.9. Si la funcion es diferenciable existen todas las derivadas direccionales (la
existencia de todas las derivadas direccionales es una condicion necesaria de diferen-
ciabilidad).
Nota 10.10. A menudo, en los libros de fsica y qumica, aparece la formula (10.5)
escrita en la forma
Xn
f
df = dxi (10.6)
i=1
x i
donde (h1 , h2 , ..., hn ) se ha sustituido por (dx1 , dx2 , ..., dxn ) y df (a; h) por df . De este
modo df sera la derivada direccional en un punto cualquiera (x1 , x2 , ..., xn ) segun
una direccion cualquiera (dx1 , dx2 , ..., dxn ). Un ejemplo claro es la primera ley de la
Termodinamica para un gas que se puede expresar mediante la siguiente formula
U U
dU = dS + dV (10.7)
S V
con U U
S = T , V = P . Se considera que la energa interna de un sistema, U , es
funcion de la entropa S y del volumen V , es decir U : lR2 lR. Entonces, la derivada
direccional de U en un punto (S, T ) a lo largo de la direccion (dS, dV ) viene dada por
(10.7).
Nota 10.11. A partir de la expresion (10.4) se obtiene
f (a + h) = f (a) + df (a; h) + O(k h k) k h k (10.8)
que es una generalizacion al caso de varias variables de la expresion (10.1). Por lo
tanto se puede decir que df (a; h) es una buena aproximacion de f (a + h) f (a)
para h de norma suficientemente pequena. Esta ultima observacion es la que motiva
que en los libros de fsica y qumica antes citados la diferencial de una funcion en un
punto a aparezca definida como el incremento infinitesimal experimentado por f en a
al incrementar las variables una cantidad infinitesimal (dx1 , dx2 , ..., dxn ), definicion
imprecisa (no queda claro que es un incremento infinitesimal de una variable) e
incorrecta (la diferencial no es el incremento sino la aplicacion lineal que produce el
incremento).
Nota 10.12. Al igual que suceda en el caso de una variable, en el caso de funciones
de dos variables se le puede dar una interpretacion geometrica a la diferencial. Si se
hace x = x1 , y = x2 , a = (x0 , y0 ) y h = (x x0 , y y0 ) se obtiene
f f
f (a) + df (a; h) = f (x0 , y0 ) + (x0 , y0 )(x x0 ) + (x0 , y0 )(y y0 )
x y
que es la ecuacion del plano tangente a la superficie z = f (x, y) en el punto (x0 ,y0 ,
f (x0 , y0 )). En consecuencia se puede afirmar que la diferencial de una funcion de
dos variables, f , en un punto (x0 , y0 ) es (la aplicacion lineal representada por) la
ecuacion del plano que pasa por el origen y es paralelo al plano tangente a la superficie
z = f (x, y) en (x0 ,y0 , f (x0 , y0 )).
En la figura 10.1 se muestra un caso particular relacionado con la nota anterior: el

plano tangente en el punto (0, 1/2, 31/4) a la superficie z = f (x, y) = x2 y 2 + 8,
plano que tiene por ecuacion z = 33/4 y. Como se puede comprobar facilmente la
diferencial de f en (0, 1/2) es df ((0, 1/2); h) = h2 . Esta aplicacion lineal se puede
representar por el plano z = y que es el plano paralelo a 33/4 y pasando por el
origen. Observese, por ultimo, quepel plano tangente, 33/4y, es una buena aproxima-
cion de f (0 + h1 , 1/2 + h2 ) para (h1 )2 + (h2 )2 suficientemente pequeno o, dicho de
otra manera, es una buena aproximacion de f en un entorno suficientemente pequeno
de (0, 1/2); y que la diferencial en (0,p1/2), z = y, es una buena aproximacion de
f (0 + h1 , 1/2 + h2 ) f (0, 1/2) para (h1 )2 + (h2 )2 suficientemente pequeno.
10
6
2
8
3 2 0
1 0 x
1 2
y 2 3
Figura 10.1: Dibujo de la funcion f (x, y) = x2 y 2 + 8 y su plano tangente en

(0, 1/2, 31/4).
10.7. Condiciones suficientes de diferenciabilidad y continuidad 207
10.7. Condiciones suficientes de diferenciabilidad y

continuidad
Teorema 10.3. Sea lRn un abierto, f : lRn lR y a . Si existen las

f f f
derivadas parciales de f , es decir, x 1
(x), x 2
(x), ..., x n
(x) para todo x en un entorno
de a y dichas derivadas parciales son continuas en a, entonces f es diferenciable en
a.
Nota 10.13. La continuidad de las derivadas parciales en un punto es condicion
suficiente de diferenciabilidad pero no es necesaria.
Nota 10.14. Podemos resumir la relacion entre continuidad, diferenciabilidad, exis-
tencia de derivadas direccionales y existencia de derivadas parciales en el siguiente
esquema:
f continua en a
f tiene derivadas
%
parciales f diferenciable en a
&
continuas en a
f posee en a todas las
derivadas direccionales
donde todas las demas posibles implicaciones son falsas como mostramos en los si-
guientes ejemplos.
Ejemplo 10.5. (funcion con derivadas direccionales pero no continua). La funcion
( 3
x
f (x, y) = y si y 6= 0
0 si y = 0
no es continua en (0, 0) ya que f (0, 0) = 0, pero los lmites direccionales a lo largo de

y = kx3 son
x3 1
lm f (x, kx3 ) = lm 3
=
x0 x0 kx k
En cambio, las derivadas direccionales en (0, 0) existen:

df f ((0, 0) + t(u1 , u2 )) f (0, 0) f (tu1 , tu2 ) 0
(0, 0) = lm = lm
du t0 t t0 t
t3 u31
= lm = 0 si u2 6= 0
t0 t2 u2
y, si u2 = 0,
df f ((0, 0) + t(u1 , 0)) f (0, 0) df 00
(0, 0) = lm = (0, 0) = lm =0
du t0 t du t0 t
p
Ejemplo 10.6. (funcion continua pero sin derivadas direccionales) f (x, y) = x2 + y 2
es una funcion continua en (0, 0), ya que
f (0, 0) = 0 = lm f (x, y)
(x,y)(0,0)
En cambio, los lmites direccionales no existen ya que el lmite

df f ((0, 0) + t(u1 , u2 )) f (0, 0) f (tu1 , tu2 ) 0
(0, 0) = lm = lm
du t0 t t0 t
p q q
2 2
t u1 + t u22 2 |t|
= lm = u21 + u22 lm = u21 + u22 lm signo(t)
t0 t t0 t t0
no existe.
Ejemplo 10.7. (funcion no diferenciable pero con derivadas direccionales) La funcion
( 2
3x y2x3
si x 6= 0
f (x, y) = x2 +y 4
0 si x = 0
tiene todas sus derivadas direccionales bien definidas en (0, 0). En efecto, si u1 6= 0
df f ((0, 0) + t(u1 , u2 )) f (0, 0) f (tu1 , tu2 ) 0
(0, 0) = lm = lm
du t0 t t0 t
3t3 u21 u2 2t3 u31
t2 u21 +t4 u42
0 3u2 2u1
= lm = lm u21 = 3u2 2u1
t0 t t0 u21 + t2 u42
y si u1 = 0,
df f ((0, 0) + t(0, u2 )) f (0, 0) 00
(0, 0) = lm = lm =0
du t0 t t0 t
Notemos que a lo largo de la direccion (1, 0) la derivada direccional es 2. Por tan-
to, f
x (0, 0) = 2. A lo largo de (0, 1) la derivada direccional se anula y por tanto
f
y (0, 0) = 0. De ser la funcion diferenciable, la diferencial ha de ser
df ((0, 0); h) = 2h1

Veamos si la funcion es diferenciable. Para ello, debera anularse el lmite
f ((0, 0) + (h1 , h2 )) f (0, 0) (2h1 ) 3h1 + 2h32
lm p = lm h 1 h2 p
h0 h21 + h22 h0 (h21 + h42 ) h21 + h22
Calculemos lmites radiales a lo largo de h2 = kh1 (h1 > 0). Su valor es
3kh31 + 2h1 k 4 h41 3k + 2k 4 h21 3k
lm p = lm 2
=
2 4 4 2
h1 0 (h + k h ) h + k h 2 2 4
h1 0 (1 + k h ) 1 + k 2 1 + k2
1 1 1 1 1
que depende de k. El lmite no existe y la funcion, por tanto, no es diferenciable.

10.7. Condiciones suficientes de diferenciabilidad y continuidad 209
Ejemplo 10.8. (funcion diferenciable pero sin derivadas parciales continuas). Sea
(
1
(x2 + y 2 ) sen x2 +y 2 si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Las derivadas parciales de f son

f 1 2x 1
(x, y) = 2x sen 2 cos si (x, y) 6= (0, 0)
x x2 + y 2 x + y2 x2 + y 2

f 1 2y 1
(x, y) = 2y sen 2 2
2 2
cos si (x, y) 6= (0, 0)
y x +y x +y x + y2
2
Las derivadas parciales en (x, y) = (0, 0) valen

1
f f (x, 0) f (0, 0) [x]2 sen [x]2
(0, 0) = lm = lm =
x x0 x x0 x

1
lm x lm sen =0
x0 x0 [x]2

1
f f (0, y) f (0, 0) [y]2 sen [y]2
(0, 0) = lm = lm =
y y0 y y0 y

1
lm y lm sen =0
y0 y0 [y]2
f f
Sin embargo, ni x ni y son continuas en (0, 0) pues

f 1 1 1 2 1 1
lm (x, kx) = lm 2x sen cos = 0
x0 x x0 x2 1 + k 2 x 1 + k2 x2 1 + k 2

2 1 1 1
lm cos
1 + k 2 x0 x x2 1 + k 2
que es oscilante (y no existe por tanto)2 . No obstante, f si es diferenciable en (0, 0):
f (0 + h) f (0) df (0; h)
lm =
h0 khk
f (x, y) f (0, 0) 0x 0y
lm p = 0
x0
y0
[x]2 + [y]2
2 Se f f
realiza unicamente la comprobacion para x
, la comprobacion para y
es similar.
10.8. Derivadas parciales de orden superior
Definicion 10.15. Sea lRn un abierto y f : lR. Si para cada x existe

f
xi (x), entonces se puede definir la funcion
f
xi : lR
f
x xi (x)
Las derivadas parciales de estas funciones se denominan derivadas parciales de

segundo orden.
2f
: lR , (derivada parcial de f en x con respecto a xi y xj )
xj xi
2f f
x xj xi (x)= x j xi (x)
Teorema 10.4 (Teorema de Schwarz). Sea lRn un abierto y f : lR.. Si

2 2
las funciones xi x
f
j
y xj x
f
i
son continuas en el punto a , entonces
2f 2f
(a) = (a)
xi xj xj xi
Definicion 10.16. De forma analoga a como se han definido las derivadas parciales
de segundo orden, se pueden definir las derivadas parciales de tercer orden, de cuarto
orden, etc. En general
n1
nf f
(x) = (x)
xk xj ...xi xk xj ...xi
Definicion 10.17. Sea lRn un abierto y f : lR. Se dice que f es una
funcion de clase C 1 en si existen las derivadas parciales de f de primer orden y
son continuas en (f C 1 (, lR)).
Definicion 10.18. Sea lRn un abierto y f : lR. Se dice que f es una
f
funcion de clase C 2 en y se representa por f C 2 (, lR) si x i
C 1 (, lR)
(i = 1, 2, ..., n).
Definicion 10.19. En general, si q lN, se dice que f es una funcion de clase C q
f
en si x i
C q1 (, lR) (i = 1, 2, ..., n) y se representa por f C q (, lR).
10.9. Derivadas direccionales de orden superior
Si una funcion es diferenciable en un punto a, entonces

X f n
df f f f
(a) = f (a) u = (a)u1 + (a)u2 + ... + (a)un = (a)ui
du x1 x2 xn i=1
xi
10.10. Formula de Taylor y extremos de funciones de n variables 211
Si f es diferenciable en un abierto lRn puede hablarse de la funcion derivada

direccional de f en la direccion u
df
: lRn lR
du
df Pn f
x du (x) = i=1 xi (x)ui
Esta funcion a su vez, si es diferenciable en a puede derivarse nuevamente respecto a

u en a
Xn Xn X n
d2 f d df d f f
(a) = (a) = (a)ui = (a)uj ui =
du2 du du i=1
du xi i=1 j=1
xj xi
Xn X n
2f
(a)uj ui
i=1 j=1
xi xj
Teniendo en cuenta el teorema de Schwarz, la expresion anterior puede escribirse como

n !2
d2 f X
(a) = ui f (a)
du2 i=1
xi
En general, se cumple que

n !m
dm f X
(a) = ui f (a)
dum i=1
x i
10.10. Formula de Taylor y extremos de funciones

de n variables
Proposicion 10.11. Sea lRn un abierto, f : lR y a . Supongase que f

es diferenciable en a y que f (a) 6= 0. Entonces f (a) tiene la direccion en la cual
f crece mas rapidamente (la direccion en la que la derivada direccional es maxima es
la direccion del gradiente).
Nota 10.15. Si f (a) = 0 la derivada direccional es nula en cualquier direccion u.
Nota 10.16. La derivada direccional maxima ademas de tener la direccion del gra-
diente vale kf (a)k.
Proposicion 10.12. Si f : lR2 lR , f es ortogonal a las curvas de nivel
(f (x, y) = cte.). Si f : lR3 lR , f es ortogonal a las superficies de nivel
(f (x, y, z) = cte.). En general, si f : lRn lR, entonces f es ortogonal a las
variedades f (x) = cte.
Formula de Taylor para funciones de n variables
Proposicion 10.13. Siendo f una funcion de clase C m+1 (, lR) para todo a
lRn y para todo u lRn tal que a + tu existe un numero real (0, 1) tal que
df 1 d2 f 1 dm f 1 d2 f
f (a+tu) = f (a)+ (a)t+ 2
(a)t2 +...+ m
(a)tm + (a+u)tm+1
du 2! du m! du (m + 1)! dum+1
(10.9)
Nota 10.17. La igualdad (10.9) recibe el nombre de Formula de Taylor.
Nota 10.18. El polinomio
df 1 d2 f 2 1 dm f
f (a) + (a)t + (a)t + ... + (a)tm
du 2! du2 m! dum
recibe el nombre de polinomio de Taylor de grado m de la funcion f en el punto
a en la direccion u. Tambien se llama desarrollo en serie de Taylor de orden m en el
entorno de a en la direccion u.
Desarrollo en serie de Taylor de orden 2 de funciones de n variables
Proposicion 10.14. Sea f : lRn lR tal que f C 3 (, lR). Entonces

n
X n
f 1 X 2f
f (a + tu) = f (a) + t ui (a) + t2 ui uj (a) + R3 (t, a)
i=1
xi 2 i,j=1 xi xj
3
P 3
1 d f 3 1 n
siendo R3 (t, a) = 3! du3 (a + u)t = 3! i=1 ui x i
f (a + u)t3 = O(t3 ); es decir,
existe un C lR tal que
|R3 (t, a)| Ct3 para todo vector u
En el caso particular de f : lR2 lR, tenemos

f f
f (a + tu) = f (a) + u1 (a) + u2 (a) t
x1 x2

1 2 2f 2f 2
2 f
+ u1 2 (a) + 2u1 u2 (a) + u2 2 (a) t2 + R3 (t, a)
2 x1 x1 x2 x2
o, en forma matricial,

f f u1
f (a + tu) = f (a) + (a) , (a) t+
x1 x2 u2
2f 2f
!
1 x21
(a) x1 x2 (a) u1
(u1 , u2 ) 2f 2f
t2 + R3 (t, a)
2 u2
x1 x2 (a) x22
(a)
1
f (a) + f (a)t ut+ ut Hf (a)ut2 + R3 (t, a)
2
donde Hf (a) es una matriz que recibe el nombre de matriz Hessiana de f en el
punto a.
En el caso f : lRn lR, tenemos

1
f (a + tu) = f (a) + f (a)t ut+ ut Hf (a)ut2 + R3 (t, a)
2
donde
f f f
f (a) = (a) , (a), ....., (a)
x1 x2 xn
2f 2
x21
(a) .. x1 x f
n
(a)
.. .. ..
Hf (a) =
. . .

2 2
f f
xn x1 (a) ... x 2 (a)
n
Notese que el vector tu se puede expresar en terminos de las componentes (x1 , . . . , xn )

de un punto de lRn en la direccion de u a partir de las relaciones
x1 = tu1 + a1 , x2 = tu2 + a2 , . . . , xn = tun + an .
Se puede entonces escribir
1 t
f (x) = f (a) + f (a)t (x a) + (x a) Hf (a) (x a) + R3 (kx ak , a).
2
En el caso n = 2 quedara

f f x1 a1
f (x1 , x2 ) = f (a1 , a2 ) + (a), (a)
x1 x2 x2 a2
2f 2f
!
(a)
1 x21 x1 x2 (a) x1 a1 3
+ x1 a1 , x2 a2 2 2 + O kx ak
2 f f x2 a2
x x (a)
2 1
2 (a)
x2
Extremos libres de funciones de n variables
Definicion 10.20. Sea f : lRn lR. Se dice que f alcanza un maximo relativo
(o maximo local) en el punto a si existe un entorno de a tal que en todo punto
del mismo
f (x) f (a)
Definicion 10.21. Sea f : lRn lR. Se dice que f alcanza un mnimo relativo
(o mnimo local) en el punto a si existe un entorno de a tal que en todo punto
del mismo
f (x) f (a)
1.5
0.5
0
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
Figura 10.2: Geometra de un mnimo relativo.
0.5
1.5
2
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
Figura 10.3: Geometra de un maximo relativo.
Definicion 10.22. Sea f : lRn lR. Se dice que f es un punto de silla (o

punto de ensilladura) en el punto a si para todo entorno de a existen dos puntos
x,y tales que
f (x) > f (a) , f (y) < f (a)
Teorema 10.5. (condicion necesaria de extremo) Si f : lRn lR es diferenciable

en y f alcanza en a un extremo relativo (un maximo o un mnimo) entonces
df (a; ) = 0.
4
2
1
0 2
y 1
1 0
1 x
22
Figura 10.4: Geometra de un punto de ensilladura.
Corolario 10.6. Si f es diferenciable en lRn y a , una condicion necesaria

para que f alcance un extremo en a es que
f f
(a) = ... = (a) = 0 f (a) = 0 (10.10)
x1 xn
Definicion 10.23. Los puntos que satisfacen las ecuaciones (10.10) reciben el nombre
de puntos crticos de la funcion f . Tambien reciben el nombre de puntos crticos
los puntos en los que la funcion no es diferenciable y los puntos de la frontera de .
Teorema 10.7. Sea a lRn y f C 3 (B(a, )). Supongase que a es un punto crtico
de f . Se tiene entonces
i) Si Hf (a) es definida positiva (ut Hf (a)u > 0 para todo u lRn ), f tiene en a un
mnimo local.
ii) Si Hf (a) es definida negativa (ut Hf (a)u < 0 para todo u lRn ), f tiene en a un
maximo local.
iii) Si Hf (a) es indefinida (ut Hf (a)u < 0, vt Hf (a)v > 0 para algunos u, v lRn ), a
es un punto silla.
iv) Si Hf (a) es semidefinida positiva (ut Hf (a)u 0) o semidefinida negativa (ut Hf (a)u
0 ), no se puede afirmar nada y a es un punto dudoso.
En el caso particular n = 2, el caracter de Hf (a) se determina mediante su determi-

nante: Sea a un punto crtico (es decir, f (a) = 0) y H = det Hf (a). Entonces
2f
i) Si H > 0, f alcanza un extremo en a. Si x2 (a) > 0 entonces f alcanza un mnimo
2f
local. Si x2 (a) < 0 entonces f alcanza un maximo local.
ii) Si H < 0, no hay extremo y a es un punto de ensilladura.

iii) Si H = 0, a es un punto dudoso.

Definicion 10.24. Supongase que f : lRn lR. Se dice que f alcanza en a lRn
un maximo absoluto (o un mnimo absoluto) si
f (x) f (a) para todo x
Teorema 10.8. Sea cerrado y acotado en lRn y sea f : lRn continua. Entonces
f alcanza valores maximo absoluto y mnimo absoluto en algunos puntos a y b (no
necesariamente unicos) de .
El procedimiento para calcular los puntos de maximo absoluto o mnimo absoluto de

una funcion f en un dominio = + en el que f es diferenciable constara de
los siguientes pasos:
i) localizar los puntos crticos de f en .
ii) Calcular los puntos crticos de la restriccion de f a .
iii) a) Calcular el valor de f en todos los puntos crticos en que f alcance un maximo
relativo y seleccionar el mayor. Este sera el maximo absoluto.
b) Calcular el valor de f en todos los puntos crticos en que f alcance un mnimo

relativo y seleccionar el menor. Este sera el mnimo absoluto.
Ejemplo 10.9. Hallar los maximos relativos, mnimos relativos y puntos de silla de
la funcion
f (x, y) = x3 + y 3 3x 12y + 20
Solucion: Hallamos en primer lugar los puntos crticos como soluciones de las ecua-
ciones f f
x (x, y) = y (x, y) = 0. Tendremos entonces
f
(x, y) = 3x2 3 = 0 = x = 1
x
f
(x, y) = 3y 2 12 = 0 = y = 2
y
Los puntos crticos son entonces (1, 2), (1, 2), (1, 2), (1, 2). Evaluamos a conti-
nuacion la matriz Hessiana y su determinante:

6x 0
Hf (x, y) =
0 6y
det Hf (x, y) = 36xy
2f
Entonces, en (1, 2) se tiene det Hf (1, 2) = 72 > 0, x2 (1, 2) = 6 > 0. En (1, 2) hay un
mnimo relativo.
2f
En (1, 2) se tiene det Hf (1, 2) = 72 < 0, x2 (1, 2) = 6 < 0. En (1, 2) hay
un punto de ensilladura.
2f
En (1, 2) se tiene det Hf (1, 2) = 72 < 0, x2 (1, 2) = 6 > 0. En (1, 2) hay un
punto de ensilladura.
2f
En (1, 2) se tiene det Hf (1, 2) = 72 > 0, x2 (1, 2) = 6 > 0. En (1, 2)
hay un maximo relativo.
Ejemplo 10.10. Hallar los extremos relativos y absolutos de la funcion f (x, y) =
2 2
ex y en el disco x2 + y 2 1.
Solucion: Hallamos en primer lugar los extremos relativos en el interior del dominio.
Para ello buscamos los puntos crticos:
f 2
y 2
(x, y) = 2xex = 0 = x = 0
x
f 2
y 2
(x, y) = 2yex = 0 = y = 0
y
El unico punto crtico es entonces el (0, 0). La matriz Hessiana es, en un punto generico
(x, y), !
2 2 2 2
(2 + 4x2 )ex y 4xyex y
Hf (x, y) = 2 2 2 2
4xyex y (2 + 4y 2 )ex y
2f
Por tanto, det Hf (0, 0) = 4 < 0, x2 (0, 0) = 2 > 0. En (0, 0) hay un punto de silla.
A continuacion estudiamos el comportamiento de la funcion en el borde del dominio.

El borde es el conjunto de puntos que satisfacen x2 +y 2 = 1 (es decir, la circunferencia
unidad). Describamos tales puntos por sus coordenadas polares. Se tendra entonces
x = cos , y = sen . La funcion en polares y sobre la circunferencia unidad es f (x, y) =
2 2
f (cos , sen ) = ecos sen . Calculamos a continuacion los puntos crticos de esta
funcion de imponiendo
d cos2 sen 2 2 2 2 2
e = 4 sen cos ecos sen = 2 sen(2)ecos sen = 0
d
Las soluciones de esta ultima ecuacion son = 0, , 2 , 3
2 . Para ver si hay maximos o
mnimos relativos de la funcion calculamos la segunda derivada:
d2 cos2 sen 2 2 2
2e = 4 cos(2) + 4 sen 2 (2) ecos sen

d
Evaluando, se tiene que la derivada segunda vale 4 en = 0, y vale 4 en = 2 , 3
2 .
Volviendo a las coordenadas cartesianas, eso significa que hay maximos relativos en
los puntos (1, 0) y (1, 0) y mnimos relativos en (0, 1) y (0, 1).
Podemos evaluar f (0, 0) = 1, f (1, 0) = e, f (0, 1) = e1 . El maximo absoluto se

alcanza en los puntos (1, 0) y vale e mientras que el mnimo absoluto se alcanza en
los puntos (0, 1) y vale e1 .
10.11. Funciones vectoriales
Hasta ahora se ha trabajado con funciones definidas sobre lRn con valores en lR. Estas
funciones no son mas que un caso particular de las funciones definidas de lRn a lRm
(funciones vectoriales).
Ejemplo 10.11. f : lR2 lR4 definida como

xy
x x x+y
f =

y y xy
x + y + xy
La funcion f asocia a un punto de lR2 con coordenadas (x, y)t el punto de lR4 con
coordenadas (xy, x + y, x y, x + y + xy)t .
En general, una funcion de este tipo que llamaremos funcion vectorial se represen-
tara por m funciones escalares de n variables cada una

f1 (x1 , x2 , ..., xn )
f2 (x1 , x2 , ..., xn )
f (x) = f (x1 , x2 , ..., xn ) =

...
fm (x1 , x2 , ..., xn )
Todos los conceptos vistos para funciones de lRn lR se extienden de forma natural
a este tipo de funciones actuando componente a componente.
1) El vector
L1
L2
L=
...
Ln
es el lmite de la funcion f (x) cuando x a si
Li = lm fi (x1 , x2 , ..., xn ) i = 1, 2, ..., m

xa
2) Se dira que f (x) es continua en el punto a cuando sean continuas en dicho punto
todas las componentes fi (x) de f (x).
10.12. Diferencial de una funcion compuesta 219
3) La diferencial de una funcion vectorial f : lRn lRm en un punto a sera una

aplicacion lineal de lRn en lRm (df (a; ) : lRn lRm ). Cada una de sus componentes
dfi (a; ) sera la diferencial de cada una de las componentes de f , fi .
La matriz asociada a la diferencial ya no sera una matriz fila sino una matriz de
dimension m n:
f f1 f1

1
(a) x (a) ... xn (a) h1
x 1 2

h2
f2 f2 f2
(a) x2 (a) ... xn (a) [Df (a)] h
df (a; h) = x1
... ... ... ... ...
fm fm fm hn
x1 (a) x2 (a) ... xn (a)
A la matriz [Df (a)] se le denomina matriz jacobiana de f en el punto a. Cuando

n = m al determinante de la matriz jacobiana se le denomina jacobiano de f en a y
se representa por Jf (a) = |Df (a)|.
4) Para que una funcion f sea diferenciable es necesario y suficiente que lo sean cada
una de sus componentes fi .
10.12. Diferencial de una funcion compuesta
Teorema 10.9. (Regla de la cadena). Sean U y V dos subconjuntos abiertos de lRn y

lRm respectivamente. Si las aplicaciones f : U lRm y g : V lRk son diferenciables
en x0 U y f (x0 ) V respectivamente, entonces la aplicacion h = g f : U lRk
es diferenciable en x0 y ademas
dh(x0 ; ) = dg(f (x0 ); ) df (x0 ; )
Nota 10.19. Expresion matricial:
[Dh(x0 )] = [Dg(f (x0 ))] [Df (x0 )]
y por tanto
m
X gi
hi fl
(x0 ) = (f (x0 )) (x0 ) i = 1, . . . , k j = 1, . . . , n
xj yl xj
l=1
El caso n=1, m=2, k=1 (funcion de dos variables, dependientes

cada una de ellas de un parametro)
Esquematicamente
f g
lR lR2 lR
t (x, y) = (f1 (t), f2 (t)) g(x, y) = g(f1 (t), f2 (t))
y por tanto
h(t) = g(f1 (t), f2 (t))
de donde se deduce
dh g df1 g df2
(t0 ) = (f1 (t0 ), f2 (t0 )) (t0 ) + (f1 (t0 ), f2 (t0 )) (t0 )
dt x dt y dt
2
Ejemplo 10.12. Sea T (x, y) = exy la temperatura en los puntos (x, y) del plano y
sea (x(t), y(t)) = (cos t, sen t) la trayectoria de una partcula. Hallar d
dt (t), en donde
es la funcion que describe la variacion de la temperatura en funcion del tiempo.
Solucion: Lo hacemos usando la regla de la cadena:
d T dx(t) T dy(t)
(t) = (x(t), y(t)) + (x(t), y(t))
dt x dt y dt
2
(t) dx(t) 2
(t) dy(t) 2
= y 2 (t)ex(t)y + 2x(t)y(t)ex(t)y = ( sen 3 t + 2 cos2 t sen t)ecos t sen t
dt dt
El caso n=2, m=2, k=1 (funcion de dos variables, dependiendo

cada variable de dos parametros)
Esquematicamente
f g
lR2 lR2 lR
(x, y) (u, v) = (f1 (x, y), f2 (x, y)) g(u, v) = g(f1 (x, y), f2 (x, y)) h(x, y)
y por tanto

h h
(x, y), (x, y) = [Dh(x, y)] = [Dg(f1 (x, y), f2 (x, y))] [Df (x, y)] =
x y
f1 f1
!
g g x (x, y) y (x, y)
(f1 (x, y), f2 (x, y)), (f1 (x, y), f2 (x, y)) f2 f2
u v x (x, y) y (x, y)
de donde se deduce
h g f1 g f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
x u x v x
h g f1 g f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
y u y v y
10.13. Algunas aplicaciones a la ingeniera 221
10.13. Algunas aplicaciones a la ingeniera
Las derivadas parciales de funciones de varias variables aparecen en numerosos contex-

tos diferentes relacionados con las ciencias medioambientales. Habitualmente aparecen
combinadas entre s en forma de ecuacion. Por ejemplo,
C C 2C 2C 2C
+U = Dx 2 + Dy 2 + Dz 2 (10.11)
t x x y z
es una ecuacion que involucra a las derivadas parciales de la funcion de cuatro variables
C(x, y, z, t) y a constantes U, Dx , Dy , Dz . A una ecuacion de este tipo se le denomina
ecuacion en derivadas parciales. Las relaciones del tipo (10.11) se deducen a partir de
principios fsicos o qumicos fundamentales y el problema consisten en hallar funciones
C(x, y, z, t) que sustituidas en (10.11) hagan que la ecuacion se cumpla.
Transporte de contaminantes en la atmosfera
La ecuacion (10.11) representa un modelo simplificado para la distribucion espacial

y temporal de la concentracion de una sustancia contaminante y se deduce a partir
de principios fsicos fundamentales. Para un (x, y, z) dado y para un tiempo t dado,
C(x, y, z, t) es la concentracion de una cierta sustancia contaminante. El parametro
U es la velocidad del viento que suponemos que sopla en la direccion del eje x. Los
demas parametros dependen de la sustancia contaminante de que se trate.
Si C(x, y, z, t) no depende del tiempo ( C

t = 0 por tanto) y suponemos Dx = 0 (hay
ciertas razones que permiten suponer esto) entonces (10.11) se reduce a
C 2C 2C
U = Dy 2 + Dz 2 (10.12)
x y z
y una solucion de (10.12) es la siguiente:
" #
y2 (zH)2 y2 (z+H)2
Q U
2 2Dy x + 2Dz x U
2 2Dy x + 2Dz x
C(x, y, z) = p e +e (10.13)
2x Dy Dz
con Q y H parametros arbitrarios. Esta funcion representa la distribucion de la con-

centracion de humo que sale de una chimenea de altura H situada en (x, y) = (0, 0) que
emite Q gramos de gas por unidad de tiempo.
Verifiquemos que la expresion (10.13) satisface la relacion (10.12). Para ello calculamos
todas las derivadas parciales de C que aparecen en (10.12):
C Q h i
F1 (x,y,z) F2 (x,y,z)
(x, y, z) = p e + e
x 2x2 Dy Dz

U y2 (z H)2 F1 (x,y,z) y2 (z + H)2 F2 (x,y,z)
+G(x) + e + + e
2 2Dy x2 2Dz x2 2Dy x2 2Dz x2
h i
C yU
(x, y, z) = G(x) eF1 (x,y,z) + eF2 (x,y,z)
y 2Dy x
" 2 #
2C yU U h i
F1 (x,y,z) F2 (x,y,z)
(x, y, z) = G(x) e + e
y 2 2Dy x 2Dy x

C U (z L) F1 (x,y,z) U (z + L) F2 (x,y,z)
(x, y, z) = G(x) e + e
z 2Dz x 2Dz x
2C U h i
2
(x, y, z) = G(x) eF1 (x,y,z) + eF2 (x,y,z) +
z 2Dz x
" 2 2 #
U (z L) U (z + L)
+G(x) eF1 (x,y,z) + eF2 (x,y,z)
2Dz x 2Dz x
en donde
Q
G(x) =p
2x Dy Dz
2 2
U y (z H)2 U y (z + H)2
F1 (x, y, z) = + , F2 (x, y, z) = +
2 2Dy x 2Dz x 2 2Dy x 2Dz x
Sustituyendo en (10.12) y simplificando se comprueba que se verifica la ecuacion.
Con la formula (10.13) podemos usar toda la teora desarrollada en este tema y empe-
zar a responder cuestiones interesantes. Por ejemplo, en que puntos del plano xy es
maxima la concentracion de contaminante? Esto tiene aplicaciones practicas impor-
tantes, ya que si habitualmente hay vientos de velocidad U en la region entonces no
es buena idea colocar un parque infantil en la zona donde la concentracion es maxima
y un ingeniero ambiental ha de saber donde estan las zonas mas contaminadas. La
restriccion de la funcion al plano xy (z = 0) da una funcion de las variables x e y:

Q U y2 H2
2Dy x + 2Dz x
C(x, y) = p e 2
x Dy Dz
Esta funcion de dos variables es continua y diferenciable (por ser composicion de

funciones continuas y diferenciables) en todo punto excepto quizas en los puntos tales
que x = 0. Busquemos los extremos de la funcion en lR+ lR. Primero los puntos
crticos:
y2 (zH)2
C Q U2 2Dy x + 2Dz x
(x, y) = 2 p e +
x x Dy Dz
U y2 (zH)2
Q U y2 H2 2 2Dy x + 2Dz x
+ p 2
+ 2
e =0
x Dy Dz 2 2Dy x 2Dz x
10.13. Algunas aplicaciones a la ingeniera 223

C Q yU U y2 H2
2Dy x + 2Dz x
(x, y) = p e 2
=0
y x Dy Dz 2Dy x
De la segunda ecuacion deducimos que y = 0. De la primera, con y = 0, la relacion
U H2 1
=0
2 2Dz x2 x
U H2
que lleva a x = 4Dz . Es facil (pero laborioso) calcular la Hessiana en el punto crtico
H2 2 2
( U4Dz
y verificar que su determinante es positivo. Ademas, xC2 ( U4D
, 0) H
z
, 0) < 0, lo
cual implica que en el punto crtico hay un maximo relativo. Concluimos entonces
que la maxima concentracion de contaminante tiene lugar en la direccion del viento
H2
y a una distancia U4D z
de la chimenea. Esa maxima concentracion es
s
4Q Dz
Cmax =
eU H 2 Dy
Notemos que disminuye de forma inversamente proporcional al cuadrado de la altura

de la chimenea. Es por ello que las directivas medioambientales de muchos pases
exigen chimeneas de emision de gases contaminantes por encima de una cierta altura.
Debemos senalar que el modelo analizado es demasiado simple en muchas circunstan-

cias y, en la practica de la ingeniera ambiental, se suelen usar modelos mas sofisticados
pero que son variantes de este.
La derivada sustancial (o material)
Imaginemos una partcula que se mueve en el espacio siguiendo una curva definida
en forma parametrica por (x(t), y(t), z(t)), siendo t la variable temporal. En cada
punto del espacio hay definida una temperatura T (x, y, z) (o cualquier otra funcion
de tres variables). La derivada sustancial de la temperatura sera la variacion de la
temperatura que siente la partcula por unidad de tiempo. Para calcular tal derivada
uno debe hacer uso de la regla de la cadena para la derivacion de funciones vectoriales
compuestas. La funcion vectorial x que asigna a cada tiempo t la posicion de la
partcula en el espacio es una funcion de lR a lR3 . La funcion T que asigna a cada
punto del espacio una temperatura es una funcion de lR3 a lR. La funcion compuesta
de x con T , = T x, es de lR a lR y asigna a cada tiempo la temperatura que
siente la partcula en ese momento. Para derivar esta funcion con respecto al tiempo
debemos usar la regla de la cadena y obtener as
d T dx T dy T dz
= + + = vT
dt x dt z dt x dt
siendo v = (x0 (t), y 0 (t), z 0 (t)) el vector velocidad de la partcula en el instante t.
Si la temperatura en cada punto dependiera tambien del tiempo, es decir T =

T (x, y, z, t), entonces podemos considerar = T x con T : lR4 lR y x : lR lR4
siendo x(t) = (t, x(t), y(t), z(t)). La regla de la cadena entonces implica la formula
d T dt T dx T dy T dz T
= + + + = + vT .
dt t dt x dt z dt x dt t
A menudo se denota a la funcion compuesta (que es una temperatura dependiente del
tiempo) tambien con la letra T , y entonces concluimos
dT T
= + vT .
dt t
A dT
dt se le llama derivada sustancial o material de T y su significado es el de la
variacion de la temperatura (o concentracion, o lo que corresponda) con respecto al
tiempo que siente la partcula que se mueve con velocidad v en el instante t. Estas
derivadas sustanciales aparecen en el modelado de fenomenos de transporte y en
mecanica de fluidos.
los captulos 10 y 11 de [43], los captulos 13, 14, 15 y 16 de [37], el captulo 11 de [8]
y los captulos 2 y 3 del tomo 2 de [25].
10.15. Ejercicios
1. Hallar el dominio de las siguientes funciones

a) f (x, y) =arcsen( x2 ) + xy
p
b) f (x, y) = 1 x2 + 1 y 2
p
c) f (x, y) = sen(x2 + y 2 )
1 1
d ) f (x, y) = xy + y
e) f (x, y) = ln(x2 + y)
Solucion:
a) {(x, y) 2 x 0, y 0} {(x, y)0 x 2, y 0}

b) {(x, y) 1 x 1, 1 y 1}

c) (x, y)k Z : 2k x2 + y 2 2(k + 1)
d ) {(x, y)x 6= y, y 6= 0}

e) (x, y)y > x2
2. Trazar las curvas de nivel de las funciones:
a) f (x, y) = x + y
b) f (x, y) = x2 + y 2
y
c) f (x, y) = x2
Solucion:
a) Rectas de pendiente 1.
b) Circunferencias de centro le origen.
c) Parabolas de ecuacion y = kx2 .
3. Calcular los lmites radiales y el lmite doble en (0, 0) de la funcion
x2 y
f (x, y) =
x2 + y 2
Solucion: lmites radiales: 0; lmite doble: 0

4. Hallar en (0, 0) los lmites reiterados y el lmite doble de f (x, y) = xy sen( x2 +y 2)
Solucion: lmites reiterados: 0, lmite doble: 0

5. Calcular
ln(1 + x2 + y 2 )
lm p
x 0 1 1 + x2 + y 2
y0
Solucion: -2
x2 y 2
6. Demostrar que lm x 2 +2y 2 no existe mediante el calculo de los lmites
(x,y)(0,0)
radiales y de los lmites reiterados.
(1k2 )
Solucion: lmites radiales: 1+2k2 , lmites reiterados - 21 y 1.
x3 y 2
7. Considerese la funcion f (x, y) = 1cos x+y . Se pide
a) Calcular los lmites reiterados en (0, 0).

b) Calcular los lmites radiales en (0, 0).
c) Calcular los lmites direccionales segun las curvas y = x con > 0.
d ) Existe el lmite doble?
Solucion: Los reiterados valen 0, los radiales valen 0, los direccionales valen 0
salvo en el caso en que = 2 y = 21 en que no existe. El lmite doble no
existe.
8. Si f : lRn lR es diferenciable en , probar que x f 2 (x)+2f (x) tambien

es diferenciable en , y calcular su diferencial.
Solucion:
a) Se demostrara en primer lugar que si f y g son diferenciables entonces f +g

tambien lo es y su diferencial vale d(f + g)(x; ) =df (x; ) + dg(x; ):
f (x+h)+g(x+h)f (x)g(x)df (x;h)dg(x;h)
lm khk =0
h0
(f +g)(x+h)(f +g)(x)df (x;h)dg(x;h)
lm khk = 0 f + g es diferenciable Ssi.
h0
d(f + g)(x; h) =df (x; h) + dg(x; h).
b) En segundo lugar se comprobara que f y g son diferenciables entonces f g
tambien lo es y su diferencial vale d(f g)(x; .) =g(x)df (x; ) + f (x)dg(x; )
f (x+h)g(x+h)f (x)g(x)d(f g)(x;h)
lm khk =0
h0
f (x)(g(x+h)g(x))+g(x+h)(f (x+h)f (x))d(f g)(x;h)
lm khk =0
h0
g(x+h)g(x)
f (x) lm khk + g(x) lm f (x+h)f
khk
(x)
lm d(f g)(x;h)
khk =0
h0 h0 h0
lm f (x)df (x;h)+g(x)df
khk
(x;h)d(f g)(x;h)
= 0 f g es diferenciable Ssi.
h0
d(f g)(x; h) =f (x)dg(x; h)+g(x)df (x; h).
Aplicando los dos resultados anteriores es evidente que x f 2 (x)+2f (x) es

diferenciable y su diferencial en el punto x es: 2(f (x)+1)df (x; ).
9. Probar que las siguientes funciones son diferenciables, y hallar sus diferenciales
en un punto arbitrario
a) f : lR2 lR, f (x, y) = 2

b) f : lR2 lR, f (x, y) = x + y
c) f : lR2 lR, f (x, y) = 2 + x + y
d ) f : lR2 lR, f (x, y) = x2 + y 2
e) f : lR2 lR, f (x, y) = exy
p
f ) f : U lR, f (x, y) = 1 x2 y 2 , U = (x, y)x2 + y 2 < 1
g) f : lR2 lR, f (x, y) = x4 y 4
Solucion:
a) Si es diferenciable. df (x; h) =0h1 + 0h2 (dz = 0dx + 0dy).

b) Si es diferenciable. df (x; h) =h1 + h2 (dz = dx + dy).

c) Si es diferenciable. df (x; h) =h1 + h2 (dz = dx + dy).
d ) Si es diferenciable. df (x; h) =2xh1 + 2yh2 (dz = 2xdx + 2ydy).
e) Si es diferenciable. df (x; h) =yexy h1 + xexy h2 (dz = yexy dx + xexy dy).
f ) Si es diferenciable. df (x; h) = x2 2 h1 + y 2 2 h2
1x y 1x y
x y
(dz = dx dy).
1x2 y 2 1x2 y 2
g) Si es diferenciable. df (x; h) =4x3 h1 4y 3 h2 (dz = 4x3 dx 4y 3 dy).
Nota: entre parentesis aparece otra forma de representar el resultado, en donde

z = f (x, y), dz = df (x; h), dx = h1 y dy = h2 .
10. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente funcion de dos variables.
(
xy si (x, y) 6= (0, 0)
f (x, y) = x2 +y 2
0 si (x, y) = (0, 0)
Solucion:
f f
Es continua. x (0, 0) = 0. y (0, 0) = 0. No es diferenciable.
f (x, y) = |x| + |y|
Solucion:
Es continua. No existen las derivadas parciales en el origen. No es diferenciable.
(
xy 2
si (x, y) 6= (0, 0)
f (x, y) = x2 +y 4
0 si (x, y) = (0, 0)
Solucion:
f f
No es continua. x (0, 0) = 0. y (0, 0) = 0. No es diferenciable.
1
xy sen( x2 +y 2) si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Solucion:
Es continua. f
x (0, 0) = 0.
f
y (0, 0) = 0. Es diferenciable en (0,0): df ((0, 0); h)
= 0h1 + 0h2 = 0.
14. Estudiar la diferenciabilidad en el origen de la siguiente funcion de lR2 en lR3 ,

ex+y

sen(x y) si x 6= 0
2 1
x sen( )
x
f (x, y) =

ey

sen(y) si x = 0

0
Solucion:
La funcion es diferenciable en el origen.
f1 f1

df1 ((0, 0); h) x (0, 0) y (0, 0)
f2 f2 h1
df ((0, 0); h) = df2 ((0, 0); h) = x (0, 0) y (0, 0) h2
df3 ((0, 0); h) f3 f3
x (0, 0) y (0, 0)

1 1
h1
= 1 1
h2
0 0
15. Determinar la ecuacion implcita del plano tangente a la superficie

ex
f (x, y) =
x2 + y 2
en el punto (1,2).
e 3e 4e
Solucion: z = 5 + 25 (x 1) + 25 (y 2).
16. Determinar el plano tangente al cono z 2 = x2 + y 2 en el punto donde x = 3,
y = 4 y z > 0.
Solucion: z = 25 + 6(x 3) + 8(y 4).
17. Hallar la ecuacion del plano tangente a la superficie S dada por x2 y+y 2 z+z 2 x =
5 en el punto (1, 1, 2).
Solucion: 2x 3y + 5z = 0.
18. Obtener la expresion de las siguientes derivadas parciales o totales utilizando la
regla de la cadena.
a) h/x, donde h(x, y) = f (x, u(x, y)).

b) dh/dx, donde h(x) = f (x, u(x), v(x)).

c) h/x, donde h(x, y, z) = f (u(x, y, z), v(x, y), w(x)).
Solucion:
h f x f u f f u
a) x = x x + u x = x + u x
dh f dx f du f dv f f du f dv
b) dx = x dx + u dx + v dx = x + u dx + v dx
h f u f v f dw
c) x = u x + v x + w dx
19. Un cilindro circular recto vara de tal manera que su radio r crece a la tasa de
3 cm/min y su altura h decrece a la tasa de 5 cm/min. A que tasa vara el
volumen con respecto al tiempo cuando el radio es de 10cm y la altura de 8cm?
Solucion: 62,8 cm3 /min.
2
20. Sea w(x, y, z) = 4x + y 2 + z 3 , donde x(r, s) = ers , y = ln r+s 2
t y z = rst , hallar
w
.
s
w 2
2
Solucion: (r, s) = 8rsers + r+s ln r+s 3 2 6
t + 3r s t .
s
21. Sea v = v(x, y). Si se verifica que x = e e y = e , transformar la expresion
2v 2
2 v v v
E = e2 2
(x, y) + e 2
(x, y) + e (x, y) + e (x, y)
x y x y
de forma que unicamente aparezcan derivadas parciales respecto de y .

2v 2v
Solucion: E = 2 (, ) + 2 (, )

22. Cambiar las variables u y v en la expresion
2

E = cos u (u, v) (u, v)
uv u
por las variables x e y mediante las ecuaciones de cambio:

ev
x= ; y = ev tgu
cos u
Solucion:

2 2 2
E = xy 2
(x, y) + 2
(x, y) + (x2 + y 2 ) (x, y)
x y xy
23. Sean f : lR3 lR y g : lR3 lR diferenciables. Probar que:

(f g) = f g + gf
df
24. Siendo f (x, y) = x3 + 6x3 y + 2xy 5 y x = 1 + t2 e y = t3 2t + 1 calcular dt (0)
Solucion: -32

t2 + 1
25. Siendo g(t) = 3 y siendo t = x4 +6x3 y +2xy 5 . Calcular la matriz
t 2t + 1
jacobiana [Dg(0, 0)].
Solucion:
0 0
[Dg(0, 0)] =
0 0

x2 + y
26. Siendo f (x, y) = , calcular el jacobiano de (f f f ) en (1, 2).
xy
Solucion:

318 159
D(f f f )(1, 2) = , Jf f f (1, 2) = 0
194 97
27. Donde falla el siguiente razonamiento? Supongase que w = f (x, y) e y = x2 .

Por la regla de la cadena,
w w dx w dy w w
= + = + 2x (10.14)
x x dx y dx x y
por lo tanto 0 = 2x w w
y , y as y = 0. Dar un ejemplo claro en el que se ponga
de manifiesto que esto es incorrecto.
Solucion: supongase la funcion w = f (x, y) = x + y, en este caso w
y = 1 6= 0.
El razonamiento falla por un abuso de notacion que lleva a considerar que el w
x
que esta a la izquierda de la igualdad (10.14) es igual al w
x que esta a la de-
recha (siendo falso). Si se plantea correctamente el problema: w(x) = f (u, v) =
f (u(x), v(x)) con u(x) = x y v(x) = x2 ,
dw f du f dv f f
(x) = (u, v) (x) + (u, v) (x) = (x) + 2x (x)
dx u dx v dx u v
con lo que:
f 1 dw f
(x) = (x) (x)
v 2x dx u
que utilizando la notacion del enunciado (incorrecta) se convertira en:

w 1 dw w
=
y 2x dx x
dw w
que evidentemente no es siempre 0 porque dx 6= x .
28. Supongase que un pato esta nadando en el crculo x = cos t, y = sen t y que la
temperatura del agua esta dada por la formula T = x2 ey xy 3 . Hallar dT /dt,
la tasa de cambio instantanea de temperatura que puede sentir el pato.
Solucion:
dT
(t) = 2 cos t sen t(esen t ) + sen4 t + cos3 t(esen t ) 3 cos2 tsen2 t
dt
29. Supongase que la temperatura en el punto (x, y, z) en el espacio es T (x, y, z) =

x2 + y 2 + z 2 . Dada una partcula que viaja por la helice circular recta (t) =
(cos t, sen t, t) y sea T (t) su temperatura en el tiempo t. Calcular T 0 (t).
Solucion: T 0 (t) = 2t
30. La altura h del volcan hawaiano Mauna Loa se describe (aproximadamente)

mediante la funcion h(x, y) = 2,59 0,024y 2 0,065x2 donde h es la altura
sobre el nivel del mar en millas y x e y miden distancias este - oeste y norte -
sur, respectivamente, en millas, a partir de la cima de la montana.
En el punto (x, y) = (2, 4) :
a) Con que rapidez se incrementa la altura en la direccion (1, 1) (esto es,

hacia el nordeste)? Expresar la respuesta en millas de altura por milla de
distancia recorrida.
b) En que direccion se sube mas rapidamente?
Solucion:

dh
a) u = 12 (1, 1); du (2, 4) = 1
2
(0,13(2), 0,048(4)) = 0,034 2
t t
b) h(2, 4) = (0,13(2), 0,048(4)) = (0,26, 0,192)
31. Supongase que f es una funcion diferenciable de una variable y que una funcion
u = g(x, y) esta definida por

x+y
u = g(x, y) = xyf
xy
Demuestrese que u satisface una ecuacion diferencial en derivadas parciales de

la forma
u u
x2 (x, y) y 2 (x, y) = G(x, y)u(x, y)
x y
determinando la expresion de G(x, y).

Solucion: G(x, y) = x y
32. Hallar todos los puntos crticos de f (x, y) = 8x3 24xy + y 3 e indicar para cada
uno de ellos si es un maximo relativo, un mnimo relativo, un punto silla o un
punto dudoso.
Solucion:los puntos crticos son (0, 0) y (2, 4). El punto (0, 0) es un punto de
ensilladura, el (2, 4) es un mnimo relativo.
33. Hallar todos los extremos relativos y puntos de ensilladura de f (x, y) = x2 y 4 .

Solucion: los puntos del eje y y los del eje x son todos crticos. Si se analiza el
Hessiano de f para los puntos de los ejes se concluye que son todos dudosos. Esta
duda se puede resolver si se tiene en cuenta que para todo punto perteneciente
a los ejes coordenados f (x, y) = 0 y f (x, y) = x2 y 4 > 0 cuando x 6= 0 e y 6= 0
por lo tanto todos los puntos crticos son mnimos relativos.
2
y 2
34. Determinar los extremos absolutos de la funcion f (x, y) = ex en el disco
x2 + y 2 0.
Solucion: El maximo absoluto de la funcion f en el disco es e y se alcanza
en los puntos (1, 0) y (1, 0). El mnimo absoluto de f en el disco es e1 y se
alcanza en los puntos (0, 1) y (0, 1).
35. Dada la funcion f (x, y) = (y 2 1) sen(x) determinar los puntos crticos perte-
necientes al dominio
n o
D = (x, y) lR2 0 x , 1 y 1
2
y el tipo de punto crtico que es cada uno.

Solucion: (0, 1) : punto de silla, (0, 1) : punto de silla y ( 2 , 0) : mnimo
relativo de valor f ( 2 , 0).
Captulo 11
Integracion de funciones de
una variable
11.1. Introduccion
La integracion es una operacion sobre funciones que proporciona una suma continua
de todos los valores de la funcion en un intervalo. Existen numerosos ejemplos de la
integracion a la resolucion de problemas fsicos y tecnicos, algunos de ellos son:
La distancia recorrida por un objeto que se desplaza segun una recta es la

integral de la velocidad respecto del tiempo (se generaliza la formula espacio=
velocidad tiempo, que es valida cuando la velocidad es constante).
El volumen de un cable de seccion variable se obtiene integrando el area de la

seccion a lo largo de la longitud del cable.
La energa electrica consumida en una casa a lo largo de un da se obtiene

integrando la funcion de potencia utilizada a lo largo del da.
En este captulo se recuerdan los aspectos basicos de la integracion de funciones de

una variable con vistas a preparar el estudio de la integracion de funciones de varias
variables.
233
234 Captulo 11. Integracion de funciones de una variable
11.2. Primitivas (o antiderivadas)
Definicion 11.1. La primitiva de una funcion f es otra funcion cuya derivada es f .

Ejemplo 11.1. Sea f (x) = 2x + 3. Entonces la funcion x2 + 3x es una primitiva de
f.
Nota 11.1. La funcion x2 +3x no es la unica posible solucion del problema planteado
en el ejemplo anterior. Tambien lo son las funciones x2 + 3x + 1, x2 + 3x + 2, etc.
Como la derivada de una constante es cero, las funciones de la forma x2 + 3x + C son
todas ellas primitivas de f .
En general, si F es una primitiva de f , tambien lo es cualquier funcion de la forma

F + C con C lR.
Se puede conseguir que el problema de hallar la primitiva de una funcion dada tenga
solucion unica imponiendo alguna condicion adicional sobre la primitiva, por ejemplo
alguna condicion del tipo F (a) = b.
Ejemplo 11.2. La velocidad de una partcula que sigue una trayectoria recta es
v(t) = 3t + 5 m/s. En el instante t = 1s la partcula esta en la posicion x = 4m
(x(1) = 4). Determinar la posicion de la partcula en t = 10s (x(10)).
Solucion: Como
dx(t)
v(t) =
dt
se tiene que x(t) es una primitiva de v(t), por tanto x(t) = 32 t2 +5t+C. Como sabemos
que x(1) = 4, se sigue que C = 52 , y x(t) = 32 t2 + 5t 52 , y, por tanto, x(10) = 197,5
metros.
11.3. Integral de Riemann de funciones de una va-

riable
En el caso de funciones de una variable se define la integral de Riemann (o integral

definida) sobre un intervalo [a, b] como el area que encierra la funcion a integrar entre
su grafica y el eje de abscisas en el intervalo [a, b], y consideramos como area positiva
la que se encierra por encima de dicho eje y como area negativa la que se encierra
por debajo de el. Esta es una definicion bastante intuitiva pero poco rigurosa. Para
dar una definicion mas precisa introducimos previamente los siguientes conceptos:
Sea f : [a, b] lR. Consideremos los puntos a = x0 < x1 < < xn1 < xn = b.
Entonces al conjunto P = {a = x0 , x1 , . . . , xn1 , xn = b} se le denomina una particion
11.3. Integral de Riemann de funciones de una variable 235
Sn
de [a, b] (Notese que [a, b] = k=1 [xk1 , xk ] y que los intervalos (xk1 , xk ) son dos a
dos disjuntos). Para todo k {1, . . . , n}, definamos
Mk = sup {f (x)} y mk = inf {f (x)}.

x(xk1 ,xk ) x(xk1 ,xk )
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
n
X n
X
U (f, P ) = Mk xk y L(f, P ) = mk xk
k=1 k=1
donde xk = xk xk1 .
Graficamente (figuras 11.1 y 11.2) se aprecia que estas sumas representan una apro-
ximacion por exceso o por defecto, respectivamente, del area que encierra la funcion.
Es facil ver que si se van haciendo particiones cada vez mas finas, esto es, con mas
puntos y por tanto con intervalos cada vez mas pequenos, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo (figuras 11.1 y 11.2).
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

x
Figura 11.1: Aproximaciones cada vez mas finas a la integral de Riemann mediante
sumas superiores.
Definicion 11.2. Sea f : [a, b] lR. Se define la integral superior de f en [a, b]

como
inf U (f, P ),
P
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

x
Figura 11.2: Aproximaciones cada vez mas finas a la integral de Riemann mediante
sumas inferiores.
y se representa mediante
Z b
f (x)dx.
a
Se define la integral inferior de f en [a, b] como

sup L(f, P ),
P
Z b
f (x)dx.
a
Se dice que f es integrable en [a, b] si

Z b Z b
f (x)dx = f (x)dx.
a a
En ese caso, a ese valor comun se le denomina integral de f en [a, b], y se representa
mediante Z b Z b
f , o f (x)dx.
a a
11.4. El teorema fundamental del calculo 237
Proposicion 11.1 (Condicion de Riemann). Sea f : [a, b] lR. f es integrable

en [a, b] si y solo si para todo > 0 existe > 0 tal que, si P es una particion tal que
todos los intervalos tienen longitud xk xk1 < , entonces
U (f, P ) L(f, P ) < .
Definicion 11.3. Un subconjunto A lR tiene medida nula si para todo > 0
existe un recubrimiento {Si }iI de A por intervalos cerrados tal que la suma de las
longitudes de los intervalos Si sea menor que . No es difcil ver que si A es finito o
numerable, entonces A tiene medida nula (recordamos que un conjunto es numerable
si se pueden ordenar sus elementos formando una sucesion).
Teorema 11.1. (Criterio de Lebesgue para la existencia de la integral de
Riemann).
Sea f : [a, b] lR. Si f es continua salvo en un conjunto de medida nula, entonces

f es integrable.
Propiedades de la integral definida

Z a
1. f (x)dx = 0.
a
Z b Z a
2. f (x)dx = f (x)dx.
a b
Z c Z b Z c
3. Si a < b < c entonces f (x)dx = f (x)dx + f (x)dx.
a a b
11.4. El teorema fundamental del calculo
Teorema 11.2. Sea f : [a, b] lR integrable y definamos

Z t
F (t) = f (x)dx.
a
Entonces, F es continua en [a, b] y si f es continua en c [a, b], se tiene que F es

derivable en c y
F 0 (c) = f (c).
Una consecuencia inmediata del teorema anterior es que la funcion F es una primitiva
de f , y como toda primitiva de f se diferencia respecto de f en una constante:
Z Z t
f (t)dt = f (x)dx + Cte = F (t) + Cte.
a
A partir de la igualdad anterior es facil demostrar el siguiente teorema:

Teorema 11.3. Sea f : [a, b] lR integrable en [a, b], entonces:
Z b
f (x)dx = F (b) F (a).
a
Este ultimo teorema se conoce como teorema fundamental del calculo, formula de
Newton - Leibniz o regla de Barrow.
11.5. Repaso de reglas basicas de integracion
11.5.1. Integrales inmediatas

Z Z Z
(f (x) + g(x))dx = f (x)dx + g(x)dx
Z Z
Si a es una constante, af (x)dx = a f (x)dx
Z
xn+1
Si n 6= 1, xn dx = + cte
n+1
Z
cn n+1 c1
(cn xn + + c1 x + c0 )dx = x + + x2 + c0 x + cte
n+1 2
Z
1
dx = ln |x| + cte
x
Z
ex dx = ex + cte
Z
ax
ax dx = + cte, (0 < a =
6 1)
ln a
Z
sen xdx = cos x + cte
Z
cos x = sen x + cte
Z
tan xdx = ln | cos x| + cte
Z
1
dx = arctan x + cte
1 + x2
11.5. Repaso de reglas basicas de integracion 239
Z
1
dx = arcsen x + cte
1 x2
Z
1
dx = arc cos x + cte
1 x2
11.5.2. Cambio de variable
El metodo de integracion mediante cambio de variable (o por sustitucion) se basa en

la regla de la cadena:
(F (g(x)))0 = F 0 (g(x))g 0 (x)
y por tanto Z
F 0 (g(x))g 0 (x)dx = F (g(x)) + cte
Es comodo introducir una variable intermedia (de donde viene el nombre de cambio
de variable)
u = g(x)
Z
du
F 0 (u) dx = F (u) + cte
dx
Si a F 0 (u) se le llama f (u) y se hace

Z
f (u)du = F (u) + cte
se tiene Z Z
du
f (u) dx = f (u)du.
dx
Esta formula es facil de recordar si uno piensa que se cancelan las dx.
Cuando la funcion a integrar es complicada no es facil encontrar el cambio de variable

adecuado (si es que hay alguno). Se puede seguir el siguiente algoritmo para ensayar
un cambio determinado.
R
Dada una integral h(x)dx, para resolverla mediante un cambio de variable
1. Se elige una nueva variable u = g(x).

du du
2. Se obtiene dx = g 0 (x) y se despeja dx; dx = g 0 (x) .
3. Se reemplaza dx en el integrando por la expresion encontrada en 2.

4. Se intenta expresar el integrando unicamente en terminos de u (eliminando x)
(si no se puede, ensayar otro cambio u otro metodo de integracion).
R
5. Resolver la nueva integral f (u)du.
6. Expresar el resultado en terminos de x.
7. Comprobar el resultado derivando.
Ejemplo 11.3. Calcular la integral

Z
x2 + 2x
I=
3
dx.
x3 + 3x2 + 1
Solucion: Hacemos el cambio de variable
u = x3 + 3x2 + 1
y entonces
du du
= 3x2 + 6x y por tanto dx = 2
dx 3x + 6x
As pues,
Z Z
1 x2 + 2x 1 1 31 2 1p
I= 2
du = du = u 3 + cte = 3 (x3 + 3x2 + 1)2 + cte.
3
u 3x + 6x 3 3
u 23 2
Nota 11.2. Si se utiliza el cambio de variable u = g(x) para resolver la integral

Rb
definida a h(x)dx hay que modificar los lmites como se indica a continuacion:
Z b Z g(b)
du
h(x)dx = f (u)du, donde h(x) = f (u)
a g(a) dx
11.5.3. Integracion por partes
Se basa en la derivacion de un producto de funciones:
(F (x)G(x))0 = (F G)0 (x) = F 0 (x)G(x) + F (x)G0 (x)

11.5. Repaso de reglas basicas de integracion 241
es decir, F (x)G(x) es una primitiva de F 0 (x)G(x) + F (x)G0 (x), y por tanto,

Z
(F 0 (x)G(x) + F (x)G0 (x))dx = F (x)G(x) + cte
de donde se sigue que

Z Z
F (x)G0 (x)dx = F (x)G(x) F 0 (x)G(x)dx + cte.
R
La constante se puede agrupar con la constante de F 0 (x)G(x)dx y entonces se tiene
finalmente
Z Z
0
F (x)G (x)dx = F (x)G(x) F 0 (x)G(x)dx. (11.1)
Nota 11.3. Si se hace u = F (x) y v = G(x), la expresion 11.1 se convierte en

Z Z
dv dv
u dx = uv v dx,
dx dx
es decir,
Z Z
udv = uv vdu. (11.2)
Nota 11.4. Cuando se utiliza la integracion por partes, para integrar una funcion
h hay que escribir h(x) como F (x)G0 (x) en donde G0 (x) es una funcion de la cual
se conoce como
R calcular su primitiva. Con una buena eleccion
R de F (x) y G0 (x) se
consigue que F 0 (x)G(x)dx sea mas facil de integrar que F (x)G0 (x)dx.
Ejemplo 11.4. Calcular la siguiente integral
Z
x2 ex dx
Solucion: Utilizamos la estrategia de integracion por partes para eliminar el factor

polinomico (x2 ) mediante derivacion. Mas precisamente, hacemos en primer lugar
u = x2 , dv = ex dx de modo que v = ex . Se tiene
Z Z
x e dx = x e 2xex dx
2 x 2 x
Hacemos ahora u = x, dv = 2ex dx de modo que v = 2ex . Tendremos

Z Z
x e dx = x e (2xe 2ex dx) = (x2 2x + 2)ex + C
2 x 2 x x
los captulos 5 y 6 de [43], los captulos 4 y 7 de [37], los captulos 8 y 9 de [8] y el
captulo 4 del primer tomo de [25].
11.7. Ejercicios
Z
x2
1. Calcular dx
(x3 2)5
1
Solucion: 12 (x3 2)4 + C
Z
tdt
2. Calcular
1 t4
Solucion: 12 arcsen(t2 ) + C
Z 1
ex
3. Calcular dx
0 1 + e2x

Solucion: arctan(ex ) 4
Z
4. Calcular x2 ex dx
Solucion: ex (x2 + 2x + 2) + C
Z
5. Calcular e2x sen xdx
Solucion: 15 e2x (2 sen x cos x) + C

Z
4
6. Calcular arctgxdx
0
1 2
Solucion: 4 arctg 4 2 ln(1 + 16 )
Z
2

7. Sabiendo que sen2 (x)dx = 4, resolver las siguientes integrales:
0
Z
a) sen2 (x/2)dx
0
Z
b) sen2 (x 2 )dx

2
Z /4
c) cos2 (2x)dx
0
Solucion:

a) 2

b) 4

c) 8
8. Dadas dos funciones f y g, se define una funcion h mediante

Z 1
h(x) = f (x t)g(t)dt
0
Se pide demostrar que

Z x
h(x) = g(x t)f (t)dt
x1
9. Determinar el area encerrada entre la curva y = (x + 1)/(x2 + 2x + 2)3/2 y el

eje x entre x = 0 y x = 1.

Solucion: (5 2 2 5)/10
Z 2
10. Hallar cos2 x sen xdx mediante el cambio u = cos x.
0
1
Solucion: 3
Captulo 12
Integracion de funciones de
varias variables
12.1. Introduccion
El concepto de integral multiple aparece casi ubcuamente en ciencia. Es una herra-

mienta necesaria en el calculo de volumenes, areas, centros de masa, momentos de
inercia y, de modo indirecto, en el calculo de flujos y circulaciones.
12.2. Integrales dobles
12.2.1. Introduccion
La integral doble tiene una interpretacion geometrica basica como volumen y se puede
definir rigurosamente como lmite de sumas de Riemann.
Si denotamos por I el rectangulo [a, b] [c, d] y por V la region del espacio acotada
por la grafica de f : I lR, el rectangulo I y los cuatro planos x = a, x = b, y = c e
y = d, entonces se define la integral doble de f como el volumen de V (sera positivo
cuando este situado por encima del plano z = 0 y negativo cuando este situado por
debajo) y se representa por
Z Z Z Z Z Z d Z b
f, f (x, y)dA , f (x, y)dxdy , f (x, y)dxdy , f (x, y)dxdy
I I I I c a
245
246 Captulo 12. Integracion de funciones de varias variables
12.2.2. Rectangulos en lR2
Siendo (a1 , b1 ) y (a2 , b2 ) dos intervalos de lR se denomina rectangulo de lados

paralelos a los ejes, al dominio de lR2 formado por el producto cartesiano I =
(a1 , b1 ) (a2 , b2 ). Cuando hablemos de rectangulo nos referiremos a uno de lados
paralelos.
Definicion 12.1. Se llama medida del rectangulo I, (I) al area de dicho rectangu-
lo, esto es el valor resultante de multiplicar las longitudes de los intervalos (a1 , b1 ) y
(a2 , b2 ):
(I) = (b1 a1 )(b2 a2 ).
Definicion 12.2. Dado un rectangulo I, de denomina particion P de I en sub-

rectangulos a toda subdivision de I en rectangulos de menor medida y tal que todos
los rectangulos en los que se subdivide I, tengan interiores disjuntos y la union de
todos ellos sea exactamente I.
Definicion 12.3. Se denomina tamano de una particion P a la medida del mayor

de los rectangulos que la forman.
Definicion 12.4. Dadas dos particiones P y P 0 de un mismo rectangulo I diremos

que P es mas fina que P0 si el tamano de P es menor que el tamano de P 0 .
12.2.3. Integral doble sobre un rectangulo
Consideremos una particion P de I en N (P ) subrectangulos Ik (k = 1, 2, ..., N (P )).

Definamos
Mk = sup {f (x, y)} y mk = inf {f (x, y)}.

(x,y)Ik (x,y)Ik
X X
U (f, P ) = Mk (Ik ) y L(f, P ) = mk (Ik )
P P
puntos y por tanto con rectangulos cada vez mas pequenos, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo.
Definicion 12.5. Sea f : [a, b] [c, d] lR. Se define la integral superior de f en

[a, b] [c, d] como
inf U (f, P ),
P
12.2. Integrales dobles 247
Z d Z b
f (x, y)dxdy.
c a
Se define la integral inferior de f en [a, b] [c, d] como
sup L(f, P ),
P
Z d Z b
f (x, y)dxdy.
c a
Se dice que f es integrable en I si

Z d Z b Z d Z b
f (x, y)dxdy = f (x, y)dxdy.
c a c a
En ese caso, a ese valor comun se le denomina integral de f en [a, b] [c, d], y se
representa mediante
Z dZ b Z dZ b
f o f (x, y)dxdy.
c a c a
Proposicion 12.1 (Condicion de Riemann). Sea f : [a, b] [c, d] lR. f es

integrable en [a, b] [c, d] si y solo si para todo > 0 existe > 0 tal que, si P es
una particion tal que todos los rectangulos Ik de la misma verifican que (Ik ) < ,
entonces
U (f, P ) L(f, P ) < .
RR
Proposicion 12.2. La idea de que I
f (x, y)dxdy es el volumen de la region V hace
evidentes las siguientes propiedades
i) Z Z Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
I1 I2 I1 I2
para todos I1 , I2 de interiores disjuntos.
ii) Z Z Z Z Z Z
(f (x, y) + g(x, y))dxdy = f (x, y)dxdy + g(x, y)dxdy
I I I
iii) Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy para todo real
I I
RR
Para calcular I
f (x, y)dxdy es util el siguiente teorema:
Teorema 12.1. (Teorema de Fubini) Sea f una funcion continua con dominio
rectangular I = [a, b] [c, d]. Entonces,
Z Z Z b Z d ! Z d Z b !
f (x, y)dxdy = f (x, y)dy dx = f (x, y)dx dy
I a c c a
RR
Ejemplo 12.1. Considerese el rectangulo I = [0, 1] [0, 2]. Calculemos I
x2 ydxdy.
Para ello, aplicamos el teorema de Fubini:
Z Z Z 1 Z 2 Z 1 2 2 2 !
2 2 x y
x ydxdy = x ydy dx = dx
I 0 0 0 2 0
Z 1
2
= 2x2 dx =
0 3
Tambien se puede calcular la integral de la siguiente forma:
Z Z Z 2 Z 1 Z 2 3 1 ! Z 2
2 2 x y y 2
x ydxdy = x ydx dy = dy = dy =
I 0 0 0 3 0 0 3 3
12.2.4. Integral doble sobre un dominio no rectangular
Definicion 12.6. Sea f (x, y) una funcion definida y acotada sobre un dominio D de
lR2 . Considerese un rectangulo I que incluya a D. Sobre I se define la funcion

f (x, y) si (x, y) D
g(x, y) = (12.1)
0 si (x, y) /D
Se dice que f (x, y) es integrable sobre D en el sentido de Riemann si existe

Z Z
g(x, y)dxdy.
I
Ademas, el valor de la integral de f (x, y) sobre D se define como

Z Z Z Z
f (x, y)dxdy = g(x, y)dxdy
D I
Nota 12.1. Puesto que g(x, y) es nula fuera de D, el volumen encerrado entre la
superficie g(x, y) y el rectangulo I del plano z = 0 coincide conRelR volumen encerrado
por la superficie f (x, y) y el dominio D del plano z = 0. Luego D f (x, y)dxdy sigue
representando el volumen encerrado por la superficie f (x, y) sobre el dominio plano
D.
Proposicion 12.3. i) Si D1 y D2 son tales que su union es D y la interseccion de

sus interiores es vaca, entonces se verifica
Z Z Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
D D1 D2
ii) Z Z Z Z Z Z
(f (x, y) + h(x, y)) dxdy = f (x, y)dxdy + h(x, y)dxdy
D D D
iii) Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy
D D
CALCULO DE UNA INTEGRAL DOBLE: Desde el punto de vista del calculo se

pueden considerar 3 tipos de dominios en lR2 .
1) Dominios del tipo 1. Son dominios limitados por las curvas y = 1 (x) e y = 2 (x)
entre los valores a1 x b1 :
D = {(x, y)/ a1 x b1 , 1 (x) y 2 (x)}
Si encerramos D en el rectangulo [a1 , b1 ] [a2 , b2 ] y definimos g(x, y) como en (12.1),
entonces
Z Z Z b1 Z b2 Z b1 Z 2 (x) !
f (x, y)dxdy = g(x, y)dxdy = f (x, y)dy dx
D a1 a2 a1 1 (x)
2) Dominios del tipo 2. Dominios limitados por las curvas x = 1 (y) y x = 2 (y)
entre los valores a2 y b2 :
D = {(x, y)/ a2 y b2 , 1 (y) x 2 (y)}
Aplicando el mismo razonamiento que en el caso anterior
Z Z Z b2 Z 2 (y) !
f (x, y)dxdy = f (x, y)dx dy
D a2 1 (y)
3) Dominios del tipo 3. Aquellos dominios que se pueden expresar tanto como domi-
nios del tipo 1 como dominios del tipo 2.
4) Dominios que son la union de dominios de los tipos anteriores. En este caso, las
integrales se calculan partiendo los dominios en subdominios de los tipos 1,2 o 3, cal-
culando cada integral por separado y aplicando el primer apartado de la Proposicion
12.3.
Ejemplo 12.2. Las curvas y = x x2 , y = x2 delimitan una region D (contenida en

el primer cuadrante). Calcular
ZZ
(e2x y 2 )dxdy
D
Solucion: Hallemos los valores de x que delimitan nuestra region. Para ello buscamos
los puntos de interseccion de ambas curvas imponiendo
x
x x2 =
2
La solucion es : x = 0, x = 12 . Nuestra region es de Tipo 1, y para integrarla haremos
0.25
0.2
0.15
0.1
0.05
0 0.1 0.2 0.3 0.4 0.5
Figura 12.1: Region de integracion(sombreada) correspondiente al ejemplo 12.2.
uso de la formula de integracion para regiones de este tipo:

ZZ Z 21 Z xx2 !
2x 2 2x 2
(e y )dxdy = (e y )dy dx (12.2)
x
0 2
D
Notese que el lmite inferior de integracion en y es x2 . Esto se debe a que, en el intervalo

(0, 12 ), la curva y = x2 esta por debajo de la curva x x2 . Evaluamos la integral en
(12.2):
Z 12 Z xx2 ! Z 12 xx2 !
2x 2 2x y 3
I= (e y )dy dx = e y dx
0 x
2 0 3 x
2
Z 1

3 !
2
2x x 2 x x2 x3
= e ( x ) + dx
0 2 3 24
Evaluemos por separado las distintas integrales que han aparecido:
Z 12 12 Z 1
x 1 x 1 2 2x 1
e2x ( x2 )dx = e2x ( x2 ) e ( 2x)dx
0 2 2 2 0 2 0 2
12 12 Z 12
1 2x x
2 1 2x 1 1

= e ( x ) e ( 2x) 2 e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 ( e ) (e 1) = e +
8 8 4 8 8
(hemos integrado por partes),
Z 12 3 Z 1
x x2 1 2 3 1
dx = x 3x4 + 3x5 x6 dx =
0 3 3 0 840
Z 12 3
x 1
dx =
0 24 1536
La integral buscada sera pues
1 3 1 1 1 20131
I = e+ + = e+
8 8 840 1536 8 53760
12.2.5. Algunas propiedades de la integral doble
a) Linealidad.
Z Z Z Z Z Z
(f (x, y) + g(x, y)) dxdy = f (x, y)dxdy + g(x, y)dxdy
D D D
b) Si f y g son integrables en D y f (x, y) g(x, y) para todos (x, y) D, entonces

Z Z Z Z
f (x, y)dxdy g(x, y)dxdy
D D
RR
c) Area de un dominio plano. El area de un dominio plano D es igual a D
1dxdy.
La razon es que el volumen encerrado por la funcion f (x, y) = 1 sobre D es el area
de D multiplicado por la unidad.
d) Cotas de la integral. Si m y M son respectivamente los valores maximo y mnimo

de la funcion f en D entonces
Z Z
m Area(D) f (x, y)dxdy M Area(D)
D
e) Teorema del valor medio. Si f es continua en un dominio acotado y cerrado D

entonces existe al menos un punto (x , y ) de D tal que
Z Z
f (x, y)dxdy = f (x , y ) Area(D)
D
12.2.6. Cambio de variables en la integral doble
Definicion 12.7. Se denomina cambio de variables en lR2 a toda aplicacion :

D lR2 D lR2 tal que

1 (u, v)
(u, v) (u, v) =
2 (u, v)
que verifica las tres condiciones siguientes
1) es una aplicacion biunvoca (biyectiva): D = (D ).

2
2) C 1 (D ) .
3) El jacobiano de no se anula en ningun punto de D :

1
u (u, v) v1 (u, v)
J (u, v) = 2 2 6= 0 para todo (u, v) D
u (u, v) v (u, v)
La cuestion ahora es la siguiente: como cambia una integral doble ante un cambio
de variables? El resultado esencial se recoge en el siguiente teorema:
Teorema 12.2. (cambio de variables para integrales dobles) Sean D y D dos
regiones del plano y sea : D D una funcion de cambio de variables. Entonces
para cualquier funcion integrable se tiene
Z Z Z Z
f (x, y)dxdy = f (1 (u, v), 2 (u, v)) |J (u, v)| dudv
D D
donde (x, y) = (1 (u, v), 2 (u, v)).
Un cambio importante es el de coordenadas cartesianas (x, y) lR2 a polares (r, )

lR+ [0, 2). Se define en la forma
x = r cos
y = r sen
En este cambio, el Jacobiano es

x x
J (r, ) = r (r, ) (r, ) =r
y y
r (r, ) (r, )
Ejemplo 12.3. Calcular ZZ

I= ln(x2 + y 2 )dxdy
D
siendo D la region

D = (x, y) lR2 / x 0, y 0, x2 + y 2 b2 , x2 + y 2 a2
12.3. Integrales triples 253
Solucion: En primer lugar nos hacemos una idea de la geometra de la region. Note-
mos que por ser x 0, y 0, nos encontraremos en el primer cuadrante. La region
x2 +y 2 b2 es un crculo de radio b, mientras que la region x2 +y 2 a2 es el exterior a
un crculo de radio a. Nuestra region sera por tanto la parte del anillo de radio interior
a y radio exterior b que esta en el primer cuadrante. La geometra sugiere un cambio
a coordenadas polares, ya que nuestra region, en esas coordenadas, esta acotada por
constantes. Mas precisamente:
a r b

0
2
pudiendose entonces escribir
Z r=b Z =
2
I= (ln r2 )rdrd
r=a =0
que se integra facilmente usando el teorema de Fubini:

Z r=b Z = 2 Z b
2 2
I= (ln r2 )rdrd = 2 r ln rdr = b ln b b2 a2 ln a2 + a2
r=a =0 2 a 4
12.3. Integrales triples
12.3.1. Paraleleppedos y particiones de paraleleppedos en lR3 .
Definicion 12.8. Siendo [a1 , b1 ] , [a2 , b2 ] , [a3 , b3 ] tres intervalos de lR, se denomina
paraleleppedo I de caras paralelas a los planos cartesianos, al dominio de
lR3 formado por el producto cartesiano de los tres intervalos [a1 , b1 ] [a2 , b2 ] [a3 , b3 ]
I = [a1 , b1 ] [a2 , b2 ] [a3 , b3 ] .

= (x, y, z) lR3 / a1 x b1 , a2 x b2 , a3 x b3
Puesto que los paraleleppedos de caras paralelas a los planos coordenados seran los
unicos que utilizaremos los designaremos simplemente como paraleleppedos.
Definicion 12.9. Se denomina medida del paraleleppedo I y se representa por (I),
al volumen de dicho paraleleppedo.
Definicion 12.10. Dado un paraleleppedo I se denomina particion P de I (en
subparaleleppedos) a toda division de I en paraleleppedos I1 , I2 , ..., IN (P ) de menor
medida y tal que todos los paraleleppedos en los que se subdivide I tengan interiores
disjuntos y la union de todos los paraleleppedos de la particion sea exactamente I.
Definicion 12.11. Se denomina tamano de una particion P del paraleleppedo I a

la medida del mayor de los paraleleppedos que la forman.
Definicion 12.12. Dadas dos particiones P y P 0 de un mismo paraleleppedo, se dice
que P es mas fina que P0 si el tamano de P es menor que el tamano de P 0 .
Definicion 12.13. Dadas dos particiones P, P 0 del mismo paraleleppedo, se dice que
P es posterior a P 0 si P es mas fina que P 0 y ademas todo paraleleppedo de la
particion P esta incluido en un paraleleppedo de la particion P 0 .
12.3.2. Integral triple de Riemann sobre un paraleleppedo
Consideremos una particion P de I en N (P ) subparaleleppedos Ik (k = 1, 2, ..., N (P )).

Definamos
Mk = sup {f (x, y, z)} y mk = inf {f (x, y, z)}.

(x,y,z)Ik (x,y,z)Ik
X X
U (f, P ) = Mk (Ik ) y L(f, P ) = mk (Ik )
P P
puntos y por tanto con paraleleppedos cada vez mas pequenos, las sumas superiores
de Riemann van decreciendo y las sumas inferiores van creciendo.
Definicion 12.14. Sea I = [a1 , b1 ] [a2 , b2 ] [a3 , b3 ] lR3 . Se define la integral
superior de f en [a1 , b1 ] [a2 , b2 ] [a3 , b3 ] como
inf U (f, P ),
P
Z b3 Z b2 Z b1
f (x, y, z)dxdydz.
a3 a2 a1
Se define la integral inferior de f en [a1 , b1 ] [a2 , b2 ] [a3 , b3 ] como

sup L(f, P ),
P
Z b3 Z b2 Z b1
f (x, y, z)dxdydz.
a3 a2 a1
Se dice que f es integrable en I si

Z b3 Z b2 Z b1 Z b3 Z b2 Z b1
f (x, y, z)dxdydz = f (x, y, z)dxdydz .
a3 a2 a1 a3 a2 a1
En ese caso, a ese valor comun se le denomina integral de f en [a1 , b1 ] [a2 , b2 ]

[a3 , b3 ], y se representa mediante
Z b3 Z b2 Z b1 Z b3 Z b2 Z b1
f (x, y, z)dxdydz. o f (x, y, z)dV.
a3 a2 a1 a3 a2 a1
Proposicion 12.4 (Condicion de Riemann). Sea f : [a1 , b1 ][a2 , b2 ][a3 , b3 ]

lR3 . f es integrable en [a1 , b1 ][a2 , b2 ][a3 , b3 ] si y solo si para todo > 0 existe > 0
tal que, si P es una particion tal que todos los rectangulos Ik de la misma verifican
que (Ik ) < , entonces
U (f, P ) L(f, P ) < .
Teorema 12.3. (Teorema de Fubini para integrales triples sobre un parale-

leppedo). Siendo I = [a1 , b1 ] [a2 , b2 ] [a3 , b3 ]:
Z Z Z Z Z Z ! !
b1 b2 b3
f (x, y, z)dxdydz = f (x, y, z)dz dy dx
I a1 a2 a3
Z Z Z ! ! Z Z Z ! !
b1 b3 b2 b3 b2 b1
= f (x, y, z)dy dz dx = ... = f (x, y, z)dx dy dz
a1 a3 a2 a3 a2 a1
12.3.3. Integral triple de Riemann sobre un dominio cualquie-

ra de lR3
Sea f una funcion definida y acotada sobre un dominio D de lR3 . Sea I un parale-
leppedo de lR3 que incluya a D. Sobre I se define la funcion

f (x, y, z) si (x, y, z) D
g(x, y, z) = (12.3)
0 si (x, y, z) /D
Definicion 12.15. Se R Rdice

R que f es integrable en el sentido de Riemann sobre el
dominio D si existe I
g(x, y, z)dxdydz. El valor de la integral de Riemann de
f (x, y, z) sobre el dominio D se define como:
Z Z Z Z Z Z
f (x, y, z)dxdydz = g(x, y, z)dxdydz
D I
12.3.4. Propiedades de la integral triple de Riemann
a) Linealidad.
Z Z Z Z Z Z
(f (x, y, z) + g(x, y, z)) dxdydz = f (x, y, z)dxdydz
D D
Z Z Z
+ g(x, y, z)dxdydz
D
b) Si f y g son integrables en D y f (x, y, z) g(x, y, z) para todos (x, y, z) D,

entonces Z Z Z Z Z Z
f (x, y, z)dxdydz g(x, y, z)dxdydz
D D
3 3
Rc)RVolumen de un dominio de lR . El volumen de un dominio D de lR es igual a
D
1dxdydz.
d) Cotas de la integral. Si m y M son respectivamente los valores maximo y mnimo

de la funcion f en D entonces
Z Z Z
m Volumen(D) f (x, y, z)dxdydz M Volumen(D)
D
e) Aditividad sobre dominios. Si f es integrable sobre el dominio D y se considera D

subdividido en dos dominios D1 y D2 tales que su interior sea disjunto y su union
sea el propio dominio D, entonces f es integrable tanto sobre D1 como sobre D2 se
verifica:
Z Z Z Z Z Z Z Z Z
f (x, y, z)dxdydz = f (x, y, z)dxdydz + f (x, y, z)dxdydz
D D1 D2
f) Teorema del valor medio. Si f es continua en un dominio acotado y cerrado D

entonces existe al menos un punto (x , y , z ) de D tal que
Z Z Z
f (x, y, z)dxdydz = f (x , y , z ) Volumen(D)
D
g) Teorema de Lebesgue. Toda funcion f definida y acotada sobre el dominio acotado

D que sea discontinua a lo sumo en un subconjunto de medida nula de D es integrable
sobre D y viceversa.
h) Teorema de Fubini para el calculo de la integral triple. Si D es un dominio definido

como:
D = (x, y, z) lR3 /(x, y) xy , 1 (x, y) z 2 (x, y)
entonces para toda funcion f (x, y, z) integrable sobre D:

Z Z Z Z Z Z !
2 (x,y)
f (x, y, z)dxdydz = f (x, y, z)dz dxdy
D xy 1 (x,y)
Analogamente, si el dominio D se define mediante

D = (x, y, z) lR3 /(x, z) xz , 1 (x, z) y 2 (x, z)

Z Z Z Z Z Z !
2 (x,z)
f (x, y, z)dxdydz = f (x, y, z)dy dxdz
D xz 1 (x,z)
Analogamente, si el dominio D se define mediante

D = (x, y, z) lR3 /(y, z) yz , 1 (y, z) x 2 (y, z)

Z Z Z Z Z Z !
2 (y,z)
f (x, y, z)dxdydz = f (x, y, z)dx dydz
D yz 1 (y,z)
12.3.5. Cambio de variables en la integral triple
Definicion 12.16. Se denomina cambio de variables en lR3 a toda aplicacion

: D lR3 D lR3 tal que

1 (u, v, w)
(u, v, w) (u, v, w) = 2 (u, v, w)
3 (u, v, w)
que verifica las tres condiciones siguientes:
1) es una aplicacion biunvoca (biyectiva): D = (D ).

3
2) C 1 (D ) .
3) El jacobiano de no se anula en ningun punto de D :

1 (u, v, w) 1 (u, v, w) 1 (u, v, w)
u v w

J (u, v, w) = 2
(u, v, w) 2
(u, v, w)
w (u, v, w)
2
6= 0 (u, v, w) D
3
u v

u (u, v, w) v3 (u, v, w) w3 (u, v, w)
Teorema 12.4. (cambio de variables para integrales triples) Sean D y D dos

regiones del espacio y sea : D D una funcion de cambio de variables. Entonces
para cualquier funcion integrable se tiene
Z Z Z
f (x, y, z)dxdydz
D
Z Z Z
= f (1 (u, v, w), 2 (u, v, w), 3 (u, v, w)) |J (u, v, w)| dudvdw
D
donde (x, y, z) = (1 (u, v, w), 2 (u, v, w), 3 (u, v, w)).
En el espacio tridimensional, hay dos cambios importantes:
1. el cambio de cartesianas ((x, y, z) lR3 ) a cilndricas ((r, , z) lR+ (, ]

lR) se define como:
x = r cos
y = r sen
z = z
y su jacobiano es:
J (r, , z) = r
2. el cambio de cartesianas (x, y, z) lR3 a esfericas ((r, , ) lR+ (, ]

[0, ]) se define como:
x = r sen cos
y = r sen sen
z = r cos
y su jacobiano es:
J (r, , ) = r2 sen
12.4. Aplicaciones de las integrales triples y dobles
12.4.1. Valor medio de una funcion en un dominio
La media de n numeros reales x1 , x2 , ..., xn esta definida por

Pn
xi
x = i=1
n
12.4. Aplicaciones de las integrales triples y dobles 259
Si se conocen los valores que toma una funcion f en un numero discreto de puntos
x1 , x2 , ..., xn espaciados regularmente (tal que xk xk1 = h para k = 2, . . . , n),
entonces la media de f en este conjunto de puntos es:
Pn Pn
i=1 f (xi ) f (xi )h
= i=1
n nh
El concepto anterior lleva a definir el valor medio de una funcion de una variable en
el intervalo [a, b] por
Rb
f (x)dx
f= a
ba
El valor medio de una funcion de dos variables en una region bidimensional D sera:
RR
D
f (x, y)dxdy
f= RR
D
dxdy
y de una funcion de tres variables en una region tridimensional D:
RRR
f (x, y)dxdydz
f= RD
RR
D
dxdydz
12.4.2. Centro de masas
Si se tienen m1 , m2 , ..., mn masas en los puntos x1 , x2 , ..., xn , sobre el eje x, el centro

de masas se define como Pn
mi xi
xCM = Pi=1 m
i=1 mi
Si la distribucion de masa es continua con densidad (x), entonces
R
x(x)dx
xCM = R
(x)dx
En el caso de materiales bidimensionales que ocupan una region D (por ejemplo una
placa), RR RR
D
x(x, y)dxdy y(x, y)dxdy
xCM = R R , yCM = R RD
D
(x, y)dxdy D
(x, y)dxdy
y en el caso tridimensional (por ejemplo una caja),
RRR RRR
D
x(x, y, z)dxdydz y(x, y, z)dxdydz
xCM = R R R , yCM = R R RD ,
D
(x, y, z)dxdydz D
(x, y, z)dxdydz
RRR
z(x, y, z)dxdydz
zCM = R R RD
D
(x, y, z)dxdydz
12.4.3. Momentos de inercia
El momento de inercia de un conjunto de n masas mi que giran respecto a un eje y

estan a una distancia ri del mismo se define como:
n
X
I= mi ri2
i=1
En el caso de una distribucion continua de masas (un solido rgido por ejemplo)
Z Z Z
I= r2 (x, y, z)(x, y, z)dxdydz
D
donde r(x, y, z) es la distancia del punto (x, y, z) al eje.
el captulo 12 de [43], el captulo 17 de [37], el 21 de [8] y el captulo 4 del tomo 2 de
[25].
12.6. Ejercicios
1. Determinar las coordenadas del centro de masas del solido incluido en el cilindro
= 2 cos limitado superiormente por el paraboloide z = 2 , e inferiormente
por el plano z = 0. Se supondra que la densidad es constante.
Solucion: xcm = 43 , ycm = 0, zcm = 10
9
2. Hallar la masa de un plato circular de radio r sabiendo que la densidad superficial

en cada punto es proporcional al cuadrado de su distancia a un punto de la
circunferencia.
Solucion: 32 kr4 , con k = constante de proporcionalidad.
3. Determinar el centro de masas de una figura plana delimitada por la parabola
y 2 = 8x y la recta x = 2, sabiendo que la densidad superficial en cada punto es
proporcional a su distancia a la recta x = 2.
Solucion: ( 67 , 0)
4. Hallar el momento de inercia, con respecto al eje x, de una figura plana delimi-
tada por la curva y = sen x, el eje x y las rectas x = 0 y x = , sabiendo que la
densidad de cada punto es proporcional a su distancia al eje x.
3 3
Solucion: 32 k = 8 m, k = constante de proporcionalidad, m = masa de la
figura.
5. Hallar la masa de una esfera de radio r sabiendo que la densidad en cada punto
es inversamente proporcional al cuadrado de su distancia al centro.
Solucion: 4kr, con k = constante de proporcionalidad.
6. Determinar el centro de masas de un cilindro circular recto de radio r y altura
h sabiendo que la densidad en cada punto es proporcional a su distancia a la
base.
Solucion: (0, 0, 23 h)
7. La temperatura de los puntos del cubo W = [1, 1] [1, 1] [1, 1] es pro-
porcional al cuadrado de la distancia al origen. Se pide
a) Cual es la temperatura promedio?

b) En que puntos del cubo la temperatura es igual a la temperatura prome-
dio?
Solucion:
a) Tm = c, con c = constante de proporcionalidad.

b) Los puntos de la esfera x2 + y 2 + z 2 = 1 (que esta inscrita en el cubo W ).
8. Una placa de oro, D, esta determinada por 0 x 2 y 0 y (cent-

metros) y tiene una densidad superficial (x, y) = y 2 sen2 4x + 2 (gramos por
centmetro cuadrado). Si el oro cuesta 7 euros por gramo, Cuanto vale la placa?
Solucion: 503.06 euros.
9. Un solido con densidad constante esta acotado por arriba por el plano z = a y
por debajo por el cono descrito en coordenadas esfericas por = k, donde k es
una constante (0 k 2). Escribir una integral que determine el momento
de inercia del solido alrededor del eje z.
Z k Z 2 Z cosa
Solucion: 4 sen3 ddd
0 0 0
10. Calcular el momento de inercia de una cubo de arista a con respecto a una
cualquiera de sus aristas, siendo la densidad en cada punto igual al cuadrado de
su distancia a un extremo de dicha arista.
38 2
Solucion: 45 a m, m = masa del cubo.
Captulo 13
Calculo vectorial
13.1. Introduccion
Muchas cantidades fsicas de interes tienen caracter vectorial. La posicion de un punto

en el espacio, por ejemplo, queda completamente descrita por sus coordenadas respec-
to a un cierto sistema de referencia. Estas tres coordenadas son las componentes de
un vector, el vector de posicion del punto. Si el punto esta en movimiento, entonces
la direccion a lo largo de la cual se mueve en un instante dado es tambien un vector,
ya que queda completamente descrita por sus tres coordenadas respecto a la base
del sistema de referencia utilizado para expresar las coordenadas de los puntos. Si
ahora consideramos, en lugar de un solo punto, un gran numero de puntos, entonces
para cada uno de ellos podremos designar vectores para su posicion y su velocidad.
Tendremos as una familia de vectores distribuidos en el espacio, y esto constituye un
campo vectorial. A continuacion describiremos con detalle todas estas ideas.
13.2. Campos vectoriales
Definicion 13.1. Un campo vectorial A(x, y, z) es una aplicacion de lR3 en lR3

que asigna a cada punto de una region del espacio un vector de tres componentes. Se
puede denotar por
A(x, y, z) = Ax (x, y, z)i + Ay (x, y, z)j + Az (x, y, z)k
donde [i, j, k] constituyen una base ortonormal de lR3 . Utilizando la notacion empleada
en los temas de algebra lineal, seran los vectores i = e1 = (1, 0, 0); j = e2 = (0, 1, 0);
263
264 Captulo 13. Calculo vectorial
k = e3 = (0, 0, 1).
Los conceptos de continuidad, diferenciabilidad, etc. son los ordinarios de funciones

de lR3 en lR3 .
Ejemplo 13.1. Consideremos el campo vectorial:
A(x, y, z) = 3x2 yi + yz 2 j xzk
Las primeras derivadas de A seran

A
= 6xyi + 0j zk = 6xyi zk
x
A
= 3x2 i + z 2 j 0k = 3x2 i + z 2 j
y
A
= 0i + 2yzj xk = 2yzj xk
z
es decir, nuevos campos vectoriales.
Un concepto tambien importante es el de campo escalar:

Definicion 13.2. Un campo escalar (x, y, z) es una aplicacion de lR3 en lR que
asigna a cada punto del espacio un numero real (un escalar).
13.3. Gradiente, divergencia y rotacional
En el captulo 10 se definio el gradiente de una funcion de lRn en lR. Un caso particular

(para n = 3) es el gradiente de un campo escalar en el espacio:
Definicion 13.3. Si un campo escalar (x, y, z) tiene primeras derivadas parciales
continuas en una region del espacio, entonces el gradiente de un campo escalar es
un campo vectorial definido por

grad = = i +j +k =i +j +k
x y z x y z
Definicion 13.4. El operador (se pronuncia nabla) esta definido por

=i +j +k
x y z
Si un campo vectorial A(x, y, z) tiene primeras derivadas parciales continuas en una

region del espacio, entonces se pueden definir:
13.3. Gradiente, divergencia y rotacional 265
Definicion 13.5. La divergencia de un campo vectorial A es un campo escalar

definido por

div A = A = i +j +k (Ax i + Ay j + Az k)
x y z
Ax Ay Az
= + +
x y z
Definicion 13.6. El rotacional de un campo vectorial A es un campo vectorial
definido por

rot A = A = i +j +k (Ax i + Ay j + Az k)
x y z

i j k

= x y z = i y z j x z
+ k x y
Ax Ay Az Ay Az Ax Az Ax Ay

Az Ay Az Ax Ay Ax
=i j +k
y z x z x y
Ejemplo 13.2. Sean
(x, y, z) = x2 yz 2
A(x, y, z) = xzi y 2 j + 2x2 yk
Calculemos , A y A:

= i+ j+ k = 2xyz 2 i + x2 z 2 j + 2x2 yzk
x y z
Ax Ay Az
A= + + = z 2y + 0 = z 2y
x y z

Az Ay Az Ax Ay Ax
A=i j +k
y z x z x y
2 2
= i 2x 0 j (4xy x) + k (0 0) = 2x i + (x 4xy) j
Teorema 13.1. (Algunas propiedades). Sean A y B dos campos vectoriales y U y V

dos campos escalares. Entonces:
1) (U + V ) = U + V
2) (A + B) = A + B
3) (A + B) = A + B
4) (U A) = (U ) A + U ( A)
5) (U A) = (U ) A + U ( A)
6) (A B) = B A A B
7) (A B) = (B ) A B ( A) (A ) B + A ( B)
8) (A B) = (B ) A + (A ) B + B ( A) + A ( B)
2 2 2
9) (U ) = U, donde = x2 + y 2 + z 2 es el llamado laplaciano.
10) (U ) = 0
11) ( A) = 0
12) ( A) = (A) A
13.4. Integral curvilnea. Circulacion
Sea C una curva en el espacio (x, y, z) que une los puntos p1 (a1 , b1 , c1 ) y p2 (a2 , b2 , c2 ).
Sea A(x, y, z) = (Ax (x, y, z), Ay (x, y, z), Az (x, y, z)) un campo vectorial definido a lo
largo de C. Subdividamos C en n partes eligiendo (n 1) puntos de la misma dados
por (x1 , y1 , z1 ), (x2 , y2 , z2 ), ...., (xn1 , yn1 , zn1 ). Denotemos por xk = xk xk1 ,
yk = yk yk1 , zk = zk zk1 con k = 1, 2, ..., n, siendo (a1 , b1 , c1 ) = (x0 , y0 , z0 ) y
(a2 , b2 , c2 ) = (xn , yn , zn ). Tomemos puntos ( k , k , k ) de C situados entre los puntos
(xk , yk , zk ) y (xk1 , yk1 , zk1 ). La integral curvilnea a lo largo de C se define
como
n
X
lm (Ax ( k , k , k )xk + Ay ( k , k , k )yk + Az ( k , k , k )zk )
n
k=1
Z Z
= (Ax dx + Ay dy + Az dz) = A dr
C C
donde dr = (dx, dy, dz) = dxi + dyj + dzk.
Teorema 13.2. (Propiedades de las integrales curvilneas). Sea C una curva

que une los puntos (a1 , b1 , c1 ) y (a2 , b2 , c2 ). Entonces
1)
Z Z (a2 ,b2 ,c2 ) Z (a1 ,b1 ,c1 )
A dr = A dr = A dr
C (a1 ,b1 ,c1 ) (a2 ,b2 ,c2 )
13.4. Integral curvilnea. Circulacion 267
2)
Z Z (a2 ,b2 ,c2 ) Z (a3 ,b3 ,c3 ) Z (a2 ,b2 ,c2 )
A dr = A dr = A dr + A dr
C (a1 ,b2 ,c1 ) (a1 ,b2 ,c1 ) (a3 ,b3 ,c3 )
donde (a3 , b3 , c3 ) es un punto de C.

Nota 13.1. En el caso de que la curva se pueda parametrizar en la forma r =
( 1 (t), 2 (t), 3 (t)), dr se podra expresar como dr = 0 (t)dt. Por consiguiente la
integral de lnea se podra escribir como
Z t2
A((t)) 0 (t)dt
t1
siendo (t1 ) = (a1 , b1 , c1 ) y (t2 ) = (a2 , b2 , c2 ).

EjemploR 13.3. Sea A(x, y, z) = (3x2 6yz)i + (2y + 3xz)j + (1 4xyz 2 )k. Cal-
culemos C A dr donde C es una curva entre los puntos (0, 0, 0) y (1, 1, 1) dada
parametricamente por (x, y, z) = (t, t2 , t3 ).
Z Z
2
A dr = (3x 6yz)dx + (2y + 3xz)dy + (1 4xyz 2 )dz
C C
Notemos que el punto (0, 0, 0) corresponde a t = 0 y el punto (1, 1, 1) a t = 1. Ademas
(dx, dy, dz) = (dt, 2tdt, 3t2 dt)
y por tanto
Z Z 1 2
A dr = (3t 6t2 t3 )dt + (2t2 + 3tt3 )2tdt + (1 4tt2 (t3 )2 )3t2 dt
C 0
Z 1
= (3t2 6t5 + 4t3 + 6t5 + 3t2 12t11 )dt = 2
0
Definicion 13.7. Curva simple cerrada es una curva cerrada que no se corta a
s misma en ningun punto.
Una region plana que tiene la propiedad de que toda curva cerrada de la region se
puede reducir a un punto sin salir de la region se dice que es simplemente conexa.
Si no, se dice que es multiplemente conexa.
Definicion 13.8. La circulacion de un vector a lo largo de una curva cerrada C es
la integral curvilnea a lo largo de dicha curva, y se denota por
I
A dr
C
0.8
0.6
z
0.4
0.2
0
0.2 0.4
x 0.6 0.8
0.5 y 1
Figura 13.1: Curva C en el ejemplo 13.3.
Q
Teorema 13.3. (Teorema de Green en el plano). Sean P , Q, P y y x , uni-
formes y continuas en una region simplemente conexa R del plano xy. Supongamos
ademas que el contorno de R es una curva simple cerrada C. Entonces
I ZZ
Q P
P dx + Qdy = dxdy
C x y
R
donde suponemos que C se recorre en sentido opuesto a las agujas del reloj.
R
Teorema 13.4. Una condicion necesaria y suficiente para que C A dr sea indepen-
diente del camino C que une dos puntos cualesquiera en una region R es que en R se
tenga
Ax Ay Az Ax Ay Az
= , = , =
y x x z z y
o, equivalentemente,
A=0
Ademas, en este caso, A dr es una diferencial exacta. Es decir, existe una funcion
(x, y, z) tal que
d = A dr
y entonces
Z Z (x1 ,y1 ,z1 )
A dr = A dr = (x1 , y1 , z1 ) (x0 , y0 , z0 )
C (x0 ,y0 ,z0 )
Nota 13.2. En Fsica, a menudo el campo vectorial A(x, y, z) representa un campo

de fuerzas y la integral curvilnea representa el trabajo empleado por el campo para
mover una partcula puntual de un punto inicial a un punto final. Si dicha integral
curvilnea es independiente del camino, entonces se dice que el campo A(x, y, z) es
conservativo. El que un campo de fuerzas sea conservativo es, por el teorema anterior,
equivalente a ser irrotacional (es decir, tener rotacional identicamente nulo en todo
punto).
13.5. Integrales de superficie. Area de una superficie 269
Teorema 13.5. Si C es cerrada y A = 0 entonces

I
A dr = 0
C
13.5. Integrales de superficie. Area de una superfi-

cie
Sea S una superficie bilatera (con dos lados, al contrario de lo que sucede con otras
superficies, como la cinta de Mobius, que tienen un solo lado) cuya proyeccion sobre
el plano xy es R. Supongase que una ecuacion de S sea z = f (x, y), donde f es
uniforme y continua para todo x e y de R. Dividimos R en n subregiones de area
Ap , p = 1, 2, ..., n y levantamos una columna sobre cada una de estas subregiones
hasta que corte a S donde determinan un area Sp . Sea (x, y, z) uniforme y continua
en todo punto de S. Formemos la suma
n
X
( p , p , p )Sp
p=1
siendo ( p , p , p ) un punto de Sp . Si existe el lmite de esta suma para n

de modo que cada Sp 0, se dice que ese lmite es la integral de superficie de
(x, y, z) sobre S y se designa por
Z Z
(x, y, z)dS
S

Como Sp = sec p Ap aproximadamente, siendo p el angulo que forma la normal
a S con el eje positivo z, el lmite de la suma se puede escribir
Z Z
(x, y, z) |sec | dA
R
donde s 2 2
1 z z
|sec | = = 1+ +
|np k| x y
Si z = f (x, y) tiene derivadas continuas en R, entonces la integral se escribe en
coordenadas cartesianas como
s 2 2
Z Z
f f
(x, y, f (x, y)) 1 + + dxdy
R x y
Si la ecuacion de S esta dada en forma implcita, es decir F (x, y, z) = 0, entonces la

integral se puede escribir como
Z Z p
(Fx )2 + (Fy )2 + (Fz )2
(x, y, z) dxdy
R |Fz |
Se ha supuesto en todo momento que S es tal que toda paralela al eje z corta S en un
solo punto. Si S no es de ese tipo se puede, por lo general, subdividir S en superficies
S1 , S2 , ... que son de ese tipo. Entonces la integral sobre S se define como la suma de
las integrales de superficie sobre S1 , S2 , ....
El area de una superficie se calcula con la integral sobre dicha superficie de la funcion
(x, y, z) = 1.
Ejemplo 13.4. Evalua la integral de superficie
ZZ
xzdS
S
donde S es la parte del plano x + y + z = 1 que se encuentra en el primer octante.
Solucion: En primer lugar, observemos que nuestra superficie es un triangulo cuyos

vertices se apoyan en los puntos (1, 0, 0), (0, 1, 0), (0, 0, 1) y de aristas los segmentos de
rectas y = 1 x, z = 1 y, x = 1 z con x, y, z (0, 1). La superficie puede escribirse
en la forma z = 1 x y f (x, y). Nuestra integral de superficie se podra escribir
como s
Z Z 2 2
f f
(x, y, f (x, y)) 1 + + dxdy
R x y
Z Z p
= x(1 x y) 1 + (1)2 + (1)2 dxdy
R
Z 1 Z y=1x
Z 1 (1 x)2
= 3x(1 x y)dxdy = 3 (x x2 )(1 x) x dx
x=0 y=0 0 2
1
= 3
24
13.6. Flujo de un campo vectorial. Teoremas inte-

grales del analisis vectorial
Definicion 13.9. Flujo de un campo vectorial A(x, y, z) a traves de una su-

perficie cerrada S es Z Z
A(x, y, z) n(x, y, z)dS
S
13.6. Flujo de un campo vectorial. Teoremas integrales del analisis vectorial 271
donde n(x, y, z) es el vector normal de la superficie en el punto (x, y, z) S dirigido

hacia el exterior de la superficie.
Teorema 13.6. (Teorema de la divergencia o teorema de Gauss) Sea S una
superficie cerrada que encierra una region de volumen V . Tomese como direccion
positiva la de la normal exterior a la superficie. Sea A(x, y, z) un campo vectorial
diferenciable. Entonces
Z Z Z Z Z
A(x, y, z) n(x, y, z)dS = AdV
S V
Es decir, el flujo de A a traves de S es igual a la integral de la divergencia de A en
el volumen encerrado por S.
Teorema 13.7. (Teorema del rotacional o teorema de Stokes) Sea S una
superficie abierta bilatera cuyo contorno sea una curva cerrada C que no se corta a
s misma (curva simple cerrada). Considerese una recta normal a S como positiva si
esta a un lado de la superficie S y negativa si esta al otro lado de S. La eleccion del lado
positivo es arbitraria, pero debe hacerse de antemano. Tomese como sentido positivo
sobre C el que deja la superficie a la izquierda de un observador que va recorriendo
C con su cabeza dirigida en el sentido de la normal positiva. Entonces si el campo
vectorial A(x, y, z) es diferenciable en una region del espacio que contenga a S, se
tiene I Z Z
A(x, y, z) dr = ( A) ndS
C S
Ejemplo 13.5. Sea S la superficie que consiste en porcion de la superficie z =
1 x2 y 2 sobre el plano xy junto con el crculo unidad en el plano xy (es decir,
x2 + y 2 < 1). Encontrar el flujo del campo vectorial A(x, y, z) = xi + yj + zk a traves
de S.
0.8
0.6
0.4
0.2
1 1
0.5 0.5
0.5 y
x
1 1
Figura 13.2: Superficie S en el ejemplo 13.5.
Solucion: Calculemos los flujos a traves del paraboloide y del crculo por separado.
A traves del paraboloide tendremos
Z Z
f lujo1 = A(x, y, z) n(x, y, z)dS1
S1
Z Z
= (xi + yj + f (x, y)k) (2xi + 2yj + k) dA1
A1
Z Z Z Z
2 2 2 2
= (2x + 2y + 1 x y )dxdy = (x2 + y 2 + 1)dxdy
A1 A1
2 2
donde A1 es el crculo unidad en el plano xy, hemos definido
f (x, y) = 1 x y
f f
y hemos calculado la normal exterior como x , y , 1 = (2x, 2y, 1). Entonces,
pasando a polares,
Z =2 Z r=1
3
f lujo1 = (r2 + 1)rdrd =
=0 r=0 2
A traves del crculo tendremos

Z Z Z Z
f lujo2 = A(x, y, z) n(x, y, z)dS2 = (xi + yj) (k) dS2 = 0
S2 S2
3
Por tanto, el flujo total es 2 .
Como la superficie es cerrada, el flujo se puede calcular tambien aplicando el teorema

de la divergencia:
Z Z Z Z Z Z Z =2 Z 1 Z z=1r2
f lujo = div AdV = 3dV = 3 rdrddz =
=0 r=0 z=0
Z =2 Z 1
1 1 3
3 r(1 r2 )drddz = 6 =
=0 r=0 2 4 2
Ejemplo 13.6. Verificar el teorema de Stokes para el campo vectorial A(x, y, z) =
2zi + 3xj + 5yk siendo S la porcion del paraboloide z = 4 x2 y 2 con z 0 y C
la circunferencia de radio 2, x2 + y 2 = 4 que constituye el borde del paraboloide y se
recorre en el sentido contrario a las agujas del reloj.
Solucion: La circunferencia unidad se puede parametrizar mediante (x(), y()) =

(2 cos , 2 sen ) con [0, 2]. Entonces
Z Z 2
A(x, y, z) dr = (0i + 6 cos j + 10 sen k) (2 sen i + 2 cos j) d =
C 0
Z 2
= 12 cos2 d = 12
0
Calculemos ahora la circulacion aplicando el teorema de Stokes

i
j k

A = x y z = 5i + 2j + 3k
2z 3x 5y
Por tanto,
Z Z Z Z
( A) ndS = (5i + 2j + 3k) (2xi + 2yj + k) dA1
S A1
Z Z Z =2 Z r=2
= (10x + 4y + 3)dxdy = (10r cos + 4r sen + 3)rdrd = 12
A1 =0 r=0
el captulo 13 de [43], el captulo 18 de [37], los captulos 22 y 23 de [8] y el libro
completo de [38].
13.8. Ejercicios
1. Demostrar que el campo vectorial gradiente correspondiente a una funcion es-
calar de tres variables es perpendicular a las superficies de nivel de la funcion
en todo punto.
R
2. Si A = (3x2 + 6yz)i + (2y + 3xz)j + (1 4xyz 2 )k, calcular Adr de (0, 0, 0) a
(1, 1, 1) a lo largo de los siguientes caminos C:
(a) x = t, y = t2 , z = t3 .
(b) Los segmentos de (0, 0, 0) a (0, 0, 1), de (0, 0, 1) a (0, 1, 1) y de (0, 1, 1) a
(1, 1, 1).
(c) El segmento de recta de (0, 0, 0) a (1, 1, 1).
Solucion: (a) 2, (b) 3, (c) 65 .
RR
3. Calcular S A ndS, donde A = xyi x2 j + (x + z)k, S es la parte del plano
2x + 2y + z = 6 que queda en el primer octante y n es un vector normal unitario
a S.
27
Solucion: 4 .
4. Comprobar el teorema de Stokes para A = 3yixzj+yz 2 k, siendo S la superficie

del paraboloide 2z = x2 + y 2 limitada por z = 2 y C su contorno.
Solucion: La circulacion a lo largo de C es 20.
Captulo 14
Introduccion a las ecuaciones

diferenciales ordinarias
14.1. Introduccion
Las ecuaciones que se han resuelto hasta ahora respondan a la necesidad de obtener
los valores numericos de ciertas magnitudes. En las aplicaciones de las matematicas
surgen a menudo problemas de una clase cualitativamente diferente: problemas en
los que la incognita es una funcion, una ley que expresa la dependencia de ciertas
variables respecto a otras. Por ejemplo al investigar el proceso de enfriamiento de un
cuerpo hay que determinar como vara la temperatura en el transcurso del tiempo;
para describir el movimiento de un planeta o de una estrella debe determinarse la
dependencia de sus coordenadas polares respecto del tiempo, etc.
A menudo es posible plantear una ecuacion que permita encontrar las funciones des-
conocidas pedidas, y estas ecuaciones reciben el nombre de ecuaciones funcionales.
Su naturaleza puede ser, en general, muy diversa; de hecho puede decirse que ya
conocemos el ejemplo mas sencillo y primitivo de ecuacion funcional: las funciones
implcitas.
En este captulo se va a estudiar la clase mas importante de ecuaciones funcionales:

las llamadas ecuaciones diferenciales, ecuaciones en las que ademas de la funcion
desconocida aparecen tambien sus derivadas de distintos ordenes.
275
276 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
14.2. Conceptos basicos
Comenzaremos introduciendo los conceptos basicos relacionados con la clasificacion

de las ecuaciones y el concepto de solucion de una ecuacion diferencial.
14.2.1. Tipos de ecuaciones
Definicion 14.1. Se llama ecuacion diferencial a cualquier ecuacion en la que

aparecen relacionadas
- una o mas variables independientes,
- una funcion de dichas variables,
- las derivadas de la funcion con respecto a una o mas variables independientes.

Definicion 14.2.
1. Ecuacion diferencial ordinaria (EDO) : una ecuacion diferencial en la que

la funcion incognita depende de una sola variable independiente. Se puede ex-
presar de dos formas:
a) Ecuacion en forma implcita (no aparece despejada la derivada de mayor
orden):
F (x, y(x), y 0 (x), y 00 (x), ...., y (n) (x)) = 0
b) Ecuacion en forma normal (aparece despejada la derivada de mayor orden
y (n) (x)):
y (n) (x) = f (x, y(x), y 0 (x), ...., y (n1) (x))

2. Ecuacion diferencial en derivadas parciales: aquella ecuacion diferencial
en la que la funcion incognita depende de varias variables.
Ejemplo 14.1.
1. Ecuacion diferencial ordinaria en forma implcita.

x2 y 00 3xy = 0 , sen(y 000 ) + 4x2 y 0 + 5y cos x = 0
2. Ecuacion diferencial ordinaria en forma normal.

y 00 = 4xy + sen x ; y 000 = 6xy 00 cos x
3. Ecuacion diferencial en derivadas parciales. Sea z = f (x, y),

z 2z 2z z 2z
+ 2
+ =0 , + =z
x x xy y x2
14.2. Conceptos basicos 277
14.2.2. Orden y grado
Definicion 14.3. Se llama orden de una ecuacion diferencial al de la mayor derivada

que aparece en la ecuacion.
Definicion 14.4. Se llama grado de una ecuacion diferencial al exponente, si es un
numero natural, al que esta elevada la derivada de mayor orden que aparece en ella.
Si esta derivada no esta elevada a un exponente natural no es posible definir el grado
de la ecuacion.
Ejemplo 14.2. Cual es el orden, el grado y la forma en que se han expresado las
siguientes ecuaciones diferenciales ordinarias?
1. x2 y 00 + 2xy 0 + 2x = 0, EDO de segundo orden y primer grado en forma implcita.

2. y 000 = 3y 00 sen(x 1) = 0, EDO de tercer orden y primer grado en forma
normal.
3. (y 00 )2 = 4x(1 y 02 )2 , EDO de segundo orden y segundo grado en forma normal.
4. (y 000 )2 = cos x + yex , EDO de tercer orden y segundo grado en forma normal.
14.2.3. Ecuaciones diferenciales lineales
Definicion 14.5. Una ecuacion diferencial ordinaria lineal de orden n es una

ecuacion en la que la derivada n-esima de la variable y es una funcion lineal de las
demas derivadas, de la propia funcion y, y de una funcion cualquiera de x que recibe
el nombre de termino independiente. Por lo tanto, una EDO lineal de orden n es
de la forma
an (x)y (n) + an1 (x)y (n1) + ....a1 (x)y 0 + a0 (x)y = b(x) .
Si b(x) 0, entonces se dice que la ecuacion diferencial es homogenea.

Ejemplo 14.3. Algunos casos de ecuaciones diferenciales ordinarias lineales y no
lineales.
d2 y dy
2
+5 + 6y = 0 es lineal
dx dx
2 3
d y dy
+ 5y + 6y 2 = 0 no es lineal
dx2 dx
x tan y + y 0 = x + cos x no es lineal
0
y tan x + y = x + cos x es lineal
14.2.4. Soluciones de una EDO
Definicion 14.6. Se llama solucion de una EDO a toda funcion y = f (x) que
satisface dicha EDO. El proceso de hallar las soluciones de una EDO se denomina
integrar la ecuacion.
Ejemplo 14.4. Dada la ecuacion y 00 + y = 0, la funcion y = sen x es solucion de ella
ya que:
y 0 (x) = cos x , y 00 (x) = sen x y por tanto y 00 + y = sen x + sen x = 0
De la misma manera, se comprueba que y(x) = cos x es solucion.
En general, y = C1 cos x + C2 sen x son solucion para cualesquiera valores reales de

C1 y C2 , tal como se puede comprobar facilmente.
Definicion 14.7. Solucion general de una EDO: Conjunto de todas las funciones
que verifican dicha ecuacion.
Nota 14.1. En general son familias n-parametricas de curvas siendo n el orden de
la ecuacion. Cuando existe alguna solucion que no pertenece a dicha familia, esta
funcion recibe el nombre de solucion singular.
Definicion 14.8. Solucion particular de una EDO: cualquier funcion que sa-
tisfaga la EDO Se puede obtener fijando el valor de las constantes de la solucion
general.
Ejemplo 14.5. La solucion general de la ecuacion y 0 y = 0 es el conjunto de funcio-
nes y(x) = Cex , que es una familia de funciones dependientes de un solo parametro
(C). Una solucion particular de dicha ecuacion es y(x) = ex .
3
Ejemplo 14.6. Puede comprobarse que la familia y(x) = (x + C) 2 es solucion de la
1
ecuacion y 0 = 32 y 3 . La funcion y = 0 es tambien solucion de la ecuacion y no pertenece
a la familia dada, por lo que constituye una solucion singular de la ecuacion.
Nota 14.2. Una de las aplicaciones practicas de las EDOs aparece en problemas
con una ecuacion y una o mas condiciones (en funcion del orden de la ecuacion) que
ha de verificar la solucion de la ecuacion dada. Se trata de determinar una solucion
particular de la ecuacion.
Definicion 14.9. Si todas las condiciones se refieren a un mismo valor x, se deno-
mina problema de valor inicial o problema de Cauchy.
Ejemplo 14.7. Un ejemplo de problema de Cauchy o de valor inicial es el siguiente:
2
d y
dx 2 + y = 0
y(1) = 3
0
y (1) = 4
14.3. Ecuaciones diferenciales ordinarias de primer orden 279
Definicion 14.10. Si las condiciones dadas se refieren a valores diferentes de la x,

se denomina problema de contorno.
Ejemplo 14.8. Un ejemplo de problema de contorno es el siguiente:

2
d y
dx 2 + y = 0
y(0) = 1
0
y (2) = 5
14.3. Ecuaciones diferenciales ordinarias de primer

orden
14.3.1. Distintas expresiones de las ecuaciones de primer or-

den
- Forma normal
y 0 (x) = F (x, y(x))
- Forma implcita
F (x, y(x), y 0 (x)) = 0
- Forma diferencial
M (x, y)dx + N (x, y)dy = 0
Se obtiene a partir de la forma normal si F (x, y(x)) = M (x,y)

N (x,y) :
dy M (x, y)
= N (x, y)dy + M (x, y)dx = 0
dx N (x, y)
Ejemplo 14.9. La ecuacion que en forma normal se escribe
x2 + y 2
y 0 (x) =
xy
se escribe en forma diferencial como
(x2 + y 2 )dx (x y)dy = 0
y en forma implcita como
(x y)y 0 (x2 + y 2 ) = 0
14.3.2. Resolucion de diferentes tipos de ecuaciones de primer

orden
Ecuaciones del tipo y 0 = f (x)
Sin duda el caso mas sencillo. Se resuelve por simple integracion

Z Z Z
0
y (x) = f (x) dy = f (x)dx dy = f (x)dx + C y = f (x)dx + C
(y(x) es la primitiva de f ).
Ejemplo 14.10. La solucion de la ecuacion diferencial
y 0 = cos(3x) + 5
es Z
sen(3x)
y(x) = (cos(3x) + 5) dx = + 5x + C
3
y la solucion de la ecuacion diferencial
y 0 = e2x x
es Z
e2x x2
y(x) = e2x x dx = +C
2 2
Ecuacion de variables separadas
La forma general de este tipo de ecuaciones es
F (x)G(y)dx + H(x)P (y)dy = 0
o
dy F (x)G(y)
=
dx H(x)P (y)
Son ecuaciones en las que ambas variables, dependiente e independiente, pueden se-
pararse. Para resolverlas, se procede a dicha separacion y se integra respecto de cada
variable. El proceso de resolucion consiste en enviar todo lo que implique x y todo
lo que implique y a distintos lados de una igualdad:
P (y) F (x)
dy = dx
G(y) H(x)
A continuacion, se integra
Z Z
P (y) F (x)
dy = dx
G(y) H(x)
y se obtiene
f (x) + g(y) = C
F (x) P (y)
donde f (x) es la primitiva de H(x) y g(y) es la primitiva de G(y) .
Ejemplo 14.11.
Z Z
dy dx 2
2ydx + 3xdy = 0 = y = Cx 3
2y 3x
Ecuaciones de tipo homogeneo
Este es un tipo de ecuacion que, aunque no es de variables separadas, se puede reducir

a una de ellas mediante un cambio de variable adecuado.
Definicion 14.11. Una funcion f (x1 , x2 , ..., xn ) es homogenea de grado r si
f (x1 , x2 , ..., xn ) = r f (x1 , x2 , ..., xn ) para todo lR
Ejemplo 14.12. Casos particulares de funciones homogeneas:
1. f (x, y) = x2 + y 2 xy
2
Se evalua f (x, y) = (x) + (y)2 xy = 2 x2 + y 2 xy = 2 f (x, y), y
f (x, y) es por tanto una funcion homogenea de grado 2.
2. f (x, y) = x2 + y 3
2
Se evalua f (x, y) = (x) + (y)3 = 2 x2 + 3 y 3 6= r f (x, y) para ningun r.
f , por tanto, es no homogenea.
1
3. f (x, y) = (x + y) 2
1 1 1 1
Se evalua f (x, y) = (x + y) 2 = 2 (x + y) 2 = 2 f (x, y). f es por tanto
homogenea de grado 21 .
Definicion 14.12. Ecuacion de tipo homogeneo1 . Dada una ecuacion diferencial

ordinaria y 0 = f (x, y), se dice que es una ecuacion de tipo homogeneo si la funcion
f (x, y) es homogenea de grado 0.
1 No confundir las ecuaciones de tipo homogeneo con las ecuaciones homogeneas de las que se
hablo en el apartado de conceptos basicos y de las que se volvera a hablar cuando se estudien las
ecuaciones lineales.
Nota 14.3. Una EDO de primer orden, expresada en forma diferencial M (x, y)dx +
N (x, y)dy = 0 es de tipo homogeneo si M (x, y) y N (x, y) son funciones homogeneas
de igual grado.
RESOLUCION DE UNA EDO DE TIPO HOMOGENEO: Si M (x, y)dx+N (x, y)dy =

0 es una ecuacion de tipo homogeneo, el cambio de variable y = ux la transforma en
una ecuacion de variables separadas en u y x:
0 = M (x, ux)dx + N (x, ux)(udx + xdu) = xr M (1, u)dx + xr N (1, u)(udx + xdu)
de donde se deduce
[M (1, u) + uN (1, u)] dx + xN (1, u)du = 0
que es una ecuacion de variables separadas.
Ejemplo 14.13. Resolver la EDO
(x2 3y 2 )dx + 2xydy = 0
En primer lugar, observese que la ecuacion se puede escribir en la forma normal
dy x2 3y 2
= f (x, y)
dx 2xy
y la funcion f (x, y) es homogenea de orden cero, ya que
(x)2 3(y)2 2 (x2 3y 2 )
f (x, y) = = = f (x, y)
2xy 2 (2xy)
Si hacemos ahora y = ux, entonces
(x2 3(ux)2 )dx + 2xux(xdu + udx) = 0
y, separando variables,
2u 1
2
du = dx
1u x
Solo resta integrar para obtener

ln 1 u2 = ln |x| + C
que implica
1 u2 = |Kx|
y deshaciendo el cambio y = ux, obtenemos la solucion al problema en forma implcita:

2
1 y = |Kx|
x2
Tambien se puede obtener la solucion en forma explcita despejando y:
p
y = x 1 + K1 x
Ecuaciones exactas
Definicion 14.13. Ecuacion exacta. Dada una ecuacion diferencial
M (x, y) + N (x, y)y 0 (x) = 0

dF (x,y(x))
se dice que es exacta si existe una funcion F de lR2 en lR tal que dx = M (x, y)+
N (x, y)y 0 (x); es decir,
F F
= M (x, y) y = N (x, y)
x y
Ejemplo 14.14. La ecuacion y 2 dx + 2xydy = 0 es exacta ya que tomando la funcion

F (x, y) = xy 2 se verifica que
F F
= y 2 = M (x, y) , = 2xy = N (x, y)
x y
SOLUCION DE UNA EDO EXACTA: Por definicion de ecuacion exacta, existe una
funcion F (x, y(x)) tal que dF (x,y(x))
dx = 0. Eso implica que F (x, y(x)) = K y esta es
la solucion (dada en forma implcita).
Teorema 14.1. La EDO M (x, y) + N (x, y)y 0 (x) = 0 donde M (x, y) y N (x, y) admi-
ten derivadas primeras continuas en un dominio D, es exacta si y solo si
M N
=
y x
La unica dificultad en este tipo de ecuaciones reside en encontrar la funcion F (x, y).
Como F x = M (x, y), entonces necesariamente
Z
F (x, y) = M (x, y)dx + C1 (y)
F
con C1 (y) una funcion desconocida. Pero F (x, y) debe verificar y = N (x, y), y por
tanto Z

M (x, y)dx + C10 (y) = N (x, y)
y
con lo cual Z

C10 (y) = N (x, y) M (x, y)dx
y
Se puede comprobar que la funcion a la derecha no depende de x y ello nos permite
encontrar C1 (y).
Ejemplo 14.15. Obtener la solucion general de la EDO
y 2 dx + 2xydy = 0
En este caso M (x, y) = y 2 y N (x, y) = 2xy. La ecuacion es exacta, ya que
M N
= 2y , = 2y
y x
y por tanto
Z
F (x, y) = y 2 dx + C1 (y) = y 2 x + C1 (y)
Por otra parte

F
2xy = N (x, y) = = 2xy + C10 (y)
y
de lo que se deduce C10 (y) = 0 y por tanto C1 (y) = K. En consecuencia la solucion

general es
xy 2 + K = 0
Ejemplo 14.16. Obtener la solucion general de la EDO
dy
3y + ex + (3x + cos y) =0
dx
En este caso M (x, y) = 3y + ex y N (x, y) = 3x + cos y. La ecuacion es exacta, ya que
M N
=3 , =3
y x
y por tanto
Z
F (x, y) = (3y + ex ) dx + C1 (y) = 3yx + ex + C1 (y)
Por otra parte

F
3x + cos y = N (x, y) = = 3x + C10 (y)
y
de lo que se deduce C10 (y) = cos y y por tanto C1 (y) = sen y + C1 . Nuestra solucion
general es por tanto
3yx + ex + sen y = K
Factores integrantes
Muchas ecuaciones, aun no siendo exactas, se pueden convertir en una ecuacion exacta
multiplicandolas por una funcion (llamada factor integrante). No toda ecuacion posee
un factor integrante, pero veremos ciertos casos en los que tal factor se puede hallar
facilmente. Consideremos la ecuacion
M (x, y)dx + N (x, y)dy = 0
Multipliquemos por el factor integrante (x, y). Se obtiene entonces
(x, y)M (x, y)dx + (x, y)N (x, y)dy = 0
para que esta ecuacion sea exacta es necesario que
((x, y)M (x, y)) ((x, y)N (x, y))

=
y x
Esto es,
M N
M + =N +
y y x x
lo que representa una ecuacion en derivadas parciales para . En general es muy difcil
resolver este tipo de ecuaciones, pero hay ciertos casos en los que no lo es tanto:
1) El factor es de la forma (x). Se obtiene entonces la ecuacion
M N
=N +
y x x
y por tanto
1 1 M (x, y) N (x, y)
=
x N (x, y) y x
Una
h condicion
i para tener factor integrante que dependa solo de x es entonces que
1 M N
N y x tambien dependa solamente de x. Si se sigue operando:

1 ln 1 M (x, y) N (x, y)
= = g(x)
x x N (x, y) y x
y R
g(x)dx
(x) = Ke
2) El factor es de la forma (y). Entonces, la condicion que deben cumplir M y N es

1 M (x, y) N (x, y)
h(y)
M (x, y) y x
y el factor integrante es R
(x) = Ke h(y)dy
3) El factor integrante es de la forma (z) con z = z(x, y). La condicion para M y N

es entonces h i
M (x,y)
y Nx
(x,y)
z z
f (z)
N (x, y) x M (x, y) y
y el factor integrante es entonces
R
f (z)dz
(z) = Ke
Ecuaciones lineales
Una EDO de primer orden lineal es de la forma
y 0 (x) + p(x)y(x) = r(x) (14.1)
Hay dos tipos esenciales:
1) homogeneas. Si r(x) = 0.
2) no-homogeneas (o completas). Si r(x) 6= 0.
La ecuacion homogenea asociada a un problema no-homogeneo como el (14.1) es
y 0 (x) + p(x)y(x) = 0
La razon de introducir esta diferenciacion proviene del siguiente teorema:

Teorema 14.2. La solucion general de una ecuacion lineal completa puede escribir-
se como suma de la solucion general de la ecuacion homogenea asociada mas una
solucion particular de la ecuacion lineal completa.
Demostracion. Sea yp (x) una solucion del problema no-homogeneo, y escribamos
y(x) = yh (x) + yp (x)
Entonces,
0
(yh (x) + yp (x)) + p(x) (yh (x) + yp (x)) = r(x)
o, agrupando terminos,
0
yp + p(x)yp + [yh0 + p(x)yh ] = r(x)
Pero yp0 + p(x)yp = r(x) por definicion de yp . Por tanto, yh debe satisfacer
yh0 + p(x)yh = 0
es decir, debe ser solucion del problema homogeneo asociado.
RESOLUCION DE LA ECUACION HOMOGENEA: Si
y 0 + p(x)y = 0
entonces
y0
= p(x)
y
y por tanto R R
y(x) = e p(x)dx+C
= Ke p(x)dx
RESOLUCION DE LA ECUACION NO-HOMOGENEA: En virtud del Teorema

14.2, para resolver un problema no-homogeneo debemos:
1) Calcular la solucion general yh (x) de la ecuacion homogenea, lo cual se ha hecho

en el apartado anterior.
2) Encontrar alguna solucion del problema no-homogeneo. Esta solucion se llama

solucion particular.
3) Sumarlas.
La dificultad radica entonces en el paso 2). Hay dos metodos esenciales para encontrar
soluciones particulares:
El metodo de variacion de constantes. Consiste en suponer que la solucion del

problema no-homogeneo tiene un aspecto muy parecido a la solucion del problema
homogeneo: R
yp (x) = K(x)e p(x)dx (14.2)
pero con la constante sustituida por una funcion desconocida de x. Si introducimos
(14.2) en la ecuacion obtenemos
R 0 R
K(x)e p(x)dx + p(x)K(x)e p(x)dx
R R R
= K 0 (x)e p(x)dx
p(x)K(x)e p(x)dx
+ p(x)K(x)e p(x)dx
= r(x)
y por tanto R
K 0 (x) = r(x)e p(x)dx
y Z R
p(x)dx
K(x) = r(x)e dx + C
C es una constante arbitraria, pero como buscamos solo una solucion particular, la
escogemos igual a cero. Entonces, la solucion particular buscada es
R
Z R
p(x)dx
yp (x) = e r(x)e p(x)dx dx
Ejemplo 14.17. Encontrar la solucion general de la ecuacion y 0 + 2xy = 4x.
Paso 1). Encontremos solucion general del problema homogeneo asociado:

yh0 + 2xyh = 0
Entonces R 2
yh (x) = e 2xdx+C
= Kex
Paso 2). Encontremos solucion particular del problema no-homogeneo.
R
Z R
Z
2 2
yp (x) = e p(x)dx
r(x)e p(x)dx
dx = ex 4xex dx = 2
Paso 3). Sumarlas para obtener la solucion general

2
y(x) = Kex + 2
Uso
R de factores integrantes. Se trata simplemente de darse cuenta de que (x) =
e p(x)dx es un factor integrante de una ecuacion lineal y usar este hecho para integrar
la ecuacion.
14.4. Resolucion de Ecuaciones Diferenciales Ordi-

narias lineales de orden n
Recordemos que una ecuacion lineal de orden n tiene la forma general

an (x)y (n) (x) + an1 (x)y (n1) (x) + .... + a1 (x)y 0 (x) + a0 (x)y(x) = b(x) (14.3)
y que un problema de valores iniciales asociado a una ecuacion lineal de orden n
consiste en la ecuacion (14.3) junto con las n condiciones:
(n1)
y(x0 ) = y0 , y 0 (x0 ) = y00 , y 00 (x0 ) = y000 , ....., y (n1) (x0 ) = y0 (14.4)
Recordemos tambien que si b(x) 0, la ecuacion (14.3) recibe el nombre de ecuacion

lineal homogenea.
14.4. Resolucion de Ecuaciones Diferenciales Ordinarias lineales de orden n 289
Con respecto al problema (14.3)-(14.4) podemos probar el siguiente teorema que ga-
rantiza la existencia y unicidad de soluciones:
Teorema 14.3. Dado el problema de valor inicial (14.3)-(14.4), si b(x), ai (x) (i =
0, 1, ..., n) son funciones continuas en un intervalo (a, b) que contiene a x0 , entonces
el problema tiene una unica solucion en (a, b).
14.4.1. Ecuacion lineal homogenea
Proposicion 14.1. Dadas y1 (x), y2 (x), ..., yn (x) funciones solucion de una ecuacion
lineal homogenea, toda combinacion lineal de ellas
n
X
Ci yi (x)
i=1
es tambien solucion de dicha ecuacion.

Definicion 14.14. Un conjunto de n soluciones linealmente independientes de una
EDO homogenea de orden n recibe el nombre de sistema fundamental de soluciones
de dicha ecuacion.
Definicion 14.15. Wronskiano: Dadas las funciones y1 (x), y2 (x), ..., yn (x), se de-
fine su Wronskiano como el determinante

y1 (x) y2 (x) ... yn (x)

y10 (x) y20 (x) ... yn0 (x)
W [y1 , y2 , ..., yn ] = ... ... .. ...

(n1)
y (x) y
(n1)
(x) ...
(n1)
yn (x)
1 2
Teorema 14.4. Un conjunto de n soluciones de una EDO lineal de orden, y1 (x), y2 (x), ..., yn (x),
tales que
W [y1 , y2 , ..., yn ] 6= 0
para todo x en el intervalo (a, b) constituyen un sistema fundamental en dicho inter-
valo. Toda solucion de la ecuacion homogenea se puede escribir como combinacion
lineal de estas soluciones.
14.4.2. Ecuacion lineal no-homogenea
Teorema 14.5. La solucion general de la EDO lineal completa resulta de anadir a

la solucion general de la homogenea asociada una solucion particular de la completa.
El conjunto de soluciones de la ecuacion lineal completa tiene estructura de espacio
vectorial afn al espacio vectorial de las soluciones de la homogenea asociada.
Por tanto, para resolver una ecuacion lineal no homogenea, debemos:
1) hallar la solucion general yh (x) del problema homogeneo asociado.
2) hallar una solucion particular yp (x) del problema no-homogeneo.
3) sumarlas para obtener solucion general del problema no-homogeneo.
En general, este plan se puede complicar desde el principio por el hecho de que no
hay recetas generales para calcular las soluciones del problema homogeneo. Un caso
en el que si las hay, es el de coeficientes constantes.
14.4.3. Ecuaciones lineales homogeneas de coeficientes cons-

tantes
Una EDO homogenea de coeficientes constantes tiene la forma
an y (n) + an1 y (n1) + an2 y (n2) + ... + a1 y 0 + a0 y = 0

con a0 , a1 , a2 , ..., an lR
(14.5)
Es natural buscar como soluciones funciones tales que sus derivadas tengan el mismo
aspecto que ellas, de modo que los terminos de la ecuacion se puedan cancelar para
todo valor de x. Unas funciones que cumplen esta propiedad son las exponenciales. Si
introducimos y(x) = emx en (14.5) obtenemos

an mn + an1 mn1 + an2 mn2 + .... + a1 m + a0 emx = 0
As es que emx sera solucion si y solo si
Pn (m) an mn + an1 mn1 + an2 mn2 + .... + a1 m + a0 = 0
Definicion 14.16. Al polinomio Pn (m) se le llama polinomio caracterstico aso-

ciado a la ecuacion (14.5).
La existencia de soluciones exponenciales esta entonces ligada a la existencia de races

del polinomio caracterstico. Sabemos que todo polinomio de grado n tiene n races
m1 , m2 , ..., mn (algunas reales, algunas complejas y algunas que pueden estar repeti-
das) en el campo de los complejos. Se presentan entonces varias posibilidades:
a) Todas las races son reales y simples. Entonces son soluciones
y1 (x) = em1 x , y2 (x) = em2 x , ......, yn (x) = emn x
se puede verificar que su Wronskiano es no nulo y constituyen por tanto un sistema

fundamental. Entonces, la solucion general sera:
y(x) = C1 em1 x + C2 em2 x + ... + Cn emn x

b) Existe alguna raz compleja mj = +i. Entonces i es tambien raz y podemos

construir dos soluciones complejas al problema homogeneo:
yC1 (x) = e(+i)x = ex (cos(x) + i sen(x))

yC2 (x) = e(i)x = ex (cos(x) i sen(x))
Combinando las dos soluciones complejas se obtienen dos soluciones reales linealmente
independientes:
y1 (x) = ex cos(x) , y2 (x) = ex sen(x)
c) Existe alguna raz mj real repetida r veces (multiplicidad r). Entonces, podemos
construir r soluciones de la forma
y1 (x) = emj x
y2 (x) = xemj x
y3 (x) = x2 emj x
...
yr (x) = xr1 emj x
d) Existe alguna raz mj = + i compleja repetida r veces. Entonces la compleja

conjugada tambien esta repetida r veces. En este caso, por tanto, se pueden construir
2r soluciones de la forma
y1 (x) = ex cos(x)
y2 (x) = xex cos(x)
...
yr (x) = xr1 ex cos(x)
yr+1 (x) = ex sen(x)
yr+2 (x) = xex sen(x)
...
y2r (x) = xr1 ex sen(x)
Se puede verificar que el Wronskiano de todas las soluciones construidas es no nulo

(en todo punto) y por tanto constituyen un sistema fundamental.
14.4.4. Calculo de una solucion particular de la ecuacion no-

homogenea
Metodo de variacion de constantes
Si hemos sido capaces de encontrar un sistema fundamental de soluciones para la

ecuacion homogenea (ya sea porque vienen dadas o porque la ecuacion es de coefi-
cientes constantes y aplicamos el metodo del apartado anterior), entonces encontrar
una solucion particular para la ecuacion completa es relativamente simple mediante
el metodo de variacion de constantes. Este metodo parte de la hipotesis de que las
soluciones de una EDO lineal son de la misma forma que la ecuacion lineal homogenea
asociada, pero donde las constantes dependen de la variable independiente. Dada
an (x)y (n) + an1 (x)y (n1) + ... + a1 (x)y 0 + a0 (x)y = b(x) (14.6)
y calculada la solucion de
an (x)y (n) + an1 (x)y (n1) + ... + a1 (x)y 0 + a0 (x)y = 0
que sera de la forma
y(x) = C1 y1 (x) + C2 y2 (x) + ... + Cn yn (x)
se impondra que la solucion de (14.6) sea de la forma
y(x) = C1 (x)y1 (x) + C2 (x)y2 (x) + ... + Cn (x)yn (x)
De este modo, deben determinarse los valores Ci (x) con i = 1, 2, ..., n. Para ello han
de establecerse n ecuaciones:
n
X
Ci0 (x)yi (x) = 0
i=1
n
X
Ci0 (x)yi0 (x) = 0
i=1
....
n
X (n2)
Ci0 (x)yi (x) = 0 (14.7)
i=1
Xn
(n1) b(x)
Ci0 (x)yi (x) =
i=1
an (x)
Las primeras n 1 ecuaciones se imponen a priori y la ultima se deduce del hecho

de que y(x) tiene que ser solucion de (14.6) y de las anteriores. El sistema (14.7) es
un sistema de n ecuaciones con n incognitas (C10 (x), C20 (x), ..., Cn0 (x)). Notese que el
determinante del sistema no es mas que el Wronskiano de y1 (x), y2 (x), ..., yn (x) y es
no nulo si estas funciones forman un conjunto fundamental. Resolviendo el sistema
encontramos Ci0 (x) (i = 1, 2, ..., n) y mediante simple integracion hallamos Ci (x).
Metodo de los coeficientes indeterminados
Este es un metodo que solo funciona en ciertos casos: cuando la ecuacion es lineal de
coeficientes constantes y cuando el termino b(x) tiene una forma particular. El meto-
do consiste en proponer como solucion una cierta funcion que contiene coeficientes
arbitrarios, y fijar dichos coeficientes de modo que la funcion propuesta sea realmente
una solucion a la ecuacion. Mas precisamente, si el segundo miembro de la ecuacion
tiene la forma
b(x) = ex [sen(x)Pm (x) + cos(x)Qn (x)] ,
donde Pm y Qn son polinomios de grado m y n respectivamente se podra utilizar
el metodo de los coeficientes indeterminados que consistira en buscar una solucion
particular de la forma:
h i
fk (x) + cos(x)Q
yp (x) = xs ex sen(x)P fk (x) ,
en donde k = max{m, n}; P fk y Qfk son polinomios de grado k de coeficientes a

determinar; y s es el orden de la multiplicidad de la raz i en la ecuacion
caracterstica (s = 0 si + i no es raz de la ecuacion caracterstica). Como casos
particulares se tendra:
b(x) y(x)
Pn (x) = A0 xn + A1 xn1 + ... + An fn (x)
xs (B0 xn + B1 xn1 + ... + Bn ) = xs P
sf
Pn (x)ex x Phn (x)e x
i
Pm (x) sen(x) + Qn (x) cos(x) xs sen(x)P fk (x) + cos(x)Q
fk (x)
Ejemplo 14.18. Determnese una solucion particular para la ecuacion

y 00 + 4y = xex + x sen(2x) (14.8)
Solucion: Por el principio de superposicion una solucion particular sera suma de las
soluciones particulares de las ecuaciones
y 00 + 4y = xex (14.9)
y 00 + 4y = x sen(2x) (14.10)
Buscamos una solucion particular de (14.9) en la forma y(x) = (B0 x + B1 )ex . Intro-
duciendo esta expresion en (14.9) obtenemos la ecuacion:
(2B0 + B0 x + B1 ) ex + 4(B0 x + B1 )ex = xex
y tenemos as las siguientes ecuaciones para los coeficientes indeterminados B0 y B1 :
2B0 + 5B1 = 0
5B0 = 1
2
cuya solucion es B1 = 25 , B0 = 15 . Para la ecuacion (14.10) tenemos que proponer
y(x) = x(B0 x + B1 ) cos(2x) + x(C0 x + C1 ) sen(2x)
ya que sen(2x) y cos(2x) son soluciones del problema homogeneo (o, lo que es lo
mismo, 2i y 2i son races del polinomio caracterstico de la ecuacion homogenea
asociada a (14.10)). Introduciendo y(x) en (14.10) obtenemos :
(2B0 + 8xC0 + 4C1 ) cos 2x + (8xB0 4B1 + 2C0 ) sen 2x = x sen(2x)
de donde se deduce el sistema
2B0 + 4C1 = 0
8C0 = 0
4B1 + 2C0 = 0
8B0 = 1
1
con solucion B1 = 0, C0 = 0, C1 = 16 , B0 = 18 .
Por tanto, una solucion particular de (14.8) es

2 1 1 1
y(x) = + x ex x2 cos(2x) + x sen(2x)
25 5 8 16
14.5. Algunas aplicaciones de las ecuaciones dife-

renciales
Se puede decir sin miedo a exagerar que las matematicas alcanzan su grado maximo
de aplicabilidad a las ciencias a traves de las ecuaciones diferenciales. La razon estriba
en el hecho de que muchas leyes naturales se expresan en forma de ecuaciones dife-
renciales. Esto es natural, ya que los hechos experimentales sobre los que se apoyan
tales leyes suelen implicar la variacion de una cierta magnitud en funcion de unas
causas dadas y eso conlleva una relacion entre velocidad de variacion (derivada) y
causas (una funcion de ciertas magnitudes). En esta seccion nos centraremos en apli-
caciones a la cinetica qumica, la desintegracion nuclear, la evolucion de poblaciones,
la mecanica y las mezclas. Los ejemplos son solo una muestra de las aplicaciones que
habra de usar un Ingeniero Qumico o Medioambiental.
14.5.1. Aplicaciones a la cinetica qumica
En cinetica qumica se enuncia la siguiente ley con respecto a las reacciones de la

forma
A B
14.5. Algunas aplicaciones de las ecuaciones diferenciales 295
A+B X
Ley de accion de masas: La velocidad de una reaccion qumica a una temperatura

dada depende unicamente de las concentraciones de las sustancias involucradas.
Las reacciones se clasifican segun el siguiente criterio:
1) La reaccion A B se llama de primer orden si la velocidad de reaccion es propor-

cional a la concentracion de A (que denotamos por [A] (t)). Entonces
d [A] (t)
= k1 [A] (t)
dt
2) La reaccion A B se llama de segundo orden si la velocidad de reaccion es

proporcional al cuadrado de la concentracion de A. Entonces
d [A] (t) 2
= k2 [A] (t)
dt
3) La reaccion A + B X es de primer orden en A y de primer orden en B si la

velocidad de reaccion es proporcional a las concentraciones de A y B. Si denotamos
por x(t) la concentracion de X en el instante t y [A] (0) = a, [B] (0) = b, se tendra que
las moleculas de A y B desaparecen simultaneamente para dar lugar a una molecula
de X. Si medimos las concentraciones en moles/l, tendremos
dx(t)
= k3 (a x(t))(b x(t))
dt
14.5.2. Aplicaciones a las desintegraciones nucleares
Algunos nucleos atomicos con un cierto numero de protones y neutrones experimentan

transformaciones espontaneas para convertirse en otros nucleos con menor numero de
protones o neutrones. La masa restante es emitida en forma de radiacion. Un ejemplo
puede ser la presente desintegracion, llamada desintegracion alfa:
236 232
88 Ra 86 Rn + 42 He
Un nucleo de Radio con 88 protones y 236 88 neutrones se transforma en un nucleo

de Radon con 86 protones y 232 86 neutrones. Sale emitido, en forma de radiacion,
un nucleo de Helio (radiacion alfa). Las desintegraciones radioactivas satisfacen la
siguiente ley:
Ley de desintegracion radiactiva: La cantidad de atomos de una sustancia ra-

diactiva que se desintegran por unidad de tiempo es proporcional a la cantidad de
atomos presentes.
Si se denota por Q(t) el numero de atomos de 236

88 Ra, tendremos de acuerdo con la ley
de desintegracion radiactiva, que
dQ(t)
= kQ(t)
dt
donde k es una constante (distinta para cada nucleo que se desintegra).
Una aplicacion interesante de la ley de desintegracion radiactiva es la datacion de

restos historicos (el celebre carbono 14) o las aplicaciones a la datacion de estructuras
geologicas o fosiles. Se veran ejemplos en los ejercicios.
Otro contexto en el que aparece, es la estimacion de la vida y el nivel de riesgo de

residuos radiactivos.
14.5.3. Aplicaciones a la ecologa
Las variaciones que experimentan las poblaciones (ya sea de animales, plantas o per-
sonas) se pueden deber a varias causas. Hay dos basicas: el nacimiento y la muerte de
individuos. Otra causa que puede afectar es la existencia de corrientes migratorias.
Vamos a centrarnos en esta corta exposicion en el caso de sistemas cerrados. Es decir,
sistemas en los que no entran ni salen individuos.
La cantidad de individuos que nacen se puede medir con un parametro llamado tasa
de natalidad. Nos da el numero de individuos que nacen por cada 1000 habitantes y
por ano (la escala de numero de habitantes y tiempo puede cambiar). La cantidad de
individuos que mueren se mide con un parametro llamado tasa de mortalidad. Nos
da el numero de individuos que mueren por cada 1000 habitantes y por ano.
Si denotamos por N (t) el numero de miles de individuos que contiene la poblacion,

tendremos que
dN (t)
= N (t) N (t)
dt
A r = se le llama tasa de crecimiento.
Este modelo de crecimiento es muy simplista ya que, si r > 0, se tiene N (t) = N (0)ert
que se traduce en un crecimiento exponencial e ilimitado de la poblacion, lo cual
es imposible dado lo limitado de los recursos. Lo que se hace en muchos modelos
ecologicos es sustituir la ley anterior por la llamada ley logstica:

dN (t) 2 N (t)
= N (t) N (t) N (t) = rN (t) 1
dt k
donde el nuevo termino modela el hecho de que la poblacion, cuando es excesivamente
grande, experimenta problemas de subsistencia y muchos individuos fallecen por cau-
sas distintas al ciclo de vida normal (luchas, hambre, etc.). El modelo, aunque muy
simple, se ha revelado correcto en muchos contextos. Al parametro k se le llama nivel

de saturacion, ya que las soluciones N (t) de la ecuacion han de ser menores que k.
Intuitivamente, mide el nivel maximo de poblacion que el sistema admite.
Figura 14.1: Comparacion entre la ley de crecimiento exponencial y la ley logstica.
14.5.4. Problemas de mecanica
La ley fundamental de la mecanica es la segunda ley de Newton, que establece que

la masa de una partcula movil por su aceleracion es igual a la resultante de la suma
de todas las fuerzas que actuan sobre la partcula. Si nos restringimos al caso de
partculas que se mueven en una dimension, la ley se expresa matematicamente en la
forma
N
d2 x(t) X
m = Fi (x(t), x0 (t), t)
dt2 i=1
Esta es una ecuacion de segundo orden y, en general, no lineal. Los casos particulares
que sabemos resolver ahora corresponden a fuerzas que dependen solo del tiempo, o
solo de x0 (t), en cuyo caso definimos x0 (t) = v(t) y escribimos
N
dv X
m = Fi (v(t))
dt i=1
o dependen linealmente de x(t):
N
d2 x(t) X
m = ki x(t)
dt2 i=1
14.5.5. Problemas de mezclas
Una cierta sustancia entra en un recipiente (que puede ser un contenedor o la cuenca
de un lago) disuelta en agua o directamente. Se trata de conocer la concentracion
de sustancia que hay en el recipiente en cada instante. Pensemos, por ejemplo, en un
lago al que afluyen ros que llevan disueltos una sustancia contaminante o sobre el que
se arroja el contaminante directamente. Al lago llegan r litros por segundo de agua
con k g/l de sustancia disuelta. Sobre el lago se arrojan P g/s de sustancia y del lago
salen (al mar, por ejemplo) r litros por segundo de agua. Cual es la concentracion
de sustancia en cada instante? La ecuacion que describira el proceso es
dQ(t) Q(t)
= kr r +P
dt V
donde Q(t) es la cantidad de sustancia presente en el lago y V es el volumen de agua
en el lago.
14.5.6. Aplicaciones mas avanzadas de las ecuaciones diferen-

ciales ordinarias
En el siguiente captulo se estudiaran los sistemas de ecuaciones diferenciales ordi-

narias. No obstante, con manipuladores simbolicos (tipo Maple), se pueden hallar
soluciones aproximadas y deducir propiedades cualitativas de las soluciones. Discuti-
remos dos ejemplos:
1) Evolucion de cadenas radiactivas
Las sustancias radiactivas, por lo general, se desintegran siguiendo ciertas cadenas,

en la que unos nucleos se desintegran en otros y esos otros en unos nuevos. Por
ejemplo, la evolucion de cuatro de los primeros isotopos de la 2a cadena radiactiva
Cm246 > Pu242 > U238 > U234 se rige mediante el sistema de cuatro ecuaciones
diferenciales:
dy1
= 1,46 104 y1
dt
dy2
= 1,46 104 y1 1,842 106 y2
dt
dy3
= 1,842 106 y2 1,551 1010 y3
dt
dy4
= 1,551 1010 y3 2,83 106 y4
dt
donde y1 , y2 , y3 e y4 son las cantidades de los isotopos Cm246, Pu242, U238 y U234
respectivamente y las constantes que las multiplican en el sistema anterior son las
constantes de desintegracion de dichos isotopos expresadas en (1/anos). Suponiendo

que se considera un contenedor de residuos radiactivos donde inicialmente hay 1000 gr.
de Cm246, 300gr de Pu242, 800gr de U238 y 500gr de U234, Que cantidad habra de
cada una de las sustancias en los primeros 100.000 anos?
La solucion analtica del sistema anterior aparece en la figura 14.2, en donde se re-
presenta la cantidad de cada unos de los isotopos presentes en funcion del tiempo.
1200 Pu242
1000
U238
800
600
U234
400
200
Cm246
0 20000 40000 60000 80000 100000
Figura 14.2: Evolucion de cuatro isotopos de la 2a cadena radiactiva.
2) Evolucion de sistemas depredador-presa
En un sistema cerrado, conviven zorros y conejos. Los zorros comen conejos para
subsistir. Tantos mas conejos hay, mas zorros pueden ser mantenidos. Pero si la po-
blacion de zorros aumenta mucho, entonces comen demasiados conejos, y la poblacion
de estos puede disminuir drasticamente, con lo cual los zorros no tienen que comer y
mueren de hambre. Estas consideraciones dan una idea de lo compleja que es, a priori,
la dinamica de poblaciones cuando unas dependen de otras. El modelo generalmente
utilizado es el llamado de Lotka-Volterra o depredador presa. Si denotamos por x(t) la
poblacion de conejos (en miles) y por y(t) la poblacion de zorros (en miles) el sistema
que describe la evolucion de tales poblaciones es
dx(t)
= a1 x(t) a2 x(t)y(t)
dt
dy(t)
= a3 y(t) + a4 x(t)y(t)
dt
con ai constantes positivas. Consideremos por ejemplo a1 = 1, a2 = 0,5, a3 = 0,75,
a4 = 0,25 y que en el instante inicial hay 4000 conejos y 500 zorros. La solucion del
problema se halla numericamente con un ordenador y la grafica que representa la

evolucion de las poblaciones de zorros y conejos aparece en la figura 14.3.
conejos
zorros
y
0 5 10 15 20
t
Figura 14.3: Evolucion de las poblaciones de presas(conejos) y depredadores(zorros).
los captulos 1, 2, 3, 4 y 5 de [59] y los captulos 16 y 17 de [55].
14.7. Ejercicios
1. Indicar el orden y el grado de las siguientes e.d.o.:
00
a) x2 y + 2xy 0 + 2x = 0. ( Sol: orden 2, grado 1 ).
000 00
b) y = 3(y )2 sen(x 1). ( Sol: orden 3, grado 1).
00
c) (y )2 = 4x(1 y 0 )6 . ( Sol: orden 2, grado 2 ).
000
d ) (y )2 = cos x + yex . ( Sol: orden 3, grado 2).
2 2
y y
e) 2
sen x + 3xy + yex = 0. ( Sol: orden 2, grado 2).
x x
2
2y 2 y
f) + 5x + 6y = 0. ( Sol: orden 2, grado 1 ).
x2 x
2. Indicar si son lineales o no las siguientes e.d.o.:

00
a) y + 5y 0 + 6y = x2 cos x. ( Sol: Si).
000
b) (y )3 + 5y 0 y + 6y 2 = 0. ( Sol: No).
c) xtg(y) + y 0 = x + cos x. ( Sol: No).
d ) y 0 + x2 1 = y. ( Sol: Si).
e) ydx + (xy + x 3y)dy = 0. ( Sol: No).
00
f ) 3xy 4y 0 y + y sen x = 4x. ( Sol: No).
00
g) y 2y + 3 = ex . ( Sol: Si).
h) 4xy 0 + cos y = 5x. ( Sol: No).
3. Demuestra que las funciones dadas son soluciones de las e.d.o que las acom-
panan:
00
a) y(x) = C sen x + K cos x y + y = 0.
b) y(x) = ex y 0 y = 0.
c) y(x) = x + ex y 0 + y = x + 1.
00
d ) y(x) = 2e3x 5e4x y 7y 0 + 12y = 0.
4. Verifica si las siguientes funciones son solucion general de las e.d.o. que las a-
companan:
00
a) y(x) = C1 + C2 ex y + y 0 = 0. ( Sol: Si).
00
b) y(x) = C1 e4x + C2 e2x y 2y 0 8y = 0. ( Sol: No).
5. Determina los valores de m para los cuales la funcion y(x) = emx es una solucion
00
particular de la e.d.o.: 3y + 4y 0 2y = 0.

2 8
Solucion: m = 3 6 i
6. Verifica que la funcion dada mediante la relacion x2 + y 2 4 = 0 es una solucion

de la e.d.o.: y 0 = xy .
7. Verifica que la funcion:

(
x2 si x < 0
y(x) =
x2 si x 0
es solucion de la e.d.o.: xy 0 2y = 0.
8. Sabiendo que y(x) = C1 sen x + C2 cos x es la solucion general de la ecuacion

00
diferencial y + y = 0 determina la funcion que es solucion de los problemas de
Cauchy siguientes:
a)
00

y +y =0

y(0) = 0

0
y (0) = 0
(Solucion: y(x) = 0.)

b)
00

y +y =0

y(1) = 3

0
y (1) = 4
(Solucion: y(x) = (3 sen 1 + 4 cos 1) sen x + (4 sen 1 + 3 cos 1) cos x.)
9. Sabiendo que y(x) = C1 sen x + C2 cos x es la solucion general de la ecuacion

00
diferencial y + y = 0 determina, si existen, las funciones que son solucion de
los problemas de contorno siguientes:
a)
00

y +y =0

y(0) = 0 ( Sol: y(x) = sen x.)

y(/2) = 1
b)
00

y +y =0

y(0) = 1 ( Sol: y(x) = 5 sen x + cos x.)

y(/2) = 5
c)
00

y +y =0

y(0) = 1 ( Sol: No existe solucion.)

0

y (/2) = 5
d)
00

y +y =0

y(0) = 1 ( Sol: y(x) = C sen x + cos x.)

0
y (/2) = 1
10. Resolver el problema de valor inicial
(1 + ey )y 0 = cos t, y(/2) = 3
Solucion: y + ey = 2 + e3 + sen t
11. Resolver el siguiente problema de valor inicial
dy
ey (t + t3 ) = 0, y(1) = 1
dt
3 t2 t4
Solucion: y(t) = ln(e 4 + 2 + 4)
12. Halla las soluciones generales y dibuja las curvas integrales de las e.d.o. siguien-
tes:
a) yy 0 = x.

( Sol: y(x) = C x2 , circunferencias de centro (0, 0) y radio C.)
b) y 0 = xy . ( Sol: curvas de ecuacion y(x) = C/x.)
13. Hallar la solucion general de las EDOs:

1
a) y 0 = cos(3x) + 5. ( Sol: y(x) = 3 sen(3x) + 5x + C)
0 2x 1 2x
b) y = e x. ( Sol: y(x) = 2 (e x2 ) + C)
000
1
c) y = cos(3x) + 5. ( Sol: y(x) = 27 sen(3x) + 56 x3 + K1 x2 + K2 x + K3 .)
14. Hallar la solucion general de la e.d.o.: 2ydx + 3xdy = 0.

Solucion: y(x) = Kx2/3 .
15. Hallar la solucion general de la e.d.o.: ex dx (1 + ex )ydy = 0.
Solucion: y(x) = (2 ln(1 + ex ) + C)1/2 .
16. Hallar la solucion de la e.d.o.: y 2 dx + (xy + 1)dy = 0 sabiendo que admite un
factor integrante que es funcion de z(x, y) = xy.
Solucion: Factor integrante: (x, y) = exy . Solucion general dada por: yexy +
K = 0.
17. Hallar la solucion del problema de Cauchy:

( 2
(x + 1)y 0 + 4xy = x 4
19+ x4 + x2
2
( Sol: y(x) = (x2 +1)2

y(2) = 1
18. a) Hallar el valor de la constante K para que la e.d.o.
(y 3 Kxy 4 2x)dx + (3xy 2 + 20x2 y 3 )dy = 0
sea una e.d.o. exacta. ( Sol: K = 10.)

b) Con dicho valor del parametro K hallar la solucion general de la e.d.o.
( Sol: La solucion general esta dada por la ecuacion: y 3 x+5x2 y 4 x2 = C.)
19. Sabiendo que la e.d.o. ydx + 2xdy = 0 admite un factor integrante que solo
depende de y, se pide:
a) Determinar el factor integrante. ( Sol: (y) = y.)

q
b) Hallar la solucion general de la e.d.o. ( Sol: y(x) = Kx .)
20. Hallar la solucion general de la e.d.o. y(y 1)dx + x(x 1)dy = 0.

x
Solucion: y(x) = xC(x1) , siendo una solucion particular y(x) = 0.
3
y 2 y 0
21. Dada la e.d.o. ex + x2 y = 0 se pide:
a) Hallar la solucion general.

q
( Sol: y(x) = ln C 23 ex3 .)
b) Hallar la solucion de la e.d.o. que verifica y(1) = 1.
q
( Sol: y(x) = + ln 53 e 23 ex3 .)
22. Hallar la solucion general de la e.d.o. (1 + ex )yy 0 = ex .

p
Solucion: y(x) = 2 ln (1 + ex ) + K.
x
23. Hallar la solucion general de la e.d.o. y 0 = 3y .
q
( Solucion: y(x) = 13 (C x2 ).)
24. Encontrar las soluciones generales de las siguientes e.d.o.:
a) y 0 = x12 + ex sen 3x. ( Sol: y(x) = 1

x 3 x
10 e cos 3x + 1 x
10 e sen 3x + C.)
0
b) y = ln x. ( Sol: y(x) = x ln(x) x + C.)
c) y 0 = e2x x. ( Sol: y(x) = 12 (e2x x2 ) + C.)
C
2
d ) 2ydx + 3xdy = 0. ( Sol: y(x) = x1/3
.)
p
e) (5 + ex )yy 0 = ex . ( Sol: y(x) = 2 ln(5 + ex ) + C.)
1
f ) y 0 = y 2 . ( Sol: y(x) = Cx ; tambien es solucion y(x) = 0.)
p
g) yy 0 = 2x. ( Sol: y(x) = 2(x2 + C).)
q
2
h) (1 + y 2 ) + xyy 0 = 0. ( Sol: y(x) = K x2 1.)
25. Hallar las soluciones (general o particular segun el caso) de:

1
a) (x 2)y 2 dx x(y 2 1)dy = 0. ( Sol: y + = x 2 ln x + C.)
y
2
3x +4x+2

b) y 0 = 2(y1) con la condicion y(0) = 1. ( Sol: y(x) = 1 x3 + 2x2 + 2x.)
y cos x
c) y 0 = 1+2y 2 con la condicion y(0) = 1. ( Sol: Dada por ln(y) + y 2 =
sen(x) + 1.)
p q 2
d ) x 1 + y 2 + y 1 + x2 y 0 = 0. ( Sol: y(x) = 1 + x2 + C 1.)
26. Sabiendo que la e.d.o. (3x + 2y + y 2 )dx + (x + 4xy + 5y 2 )dy = 0 admite un factor
integrante dependiente de la funcion z = x + y 2 , se pide:
a) Determinar la expresion del factor integrante. ( Sol: (x, y) = x + y 2 .)

b) Resolver la e.d.o.
( Sol: Dada por la ecuacion x3 + x2 y + 2x2 y 2 + 2xy 3 + xy 4 + y 5 = C.)
27. Hallar las soluciones generales de las siguientes e.d.o.:

2
a) y 0 + 2xy = 4x. ( Sol: y(x) = 2 + Cex .)
y x2 +1
b) y 0 = x + x . ( Sol: y(x) = x2 + Cx 1.)
c) y 0 + y = cos x. ( Sol: y(x) = 12 (sen x + cos x) + Cex .)
00
d ) y = xex . ( Sol: y(x) = (x 2)ex + C1 x + C2 .)
00
e) y = sen x. ( Sol: y(x) = sen x + C1 x + C2 .)
28. Sabiendo que la funcion y1 (x) = x es una solucion particular de la e.d.o.

00
(x2 + 1)y 2xy 0 + 2y = 0
hallar la solucion general de dicha ecuacion.

Solucion: y(x) = C1 (x2 1) + C2 x.
00
29. Hallar la solucion general de la e.d.o. xy y 0 4x3 y = 0 sabiendo que la funcion
2
y1 (x) = ex es una solucion particular de ella.
2 2
Solucion: y(x) = C1 ex + C2 ex .
30. Hallar las soluciones generales de las siguientes e.d.o.:

00
a) y 9y = 0. ( Sol: y(x) = C1 e3x + C2 e3x .)
00
b) y 6y 0 + 9y = 0. ( Sol: y(x) = (C1 + C2 x)e3x .)
000 00
c) y 4y 3y 0 + 18y = 0, sabiendo que las races del polinomio m3 4m2
3m + 18 son m1 = 2 (raz simple) y m2 = 3 (raz doble).
( Sol: y(x) = C1 e2x + (C2 + C3 x)e3x .)
00
d ) y 4y 0 + 13y = 0
( Sol:y(x) = e2x + (C1 cos 3x + C2 sen 3x).
000 00
e) y (v 2y (iv +2y +4y +y 0 2y = 0 sabiendo que el polinomio caracterstico
m5 2m4 +2m3 +4m2 +m2 tiene por races m1 = 2 (raz simple), m2 = i
(raz doble) y m3 = i (raz doble) .
( Sol: y(x) = C1 e2x + (C2 + C3 x) cos x + (C4 + C5 x) sen x.)
00
31. Dada la e.d.o.: x2 y 4xy 0 + 6y = 0 se pide:
a) Demostrar que las funciones y1 (x) = x2 y y2 (x) = x3 son soluciones parti-

culares de ella.
b) Siendo y1 (x) e y2 (x) dos soluciones particulares de la e.d.o. demuestra que
la funcion y(x) = C1 y1 (x) + C2 y2 (x) es la solucion general de la e.d.o.
32. Hallar la solucion general de las siguientes e.d.o.:
a) 2y 00 4y 0 6y = 3e2x . (Sol: y(x) = C1 e3x + C2 ex 21 e2x )

b) y 00 + 2y 0 = 3 + 4 sen(2x). (Sol: y(x) = C1 + C2 e2x + 32 x 1
2 sen(2x)
1
2 cos(2x))
1
c) y 00 + 9y = x2 e3x + 6. (Sol: y(x) = C1 cos(3x) + C2 sen(3x) + 18 (x2 32 x +
1 3x 2
9 )e + 3)
x
x

d ) y 00 + y 0 + y = sen2 x. (Sol: y(x) = C1 e 2 cos 23 x + C2 e 2 sen 23 x +
1 1 3
2 13 sen(2x) + 26 cos(2x))
33. Una reaccion qumica de segundo orden involucra la interaccion (colision) de

una molecula de una sustancia P con otra de una sustancia Q para producir
una molecula de una nueva sustancia X; P + Q X es la notacion usual.
Supongase que p y q son las concentraciones iniciales de las sustancias P y
Q, respectivamente, y sea x(t) la concentracion de X en el tiempo t. Entonces
p x(t) y q x(t) son las concentraciones de P y Q al tiempo t, y la velocidad
a la que ocurre la reaccion esta descrita por la ecuacion
dx
= (p x(t)) (q x(t))
dt
donde es una constante positiva. Si x(0) = 0, encontrar x(t).

pq [e(qp)t 1]
Solucion: x(t) = .
[qe(qp)t p]
34. Supongase que en una cierta reaccion qumica una sustancia P se transforma
en otra sustancia X. Sea p la concentracion inicial de P y x(t) la concentracion
de X en el tiempo t. Entonces p x(t) es la concentracion de P a tiempo t.
Supongase ademas que la reaccion es autocataltica, esto es, que la reaccion se
estimula por la misma sustancia que se produce. Por lo tanto dx dt es proporcional
a x(t) y a p x(t), y
dx
= x(p x)
dt
donde es una constante positiva. Si x(0) = x0 , encontrar x(t).
px0
Solucion: x(t) = [(px0 )ept +x0 ] .
35. Considerese un lago de volumen constante V que contiene en el tiempo t una

cantidad Q(t) de agente contaminador, homogeneamente distribuido en todo el
lago con una concentracion c(t) donde c(t) = Q(t) V . Supongase que agua que
contiene una concentracion k de contaminante entra al lago a una velocidad
r, y que sale agua del lago a la misma velocidad. Supongase que hay ademas
contaminantes que se agregan directamente al lago a una velocidad constante
P . Notese que las suposiciones hechas desprecian un numero de factores que
pueden, en algunos casos, ser importantes; por ejemplo, el agua agregada o per-
dida por precipitacion, absorcion, y evaporacion; el efecto estratificador de las
diferencias de temperatura en un lago profundo; la tendencia de las irregula-
ridades de la orilla del lago a producir bahas protegidas; y el hecho de que
los contaminantes no se depositan homogeneamente en todo el lago, sino que
(generalmente) se depositan en puntos aislados alrededor de su permetro.
a) Si al tiempo t = 0 la concentracion de contaminante es c0 , encontrar una ex-
presion para la concentracion c(t) para cualquier tiempo t. A que concentracion
lmite se tiende cuando t ?
b) Si se termina la introduccion de contaminantes en el lago (k = 0 y P = 0
para t > 0), determnese el intervalo de tiempo T que debera transcurrir antes
de que la concentracion de contaminantes se reduzca al 50 % de su valor original
y al 10 % de su valor original.
c) En la siguiente tabla se dan los datos para algunos grandes lagos de America:
Lago V (km3 103 ) r (km3 /ano)

Superior 12.2 65.2
Michigan 4.9 158
Erie 0.46 175
Ontario 1.6 209
Usando estos datos determnese de la parte b) el tiempo T necesario para reducir

la contaminacion de cada uno de estos lagos al 10 % de su valor original.
rt
Solucion: a) c(t) = k + Pr + c0 k Pr e V , b) T = Vr ln 2; T = Vr ln 10 , c)
Superior: T = 430 anos, Michigan: T = 71,4 anos, Erie: T = 6,05 anos, Ontario:
T = 17,6 anos.
36. En una cierta comunidad aislada, la velocidad de crecimiento de la poblacion es
una funcion de la poblacion, es decir,
dp
= f (p)
dt
a) La expresion mas simple para f (p) es f (p) = p, donde es una constante

positiva. Encontrar p(t) en este caso si p(0) = p0 . Cual es el lmt p(t)?
b) Una suposicion mejor en muchas situaciones es que f (p) = p kp2 donde
y k son ambas constantes positivas. El termino kp2 se justifica por el hecho
de que para grandes valores de p dan como resultado un aumento de muertes y
una disminucion en el ritmo de nacimientos. Si p(0) es igual a p0 , encontrar una
expresion para la poblacion como funcion del tiempo. Encontrar el lmite de la
poblacion cuando t . Comparar estos resultados con los de la parte a).
p0 et
Solucion: a) p(t) = p0 et ; b) p(t) = 1+ k p0 (et 1)
.
37. Sobre un cuerpo que cae en un fluido relativamente denso, aceite por ejemplo,
actuan tres fuerzas: Una fuerza resistiva R, una fuerza de flotacion B, y su peso
debido a la gravedad. La fuerza de flotacion es igual al peso del fluido desplazado
por el objeto. Para un cuerpo esferico de radio a que se mueve lentamente, la
fuerza resistiva esta dada por la ley de Stokes R = 6a |v|, donde v es la
velocidad del cuerpo y es el coeficiente de viscosidad del fluido circundante.
Encuentrese la velocidad lmite de una esfera solida de radio a y densidad
cayendo libremente en un medio de densidad 0 y coeficiente de viscosidad .
2 0
2 a g( )
Solucion: vl = 9 .
38. Un cierto material radiactivo tiene una vida media de dos horas. Encuentrese
el intervalo de tiempo requerido para que una cantidad dada de este material
decaiga hasta un decimo de su masa original.
2 ln 10
Solucion: t = ln 2 horas.
39. Una masa de 20 gr estira un resorte espiral una distancia de 5 cm. Si el resorte
esta conectado a un amortiguador de aceite que tiene una constante de amorti-
guamiento de 400 dinas/seg/cm, determnese el movimiento subsecuente si la
masa es empujada hacia abajo una distancia adicional de 2 cm y soltada luego.

Solucion: u(t) = e10t (2 cos(4 6t) + 56 sen(4 6t)) cms.
Captulo 15
Sistemas de ecuaciones
diferenciales ordinarias
15.1. Introduccion
A menudo, en una ecuacion diferencial ordinaria para una funcion x(t) aparecen
funciones cuya forma explcita no es conocida y sobre las cuales tenemos la unica
informacion de que son solucion de otras ecuaciones diferenciales ordinarias. Estas
ecuaciones pueden, a su vez, contener a la propia funcion x(t). Esta situacion da
lugar a los sistemas de ecuaciones diferenciales, en los que tenemos que resolver todas
las ecuaciones simultaneamente.
15.2. Conceptos generales
Un sistema de n ecuaciones diferenciales lineales es de la forma

dx1
(t) = a11 (t)x1 (t) + a12 (t)x2 (t) + ... + a1n (t)xn (t) + F1 (t) (15.1)
dt
dx2
(t) = a21 (t)x1 (t) + a22 (t)x2 (t) + ... + a2n (t)xn (t) + F2 (t) (15.2)
dt
...
dxn
(t) = an1 (t)x1 (t) + an2 (t)x2 (t) + ... + ann (t)xn (t) + Fn (t) (15.3)
dt
donde suponemos que todas las funciones aij (t) y Fi (t) son continuas en el intervalo
real a t b.
309
310 Captulo 15. Sistemas de ecuaciones diferenciales ordinarias
Definicion 15.1. Si Fi (t) = 0, i = 1, 2, .., n para todo t, el sistema (15.1)-(15.3) se

llama homogeneo. En caso contrario recibe el nombre de no-homogeneo.
Definicion 15.2. Si aij (t), i, j = 1, 2, ..., n, es constante para todo t, el sistema
(15.1)-(15.3) se llama de coeficientes constantes.
El sistema (15.1)-(15.3) puede escribirse en forma compacta como sigue:
X n
dxi
(t) = aij (t)xj (t) + Fi (t) (i = 1, 2, ..., n).
dt j=1
y de forma aun mas compacta mediante el uso de vectores y matrices. Sean

a11 (t) a12 (t) ... a1n (t)
a21 (t) a22 (t) ... a2n (t)

A(t) . .. ..
.. . .
an1 (t) an2 (t) ... ann (t)

F1 (t) x1 (t)
F2 (t) x2 (t)

F(t) .. , x(t) ..
. .
Fn (t) xn (t)
Entonces, el sistema (15.1)-(15.3) es
dx
(t) = A(t)x(t) + F(t) (15.4)
dt
expresion a menudo llamada ecuacion diferencial vectorial correspondiente al sistema.
Definicion 15.3. Por solucion de la ecuacion diferencial vectorial (15.4) entendemos
una funcion vectorial columna n 1

1 (t)
2 (t)

.
..
n (t)
cuyas componentes 1 , 2 , ..., n tienen, cada una de ellas, derivada continua en el

intervalo real a t b, y satisfacen
d
(t) = A(t)(t) + F(t)
dt
para todo t [a, b].
15.3. Sistemas lineales homogeneos 311
La existencia de soluciones de un sistema dado esta garantizada por el siguiente

teorema:
Teorema 15.1. Supongamos que todas las componentes de A(t) y F(t) son funciones
continuas en [a, b]. Sea t0 un punto de [a, b] y sea

c1
c2

c .
..
cn
un vector columna formado por n numeros reales arbitrarios. Entonces existe una
solucion unica en [a, b] de la ecuacion (15.4), p , tal que
p (t0 ) = c
Concluimos esta seccion haciendo notar que una ecuacion diferencial lineal de orden
n es reducible a un sistema de orden n. En efecto, consideremos la ecuacion
dn x dn1 x dx
n
+ a n1 (t) n1
+ ... + a1 (t) + a0 (t)x = F (t)
dt dt dt
y hagamos
x(t) x1 (t)

dx1 (t) dx(t)
= x2 (t)
dt dt
2

dx2 (t) d x(t)
= x3 (t)
dt2 dt2

dn1 x(t) dn1 x(t)
= xn (t)
dtn1 dtn1
Entonces se verifica:
dxn (t)
= F (t) an1 (t)xn (t) ... a1 (t)x2 (t) a0 (t)x1 (t)
dt
Este hecho reduce el calculo de soluciones de una ecuacion de orden n al calculo de
soluciones del sistema de n ecuaciones lineales asociado.
15.3. Sistemas lineales homogeneos
Una familia importante de sistemas lineales son los homogeneos (es decir, aquellos en
los que F(t) = 0). La razon estriba en el hecho de que las soluciones de los sistemas
lineales generales se construyen a partir de las soluciones de los sistemas homogeneos

asociados que se obtienen de los primeros haciendo F(t) = 0.
Una propiedad esencial del conjunto de soluciones de un sistema lineal homogeneo es

su caracter de espacio vectorial.
Teorema 15.2. Una combinacion lineal de m soluciones de la ecuacion diferencial
vectorial homogenea
dx
(t) = A(t)x(t) (15.5)
dt
es tambien solucion de 15.5
Veremos que, de hecho, el conjunto de soluciones, que tiene estructura de espacio

vectorial, tiene como base un conjunto de n soluciones si el sistema es de orden n.
Supongamos que encontramos n soluciones: 1 , 2 ,...,n que en notacion de vectores
columna seran

11 12 1n
21 22 2n

1 = . , 2 = . , ..., n = .
.. .. ..
n1 n2 nn
Definicion 15.4. El determinante n n

11 12 ... 1n

21 22 2n

.. .. ..
. . .

... nn
n1 n2
se denomina Wronskiano de las n funciones vectoriales y se denota por W (1 ,2 ,...,n )

y su valor en t por W (1 ,2 ,...,n )(t).
Teorema 15.3. Sean 1 ,2 ,...,n n soluciones de una ecuacion diferencial vectorial
homogenea en el intervalo [a, b]. entonces
W (1 , 2 , ..., n )(t) = 0 para todo t [a, b]
o bien W (1 , 2 , ..., n )(t) =
6 0 para todo t [a, b]
Una consecuencia de este teorema es que n soluciones 1 ,2 ,...,n de una ecuacion

diferencial vectorial homogenea son linealmente independientes en todo el intervalo
de t si lo son en un punto. Si esto ocurre, constituyen una base del conjunto de todas
las soluciones. Se dice entonces que forman un conjunto fundamental y a la matriz

11 (t) 12 (t) ... 1n (t)
21 (t) 22 (t) 2n (t)

.. .. ..
. . .
n1 (t) n2 (t) ... nn (t)
15.4. Sistemas lineales no homogeneos 313
se le llama matriz fundamental.

Teorema 15.4. a) Existe un conjunto fundamental del sistema homogeneo de orden
n
dx
(t) = A(t)x(t)
dt
b) Toda solucion del sistema homogeneo es expresable como combinacion lineal de las
n soluciones del conjunto fundamental.
15.4. Sistemas lineales no homogeneos
Al igual que en el caso de las ecuaciones lineales de orden n, las soluciones de un sis-
tema lineal no homogeneo son tambien suma de una solucion particular del problema
homogeneo y la solucion general del problema homogeneo asociado. Mas precisamente,
Teorema 15.5. Sea 0 una solucion cualquiera (solucion particular) de la ecuacion
diferencial vectorial lineal no homogenea
dx
(t) = A(t)x(t) + F(t); (15.6)
dt
sea 1 , 2 , ..., n un conjunto fundamental de soluciones de la ecuacion homogenea
correspondiente
dx
(t) = A(t)x(t)
dt
y sean c1 , c2 ,...,cn n numeros reales.
Entonces la funcion vectorial

0 + c1 1 + c2 2 + ... + cn n (15.7)
es tambien una solucion de la ecuacion diferencial no homogenea para cualesquiera
valores de ci . Ademas, toda solucion de la ecuacion no homogenea es de la forma
(15.7) para elecciones adecuadas de c1 , c2 , ..., cn . A la expresion (15.7) se le llama
solucion general del sistema.
Notemos que la solucion general se puede expresar en la forma

0 (t) + (t)c
siendo (t) la matriz fundamental y

c1
c2

c= ..
.
cn
Busquemos la solucion particular 0 mediante variacion de constantes. Supongamos

que es de la forma (t)c(t). Si insertamos esta expresion en (15.6) obtendremos
d(t) dc(t)
c(t) + (t) = A(t)(t)c(t) + F(t)
dt dt
Usando el hecho de que d(t)
dt = A(t)(t) (por ser cada columna de solucion del
problema homogeneo) podemos deducir a partir de la ecuacion anterior
dc(t)
(t) = F(t)
dt
De donde podemos concluir
Z t
c(t) = 1 ( )F( )d
0
y una solucion particular es pues

Z t
0 (t) = (t) 1 ( )F( )d
0
El problema de resolver un sistema lineal no homogeneo queda pues reducido a ha-

llar un sistema fundamental del problema homogeneo asociado. Esto no es sencillo
en general. Nosotros nos concentraremos en los sistemas con coeficientes constantes
para los que s existe una teora relativamente simple que permite hallar conjuntos
fundamentales de sistemas homogeneos.
15.5. Sistemas lineales con coeficientes constantes
15.5.1. Solucion en el caso general
Si la matriz A(t) de un sistema homogeneo tiene todos sus coeficientes independientes

del tiempo, entonces se puede expresar simplemente como A y el sistema homogeneo
asociado como
dx
(t) = Ax(t) (15.8)
dt
Las soluciones las buscaremos de la forma

x(t) = et
siendo un vector de componentes reales e independientes de t y un numero
(no necesariamente real en principio) a determinar. Insertando esta expresion en la
ecuacion se obtiene
et = Aet
15.5. Sistemas lineales con coeficientes constantes 315
o, simplificando,
= A
lo cual implica que es un autovalor de A y un autovector. Por tanto, un primer
paso para hallar soluciones de (15.8) es buscar autovalores y autovectores de A, es
decir, resolver
(A I) = 0
Recordemos que los autovalores se hallan calculando las n races complejas 1 , 2 ,...,n
de |A I| = 0 y los autovectores correspondientes resolviendo (A i I) = 0. Una
vez calculados los n autovalores, se presentan las siguientes posibilidades:
1) Todos los autovalores son distintos
a) Si el autovalor j es real, entonces una solucion del sistema es
j ej t
siendo j el correspondiente autovector.
b) Si un cierto autovalor j es complejo, es decir, de la forma j = + i con y

reales, entonces necesariamente su conjugado i ha de ser tambien autovalor. La
autofuncion compleja de A correspondiente a + i sera j y la de i sera j .
Dos soluciones complejas seran pues
j e(+i)t y j e(i)t
Evidentemente, no nos sirven las soluciones complejas para nuestro sistema (sus so-
luciones han de ser reales), pero con las soluciones complejas construidas se pueden
hallar dos reales linealmente independientes:
j e(+i)t + j e(i)t j e(+i)t j e(i)t

y
2 2i
que se pueden combinar para formar las soluciones
1 et cos(t) , 2 et sen(t)
en donde 1 y 2 son dos vectores de componentes reales.
2) Existen autovalores repetidos
Si un cierto autovalor j esta repetido r veces y la dimension del subespacio propio

es r entonces r soluciones son de la forma
1j ej t , 2j ej t , ..., rj ej t
donde 1j , 2j , ..., rj son base del subespacio propio. Si la dimension del subespacio
propio es m < r la situacion se vuelve mas complicada. Concentremonos en el caso
mas simple: r = 2. Hay dos posibilidades. La primera es que el subespacio propio sea
de dimension 2 y estamos en la situacion de arriba. La segunda es que el subespacio
propio sea de dimension 1. Entonces una solucion es 1j ej t con 1j un autovector y
la otra es j tej t con j satisfaciendo
(A I) j = 1j
15.5.2. Solucion en el caso n = 2
En este caso es corriente dibujar las soluciones en el plano x1 x2 en forma de curva

parametrizada con t. Hay varias situaciones posibles dependiendo del caracter de los
dos autovalores 1 , 2 .
I. Las races 1 , 2 son reales y distintas.
a) 1 < 0, 2 < 0. El punto (x1 , x2 ) = (0, 0) se denomina nodo estable.
b) 1 > 0, 2 > 0. El punto (x1 , x2 ) = (0, 0) se denomina nodo inestable.
c) 1 > 0, 2 < 0. El punto (x1 , x2 ) = (0, 0) se denomina punto de ensilladura.
II. Las races 1 = + i, 2 = i son complejas conjugadas.
a) < 0, 6= 0. El punto (x1 , x2 ) = (0, 0) se denomina foco estable.
b) > 0, 6= 0. El punto (x1 , x2 ) = (0, 0) se denomina foco inestable.
c) = 0, 6= 0. El punto (x1 , x2 ) = (0, 0) se denomina centro.
III. Las races son multiples, 1 = 2 . Dependiendo de que el signo sea positivo o
negativo sera en (0, 0) un nodo inestable o estable.
Nota 15.1. Esta clasificacion del origen dependiendo del comportamiento de las
soluciones cerca de el se puede extender a los puntos de equilibrio en sistemas de
ecuaciones no lineales. Consideremos un sistema de la forma
dx1
= f1 (x1 , x2 ) (15.9)
dt
dx2
= f2 (x1 , x2 ) (15.10)
dt
y supongamos que f1 (x01 , x02 ) = f2 (x01 , x02 ) = 0 para un punto (x01 , x02 ) (es decir,
el punto (x01 , x02 ) es de equilibrio, ya que una solucion del sistema es (x1 (t), x2 (t)) =
(x01 , x02 )). Podemos hacer un desarrollo de Taylor lineal de f1 , f2 en torno a (x01 , x02 )
y obtener
fi fi
fi (x1 , x2 ) ' fi (x01 , x02 ) + (x01 , x02 )(x1 x01 ) + (x01 , x02 )(x2 x02 )
x1 x2
= 0 + ai1 (x1 x01 ) + ai2 (x2 x02 )

Definiendo xi x0i = xei tendremos que el sistema (15.9),(15.10) se escribe, cerca del
punto de equilibrio,
df
x1
= a11 x
f1 + a12 x
f2 (15.11)
dt
df
x2
= a21 x
f1 + a22 x
f2 (15.12)
dt
y el comportamiento de las soluciones corresponde con el de las soluciones de este
sistema homogeneo.
el captulo 8 de [59] y los captulos 18 y 19 de [55].
15.7. Ejercicios
1. Resolver los siguientes sistemas de ecuaciones diferenciales ordinarias:
dx
a) dt = x 2y
dy
dt = x + 3y
dx
b) dt + 3x + y = 0 con condiciones iniciales x(0) = y(0) = 1
dy
dt x + y = 0
dx
c) dt = 7x + y
dy
dt = 2x 5y
Solucion: a) x(t) = (C1 C2 )e2t cos t (C1 + C2 )e2t sen t , y(t) = (C1 sen t +
C2 cos t)e2t ,
b) x(t) = e2t (1 2t), y(t) = e2t (1 + 2t), c) x(t) = (C1 3C1 t 3C2 )e5t ,
y(t) = (C1 t + C2 )e5t .
2. Determinar el caracter de los puntos de equilibrio para los siguientes sistemas

de ecuaciones diferenciales:
dx
a) dt = 3x + y
dy
dt = 2x + y
dx
b) dt = x + 2y
dy
dt = x + y
dx
c) dt = x + 3y
dy
dt = x + y
Solucion: a) Foco inestable, b) Punto de ensilladura, c) Centro.

Captulo 16
Tecnicas basicas de calculo

numerico
16.1. Introduccion
La mayora de los problemas matematicos importantes relacionados con la integracion,

la diferenciacion y las ecuaciones diferenciales son resolubles mediante una compu-
tadora aunque no se sepan resolver analticamente. Evidentemente, la solucion de la
que hablamos es aproximada, pero a efectos practicos (obtencion de resultados cua-
litativamente correctos y cuantitativamente tan proximos al resultado correcto como
la potencia del computador permita) es correcta. La formulacion exacta de los pro-
cedimientos numericos no es tan importante como el comprender la filosofa de los
metodos, y es por ello que haremos enfasis fundamental en la deduccion de estos
ultimos y en el error que acarrean.
16.2. Interpolacion de Lagrange
Se considera a continuacion el problema de hallar un polinomio que coincida con

los valores que una funcion toma en un conjunto finito y discreto de puntos de un
intervalo. Al proceso de encontrar tales polinomios se le denomina Interpolacion de
Lagrange.
Se considerara un intervalo cerrado [a, b] de lR, acotado, una funcion f definida en

[a, b] y un conjunto de n + 1 puntos distintos {x0 , x1 , ..., xn } pertenecientes a [a, b].
319
320 Captulo 16. Tecnicas basicas de calculo numerico
En cuanto a la funcion f se refiere, bastara con conocer los valores que toma la funcion
n
en los puntos {xi }i=0 .
Teorema 16.1. En las condiciones anteriores el polinomio

n
X
pn (x) = f (xi )Li (x) (16.1)
i=0
con
Yn
(x xj )
Li (x) =
j=0
(xi xj )
i6=j
es el unico polinomio de grado menor o igual que n ( Pn (x)) que verifica
pn (xi ) = f (xi ) , i = 0, 1, ..., n
Definicion 16.1. a) El polinomio definido por (16.1) se denomina polinomio in-

n
terpolador de Lagrange de f respecto a los puntos {xi }i=0 .
b) Las funciones Li (x) (i = 0, 1, ..., n) se denominan Polinomios de base de La-

n
grange asociados a los puntos {xi }i=0 .
n
c) Al conjunto de puntos {xi }i=0 se le denomina soporte de la interpolacion.
Nota 16.1. Li (x) es el unico polinomio de grado menor o igual a n tal que Li (x) = ji .
1
L0 L1
0.8
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1

x
Figura 16.1: Polinomios de base de Lagrange de grado 1.

16.3. Acotacion del error de interpolacion 321
1
L0 L2
0.8
L1
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 16.2: Polinomios de base de Lagrange de grado 2.
16.3. Acotacion del error de interpolacion
Si se va a utilizar el polinomio interpolador de Lagrange para predecir el valor que

toma una cierta funcion f en algun punto de un intervalo [a, b] es conveniente conocer
el error que se comete:
E(x) = f (x) pn (x)
Evidentemente, si el punto en que se estima el error es un punto del soporte de la

interpolacion, dicho error sera nulo.
Por otro lado, si de f no se conoce mas que los valores que toma en los puntos del
n
soporte, {f (xi )}i=0 , es evidente que nada se puede decir sobre E(x). En efecto, se
puede cambiar f fuera del soporte sin modificar pn (x). Por tanto se deben hacer
hipotesis suplementarias sobre la funcion f . Dichas hipotesis seran fundamentalmente
hipotesis de regularidad.
Teorema 16.2. Si f C n+1 ([a, b] , lR) para todo x [a, b], entonces existe x perte-
neciente al mas pequeno intervalo cerrado que contenga a x, x0 , ...., xn tal que
f (n+1) ( x )
E(x) = f (x) pn (x) = n (x)
(n + 1)!
donde pn (x) es el polinomio interpolador de Lagrange de f en el soporte {x0 , x1 , ..., xn }

y
Yn
n (x) = (x xi )
i=0
Corolario 16.3. Designando por

M = max f (n+1) (x)
x[a,b]
se verifica
M
|E(x)|x[a,b] |n (x)|
(n + 1)!
En la figura 16.3 se ha dibujado, en el intervalo [0, 3/2], la funcion sen(x) y sus

tres primeros polinomios de Lagrange. En la figura se aprecia como al aumentar el
numero de puntos del soporte de interpolacion y por lo tanto el grado del polinomio
interpolador el error disminuye.
1
f
p3
0.5 p2
0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.5
p1
Figura 16.3: La funcion sen(x) y los polinomios de Lagrange de grados 1, 2 y 3.
16.4. Formula de Newton
Considerese el polinomio interpolador de Lagrange, pn , de una funcion f en un so-

porte de n puntos. Supongase que con el fin de reducir el error de interpolacion, se
decide anadir un punto mas al soporte. Esto obligara, dado que se han utilizado los
polinomios de base de Lagrange, a rehacer todos los calculos para obtener pn+1 . A
continuacion se vera como simplificar este proceso mediante una nueva tecnica de
calculo del polinomio de Lagrange en la que no es necesario calcular los polinomios
de base, y en la que el polinomio pn+1 se puede obtener a partir del polinomio pn .
Definicion 16.2. Se denomina diferencia dividida de una funcion f respecto a un

16.4. Formula de Newton 323
soporte {x0 , x1 , ..., xn } al siguiente numero real

f [x0 , ..., xn1 ] f [x1 , ..., xn ]
f [x0 , ..., xn ] =
(x0 xn )
con f [xi ] = f (xi ) (i = 0, 1, ..., n).
Nota 16.2. La forma de obtener las diferencias divididas es por lo tanto recursiva.
Se calculan a partir de su propia definicion aplicada a un soporte disminuido en un
punto:
f (x0 ) f [x0 , x1 ] f [x0 , x1 , x2 ] ..f [x0 , ..., xn1 ] f [x0 , ..., xn ]
% % %
f (x1 ) f [x1 , x2 ] f [x1 , x2 , x3 ] ..f [x1 , x1 , ..., xn ]
% %
f (x2 ) f [x2 , x3 ]
%
f (x3 )
... ... ... ... ... ....
f (xn2 ) f [xn2 , xn1 ] f [xn2 , xn1 , xn ]
% %
f (xn1 ) f [xn1 , xn ]
%
f (xn )
Esta tabla se llama tabla de Frasser y Logenze.
Nota 16.3. El valor de la diferencia dividida es independiente del orden en el que se
tomen los puntos del soporte.
Teorema 16.4. (Formula de Newton). Sea f una funcion definida sobre un inter-
valo [a, b] de la que se conocen los valores que toma en un soporte {x0 , x1 , ..., xn }. El
n
polinomio interpolador de Lagrange de f respecto a {xi }i=0 se puede calcular mediante
la siguiente formula:
n
X i1
Y
pn (x) = f (x0 ) + f [x0 , ..., xi ] (x xj )
i=1 j=0
Nota 16.4. La formula anterior permite calcular pn a partir de pn1

n1
Y
pn (x) = pn1 (x) + f [x0 , ..., xn ] (x xi )
i=0
n1
De este modo si se ha realizado una interpolacion sobre n puntos {xi }i=0 , y si se
quiere realizar una nueva interpolacion anadiendo un puntoQal soporte no es necesario
n1
rehacer todos los calculos, basta con calcular f [x0 , ..., xn ] i=0 (x xi ).
16.5. Derivacion numerica
En los problemas fsicos y tecnicos muchas veces deben manejarse funciones tan solo
conocidas en un conjunto discreto de puntos o que tienen expresiones demasiado
complicadas para su rapida derivacion mediante un programa de calculo simbolico.
En estos casos el calculo del valor aproximado de la derivada de una de tales funciones
se realiza mediante derivacion numerica. La derivacion numerica resuelve, por lo tanto,
el siguiente problema: Conocidos los valores de una funcion f (x0 ), . . . , f (xn ) en un
soporte de n + 1 puntos, {xi }ni=0 [a, b], calcular el valor (aproximado) de la derivada
de la funcion en un punto x [a, b] .
Empezaremos introduciendo el ejemplo mas sencillo de formula de derivacion numeri-

ca. Sea f C 1 ([a, b], lR), entonces
f (x + h) f (x)
f 0 (x) = lm
h0 h
Si h es suficientemente pequeno:
f (x + h) f (x)
f 0 (x) = c0 f (x + h) + c1 f (x) (16.2)
h
con c0 = h1 , c1 = h1 . Si se conocen los valores de la funcion en los puntos x y x + h

se puede calcular el valor de f 0 en x a partir de la formula (16.2). Desarrollos mas
completos y con mas puntos soporte conducen, en general, a formulas del siguiente
tipo (expresion general de una formula de derivacion numerica):
n
X
f 0 (x) = ci f (xi ) + R(f ) (16.3)
i=1
n n
En donde: {xi }i=0 = soporte de la formula, {ci }i=0 = coeficientes de la formula,
R(f ) = error de la formula. Se dira que la formula (16.3) es exacta de orden k si
es exacta para los k + 1 monomios {1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k).
Es facil demostrar que si una formula de derivacion numerica es exacta de orden k
entonces es exacta para cualquier polinomio de grado k. En el siguiente apartado
se va a estudiar un subconjunto importante de las formulas (16.3): las formulas de
derivacion numerica de tipo interpolatorio.
16.6. Formulas de derivacion numerica de tipo interpolatorio 325
16.6. Formulas de derivacion numerica de tipo in-

terpolatorio
Para obtener formulas de aproximacion de la derivada de tipo interpolatorio, supon-

gamos que {x0 , x1 , ..., xn } son (n + 1) numeros distintos en algun intervalo I y que
f C n+1 (I). Entonces, por interpolacion de Lagrange,
n
X f (n+1) ( x )
f (x) = f (xi )Li (x) + n (x) .
i=0
(n + 1)!
Al derivar esta expresion obtenemos

n (n+1) 0
X f (n+1) ( x ) 0 f ( x )
0
f (x) = f (xi )L0i (x) + (x) + n (x)
i=0
(n + 1)! n (n + 1)!
0
f (n+1) ( xj )
Pero en xj se tendra que (n+1)! n (xj ) = 0 de modo que
n
X f (n+1) ( xj )
f 0 (xj ) = f (xi )L0i (xj ) + 0n (xj )
i=0
(n + 1)!
n
X n
f (n+1) ( xj ) Y
= f (xi )L0i (xj ) + (xj xk ) (16.4)
i=0
(n + 1)!
k=0
k6=j
A esta formula se le llama formula de derivacion numerica de tipo interpola-

torio de (n + 1) puntos para aproximar f 0 (xj ), ya que se usa una combinacion lineal
de los n + 1 valores f (xk ) para k = 0, 1, ..., n. Es por lo tanto un caso particular de la
f (n+1) ( x ) Qn
formula (16.3) en donde ci = L0i (xj ) (i = 0, . . . , n) y R(f ) = (n+1)! j k=0 (xj xk ).
k6=j
En la practica no se utiliza esta expresion para estimar el error, sino que se utilizan los
desarrollos de Taylor en los puntos en donde se evalua la funcion. Se puede demostrar
que la formula (16.4) es exacta de orden n1 , o dicho de otra forma, que es exacta
para todo polinomio de grado menor o igual que n. En toda formula exacta de orden
n al estimar el error, combinando pertinentemente los desarrollos de Taylor, el resto
resultante (y por lo tanto el error) es igual a O(hn ).
As, si consideramos tres puntos equidistantes, x0 , x1 = x0 +h, x2 = x0 +2h, podemos

deducir las siguientes formulas de 3 puntos:

0 1 3 1 h2
f (x0 ) = f (x0 ) + 2f (x1 ) f (x2 ) + f (3) ( 0 )
h 2 2 2
1 puede ser de orden aun mayor, pero el orden n esta garantizado.

0 1 1 1 h2
f (x1 ) = f (x0 ) + f (x2 ) f (3) ( 1 )
h 2 2 6

1 1 3 h2
f 0 (x2 ) = f (x0 ) 2f (x1 ) + f (x2 ) + f (3) ( 2 )
h 2 2 3
La tercera ecuacion es igual a la primera tras intercambiar x0 por x2 y h por h, de
modo que hay solo dos aproximaciones a la derivada distintas. La primera se puede
reescribir (haciendo x0 = a) como

0 1 3 1 h2
f (a) = f (a) + 2f (a + h) f (a + 2h) + f (3) ()
h 2 2 2
y la segunda (haciendo x1 = a),

1 1 1 h2
f 0 (a) = f (a h) + f (a + h) f (3) ()
h 2 2 6
Con polinomios de Lagrange de grado 4 es posible obtener las siguientes formulas de

cinco puntos que aproximan a la derivada con errores O(h4 ):
1 h4
f 0 (a) = [f (a 2h) 8f (a h) + 8f (a + h) f (a + 2h)] + f (5) ()
12h 30
1
f 0 (a) = [25f (a) + 48f (a + h) 36f (a + 2h) + 16f (a + 3h)]
12h
h4
3f (a + 4h) + f (5) ()
30
16.7. Integracion numerica
Ya se ha comentado anteriormente que en muchas ocasiones hay que manejar fun-

ciones de las que unicamente se conoce el valor que toman en un conjunto finito de
puntos (soporte). Para integrar estas funciones en un intervalo [a, b] no se puede ha-
llar su antiderivada y aplicar el teorema fundamental del calculo. Hay que integrarlas
numericamente utilizando la unica informacion de que se dispone, que es el valor que
toman en los puntos del soporte.
La integracion numerica tambien se aplica en los casos en que no es posible o es difcil

hallar la primitiva de una funcion. Incluso aunque la primitiva sea facil de calcular, es
difcil describir mediante procesos elementales su calculo, por lo que en las aplicaciones
en las que el tiempo de calculo sea crtico es necesario usar integraciones numericas.
De forma similar al problema de la derivacion numerica, el problema de integracion

Rb
numerica consiste en hallar a f (x)dx a partir de los valores conocidos de f en un
16.8. Formulas de integracion numerica de tipo interpolatorio 327
cierto soporte {f (x0 ), ..., f (xn )}. En general las formulas numericas de integracion (o
de cuadratura) son de la forma
Z b n
X
f (x)dx = ci f (xi ) + R(f ) (16.5)
a i=0
n
Al igual que en las formulas de derivacion numerica a los {xi }i=0 se les conoce como
n
soporte de la formula, a los {ci }i=0 como coeficientes de la formula y a R(f )
como error de la formula. Es deseable que dicho error sea lo menor posible. Se
dira que la formula (16.5) es exacta de orden k si es exacta para los k + 1 monomios
{1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k). Es facil demostrar que si una formu-
la de integracion numerica es exacta de orden k entonces es exacta para cualquier
polinomio de grado k. En el siguiente apartado se va a estudiar un subconjun-
to importante de las formulas (16.5): las formulas de integracion numerica de tipo
interpolatorio.
16.8. Formulas de integracion numerica de tipo in-

terpolatorio
Considerese un soporte de (n + 1) puntos {x0 , x1 , ..., xn } en los que se conoce {f (x0 ),

f (x1 ), ..., f (xn )}. Segun lo visto en la interpolacion de Lagrange
n
X
f (x) = pn (x) + E(x) = f (xi )Li (x) + E(x)
i=0
Por tanto, se podra construir una formula de integracion numerica del siguiente modo
Z b Z b Z b X n
! Z b
f (x)dx = (pn (x) + E(x)) dx = f (xi )Li (x) dx + E(x)dx
a a a i=0 a
n
Z ! Z
X b b
= f (xi ) Li (x)dx + E(x)dx
i=0 a a
n
X
= ci f (xi ) + R(f ) (16.6)
i=0
con
Z b
ci = Li (x)dx
a
Z b
R(f ) = E(x)dx
a
La formula (16.6) se denomina formula de integracion numerica de tipo inter-

polatorio.
Teorema 16.5. La formula
Z b n
X
f (x)dx = ci f (xi ) + R(f )
a i=0
es exacta para todo polinomio de grado menor o igual que n si y solo si es de tipo
interpolatorio.
Nota 16.5. En los siguientes apartados se van a obtener diversas formulas de tipo
interpolatorio. Estas formulas se obtendran integrando el polinomio interpolador de
n
Lagrange de la funcion f (funcion a integrar) sobre el soporte {xi }i=0 (soporte de inte-
gracion). Para ello no es imprescindible calcular los polinomios de base de Lagrange.
Se pueden utilizar otras formas mas rapidas de calculo del polinomio interpolador
como por ejemplo la formula de Newton.
Nota 16.6. (Estimacion del error). En principio la expresion del error se obtiene
integrando la expresion del error de interpolacion correspondiente. Sin embargo, dicha
integracion no es siempre sencilla. Por ello se utilizaran desarrollos de Taylor para
evaluar R(f ). Esta evaluacion, al igual que suceda con las formulas de derivacion
numerica de tipo interpolatorio, se realiza dejando la expresion del error en funcion de
la separacion, h, de dos puntos consecutivos del soporte que se supondra equidistante.
16.9. Formulas mas usuales de integracion numeri-

ca
16.9.1. Formulas construidas sobre un soporte de un punto
Dado el soporte de un punto {x0 }, el polinomio interpolador de Lagrange sobre este

soporte de la funcion f (x) sera p0 (x) = f (x0 ), entonces
Z b Z b Z b
f (x)dx = p0 (x)dx + E(x)dx = f (x0 )(b a) + R(f )
a a a
a) Formula del rectangulo. En este caso el soporte coincide con el extremo izquier-
do del intervalo de integracion (x0 = a).
Z b
f (x)dx = f (a)(b a)
a
Estimacion del error: R(f ) = O(h2 ) (la formula es exacta de orden 2).
16.9. Formulas mas usuales de integracion numerica 329
Nota 16.7. Tambien se puede definir la formula del rectangulo con soporte en el lado
derecho (x0 = b).
a+b
b) Formula del punto medio. x0 = 2 . Entonces
Z b
a+b
f (x)dx = f ( )(b a) + R(f )
a 2
Estimacion del error: R(f ) = O(h3 ).
f(x)
f((a+b)/2)
a b
(a+b)/2
Figura 16.4: Formula del punto medio.
16.9.2. Formulas construidas sobre un soporte de dos puntos
Dado un soporte de dos puntos {x0 , x1 } el polinomio interpolador de Lagrange sobre

este soporte sera
p1 (x) = f (x0 ) + f [x0 , x1 ] (x x0 )
Entonces
Z b Z b Z b Z b
f (x)dx = p1 (x)dx+ E(x)dx = f (x0 )(ba)+f [x0 , x1 ] (xx0 )dx+R(f )
a a a a

(b x0 )2 (a x0 )2
= f (x0 )(b a) + f [x0 , x1 ] + R(f )
2 2
Pero
f (x0 ) f (x1 ) f (a) f (b)
f [x0 , x1 ] = =
x0 x1 ab
y por tanto
Z b
f (a) + f (b)
f (x)dx = (b a)
a 2
Estimacion del error: O(h3 ). Esta ultima formula se denomina Formula del trape-
cio.
f(b)
f(x)
f(a)
a b
Figura 16.5: Formula del trapecio.
16.10. Formulas de Newton-Cotes
Definicion 16.3. Se denominan formulas de Newton-Cotes a las formulas de

integracion de tipo interpolatorio obtenidas al tomar un soporte equidistante.
Se distinguen dos casos:
1) Si el soporte de integracion incluye los extremos del intervalo. Entonces se tienen

formulas de Newton-Cotes cerradas. Por lo tanto el soporte se puede escribir
como
ba
E = xi / xi = a + ih , (i = 0, 1, ..., n), h =
n
donde n es el numero de subintervalos en los que se divide [a, b].
2) Si el soporte de integracion no incluye los extremos de los intervalos. Entonces

se tienen formulas de Newton-Cotes abiertas. Por lo tanto el soporte se puede
escribir como

ba
E = xi / xi = a + (i + 1)h , (i = 0, 1, ..., n), h =
n+2
16.10. Formulas de Newton-Cotes 331
16.10.1. Formulas de Newton-Cotes cerradas
a) Soporte de 2 puntos {x0 , x1 }. Se obtiene de nuevo la formula del trapecio.

a+b
b) Soporte de 3 puntos {x0 , x1 , x2 }. x0 = a, x1 = 2 , x2 = b. Entonces,
f (x) = p2 (x) + E(x)
siendo p2 (x) el polinomio interpolador de Lagrange de f en el soporte E. Da lugar a

la formula de Simpson:
Z b
ba a+b
f (x)dx = f (a) + 4f + f (b)
a 6 2
Estimacion del error: O(h5 ).
f(b)
p(x)
f(a)
f(x)
f((a+b)/2)
a b
(a+b)/2
Figura 16.6: Formula de Simpson.
Para n puntos el soporte esta formado por los puntos x0 = a, x1 = a + h, ..., xi =

a + ih, ..., xn = a + nh = b con h = ba
n . En consecuencia, para el caso general, las
formulas de Newton-Cotes abiertas son de la forma:
Z n
b
baX
f (x)dx = cj f (xj ) + Error
a D j=0
donde los parametros se pueden esquematizar en la siguiente tabla:
n cj D |Error| Nombre
h3 00
1 (un punto) 1,1 2 12 f () Trapecio
h5 iv
2 (dos puntos) 1,4,1 6 90 f () Simpson
3h5 iv
3 (tres puntos) 1,3,3,1 8 80 f () Regla 38
8h7 vi
4 (cuatro puntos) 7,32,12,32,7 90 945 f () Milne
275h7 vi
5 (cinco puntos) 19,75,50,50,75,19 288 12096 f ()
9h9 viii
6 (seis puntos) 41,216,27,272,27,216,41 840 1400 f () Weddle
16.10.2. Formulas de Newton-Cotes abiertas
El soporte esta formado por los puntos x0 = a + h, ..., xi = a + (i + 1)h, ..., xn =

ba
a + (n + 1)h = b h con h = n+2 . Las formulas de Newton-Cotes abiertas son de la
forma:
Z b n
baX
f (x)dx = cj f (xj ) + Error
a D j=0
donde cj , D y el error vienen dados en la siguiente tabla:
n cj D |Error| Nombre
h3 00
1 (un punto) 1 1 3 f () Punto Medio
3h3 00
2 (dos puntos) 1,1 2 4 f ()
14h5 iv
3 (tres puntos) 2,-1,2 3 45 f ()
95h5 iv
4 (cuatro puntos) 11,1,1,11 24 144 f ()
16.11. Formulas de integracion numerica de tipo in-

terpolatorio compuestas
Cuanto mas se quiera aproximar el valor de una integral mediante las formulas de
Newton-Cotes, mas puntos se deberan incluir en el soporte de integracion. Al aumen-
tar el numero de puntos del soporte se iran complicando los calculos y aumentando
los errores de redondeo que inciden sobre el error total. Puede llegarse as al caso en
que aumentar el soporte en un punto conduzca a un mayor error total de integracion
numerica en lugar de a una disminucion. El valor n (numero de puntos del soporte)
tiene un lmite que no conviene sobrepasar. Surge entonces la idea de subdividir el
intervalo [a, b] en un cierto numero de subintervalos y emplear sobre cada uno de ellos
una formula con un soporte de pocos puntos.
16.12. Resolucion numerica de problemas de valor inicial para EDOs 333
Sea una particion de [a, b] en N subintervalos Ii = [xi1 , xi ] (i = 1, 2, ..., N ). Sobre

ni
cada subintervalo Ii se supondra conocida la funcion f en (ni + 1) puntos {xij }j=0 .
Entonces:
Z b XN Z xi XN X ni XN
f (x)dx = f (x)dx ' aij f (xij ) + Ri [f ]
a i=1 xi1 i=1 j=0 i=1
donde {aij } son los coeficientes de las formulas de integracion basadas en ni +1 puntos
utilizada sobre el intervalo Ii .
16.12. Resolucion numerica de problemas de valor

inicial para EDOs
Las ecuaciones diferenciales que se pueden resolver analticamente son muy escasas.
Habitualmente, cuando deseamos resolver un problema de valor inicial (PVI) asociado
a una cierta ecuacion diferencial ordinaria seremos incapaces de hacerlo. No obstante,
a menudo uno esta interesado no en la solucion analtica concreta, sino en valores
aproximados de la solucion para ciertos valores de las variable o en propiedades cua-
litativas de la misma. En estos casos, se impone el uso de metodos numericos que,
si bien no resuelven la ecuacion, dan lugar a conjuntos de puntos muy proximos (de
hecho, tan proximos como uno quiera) a puntos de la solucion.
16.12.1. El metodo de Euler
Consideremos el problema de valor inicial

dy
(t) = f (t, y(t)) , t0 t b
dt
y(t0 ) = y0 .
En general, la solucion de este problema es imposible de hallar en forma analtica. Los

metodos numericos de resolucion de EDOs generan aproximaciones a la solucion en
varios puntos, llamados puntos de red, en el intervalo [t0 , b]. Una vez obtenida la apro-
ximacion en los puntos, podemos obtener por interpolacion la solucion aproximada
en otros puntos del intervalo.
En primer lugar colocamos los puntos de la red distribuidos uniformemente en todo

el intervalo [t0 , b]. Para ello seleccionamos un entero positivo N y los puntos de la red
{t0 , t1 , ..., tN } donde
ti = t0 + ih, para cada i = 0, 1, 2, ..., N.
La distancia comun entre los puntos h = (b t0 )/N recibe el nombre de tamano de

paso.
Supongamos que y(t), solucion del problema de valor inicial, tiene dos derivadas con-
tinuas en [t0 , b], de modo que podemos escribir, desarrollando por Taylor
1 1
y(ti+1 ) = y(ti ) + y 0 (ti )(ti+1 ti ) + y 00 ( i )(ti+1 ti )2 = y(ti ) + y 0 (ti )h + y 00 ( i )h2 .
2 2
Como y(t) satisface la ecuacion diferencial se puede escribir
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y 00 ( i )h2 = y(ti ) + f (ti , y(ti ))h + O(h2 ) (16.7)
2
El metodo de Euler construye wi y(ti ) para cada i = 1, 2, ..., N al eliminar el termino

restante (que es de orden cuadratico en el tamano de paso) en 16.7; obteniendose, por
tanto, el siguiente algoritmo:
w0 = y0
wi+1 = wi + f (ti , wi )h (i = 0, . . . , N 1).
Teorema 16.6. Si la funcion f (t, y) es diferenciable en [t0 , b] (, ) y f y

esta acotada, entonces las aproximaciones generadas con el metodo de Euler para
cualquier tamano de paso h aproximan a la solucion del problema de valor inicial con
un error O(h).
Cuanto mas pequeno sea el tamano de paso, entonces, menor sera el error cometido
al aproximar la solucion del PVI por la aproximacion de Euler.
16.12.2. Regla del punto medio
Cerca de un ti podemos escribir, gracias a la formula de Taylor,
1
y(t) = y(ti ) + y 0 (ti )(t ti ) + y 00 (ti )(t ti )2 + O((t ti )3 )
2
De modo que
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y 00 (ti )h2 + O(h3 )
2
1
y(ti1 ) = y(ti ) f (ti , y(ti ))h + y 00 (ti )h2 + O(h3 )
2
Restando ambas ecuaciones concluimos

y(ti+1 ) y(ti1 ) = 2f (ti , y(ti ))h + O(h3 )
y deducimos la regla del punto medio:
wi+1 = wi1 + 2f (ti , wi ))h
El problema de esta regla es que para calcular todos los valores de y(ti ) necesitamos
aparte de y(t0 ) el valor de y(t1 ). Esto exigira el empleo de otro metodo para esti-
mar y(t1 ) (Euler por ejemplo) y si queremos preservar el orden del error, hacer esa
estimacion con un tamano de paso mucho mas pequeno que h.
El error es O(h2 ).
16.12.3. Metodos de Runge-Kutta
Los metodos de Runge-Kutta alcanzan mayores precisiones (de hecho, el metodo de

Euler se puede considerar un caso particular de los metodos de Runge-Kutta). El
metodo de Runge-Kutta de segundo orden aproxima la solucion del PVI por
w0 = y0
1
wi+1 = wi + [hf (ti , wi ) + hf (ti , wi + hf (ti , wi ))] .
2
El error es O(h2 ).
El metodo de Runge Kutta de cuarto orden aproxima la solucion del PVI por
w0 = y0
1
wi+1 = wi + [k1 + 2k2 + 2k3 + k4 ]
6
h k1
donde k1 = hf (ti , wi ), k2 = hf (ti + , wi + ),
2 2
h k2
k3 = hf (ti + , wi + ), k4 = hf (ti+1 , wi + k3 ) .
2 2
El error es O(h4 ).
los captulos 3, 4 y 5 de [60].
Para profundizar mas en el tema, ver [62], [65], [60] y [64].

16.14. Ejercicios
1. Determinar el polinomio
interpolador de Lagrange de la funcion
f (x) =
sen x en el intervalo 0, 2 con el soporte de interpolacion 0, 4 , 2 .

Solucion: p(x) = 82 (1 2)x2 + 2 (2 2 1)x.

2. Sea f (x) = sen(5x + 2). Siendo x0 = 0 y x1 = 10 se pide:
a) Determinar los polinomios de base de Lagrange asociados al soporte

{x0 , x1 }.
Solucion: L0 (x) = 1 10 10
x, L1 (x) = x.
b) Determinar el polinomio interpolador de Lagrange sobre el soporte
{x0 , x1 }.
Solucion:
10
p(x) = sen 2 + sen 2 + sen 2 x 00 9092974268 40 219020124x
2
c) Determinar la expresion del error de interpolacion.

Solucion: x 0, 10 , c 0, 10 tal que
25 sen(5c + 2) 2
E(x) = x x
2 10
d ) Hallar una cota del error de interpolacion en el intervalo [x0 , x1 ].

Solucion: E(x) 25 sen
2
2 0
0 024674 00 2804501.
3. Sea f (x) = 2xe(4x+2) . Siendo x0 = 00 2 y x1 = 1 se pide:
a) Determinar los polinomios de base de Lagrange asociados al soporte

{x0 , x1 }.
Solucion: L0 (x) = 10 25x + 10 25, L1 (x) = 10 25x 0 25.
b) Determinar el polinomio interpolador de Lagrange sobre el soporte
{x0 , x1 }.
Solucion: p(x) = 00 0291656 00 0242081x.
c) Determinar la expresion del error de interpolacion.
Solucion: x [00 2, 1], c [00 2, 1] tal que
(32c 16)e(4c+2) 2
E(x) = (x 10 2x + 00 2).
2
d ) Hallar una cota del error de interpolacion en el intervalo [x0 , x1 ].

Solucion: E(x) 00 04670212809.
4. Siendo f (x) = 2xe(4x+2) y considerando en el intervalo [00 2, 1] los puntos

x0 = 00 2, x1 = 00 6 y x2 = 1 se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte {x0 , x1 ,

x2 }.
Solucion:
x2 10 6x + 00 6 x2 10 2x + 00 2
L0 (x) = , L 1 (x) = ,
00 32 00 16
x2 00 8x + 00 12
L2 (x) =
00 32
b) Determinar el polinomio interpolador de Lagrange de la funcion f (x)
sobre el soporte {x0 , x1 , x2 }.
Solucion: p(x) = 50 75 104 x2 00 0235177x + 00 0290505.
c) Escribir la expresion del error de interpolacion.
Solucion: x [00 2, 1], c [00 2, 1] tal que
1
E(x) = (96 128c)e(4c+2) (x 00 2)(x 00 6)(x 1).
6
d ) Determinar una cota del error de interpolacion.

Solucion: |E(x)| 00 0175762.
5. Sea
f (x) = sen(5x + 2).

Siendo x0 = 0, x1 = 20 , x2 = 10 , se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte de

tres puntos {x0 , x1 , x2 }.
Solucion:
3 2
x2 20 x + 200 x2 + 10 x2 20 x
L0 (x) = 2
, L1 (x) = 2
, L2 (x) = 2
.
200 400 200
b) Determinar el polinomio interpolador de Lagrange de la funcion f (x)

sobre el soporte {x0 , x1 , x2 }.
Solucion: p(x) = 40 1393675x2 20 9185993x + 00 9092974.
c) Escribir la expresion del error de interpolacion.

Solucion: x 0, 10 , c 0, 10 tal que
125 cos(5c + 2)
E(x) = x x x x
6 20 10
d ) Determinar una cota del error de interpolacion.

Solucion: |E(x)| 00 0310416.
6. Calcular los polinomios de base de Lagrange para el soporte de interpolacion

formado por los puntos {10 2, 20 4, 40 6, 50 0, 50 7, 60 3}.
Solucion:
L0 (x) = 50 5709 60 5081x + 20 9189x2 00 6350x3 + 00 0675x4 00 0028x5

L1 (x) = 110 2194 + 170 7815x 90 3918x2 + 20 2643x3 00 2581x4 + 00 0113x5
L2 (x) = 920 4217 1640 896x + 1020 552x2 + 280 595x3 + 30 681x4 00 012x5
L3 (x) = 1320 284 + 2380 317x 1500 429x2 + 420 752x3 50 617x4 + 00 278x5
L4 (x) = 600 827 1110 077x + 710 599x2 200 931x3 + 20 842x4 00 146x5
L5 (x) = 140 3159 + 260 3817x 170 2501x2 + 50 1444x3 00 7166x4 + 00 0379x5
7. Hallar el polinomio
interpolador
de Lagrange de la funcion f (x) = cos x
en el soporte 0, 6 , 3 , 2 . Hallar el valor del polinomio en el punto x = 1 y
comparar con el resultado exacto. Comparese el error real con la cota del error
de interpolacion.
Solucion: p(x) = 1 + 1 00 0884572x 1 0
2 5 9422863x
2
+ 1 0 3
3 3 5307436x .
Valor en x = 1: p(1) = 00 5399493 y cos 1 = 0 5403023.0
Error real: 00 000353, Cota del error: 00 000535.
8. Construir la tabla de diferencias divididas de la funcion f (x) = sen x en

el soporte formado por los puntos 0, 4 , 2 . Con ella calculese el polinomio
interpolador de Lagrange de la funcion sen x en el soporte anterior.
Solucion:
x0 = 0 0

2 2
00 9003

2 8(1 2)
x1 = 4 2 00 7071 2 00 3357

2(2 2)
00 3729

x2 = 2 1

4 22 8(1 2) 2
p(x) = x+ x
2
9. Construir la tabla de diferencias
divididas de la funcion f (x) = sen x en el
soporte formado por los puntos 0, 6 , 4 , 3 , 2 . Con ella calculese el polinomio
interpolador de Lagrange de la funcion sen x en el soporte anterior.
Solucion:
x0 = 0 0
00 9003

x1 = 4 00 7071 00 3357
00 3729 00 1214

x2 = 2 1 00 3993 00 0185
00 4775 00 0913

x3 = 6 00 5 00 4232
00 6991

x4 = 3 00 8660

2 2 8(1 2) 0

p(x) = x+ x x 0 1214 x x x +
2 4 4 2

+00 0185 x x x x
4 2 6
10. Utilizar la tabla de diferencias divididas de la funcion f (x) = x5 en el
soporte formado por los puntos {2, 1, 0, 1, 2} para calcular el polinomio in-
terpolador de Lagrange de dicha funcion.
Solucion:
x0 = 2 32
31
x1 = 1 1 15
1 5
x2 = 0 0 0 0
1 5
x3 = 1 1 15
31
x4 = 2 32
p(x) = 32 + 31(x + 2) 15(x + 2)(x + 1) + 5(x + 2)(x + 1)x.
11. Hallar el polinomio interpolador de Lagrange y una cota del error de interpola-
cion que se comete al interpolar en [0, 2] la funcion f (x) = x4 con los siguientes
soportes:
a) {0, 1, 2}
Solucion: p2 (x) = 7x2 6x, |E(x)| 30 0792014.
b) {0, 00 5, 1, 2}
Solucion: p3 (x) = 30 5x3 30 5x2 + 6x, |E(x)| 40 2925.
c) {0, 00 5, 1, 10 5, 2}
Solucion: p4 (x) = x4 , E(x) = 0.
NOTA: En el desarrollo de este ejercicio sera necesario resolver la ecuacion:
4x3 100 5x2 + 7x 1 = 0
Una raz de dicha ecuacion esta en el intervalo [0, 2] y es 10 663175.

12. El censo de poblacion de una determinada ciudad proporciona los siguientes
datos del numero de habitantes en diferentes anos:
Ano 1,910 1,930 1,950 1,970 1,980
Poblacion 125,350 133,420 117,183 120,323 145,311
Se pide:
a) Hallar un polinomio interpolador de Lagrange que interpole a la funcion

de evolucion de la poblacion en esta ciudad con los datos anteriores.
Solucion:
p(x) = 125,350 + 4030 5(x 1,910) + 300 38375(x 1,910)(x 1,930)
00 910083(x 1,910)(x 1,930)(x 1,950)+

+00 010733(x 1,910)(x 1,930)(x 1,950)(x 1,970)
b) Estimar la poblacion existente en el ano 1,964.
Solucion: p(1,964) = 116,402.

13. Se considera la funcion f (x) = x3 4x2 +2 y el soporte de interpolacion {1, 2, 3}.
Se pide:
a) Determinar los polinomios de base de Lagrange y representarlos gra-

ficamente.
Solucion:
x2 5x + 6 x2 5x + 6
L0 (x) = , L1 (x) = (x2 4x + 3), L2 (x) = .
2 2
b) Hallar el polinomio interpolador de Lagrange de f (x) sobre el soporte
dado.
Solucion: p2 (x) = 2x2 11x + 8.
c) Hallar una cota del error de interpolacion cometido en [1, 3].

Solucion: |E(x)| 00 3849001.
d ) Utilizar la expresion del polinomio interpolador para hallar el valor apro-
ximado de f 0 (2). Solucion: p0 (2) = 3, (siendo f 0 (2) = 4).
e) Al soporte dado se le anade el punto 20 5. Determinar el nuevo polinomio
interpolador de Lagrange. Solucion: p3 (x) = x3 4x2 + 2.
14. De una funcion se conoce la siguiente tabla de valores:

x 0 2 5 6
f (x) 3 6 100 5 24
Se pide:
a) Construir la tabla de diferencias divididas y, utilizando la formula de

Newton, hallar el polinomio interpolador de Lagrange de la funcion
sobre el soporte dado.
Solucion:
x0 = 0 3
10 5
x1 = 2 6 0
0
15 00 5
x2 = 5 100 5 3
0
13 5
x3 = 6 24
p(x) = 00 5x3 30 5x2 + 60 5x + 3
b) Evaluar el valor interpolado en x = 4 con el polinomio del apartado a).

Solucion: p(4) = 5.

15. Sea f (x) = x2 cos(5x + 2) y considerese el soporte 0, 3 , 2 . Se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte ante-

rior y representarlos graficamente.
Solucion:
6x2 5x + 2 18x2 9x 12x2 4x

L0 (x) = , L1 (x) = , L2 (x) =
2 2 2
b) Determinar el polinomio interpolador de Lagrange de f (x) sobre el soporte

anterior.
0 0
Solucion: p2 (x) = 38 360139
2 x2 + 14 692866
x.

c) Al soporte dado se le anade el punto 6 . Evaluar el nuevo polinomio inter-
polador.
0 0 0
Solucion: p3 (x) = 152 18195
3 x3 + 88 45815
2 x2 10 670792
x

16. Sea el soporte {0, 00 6, 2} y sea la funcion f (x) = ex + cos 4x . Se pide:
a) Calcular y representar graficamente los polinomios de base de Lagran-

ge asociados al soporte anterior.
Solucion:
x2 20 6x + 10 2 x2 2x x2 00 6x
L0 (x) = 0
, L1 (x) = 0 , L2 (x) = .
12 0 84 20 8
b) Sabiendo que los valores de la funcion en el soporte son:
f (0) = 2, f (00 6) = 10 2709251, f (2) = 00 6927495
calcular el polinomio interpolador de Lagrange.
Solucion: p2 (x) = 00 0937499x2 10 1588749x + 2.
c) Al soporte anterior se le anade el punto 10 4. Calculese el nuevo polinomio
interpolador de Lagrange.
Solucion: p(x) = 00 2342095x3 00 7026948x2 00 8778234x + 2.
17. De una funcion se conoce la siguiente tabla de valores:

x 0 1 2 3 4
f (x) 2 30 086 70 524 200 135 540 616
Se pide:
a) Encontrar el polinomio interpolador de Lagrange de f (x) sobre el

soporte dado utilizando para ello diferencias divididas.
Solucion: p(x) = 2 10 202x + 30 3336667x2 10 4155x3 + 00 3698333x4 .
b) Indicar la expresion del error de interpolacion sabiendo que f (x) = ex +ex .
Solucion: x [0, 4] c [0, 4] tal que:
ec + ec 5
E(x) = (x 10x4 + 35x3 50x2 + 24x)
120
18. Siendo f (x) = ex + cos x y designando por p(x) al polinomio interpolador
de Lagrange de f (x) sobre el soporte 0, 3 , 2 , indicar cual de las siguientes
opciones recoge una cota del error de interpolacion cometido. En el caso de que
varias opciones expresen una cota de dicho error, senala unicamente la que, de
entre ellas, sea menor:
a) |f (x) p(x)| 00 138350 . 00 3032603

b) |f (x) p(x)| 00 333334 . 00 0905972
c) |f (x) p(x)| 00 138350 . 00 0905972
d ) |f (x) p(x)| 00 333334 . 00 3032603
Solucion: La unica cota del error de interpolacion es la dada en la opcion d).

1
19. Dada la funcion f (x) = 1+x 2 se desea hallar su polinomio interpolador de La-
grange sobre el soporte {0, 1, 2}. Indica entre las siguientes opciones cual recoge
correctamente la expresion de los polinomios de base de Lagrange asociados a
dicho soporte y la del polinomio interpolador.
a)
1 2 1 2
L0 (x) = (x 3x + 2), L1 (x) = 2x x2 , L2 (x) = (x x),
2 2
1 2 3
p(x) = x x+1
10 5
b)
1 2 1 2
L0 (x) = (x 3x + 2), L1 (x) = 2x x2 , L2 (x) = (x x),
2 2
4 2 1
p(x) = x x+1
3 20
c)
1 1 2
L0 (x) = (2x2 + 4x 3), L1 (x) = 2(3x2 1), L2 (x) = x + 1,
2 2
1 2 3
p(x) = x x+1
10 5
d)
1 1 2
L0 (x) = (2x2 + 4x 3), L1 (x) = 2(3x2 1), L2 (x) = x + 1,
2 2
4 2 1
p(x) = x x+1
3 20
Solucion: La opcion correcta es la recogida en el apartado a).


20. El polinomio interpolador de Lagrange de la funcion f (x) = cos 4x sobre el
soporte {0, 1} esta dado por p(x) = 00 5403 + 00 4226 x. Senala, entre las opciones
siguientes cual de ellas recoge una cota del error de interpolacion en el intervalo
[0, 1]. En el caso de haber mas de un valor que pueda ser cota del error, senala
la mas pequena de las posibles cotas:
a) 10 05, b) 00 21, c) 00 14, b) 00 03
Solucion: La opcion correcta es la recogida como b).
21. De una funcion f (x) se conocen los siguientes valores:

x 1 0 1 3 4
f (x) 7 1 1 41 43
Se pide obtener mediante la formula de Newton un polinomio de grado menor
o igual que 4 que interpole a la funcion f (x) en el soporte {1, 0, 1, 3, 4}.
Solucion: p(x) = 1 + x + x2 5x3 + x4 .
22. a) Obtener la formula de Newton-Cotes abierta con dos puntos de soporte.

Hallar tambien la expresion del error de integracion numerica correspon-
diente a dicha formula.
Rb 3 3 00
b) Solucion: a f (x)dx 3h2 (f (x0 ) + f (x1 )). Error= 4 h f (x1 ) + ....
c) Evaluar con ayuda de la formula anterior una aproximacion del valor de la

integral:
Z 2
(x3 2x2 + 1)dx.
0
Solucion: Paso de integracion: h = 2/3. Puntos de integracion: x0 = 2/3,

x1 = 4/3.
Z 2
2
(x3 2x2 + 1)dx
0 9
23. Sean x0 , x1 y x2 tres puntos pertenecientes a un intervalo [a, b]. Se pide:
a) Hallar una formula de integracion numerica de tipo interpolatorio con dicho

soporte.
Rb 2 2
Solucion: a f (x)dx f (x0 )(b a) + f [x0 , x1 ] (bx0 ) (ax
2
0)
+

(b3 a3 ) (b2 a2 )
+f [x0 , x1 , x2 ] (x0 + x1 ) + x0 x1 (b a)
3 2
b) Particularizar la formula al caso en que x0 = a, x1 = a+b 2 y x2 = b

determinando la expresion del error de integracion numerica.
Rb
Solucion: a f (x)dx (ba)
6 (f (x0 ) + 4f (x1 ) + f2 (x2 )) (Formula de Simp-
son).
5
Error= (ba)
2880 f
(iv
(x1 ) + ....
c) Aplicar la formula del apartado anterior a la estimacion de la integral

R1 x
0
e dx.
R1
Solucion: 0 ex dx 10 7188612 (Valor exacto: e 1 = 10 7182818...).
24. a) Deducir la formula de Milne compuesta y la expresion de su error.

Solucion: Siendo N el numero de subintervalos en que se subdivide [a, b],
H la longitud de cada subintervalo en que se divide [a, b] (es decir que
H = (ba) H
N , h = 4 y considerando los puntos de soporte:
x0 = a, x1 = a + h, x2 = a + 2h, ..., x1 = a + ih, ..., x4N = a + 4N h = b
la formula de Milne resulta ser:
Z b XN
4h
f (x)dx [7f (x0 ) + 32 (f (x4,i3 ) + f (x4,i1 ))+
a 90 i=1
N
X N
X 1
+12 f (x4,i2 ) + 14 f (x4,i ) + 7f (x4,N )]
i=1 i=1
b) Escribir un programa que evalue integrales mediante la formula de Milne

compuesta.
c) Aplicar dicho programa a la estimacion del valor aproximado de la integral:
Z 3
(cos x x sen x)dx
1
subdividiendo el intervalo [1, 3] en N subintervalos y dando a N los valores:

2, 4, 8, 16, 32, 64, 128 y 250.
Solucion: Para los distintos valores de N se obtienen los siguientes resul-
tados:
N H Valor aproximado error
2 10 00000000 30 0763240 00 4396472

4 00 50000000 30 3120220 00 1982579
8 00 25000000 30 4195440 00 0907359
16 00 12500000 30 4673693 00 0429103
32 00 06250000 30 4894821 00 0207975
64 00 03125000 30 5000493 00 0102303
128 00 01562500 30 5052034 00 0050762
250 00 00800000 30 5076880 00 0025921
25. De una funcion f (x) se conoce la siguiente tabla de valores:
x f (x)
0 1,0000000
/12 00 9659258
/6 00 8660254
/4 00 7071067
/3 00 5000000
5/12 00 2588190
/2 00 0000000
R /2
Se pide evaluar una aproximacion de 0
f (x)dx:
a) Mediante la formula de Weddle. ( Solucion: 10 0000000).

b) Mediante la formula del trapecio compuesta. ( Solucion: 00 9942818).
c) Mediante la formula de Simpson compuesta. ( Solucion: 10 0000263).
d ) Mediante la regla de 3/8 compuesta. ( Solucion: 10 0000596).
26. Considerense los puntos del intervalo [a, b] definidos por:

x0 = a, x1 = a + h, x2 = a + 2h, x3 = a + 3h, x4 = b,
con h = (ba) 2
4 . Siendo f (x) una funcion de clase C ([a, b]), se pretende calcular
la integral de f (x) en el intervalo [a, b] subdividiendo el intervalo de integracion
segun la expresion:
Z b Z x2 Z x3 Z b
f (x)dx = f (x)dx + f (x)dx + f (x)dx
a a x2 x3
y aproximando la integral en [a, x2 ] mediante la formula de Simpson, en el

intervalo [x2 , x3 ] mediante la formula del trapecio y la integral sobre [x3 , b]
mediante la formula del trapecio. Se pide encontrar la formula de integracion
compuesta correspondiente al proceso anterior y la expresion de su error.
Rb
Solucion: a f (x)dx h6 [2f (x0 ) + 8f (x1 ) + 5f (x2 ) + 6f (x3 ) + 3f (x4 )]
h 00 i
h2 (iv
Error= (ba)
24 h 2
f () + 15 f () .
27. Considerense los puntos x1 < x2 < .... < x10 que forman un soporte equidistante
y sea h la distancia entre dos puntos consecutivos del soporte. Sobre el soporte
anterior se suponen conocidos los valores f1 , f2 , ...., f10 que toma Runa funcion
x
f (x) en ellos y se desea calcular una aproximacion de la integral x110 f (x)dx.
Para ello se propone descomponer la integral en suma de las cuatro integrales
siguientes:
Z x10 Z x3 Z x5 Z x7 Z x10
f (x)dx = f (x)dx + f (x)dx + f (x)dx + f (x)dx
x1 x1 x3 x5 x7
y calcular el valor aproximado de cada una de las tres primeras mediante la

formula de Simpson y la cuarta mediante una formula de Newton-Cotes abierta
de soporte con 2 puntos. Se pide obtener la expresion de la formula de integracion
compuesta resultante as como la expresion del error de integracion cometido.
Rx
Solucion: x110 f (x)dx h6 [2(f1 + f7 ) + 4(f3 + f5 ) + 8(f2 + f4 + f6 ) + 9(f8 + f9 )].
5
3h3 00
Error= h30 f (iv () + 4 f ().)
28. Aplicar el metodo de Euler para aproximar las soluciones de los siguientes pro-
blemas de valor inicial en el intervalo dado:
a) y 0 = te3t 2y, 0 t 1, y(0) = 0 con h = 0,5.
b) y 0 = 1 + (t y)2 , 2 t 3, y(2) = 1 con h = 0,5.
c) y 0 = 1 + y/t, 1 t 2, y(1) = 2 con h = 0,25.
d) y 0 = cos(2t) + sen(3t), 0 t 1, y(0) = 1 con h = 0,25.
Resolver las ecuaciones en forma exacta y comparar los valores reales con las
aproximaciones del metodo de Euler.
29. Resolver los problemas de valor inicial del problema anterior usando los metodos
de Euler modificado, de Runge-Kutta de segundo orden y de Runge-Kutta de
orden cuatro. Comparar los errores de cada metodo con las soluciones exactas.
Captulo 17
Metodos numericos de
resolucion de sistemas de
ecuaciones no lineales
17.1. Introduccion
Muchos de los fenomenos fsicos y qumicos con los que tiene que enfrentarse un
ingeniero son no lineales. La resolucion de modelos no lineales implica que en algun
momento se deban resolver ecuaciones y sistemas que no son lineales. Aunque el
tema es complicado y requiere, para su estudio en profundidad, una base matematica
que no hemos podido desarrollar en los temas anteriores, hemos optado por incluir
este captulo con el objetivo de exponer los dos metodos mas sencillos para resolver
ecuaciones y sistemas no lineales: el metodo de aproximaciones sucesivas y el metodo
de Newton. Incluimos previamente un apartado de conceptos previos que contiene un
breve resumen de los resultados necesarios para abordar el estudio de los metodos
antes citados.
17.2. Conceptos previos
Los metodos que se van a estudiar en este tema son iterativos. Los metodos iterativos
consisten en generar una sucesion de vectores que, en el mejor de los casos, se vaya
aproximando hacia el vector solucion. Para determinar el grado de aproximacion,
349
350 Captulo 17. Metodos numericos de resolucion de sistemas de ecuaciones no lineales
sera necesario trabajar en conjuntos sobre los que se haya definido una forma de
medir la distancia entre sus elementos. Este tipo de conjuntos recibe el nombre de
espacios metricos (un caso particular de espacio metrico es el espacio eucldeo). Las
distancias mas habituales en lRn son:
v
n u n
X uX
|xi yi | , d2 (x, y) =t
2
d1 (x, y) = |xi yi | , d (x, y) = M ax {|xi yi |}
1in
i=1 i=1
Estas tres distancias, por tanto, definen tres espacios metricos distintos sobre lRn ;
espacios que se representan respectivamente por (lRn , d1 ), (lRn , d2 ); y (lRn , d ).
A continuacion se enuncian algunas definiciones y propiedades elementales de los

espacios metricos que seran de utilidad en la descripcion y el analisis de los metodos
que se estudiaran en los apartados siguientes.
Definicion 17.1. se dice que la sucesion infinita de elementos, {xi } i=0 , del espacio
metrico (E, d), es convergente hacia el elemento x E, si para cualquier valor > 0
siempre se puede encontrar un numero natural N tal que para todo ndice n > N se
verifica que d(xn , x ) < . Al elemento x anterior, si existe se le denomina lmite
de la sucesion {xi }
i=0 .
Definicion 17.2. Dada una sucesion infinita de elementos {xi }
i=0 del espacio metri-
co (E, d) se dice que la sucesion es una sucesion de Cauchy, si para cualquier valor
> 0 siempre se puede encontrar un numero natural N tal que para todos los ndices
n > N y m > N se verifica que d(xn , xm ) < .
Se observa que las sucesiones de Cauchy son tales que las distancias entre todos sus
elementos pueden hacerse inferiores a cualquier valor , a partir de un cierto ndice N
(que dependera del valor elegido). Dicho de otra forma, parece que estas sucesiones
convergen hacia algo, pero no se sabe si dicho algo pertenece al espacio metrico
considerado, si perteneciese, sera el lmite de la sucesion. Para evitar problemas en
lo sucesivo se trabajara con espacios que incluyan entre sus elementos a todos los
posibles lmites de sus sucesiones, espacios que reciben el nombre de espacios metricos
completos. Expresado de forma rigurosa:
Definicion 17.3. Se dice que el espacio metrico (E, d) es un espacio metrico com-
pleto si toda sucesion de Cauchy de elementos de E es una sucesion convergente en
(E, d).
Cuando se estudien los metodos para resolver sistemas de ecuaciones sera necesario
trabajar sobre espacios vectoriales puesto que las soluciones de los sistemas seran
vectores. Para medir distancias en un espacio vectorial, ademas de la norma eucldea
v
u n
uX
kxk2 = t (xi )2
i=1
17.2. Conceptos previos 351
ya introducida en el captulo dedicado al estudio del espacio eucldeo, se suelen utilizar

las dos normas siguientes:
Xn
kxk1 = |xi | y kxk = M ax {|xi |}
1in
i=1
Se recuerda que una norma definida sobre un lRespacio vectorial V verifica las
propiedades siguientes:
1. kxk = 0 x = 0.
2. kxk = || kxk , lR, x V.
3. kx + yk kxk + kyk, x, y V.
A todo espacio vectorial sobre el que se ha definido una norma se le denomina espacio
vectorial normado. En el tema dedicado al estudio del espacio eucldeo se introdujo
el concepto de distancia asociada a una norma, concepto que ahora recordamos:
Proposicion 17.1. Siendo (E, kk) un espacio vectorial normado, se verifica que la
aplicacion d(x, y) = kx yk es una distancia denominada distancia asociada a la
norma kk
Las distancias asociadas a las normas kk1 , kk2 y kk se denominan d1 , d2 y d res-

pectivamente. Los espacios vectoriales normados (lRn , kk1 ), (lRn , kk2 ), y (lRn , kk )
son espacios metricos completos con las distancias d1 , d2 y d .
En los metodos iterativos que se van a plantear en este captulo la sucesion de vectores
que, en su caso, vaya a ir convergiendo hacia la solucion de la ecuacion o del sistema
se generara a partir de un vector inicial x0 mediante un esquema de calculo que se
traducira en determinar una funcion g(x), a partir de la cual se generara la sucesion
en cuestion:
x0 conocido (17.1)
i+1
x = g(xi ) (i = 1, 2, . . .)
Convendra, por lo tanto, trabajar con funciones g para las cuales se pueda asegurar
que la sucesion que con ella se genere es convergente hacia alguna solucion del sistema
que se quiera resolver. Si x fuese el lmite de la sucesion generada por el esquema
anterior y ademas la aplicacion g(x) fuese continua se verificara que:
lm (xi+1 ) = lm g(xi ) x = g(x )
i i
Los puntos x , del dominio sobre el que esta definida la aplicacion g, que verifican que
x = g(x ) reciben el nombre de puntos fijos de la aplicacion. Mas concretamente:
Definicion 17.4. Siendo g una aplicacion definida en un espacio metrico (E, d) y

con valores en el mismo espacio metrico se denomina punto fijo de la aplicacion g
a todo elemento x de E tal que x = g(x ).
Interesara, por tanto, trabajar con funciones g que posean un punto fijo. Un tipo de
tales funciones son las que se denominan contracciones.
Definicion 17.5. Sean (E, d) y (V, d0 ) dos espacios metricos y sea g : E V una
aplicacion definida en E y con valores en V. Se dice que g es una aplicacion lips-
chitciana cuando existe una constante real k > 0 tal que:
d0 (g(x), g(y)) kd(x, y) x, y E
A la menor constante k que verifica la condicion anterior se le denomina constante

de Lipschitz de la aplicacion.
Nota 17.1. En el caso de que se este trabajando con espacios vectoriales normados
0
(E, kk) y (V, kk ) toda aplicacion g : E V que sea lipschitciana de constante k
verificara:
0
kg(x)g(y)k k kx yk , x, y E
Definicion 17.6. Toda aplicacion lipschitciana que verifique las dos condiciones si-
guientes:
1. Ser una aplicacion de un espacio metrico (E, d) sobre si mismo,

2. Tener una constante de Lipschitz estrictamente inferior a 1,
recibe el nombre de contraccion en E.
El hecho de que para las contracciones se garantice la convergencia de la sucesion

generada mediante el esquema (17.1) se debe al teorema del punto fijo que se enuncia
a continuacion.
Teorema 17.1 (del punto fijo). Toda contraccion definida sobre un espacio metrico
completo admite un unico punto fijo.
17.3. Caso de una unica ecuacion
17.3.1. Metodos de aproximaciones sucesivas (o del punto de

fijo)
El metodo de aproximaciones sucesivas (o del punto fijo) para determinar una solucion
de la ecuacion no lineal f (x) = 0 se basa en el teorema del punto fijo. Por ello la
17.3. Caso de una unica ecuacion 353
primera etapa de este metodo consiste en reescribir la ecuacion f (x) = 0 en la forma

x = g(x) (reescritura que no es unica). Posteriormente el metodo busca un punto fijo
de la funcion g mediante el siguiente esquema de calculo:

Dado un valor x0 se genera la sucesion {xi+1 = g(xi )}i=0
Segun se ha visto en el apartado anterior: si g es una contraccion definida sobre

un intervalo [a, b] entonces el metodo de aproximaciones sucesivas que se acaba de
describir genera, a partir de cualquier valor inicial x0 [a, b], una sucesion {xi }
i=0
que converge hacia la unica solucion de la ecuacion x = g(x) en el intervalo [a, b].
Conviene, por tanto, elegir la funcion g de forma que sea una contraccion.
Graficamente (ver la figura 17.1) el metodo se puede interpretar como la busqueda de

la interseccion entre la bisectriz del primer cuadrante y la curva y = g(x) mediante
sucesivos escalones comprendidos entre la grafica de g(x) y la bisectriz del primer
cuadrante.
y=x
y = g(x)
x x x
0 1 2
Figura 17.1: Representacion grafica del metodo de punto fijo.
17.3.2. Metodo de Newton
El metodo de Newton es un procedimiento general que se puede aplicar en muy

diversas situaciones. Cuando se emplea para localizar los ceros de una funcion real de
variable real, se suele llamar metodo de Newton-Raphson.
Sea r un cero de f (x). Es decir, una solucion de la ecuacion f (x) = 0. Sea x una
aproximacion a r. Si f 00 existe y es continua, por el teorema de Taylor sabemos que:
0 = f (r) = f (x + h) = f (x) + hf 0 (x) + O(h2 )

donde h = r x. Si |h| << 1, entonces es razonable ignorar los terminos O(h2 ) y

obtener entonces que aproximadamente
f (x)
h=
f 0 (x)
Si x es proximo a r, entonces x + h = x ff0(x)

(x) debera estar aun mas proximo a r. El
metodo de Newton comienza con una estimacion x0 de r a partir de la cual se define
inductivamente una sucesion de aproximaciones
f (xn )
xn+1 = xn , n 0.
f 0 (xn )
Observese que si hacemos

f (x)
g(x) = x
f 0 (x)
estamos ante un caso particular del metodo de aproximaciones sucesivas y, por lo

tanto, si la funcion g(x) = x f (x)/f 0 (x) es una contraccion sobre el intervalo [a, b],
la sucesion {xi+1 = xi f 0 (xi )/f (xi )}
i=0 , obtenida a partir de cualquier punto x0
[a, b], converge hacia la unica solucion de la ecuacion f (x) = 0 en [a, b].
Si se tiene en cuenta que f 0 (xi ), geometricamente, representa la tangente trigonometri-

ca de la recta tangente a la grafica de f (x) en el punto (xi , f (xi )) y, en consecuencia,
f (xi )
que f 0 (xi ) representa la distancia existente entre xi y el punto de corte de la rec-
ta tangente a f (x) en (xi , f (xi )) con el eje de abscisas; las primeras iteraciones del
metodo de Newton Raphson se pueden representar graficamente segun aparece en la
figura 17.2.
Es interesante, ademas, conocer cuan rapido las aproximaciones convergen a la so-

lucion del problema. Definamos el error asociado al metodo de Newton como la
cantidad
en = xn r
Supongamos que f 00 es continua y que r es un cero simple de f tal que f (r) = 0 6=
f 0 (r). Entonces
f (xn ) f (xn ) en f 0 (xn ) f (xn )

en+1 = xn+1 r = xn r = en = (17.2)
f 0 (xn ) f 0 (xn ) f 0 (xn )
Por el teorema de Taylor,

1
0 = f (r) = f (xn en ) = f (xn ) en f 0 (xn ) + e2n f 00 ( n ) , n (xn , r)
2
17.3. Caso de una unica ecuacion 355
y = f(x)
x2 x1 x0
Figura 17.2: Representacion grafica del metodo de Newton-Raphson.
de donde resulta
1 2 00
en f 0 (xn ) f (xn ) = e f ( n ) (17.3)
2 n
Poniendo juntas (17.2) y (17.3), obtenemos
1 2 f 00 ( n ) 1 f 00 (r)
en+1 = en 0 e2n 0 = Ce2n
2 f (xn ) 2 f (r)
Por tanto,
e1 C(x0 r)2 , e2 C 2 (x0 r)4 , ...., en C n (x0 r)2n
de modo que si C(x0 r)2 < 1, entonces lmn en = 0. Esto prueba el siguiente
teorema:
Teorema 17.2. Sea f 00 (x) continua y sea r un cero simple de f . Hay un entorno de
r y una constante C tales que si el metodo de Newton se inicia en ese entorno, los
puntos sucesivos se hacen cada vez mas cercanos a r y satisfacen
|xn+1 r| C(xn r)2 C n+1 (x0 r)2(n+1)
17.3.3. Aplicacion a ecuaciones polinomicas
Un problema clasico en matematicas es el de encontrar las races de un polinomio de

grado n, es decir, las soluciones de
Pn (x) = 0
Existen formulas explcitas que dan el valor de dichas races cuando el grado del
polinomio es menor que 5, pero para grados superiores el unico metodo para hallarlas
es el numerico.
Recordemos que
Teorema 17.3. Un polinomio de grado n tiene exactamente n races complejas con-

tando multiplicidades (una raz de multiplicidad k cuenta k veces).
El metodo de Newton permite la obtencion de races de los polinomios mas compli-

cados. Este algoritmo toma la forma
P (zk )
zk+1 = zk
P 0 (zk )
donde P (z) y P 0 (z) se considera polinomios en la variable compleja z.
Especialmente interesante es el siguiente teorema que nos permite localizar las races
en el plano complejo:
Teorema 17.4. Sean xk y xk+1 dos iteraciones sucesivas que resultan de la aplicacion
de metodo de Newton a un polinomio p de grado n. Entonces existe un cero de p en
una vecindad de xk de radio n |xk xk+1 | en el plano complejo.
17.4. Aplicacion a sistemas de ecuaciones no linea-

les
17.4.1. Metodo de aproximaciones sucesivas
Al igual que en el caso de una ecuacion este metodo se basa en el teorema del punto
fijo. Para su aplicacion se transforma el sistema f (x) = 0 en otro equivalente de la
forma x =g(x). Conviene senalar que de la misma forma que suceda en el caso de
una ecuacion esta transformacion no es unica.
Una vez escrito el sistema de ecuaciones en la forma x =g(x) el metodo de aproxima-

ciones sucesivas consiste en seleccionar un vector x0 (mejor cuanto mas proximo a la
solucion exacta del sistema) con el que inicializar el esquema iterativo siguiente:
xi+1 = g(xi ) (i = 0, 1, 2, . . .)

De esta forma se genera una sucesion de vectores xi+1 = g(xi ) i=0 ; y, segun el
teorema del punto fijo se tiene el resultado siguiente:
17.4. Aplicacion a sistemas de ecuaciones no lineales 357
Teorema 17.5. Si para alguna norma kk definida sobre lRn se verifica que g(x) es
una contraccion sobre un dominio D cerrado de lRn y x0 es un punto de D, entonces
el metodo de aproximaciones sucesivas converge hacia la unica solucion en D de la
ecuacion x =g(x).
17.4.2. El metodo de Newton
Considerese el sistema de ecuaciones

f1 (x1 , x2 ) = 0
f2 (x1 , x2 ) = 0
Si (x1 , x2 ) es una solucion aproximada, calculemos las correcciones h1 , h2 respectivas.

Desarrollando por Taylor
f1 f1
0 = f1 (x1 + h1 , x2 + h2 ) f1 (x1 , x2 ) + h1 + h2
x1 x2
f2 f2
0 = f2 (x1 + h1 , x2 + h2 ) f2 (x1 , x2 ) + h1 + h2
x1 x2
Entonces,
h1 f1 (x1 , x2 )
Jf1 (x)
h2 f2 (x1 , x2 )
donde !
f1 f2
x1 x1
Jf (x) = f1 f2
x2 x2
En consecuencia, deducimos el algoritmo de Newton siguiente:

! ! !
(k+1) (k) (k)
x1 x1 h1
(k+1) = (k) + (k)
x2 x2 h2
donde ! !
(k) (k) (k)
h1 f1 (x1 , x2 )
(k) = Jf1 (x) (k) (k)
h2 f2 (x1 , x2 )
Para resolver sistemas mas grandes del tipo
fi (x1 , x2 , ..., xn ) = 0 (1 i n)
obtenemos el algoritmo
x(k+1) = x(k) + h(k)
donde
(k)
(k)
(k) (k) (k)

x1 h1 f1 (x1 , x2 , ..., xn )
(k) (k) (k) (k) (k)
x2 h2 f2 (x1 , x2 , ..., xn )
x(k) = , h(k) = = Jf1 (x)
... ... ...
(k) (k) (k) (k) (k)
xn hn fn (x1 , x2 , ..., xn )
y Jf es la matriz jacobiana asociada a (f1 , f2 , ..., fn ).
Observese que, al igual que suceda en el caso de una ecuacion, si se denota:

1
g(x) = x [Jf (x)] f (x)
estamos en presencia de un caso particular del metodo de aproximaciones sucesivas

antes contemplado. Por lo tanto se tiene la siguiente propiedad:
1
Proposicion 17.2. Si la funcion g(x) = x [Jf (x)] f (x) es, para alguna norma
matricial, una contraccion definida en D; la sucesion
n 1 o
xk+1 = xk Jf (xk ) f (xk )
i=0
0
obtenida a partir de cualquier vector x D converge hacia la unica solucion de la
ecuacion f (x) = 0 en D.
[60], [61] y [65].
17.6. Ejercicios
1. Hallar una raz de la ecuacion 8x cos x 2x2 = 0 utilizando el metodo de
aproximaciones sucesivas.
Solucion: x = 0,128077101
2. Determinar las tres races del polinomio p(x) = x3 + 8x2 + 6x + 28.
Solucion:
x1 = 7,693181114,
x2 = 0,153409443 1,901592041i,
x3 = 0,153409443 1,901592041i
3. Una partcula se encuentra en reposo sobre una placa en posicion horizontal.

En el instante t = 0 la placa empieza a inclinarse, formando un angulo que va
aumentando con el plano horizontal, con velocidad angular w. En estas condicio-
nes, despreciando el rozamiento, el desplazamiento x(t) de la partcula esta dado
por la ecuacion: wt
g e ewt
x(t) = sen(wt)
2w2 2
Sabiendo que en el instante t = 1s la partcula se ha desplazado 0,5m y que

la aceleracion gravitatoria es g = 9,81ms2 , encontrar, mediante el metodo de
Newton Raphson, y con una precision superior a 105 la velocidad angular con
la que esta inclinado el plano.
Solucion: w = 0,305802092
4. Hallar una solucion del sistema de ecuaciones
800x + 0,5y 2 + 2z 3 = 18008

x + 10500y + z 3 = 43003
x3 + 0,5y + 7850z = 78510
mediante el metodo de Newton con una tolerancia de 103 .

Solucion: x = 1,999995, y = 4,000095, z = 9,999995
Apendice A
Numeros complejos
A.1. Introduccion
En ciencia e ingeniera hay que manipular cantidades expresables en forma de nume-

ros. Los conjuntos numericos basicos cuya manipulacion algebraica nos es ya familiar
son los naturales, enteros, racionales y reales. En este apendice centraremos la dis-
cusion en un conjunto nuevo: el cuerpo de los complejos. La utilidad de aprender
a manejar estos numeros es clara. Las races de polinomios se buscan en el cuerpo
complejo; las soluciones de ecuaciones diferenciales lineales, que pueden modelar la
evolucion de la concentracion de una cierta sustancia qumica, involucran exponen-
ciales de complejos; las rotaciones en el plano verifican un algebra analoga a la de los
complejos, etc.
Definicion A.1. Un numero complejo es toda expresion de la forma
a + bi
donde a y b son numeros reales e i es un numero que satisface i2 = 1. Al numero
real a se le llama parte real del complejo y al numero real b se le llama parte
imaginaria.

Nota A.1. el numero i = 1 recibe el nombre de unidad imaginaria.
Nota A.2. Los numeros complejos con parte imaginaria nula se identificaran con los
numeros reales: a + 0i = a.
Nota A.3. El conjunto de los numeros complejos se representa por la letra C.
Definicion A.2. Dos numeros complejos z1 = a1 + b1 i y z2 = a2 + b2 i se dicen
iguales si y solo si a1 = a2 y b1 = b2 .
361
362 Numeros Complejos
Definicion A.3. Dados dos numeros complejos z1 = a1 +b1 i y z2 = a2 +b2 i se define

la suma de ambos como el numero complejo z3 = a3 + b3 i cuyas dos componentes se
definen mediante a3 = a1 + a2 y b3 = b1 + b2 .
Definicion A.4. Dados dos numeros complejos z1 = a1 +b1 i y z2 = a2 +b2 i se define
el producto de ambos como el numero complejo z3 = a3 + b3 i cuyas dos componentes
se definen mediante a3 = a1 a2 b1 b2 y b3 = a1 b2 + b1 a2 .
Proposicion A.1. La suma y el producto de complejos son operaciones conmutativas.
z1 + z2 = (a1 + b1 i) + (a2 + b2 i) = (a2 + b2 i) + (a1 + b1 i) = z2 + z1
z1 z2 = (a1 + b1 i)(a2 + b2 i) = (a2 + b2 i)(a1 + b1 i) = z2 z1

z1 , z2 C
Proposicion A.2. La suma y el producto de numeros complejos son operaciones
asociativas.
z1 + (z2 + z3 ) = (z1 + z2 ) + z3
z1 (z2 z3 ) = (z1 z2 )z3
z1 , z2 , z3 C
Proposicion A.3. El producto de numeros complejos es distributivo respecto a la
suma de numeros complejos.
z1 (z2 + z3 ) = z1 z2 + z1 z3 , z1 , z2 , z3 C
Proposicion A.4. Relativa a los elementos neutros de la suma y el producto de

complejos.
1. El complejo 0 + 0i es el elemento neutro de la operacion suma.
(a + bi) + (0 + 0i) = a + bi, a + bi C
2. El complejo 1 + 0i = 1 es el elemento neutro de la operacion producto.
(a + bi)(1 + 0i) = a + bi, a + bi C
3. El complejo a bi es el elemento opuesto de a + bi para la operacion suma.
(a + bi) + (a bi) = 0 + 0i, a + bi C
4. (a + bi)(0 + 0i) = 0 + 0i, a + bi C

5. (a + bi)(1 + 0i) = a bi, a + bi C
A.2. Representacion de numeros complejos 363
Definicion A.5. Siendo z = a + bi un numero complejo diferente del 0 + 0i se define

el numero complejo inverso de z, y se representara por z 1 , mediante
a b
z 1 = (a + bi)1 = + 2 i
a2 + b2 a + b2
Proposicion A.5. (a + bi)1 (a + bi) = 1 + 0i = 1.
Definicion A.6. Siendo z1 = a1 + b1 i y z2 = a2 + b2 i dos numeros complejos tales
que a2 + b2 i 6= 0 + 0i, se define el cociente entre z1 y z2 mediante la expresion:
z1 a1 + b1 i
= = (a1 + b1 i)(a1 + b1 i)1 = z1 z21
z2 a2 + b2 i
A.2. Representacion de numeros complejos
En forma de par ordenado
El complejo a + bi tambien se suele representar en la forma (a, b) donde el primer

elemento del par representa siempre la parte real y el segundo la parte imaginaria.
En forma modulo-argumental
Los numeros complejos se pueden representar geometricamente mediante puntos del

plano. Si se utiliza un sistema cartesiano de referencia, el eje de abscisas se corresponde
con la parte real del complejo y el eje de ordenadas con la parte imaginaria.
1.5
0.5
1 0.5 0 0.5 1
0.5
1.5

Figura A.1: Rep. geometrica de los complejos 1 + 3i y 1 3i.
El complejo a + bi se puede tambien definir por su modulo (la longitud del segmento
que une el punto que representa al complejo con el origen del sistema cartesiano) y
por su argumento (el angulo que forma el segmento anterior con la parte positiva
del eje de abscisas). La relacion entre a y b y el modulo se obtiene facilmente aplicando
el teorema de Pitagoras:
p
= a2 + b2
En cuanto al argumento, puesto que son coincidentes los valores de las funciones
trigonometricas de un angulo y del angulo + 2k con k Z, se tendra que son
argumentos todos los angulos de la forma:
= + 2k, kZ
siendo un angulo perteneciente al intervalo [, ] y que se denominara argumento

principal. Este argumento principal se determina mediante:

arctg( ab ) si a > 0

arctg( ab ) + si a < 0 y b 0

arctg( ab ) si a < 0 y b < 0
= (A.1)

si a = 0 y b > 0

2

2 si a = 0 y b < 0

indeterminado si a = 0 y b = 0
Las figuras A.1 y A.2 muestran la representacion

geometrica
de cuatro numeros com-
plejos. En la figura A.1 aparecen los complejos 1+ 3i y 1 3i; el modulo de ambos
es 2 y los argumentos son, respectivamente, /3 y 2/3 como se puede comprobar
graficamenteo aplicando la expresion A.1. En la figura A.2 aparecen los complejos
3 i y 3 + i; en este caso el modulo de ambos es 2 y los argumentos son,

respectivamente, /6 y 5/6.
La representacion de un complejo a+bi mediante su modulo y su argumento principal,

() , se denomina forma modulo-argumental de representacion del complejo.
En forma trigonometrica
Siendo a + bi un numero complejo de modulo y argumento se verifica que:
a = cos y b = sen
por lo que a + bi = (cos + i sen ). Esta ultima expresion es la representacion en

forma trigonometrica del complejo a + bi.
A.3. Distintas formas de expresar las operaciones elementales 365
0.5
1.5 1 0.5 0.5 1 1.5
0.5

Figura A.2: Rep. geometrica de los complejos 3 i y 3 + i.
En forma exponencial
A partir de la formula de Euler:
eix = cos(x) + i sen(x),
igualdad que se demuestra en la seccion 9.10, el complejo z = a + bi se puede tambien

representar (forma exponencial de representar el complejo) como:
z = ei
en donde es el modulo del complejo y el argumento.
A.3. Distintas formas de expresar las operaciones

elementales
A.3.1. Suma de complejos
En forma binomica:
a1 + b1 i + a2 + b2 i = a1 + a2 + (b1 + b2 )i
En forma de par:
(a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 )

En forma modulo-argumental:
(1 )1 + (2 )2 = (3 )3
en donde
p
3 = (1 )2 + (2 )2 + 21 2 (cos(1 2 ))
y 3 se obtiene aplicando la expresion (A.1) con a = 1 sen 1 + 2 sen 2 y

b = 1 cos 1 + 2 cos 2 .
En forma trigonometrica:
1 (cos 1 + i sen 1 ) + 2 (cos 2 + i sen 2 ) = 3 (cos 3 + i sen 3 )
con 3 y 3 obtenidos de la misma manera que en el caso anterior.
A.3.2. Producto de complejos
En forma binomica:
(a1 + b1 i)(a2 + b2 i) = a1 a2 b1 b2 + (a1 b2 + a2 b1 )i
En forma de par
(a1 , b1 )(a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + a2 b1 )
(1 )1 (2 )2 = (1 2 )2 +1
1 (cos 1 + i sen 1 )2 (cos 2 + i sen 2 ) = 1 2 (cos(1 + 2 ) + i sen(1 + 2 ))
En la figura A.3 se muestra la representacion grafica

del producto de dos complejos.
Observese que el modulo del complejo resultante ( ( 50)2,35619 ) es el producto de
los modulos de los dos factores y su argumento es la suma de los argumentos de los
dos factores.
A.3. Distintas formas de expresar las operaciones elementales 367
5 4 3 2 1 1 2

Figura A.3:Rep. geometrica del producto de los complejos 2 + i ( 5)0,46365 y
1 + 3i ( 10)1,89255 .
A.3.3. Inverso de un numero complejo no nulo
En forma de par
a b
(a, b)1 = ,
a2 + b2 a2 + b2
En forma binomica
a b
(a + bi)1 = + 2 i
a2 + b2 a + b2

1 1
(() ) =

1 1
((cos + i sen )) = (cos() + i sen())

A.3.4. Cociente de dos complejos
En forma binomica
z1 a1 + b1 i a1 a2 + b1 b2 a2 b1 a1 b2
= = (a1 + b1 i)(a2 + b2 i)1 = + i
z2 a2 + b2 i a22 + b22 a22 + b22
En forma de par:

z1 (a1 , b1 ) a1 a2 + b1 b2 a2 b1 a1 b2
= = (a1 , b1 )(a2 , b2 )1 = ,
z2 (a2 , b2 ) a22 + b22 a22 + b22

(1 )1 1
=
(2 )2 2 1 2
1 (cos 1 + i sen 1 )
= 1 (cos(1 2 ) + i sen(1 2 ))
2 (cos 2 + i sen 2 ) 2
Nota A.4. De lo anterior es facil concluir que para realizar sumas de numeros com-
plejos conviene expresarlos en forma de par o en forma binomica. Por el contrario para
realizar productos, cocientes o calcular inversos de complejos conviene expresarlos en
forma modulo-argumental o en forma trigonometrica.
A.3.5. Conjugado de un numero complejo
Definicion A.7. Dado el complejo a + bi se denomina complejo conjugado de este,

y se representa por (a + bi), al numero complejo definido mediante (a + bi) = a bi.
Nota A.5. En forma modulo-argumental: () = () .
Proposicion A.6. (a + bi)(a + bi) = a2 + b2 , a + bi C.
A.4. Potenciacion de numeros complejos
Proposicion A.7. Sea a + bi un numero complejo de modulo y argumento . Se

verifica la siguiente relacion:
n
(() ) = (n )n , ( ) C
Como ejemplos de potenciacion de complejos observense las figuras A.4 y A.5. En la

primera se muestra la representacion geometrica del complejo z = 1,2 + 0,9i y de sus 6
2 3 4 5 6
primeras potencias:
p z, z , z , z , z y z . En la segunda se representa geometricamente
el complejo v = (3)/2 + (1/2)i y sus primeras once potencias. Como en este caso
el modulo de v es igual a 1, sus potencias siempre tienen modulo 1 y lo unico que
vara es el argumento: los extremos de las distintas potencias dibujadas estan siempre
situados en una circunferencia de radio unidad.
A.5. Radicacion compleja 369
8 6 4 2
0
Figura A.4: Rep. geometrica del complejo z = 1,2+0,9i y de sus primeras 6 potencias.
v^3
1
v^4 v^2
v^5 v
0.5
v^6 1 0.5 0.5 1
0.5
v^7 v^11
v^8 1 v^10
v^9

Figura A.5: Rep. geometrica del complejo v = 3/2 + (1/2)i y de sus primeras once
potencias.
Proposicion A.8. Se verifica la siguiente formula llamada Formula de Moivre:

n
(cos() + i sen()) = cos(n) + i sen(n)
A.5. Radicacion compleja
Proposicion A.9. Sea a + bi un numero complejo de modulo y de argumento .

Se verifica la siguiente relacion:
q
2
n
() = ( n ) , donde k = +k , (k = 0, . . . , n 1).
k n n
Nota A.6. De la proposicion anterior se deduce que las n races n-esimas de un

numero complejo z tienen el mismo modulo y sus argumentos difieren en 2 n radianes;
por lo tanto los extremos de estas races son los
vertices de un polgono regular de n
lados inscritos en una circunferencia de radio n r (r = modulo del complejo z).
2 0 2 4 6 8
Figura A.6: Rep. geometrica del complejo z = 8 + 0i y sus tres races cubicas.
A.6. Referencias bibliograficas
el captulo 1 de [24], el apendice de [22], el captulo 10 de [1], el apendice B de [10] y
el captulo 1 de [40].
Para profundizar mas en el tema, incluyendo variable compleja, ver [26], [41], [31] y
[36].
A.7. Ejercicios
1. Calcular
a) (5 + 3i) + (3 2i).
b) (5 + 3i)(3 2i).
(5+3i)
c) (32i) .
9 19
Solucion: (a) 8 + i, (b) 21 i, (c) 13 + 13 i.
A.7. Ejercicios 371
2. Expresar en forma modulo - argumental, trigonometrica, de par ordenado y

exponencial los siguientes complejos: (a) 5 + 3i, (b) 3 2i, (c) 1 + i, (d) 4i.
Solucion:

a) ( 34)0,54 = 34(cos(0,54) + i sen(0,54)) = (5, 3) = 34e0,54i

b) ( 13)0,588 = 13(cos(0,588) + i sen(0,588)) = (3, 2) = 13e0,588i

c) ( 2) 4 = 2(cos( 4 ) + i sen( 4 )) = (1, 1) = 2e 4 i

d ) (4) 2 = 4(cos( 2 ) + i sen( 2 )) = (0, 4) = 4e 2 i
3. Dibujar el vector que representa geometricamente a cada uno de los siguientes

complejos: (a) 2 + 3i, (b) 4, (c) 3 2i, (d) 5i.
Solucion: Consultar la figura A.7
2+3i
-4
-3-2i
-5i
Figura A.7: Rep. geometrica de los complejos 2 + 3i, 4, 3 2i y 5i.
4. Determinar la forma modulo-argumental de los siguientes complejos:

(a) 2i, (b) 4, (c) 5 + 5i, (d) 6 + 6 3i, (e) 3 3i (f) 2 3 2i.
Solucion:

(a) (2) 2 , (b) (4) , (c) (5 2) 4 , (d) (12) 2
3
, (e) (3 2) 3
4
(f) (4) 6

5. Expresar z1 = i, z2 = 1 3i y z3 = 3 + i en forma trigonometrica. Utilizar
el resultado para calcular z1z3z2 . Comprobar el resultado realizando los calculos
en forma binomial.
Solucion:z1 = cos( 2 ) + i sen( 2 ), z2 = 2(cos( 3 ) + i sen( 3 )), z3 = 2(cos( 6 ) +
i sen( 6 ))
z1 z2
=1
z3
6. Determinar las races cuadradas de i. Dibujar el resultado.
1 1
i
2 2

4
1 1
i
2 2
Figura A.8: Races cuadradas de i.
7. Determinar todas las soluciones de las dos ecuaciones siguientes

(a) z 4 16 = 0, (b) z 4 + 64 = 0
Solucion:
a) 2, 2i.
b) (2 + 2i), (2 2i).

8. Determinar las cuatro races de orden 4 de 8 + 8 3i y representarlas grafica-
mente.
9. Cual es el efecto geometrico de dividir un numero complejo por i?
Solucion: girarlo 90o en sentido horario.
10. Hallar la parte real y la parte imaginaria de los siguientes complejos.

(a) z1 = 3ei , (b) z2 = 3ei , (c) z3 = 2e 2 i , (d)z4 = 3e2i .
Solucion:
a) Real(z1 ) = 3, Imag(z1 ) = 0
b) Real(z2 ) = 3, Imag(z2 ) = 0

c) Real(z3 ) = 0, Imag(z3 ) = 2
d ) Real(z4 ) = 3, Imag(z4 ) = 0
A.7. Ejercicios 373
-1+ 3i
3 +i

2
6
- 3-i
1- 3i

Figura A.9: Las cuatro races de orden 4 de 8 + 8 3i.
Apendice B
Examenes propuestos en la
URJC con sus soluciones
B.1. Prueba de control de noviembre de 1999

1. Dado el complejo z = 64 se pide:

a) calcular todos los valores de 6 z;
b) dibujar el resultado indicando cual es la figura geometrica que se obtiene
al unir los extremos de los complejos hallados en el apartado anterior.

Solucion: z = (64) , y = 6 z = (2) + 2k (k = 0, . . . , 5)
6 6
a) y0 = (2) 6 , y1 = (2) 2 , y2 = (2) 5

6
, y3 = (2) 5
6
, y4 = (2) 2 , y5 = (2) 6 .
b) Las cinco soluciones son los vertices de un hexagono regular inscrito en
una circunferencia de radio 2. En la figura B.1 se representa graficamente
el resultado.
2. Dado el sistema de ecuaciones

x1 + x2 + x3 = 0
x1 + ax2 + x3 = 1
bx1 + x2 + ax3 = 1
se pide discutir las soluciones del sistema en funcion de los valores de a y b

(a, b lR).
Solucion:
375
376 Examenes propuestos en la Universidad Rey Juan Carlos
y1
2
y0
y2 1
2 1 1 2
y3 1
y5
2
y4
Figura B.1: Representacion grafica de la solucion del problema 1.

1 1 1 1 1 1
Matriz de coeficientes: A = 1 a 1 0 a1 0
b 1 a 0 0 ab

1 1 1 0 1 1 1 0
Matriz ampliada: Ab = 1 a 1 1 0 a1 0 1 con
b 1 a 1 0 0 a b a2+b
a1
a 6= 1.
Si a 6= 1
a) Si a = b, rg(A) = 2. y rg(Ab ) = 3 (2a 2 6= 0 salvo si a = 1)
Sistema incompatible.
b) Si a 6= b, rg(A) = 3 y rg(Ab ) = 3 Sistema compatible determinado.
Si a =
1
1 1 1 1 1 1
A = 1 1 1 0 1 b 1 b ,
b 1 1 0 0 0

1 1 1 0 1 1 1 0
Ab = 1 1 1 1 0 1 b 1 b 1 ,
b 1 1 1 0 0 0 1
a) Si b = 1, rg(A) = 1 y rg(Ab ) = 2 Sistema incompatible.
b) Si b 6= 1, rg(A) = 2 y rg(Ab ) = 3 Sistema incompatible.
3. Demostrar que si T M3 (lK) es una matriz triangular superior inversible, la

inversa de T tambien es triangular superior.
B.1. Prueba de control de noviembre de 1999 377
Solucion: Si la matriz T 1 es la inversa de la matriz T se verifica T T 1 = I3 .

La ecuacion T T 1 = I3 se puede expresar como:
T (t1 1 1
1 , t2 , t3 ) = (e1 , e2 , e3 ) (B.1)
donde (t11 , t1 1
2 , t3 ) y (e1 , e2 , e3 ) representan las columnas de T 1
e In res-
pectivamente:
1
t1
11 t12 t1
13
t1
1 = t1
21
, t1
2 = 1
t22 , t1
3 =
t1
23
y
1 1
t31 t32 t1
33

1 0 0
e1 = 0 , e2 = 1 , e3 = 0
0 0 1
De (B.1) se deduce que para obtener los elementos de T 1 se deben resolver los
siguientes 3 sistemas de ecuaciones lineales (cada uno de ellos con 3 ecuaciones
y 3 incognitas):
1 1 1
t11 1 t12 0 t13 0
T t121
= 0 T t 1
22 = 1 T t 1
23 = 0
t1
31 0 t 1
32 0 t 1
33 1
Resolviendo el primero
t11 t1 1 1
11 + t12 t21 + t13 t31 = 1
1 1 1
0t11 + t22 t21 + t23 t31 = 0 t1
21 = 0
0t1 1 1
11 + 0t21 + t33 t31 = 0 t1
31 = 0
Resolviendo el segundo
t11 t1 1 1
12 + t12 t22 + t13 t32 = 1
1 1 1
0t12 + t22 t22 + t23 t32 = 0
0t1 1 1
12 + 0t22 + t33 t32 = 0 t1
32 = 0
lo que implica que t1

ik = 0 si i > k (i, k = 1, 2, 3) y por lo tanto T
1
es una
matriz triangular superior como se quera demostrar.
4. Sean

1 a
H1 = A M2 (lR)A = , a, b, c lR y
b c

b a
H2 = A M2 (lR)A = , a, b lR
a b
dos subconjuntos de M2 (lR). Son subespacios de M2 (lR)? Justifica la respuesta.
Solucion:

1 a 1 d 1 a
a) A = H1 , B = H1 . A + B = +
b c e f b c

1 d + a + d
= H1 unicamente si + = 1
e f b + e c + f
existen valores de y para los cuales A + B / H1 y por lo tanto H1
no es un subespacio de M2 (lR).

b a d c
b) A = H2 , B = H2 .
a b c d

b a d c (b + d) a + c
A+B = + =
a b c d a + c (b + d)
H2 , lR H2 es un subespacio de M2 (lR).
5. Sean {e1 , . . . , en } , {u1 , . . . , un } y {w1 , . . . , wn } tres bases de un espacio vec-

torial de dimension n de las que se conoce las relacion entre {ei } y {wi } :
Pn P
n
ei = aji wj y entre {wi } y {ui } : wi = bji uj . Si se denota por A a
j=1 j=1
(aij )nn y por B a (bij )nn se pide obtener, en funcion de A y B, la matriz de
cambio de base que transforma las componentes de un vector en la base {ei } en
las componentes del mismo vector en la base {ui } .
Solucion:
t
x1 . . . xn componentes de x en la base {e1 , . . . , en }
0 t
x1 . . . x0n componentes de x en la base {u1 , . . . , un }
00 t
x1 . . . x00n componentes de x en la base {w1 , . . . , wn }
A = (e1 , . . . , en ){wi } , B = (w1 , . . . , wn ){ui }
00
x1 x1 x1

.. . ..

. = (e1 , . . . , en ){wi } .. = A .

00

x
0 n xn
00 x
00 n

x1 x1 x1

.. . .
. = (w1 , . . . , w3 ){ui } .. = B ..

0 00 00
xn xn xn

x01 x1
.. ..
. = BA .
x0n xn
La matriz de cambio de base de {ei } a {ui } es BA.

B.2. Examen parcial de febrero de 2000 379
B.2. Examen parcial de febrero de 2000

1. Dados los complejos z1 = 2 3 + 2i y z2 = 10 + 10i, se pide:
z1 z2
a) calcular .
z2 z 2

b) calcular todos los valores de 4 z1 y dibujar el resultado.
Puntuacion de la pregunta: 3 puntos. ((a) 1 punto, (b) 2 puntos)

Solucion:

z1 = 4 3 + 4 arctg(
1
)+
= (4) 5
6
, z2 = 200 arctg( 10 ) = (10 2) 4 ,
3 10

z1 z2 (40 2) 5 + 2
a) = 200
6 4
= 5 13
z2 z 2 12

4

b) 4 z =
1 4 (5/6) + 2k (k = 0, 1, 2, 3) = 2 5 + k (k = 0, 1, 2, 3) =
4 4 24 2

r1 = 2 5 (k = 0)

24
r2 = 2 17 (k = 1)
24

r3 = 2 19 (k = 2)

r = 2 7 (k = 3)
24
4 24
r2
1 r1
0.5
1 0.5 0 0.5 1
0.5
r3
1
r4
Figura B.2: Representacion grafica de la solucion.

2. Justificar si es cierta o falsa la proposicion si u, v y w son tres vectores

pertenecientes a un espacio vectorial V tales que hu, vi = hu, wi , entonces
hu, vi = hu, v, wi.
Puntuacion de la pregunta: 3 puntos.
Solucion: Se denominara S al subespacio generado por u y v, que es el mismo
que el generado por u y w (S = hu, vi = hu, wi). Debido a que {u, v} es un
sistema generador de S, cualquier vector de S se podra expresar como combi-
nacion lineal de u y v. Como por otro lado w pertenece a S (por pertenecer a
un sistema generador de S), w se puede expresar como combinacion lineal de
u y v. En consecuencia hu, vi = hu, v, wi puesto que si a un sistema generador
se le anade un vector combinacion lineal de los ya existentes el subespacio que
generan sigue siendo el mismo.
3. Considerese el e.v. V = M2 (lR), de las matrices cuadradas de tamano 2 2, y

sea S = {M1 , M2 , M3 , M4 } el sistema formado por las matrices:

0 0 0 1 1 1 1 1
M1 = M2 = M3 = M4 =
0 1 1 1 0 0 0 1
Se pide:
a) estudiar s S es una base de V .

b) Si S es una base de V, hallar las coordenadas x1 , x2 , x3 , x4 en la base S de
una matriz generica, M, de V.

a b
M=
c d
Si S no es una base de V escoger un subconjunto de S formado por matrices
linealmente independientes y determinar unas ecuaciones parametricas del
subespacio que generan. Expresar las matrices restantes como combinacion
lineal de las linealmente independientes.
Puntuacion de la pregunta: 6 puntos. ((a) 2 puntos, (b) 4 puntos).

Solucion:
a) Para que {M1 , M2 , M3 , M4 } sea una base de M2 (lR), cualquier matriz de

dimension 2 2 se tiene que poder expresar de forma unica como combina-
cion lineal de M1 , M2 , M3 y M4 . Para ello el siguiente sistema de ecuaciones
tiene que tener solucion unica para cualesquiera a, b, c y d
0x1 + 0x2 + x3 + x4 = a
0x1 + x2 + x3 + x4 = b
0x1 + x2 + 0x3 + 0x4 = c
x1 + x2 + 0x3 + x4 = d
y para ello es necesario y suficiente que la matriz de coeficientes del sistema

anterior, A, tenga rango 4:

1 1 0 1 1 1 0 1
1 1 0 0 0 1 1 1
A=
0 1 1 1 0 0 0 1 = A
0
0 0 0 1 0 0 0 0
y por lo tanto el rango de A es 3 y S = {M1 , M2 , M3 , M4 } no es una base

de M2 (lR).
b) Existen distintas soluciones a este apartado debido a que se pueden coger
distintos subconjuntos de S formados por matrices linealmente indepen-
dientes. A continuacion se da una de ellas en la que se ha escogido un
subconjunto formado por el maximo numero de matrices linealmente inde-
pendientes que se pueden encontrar en S : 3 (rg(A) = 3).
Las filas de la matriz A son las componentes de las cuatro matrices M1 , M2 ,
M3 y M4 en la base

1 0 0 1 0 0 0 0
B1 = B2 = B3 = B4 =
0 0 0 0 1 0 0 1
(1a fila = componentes de M4 , . . . , 4a fila = componentes de M1 ). Como

el rango de A es 3, el numero de matrices linealmente independientes que
hay en S es tres. Como ademas observando A se aprecia que la ultima fila
es combinacion lineal de la primera y la segunda (4a fila = 1a fila -2a fila),
el subconjunto de S, S 0 = {M4 , M3 , M2 }, es un subconjunto formado por
matrices linealmente independientes. Llamando W al subespacio generado
por S 0 sus ecuaciones parametricas son:

x1 =

+
x2 = + +
W =

x3 =

x4 = +
La matriz restante, M1 , se podra expresar como M1 = M3 + 0M2 + M4 .
4. Sean f : lR2 lR3 una aplicacion lineal y

2 1
A = 1 1
1 0
la matriz asociada a f en las bases B1 = {c1 = (1, 0)t , c2 = (1, 1)t } de lR2
y B2 = {b1 = (1, 0, 0)t , b2 = (1, 1, 0)t , b3 = (1, 1, 1)t } de lR3 . Si v = c1 + c2 .
Determinar f (v). Nota: Todos los vectores del enunciado estan referidos a las
bases canonicas de lR2 y lR3 respectivamente. El resultado, f (v), tambien se
debe expresar en la base canonica de lR3 .
Solucion: f (v) =f (c1 + c2 ) = f (c1 ) + f (c2 ) = (2, 1, 1)tB2 + (1, 1, 0)tB2 =
(3, 0, 1)tB2 = 3b1 + b3 = 3(1, 0, 0)t + (1, 1, 1)t = (4, 1, 1)t .
5. Se define un homomorfismo f : V W entre dos lKe.v. de dimensiones 3 y

4 respectivamente de manera que f (e1 e2 ) = u3 + u2 + u4 , f (2e2 ) =2u1 +
2u2 + 2u4 y f (4e2 e3 ) =2u1 +4u2 2u3 , donde B = {e1 , e2 , e3 } es una base
de V y B 0 = {u1 , u2 , u3 , u4 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B 0 ,

b) ecuaciones implcitas de Im(f ),
c) ecuaciones parametricas del nucleo de f.
d ) Clasificar la aplicacion (inyectiva, sobreyectiva, biyectiva o ninguna de las
tres cosas).
Puntuacion de la pregunta: 7 puntos ((a) 2 puntos, (b) 2 puntos, (c) 2

puntos, (d) 1 punto).
Solucion:
a) con los datos del enunciado se pueden obtener las columnas de la matriz
pedida:
f (e1 e2 ) = f (e1 ) f (e2 ) = u3 + u2 + u4
f (2e2 ) =2f (e2 )=2u1 + 2u2 + 2u4
f (4e2 e3 ) =4f (e2 ) f (e3 )=2u1 +4u2 2u3
Las tres igualdades anteriores constituyen un sistema de ecuaciones del

que se pueden despejar f (e1 ), f (e2 ) y f (e3 ) en funcion de u1 , u2 , u3 y u4 ,
obteniendose:
f (e1 ) = u1 +2u2 + u3 + 2u4
f (e2 ) = u1 +u2 + u4
f (e3 ) = 2u1 +2u3 + 4u4
Con lo que la matriz asociada a f en las bases B y B 0 es:

1 1 2
2 1 0

1 0 2
2 1 4

1 2 1 2 1 2 1 2
b) 1 1 0 1 0 4 0 0 f (e1 ), f (e2 ) y f (e3 ) son
2 0 2 4 0 0 1 1
linealmente independientes y por lo tanto constituyen una base de Im(f ).
Una vez conocida una base de Im(f ) es facil construir sus ecuaciones pa-
rametricas:

, x1 =

4 x2 = 2 4
Im(f ) = x lR

x3 =

x4 = 2
eliminando , y se obtiene la ecuacion implcita de Im(f ). Im(f ) =
{x lR4 x4 x3 x1 = 0}.
c) Como dim(V )=dim(Im(f )) + dim(ker(f )), se deduce que dim(ker(f )) = 0
| {z } | {z }
3 3
y sus ecuaciones parametricas seran:
, x =0
1
ker(f ) = x lR3 x2 = 0

x3 = 0
d ) La aplicacion es inyectiva porque ker(f ) = {0}. No es sobreyectiva

porque dim(Im(f )) < dim(W ) y por lo tanto habra vectores de W que no
tengan antecedente.
6. Sea B = {v1 , v2 , v3 } una base de un espacio eucldeo, E, de dimension 3 que

verifica:
v1 v2 = 0, v1 v1 = 1, v2 v2 = 1, v3 v3 = 3

y ademas v1 v3 hv1 , v2 i . Se pide:
a) obtener la matriz del producto escalar respecto de la base B,

b) calcular el angulo formado por los vectores v2 y v3 , as como el que forman
v1 v2 y v1 + v2 ,
c) Obtener una base ortonormal de E. Que matriz tiene asociada el producto
escalar en dicha base?,
d ) cuales son las coordenadas de los vectores w y v respecto de la base
ortonormal calculada en el apartado anterior si respecto de la base B son
w = (1, 3, 1)t y v = (1, 2, 0)t ?
e) Calcular el producto escalar w v expresando w y v en la base B. Volver a
calcular el producto escalar w v expresando w y v en la base ortonormal
obtenida anteriormente. Que relacion hay entre los dos valores obtenidos?,
razonese la respuesta.
Puntuacion de la pregunta: 7 puntos ((a) 1 punto, (b) 1 punto, (c) 2 puntos,

(d) 2 puntos, (e) 1 punto).
Solucion:

(v1 v3 ) v1 = 0 v3 v1 = v1 v1 = 1
a) v1 v3 hv1 , v2 i
(v1 v3 ) v2 = 0 v1 v2 = v3 v2 = 0
Con los dos productos escalares que se acaban de calcular se tienen todos
los elementos de la matriz de Gram:

1 0 1
G= 0 1 0
1 0 3
v2 v3
b) arc cos(v\
2 , v3 ) = kv2 kkv3 k = 0 v\
2 , v3 = 2,
arc cos((v1 v\
2 )(v1 + v2 )) =
(v1 v2 )(v1 +v2 )
kv1 v2 kkv1 +v2 k = 0 (v1 v\
2 )(v1 + v2 ) =

2.
c) Como v1 v2 = 0, v1 y v2 son ortogonales con lo que c1 y c2 se pue-
den calcular directamente sin mas que dividir v1 y v2 por sus respectivas
normas
c1 = kvv11 k = v1 = (1, 0, 0)t{vi } ,
c2 = kvv22 k = v2 = (0, 1, 0)t{vi } ,
c3 se calcula mediante la tercera etapa del metodo de Gram - Schmidt:
c3 = kzz33 k = 12 (1, 0, 1)t{vi } ,
z3 = v3 (v3 c1 )c1 (v c2 )c2 = (0, 0, 1) (1, 0, 0) = (1, 0, 1)t{vi } ,

1 0 1 1
2
kz3 k = z3 z3 = (1, 0, 1) 0 1 0 0 = 2.
1 0 3 1
La matriz del producto escalar en la base {c1 , c2 , c3 } es

1 0 0
G0 = 0 1 0
0 0 1
puesto que ci cj = ji .
d ) Para realizar el cambio de base sera necesario expresar {vi } en funcion de
{ci }
c 1 = v1 v1 = c1
c 2 = v2 v2 = c
c = 1 v + 1 v 2
3 2 1 2 3 v3 = 2c3 + c1

w = v1 + 3v2 v3 = c1 + 3c2 ( 2c3 + c1 ) = 3c2 2c3
v = v1 + 2v2 = c1 + 2c2 = c1 + 2c2 .

1 0 1 1
e) En la base {vi } : w v = (1, 3, 1) 0 1 0 2 = 6.
1 0 3 0

1 0 0 1 1
En la base {vi } : w v = (1, 3, 1) 0 1 0 2 = (1, 3, 1) 2
0 0 1 0 0
= 6.
Los dos valores son iguales puesto que el producto escalar de dos vectores
es siempre el mismo independientemente de cual sea la base en la que se
expresen los vectores.
7. Dada la matriz
1 2 3
A= 2 1 1
4 1 2
se pide:
a) utilizando el metodo LU con pivote parcial, determinar las matrices F, L
y U que satisfacen que F A = LU.
b) resolver el sistema de ecuaciones Ax = b mediante el metodo LU con pivote
parcial en el caso en que b = (1, 0, 1)t .
Puntuacion de la pregunta: 7 puntos ((a) 5 puntos, (b) 2 puntos).
Solucion:

4 1 2
a) Etapa 1, A1 = 1/2 3/2 0 , IFIL(1)=3
1/4 9/4 5/2

4 1 2
Etapa 2, A2 = 1/2 9/4 5/2 , IFIL(2)=3
1/4 2/3 5/3
Por lo tanto:

1 0 0 4 1 2 0 0 1
L = 1/4 1 0 , U = 0 9/4 5/2 , F = 1 0 0 .
1/2 2/3 1 0 0 5/3 0 1 0
b) Se transforma el sistema F Ax =F b en el sistema LU x =F b (1) utilizando

la factorizacion obtenida en el apartado anterior. Para resolver (1) se re-
suelve en primer lugar el sistema Ly =F b, obteniendose y = (1, 3/4, 1)t .
A continuacion se resuelve el sistema U x = y obteniendose x = (2/15,
1/3, 3/5)t que es la solucion del sistema Ax = b.
8. Demostrar, utilizando la definicion , que lm (x3 + 2x) = 33. Nota: si para

x3
resolver la pregunta se utiliza la propiedad lm (f (x) + g(x)) = lm f (x)+ lm
xa xa xa
g(x) sera necesario demostrarla previamente utilizando la definicion .
Solucion: teniendo en cuenta que x = x 3 + 3, x3 = (x 3)3 + 9(x 3)2 +
27(x 3) + 27 se deduce que:
3
x + 2x 33 = (x 3)3 + 9(x 3)2 + 29(x 3) |x 3|3 + 9 |x 3|2 +
29 |x 3| . Para todos los x que pertenezcan al intervalo
abierto de centro 3 y
radio se verificara |x 3| < por lo que: x3 + 2x 33 < 3 +9 2 +29 39
(si se supone 1) y por lo tanto:
lm(x3 + 2x) = 33
debido a que:

> 0 ( y 1) t.q. (0 < |x 3| < |x3 + 2x 33| < )
39
B.3. Prueba de control de abril de 2000

1. (3 puntos) Considerar la funcion y = f (x) definida implcitamente por
F (x, y) x2 + y 4 2 = 0 y tal que f (1) = 1
df
Hallar dx en el punto x = 1.
Solucion: Si F (x, y) define implcitamente una funcion y = f (x), entonces
F (x, f (x)) = 0
Tomando derivadas a ambos lados de la igualdad obtenemos
dF (x, f (x))
=0
dx
es decir,
d 2
x + f 4 (x) 2 = 0
dx
Operando,
2x + 4f 3 (x)f 0 (x) = 0
es decir,
2x x
f 0 (x) = = 3
4f 3 (x) 2f (x)
B.3. Prueba de control de abril de 2000 387
Si (x, f (x)) = (1, 1), tendremos

1 1
f 0 (1) = 3
=
2(1) 2
2. Dadas las funciones

f (x) = 1+x
g(x) = ln(1 + sen x)
a) (1.5 puntos) Hallar los polinomios de Taylor de orden 2 alrededor de x = 0
de f (x) y g(x).
Solucion:
f 00 (0) 2
f (x) = f (0) + f 0 (0)x + x + O(x3 ) = P2 (x) + O(x3 )
2
g 00 (0) 2
g(x) = g(0) + g 0 (0)x + x + O(x3 ) = Q2 (x) + O(x3 )
2
Se calcula automaticamente f (0) = 1, g(0) = 0. Calculemos las derivadas
de f en cero hasta el orden segundo:
1 1 1
f 0 (x) = (1 + x) 2 , f 0 (0) =
2 2
1 32 1
f 00 (0) = (1 + x) 00
, f (0) =
4 4
1
g 0 (0) = 0
cos x , g (0) = 1
1 + sen x
sen x cos2 x
g 00 (0) = , g 00 (0) = 1
1 + sen x (1 + sen x)2
Por tanto,
1 1
P2 (x) = 1 + x x2
2 8
x2
Q2 (x) = x
2
b) (1.5 puntos) Usar esta informacion para calcular

1 + x 1 x2
lm .
x0 ln(1 + sen x) x
Solucion: Podemos escribir

1 + x 1 x2 1 + 12 x 18 x2 + O(x3 ) 1 x
2
lm = lm 2
x0 ln(1 + sen x) x x0 x x2 + O(x3 ) x
18 x2 + O(x3 )
= lm 2
x0 x2 + O(x3 )

O(x3 )
x2 81 + x2 18 + O(x3 )
18 1
= lm x2
= lm O(x3 )
= 1 = 4
x0 2
x 12 + O(x3 ) x0 12 + 2
x2 x2
3. (3 puntos) Se debe hacer un embudo conico que tenga la generatriz igual a 20

cms. Cual debe ser la altura del embudo para que su volumen sea el maximo po-
sible? (Nota: el volumen de un cono es un tercio del area de la base multiplicado
por la altura).
Solucion: El volumen en funcion de la altura h y del radio r sera
1 2
V (r, h) = r h
3
La generatriz mide 20 cms. La generatriz, el radio y la altura forma un triangulo
rectangulo. Por tanto
r2 + h2 = 202 = 400
Es donde podemos despejar r :
p
r= 400 h2
y obtener as
1
V (h) = 400 h2 h
3
Para hallar el maximo (si existe) calculemos el o los puntos crticos imponiendo
dV (h) 1
= 400 3h2 = 0
dh 3
20
que se cumple con h = 3
. Para ver si es maximo el volumen en este punto,
calculemos la segunda derivada
d2 V (h) d2 V 20 40
= 2h , ( ) = < 0
dh2 dh2 3 3
20
Por tanto, hay un maximo local para h = 3
y esta sera la altura del embudo
para la cual el volumen es maximo y vale

1 400 20 16000
Vmax = 400 = 3 = 3224,5 cm3
3 3 3 27
4. Considerar la funcion de dos variables f (x, y) = x2 14 y 4 .

a) (1 punto) Calcular la derivada direccional de f en el punto (x, y) = (1, 1)

a lo largo de la direccion u = ( 12 , 12 ).
Solucion: La funcion f tiene derivadas parciales
f
= 2x
x
f
= y
y
que son dos funciones continuas en lR2 . Sera en particular continua en

(1, 1). Por tanto, la funcion f es diferenciable en (1, 1) y eso implica que
tiene todas sus derivadas direccionales y estas se expresan en la forma

df f f
(1, 1) = (1, 1) u1 + (1, 1) u1 = 2u1 u2
du x y
Si u = ( 12 , 12 ), entonces
df 1 1 3
(1, 1) = 2 =
du 2 2 2
b) (1 punto) Calcular la diferencial de f en ese punto.

Solucion: Como f es diferenciable, se tendra

f f
df ((1, 1); h) = (1, 1) h1 + (1, 1) h1 = 2h1 h2
x y
c) (1 punto) Calcular la ecuacion del plano tangente en el punto.

Solucion: El plano tangente tiene ecuacion

f f
z f (1, 1) = (1, 1) (x 1) + (1, 1) (y 1)
x y
Calculando,
5
z+ = (2)(x 1) + (1)(y 1)
4
Simplificando,
7
z= 2x y
4
d ) (1 punto extra) Si en lugar de f consideramos la funcion
(
x2 41 y 4
x2 +xy 2 + 14 y 4
si (x, y) 6= (0, 0)
g(x, y) =
1 si (x, y) = (0, 0)
Sera continua esta funcion en (0, 0)?

Solucion: Tenemos que ver si se verifica
lm g(x, y) = 1
(x,y)(0,0)
Calculemos lmites radiales

x2 14 k 4 x4 1 14 k 4 x2
lm g(x, kx) = lm 1 = lm = 1
x0 x0 x2 + k 2 x3 + k 4 x4 x0 1 + k 2 x + 1 k 4 x2
4 4
Intentemos hallar una mayorante. Haciendo cambio a polares

r2 cos2 14 r4 sen4
g(x, y) =
r2 cos2 + r3 cos sen2 + 14 r4 sen4
cos2 14 r2 sen4
=
cos2 + r cos sen2 + 14 r2 sen4
y por tanto
cos2 14 r 2 sen4
g(x, y) + 1 = cos2 +r cos sen2 + 14 r 2 sen4
+1
2
= 4r 4 cos2 +4r cos 4r(sen )(cos )
cos3 +r 2 2r 2 cos2 +r 2 cos4
4rh(r, )
El producto de r por una funcion de r y . Si esta funcion esta acotada,

entonces el mayorante sera r y g(x, y) tendera a 1. Desafortunadamente
este no es el caso, ya que
(sen2 ) (cos ) sen2
h(r, ) = cuando r 0
4 cos2 4 cos
que no es acotada. Esto hace sospechar que quizas el lmite no sea 1. Bus-
quemos una trayectoria y = (x) tal que g(x, (x)) = M 6= 0. Tendremos
x2 14 4 (x)
g(x, (x)) = = M
x2 + x2 (x) + 14 4 (x)
x2 14 y 2
= M
x2 + xy + 14 y 2
Una posible (x) sera
s
1 p
(x) = 4M x + 4 (x2 + 2M x2 )
2 (M 1)
que solo sera tendra sentido cuando M verifique
(M 1) < 0 , 2M 1 > 0 , (2M 1) < M 2


y esto solo ocurre si M 12 , 1 . La funcion g, por tanto, no es continua
en (0, 0).

Otra posibilidad es la de darse cuenta de que a lo largo de y = k x se
tiene
x2 14 k 4 x2 1 14 k 4
f (x, y) = f (x, k x) = = 6= 1
x2 + k 2 x2 + 14 k 4 x2 1 + k 2 + 14 k 4
5. (3 puntos) Hallar los extremos relativos y/o puntos de silla de la funcion
1 5
f (x, y) = x + y 3 12y 12x3 15
5
definida en lR2 .
Solucion: Hallemos primero los puntos crticos. Imponemos
f
= x4 36x2 = 0
x
f
= 3y 2 12 = 0
y
De la primera ecuacion obtenemos x = 0 o x = 6. De la segunda obtenemos

y = 2. Hay por tanto 6 puntos crticos: (0, 2), (0, 2), (6, 2), (6, 2), (6, 2),
(6, 2).
La matriz Hessiana es
!
2f 2f
x2 xy 4x3 72x 0
Hf = 2f 2f
=
0 6y
xy y 2
Por tanto,
2f
2 = det Hf = 24x3 y 432xy , 1 = = 4x3 72x
x2
En (0, 2) y (0, 2), 2 = 0. Por tanto, son todos puntos dudosos.

En (6, 2), 2 = 24 63 2 432(12) = 5184 > 0, 1 = 4 63 72(6) = 432 > 0.
Hay, por tanto, un mnimo relativo.

En (6, 2), 2 = 24 63 (2) + 432(12) = 5184 < 0. Hay, por tanto, un punto
de silla.
En (6, 2), 2 = 5184 < 0. Hay, por tanto, un punto de silla.

En (6, 2), 2 = 5184 > 0. 2 = 4 (6)3 + 72(6) = 432 < 0. Hay, por
tanto, un maximo relativo.
B.4. Examen final de la convocatoria de junio de

2000
1. Hallar el polinomio de Taylor de tercer grado en torno a x = 0 de las funciones
x2
f (x) = sen(x )
2
g(x) = ex 1
Usar estos polinomios para calcular

f (x) + g(x)
lm
x0 x3
Solucion: Calculamos
x2
f (x) = sen(x ) , f (0) = 0
2
x2
f 0 (x) = (1 x) cos(x ) , f 0 (0) = 1
2
2
x x2
f 00 (x) = cos(x ) (1 x)2 sen(x ) , f 00 (0) = 1
2 2
2
x x2
f 000 (0) = 3(1 x) sen(x ) (1 x)3 cos(x ) , f 000 (0) = 1
2 2
Por tanto
x2 x3
f (x) = 0 + x + O(x4 )
2 6
x2 x3
El desarrollo de la exponencial es conocido: ex = 1 + x + 2 + 6 + O(x4 ). Por
tanto,
x2 x3
g(x) = x + + O(x4 )
2 6
Podemos concluir
3
f (x) + g(x) x3 + O(x4 ) 1 O(x4 )
= = +
x3 x3 3 x3
y finalmente

f (x) + g(x) 1 O(x4 ) 1 O(x4 ) 1
lm = lm + = + lm =
x0 x3 x0 3 x3 3 x0 x3 3
2. Considerese la funcion
xy
p
sen x2 + y 2 en lR2 \(0, 0)
x2 +y 2
f (x, y) =
0 en (0, 0)
B.4. Examen final de la convocatoria de junio de 2000 393
a) Es continua en (0, 0)?

b) Calcular f
x (1, 1) y
f
y (1, 1) y la derivada direccional de f (x, y) a lo largo
de la direccion u = 1 (1, 1) en el punto a = (1, 1).
2
Nota: la valoracion de cada apartado en la calificacion global del ejercicio es la

siguiente: apartado (a) 50 %, apartado (b) 50 %.
Solucion: a) No es continua. Calculemos los lmites direccionales:
q p !
2
x x 2 1 sen |x| 1 +
lm f (x, x) = lm sen x2 + (x) = lm
x0 x0 x2 + (x)2 x0 1 + 2 x
p !
1 sen |x| 1 + 2
=p lm p
1 + 2 x0 x 1 + 2
Podemos ahora calcular
p
sen |x| 1 + 2
lm p = +1
x0+ x 1 + 2
p
sen |x| 1 + 2
lm p = 1
x0 x 1 + 2
y concluir
1 1
lm f (x, x) = p , lm f (x, x) = p
x0 +
1 + 2 x0 +
1 + 2
que solo son cero si = 1. La funcion, por tanto, no es continua en (0, 0).
b) Fuera del punto (0, 0) la funcion es diferenciable (composicion de funciones
diferenciables). Por tanto
p p
f 1 2x(x y) 2 + y2 +
x(x y)
= sen x 3 cos x2 + y 2
x x2 + y 2 (x2 + y 2 )2 (x2 + y 2 ) 2
p p
f 1 2y(x y) y(x y)
= 2 2
2 2 2
sen x2 + y 2 + 3 cos x2 + y 2
y x +y (x + y ) 2 2
(x + y ) 2
Podemos calcular entonces
f sen 2 f sen 2
(1, 1) = , (1, 1) =
x 2 y 2
La derivada direccional buscada sera entonces

df f f sen 2 1 sen 2 1 sen 2
(1, 1) = (1, 1)u1 + (1, 1)u2 = =
du x y 2 2 2 2 2
3. La temperatura T en un lago esta dada en cada punto por la formula

1 1
T (x, y, z) = 4 (x2 + y 2 ) + z z 2
4 10
donde (x, y, z) son las coordenadas de un punto del lago en un cierto sistema de
referencia. Un pez sigue la trayectoria
x(t) = t
y(t) = t
z(t) = 1 + t2
con 0 t 2. En que instantes (valores de t) siente el pez la maxima y mnima
temperaturas y cuales seran estas?
Solucion: Denotemos por (t) la temperatura que siente el pez en cada ins-
tante. Dicha funcion es el resultado de componer la ecuacion vectorial de la
trayectoria con la funcion T (x, y, z) que da la temperatura en cada punto del
espacio. Es decir (t) = T (x(t), y(t), z(t)). Para calcular los extremos globales
de (t) deberemos hallar primero los locales y, para ello, los puntos crticos.
Aplicando la regla de la cadena obtenemos
d T dx T dy T dz
= + +
dt x dt y dt z dt
(las derivadas parciales se evaluan en (x(t), y(t), z(t))). Se obtiene entonces

d 1 1 1 1 2

= x(t) 1+ y(t) 1+ 1 z(t) (2t) = t+2t 1 1+t
dt 2 2 5 5
3 2
= t t3
5 5
q
d 3
Los puntos crticos (puntos en los que se anula dt ) son t = 0 y t = 2. La
segunda derivada es
d2 3 6
2
= t2
dt 5 5
q
que es positiva para t = 0 y negativa para t = 32 . La funcion (t) (definida
en todo
q lR) tendra por tanto un mnimo local en t = 0 y un maximo local en
3 9
t= 2. El mnimo local es (0) = T (0, 0, 1) = 4 + 10 = 49
10 , mientras que el
q q q
maximo local es ( 32 ) = T ( 32 , 32 , 52 ) = 4 34 + 52 58 = 41
8 . Como estamos
en el intervalo t [0, 2], para calcular los extremos globales en el intervalo
deberemos comparar los extremos locales con los valores de la funcion en el
borde. (0) ha sido calculado arriba, y (2) = T (2, 2, 5) = 4 2 + 5 52 = 92 .
Como (2) < (0), el mnimo global se alcanza en t = 2 y vale 29 . El maximo
q
global se alcanza en t = 32 y vale 418 .
4. Una caja de base rectangular (lados de la base de longitud x e y, altura z) sin

tapa superior ha de tener un volumen de 32 decmetros cubicos. Cuales han de
ser las dimensiones de la caja de modo que el area sea mnima?
Solucion: El volumen de la caja es
V = xyz = 32 (B.2)
y el area total sera el area de los cuatro lados mas el area de la base:
A = xz + yz + xz + yz + xy = 2xz + 2yz + xy
32
De (B.2) deducimos z = xy , y, por tanto
64 64
A= + + xy
y x
Es decir, el area es una funcion de dos variables que denotaremos por A(x, y).
Para calcular el area mnima, tendremos que encontrar el mnimo global de
A(x, y). Busquemos sus puntos crticos:
A 64
= +y =0
x x2
A 64
= 2 +x=0
y y
De la primera ecuacion obtenemos y = x642 , que introducido en la segunda lleva
a
1
x4 + x = 0
64
con soluciones x = 0 (no realista) y x = 4. El correspondiente valor de y
64 32
sera (4)2 = 4. El correspondiente valor de z sera pues z = (42 ) = 2. Compro-
bemos que A(x, y) tiene un mnimo en (x, y) = (4, 4). Para ello calculamos la
matriz Hessiana
2 !
A 2A 128
x 2 xy x 3 1
H= 2A 2A
= 128
2
1 y3
xy y

2 1 2
En (4, 4) la Hessiana es H = . Como xA2 (4, 4) = 2 > 0 y det(H) =
1 2
3 > 0, concluimos que, efectivamente, hay un mnimo de A(x, y) en (4, 4). Las
dimensiones de la caja de area mnima son entonces 4 4 2 (las longitudes
tienen dimensiones de decmetros).
5. Las curvas y = x, y = x2 delimitan una region D (contenida en el primer
cuadrante). Calcular ZZ
(ex + y)dxdy
D
Solucion: Es elemental dibujar las curvas: una recta y una parabola. Dichas
curvas tienen interseccion en los puntos (0, 0) y (1, 1). En el intervalo x (0, 1)
la parabola esta por debajo de la recta. Estamos pues ante una region del Tipo
1 y la integral se calculara con la formula
Z 1 Z x
x
I= (e + y)dy dx
0 x2
En primer lugar,
Z x x
y 2 x2 x4
(e + y)dy = e y + = ex x +
x x
ex x2
x2 2 x2 2 2
y la integral buscada es entonces

Z 1 Z 1 Z 1 2 Z 1 Z 1 4
x x2 x 2 x4 x x x 2 x
e x+ e x dx = e xdx+ dx e x dx dx
0 2 2 0 0 2 0 0 2
Las unicas integrales que no se calculan en forma directa son las que involucran
exponenciales, que debemos integrar por partes
Z 1 Z 1
1
ex xdx = ex x|0 ex dx = e e + 1 = 1
0 0
Z 1 Z 1
1
x 2
e x dx = e x x 2 0 2xex dx = e 2
0 0
Nuestra integral sera entonces

1 1 46
I =1+ (e 2) = e
6 10 15
6. Calcular ZZ q
3
x 1 (x2 + y 2 ) 2 dxdy
D
donde D es la region del primer cuadrante (x 0 e y 0) limitada por la

circunferencia x2 + y 2 = 1 y los ejes x e y.
Solucion: Dado que parte de la region esta delimitada por una circunferencia,
parece natural intentar expresar la region en coordenadas
polares. Nuestra re-
gion es el conjunto
de puntos con
[0, 1] y 0, 2 , es decir, el rectangulo en
polares D = (, ) [0, 1] 0, 2 . Despues del cambio a polares, la integral
sera (sin olvidar el jacobiano!):
ZZ q ZZ p
3
x 1 (x2 + y 2 ) 2 dxdy = cos 1 3 dd
D D
Z
2
Z 1 p
= cos 1 3 2 dd =
0 0
Z Z !
2 1 p 2 3 1
3 2 2
cos 1 3 2 d d = sen |0 2
1 =
0 0 9 0 9
7. Hallar la solucion general de las siguientes ecuaciones diferenciales:
a)
2
y 0 + 2xy = xex
b)
2y 00 + y 0 y = 2ex

Solucion: a) La solucion al problema homogeneo:
yh0 + 2xyh = 0
sera R 2 2
yh (x) = e 2xdx
= ex +C
= Kex
Para encontrar una solucion al problema no homogeneo ensayamos el metodo
de variacion de constantes
2
yp (x) = K(x)ex
Introducimos yp (x) en la ecuacion y se obtiene

2 2 2 2
K 0 (x)ex 2xK(x)ex + 2xK(x)ex = xex
Por tanto Z Z
2 2 x2
K(x) = xex ex dx = xdx =
2
La solucion final sera por tanto

x2 2
y(x) = yh (x) + yp (x) = K+ ex
2
b) Ecuacion homogenea:
2yh00 + yh0 yh = 0
Para hallar la solucion general, encontramos las races del polinomio carac-
terstico correspondiente: 2r2 + r 1. Dichas races son r = 1, 21 , y la solucion
general:
x
yh (x) = C1 ex + C2 e 2
La solucion particular de la ecuacion no homogenea la hallaremos por el metodo
de coeficientes indeterminados. Probemos una solucion de la forma yp (x) = Aex ,
que introducida en la ecuacion lleva a
2Aex + Aex Aex = 2ex
de donde deducimos 2A = 2. Por tanto, A = 1 y la solucion general de nuestra

ecuacion sera
x
y(x) = C1 ex + C2 e 2 + ex
8. Una bala de masa m penetra en una tabla cuyo grosor es h = 10 cms., con
una velocidad v0 = 200 m/seg. Al atravesarla, sale por el otro lado con una
velocidad v1 = 80 m/seg. Considerando la fuerza de la resistencia que ofrece
la tabla proporcional al cuadrado de la velocidad de esta (con constante de
proporcionalidad k), calcular el tiempo invertido por la bala en atravesar la
k
tabla. Calcular el valor de = m . (Nota: el resultado es independiente de los
valores de k y de m, pero su cociente se puede calcular a partir de los datos
del problema).
Solucion: La fuerza resistiva es proporcional al cuadrado de la velocidad. En-
tonces, ignorando todos los efectos que no son relevantes (por pequenos) para
nuestro problema, como es la gravedad, resistencia del aire, perdida de masa de
la bala, etc., y aplicando la ley de Newton, obtenemos la ecuacion
d2 x
m = FR = kv 2
dt2
El signo menos se debe al hecho de que la fuerza resistiva se opone al movimiento
de la bala, y x(t) es la distancia de la bala al lado de entrada de la tabla. La
ecuacion diferencial es de segundo orden para x(t), pero de primer orden para
v = dx
dt :
dv
m = kv 2
dt
k
Dividamos la ecuacion por m y llamemos m = . Entonces
dv
= v 2
dt
una ecuacion diferencial ordinaria, de primer orden, separable. Podemos escribir
entonces
dv
2 = dt
v
e integrando
1
= t + C (B.3)
v(t)
Fijemos como tiempo inicial el tiempo al cual llega la bala a la tabla. Entonces
1
=C
v0
y obtenemos de (B.3)
1
v(t) = 1 (B.4)
v0 + t
Denotemos por T el tiempo que emplea la bala en cruzar la tabla. Entonces
v(T ) = v1 y obtenemos la ecuacion
1
v1 = 1
v0 + T
de donde podemos calcular la constante

v0 v1
= (B.5)
v1 v0 T
Para hallar la trayectoria de la bala (y poder imponer x(T ) = h), tenemos que
integrar la ecuacion
dx(t)
= v(t)
dt
que es simplemente la definicion de velocidad. v(t) se calculo arriba y esta dada
por (B.4). Obtenemos entonces la ecuacion
dx 1
= 1
dt v0 + t
que es separable y equivalente a

dt
dx = 1
v0 + t
Integrando ambos lados,

Z
dt 1 1
+C
x= 1 + C = ln + t
v0 + t
v0
Si imponemos x(0) = 0 obtenemos

1 1
0 = ln + C
v0
y entonces
1 1
C = ln
v0
La trayectoria de la bala es por tanto
1
1 1 1
1 1 1 1 1 v0 + t
x(t) = ln + t ln = ln + t ln = ln 1
v0 v0 v0 v0 v0
1
= ln (1 + v0 t)

La salida de la bala ocurre cuando t = T y x = h. Entonces
1
h= ln (1 + v0 T )

y substituyendo dada por (B.5) se obtiene

1 v0 v1 1 v0 v1 1 v0
h = ln 1 + v0 T = ln 1 + = ln
v1 v0 T v1 v1
que lleva a
ln vv01
=
h
Vamos finalmente a (B.5) con nuestra y obtenemos
ln vv10 v0 v1
=
h v1 v0 T
Resolvemos esta ultima ecuacion para T y obtenemos
v0 v1
v1 v0
T =h
ln vv10
Substituyendo los numeros dados en el problema se concluye

20080
T = 0,1 20080 = 8,19 104 segundos
ln 200
80
Finalmente, podemos calcular

ln vv01 ln 52
= = = 9,1629 m1
h 0,1
9. Escribir, si es posible, el vector u = (1, 2, 0)t lR3 como combinacion lineal de

los siguientes vectores de lR3 .
a) (1, 1, 2)t , (1, 23 , 83 )t

b) (2, 2, 0)t , (1, 1, 2)t
c) (2, 0, 1)t , (0, 8, 2)t , (2, 4, 2)t

siguiente: apartado (a) 30 %, apartado (b) 30 %, apartado (c) 40 %.
Solucion:
a) Hay que encontrar y tales que:
+ =1
+ 23 = 2
2 + 83 = 0
El sistema anterior es compatible determinado de solucion = 4 y = 3,

por lo que
2 8
u =4(1, 1, 2)t 3(1, , )t .
3 3
b) En este segundo apartado hay que encontrar y tales que:
2 = 1
2 + = 2
2 = 0
En este caso el sistema es incompatible y por lo tanto no es posible expresar

u como combinacion lineal de (2, 2, 0)t y (1, 1, 2)t .
c) En el ultimo apartado hay que encontrar , y tales que:
2 + = 1
8 + 4 = 2
2 2 = 0
El sistema es compatible indeterminado y por lo tanto existen infinitas

formas de expresar u como combinacion lineal de (2, 0, 1)t , (0, 8, 2)t y
(2, 4, 2)t (ademas como el rango de la matriz ampliada es 2 y el numero
de incognitas es 3, las soluciones del sistema dependeran de un parametro):
= 1+2t
2 , =
12t
4 , y = t; entonces:
1 + 2t 1 2t
u= (2, 0, 1)t + (0, 8, 2)t + t(2, 4, 2)t ,
2 4
Dando un valor al parametro (por ejemplo t = 1) se obtiene una solucion
particular:
3 1
u = (2, 0, 1)t (0, 8, 2)t + (2, 4, 2)t
2 4
10. Sea P2 el espacio vectorial formado por los polinomios de grado menor o igual
que 2 y
B = {u1 (x) = 1 + x + 2x2 , u2 (x) = x2 , u3 (x) = 1 + 2x}
una base de P2 . Se pide:
a) Determinar la expresion del polinomio q = (4, 3, 2)tB en la base
B 0 = {e1 (x) = 1, e2 (x) = x, e3 (x) = x2 }
b) Hallar la matriz de cambio de base que transforma las coordenadas de un

polinomio en la base B 0 en sus coordenadas en la base B.

Solucion:
a) q(x) = 4(1 + x + 2x2 ) + 3(x2 ) 2(1 + 2x) = 2 + 5x2 q(x) = 2e1 (x) +
0e2 (x) + 5e3 (x), y, por lo tanto las coordenadas de q en la base B 0 son
(2, 0, 5)tB 0 .
b) La matriz de cambio de base de B a B 0 es:

1 0 1
P = u1 u2 u3 {e } = 1 0 2
i
2 1 0
siendo la matriz de cambio de base de B 0 a B la inversa de P :

1
1 0 1 2 1 0
P 1 = e1 e2 e3 {ui }
= 1 0 2 = 4 2 1
2 1 0 1 1 0
11. Dado el espacio eucldeo E, formado por el espacio vectorial lR3 y el producto
escalar
x y = x1 y1 x1 y2 x2 y1 + 2x2 y2 + x3 y2 + x2 y3 + 3x3 y3 {ei } ,
determinar la proyeccion ortogonal del vector a = (1, 1, 3)t{ei } sobre el subespa-

cio vectorial
S = x lR3 2x1 x2 + x3 = 0
Solucion:
Expresion matricial del producto escalar:

1 1 0 y1
x1 x2 x3 1 2 1 y2 = xt Gy
0 1 3 y3
Base de S : {a1 = (1, 2, 0)t , a2 = (0, 1, 1)t }.

Base ortonormal de S,
a1 1
u1 = = (1, 2, 0)t
ka1 k 5

1 1 0 1
2 1
ka1 k = 1 2 0 2 1 2 = 5
0 1 3 0
z2 1
u2 = = (1, 1, 1)t
kz2 k 2
z2 = a2 (a2 u1 )u1 = (0, 1, 1)t (1, 2, 0)t = (1, 1, 1)t

1 1 0 1
1 5
(a2 u1 ) = 0 1 1 1 2 1 2 =
5 0 1 3 0 5

1 1 0 1
2
kz2 k = 1 1 1 1 2 1 1 = 2
0 1 3 1
Se calcula la proyeccion ortogonal utilizando la base ortonormal recien calculada,

t
8 6 7 1 15
Pr| aS = (a u1 )u1 + (a u2 )u2 = u1 + u2 = , ,
5 2 5 5 5
12. Considerese el sistema de ecuaciones:

ax 2y + z =1
x + y + 2z =a

x + az =1
Se pide:
a) Discutir, en funcion del valor que tome el numero real a, si el sistema es

compatible determinado, compatible indeterminado o incompatible.
b) Si se considera a > 1 y tal que el sistema sea compatible determinado,
factorizar la matriz de coeficientes del sistema anterior mediante el metodo
LU con estrategia de pivote parcial, especificando las matrices F , L y U
que intervienen en dicha factorizacion.

Solucion:
a) Se considera la matriz ampliada del sistema y su matriz de coeficientes

a 2 1 1 a 2 1
A= 1 1 2 a , Ac = 1 1 2
1 0 a 1 1 0 a
y se utiliza el metodo de Gauss para obtener una matriz escalonada equi-

valente.
1a etapa (se suma a la segunda fila de A la primera multiplicada por ( a1 )
y a la tercera la primera multiplicada tambien por ( a1 ))

a 2 1 1
2
A1 = 0 a+2 2a1 a 1
a a a
2 a2 1 a1
0 a a a
2a etapa (se suma a la tercera fila de A1 la segunda multiplicada por

2
( a+2 )).

a 2 1 1
a2 1
A2 = 0 a+2 a
2a1
a a
2
0 0 a +2a5
a+2
1a
a+2
Las operaciones realizadas unicamente son validas para aquellos casos en

que a sea distinto de 0 o 2. Antes de estudiar el caso general estudiaremos
estos dos casos particulares por separado.
Para a = 0

0 2 1 1 1 1 2 0
A= 1 1 2 0 v 0 2 1 1
1 0 0 1 0 0 2 12 5
luego en este caso el sistema es compatible determinado porque el rango de

la matriz de coeficientes (Ac ) coincide con el rango de la matriz ampliada
(A).
Para a = 2

2 2 1 1 2 2 1 1
A= 1 1 2 2 v 0 1 32 3
2
5
1 0 2 1 0 0 2 32
y en este caso el sistema tambien es compatible determinado.

Para el resto de los casos se estudia la matriz escalonada A2 . El rango de

Ac sera menor que 3 si se anula el termino a33 de la matriz A2 , es decir:

a2 + 2a 5 = 0 a = 1 + 6 o a = 1 6
Para ambos valores de a el termino a34 de A2 no se anula, por lo que el

rango de la matriz ampliada (A) es 3 y el sistema es incompatible. Tambien
podra ser el rango de Ac menor que 3 si se anularan el termino a11 o el
termino a22 pero ninguno de los dos se anulan para a distinto
de 0 o 2.

En consecuencia para todos los valores de a distintos de 1+ 6 o 1 6
el sistema es compatible determinado.
Resumiendo:

1) Si a = 1 + 6 o a = 1 6 el sistema es incompatible.

2) Si a 6= 1 + 6 y a 6= 1 6 el sistema es compatible determinado.
b) Para contestar este segundo apartado se puede aprovechar el trabajo rea-
lizado en el primero. Al observar las dos etapas del metodo de Gauss se
observa que, debido a que a > 1, el elemento de mayor valor absoluto de
la columna correspondiente esta situado en la posicion de pivote en ambas
etapas (a > 1 y a+2a > a2 ). Consecuencia de ello es que no es necesario
realizar cambios de filas, coincidiendo la matriz F con la matriz identidad.

1 0 0
F = 0 1 0
0 0 1
La matriz U coincide con la matriz A02 (resultado de aplicar el metodo de

Gauss con pivote parcial a la matriz Ac ) ya calculada (basta con quitar la
ultima columna a A2 ).

a 2 1
a+2 2a1
U= 0 a a
2
a +2a5
0 0 a+2
La matriz L sera una matriz triangular inferior con unos en su diagonal

y por debajo de la diagonal los coeficientes que multiplican al pivote en
cada una de las etapas del metodo de Gauss cambiados de signo.

1 0 0
L = a1 1 0
1 2
a a+2 1
F Ac = LU
B.5. Examen final de la convocatoria de septiembre

de 2000
1. Hallar el polinomio de Taylor de tercer grado en torno a x = 0 de las funciones
f (x) = ln(1 + x + x2 )
x2
g(x) = e 2 1 + sen x
Usar estos polinomios para calcular

f (x) g(x)
lm
x0 x3
Solucion: Calculemos los valores de f (x) y g(x) as como sus tres primeras
derivadas en x = 0 :
f (0) = ln 1 = 0
g(0) = 1 1 + sen 0 = 0
1 + 2x
f 0 (x) = , f 0 (0) = 1
1 + x + x2
x2
g 0 (x) = xe 2 + cos x , g 0 (0) = 1

d 1 + 2x 1 + 2x + 2x2
f 00 (x) = = 2 , f 00 (0) = 1
dx 1 + x + x2 (1 + x + x2 )
d x2 x2
g 00 (x) = xe 2 + cos x = (1 + x2 )e 2 sen x , g 00 (0) = 1
dx
!
d 1 + 2x + 2x2
f 000 (x) = 2
dx (1 + x + x2 )
2 + 4x 1 + 2x + 2x2
= 2 +2 3 (1 + 2x) , f 000 (0) = 4
(1 + x + x2 ) (1 + x + x2 )
d x2

g 000 (x) = (1 + x2 )e 2 sen x
dx
1 2 1 2
= 2xe 2 x + 1 + x2 xe 2 x cos x , g 000 (0) = 1
En consecuencia,
x2 4
f (x) = x+ x3 + O(x4 )
2 6
2
x 1
g(x) = x+ x3 + O(x4 )
2 6
B.5. Examen final de la convocatoria de septiembre de 2000 407
El lmite pedido sera pues
f (x) g(x) 64 x3 + 16 x3 + O(x4 ) 1

lm = lm =
x0 x3 x0 x3 2
2. Un farol debe ser colgado exactamente encima del centro de una plazoleta cir-
cular de radio R. A que altura debera estar el farol para que ilumine, lo mejor
posible, una senda que rodea la plazoleta? (La iluminacion de la plazoleta es
directamente proporcional al coseno del angulo de incidencia de los rayos lu-
minosos e inversamente proporcional al cuadrado de la distancia entre el foco
luminoso y la plazoleta en cuestion).
Solucion: Denotemos por h la altura del farol, por d la distancia del farol a la
senda, y por el angulo de incidencia. De acuerdo con el enunciado, si llamamos
I la iluminacion de la senda, se tendra
cos
I=
d2
El farol, y los segmentos que unen un punto arbitrario de la senda con la base
y el extremo superior del farol, forman un triangulo rectangulo. Por tanto,
h
cos =
d
h2 + R2 = d2
Haciendo uso de estas formulas, podemos escribir la Iluminacion como una fun-
cion de h:
h
I(h) = 3
(h + R2 ) 2
2
Para calcular el maximo de la iluminacion, hallamos los puntos crticos de I(h).

Eso se hace imponiendo
dI(h) 1 3h2 R2 2h2

= 3 5 = 5 = 0
dh (h2 + R2 ) 2 (h2 + R2 ) 2 (h2 + R2 ) 2
de donde deduciramos
R
h=
2

d R2 2h2
5
dh (h2 + R2 ) 2
Verifiquemos que este punto crtico es un maximo. Para ello, hallamos la segunda
derivada de I(h):
d2 I(h) 2h2 3R2
2
= 3h 7
dh (h2 + R2 ) 2
y la evaluamos en el punto crtico:

d2 I R R 2R2 16
2
= 3 3 7 = 3<0
dh 2 2 ( 2 R2 ) 2 27R4
R
Al ser negativa, concluimos que la iluminacion es maxima cuando h =
2
.
(
x sen(x2 +y 2 )
f (x, y) = (x2 +y 2 axy) en lR2 \(0, 0)
0 en (0, 0)
a) Para que valores de a lR sera la funcion continua en (0, 0)?

b) Calcular f
x (1, 0) y
f
y (1, 0) y la derivada direccional de f (x, y) a lo largo
de la direccion u = 1 (1, 1) en el punto a = (1, 0).
2

Solucion:
a) Para que f (x, y) sea continua en (0, 0) debera cumplirse f (x, y) = f (0, 0) =
0. Hagamos un cambio a polares. Entonces
sen r2 cos sen r2 cos
f (r cos , r sen ) = =
r 1 a cos sen r 1 a2 sen(2)
cos
Si 1 a esta acotada, entonces f (x, y) es continua, ya que
2 sen(2)

sen r2 cos 2
|f (r cos , r sen )| = C sen r 0
r 1 a2 sen(2) r r0
La funcion 1 acos
estara acotada si el denominador nunca se anula.
2 sen(2)
Como la funcion seno tiene un recorrido entre 1 y 1, entonces el deno-
minador no se anulara siempre que a2 < 1, es decir, a < 2. Conclusion: la
funcion es continua para a < 2.
Para a 2 la funcion es discontinua. Consideremos la curva dada en polares
sen r2 cos
a =
r 1 2 sen(2)
con > 0. Esta es, para dado, una curva que pasa por el origen. En
2
efecto, notese que, cuando r 0, senr r r y entonces
a
1 2 sen(2)
r
cos
es decir, 12 arc sen a2 . En resumen, la curva propuesta pasa por el origen

a lo largo de la direccion = 21 arc sen a2 y, a lo largo de la misma, el lmite
es .
b)
!
x sen x2 + y 2
=
x (x2 + y 2 axy)

(x2 + y 2 axy) sen x2 + y 2 + 2x2 cos x2 + y 2 (2x ay)x sen x2 + y 2
(x2 + y 2 axy)2
!
x sen x2 + y 2
y (x2 + y 2 axy)

(x2 + y 2 axy)2xy cos x2 + y 2 (2y ax)x sen x2 + y 2
=
(x2 + y 2 axy)2
Por tanto,
f
(1, 0) = sen 1 + 2 cos 1
x
f
(1, 0) = a sen 1
y
La derivada direccional sera

df 1 2 cos 1 (a + 1) sen 1
= ( sen 1 + 2 cos 1 a sen 1) =
du 2 2
4. Hallar y clasificar los extremos (maximos, mnimos y puntos de ensilladura) de

la funcion
f (x, y) = 5 5x2 y 2 + x2 y 2
Solucion: Hallemos en primer lugar los puntos crticos. Para ello, resolvemos
el sistema:
f
= 10x + 2xy 2 = 0 (B.6)
x
f
= 2y + 2x2 y = 0 (B.7)
y
2
De (B.6)
deducimos que o bien es x = 0 o bien 2y 10 = 0 (lo que implica
y = 5). Si x = 0, entonces la unica solucion de (B.7) es y = 0. Si y = 5,
entonces
de (B.7)
se deduce
x = 1.Hay, por tanto, cinco puntos crticos: (0, 0),
(1, 5), (1, 5), (1, 5), (1, 5). La naturaleza de estos puntos crticos
la deduciremos a partir del calculo del Hessiano y de la segunda derivada con

respecto a x:
2 !
f 2f
x2 xy 10 + 2y 2 4xy
Hf (x, y) = =
2 + 2x2
2 2
f f
2
4xy
xy y
2f
(x, y) = 10 + 2y 2
x2
2
Evaluemos en cada punto. En (0, 0), det(Hf (0, 0)) = 20 > 0, xf2 (0, 0) = 10 <
0. Hay, por tanto, un maximo.

En (1, 5), det(Hf (0, 0)) = 80 < 0. Hay, por tanto, un punto de ensilladura.



En (1, 5), det(Hf (0, 0)) = 80 < 0. Hay, por tanto, un punto de ensilla-
dura.
x
5. Las curvas y = x x2 , y = 2 delimitan una region D (contenida en el primer
cuadrante). Calcular ZZ
(e2x y 2 )dxdy
D
Solucion: Hallemos los valores de x que delimitan nuestra region. Para ello
buscamos los puntos de interseccion de ambas curvas imponiendo
x
x x2 =
2
La solucion es : x = 0, x = 12 . Nuestra region es de Tipo 1, y para integrarla
haremos uso de la formula de integracion para regiones de este tipo:
ZZ Z 1 Z 2
2
!
xx
(e2x y 2 )dxdy = (e2x y 2 )dy dx (B.8)
x
0 2
D
Notese que el lmite inferior de integracion en y es x2 . Esto se debe a que, en el

intervalo (0, 21 ), la curva y = x2 esta por debajo de la curva x x2 . Evaluamos
la integral en (B.8):
Z 12 Z xx2 ! Z 12 xx2 !
2x 2 2x y 3
I= (e y )dy dx = e y dx
0 2
x 3 x 0 2
Z 1
3 !
2
2x x 2 x x2 x3
= e ( x ) + dx
0 2 3 24
Evaluemos por separado las distintas integrales que han aparecido:

Z 1 12 Z 1
2 x 1 x 1 2 2x 1
e2x ( x2 )dx = e2x ( x2 ) e ( 2x)dx
0 2 2 2 0 2 0 2
21 12 Z 12
1 2x x 1 2x 1 1
= e ( x ) e ( 2x) 2
2
e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 ( e ) (e 1) = e +
8 8 4 8 8
(hemos integrado por partes),
Z 1 3 Z 1
2 x x2 1 2 1
dx = x3 3x4 + 3x5 x6 dx =
0 3 3 0 840
Z 1
2 x3 1
dx =
0 24 1536
La integral buscada sera pues
1 3 1 1 1 20131
I = e+ + = e+
8 8 840 1536 8 53760
6. Calcular el momento de inercia de un crculo de radio R y densidad constante

con respecto a un eje tangente al mismo. Nota: recordar que el momento de iner-
cia de un cuerpo plano con respecto a un eje se obtiene integrando el cuadrado
de la distancia de cada punto del mismo al eje multiplicado por la densidad.
Solucion: Fijemos el crculo en el centro de coordenadas y el eje en torno al
cual se calcula el momento de inercia en la lnea x = R. El momento de inercia
vendra dado por ZZ
I= (x R)2 dxdy
D
Dada la geometra del problema, es conveniente hacer un cambio a coordenadas

polares
Z 2 Z R Z 2 Z R
I= (r cos R)2 rdrd = (r3 cos2 2Rr2 cos +R2 r)drd
0 0 0 0
"Z Z Z Z Z Z #
2 R 2 R 2 R
= r3 cos2 drd (2Rr2 cos )drd + (R2 r)drd
0 0 0 0 0 0
"Z Z Z Z #
2 R 2 R
31 2
= r (1 + cos(2))drd (2Rr cos )drd
0 0 2 0 0
Z 2 Z R
R4 1 5
+ (R2 r)drd = (2) + 0 + R4 (2) = R4
0 0 8 2 4
Si deseamos escribir el momento de inercia en funcion de la masa, entonces
5 M 5 4 5
I = R4 = R = M R2
4 R2 4 4
7. Hallar la solucion general de las siguientes ecuaciones diferenciales:

a)
y 0 + 2x2 y = x2
b)
2y 00 10y 0 + 12y = 3 sen x

Solucion:
a) La solucion general del problema homogeneo sera la solucion de
yh0 + 2x2 yh = 0
es decir,
2 3
yh (x) = Ke 3 x
Una solucion del problema no homogeneo se encontrara por el metodo de
variacion de constantes en la forma
2 3
yp (x) = K(x)e 3 x
que introducida en la ecuacion da lugar a la relacion

2 3 2 3 2 3
K 0 (x)e 3 x 2x2 K(x)e 3 x + 2x2 K(x)e 3 x = x2
De donde deducimos 3
2
K 0 (x) = x2 e 3 x
y, por tanto, Z
2 3 1 2 x3
K(x) = x2 e 3 x dx = e3
2
donde se ha integrado mediante un cambio de variable. La solucion general
sera pues
2 3 1
y(x) = yh (x) + yp (x) = Ke 3 x +
2
b) La solucion general del problema homogeneo sera la solucion general de

2yh00 10yh0 + 12yh = 0 (B.9)
El polinomio caracterstico de la ecuacion (B.9) es
2r2 10r + 12 = 0
cuyas races son r = 3, r = 2. Por tanto,
yh (x) = C1 e3x + C2 e2x
Una solucion particular del problema no homogeneo la buscaremos me-

diante el metodo de los coeficientes indeterminados
yp (x) = A sen x + B cos x
expresion que introducida en la ecuacion da lugar a las siguientes relaciones
entre A y B:
2A + 10B + 12A = 3
2B 10A + 12B = 0
un sistema lineal de dos ecuaciones con dos incognitas cuya solucion es:
3 3
A = 20 , B = 20 . La solucion general de la ecuacion sera por tanto
3 3
y(x) = yh (x) + yp (x) = C1 e3x + C2 e2x + sen x + cos x
20 20
8. Un recipiente cuyo volumen es de 100 litros contiene agua con 10 Kgs. de sal
disueltos. En el recipiente entra el agua, con una velocidad de 3 litros/min, pro-
duciendose una mezcla que, a su vez, se trasvasa, con la misma velocidad, a un
segundo recipiente, de igual volumen (es decir, 100 litros) y relleno previamen-
te de agua pura. De este segundo recipiente sale el exceso de lquido. Cuanta
cantidad de sal contiene el segundo recipiente al pasar una hora? Cual es la
cantidad maxima de la sal en el segundo recipiente? Cuando se logra esta can-
tidad maxima? (Nota: se supone que las concentraciones de sal son homogeneas
en todo momento en cada recipiente).
Solucion: Llamemos Q1 (t) la cantidad de sal (en Kgs.) que hay en el primer
recipiente. Q1 (t) evolucionara de acuerdo con la ecuacion
dQ1 (t) 3
= Q1 (t)
dt 100
donde hemos tenido en cuenta, a la derecha de la ecuacion, que salen Q100 1 (t)
kilogramos de sal por litro de agua y 3 litros de agua por minuto. Teniendo en
cuenta que Q1 (0) = 10, llegamos a
3
Q1 (t) = 10e 100 t
El agua que sale del primer recipiente entra en el segundo a un ritmo de 3 litros
por minuto. Sea Q2 (t) la cantidad de sal en el segundo recipiente. Entonces
3
dQ2 (t) 10e 100 t Q2 (t)
=3 3
dt 100 100
3 t
donde hemos tenido en cuenta que entran 10e100100 kilogramos de sal por litro
de agua a un ritmo de 3 litros por minuto y salen Q1002 (t)
kilogramos de sal por
litro de agua tambien a un ritmo de 3 litros por minuto. La ecuacion es lineal y
debemos resolverla teniendo como condicion inicial Q2 (0) = 0. Podemos escribir
la ecuacion en la forma
d 3 t 3
3 10e 100 t
e 100 t e 100 Q2 (t) = 3
dt 100
Por tanto,
d 3 t 3
e 100 Q2 (t) =
dt 10
Integrando en t y usando la condicion inicial tendramos
3 3
e 100 t Q2 (t) = t
10
Es decir,
3 3t
Q2 (t) = te 10
10
Al cabo de una hora
180 180 9
Q2 (60) = e 100 = 18e 5 = 2,9754 Kgs.
10
El maximo de Q2 (t) se alcanzara cuando
dQ2 (t) 3 3 t 9 3
= e 100 3 te 100 t = 0
dt 10 10
es decir
100
t= = 33,3 minutos
3
La cantidad maxima sera
100
Q2 ( ) = 10e1 = 3,6788 Kgs.
3
9 Supongase que la placa de la figura B.3 representa una seccion transversal de

un poste metalico, con flujo de calor despreciable en la direccion perpendicular
a la placa. Si T1 , T2 , T3 y T4 son las temperaturas en los cuatro nodos interiores
2 0 2 0
T 1 T 2
1 0 4 0
T 3
T 4
1 0 4 0
2 0 2 0
Figura B.3: Seccion transversal del poste metalico.
de la malla de la figura B.3 y se supone que la temperatura en un nodo es

aproximadamente igual al promedio de los cuatro nodos mas cercanos (a la
izquierda, arriba, a la derecha y abajo), se pide determinar la temperatura en
los cuatro nodos interiores de la malla.
Solucion:
Para determinar las temperaturas pedidas hay que resolver el siguiente sistema
de cuatro ecuaciones con cuatro incognitas:
4t1 t3 t2 = 30
t1 + 4t2 t4 = 60
t1 + 4t3 t4 = 30
t2 t3 + 4t4 = 60
sistema equivalente a
4t1 t3 t2 = 30
t2 + 4t3 + 4t4 = 60
4t3 + 14t4 = 585
2
12t4 = 315
75 105 75 105
cuya solucion es: t1 = 4 , t2 = 4 , t3 = 4 , t4 = 4 .
10 Considerese el espacio vectorial C3 (C representa el cuerpo de los complejos) y

los subconjuntos de C3 formados por los vectores (, , )t tales que:
a) = 0 + 0i
b) = 0 + 0i
c) + = 0 + 0i
d ) + = 1 + 0i
e) es real
Se pide determinar, de entre los cinco subconjuntos anteriores, cuales son sub-
espacios de C3 y cuales no.
Solucion:
a) (0+0i, 1 , 1 )+(0+0i, 2 , 2 ) = (0+0i, 1 + 2 , 1 + 2 ) , , 1 , 2 ,

1 , 2 C. Por consiguiente el conjunto de los vectores (, , )t tales que
= 0 + 0i es un subespacio de C3 .
b) (1 , 0+0i, 1 )+(2 , 0+0i, 2 ) = (1 +2 , 0+0i, 1 + 2 ) , , 1 , 2 ,
1 , 2 C. Por consiguiente el conjunto de los vectores (, , )t tales que
= 0 + 0i es un subespacio de C3 .
c) ( 1 , 1 , 1 ) + ( 2 , 2 , 2 ) = ( 1 2 , 1 + 2 , 1 + 2 )
, , 1 , 2 , 1 , 2 C. Por consiguiente el conjunto de los vectores (, , )t
tales que + = 0 + 0i es un subespacio de C3 .
d ) (1 1 , 1 , 1 )+(1 2 , 2 , 2 ) = (+ 1 2 , 1 + 2 , 1 + 2 )
y como, en general, + 1 2 + 1 + 2 = + 6= 1 el conjunto
de los vectores (, , )t tales que + = 1 no es un subespacio de C3 .
e) (1 , 1 , 1 )+(2 , 2 , 2 ) = (1 +2 , 1 + 2 , 1 + 2 ), escogiendo
= i, queda claro que i1 + 2 / lR y, por lo tanto el conjunto de los
vectores (, , )t tales que lR no es un subespacio de C3 .
11 Dado un espacio vectorial, E, de dimension 2 y dos bases de dicho espacio

B = {e1 , e2 } y B 0 = {u1 , u2 } que estan relacionadas por las dos ecuaciones
siguientes:
e1 = a11 u1 + a21 u2
,
e2 = a12 u1 + a22 u2
se pide expresar las coordenadas de un vector x en la base B en funcion de las
coordenadas del mismo vector en la base B 0 .
Solucion:
Expresion del vector x en funcion de la base B : x =x1 e1 + x2 e2 .
Expresion del vector x en funcion de la base B 0 : x =x01 u1 + x02 u2 .
x =x1 e1 + x2 e2 = x1 (a11 u1 + a21 u2 ) + x2 (a12 u1 + a22 u2 )
= (a11 x1 + a12 x2 )u1 + (a21 x1 + a22 x2 )u2 .
Como la descomposicion de un vector en funcion de una base dada es unica, de
la igualdad anterior se deduce que:
x01 = a11 x1 + a12 x2 , x02 = a21 x1 + a22 x2
que expresado matricialmente se convierte en:

0
x1 a11 a12 x1
=
x02 a21 a22 x2
t
Finalmente para encontrar la relacion pedida hay que despejar x1 x2 ,
1 0
x1 a11 a12 x1
=
x2 a21 a22 x02
12 Dados el espacio eucldeo E, formado por el espacio vectorial lR3 y el producto

escalar
x y = 2x1 y1 + x2 y2 + x3 y2 + x2 y3 + 2x3 y3 {ei } ,
determinar la proyeccion ortogonal del vector a = (1, 1, 3)t{ei } sobre el subespa-
cio vectorial
S = x lR3 x1 2x2 + x3 = 0
Solucion:
Expresion matricial del producto escalar:

2 0 0 y1
x1 x2 x3 0 1 1 y2 = xt Gy
0 1 2 y3
Base de S : {a1 = (2, 1, 0)t , a2 = (1, 0, 1)t }.

Base ortonormal de S,
a1 1
u1 = = (2, 1, 0)t
ka1 k 3

2 0 0 2
2 0
ka1 k = 2 1 0 1 1 1 = 9
0 1 2 0
z2 1
u2 == (1, 1, 3)t
kz2 k 3 3
1 1 1
z2 = a2 (a2 u1 )u1 = (1, 0, 1) + (2, 1, 0) = ( , , 1)t
t t
3 3
3
2 0 0 2
1
(a2 u1 ) = 1 0 1 0 1 1 1 = 1
3
0 1 2 0
1
2 0 0 3
2
kz2 k = 13 13 1 0 1 1 13 = 3
0 1 2 1
Se calcula la proyeccion ortogonal utilizando la base ortonormal recien calculada,

t
8 23 25 47 23
Pr| aS = (a u1 )u1 + (a u2 )u2 = u1 + u2 = , ,
3 3 3 27 27 9
B.6. Prueba de control de diciembre de 2000

1. Supongase que se suman los complejos (1 )1 y (2 )2 obteniendose el complejo
p
(3 )3 . Se pide demostrar que 3 = (1 )2 + (2 )2 + 21 2 cos(1 2 ).
(2 puntos).
Solucion:
(1 )1 + (2 )2 = (1 cos 1 + i1 sen 1 ) + (2 cos 2 + i2 sen 2 ) = 1 cos 1 +
2 cos 2 + (1 sen 1 + 2 sen 2 )i. El modulo de este nuevo complejo sera:
p
3 = ( cos 1 + 2 cos 2 )2 + (1 sen 1 + 2 sen 2 )2 =
p 1
( )2 + (2 )2 + 21 2 cos 1 cos 2 + 21 2 sen 1 sen 2 =
p 1
(1 )2 + (2 )2 + 21 2 cos(1 2 )
2. Razonar si las siguientes afirmaciones son verdaderas o falsas,
a) Un sistema de ecuaciones lineales con mas ecuaciones que incognitas no

puede tener una unica solucion.
b) Un sistema de ecuaciones lineales con menos ecuaciones que incognitas no
puede tener una unica solucion.
c) Si la matriz de coeficientes de un sistema lineal escalonado de 3 ecuaciones
y 5 incognitas tiene tres cabeceras de fila entonces el sistema es compatible.
d ) Si todas las columnas de la matriz de coeficientes de un sistema escalonado
compatible contienen una cabecera de fila entonces la solucion del sistema
es unica.
(2 puntos).
Solucion:
a) Falsa. Un sistema de ecuaciones lineales con mas ecuaciones que incognitas

puede tener una unica solucion. Por ejemplo, el siguiente sistema de tres
ecuaciones con dos incognitas tiene una unica solucion:
2x1 x3 = 1
x1 + x3 = 2
x1 2x1 = 1
b) Verdadera. El rango de la matriz de coeficientes es menor o igual que el

numero de ecuaciones y por lo tanto sera menor que el numero de incognitas
por lo que el sistema nunca podra ser compatible determinado.
B.6. Prueba de control de diciembre de 2000 419
c) Verdadera. Si la matriz de coeficientes, A, de un sistema escalonado tiene

tres cabeceras de fila entonces el rango de A es 3. Por otro lado la matriz
ampliada, Ab , de un sistema con tres ecuaciones no puede tener un rango
mayor que 3. De lo anterior se deduce que rg(A) = rg(Ab ) por lo que el
sistema es compatible.
d ) Verdadera. Si todas las columnas de la matriz de coeficientes de un sis-
tema escalonado contienen una cabecera de fila, el rango de dicha matriz
coincide con el numero de columnas y por lo tanto con el numero de incogni-
tas del sistema. Como ademas se supone que el sistema es compatible, el
sistema sera compatible determinado.
3. Un medico, especialista en nutricion, esta preparando una comida que propor-
cione 100 mg de vitamina C, 300 mg de calcio y 200 mg de magnesio. Para
ello utiliza tres alimentos que contienen, cada uno de ellos, la vitamina y los
dos elementos qumicos en las proporciones siguientes (en mg por unidad de
alimento):
Alimento 1 Alimento2 Alimento3
Vitamina C 10 20 20
Calcio 50 40 60
Magnesio 30 10 40
Se pide contestar a las dos preguntas siguientes:
a) Es posible, utilizando los tres alimentos de la tabla, obtener una comida
que contenga exactamente las cantidades de vitamina C, calcio y magnesio
requeridas?
b) Si la respuesta a la primera pregunta es afirmativa, existe una sola com-
binacion de alimentos posible, o existe mas de una? Cual (o cuales) es (o
son) esta (o estas) combinacion (o combinaciones)?
(2 puntos).
Solucion:
a) Se plantea el sistema de ecuaciones lineales que proporciona la solucion
pedida:
10x1 + 20x2 + 20x3 = 100 Vitamina C
50x1 + 40x2 + 60x3 = 300 Calcio
30x1 + 10x2 + 40x3 = 200 Magnesio
en donde: x1 = unidades de alimento 1, x2 = unidades de alimento 2, x3 =
unidades de alimento 3. La matriz ampliada de un sistema escalonado
equivalente es:
1 2 2 10
0 6 4 20
4 20
0 0 3 3
Por lo tanto el rango de la matriz ampliada es igual al de la matriz de

coeficientes y el sistema tiene solucion: si es posible, utilizando los tres
alimentos de la tabla, obtener una comida que contenga exactamente las
cantidades de vitamina C, calcio y magnesio requeridas.
b) Como le rango de la matriz de coeficientes es tres el sistema es compatible
determinado y existe una unica combinacion de alimentos posible que se
obtiene resolviendo el sistema:
x1 = 0, x2 = 0, x3 = 5
4. Sea P2 el espacio vectorial de los polinomios con coeficientes reales de grado
menor o igual que dos. Se pide:
a) Demostrar que el conjunto V formado por polinomios de la forma p(x) =
2bx2 + (a b)x + 3b + a con a y b reales, es un subespacio vectorial de P2 .
b) Sea W el subespacio generado por los polinomios q(x) = 2x2 4x y q(x) =
2x2 + 3x 1. Demostrar que V = W.
(2 puntos).
Solucion:
a) Para demostrar que V es un subespacio de P2 se comprobara que cualquier
combinacion lineal de dos polinomios cualesquiera deV pertenece
a V. Para
ello referiremos los polinomios de V a la base B = 1, x, x2 de P2 .
t(x) = 2bx2 + (a b)x + 3b + a = (3b + a, a b, 2b)tB = tB
s(x) = 2dx2 + (c d)x + 3d + c = (3d + c, c d, 2d)tB = sB
tB + sB = ((3b + a) + (3d + c), (a b) + (c d), 2b + 2d)tB
= (3(b + d) + a + c, a + c (b + d), 2(b + d))tB
= (3f + g, g f, 2f )tB V , lR
Con f = b + d y g = a + c.
b) Unas ecuaciones parametricas de V son:

x1 = a + 3b
V = x2 = a b

x3 = 2b
y, por lo tanto una base de V estara formada por: {(1, 1, 0)tB , (3, 1, 2)tB } .
Como r(x) y s(x) son linealmente independientes, una base de W estara for-
mada por {(0, 4, 2)tB , (1, 3, 2)tB } . Por otro lado

1 1 0 1 1 0 1 1 0
3 1 2 2
0 4 0 4 2 ,
0 4 2 0 4 2 0 0 0
1 3 2 0 4 2 0 0 0
B.6. Prueba de control de diciembre de 2000 421
con lo que se comprueba que los dos vectores de la base de W son combi-
nacion lineal de los de la base de V lo cual implica que V = W.
5. Considerese el espacio eucldeo formado por el espacio vectorial lR3 y el producto

escalar
x y = x1 y1 + x2 y2 + 4x3 y3 + x1 y3 + x3 y1
expresado en una cierta base {e1 , e2 , e3 } . Se pide:
a) Determinar una base ortonormal del espacio eucldeo.

b) Determinar las coordenadas del vector x = e2 + e3 en la base ortonormal
hallada en el apartado anterior.
(2 puntos).
Solucion:
a) e1 y e2 son ortogonales y unitarios por lo que se pueden escoger como los

dos primeros vectores de la base ortonormal:
c1 = (1, 0, 0)t{ei } , c2 = (0, 1, 0)t{ei }
El tercer vector de la base se obtiene aplicando el metodo de Gram-

Schmidt:
z3 = e3 (e3 c1 )c1 (e3 c2 )c2 = (0, 0, 1)t (1, 0, 0)t = (1, 0, 1)t
z3 1
c3 = = (1, 0, 1)t{ei }
kz3 k 3
b) Se conocen las coordenadas del vector x en la base {ei } y se piden sus

coordenadas en la base {ci } :
0
x1 x1
x = x02 = e1 e2 e3 {c } x2
i
x03 {c } x3 {e }
i i
1
1 0 13 0 1 0 1 0
= 0 1 0 1 = 0 1 0 1
1
0 0
3
1 {e } 0 0 3 1 {e }
i i

1
= 1 = c1 + c2 + 3c3
3 {c }
i
(2 puntos).
B.7. Examen parcial de febrero de 2001

1. Discutir las soluciones del siguiente sistema de ecuaciones en funcion de los
valores de los parametros a y b

x + y z + at = 1
2x 3y + bz 4t = 3

x 4y + 2z 5t = 2
Encontrar las soluciones, si las hubiera, para los casos en que b = 1.

Solucion: Se obtiene la forma escalonada de la matriz ampliada y de la matriz
de coeficientes del sistema:

1 1 1 a 1 1 1 1 a 1
Ab = 2 3 b 4 3 0 5 b + 2 4 2a 1
1 4 2 5 2 0 0 1 b 1 + a 0

1 1 1 a 1 1 1 a
A = 2 3 b 4 0 5 b + 2 4 2a
1 4 2 5 0 0 1 b 1 + a
de donde se deduce lo siguiente:
a) b = 1
1) a = 1, rg(A) = rg(Ab ) = 2 < 4, sistema compatible indeterminado. La
solucion dependera de dos parametros (4-2).
2) a 6= 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solucion dependera de un parametro (4-3).
b) b 6= 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solucion dependera de un parametro (4-3).
Solucion del sistema para b = 1. Se utiliza la tecnica de remonte a partir de la

expresion escalonada del sistema Segun la discusion anterior habra que distinguir
dos casos:
a) a = 1, en este caso la tercera ecuacion es nula. Se dejan como parametros

libres las variables z y t
6 2 1
x=
+ z+ t
5 5 5
1 3 6
y= + z t
5 5 5
z=z
t=t
b) a 6= 1, se deja como parametro libre z

6 2
x= + z
5 5
1 3
y= + z
5 5
z=z
t=0
2. Considerese el espacio de los polinomios de grado menor o igual que dos, P2 , y

un conjunto, S, formado por 5 polinomios de grado menor o igual que dos:
S = {p1 (x), p2 (x), p3 (x), p4 (x), p5 (x)} .
Se pide razonar la veracidad o falsedad de las tres afirmaciones siguientes:
a) El conjunto S siempre sera un sistema generador de P2 .

b) El subespacio vectorial generado por S nunca podra tener una dimension
mayor que tres.
c) En ningun caso se podra extraer de S un subconjunto que sea una base
del espacio P2 .
Solucion:
a) La afirmacion es falsa. Basta con encontrar un contraejemplo: el conjunto

S:
S = {1, 2, 3, 4, 5}
esta formado por cinco polinomios de grado menor o igual que 2 y no es
un sistema generador de P2 .
b) La afirmacion es verdadera. El espacio vectorial de los polinomios de grado
menor o igual que 2 tiene dimension tres y por lo tanto ninguno de sus
subespacios (el subespacio generado por S siempre es un subespacio de
P2 ) puede tener dimension mayor que tres.
c) La afirmacion es falsa. Como en el primer caso para demostrarlo basta con
encontrar un contraejemplo:

S = 1, x, x2 , 4 + x2 , x + x + x2 ,

del conjunto anterior se puede extraer el subconjunto S1 = 1, x, x2 que
es una base de P2 .
Puntuacion de la pregunta: 5 puntos ((a) 5/3 puntos, (b) 5/3 puntos, (c)
5/3 puntos).
3. Sean {e1 , . . . , en } , {u1 , . . . , un } y {w1 , . . . , wn } tres bases de un espacio vec-

torial de dimension n de las que se conoce las relacion entre {wi } y {ei } :
Pn Pn
wi = aji ej y entre {ui } y {ei } : ui = bji ej . Si se denota por A a (aij )nn
j=1 j=1
y por B a (bij )nn , se pide obtener, en funcion de A y B, la matriz de cambio
de base que transforma las componentes de un vector en la base {wi } en las
componentes del mismo vector en la base {ui } .
Solucion:
t
x1 x2 x3 componentes de x en la base {e1 , . . . , en }
0 t
x1 x02 x03 componentes de x en la base {u1 , . . . , un }
00 t
x1 x002 x003 componentes de x en la base {w1 , . . . , wn }
A = (w1 , w2 , w3 ){ei } , B = (u1 , u2 , u3 ){ei }
0
x1 x1 x1

x02 = (e1 , e2 , e3 ){ui } x2 = B 1 x2

0
x3 x3 x3

x1 x001 x001

x2 = (w1 , w2 , w3 ){wi } x002 = A x002

x3 x003 x003
00
x01 x1
x02 = B 1 A x002
x03 x003
4. Supongase el espacio eucldeo formado por el espacio vectorial lR4 y el producto

escalar
1 0 0 0 y1
0 2 0 0 y2
x y = (x1 , x2 , x3 , x4 )
0 0 3 1 y3

0 0 1 1 y4 {e }
i
Se pide hallar una base ortonormal del subespacio vectorial W de lR4 generado
por los vectores (1, 2, 1, 0)t{ei } y (1, 2, 3, 2)t{ei } .
Solucion:
n o
t t
base de W = a1 = (1, 2, 1, 0) , a2 = (1, 2, 3, 2) . Se ortonormaliza la base de
W utilizando el metodo de Gram-Schmidt:
t
c1 = kaa11 k = 21
3
1 2 1 0 ,

1 0 0 0 1
0 2 0 0 2
ka1 k = 1 2 1 0
2
0 0 3 1 1 = 12,
0 0 1 1 0
t
c2 = kzz22 k = 563
23 43 43 2 ,
5
z2 = a2 (a2 c1 )c1 = 1 2 3 2 3 1 2 1 0 = 32 43 43 2 ,

1 0 0 0 1
0 2 0 0
(a2 c1 ) = (c1 a2 ) = 2 1
1 2 1 0 2 10
3 0 0 3 1 3 = 3 3,
0 0 1 1 2
2
1 0 0 0 3
2 0 2 0 0 4 56
2
kz2 k = 3 3 3 2 4 4 3 =
0 0 3 1 43 3 .
0 0 1 1 2
Nota: todos los resultados estan referidos a las bases {ei }(i = 1, 2, 3, 4) de lR4 .
5. Dada la aplicacion lineal, f, de lR3 en lR3 , cuya matriz asociada en la base

canonica de lR3 es:
2 5 3
A= 4 7 4 ,
6 3 1
se pide:
a) Hallar una base de la imagen y el nucleo de f .

b) Indicar, razonandolo, si la aplicacion f es inyectiva.
c) Indicar, razonandolo, si la aplicacion f es sobreyectiva.
Solucion:
a)

2 5 3 2 5 3
4 7 4 0 3 2 dim(Im(f )) = 2
6 3 1 0 0 0
Base de Im(f ) = {(2, 5, 3)t , (0, 3, 2)t } . Las ecuaciones implcitas del
nucleo seran:
2x1 + 5x2 3x3 = 0
3x2 + 2x3 = 0
despejando x1 y x2 en funcion de x3 se obtienen sus ecuaciones parametri-

cas
x1 = 16
2
x2 = 3

x3 =

Por lo que una base de ker(f ) sera: ( 16 , 23 , 1)t .
b) dim(ker(f )) = 1 6= 0 f no es inyectiva.
c) dim(Im(f )) = 2 Im(f ) 6= lR3 f no es sobreyectiva.
Puntuacion de la pregunta: 5 puntos ((a) 3 puntos, (b) 1 punto, (c) 1 punto).
6. Diagonalizar por semejanza, si es posible, las dos matrices siguientes, es decir,

escribir, si existen, las matrices D y P tales que A = P DP 1 .
a)

4 0 0
A= 1 4 0
0 0 5
b)

0 0 0
A= 0 0 0
3 0 5
Solucion:
a)

4 0 0

|A I| = 1 4 0 = (4 )2 (5 ) = 0
0 0 5

1 = 4 (doble, m1 = 2)
los valores propios de f son :
2 = 5 (simple, m2 = 1)
Los subespacios propios son:

3
x=0
3
V4 = x lR (A 4I) x = 0 = x lR
z=0

3
3 x=0
V5 = x lR (A 5I) x = 0 = x lR
xy =0
Por lo tanto

Base de V1 = v1 = (0, 1, 0)t , dim(V1 ) = 1, s1 = 1

Base de V2 = v3 = (0, 0, 1)t , dim(V2 ) = 1, s2 = 1
Como s1 6= m1 f no es diagonalizable y en consecuencia la matriz A no se

puede diagonalizar por semejanza.
b)

0 0

|A I| = 0 0 = 2 (5 ) = 0

3 0 5

1 = 0 (doble, m1 = 2)
los valores propios de f son :
2 = 5 (simple, m2 = 1)
Los subespacios propios son:

V4 = x lR3 (A 0I) x = 0 = x lR3 3x + 5z = 0

3
3 x=0
V5 = x lR (A 5I) x = 0 = x lR
y=0
Por lo tanto

5
Base de V1 = v1 = (0, 1, 0)t , v2 = ( , 0, 1)t , dim(V1 ) = 2, s1 = 2
3

Base de V2 = v3 = (0, 0, 1)t , dim(V2 ) = 1, s2 = 1
Como s1 = m1 y s2 = m2 f es diagonalizable y en consecuencia la matriz

A se puede diagonalizar por semejanza.
1
0 0 0 0 35 0 0 0 0 0 53 0
0 0 0 = 1 0 0 0 0 0 1 0 0
0 0 5 0 1 1 3 0 5 0 1 1
Por lo tanto las matrices pedidas en el enunciado son:

0 0 0 0 35 0
D= 0 0 0 y P = (v1 , v2 , v3 ) = 1 0 0
0 0 5 0 1 1
7. Estudiar la continuidad en el origen (x = 0) de la funcion f : lR lR definida

para todo x por: sen(x)
|x| x 6= 0
f (x) =

0 x=0
Solucion: lm+ f (x) = 1 y lm f (x) = 1 lm+ f (x) 6= lm f (x) f no

x0 x0 x0 x0
es continua en x = 0.
8. Considerese la funcion y de lR en lR definida mediante la siguiente ecuacion:
x3 + ln(y(x)) x2 ey(x) = 0
Se pide:
a) Hallar y 0 (x), (el resultado se puede dejar en funcion de y(x)).

b) Hallar y 0 (0).
Solucion:
a) Derivando implcitamente en la ecuacion del enunciado:
y0
3x2 + 2xey x2 y 0 ey = 0,
y
despejando y 0 se obtiene el resultado pedido
(2xey 3x2 )y
y0 =
1 yx2 ey
b) x = 0, x3 + ln(y) x2 ey = 0 ln(y) = 0 y = 1
y reemplazando los valores de x e y en la expresion de y 0 se obtiene
(2(0)e1 3(0)2 )1
y 0 (0) = =0
1 1(0)2 e1

B.8. Prueba de control de marzo de 2001 429
B.8. Prueba de control de marzo de 2001

1. (2 puntos). Calcular los extremos relativos y absolutos de la siguiente funcion:
f (x) = x2 3x + 2 , x [0, 4]
Solucion: La funcion es un polinomio. Por tanto, es diferenciable en (0, 4). Para

buscar los extremos relativos en [0, 4] miraremos si los puntos crticos en (0, 4)
y los puntos de los bordes del dominio son extremos relativos.
Puntos crticos:
f 0 (x) = 2x 3 = 0
Hay un punto crtico en x = 32 ( 32 (0, 4)). Como f 00 (x) = 2 > 0, el punto
crtico es un mnimo relativo y f ( 32 ) = 94 92 + 2 = 14 .
En x = 4, f 0 (4) = 8 3 = 5 > 0. La funcion llega creciendo al borde derecho
del dominio. Por tanto, hay un maximo relativo en x = 4 y f (4) = 6.
En x = 0, f 0 (0) = 3. La funcion sale decreciendo del borde izquierdo del
dominio. Por tanto hay un maximo relativo en x = 0 y f (0) = 2.
Maximo absoluto=Max(Max relativos)=Max(6,2)=6. El Maximo absoluto se
alcanza en x = 4.
Mnimo absoluto= 14 y se alcanza en x = 32 .
2. (2 puntos). Sea
f (x) = ln(1 + x sen x)

g(x) = (ex 1)3
a) Calcular el polinomio de Taylor de grado 3 en torno a x = 0 de f (x) y g(x).

b) Usar la informacion del apartado a) para calcular el lmite
f (x)
lm
x0 g(x)
Solucion: Calculemos los valores de f (x) y g(x) as como sus tres primeras
derivadas en x = 0 :
f (0) = ln 1 = 0
g(0) = (1 1)3 = 0
1 cos x
f 0 (x) = , f 0 (0) = 0
1 + x sen x
2
g 0 (x) = 3 (ex 1) ex , g 0 (0) = 0
2
sen x (1 cos x)
f 00 (x) = , f 00 (0) = 0
1 + x sen x (1 + x sen x)2
2
g 00 (x) = 6 (ex 1) e2x + 3 (ex 1) ex , g 00 (0) = 0
3
cos x sen x (1 cos x)
f 000 (x) = 3 2 (1 cos x) + 2 3
1 + x sen x (1 + x sen x) (1 + x sen x)
2
f 000 (0) = 1, g 000 (x) = 6e3x + 18 (ex 1) e2x + 3 (ex 1) ex , g 000 (0) = 6
En consecuencia,
1 3
f (x) = x + O(x4 )
3!
x3
g(x) = 6 + O(x4 )
3!
El lmite pedido sera pues
4
1 3 1 O(x )
f (x) x + O(x4 ) 3! + x3 1
lm = lm 3!1 3 = lm 4 =
x0 g(x) x0 6 x + O(x4 ) x0 6 1 + O(x ) 6
3! 3
3! x
3. (2 puntos). Sea la funcion vectorial

x2 + y 2

xy

x2 +y2 si y 6= 0

f (x, y) = ex+y

x2

0 si y = 0

ex
a) Es la funcion continua en (0, 0)?

b) Existen las derivadas parciales (de cada una de las componentes) en (0, 0)?
c) Es la funcion diferenciable?
Solucion: Las cuestiones de continuidad, existencia de derivadas direcciona-
les y diferenciabilidad de una funcion vectorial se resuelven estudiandolas para
cada una de sus componentes. Las componentes f1 (x, y) y f3 (x, y) se pueden
escribir como x2 + y 2 y ex+y respectivamente. f1 (x, y) es un polinomio, que es
una funcion continua y diferenciable (tantas veces como se quiera). f3 (x, y) es
la composicion de dos funciones continuas y diferenciables: el polinomio x + y
y la exponencial. Es por tanto una funcion continua y diferenciable. Estas fun-
ciones tienen tambien todas las derivadas direccionales bien definidas, ya que
la diferenciabilidad implica existencia de derivadas direccionales (en particular,
existen las parciales).
La cuestion de continuidad y diferenciabilidad se centra entonces en la continui-

dad y diferenciabilidad de f2 (x, y).
Continuidad: f (0, 0) = 0. Miremos el
xy
lm f2 (x, y) = lm p
(x,y)(0,0) (x,y)(0,0) x2 + y 2
(notar que f2 (x, y) se puede definir globalmente como xy fuera de (0, 0)).
2 x +y 2
Queremos probar que el lmite es cero para probar que la funcion es continua.
Busquemos una funcion mayorante haciendo un cambio a coordenadas polares:
r cos r sen
f2 (x, y) = = r cos sen
r2 cos2 + r2 sen2
Por tanto,
|f2 (x, y)| = |r cos sen | r 0
(x,y)(0,0)
p
y el lmite es cero, ya que la mayorante g(x, y) = x2 + y 2 tiende a cero. La
funcion f2 es continua en (0, 0) y la funcion vectorial f es pues continua en (0, 0).
Existencia de derivadas parciales:
f2 f2 ((0, 0) + t(1, 0)) f2 (0, 0) f2 (t, 0) f2 (0, 0)
(0, 0) = lm = lm =0
x t0 t t0 t
f2 f2 ((0, 0) + t(0, 1)) f2 (0, 0) f2 (0, t) f2 (0, 0)
(0, 0) = lm = lm =0
y t0 t t0 t
Las dos derivadas parciales existen y son nulas.

Diferenciabilidad: Si la diferencial existe ha de ser df2 ((0, 0); h) = 0h1 +0h2 = 0.
Veamos si la funcion es diferenciable o no. Para ello evaluamos el siguiente lmite:
f2 ((0, 0) + h) f2 (0, 0) df2 ((0, 0); h)
lm
h0 khk
f2 (h1 , h2 ) f2 (0, 0) 0
= lm p
(h1 ,h2 )(0,0) h21 + h22
h1 h2
= lm 2
(h1 ,h2 )(0,0) h1+ h22
Este lmite no existe, ya que si probamos lmites radiales (a lo largo de h2 = kh1 )
obtenemos
kh21 k
lm =
h1 0 h2
1 + kh21 1 + k2
que son distintos dependiendo de k. La funcion f2 no es diferenciable en (0, 0)
y la funcion vectorial f es pues no diferenciable.
4. (2 puntos). Calcular los puntos crticos de la funcion
x3 9
f (x, y) = + y 3 2x y 2 + 6y + 12
6 2
Clasificarlos como maximo relativo, mnimo relativo o punto de ensilladura.
Solucion: hallemos en primer lugar los puntos crticos. Para ello, resolvemos el
sistema:
f x2
= 2=0 (B.10)
x 2
f
= 3y 2 9y + 6 = 0 (B.11)
y

De (B.10) deducimos que x = 2. De (B.11) deducimos y = 9 8172 6 = 2, 1.
Los puntos crticos son por tanto (2, 2), (2, 2), (2, 1) y (2, 1). La naturaleza
de estos puntos crticos la deduciremos a partir del calculo del Hessiano y de la
segunda derivada con respecto a x:
2 !
f 2f
x 2 xy x 0
Hf (x, y) = 2f 2f
=
2
0 6y 9
xy y
2f
(x, y) = x
x2
Evaluemos en cada punto.
2f
En (2, 2), det(Hf (0, 0)) = 6 > 0, x2 (0, 0) = 2 > 0. Hay, por tanto, un mnimo.
2f
En (2, 1), det(Hf (0, 0)) = 6 > 0, x2 (0, 0) = 2 < 0. Hay, por tanto, un
maximo relativo.
5. (3 puntos) Un petrolero sufre un accidente y derrama petroleo al oceano. En
un cierto instante, un helicoptero sobrevuela el vertido y comprueba que tiene
forma elptica con el eje mayor a = 500 m. y el eje menor b = 400 m.. Poco
despues la mancha sigue siendo elptica pero los ejes han aumentado de tamano
de modo que se estima que el eje mayor crece a una velocidad de 100 m/hora y
el menor a una velocidad de 80 m/hora.
1) A que velocidad aumenta el area de la mancha cuando a = 550 m. y b =
440 m.?
2) Si el espesor de la capa de petroleo sobre el mar la suponemos uniforme y
de 0,2 cms., A que velocidad aumenta el volumen de petroleo vertido cuando
a = 550 m. y b = 440 m.?
3) Si el volumen de petroleo que vierte el barco por unidad de tiempo es cons-

tante y el barco llevaba 50 millones de litros (es decir, dm3 ) de petroleo, cuando
acabara el vertido?
4) Si la mancha es siempre elptica y la proporcion entre los ejes de la elipse
permanece siempre constante ( a(t) 5
b(t) = 4 ), llegara la mancha a una playa que
se encuentra a 5 kms. del barco en la direccion del eje mayor de la elipse?
Ayuda: el area de la elipse es ab.
Solucion: a) Sea A(a, b) = ab una funcion de R2 a R que da el area de la
elipse en funcion del tamano de los ejes. Sea la funcion vectorial x de R a R2
que asigna a un tiempo t el par (a, b). La funcion compuesta A x es de R en R
y asigna a un tiempo dado el area de la elipse en ese instante. Para calcular la
derivada de esta funcion compuesta debemos aplicar la regla de la cadena para
funciones vectoriales. Entonces
dA A da A db da db
(t) = (a(t), b(t)) (t) + (a(t), b(t)) (t) = b(t) (t) + a(t) (t)
dt a dt b dt dt dt
da db
En el instante considerado dt = 100, dt = 80. Entonces, en ese instante,
dA
= 440 100 + 550 80 = 2,646 105 m2 /hora
dt
b) V (a, b) = 2 103 ab. Entonces, analogamente a a),

dV 3 da db
(t) = 2 10 b(t) (t) + a(t) (t)
dt dt dt
En el instante considerado,
dV
= 2 103 ( 440 100 + 550 80) = 552,92 m3 /hora
dt
c) Si el flujo de petroleo es constante, el vertido durara
50 103
t= = 90,429 horas 3,77 das
552,92
donde hemos convertido los litros a metros cubicos.

d) El volumen de la elipse al final de vertido sera de 50 103 m3 . Tendremos
entonces
4
V = 2 103 ab = 2 103 a2 = 50 103
5
de donde se obtiene, despejando a,
a = 3153,9 metros
es decir, menos de 5 Kms.. La mancha no llega a la playa.
B.9. Examen final de la convocatoria de junio de

2001
1. a) Hallar el polinomio de Taylor de cuarto grado en torno a x = 0 de la funcion
f (x) = 6 arctan x
b) Usar ese polinomio de Taylor para aproximar f ( 13 ) = . Que error se
comete en dicha aproximacion?
c) El procedimiento descrito es un modo de hallar el numero con toda la
precision que se desee. Propon un metodo similar para hallar el numero e con
toda la precision que se quiera.
Solucion: a) Podemos evaluar
f (x) = 6 arctan x f (0) = 0
6
f 0 (x) = f 0 (0) = 6
1 + x2
12x
f 00 (x) = f 00 (0) = 0
(1 + x2 )2
12 x2
f 000 (x) = 2 + 48 000
3 f (0) = 12
(1 + x2 ) (1 + x2 )
144 x3
f iv (x) = 3 x 288 iv
4 f (0) = 0
(1 + x2 ) (1 + x2 )
Por tanto :
12 3
P4 (x) = 6x x = 6x 2x3
3!
b) P4 ( 13 ) = 6 2 13
3
= 3,0792. El error cometido es 3,0792 = 6,2393102 .
32
c) Sea f (x) = ex . Tenemos entonces f (1) = e. Si aproximamos f (x) por un
polinomio, al evaluarlo en x = 1 tendremos un valor aproximado del numero e.
2. Una ventana tiene forma de rectangulo rematado por un semicrculo. Si el
permetro de la ventana es de 10 metros, hallar las dimensiones de la venta-
na de modo que se admita la cantidad mas grande posible de luz.
Solucion: Sea a la base del rectangulo, b la altura. El radio del semicrculo
sera entonces a2 . El permetro de la ventana es
a
P = 2b + a + = 10
2
Por tanto,
1 1
b = a a + 5
2 4
El area de la ventana es
a 2
A= + ab
2 2
Sustituyendo el valor hallado de b,

a 2 1 1 1 1
A(a) = + a a a + 5 = a2 a2 + 5a
2 2 2 4 8 2
Para hallar el maximo de A(a) buscamos sus puntos crticos
1 5
A0 (a) = a a + 5 = 0 a =
4 1+ 4
Ademas,
1
A00 (a) = 1 < 0
4
El extremo es, en efecto, un maximo. Las dimensiones de la ventana son a =
20 10
4+ , b = 4+ .
3. Hallar y clasificar los extremos (maximos, mnimos y puntos de ensilladura) de

la funcion
f (x, y) = 2x3 + xy 2 + 5x2 + y 2
Solucion: Para hallar los extremos de f (x, y) buscamos sus puntos crticos:
f
(x, y) = 6x2 + y 2 + 10x = 0
x
f
(x, y) = 2xy + 2y = 0
y
De la segunda ecuacion obtenemos que, necesariamente, y = 0 o x = 1. Si

y = 0, entonces de la primera ecuacion obtenemos 6x2 + 10x = 0 que lleva a
x = 0 o x = 53 . Si x = 1, entonces de la primera ecuacion se sigue y 2 4 = 0,
es decir, y = 2. Los puntos crticos son pues (0, 0), ( 53 , 0), (1, 2), (1, 2).
Para determinar su naturaleza, calculamos la matriz Hessiana:

12x + 10 2y
Hf (x, y) =
2y 2x + 2
El determinante de esta matriz es det Hf (x, y) = (12x + 10) (2x + 2) 4y 2 .

Evaluando en cada punto crtico,
(x, y) = (0, 0) det Hf (x, y) = 20 > 0, 12 0 + 10 = 10 > 0 y entonces (0, 0)
es un mnimo relativo.
5
(x, y) = (x = 53 , 0) det Hf (x, y) = 403 > 0, 12 3 + 10 = 10 < 0 y
entonces ( 35 , 0) es un maximo relativo.
(x, y) = (1, 2) det Hf (x, y) = 16 < 0 y entonces (1, 2) es un punto de

silla.
(x, y) = (1, 2) det Hf (x, y) = 16 < 0 y entonces (1, 2) es un punto
de silla.
(
(x2 +y 2 ) sen(x2 +y 2 )
f (x, y) = (x2 +ay 2 +2xy) en lR2 \(0, 0)
0 en (0, 0)
a) Para que valores de a sera la funcion continua en (0, 0)?

b) Sea a = 1. Calcular f f
x (1, 0) y y (1, 0) y la derivada direccional de f (x, y) a
lo largo de la direccion u = 12 (1, 1) en el punto a = (1, 0).
Solucion: a) Para que sea la funcion continua se ha de cumplir que
lm f (x, y) = f (0, 0) = 0.
(x,y)(0,0)
Intentemos buscar una mayorante para f .

r2 sen r2
|f (r cos , r sen )| = 2
r (cos + a sen + 2 sen cos )
2 2

1

= 2 sen r2
cos + a sen2 + 2 sen cos

Si el termino cos2 +a sen2 1+2 sen cos esta acotado por K, entonces |f (r cos

, r sen )| K sen r2 Kr2 0 y la funcion sera continua. Para que
(x,y)(0,0)

cos2 +a sen2 1+2 sen cos este acotado es necesario que cos2 +a sen2 +2 sen cos
no cambie nunca de signo, es decir, que no tenga ningun cero. Los ceros de esta
funcion satisfacen
cos2 + a sen2 + 2 sen cos = 0
Podemos escribir, dividiendo la ecuacion por cos2 ,
1 + a tan2 + 2 tan = 0
de donde se deduce
2 4 4a
tan = = h
2a
Existiran soluciones reales si y solo si a 1. Con a > 1 podemos asegurar que
la funcion no cambia de signo y, en consecuencia, f (x, y) es continua en (0, 0).
Podemos escribir
cos2 + a sen2 + 2 sen cos = cos2 (tan h+ ) (tan h )

Si a 1, entonces a lo largo de las direcciones = arctan h podemos tener

lmites distintos de cero. Nos basta tomar la direccion (en polares)

r2 = arcsin K cos2 (tan h+ ) (tan h )
para que el lmite sea K.

b)

f (x2 + y 2 ) sen(x2 + y 2 )
(x, y) =
x x (x2 + y 2 + 2xy)

2x sen(x2 + y 2 ) + 2x(x2 + y 2 ) cos(x2 + y 2 ) (x2 + y 2 + 2xy)
=
(x2 + y 2 + 2xy)2
(2x + 2y)(x2 + y 2 ) sen(x2 + y 2 )

(x2 + y 2 + 2xy)2

f (x2 + y 2 ) sen(x2 + y 2 )
(x, y) =
x x (x2 + y 2 + 2xy)

2y sen(x2 + y 2 ) + 2y(x2 + y 2 ) cos(x2 + y 2 ) (x2 + y 2 + 2xy)
=
(x2 + y 2 + 2xy)2
(2x + 2y)(x2 + y 2 ) sen(x2 + y 2 )

(x2 + y 2 + 2xy)2
Entonces,
f f
(1, 0) = 2 cos 1 , (1, 0) = 2 sen 1
x y
La derivada direccional buscada sera
df f f 1
(1, 0) = (1, 0)u1 + (1, 0)u2 = (2 cos 1 + 2 sen 1)
du x y 2
5. Las curvas y = 2x2 , y = 1 + x2 delimitan una region D. Calcular

ZZ
(ex + y 2 )dxdy
D
Solucion: Las dos curvas intersectan cuando 2x2 = 1 + x2 , lo que implica

x = 1. La region resultante es del tipo 1 y esta delimitada por las curvas
y = 2x2 (tapa inferior), y = 1 + x2 (tapa superior). Entonces
ZZ Z Z ! Z 1+x2 !
1 1+x2 1
x 2 x 2 x y 3
(e + y )dxdy = (e + y )dy dx = e y+ dx
1 2x2 1 3 2x2
D

Z 1
(1 + x2 )3 (2x2 )3
= ex (1 x2 ) + dx
1 3 3
Z 1 Z 1
(1 + x2 )3 (2x2 )3
= ex (1 x2 )dx + dx I1 + I2
1 1 3 3
La primera integral se hace por partes
Z 1 Z 1 Z 1
1
e (1 x )dx = e (1 x )1 +
x 2 x 2 x 1
I1 = 2xe dx = 2xex |1 2ex dx
1 1 1
1
= 2e + 2e1 2ex |1 = 4e1
La segunda, despues de desarrollar las potencias, directamente
Z 1 Z 1
(1 + x2 )3 (2x2 )3 1 7 16
dx = + x2 + x4 x6 dx =
1 3 3 1 3 3 15
La integral buscada es entonces

ZZ
16
(ex + y 2 )dxdy = 4e1 +
15
D
6. Un bosque tiene forma de crculo de 2 kilometros de radio. Los arboles no estan

distribuidos homogeneamente en el crculo y se ha estimado que la densidad
de arboles se ajusta aproximadamente a la formula d(x, y) = 1+1060,5 (x2 +y 2 )
(arboles por m2 ) siendo (x, y) un sistema de coordenadas cartesianas centradas
en el centro del crculo.
a) Estimar el numero de arboles que hay.
b) Un incendio reduce el bosque a un crculo de radio 1,5 kilometros. Cuantos
arboles se habran quemado?
Solucion: a) La cantidad total de arboles vendra dada por la formula
ZZ ZZ
0,5
N= d(x, y)dxdy = dxdy
1 + 106 (x2 + y 2 )
D D
Dada la geometra de la region D (un crculo), es recomendable hacer un cambio

a coordenadas polares. Por tanto,
Z 2 Z 2000 Z 2000
0,5r r
N= drd = dr
0 0 1 + 106 r2 0 1 + 106 r2
2000
= 106 ln 1 + 106 r2 = 106 ln 5 = 2,5281 106 arboles
2 0 2
es decir, unos dos millones y medio.

b) Se habran quemado
Z 2 Z 2000 Z 1500
0,5r r
M= drd = dr
0 1500 1 + 106 r2 0 1 + 106 r2
6 2000
10 ln 1 + 106 r2
=
2 1500
1+4
= 106 ln = 6,7667 105 arboles
2 1 + 1,52
7. a) Hallar la solucion general de las siguientes ecuaciones diferenciales:

1.-
xy 0 xy = (1 + x2 )ex
2.-
17
y 00 + 2y 0 + 5y =
cos(2x)
2
c) Resolver el siguiente Problema de Valor Inicial:

xy 0 = y ln y
y(1) = e
Solucion: a) 1.- Es una ecuacion lineal de primer orden. y(x) = yh (x) + yp (x),
donde
xyh0 xyh = 0 yh (x) = Kex
y yp (x) es una solucion particular que buscamos de la forma yp (x) = K(x)ex .
Sustituyendo en la EDO,
Z
0 x 2 x 1
xK (x)e = (1 + x )e K(x) = + x dx = ln x + x2
x
Por tanto,
y(x) = Kex + ln x + x2 ex
a) 2.- Es una ecuacion lineal de segundo orden y de coeficientes constantes.
y(x) = yh (x) + yp (x), donde
yh00 + 2yh0 + 5yh = 0
El polinomio caracterstico asociado a esta EDO es P2 (m) = m2 + 2m + 5,

cuyas races son m1,2 = 2 2 420 = 1 2i. La solucion general de la ecuacion
homogenea sera pues
yh (x) = C1 ex cos(2x) + C2 ex sen(2x)

Buscamos a continuacion una solucion particular de la ecuacion no homogenea.

Lo mas sencillo es usar el metodo de coeficientes indeterminados y buscar la
solucion en la forma
yp (x) = A cos(2x) + B sen(2x)
de modo que
yp0 (x) = 2A sen(2x) + 2B cos(2x)

yp00 (x) = 4A cos(2x) 4B sen(2x)
y sustituyendo en la EDO,
(4A cos(2x) 4B sen(2x)) + 2 (2A sen(2x) + 2B cos(2x))

17
+5 (A cos(2x) + B sen(2x)) = cos(2x)
2
lo que lleva a
17
4A + 4B + 5A =
2
4B 4A + 5B = 0
y, resolviendo el sistema, A = 12 , B = 2. La solucion buscada es
1
y(x) = C1 ex cos(2x) + C2 ex sen(2x) cos(2x) 2 sen(2x)
2
b) La ecuacion propuesta es separable. Podemos escribir
Z Z
dy dx
= ln ln y = ln x + C
y ln y x
que es la solucion general en forma implcita. Para imponer la condicion inicial,
nos damos cuenta de que y ha de valer e cuando x = 1. Sustituyendo,
ln ln e = ln 1 + C C = 0
Nuestra solucion es pues

ln ln y = ln x
o, equivalentemente,
y = ex
8. Un taller mecanico se encuentra en un recinto cerrado de volumen V metros

cubicos. Debido a la operacion de las maquinas, se emiten de forma constante P
gramos por minuto de contaminante. Llegado un nivel de k gramos por metro
cubico de contaminante, es peligroso permanecer en el taller. Por tanto, se decide
instalar un sistema de ventilacion que permita la entrada de r metros cubicos

por minuto de aire puro y extraiga esa misma cantidad de aire contaminado del
interior. Hallar el valor mnimo que ha de tener r en funcion de V , P y k para
asegurar que el nivel de contaminacion no llegue nunca a ser k.
Solucion: Nos encontramos ante un problema de mezclas. Llamando Q(t) la
cantidad de contaminante que hay en el recinto (medida en gramos). Esta can-
tidad vara con el tiempo de modo que
dQ(t) cont. que entra cont. que sale
=
dt unidad de tiempo unidad de tiempo
El aporte positivo de contaminante lo de la emision directa que es de P gramos
por minuto. El aporte negativo es lo que sale gracias al sistema de ventilacion,
que sera la concentracion de contaminante presente por el caudal de salidas, es
decir, Q(t)
V r gramos por minuto. Entonces
dQ(t) Q(t)
=P r
dt V
La solucion general de la EDO es
Z
r r r r PV
Q(t) = Ke V t + e V t e V t P dt = Ke V t +
r
El instante inicial es en el que empieza el taller a operar. En ese momento,
Q(0) = 0. Entonces,
PV r
Q(t) = (1 e V t )
r
El Maximo de contaminante (y por tanto de concentracion) se alcanza cuando
t .
PV
lm Q(t) =
t r
Si el maximo admitido es k gramos por metro cubico, hemos de imponer
PV
r P
kr
V k
El ventilador ha de ser capaz de evacuar P/k metros cubicos de aire por minuto.
9. Determinar a y b sabiendo que:

a b 0 0 ... 0 0 0
1b a b 0 ... 0 0 0

0 1b a b ... 0 0 0 1

Dn = det .. .. .. .. .. .. .. = (3n+1 +(1)n 2n+1 )
. . . . . . . 5

0 0 0 0 ... 1b a b
0 0 0 0 ... 0 1b a
Solucion: para n = 1,
1 2
D1 = a = (3 + (1)1 22 ) = 1
5
para n = 2,

a b 1 b 1
D2 = = = b2 b + 1 = (33 + (1)2 23 ) = 7
1b a 1b 1 5

3
b2 b 6 = 0b=
2
10. Dadas las aplicaciones lineales f : lR3 lR5 y g : lR5 lR4 definidas respecti-
vamente en las bases canonicas por las matrices:

1 1 2
1 0 1 1 1 1 1 0
1 1 1 0 1
A= 0 1 1
B= 0

0 0 0 0 0 1 1
0 0 0 0 1
0 0 0
se pide responder a los siguientes apartados:
a) Calcular ker f, Im f, ker g e Im g.

b) Es Im f = ker g?
c) Es Im g = ker f ?
d ) Indicar si g es inyectiva y/o sobreyectiva.
Nota: la valoracion de cada apartado en la calificacion global del ejercicio es

la siguiente: apartado (a) 40 %, apartado (b) 30 %, apartado (c) 15 %, apartado
(d) 15 %.
Solucion:
a) Las columnas de la matriz A constituyen un sistema generador de Im f. Se

estudia si son linealmente independientes:

1 1 0 0 0 1 1 0 0 0
At = 1 0 1 0 0 0 1 1 0 0 .
2 1 1 0 0 0 0 0 0 0
No son linealmente independientes y por lo tanto no constituyen una base

de Im f. Extraemos del sistema generador dos vectores linealmente inde-
pendientes para obtener una base:
n t t o
Base de Im f : 1 1 0 0 0 , 0 1 1 0 0 ,
dim( Im f ) = 2
Visto el resultado anterior la dimension del nucleo debe ser 1, en efecto:

1 1 2 0

0
1 0 1 x1
ker f = x lR3 0 1 1
x2 = 0 ,

0 0 0 0

x3

0 0 0 0
y resolviendo el sistema:

x1 = n t o
x2 = Base de ker f = 1 1 1

x3 =
Operando igual con la aplicacion g:

1 1 0 0 1 1 0 0
1 1 0 0 0 1 1 0

t
B = 1 1 0 0 0 0 0 1 .

1 0 1 0 0 0 0 0
0 1 1 1 0 0 0 0
n t t t o
Base de Im g : 1 1 0 0 , 0 1 1 0 , 0 0 0 1 ,
dim( Im g) = 3
Como dim(Im g) + dim(ker g) = 5 entonces dim(ker g) = 2 :

x1

1 1 1 1 0 0

x2
1 1 1 0 1 0
ker g = x lR5

x3 =

0 0 0 1 1 x4 0

0 0 0 0 1 0
x5

x1 = +

x2 = n t t o
x3 = Base de ker g = 1 1 0 0 0 , 1 0 1 0 0

x4 = 0

x5 = 0
b) Im f y ker g son dos subespacios de dimension 2 de lR5 , si se demuestra

que los vectores de una de las dos bases son combinacion lineal de los de
la otra se habra comprobado que los dos subespacios son iguales:

1 1 0 0 0 1 1 0 0 0
0 1 1 0 0
0 1 1 0 0 ,
1 1 0 0 0 0 0 0 0 0
1 0 1 0 0 0 0 0 0 0
y por lo tanto Im f = ker g.

c) Im g es una subespacio de dimension 3 de lR4 y no puede ser igual a ker f
que es un subespacio de dimension 1 de lR3 .
d ) g no es inyectiva porque dim(ker g) 6= 0. Tampoco es sobreyectiva porque
dim(Im g) 6= dim(lR4 ).
11 Hallar una base ortonormal del espacio eucldeo E, formado por el espacio vec-
torial lR3 y el producto escalar
x y = x1 y1 x1 y3 x3 y1 + 2x2 y2 + x3 y2 + x2 y3 + 3x3 y3 {ei } .
Solucion: La matriz de Gram del producto escalar es:

1 0 1
G= 0 2 1 .
1 1 3
Los vectores e1 y e2 son ortogonales puesto que e1 e2 = 0 al ser nulos los

terminos (1, 2) y (2, 1) de la matriz de Gram, por ello:
c1 = e1 / ke1 k = e1 = (1, 0, 0)t{ei }

1
c2 = e2 / ke2 k = e2 / 2 = (0, 1, 0)t{ei }
2

2 2
c3 = z3 / kz3 k = (e3 + e1 1/2e2 ) = (1, 1/2, 1)t{ei }
3 3
z3 = e3 (e3 c1 )c1 (e3 c2 )c2 = e3 + e1 1/2e2

1
e3 c1 = 0 0 1 G 0 = 1
0

1
1 1
e3 c2 = 0 0 1 G 0 =
2 0 2

1 0 1 1
3
kz2 k = 1 1/2 1 0 2 1 1/2 =
2
1 1 3 1
12 Sea A una matriz cuadrada de dimension dos con valores propios 1 = 3 y

2 = 1/3, y vectores propios respectivos v1 = (1, 1)t y v2 = (1, 1)t . Dada la
ecuacion en diferencias xk+1 = Axk , se pide:
a) Obtener una formula que proporcione xk en funcion de x0 y k.

b) Calcular x1 y x8 , sabiendo que x0 = (9, 1)t .

Solucion:
a)
A es una matriz
diagonalizable y por lo tanto existe una matriz D =
3 0
tal que:
0 1/3
D = P 1 AP, o, despejando, A = P DP 1
en donde:
1 1
P =
1 1
Sustituyendo A por D en xk+1 = Axk se obtiene:
xk+1 = Axk = P DP 1 xk
y, entonces,
k
xk = P DP 1 x0 = P Dk P 1 x0
k 1 1

1 1 3 0 2 2 x01
= .
1 1 0 (1/3)k 12 1
2 x02
Finalmente se expresa la formula pedida componente a componente:

k 0 1 k 1 1 k 0
xk1 = 21 3k + 12 13 x1 + 2 3 2 3 x2
0 1 k 1 1 k 0
k 1 k 1 1 k
x2 = 2 3 2 3 x1 + 2 3 + 2 3 x2
b) En el caso particular en que x0 = (9, 1)t , calculamos x1 y x8 :

x11 = 21 3 + 12 13 9 + 12 3 12 13 1 = 49
3
x12 = 12 3 12 13 9 + 12 3 + 12 13 1 = 41 3
1 8 1 8
1 8 1 1 8 1 215233609
x81 = 3 + 3 9 + 23 1=
2
2

2 3

6561
8 1 1 8
x82 = 21 38 12 13 9 + 21 38 + 2 3 1= 215233609
6561
B.10. Examen final de la convocatoria de septiem-

bre de 2001
1. a) Hallar los polinomios de Taylor de segundo grado en torno a x = 0 de las
funciones

f (x) = ex 1 + 2x
g(x) = sen x2
b) Usar esos polinomios de Taylor para hallar el lmite

ex 1 + 2x
lm
x0 sen x2
Solucion: a)

f (x) = ex 1 + 2x f (0) = 0
1
f 0 (x) = ex f 0 (0) = 0
1 + 2x
1
f 00 (x) = ex + 00
3 f (0) = 2
(1 + 2x) 2
Por tanto, el polinomio de Taylor para f (x) es
2 2
P2 (x) = x = x2
2!
Por otra parte,
g(x) = sen x2 g(0) = 0

g 0 (x) = 2x cos x2 g 0 (0) = 0
g 00 (x) = 2 cos x2 4x2 sen x2 g 00 (0) = 2
y entonces, el polinomio para g(x) es
2 2
Q2 (x) = x = x2
2!
b)
O(x3 )
ex 1 + 2x x2 + O(x3 ) 1+ x2
lm = lm = lm O(x3 )
=1
x0 sen x2 x0 x2 + O(x3 ) x0 1 +
x2
2. La pantalla de un cine tiene una altura h y se situa verticalmente a una dis-

tancia d de la tarima que se encuentra justo en la lnea visual del publico. A
que distancia hemos de situarnos del plano vertical que contiene a la pantalla
para ver mejor la pelcula?
Solucion: Sea x la distancia que separa al observador del plano vertical de la
pantalla y sea el angulo que forman la lnea que une los ojos del observador
con la parte inferior de la pantalla con la lnea que une los ojos del observador
con la parte superior de la pantalla. Sea el angulo que forma la lnea que une
los ojos del observador con la lnea que une parte inferior de la pantalla con la
tarima. Entonces,
d
tan =
x
d+h
tan( + ) =
x
Se trata de hallar el valor de x que hace maximo. De la segunda ecuacion se
tiene
d+h
= + arctan
x
y usando la primera ecuacion se obtiene

d d+h
(x) = arctan + arctan
x x
Busquemos el punto crtico de (x):

d d+h
d(x) x2 x2
= d 2 2 = 0
dx 1+ x 1 + d+hx
Operando se tiene

2
d x2 + (d + h) (d + h) x2 + d2 = 0
o, simplificando,
x2 + d (d + h) = 0
con solucion p
x= d (d + h)
Es claro que (x) tiende a cero cuando x 0 y cuando x . Nuestro punto
crtico es, pues, un maximo.
3. Sea
f (x, y) = x3 4x2 y + y 2
a) Hallar el gradiente de f .
b) Determinar la derivada direccional de f en el punto (0, 1) a lo largo de la
direccion u = ( 53 , 45 ).
Solucion: a)

f = (3x2 8xy, 4x2 + 2y)
b)
df
3 4 8
(0, 1) = f (0, 1) u = (0, 2) ( , ) =
du 5 5 5
4. Hallar los extremos relativos (maximos, mnimos y puntos de ensilladura) de la
funcion
f (x, y) = 10x2 y 5x2 4y 2 x4
Solucion: Busquemos los puntos crticos:

f
= 20xy 10x 4x3 = 0
x
f
= 10x2 8y = 0
x
De la segunda ecuacion se obtiene y = 54 x2 , que insertado en la primera resulta
en la ecuacion
25x3 10x 4x3 = x(21x2 10)
q
con soluciones x = 0, 21 21 21
10 . Los respectivos valores de y seran y = 0, 8 , 8 .
q q
Los puntos crticos son pues (0, 0), ( 21 21
10 , 8 ), (
21 21
10 , 8 ).
Para determinar la naturaleza de los puntos crticos calculamos la matriz Hes-

siana:
20y 10 12x2 20x
Hf (x, y) =
20x 8
En (0, 0) se tiene det Hf (0, 0) = 80 > 0. Como el elemento 1, 1 de la matriz vale

10 en (0, 0), podemos concluir que hay un maximo relativo.
q q
En ( 21 ,
10 8
21
) se tiene det H f ( 21 21 4892
10 , 8 ) = 5 < 0 lo que implica que este es
un punto de ensilladura.
q q
En ( 21 ,
10 8
21
) se tiene det H f ( 21 21 4892
10 , 8 ) = 5 < 0 lo que implica que este
es un punto de ensilladura.
5. Las curvas y = 1 x2 , y = 2x2 delimitan una region D. Calcular
ZZ
(x + y 2 )dxdy
D
Solucion: Las dos curvas se cruzan en los puntos (x, y) tales que
1 x2 = 2x2

es decir, con coordenadas x = 13 3. Como la parabola y = 2x2 esta por debajo

de la parabola y = 1 x2 para x 13 3, 13 3 , nuestra region es del tipo 1
y la integral se puede evaluar segun la formula:
ZZ Z 1 Z 2
3
!
3 1x
I= (x + y 2 )dxdy = (x + y 2 )dy dx
13 3 2x2
D
Z 1

3 1x2 Z 1

3
3
3 y3 3 1 x2 8x6
( xy + )dx = (x(1 x2 ) + 2x3 )dx
13 3 3 2x2 13 3 3 3
3
Expandiendo la potencia 1 x2 y calculando las integrales (son todos los
terminos potencias de x) se llega a
13 3
3 4 1 2 3 7 1 5 1 3 1 16
I= x + x x + x x + x
= 3
4 2 7 5 3 3 1 3 105
3
6. Hallar ZZ p
1 + (x2 + y 2 )2 xydxdy
D
siendo D un crculo de radio unidad centrado en el origen.
Solucion: Dado que el dominio es simetrico con respecto al eje x y la funcion a
integrar es antisimetrica en y, podemos concluir inmediatamente que la integral
ha de ser cero.
No obstante, hagamos el calculo. Es conveniente hacer el cambio a polares y
escribir nuestra integral como
Z 2 Z 1 p
I= 1 + (r2 )2 r cos r sen rdrd
=0 r=0
Simplificando, Z Z
2 1 p
I= 1 + r4 r3 cos sen drd
=0 r=0
La integracion en se puede hacer de varios modos. Uno es usar la formula del
seno de angulo doble para concluir
Z Z Z
1 2 1 p 3 1 1 p 2
I= 4
1 + r r sen(2)drd = 1 + r4 r3 cos(2)]0 dr = 0
2 =0 r=0 4 r=0
2
ya que cos(2)]0 = cos(4) cos 0 = 0.
7. a) Hallar la solucion general de las siguientes ecuaciones diferenciales:

1.-
dy 1+x
=
dx xy
2.-
dy x 3x
y=
dx 1 + x2 1 + x2
b) Resolver el siguiente Problema de Valor Inicial:
00
y + 3y 0 + 2y = e3x
y(0) = 1

y 0 (0) = 0
Solucion: a) 1.- Esta ecuacion es separable:

1+x
ydy = dx
x
Integrando ambos lados se obtiene
Z Z
1+x y2
ydy = dx = ln |x| + x + C
x 2
o, en forma explcita, p
y = 2 ln |x| + 2x + 2C
2.- Esta ecuacion es tanto lineal, como separable. Usemos el hecho de que es
lineal: podemos escribir y(x) = yp (x) + yh (x) con
dyh x
yh = 0
dx 1 + x2
es decir,
dyh x
= dx
yh 1 + x2
que tras integracion lleva a
Z Z
dyh x 1
= 2
dx ln yh = ln(1 + x2 ) + K
yh 1+x 2
es decir, p
1 2
yh (x) = e 2 ln(1+x )+K
=C 1 + x2

Busquemos ahora yp (x) por variacion de constantes. Sea yp (x) = C(x) 1 + x2 .
Sustituyendo en la ecuacion,
p 3x
C 0 (x) 1 + x2 =
1 + x2
que lleva a Z
3x 1
C(x) = 3 dx = 3 1 + x2 2
(1 + x2 ) 2
La solucion general sera pues

p
y(x) = C 1 + x2 3
b) La ecuacion es lineal y podemos escribir y(x) = yp (x) + yh (x) con
yh00 + 3yh0 + 2yh = 0
El polinomio caracterstico es
r2 + 3r + 2

con races r1,2 = 32 98 = 2, 1. La solucion general del problema ho-
mogeneo sera pues
yh (x) = C1 e2x + C2 ex
La solucion particular la buscamos por coeficientes indeterminados. Sea yp (x) =
Ae3x . Sustituyendo se tiene
(9A + 9A + 2A) e3x = e3x

1
que lleva a A = 20 . La solucion general sera
1 3x
y(x) = C1 e2x + C2 ex + e
20
Imponemos a continuacion las dos condiciones iniciales que llevan a las relacio-
nes:
1
C1 + C2 + = 1
20
3
2C1 C2 + = 0
20
con solucion C1 = 45 , C2 = 74 . La solucion buscada es por tanto
4 7 1
y(x) = e2x + ex + e3x
5 4 20
8. La poblacion de una cierta especie de peces en una region del oceano esta mo-
delada por la ecuacion diferencial logstica

dP P
= 0,08P 1
dt 1000
donde P son los miles de unidades de peces que hay y el tiempo viene dado en
meses.
a) Si la poblacion inicial es P (0) = 500, cuantos peces habra al cabo de 20
meses?
b) En ese instante se comienza a pescar esa especie a un ritmo de c miles de
peces por mes. Escribe la ecuacion diferencial que modelara la evolucion en la
poblacion.
c) Hallar el valor de c por encima del cual la poblacion tendera a la extincion.
Solucion: a) Debemos resolver la ecuacion diferencial con dato inicial P (0) =
500. La ecuacion es separable:
dP
P
= 0,08dt
P 1 1000
Integrando, Z Z
dP
P
= 0,08dt
P 1 1000
que lleva a
ln P ln |1000 + P | = 0,08t + C
Imponiendo la condicion inicial se deduce
C=0
Por tanto,
P
ln = 0,08t
1000 P
de donde se deduce
1000e0,08t
P (t) =
e0,08t + 1
A los 20 meses,
1000e1,6
P (20) = = 832,02 miles de peces
e1,6 + 1
b) La ecuacion que modela este caso sera

dP P
= 0,08P 1 c
dt 1000
donde c es la cantidad de peces que desaparecen por mes al ser pescados.
c) La poblacion permanecera estacionaria si dP
dt = 0 para todo tiempo. Eso
ocurre si P y c son tales que

P
0,08P 1 c=0
1000
Como en nuestro ejemplo se tiene P = 832,02, el valor de c tal que la poblacion

permanece constante sera

832,02
c = 0,08 832,02 1 = 11,181 miles de peces por mes.
1000
P

Cualquier valor superior de c hara que 0,08P 1 1000 c < 0 para todo P > 0,
con lo cual la poblacion terminara desapareciendo.
9. Expresar los siguientes numeros complejos en forma modulo - argumental

2
a) 1 + 3 .

1+i 3
b) .
1i 3
c) Las seis races sextas de 64.

siguiente: apartado (a) 30 %, apartado (b) 30 %, apartado (c) 40 %.
Solucion:
2 2
a) 1 + 3 = 1 + 3i = (2) , 1 + 3 = (2) = (4) 2 .
3 3 3

1+i 3 (2) /3
b) = = (1)2/3 .
1i 3 (2)/3
p
c) zk = 6 (64)0 = (2)0+2k/6 , k = 0, 1, 2, . . . , 5,
z0 = (2)0
z1 = (2)0+/3 = (2)/3 ,
z2 = (2)0+2/3 = (2)2/3 ,
z3 = (2)0+3/3 = (2) ,
z4 = (2)0+4/3 = (2)2/3 ,
z5 = (2)0+5/3 = (2)/3 .
10. Dados los vectores de lR3 a = (1, 2, 3)t{ei } , u1 = (3, 1, 2)t{ei } , u2 = (2, 1, 2)t{ei } y
u3 = (1, 1, 0)t{ei } , se pide:
a) Obtener las coordenadas de a respecto de la base {u1 , u2 , u3 }.

b) Hallar las coordenadas de a respecto de la base {v1 = u1 + u2 + u3 ,
v2 = u1 u2 , v3 = u1 }.

Solucion:
1
3 2 1 1 1 1 12 1
a) (a){ui } = 1 1 1 2 = 1 1 1 2
2 2 0 3 0 1 12 3
5
2
= 4
1
2
1 5 5
1 1 1 2 0 0 1 2
b) (a){vi } = 1 1 0 4 = 0 1 1 4
1 1
1 0 0 1 1 2
1 2 2
2
= 72
1
2
11. Supongase que un endomorfismo, f, tiene dos vectores propios, v y w, asociados,

respectivamente a los valores propios y con 6= . Si av+bw es un vector
propio de f se pide demostrar que necesariamente a = 0 o b = 0.
Solucion: por ser av + bw un vector propio de f :
f (av + bw) = (av + bw) = av + bw, (B.12)
en donde es el valor propio asociado a av + bw.

Por ser f lineal y v y w vectores propios de f :
f (av + bw) = av + bw. (B.13)
De las ecuaciones (B.12) y (B.13) se deduce:
a( )v+b( )w = 0,
como v y w son dos vectores asociados a vectores propios distintos, deben ser,
necesariamente, linealmente independientes, por lo que la igualdad implica:
a( ) = 0 y b( ) = 0
de donde se deduce que a = 0 o b = 0 puesto que es imposible que se puedan

anular a la vez y al ser distinto de .

12 La funcion y, dependiente de x, esta definida por la ecuacion arctan xy = 1
2 ln x2 + y 2 .
dy
Se pide calcular dx , expresando el resultado en funcion de x e y.
Solucion: derivando y aplicando la regla de la cadena en ambos lados de la
ecuacion:
1 y0 x y 1 1
y2 2
= (2x + 2yy 0 )
1+ 2 x 2 (x + y 2 )
2
x
1 1
2 2
(y 0 x y) = 2 (x + yy 0 )
(x + y ) (x + y 2 )
y 0 (x y) = x + y
finalmente, despejando y 0 se obtiene el resultado pedido:

dy x+y
= y0 =
dx xy
Bibliografa
Algebra lineal
[1] H. Anton. Introduccion al algebra lineal (II Ed.). Ed. Limusa Noriega editores,
1993.
[2] J. de Burgos. Algebra lineal. Ed. McGraw Hill, 1993.
[3] F. Coquillat. Espacios Vectorial, Afn y Eucldeo. Tebar Flores, 1985.
[4] B. de Diego, E. Gordillo y G. Valeiras. Problemas de Algebra lineal. Ed. Deimos,

1986.
[5] L.I. Golovina. Algebra lineal y sus aplicaciones. Ed. Mir, 1983.
[6] S. I. Grossman. Algebra lineal (V Ed.). Ed. Mc Graw Hill, 1996.
[7] E. Hernandez, Algebra y Geometra. Ediciones de la UAM, 1987.
[8] M. Krasnov, A. Kiseliov, G. Makarenko y E. Shikin. Curso de matematicas su-

periores para ingenieros. Ed. Mir, 1994.
[9] S. Lang. Linear Algebra, 3rd edition. Springer, 1987.
[10] D. C. Lay. Algebra lineal y sus aplicaciones, 2a Ed. Addison-Wesley Longman,

1999.
[11] S. Lipschutz. Algebra lineal (II Ed.). Ed. McGraw Hill, 1992.
[12] G. Nakos, D. Joyner. Algebra lineal con aplicaciones. International Thomson

Editores 1998.
[13] J. Ortega. Matrix theory: a second course. Plenum Press, 1987.
[14] I. Proskuriakov. 2000 problemas de algebra lineal. Ed. Reverte 1991. (Ed. Mir
1986).
457
458 BIBLIOGRAFIA
[15] J. Rojo. Algebra lineal. Ed. McGraw Hill, 2001.
[16] J. Rojo y I. Martn. Ejercicios y problemas de algebra lineal. Ed. McGraw Hill,
1994.
[17] P. Sanz, F. J. Vazquez y P. Ortega. Problemas de algebra lineal. Cuestiones,

ejercicios y tratamiento en Derive. Ed. Prentice Hall, 1998.
[18] L. Schwartz. Les Tenseurs, 2eme tirage. Ed. Hermann, 1981.
[19] G. Strang. Algebra lineal y sus aplicaciones. Ed.Addison-Wesley Iberoamericana,

1980.
[20] A. de la Villa. Problemas de algebra. Ed.: CLAGSA, 1998.
[21] C. G. Cullen. Linear Algebra with applications, 2nd Ed. Addison Wesley 1997.
Calculo
[22] H. Anton. Calculus (V Edicion). Ed. John Wiley & Sons, Inc., 1995.
[23] T. M. Apostol. Calculus. Ed. Reverte, 1992.
[24] T.M. Apostol. Analisis Matematico 2a edicion. Ed. Reverte, 1991.
[25] J. de Burgos. Calculo infinitesimal de una variable y Calculo infinitesimal de

varias variables. Ed. McGraw Hill, 1994 y 1995.
[26] R.V. Churchill. Complex variables and applications, 5th edition. McGraw-Hill,
1989.
[27] F. Coquillat. Calculo integral, metodologa y problemas. Ed. Tebar Flores, 1997.
[28] R. Courant, F. John. Introduction to Calculus and Analysis (2 Vols.). Springer-

Verlag 1999.
[29] B. P. Demidovich. 5000 problemas de Analisis Matematico. Ed. Paraninfo, 1989.
[30] J. A. Daz-Hernando. Calculo diferencial: Funciones reales de una variable y

Calculo diferencial: Funciones reales de varias variables. Representacion de cur-
vas. (II Ed.). Ed. Tebar Flores, 1991.
[31] A.S. Fokas y M.J. Ablowitz. Complex Variables: Intoduction and Applications.
Cambridge University Press. 1997.

BIBLIOGRAFIA 459
[33] R. E. Larson, R. P. Hostetler y B. H. Edwards. Calculo (V Ed.). Ed. McGraw

Hill, 1995.
[34] J. Lelong - Ferrand. Ejercicios resueltos de analisis. Ed. Reverte, 1986.
[35] D. Lovelock, H. Rund. Tensors, Differential forms and Variational Principles.
Dover, 1987.
[36] A. Markusevich. Teora de las funciones analticas. Ed Mir, 1978.
[37] J. Marsden y A. Weinstein. Calculus. Ed. Springer, 1985.
[38] J. E. Marsden y A. J. Tromba. Calculo vectorial (III Ed.). Ed Addison-Wesley
Iberoamericana, 1991.
[39] S. L. Salas, E. Hille. Calculus. Reverte, 1994.
[40] M. R. Spiegel. Teora y problemas de Calculo superior. Ed: McGraw-Hill, 1969.
[41] M.R. Spiegel. Variable Compleja. Ed. McGraw-Hill, 1988.
[42] M. Spivak, Calculo Infinitesimal, Segunda edicion, Editorial Reverte, Barcelona,
1996.
[43] J. Stewart, Calculus, 4th edition, Brooks/Cole Pub. Co., 1999.
Ecuaciones diferenciales
[44] I. Acero y M. Lopez. Ecuaciones diferenciales. Teora y problemas. Ed. Tebar
Flores, 1997.
[45] H. Anton. Calculus (V Edicion). Ed. John Wiley & Sons, Inc., 1995.
[46] F. Ayres Jr.. Ecuaciones diferenciales. Ed. McGraw Hill, 1970.
[47] W. E. Boyce y R. C. DiPrima. Elementary differential equations and boundary
value problems. Ed. Wiley, 1992.
[48] S. L. Campbell y R. Haberman. Introduccion a las ecuaciones diferenciales. Ed.
McGraw Hill 1998.
[49] R. Courant, F. John. Introduction to Calculus and Analysis (2 Vols.). Springer-
Verlag 1999.
[50] L. Elsgoltz. Ecuaciones diferenciales y calculo variacional. Ed. Mir, 1983.
[51] V. Fraile. Ecuaciones diferenciales. Ed. Tebar Flores, 1991.
[52] M. de Guzman. Ecuaciones diferenciales ordinarias. Teora de estabilidad y con-
trol. Ed. Alhambra Universidad, 1975.
460 BIBLIOGRAFIA
[53] M. W. Hirsh, S. Smale. Differential Equations, dynamical systems and linear

algebra. Ed. Academic Press, 1974.
[55] M. Krasnov, A. Kiseliov y G. Makarenko. Problemas de ecuaciones diferenciales
ordinarias. Ed. Mir, 1994.
[56] F. Marcellan, L. Casaus y A. Zarzo. Ecuaciones diferenciales. Problemas lineales
y aplicaciones. Ed. McGraw Hill, 1991.
[57] C. Martnez y M. A. Sanz. Ecuaciones diferenciales ordinarias. Ed. Reverte, 1991.
[58] S. Novo, R. Obaya y J. Rojo. Ecuaciones y sistemas diferenciales. Ed. AC, 1992.
[59] D. G. Zill. Ecuaciones diferenciales con aplicaciones al modelado (VI Ed.). Ed.
International Thomson, 1997.
Metodos numericos
[60] R. L. Burden y J. D. Faires. Analisis Numerico (VI Edicion). Ed. Internacional
Thomson editores, 1998.
[61] C. Conde y G. Winter. Metodos y algoritmos basicos del algebra numerica. Ed.
Reverte, 1989.
[62] M. Crouzeix y A.L. Mignot. Analyse numerique des equations differentielles. Ed.
Masson, 1989.
[63] G. H. Golub y C. F. Van Loan. Matrix computations (III Ed.), 1996.
[64] G. H. Golub y J. M. Ortega. Scientific computing: an introduction with parallel
computing. Academic Press Inc., 1993.
[65] D. Kincaid y W. Cheney. Analisis Numerico. Las matematicas del calculo cientfi-
co. Ed. Addison-Wesley Iberoamericana, 1994.
[66] P.Lascaux y R. Theodor. Analyse numerique appliquee a lart de lingenieur. Ed.
Masson, 1987.
[67] J. Ortega. Numerical Analysis: a second course. SIAM (reprint of 1972 original),
1990.
[68] L. F. Shampine, R. C. Allen, Jr., S. Pruess. Fundamentals of numerical compu-
ting. John Wiley & Sons, 1997.
[69] J. Stoer y R. Bulirsch. Introduction to numerical analysis. Ed. Springer Verlag,
1993.
BIBLIOGRAFIA 461
Libros especficos para Ciencias Medioambientales

[70] D. Mooney, R. Swift. A course in mathematical modelling. The mathematical
association of America, 1999.
[71] P. C. Reist. Applied Mathematics for Environmental Engineers and Scientists.
McGraw Hill, 1998.
[72] B. Scott. Maple for Environmental Sciences: A helping hand. Springer Verlag,
2001.
[73] N. Zumoff, C. Schaufele. Earth Angles, Precalculus mathematics with applica-
tions to environmental issues. Addison Wesley, 1999.
[74] N. Zumoff, C. Schaufele. Earth Algebra, College algebra with applications to
environmental issues. Addison Wesley, 1999.
[75] N. Zumoff, C. Schaufele. Earth Studies, Applied Calculus. Kendall/Hunt Publis-
hing, 2000.
Libros especficos para Ingeniera Qumica

[76] A. Constantinides, N. Mostoufi. Numerical Methods for Chemical Engineers with
MATLAB Applications. Prentice Hall, 1999.
[77] D. Do, R. G. Rice. Applied Mathematics and Modeling for Chemical Engineers
(Wiley Series in Chemical Engineering). John Wiley & Sons 1994.
[78] O. T. Hanna, O. C. Sandall. Computational methods in chemical engineering.
Ed. Prentice Hall, 1995.
[79] E. Kreyszig. Advanced Engineering Mathematics, 8th edition. Wiley, 1999.
[80] N. W. Loneay. Applied Mathematical Methods for Chemical Engineers, CRC

Press 2000.
[81] J. B. Riggs. Introduction to Numerical Methods for Chemical Engineers. Texas
Tech University Press 1994.
Indice alfabetico
Adjunto, 50 Cambio de variable, 252

Angulo Cambio de variables, 257
de dos planos, 139 Campo
de dos rectas, 139 escalar, 264
de dos vectores, 108 vectorial, 263
de recta y plano, 139 Centro, 316
Antecedente, 84 Centro de masas, 259
Aplicacion, 83 Circulacion, 267
Aplicacion Cociente de dos complejos, 367
biyectiva, 92 Combinacion lineal, 34
inyectiva, 91 Complemento
lineal, 84 ortogonal, 111
sobreyectiva, 92 Concava, 187
Area Condicion de Riemann, 237
de un dominio plano, 251 Conjugado de un numero complejo, 368
de una superficie, 270 Conjunto
Argumento principal, 364 fundamental, 312
Asntota origen, 84
horizontal, 188 Convexa, 187
oblicua, 188 Coordenadas
vertical, 188 afines de un punto, 132
Automorfismo, 92 de un vector, 67
Autovalor, 122 Criterio de Lebesgue, 237
Autovector, 122 Curva simple cerrada, 267
Base, 66 Dependencia lineal, 34

Base Derivada, 174
canonica, 78, 93 Derivada
ortogonal, 109 k-esima, 182
ortonormal, 109, 111 de la funcion inversa, 178
direccional, 202
Cabecera de la fila, 26 implcita, 180
Cambio de base, 93, 106 lateral, 174
Cambio de referencia afn, 132 material, 223
463
464 INDICE ALFABETICO
parametrica , 180 lineal, 19, 20

parcial, 202 no lineal, 20
parcial de orden n, 210 Ecuaciones implcitas, 73
sustancial, 223 Ecuaciones parametricas, 73
Descenso, 160 Endomorfismo, 84, 121
Desigualdad Endomorfismo
de Cauchy-Schwarz, 107 diagonalizable, 125
triangular, 107 Error
Determinante, 49, 50 de interpolacion, 321
Diagonalizable por semejanza, 125 de redondeo, 145
Diagonalizacion, 151 Espacio
Diferencial, 204 afn eucldeo, 131
Diferencial de direccion, 131
de funcion compuesta, 219 eucldeo, 104
Diferencias divididas, 322, 323 metrico completo, 350
Dimension, 68 vectorial, 61
Distancia, 107 Euler
Distancia metodo de, 333
de un punto a un plano, 140 Extremos
de un punto a una recta, 139 absolutos, 185
entre dos puntos, 139 relativos, 185
entre dos rectas, 141
Divergencia, 265 Factor integrante, 285
Dominio de integracion Factorizacion LU, 154
tipo 1, 249 Flujo, 270
tipo 2, 249 Foco, 316
tipo 3, 249 Foco
Dominio de una funcion, 164 inestable, 316
Forma
Ecuacion diferencial de una e.d.o., 279
caracterstica, 124 implcita de una e.d.o., 279
diferencial, 276 normal de una e.d.o., 279
diferencial Formula
de tipo homogeneo, 281 de Newton, 322
de variables separadas, 280 de Simpson, 331
en derivadas parciales, 276 del paralelogramo, 107
exacta, 283 del punto medio, 329
homogenea, 277 del rectangulo, 328
lineal, 277 del trapecio, 329
lineal de coeficientes ctes. , 290 Formulas
lineal homogenea, 289 de Newton-Cotes, 330
lineal no homogenea, 289 Funcion, 164
ordinaria, 276 Funcion
vectorial, 310 concava, 187
INDICE ALFABETICO 465
continua, 173 direccional, 199

continua de varias variables, 201 doble, 199
convexa, 187 indeterminado, 172
de clase k, 182, 210 lateral, 169
derivable, 175 radial, 199
diferenciable, 204 reiterado, 199
inversa, 165, 178 Linealmente
lineal, 19 dependiente, 34
vectorial, 218 independiente, 34
Gradiente, 204, 264 Mac-Laurin (polinomio de), 183

Grado de una EDOs, 277 Matrices
Grafica, 187 congruentes, 106
iguales, 36
Homomorfismo, 84 producto de, 37
producto de
Imagen, 83, 87 propiedades, 38
Incrementos finitos (Teorema de), 181 semejantes, 94
Indice libre, 23 simplificables, 39
Indice mudo, 23 suma de, 37
Inflexion, 187 suma de
Integracion propiedades, 37
cambio de variable, 239 Matriz, 23
por partes, 240 Matriz
Integral ampliada, 23, 24
curvilnea, 266 antisimetrica, 38
de Riemann, 234 columna, 38
de superficie, 269 cuadrada, 38
doble, 248 de cambio de base, 70
triple, 253 de coeficientes, 23
Integral definida, 234 de Gram, 105
Interpolacion de Lagrange, 319 de la aplicacion lineal, 85
Inverso de un no complejo, 367 diagonal, 38
Isomorfismo, 92 diagonalizable por semejanza, 125
escalonada, 26
Jacobiano, 219, 257 escalonada
reducida, 27
Laplaciano, 266 fila, 38
Ley Hessiana, 213
de accion de masas, 295 inversa, 39
de desintegracion radiactiva, 295 jacobiana, 219
logstica, 296 nula, 37
Lmite, 166 opuesta, 37
Lmite simetrica, 38
singular, 41 sobre ecuaciones lineales, 24

traspuesta, 38 sobre filas de una matriz, 24
triangular inferior, 38, 153 sobre un conjunto de vectores, 35
triangular superior, 38, 153 Orden
unidad, 38 de una reaccion qumica, 295
Maximo Orden de una EDOs, 277
absoluto, 185, 216
relativo, 184, 213 Particion, 246
Menor, 49 Particion
Metodo tamano de, 246
de aproximaciones sucesivas, 352 Pies de la perpendicular comun, 141
de Cramer, 145 Pivote, 28, 147, 151, 159
de descenso, 158 Pivote
de Euler, 333 parcial, 148
de Gauss, 28, 147 Plano, 134
de Gauss - Jordan, 28 Plano
de Gauss-Jordan, 151 ecuacion implcita, 134
de Gram - Schmidt, 111 ecuaciones parametricas, 134
de los coef. indeterminados, 293 vector caracterstico, 135
de Newton, 353 Polinomio
de Newton-Raphson, 353 caracterstico, 124, 290
de Runge-Kutta, 335 de base, 320
de variacion de constantes, 292 de Mac-Laurin, 183
LU, 153, 159 de Taylor, 183
Mezclas, 298 interpolador, 320
Mnimo Polinomio de Taylor, 212
absoluto, 185, 216 Polinomios, 62
relativo, 184, 214 Potenciacion de un no complejo, 368
Momento de inercia, 260 Primitiva, 234
Multiplicidad Principio de superposicion, 86
algebraica, 125 Problema
geometrica, 125 de valor inicial, 278, 279
Producto de complejos, 362
Newton Producto escalar, 104
formula de, 322 Producto mixto, 114
metodo de, 353 Producto vectorial, 113
Nodo Proyeccion
estable, 316 ortogonal, 111
inestable, 316 Punto
Norma, 106 crtico, 186, 215
Nucleo, 87 de inflexion, 187
Numero complejo, 361 de silla, 214
Punto de ensilladura, 316
Operaciones elementales Puntos
INDICE ALFABETICO 467
afinmente dependientes, 133 depredador-presa, 299

afinmente independientes, 133 escalonado, 27
escalonado
Radicacion compleja, 369 reducido, 27
Rango, 87 fundamental, 289
Rango generador, 65
de un conjunto de puntos, 133 homogeneo, 32
de un conjunto de vectores, 35 incompatible, 20
de una matriz, 36 Solucion
Recta, 133 de una e.d.o., 278
Recta general de una e.d.o., 278
ecuaciones implcitas, 133 particular de una e.d.o., 278
ecuaciones parametricas, 133 singular de una e.d.o., 278
Referencia Afn, 132 Soporte de la interpolacion, 320
Regla Subespacio, 63
del punto medio, 334 Subespacio
Regla de LHopital, 182 de direccion, 132
Regla de la cadena, 178, 219 generado, 65
Remonte, 26, 147, 152, 160 ortogonal, 110
Representacion de complejos propio, 122
en forma trigonometrica, 364 Subespacios
modulo-argumental, 363 independientes, 75
par ordenado, 363 interseccion, 64
Riemann ortogonales, 110
condicion de, 237 suma directa, 75
suma de, 235 union, 64
Riemann (integral de), 234 Submatriz, 49
Rolle (Teorema de), 181 Sucesion de Cauchy, 350
Rotacional, 265 Suma de complejos, 362
Rouche (Teorema de), 36 Suma de Riemann, 235
Runge-Kutta
metodo de, 335 Tabla de Frasser y Logenze, 323
Taylor
Schwarz (Teorema de), 210 formula de, 183, 212
Sistema polinomio de, 183, 212
compatible, 20 Teorema
compatible de Fubini, 248
determinado, 20 de Green, 268
indeterminado , 20 de la divergencia (o de Gauss), 271
de e.d.o. con coeficientes ctes., 314 de la proyeccion, 111
de e.d.o. homogeneo, 310 de Pitagoras, 109
de e.d.o. lineales, 309 del rotacional (o de Stokes), 271
de e.d.o. no homogeneo, 313 fundamental del calculo, 237
de ecuaciones lineales, 20 Termino independiente, 277
Transporte de contaminantes, 221

Traza de una matriz, 38
Triangularizacion, 147
Valor medio de una funcion, 258

Valor propio, 122
Variables
cartesianas, 252, 258
cilndricas, 258
esfericas, 258
polares, 252
Variedad lineal, 132
Vector, 32, 62
Vector
de terminos independientes, 23
gradiente, 204
normal, 271
propio, 122
unitario, 107
Vectores
ortogonales, 108
Wronskiano, 289, 312

Fundamentos Matemáticos de La Ingeniería

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fundamentos Matemáticos de La Ingeniería

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Rey Juan Carlos

Escuela Superior de Ciencias Experimentales y Tecnologa

Fundamentos Matematicos de la Ingeniera

1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices 19

2.5.1. Obtencion de la inversa de una matriz . . . . . . . . . . . . 54

5. Espacio eucldeo 103

5.2. Bases ortogonales y ortonormales . . . . . . . . . . . . . . . . . . . 108

6. Diagonalizacion de endomorfismos 121

7. El espacio afn eucldeo 131

8. Metodos numericos de resolucion de sistemas de ecuaciones

8.2. Algoritmos de Gauss y de Gauss-Jordan . . . . . . . . . . . . . . . 147

9. Lmites, continuidad y diferenciabilidad de funciones de una

10. Lmites, continuidad y diferenciabilidad de funciones de varias

11. Integracion de funciones de una variable 233

12. Integracion de funciones de varias variables 245

12.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

13. Calculo vectorial 263

14. Introduccion a las ecuaciones diferenciales ordinarias 275

14.2. Conceptos basicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

15. Sistemas de ecuaciones diferenciales ordinarias 309

15.5.2. Solucion en el caso n = 2 . . . . . . . . . . . . . . . . . . . 316

16. Tecnicas basicas de calculo numerico 319

17. Metodos numericos de resolucion de sistemas de ecuaciones

17.3.1. Metodos de aproximaciones sucesivas (o del punto de fijo) . 352

A. Numeros complejos 361

B. Examenes propuestos en la URJC con sus soluciones 375

B.9. Examen final de la convocatoria de junio de 2001 . . . . . . . . . . 434

Indice Alfabetico 463

4.1. Ejemplo de aplicacion lineal: rotacion de 30o . . . . . . . . . . . . . . 86

9.1. Lmite oscilante de la funcion sen( x1 ) en x = 0. . . . . . . . . . . . . 167

10.1. Dibujo de la funcion f (x, y) = x2 y 2 + 8 y su plano tangente en

11.1. Aproximaciones cada vez mas finas a la integral de Riemann me-

12.1. Region de integracion(sombreada) correspondiente al ejemplo 12.2. . 250

13.1. Curva C en el ejemplo 13.3. . . . . . . . . . . . . . . . . . . . . . . . 268

14.1. Comparacion entre la ley de crecimiento exponencial y la ley logstica. 297

16.1. Polinomios de base de Lagrange de grado 1. . . . . . . . . . . . . . . 320

17.1. Representacion grafica del metodo de punto fijo. . . . . . . . . . . . 353

B.1. Representacion grafica de la solucion del problema 1. . . . . . . . . . 376

Esta publicacion docente es el resultado de tres anos de preparacion e imparticion

El libro puede considerarse como un guion de la asignatura en el que aparecen enun-

Los autores somos conscientes de que para aprender matematicas es fundamental,

Ultano Kindelan y Marco Antonio Fontelos

Madrid, octubre de 2001

Un ejemplo de funcion lineal es la ecuacion de una recta. En el plano xy se puede

Una ecuacion como la anterior se llama ecuacion lineal en las variables x e y. De

en donde a1 , a2 , . . . , an son escalares (reales o complejos) constantes.

El concepto de linealidad se estudiara con precision cuando se estudien los espacios

no incluye productos entre variables,

todas las variables aparecen siempre elevadas a 1,

las variables no aparecen nunca como argumentos de funciones trigonometricas,

Ejemplo 1.1. Las siguientes ecuaciones son lineales:

mientras que las siguientes son no lineales:

Definicion 1.1. Un Sistema de m ecuaciones lineales con n incognitas x1 , x2 ,

Los aij (coeficientes) y los bi (terminos independientes) son escalares dados

Se dice que los escalares 1 , 2 , . . . , n constituyen una solucion de (S) si al

Ejemplo 1.2. Como ya se ha comentado, un ejemplo de ecuacion lineal es la ecuacion

Signo sumatorio, ndices mudos e ndices libres.

i recibe el nombre de ndice libre (no se ve afectado por el sumatorio).

j recibe el nombre de ndice mudo (se ve afectado por el sumatorio).

Expresion matricial de un sistema lineal de ecuaciones.

Definicion 1.2. Se denomina matriz A de dimension m n a una tabla rectangular

1.2. Resolucion de sistemas de ecuaciones lineales:

El metodo mas simple para resolver un sistema lineal de ecuaciones es reemplazar el

1. Intercambiar dos ecuaciones del sistema.