Académique Documents
Professionnel Documents
Culture Documents
4
2
1
0 2
y 1
1 0
1 x
22
Ultano Kindelan
Marco Antonio Fontelos
Indice general
Presentacion 16
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
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
3.8. Referencias bibliograficas . . . . . . . . . . . . . . . . . . . . . . . . 76
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
4.6. Referencias bibliograficas . . . . . . . . . . . . . . . . . . . . . . . . 94
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Bibliografa 457
1.1. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible determinado. . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible indeterminado. . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3. Las ecuaciones de los tres planos del dibujo constituyen un sistema
incompatible. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
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
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
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.
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.
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.
a1 x1 + a2 x2 + . . . + an xn = b
19
20 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
x + 3y = 7 x1 3x2 3x3 + x4 = 7,
y = 12 x + 3z + 1 x1 + x2 + . . . + xn = 1,
x + 3y 2 = 7 3x + 2y z + xz = 4,
ysen(x) = 0 x1 + 2x2 + x3 = 1.
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
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.
22 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
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.
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
1.1. Introduccion 23
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
a11 a12 ... a1n b1
a21 a22 ... a2n b2
Ab = .. .. .. .. MATRIZ AMPLIADA
. . . .
am1 am2 ... amn bm
b1
b2
b= .. VECTOR DE TERMINOS INDEPENDIENTES
.
bm
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
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
26 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
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:
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
1.2. Resolucion de sistemas de ecuaciones lineales: eliminacion gaussiana 27
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:
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
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
n
X
aij xj = bi (i = 1, . . . , m)
i=1
Nota 1.2. Para cada sistema de ecuaciones lineales (S) existe un unico sistema es-
calonado reducido equivalente.
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
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.
x1 + x5 = 800
x1 + x2 x4 = 400
x2 + x3 = 600
x3 + x7 = 1200
x4 + x6 x7 = 0
x5 x6 = 1000
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)
30 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
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
(-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
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.
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. (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)
34 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
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
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:
y sea A una matriz cuya fila i-esima esta formada por las n componentes del vector
ai ,
a11 . . . a1n
A = ... ..
.
ap1 . . . apn pn
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).
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:
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
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 1.11. Puede ser AB = (0) sin que sean A = (0) o B = (0).
1. (At )t = A
3. (A)t = At
A0 = In An =AA A}
| {z
n veces
1 1 1
(A1 )1 = A An = (A1 )n A
| A {z A }
n veces
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 .
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
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 .
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].
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
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 }
44 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
c) {x1 = x1 , x5 = 77
5 x1 +
154
5 , x2 = 65 x1 75 , x4 = 61
10 x1 56
5 , x3 = 52 x1 5}
a) Compatible determinado.
b) Incompatible.
c) Compatible indeterminado (infinitas soluciones).
d ) Compatible determinado.
e) Compatible determinado.
f ) Compatible indeterminado (infinitas soluciones).
a) Indefinida
b) Definida, 4 2
c) Indefinida
d ) Indefinida
e) Definida, 5 5
f ) Definida, 5 2
g) Indefinida
h) Definida, 5 2
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
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
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 .
48 Captulo 1. Sistemas de ecuaciones lineales. El metodo de Gauss. Matrices
Captulo 2
Determinantes
2.1. Introduccion
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.
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
Solucion:
2 0 0
det(T ) = 3 3 2 0 =32 2 0 = 3 2 2 1 = 12.
5 1
4 5 1
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.
Teorema 2.2. Si una matriz A tiene una fila o una columna de ceros entonces
det(A) = 0.
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
det(A) = det(At )
Corolario 2.5. Los vectores fila o columna de una matriz son linealmente depen-
dientes Ssi det(A) = 0.
ka11 ka12 ka13 a11 a12 a13
por ejemplo: ka21 ka22 ka23 = k 3 a21
a22 a23
ka31 ka32 ka33 a31 a32 a33
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
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
Sin embargo el encontrar un menor que cumpla las condiciones anteriores puede ser
muy laborioso. Esta busqueda se puede simplificar si se procede metodicamente:
* 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.
56 Captulo 2. Determinantes
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.
o, en forma matricial
Ax = b . (2.2)
Adj(A)
x = A1 b = b. (2.3)
det(A)
2.6. Referencias bibliograficas 57
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
58 Captulo 2. Determinantes
2. Dada la matriz
1 2 0 1
3 1 5 2
A=
1
,
2 3 4
0 3 0 1
se pide:
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
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:
60 Captulo 2. Determinantes
a) calcular AAt .
b) hallar, utilizando el resultado del apartado anterior, el determinante de A.
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.
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 3.2. 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.
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.
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
1. 0u = 0
2. k0 = 0
3. (1)u = u
4. Si ku = 0 entonces k = 0 o u = 0.
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).
Nota 3.4. Dado un e.v. V, existen dos subconjuntos de V que trivialmente son s.e.v.
de V :
V,
{0}.
1. El conjunto U = (x, y, z) lR3 3x 2y + 4z = 0 es un s.e.v. del espacio lR3
64 Captulo 3. Espacios vectoriales
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
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
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 .
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
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.
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 .
68 Captulo 3. Espacios vectoriales
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 3.12. 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
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).
Ejemplo introductorio
v =x1 e1 + x2 e2 + x3 e3 = y1 u1 + y2 u2 + y3 u3
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:
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
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
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
72 Captulo 3. Espacios vectoriales
2 2 1
u1 = 1 , u2 = 1 , u3 = 2 ,
1 1 1
se pide:
Solucion:
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
Ecuaciones parametricas
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
Ecuaciones implcitas
U1 + U2 = {u1 + u2 u1 U1 , u2 U2 }
Ejemplo 3.11. En el e.v. lR4 se consideran los subespacios U1 = {(, , 0, 0), lR}
y U2 = {(0, , , 0), lR}. Entonces:
u1 U1 y u2 U2 , u1 + u2 = 0 u1 = u2 = 0
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 .
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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].
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).
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
Nota: se supondra que todos los vectores que aparecen en el enunciado estan
referidos a la misma base de lR2
Solucion:
Nota: se supondra que todos los vectores que aparecen en el enunciado estan
referidos a la misma base de lR3 .
Solucion:
78 Captulo 3. Espacios vectoriales
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 ):
Solucion:
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:
Nota: los tres vectores del enunciado estan referidos a la base canonica de lR4 .
Solucion:
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
80 Captulo 3. Espacios vectoriales
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 } .
82 Captulo 3. Espacios vectoriales
Captulo 4
Aplicaciones lineales
4.1. Introduccion
83
84 Captulo 4. Aplicaciones lineales
antecedente de f (x))
f : AB
x y = f (x)
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)
f: lRn lRm
P
n P
n
x = (x1 , . . . xn )t f ((x1 , . . . xn )t ) = ( a1i xi , . . . ami xi )t
i=1 i=1
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
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 }.
T : lR2 lR2
v = (x, y)t T ((x, y)t ) = (x cos y sen , x sen + y cos )t
86 Captulo 4. Aplicaciones lineales
es:
cos sen
sen cos
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
S : lR2 lR2
v = (x, y)t S((x, y)t ) = (x, 2x + y)t
es:
1 0
2 1
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
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.
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:
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
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
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.
1500
1000
500
500
1000
Figura 4.4: Recta formada por los puntos cuyos vectores de posicion constituyen la
imagen de g.
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 .
4.4. Isomorfismos
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)
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
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
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
Solucion:
a) Lineal
b) Lineal
c) No lineal
d ) Lineal
4.7. Ejercicios 95
e) No lineal
f ) Lineal
Solucion:
p1
M1 p1 + 2p2 + p3
a) =f p2 =
M2 3p1 + p2 + 2p3
p3
b) S es una aplicacion lineal.
Se pide:
Solucion:
96 Captulo 4. Aplicaciones lineales
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.
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}
Solucion:
a) V
98 Captulo 4. Aplicaciones lineales
b) V
c) F
d) V
e) F
f) F
g) V
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
10. Dado el endomorfismo del espacio vectorial lR4 definido de la siguiente forma:
Se pide:
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
Solucion:
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
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)
Espacio eucldeo
5.1. Introduccion
que verifique:
1. xy =yx x, y E (simetra),
2. xx>0 x E (x 6= 0) (positividad),
103
104 Captulo 5. Espacio eucldeo
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
5.1. Introduccion 105
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
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
106 Captulo 5. Espacio eucldeo
entonces
G0 = P t GP
1. kxk 0 x E
2. kxk = 0 Ssi. x = 0
3. kxk = || kxk x E, lR
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
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
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
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
V es ortogonal a W ai uj = 0, i = 1, . . . , p; j = 1, . . . , q
W = {x Ex ai = 0, i = 1, . . . , p}
en donde w1 W y w2 W .
Xp
Pr |W v = (v c1 )c1 + . . . + (v cp )cp = (v ci )ci
i=1
Ejemplo introductorio
112 Captulo 5. Espacio eucldeo
Supongase el espacio eucldeo formado por el espacio vectorial lR3 y el producto escalar
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 } .
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 }.
: EE E
(u, v) w =uv
[., ., .] : EEE lR
(u, v, w) [u, v, w] = u (v w)
Ejemplo 5.5.
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
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.
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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:
Se pide:
116 Captulo 5. Espacio eucldeo
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
Solucion:
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 }
v1 v2 = 0, v1 v1 = 1, v2 v2 = 1, v3 v3 = 2
y ademas 2v2 v3 hv1 , v3 i . Se pide:
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.
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.
118 Captulo 5. Espacio eucldeo
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 .
Se pide:
Solucion:
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 } .
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.
120 Captulo 5. Espacio eucldeo
Captulo 6
Diagonalizacion de
endomorfismos
6.1. Introduccion
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?.
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
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
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
1. lK es un valor propio de A.
3. |A I| = 0.
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
6.3. Diagonalizacion
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.
Proposicion 6.9. Sea A Mn (lK) una matriz cuyos valores propios son los escalares
1 , . . . , n lK. Se verifica:
6.5. Referencias bibliograficas 127
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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:
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:
Nota: se supondra que todos los vectores que aparecen en el enunciado estan
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
130 Captulo 6. Diagonalizacion de endomorfismos
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
7.1. Introduccion
AE A
(P, v) Q=P +v
que verifica:
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 .
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
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.
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):
Ecuaciones implcitas:
a1 X1 + a2 X2 + a3 X3 = a4
b1 X1 + b2 X2 + b3 X3 = b4
134 Captulo 7. El espacio afn eucldeo
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).
X = P + u+v (7.1)
Ecuaciones parametricas:
X1 = P1 + u1 + v1
X2 = P2 + u2 + v2
X3 = P3 + u3 + v3
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 .
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 7.7. 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.
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,
2. u
/ hvi (los subespacios de direccion son distintos).
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
Si
X = X0 + v1
r1 : Y = Y0 + v2 y : aX + bY + cZ = d
Z = Z0 + v3
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
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
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
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 ,
Definicion 7.14. Distancia entre dos rectas r1 y r2 . Se pueden dar tres casos:
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.
r1 : X = X0 + u, r2 : Y = Y0 + v
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
142 Captulo 7. El espacio afn eucldeo
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)
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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.
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:
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.
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:
145
146 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
(n + 1)n!(n 1) multiplicaciones,
(n + 1)(n! 1) sumas,
n divisiones.
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.
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
148 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
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.
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
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
150 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
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
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
8.2. Algoritmos de Gauss y de Gauss-Jordan 151
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 (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
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
8.3. El metodo LU
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.
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
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).
Solucion:
1a etapa (k = 1)
2a etapa (k = 2)
156 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
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)
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 R sera:
1 0 0 0
1/4 1 0 0
R=
0
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
158 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
lo que finalmente:
1 0 0 0
0 1 0 0
L=
1/4 0 1 0
0 1/2 2/5 1
LU x =F b
Ly = F b
Ux = y
Ax = b1 , Ax = b2 , . . . , Ax = bns
8.3. El metodo LU 159
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.
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
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
160 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
Observaciones:
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
162 Captulo 8. Metodos numericos de resolucion de sistemas de ecuaciones lineales
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
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.
163
164 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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.
A : lR lR
2. De lRn en lR:
3. De lR en lRn
(f g)(x) = f (x)g(x)
f f (x)
( )(x) =
g g(x)
(f g)(x) = f (x) g(x) = (1 + x 2) (x 1) = 2 x + x2
166 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
(f g)(x) = f (x)g(x) = (1 + x 2)(x 1)
f f (x) 1+ x2
( )(x) = =
g g(x) x1
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
Nota 9.8. Sea f una funcion real definida en al menos un entorno reducido de un
punto a lR. Se verifica que:
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| < .
168 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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:
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:
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
9.3. Lmites de funciones reales de variable real 169
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 = lm+ f (x)
xa
si y solo si para todo > 0 existe > 0 tal que si 0 < x a < entonces
|f (x) L| < .
1 1 2 3 4 5
x
0.5
3 2 1 1 2 3
x
0.5
1 x>0
signo(x) = 0 x=0
1 x < 0
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
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
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
Si n > 0 , entonces
lm (f + g)(x) = + + L = +
xa
lm (f g)(x) = (+)L = +
xa
lm (f g)(x) es indeterminado.
xa
lm (f g)(x) es indeterminado.
xa
lm f (x)g(x) es indeterminado.
xa
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.
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.
df (a; ) : lR lR
h f 0 (a)h
g(1)+dg(1;x)
1.5
dg(1;x) g(x)
0.5
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.
f0 : A lR
x f 0 (x)
176 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
4 3 2 1 0 1 2 3 4
x
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
El resultado es cierto tambien, con una prueba similar, en el caso de que n sea un
entero negativo.
178 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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
180 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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).
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.
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).
182 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
lm f (x) = lm g(x) = 0
xa xa
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
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 .
f (n) ()
f (x) = pn1 (x) + (x a)n .
n!
x3 x5
Por tanto, p5 (x) = x 3! + 5! .
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! .
184 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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).
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!
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).
f (x) f (a)
f 0 (a) = lm+ 0.
xa xa
186 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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:
f (n) (a)
f (x) f (a) = (x a)n 0
n!
y por tanto a es un mnimo relativo de f .
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 .
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.
(x, y) lR2 y = f (x), x I
188 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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
lm f (x) = b o lm f (x) = b.
x x
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 :
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
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.
infinity
-infinity 0 infinity
x
-infinity
2x2 8
Figura 9.9: Grafica de la funcion f (x) = x2 16 .
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
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
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:
Solucion:
a) No.
b) Si.
c) Si alcanza valores mnimos pero no alcanza valores maximos.
e3t
N (t) = N0 3 .
2 + e3t
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)
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.
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,
194 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
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
y = 0,01x + 0,00003x2
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:
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
196 Captulo 9. Lmites, continuidad y diferenciabilidad de funciones de una variable
Captulo 10
Lmites, continuidad y
diferenciabilidad de funciones
de varias variables
10.1. Introduccion
197
198 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
siendo (a1 , a2 , ..., an ) y (x1 , x2 , ..., xn ) las coordenadas de los puntos a y x respectiva-
mente. La denotaremos por B(a, ).
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).
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
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| < .
Nota 10.1. A los lmites de funciones f : lR2 lR se les denomina lmites dobles.
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
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 ).
200 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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?
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|
10.4. Continuidad
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.
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).
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.
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!
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
204 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
f (a + h) f (a) df (a; h)
lm =0 (10.3)
h0 h
f (a + h) f (a) T h
lm =0 (10.4)
h0 khk
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.
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).
206 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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 )).
10
6
2
8
3 2 0
1 0 x
1 2
y 2 3
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
208 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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)
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
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)
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.
210 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
f
xi : lR
f
x xi (x)
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).
df
: lRn lR
du
df Pn f
x du (x) = i=1 xi (x)ui
Xn X n
2f
(a)uj ui
i=1 j=1
xi xj
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.
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
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 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
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)
214 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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
0.5
1.5
2
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
4
2
1
0 2
y 1
1 0
1 x
22
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.
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 .
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.
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.
10.10. Formula de Taylor y extremos de funciones de n variables 217
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.
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
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
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)
4) Para que una funcion f sea diferenciable es necesario y suficiente que lo sean cada
una de sus componentes fi .
Esquematicamente
f g
lR lR2 lR
t (x, y) = (f1 (t), f2 (t)) g(x, y) = g(f1 (t), f2 (t))
220 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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.
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
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
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.
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
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
222 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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
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
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.
224 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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:
d ) {(x, y)x 6= y, y 6= 0}
e) (x, y)y > x2
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 .
x2 y
f (x, y) =
x2 + y 2
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
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.
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).
9. Probar que las siguientes funciones son diferenciables, y hallar sus diferenciales
en un punto arbitrario
Solucion:
Solucion:
f f
Es continua. x (0, 0) = 0. y (0, 0) = 0. No es diferenciable.
11. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente funcion de dos variables.
Solucion:
Es continua. No existen las derivadas parciales en el origen. No es diferenciable.
12. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente funcion de dos variables.
(
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.
13. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente funcion de dos variables.
1
xy sen( x2 +y 2) si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
228 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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
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.
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
Solucion:
2 2 2
E = xy 2
(x, y) + 2
(x, y) + (x2 + y 2 ) (x, y)
x y xy
230 Captulo 10. Lmites, continuidad y diferenciabilidad de funciones de varias variables
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 .
10.15. Ejercicios 231
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
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
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.
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:
233
234 Captulo 11. Integracion de funciones de una variable
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.
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
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
Figura 11.1: Aproximaciones cada vez mas finas a la integral de Riemann mediante
sumas superiores.
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
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
y se representa mediante
Z b
f (x)dx.
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
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
238 Captulo 11. Integracion de funciones de una variable
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.
Z
1
dx = arcsen x + cte
1 x2
Z
1
dx = arc cos x + cte
1 x2
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
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.
du du
2. Se obtiene dx = g 0 (x) y se despeja dx; dx = g 0 (x) .
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
Z b Z g(b)
du
h(x)dx = f (u)du, donde h(x) = f (u)
a g(a) dx
Z Z
0
F (x)G (x)dx = F (x)G(x) F 0 (x)G(x)dx. (11.1)
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
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
Z /4
c) cos2 (2x)dx
0
Solucion:
a) 2
b) 4
c) 8
Integracion de funciones de
varias variables
12.1. Introduccion
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
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 ).
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
X X
U (f, P ) = Mk (Ik ) y L(f, P ) = mk (Ik )
P P
Es facil ver que si se van haciendo particiones cada vez mas finas, esto es, con mas
puntos y por tanto con rectangulos cada vez mas pequenos, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo.
y se representa mediante
Z d Z b
f (x, y)dxdy.
c a
sup L(f, P ),
P
y se representa mediante
Z d Z b
f (x, y)dxdy.
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
i) Z Z Z Z Z Z
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
I1 I2 I1 I2
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
248 Captulo 12. Integracion de funciones de varias variables
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
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
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.
12.2. Integrales dobles 249
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
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.
250 Captulo 12. Integracion de funciones de varias variables
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
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
12.2. Integrales dobles 251
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
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
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.
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
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
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 ]
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.
254 Captulo 12. Integracion de funciones de varias variables
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
X X
U (f, P ) = Mk (Ik ) y L(f, P ) = mk (Ik )
P P
Es facil ver que si se van haciendo particiones cada vez mas finas, esto es, con mas
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
y se representa mediante
Z b3 Z b2 Z b1
f (x, y, z)dxdydz.
a3 a2 a1
y se representa mediante
Z b3 Z b2 Z b1
f (x, y, z)dxdydz.
a3 a2 a1
12.3. Integrales triples 255
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
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
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
3 3
Rc)RVolumen de un dominio de lR . El volumen de un dominio D de lR es igual a
D
1dxdydz.
x = r cos
y = r sen
z = z
y su jacobiano es:
J (r, , z) = r
x = r sen cos
y = r sen sen
z = r cos
y su jacobiano es:
J (r, , ) = r2 sen
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
RRR
z(x, y, z)dxdydz
zCM = R R RD
D
(x, y, z)dxdydz
260 Captulo 12. Integracion de funciones de varias variables
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
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
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
Solucion:
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.
262 Captulo 12. Integracion de funciones de varias variables
Captulo 13
Calculo vectorial
13.1. Introduccion
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).
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
1) (U + V ) = U + V
2) (A + B) = A + B
3) (A + B) = A + B
266 Captulo 13. Calculo vectorial
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
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
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 )
Z Z
2
A dr = (3x 6yz)dx + (2y + 3xz)dy + (1 4xyz 2 )dz
C C
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
268 Captulo 13. Calculo vectorial
0.8
0.6
z
0.4
0.2
0
0.2 0.4
x 0.6 0.8
0.5 y 1
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 )
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
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
270 Captulo 13. Calculo vectorial
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
0.8
0.6
0.4
0.2
1 1
0.5 0.5
0.5 y
x
1 1
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
272 Captulo 13. Calculo vectorial
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
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
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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 .
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.
275
276 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
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
y(1) = 3
0
y (1) = 4
14.3. Ecuaciones diferenciales ordinarias de primer orden 279
y(0) = 1
0
y (2) = 5
- 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
dy M (x, y)
= N (x, y)dy + M (x, y)dx = 0
dx N (x, y)
x2 + y 2
y 0 (x) =
xy
(x y)y 0 (x2 + y 2 ) = 0
280 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
(y(x) es la primitiva de f ).
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
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)
14.3. Ecuaciones diferenciales ordinarias de primer orden 281
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
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 .
hablo en el apartado de conceptos basicos y de las que se volvera a hablar cuando se estudien las
ecuaciones lineales.
282 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
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.
Ecuaciones exactas
F F
= M (x, y) y = N (x, y)
x y
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).
284 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
y 2 dx + 2xydy = 0
M N
= 2y , = 2y
y x
y por tanto
Z
F (x, y) = y 2 dx + C1 (y) = y 2 x + C1 (y)
dy
3y + ex + (3x + cos y) =0
dx
M N
=3 , =3
y x
y por tanto
Z
F (x, y) = (3y + ex ) dx + C1 (y) = 3yx + ex + C1 (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
14.3. Ecuaciones diferenciales ordinarias de primer orden 285
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 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
y el factor integrante es R
(x) = Ke h(y)dy
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
1) homogeneas. Si r(x) = 0.
y 0 (x) + p(x)y(x) = 0
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)
14.3. Ecuaciones diferenciales ordinarias de primer orden 287
Pero yp0 + p(x)yp = r(x) por definicion de yp . Por tanto, yh debe satisfacer
yh0 + p(x)yh = 0
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
3) Sumarlas.
La dificultad radica entonces en el paso 2). Hay dos metodos esenciales para encontrar
soluciones particulares:
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
288 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
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
Entonces R 2
yh (x) = e 2xdx+C
= Kex
R
Z R
Z
2 2
yp (x) = e p(x)dx
r(x)e p(x)dx
dx = ex 4xex dx = 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.
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).
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
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.
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.
Combinando las dos soluciones complejas se obtienen dos soluciones reales linealmente
independientes:
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
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)
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) ,
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
294 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
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 .
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.
A+B X
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.
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
14.5. Algunas aplicaciones de las ecuaciones diferenciales 297
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
N
d2 x(t) X
m = ki x(t)
dt2 i=1
298 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
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.
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
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
300 Captulo 14. Introduccion a las ecuaciones diferenciales ordinarias
conejos
zorros
y
0 5 10 15 20
t
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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
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
es solucion de la e.d.o.: xy 0 2y = 0.
a)
00
y +y =0
y(0) = 0
0
y (0) = 0
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
14.7. Ejercicios 303
d)
00
y +y =0
y(0) = 1 ( Sol: y(x) = C sen x + cos x.)
0
y (/2) = 1
(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.)
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.)
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:
dx
= (p x(t)) (q x(t))
dt
14.7. Ejercicios 307
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 ] .
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.
309
310 Captulo 15. Sistemas de ecuaciones diferenciales ordinarias
X n
dxi
(t) = aij (t)xj (t) + Fi (t) (i = 1, 2, ..., n).
dt j=1
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)
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.
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
312 Captulo 15. Sistemas de ecuaciones diferenciales ordinarias
b) Toda solucion del sistema homogeneo es expresable como combinacion lineal de las
n soluciones del conjunto fundamental.
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.
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:
j ej t
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:
1 et cos(t) , 2 et sen(t)
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
316 Captulo 15. Sistemas de ecuaciones diferenciales ordinarias
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
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
15.6. Referencias bibliograficas 317
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.
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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 .
dx
b) dt = x + 2y
dy
dt = x + y
dx
c) dt = x + 3y
dy
dt = x + y
16.1. Introduccion
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 .
con
Yn
(x xj )
Li (x) =
j=0
(xi xj )
i6=j
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
1
L0 L2
0.8
L1
0.6
0.4
0.2
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)!
se verifica
M
|E(x)|x[a,b] |n (x)|
(n + 1)!
1
f
p3
0.5 p2
0.5
p1
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 ).
324 Captulo 16. Tecnicas basicas de calculo numerico
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] .
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
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
n
X n
f (n+1) ( xj ) Y
= f (xi )L0i (xj ) + (xj xk ) (16.4)
i=0
(n + 1)!
k=0
k6=j
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
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
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.
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
328 Captulo 16. Tecnicas basicas de calculo numerico
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.
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
f(x)
f((a+b)/2)
a b
(a+b)/2
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
Z b
ba a+b
f (x)dx = f (a) + 4f + f (b)
a 6 2
f(b)
p(x)
f(a)
f(x)
f((a+b)/2)
a b
(a+b)/2
Z n
b
baX
f (x)dx = cj f (xj ) + Error
a D j=0
332 Captulo 16. Tecnicas basicas de calculo numerico
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
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 ()
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
donde {aij } son los coeficientes de las formulas de integracion basadas en ni +1 puntos
utilizada sobre el intervalo Ii .
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.
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
w0 = y0
wi+1 = wi + f (ti , wi )h (i = 0, . . . , N 1).
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.
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
16.13. Referencias bibliograficas 335
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 ).
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
los captulos 3, 4 y 5 de [60].
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:
25 sen(5c + 2) 2
E(x) = x x
2 10
(32c 16)e(4c+2) 2
E(x) = (x 10 2x + 00 2).
2
5. Sea
f (x) = sen(5x + 2).
Siendo x0 = 0, x1 = 20 , x2 = 10 , se pide:
125 cos(5c + 2)
E(x) = x x x x
6 20 10
338 Captulo 16. Tecnicas basicas de calculo numerico
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
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
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:
340 Captulo 16. Tecnicas basicas de calculo numerico
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.
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
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:
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
Z 3
(cos x x sen x)dx
1
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:
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
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
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.
348 Captulo 16. Tecnicas basicas de calculo numerico
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.
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 ).
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
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
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:
352 Captulo 17. Metodos numericos de resolucion de sistemas de ecuaciones no lineales
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
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
y=x
y = g(x)
x x x
0 1 2
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:
f (x)
h=
f 0 (x)
f (xn )
xn+1 = xn , n 0.
f 0 (xn )
y = f(x)
x2 x1 x0
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,
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
Pn (x) = 0
356 Captulo 17. Metodos numericos de resolucion de sistemas de ecuaciones no lineales
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
P (zk )
zk+1 = zk
P 0 (zk )
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.
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.
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).
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
donde ! !
(k) (k) (k)
h1 f1 (x1 , x2 )
(k) = Jf1 (x) (k) (k)
h2 f2 (x1 , x2 )
fi (x1 , x2 , ..., xn ) = 0 (1 i n)
obtenemos el algoritmo
x(k+1) = x(k) + h(k)
358 Captulo 17. Metodos numericos de resolucion de sistemas de ecuaciones no lineales
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 ).
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
[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
17.6. Ejercicios 359
Numeros complejos
A.1. Introduccion
361
362 Numeros Complejos
z1 (z2 + z3 ) = z1 z2 + z1 z3 , z1 , z2 , z3 C
En forma modulo-argumental
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
364 Numeros Complejos
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
En forma trigonometrica
a = cos y b = sen
0.5
0.5
Figura A.2: Rep. geometrica de los complejos 3 i y 3 + i.
En forma exponencial
z = ei
En forma binomica:
a1 + b1 i + a2 + b2 i = a1 + a2 + (b1 + b2 )i
En forma de par:
En forma modulo-argumental:
(1 )1 + (2 )2 = (3 )3
en donde
p
3 = (1 )2 + (2 )2 + 21 2 (cos(1 2 ))
En forma trigonometrica:
En forma binomica:
En forma de par
En forma modulo-argumental:
(1 )1 (2 )2 = (1 2 )2 +1
En forma trigonometrica:
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 .
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
En forma modulo-argumental:
1 1
(() ) =
En forma trigonometrica:
1 1
((cos + i sen )) = (cos() + i sen())
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
368 Numeros Complejos
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
En forma modulo-argumental:
(1 )1 1
=
(2 )2 2 1 2
En forma trigonometrica:
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.
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
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.
2 0 2 4 6 8
Figura A.6: Rep. geometrica del complejo z = 8 + 0i y sus tres races cubicas.
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
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+3i
-4
-3-2i
-5i
1 1
i
2 2
4
1 1
i
2 2
a) 2, 2i.
b) (2 + 2i), (2 2i).
8. Determinar las cuatro races de orden 4 de 8 + 8 3i y representarlas grafica-
mente.
Solucion: Consultar la figura A.9
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.
374 Numeros Complejos
Apendice B
Examenes propuestos en la
URJC con sus soluciones
375
376 Examenes propuestos en la Universidad Rey Juan Carlos
y1
2
y0
y2 1
2 1 1 2
y3 1
y5
2
y4
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.
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
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).
x01 x1
.. ..
. = BA .
x0n xn
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
0x1 + 0x2 + x3 + x4 = a
0x1 + x2 + x3 + x4 = b
0x1 + x2 + 0x3 + 0x4 = c
x1 + x2 + 0x3 + x4 = d
B.2. Examen parcial de febrero de 2000 381
0 0 0 1 0 0 0 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 .
382 Examenes propuestos en la Universidad Rey Juan Carlos
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 .
Puntuacion de la pregunta: 4 puntos.
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 .
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
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
v1 v2 = 0, v1 v1 = 1, v2 v2 = 1, v3 v3 = 3
y ademas v1 v3 hv1 , v2 i . Se pide:
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 .
B.2. Examen parcial de febrero de 2000 385
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
lm(x3 + 2x) = 33
debido a que:
> 0 ( y 1) t.q. (0 < |x 3| < |x3 + 2x 33| < )
39
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
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
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
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
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
Si u = ( 12 , 12 ), entonces
df 1 1 3
(1, 1) = 2 =
du 2 2 2
lm g(x, y) = 1
(x,y)(0,0)
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)
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
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
Por tanto,
2f
2 = det Hf = 24x3 y 432xy , 1 = = 4x3 72x
x2
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
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
396 Examenes propuestos en la Universidad Rey Juan Carlos
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
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
6. Calcular ZZ q
3
x 1 (x2 + y 2 ) 2 dxdy
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
a)
2
y 0 + 2xy = xex
b)
2y 00 + y 0 y = 2ex
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
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
398 Examenes propuestos en la Universidad Rey Juan Carlos
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
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
B.4. Examen final de la convocatoria de junio de 2000 399
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
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
+ =1
+ 23 = 2
2 + 83 = 0
2 = 1
2 + = 2
2 = 0
2 + = 1
8 + 4 = 2
2 2 = 0
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
402 Examenes propuestos en la Universidad Rey Juan Carlos
10. Sea P2 el espacio vectorial formado por los polinomios de grado menor o igual
que 2 y
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
11. Dado el espacio eucldeo E, formado por el espacio vectorial lR3 y el producto
escalar
Solucion:
B.4. Examen final de la convocatoria de junio de 2000 403
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 pide:
F Ac = LU
406 Examenes propuestos en la Universidad Rey Juan Carlos
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
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
3. Considerese la funcion
(
x sen(x2 +y 2 )
f (x, y) = (x2 +y 2 axy) en lR2 \(0, 0)
0 en (0, 0)
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
B.5. Examen final de la convocatoria de septiembre de 2000 409
f
(1, 0) = sen 1 + 2 cos 1
x
f
(1, 0) = a sen 1
y
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
410 Examenes propuestos en la Universidad Rey Juan Carlos
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
Z 1
3 !
2
2x x 2 x x2 x3
= e ( x ) + dx
0 2 3 24
B.5. Examen final de la convocatoria de septiembre de 2000 411
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
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
y 0 + 2x2 y = x2
b)
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
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.5. Examen final de la convocatoria de septiembre de 2000 413
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
414 Examenes propuestos en la Universidad Rey Juan Carlos
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
2 0 2 0
T 1 T 2
1 0 4 0
T 3
T 4
1 0 4 0
2 0 2 0
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 .
a) = 0 + 0i
b) = 0 + 0i
c) + = 0 + 0i
d ) + = 1 + 0i
e) es real
416 Examenes propuestos en la Universidad Rey Juan Carlos
Se pide determinar, de entre los cinco subconjuntos anteriores, cuales son sub-
espacios de C3 y cuales no.
Solucion:
t
Finalmente para encontrar la relacion pedida hay que despejar x1 x2 ,
1 0
x1 a11 a12 x1
=
x2 a21 a22 x02
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
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 puntos).
Solucion:
2x1 x3 = 1
x1 + x3 = 2
x1 2x1 = 1
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.
(2 puntos).
Solucion:
z3 1
c3 = = (1, 0, 1)t{ei }
kz3 k 3
(2 puntos).
422 Examenes propuestos en la Universidad Rey Juan Carlos
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:
Puntuacion de la pregunta: 5 puntos ((a) 5/3 puntos, (b) 5/3 puntos, (c)
5/3 puntos).
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:
B.7. Examen parcial de febrero de 2001 425
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 .
Puntuacion de la pregunta: 5 puntos.
se pide:
Solucion:
a)
2 5 3 2 5 3
4 7 4 0 3 2 dim(Im(f )) = 2
6 3 1 0 0 0
426 Examenes propuestos en la Universidad Rey Juan Carlos
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
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)
B.7. Examen parcial de febrero de 2001 427
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
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
x3 + ln(y(x)) x2 ey(x) = 0
Se pide:
Solucion:
y0
3x2 + 2xey x2 y 0 ey = 0,
y
(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
f (x) = x2 3x + 2 , x [0, 4]
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
430 Examenes propuestos en la Universidad Rey Juan Carlos
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
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.
432 Examenes propuestos en la Universidad Rey Juan Carlos
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.
En (2, 2), det(Hf (0, 0)) = 6 < 0. Hay, por tanto, un punto de ensilladura.
En (2, 1), det(Hf (0, 0)) = 6 < 0. Hay, por tanto, un punto de ensilladura.
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.?
B.8. Prueba de control de marzo de 2001 433
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
B.9. Examen final de la convocatoria de junio de 2001 435
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
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+ .
f
(x, y) = 6x2 + y 2 + 10x = 0
x
f
(x, y) = 2xy + 2y = 0
y
lm f (x, y) = f (0, 0) = 0.
(x,y)(0,0)
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
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
2000
= 106 ln 1 + 106 r2 = 106 ln 5 = 2,5281 106 arboles
2 0 2
B.9. Examen final de la convocatoria de junio de 2001 439
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
de modo que
y sustituyendo en la EDO,
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
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.
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
dim( Im f ) = 2
y resolviendo el sistema:
x1 = n t o
x2 = Base de ker f = 1 1 1
x3 =
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
11 Hallar una base ortonormal del espacio eucldeo E, formado por el espacio vec-
torial lR3 y el producto escalar
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
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
446 Examenes propuestos en la Universidad Rey Juan Carlos
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
2 2
P2 (x) = x = x2
2!
Por otra parte,
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
B.10. Examen final de la convocatoria de septiembre de 2001 447
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
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
448 Examenes propuestos en la Universidad Rey Juan Carlos
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: 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.
450 Examenes propuestos en la Universidad Rey Juan Carlos
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
B.10. Examen final de la convocatoria de septiembre de 2001 451
que lleva a Z
3x 1
C(x) = 3 dx = 3 1 + x2 2
(1 + x2 ) 2
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
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
452 Examenes propuestos en la Universidad Rey Juan Carlos
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
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( )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
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
Algebra lineal
[1] H. Anton. Introduccion al algebra lineal (II Ed.). Ed. Limusa Noriega editores,
1993.
[5] L.I. Golovina. Algebra lineal y sus aplicaciones. Ed. Mir, 1983.
[11] S. Lipschutz. Algebra lineal (II Ed.). Ed. McGraw Hill, 1992.
[14] I. Proskuriakov. 2000 problemas de algebra lineal. Ed. Reverte 1991. (Ed. Mir
1986).
457
458 BIBLIOGRAFIA
[16] J. Rojo y I. Martn. Ejercicios y problemas de algebra lineal. Ed. McGraw Hill,
1994.
[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.
[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.
[31] A.S. Fokas y M.J. Ablowitz. Complex Variables: Intoduction and Applications.
Cambridge University Press. 1997.
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
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
463
464 INDICE ALFABETICO