Curso propedutico de matemticas

Clculo diferencial e integral

Tema: Funciones y relaciones

Facultad de Ingeniera, UNAM

Septiembre de 2014
I. Relaciones Funciones

Objetivo
Al finalizar el tema, el alumno ser capaz de determinar cuando una relacin es una
funcin, podr operar con ellas, las identificar adecuadamente y sabr graficar
expresiones matemticas determinando su dominio y contradominio.

ara entender los diversos fenmenos fsicos, naturales o artificiales, a los que se

P enfrentan los interesados en el modelado y comportamiento matemtico de tales

eventos, es importante tener muy claro el concepto de relacin y funcin, que son
las expresiones que modelan o representan de manera matemtica a fenmenos
reales o imaginados. Para analizar y comprender el comportamiento y la grfica de una
funcin vamos iniciar definiendo el producto cartesiano, ms adelante estudiaremos
algunos tipos de funciones en especial.

Producto cartesiano
An y cuando no lo parezca as, como mucha de las matemticas que hemos aprendido,
los productos cartesianos los utilizamos de manera frecuente en nuestra vida diaria, por
ejemplo cuando acudimos a un pequeo restaurante que tiene en la carta las siguientes
listas:

ENTRADA PLATO FUERTE POSTRE

Sopa Cecina con verduras Gelatina

Consom Milanesa con arroz Flan

Tortas de papa

Al solicitar nuestra orden de alimentos construimos un elemento del producto cartesiano

que se puede originar de la combinacin adecuada de toda la informacin antepuesta
porque comemos en el orden que indica la tabla anterior. Podemos hacer la siguiente
combinacin, elegir primero la sopa como entrada, en seguida como plato fuerte pedimos
cecina con verduras y, al final, ordenamos flan como postre:

( sopa, cecina con verduras, flan ) ;

todas las posibles ordenes, que son los elementos totales del producto cartesiano, se
muestran a continuacin:
{( sopa, cecina con verduras, gelatina ) , ( sopa, cecina con verduras, flan ) ,
( sopa, milanesa con arroz, gelatina ) , ( sopa, milanesa con arroz, flan ) ,
( sopa, tortas de papa, gelatina ) , ( sopa, tortas de papa, flan ) ,
( consom, cecina con verduras, gelatina ) , ( consom, cecina con verduras, flan ) ,
( consom, milanesa con arroz, gelatina ) , ( consom, milanesa con arroz, flan ) ,
( consom, tortas de papa, gelatina ) , ( consom, tortas de papa, flan )}
Este conjunto es un producto cartesiano porque el orden es relevante, siempre nos van a
dar el plato de entrada primero, luego se nos sirve el plato fuerte y al final consumimos el
postre. Obvio es que al ordenar slo pedimos un elemento del producto cartesiano y no
todos a la vez, pero podramos ir muchas veces al mismo restaurante sin repetir el mismo
men.

Un producto cartesiano es el conjunto ordenado de parejas, triadas, etc. de

elementos de dos o ms conjuntos. Matemticamente diramos que el producto
cartesiano entre los elementos del conjunto A = {ai } y los elementos del conjunto
B = {b j } , donde i = 1, 2,3,..., n , y j = 1, 2,3,..., m es

{( a1 , b1 ) , ( a1 , b2 ) ,..., ( a1 , bm ) , ( a2 , b1 ) , ( a2 , b2 ) ,..., ( a2 , bm ) ,..., ( an , b1 ) ,..., ( an , bm )}

A B =

Los elementos del producto cartesiano B A son

{( b1 , a1 ) , ( b1 , a2 ) ,..., ( b1 , an ) , ( b2 , a1 ) , ( b2 , a2 ) ,..., ( b2 , an ) ,..., ( bm , a1 ) ,..., ( bm , an )}

B A =

Cuando hablamos de conjuntos el orden de los elementos en tales estructuras no es

relevante. Si nos referimos a productos cartesianos, por el contrario, es indispensable
considerar el orden en cmo se ubican los valores; tal como ocurre al ubicar un punto en
un plano cartesiano donde primero se indica la abscisa y posteriormente, separado por
una coma, se establece la ordenada, ( x, y ) . El orden es obligatorio porque la ubicacin de
un punto en un plano cartesiano no es otra cosa que la ubicacin o descripcin grfica de
un punto de un producto cartesiano. Por ejemplo, en la figura 1.1 se pueden apreciar
puntos distribuidos en el plano cartesiano.

Para ubicar la orientacin del eje de las abscisas y el eje de las ordenadas se sigue la regla
de la mano derecha: La direccin del pulgar de la mano derecha extendida indica la
proyeccin positiva del eje de las abscisas ( X ), a donde apunten los dems dedos al
extender la mano se tendr la proyeccin positiva del eje de las ordenadas ( Y ); si
ubicamos tres dimensiones, la palma de la mano indica la direccin positiva de la tercera
coordenada ( Z ). Donde se cruzan los ejes se tiene el origen o el valor cero de dichos ejes
(figura 1.2).
Figura 1.1: Puntos distribuidos en el plano cartesiano siguiendo un orden
establecido; primero abscisa x , luego ordenada y : ( x, y ) .

Figura 1.2. Espacio cartesiano con los ejes siguiendo la regla de la mano derecha.

Relaciones y funciones
Cuando realizamos productos cartesianos dijimos que el orden era importante, primero la
abscisa y despus la ordenada para indicar un punto en el plano cartesiano, ( x, y ) . Si
colocamos en un conjunto todos los valores posibles de asignar a x , la variable
independiente, y los llamamos el conjunto X ; y colocamos en otro conjunto Y los valores
de la variable dependiente y , entonces la expresin matemtica que relaciona a los
elementos de ambos conjuntos es conocida como relacin matemtica (figura 1.3).
Figura 1.3. Relacin matemtica entre dos conjuntos. Para un elemento del conjunto
X hay una relacin con uno o ms elementos del conjunto Y .

En las relaciones, cada valor del conjunto X puede tener relacin con uno, dos o ms
datos del conjunto Y , tal como puede observarse en el valor de 3 del conjunto X que
se relaciona solamente con el nmero 5 del conjunto Y ; y para el elemento 1/ 2 del
conjunto X existen dos nmeros en el conjunto Y , 7 / 3 y 6 / 9 .

Un hecho especial de las relaciones son las funciones, que son los casos que se tienen
cuando a cada elemento del conjunto X le corresponde solamente un nmero en el
conjunto Y (figura 1.4), es decir, es una coleccin de pares ordenados donde nunca se
repiten los valores de la abscisas.

Compare las dos figuras 1.3 y 1.4, observe el 1/ 2 del conjunto X ; en la figura 1.3 que no
representa una funcin, este trmino est relacionado con dos nmeros del conjunto Y ,
7 / 3 y 6 / 9 . En la figura 1.4, que s representa una funcin, para el valor 1/ 2 slo tenemos
el dato 6 / 9 en el conjunto Y .

Figura 1.4 Funcin matemtica entre dos conjuntos. Como para cada elemento del
conjunto X existe slo un nmero en el conjunto Y la relacin es una funcin
matemtica.
Las funciones se representan simblicamente mediante la expresin

y = f ( x)

que se lee y es igual a f de x o y es una funcin de x . A x se le conoce como

la variable independiente y a y se le identifica como la variable dependiente.

Formalmente, para un conjunto dado X , una funcin es la expresin matemtica

f ( x) que relaciona a cada uno de de los valores x , x X , con un solo elemento
y del otro conjunto Y , y Y .

El conjunto X , de la variable independiente, se llama dominio y el conjunto Y , de la

variable dependiente, se llama rango, recorrido, imagen o contradominio.

El dominio de una funcin puede definirse de manera explcita o de manera implcita.

Cuando es de manera explcita se indica el dominio enseguida de la funcin; cuando
es implcita no se declara el dominio, es necesario deducirlo de la expresin.

Por ejemplo, son relaciones de dominio implcito las siguientes:

f ( x) = 2 x3 3x + 5

Esta funcin es un polinomio, puesto que las potencias de las variables son enteras
positivas, y en consecuencia est definida en todo el campo de los nmeros reales,
porque para cualquier valor real asignado a la variable independiente x siempre
tenemos un resultado real para f ( x) .

x Sustitucin y = f ( x)
f ( 2.5 ) = 2 ( 2.5 ) 3 ( 2.5 ) + 5
3
2.5 18.75
f ( 0) = 2 ( 0) 3( 0) + 5
3
0 5
f (1/ 3) = 2 (1/ 3) 3 (1/ 3) + 5
3
1/ 3 4.074074
f (1000 ) = 2 (1000 ) 3 (1000 ) + 5
3
1000 1.999997 109

En notacin matemtica de conjuntos tendremos que el dominio es

{ x x }
f (=
x) x+2

Si nada ms analizamos funciones reales de variable real, para no tener la raz

cuadrada de un nmero negativo, necesitamos que el radicando (lo que esta dentro
del radical, el smbolo de la raz cuadrada) sea mayor o igual que cero:
x+20

despejando a la variable nos da

x 2

Por lo que el dominio no explicitado se compone del conjunto de nmeros mayores o

iguales que 2 . Grficamente ser:

o en conjuntos { x x [ 2, )}

Si evaluamos algunos valores del conjunto indicado veremos que el resultado es un

nmero real

x Sustitucin y = f ( x)

2 f ( 2 ) = 2 + 2 0
0 f ( 2 ) = 0+2 1.414214
7 f ( 2 ) = 7+2 3

Si consideramos un nmero no incluido en el dominio veremos que la respuesta de la

funcin no es un nmero real:

x Sustitucin y = f ( x)
Sin
3 f ( 3) = 3 + 2 = 1 respuesta

Puedes verificar en tu calculadora que la raz cuadrada de un nmero negativo no es

un nmero real, tu calculadora marcar error.

f ( x=
) 4 x2

Dado que estamos analizando variables reales necesitamos que el radicando sea
mayor o igual que cero

4 x2 0

despejando la variable
4 x2 , o

x2 4

de la definicin alterna de valor absoluto, a = a 2 , tendremos que

x= x 2 4 = 2 , esto es

x 2

de donde deducimos el intervalo (revisar la definicin de valor absoluto):

2 x 2 o { x [ 2, 2]}

2x + 3
f ( x) =
x2 9

En este cociente el numerador puede tomar cualquier valor dado que es un polinomio.
En el denominador se aplica el mismo razonamiento, excepto que como la divisin
entre cero no est definida se necesita que

x2 9 0

De donde deducimos que, despejando x ,

x2 9

Obteniendo la raz cuadrada

x 3

De este resultado y el razonamiento escrito antes encontramos que el dominio son

todos los nmeros reales con excepcin de 3 y 3 . En notacin matemtica de
conjuntos quedara

{ x {3,3}}
3
f ( x) =
x2

Aqu necesitamos que el denominador no sea cero y para obtener una raz cuadrada
necesitamos que el denominador sea un nmero positivo, esto es

x2>0
Despejando x

x > 2 o { x ( 2, )}

Las expresiones con dominio explcito tienen anotados junto a ellas la regin de
validez:

f ( x ) = 2 x 2 1, x 1

5
f ( x)
= , x [ 4, 0 )
x 1

La siguiente es una funcin definida en segmentos o pedazos con dominio explcito,

dado que es absolutamente necesario indicar qu regin es representada por cada
una de las expresiones anotadas:

2 x 6, x 1
f ( x) =
x , x > 1
2

Las expresiones que hemos estado analizando son conocidas como funciones
explcitas porque desde un principio determinamos quin es la variable independiente
y quin es la variable dependiente, y = f ( x) . Si no hacemos lo anterior se dice que la
funcin es implcita; esto es, queda a criterio de cada uno decidir qu variable ser la
independiente y cul la dependiente, Ejemplos de este ltimo caso son las siguientes
expresiones:
y 2 + 2 x2 = 7
2 xy 2 3 x + 4 y =
sen( xy )
2 y 3x = 5
I. Determine el dominio de la expresin dada:

5 x3 3x 2 + 7
f ( x) = ( x)
g= 2x 6 ( x)
g= 2 x2 8
4
4 3x 2 2 5x 3
h ( x) = g ( x) = h ( x) =
5 x 5 x2 + 9
2x 3 2x 4 x2
h ( x) = 2 f ( x) = h ( x) =
2x 8 x 6
2
3x 9

Graficacin de funciones y relaciones

Para graficar las funciones es valioso tener un conocimiento adecuado del
comportamiento tpico de las diversas relaciones que veremos ms adelante, sin
embargo, es importante que sepamos construir tablas para ubicar puntos en el plano
cartesiano.

Para graficar la funcin y =x 3 1, [ 2, 2] construimos la tabla siguiente:

x sustitucin y ( x, y )
2 ( 2 ) 1 =8 1 =9
3
9 ( 2, 9 )
1 ( 1) 1 =1 1 =2
3
2 ( 1, 2 )
0 ( 0 ) 1 =0 1 =1
3
1 ( 0, 1)
1 (1) 1 = 1 1 = 0
3
0 (1, 0 )
2 ( 2) 1 = 8 1 = 7
3
7 ( 2, 7 )

Cuya grfica toma forma al distribuir los puntos en el plano cartesiano (figura 1.5)
obviamente, para tener una grfica como la mostrada se requieren ms puntos que los
tabulados:

Figura 1.5 Coleccin de puntos que insinan la forma de la grfica de la funcin

analizada.

Si unimos todos estos puntos vamos a tener la grfica que buscamos (figura 1.6).
Figura 1.6 Representacin grfica de la funcin =
y x3 1 .

Para determinar el contradominio (que son los valores de la ordenada recorridos por la
grfica, es decir, los valores que toma y ) de la funcin podemos utilizar la grfica. Dado
que el dominio definido de forma explcita es de [ 2, 2] y como f ( 2 ) =9 y f ( 2 ) = 7 y
como entre 9 y 7 , que son los valores de y , la grfica es continua entonces el recorrido
es [ 9, 7 ] .

Para la expresin 2 x 2 y 2 =
2 , necesitamos despejar una de las dos variables, hagmoslo
con y :

=
y 2 2 x 2 2 , de donde

y=
2 x2 2

El dominio de esta funcin lo podemos deducir de

2x2 2 0

Despejando x

2x2 2
(dividiendo entre 2)
x2 1

De la definicin de valor absoluto

1 , de donde x 1 x 1
x 1=

De aqu se obtienen dos relaciones para las cuales construiremos una tabla
 Sustitucin en Sustitucin en
x =y 2x 2
2
( x, y ) x y=
2x2 2 ( x, y )
2 ( 1) 2 =0 ( 1, 0 ) 2 ( 1) 2 =0 ( 1, 0 )
2 2
1 1

2
2 ( 2 ) 2 =6
2
( 2, 6 ) 2
2 ( 2 ) 2 = 6
2
( 2, 6 )
2 ( 3) 2 =16 ( 3, 4 ) 2 ( 3) 2 = 16 ( 3, 4 )
2 2
3 3

4
2 ( 4 ) 2 =30
2
( 4, 30 ) 4
2 ( 4 ) 2 = 30
2
( 4, 30 )
2 (1) 2 =0 (1, 0 ) 2 (1) 2 =0 (1, 0 )
1 1

2
2 ( 2 ) 2 = 6
2
( 2, 6 ) 2
2 ( 2 ) 2 = 6
2
( 2, 6 )
2 ( 3) 2 =16 ( 3, 4 ) 2 ( 3) 2 = 16 ( 3, 4 )
2 2
3 3

Al ubicar los puntos en un plano cartesiano encontramos los puntos de la figura 1.7

Figura 1.7 Puntos distribuidos en el plano cartesiano para la expresin y =

2 x2 2

Al unir todos los puntos construimos la grfica de la figura 1.8

Figura 1.8. Grfica de una elipse obtenida al unir los puntos de la figura 1.7.
Esta hiprbola tiene valores en todo el eje y entonces el recorrido son todos los nmeros
reales. An cuando la grfica va slo de 6 a 6 en el eje y dado que el dominio contina
hacia los infinitos la grfica contina hacia arriba y hacia abajo.

Una manera elegante de encontrar el recorrido es despejar a la variable independiente

y2
x= 1+
2

Analizando el radicando, podemos ver que no hay ningn nmero que haga que el
y2
polinomio 1 + sea negativo, porque todo nmero elevado al cuadrado da como
2
resultado un nmero positivo; por tanto, el recorrido son todos los nmeros reales.

x 2 1, x 1
Construyamos la grfica de f ( x ) =
x 1 x > 1

En esta expresin tenemos la funcin definida en dos segmentos, para valores menores o
iguales que 1 es una curva y para valores mayores que 1 tendremos una recta.
Necesitamos construir una tabla para la seccin parablica y otra tabla para la recta.

x Sustitucin en =
y x2 1 y ( x, y )
2 ( 2 ) 1 =3
2
3 ( 2,3)
1 ( 1) 1 =0
2
0 ( 1, 0 )
0 ( 0 ) 1 =1
2
1 ( 0, 1)
1 (1) 1 =0
2
0 (1, 0 )

x Sustitucin en y= x 1 y ( x, y )
1.001 1.001 1 =0.001 0.001 (1.001, 0.001)
3 3 1 =2 2 ( 3, 2 )

Ubicando estos puntos en el plano cartesiano y unindolos para darle forma a la figura nos
producir la grfica de la figura 1.9.
Figura 1.9 Grfica de una funcin definida en segmentos.

El dominio de la grfica de la figura 1.9 nos permite ver que el punto ms bajo de la grfica
en el eje y es 1 por lo que el recorrido ser el intervalo que inicia en ese punto y se
extiende hacia el infinito, [ 1, ) .

Por la manera elegante veramos que la seccin lineal y= x 1 nos dara un recorrido
y > 0 porque el punto ms bajo de la recta de pendiente positiva ocurre cuando x 1 .
Para la parte parablica, al despejar x encontramos x =
y + 1 ; de donde necesitamos
que y + 1 0 o tambin y 1 , con lo que el recorrido es [ 1, ) , para todos estos valores
se cumple x 1 .

II. Encuentre el dominio y construya la grfica de las funciones siguientes, adems

determine el recorrido:

g ( x=
) 2x + 3 g (=
x ) 3x 2 + 8 ) x3 + 1
f ( x=
4
g ( x )= 3 4 x 2 f ( x )= 2 4 x3 h ( x=
) +1
3x
5 x3 + 7
f ( x) = ( x)
g= 2x 6 g (=
x) x 2 25
4
4 2x2 2 3x 2
h ( x) = g ( x) = h ( x) =
7 2 x + 10 x2 + 2
x4 x4 x+2
h ( x) = 2 f ( x) = h ( x) =
x 8 2x 8
2
3x + 9
Prueba de la recta vertical para funciones
A partir de las grficas de las expresiones matemticas podemos determinar quin es una
funcin y quin no lo es. La prueba es conocida como de la recta vertical: al tener la grfica
y trazar sobre ella una recta vertical paralela al eje de las ordenadas y si al desplazarla en
todo el dominio corta en un solo punto a la grfica, entonces la relacin es una funcin; si
es cortada en ms de un punto es solamente una relacin pero no es funcin, la figura 1.10
muestra una funcin y la figura 1.11 es una relacin.

Figura 1.10 La grfica corresponde a una relacin que es una funcin por que al
desplazar la lnea azul por todo el eje x , la curva es cortada solamente en un punto.

Figura 1.11. Grfica de una relacin dado que la lnea azul de prueba corta en dos
puntos a la grfica de la expresin matemtica en color rojo.

Las funciones elementales y sus grficas

Existen algunas funciones muy conocidas como las de las lneas rectas que slo necesitan
un par de puntos para que queden definidas sus grficas, las de las parbolas que son
funciones donde una de las variables est elevada a una potencia par mientras la variable
dependiente tiene potencia unitaria, las funciones cbicas de potencia impar en su variable
independiente, etc.
Las rectas tienen la forma = y ax + b , donde a es la pendiente de la recta y b es el punto
donde la grfica corta al eje de las ordenadas (ordenada al origen es el nombre que se le
asigna). Si a es positiva la recta est inclinada a la derecha, si, por el contrario, a es
negativa la inclinacin es hacia la izquierda (figura 1.12).

Figura 1.12 Grfica tpica de una recta.

Dos rectas son paralelas si sus pendientes son iguales, no importa si la ordenada al origen
son iguales o diferentes. Si coinciden los valores de la ordenada las rectas quedan
encimadas, si difieren en tal valor pasan por puntos diferentes.

La forma tpica de una funcin parablica= y ax m + b donde m es un nmero par, si

a > 0 la curva se abre hacia arriba y si a < 0 la curva se abre hacia abajo; el valor de b es
el punto donde la curva corta al eje Y (figura 1.13).

Figura 1.13 Grfica tpica de una parbola.

Figura 1.14 Curva de una expresin de la forma=
y ax n + b , donde n es impar.

La grfica de una funcin cbica de la forma= y ax n + b donde n es un nmero impar

positivo. El valor de b es el punto donde la grfica corta al eje Y . (Figura 1.14)

1
La funcin cociente de la forma y = es una expresin con una grfica de dos
xa
secciones, una a la izquierda de a y otra a la derecha; as x = a es una asntota vertical
paralela al eje de las ordenadas (figura 1.15).

1
Figura 1.15 Curva de una expresin de la forma y = .
xa
Otra funcin tpica es la funcin parte entera que tiene dos formas. La funcin entero
menor se define como f ( x ) = x (figura 1.16).

Figura 1.16 Funcin parte entera menor

La funcin entero mayor se define del modo siguiente (figura 1.17)

f ( x ) = x

Figura 1.17 Funcin parte entera mayor.

Los ejemplos de las funciones descritas antes se clasifican de acuerdo con sus
caractersticas. Las funciones algebraicas son expresiones que contienen trminos
algebraicos como polinomios u otros. Los polinomios slo contienen potencias enteras
positivas en la variable independiente.

Un polinomio de grado n , es el siguiente:

f ( x=
) an x n + an1 x n1 + ... + a2 x 2 + a1 x + a0
Algunos ejemplos de expresiones algebraicas son:

( x ) ax1 3 + bx1 2
f=

f ( x) = x2 2x + 1

x
f ( x) =
2x 4

2x +1
f ( x) =
3x 2 x + 4
3

La penltima ecuacin es irracional puesto que tiene en el denominador una raz. La ltima
expresin es tambin conocida como funcin racional:

p( x)
f ( x) =
q( x)

Donde p ( x) y q ( x) son polinomios.

Grficas de las funciones trigonomtricas

Existen tambin las funciones trigonomtricas que contienen senos, cosenos o
tangentes de ngulos:

f ( x) = sen ( x ) cuya grfica est en la figura 1.18:

Figura 1.18 Grfica de la funcin trigonomtrica seno.

La funcin trigonomtrica coseno

f ( x) = cos x

tiene la grfica de la figura 1.19.

Figura 1.19 Grfica de la funcin trigonomtrica coseno

La funcin trigonomtrica

f ( x) = tan x

Tiene la grfica de la figura 1.20

Figura 1.20 Grfica de la funcin trigonomtrica tangente.

Las grficas de las funciones recprocas de las tres anteriores se dan en las figuras 1.21,
para cotangente; 1.22, para secante, y 1.23 para cosecante.

1
Figura 1.21 Grfica de la funcin trigonomtrica cotangente f= =
( x) cot x
tan x
 1
Figura 1.22 Grfica de la funcin trigonomtrica secante f= =
( x) sec x
cos x

1
Figura 1.23 Grfica de la funcin trigonomtrica cosecante f= =
( x) csc x
sen x

Las funciones crecientes y decrecientes

Las funciones decrecientes disminuyen su valor en la ordenada conforme la abscisa
aumenta. Y la funcin es creciente si el valor de la ordenada crece conforme la abscisa
tambin aumenta. Ver figura 1.24.
Figura 1.24 Funcin con partes crecientes y decrecientes.

Matemticamente tendremos que una funcin es creciente en un intervalo abierto

( a, b ) si para cualquier nmero c , con c ( a, b ) y donde c < x , se cumple f (c) < f ( x)
. La funcin decrecer si para cualquier nmero c , con c ( a, b ) y donde c < x , se
cumple f (c) > f ( x) .

Las funciones pares, impares y peridicas

Las grficas de las funciones pares son simtricas con respecto al eje de las ordenadas
Y (figura 1.25). Las funciones impares son simtricas con respecto al origen (ver figura
1.26).

Figura 1.25 La funcin par es simtrica con respecto al eje de las ordenadas.
Figura 1.26 Funcin impar. Su grfica es simtrica con respecto al origen.

Matemticamente una funcin f ( x ) es par si cumple la siguiente condicin:

f ( x) =f ( x)

Una funcin f ( x ) impar cumple la condicin:

f (x) = f ( x)

Si no se cumple ninguna de las dos condiciones anteriores entonces las funciones no son
ni pares ni impares.

Revisemos la funcin f (=
x ) 2 x 2 3 . Para determinar si esta funcin es par o impar
sustituimos a x por x en la expresin matemtica:

f ( x ) = 2 ( x ) 3 = 2x2 3 = f ( x )
2

Dado que f ( x) =f ( x) la funcin es par.

Analicemos la funcin f (=
x ) 4 x3 + 2 x . Para determinar si esta funcin es par o impar
sustituimos a x por x en la expresin matemtica:

f (x) =4(x) + 2(x) =4 x3 2 x = ( 4 x3 + 2 x ) = f ( x)

3

Dado que f ( x) = f ( x) la funcin es impar.

Si consideramos la expresin f ( x )= 2 x 3 3 x 2 + x 2 , para evaluar si es par o impar

sustituimos x por x :

f ( x) = 2 ( x) 3( x) + ( x) 2
3 2
haciendo las operaciones

f ( x ) =2 x3 3 x 2 x 2 f ( x )

Si factorizamos el signo negativo

f ( x ) = ( 2 x3 + 3x 2 + x + 2 ) f ( x ) .

Dado que f ( x ) no es igual que f ( x ) ni que f ( x ) , entonces la funcin no es par ni

impar.

Una funcin es peridica de periodo T si, para un nmero entero n , se cumple

( x ) f ( x + nT )
f=

Es ms fcil observar en una grfica cuando una funcin es peridica. Por ejemplo
consideremos la funcin trigonomtrica

f ( x ) = sen ( 2 x )

Cuya grfica es la figura 1.27. Se puede ver en dicha figura que la forma de la grfica se
repite de manera regular (cada color representa un periodo completo de la grfica).

Figura 1.27 Grfica de la funcin peridica f ( x ) = sen ( 2 x )

Puede verse en el segmento verde que f ( 0 ) = 0 , dicho valor se repite en porque
2
2
f = 0 , donde inicia el segmento rojo; del mismo modo f = f , que son los
2 8 3
puntos ms altos de las secciones verde y roja.
Normalmente, para indicar una funcin peridica se anota la funcin de manera normal y
se indica la longitud de su periodo.

f ( x)= x, 1 < x 1, f ( x )= f ( x + 2 )

La grfica de esta funcin est en la figura 1.28.

Figura 1.28 funcin peridica de periodo 2. La grfica original est en negro y los
esquemas que se repiten en azul.

III. Las grficas de las funciones que se anotan a continuacin las construy antes.
Para cada una de ellas indique las partes crecientes y decrecientes de las mismas.
Anote si la funcin es lineal, cuadrtica, cbica o de cociente, establezca sus
razones:

g ( x=
) 2x + 3 g (=
x ) 3x 2 + 8 ) x3 + 1
f ( x=
4
g ( x )= 3 4 x 2 f ( x )= 2 4 x3 )
h ( x= +1
3x
5 x3 + 7
f ( x) = ( x)
g= 2x 6 g (=
x) x 2 25
4
4 2x2 2 3x 2
h ( x) = g ( x) = h ( x) =
7 2 x + 10 x2 + 2
x4 x4 x+2
h ( x) = 2 f ( x) = h ( x) =
x 8 2x 8
2
3x + 9

IV. Indique si la expresin es par, impar o ni par ni impar:

g ( x=
) 2x + 3 g (=
x ) 3x 2 + 8 f ( x=
) x3 + 1
1 2 x 4 3x 2 + 2
g ( x) = f ( x ) = 2 x5 3x3 + 2 x h ( x) =
x 9
Operaciones con funciones
Las funciones las podemos sumar o restar, multiplicar y dividir. Lo nico que hay que cuidar
es el dominio de la funcin resultante, para determinarlo debemos considerar lo que indica
la tabla siguiente

Sea D f el dominio de f ( x ) y sea Dg el dominio de g ( x ) , entonces

f ( x ) + g ( x ) tiene como dominio D f Dg
f ( x ) g ( x ) tiene como dominio D f Dg
f ( x ) * g ( x ) tiene como dominio D f Dg
f ( x ) / g ( x ) tiene como dominio D f Dg siempre que g ( x ) 0

En el caso de la divisin es necesario que no sea cero el denominador ya que en

matemticas no existe tal definicin.

Por ejemplo, sean f ( x )= x 3 y g =

( x) 2 x 4 . El dominio de cada una de ellas es
D f = por que f ( x ) es un polinomio, y Dg = 2 x 4 0 , esto es x 2 o D=
g [ 2, ) . As
f ( x ) + g ( x ) = x 3 + 2 x 4 tendr como dominio [ 2, )= [ 2, ) .

f ( x) g ( x) =
( x 3) ( )
2 x 4 tendr como dominio [ 2, )= [ 2, ) .
f ( x) x 3
= tendr como dominio ( 2, )= ( 2, ) . No puede incluirse el extremo
g ( x) 2x 4
2 como parte del dominio porque tendramos una divisin entre cero.

Una operacin muy especial es la composicin, si consideramos las dos funciones

anteriores tendramos que la composicin de f con g que se representa

f g

se define del modo siguiente

f g = f ( g ( x ))

esto es, se sustituye la variable x de la funcin f por el valor de la funcin g ( x ) .

El dominio de la composicin f g son los valores del dominio de g ( x ) que hacen que el
recorrido de g ( x ) quede contenido en el dominio de f ( x ) .
f g= ( 2x 4 3 )
El recorrido de g ( x ) es el intervalo [ 0, ) (haga la grfica de dicha funcin y consttelo).
Como este recorrido est todo contenido en el dominio de f ( x ) , entonces el dominio de
la composicin es el dominio de g ( x ) : D=
g [ 2, ) .

Si hacemos g f= 2 ( x 3) 4= 2 x 10 , entonces el dominio de la composicin es

ms elaborado de obtener. Primero hay que reconocer que el dominio de f ( x ) son todos
los nmeros reales y dado que es una recta inclinada el recorrido tambin son los nmeros
reales, pero este recorrido no cabe en el dominio de g ( x ) que es el intervalo D=
g [ 2, ) .
Debemos restringir el dominio de la composicin.

Vamos a necesitar restringir a que f ( x ) slo tome valores entre [ 2, ) :

x 3 2

Despejando a la variable

x5

Por tanto el dominio de la composicin es [5, ) .

V. Para las parejas indicadas obtener f ( x) + g ( x) , f ( x) 2g ( x) , f ( x) g ( x) ,

f ( x) g( )
, , f ( x ) g ( x ) y g ( x ) f ( x ) si:
g ( x) f ( x)

f ( x=
) 5x 3 g ( x )= 3 4 x
f ( x )= 6 2 x 2 g ( x=
) 3 5x
x
f ( x) = g ( x=
) (2 x)
2

2 x
f ( x=
) 2 3x 2 ( x)
g= 2x 5

f (=
x) x2 7 g ( x=
) 6 2 x2

Funcin inversa
Sabemos que las funciones son conjuntos de pares de nmeros ordenados. Por ejemplo,
sea
 {( 1, 2 ) , ( 0,1) , (1, 2 ) , ( 2, 4 ) , ( 3, 5)}
f =

Si invertimos el orden de cada uno de los pares tendremos otra funcin

g ={( 2, 1) , (1, 0 ) , ( 2,1) , ( 4, 2 ) , ( 5,3)}

Observe que f ( 1) =
2 implica que g ( 2 ) = 1 . En ambos casos, en f y en g , cada uno
de los valores en la primera posicin son diferentes, eso implica que ninguna de las
abscisas y las ordenadas en la funcin f se repiten; esto es, es una funcin biunvoca
o de uno a uno. Formalmente, la funcin es biunvoca si f ( a ) = f ( b ) siempre que
a = b , lo que exige que f ( a ) f ( b ) cuando a b .

A toda funcin biunvoca, y solamente si es biunvoca, se le puede obtener su funcin

inversa. Es el caso de la funcin g ; que es la funcin inversa de f , que podemos
representar por f 1 en lugar de g , la funcin inversa de f = {( a , b )} ser
i j { }
f 1 = ( b j , ai )
.

Obtengamos la funcin inversa de f ( x ) = 2 x 3 3, x > 0 , cuya grficas est en la figura

1.29.

Figura 1.29 Grfica de la funcin biunvoca f ( x ) = 2 x3 3, x > 0 .

Dado que la funcin es de uno a uno podemos obtenerle su funcin inversa rescribiendo;

=
y 2 x3 3
De este modo podemos despejar a la variable independiente x

y+3
x= 3
2

Sustituimos a x por f 1 ( x ) y a y por x para tener la funcin inversa

x+3
f 1 ( x )
= 3 , x > 3
2

Cuya grfica est dada en la figura 1.30.

Figura 1.30 Grfica de la funcin inversa de f ( x ) = 2 x3 3, x > 0 ,

x+3
f 1 ( x )
= 3 , x > 3 .
2

Si graficamos conjuntamente la funcin original f ( x ) = 2 x 3 3, x > 0 y la funcin inversa

x+3
f 1 ( x )
encontrada = 3 , x > 3 , figura 1.31, podemos ver que son simtricas con
2
respecto a la recta y = x , la lnea verde en la figura. Ntese que el recorrido de la funcin
original es el dominio de la funcin inversa y del mismo modo, el dominio de la funcin es
el recorrido de la funcin inversa.
Figura 1.31 Grficas de la funcin biunvoca f ( x ) = 2 x 3 3, x > 0 , de su funcin
x+3
f 1 ( x )
inversa= 3 , x > 3 y de la recta y = x .
2

Una manera de determinar si una funcin es inversa de otra es verificando la propiedad:

f ( f 1 ( x ) ) = x o f 1 ( f ( x ) ) = x

As, para el ejemplo aqu revisado tendremos:

3
x+3 x+3
f(f 1
( x ) ) = 2 3 3 = 2 3 = x +33 = x
2 2

VI. Obtenga, si es posible y sino ajuste el dominio de la funcin hasta hacerla

biunvoca, la funcin inversa de la funcin dada y grafique en un mismo plano a
ambas grficas.

f ( x=
) 4x +1 g ( x )= 2 x
f ( x) =
2 3x 2 , x 0 g ( x=
) 3 2x
2
f ( x) = g ( x=
) ( 4 + 2x)
2

3 x
x
f ( x=
) 2 3x 2 g ( x) =
x2
Funciones de varias variables
En muchos fenmenos que ocurren a nuestro alrededor existe ms de un factor que
lo determina; por ejemplo, en el anlisis del desplazamiento de un huracn se toman
en cuenta la temperatura de la atmsfera, el porcentaje de humedad, la velocidad de
las corrientes de aire, etc. Esto es, construir un modelo matemtico requiere relacionar
varias variables independientes ( x1 , x2 ,..., xn ) con una variable dependiente w
mediante una funcin de la forma

w = f ( x1 , x2 ,.., xn ) donde n es un nmero natural.

Cuando es una sola variable dependiente y dos variables independientes las que se
relacionan mediante una funcin entonces, podemos graficar superficies. Si hay ms
de dos variables independientes no se pueden construir esquemas grficos que
representen los comportamientos de los modelos matemticos establecidos;
solamente se pueden interpretar los resultados obtenidos.

La ley de gravitacin universal de Newton tiene la forma

Mm
F ( m, d ) = G
d2

La nica constante es la de Gravitacin que tiene un valor aproximado de

6.67 1011 Nm 2 / kg 2 , todas las dems pueden ser consideradas variables. Si decimos
que M representa la masa de la tierra ( M = 6 1024 kg ), podemos analizar y construir
una grfica para observar cmo cambia la fuerza con que un cuerpo de masa m es
atrado hacia al centro de la tierra cuando cambia la distancia entre el centro
gravitacional terrestre y el centro de gravedad del cuerpo (figura 1.32)
Figura 1.32 Variacin de la fuerza de atraccin que ejerce la tierra sobre un
cuerpo de masa m a una distancia d del centro de la tierra.

Analizando la figura 1.32 podemos ver que la fuerza de atraccin disminuye conforme
la masa m decrece, y conforme la distancia d se reduce la fuerza de atraccin
aumenta.

Otro ejemplo muy similar es la ley de Gauss que permite calcular la intensidad de un
campo elctrico, E , a una distancia, r , de una partcula cargada elctricamente con
una carga q .

1 q
E ( q, r ) =
4 0 r 2

Otra funcin comn que relaciona ms dos variables es la que permite determinar el
momento de torsin en una espira que limita un rea A y transporta una corriente
I , inmersa en un campo magntico de magnitud B y el ngulo descrito por el campo
magntico y la espira es :

( I , B, A, ) = IBA sen ( ) .

Algunas otras expresiones pueden ser:

z =2 x 3 y 2 + 5 xy
U ( t , x ) = An e knt sen ( Rn x ) , que es una forma simple de la solucin de la ecuacin de
Laplace con An , kn y Rn son constantes.
Bibliografa de consulta recomendada
George B. Thomas, Clculo una variable. Pearson-Addison Wesley, 2005, Mxico.

James Stewart, Clculo duna variable. Thomson Learning, 2001, Mxico.

Stefan Waner y S. R. Costenoble, Clculo aplicado. Thomson Learning, 2002,

Mxico.
 1

LA DERIVADA
Nuestro mundo es cambiante. Las variaciones de una cantidad inciden en que otras cantidades
cambien. Si se decide aumentar el precio de un artculo la utilidad de la empresa ya no ser la misma,
probablemente la demanda disminuya y la cantidad de materia solicitada cambiar. Si se aumenta la
temperatura de un gas contenido en un recipiente hermtico la presin del gas sobre las paredes del
recipiente aumenta. Si aumentamos nuestro consumo diario de azucares probablemente aumente la
insulina en sangre.
El clculo diferencial trata del estudio del cambio de una cantidad cuando otra cantidad que est
relacionada con la primera vara.

CONCEPTO
TASA DE CAMBIO PROMEDIO
En una relacin lineal entre dos variables: y = mx + b , sabemos que la pendiente m es
la razn de cambio entre las variables y y x . La razn de cambio es constante si la relacin entre las
variables es lineal. El problema empieza a complicarse cuando pensamos en relaciones entre las
variables que no son lineales.

Normalmente se piensa que una de las variables es funcin de la otra. Esto es y = f (x) .
Normalmente habr puntos de la grfica de la funcin donde suben ms que en otros puntos y otros
incluso bajan.
Una manera de medir la relacin entre los cambios de dos variables relacionadas es a travs de
la tasa o razn de cambio promedio.

Definicin.- Sea f definida en un intervalo conteniendo los puntos x1 y x 2 . Se define la tasa de

cambio promedio de la funcin y = f (x) desde x = x1 a x = x 2 como
f ( x 2 ) f ( x1 )
x 2 x1

Observe que esta tasa de cambio promedio no es

otra cosa que la pendiente de la recta que une los puntos
( x1 , f ( x1 )) y ( x 2 , f ( x 2 )) llamada la recta secante a la
grfica de f que pasa por los puntos ( x1 , f ( x1 )) y
( x 2 , f ( x 2 )) .

Si denotamos y = f ( x 2 ) f ( x1 ) como el cambio en y y x = x 2 x1 el cambio en x,

y f ( x 2 ) f ( x1 )
entonces la tasa de cambio puede ser escrita como =
x x 2 x1
 2

Observaciones:
1) Cuando el cambio en y, y, es positivo se habla del incremento de y
2) La tasa de cambio promedio es un cociente de cambios un cociente de diferencia.
3) La tasa de cambio promedio es conocida tambin como la razn de cambio promedio. La tasa de
cambio puede ser positiva y esto corresponde cuando el cambio en y es positivo al pasar de un punto
x1 a un punto x 2 ( x1 < x 2 ) o puede ser negativo y esto corresponde al caso en que y disminuye o
decrece.

Ejemplo 1.- El tamao de una poblacin est modelada por

P(t ) = 5000 + 500t 50t 2
donde t es el nmero de aos despus del 2001. Calcule la razn de cambio promedio de a) t = 2 a
t = 4 . b) t = 2 a t = 3 y c) t = 2 a t = 2 12 .
Solucin:
a) La razn de cambio promedio de t = 2 a t = 4 viene dada por
P( 4) P (2) 5000 + 500 4 50 16 (5000 + 500 2 50 4) 400
= = = 200 hab/ao
4 2 4 2 2
b) La razn de cambio promedio de t = 2 a t = 3 viene dada por
P(3) P (2) 5000 + 500 3 50 9 (5000 + 500 2 50 4)
= = 250 hab/ao
3 2 3 2
c) La razn de cambio promedio de t = 2 a t = 2 12 viene dada por
P( 2 12 ) P ( 2) 5000 + 500 2,5 50 ( 2.5) 2 (5000 + 500 2 50 4) 137.5
= = = 275
2 12 2 2,5 2 0.5

Observe que entre el lapso de tiempo de t = 2 a t = 4 el crecimiento promedio de la poblacin

fue de 200 hab/ao. Este es un crecimiento promedio porque efectivamente en la primera parte de este
periodo el crecimiento promedio de la poblacin fue mayor: de 250 habitantes por ao, con lo cual
deducimos que en la segunda parte el crecimiento debi de ser menor a 200.
En el primer semestre del ao t = 2 el crecimiento era de 275 habitantes por ao. As que todo
parece indicar que en el lapso de t = 2 a t = 4 , la poblacin aumentaba ms rpidamente al comienzo
que al final. En este ejemplo estamos hablando en algn sentido de la velocidad. El concepto fsico de
velocidad est estrechamente ligado con el concepto de tasa de cambio promedio y de derivada.
 3

VELOCIDAD PROMEDIO Y VELOCIDAD INSTANTANEA

Desarrollaremos estos dos conceptos para entender mejor los conceptos de razn de cambio
promedio y razn de cambio instantneo.
Suponga que un objeto parte de un punto siguiendo un movimiento rectilneo. Sea y = d (t ) la
funcin desplazamiento hasta el momento t, esta funcin es conocida tambin como la funcin
posicin. El incremento: d (t 2 ) d (t1 ) es la distancia recorrida por el objeto desde el tiempo t1 hasta
el tiempo t 2 y la razn de cambio promedio desde t1 hasta el tiempo t 2 est dada por

Esta es la velocidad promedio en el

lapso de tiempo desde t1 hasta el tiempo t 2 .

Ejemplo 2.- Suponga que el desplazamiento de un mvil hasta el tiempo t est dado por la ecuacin
d (t ) = 64 + 4t 2 metros, donde t est medido en segundos. Determinar la velocidad promedio durante los
tiempos de a) t = 2 a t = 4 . b) t = 2 a t = 3 y c) t = 2 a t = 2 12 .
Solucin:
a) La velocidad promedio durante el tiempo de t = 2 a t = 4 viene dada por
d (4) d ( 2) 64 + 4 16 (64 + 4 4)
= = 24 m/seg
4 2 4 2
b) La velocidad promedio durante el tiempo de t = 2 a t = 3 viene dada por
d (3) d (2) 64 + 4 9 (64 + 4 4)
= = 20 m./seg.
3 2 3 2
c) La velocidad promedio durante el tiempo de t = 2 a t = 2 12 viene dada por
d (2 12 ) d (2) 64 + 4 ( 2.5) 2 (64 + 4 4)
= = 18 m./seg.
2 12 2 2,5 2

De nuevo observamos que en el lapso de tiempo de 2 a 4 la velocidad promedio es de 24m./seg.

Sin embargo en la primera parte de este tiempo iba en promedio ms despacio: 20m./seg. Esto nos
indica que la velocidad no se mantiene constante como efectivamente ocurre cuando vamos en un
automvil. Se quisiera tener una mejor idea de lo que est ocurriendo cerca de 2, por eso nos
aproximamos ms a 2 tomando la velocidad promedio de t = 2 a t = 2 12 . Deberamos cada vez
aproximarnos ms a 2 para tener una mejor idea de lo que est ocurriendo con la velocidad en ese
instante.
En trminos generales estamos interesados en la velocidad en el instante c, la que marca el
velocmetro en ese instante. Denotaremos como c+h un tiempo prximo a c, entonces h ser un valor
prximo a 0. La velocidad promedio en el lapso de tiempo entre c y c+h ser entonces
d (c + h ) d ( c ) d (c + h ) d (c )
=
(c + h ) (c ) h
Esta velocidad est cercana a la velocidad instantnea (o simplemente velocidad) en el tiempo c
definida por:
d (c + h ) d ( c )
vt = lim
h 0 h
 4

Este lmite si existe es llamado tambin la derivada de d (x) en el instante c.

Ejemplo 3.- Suponga que el desplazamiento de un mvil hasta el tiempo t est dado por la ecuacin
d (t ) = 64 + 4t 2 metros, donde t est medido en minutos. Determinar la velocidad en el tiempo t=2.
Solucin:
d (2 + h) d ( 2)
vt = lim Evaluamos la funcin d en 2+h y en 2.
h 0 h
(64 + 4( 2 + h) 2 ) (64 + 4 2 2 )
= lim Se desarrolla el producto notable
h 0 h
(64 + 4( 4 + 4h + h 2 ) (64 + 16)
= lim Se distribuye el 4 y el signo menos. Luego se simplifica
h 0 h
16h + 4h 2
= lim Se factoriza, sacando h de factor comn
h 0 h
h(16 + 4h)
= lim = 16 metros/min. Se simplific y luego se evalo en h=0
h 0 h

De nuevo reiteramos que la velocidad instantnea en el momento c es el lmite de la velocidad

promedio en un intervalo que va a c

CONCEPTO DE DERIVADA

Derivada de una funcin.- La derivada de una funcin f (x) con respecto a x en el punto c se define
como:
f (c + h ) f (c )
f (c) = lim
h 0 h
siempre y cuando el lmite exista.

Observaciones:
1) Como c + h representa un punto cercano a c, entonces podemos escribir alternativa la derivada
f ( x ) f (c )
como f (c) = lim
x c x c
Esta ltima escritura de la derivada nos permite interpretarla como la razn de cambio instantnea en el
punto c, obtenida a travs del lmite de la razn de cambio promedio para intervalos que llegan a c.
f (c + h ) f (c )
2) A efectos de clculo es preferible trabajar con la forma f (c) = lim
h 0 h

Si la funcin tiene derivada en cada punto x de un intervalo contenido en el dominio entonces

la funcin se dice diferenciable o derivable en el intervalo y f (x) denota la funcin derivada.

Algunos libros prefieren usar la notacin x en vez de h, quedando escrita la funcin

derivada como:
f ( x + x) f ( x)
f ( x) = lim
x 0 x
 5

Observacin.- Siempre que planteamos este lmite para funciones continuas nos da una indeterminacin
0 0 , as que se harn manipulaciones algebraicas segn las recomendaciones para cada caso.

2
Ejemplo 4.- Calcule la derivada de f ( x) =
x+ 1
Solucin: Se plantea la definicin de derivada para x variable
f ( x + h) f ( x)
f ( x) = lim Se evala la funcin en f ( x + h) y se sustituye f (x)
h 0 h
2 2
Se realiza la suma algebraca de fracciones
( x + h) + 1 x + 1
= lim
h 0 h
2( x + 1) 2( x + h + 1)
Se aplica la propiedad distributiva y se simplifica
( x + h + 1)( x + 1)
= lim
h 0 h
2h
( x + h + 1)( x + 1)
= lim
h 0 h
2h 2 Observe que cuando se simplifica el factor h del
= lim = numerador con el denominador la indeterminacin
h 0 h( x + h + 1)( x + 1) ( x + 1) 2
desaparece.

x
Ejercicio de desarrollo: Encuentre la derivada de f ( x) = en x=1
1 + 2x

LA DERIVADA COMO RAZON DE CAMBIO

f ( c + h ) f (c )
El cociente es la razn de cambio promedio en el intervalo entre c y c+h.
h
f (c + h ) f ( c )
El lmite: lim es entonces la razn de cambio instantneo o simplemente la razn de
h 0 h
cambio de f con respecto a x cuando x=c. As pues la derivada se interpreta tambin como la razn de
cambio instantnea.
En ocasiones nos referimos a la tasa de cambio como la razn de cambio.

Ejemplo 5.- El tamao de una poblacin est modelada por

P(t ) = 5000 + 500t 50t 2
donde t es el nmero de aos despus del 2001. Calcule la tasa de crecimiento instantneo en t=2.
Solucin:
P( 2 + h) P (2)
tasat = 2 = P ( 2) = lim
h 0 h
 6

P (2+ h) P( 2)
2
5000 + 500( 2 + h) 50( 2 + h) (5000 + 500 2 50 4) Desarrollamos y
= lim simplificamos
h 0 h
500h 50(4 + 4h + h 2 ) + 50 4
= lim
h 0 h
300h 50h 2 h(300 50h) Se factoriza sacando h de factor comn.
= lim = = lim
h 0 h h h
= lim(300 50h) = 300 habitantes/ao
h 0

Este es un ejemplo de inters para un gegrafo. En diversas partes de las ciencias sociales,
naturales y econmicas se emplea el concepto de derivada a travs de distintas terminologas: tasas de
cambio o rapidez. Un meteorlogo puede estar interesado en la rapidez de cambio de la presin
atmosfrica con respecto a la altura. Un gelogo le puede interesar la rapidez con que cambia la
temperatura en cierta roca fundida. En economa se habla de ingreso, costo y utilidad marginal para
referirse a la tasa de cambio de estas magnitudes.

NOTACIONES
d df d
La derivada de y = f (x) con respecto a x se la denota tambin por ( y) , , ( f ) , y .
dx dx dx
dy
es un solo smbolo que ayuda a recordar que es el lmite de cociente de diferencias o una
dx
razn de cambio de y con respecto a x.
df
es conocida como la notacin de Leizbniz.
dx

Para indicar la derivada en un punto particular, por ejemplo c, se usan las siguientes notaciones:
df dy
f (c) ; ;
dx x = c dx x = c

Si por ejemplo f ( x) = x 2 2 x , es decir conocemos una frmula para f entonces las siguientes
notaciones se usan:
d 2
( x 2 x) ; ( x 2 2 x)
dx

Ejercicio de desarrollo Para la funcin y = x x 2 Calcule:

a) La razn de cambio promedio de x=2 a x=2.05; b) La razn de cambio instantnea en x=2

OTRA INTERPRETACION DE LA DERIVADA:

DE LA RECTA SECANTE A LA RECTA TANGENTE.
Recordemos que la tasa de cambio promedio de t=c a t=c+h es la pendiente de la recta secante a
la curva en los puntos (c, f (c)) y (c + h, f (c + h)) . Si c+h est muy cerca de c, (esto ocurre cuando h
est muy cerca de 0), la recta secante pasa casi rasante a la grfica de la funcin en el punto (c, f (c)) .
Si h 0 intuitivamente la recta limite es la recta tangente a la curva en el punto (c, f (c)) y la
pendiente de esta recta es
 7

mtag = lim msec (c, c + h)

h 0

f (c + h ) f (c )
= lim = f (c )
h 0 h

En conclusin:

La derivada en un punto x=c es la

pendiente de la recta tangente a la grfica de f
en el punto (c, f (c)) .

Ejemplo 6.- a) Calcule la derivada de la funcin f ( x) = 2 x + 1 + 3 .

b) Use este resultado para calcular la pendiente de la recta tangente a la curva cuando x=1
Solucin: a) Calculamos primero la funcin derivada usando la definicin:
f ( x + h) f ( x)
f ( x) = lim Al sustituir una expresin por otra considere encerrarla entre
h 0 h parntesis. Observe como se colocar entre parntesis las
2 ( x + h) + 1 + 3 ( 2 x + 1 + 3) expresiones x+h (no hace falta) y 2 x + 1 + 3 , pues ellas
= lim sustituyen a x y f(x) respectivamente.
h 0 h
Cuando hay indeterminacin en un lmite de esta naturaleza se
2 ( x + h) + 1 + 3 2 x + 1 3 tiene que considerar usar el truco de la conjugada, pero tiene
= lim
h 0 h que existir dos trminos. Primero simplificamos el numerador.

2 ( x + h) + 1 2 x + 1
= lim 1. Ahora podemos usar la conjugada
h 0 h
2 ( x + h) + 1 2 x + 1 2 ( x + h) + 1 + 2 x + 1
= lim
h 0 h 2 ( x + h) + 1 + 2 x + 1

(2 ( x + h) + 1) 2 ( 2 x + 1) 2 4( x + h + 1) 4( x + 1)
= lim = lim
h 0 h( 2 ( x + h) + 1 + 2 x + 1) h 0 2h( x + h + 1 + x + 1)

4h
= lim
h 0 2h ( x + h + 1 + x + 1)

2
= lim Se evala el lmite
h 0 ( x+ h+ 1+ x + 1)

1
=
x+ 1
1 2
b) La pendiente de la recta tangente a la grfica de la funcin en el punto x=1 es: f (1) = = .
1+ 1 2

x
Ejercicio de desarrollo.- Calcule la pendiente de la recta tangente a la grfica de f ( x) = en x=1.
2x + 1
 8

FUNCIONES NO DERIVABLES
Existen funciones que no son derivables en algn punto x0 . En esta seccin pretendemos
mostrar algunas situaciones en que la derivada puede no existir.

1) Si la grfica de la funcin tiene un punto anguloso entonces la funcin no es derivable en ese

punto.
La funcin f ( x) = x no es derivable en 0. Observe que la pendiente de la recta tangente por la derecha
es ella misma y vale 1 y por la izquierda la pendiente de la recta tangente vale -1. Para establecerlo de
una manera ms formal nos valemos de la definicin analtica del valor absoluto.
x si x 0
x=
x si x < 0
Calculamos entonces los lmites laterales:
f (0 + h) f (0) h 0 h
lim+ = lim+ = lim+ = 1
h 0 h h 0 h h 0 h

f (0 + h) f (0) h 0 h
lim = lim = lim = 1
h 0 h h 0 h h 0 h
f (0 + h) f (0) f (0 + h) f (0) f (0 + h) f (0)
Como lim+ lim entonces lim no existe.
h 0 h h 0 h h 0 h

Observe que esta funcin es continua en 0. As que continuidad no implica que la funcin sea
derivable.

2) Sin embargo, si una funcin no es continua en un punto c

entonces no es derivable en ese punto.
x 2 + 1, si x < 1
Por ejemplo para la funcin f ( x ) = tenemos que
x + 2 si x 1
. f (1 + h) f (1)
lim+ =1
h 0 h
f (1 + h) f (1) (1 + h) 2 + 1 (1 + 2)
lim = lim = + .
h 0 h h 0 h
Como los lmites laterales son distintos entonces el lmite no
existe y por tanto no existe la derivada
Observe que no tiene recta tangente en ese punto.

3) La recta tangente en el punto es vertical

La funcin f ( x ) = 3 x no tiene derivada en 0.
f (0 + h) f (0) h1 / 3 0
f ( x) = lim = lim
h 0 h h 0 h
1
= lim 2 / 3 = .
h 0 h

Como el lmite no existe entonces no es derivable. Este caso lo podemos expresar diciendo que
la recta tangente a la curva en 0 es vertical.
 9

EJERCICIOS
1) Para la funcin y = 2t 2 1 calcule
a) La razn de cambio promedio de t=0 a t=2
b) Para estos valores de t cul es el incremento de y?
c) La razn de cambio instantnea en t=1

2) Para la funcin y = 1 + 2t calcule

a) La razn de cambio promedio de t=1 a t=1.1.
b) Para estos valores de t cul es el incremento de y?
c) La razn de cambio instantnea en t=1

3) El tamao de una poblacin est modelada por

P(t ) = 70000 + 80t 2
donde t es el nmero de aos despus del 2001. a) Cul es el incremento de la poblacin desde el
tiempo t=3 a t=3.1? b) Calcule la tasa de cambio promedio desde t=3 a t=3.1
c) Calcule la tasa de crecimiento instantneo en t=3.

4) Emplee la definicin de la derivada para encontrar

dF
4.1) f ( 2) si f ( x ) = 4 x ; 4.2) si F ( x) = x 2 2 x ; 4.3) g (3) si g (t ) = t 2 t ; 4.4)
dx x= 0

dy 2 d x d 2
si y = 2 1 ; 4.5) (2 ) ; 4.6) ( x 2 x 1)
dx x dx 4 dx
dC 2
4.7) si C ( q) = q 2 + 3q 3 ;4.8) f (x) si f ( x) = x+ 3 2; 4.9) g (x) si g ( x) = ;
dq 4 x
d 2
4.10) f (x) si f ( x) = e ; 4.11) g (x) si g ( x) = 2 1 x ; 4.12) (1 )
dx 4 x

Respuestas: 1) a) 4 ; b) 8 ;c) 4; 2) a) 0.568; b) 0.0568; c) 0.5773; 3) a)48.80; b) 488; c)480; 4.1) -

4 d x 1 dC 1
1; 4.2) -2; 4.3) 5; 4.4) ; 4.5) ( 2 ) = ; 4.6) 2 x 2 ; 4.7) = 2q + 3 ; 4.8) 4.9)
x3 dx 4 4 dq 2 x+ 3
2 1 2
= ; 4.10) 0; 4.11) ; 4.12) (4 x)2
(4 x) 2 1 x

5) Encuentre la pendiente de la curva y = 2 3x 2 en el punto (1,-1). Use la definicin de derivada.

Respuesta: m=-6
6) Encuentre la pendiente de la curva f ( x) = 3 x en el punto (2,1). Use la definicin de derivada.
Respuesta: m=-1/2
1
7) Calcule la derivada de la funcin f ( x) = . Use este resultado para calcular la pendiente de la
2x + 1
2
recta tangente a la curva cuando x=1.Respuesta: f ( x) = ; m=-2/9
( 2 x + 1) 2
8) Calcule las derivadas de las funciones f ( x) = x 2 y f ( x ) = x 2 + 3 . Grafique ambas funciones y de
una argumentacin geomtrica porque ambas funciones tienen la misma derivada.
9) Un mvil se desplaza a lo largo del eje x, la funcin f dada por f (t ) = 16 t 2 metros da la
localizacin del objeto en el instante t, donde t est medido en minutos. Determinar la velocidad en el
tiempo t=3. Interprete el resultado. Respuesta: -6 metros/min.
 10

REGLAS DE DERIVACION
El clculo de las derivadas por definicin, como se ha hecho hasta ahora, es un proceso tedioso
y repetitivo. En esta seccin se darn reglas bsicas que permitirn encontrar las derivadas de una
manera ms rpida.

1) REGLA DE LA CONSTANTE: Si f es una funcin constante, esto es f ( x) = c ,

entonces
f ( x) = 0
(La derivada de una constante es 0)
Este resultado es claro desde un punto de vista geomtrico, la grfica de la funcin constante es
una recta horizontal, la pendiente es 0.

Ejemplo 1.-
d
a) (5) = 0
dx
b) Si f ( x) = ln 3 , entonces f ( x ) = 0
c) Sea g ( x) = 2 para calcular g ( 4) primero observamos que g ( x) = 0 y al evaluar g en 4
obtenemos que g (4) = 0 .

Podemos verificar, usando la definicin de derivada, que

- Si f ( x) = x 2 entonces f ( x) = 2 x .
1 1
- Si f ( x) = x = x1 / 2 entonces f ( x) = = x 1/ 2 .
2 x 2
1 1 2
-Si f ( x) = = x 1 entonces f ( x) = 2 = 1 x .
x x

Como el lector observar existe una tendencia la cul est descrita en la siguiente regla clave para la
derivacin

2) REGLA DE LA POTENCIA: Si f ( x) = x r , donde r es un nmero real distinto de 0,

entonces
f ( x) = rx r 1

Veamos el siguiente ejemplo que ilustra las aplicaciones de la regla de la potencia en las
diversas notaciones.

Ejemplo 2.-
d 3
a) ( x ) = 3x 2
dx
b) Si f ( x) = x 10 , entonces f ( x) = 10 x 9
c) Si g ( x) = x , entonces g ( x) = 1 x 0 . As g ( x) = 1
Efectivamente la funcin g ( x) = x es una recta cuya pendiente es 1
3 1
3 2 1 3 2
d) ( x 3 / 2 ) = x = x
2 2

En muchas ocasiones es conveniente reescribir algunas funciones para derivar ms fcilmente.

 11

a) Funciones con radicales. Las funciones con radicales se reescriben con exponente fraccionario
Reescritura

Ejemplo a de reescritura: Si f ( x) = 3 x 5 , entonces se reescribe como f ( x) = x 5 / 3 . A esta ltima

5 3 2
forma de escribir f se le aplica la regla de la potencia f ( x) = 5 x 3 = 5 x 2 / 3 = 5 x .
1

3 3 3

3) REGLA DEL FACTOR CONSTANTE: Si f es una funcin derivable en x y c una

constante entonces cf es derivable y
(cf ( x)) = cf ( x ) .
En notacin de Leibniz
d d
(cf ( x)) = c ( f ( x ))
dx dx
El factor constante sale fuera de la derivacin.

Ejemplo 3.- Encuentre la derivada de f ( x) = 5 3 x 2

Solucin: Reescribimos f ( x) = 5 x 2 / 3 . Entonces
f ( x) = (5 x 2 / 3 ) = 5( x 2 / 3 )
2 1/ 3 10
=5 x =
3 3 3 x

rg ( x) r
b) Funciones fraccionarias con denominador constante. : = g ( x) , r y k constantes.
Reescritura

k k
2 x 2
Ejemplo b: Si h( x) = , entonces se reescribe como h( x) = x 1 / 2 , la cul se deriva usando
3 3
primero la regla del factor constante y luego la regla de la potencia
d 2 1/ 2 2 d 1/ 2
( x )= (x ) As
dx 3 3 dx
1
d 2 1 1 1
(h( x)) = x 2 =
dx 3 2 3 x
r r 1 r
c) Funciones fraccionaria con numerador constante: = = ( g ( x)) 1 , donde r y k
kg ( x) k g ( x) k
Reescritura

son constantes
2 2
Ejemplo c: Si h( x) = 9
, entonces se reescribe como h( x) = x 9 , la cul es la que se deriva usando
3x 3
primero la regla del factor constante y luego la regla de la potencia
2 2
h ( x) = ( x 9 ) = ( x 9 )
3 3
2 6
h ( x) = ( 9) x 10 = 6 x 10 = 10 .
3 x
2x
Ejercicio de desarrollo: Encuentre la derivada de f ( x) = , reescribiendo la funcin previamente.
2
(Recomendacin: use la propiedad de la raz de un producto, reescriba, aplique entonces la propiedad del factor constante y
luego la regla de la potencia.)
 12

4) REGLAS DE LA SUMA Y DE LA RESTA: Sean f y g funciones derivables en x,

entonces f + g y f g tambin lo son y
( f + g ) ( x) = f ( x) + g ( x)
(( f g ) ( x ) = f ( x ) g ( x) .

La derivada de una suma es la suma de las derivadas.

La derivada de una diferencia es la diferencia de las derivadas.
Demostracin: Para demostrar esta propiedad de las derivadas planteamos la derivada de la funcin
( f + g )( x) por definicin, manipulamos usando propiedades de lmite y algebraicas para llegar que es
la suma de las derivadas:

( f + g ) ( x) = lim ( f + g ) ( x + h) ( f + g ) ( x) ) = lim f ( x + h) + g ( x + h) ( f ( x) + g ( x))

h 0 h h 0 h

f ( x + h) + g ( x + h) f ( x ) g ( x )
= lim Se distribuy el signo
h 0 h

f ( x + h) f ( x) + g ( x + h) g ( x )
= lim Se reorden la suma
h 0 h
f ( x + h) f ( x) g ( x + h) g ( x ) Se descompuso como suma de
= lim + fracciones con igual denominador
h 0 h h
f ( x + h) f ( x) g ( x + h) g ( x)
= lim + lim Se uso la propiedad del lmite de una suma
h 0 h h 0 h

= f ( x) + g ( x) Se aplic la definicin de la derivada de f y g.

Esta regla puede ampliarse a la suma o diferencia de un nmero finito de funciones. En notacin
de Leizbniz podemos escribir que:
d d
(( f1 f 2 f n )( x)) = ( f 1 ( x) ) d ( f 2 ( x ) ) d ( f n ( x) )
dx dx dx dx
Ejemplo 4.- Encuentre las derivadas de las siguientes funciones
4z 2 4
a) h( z ) = z + ; b) g ( x) = 4 3 + 3 x
3 x
4
Solucin: a) Reescribimos h( z ) = z 1 / 2 + z 2 . Esta ltima reescritura se deriva aplicando primero la
3
propiedad de la suma. As
Al primer trmino aplicamos la regla de la potencia y al segundo
4 2 4 la regla del factor constante.
h ( z ) = z + z = ( z 1 / 2 ) + ( z 2 ) .
1/ 2

3 3
1 1/ 2 4 2
= z + ( z ) Aplicamos al segundo trmino la regla de la potencia
2 3
1 8
= + z
2 z 3
 13

b) Reescribimos primero antes de derivar g ( x) = 4 x 4 3 + 3 x . Ahora aplicamos la propiedad de la

suma y diferencia.
Al primer y tercer trmino se aplica la regla del factor
(
g ( x) = 4 x 4 3 + 3x ) constante y al segundo la regla de la constante. No se
suelen reescribir las constantes.

= (4 x 4 ) ( 3 ) + (3 x)
La ltima igualdad se obtuvo al aplicar la regla de la
= 4( x 4 ) 0 + 3( x) potencia a los trminos en derivacin

= 16 x 5 + 3

Reescribir para derivar:

Reescritura

d) Un cociente donde el denominador consta de un solo trmino en xr .

a1 x r1 + + an x rn a1 x r1 an x rn a r k a r k
= + + = 1 x 1 + + n x n , ri , k constantes
cx k
cx k
cx k
c c

3x 5 2 x 2 x 3x 5 2 x 2 x
Ejemplo d: Si g ( x) = 2
, entonces se reescribe como una suma : g ( x ) = 2
2
,
3x 3x 3x 3x 2
la cul se sigue simplificando para que quede expresado de tal manera que posteriormente se use las
reglas del factor constante y el de la potencia. De esta forma obtenemos que g puede ser expresado
como:
2 1
g ( x) = x 3 x 1
3 3
Ahora podemos derivar con facilidad usando primero la regla de la suma

2 1
g ( x) = x 3 x 1 .
3 3
2 1
= ( x 3 ) ( ) ( x 1 )
3 3
1
= 3x 2 ( 1) x 2
3

e) Un Producto se transforma en una suma al usar la propiedad distributiva.

Reescritura

Ejemplo e: g ( x) = x (3x 4 x 1) . Esta funcin posteriormente puede interpretarse como un

producto, pero conviene para derivar reescribir usando la propiedad distributiva, transformndose
entonces en una suma.
g ( x) = x 1 / 2 (3x 4 x 1)

= 3x x 1 / 2 4 x x 1 / 2

g ( x) = 3 x 3 / 2 4 x x1 / 2 .
Esta ltima forma de reescribir g es la que derivamos, aplicando la propiedad de la suma primero,
luego del factor constante y de la potencia despus. De esta manera
g ( x ) = (3 x 3 / 2 4 x x 1 / 2 )

= (3x 3 / 2 ) ( 4 x) ( x1 / 2 )
 14

1 1/ 2
= 3( x 3 / 2 ) 4( x) x . Derivamos los trminos que se indican
2
9 1/ 2 1
= x 4
2 2 x1 / 2
1
Podemos dejar de esta forma la derivada pero tambin podemos sacar de factor comn para
2 x1 / 2
expresar la derivada como
1/ 2
g (x) = x (9 x 8 x1 / 2 1)
2

Ejercicio de desarrollo: Encuentre las derivadas de las siguientes funciones, reescribiendolas

previamente.
x 2 2x + 1
a) f ( x) = x 3 ( x 3x) b) g ( x) =
3 x

Ejemplo 5.- Encuentre la pendiente de la recta tangente a la grfica de f ( x ) = 2 x 2 + 1 en a) x = 1 ,

b) x = 0 y c) x = 1 . Grafique la curva y = 2 x 2 + 1 y las rectas tangentes en x = 1 , x = 0 y x = 1 .
Solucin.- Para calcular la pendiente de la recta tangente
se debe primero encontrar la derivada

f ( x) = 4 x

a) En x = 1 , la pendiente es f ( 1) = 4( 1) = 4

b) En x = 0 , la pendiente es f (0) = 4(0) = 0

c) En x = 1 , la pendiente es f (1) = 4(1) = 4

Una manera de obtener la ecuacin de una recta es usar la ecuacin punto-pendiente:

( y y 0 ) = m( x x 0 ) .
Para ello necesitamos un punto ( x 0 , y 0 ) por el cual pasa la recta y la pendiente m de la misma.

Si se necesita determinar la ecuacin de la recta tangente a la grfica de una funcin f (x) cuando
x = x 0 entonces el punto es ( x 0 , y 0 ) = ( x 0 , f ( x 0 ) ) .
Es claro que la pendiente es m = f ( x 0 )

x 3 3x + 3
Ejemplo 6.- Encuentre la ecuacin de la recta tangente a la grfica de f ( x) = en x = 2 .
3
Solucin.-
Se determina completamente el punto ( x 0 , y 0 )
Para determinar completamente el punto sobre la grfica evaluamos la funcin en x = 2 .
 15

23 3 2 + 3 5
f ( 2) = =
3 3
5
Enfatizamos ahora que queremos la recta tangente a la grfica de f (x) en el punto (2, ) .
3
Se determina la pendiente de la recta tangente.
Para calcular la pendiente de la recta tangente se debe primero encontrar la derivada y luego
evaluar esta derivada en x = 2 .
Antes de derivar consideramos reescribir la funcin. Efectivamente la funcin se puede
reescribir como:
1
f ( x) = x 3 x + 1
3
la cual es la que derivamos usando primero la regla de la suma.
1
f ( x) = ( x 3 ) ( x) + (1)
3
1
= ( x 3 ) 1
3

obteniendo
f ( x) = x 2 1
Al evaluar esta ltima en 2 tenemos
Recuerde evaluar para obtener la
pendiente
m = f ( 2) = 4 1 = 3 .

Se determina la ecuacin de la recta tangente, usando la forma punto-pendiente

( y y 0 ) = m( x x 0 ) Se sustituye los valores
5
(y ) = 3 ( x 2) Simplificando y manipulando obtenemos una ecuacin general de la recta
3
3 y 9 x + 13 = 0 .

Ejemplo 7.- Encuentre los puntos sobre la grfica de f ( x) = x 3 3x 2 9 x tales que la recta tangente
es horizontal.
Solucin.- Recordemos que una recta horizontal tiene pendiente 0. Entonces como la derivada evaluada
en x es la pendiente de la recta tangente a la grfica de f en dicho punto, debemos ubicar los valores de
x donde la derivada se hace 0. Planteamos entonces la ecuacin f ( x) = 0 y la resolvemos.
Derivamos primero
f ( x) = 3 x 2 6 x 9 .
Ahora se plantea
3x 2 6 x 9 = 0 .
Esto es una ecuacin cuadrtica cuyas soluciones son x = 3 y x = 1 . Evaluamos estos puntos en la
funcin para as obtener los puntos sobre la grfica en que las rectas tangentes son 0.
f (3) = 33 3(3) 2 3 9 = 27
f ( 1) = ( 1) 3 3( 1) 2 9 ( 1) = 5

Se concluye que (3,-27) y (-1,-5) son los puntos sobre la grfica donde la recta tangente a la curva en
dichos puntos son horizontales.
 16

RAZON DE CAMBIO PORCENTUAL

La razn de cambio nos da una medida de cmo cambia una magnitud frente a otra. Pero este
cambio depende de la situacin en que estemos. No es lo mismo que en un ao una poblacin cambie en
100.000 habitantes si la poblacin es de 10.000.000 que si es de 500.000. La razn de cambio
porcentual para una cantidad C permite calibrar mejor estas situaciones, la cual es definida por:

El cambio porcentual para la poblacin de 10.000.000 es de 1%. El cambio porcentual para la

poblacin de 500.000 es de 20%.
La razn de cambio porcentual es conocida tambin como la tasa de cambio porcentual. Cuando
sabemos que hay crecimiento hablamos de razn (tasa) de crecimiento porcentual de la cantidad. La
C ( x)
cantidad tambin es usada para comparar la razn de cambio de una cantidad con respecto a ella
C ( x)
C ( x)
misma, es conocida como la razn de cambio relativo y toma valores entre -1 y 1.
C ( x)

Ejemplo 1.- El PIB de cierto pas es aproximado por la funcin N (t ) = t 2 + 4t + 150 mil millones de
UM t aos despus del 2003. a) Estime la razn de cambio al comienzo del 2005;
b) Estime la razn de cambio porcentual del PIB al comienzo del 2005
Solucin:
a) Como han pasado 2 aos despus del 2003 se tiene que calcular N ( 2) . Primero se calcula la funcin
derivada

( )
N (t ) = t 2 + 4t + 150 = 2t + 4
La razn de cambio para comienzos del 2005 es N (2) = 2 2 + 4 = 8 mil millones de UM por ao.
b) La razn de cambio porcentual para el 2005 es estimada en
N (2) 8
100 = 100 = 4.93% por ao.
N (2) 162

EJERCICIOS
1) Encuentre la derivada de las siguientes funciones:
1.1) f ( x ) = x 7 ; 1.2) f ( x) = 9 x 2 ; 1.3) f ( x) = 5;
1 2
1.4) g ( w) = 5w ; 1.5) f ( x) = ln(2) x 2 ; 1.6) f ( x) = x ;
3
x2
1.7) f ( x) = ; 1.8) y = x 2 + 2 x ; 1.9) h( w) = w9 3w3 + e 2 ;
3
5 5(4 x 2 )
1.10) y = 108( x 2 + 1167) ; 1.11) f ( x) = (4 x 2 ) ; 1.12) f ( x) = ;
2 2
x6 x4 4
1.13) f ( x) = + ; 1.14) h( s ) = s 3 / 4 3s 1/ 3 ; 1.15) f ( x) = ;
6 2 3 3 x 2
4 q3 5
1.16) f ( x ) = 2x 3 ; 1.17) C (q) = ; 1.18) C (q ) = 3;
5q 5 q
 17

2
1.19) f ( x) = 2x 2x ; 1.20) f ( x) = ; 1.21) f ( x) = x 4 x ;
3 x
1.22) f ( s) = s 2 (3s ) 2 ; 1.23) f ( s ) = s 2 3s 2 ; 1.24) f ( x) = x( 4 5 x x 3 ) ;
2 x x2 x(3 x 2 )
1.25) f ( s ) = s 3 ( s 2 2s ) ; 1.26) f ( x) = ; 1.27) f ( x) =
x3 2 x
2 2x
Respuestas: 1.1) 7x 6 ; 1.2) 18 x ; 1.3)0; 1.4) 5 ; 1.5) 2xln2; 1.6) x ; 1.7) ; 1.8) 2 x + 2 ;
3 3
3 1/ 4
1.9) 9 w 2 ( w 6 1) ; 1.10) 216 x ; 1.11)-5x; 1.12) 5 x ; 1.13) x 3 ( x 2 + 2) ; 1.14) s + s 4/3 ;
4
8 4 3q 2 15 2
1.15) ; 1.16) 3 2 x 4 ; 1.17) ; 1.18) + 4 ; 1.19) 2 ; 1.20)
9 x
3 5 5q 2 5 q 2 x
1
; 1.21) (5/4) 4 x ; 1.22) 36s 3 ; 1.23)12s3; 1.24) 4 10 x 4 x 3 ;
3
3 x
2s 2 / 3 x 2 3 5x 2
1.25) (4 s 5) ; 1.26) ; 1.27)
3 x3 4 x

2) Para cada una de las siguientes curvas encuentre la pendiente de la recta tangente en x=1. Graficar la
curva y la recta tangente en x=1
a) y = x 3 4 ; x=1; b) y = 2 x 3 .

3) Encuentre la recta tangente a la curva en el punto dado

x x2
3.1) y = 2 x 3 6 x + 1 ; x=-1; 3.2) y = 2 x 3 4 x + 1 ; x=-1; 3.3) y = ; x=4
x

4) Para cada una de las siguientes funciones encuentre los puntos en los cuales la recta tangente a la
grfica de la funcin en esos puntos es horizontal.
4.1) F ( x) = x 2 4 x ; 4.2) G ( x ) = x 3 x 2 ; 4.3*) H ( x ) = x 4 8 x + 1 ; 4.4*) K ( x) = x 4 x 2
(* la ecuacin que se plantea se resuelve por Ruffini o factorizando directamente por productos
notables)
5*) Encuentre la ecuacin de la recta tangente a la grfica de la funcin F ( x) = x 4 + 8 x 2 que es
paralela a la recta y = 4 x + 1 .
(* plantear F ( x) = 4 , (por qu?) consiga la solucin x 0 de la ecuacin, forme la recta con pendiente
F ( x 0 ) = 4 y que pasa por el punto ( x 0 , F ( x 0 )) , justifique el procedimiento)
6*) Encuentre la ecuacin de la recta tangente a la grfica de la funcin F ( x) = x 3 6 x 1 que es
paralela a la recta 2 y + 6 x + 1 = 0 .
(* Imite el ejercicio anterior, puede existir ms de una solucin)
x
7*) Encuentre la ecuacin de la recta tangente a la grfica de la funcin F ( x) = que es paralela a
3
la recta 2 y + 6 x + 1 = 0 .
 18

Respuestas: 2)

17 3
3.1) y = 0 3.2) y= 2 x + 5 ; 3.3) x+
16 4
2 4
4.1)(2,-4) ; 4.2) ( , ) ,(0,0); 4.3)
3 27
2 1 2 1
(3 2 , 6 3 2 ) ; 4.4) ( , ) , ( , )
2 4 2 4
y (0,0)
5) y + 9 = 4( x + 1) ; 6) y + 4 = 3( x 1) ;
y 6 = 3( x + 1) ; 7) No existe

PROBLEMAS EN CIENCIAS SOCIALES

3
1) Se proyecta que dentro de x meses, la poblacin de cierto pueblo ser de P ( x ) = 2 x + 4 x 2 + 5000
a) A qu razn cambiar la poblacin respecto al tiempo dentro de 9 meses? b) A qu razn
porcentual cambiar la poblacin respecto al tiempo dentro de 9 meses?
Respuesta: a) 20 personas por mes, b) 0.39%

PROBLEMAS EN ECONOMA
1) El PIB de un pas t aos despus del 1 de enero del 2001 es aproximado por N (t ) = t 2 + 8t + 170
mil millones de UM. a) Estime la tasa de cambio al comienzo del 2007 b) Estime la tasa de cambio
porcentual del PIB al comienzo del 2007 Respuesta: a) 20 miles de millones por ao, b) 7.87%
2) Las ganancias trimestrales de la compaa EME depende de la cantidad x (en miles de UM) invertida
en publicidad dada por la siguiente relacin.
1
P ( x) = + 7 x + 30 miles de UM
x2
Cul es la razn de cambio de las ganancias trimestrales si se invierten 100000 UM en publicidad?
Respuesta: 3499/500 miles de UM
3) Un nuevo artculo ha sido introducido al mercado. Se espera que la demanda del artculo sea de
q = 300 + 0.5t + 0.05t 3 / 2 unidades al cabo de t meses. A qu razn porcentual cambiar la demanda
mensual dentro de 9 meses? Respuesta: 0.23 %
4) Se ha decidido establecer el precio de la gasolina por mes de acuerdo a la siguiente formula
p = 15 + 0.3t + 0.08t 3 / 2 UM contados a partir del prximo mes. A qu razn porcentual cambiar el
precio de la gasolina un mes despus de implementado el plan tarifario? 4 meses despus? 9 meses?
Respuesta: 2.73%; 3.2%; 3.32%
 19

ANLISIS MARGINAL
En economa el concepto marginal se refiere al cambio instantneo de una cantidad con respecto
a otra. Esto es la derivada de una cantidad con respecto a otra. Daremos a continuacin el concepto y la
interpretacin de varias cantidades marginales de uso frecuente en economa.

COSTO MARGINAL
Sea C (q ) el costo total de producir q unidades de un determinado artculo. An cuando en la
mayora de los casos q es un nmero entero, en la teora y en la prctica es conveniente considerar el
dominio de C un intervalo de R. En economa se est interesado como los costos cambian cuando hay
incrementos en la produccin. La derivada puede ayudar a analizar estos cambios de una manera rpida.

La derivada del costo total, C (q ) , se llama costo marginal

Costo marginal= C (q)
En general se interpreta el costo marginal , C (q ) , como el costo aproximado de producir la
unidad q + 1 . Veamos la justificacin.
Recuerde que el costo de las primeras q + 1 es C (q + 1) . As que
El costo exacto de la unidad q + 1 = C ( q + 1) C ( q)
C (q + 1) C ( q)
=
1
Esta ltima expresin es una aproximacin de la derivada
C (q + h) C ( q )
C (q )
h
con h = 1
As pues
C (q) costo de producir la unidad adicional q + 1

Veamos los siguientes ejemplos.

Ejemplo 1.- La funcin de costo total por producir y vender q artculos est dada por:
C (q ) = 0.001q 2 + 1.1q + 30 en UM.
a) Encuentre la funcin de costo marginal.
b) Encuentre el costo marginal en q = 40
c) Interprete sus resultados.
Solucin:
a) Para conseguir la funcin de costo marginal derivamos la funcin de costo total.
C (q ) = (0.001q 2 + 1.1q + 30)

C ( q ) = (0.001q 2 ) + (1.1q ) + (30)

C (q ) = 0.002q + 1.1 UM

b) El costo marginal en q = 40 est dado por

C (40) = 0.002 40 + 1.1 = 1.18 UM

c) El costo de producir la unidad 41 es aproximadamente 1.18 UM

 20

El lector debe darse cuenta lo tedioso que hubiese sido calcular el costo de la unidad 41 de una
manera exacta. En el siguiente ejemplo haremos el clculo aproximado y exacto pero antes recordemos
el siguiente concepto.

Si C (q ) es el costo total de producir q artculos, el costo promedio por artculo se define como
C (q)
C (q) =
q
En el ejemplo anterior el costo promedio por artculo est dado por
0.001q 2 + 1.1q + 30
C (q) =
q
1
= 0.001q + 1.1 + 30
q
El lector puede verificar que C (40) = 1.89 , lo cual representa el costo de cada artculo en
promedio cuando se producen 40 artculos. Este valor es muy distinto al costo marginal en 40 que
representa aproximadamente el costo de producir la unidad 41. Podemos ver entonces que el costo
promedio y el costo marginal son dos conceptos distintos pero relacionados. Usando los dos conceptos,
podemos decir en nuestro ejemplo que los primeros 40 artculos cuestan 1.89UM en promedio y fabricar
uno ms le costara tan slo 1.18UM.

22000
Ejemplo 2.- La funcin de costo promedio de un producto est dada por C ( q) = 0.1q + 120 +
q
a) Encuentre la funcin de costo marginal.
b) Encuentre el costo marginal cuando q = 40 y cuando q = 60
c) Encuentre el costo de producir la unidad 41.
d) Interprete los resultados
Solucin:
Recuerde que el costo marginal es la derivada del costo total. As que debemos conseguir la funcin de
C (q )
costo total primero despejndola en la ecuacin C (q) =
q
C (q) = q C (q)
22000
C ( q) = q (0.1q + 120 + )
q
Se distribuye a fin de obtener una expresin ms sencilla para derivar
22000
C ( q) = 0.1q 2 + 120q + q
q
C (q ) = 0.1q 2 + 120q + 22000
a) Derivamos la funcin costo total recin obtenida
C ( q) = (0.1q 2 ) + (120q) + ( 22000)

C (q ) = 0.2q + 120

b) El costo marginal cuando q = 40 est dado por

C (40) = 0.2 40 + 120 = 128
El costo marginal cuando q = 60 est dado por
C (60) = 0.2 60 + 120 = 132

c) Recordemos que el costo exacto de la unidad q + 1 es igual a C ( q + 1) C ( q) . As

 21

El costo exacto de la unidad 41 = C ( 41) C (40)

C (41) = 0.1 412 + 120 41 + 22000

C ( 40) = 0.1 40 2 + 120 40 + 22000

C ( 41) C ( 40) = 0.1(412 40 2 ) + 120 = 128.1 UM

d) C ( 40) = 128 se interpreta como el costo aproximado de producir la unidad 41. Efectivamente
este costo est bastante cercano al costo exacto de la unidad 41 que es 128.1.
C (60) = 132 es el costo aproximado de producir la unidad 61 si se decide aumentar la
produccin de 60 a 61 unidades. Tambin podemos decir que los costos totales aumentaran
aproximadamente en 132UM si se decide fabricar una unidad adicional

Comentarios.- El costo de la unidad adicional depende del nivel de produccin.

Algunos autores prefieren interpretar C (q) como el aumento aproximado en los costos si se decide
aumentar la produccin en una unidad. Por qu?

INGRESO Y UTILIDAD MARGINAL

Podemos hacer un anlisis similar para la funcin ingreso y utilidad total.
Sea I (q ) la funcin ingreso total por producir y vender q productos. El ingreso marginal se
define como la derivada del ingreso total:
Ingreso marginal= I (q)
y se suele interpretar como el ingreso por producir y vender la unidad adicional q + 1 cuando el nivel
de produccin es q .

1
Ejemplo 3.- La ecuacin de demanda de un artculo est dada por p = (40 q) . Encuentre la funcin
5
ingreso marginal
Solucin: Tenemos que conseguir la funcin de ingreso. Recuerde que I (q) = pq
As
1
I ( q) = ( 40 q) q
5
Reescribimos antes de derivar, distribuyendo solo la variable
1
I ( q) = ( 40q q 2 )
5
Derivamos, usando primero la regla del factor constante
1
I (q ) = (40q q 2 )
5
Podemos ver finalmente, usando la regla de la diferencia que el ingreso marginal est dado por
1
I (q ) = ( 40 2q )
5

Recordemos:
Sea U (q) la funcin utilidad total por producir y vender q productos. Recuerde que la
utilidad es la diferencia entre el ingreso y el costo, esto es
U (q ) = I ( q ) C ( q )
 22

La utilidad marginal se define como la derivada de la utilidad total:

Utilidad marginal= U (q)
y se suele interpretar como la utilidad por producir y vender una unidad adicional cuando el nivel de
produccin est en q .

Ejemplo 4.- Un comerciante estima que su ingreso mensual por la venta de un artculo sea
I ( q) = 30q 0.02q 2 , para 0 q 1500 . Si el costo de adquisicin es de 10UM por cada artculo.
a) Encuentre la funcin de utilidad marginal
b) Cul es el nivel de adquisicin y venta en que la utilidad marginal es 0?
c) Interprete el resultado anterior.
Solucin:
a) La funcin de utilidad marginal es la derivada de la funcin utilidad total. Debemos conseguir
primero U (q) mediante la relacin
U (q) = I (q ) C (q )
La funcin costo total est dada por
C (q ) = 10 q
De esta manera
U ( q ) = (30q 0.02q 2 ) (10q )

Simplificando se obtiene
U (q ) = 20q 0.02q 2
La utilidad marginal es la derivada de U (q)
U (q ) = ( 20q ) (0.02q 2 )
= 20 0.04q .
b) Para calcular el nivel en que la utilidad marginal es 0 debemos plantear
U (q) = 0
20 0.04q = 0
Resolviendo, obtenemos
q = 500
El nivel de adquisicin y ventas en que la utilidad marginal es 0 es 500 artculos.
c) Esto se puede interpretar como: La utilidad dejada por la adquisicin y venta de una unidad por
encima de 500 es aproximadamente 0. La negociacin de una unidad extra en este nivel de
comercializacin no aportara ganancia ni perdida al negocio.

PROPENSION MARGINAL AL AHORRO Y AL CONSUMO.

Pensemos primero estos conceptos a nivel de un individuo. Si una persona tiene un ingreso
mensual variable de I, una cantidad C la consume en bienes y servicios y otra S la ahorra. Es decir
I = C + S . Es claro que los porcentajes de lo que ahorra y lo que consume depende del nivel de
ingreso. Es probable que un individuo cuando reciba muy poco prcticamente lo gaste todo y en cambio
si recibe una gran cantidad ahorre una parte. As pues podemos pensar que el consume C es una funcin
del ingreso.
Podemos extrapolar estos conceptos a nivel de una nacin. Sea I el ingreso nacional disponible
(en miles de millones de UM) .
La funcin de consumo nacional, C (I ) , es la cantidad de dinero del ingreso que se consume
La funcin de consumo nacional, S (I ) , es la cantidad de dinero del ingreso que se ahorra.
 23

Definicin.- Se llama propensin (o tendencia) marginal al consumo a la derivada de C con respecto a I:

dC
C (I ) = =propensin (o tendencia) marginal al consumo
dI
La propensin (tendencia) marginal al ahorro se la define como la derivada de S con respecto a I:
dS
S (I ) = = propensin (o tendencia) marginal al ahorro.
dI
Podemos ver que a nivel del ingreso nacional la relacin I = C ( I ) + S ( I ) se cumple. Al
derivar ambos lados queda

dI dC dS
= +
dI dI dI

dC dS
+ 1=
dI dI
As que las dos propensiones marginales suman 1. Frente a un pequeo incremento de ingreso
nacional, podemos interpretar las propensiones marginales como las proporciones de ese incremento que
se ahorran o se consume.

I 4 I
Ejemplo 5.- Suponga que la funcin de consumo de un pas est dado por C ( I ) = + + 7 donde I
3 5
y C vienen dadas en miles de millones de UM
a) Encuentre las propensiones marginales al consumo y al ahorro cuando el ingreso nacional es de 9
mil millones de UM.
b) Interprete sus resultados
Solucin:
a) Se calcula la propensin marginal al consumo.
dC I 4 I
= C ( I ) = ( ) + ( ) + (7 )
dI 3 5
1 4
= ( I ) + ( I 1 / 2 ) + (7 )
3 5
1 4 1
= + I 1/ 2 )
4 5 2
1 2
= +
3 5 I

Para calcular la propensin marginal al ahorro nos valemos de la formula

dC dS
1= +
dI dI
dS dC
= 1
dI dI
Se procede ahora a evaluar las propensiones marginales en I = 9
dC 1 2 1 2 7
= C (9) = + = + =
dI I = 9 3 5 9 3 15 15
dS dC 7 8
= 1 = 1 =
dI dI 15 15
 24

b) Para un nivel de ingreso nacional de 9 mil millones de UM, si hay un aumento en un millardo de
7
unidades monetarias, aproximadamente el 46.6% ( 100 ) de ese aumento se consume y el 53.3%
15
se ahorra. Es decir 466,6 millones se consumen y 533,3 millones se ahorran aproximadamente.

PROBLEMAS DE ANLISIS MARGINAL

q 2 20
1) Sea C ( q) = + + 450 el costo total por producir q artculos. a) Encuentre la funcin de costo
5 q
marginal. b) Cul es el costo marginal para q = 10 ? c) Interprete sus resultados.
2q 20
Respuesta: a) C (q) = ; b) 3.8UM.
5 q2
2) Si C = 0.1q 2 + 2q + 850 representa el costo total de producir q unidades de un producto. a)
Encuentre la funcin de costo marginal. b) Cul es el costo marginal para q = 3 ? c) Cul es el costo
real por producir la unidad 4? Respuesta: a) c ( q) = 0.2q + 2; b) c (3) = 1.4 ; c) c( 4) c(3) = 1.3
300
3) Si c ( q) = 2 + es la funcin costo promedio de producir q unidades de un producto. a)
q
Encuentre la funcin de costo marginal. b) Cul es el costo marginal para q=30? c) Interprete sus
resultados. Respuesta: a) c ( q) = 2; b) c (30) = 2
4) La funcin de ingreso total viene dada por I = 2q (20 0.2q ) . a) Encuentre la funcin de ingreso
marginal; b) El ingreso marginal para q = 10 ; c) el ingreso marginal para q=20; d) Interprete sus
resultados. Respuesta: a) I (q ) = 40 0.8q ; b) 32UM; c) 24UM
2
5) Si la ecuacin de demanda es p = 500 q 3 , calcule el ingreso marginal.
2
5
Respuesta I (q ) = 500 q3
3
6) El costo total de un fabricante es C (q ) = 0.1q 3 0.5q 2 + 500q + 200 UM, donde q es el nmero de
unidades producidas.
a) Utilice el anlisis marginal para estimar el costo de fabricacin de la cuarta unidad
b) Calcule el costo real de fabricar la cuarta unidad. Respuesta: a) 499,7; b)500,2
7) El ingreso total mensual de un fabricante es I (q ) = 240q + 0.05q 2 UM cuando produce y se venden
q unidades al mes. En la actualidad, el fabricante produce 80 unidades mensuales y planea aumentar la
produccin en una unidad.
a) Utilice el anlisis marginal para estimar el ingreso adicional que generar la produccin y venta
de la unidad 81.
b) Utilice la funcin ingreso para calcular el ingreso adicional real que generar la produccin y
venta de la unidad 81. Respuesta: a) 248; b) 248.05
q
8) La ecuacin de demanda de un artculo es p = 200 .a) Determinar la funcin de ingreso
4
marginal b) El ingreso marginal cuando q = 20 c) Cul es el ingreso real por vender la unidad 21?
q
Respuestas: a) p = 200 b) 190UM; c) 189.75UM
2
 25

9) La ecuacin de demanda de un tipo de reloj es 3 q + 20 p = 800 .a) Determinar la funcin de ingreso

3 q
marginal. b) Si la funcin de costo total por la produccin de q relojes es C (q ) = + 10 , calcule la
2
3 q
3 q 1
utilidad marginal. Respuestas: a) 40 ; b) 40
15 15 62 q 2
10) La ecuacin de demanda de un producto es q 2 + 100q + 1000 p = 8000 . a) Determinar la funcin de
5q 2
ingreso marginal. b) Si la funcin costo total por la produccin de q productos es C (q ) = 500 + ,
100
calcule la utilidad marginal. Respuestas: a) 8 0.2q 0.003q 2 ; b) 8 0.3q 0.003q 2
I 8 I
11) La funcin de consumo de cierta nacin est dada por C ( I ) = + 4 UM. Encuentre la
2 3
propensin marginal al consumo y al ahorro cuando I= 36 UM. Interprete sus resultados.
Respuesta: 5/18; 13/18
12) La produccin semanal de una fabrica depende del nmero de obreros x en la planta y est dada por
P( x) = 2 x 2 + 1600 x . Si la fabrica cuenta en este momento con 30 obreros, a) use derivadas para
estimar el cambio de la produccin si se contrata un obrero ms b) Haga el calculo exacto.
Respuesta: a) 1480; b) 1478 unidades
13) La ecuacin de demanda de un producto est dada por 45 p + q 3 = 7000 Si la funcin de costo
est dada por C (q ) = 45 + q 3 . a) Calcule la utilidad marginal cuando se producen y se venden 100
unidades. b) Interprete sus resultados. Respuesta: a) 85UM
14) Un kiosco de comida rpida prepara hamburguesas a un costo de 2UM cada una. Las
hamburguesas se han vendido a 5UM cada uno y a ese precio, los consumidores han comprado 4000 al
mes. El dueo planea incrementar el precio de las hamburguesas y estima que por cada UM de aumento
en el precio se vendern 200 hamburguesas menos. Calcule la utilidad marginal en funcin del nmero
q
de hamburguesas vendidas, suponiendo que la ecuacin de demanda es lineal. Respuesta: + 23
100
15) Un distribuidor vende 5000 lavadoras al mes si el precio es de 40UM cada una y estima que por
cada incremento de 5UM las ventas bajarn en 300 lavadoras. Si el costo de adquisicin de cada
lavadora es de 25UM. Suponga que la ecuacin de demanda es lineal. Calcule la funcin utilidad
marginal en funcin del nmero de lavadoras adicionales a las 5000. Respuesta: 23000 3000q
16*) Se estima que un gimnasio tiene 500 clientes cuando la cuota es de 30UM y si sube el precio a 40
el nmero de clientes se reduce a 450. Suponga que existe una relacin lineal entre el nmero de clientes
y la cuota mensual. a) Determine la funcin de ingreso. b) Determine el ingreso marginal.
1 2
Respuestas: a) I = q 2 + 130q ; b) I = q + 130
5 5
17*) El calendario ecolgico es vendido a 20UM., a ese precio se compran 25.000 ejemplares. Se ha
estimado que si el precio aumenta a 30UM se vendern 15.000 unidades. El costo de produccin de q
unidades est dado por C ( q) = 500 + 5q . Suponiendo que hay una relacin lineal entre el precio y la
demanda de calendarios. a) Encuentre la utilidad marginal. b) Calcule la demanda q 0 para la cual la
utilidad marginal es cero. c) Calcule el precio p 0 para esta demanda. d) Calcule la utilidad en p 0 1 ,
p 0 y p 0 + 1 (*para calcular la ecuacin de demanda use la ecuacin pto-pendiente, calculando
previamente la pendiente)
q
Respuestas: a) U = + 40 ; b) q 0 = 20.000 ; c) p 0 = 25 ; d) U (24) = 459.42 , U (25) = 499.38,
500
U ( 26) = 539.32 UM
 26

REGLAS DEL PRODUCTO Y DEL COCIENTE

La funcin h( x) = (3x 2 + 4 x + 1)( x + 1) la podemos derivar usando las ideas de la seccin
pasada, podemos reescribir la funcin aplicando la propiedad distributiva y luego sumar trminos
semejantes. Sin embargo, tal como est se puede interpretar como el producto de dos funciones
f ( x) = 3 x 2 + 4 x + 1 y g ( x) = x + 1 y para derivar se usa entonces la regla del producto que a
continuacin se enuncia.

Regla del producto: Sean f y g funciones derivables en x, entonces f g tambin es derivable en x

y
(( f g ) ( x) = f ( x) g ( x) + f ( x) g ( x) .

La derivada de un productote dos funciones es la derivada de la primera por la segunda sin

derivar ms la primera por la derivada de la segunda

Al final de esta seccin daremos de prueba de esta regla.

Ejemplo 1.- Encuentre la derivada de la siguiente funcin h( x) = (3 x 2 + 4 x + 1)( x + 1)

Solucin: Aplicamos la regla del producto a la funcin h( x) = (3 x 2 + 4 x + 1)( x + 1) , interpretando a
h como el producto de las funciones f ( x ) = 3x 2 + 4 x + 1 y g ( x) = x + 1 . As
h ( x) = f ( x) g ( x) + f ( x ) g ( x)
Observe que se deja la derivada indicada y se
= (3 x + 4 x + 1) ( x + 1) + (3x + 4 x + 1)( x + 1)
2 2 deriva en la siguiente lnea

1
= (6 x + 4)( x + 1) + (3x 2 + 4 x + 1) x 1 / 2
2
Aplicando la propiedad distributiva y agrupando trminos semejantes tenemos
15 3 / 2 1
h ( x) = x + 6 x + 6 x1 / 2 + 4 + x 1 / 2 .
2 2

Ejercicio de desarrollo: Encuentre las derivadas de las siguientes funciones

a) h( x) = 3( x 2 3 x 3) ; b) f ( x) = ( x x + 1)( x 2 3x 3)

La demostracin de la regla del producto se hace al final de esta seccin. Otra regla que vamos a
necesitar es la derivada de un cociente que a continuacin presentamos

Regla del Cociente: Sean f y g funciones derivables en x y g ( x) 0 , entonces f / g es derivable

en x y
f f ( x ) g ( x) f ( x) g ( x)
( ) ( x) = .
g g 2 ( x)
 27

La regla de cociente es un poco ms complicada que las anteriores. Pero observe como al
escribirla se a puesto cierta semejanza con la regla del producto, excepto el signo menos en el
numerador y que contiene un denominador igual al denominador de la funcin a derivar al cuadrado.

x 2 + 4x + 1
Ejemplo 2.- Encuentre la derivada de la funcin h( x) =
x3 1
Solucin: Aplicamos la regla del cociente interpretando a h como el cociente de la funcin
f ( x) = x 2 + 4 x + 1 entre g ( x) = x 3 1 . As
La derivada la calculamos en varios pasos
f ( x) g ( x) f ( x) g ( x) dejando indicada algunas derivaciones para
h ( x) = analizarla y derivarla en las lneas siguientes.
( g ( x) )
2

( x 2 + 4 x + 1) ( x 3 1) ( x 2 + 4 x + 1)( x 3 1) En ambas derivadas se aplica la propiedad de la suma

= y de la potencia
( x 3 1) 2

Se aplica la propiedad distributiva. En el segundo termino

( 2 x + 4)( x 3 1) ( x 2 + 4 x + 1)3 x 2 distribuimos el 3x 2 . Observe la necesidad de mantener el
=
( x 3 1) 2 parntesis.

2 x 4 + 4 x 3 2 x 4 (3x 4 + 12 x 3 + 3 x 2 ) Se distribuye el menos.

=
( x 3 1) 2

2 x 4 + 4 x 3 2 x 4 3x 4 12 x 3 3x 2
=
( x 3 1) 2
Agrupando trminos semejantes finalmente obtenemos:
x 4 8 x 3 3x 2 2 x 4
h ( x) =
( x 3 1) 2

Ejercicio de desarrollo: Encuentre la derivada de

x+ 2 x + 1 x x + 1
a) f ( x) = ; b) f ( x ) =
x x 5

Comentario: Le recordamos que en este ltimo ejercicio es conveniente reescribir la funcin como:
1
f ( x) = ( x x + 1) para luego aplicar la regla del factor constante. Resulta ms largo aplicar la regla
5
k
del cociente. Ms adelante se presentarn las formas f ( x) = que conviene escribirlas como
f ( x)
f ( x) = k ( f ( x)) 1 para emplear otra regla distinta a la regla del cociente, la cual resulta ms
laboriosa.

Ejemplo 3.- Encuentre la ecuacin de la recta tangente a la curva y = ( 20 3x)( x 2 3x 1) en el punto

donde x=4
Solucin :
 28

Se determina completamente el punto sobre la grfica evaluando la funcin en x = 4 .

y (4) = (20 3 4)(4 2 3 4 1) = 8 3 = 24

Remarcamos que queremos la recta tangente a la grfica de f (x) en el punto (4,24) .

Para determinar la pendiente se calcula y y luego se evala en x=4
Usamos la regla del producto para conseguir la derivada
y = (20 3 x) ( x 2 3 x 1) + (20 3 x)( x 2 3x 1)

y = 3( x 2 3 x 1) + (20 3 x)(2 x 3)
Podemos simplificar este resultado, pero preferimos evaluar de una vez
y ( 4) = 3( 4 2 3 4 1) + (20 3 4)(2 4 3)
y ( 4) = 31
Esto es mtag = 31 .
Finalmente para calcular la recta tangente usamos la ecuacin punto pendiente
( y y 0 ) = m( x x 0 )
( y 24) = 31 ( x 4)
Llevndolo a la forma pendiente-ordenada en origen tenemos que la recta tangente en el punto
(4,24) es:
y = 31x 100

APLICACIONES
Ejemplo 1.- El gobierno va implementar unas medidas para disminuir el porcentaje de desempleo en el
pas. l prevee que el impacto de sus medidas se ver reflejado en el siguiente modelo
0.15t 2 0.2t + 0.17
P(t ) = 100
t 2 + 1.1
donde P es el porcentaje de desempleados en el tiempo t, medidos en aos.
a) Encuentre la funcin que modela la tasa de cambio instantneo del porcentaje de desocupados
una vez que se apliquen las medidas.
b) Estime la tasa de cambio instantneo a los 3 meses, 6 meses, 1 ao y 2 aos.
Solucin :
La tasa de cambio instantneo no es otra cosa que la primera derivada. As que la calculamos
usando la regla del cociente previamente sacamos 100 fuera de la derivada

0.15t 2 0.2t + 0.17
P (t ) = 100
t 2 + 1.1

(0.3t 0.2)(t 2 + 1.1) (0.15t 2 0.2t + 0.17)(2t )
P (t ) = 100
(t 2 + 1.1) 2
0.2t 2 0.01t 0.22
P (t ) = 100
(t 2 + 1.1) 2

Para medir la tasa de cambio a los tres meses,

evaluamos en t = 1 / 4 la primera derivada:
 29

1
0.2(0.25) 2 0.01
0.22
P (0.25) = 100 4 = 15,8%
((0.25) 2 + 1.1) 2
1
0.2(0.5) 2 0.01 0.22
P (0.5) = 100 2 = 9,602%
((0.5) 2 + 1.1) 2
0.2(1) 2 0.01 1 0.22
P (1) = 100 = 0,68%
((1) 2 + 1.1) 2

0.2(2) 2 0.01 2 0.22

P ( 2) = 100 = 2.15%
((2) 2 + 1.1) 2

EJERCICIOS
1) Derive las siguientes funciones
1.1) f ( x) = (4 x 2 )( x + 1) ; 1.2) f ( x) = 4 x 2 ( x + 1) ;
1.3) f ( s) = ( s 2 + 1)(3s 2 3s ) ; 1.4) f ( x ) = (2 x 1)(4 5 x x 3 ) ;
1.5) h( s) = 2 s ( s 2 + 2 s 1) ; 1.6) f ( x ) = 3( x 3)(4 x) ;
4 q
1.7) f ( x) = ( x 1)( x 2)(2 x 2 ) ; 1.8) C (q) = ;
5q
4 q q3 1
1.9) C (q) = ; 1.10) C (q) = ;
q2 1 q 2q + 1
2

2t 2 + 3t 1 2
1.11) f (t ) = ; 1.12) f ( x ) = ;
3
t 3 x
s 2 + 5s + 6
1.13) f ( x) = x 3 33 x ; 1.14) f ( s ) = ;
s 2 + 4s + 4
x x2 1 x 1
1.15) f ( s ) = s 2 / 3 ( s 2 2s ) ; 1.16) f ( x) = + ;
x 1 2 x 4 3x
x(3 x 2 ) ( x 1)(3 x 2 )
1.17) f ( x) = ; 1.18) f ( x ) = ;
3 x 3(1 x)
2x 3
2) a) Utilice la regla del cociente para derivar la funcin f ( x) =
x3
b) Reescriba la funcin como f ( x) = x 3 (2 x 3) y dervela como un producto.
c) Rescriba la funcin como f ( x) = 2 x 2 3 x 3 y dervela como una suma.
d) Demuestre que todas las respuestas son iguales.
x 2 x + 1
3) a) Utilice la regla del cociente para derivar la funcin f ( x) =
x
b) Reescriba la funcin como un producto y dervela usando la regla del producto.
c) Reescriba la funcin como una suma y dervela usando la regla de la suma. (no use la regla del
cociente ni del producto)
d) Demuestre que todas las respuestas son iguales.
4) Encuentre la ecuacin de la recta tangente a la curva y = ( x 3 3x)( x 2 x ) en el punto donde x=4.
2x 1
5) Encuentre la ecuacin de la recta tangente a la curva y = en el punto donde x = 1 .
1 3x
 30

x+ 1
6*) Encuentre los puntos en los cuales la recta tangente a la grfica de la funcin f ( x) = es
x
horizontal.

1.1) 3x 2 2 x + 4 ; 1.2) 3x 2 2 x ; 1.3) 12s 3 9s 2 + 6s 3 ; 1.4) 13 20 x + 3x 2 8 x 3 ; 1.5)

Respuestas:
5 2 2 2 3 x 4 q 2 8q + 1
s s+ 2 2 ; 1.6) 3( + 3 ) ; 1.7) 4 x + 9 x 6 ; 1.8)
3 2 ; 1.9) ; 1.10)
2 2 s x 2 5q 2 ( q 2 1) 2
q 2 2q 2 10t 2 + 6t + 1 1 1
; 1.11) ; 1.12) ; 1.13) (1+1/33) 33 x ; 1.14) ;
2
q 2q + 1 33 t 4 3 x 3
s + 4s + 4
2

2 1 3 5x 2 x 1
1.15) s 2 / 3 (8 / 3s 10 / 3) ; 1.16) 1 + + 2 ; 1.17) ; 3) ;
( 2 x 4) 2
3x 6 x 2 x3
1 13
4) y 728 = 1033( x 4) ; 5) y = x ); 6) (1,2)
16 16

PROBLEMAS EN ECONOMA
1) Encuentre la funcin ingreso marginal cuando I = 2q (30 0.1q ) . Encuentre el ingreso marginal para
q=10. Interprete sus resultados. Respuesta: I = 60 0.4q ; I`(10)=56
q + 750
2) p = representa la ecuacin de demanda para cierto artculo donde p denota el precio por
q + 50
unidad cuando se demanda q unidades. Encuentre la funcin de ingreso marginal.
q 2 + 100q + 37500
Respuesta: I = )
(q + 50) 2
3) El Producto Nacional Bruto de cierto pas crece con el tiempo de acuerdo con PNB(t)= t 2 + 4t + 20 .
La poblacin al tiempo t es P(t)= 0.1t 2 + t + 2 (millones de habitantes). Calcule la razn de cambio del
PNB (t )
ingreso per capita en el instante t=10. (El ingreso per capita se define como f ( x) = el Producto
P (t )
Nacional Bruto dividido entre el tamao de la poblacin.) Respuesta: 0.099
4) Se espera que la venta de un nuevo equipo de sonido siga el siguiente comportamiento con respecto al
10t
nmero de meses luego que se ha lanzado al mercado S (t ) = 2 miles de equipos al mes.
t + 30
a) Encuentre la razn de cambio instantnea de las ventas a los 3 meses.
b) Encuentre la razn de cambio instantnea de las ventas a los 6 meses.
c) Encuentre la razn de cambio instantnea de las ventas a los 9 meses.
d) Interprete sus resultados.
Respuesta: a) 0.1381x1000; b)-13.8; c) -41.4; d) A los diez meses se vendern aproximadamente 41
equipos menos que en el mes anterior.
250 p
5) La ecuacin de demanda de cierto artculo es q = . Determinar la razn de cambio de la
p
demanda con respecto al precio. a) Calcule esta razn de cambio para p=5. b) Interprete sus resultados.
(Respuesta: a) 25 , b) Si el precio aumenta en 1UM, es decir cuando pasa a 6UM, entonces la
demanda disminuye en aproximadamente 25 unidades)
6) Las ventas de un artculo V depende de la inversin x que se haga en publicidad mediante la
30
relacin V ( x) = 100 , donde x est expresado en miles de UM y V en miles de unidades. a)
x+ 5
Encuentre la razn de cambio promedio de las ventas con respecto a la inversin en publicidad cuando
x = 5 ; b) Interprete sus resultados. c*) Su interpretacin se basa en hacer una estimacin, haga el
 31

calculo exacto. Respuesta: a)300 unidades, b) Si la inversin aumenta en un 1000 UM, es decir ahora
se gasta x=6 UM en publicidad, las ventas aumenta en 300 unidades aproximadamente; c) 272,7

I3 + I + I + 6
7) Sea C ( I ) = la funcin de consumo de cierto pas, donde I y C vienen dadas en
I + 2
miles de millones de UM.. Encuentre la propensin marginal al consumo y al ahorro cuando el ingreso
es de 16 miles de millones de UM. Interprete su resultado. Respuesta 0.868; Para un nivel de ingreso
nacional de 16 mil millones de UM, si hay un incremento del ingreso de la nacin de mil millones de
unidades monetarias, aproximadamente el 86.8% de ese aumento se consume y el resto se ahorra)
3
8) Sea S ( I ) = I + 2 I + 6 la funcin de ahorro de cierto pas. a) Encuentre la propensin marginal al
I + 10
consumo y al ahorro cuando I = 100 . b) Interprete sus resultados. Respuesta: C (100) = 0.89 ;
S (100) = 0.11
3q 2 + 3.5q
9) El ingreso total por la venta de q artculos est dada por I ( q) = . Encuentre el ingreso
q+ 1
marginal cuando se venden 30 artculos. b) Interprete sus resultados. Respuesta: 3 UM
10) En ciertos terrenos se estima que si se plantan 100 matas de mangos por hectrea se obtendr un
valor de la cosecha por rbol de 500 UM en su edad adulta. Se estima que por cada rbol que se
siembre de ms har que el valor promedio por rbol disminuya en 4 UM. Determine la funcin de
ingreso marginal en funcin del nmero de rboles adicionales sembrados despus de 100.
Respuesta: 8q + 100

Demostracin de la Regla del Producto: Planteamos la derivada de la funcin ( f g )( x) por

definicin:
( f g ) ( x) = lim ( f g ) ( x + h) ( f g ) ( x )
h 0 h
f ( x + h) g ( x + h) ( f ( x) g ( x) )
= lim Se suma y resta f ( x) g ( x + h)
h 0 h
f ( x + h) g ( x + h) f ( x ) g ( x + h) + f ( x ) g ( x + h) f ( x) g ( x)
= lim Lmite de una suma
h 0 h
f ( x + h ) g ( x + h ) f ( x ) g ( x + h) f ( x ) g ( x + h) f ( x) g ( x + h)
= lim + lim Se reescribe
h 0 h h 0 h
f ( x + h) f ( x ) g ( x + h) g ( x)
= lim g ( x + h) + lim f ( x) Lmite del producto
h 0 h h 0 h

= lim g ( x + h) lim f ( x + h) f ( x) + lim f ( x) lim g ( x + h) g ( x) Se usa definicin de derivada

h 0 h 0
h 0 h h 0 h
= f ( x ) g ( x) + f ( x ) g ( x )
 32

REGLA DE LA CADENA

Hasta ahora funciones como h( x) = x 2 + 1 no tenemos una regla para derivarla: no es una
suma, producto o cociente.
La regla de la cadena es usada para derivar funciones compuesta. La funcin h( x) = x 2 + 1 la
interpretamos como una composicin. Si definimos f ( x) = x y g ( x) = x 2 + 1 , entonces
h( x) = ( f g )( x) = f ( g ( x))

Regla de la cadena
Teorema.- Sean f y g dos funciones tales que f es diferenciable en g (x) y g es diferenciable en
x , entonces h = ( f g ) es diferenciable en x y
h ( x) = f ( g ( x)) g ( x)

La forma de decir la regla de la cadena en la prctica es:

La derivada de una composicin es la derivada de la
funcin externa, f, evaluada en la interna por la derivada de la
interna.

En la notacin de Leibniz si consideramos u = g (x) , la regla de la cadena queda expresada

como
dy dy du
=
dx du dx

Ejemplo 1.- Encuentre la derivada de h( x) = ( 2 x 3 + 1) 33

Solucin: Se define la funcin interna como u = g ( x) = 2 x 3 + 1 y la externa como f (u ) = u 33 .
Entonces h( x) = ( f g )( x) y
du
= g ( x) = 6 x 2 y f (u ) = 33u 32
dx
Aplicando la regla de la cadena se obtiene
h ( x) = f ( g ( x)) g ( x)
= f ( 2 x 3 + 1) 6 x 2
= 33(2 x 3 + 1) 32 6 x 2
= 198 x 2 ( x 3 + 1) 32

Funciones como la del ejemplo anterior o como h( x) = x 2 + 1 son de la forma ( g ( x)) r , en este
ltimo caso con r = 1 / 2 . Para derivar esta forma podemos usar directamente la siguiente:

REGLA DE LA POTENCIA GENERALIZADA:

( )
( g ( x )) r = r ( g ( x)) r 1 g ( x)
 33

Demostracin: Si definimos la externa como f (u ) = u r y simplemente u = g (x) . Entonces

h( x) = ( f g )( x) y
du
= g (x) y f (u ) = ru r 1
dx
Aplicando la regla de la cadena se obtiene
h ( x) = f ( g ( x)) g ( x)

= r ( g ( x) ) r 1 g ( x )

2
Ejemplo 2.- Encuentre la derivada de las siguientes funciones: a) h( x) = x 2 + 1 b) f ( x) = 2
x + 3x
Solucin:
a) Reescribimos h( x) = ( x 2 + 1)1 / 2 y aplicamos la regla de la cadena generalizada con r = 1 / 2 :
1
1 2 1
h ( x) = r (( g ( x)) r 1 g ( x) = ( x + 1) 2 ( 2 x)
2
x
h ( x) =
x2 + 1
c) Reescribimos f ( x) = 2( x 2 + 3 x) 1 y aplicamos la regla del factor constante
(
f ( x) = 2( x 2 + 3x) )
1

A la parte que queda por derivar se le aplica la regla de la potencia

( 2
= 2 ( x + 3 x) 1
)
generalizada = 2r ( g ( x)) r 1 g ( x) con r = 1 y g ( x) = ( x 2 + 3 x)

= 2( 1)( x 2 + 3x) 2 ( x 2 + 3x)

= 2( 1)( x 2 + 3x) 2 (2 x + 3)
2(2 x + 3)
=
( x 2 + 3 x) 2

2
Comentario. En este ltimo ejemplo se reescribi f ( x) = como f ( x) = 2( x 2 + 3 x) 1 . Este
2
x + 3x
procedimiento resulta til si el numerador es numrico, pero en el caso que contenga la variable es
preferible considerarlo como un cociente.

Ejemplo 3.- Encuentre la derivada de las siguientes funciones

3
2x + 3 4 2 2
a) y = ; b) f ( x) = (3x + 5) ( x + 2) .
3 x + 5
Solucin:
3
2x + 3 r
a) La funcin y = es de la forma ( g ( x)) . As que aplicamos la regla de la potencia
3x + 5
generalizada.
y = r ( g ( x) r 1 g ( x)
2
2x + 3 2x + 3
y = 3 La parte que queda por derivar es un cociente
3x + 5 3x + 5
 34

2
2 x + 3 2(3x + 5) 3(2 x + 3)
y = 3
3x + 5 (3x + 5) 2

2
2 x + 3 6 x + 10 6 x 9
y = 3
3x + 5 (3x + 5) 2

2
2x + 3 1
y = 3 Aplicando propiedades de exponentes podemos expresar la derivada como
3 x + 5 (3x + 5) 2

3( 2 x + 3) 2
y =
(3x + 5) 4

c) La funcin f ( x) = (3x + 5) 4 ( x 2 + 2) 2 es un producto, para derivar aplicamos entonces la regla del

producto:
(
) (
f ( x) = (3x + 5) 4 ( x 2 + 2) 2 + (3x + 5) 4 ( x 2 + 2) 2 . )
Las partes a derivar tienen la forma ( g ( x)) r , as que usamos la regla de la potencia generalizada:

f ( x) = 4(3 x + 5) 3 (3 x + 5) ( x 2 + 2) 2 + (3x + 5) 4 2( x 2 + 2)( x 2 + 2)

= 4(3x + 5) 3 3( x 2 + 2) 2 + (3x + 5) 4 2( x 2 + 2) 2 x .
En vez de desarrollar las potencias, multiplicar y agrupar trminos semejantes, se va a presentar
el resultado factorizado, esto ser conveniente posteriormente para conseguir las races de la primera
derivada. Para factorizar sacamos factor comn: 4(3x + 5) 3 ( x 2 + 2) . As

(
f ( x) = 4(3x + 5) 3 ( x 2 + 2) 3( x 2 + 2) + x(3x + 5) ) Se distribuye el 3 y x

(
= 4(3x + 5) 3 ( x 2 + 2) 3x 2 + 6 + 3x 2 + 5 x ) Se agrupan trminos semejantes

(
= 4(3x + 5) 3 ( x 2 + 2) 6 x 2 + 5 x + 6 )

Ejercicio de desarrollo Encuentre la derivada de las siguientes funciones:

( 3
a) y = (3 x 2 + 1) x + 1 ; ) b) f ( x) =
(3x 2 + 1) 4
( 2 x 1)
; c) f ( x) =
4
3x + 1

La regla de la cadena tambin es usada en la siguiente forma:

En ocasiones tenemos una variable y que depende de una variable u y u a su vez es funcin de la
variable x. Es claro que y es una funcin de x al realizar la composicin. Se quiere conseguir
dy
sin realizar la composicin de funciones, sino a travs de la regla de la cadena:
dx

dy dy du
= .
dx du dx
 35

dy
Ejemplo 4.- Sean y = 3u + 1 y u = x 2 + x . Encontrar
dx
Solucin: Usando la regla de la cadena tenemos:
dy dy du
=
dx du dx
dy 2
= (2 x + 1) . Sustituyen u por x 2 + x obtenemos finalmente
dx 2 2u + 1
dy 2
= (2 x + 1)
dx 2 2( x + x) + 1
2

APLICACION
Ejemplo 1.- Un estudio ambiental revela que el nivel medio de monxido de carbono ser
aproximadamente de c( p ) = 0.5 p + 17 partes por milln cuando la poblacin es de p miles de
3
habitantes. Se ha modelado que la poblacin de la comunidad ser de p (t ) = 100 , donde t es
t+ 2
medido en aos A qu razn cambiar el nivel de monxido de carbono respecto al tiempo dentro de 4
aos?
dc
Solucin: Se pide en t=4. Calculamos la derivada usando la regla de la cadena para este caso,
dt
observe que c es funcin de p y p de t, as:
dc dc dp
=
dt dp dt
dc 0.5 3
= .
dt 2 0.5 p + 17 (t + 2) 2
dc
Calculamos usando la formula anterior. Para ello debemos determinar el valor de p cuando t=4
dt t= 4

3 1
p ( 4) = 100 = 100 = 99,5 .
4+ 2 2
De esta manera
dc 0.5 3
= 2
dt t= 4 2 0.5(99.5) + 17 ( 4 + 2)

dc
= 0.00255 partes por milln por ao.
dt t= 4

Ejercicio de desarrollo.- Para cada una de las siguientes funciones indique los pasos que usted hara
para conseguir la derivada.
Ejemplo: f ( x) = 2 x 2 + 1 . Se reescribe la raz. El 2 sale afuera de la derivacin por la regla del factor
constante. Se aplica la regla de la potencia generalizada ( x 2 + 1)1 / 2 . La derivada interna se deriva como
una suma
a) f ( x ) = x + 5 x + x 2 ; b) f ( z ) = 5 4 5 1 z ; c) h( x) = x ( x 2 1) 2 2 ( x 1) 2 ;
 36

3x x
d) f ( x ) = ; e) g ( x) = ; f) f ( x) = ( 2 x 1) 3 ( x + 3) ;
x 3 x+ 2
5
2( x + 3) 1 ( 2 x 1)5 2t 1
g) y = + ; h) h( x) = ; i) f (t ) = ;
5 3 3 (1 x )5 1 t
2
( 2 x 1) 2 (t + 3) 2 (2 x 1) 2 (3x 1) 4
j) y = ; k) g (t ) = 3 ; l) y = + 2
5x + 1 2t + 1 5x + 1 x 1 5

EJERCICIOS
1) Derive las siguientes funciones
1.1) y = (4 x 1) 6 ; 1.2) f ( x) = (4 x 2 ) 4 ; 1.3) f ( x) = (3 x x 2 ) 4 ;
(3 x 3 + 1) 3
1.4) y = 4(1 + 3 x 3 x 2 ) 2 ; 1.5) y = ; 1.6) y = ( 4 x 2 + 1) 4 ;
4
1 2
1.7) f ( x) = ; 1.8) f ( x) = ; 1.9) f (t ) = t+ 3;
(3 x 1) (3 x + 1) 2
2

2
1.10) f ( x ) = 5 2 x 2 + 3 ; 1.11) y = 3
(1 x) 2 ; 1.12) f (t ) = ; 1.13)
5 (3t 1) 3
1
1.14) f ( x) = 4x
5
f ( z) = 2z + 2z ; 5 ; 1.15) f ( x) = x( x 1) 3 ;
4x
1.16) f ( x) = 3 x 2 (3 x ) 5 ; 1.17) f (t ) = t 2 t + 3 ; 1.18) f ( x ) = ( 4 x 1) 3 (5 x + 3) 2 ;
(3 x 1) 3 3x 1
3

1.19) y = ( x + 3)(1 x ) ; 1.20) f ( x) = ; 1.21) f ( x) = ;

(1 5 x ) 3 1 5x
x2 1 3x 1 (3x 1) 2
1.22) y = ; 1.23) f ( x) = 3 ; 1.24) f ( x) = 3 ;
(3x + 1) 2 2 x (2 x ) 5
1.25) f ( x) = 5( x 3 2 x + 2) x + 3 ; 1.26) f ( x ) = 5 x 3 2 x + 2 3 x ;
3
x 1 x 1
1.27) y = ; 1.28) f ( z ) = z2 + 1
; 1.29) h(t ) = ( 2t + 1)( t + 2) + 2
4 x 4 1 z
2) Encuentre la ecuacin de la recta tangente a la grfica de f ( x) = ( x 2 5) 3 cuando x =3

Respuestas: 1.1) 24(4 x 1) 5 ; 1.2) 8 x(4 x 2 ) 3 ; 1.3) 4(3 2 x)(3x x 2 ) 3 ;

27 x 2 (3 x 3 + 1) 2 3
1.4) 24(1 2 x)(1 + 3 x 3 x 2 ) ; 1.5) ; 1.6) 32 x(4 x 2 + 1) 5 ; 1.7) ;
4 (3x 1) 2
1 10 x 2 9
1.8) 24 x (3x 2 + 1) 3 ; 1.9) ; 1.10) ; 1.11) 3 ; 1.12) ; 1.13)
2 t+ 3 2x + 3
2
3 1 x 5 (3t 1) 5
5
2 4 1
+ 2 ; 1.14) + ; 1.15) f ( x) = ( x 1) 2 (4 x 1) ;
5 4 5 6
2 z 5 x 5 4x
t (5t + 12) ( x + 1)
1.16) 3x (3 x ) 4 (6 7 x) ; 1.17) ; 1.18) 2(4 x 1) 2 (5 x + 3)(50 x + 13) ; 1.19) ;
t+ 3 ( x + 3)(1 x)
2
6(3 x 1) 2 6 3x 1 2x + 6 5 2 x
2
1.20) ; 1.21) ; 1.22) (3x + 1) 3 ; 1.23)
3 ;
(1 5 x) 4 (1 5 x ) 2 1 5 x 3(2 x) 2 3x 1
 37

9x + 7 7 x 3 + 18 x 2 6 x 10 1
1.24) ; 1.25) 5 ; 1.26) 15 x 2 2 ;
8
33 (2 x ) (3 x 1) 2 x+ 3 3 x

3 3( x 1) 2 z+1 4t + 5
1.27) ; 1.28) ; 1.29) ; 2) y = 18 x 46
(4 x ) 2
4 3 ( z 1) x + 1
2
2 2t 2 + 5t + 4

PROBLEMAS DE ECONOMA
1) Se ha estimado que el consumo de gasolina en cierta ciudad depender de los habitantes que tenga y
p2 50
est dado por c( p) = + 11 . Si el tamao de la poblacin se estima en p(t ) = 100 miles.
2 (t + 2) 2
dc 50 p
A qu razn de cambiar el consumo de gasolina con respecto al tiempo? Respuesta: =
dt (t + 2) 3
50
donde p (t ) = 100
(t + 2) 2
1
2) La ecuacin de demanda de cierto artculo es p = 25 . Determinar la razn de cambio del precio
1+ q
con respecto a la demanda. a) Calcule esta razn de cambio para q=9. b) Interprete sus resultados.
1
Respuesta:
4
1
3) (Demanda marginal) La ecuacin de demanda de un artculo est dada por q = 0 . Determinar
p+ 2
la demanda marginal para un precio de p=1. Interprete sus resultados. (Se define como demanda
1
marginal a dq dp ) Respuesta:
9
4) Sea C ( I ) = 1.2 I 5 I + 4 + 6 la funcin de consumo de cierto pas, donde I y C vienen dadas en
miles de millones de UM . a) Encuentre la propensin marginal al consumo y al ahorro cuando I = 32 .
b) Interprete sus resultados.
Respuesta 0.783
20
5) La funcin de ingreso por la venta de cierto artculo est dada por I ( q ) = + 20 x 10 , donde q
(1 + 3 x )
est dado en miles de unidades y el ingreso en miles de UM. Determine el ingreso marginal cuando el
nivel de ventas es de 1000 unidades. Interprete sus resultados. Respuesta: 16.250UM

PROBLEMAS EN CIENCIAS SOCIALES

1) (Demografa) Para una poblacin de 50.000 habitantes el nmero de personas que se estiman vivirn
ms de x aos est modelado por E ( x) = 5.000 100 x . Calcule la razn de cambio de E con respecto
a x cuando x=51? Respuesta: -357
 38

DERIVADAS DE FUNCIONES ESPECIALES

A continuacin presentamos la derivada de funciones de uso frecuente.

1
(ln x ) =
x
(e ) = e x
x

Podemos obtener por definicin la derivada del logaritmo neperiano, haciendo uso del lmite notable
lim(1 + x ) = e . Tenemos entonces por definicin de lmite que
1/ x
x 0

x+ h 1/ h
d ln( x + h) ln( x) ln 1 h h
(ln( x)) = lim x = lim ln 1 + = lim ln 1 +
= lim h 0
dx h 0 h h x h 0 x
h 0 h
Usando continuidad de la funcin logaritmo tenemos que
1
1/ h
x

x x
1 1/ x
d h h xh
h
(ln(x)) = ln lim 1 + h
= ln lim 1 + = ln lim 1 + = ln lim(1 + z ) z
dx h 0 x h 0 x z 0
h 0 x

1 1
= ln e1 / x = ln e = .
x x
Prximamente deduciremos la derivada de e x

Observacin: La frmula para la derivada del logaritmo es en base e, luego se dar la frmula para
cualquier base. Un comentario similar hay con respecto a la funcin exponencial.

Ejemplo 1.- Encontrar la derivada de las siguientes funciones:

a) y = 3 ln x ; b) y = xe x ; c) y = ln x
Solucin:
a) Aplicando la regla del factor constante queda
1 3
y = ( 3 ln x ) = 3( ln x ) = 3 =
x x
b)Se aplica la regla de producto
y = x e x + x(e x ) = e x + xe x
Finalmente podemos expresar el resultado de la derivada en forma factorizada
y = e x (1 + x )
c) Se reescribe primero y = ln x = (ln x)1 / 2 , se aplica la regla de la potencia generalizada
1 1 1
y = (ln x ) 1 / 2 (ln x ) = (ln x) 1 / 2 Reescribiendo esta ltima expresin obtenemos
2 2 x
1
y =
2 x ln x

Ejercicio de desarrollo. Encontrar la derivada de las siguientes funciones:

ex x
a) y = x ln x b) y = c) y =
2 e x
 39

FORMAS FRECUENTES DE FUNCIONES ESPECIALES:

Las funciones especiales frecuentemente vienen dadas con un argumento distinto a simplemente
la variable. Esta situacin la podemos escribir en cada caso como: ln g ( x) y e g ( x ) ,. Todas ellas pueden
ser expresadas como una composicin donde la funcin interna es u = g (x) . Para obtener la derivada
de cada una de estas formas se usa la regla de la cadena. Las funciones externas f son respectivamente:
ln , e . La funcin interna es en todos los casos: u = g (x) . Aplicando a cada caso la regla de la
cadena:
h ( x) = f ( g ( x)) g ( x) .

( ln g ( x)) =
1
g ( x)
( g ( x))

(e ) = e
g ( x) g ( x)
g ( x)

Ejemplo 2.- Encontrar la derivada de las siguientes funciones:

1 2
a) y = ln( x 2 + 1) b) y = e x ; c) y = xe x .
2
Solucin
a) La funcin es de la forma ln g ( x) . Remarcamos que la funcin externa es ln y la interna
g ( x) = x 2 + 1 . Aplicamos entonces la regla de la cadena:

(
y = ln( x 2 + 1) )
1 No se olvide de la
= 2
( x 2 + 1) derivada interna
x +1
2x
= 2
x +1

b) La funcin es de la forma e g ( x ) . La funcin externa es e y la interna g ( x) = x

( ) = e
y = e x x
( x) = e x
1 2

c) Para derivar y = x e x usamos primero la regla del factor constante

2

y =
1
2
( x e )
x2
Se aplica entonces la regla del producto.

y =
1
2
( e + x (e ) )
x2 x2 2
Ahora queda por derivar e x que tiene la forma e g ( x )

y =
1
2
(e + x(e )( x ) )
x2 x2 2
Al derivar x 2 y reordenar la expresin queda

y =
1
2
(e 2 x (e ) )
x2 2 x2 2
Se saca e x de factor comn
x2
y =
e
(1 2 x ) 2

2
 40
Reescritura

Cuando tenemos un logaritmo de un producto, cociente o potencia podemos usar las propiedades
del logaritmo para reescribir la funcin de tal manera que resulte ms fcil y rpido de derivar.

Ejemplo 3.- Encontrar la derivada de la siguiente funcin y = ln[(3x + 1)( x + 2) 2 ]

Solucin: Reescribimos la funcin usando primero la propiedad del producto y luego la de la potencia:
y = ln(3x + 1) + ln( x + 2) 2
y = ln(3 x + 1) + 2 ln( x + 2)
Esta ltima forma es la que derivamos, aplicando primero la derivada de la suma

y = ( ln(3x + 1) ) + ( 2 ln( x + 2) ) Se aplica regla de la cadena a ln(3 x + 1) y
regla del factor constante al segundo trmino.
1
y = (3x + 1) + 2( ln( x + 2) )
3x + 1
1 1
y = 3+ 2 1
3x + 1 x+ 2
3 2
y = +
3x + 1 x + 2

Ejercicio de desarrollo. Encontrar la derivada de las siguientes funciones:

x 2x 1
a) y = ln 1 x b) y = 2
+1
; c) y = ln
4e 3 x 3x x + 1

Ejemplo 4.- Encontrar la derivada de la siguiente funcin: y = ln x

Solucin:
Reescribimos la funcin usando exponente fraccionario y = (ln x 1 / 2 )1 / 2 . Qued escrita de la
forma ( g ( x)) r , con g ( x) = ln x1 / 2 y r=1/2. Se aplica la regla de la potencia generalizada:

1
y = (ln x1 / 2 ) 1 / 2 (ln x 1 / 2 ) Se reescribe la expresin a derivar
2
1 1
y = (ln x 1 / 2 ) 1 / 2 ( ln x ) Se aplica la regla del factor constante
2 2
1 1
y = (ln x1 / 2 ) 1 / 2 (ln x )
2 2
1 1 1
y = =
4 ln x x 4 x ln x

Ejercicio de desarrollo. Encontrar la derivada de las siguientes funciones:

xe 2 x xe 3 x + 1 1
a) y = ln( x( x 2 1)) b) y = c) y =
x+ 1 e 3x
 41

A continuacin deduciremos la derivada de la exponencial a partir de las derivadas de logaritmos

Sea g ( x) = e x , como el logaritmo es la funcin inversa de la exponencial tenemos que
ln g ( x) = x Derivamos ambos miembros
g ( x)
=1 Finalmente al despejar g (x) obtenemos que g ( x) = g ( x) , esto es
g ( x)

g ( x) = e x Finalmente hemos concluido que (e x ) = e x

FRMULAS PARA LAS DERIVADAS DE FUNCIONES LOGARTMICAS Y

EXPONENCIALES CON BASE DISTINTA A e.

Para obtener una frmula para la derivada de y = log a g ( x ) nos basamos en la frmula de
cambio de base
ln( g ( x))
log a ( g ( x)) = .
ln(a )
As
1
ln( g ( x ))
1 1
( log a ( g ( x)) ) = = (ln( g ( x )) = ( g ( x)) g ( x)
ln(a ) ln a ln a

1 1
( log a ( g ( x ) ) ) = g ( x)
( g ( x)) ln a

Esta frmula es expresada en manera coloquial como sigue:

La derivada de un logaritmo con base distinta a e es la derivada del logaritmo por un factor de
1
correccin. En este caso el factor de correccin es
ln a
Para obtener una frmula para la derivada de y = a g ( x ) , usamos el hecho que el logaritmo es la
a g ( x ) = e ln a . Esta la escribimos como y = e ln a g ( x ) , la cul
g ( x)
funcin inversa de la exponencial:
derivamos

( a ( ) ) = e
g x ln a g ( x )
(ln a g ( x)) Usamos la regla del factor constante

= e ln a g ( x ) ln a g ( x) Finalmente usamos a g ( x ) = e ln a
g ( x)
para obtenemos

( a ( ) ) = a
g x g ( x)
g ( x) ln a

Esta derivada es expresada como:

La derivada de una funcin exponencial con base distinta a e es la derivada de la exponencial
por un factor de correccin. En este caso el factor de correccin es ln a
 42

Ejemplo 6.- Encontrar la derivada de las siguientes funciones:

a) y = log 2 ( x + 2 x) b) y = x log 2 ( x 3 + x) ; c) y = 2 x
Solucin:
1 1
a) Se derivar usando la formula ( log a ( g ( x)) ) = g ( x)
( g ( x)) ln a

(
y = log 2 ( x + 2 x)

)
Recuerde que si la base es distinta a e hay un
=
1
x + 2x
( 1
x + 2x
ln 2
) factor de correccin en la derivada

1 1 1
= + 2 Realizando la suma intermedia y los productos tenemos
x + 2x 2 x ln 2

1+ 4 x
=
2 ln 2 x ( x + 2x )
b) Aplicamos la regla del producto

dy d d
= ( x) log 2 ( x 3 + x) + x (log 2 ( x 3 + x)) Se usa cambio de base en el segundo logaritmo.
dx dx dx

d ln( x 3 + x)
= 1 log 2 ( x 3 + x) + x ( ) En el segundo trmino aplicamos la regla del Factor Cte.
dx ln 2
1 d
= log 2 ( x 3 + x) + x (ln( x 3 + x))
ln 2 dx
x 1 d 3
= log 2 ( x 3 + x) + 3
( x + x)
ln 2 ( x + x) dx

x 1
= log 2 ( x 3 + x) + 3 (3x 2 + 1) Sacamos x de factor comn en el denominador y simplificamos.
ln 2 ( x + x)

3x 2 + 1
= log 2 ( x 3 + x) +
ln(2)( x 2 + 1)

d
Alternativamente para calcular (log 2 ( x 3 + x)) pudimos usar la frmula
dx

1 1
( log a ( g ( x))) =
( g ( x))
g ( x)
ln a

en vez de usar la frmula de cambio de base antes de derivar.

x
x
c) Alternativa 1.- Reescribimos la funcin y = 2 como y = e ln 2 = e x ln 2 . Esta ltima es la que
g ( x)
derivamos, la cual tiene la forma e
dy d d
= (e x ln 2
)=e x ln 2
( x ln 2)
dx dx dx
 43

x ln 2 d 1/ 2
=e ln 2 (x ) De una vez usamos el hecho que e x ln 2
= 2 x
dx
x 1
= 2 ln 2 1 / 2 Esta forma de la derivada la reescribimos usando
2x
x1
propiedades de exponente y multiplicacin de fracciones.
2 ln 2
=
x

Alternativa 2.- Se usa la frmula: y = a g ( x ) g ( x) ln a

Directamente entonces obtenemos

y = 2 ( ) x

= 2 x
( x ) ln 2
x1
ln 2 x 2 ln 2
= 2 =
2 x x

Ejercicio de desarrollo. Encontrar la derivada de las siguientes funciones:

1
(1 x) 2 x + 1
a) y = log ; b) y = 10
x

x3
x

APLICACIONES
Ejemplo 1.- Un modelo de crecimiento de cierto pas est dado por P(t ) = 25(1.03) t millones de
habitantes a partir de 1999. A qu razn cambiar la poblacin con respecto al tiempo t aos despus?
dP
Solucin: Debemos conseguir . La funcin P(t ) = 25(1.03) t tiene forma exponencial
dt
dP d (1.03) t
= 25 . Se aplica (a x ) = ln(a) a g ( x ) g ( x ) , obteniendo
dt dt

dP
= 25 ln(1.03) (1.03) t 1 .
dt
dP
Por tanto la poblacin cambiar a una razn de = 25 ln(1.03) (1.03) t millones de habitantes en el
dt
ao t.

Ejercicio de desarrollo.- Para cada una de las siguientes funciones indique los pasos que usted hara
para conseguir la derivada. Considere reescribir.
Ejemplo: f ( x) = 2 x ln( x 2 + 1) . El 2 sale afuera de la derivacin por la regla del factor constante. Se
aplica la regla del producto, quedan dos trminos en uno hay que derivar ln( x 2 + 1) el cual tiene la
forma del logaritmo de g(x). La derivada interna se deriva como una suma
2
a) f ( x ) = e + ln x + x 2 ; b) f ( z ) = 3e x + 1 ; c) h( x) = ln( x 2 x) + ln 2 ;
 44

ln x x
d) f ( x ) = ; e) g ( x) = ln ;
f) f ( x) = ln(e x 1) ;
ln x 2 x+ 2
ln(3 x 1) 1 ( x 1)5 2
g) y = + x; h) h( x) = ln
5 ; i) h( x) = 2 ;
5 e (1 3x ) 3e x
2 ln x 1 e 2x 2 ln 3
j) y = ; k) g (t ) = ; l) y = + 2 ;
ln(3 x 1) ln( x 1) 5x + 1 e x

( 2
m) g ( x) = ln 2 x 3x ;
2
) n) g ( x) = ( ln( x 2 + 1) ) ;
2
) y =
e2x x
x
;
ln( x 1) 2
o) y = log( x ) ; p) h( x) = x 23 x ; q) g ( x) =
2x + 1

EJERCICIOS
1) Encuentre la derivada de las siguientes funciones
1.1) y = ln(3 x 4) ; 1.2) f ( x) = x ln x 2 ; 1.3) f ( x) = ln(1 2 x 3 ) ;
ln( z 2 + 1) z
1.4) g (t ) = (4t 1) 2 ln(3t + 5) ; 1.5) h( z ) = ; 1.6) f ( z ) = ;
z
2
ln( z + 1)
x2 s4 + 1 s 4 + 1
1.7) f ( x) = ln 2 ; 1.8) f ( s) = ln 4 ; 1.9) f ( s) = ln 4 ;
x + 1 s4 1 s 1
1.10) y = ln ( (3 x 1)(4 x + 1) ) ; 1.11) h( x ) = ln ( x( x 1) 3 ) ; (
1.12) y = ln ( 4 x 1) 2 3 x 2 + 1 ; )
1.13) y = ln( x ) 1 ; 1.14) y = ln x + ln x ;
4 4
1.15) y = ln(1 + ln( x ) ) ;
3 3
1.16) h( x ) = ln( 2 x + 1) ; 1.17) g ( x ) = ln( 2 x ) + 1 .

2) Encuentre la derivada de las siguientes funciones

2
3x
ex
2.1) y = e 4 x 5 ; 2.2) y = 2e 4 3 x ; 2.3) y = ;
4
ex 1
2.4) y = e ln x 3 ; 2.5) y = x 2 e x ; 2.6) y = ;
e x + 1
2.7) y = ( x 3 + 1)e 3 x ; 2.8) y = 4 x 3 + 3 x ;
2
2.9) y = 3 x ;
2
2.11) y = 3 e ; 2.12) y = + (e 2 x ) 2 ;
2
2.10) y = 3 3 x 3 x ;
e 2x
2
2.13) y = (e 2 x + 1) 9 ; 2.14) y = ln(1 + e 2 x ) ; 2.15) y = 2x ;
e + 2

3) Encuentre la derivada de las siguientes funciones. Considere reescribir

1 1 ln(1 x )
3.1) y = ln(1 + e 2 x ) ; 3.2) y = + 2 x ; 3.3) y = ;
e e ln(1 + x )
1 e x e x
3.4) y = ln
x ; 3.5) y = ln ;
3.6) y = ln x 2 ln x 3 ;
1 + e 2
2 ln x + 1
x2 + 1
3.8) y = e
2
3.7) y = ln 2 ln 3 x ; ; 3.9) y = ln x + 1 ln x ;
2
ex e
3.10) y = ; 3.11) y = 4 x 22 x ; 3.12) y = ln 5 (e x + 1) ;
ex
 45

ln(1 x) e x 1 x
3.13) y = ln(e x + 1) 5 ; 3.14) y = 2 ; 3.15) y = ;
2x e x+ 2

( )
3.16) y = log e 3 x ; 3.17) y =
( );
log x 2
3.18) y = 1 + log( x)
x2
4) Si f ( x) = 33 x
; encuentre f (4)
5) Encuentre la ecuacin de la recta tangente a la curva y = x 2 e 3 x 3 cuando x=1;
e kt
6) Cierta cantidad crece segn la ley C (t ) = . Calcule la razn de cambio porcentual de C con
t
respecto a t.

3 6x 2 3( 4t 1)
Respuestas: 1.1) ; 1.2) 2(ln x + 1) ; 1.3) ; 1.4) (4t 1)(8 ln(3t + 5) + ) ; 1.5)
3x 4 1 2x 3
3t + 5
2 z 2 ( z 2 + 1) ln( z 2 + 1) ( z 2 + 1) ln( z 2 + 1) 2 z 2 2 8s 3
; 1.6) ; 1.7) ; 1.8) ; 1.9)
z 2 ( z 2 + 1) ( z 2 + 1) ln 2 ( z 2 + 1) x( x + 1)
2
s8 1
1/ 2
4 s 3 s 4 + 1 24 x 1 4x 1 12 x 2 + 27 x + 8
ln
; 1.10) ; 1.11) ; 1.12) ; 1.13)
s 8 1 s 4 1
(3x 1)(4 x + 1) x( x 1) (4 x + 1)(3x 2 + 1)
1 4 4 ln 3 x 1 6 3
1.14) + ; 1.15) (ln( x ) + 1) x ; 1.16) ;1.17) (ln( 2 x ) + 1)2 x ;
2 x ln x 1 x x (2 x + 1) ln ( 2 x + 1)
2

2 x 3 x2 3x 2 + e x e x
2.1) 4e 4 x 5 ;2.2) 6e 4 3 x ; 2.3) e ; 2.4) 1 ; 2.5) x(2 x)e x ; 2.6) ; 2.7)
4 (e x + 1) 2
3( x 3 + x 2 1)e 3 x ; 2.8) 12 x 2 + 3 x ln 3 ; 2.9) 2 ln(3) x3 x ; 2.10) 3 ln 3 3 x 3 x (1 + 2 x) ; 2.11)0;
2 2

2e 2 x 4 2e 2 x
2.12) 4(e 2 x + e 4 x ) ;2.13) 18e 2 x (e 2 x + 1) 8 2.14) y = ; 2.15) ; 3.1) ; 3.2) 2e 2 x ;
1 + e 2x 1 + 2e 2 x 1 + e 2x
(1 + x ) ln(1 + x) + ln(1 x)(1 x) e x + 2 ex 6
3.3) ; 3.4) x ; 3.5) -1: 3.6)
; 3.7) (4 x 3 + 2 x) ln 2 ln 3 ;
( x 1)( ln(1 + x) )
2 2 x
(1 + e )(1 e ) x

3.8) 2ex; 3.9)

x ln x + ( x + 1) ln( x + 1) 2
; 3.10) ( x 1 / 2)e ( x x + 1) / 2 ; 3.11) 4 x ln 4 ; 3.12)
(
5e x ln(1 + e x ))4
;
2 x( x + 1) 1+ e x
5e x 2 4 ln 10 log x 1
3.13) ; 3.16) 3 log e ; 3.17) ; 3.18)
1+ e x
x ln 10
3 2 x ln 10 1 + log x
37 kt ( kt 1)
4) ln 3 ; 5) y = 5 x 4 ; 6) e
4 t2

PROBLEMAS DE CIENCIAS SOCIALES

1) Un modelo de crecimiento de cierto pas est dado por P(t ) = 30e 0.025t millones de habitantes a
partir de 1999. a)A qu razn cambiar la poblacin respecto al tiempo 2009? b) Calcule la razn
porcentual con que cambiar la poblacin t aos despus de 1999? Respuesta: a) 0.96 millones por ao;
b) 2.5%.
2) Un modelo de crecimiento poblacional de cierto pas est dado por P (t ) = 25(1 + r ) t millones de
habitantes a partir de 1999. Encuentre la razn de cambio de P con respecto a t.
Respuesta: 25(1 + r ) t ln(1 + r )
25
3) Una poblacin crece de acuerdo al siguiente modelo logstico P(t ) =
2 + 3e 0.04t
 46

3e 0.04t
Calcule la tasa de crecimiento de la poblacin en el momento t. Respuesta:
2 + e 0.04t

PROBLEMAS DE ECONOMA
400
1) Sea c= el costo promedio de producir q unidades. a) Encuentre la funcin de costo
ln(q + 4)
marginal. b) Calcule el costo marginal para q=30. c) Interprete sus resultados.
400( (q + 4) ln(q + 4) q )
Respuesta: a) C (q ) = b) C (30) 5.48
(q + 4)( ln(q + 4) )
2

2) Sea C = 25 ln(q 2 + 1) + 12 el costo total de producir q unidades de un producto. a) Encuentre la

funcin de costo marginal. b) Encuentre el costo marginal para q=3; c) Interprete sus resultados.
50q
Respuesta: a) C (q ) = 2 ; b) C (3) = 15
q +1
25
3) Suponga p = representa la ecuacin de la demanda de un determinado producto. Determine
ln(q + 2)
a) la funcin de ingreso marginal; b) la funcin ingreso marginal para q=2; c) Interprete sus resultados.
( (q + 2) ln(q + 2) q )
Respuestas: a) I (q ) = 25 ; b) I (2) 11.52
(q + 2)( ln(q + 2) ) 2
400e (3q + 200 ) / 300
4) Sea c (q) = el costo promedio de producir q unidades. Encuentre la funcin de costo
q
marginal y el costo marginal para q=98. Respuestas: 4e ( 3q + 200 ) / 300 ; 20.75
5) Sea p = 25e 0.02 q la ecuacin de la demanda de un determinado artculo. Determine la funcin de
ingreso marginal y la funcin ingreso marginal para q=98. Interprete sus resultados.
Respuesta: I(q)=25e-0.02q(1-0.02q); I(98)=-24e-1.96=-3.38
6) (Precio marginal) La ecuacin de demanda de cierto artculo es p = 25e 0.02 q . a) Determinar la
funcin de precio marginal. b) Evale el precio marginal para un nivel de produccin de 100 unidades.
c) Interprete sus resultados (Recuerde que el precio marginal es dp dq ).Respuesta: a) 0.5e-0.02q
7) Una mquina se deprecia t aos despus de su compra a un valor dado por D(t ) = 5000e 0.03t .
Calcule la razn de cambio y la razn de cambio porcentual con respecto al tiempo.
Respuesta: D(t ) = 150e 0.03t
8) Sea S ( I ) = 0.3I 0.5e 0.2 I la funcin de ahorro de cierto pas. a) Encuentre la propensin marginal
al consumo y al ahorro cuando I = 5 miles de millones. b) Interprete sus resultados.
Respuesta S (5) = 0.337
9) Un capital de 6000UM se deposita en un banco a una tasa anual del 8% capitalizada continuamente.
Calcule la razn de cambio y la tasa de cambio porcentual con respecto al tiempo? Respuesta: 48e 0.08t
10) Un capital de 5000UM se deposita en un banco a una tasa anual del 8% capitalizada anualmente.
Calcule la razn de cambio y la tasa de cambio porcentual con respecto al tiempo?
11) Por la venta de un artculo se obtiene una utilidad de 10U.M Se ha decidido hacer una campaa
publicitaria a fin de aumentar las ventas. Si se invierte x UM se estima que se vendern 1000(1 e kx )
artculos donde k=0,001. Sea U la utilidad cuando se han invertido x U.M. en publicidad. a) Calcule
dU
. b) Evale esta derivada cuando se han invertido 1000 U.M. en publicidad. c) Ahora evale
dx
cuando la inversin es de 3.000 U.M. d) Intrprete sus resultados.
 47

VERDADERO O FALSO.
Diga si las siguientes proposiciones son verdaderas o falsas. Justifique.
1.1) ( ) La derivada se interpreta como la razn de cambio momentnea de y con respecto a x
1
1.2) ( ) ( ln(2) )= ; 1.3) ( ) f ( x) = | x 1 | no es derivable en 0
2

x
1.4) ( ) xe = xe
( )
;
x '

e x (e x )'
1.5) ( ) Si f es derivable en un punto entonces es continua en ese punto
1.6) ( ) Si f es continua entonces es derivable.; 1.7) ( ) f ( x ) = x 2 / 5 es derivable en su dominio.

Para las siguientes afirmaciones suponga que f y g son diferenciables

1 g ( x)
1.8) ( ) (2 f ( x ) 3g ( x )) = 2 f ( x ) 3g ( x ) ; 1.9) ( ) ln( ) =
g ( x) g ( x)

1.10) ( ) ( xf ( x )) = f ( x ) + xf ( x ) ; 1.11) ( ) ( )
f ( x) =
1
2 f ( x)
1.12) La ecuacin de la recta tangente a la curva y = x 3 en el punto (2,8) es y 8 = 3x 2 ( x 2)
1.13) El Ingreso de la unidad 51 es estimado por el ingreso marginal evaluado en 50
1.14) U (21) U ( 20) es la utilidad exacta por producir y vender la unidad 21.
Respuestas:1.1)Verdadera; 1.2) Falsa, la derivada vale cero porque es una constante;1.3)Falso, no es
derivable en 1; 1.4) Falsa, se debe aplicar correctamente la regla del cociente; 1.5)Verdadera; 1.6)Falsa
y= |x| es continua pero no derivable en 0; 1.7)Falso, no es derivable en 0; 1.8) Verdadera, se aplica la
regla de la diferencia y luego la del factor constante; 1.9)Verdadera, se reescribe y se aplica la derivada
( ln( g ( x))) , no hay que olvidar la derivada interna; 1.10) Verdadero, se aplica la regla del producto;
1.11) Falsa, hay que reescribir y aplicar la regla de la potencia generalizada, queda 2 f ( x)
( )
f ( x) =
f ( x)
;
I (51) I (50)
1.12) Falso, hay que evaluar la derivada en x =2, la pendiente es 12.1.13) Verdadera, I (50)
1
e I (51) I (50) es el ingreso exacto de la unidad adicional a 50.1.14) Verdadera, U (21) es la utilidad por
la produccin y venta de las primeras 21 unidades si se le quita la utilidad de las primeras 20 se obtiene
la utilidad de la unidad 21.
 Mtodos de Integracin

Indice
Introduccin
Cambio de Variable
Integracin por partes
Integrales de funciones trigonomtricas
Sustitucin Trigonomtrica
Fracciones parciales
Introduccin.
En esta seccin, ya con la ayuda del Teorema Fundamental del Clculo, desarrollaremos las
principales tcnicas de Integracin que nos permitirn encontrar las integrales indefinidas
de una clase muy amplia de funciones. En cada uno de los mtodos de integracin, se
presentan ejemplos tpicos que van desde los casos ms simples, pero ilustrativos, que nos
permiten llegar de manera gradual hasta los que tienen un mayor grado de dificultad.

estudiaremos los principales mtodos de integracin, consistiendo todos ellos en reducir la

integral buscada a una integral ya conocida, como por ejemplo una de las de la tabla, bien
reducirla a una integral ms sencilla.

Regresar al ndice
El Mtodo de Cambio de Variable.
Antes de ver la frmula de cambio de variable, resolveremos algunos ejercicios sencillos
que nos llevarn de manera natural a la mencionada frmula.

Tomemos la primera frmula de la tabla de integrales del captulo anterior:

x +1
x dx =
+1
+k si 1

a partir de sta podemos encontrar integrales como

1 3
+1
5
x2 x2
x
x 2 3
4
dx = +k , x dx = +k = +k = x +k , etc.
5 1 3 3
+1
2 2

Sin embargo, si la variable no aparece de manera sencilla en la funcin a integrar,

podemos afirmar que

(3 x 5) 5
(3 x 5) dx = +k?
4
5

La respuesta es NO, pues al derivar el lado derecho no obtenemos el integrando

d (3 x 5) 5
= 3(3 x 5)
4

dx 5

lo correcto sera

(3 x 5) 5
3(3 x 5) 4 dx =
5
+k

o bien
 1 (3 x 5) 5
(3 x 5) 4 dx =
3

5
+k

(cos x) 5
Anlogamente podemos afirmar que
(cos x) 4 dx =
5
+k?

De nuevo la respuesta es NO, pues al derivar el lado derecho no obtenemos el integrando

d (cos x) 5
= senx(cos x)
4

dx 5

lo correcto sera

(cos x) 5
senx(cos x) 4 dx =
5
+k

En el clculo de estas dos integrales

(3 x 5) 5 (cos x) 5
3(3 x 5) 4 dx =
5
+k
senx(cos x) 4 dx =
5
+k

como una variante de la frmula

x +1
x dx =
+1
+k si 1

advertimos que si la variable x se reemplaza por una funcin u(x), para que la integral se
calcule sustituyendo u(x) por x, en el integrando debe aparecer u'(x) multiplicando a u(x),
es decir

[u ( x)] u ' ( x)dx =

[u ( x)] +1

+k si 1
+1

En general, si partimos de una integral conocida

f ( x) dx = g ( x) + k
y cambiamos la variable x por la funcin derivable u(x), tal que u'(x) es continua,
obtenemos LA FORMULA DE CAMBIO DE VARIABLE
 f [u( x)] u' ( x)dx = g[u( x)] + k
Podemos comprobar fcilmente su validez, derivando el lado derecho

d
[g[u ( x)] + k ] = g ' [u ( x)]u ' ( x) = f [u( x)]u' ( x)
dx

este ltimo paso utilizando el hecho de que g es una primitiva para f.

Si en la frmula anterior escribimos u = u(x) y u'(x)dx = du, la frmula de cambio de

variable nos quedara como:

f (u)du = g (u) + k
En todos los ejemplos que veremos a continuacin, trataremos de reducir el grado de
dificultad de la integral mediante un cambio de variable, de tal manera que la integral
resultante sea ms fcil de integrar que sea una integral conocida. Para que la frmula de
cambio de variable tenga posibilidades de xito, debemos identificar en el integrando a
una funcin u y a u', su derivada.

Ejemplo 1. Encuentre
(3 x 5) 4 dx

u du ,
4
Solucin. En este caso sencillo podemos observar que esta integral "se parece" a
lo cual nos sugiere tomar el cambio de variable u = 3x-5

u = 3x-5 du = 3 dx dx = (1/3)du

Sustituyendo en la integral,

1 u5 u5 (3 x 5) 5

1
(3 x 5) 4 dx = u 4 du / 3 = u 4 du = ( ) + c = +c = +c
3 3 5 15 15

coincidiendo con el resultado anterior.

cos
4
Ejemplo 2. Encuentre x senx dx
 u du , lo cual
4
Solucin. En este caso podemos observar que esta integral "se parece" a
nos sugiere tomar el cambio de variable u = cosx

u = cosx du = -senx dx senx dx = -du

Sustituyendo en la integral,

u5 cos 5 x

(cos x) ( senx dx) = (u )( du ) = u du = ( ) + c = +c
4 4 4
5 5

coincidiendo con el resultado anterior.

(3 ln x 5) 4
Ejemplo 3. Encuentre
x
dx
Solucin. Advertimos la presencia de la funcin lnx y su derivada 1/x, lo cual nos sugiere
tomar el cambio de variable:

u = lnx du = dx/x

Sustituyendo en la integral,

(3 ln x 5) 4
x
dx = (3u 5) 4 du

A su vez esta integral tendra que resolverse por cambio de variable, tomando w = 3u-5,
como se hizo en el ejemplo 1, obteniendo:

(3 ln x 5) 4 (3u 5) 5 (3 ln x 5) 5
x
dx = (3u 5) 4 du =
15
+c =
15
+c

Sin embargo para evitar tomar dos o ms cambios de variable, debemos percatarnos de que
lo importante es que aparece la expresin 1/x que es la derivada de lnx, que tambin lo es
de (3lnx-5), salvo constantes.

Ms precisamente, podemos tomar el cambio de variable:

u = 3lnx-5 du = 3dx/x, bien dx/x = du/3,

y al sustituir en la integral original:

(3 ln x 5) 4 1 u5 (3 ln x 5) 5

1
dx = u 4 du = +c = +c
x 3 3 5 15
Observacin: De lo anterior podemos concluir que el cambio de variable procede cuando
en el integrando aparece una funcin u y su derivada multiplicada por una constante.
Adems que la integral de la variable u sea posible resolverla.

3x 2 x 7 dx
6
Ejemplo 4. Encuentre

Solucin. En este caso aparece la funcin u = 2-x7 y su derivada (-7x6) multiplicada por la
constante (-3/7), precisando:

u = 2-x7 du = -7x6 dx

Como en la integral tenemos que sustituir 3x6 dx,

1 3
du = -7x6 dx x 6 dx = du 3 x 6 dx = du
7 7

3 3 u 3/ 2 2 3/ 2 2
3x 2 x dx =
u du = )+c = u +c = (2 x 7 ) 3 / 2 + c ,
6 7
(
7 7 3/ 2 7 7

as pues

2
3x 2 x 7 dx = (2 x 7 ) 3 + c ,
6
7

Ntese que una vez identificado el cambio de variable u, vemos que la integral por resolver

3x 2 x 7 dx se reduce a resolver
6
es u du , es decir, resolver nuestra integral

u du mediante el citado cambio de variable en otras palabras nuestra integral de la

variable x es similar a
u du

Existen otras situaciones en que el cambio de variable no es tan evidente en trminos de la

funcin u y su derivada, por lo cual tenemos que echar la vista adelante y ver a que funcin
fcil de integrar es similar nuestra funcin.

x2
Ejemplo 5. Encuentre
1 + x6
dx

Solucin. En una primera vista no advertimos la presencia de una funcin u y su derivada,

ya que la derivada de 1 + x6 = 6x5 y en el integrando no aparece x5 sino x2. No debemos
perder de vista que al hacer un cambio de variable es por que nuestra integral es similar se
puede reducir a otra fcil de resolver.

Si pensamos que x2 dx ser el nuevo diferencial, entonces u tendra que ser x3, es decir

u = x3 du = 3x2 dx

como se ve al expresar la integral de la siguiente manera:

x2
1 + (x )
1 du 1 1
dx = = arctan u + c = arctan( x 3 ) + c
3 2
3 1+ u 2
3 3

x3
Ejemplo 6. Encuentre
1 9x8
dx

Solucin. En analoga al ejemplo anterior, podemos decir que esta integral se reduce a

du
du , ya que si tomamos el cambio de variable u2 =9x8, equivalentemente
1 u2

u = 3x4 du = 12x3 dx, es decir x3 dx = (1/12)du, y sustituyendo:

x3

1 du 1 1
dx = = arcsen(u ) + c = arcsen(3x 4 ) + c
1 9x8 12 1 u2 12 12

Podemos utilizar el mtodo de cambio de variable para encontrar las integrales de algunas
funciones conocidas

Ejemplo 7. Encuentre
tan x dx
tan x dx = cos x dx
senx
Solucin.

u = cosx du = -senx

senx du
dx = = ln u + c = ln(cos x) + c
cos x u

Como -ln(cosx) = ln1 - ln(cosx) = ln(1/cosx) = ln(secx)

Podemos expresar
 tan x dx = ln sec x + C

Anlogamente

cot x dx = ln senx + C

9+ x
dx
Ejemplo 8. Encuentre 2

du
Solucin. Debemos poder reducir esta integral a mediante un cambio de variable,
1+ u2
por la similitud de las expresiones.

Primeramente vemos que en el denominador la variable al cuadrado esta sumada a 1, lo

cual nos sugiere factorizar el 9 para tener algo similar, es decir:

9+ x
dx 1 dx 1 dx
= =
2
9 1 + x 2 / 9 9 1 + ( x / 3) 2

y esto nos sugiere tomar el cambio de variable

u = x/3 du =dx/3

9 + 4x
dx 1 dx 3 du 1 1
= =( ) = arctan u + c = arctan( x / 3) + c
2
9 1 + ( x / 3) 2
9 1+ u 2
3 3

En general podemos deducir la frmula que engloba todo este tipo de integrales.

dx
Ejemplo 9. Encuentre
a + x2
2

Solucin. En analoga al problema anterior:

a 1 + ( 1 )x
dx 1 dx
= 2
2
+x 2
a 2
2
a

y tomando el cambio de variable u =(1/a)x y por lo tanto du =(1/a)dx

 a du x
a 1 + ( 1 )x
dx 1 dx 1 1
= 2 = 2 = arctan u + c = arctan + c
2
+x 2
a 2 a 1+ u 2
a a a
a2

es decir:

x
a
dx 1
= arctan + c ---------- (I)
2
+x 2
a a

a reserva de probarlo ms adelante, aceptaremos la siguiente frmula:

a+x

dx 1
= ln +c --------- (II)
a2 x2 2a a x

y probaremos lo siguiente:

dx
Las integrales de la forma , con a 0, se reducen a las frmulas (I)
ax + bx + c 2

(II) mediante cambio de variable.

El procedimiento consistir en completar trinomio cuadrado perfecto y tomar el cambio de

variable adecuado.

dx
Ejemplo 10. Encuentre
2 x + 12 x + 10
2

Solucin. Completemos el trinomio cuadrado perfecto.

2 x 2 + 12 x + 10 = 2[x2 + 6x + 5] = 2[x2 + 6x + 9-9 +5] = 2[(x2 + 6x + 9) - 4] =2[(x+3)2 - 4]

sustituimos en la integral e identificamos con la frmula (II)

1 1 2 + ( x + 3)

dx 1 dx 1 dx
= = = ln +c
2 x 2 + 12 x + 10 2 ( x + 3) 2 4 2 4 ( x + 3) 2 2 4 2 ( x + 3)
es decir

1 5+ x

dx
= ln +c
2 x + 12 x + 10 8 1 x
2

Obsrvese que no importa cual sea el trinomio cuadrado, al completarlo nuestra integral
siempre se reducir a una de las dos frmulas.

Una vez visto lo anterior, veremos un procedimiento que nos permitir calcular integrales
de la forma

( Ax + B)
ax 2 + bx + c
dx con a 0

(5 x + 3)dx
Ejemplo 11. Encuentre
3x 2 + 4 x + 2

Solucin. Por supuesto que el tipo ms sencillo de este tipo de integrales es cuando en el
numerador aparece la derivada del trmino cuadrtico del denominador.

(6 x + 4)dx
3x + 4 x + 2
2
= ln 3 x 2 + 4 x + 2 + c

Partiremos de esta funcin y modificaremos el numerador para obtener una expresin fcil
de integrar

(5 x + 3) 5
(6 x + 4) + 3 20 5
(6 x + 4) 13
3x 2 + 4 x + 2
dx =
6
3x 2 + 4 x + 2
6
dx =
3x
6
2
+ 4x + 2
dx =

( 6 x + 4)

1 dx
= 5
dx
3x + 4 x + 2 3 3x + 4 x + 2
6 2 2

La primera de las integrales ya est resuelta y la segunda se resuelve con el procedimiento

descrito en el ejemplo anterior.

3x2+4x+2 = 3[x2 + 4/3x + 2/3] = 3[(x2 + 4/3x + 4/9) + 2/3-4/9] = 3[(x +2/3)2 + 2/9]

1 3 3( x + 23 )

dx 1 dx
= = arctan +c

3x 2 + 4 x + 2 3 ( x + 23 ) 2 + 92 3 2 2

En consecuencia :
 (5 x + 3)dx 3x + 2
3x
5 1
= ln 3x 2 + 4 x + 2 arctan +c
2
+ 4x + 2 6 3 2 3 2

Regresar al ndice

El mtodo de Integracin por partes

Este mtodo nos permitir resolver integrales de funciones que pueden expresarse como un
producto de una funcin por la derivada de otra. Ms precisamente, deduciremos la frmula
de integracin por partes a partir de la regla para derivar un producto de dos funciones.

[f(x)g(x)]' = f '(x)g(x) + f(x)g'(x)

integrando en ambos lados

[f(x)g(x)] dx = f ' (x)g(x) dx + f (x)g' (x) dx

'

obtenemos:

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

y despejando la segunda integral:

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

obtenemos finalmente la FORMULA DE INTEGRACIN POR PARTES.

A continuacin veremos en algunos ejemplos como utilizar esta frmula.

Ejemplo 1. Encuentre
x cos(x) dx
Solucin. Con el fin de utilizar la frmula anterior, tomaremos f(x) = x y g'(x) = cos(x), es
decir el integrando xcos(x) = f(x) g'(x)

f(x) = x g '(x) = cos(x)

f '(x) = 1 g(x) = sen(x)
 x cos( x) dx = xsen( x) sen( x) dx = xsen( x) + cos( x) + c
Observe que tambin hubiramos podido hacer la siguiente eleccin de f y g':

f(x) = cos(x) g '(x) = x

f '(x) = -sen(x) g(x) = x2/2

slo que la funcin por integrar en el lado derecho tiene un mayor grado de dificultad para
resolverse que la original.

x2 x2
x cos( x) dx =
2
cos( x)
2
sen( x) dx

NOTACIN. Con el fin de ser congruentes con la notacin utilizada en la mayora de los
libros del mercado, le llamaremos

u = f(x) y v = g(x) y en consecuencia du = f '(x)dx as como du = g '(x)dx. Con esta

nueva notacin resolveremos los siguientes ejercicios.

xe
x
Ejemplo 2. Encuentre dx

Solucin. Utilizaremos el siguiente cuadro

u=x v = ex
du = dx dv = ex dx

obsrvese que con esta notacin, en vez de tomar g' (x) = ex , tomamos su diferencial
dv = ekdx y anlogamente con f, permitiendo que una parte del integrando sea u y el resto
sea dv.

xe
dx = xe x e x dx = xe x e x + c
x

En estos primeros dos ejemplos, una adecuada eleccin de u y dv nos lleva en un solo paso
a resolver nuestra integral reducindola a una integral ms fcil de resolver.

Existen otras situaciones, como se ver en los siguientes ejemplos, en que si bien la integral
del lado derecho tiene un menor grado de dificultad, no es una integral inmediata, requiere
de un nuevo proceso de integracin por partes resolverla por cambio de variable, algn
otro procedimiento.
 x e
2 x
Ejemplo 3. Encuentre dx

Solucin. Utilizaremos el siguiente cuadro

u = x2 v = ex
du = 2xdx dv = ex dx

x e
dx = x 2 e x 2 xe x dx
2 x

la integral del lado derecho se resuelve por partes (Ejemplo 2), obteniendo:

x e dx = x 2 e x 2( xe x e x ) + c
2 x

Observacin: La eleccin u = ex, dv = x2dx nos lleva a una integral con un mayor grado de
dificultad.

Ejemplo 4. Encuentre
arctan x dx
Solucin. Utilizaremos el siguiente cuadro

u = arctanx v=x
dx
du = dv = dx
1 + x2

x
arctan x dx = x arctan x dx
1 + x2

En este caso, la integral del lado derecho se resuelve por un cambio de variable,
obteniendo:

1+ x
x 1 2x 1
dx = dx = ln(1 + x 2 ) + c
2
2 1+ x 2
2

y en consecuencia:

1
arctan x dx = x arctan x ln(1 + x 2 ) + c
2
 sen (x) dx
2
Ejemplo 5. Encuentre

Solucin. Utilizaremos el siguiente cuadro

u = senx v = -cosx
du =cos dx dv = senx dx

sen ( x) dx = senx cos x cos ( x) dx = senx cos x + cos ( x) dx

2 2 2

La integral del lado derecho, al parecer tiene el mismo grado de dificultad que la integral
original, incluso es de la misma naturaleza que la original, lo que nos sugiere utilizar de
nuevo el mtodo de integracin por partes

u = cosx v = senx
du =-sen dx dv = cos dx

cos ( x) dx = senx cos x sen ( x) dx = senx cos x + sen ( x) dx

2 2 2

que al sustituirse nos da:

sen ( x) dx = senx cos x + cos ( x) dx = senx cos x + senx cos x + sen ( x) dx

2 2 2

obteniendo la identidad

sen ( x) dx = senx cos x + senx cos x + sen ( x) dx

2 2

en la que si dejamos en el lado izquierdo las integrales, obtenemos 0 = 0, que no nos ayuda
a encontrar el valor de nuestra integral.

La alternativa en este caso es utilizar la identidad trigonomtrica sen2x + cos2x =1

inmediatamente despus de la primera integracin por partes.

sen ( x) dx = senx cos x + cos ( x) dx = senx cos x + (1 sen x) dx

2 2 2
 sen ( x) dx = senx cos x + x sen ( x) dx .
2 2

Si bien nos vuelve a aparecer la misma integral, esta vez aparece con distinto signo, lo que
nos permite despejarla, es decir si dejamos del lado izquierdo las integrales, obtendremos:

2 sen 2 ( x) dx = senx cos x + x .

O bien

x senx cos x
sen ( x) dx = +c.
2
2

e sen( x) dx
x
Ejemplo 6. Encuentre

Solucin. Utilizaremos el siguiente cuadro

u = ex v = -cosx
du = ex dx dv = senx dx

e sen( x) dx = e
cos x + e x cos x
x x

De nuevo como en el ejemplo anterior, la integral del lado derecho es de la misma

naturaleza y del mismo grado de dificultad, por lo que podramos intentar utilizar de nuevo
el mtodo de integracin por partes.

u = ex v = senx
du = ex dx dv = cosx dx

e
cos x dx = e x senx e x senx dx
x

Sustituyendo, obtenemos:
 e senx dx = e
cos x + e x cos x = e x senx e x cos x e x senx
x x

e senx dx = e senx e
cos x e x senx
x x x

de donde podemos despeja a la integral

2 e x senx dx = e x senx e x cos x
y en consecuencia

e x senx e x cos x
e x senx dx =
2
+c

A continuacin abordaremos unos ejemplos en que, debido a la gran cantidad de

posibilidades debe tenerse un criterio preciso para decidir sobre la eleccin de u y dv.

2
Ejemplo 7. Encuentre x 3e x dx

Solucin. En este tipo de funciones a integrar, hay muchas maneras de expresar al

integrando como un producto:
2 2 2 2
u = x3, dv = e x dx ; u = x2, dv = x e x dx ; u = x, dv = x2 e x dx ; u = 1, dv = x3 e x dx ;
2
u = x3 e x dx , dv = dx, etc.
Cul de estas opciones elegir?

Lo primero que debemos hacer es asegurarnos que en nuestra eleccin, dv sea una funcin
fcil de integrar. Si examinamos con detalle las opciones, slo la opcin
2
u = x2, dv = x e x dx cumple con esto ya que dv es fcil integrar por un simple cambio de
variable:

2 1 2 1 2
v= xe x dx = 2 xe x dx = e x + c
2 2

As pues el cuadro para la integracin por partes ser:

1 x2
u = x2 v= e
2
2
du = 2x dx dv = xe x dx

2 1 2 x2 2 1 2 1 2
x 3e x dx = x e xe x dx = x 2 e x e x + c
2 2 2

x 6 3 x 5 dx
9
Ejemplo 8. Encuentre

Solucin. Con un criterio similar al del caso anterior, tomamos la siguiente eleccin:

3
2
u=x 5
v= (6 3 x 5 ) 2
45
du = 5x4 dx dv = x 4 6 3x 5 dx

1 3
1 1 2
donde v =
dv = x 6 3x dx =

15 x 4 (6 3x 5 ) 2 dx = (6 3 x 5 ) 2
4 5
15 15 3

3 3
2x5
x
10 4
9
6 3x dx =
5
(6 3 x 5 ) 2 + x (6 3x 5 ) 2 dx
45 45

3 3
2x5 10 1
=
45 45 15
(6 3x 5 ) 2 + 15 x 4 (6 3x 5 ) 2 dx

3 5
2 x5 2 2
= (6 3 x 5 ) 2 ( 6 3 x ) 2 + c
5
45 135
5

As pues:

2 x5 4
x 9 6 3 x 5 dx = (6 3 x 5 ) 3 (6 3 x ) + c
5 5
45 675

Regresar al ndice
Integrales de funciones trigonomtricas
A continuacin veremos algunas reglas para integrar cierto tipo de funciones
trigonomtricas, que posteriormente se utilizarn en el mtodo de sustitucin
trigonomtrica.

sen x dx cos x dx
n n
I. Potencias de senos y cosenos
Para resolver este tipo de integrales, consideraremos dos casos:

a) Si n es impar, es decir n = 2k +1, factorizamos el integrando, por ejemplo

senn x dx = sen2k+1 x dx = (sen2 x)k senx dx

Utilizamos la identidad sen2x + cos2x =1 y tomamos el cambio de variable u =cosx.

De manera anloga en el caso de las potencias del coseno, tomando el cambio de variable
u= senx.

b) Si n es par, es decir n = 2k, factorizamos el integrando, por ejemplo

senn x = sen2k x = (sen2 x)k

en el caso del coseno

cosn x = cos2k x = (cos2 x)k

y utilizamos las identidades trigonomtricas:

1 cos(2 x) 1 + cos(2 x)
sen 2 x = cos 2 x =
2 2

sen x dx
3
Ejemplo 1. Resolver
Solucin:

sen x dx = sen x senx dx = (1 cos

3 2 2
x ) senx dx
sea u = cosx, entonces du = -senx, y al sustituir en la integral obtenemos:

u3 cos 3 x
sen 3 x dx =

(1 cos 2 x) senx dx = (1 u 2 ) du =
3
u +c =
3
cos x + c

cos x dx
5
Ejemplo 2. Resolver
Solucin:
2 2

cos 5 x dx =
(cos 2 x) cos x dx =
(1 sen 2 x) cos x dx

sea u = senx, entonces du = cosx, y al sustituir en la integral obtenemos:

2
2u 3 u 5 2 sen 3 x sen 5 x

cos 5 x dx = (1 u 2 ) du =
(1 2u 2 + u 4 )du = u
3
+
5
+ c = senx
3
+
5
+c

sen x dx
4
Ejemplo 3. Resolver
Solucin:
1 cos( 2 x)
2

sen x dx =
1
4
( sen x) dx = (
2 2
) dx = (1 2 cos(2 x) + cos 2 ( 2 x )) dx
2 4

1 1 1
= dx cos( 2 x) dx + cos 2 ( 2 x ) dx
4 2 4

sen
m
II. Productos de potencias de senos y cosenos x cos n x dx .

a) Si m y n son pares, utilizaremos las identidades:

1 cos 2 x 1 + cos 2 x
sen 2 x = y cos 2 x =
2 2

b) Si m n es impar, utilizaremos la identidad sen2x + cos2x = 1

tan
m
II. Productos de potencias de tangentes y secantes x sec n x dx .

a) Si n es par, utilizamos la identidad: sec2x = 1 + tan2x.

 b) Si m es impar, utilizamos la identidad: tan2x = sec2x- 1.

c) Si n es impar y m par usamos algn otro mtodo como por ejemplo integracin
por partes.

Regresar al ndice

El Mtodo de Sustitucin Trigonomtrica

Este mtodo, el cual es un caso especial de cambio de variable, nos permitir integrar cierto
tipo de funciones algebraicas cuyas integrales indefinidas son funciones trigonomtricas,
como por ejemplo nuestra conocida frmula:

1
dx = arcsenx + c
1 x2

la cual "resolveremos" con el fin de motivar el uso del mtodo.

Observe que si tomamos el cambio de variable

x = sen donde -/2 < < /2 pues -1 < x < 1

y en consecuencia dx = cos d y

1 x 2 = 1 sen 2 = cos 2 = cos = cos

pues cos > 0 en el intervalo -/2<</2

Sustituyendo x en trminos de , obtenemos una integral en la variable , la cual

resolvemos fcilmente y del cambio de variable la expresamos en trminos de x.

cos cos d = d = + c = arcsenx + c

1 1
dx =
1 x 2

Como podemos apreciar, al abordar este tipo de integrales siempre tendremos que resolver
una integral trigonomtrica, como las que se resolvieron en la seccin anterior.

Primer caso.

Si en el integrando aparece un radical de la forma a 2 x 2 tomamos el cambio de

variable
 x = a sen, con a > 0.

Como se apreci anteriormente, la variacin de x en el intervalo (-a, a) se corresponde con

la variacin de en el intervalo (-/2 , /2)

En este primer caso la expresin del radical en trminos de ser:

a 2 x 2 = a 2 a 2 sen 2 = a 2 (1 sen 2 ) = a cos 2 = a cos = a cos

esta ltima igualdad pues cos > 0 en el intervalo (-/2 , /2)

Tambin del cambio de variable obtenemos el valor de

= arcsenx,

pues la funcin inversa de f(x) = senx se encuentra definida precisamente en el intervalo

(-a,a) y con valores en (-/2, /2).

Ejemplo 1. Encuentre el rea del crculo de radio 2.

Solucin. La ecuacin de la circunferencia de radio 2 y centro en le origen es:

x2 + y2 = 4
cuya grfica es:

-2 2

Evidentemente esta grfica no corresponde a una funcin, pero podemos restringirnos al

intervalo [0, 2], calcular el rea bajo la grafica y multiplicarla por 4 para obtener el rea
deseada.
La funcin de la figura la obtenemos despejando a y en trminos de x, en la ecuacin de la
circunferencia:

y = 4 x2

As pues el rea buscada ser:

2
A=4
0
4 x 2 dx

Primeramente encontraremos
4 x 2 dx

En esta integral, tomamos el cambio de variable trigonomtrico

x = 2sen por lo cual dx = 2cos d y 4 x 2 = 2 cos .

sustituyendo en la integral original, en trminos de la nueva variable , e integrando,

obtenemos:

4
4 x 2 dx = (2 cos )(2 cos ) d = 4 cos 2 d = ( + sen cos ) + c
2

Del cambio de variable x = 2sen obtenemos que sen = x/2, es decir, = arcsen(x/2).

Asimismo del cambio de variable, podemos construir el tringulo:

2
x

4 x2
 4 x2
En este caso particular sen = x/2 y cos = .
2

As pues la integral resuelta en trminos de la variable , la expresamos en trminos de la

variable original, x.

x 4 x2

4
4 x 2 dx = ( + sen cos ) + c = 2(arcsen + )+c
2 4

x 4 x2
4 x 2 dx = 2arcsen +
2
+c

Calculemos ahora la integral definida

2
2 4 22 0 4 02
0
4 x 2 dx = 2arcsen(1) +
2
2arcsen(0) +
2
= 2arcsen1 = 2( / 2) =

y finalmente el rea ser:

2
A=4

0
4 x 2 dx = 4

x
dx
Ejemplo 2. Encuentre
9 x2

Solucin. Tomemos el cambio de variable trigonomtrico:

x = 3sen por lo cual dx = 3cos d y 9 x 2 = 3 cos .

sustituyendo en la integral original, en trminos de la nueva variable , e integrando,

obtenemos:

3 cos
x
dx 1 1 1 1
= d = d = cscd = ln csc cot + c
9 x2 (3sen )(3 cos ) 3 sen 3 3

Del cambio de variable x = 3sen obtenemos que sen = x/3, y , podemos construir el
tringulo:
3
x

9 x2
A partir del cual podemos encontrar cualquier funcin trigonomtrica de .

9 x2
En este caso particular csc = 3/x y cot = .
3

As pues la integral resuelta en trminos de la variable , la expresamos en trminos de la

variable original, x.

9 x2

dx 1 1 3
= ln csc cot + c = ln +c
x 9 x2 3 3 x x

9 x2

dx 1 3
= ln +c
x 9 x2 3 x x

x dx
Ejemplo 3. Encuentre
16 x 2

Solucin. Tomemos el cambio de variable trigonomtrico:

x = 4sen por lo cual dx = 4cos d y 16 x 2 = 4 cos .

sustituyendo en la integral original, en trminos de la nueva variable , e integrando,

obtenemos:

(4sen )(4 cos )

x dx
= d = 4 sen d = 4 cos + c
16 x 2 (4 cos )

Del cambio de variable x = 4sen obtenemos que sen = x/4, y , podemos construir el
tringulo:

4
x

16 x 2
 16 x 2
Y a partir de l calcular cos = .
4

As pues la integral resuelta en trminos de la variable , la expresamos en trminos de la

variable original, x.

16 x 2
+ c = 16 x + c
2

x dx
= 4 cos + c = 4
16 x 2 4 4

Observacin: Esta integral puede resolverse tambin con un sencillo cambio de variable
algebraico u = 16 - x2. Compruebe este resultado como ejercicio.

x 3 dx
Ejemplo 4. Encuentre
4 9x2

Solucin. Ntese que para verlo como una integral del primer caso, debemos hacer un
cambio de variable sencillamente factorizar el 9 en el radical:

4 9 x 2 = 9( 4 / 9 x 2 ) = 3 4 / 9 x 2 .

A continuacin tomamos el cambio de variable:

2 2 2
x= sen por lo cual dx = cos d y 4 / 9 x2 = cos .
3 3 3

sustituyendo en la integral original, obtenemos:

2 2
3 ( sen ) 3 ( cos )
8 1

x dx 1 3 3 8
= d = sen 3 d = cos 3 cos + c
4 9x 2 3 2
( cos ) 81 81 3
3

2 3x
Del cambio de variable x = sen , obtenemos que sen = , y podemos construir el
3 2
tringulo:

2
3x

4 9x 2
 4 9x2
Y a partir de l, calcular cos = .
2

Finalmente:

3
x 3 dx 8 1 8 4 9 x 2
8 4 9x
2
= cos cos + c = +c
3

4 9 x 2 81 3 243 2 81
2

Segundo caso.
Si en el integrando aparece un radical de la forma a 2 + x 2 tomamos el cambio de
variable

x = a tan, con a > 0.

En este tipo de radicales la variacin de x es en toda la recta real, razn por la cual se toma
a la tangente, la cual vara tiene esta misma variacin en el intervalo (-/2 , /2)

En este segundo caso la expresin del radical en trminos de ser:

a 2 + x 2 = a 2 + a 2 tan 2 = a 2 (1 + tan 2 ) = a sec 2 = a sec = a sec

y al igual que en el caso anterior como cos > 0 en el intervalo (-/2 , /2), tambin lo ser
sec.

Tambin del cambio de variable obtenemos el valor de

= arctanx.

Pues la inversa de la funcin f(x) = tanx se encuentra definida en todos los reales y con
valores en (-/2 , /2)

Ejemplo 5. Encuentre
2 + x 2 dx

Solucin. Tomamos el cambio de variable:

x = 2 tan por lo cual dx = 2 sec 2 d y 2 + x 2 = 2 sec .
sustituyendo en la integral original, obtenemos:

2 + x 2 dx = ( 2 sec )( 2 sec 2 )d = 2 sec 3 d = 2(sec tan + ln sec + tan + c

x
Del cambio de variable x = 2 tan , obtenemos que tan = , y podemos construir el
2
tringulo:

2 + x2 x

2 + x2 x
Y a partir de l calcular sec = y tan = , que al sustituir en la integral
2 2
obtenemos:

x 2 + x2
+ 2 ln x + 2 + x
2

2 + x dx == 2(sec tan + ln sec + tan ) + c = 2 +c

2
2 2

En general el mtodo de sustitucin trigonomtrica se utiliza cuando aparece un radical de

las formas sealadas en los casos, lo cual no significa que debe aparecer solo (elevado a la
potencia 1). En el siguiente ejemplo calcularemos una integral en la que el radical aparece
elevado al cubo.

dx
Ejemplo 6. Encuentre
(1 + x 2 ) 3

Solucin. Tomamos el cambio de variable:

x = tan por lo cual dx = sec 2 d y (1 + x )
2 3
= ( 1 + x ) = sec .
2
3
3

sustituyendo en la integral original, obtenemos:

sec 2 d

dx
= = cos d = sen + c
(1 + x 2 ) 3 sec 3

Del cambio de variable x = tan , podemos construir el tringulo:

x
1+ x2

1
x
a partir del cual calculamos sen = .
1 + x2

dx x
= sen + c = +c
(1 + x ) 2 3
1 + x2

A continuacin encontraremos la integral de una funcin en la que no aparece

explcitamente el radical.

(1 + x )
2 2
Ejemplo 7. Encuentre dx

Solucin. Obsrvese que el integrando lo podemos expresar como

1 1
(1 + x 2 ) 2 = =
(1 + x 2 ) 2 ( 1+ x ) 2
4

Tomamos el cambio de variable:

x = tan por lo cual dx = sec 2 d y ( 1 + x ) = sec .
2
4
4

sustituyendo en la integral original, obtenemos:

sec 2 d
(1 + x )
2 2 dx 1
dx = = = cos 2 d = ( + sen cos ) + c
(1 + x ) 2 4 sec 4
2

Del cambio de variable x = tan , construimos el tringulo:

x
1+ x2

1
x 1
a partir del cual calculamos sen = y cos = .
1+ x 2
1 + x2
Obteniendo finalmente:

1 1 x
(1 + x 2 ) 2 dx = ( + sen cos ) + c = (arctan x + )+c
2 2 1 + x2

Tercer caso.

Si en el integrando aparece un radical de la forma x 2 a 2 tomamos el cambio de

variable x = a sec, con a > 0.

En este tipo de radicales la variacin de x es en (-, -a)(a, ), razn por la cual se toma
x = asec, la cual tiene esta misma variacin en (0, /2) ( /2, ), justamente donde la
funcin secante tiene inversa.

En este tercer caso la expresin del radical en trminos de ser:

x 2 a 2 = a 2 sec 2 a 2 = a 2 (sec 2 1) = a tan 2 = a tan

solamente que en este dominio, la tangente toma valores positivos y negativos, por lo que
no podemos quitar impunemente el valor absoluto.

Para resolver este conflicto, asociaremos las variaciones de x y de , de la siguiente manera:

x > k 0 < < /2

x < -a < < 3/2

siendo la funcin tangente, positiva en estos intervalos para poder tomar

x 2 a 2 = a tan

tomaremos el valor de de la siguiente manera:

x
= arc sec si x > a
a

x
= 2 arc sec si x < a
a

dx
Como ejercicio, encuentre .
x2 9

Regresar al ndice

El Mtodo de las Fracciones Parciales

Este mtodo nos permitir integrar cierta clase de funciones racionales (cociente de
polinomios)

A manera de ilustracin consideremos la siguiente integral:

x2 + x + 3
.
x2
dx.

Obsrvese que difcilmente podramos abordarla con alguno de los mtodos que
disponemos. Procederemos efectuando la divisin de los polinomios:

x+3
2
x-2 x +x+3
-x2 + 2x
3x + 3
-3x + 6
9

Posteriormente aplicamos el algoritmo de la divisin y obtenemos:

x2 + x + 3 = (x - 2 ) ( x + 3 ) + 9

Para obtener en el lado izquierdo de la igualdad la funcin que queremos integrar,

dividimos en ambos lados entre ( x - 2 ):
 x2 + x + 3 9
= ( x + 3) +
x2 x2

descomponiendo de esta manera nuestra fraccin "complicada" en una suma de fracciones

"sencillas" a las que llamaremos fracciones parciales, las cuales son fciles de integrar.

x2 + x + 3 x2

9
dx = ( x + 3) dx + dx = + 3 x + 9 ln x 2 + c
x2 x2 2

P( x)
En general si queremos integrar un cociente de polinomios en el que el grado de P(x)
Q( x)
es mayor o igual al grado de Q(x), procederemos como en el caso anterior, aplicando el
algoritmo de la divisin

q(x)

Q(x) P(x)
r(x)

Donde r(x) = 0 grad r(x) < grad Q(x)

P(x) = Q(x) q(x) + r(x)

Dividiendo entre Q(x), obtenemos:

P( x) r ( x)
= q ( x) +
Q( x) Q( x)

en donde la integral buscada,

Q( x) dx = q( x) dx + Q( x) dx
P( x) r ( x)
con gr r ( x) < gr Q( x)

se reduce a calcular la integral de un polinomio q(x) y la integral de una funcin racional en

la cual el numerados tiene grado menos que el denominador.

A continuacin describiremos varios casos de descomposicin de fracciones racionales (en

las cuales el polinomio del numerador tiene grado menor que el denominador) como una
suma de fracciones parciales las cuales son fciles de integrar.

Primer caso.
[Q(x) tiene todas sus races reales y distintas]
Cuando la factorizacin del polinomio Q(x) es en factores lineales y distintos, es decir:

Q(x) = (x - a1) (x - a2) (x - a3)... (x - an),

hacemos la siguiente descomposicin:

P ( x) A1 A2 A3 An
= + + + ... +
Q( x) x a1 x a 2 x a3 x an

donde A1, A2, A3,... An son constantes reales.

Ntese que una vez efectuada la descomposicin, la integracin es inmediata pues:

Ak
x ak
dx = ln x a k + c

y por lo tanto:

A1 A2 A3 An

P ( x)
dx = dx + dx + dx + ... + dx
Q( x) x a1 x a2 x a3 x an

Q( x) dx = ln x a
P ( x)
1 + ln x a 2 + ln x a3 + ... + ln x a n + c

x
dx
Ejemplo 1. Calcular 2
16

Solucin: En este ejemplo Q(x) = x2 -16 = (x-4) (x+4).

La descomposicin en fracciones parciales sera:

1 A B
= + ,
x 16 x + 4 x 4
2

en la que bastar determinar las dos constantes A y B para poder encontrar nuestra integral.

Procederemos a la determinacin de las constantes, efectuando la suma del lado derecho:

1 A( x 4) + B( x + 4) Ax 4 A + Bx + 4 B x( A + B) + (4 B 4 A)
= = = ,
x 16
2
( x + 4)( x 4) ( x + 4)( x 4) ( x + 4)( x 4)
Observamos que la primera y la ltima fraccin son iguales y tienen el mismo
denominador, por lo que sus numeradores forzosamente son iguales, es decir:

1 = x(A+B) + (4B-4A)

o bien

0x +1 = x(A+B) + (4B-4A)

de donde obtenemos el siguiente sistema de dos ecuaciones lineales con dos incgnitas:

A+B = 0

4B -4A = 1

que resolvindolo nos queda

4A+4B = 0

4B -4A = 1

8B = 1

por lo que B = 1/8, y sustituyendo en la primera ecuacin, A = -B = -1/8.

Una vez determinadas nuestras constantes A y B, las sustituimos en la descomposicin

inicial, obteniendo:

1 A B 1/ 8 1/ 8
= + = ,
x 16 x + 4 x 4 x + 4 x 4
2

quedando finalmente la integracin:

dx 1/ 8 1/ 8 1 1
= dx dx = ln x + 4 ln x 4 + c
x 16
2
x+4 x4 8 8

o bien , utilizando las propiedades de los logaritmos:

1 x+4
x
dx
= ln +c
2
16 8 x 4

Observacin: Esta integral es un caso particular de la frmula presentada sin demostracin

en el mtodo de cambio de variable
 au

du 1
= ln +c
a u
2 2
2a a + u

la cual puede ahora probarse con el mtodo de fracciones parciales como un ejercicio.

x+2
Ejemplo 2. Calcular
x 2
2 x 15
dx

Solucin: En este ejemplo, Q(x) = x2 -2x - 15 = (x-5) (x+3).

La descomposicin en fracciones parciales sera:

x+2 A B
= + ,
x 2 x 15 x 5 x + 3
2

y siguiendo el procedimiento del ejemplo anterior

x+2 A B A( x + 3) + B( x 5) x( A + B) + (3 A 5B)
= + = = ,
x 2 x 15 x 5 x + 3
2
( x 5)( x + 3) ( x 5)( x + 3)

igualando coeficientes, obtenemos el sistema:

A+B=1

3A -5B = 2

que al resolverlo nos da:

5A + 5B = 5

3A -5B = 2

8A = 7

obteniendo el valor de A = 7/8.

Para encontrar B, la despejamos en la primera ecuacin

B = 1 - A = 1 - 7/8 = 1/8

As pues, la descomposicin en fracciones parciales es:

x+2 7 / 8 1/ 8
= + ,
x 2 x 15 x 5 x + 3
2
y nuestra integral:

x+2

7/8 1/ 8 7 1
dx = dx + dx = ln x 5 + ln x + 3 + c
x 2 x 15
2
x5 x+3 8 8

Observacin: En cada uno de los casos de este mtodo se afirma que se puede dar una
descomposicin en fracciones parciales, lo cual es un resultado del lgebra y que por lo
tanto debera probarse algebraicamente, ya que podra surgir la duda de que en una de estas
descomposiciones se produjera un sistema de ecuaciones sin solucin. No daremos aqu la
demostracin pero veremos que por lo menos en el primer caso siempre ser posible
encontrar las constantes, es decir los sistemas resultantes si tendrn solucin.

Otro mtodo para determinar las constantes:

Tratemos de "despejar" la constante A de la descomposicin deseada:

Multiplicamos en ambos lados de la ecuacin por (x-5)

x+2 A B
= +
( x 5)( x + 3) x 5 x + 3

obteniendo:

x+2 B ( x 5)
= A+
x+3 x+3

despejamos a la constante A

x + 2 B ( x 5)
A=
x+3 x+3

evaluamos en x = 5 y obtenemos

A =7/8

Obsrvese que estos pasos para determinar A se pueden comprimir en uno solo:

Determinando las constantes por otro mtodo: De la expresin a descomponer en

fracciones parciales, se elimina del denominador el factor lineal correspondiente a esta
constante y finalmente se evala en el punto donde este factor eliminado se anula.

x+2
Es decir A = evaluado en x = 5 , resultando A = 7/8.
x+3
Similarmente para obtener el valor de B, multiplicamos en ambos lados de la ecuacin
original por (x+3), despejamos B y evaluamos en x = -3, obteniendo:

x+2
B= evaluado en x = -3
x5

B = 1/8.

2 x 2 3x + 1
Ejemplo 3. Calcular
x 3 6x 2 + 8x
dx

Solucin: En este ejemplo, Q(x) = x3 -6x2 + 8x = x(x-4)(x-2).

La descomposicin en fracciones parciales sera:

2 x 2 3x + 1 A B C
= + + ,
x( x 4)( x 2) x x 4 x 2

siendo los valores de las constantes:

2 x 2 3x + 1
A= evaluado en x = 0 A = 1/8
( x 4)( x 2)

2 x 2 3x + 1
B= evaluado en x = 4 B = 21/8
x( x 2)

2 x 2 3x + 1
C= evaluado en x = 2 C = -3/4
x( x 4)
As pues

2 x 2 3x + 1

1 dx 21 dx 3 dx
dx = +
x 6 x + 8x
3 2
8 x 8 x4 4 x2

es decir:
2 x 2 3x + 1

1 21 3
dx = ln x + ln x 4 ln x 2 + c
x 6x + 8x
3 2
8 8 4

Segundo caso.
[Q(x) tiene todas sus races reales pero puede haber repetidas]
Cuando la factorizacin del polinomio Q(x) es en factores lineales no necesariamente
distintos, es decir:
Q( x) = ( x a1 ) m1 ( x a2 ) m2 ( x a3 ) m3 ...( x a n ) mn

Por cada factor lineal aparecern tantas fracciones parciales como multiplicidad tenga este
factor, por ejemplo para el factor (x-ak)mk habr mk fracciones parciales:

A1 A2 Amk
+ + ... +
( x a k ) ( x ak ) 2 ( x ak ) mk

donde A1, A2, A3,... Amk son constantes reales.

De nuevo como en el caso anterior la integracin de las fracciones parciales es sencilla y se

reduce a calcular integrales de la forma:

( x a)
dx
n

las cuales, para n > 1, se resuelven por un sencillo cambio de variable.

3x + 8
Ejemplo 4. Calcular
x 3
4x 2 + 4x
dx

Solucin: En este ejemplo, Q(x) = x3 -4x2 + 4x = x(x - 2)2.

La descomposicin en fracciones parciales sera:

3x + 8 A B C
= + +
x( x 2) 2
x x 2 ( x 2)2

Al desarrollar e igualar los polinomios del numerador, como en los ejemplos anteriores,
obtendremos las constantes de resolver un sistema de tres ecuaciones con tres incgnitas. Si
observamos con detalle la igualdad anterior nos daremos cuenta que la constante B no
puede determinarse por el mtodo "corto", pero s las otras dos, es decir del sistema de tres
por tres ya habremos determinado dos de las incgnitas y de cualquiera de las ecuaciones
en que aparezca B la despejamos.

3x + 8
A= evaluado en x = 0 nos da A = 2
( x 2) 2
 3x + 8
C= evaluado en x = 2 nos da C = 7
x

Efectuando las operaciones y factorizando x2 y x, tenemos:

3x + 8 A B C x 2 ( A + B ) + x(4 A 2 B + C ) + 4 A
= + + = ... =
x( x 2) 2 x x 2 ( x 2)2 x( x 2) 2

igualando los coeficientes de los numeradores, obtenemos el siguiente sistema de

ecuaciones:

A+B = 0

-4A -2 B + C = 3

4A = 8

Como slo falta determinar la constante B, la despejamos de la primera ecuacin,

obteniendo B = -2.

Sustituyendo e integrando:

3x + 8 2
x( x 2) x dx + x 2 dx + (x 2)
2 7
2
dx = 2
dx

3x + 8
x ( x 2)
7
dx = 2 ln x 2 ln x 2 +c
2
x2

x +8
Ejemplo 5. Calcular
x 6 2x 4 + x 2
dx

Solucin: En este ejemplo, Q(x) = x6 -2x4 + x2 = x2(x4 -2x2 + 1) = x2(x2 -1)2

Q(x) = x2(x +1)2(x +1)2

La descomposicin en fracciones parciales sera:

x+8 A B C D E F
= + 2 + + + +
x ( x + 1) ( x 1)
2 2 2
x x x + 1 ( x + 1) 2
x 1 ( x 1)2

Por el mtodo corto podemos fcilmente encontrar que B = 8, D = 7/4 y F = 9/4.

Para determinar el resto de las constantes tenemos que plantear el sistema de ecuaciones:

x+8 A( x 5 2 x 3 + x) + B( x 4 2 x 2 + 1) + C ( x 5 x 4 x 3 + x 2 )
= +
x 2 ( x 2 1) 2 x 2 ( x 2 1) 2

D( x 4 + 2 x 3 + x 2 ) + E ( x 5 + x 4 x 3 x 2 ) + F ( x 4 + 2 x 3 + x 2 )
+
x 2 ( x 2 1) 2

conducindonos al siguiente sistema de 6 ecuaciones con 6 incgnitas

A+C+E=0

B-C+D+E+F=0

-2A - C + 2D - E + 2F = 0

-2B + C + D - E + F = 0

A=1

B=8

Como ya tenemos los valores A = 1, B = 8, D = 7/4 y F = 9/4, sustituyndolos en las

primeras dos ecuaciones, encontraremos los valores de C y E resolviendo el sistema:

C + E = -1

-C + E = -12

cuya solucin es C = 11/2 y E = -13/2.

El valor de la integral, entonces ser:

x+8
x
8 11 13 9
dx = ln x + ln x + 1 ln x 1 +c
6
2x + x
4 2
x 2 2 4( x 1)

Tercer caso.

[Q(x) tiene races complejas distintas]

Cuando en la factorizacin del polinomio Q(x) aparecen factores cuadrticos de la forma

ax2 + bx + c con b2 - 4ac < 0

a cada uno de estos factores le corresponder una fraccin parcial de la forma

Ax + B
ax + bx + c
2

donde A y B son constantes reales.

3x + 1
Ejemplo 6. Calcular
x 3
+ 2x 2 + 5x
dx

Solucin: En este ejemplo, Q(x) = x3 +2x2 + 5x = x(x2 +2x + 5)

Con b2 - 4ac = 4-20 = -16 < 0

La descomposicin en fracciones parciales sera:

3x + 1 A Bx + C A( x 2 + 2 x + 5) + x( Bx + C )
= + =
x( x 2 + 2 x + 5) x x 2 + 2 x + 5 x( x 2 + 2 x + 5)

el sistema a resolver:

A+B=0

2A + C = 3

5A = 1

y la solucin: A = 1/5, B = -1/5 y C = 13/5

1
(2 x + 2) 13 1
3x + 1 x 13
x x 5 x x 5
1 dx 1 1 dx 1 2
dx = dx = dx =
3
+ 2 x + 5x
2
5 2
+ 2x + 5 5 x 2 + 2x + 5

( 2 x + 2)
x x
1 1 14 dx
= ln x dx + =
5 10 2
+ 2x + 5 5 2
+ 2x + 5

1 1 14 dx
= ln x ln x 2 + 2 x + 5 + =
5 10 5 ( x + 1) 2 + 4

1 1 14 1 x + 1
= ln x ln x 2 + 2 x + 5 + arctan + c
5 10 5 2 2
Cuarto caso.

[Q(x) tiene races complejas repetidas]

Cuando en la factorizacin del polinomio Q(x) aparecen factores cuadrticos repetidos de la
forma

(ax2 + bx + c)n con b2 - 4ac < 0

a cada uno de estos factores le correspondern n fracciones parciales de la forma

A1 x + B1 A2 x + B2 An x + Bn
+ + ... +
ax + bx + c
2
( ax + bx + c)
2 2
(ax 2 + bx + c ) n

donde Ak y Bk son constantes reales para k = 1,2 ... n.

x2
Ejemplo 7. Calcular
x 4 + 2x 2 + 1
dx

Solucin: En este ejemplo, Q(x) = x4 +2x2 + 1 = (x2 +1)2

Con b2 - 4ac < 0

La descomposicin en fracciones parciales sera:

x2 Ax + B Cx + D Ax 3 + Bx 2 + Ax + B + Cx + D
= + =
( x 2 + 1) 2 x2 +1 ( x 2 + 1) 2 ( x 2 + 1) 2

plantendose el sistema de ecuaciones:

A=0

B=1

A+C=0

B+D=0

Con solucin A = 0, B = 1, C = 0 y D = -1

As pues la integral
 x2
x x (x
dx dx
dx =
4
+ 2x + 1
2 2
+1 2
+ 1) 2

donde la primera integral es la inversa de la tangente y la segunda se resuelve mediante el

segundo caso de sustitucin trigonomtrica.

Regresar al ndice
! " # $ ! " % &'

! ())*
 !"

$ %

&
'

( )

"

"

"

)
"
 !!!"# ! "" "! " "!

& !
* + ,

- . / !

( ! * 0
+ 00 ,
10"

& 2

)
! 3, ! * + ,
. 4

$ %

& 5 * + ,
! 0 2 00 2
10 26 5 .
" ( 100 .

0 + 00 + 10 6 = 100 78

$ 2 ) 78 ) "

9 5 !
! "

-( 1 ! * + 6 ,/

&
 =1 = 6 =6

) 78 )

0(1 ) + 00( ) + 10(6) = 100

:0 + 00 + 0 = 100
100 = 100

( ;1 ; ;6
) ) 7 8"

"$ " " "

9 ) 2 )

< %

$ ! %

;- ) / )
;- / ) 2
;- /

" " "

9 ) )

6
 = = """ =

( 5
) %

8* "

& = 0 )

! "
=

( )
""" + """ 7 8 2 )
)
)"

( %
0 + 00 + 10 6 = 100

0 = 100 00 10 6
= 0> 6

1
 = 6 =6

= 0 >( ) (6) = 0 0 ? = 1

, )

=1 = 6 =6

& )

)"

( 0> )
5 )
) 78

8 @
"

0 +0 + """ + 0 =0

( )
)"

8@
"

0 +0 + """ + 0 = 0

>
 5
) )A ) )"

!"# ! "" "! " "!

& * +
%

= 6

2 )

0 + 6 =0 """"7 8

* )
78 7 8"
) ) )
7 8"
,

0(1 ) + ( ) (6) = 0 + 6 = 0
( ? ! * +
, )

0(? ) + 00( ) + 10( )= 0 + 00 + :0 = 100

0(?) + ( ) ( ) = 0 + =0
( 7? 8 )

0 + 00 + 10 6 = 100

?
 0 + 6 =0

) "

9
) )%

9 ) ,
2 )

+ + """ + =
+ + """ + =
""""""""""""""""""""""""""""""""""""""""""""" &
"""""""""""""""""""""""""""""""""""""""""""""
+ + """ + =

""" """ ,

&
)
)

9 )
= """ =

B
 + + """ + =
+ + """ + =
"""""""""""""""""""""""""""""""""""""""""""""
"""""""""""""""""""""""""""""""""""""""""""""
+ + """ + =

< )

+ =
+ =6

) 2 5
6" *
- /"

& )
- /"

% !"# !& # '( " ! "" "! " "!

:
$

7 )8

<
& 7) )8
,
7 )8

7 )8

) !$ # "!""#" "!

,
- /"

"

$ %
" "
" ' ) 5 "
" ' )
) 5
"

C
 %

6 $+ # =.
$ + 6# = 7&08
? #= 1
& &0
)

$ + 6# =
6 $+ # =. 7% 8
? #= 1

&0"

& ) %

% )
%

$ + 6# =
6 $+ # = 7& 8
6$ # =
& ) & D6
) 5
)
%

0
 $ + 6# =
1 $ : # = 1 7&68
6$ # =
$ &0 & & &6 A
"

"

& ) %

+ + + =

+ + + =
7&8

& + & + + & = &

+ + + =

& A &E
) &A
 + + + =

+ + + =

( + & ) + +( + & ) = + &

+ + + =
7&E8

& ( = = ) ) &
&E 2 )
)

( + & ) + +( + & ) = + &

& ( ) )

+ + + = """7 8

& + & + + & = & """7 8

 + + + = """768
768 7 8

( + & ) + +( + & ) = + &

( = = ) ) 7 E8"

< ! ( ) )
&E ) 7 E8A

( + & ) + +( + & ) = + & """7 8

) 7&E8
+ + + =

+ + + = """7 8

78 78

& + & + + & = &

( ) ) 78
& &E "

6
* ( "+ !!

)
) )
- /" (
) "

+ + 6 = 6
6 +1 + 6 = 7&08
1 6 = 0

( )
) " *!
) '

+ + 6 = 6
>2 6 = 0 7& 8
1 6 = 0

+ + 6 = 6
>2 6 = 0 7& 8
+6 6 = ?

1
 "

( )
)
) - /" * !
)
)

+ + 6 = 6
>2 6 = 0 7&68
.B 6 = 1

< ) %

1
= =
B
6

(
) &6

>( )= 0

! )

= 0+ 0 = 0

( 5
) &6

+ (0 ) + ( )=6

>
 = 6 1 =

( ) ; . ;0
; ) &6A &0
7. 0 8 )
"

& ) 7. 0 8
; 5
) &6A 5
- -
) &6 ;0 ; ",
;. ;0 ; 5
) &6"

, ) )

" G
)
)

"( %
6 + 6 =1
> + 6 =?
78

6 1
> 0 ?
78

G ) " $

?
 - /" ,
( ! "

9 5 "$
78 7 8" $
7! 8
)
)"

1 > + 6 0 1 =>
+B + 1 1 =0
7&08
6 =:
1 =

1 > 0 >
B 0 1 0
'0;
0 0 :
0 0 0

*
F "
+ + 6 = 6
6 +1 + 6 = 7&08
1 6 = 0

6
'0; 6 1
1 0

B
$
6 1 "

< & & &6

6
'; 0 > 0
1 0

6
'; 0 > 0
0 6 ?

6
'6; 0 > 0
0 0 B 1

$ '0

"
- )/ %

8 "
8 ' ) 5 "
8 ' ) 5
) 5
"

$ 5 7'68
" & 5
)
)
"

:
(

1 0 6 1 > ?
0 6 > 0 0 > 6
0 0 0 0 0 0 0 1
0
0 0 0 0 0 0 0 0
0 6 0 0 0
0 0
0 0 0 0 0 0
0 0 0 0 0 0

H F

"

6 +6 6 + 1 +1 > = 1
+ + 6 1 > =
+ 6 6 1 > > = 6
(

6 6 1 1
'0;
6 > 6

'

(
) 7 8

"

C
 '0

'; 6 6 1 1
6 > 6

$ ) )"
* ) D6
) )

' ; 0 0 1 B B
0 0 1 B B

$
)

'6; 0 0 1 B B
0 0 0 0 0 0

) )

0 +0 + +0 =0

" '6

+ + 6 1 > =
7& 8
1 6 +B 1 +B > =

0
< ) & A
) 5 )
) ("

1 6 = B 1 B >

B B
6 = + 1 + > 78
1 1 1

& ) &

B B
+ + + 1 + > 1 > =
1 1 1
6 >
+ 1+ > = 78
1 1 1
> 6
= + 1 >
1 1 1

) 2 21
2> 78 78
2 26 2
 > 6
= + 1 >
1 1 1
=
B B
6 = + 1 + > 768
1 1 1
1 = 1

> = >

- ) / &0
" ( )
2 2 1 2 >"

( %

= 6
1 = 1
> =

)
2 26

> 6
= 6 + (1 ) ( ) = 0
1 1 1
B B
6 = + (1 ) + ( ) = >
1 1 1

( 0 6 > 1 . ) ) &0"

&
=
1 = 0
> =
768

> 6
= + (1 ) =
1 1 1
B 6
6 = + =
1 1

6
0 ) &0"

! -
/
) " (
) 768 2 %

> 6
= +
1 1 1
2 =
B B
6 = + + 768
1 1 1
21 =
2> =

"

+ $
# =
6# =
+ $ 1# = 1
62 + + = .

6

0 6
1 1
6

0 6 0 1 > 1 0 1 > 1

1 1 0 1 > > 0 0 0
6 0 1 > 1 0 0 0 0

5 ) )

0 +0 + +0 = 0

( )A

&

) )
) 5
"

1
&
<
)
) 7 8 2
) ) "

>
2. MATRICES

1.1. Conceptos Generales

Las matrices nos permiten representar, en forma tabular, un

sistema de ecuaciones lineales, y facilitar con ello el uso de
transformaciones elementales.

Las matrices son entes matemticos con existencia propia,

independiente de los sistemas de ecuaciones lineales; aunque
encuentran en stos sus propias aplicaciones.

Se definir la manera cmo las matrices pueden sumarse,

multiplicarse y multiplicarse por escalares; analizando las
principales consecuencias de dichas definiciones.

Desde el punto de vista algebraico, las matrices rompen con la

monotona establecida por los diversos sistemas numricos, ya
que la multiplicacin viola una de las leyes que tradicionalmente
se haban cumplido en dichos sistemas; la ley de conmutatividad.
Esto trae como consecuencia que, en algunos aspectos, las
matrices se separen del conocido comportamiento algebraico de
los nmeros.

1.2. Matrices y operaciones matriciales

Una matriz se puede definir como una tabla o arreglo

rectangular de elementos que, usualmente, son nmeros reales o
complejos.

El concepto de matriz, sin embargo, puede generalizarse al caso

en que los elementos sean polinomios, funciones, operadores o
cualquier otro tipo de entes matemticos; conservando validez
la mayora de los conceptos y propiedades que se presentarn en
este tema, en el cual se considera a la matriz como un arreglo de
nmeros.
Definicin

Una matriz de m n con elementos en C es un arreglo de la forma

a11 a12 a1n

a 21 a 22 a2n

a m1 am 2 a mn

donde a11 , a12 , , amn C y m, n Z .

Una matriz de m n (lase m por n) se dice tambin que es de

orden m n .

La definicin anterior de matriz se puede expresar como

[a ] ij

donde i=1, 2, ..., m y j=1, 2, ..., n

Renglones y columnas

Al arreglo horizontal

[a11 a12 a1n ]

se le conoce como el primer rengln de la matriz, al arreglo

[a 21
a 22 a 2n ]
como el segundo rengln, y en general al arreglo horizontal
 [ai1 ai 2 ain ]

se le conoce como el i-simo rengln de la matriz

En forma anloga, al arreglo vertical

a1 j
a2 j

a mj

se le conoce como la j-sima columna.

As, en una matriz de m n pueden distinguirse m renglones (i=1,

2, ..., m) y n columnas (j=1, 2, ..., n), en particular si m=n se dice
que la matriz es cuadrada de orden n.

Comnmente se representa a las matrices con letras maysculas y

a sus elementos con letras minsculas.

Como ejemplo de matrices tenemos las siguientes

1 i 2 3i i
-1 2 4
0 4i 7 1 1 1 - 3i
A= ; B= 0 ;C = ;D = 3 1 1
1 1 2i 3 4 3 2
2 1 0
2 0 5 0

Donde A es una matriz de 4x3, B es una matriz de 1x3 (conocida

como matriz rengln o vector rengln), C es una matiz de
4x1 (conocida como matriz columna o vector columna), y D
es una matriz cuadrada de orden 3.
Igualdad de matrices

Dos matrices son iguales cuando tienen los mismos elementos, y

stos se encuentran dispuestos de la misma manera en ambos
renglones. Esta idea puede expresarse en trminos ms precisos
con la ayuda del smbolo aij , que representa el elemento que se
encuentra en la posicin correspondiente al rengln i y a la
columna j de la matriz A. As, por ejemplo, para la matriz A, B,
C y D citadas anteriormente se tiene que

a 23 = 7
a32 =
1 2i
1
b13 =
3
c33 no existe
d 33 = 0 , etc.

En consecuencia, la igualdad de matrices se define como sigue:

Definicin

[ ] [ ]
Sean A = aij y B = bij dos matrices de m n con elementos en
C. Diremos que A y B son iguales, lo que representaremos con
A=B si :

aij = bij ; para i = 1, 2, ..., m y j = 1, 2, ..., n

As, por ejemplo, las matrices

i 2 1 i 2 1
A= y B=
3 i 0 3 0 i
no son iguales, a pesar de son del mismo orden y tienen los
mismos elementos, ya que, aunque se cumplen las igualdades

a11 = b11
a12 = b12
a13 = b13
a 21 = b21

Se tiene adems que

a 22 b22
y
a 23 b23

por lo que A y B no satisfacen la condicin de igualdad

establecida.

Para las siguientes matrices

x 2 1 1 2 1
M = 3 0 5 y N = 3 y 5
0 4 z 0 4 w

la igualdad M = N se cumple si y slo si x = -1, y y = 0 y z = w

1.3. Reglas de la aritmtica matricial

Adicin de matrices

La adicin de matrices slo puede efectuarse cuando las matrices

son del mismo orden y el resultado se obtiene sumando los
elementos correspondientes de ambas matrices, de acuerdo con la
siguiente definicin.
Definicin

Sean A = [aij ] y B = [bij ] dos matrices de m n con elementos en

C. La suma A + B es una matriz S = [S ij ], de m n , definida por
S ij = aij + bij para i = 1,2, , m y j = 1,2, , n.
As, por ejemplo, para las matrices

3 5 1 2
1 5 2i
A = 2 1+ i B = 2 i y C=
7+i 0 3
2i 4 3 4

se tiene que

3 +1 5+2 4 3
A + B = 0 + (2) 1 + i + (1) = 2 1
2i + 3 4 + (4) 3 2i 0

mientras que la adicin de A y C no puede efectuarse, ya que las

matrices no son del mismo orden. Se dice por ello que A y C no
son conformables para la adicin y, en consecuencia, la suma
A+C no existe.

La adiciones de matrices satisface las siguientes propiedades

Teorema

Si A, B, C, son matrices de m x n cuyos elementos son nmeros

complejos, entonces

i) A + (B+C) = (A+B) + C asociatividad

ii) A + B =B + A conmutatividad
iii) Existe una matriz 0 de m x n tal que
 A+0=A elemento
idntico
iv) Existe una matriz A de m x n tal que
A + (-A) = 0 elementos
inversos

Demostracin

Se demostrar la propiedad ii)

Sean A = aij y B = bij dos matrices de m n con elementos en C.

Se tiene que
A + B = [Sij ] = [aij + bij ]
B + A = [Tij ] = [bij + aij ]

Como aij y bij son nmeros complejos i, j; por conmutatividad

t ij = bi j + ai j + aij + bij = sij ; i, j

por lo que de la definicin de adicin de matrices

A+ B = B + A

iii) Sea A = aij una matriz de mxn con elementos en C.

Si definimos la matriz 0 = [0 ij ] como 0ij = 0 (cero) para i =

1,2,..., m y j=1,2,,...,n; entonces
 [
A + 0 = aij + 0i j ] Por definicin de la adicin de matrices
= [a ij + 0i j ] Por definicin de 0
= [aij ] Por elemto idntico
A+0 = A

iv) Sea A = aij una matriz de mxn con elementos en C.

Si definimos la matriz A = [vij ] como vij = ai j i, j;

entonces

[( )]
A + ( A) = aij + vi j Por definicin de la adicin de matrices
= [a + ( a )]
ij ij Por definicin de - A
= [0ij ], i, j Por elemto idntico
A + ( A) = 0 Por definicin de 0

A la matriz A, que es una matriz de mxn cuyos elementos son

los simtricos de los elementos de A, se le conoce como la
simtrica de A o la negativa de A.

Sustraccin de matrices

La resta o sustraccin de matrices puede definirse a partir de la

adicin de matrices y de los teoremas con los que cumple la
adicin de matrices.

Definicin
Sean A = aij y B = bij dos matrices de m n con elementos en C.
La diferencia A-B se define como:

A B = A + ( B )

De acuerdo con esta definicin, para obtener la diferencia A-B

bastar con restar a los elementos de la matriz A los elementos
correspondientes de la matriz B, puesto que

A B = A + ( B ) = [aij + ( bij )] = [aij bij ]

Por ejemplo, para las matrices

3 5 1 2
1 5 2i
A = 0 1+ i B = 2 i y C=
7+i 0 3
2i 4 3 4

Que vimos anteriormente, se tiene

3 1 52 2 7
A B = 0 ( 2 ) 1 + i ( i ) = 2 1 + 2i
2i 3 4 ( 4 ) 3 2i 8

mientras que la diferencia A-C no existe.

De la definicin de la sustraccin de matrices se tiene que dos

matrices son conformables para la resta si y slo si son del mismo
orden.

La multiplicacin por un escalar

En ocasiones, y particularmente desde el punto de vista de las

aplicaciones, se requiere multiplicar una matriz por un nmero, al
que genricamente se le conoce como escalar. Esta operacin,
denominada multiplicacin por un escalar, se define
formalmente como sigue:

Definicin

Sean A = aij una matriz de mxn con elementos en C y C. El

productoA es una matriz E = [eij ] de mxn, definida por:

eij = aij ; para i = 1, , m y j = 1, ,n

As, por ejemplo,

i 0 1
A=
i 3 1+ i

es la matriz

i 0 1 (2i )( i ) (2i )(0) (2i )(1)

A = (2i ) =
i 3 1+ i (2i )(i ) (2i )( 3) (2i )(1 + i )
2 0 2i
=
2 6i 2 + 2i

La multiplicacin por un escalar satisface las siguientes

propiedades
Teorema

Si A y B son matrices de mxn con elemntos en C y , C,

entonces;

i) ( A + B ) = A + B
ii) ( + ) A = A + A
iii) (A) = ( ) A
Demostracin

Se demostrar la propiedad i).

i) Sean A = aij y B = bij dos matrices de m n con elementos

en C y un escalar de C, entonces:

[ ( )]
A + B = aij + bi j Por igualdad de matrices
(A + B) = [ (aij + bij )] Por definicin de multiplicacin por un escalar
= [aij + bij ] Por distributividad
= [aij ] + [bij ] Por definicin de adicin de matrices
( A + B ) = A + B Por definicin de multiplicacin por un escalar

Multiplicacin de matrices

Considerando nuevamente el sistema de ecuaciones lineales

20 x1 + 100 x 2 + 40 x3 = 400
(1)
0 x1 + x2 x3 = 0

Con los coeficientes las ecuaciones formamos la matriz que

llamaremos A; otra con las incgnitas, a la que llamaremos X, y
una tercera con los trminos independientes, a la que llamaremos
B. Esto es:

x1
20 100 40 400
A= X = x2 B=
0 1 1 0
x3

Con ayuda de estas matrices podemos representar al sistema de

ecuaciones (1) mediante la expresin
 AX = B (2)

siempre y cuando tengamos una definicin adecuada para el

producto AX.

Las condiciones que establece el sistema (1) son equivalentes por

los teoremas que cumplen las matrices para la adicin, a la
siguiente igualdad entre matrices.

20 x1 100 x2 40 x3 400
AX = =
0 x1 x2 x3 0

de donde se sigue que la expresin (2) representar al sistema (1)

si slo si

20 x1 100 x 2 40 x3
AX =
0 x1 x2 x3

Veamos ahora cmo podemos obtener la matriz AX a partir de las

matrices A y X.

El primer elemento de AX; es decir, el que se encuentra en el

primer rengln y primera columna de dicha matriz, se obtiene
sumando los productos de los elementos del primer rengln de A
por sus elementos correspondientes en la primera columna de X.
En forma esquemtica:

[20 x1 + 100 x 2 + 40 x3 ]

x1
x2
x3

[20 100 40]

Anlogamente, el elemento que se encuentra en el segundo
rengln y primera columna de AX se obtiene sumando los
productos de los elementos del segundo rengln de A por los de la
primera columna de X. As

x1
= 0x1 + 1X 2 + (- 1)x3
x2
x3

[0 1 1]

En general, si A y B son dos matrices tales que el nmero de

columnas de A coincide con el nmero de renglones de B, el
elemento que se encuentra en la posicin correspondiente al
rengln i y la columna j de la matriz producto AB, se obtiene
sumando los productos de los elementos rengln i de la matriz A
por sus elementos correspondientes en la columna j de la matriz
B.

As, si A y B son las matrices

a11 a12 a1n

b11 b12 b1 j b1q
a 21 a 22 a2n
b 21 b 22 b2 j b2 q
. . . .
A= B= . . . . . .
a11 a11 a3n
. . . . . .
. . . .
b n1 b n2 bnj b nq
a m1 am2 a mn
de mxn y nxq respectivamente, el elemento ubicado en el rengln
i y columna j de la matriz producto AB, al que representamos
como Pij, ser

Pij = ai1b1 j + ai 2 b2 j + + ain bnj

que, en forma compacta, puede expresarse como

n
Pi j = aik bkj
k =1

Formalmente, se tiene la siguiente definicin para la

multiplicacin de matrices.

Definicin

Sean A = [aij ] y B = [bij ] dos matrices con elementos en C, de

mxn y nxq respectivamente. El producto AB es una matriz
[ ]
P = pij , de mxq, definida por

n
Pij = aik bkj ; para i = 1, , m y j = 1, , q.
k =1

A manera de ejemplo, para las matrices

5 3 -1
2 0
0 1 -3 -1 2 0 3
A= B = -3 4 C=
-2 0 1 0 -3 1 -4
-1 3
1 -1 3

[ ]
se tiene que AB = pij es una matriz de 4x2, donde
 3
p11 = a1k bk1 = a11b11 + a12b21 + a13b31 =
k =1

= 5(2 ) + (3)( 3) + ( 1)( 1) = 10 9 + 4 = 2

3
p12 = a1k bk 2 = a11b12 + a12b22 + a13b32 =
k =1

= 5(0 ) + (3)(4) + ( 1)(3) = 0 + 12 3 = 9

y de manera similar se calculan

P 21 = (0 )(2) + (1)( 3) + ( 3)( 1) = 0 3 + 3 = 0

P 22 = (0 )(0) + (1)(4) + ( 3)(3) = 0 + 4 9 = 5
P 31 = ( 2)(2 ) + (0 )( 3) + (1)( 1) = 4 + 0 1 = 5
P 32 = ( 2)(0 ) + (0 )(4) + (1)(3) = 0 + 0 + 3 = 3
P 41 = (1)(2 ) + ( 1)( 3) + (3)( 1) = 2 + 3 3 = 2
P 42 = (1)(0 ) + ( 1)(4 ) + (3)(3) = 0 4 + 9 = 5

por lo que

2 9
0 5
AB =
5 3
2 5

El producto AC no puede obtenerse, porque el nmero de

columnas de A no es igual al numero de renglones de C. Se dice
entonces que las matrices A y C no son conformables para el
producto AC.

Sin embargo, estas mismas matrices s resultan conformables para

el producto CA.
2 4 4
CA =
6 1 2
De lo anterior se concluye que la multiplicacin de matrices no
es conmutativa; es decir, no puede establecerse que para dos
matrices A y B (conformables para el producto AB) se tenga que
AB=BA.

Puesto que AB y BA representan, en general, matrices diferentes,

es importante hacer nfasis en el orden en que se multiplican. As
en el producto AB se dice que la matriz A premultiplica a la
matriz B; mientras que en el producto BA se dice que A
postmultiplica a B.

En algunos casos, como el del ejemplo anterior, la multiplicacin

puede efectuarse en un sentido, digamos AB, pero no en el otro,
es decir BA. En otros casos la multiplicacin puede efectuarse
tanto en un sentido como en el otro, pero los resultados pueden
ser diferentes o iguales segn las matrices de que se trate.

Cuando dos matrices A y B son tales que AB=BA se dice que son
permutables (tambin suele decirse que conmutan).

Por ejemplo, para las matrices

0 1 1 2
A= y B=
3 1 3 4

se tiene que:

3 4 6 3
AB = y BA =
0 2 12 7

por lo que A y B no son permutables; mientras que para

0 1 3 1
A= y C=
3 1 3 2
se tiene que

3 2 3 2
AC = y CA =
6 5 6 5

La multiplicacin de matrices satisface la ley asociativa que

establece el siguiente enunciado.

Teorema

Sean A, B y C matrices mxn, nxq y pxq, respectivamente, cuyos

elementos son nmeros complejos, entonces:

A(BC ) = ( AB )C

Demostracin

Sean A = [aij ], B = [bij ] y C = [cij ] matrices de mxn, nxp y pxq,

respectivamente. Entonces, por definicin de multiplicacin de
matrices:

P
BC = b ik ckj
k =1

donde BC es una matriz de nxq. Entonces

 n p
A( BC ) = aih bhk ckj Por definicin de multiplicacin de matrices
h =1 k =1

n p
= aih bhk ckj Por distibutividad
h =1 k =1
p n
= aih bhk ckj Puesto que se puede sumar en culaquer orden
k =1 h =1
p n
= aih bhk ckj Por distibutividad
k =1 h =1

A(BC) = (AB)C Por definicin de multiplicacin de matrices

Para verificar el teorema anterior en un caso particular, se

consideran las siguientes matrices

1 0
3 2 1 2 1
A= B= y C = 2 1
1 0 3 1 0
3 2

Se obtendr primero el producto de

1 0
1 2 1 2 0
BC = 2 1 =
3 1 0 1 1
3 2

y, posteriormente, se premultiplicar ste por A, con lo que se

obtiene:

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

Por otra parte, se obtendr el producto de

 3 2 1 2 1 3 8 3
AB = =
1 0 3 1 0 1 2 1

y, a continuacin, se postmultiplica por C, con lo que se obtiene

1 0
3 8 3 4 2
( AB )C = 2 1 =
1 2 1 2 0
3 2

se llego al mismo resultado, y se cumple el teorema

A(BC)=(AB)C.

Con fundamento en dicho teorema se puede escribir simplemente

ABC

Ya que no importa cual de los productos (AB o BC) se efecte

primero.

Consideradas simultneamente, la adicin y la multiplicain de

matrices tiene las propiedades que se enuncian a continuacin,
conocidas como las leyes distributivas de la multiplicacin sobre
la adicin.

Teorema

Sean A, B y C matrices de mxn, nxp y nxp, respectivamente, y D,

E y F matrices de mxn, mxn y nxp, respectivamente, cuyos
elementos son nmeros complejos; entonces:

i) A(B+C)=AB+AC
ii) (D+E)F=DF+EF

Demostracin
Se demostrar a continuacin la distibutividad por la izquierda
(propiedad i).

Sea A = [aij ], B = [bij ] y C = [cij ] matrices de mxn, nxp y

nxp, respectivamente; entonces

B + A = [Bij + cij ] Por definicin de adicin de matrices

aik (bkj + ckj )

n
A(B + C ) = Por definicin de multiplicain de matrices
k =1

(aik bkj + aik ckj )

n
= Por distributividad
k =1
n n
= aik bkj + aik ckj Por asociatividad y conmutatividad
k =1 k =1
n n
= aik bkj + aik ckj Por definicin de adicin de matrices
k =1 k =1
A(B + C ) = AB + AC Por definicin de multiplicacin de matrices

Matriz Identidad

Se conoce como matriz identidad de orden n a una matriz

cuadrada de orden n que es de la forma
1 0 0 0
0 1 0 0
0 0 1 0
. . . .
. . . .
0 0 0 1

La matriz identidad est formada con unos y ceros nicamente.

Los elementos iguales a uno son aquellos que coinciden el
nmero de rengln y el de la columna donde se encuentran, y
todos los dems elementos son cero.

Lo anterior permite establecer la siguiente definicin para la

matriz identidad.

Definicin

Se llama matriz identidad de orden n a la matriz cuadrada de

orden n I n = [ ij ], tal que

ij = 1, si i = j
y
ij = 0, si i j

Al smbolo ij de la definicin anterior se le conoce como delta

de Kronecker.
La matriz identidad juega un papel muy importante en el lgebra
de matrices, ya que constituye un elemento idntico para la
multiplicacin.

Por ejemplo, si se premultiplicamos la matriz

3 1
A = 2i 4
7 0

por la matriz identidad de orden tres se tendr

1 0 0 3 1 3 1
I 3 A = 0 1 0 2i 4 = 2i 4 = A
0 0 1 7 0 7 0

Si ahora postmultiplicamos dicha matriz por I2 se tendr tambin

 3 1 3 1
1 0
AI 2 = 2i 4 = 2i 4 = A
0 1
7 0 7 0

En general, se tiene el siguiente teorema

Teorema

Si A es una matriz de mxn con elementos en C, entonces:

i) ImA=A
ii) AIn=A

Demostracin

Se demostrar la parte i) del teorema.

i) Sea A = [aij ] una matriz de mxn con elementos en C y sea

I m = [ ij ]

m
Im A = ik akj Por definicin de multiplicacin de matrices
k =1

= [ ii aij ] Por definicin de matriz identidad

= [1 aij ] Por definicin de matriz identidad
= [aij ] Por elemnto idntico
Im A = A

Inversa de una matriz

En ciertos casos, para una matriz A es posible hallar una matriz X
tal que XA=I=AX

Por, ejemplo, para la matriz

3 1
A=
5 2

Se tiene que la matriz

2 1
X =
5 3

es tal que

2 1 3 1 1 0
XA = =
5 3 5 2 0 1
3 1 2 1 1 0
AX = =
5 2 5 3 0 1

Se dice entonces que X es inversa de la matriz A y se

representa como A-1

Definicin

Sea A una matriz de nxn con elementos en C. Una matriz X se

dice que es inversa de A si

XA=In=AX
-1
Y se representa con A .

Cabe hacer notar que la igualdad XA=AX slo es posible cuando

A yX son matrices cuadradas del mismo orden; en consecuencia,
para que una matriz A tenga inversa es condicin necesaria que
ser cuadrada. Adems, la inversa ( en caso de existir) sea nica.

La definicin de matriz inversa establece lo que deber entenderse

por matriz cuadrada, pero no dice que todas matriz cuadrada tenga
inversa, ni que dicha inversa (en caso de existir) sea nica.

En lo que se refiere al primer punto, se puede demostrar, mediante

un ejemplo, que no todas las matrices cuadradas tienen inversa.

En efecto, para la matriz

3 0
A =
0 0

una matriz

x11 x12
X =
x 21 x 22

tal que XA=I deber cumplir con

x11 x12 3 0 1 0
=
x 21 x 22 0 0 0 1

esto es

3 x11 0 1 0
=
3x 21 0 0 1

igual que, como puede verse, no se satisface para ningn valor de

los elementos x11, x12, x21, x22. Luego, no existe inversa para la
matriz propuesta.
A las matrices que tienen inversa se les llama no singulares y a
las que no tienen inversa singulares.

Definicin

Sea A una matriz de nxn con elementos en C. Se dice que A es no

singular si existe A-1, en caso contrario se dice que A es singular.

En lo que se refiere a la unicidad, se puede demostrar que la

inversa de una matriz cuadrada (si existe) es nica, como lo
establece el siguiente teorema, en el que se enuncian adems otras
propiedades importantes de la inversa.

Teorema

Si A y B son dos matrices no singulares del mismo orden y

C, entonces:

i) A-1 es nica
ii) (A-1)-1=A
iii) (AB)-1=B-1A-1
1
iv) (A)-1= A 1 , si 0

Demostracin

Se demuestran a continuacin i) y iii).

i) Sea A una matriz de nxn no singular, y sean X, Y dos

inversas de A; entonces, por definicin de inversa de una
matriz

XA = I n AX y YA = I n = AY
 Por otra parte

X=XIn Por el teorema de matriz identidad

=X(AY) Por hiptesis
=(XA)Y Por teorema de multiplicacin de
matrices
=InY Por hiptesis
X=Y Por i) del teorema de identidad de
matrices

Y en consecuencia la inversa es nica.

ii) Sean A y B dos matrices de nxn no singulares. Por definicin

de inversa existen A-1 y B-1 y puede formarse el producto.

Para el cual se tiene que

(B-1A-1)(AB)= (B-1A-1)[(A)(B)]
=[(B-1A-1)A]B Por teorema de multiplicacin de
matrices
=[B-1(A-1A)]B Por teorema de multiplicacin de
matrices
=(B-1In)B Por definicin de matriz inversa
=B-1B Por teorema de matriz identidad
(B-1A-1)(AB)=In Por definicin de matriz inversa

En forma anloga puede demostrarse que

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

y, en consecuencia, de la definicin de matriz inversa se tiene que

B-1A-1 es la inversa de AB; esto es

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

Como se quera.
Cabe hacer notar que de la expresin anterior se sigue que el
producto de dos matrices no singulares es una matriz no singular.

Clculo de la inversa por transformaciones elementales

Existen matrices que tienen inversa y hay otras que no la tienen; y

para determinar si una matriz tiene inversa o no la tiene.

Un primer procedimiento consiste en plantear una matriz

desconocida X, cuyos elementos Xij queremos determinar.
Multiplicar dicha matriz por A y obtener los valores de Xij que
hacen posible las igualdades

XA=I=AX

Este procedimiento, que se fundamenta directamente en la

definicin de inversa, conducira a un sistema de n2 ecuaciones
con n2 incgnitas, que para valores grandes de n resulta muy
arduo resolver.

En su lugar se propone un mtodo ms prctico que se basa en el

empleo de las transformaciones elementales por rengln.

El mtodo consiste en aplicar una sucesin de transformaciones

elementales a la matriz A hasta obtener la matriz identidad, y
aplicar esta misma sucesin de transformaciones a la matriz In
con lo que se obtiene A-1. Si no es posible transformar la matriz A
en la matriz identidad entonces no existe A-1.

Con el propsito de fundamentar tericamente este mtodo

introduciremos a continuacin el concepto de matriz elemental y
estableceremos algunos resultados que nos permitirn concluir la
validez del mtodo.

Matrices elementales
Consideramos la matriz

1 2 1 3
A= 3 5 6 7
0 1 4 2

y apliquemos la transformacin elemental (T1)que consiste en

intercambiar los renglones segundo y tercero; se obtiene entonces
la matriz

1 2 1 3
A1 = 0 1 4 2
3 5 6 7

Esta matriz puede obtenerse tambin como resultado de una

multiplicacin.

Si se premultiplica A por la matriz

1 0 0
E1 = 0 0 1
0 1 0

se tendr

1 0 0 1 2 1 3 1 2 1 3
E1 A = 0 0 1 0 1 4 2 = 0 1 4 2 = A1
0 1 0 3 5 6 7 3 5 6 7

La matriz E1 recibe el nombre de matriz elemental y, como

puede verse, se obtiene a partir de la matriz identidad efectuando
en ella la transformacin correspondiente (en este caso el
intercambio de los renglones 2 y 3).

Se obtiene as el equivalente algebraico de aplicar una

transformacin elemental que es premultiplicar por una matriz
elemental.

Existen tres tipos de matrices elementales, correspondientes a los

tres tipo de transformaciones elementales.

Definicin

Una matriz elemental es aquella que se obtiene aplicando a In una

transformacin elemental y se representa con:

I n(i , j ) si se obtiene intercambiando los renglones i y j de In

I nk (i ) si se obtiene multiplicando por un nmero k0 el

rengln i de In

I nk (i , j ) si se obtiene multiplicando por k el rengln i de In y

sumando el resultado al rengln j.

De acuerdo con esta notacin, a la matriz E1 del ejemplo anterior

le corresponde el smbolo I 3(2,3 )

Teorema

Si es una matriz de mxn con elementos en C, entonces:

 i) I m(i , j ) A es la matriz que se obtiene intercambiando
los
renglones i y j de la matriz A
k (i )
ii) I m A es la matriz que se obtiene multiplicando
por k el
rengln i de la matriz A
k (i , j )
iii) I m A es la matriz que se obtiene sumando al
rengln j de la
matriz A el rengln i multiplicado por k.

Demostracin

Se demuestra a continuacin la proposicin i), las proposiciones

ii) y iii) se pueden de manera similar.

Puesto que I m(i , j ) = [erc ] es una matriz identidad con los renglones
i y j intercambiamos, se tiene que

Para ri, j; erc=rc

1, si c=j
Para r=i; eic=
0, si cj

1, si c=j
Para r=j; ejc=
0, si cj

Sea I m(i , j ) A = B = [brc ]

(1) Para ri, j se tiene que

 m m
brc = erk a kc = rk a kc = rr a rc = 1 a rc = a rc C
k =1 k =1

por lo que el rengln r de B es igual al rengln r de A.

(2) Para r=i se tiene que

m
bcr = bic = eik a kc =eij a jc = 1 a jc = a jc C
k =1

por lo que el rengln i de B es igual al rengln r de A.

(3) Para r=j se tiene que

m
brc = b jc = e jk akc =e ji aic = 1 aic = aic
k =1

por lo que en el rengln j de B es igual al rengln i de A.

En consecuencia, de (1), (2) y (3) la matriz B se obtiene

intercambiando los renglones i y j de la matriz A.

De acuerdo con el teorema anterior, cuando una matriz se

premultiplica por I n(i , j ) se intercambian sus renglones i y j. En
particular, si es la misma I n(i , j ) la que se premultiplica por dicha
matriz, tomando en cuenta que I n(i , j ) se obtiene intercambiando
los renglones i y j de In, se tendr que

I n(i , j ) I n(i , j ) = I n

por lo que I n(i , j ) tiene inversa, que la misma I n(i , j ) .

Razonando de manera similar se puede concluir que la inversa de
1
(i )
I nk (i ) es I k , y que la inversa de I nk (i ) es I n k (i , j ) .
n

En consecuencia se puede establecer que

Teorema(a)

Las matrices elementales son no singulares.

Y, tomando en cuanta el teorema de las matrices singulares se

tiene que:

Teorema(b)

El producto de matrices elementales es una matriz no singular

Justificacin del mtodo

Se justificar el mtodo para obtener una matriz mediante

transformaciones elementales.

Sea A una matriz de nxn con elementos en C y

i) Supongamos que existe una sucesin (finita) de

transformaciones elementales

T1, T2, ... ,Tk

que aplicada a la matriz A la transforma en la matriz identidad de
orden n; esquemticamente:

T1 T2 Tk
A A1 Ak 1 In

Entonces, existe una sucesin(finita) de matrices elementales

E1, E2, ... , Ek

tales que

Ek(...(E2(E1A))...)=In

Por lo que

(Ek ... E2E1)A=In

Si llamamos P al producto Ek ... E2E1, se tendr que

PA=In

Por otra parte, como P es un p7roducto de matrices elementales,

de el teorema de el producto de matrices elementales se sigue que
P es no singular y existe P-1; por tanto

P = Ek E 2 E1
P = (E k E 2 E1 )I n
P = Ek ( (E2 (E1 I n )) )
tal que podemos concluir que P se obtiene aplicando a In la
sucesin de transformaciones elementales T1, T2, ... , Tk.

Lo anterior sugiere, para propsito de clculo, el empleo de un

arreglo formado por dos matrices de nxn.
Inicialmente el arreglo tiene del lado izquierdo a la matriz A y del
lado derecho a la matriz identidad In. Se efectan entonces (en
ambas matrices simultneamente) las transformaciones necesarias
para obtener en el lado izquierdo la matriz In, y al finalizar el
proceso se obtiene en el lado derecho de la matriz A-1.

En forma esquemtica

T1 Tk
[A I n ] [
In A 1 ]
Para ilustrar lo anterior mediante un ejemplo consideremos la
matriz

1 3 0
A= 2 6 1
1 4 2

cuya inversa deseamos obtener.

Se debe formar primero el arreglo [ A I 3 ] y se efecta a

continuacin las trasformaciones necesarias para obtener en el
lado izquierdo una matriz escalonada (como en el mtodo de
Gauss)

T1
1 3 0 1 0 0 1 3 0 1 0 0
2 6 1 0 1 0 0 0 1 2 1 0
1 4 2 0 0 1 0 1 2 1 0 1
T2
1 3 0 1 0 1
0 1 2 1 0 0
0 0 1 2 1 1
y una vez que se ha obtenido sta se contina con el proceso hasta
obtener en el lado izquierdo la matriz identidad

T3 T4
1 3 0 1 0 0 1 0 0 16 6 3
0 1 0 5 2 1 0 1 0 5 2 1
0 0 1 2 1 0 0 0 1 2 1 0

T5
1 0 0 16 6 3
0 1 0 5 1 1
0 0 1 2 1 0

[ ]
con lo que se llega al arreglo I 3 A 1 y, en consecuencia, para
la matriz A en cuestin se tiene que

16 6 3
A 1 = 5 1 1
2 1 0

ii) Supongamos ahora que la matriz A no puede ser

transformada en la matriz identidad mediante una sucesin de
transformaciones elementales.

Se tiene entonces una sucesin de transformaciones elementales

T1, T2, ... ,Tr

que aplicada a la matriz A la transforma en una matriz C que tiene

un rengln de ceros; y existe por tanto un sucesin de matrices
elementales.
 E1, E2, ... , Er

tales que (Er ... E2E1)A=C

si llamamos Q al producto Er ... E2E1, se tendr que

QA=C

Por el teorema de multiplicacin de matrices elementales Q es

una matriz no singular, y si A fuese tambin no singular por iii)
del teorema de matriz no singular; sin embargo, C es singular
puesto que tiene un rengln de ceros y para cualquier matriz M el
producto MC tiene un rengln de ceros, es decir que no existe M
tal que MC=I.

En consecuencia la matriz A es singular y no existe A-1.

Como ejemplo consideraremos la matriz

1 3 0
A= 2 6 1
1 3 2

Formemos el arreglo [ A I 3 ] y tratamos de obtener en el lado

izquierdo la matriz identidad

1 3 0 1 0 0 1 3 0 1 0 0
2 6 1 0 1 0 0 0 1 2 1 0
1 3 2 0 0 1 0 0 2 1 0 1

1 3 0 1 0 0
0 0 1 2 1 0
0 0 0 5 2 1
como se ve, en el lado izquierdo del ltimo arreglo se ha obtenido
una matriz con un rengln de ceros, por lo que la matriz A es
singular y no tiene inversa.
1.4. Ecuaciones con matrices

Consideramos ahora las matrices

5 4 4 0 2
A= y B=
3 8 1 3 1

Existe una matriz X que satisfaga la siguiente relacin?

AX + B = 3 X

Con lo que se ha planteado una ecuacin entre matrices, donde la

matriz X es la incgnita.

En ciertos casos estas ecuaciones, conocidas como ecuaciones

matriciales, pueden resolverse siguiendo el mismo procedimiento
que se emplea para resolver ecuaciones planteadas con nmeros;
esto es, tratando de despejar la incgnita en trminos de los
otros elementos que intervienen en la ecuacin. Sin embargo, las
propiedades de las operaciones con matrices presentan, como
hemos visto, algunas diferencias respecto a las propiedades de las
operaciones con nmeros, por lo que se debe tener especial
cuidado en que los pasos efectuados en el despeje sean vlidos
en el lgebra de matrices.

Volviendo al ejemplo, para pasar la matriz B al miembro

derecho de la ecuacin se proceder de la siguiente manera:

Por elemento inverso (iv) del teorema de adicin de matrices

existe B, por lo que, de la expresin original

(AX+B)+(-B)=3X+(-B)
en consecuencia

AX+[B+(-B)]=3X+(-B) por asociatividad (i)) del

teorema de adicin de matrices
AX+0=3X+(-B) por elemento inverso (iv)) del
teorema de adicin de matrices
AX=3X+(-B) por elemento idntico (iii)) del
teorema de adicin de matrices

Para pasar ahora la matriz 3X al miembro izquierdo de la

ecuacin:

Por elemento inverso existe (3X), y de la expresin anterior

-(3X)+AX=-(3X)+[3x+(-B)

de donde

-(3X)+AX=[-(3X)+3X]+(-B) por asociatividad (i)) del

teorema de adicin de matrices
-(3X)+AX=0+(-B) por elemento inverso (iv)) del teorema de
adicin de matrices
-(3X)+AX=-B por elemento idntico (iii)) del teorema de
adicin de matrices

Ahora, para factorizar a X se procede como sigue:

Probamos primero que

(X ) = ( ) X

por lo que podemos escribir simplemente X .

En efecto, si es un escalar de C y X una matriz de mxn con

elementos en C:
X + [( ) X ] = [ + ( )]X Por ii) del teorema de multiplicacin de
matrices por un escalar
= 0 X Por elemento inverso
= X + ( ) X = 0

de donde

( )X = (X ) Por iv) del teorema de adicin de matrices

Llevando este resultado al desarrollo anterior se puede escribir

( 3)X + AX = B Por i) de Teorema de matriz identidad

[( 3)I ]X + AX = B
( 3I )X + AX = B
( 3I + A) X = B Por ii) de Teorema de multiplicacin de matrices

Finalmente, para despejar X premultiplicamos por la inversa de (-

3I+A), lo cual es vlido slo si dicha matriz es no singular.

As:

Si (-3I+A)-1, se tiene que

( 3I + A)1 [( 3I + A)X ] = ( 3I + A)1 ( B )

y en consecuencia
[( 3I + A) 1
( 3I + A)]X = ( 3I + A)1 ( B) Por el teorema
de la ley
asociativa de la
multiplicacin
de matrices
IX = ( 3I + A) ( B )
1
Por definicin de
matriz inversa
X = ( 3I + A) ( B)
1
Por i) del
teorema de
matriz identidad

con lo que sea ha expresado a X en trminos de las matrices A y

B y del escalar 3 que aparece en la ecuacin.

Ejemplo:

1 0 5 4 2 4
3I + A = 3 + =
0 1 3 8 3 5

para calcular la inversa de esta matriz se procede de la siguiente

manera

1
2 4 1 0 1 1 2 0
1 2 0 2
2
3 5 0 1 3
2 5 0 1 0 1 1
2

1 5
1 2 0 1 0 2
2 2
3 3
0 1 1 0 1 1
2 2

por lo que
 5
2 4 0 2 8 6 3
X = ( 3I + A) ( B ) = 2
1
=
3
1 1 3 1 5 3 2
2

es la matriz que satisface la ecuacin propuesta.

Representacin matricial de un sistema de ecuaciones lineales

Otro ejemplo de ecuacin matricial, de uso frecuente en las

aplicaciones, lo constituye la llamada representacin matricial de
un sistema de ecuaciones.

Con base en las definiciones de igualdad y de la multiplicacin de

matrices, un sistema de m ecuaciones lineales con n incgnitas
puede representarse con la expresin:

AX=B

donde A es una matriz mxn que se conoce como matriz de

coeficientes del sistema, X es una matriz de nx1 conocida como
vector de incgnitas y B es una matriz de mx1 conocida como
vector de trminos independientes

Esta ecuacin puede resolverse premultiplicando por A-1 cuando

A sea una matriz no singular.

Si A -1 , se tienen que:
A 1 ( AX ) = A 1 B
(A A)X = A
1 1
B
IX = A 1 B
X = A 1 B

As, por ejemplo, el sistema de ecuaciones lineales

X1 + 3X 3 = 2
X 2 2 X 3 = 1
X1 + X 2 + 2X 3 = 3

puede expresarse en forma matricial como AX=B, donde

1 0 3 X1 2
A= 0 1 2 X = X2 y B = 1
1 1 2 X3 3

Para determinar si existe A-1 y obtenerla se procede como sigue

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

1 0 3 1 0 0 1 0 0 4 3 3
0 1 -2 0 1 0 0 1 0 2 1 2
0 0 1 -1 1 1 0 0 1 1 1 1

por lo que

4 3 3
A 1 = 2 1 2
1 1 1
y en consecuencia

4 3 3 2 4
X = A 1 B = 2 1 2 1 = 3
1 1 1 3 2

es la solucin del sistema; es decir

X 1 = 4, X 2 = 3, X3 = 2

Diferencia entre el lgebra de nmeros y el lgebra de

matrices

1) La diferencia ms general consiste en que podemos sumar o

multiplicar dos nmeros cualesquiera, mientras que no
siempre podemos hacerlo con las matrices, puesto que stas
deben ser conformables para la operacin a efectuar.

Como consecuencia de ello se puede presentar que la

ecuacin matricial est mal planteada, en el sentido de que
no puedan efectuarse operaciones propuestas. Por ejemplo,
si para las matrices A y B mencionadas anteriormente.

XA + B = 3 X

se tendr que, como A es de 2x2, la matriz X deber ser de

mx2 para que exista el producto XA, y en tales
circunstancias XA ser tambin de mx2 por lo que no podr
sumarse con B. Luego, no existe matriz X alguna que
permita efectuar las operaciones propuestas en el miembro
izquierdo de la ecuacin.
 Las diferencias ms significativas, sin embargo, son las
relacionadas con la multiplicacin; entre las cuales se
cuentan las siguientes.

2) La multiplicacin de nmeros es conmutativa, mientras que

la multiplicacin de matrices no lo es.

Como consecuencia de ello se tiene que, para los nmeros

b=c ab = ac

y tambin

b=c ab = ca

mientras que las matrices

B=C AB = AC

pero

B=C / AB= CA

As por ejemplo, al despejar la incgnita X de una ecuacin

matricial

AX = B

se premultiplican ambos miembros por A -1 con lo que se

obtiene

X = A -1B

resultado que, en general, difiere de

BA 1
 que se obtiene premultiplicando por A-1 en el miembro
izquierdo y postmultiplicando por dicha matriz el miembro
derecho.

3) El producto de dos nmeros diferentes de cero es diferente

de cero, mientras que el producto de dos matrices diferentes
de la matriz cero puede ser igual a la matriz cero.

Por ejemplo, para las matrices

3 1 1 2
A= y B=
9 3 3 6

se tiene que A 0, B 0 y AB = 0

4) La ley cancelativa para la multiplicacin tiene una

aplicacin ms restringida en el caso de las matrices.

En efecto, para los nmeros se tiene que

si a 0 entonces ab = ac b=c

lo cual no es vlido para las matrices ya que, por ejemplo,

para las matrices A y B citadas anteriormente se tiene que
A0 y

AB = A0

sin embargo, esto no implica que B=0; es decir, no podemos

cancelar la matriz A en la expresin anterior.

Para las matrices, la ley cancelativa puede enunciarse de la

siguiente manera

Si A es no singular entonces AB = AC B=C

Hay ecuaciones matriciales, del tipo que se han planteado, las
cuales no pueden resolverse empleando el procedimiento descrito
y que, sin embargo, tienen solucin. Para estos casos queda el
recurso de plantear un sistema de ecuaciones lineales equivalentes
y resolverlo por el mtodo de Gauss.
3. Determinantes

3.1. Clculo de determinantes

Regla de Sarrus

El mtodo ms sencillo es el que se conoce como regla de

Sarrus, el cual se emplea para determinantes de segundo y tercer
orden.

a11 a12
= a11 a 22 a 21 a12
a 21 a 22

1 3
5 3
1 3
det A = = 7 15 = 8
5 3

a11 a12 a13

a21 a22 a23 =
a31 a32 a33
a11 a12 a13
a21 a22 a23

= a11a22 a33 + a21a32 a13 + a31a12 a23 a21a12 a33 a11a32 a23 a31a22 a13

1 4 5
A= 3 2 5
1 4 1
 1 4 5
det A = 3 2 5 =
1 4 1
1 4 5
3 2 5

= (1)(2)( 1) + (3)(4 )(5) + (1)(4 )(5) (1)(2 )(5) (1)(4)(5) (3)(4 )( 1)

= -2 + 60 + 20 - 10 - 20 + 12 = 92 - 32 = 60

La regla de Sarrus slo se aplica a determinantes de segundo y

tercer orden.

Desarrollo por cofactores

a11 a12 a13

A = a 21 a 22 a 23
a31 a32 a33

21
a22 a23 1+ 2 a a23 1+ 3 a a 22
det A = a11 ( 1) + a12 ( 1) + a13 ( 1)
1 +1 21
a32 a33 a31 a33 a 31 a 32
Menor de a13
cofactor c13

Definicin

Sea A=[aij] una matriz de nxn con elementos en C

 i) Se llama menor del elemento aij y representa con Mij al
determinante de la matriz que se obtiene suprimiendo en A
el rengln i y la columna j.
ii) Se llama cofactor del elemento aij, y representa con Cij, al
producto (-1)i+1Mij.

Teorema

Si A=[aij] es una matriz de nxn con elementos en C y r es un

nmero entero tal que 1 r n , entonces

n
i) detA= a rj crj
j =1
n
ii) detA= air cir
i =1

Ejemplo:

3 1 0
Sea A = 2 4 3
5 4 2

Calcular det(A) usando el mtodo de cofactores

4 3 2 3 2 4
det( A) = 3 + (1) +0 =
4 2 5 2 5 4
= 3(8 2 ) 1(4 15) + 0
= 3( 4) 1( 11) + 0
= ( 12 + 11)
= 1

det(A)=a11c11+a12c12+a13c13
Mtodo de condensacin

Este mtodo se basa en lo siguiente

1) Elegir una lnea que contenga el mayor nmero de ceros

posibles.
2) Elegir un elemento no nulo de dicha lnea (de preferencia
un 1 1) y aplicar reiteradamente la propiedad v) hasta
reducir a ceros todos los dems elementos de la lnea.
3) Desarrollar por cofactores segn dicha lnea.
4) Repetir los tres pasos anteriores hasta obtener un
determinante de tercer orden (o de segundo) y obtener su
valor por medio de la regla de Sarrus.

Teorema

Sea A=[aij] una matriz de nxn con elementos en C

i) Si los elementos de una lnea A (rengln o columna) son

todos nulos, entonces detA=0
ii) Si B se obtiene de A multiplicando los elementos de una
de sus lneas por un elemento C, entonces
detB=detA
iii) Si B se obtiene de A intercambiando lneas paralelas (dos
renglones o dos columnas), entonces detB=-detA
iv) Si dos lneas paralelas, entonces detA=0
v) Si B se obtiene de A sumando a los elementos de una
lnea los elementos de una lnea paralela multiplicados
por un nmero , entonces detB=detA

Ejemplo:

Calcular el determinante de la matriz

 1 1 5 2 3
3 2 1 0 1
A= 1 1 2 1 0
0 2 1 3 1
1 2 4 0 1

Seleccionamos la cuarta columna para efectuar el desarrollo y

para pivote el tercer elemento de dicha columna. Se multiplica
por 2 y 3 el rengln tres y se suma a los renglones uno y cuatro,
respectivamente.

1 1 5 2 3 1 1 1 0 3
3 2 1 0 1 3 2 1 0 1
det A = 1 1 2 1 0= 1 1 2 1 0
0 2 1 3 1 3 5 5 0 1
1 2 4 0 1 1 2 4 0 1

Desarrollo por cofactores la cuarta columna:

1 1 1 3
3 2 1 1
Det(A)= (1)( 1)7

3 5 5 1
1 2 4 1

Para desarrollar este determinante se escoge el primer rengln

para el desarrollo y el elemento de la primera columna como
pivote.
 1 1 1 3 1 0 0 0
3 2 1 1 3 5 4 10
det A = ( 1) = (1)
3 5 5 1 3 2 8 8
1 2 4 1 1 3 5 2
* (1) (1) ( 3)

5 4 10
det A = ( 1)(1)( 1) = 2 8
2
8
3 5 2

Se selecciona el segundo rengln para el desarrollo y el primer

elemento como pivote

5 4 10 5 24 30
det A = ( 1) 2 8 8 = (1) 2 0 0
3 5 4 3 17 14
* (4 )( 4 )

24 30
det A = ( 1)(2)( 1) = 2( 336 + 510)
3

17 14
det A = 348

Algunas Aplicaciones

Clculo de la inversa por medio de la adjunta

Se conoce como adjunta de una matriz cuadrada A a la

transpuesta de la matriz que se obtiene reemplazando los
elementos de A por sus respectivos cofactores.
Definicin

Sea A=[aij] una matriz de nxn con elementos en C, y sea cij el

cofactor del elemento aij. Se llama adjunta A a la matriz

AdjA=[bij], donde bij=cji

Por ejemplo, para obtener la adjunta de la matriz

1 2 3
A= 1 2 4
1 6 4

se calculan los cofactores de todos sus elementos

2 4
c11 = = 8 24 = 16
6 4

1 4
c12 = 2(1) =0
1 4

1 2
c13 = = (6 2) = 4
1 6

2 3
c 21 = ( 1) = (8 18) = 10
6 4

1 3
c 22 = = (4 3) = 1
1 4

1 2
c 23 = ( 1) = (6 2) = 4
1 6
 2 3
c31 = =86 = 2
2 4

1 3
c 32 = ( 1 ) = (4 3 ) = 1
1 4

1 2
c33 = = 22 = 0
1 2

16 10 2
AdjA = 0 1 1
4 4 0

1 2 3 16 10 2 4 0 0 1 0 0
A( AdjA) = 1 2 4 0 1 1 = 0 4 0 = 4 0 1 0
1 6 4 4 4 0 0 0 4 0 0 1

Cual es la relacin de 4 con la matriz A si calculamos

1 2 3
det A = 1 2 4 = 4
1 6 4

es decir

A(AdjA)=(detA)I3
Teorema

Si A es una matriz de nxn con elementos en C, entonces

A-1 existe si y slo si detA0

Si detA0, entonces

1
A 1 = ( AdjA)
det A

1
Si A 1 entonces det A1 =
det A

Ejemplo

1 2
Calcular la inversa de A =
1 4

Utilizando la adjunta

C11=4 c12=-1

C21=-2 c22=1

4 2
AdjA =
1 1

4 2
det A = = 42= 2
1 1

1 2 1
1
A = 1 1
2
2 2
Regla de Cramer

Sea

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

a 21 x1 + a 22 x2 + + a 2 n x n = b2

a n1 x1 + a n 2 x 2 + + a nn x n = bn

un sistema de n ecuaciones con n incgnitas, y sea A=[aij] su

matriz de coeficientes

Si det(A)0 entonces

det Ak
xk = , (k = 1, 2, , n)
det A

aij, para jk
donde Ak=[Cij] es tal que cij
bi, para j=k

Ejemplo

Resolver el siguiente sistema de ecuaciones utilizando la Regla de

Cramer

3x1 4 x 2 = 5
2 x1 + x2 = 4
 3 4
det A = = 3 (8) = 11
2 1
5 4
det A1 = = 5 ( 16 ) = 11
4 1
3 5
det A2 = = 12 ( 10) = 22
2 4
11 22
x1 = = 1; x2 = =2
11 11
 Curso propedutico de matemticas

Probabilidad y estadstica

Conceptos bsicos de estadstica

M. en C. Hctor Arnoldo Lpez Zamorano

Facultad de Ingeniera, UNAM

julio de 2006
I. Conceptos bsicos de estadstica

Objetivo
Al finalizar el tema, el alumno conocer lo que es la estadstica y algunos de los
conceptos bsicos relacionados con ella: Poblacin, muestra, eventos, tipos de datos,
tipos de errores, etc.

a definicin de estadstica no es fcil de establecer a pesar de que parece que la

L usamos a cada instante. Cuando establecemos una cita, acudimos a ella confiando
en que ocurrir o dudando de que se lleve a cabo porque tenemos informacin que
nos indica que la persona es muy cumplida o bastante irresponsable. En otras
palabras, hemos recopilado datos que nos describen a nuestra contraparte y nos hacen
prever un posible resultado. Lo anterior describe de manera gruesa el uso de la
estadstica aunque no la define, porque tal punto parece depender de su utilizacin, como
veremos en el apartado siguiente.

Estadstica
Dicen Jonson y Kuby en su libro estadstica elemental que la estadstica es el lenguaje
universal de la ciencia Es un campo de magia en el que una persona con
conocimientos supera a las dems. Terminan diciendo que la estadstica es la ciencia
de recolectar, describir e interpretar datos. En el libro Estadstica de R. R. Pagano
encontramos que la estadstica estudia las tcnicas que se utilizan para describir o
caracterizar los datos obtenidos de analizar una poblacin o una parte de ella para hacer
inferencias.

Figura 1: En todos los campos de las ciencias siempre necesitamos hacer

representaciones adecuadas de informacin para facilitar su anlisis.
Como en los dos casos anteriores, hay siempre similitudes pero tambin diferencias en la
definicin de tal ciencia, dependiendo de los autores y de las necesidades. Cada uno
puede definir esta ciencia que busca los mejores mtodos para: establecer de manera
precisa un problema que se estudiar en una poblacin bien limitada, determinar que
aspectos se evaluarn y a quin se le preguntar (recopilacin de datos), encontrar cmo
se acomodarn o distribuirn los datos encontrados, descubrir valores que describen a la
poblacin y deducir o inferir comportamientos que probablemente ocurran.

Como se puede interpretar en el prrafo anterior, la estadstica tiene dos grandes

papeles; el primero, de describir a la poblacin que se est estudiando, y el segundo,
hacer suposiciones de posibles respuestas de la poblacin cuando se le estimula. La
seguridad con que esperaremos tales respuestas estar con fundamento en el retrato
hecho, de aqu que la estadstica no slo debe describir sino que debe ser til para ver
hacia el futuro.

Antes de hacer un estudio estadstico es importante definir con la mayor claridad posible
qu es lo que se pretende estudiar, cul es la hiptesis que se busca confirmar o
desechar, o cul es el objetivo que se persigue. Si no hay una idea bien establecida, la
informacin que se rena no tendr utilidad y las inferencias carecern de calidad. Una
vez que se sabe lo que se desea, se define quin ser la poblacin de estudio; este es
otro punto de esencial cuidado en la estadstica.

Conceptos bsicos
Pero, qu es la Poblacin? Es el conjunto ms grande o completo de individuos,
objetos, observaciones o datos concebibles de un fenmeno determinado que puede ser
analizado por el investigador o interesado en el estudio. Como la poblacin puede ser
muy grande, en ocasiones se toma una pequea porcin de esa poblacin. Esa pequea
porcin se conoce como muestra; dicha muestra se selecciona de tal forma que es
representativa de la poblacin; es decir, los resultados arrojados por la muestra son muy
similares a los que se obtendran si fuera posible obtener los datos de toda la poblacin.
Como se sabe cul es el objetivo del estudio, se conoce qu es lo que interesa medir en
la muestra; esa propiedad o caracterstica de inters que puede tener diversos valores en
diferentes instantes o circunstancias se conoce como variable. La variable puede ser
una variable independiente en el experimento si puede ser controlada de forma
sistemtica por el investigador. Si la variable que se mide en el experimento es una
consecuencia o efecto de la variable independiente entonces hablamos de una variable
dependiente. Las variables pueden ser cualitativas o cuantitativas; las primeras
clasifican, dan atributos o categoras nominales u ordinales a los elementos de la
poblacin o muestra, las segundas asignan un valor numrico continuo o discreto. En el
caso de variables de valor nominal no se aplican las operaciones aritmticas ni se
pueden ordenar; un ejemplo tpico de este tipo de variable es la pregunta sobre el sexo
del individuo: hombre o mujer. En el caso de variables ordinales es posible hacer una
clasificacin ordenada porque se tienen respuestas del tipo, muy satisfecho,
satisfecho, medianamente satisfechos, etc. que s pueden ser convertidos en nmeros
y analizados. Las variables cuantitativas son probablemente las ms comunes en el
campo de la ingeniera, porque es muy comn que midamos temperaturas o presin en
un proceso, o que midamos unidades de produccin; estos son ejemplos de variables
numricas continuas y discretas.

Figura 2: Siempre que llevamos a cabo experimentos es necesario registrar los

resultados que se obtienen de las mediciones hechas sobre las variables de
inters.

Las medidas recolectadas en el experimento o asociadas a las distintas variables para

cada uno de los elementos de la muestra son conocidas como datos. El dato, al estar
relacionado con la variable, puede ser un nmero, una palabra o varias o un smbolo. Los
datos se obtienen al desarrollar el experimento de inters para el estudio; el experimento
es la realizacin de la actividad planeada para producir un conjunto de datos, el
experimento incluye el cmo seleccionar a la muestra de la poblacin estudiada y
tambin, cmo obtener los datos que se revisarn.

Con base en los datos obtenidos del experimento realizado sobre la muestra, producimos
valores numricos o nominales que los resumen; esto es, producimos una estadstica. Si
el valor numrico o nominal resume los datos de la poblacin completa entonces se le
llama parmetro.

Ejemplifiquemos los prrafos anteriores. Supongamos que el director de la compaa en

la que usted trabaja est interesado en saber cuntas horas, en promedio, le dedican sus
subalternos a actividades de aprendizaje y superacin para mejorar sus actividades
profesionales y provocar un cambio positivo en el comportamiento de la organizacin.

El experimento implica definir exactamente qu es lo que el director de la empresa

quiere saber; cmo se realizar el muestreo, es decir, cmo se seleccionar la
muestra para que pueda ser representativa de la poblacin, y cmo se obtendr y
analizar la informacin que permita contestar la interrogante del jefe.

La poblacin sern todos los colaboradores de la compaa.

Si la compaa es muy grande, entrevistarlos a todos ser difcil. Por tanto, se eligen
por algn mtodo determinados miembros de los distintos departamentos de la
empresa, esa es la muestra.
 La variable ser el tiempo dedicado a actividades de aprendizaje y superacin. Si se
le preguntara a los empleados cuntas horas dedican a su formacin tendremos una
variable numrica continua. Si se les preguntara si estudian mucho, poco,
tendramos una variable ordinal.

Un dato sera las horas de estudio de uno de los empleados. Por ejemplo, la seorita
X estudia 2 horas. Los datos son el conjunto de valores recogidos para la variable al
preguntarle a todos los elementos de la muestra: {2,1,3, 2, 0,...,1}

Si obtenemos el promedio de los datos obtenidos de la muestra, ese es una

estadstica.

Si el promedio de horas de formacin obtenido de la muestra es representativo de

todos los empleados de la compaa entonces tenemos un parmetro.

Poblacin y muestra
El diseo del experimento estadstico es una tarea bastante difcil. Mediante una
delineacin adecuada se busca reducir la variacin en el experimento y obtener una
cantidad especfica de informacin de calidad con un costo mnimo. Uno de los aspectos
considerados en el diseo es la seleccin adecuada de la muestra para obtener buenos
datos. Los datos producidos por la muestra son de calidad cuando la informacin
obtenida de ellos de verdad describen a la poblacin; en otras palabras, la muestra es
insesgada, sin sesgo o sin diferencia notable con respecto a la poblacin. La muestra es
sesgada o se tiene un muestreo sesgado cuando se producen valores que difieren
sistemticamente del comportamiento de la poblacin estudiada. A menudo este sesgo
se debe a que se hacen muestreos por conveniencia o de voluntarios. Un muestreo por
conveniencia sera suponer que el suministro de energa elctrica en todos los hogares
de la regin donde usted vive es siempre el adecuado porque en su casa y la de sus
conocidos no hay fallas. Un muestreo de voluntarios est compuesto por resultados
recolectados de un grupo de personas que por iniciativa propia acuden a decir que en su
casa el suministro elctrico tiene ciertas caractersticas; lo que probablemente ocurra es
una mayora de quejas por el servicio.

Para evitar problemas como los anteriores se han diseado diversas formas de
determinar la muestra con base en un marco muestral de la poblacin, es decir, una lista
de todos los elementos que pertenecen a la poblacin en estudio. La manera de elegir a
los elementos de una muestra puede ser por juicio o por probabilidad. En las muestras de
juicio los elementos de la muestra se eligen con base en el hecho de que son tpicas. En
las muestras probabilsticas todos los elementos de la poblacin tienen la misma
probabilidad de ser elegidos para ser parte de la muestra.

Uno de los muestreos ms usados es el muestreo aleatorio simple, en el cual cada uno
de los elementos de la poblacin posee la misma probabilidad de ser elegido. Otra
manera es mediante la seleccin sistemtica de la muestra, en esta tcnica se elige un
elemento del marco muestral cada i-simo elemento, empezando por elegir de manera
aleatoria al primer elemento; por ejemplo, se puede elegir primero al tercer miembro de la
lista, luego el noveno, despus el 14, y as sucesivamente.

Figura 3: La poblacin conforma el conjunto ms grande de inters en el estudio.

La muestra es un subconjunto que se espera sea representativa de la poblacin.

Si la poblacin presenta demasiadas diferencias, el ingreso econmico de la familia por

ejemplo, se puede emplear el muestreo aleatorio estratificado, donde se divide a la
poblacin en estratos y se elige una cantidad de elementos de cada estrato para la
muestra. Si se elige la misma cantidad de miembros de cada estrato se tiene un
muestreo proporcional. Si slo de algunos de los estratos se obtienen elementos para la
muestra tendremos un muestreo por conglomerados.

Al intentar recolectar datos de la muestra se espera que estos puedan ser medidos.
Como se anota antes, los datos pueden ser nominales, ordinales o numricos. Cuando
se est al cuidado de la calidad de una lnea de produccin de circuitos elctricos,
podemos establecer que el circuito funciona o no funciona; estos son datos nominales. Si
queremos analizar si la lnea de produccin nos da circuitos mal hechos muy
frecuentemente, frecuentemente, con poca frecuencia o nunca, tendremos datos
ordinales. Si procesamos cuntos circuitos defectuosos nos produce cada hora esa lnea,
tendremos datos numricos. En el campo de la ingeniera es ms comn tener datos
numricos continuos o discretos, mientras que en el campo de las ciencias sociales se
encuentran con frecuencia los tres tipos de dato.

Al recolectar datos numricos podemos emplear instrumentos de medicin que

presentarn variaciones en su medicin. Cuando se realiza la medicin de algn factor
como puede ser temperatura, presin, flujo, longitud, tiempo, etc. con un instrumento que
siempre produce el mismo resultado, pueden estar ocurriendo una o ambas cosas de las
que a continuacin se anotan: el instrumento no sirve o no est calibrado con una unidad
suficientemente pequea. En cualquier medicin se presenta siempre variacin, ya sea al
medir un mismo factor con distintos instrumentos o utilizar un solo instrumento para medir
el mismo factor en distintos instantes. La variabilidad puede conducir a errores en el
anlisis estadstico.
 Tipos de errores
Cuando buscamos la informacin para determinar parmetros o estadsticas que
describan una poblacin o una muestra podemos cometer dos tipos de errores: errores
muestrales o errores no muestrales.

Los errores muestrales se deben a que, al seleccionar la muestra de la poblacin,

aquella no es un buen descriptor de esta ltima. La manera de eliminar o disminuir este
error es seleccionando de manera adecuada a la muestra.

Los errores no muestrales estn relacionados con la necesidad de obtener o medir la

magnitud de alguna propiedad. Cuando medimos, por diversas razones, cometemos
errores y tenemos incertidumbres.

El error ( e ) es la diferencia entre la magnitud real de la propiedad ( mreal ) y el valor

encontrado en la medicin ( mmed ).

=e mreal mmed

El error relativo ( E ) es la razn del error entre el valor de la magnitud real; si al cociente
se le multiplica por cien tenemos el error relativo porcentual ( E % ).

e
E=
mreal

e
=
E% 100
mreal

Dado que no conocemos la medida real de la propiedad no es posible determinar el error

de la medida; lo que s podemos hacer es establecer un lmite superior razonable del
error, esto es la incertidumbre ( I ). Con esta informacin podemos advertir que una
medida es de magnitud m con incertidumbre I del siguiente modo
mI

es decir, el valor real de la medida est contenido en el intervalo anterior representado

grficamente en el siguiente esquema.

La incertidumbre relativa indica la tasa de precisin de la medida

I
.
mmed

La precisin aumenta conforme disminuye la incertidumbre.

No es posible conocer el valor verdadero de la propiedad que se est revisando, mas lo

que s se puede hacer es disminuir la incertidumbre disminuyendo el tamao del error.
Para reducir el efecto del error es importante saber de qu tipo es; las clasificaciones son:

Errores sistemticos: Se deben a factores no considerados que alteran de manera

significativa el resultado; debido a los dispositivos o mtodos de medicin como
pueden ser errores de calibracin, sensibilidad del instrumento, modificacin de
resultados como consecuencia de la introduccin del instrumento al sistema
investigado, etc. Los errores sistemticos son sesgados en una sola direccin; es
decir, todas las medidas hechas son superiores al valor real o todas son menores.
Errores de precisin: Todo aparato de medicin tiene limitaciones en la precisin.
Una regla escolar, por ejemplo, tiene hasta milmetros en la escala, entonces, al medir
el ancho de una hoja de papel puede quedar la orilla entre dos lneas de la escala,
automticamente habr que elegir por uno de ellos, la lnea ms cercana, y
estaremos dando origen a un error. La incertidumbre, en casos como el aqu descrito,
ser la mitad de la mnima divisin de la escala.

216 0.5mm

Figura 4: Cuando llevamos a cabo mediciones es difcil que el indicador

coincida con una cota exacta, en consecuencia aproximamos la medida; esto
implica tener un error inevitable.

Errores de observacin: Estos errores se deben a que el operador no acta de

manera adecuada durante la obtencin de las lecturas; por ejemplo, puede que antes
de llevar a cabo las operaciones de medicin no haya calibrado el aparato, tiene
problemas de reaccin cuando se requieren acciones inmediatas para parar un
conteo, no observa la escala desde un ngulo adecuado, etc. Estos errores se
pueden eliminar o limitar.
 Errores estadsticos o aleatorios: En todo proceso de obtencin de medidas se
tendrn fuentes no controladas de errores que modifican aleatoriamente el valor de la
medida. Estos errores no se pueden eliminar pero se pueden disminuir sus efectos
repitiendo muchas veces la medida. Al repetir la medicin provocamos de manera
aleatoria que en algunas ocasiones el valor medido sea mayor que el valor real y
otras tantas veces sea menor.

Ya que no es posible conocer el valor real de una medicin lo que nos queda es
encontrar el valor ms probable de la propiedad de inters, para tal fin requeriremos
determinar valores promedios. Esta y otras medidas de tendencia central y sus
dispersiones se estudian en las siguientes secciones.

Bibliografa de consulta recomendada

Robert Jonson y Patricia Kuby, Estadstica elemental. Thomson Learning, 2004,
Mxico.

Robert R.Pagano, Estadstica para las ciencias del comportamiento. Thomson

Learning, 2006, Mxico.

J.Susan Milton y Jesse C. Arnold, Probabilidad y estadstica con aplicaciones

para ingeniera y ciencias computacionales. McGraw Hill, 2004, Mxico.
Curso propedutico de matemticas

Probabilidad y estadstica

Medidas de tendencia central y de dispersin

M. en C. Hctor Arnoldo Lpez Zamorano

Facultad de Ingeniera, UNAM

julio de 2006
II. Medidas de tendencia central y de dispersin

Objetivo
Al finalizar el tema, el alumno conocer las formas de ordenar representar la
informacin producida en un experimento y sabr cmo obtener las medidas de
tendencia central y de dispersin para datos sin agrupar y agrupados.

os datos producidos durante las mediciones en un experimento,

L normalmente, resultan estar sin un orden especfico; son difciles de

interpretar y analizar. Por lo anterior se vuelve indispensable buscar la mejor
manera de ordenar la informacin y darle la mejor representacin para que
pueda decirnos algo. El anlisis de los datos y su calidad justifica la obtencin de
medidas de tendencia central que describan a la muestra o a la poblacin y de
medidas de dispersin para conocer que tan consistentes son los datos.

Representacin grfica de la informacin estadstica

Cuando llevamos a cabo tareas de medicin, stas las realizamos de manera
individual y las registramos en algn lugar como puede ser una hoja simple de
papel, una bitcora, una tarjeta de adquisicin de datos, una hoja de clculo de
algn programa computacional, etc. Una vez concluida la etapa de recoleccin de
informacin hacemos su ordenamiento para facilitar la interpretacin y uso de tales
datos, un arreglo bastante comn son las tablas de distribucin de frecuencias que
presentan los valores de las mediciones y la frecuencia con que se registraron.

Por ejemplo, las temperaturas mximas, en C, registradas en distintas regiones

del pas son: 24, 27, 32, 24, 42, 45, 28, 27, 32, 35, 39, 38, 37, 42, 47, 28, 45, 33,
30, 27, 32, 45, 27, 35, 25, 37, 39, 41, 38, 36, 29, 28, 43, 37, 32, 41, 38, 27, 30, 35,
39, 32, 36, 42, 25, 29, 30, 27, 41, 37. Estas cifras las podemos ordenar en una
tabla de frecuencias de menor a mayor temperatura:

Tabla 1: Tabla de frecuencias (frec en la tabla) de temperaturas en C (TC en

la tabla).

T C frec T C frec T C frec T C frec

24 2 31 0 38 3 45 3

25 2 32 5 39 3 46 0
Datos
26 0 33 1 40 0 47 1 totales

27 6 34 0 41 3 N=50

28 3 35 3 42 3

29 2 36 2 43 1

30 3 37 4 44 0
Cuando la cantidad de datos es muy grande podemos emplear intervalos para
agruparlos y facilitar su manejo. Para construir una tabla de frecuencias agrupadas
seguimos los pasos:

1. Encontrar el rango ( R ) de datos, es decir, encontrar la diferencia entre el

valor mayor ( Vmayor ) y el valor menor ( Vmenor ) del ordenamiento;

R = Vmayor Vmenor = 47 24 = 23

2. Determinar la amplitud del intervalo constante ( I ). Podemos definir un

nmero ( n ) adecuado de intervalos para tener

R 23
=
I = 3.8 (Se considera que seis intervalos son adecuados. Cuando
n 6
el intervalo tiene decimales se redondea al nmero inmediato inferior o
superior con las mismas cifras significativas que los datos, I = 4 .)

Otra opcin es elegir el nmero de intervalos ( n = 6 ) y el ancho del intervalo

de clase ( I = 4 ) de modo que nI R , con nmeros ( 4 )( 6 ) 21 .

3. Construir una tabla donde coloquemos los intervalos y las frecuencias de

datos para cada uno. Considere, al establecer el lmite inferior, ste debe
contener al dato mnimo y debe ser divisible entre el intervalo.

Observe que el dato ms pequeo es 24, este puede ser nuestro lmite
inferior ya que es divisible entre el intervalo

Vmenor 24
= entero
= = 6
I 4

Tabla 2: Tabla de frecuencias agrupadas para los datos utilizados en la tabla

1.

Intervalo Lmites Marca de Frecuencia Frecuencia Frecuencia relativa

de clase reales clase Frecuencia acumulada relativa (%) acumulada (%)
24 27 23.5 27.5 25.5 10 10 20 20
28 31 27.5 31.5 29.5 8 18 16 36
32 35 31.5 35.5 33.5 9 27 18 54
36 39 35.5 39.5 37.5 12 39 24 78
40 43 39.5 43.5 41.5 7 46 14 92
44 47 43.5 47.5 45.5 4 50 8 100

La frecuencia acumulada indica la cantidad de datos que estn por debajo del
lmite real superior de cada intervalo. La primera fila de la frecuencia acumulada
registra el mismo valor que en la frecuencia porque no hay valores menores, en la
segunda fila ya se le ha sumado el siguiente valor de la frecuencia (10 + 8 =
18 ), en
la tercera fila hacemos lo mismo (18 + 9 =27 ), y as sucesivamente.
La frecuencia relativa porcentual ( fi % ) es la razn entre la frecuencia del intervalo
( fi ) y la cantidad total de datos ( N )

10
fi % = 100 =20%
50

18
fi % = 100 =16% (los dems datos se tratan igual)
50

La frecuencia relativa acumulada se construye del mismo modo que la frecuencia

acumulada, la diferencia estriba en que utilizamos la columna de frecuencias
relativas.

Toda la informacin que se ha manejado hasta aqu la podemos representar

mediante diversos grficos. A partir de la tabla 1 podemos construir una grfica o
diagrama de barras (figura 5).

Diagrama de barras

6
5
Frecuencia

4
3
2
1
0
32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
Temperatura en C

Figura 5: Diagrama de barras donde se muestra para cada temperatura con

qu frecuencia se registr (de la tabla 1).

Diagrama de barras para datos agrupados

14
12
Frecuencia

10
8
6
4
2
0
24-27 28-31 32-35 36-39 40-43 44-47
Intervalos

Figura 6: Diagrama de barras donde se muestra para cada intervalo de

temperatura con qu frecuencia se registr (de la tabla 2).
En lugar de diagramas de barras podemos emplear polgonos de frecuencia como
en la figura 7, que los datos de la tabla 2 son representados mediante un polgono
de frecuencia y un polgono de frecuencias acumuladas.

Polgono de frecuencias

14 60

12
50

10
40

8
Frecuencia

Frecuencias
30
Frecuencias acumuladas
6

20
4

10
2

0 0
25.5 29.5 33.5 37.5 41.5 45.5
Punto medio del intervalo

Figura 7: Se muestran los polgonos de frecuencias y de frecuencias

acumuladas para los datos de la tabla 2.

Con las frecuencias relativas podemos construir grficas de pastel, como el de la

figura 8.

Grfica de pastel

44-47
8% 24-27
20%
40-43
14%

28-31
16%
36-39
24%

32-35
18%

Figura 8: Grfica de pastel para las frecuencias relativas de la tabla 2, se

indica el intervalo y el porcentaje de datos para cada uno de ellos.

Medidas de tendencia central y dispersin

Con los datos acomodados del mejor modo, como en la seccin anterior, podemos
determinar estadsticas que nos permitan describir a la muestra y, como
consecuencia, a la poblacin en anlisis. Vamos a determinar primero las medidas
 de tendencia central como la media aritmtica o promedio, la media geomtrica, la
media armnica, la mediana y la moda; posteriormente aprenderemos a obtener
medidas de dispersin como la varianza y la desviacin estndar.

Las medidas de tendencia central tratan de indicar con un solo valor representativo
los datos recogidos, como es muy poco comn que los datos coincidan con la
media podemos indicar que tan lejos quedan los datos de la media mediante una
medida de la dispersin.

La media aritmtica o promedio es la medida de tendencia central ms calculada,

la encontramos sumando todos los datos y dividiendo el resultado entre la totalidad
de datos.
n

x f i i
X= i =1

Para los datos de la tabla 1 tendremos

=
X
( 24 )( 2 ) + ( 25)( 2 ) + ( 26 )( 0 ) + ... + ( 47=
)(1) 1715
= 34.3
50 50

Para los datos de la tabla 2 nos quedarn

=X
( 25.5)(10 ) + ( 29.5)(8) + ( 33.5)( 9 ) + ( 37.5)(12 ) + ( 41.5)( 7 ) + ( 45.5
1714.16
=
= 34.292
)( 4 )
50 50
Podemos ver que para datos del mismo origen hay una pequea diferencia entre la
media para datos individuales y para datos agrupados, esto es bastante normal.
Siempre se presenta un sesgo al hacer el clculo con los datos agrupados

La media aritmtica, y para cualquier otro tipo de media puede hacerse un

razonamiento similar, puede interpretarse como el centro de gravedad de un
cuerpo conformado por todos los datos obtenidos. Si imaginamos, como en la
figura 9, que los datos son unos pequeos cuerpos con peso en proporcin de su
magnitud colocados sobre una tabla, la media ser el punto donde tanto a la
izquierda como a la derecha nos queda el mismo peso, es decir, la media acta
como el soporte de una balanza en equilibrio.

Figura 9: Representacin simblica de lo que significa la media de un

conjunto de datos numricos.
 Cuando la media aritmtica no es una buena estadstica o parmetro
probablemente tengamos una mejor representacin empleando lo que se conoce
como media geomtrica. La media geomtrica est dada por la frmula

n
X G = N xifi
i =1

Para los datos {2,5,3, 4,8} la media geomtrica es

=XG 5
( 2 )( 5)( 3)( 4 )(8) 3.949
=

Para los datos de la tabla 2 tendremos

( 25.5) ( 29.5) ( 33.5) ( 37.5) ( 41.5) ( 45.5) 33.72

=
50 10 8 9 12 7 4
XG

Observe como la media geomtrica es menor que la media aritmtica. Esto

siempre se presenta cuando para los mismos datos se obtienen la media aritmtica
y la media geomtrica.

La media armnica para una coleccin de datos se obtiene aplicando la frmula

N
XA = n
fi
x
i =1 i

Para los datos con que calculamos la primera media geomtrica tendremos

5
=XA = 3.55
1 1 1 1 1
+ + + +
2 5 3 4 8

Para los datos de la tabla 2 tendremos como media armnica

50
XA = 33.14
10 8 9 12 7 4
+ + + + +
( 25.5) ( 29.5) ( 33.5) ( 37.5) ( 41.5) ( 45.5)
Aqu tambin puede observarse que la media armnica es menor que la media
geomtrica. En general, al comparar las distintas medias se cumple la desigualdad

X A < XG < X

La mediana ( Med ) es un valor que divide a los datos en dos subconjuntos de

cardinalidad igual, esto es, la mitad de los datos es menor que la mediana y la otra
mitad es mayor. Para obtener la mediana de una coleccin de magnitudes
seguimos los pasos anotados a continuacin.

1. Debemos ordenar los datos de menor a mayor o de mayor a menor.

 2. Para encontrar la mediana de datos no agrupados necesitamos calcular la
posicin del valor mediano o profundidad de la mediana ( p ) utilizando la
frmula

N +1
p=
2

3. el valor mediano es el dato de la coleccin ordenada que deje sobre l la

misma cantidad de valores que debajo de l. Si la cantidad de magnitudes
es impar, es decir , N es impar, el valor de p es un entero e indica la
posicin del valor mediano en los datos ordenados. Si p no es un entero
porque N es par entonces la mediana es el promedio de los dos datos
centrales de la coleccin ordenada.

Por ejemplo, para los datos {5,3,8,9,11, 6,5} que ordenados de menor a mayor
quedan:

Posicin 1 2 3 4 5 6 7
Dato 3 5 5 6 8 9 11

La profundidad la obtenemos de sustituir N = 7 , que es la cardinalidad del conjunto

de datos, en la ecuacin del punto 2

7 +1
=p = 4
2

Como p es un entero entonces la mediana es el dato de la posicin 4:

Med = 6

Podemos ver que hay tres valores menores que seis, {3,5,5} , y tres mayores,
{8,9,11} .
Para el conjunto de datos {5,3,8,9,11, 6,5, 4} tendremos el orden

Posicin 1 2 3 4 5 6 7 8
Dato 3 4 5 5 6 8 9 11

N +1 8 +1
Tendremos que=p = = 4.5
2 2

Como p no es un entero, para determinar la mediana, tomaremos los datos de las

posiciones 4 y 5 para obtener su promedio:

5+6
=
Med = 5.5
2
 Podemos ver por que tenemos el conjunto de valores menores que 5.5 {3, 4,5,5} y
el conjunto de magnitudes mayores que 5.5 {6,8,9,11} ; ambos conjuntos son de
cardinalidad cuatro.

Si los datos estn agrupados, como en la tabla 3 que copiamos de la tabla 2, la

manera de determinar la mediana requiere ms informacin.

Tabla 3. Tabla de datos agrupados para el clculo de la mediana

Lmites reales Marca de Frecuencia Frecuencia acumulada Frecuencia relativa

Intervalo
de clase
xinf xsup clase xi fi i
f acum acumulada (%) f %iacum
24 27 23.5 27.5 25.5 10 10 20
28 31 27.5 31.5 29.5 8 18 36
32 35 31.5 35.5 33.5 9 27 54
36 39 35.5 39.5 37.5 12 39 78
40 43 39.5 43.5 41.5 7 46 92
44 47 43.5 47.5 45.5 4 50 100

Dado que hay N = 50 datos, la profundidad de la mediana estar en

N + 1 50 + 1
=p = = 25.5
2 2

Esto quiere decir que la mediana nos dejar 25 datos superiores a ell y 25 valores
menores, pero al estar agrupados solamente sabemos que est en el intervalo
32 35 porque la frecuencia acumulada llega en ese intervalo a 27. Para
determinar la mediana emplearemos la frmula

I ( f p f acum
i 1
)
= xinf +
Med
fi

Utilizando la informacin disponible:

xinf = 31.5 (Lmite inferior real del intervalo que contiene a la mediana)

I = 4 (Amplitud del intervalo)

f p = 25 (Frontera de la mediana o cardinalidad de los subconjuntos de los

elementos mayores y menores)
i 1
f acum = 18 (Frecuencia acumulada para el intervalo inmediato anterior al que
contiene la mediana)

fi = 9 (Frecuencia del intervalo que contiene a la mediana)

Entonces
Med =
31.5 +
( 4 )( 25 18) =
34.6
9

Puede notarse que la mediana est muy cerca del lmite superior del intervalo
32 35 , la razn de que eso ocurra se debe a que la frecuencia acumulada apenas
llega a 27 mientras que la mediana debiera estar entre los elementos 25 y 26. Si
observa la tabla 1 ver que la mediana es de 35 debido a que en este valor se
completan los 25 valores menores que la mediana y 25 mayores. Sin embargo, el
valor determinado con la frmula no es muy distinto.

La moda ( Mod ) es el dato o intervalo de mayor frecuencia, para la tabla 3 el

intervalo modal es el intervalo 36 39 .

Normalmente la media, la mediana y la moda nos darn valores distintos a menos

que la distribucin sea unimodal y simtrica. Para los clculos aqu mostrados no
se tiene igualdad en los valores porque, como se puede en las figuras 6 y 7, se
tiene una distribucin sesgada o no simtrica.

Cuando el sesgo es hacia la izquierda se presenta la desigualdad (figura 10)

Mod < Med < X

Cuando el sesgo es hacia la derecha se tiene la desigualdad (figura 10)

X < Med < Mod

Figura 10: Comparacin de estadsticos cuando hay sesgo en la distribucin.

Las medidas de dispersin nos dicen qu tan cerca estn los datos de la muestra
del valor encontrado para describirla. La primera medida de dispersin que se
analiza es el rango de dispersin, posteriormente analizaremos la desviacin
estndar y la varianza, quiz los valores ms utilizados para describir la dispersin
de los datos.

Una manera rpida de revisar la precisin de una medida es el rango ( R ), cuanto

menor es ste mayor es la precisin o la repeticin de las medidas. El rango es la
diferencia entre el valor mayor y el valor menor de los datos:
=R Vmayor Vmenor

Para los datos {5,3, 7,3,9,10, 2, 7,11} el rango es

R = Vmayor Vmenor = 11 2 = 9

La desviacin estndar la podemos determinar para una muestra ( s ) o para una

poblacin ( ).

Consideremos una serie de mediciones del voltaje elctrico que suministran dos
compaas llamadas CEFITO y FORZITO:

CEFITO 125 120 128 126 127 130 124

FORZITO 130 112 108 124 135 133 138

Si obtenemos la media aritmtica para el voltaje de la compaa CEFITO tenemos

=
V CEFITO

=
V 125 + 120 + 128 + 126 + 127 + 130 + 124
= 125.7V
N 7

Mientras que para la compaa FORZITO resulta

=
V FORZITO

=
V 130 + 112 + 108 + 124 + 135 + 133 + 138
= 125.7V
N 7

Como se puede ver los promedios son muy similares pero si se observa con
cuidado la figura 11 se puede notar que una coleccin es ms dispersa que la otra.

Dispersin de voltajes medidos

140
135

130
Voltaje

125

120
115

110
105

CEFITO FORZITO

Figura 11: Comparacin de la dispersin de los datos.

Ya que el promedio no indica que compaa suministra un voltaje ms o menos
constante se necesita evaluar la variacin de las medidas, para ello se
calcular la desviacin estndar. Esta desviacin es un buen parmetro porque
cuando se comparan, las medidas ms constantes proporcionan desviaciones
estndar menores que aquellas ms dispersas; la razn de esa diferencia es
porque la desviacin estndar es una especio promedio modificado de las
diferencias entre los datos y su media aritmtica.

La frmula para determinar la desviacin estndar de una muestra es

(x X )
N 2
i
s= i =1

N 1

Y la desviacin estndar de una poblacin es

(x X )
N 2
i
= i =1

La diferencia entre la frmulas se debe a que la desviacin estndar de una

muestra casi siempre subestima la desviacin estndar de la poblacin de
estudio, de ah que para disminuir el error para s la divisin se realice entre
N 1 .

En la tabla 4 se muestran los clculos para la determinacin de desviaciones

estndar.

Tabla 4. Valores para el clculo de las desviaciones estndar para los

voltajes medidos para las compaas CEFITO Y FORZITA.

CEFITO FORZITO
(x X ) (x X )
2 2
xi xi X i xi xi X i

125 -0.7 0.49 130 4.3 18.49

120 -5.7 32.49 112 -13.7 187.69

128 2.3 5.29 108 -17.7 313.29

126 0.3 0.09 124 -1.7 2.89

127 1.3 1.69 135 9.3 86.49

130 4.3 18.49 133 7.3 53.29

124 -1.7 2.89 138 12.3 151.29

Suma 61.43 Suma 813.43

 Utilizando los resultados de la tabla 4, que N = 7 y la frmula para la
desviacin estndar se tiene

61.43
=
sCEFITO = 3.2
7 1

813.43
=
sFORZITO = 11.64
7 1

(Las unidades para la desviacin estndar son las mismas que las de la
variable o de los datos.)

Los resultados muestran, al igual que le grfico o el rango de dispersin, que

en el caso de la compaa FORZITO hay ms variacin en los datos recogidos.

La varianza de la muestra o de la poblacin es el cuadrado de su respectiva

desviacin estndar. Para el ejemplo las varianzas son:

= ( sCEFITO
= ) (=
3.2 )
2 2
Varianza CEFITO 10.24

Varianza= ( sFORZITO
= ) (11.64
= )
2 2
FORZITO 135.49

Frmulas alternas para el clculo de las desviaciones estndar son las

siguientes:

2
N
xi N
N
2

N

xi
2 i =1
N xi xi
2

=s =
i =1 N =i 1 = i1
N 1 N ( N 1)

2
N
xi N
N
2

N

xi
2 i =1
N xi xi
2

= =
i =1 N =i 1 = i1
N N2

Si los datos son agrupados las frmulas a emplear en los clculos son las que
se anotan a continuacin.

( ) f (x X )
n 2 n 2
fi xi X i i
s= i =1
= i =1

N 1 N

O tambin
 2
n
fi xi n
n
2

n

fi xi
2 i =1
N fi xi fi xi
2

s =
i =1 N =i 1 = i1
N 1 N ( N 1)

2
n
fi xi n
n
2

n

fi xi
2 i =1
N fi xi fi xi
2

=
i =1 N =i 1 = i1
N N2

Si se retoma la tabla 3 y se le modifica un poco para adaptarlo a las nuevas

necesidades y al empleo de las frmulas dadas antes de este prrafo entonces
se tiene la tabla 5.

Tabla 5. Acomodo de informacin para el clculo de la desviacin

estndar de una muestra de datos agrupados.

Frecuencia
Intervalo de
clase Marca de clase xi fi fi xi fi xi2
24 27 25.5 10 255 6502.5
28 31 29.5 8 236 6962
32 35 33.5 9 301.5 10100.25
36 39 37.5 12 450 16875
40 43 41.5 7 290.5 12055.75
44 47 45.5 4 182 8281
Sumas 1715 60776.5

La aplicacin de la frmula da

2
n n

N f x fi xi
2

( 50 )( 60776.5) (1715)
i i 2
=i 1 =i 1
s = = 6.31
N ( N 1) ( 50 )( 49 )
La varianza es

s 2 = 39.82
Bibliografa de consulta recomendada
Robert R.Pagano, Estadstica para las ciencias del comportamiento.
Thomson Learning, 2006, Mxico.

J.Susan Milton y Jesse C. Arnold, Probabilidad y estadstica con

aplicaciones para ingeniera y ciencias computacionales. McGraw Hill, 2004,
Mxico.

William W. Hines y Douglas C. Montgomery, Probabilidad y estadstica para

ingenieros. CECSA, 2000, Mxico
Curso propedutico de matemticas

Probabilidad y estadstica

Distribuciones discretas y continuas

M. en C. Hctor Arnoldo Lpez Zamorano

Facultad de Ingeniera, UNAM

Julio de 2006
III. Distribuciones discretas y continuas

Objetivo
Al finalizar el tema, el alumno conocer algunas de las distribuciones discretas y
continuas ms comunes y aprender a utilizarlas para hacer estimaciones,
principalmente se enfatizar en la distribucin normal.

n las secciones estudiadas antes se han descrito algunos conceptos tiles

E en la estadstica y el tratamiento que se le puede dar a los datos. Se dio la

definicin de variable y los tipos de datos que esta recoge: valores discretos
o valores continuos. En esta seccin vamos a trabajar con funciones que
utilizan a las variables discretas y continuas.

Densidades de probabilidad de funciones de variables

discretas
Cuando el conjunto de valores que puede tomar una variable es finito o infinito pero
contable se est trabajando con una variable aleatoria discreta (figura 3.1).
Cuando se realiza un experimento estadstico no basta con determinar sus valores
posibles, tambin se requiere determinar la probabilidad de que tal valor ocurra;
dicha probabilidad viene dada por una expresin matemtica conocida como
funcin o densidad de probabilidad discreta, que formalmente se define

La funcin dada por f= [ X x ] es la funcin de densidad de

( x ) P=
probabilidad discreta para que la variable discreta X tome el valor x .

Figura 3.1. El conteo de vehculos que pasan por alguna calle es una variable
aleatoria discreta.

Toda funcin de probabilidad requiere que se cumplan dos condiciones:

 1. f ( x) 0

2. f ( x) = 1
x

Las condiciones anteriores establecen que no hay probabilidades negativas y la

suma de todas las probabilidades de los valores de X debe ser uno. Tambin se
puede deducir de la ltima condicin que no cualquier expresin matemtica puede
ser una funcin de probabilidad.

Para la funcin

144
f ( x)
= = , x 1, 2,3, 4.
205 x 2

Se puede determinar si es o no una funcin de densidad de probabilidad

construyendo una tabla de probabilidades como la de la tabla 3.1 donde
sustituimos el valor de la variable x en la funcin f ( x ) :

144
=
Tabla 3.1. Tabla de probabilidades para la funcin f ( x) = , x 1, 2,3, 4.
205 x 2

x 1 2 3 4
f ( x) 144
205
36
205
16
205
9
205
F ( x) 144
205
180
205
196
205 1

La probabilidad de que la variable x tome el valor de 1 es de 144 ,

205
matemticamente f (1) = 144 ; del mismo modo se pueden interpretar los
205
dems valores. En la tercera fila de la tabla 3.1 aadimos lo que se conoce como la
funcin de densidad acumulada que se define mediante la expresin

F ( x0 )= P [ X x0 ]= f ( x) .
x x0

Podemos ver que la suma de todas las probabilidades definidas en la segunda fila
es uno, que es el ltimo valor de la tercera fila.

As, la probabilidad de que X tome un valor de tres o menor que tres es 196
205
obtenido de hacer

144 144 36 16 196

F ( 3)= P [ X 3]= 205 x 2
= + + = .
x 3 205 205 205 205
 Otro concepto importante es el de valor esperado o esperanza, E W ( x ) , de una
variable aleatoria discreta W ( x) que se define como

E W ( X ) = W ( x ) f ( x )
x

Por tanto, el valor esperado o esperanza para el caso W [ X ] = X es

E ( X ) = xf ( x )
x

Esta ltima esperanza es el valor promedio o media aritmtica que se espera se

obtenga al recopilar los datos producidos en la realizacin del experimento. Para el
144
=
caso planteado con la funcin f ( x) = , x 1, 2,3, 4 se tendr la esperanza
205 x 2

(
E ( X ) = 1 144
205 ) + 2 (36 205) + 3 (16 205) + 4 ( 9 205) = 60
41

Es decir, se espera que el promedio de resultados est entre 1 y 2,

60
especficamente , porque estos son ms probables de ocurrir que los otros
41
valores de la variable.

La varianza est dada por

= = E ( X )
2 2
VarX

si conocemos la media de la poblacin, . Si tal media es desconocida, como en la

mayora de los casos ocurre, se puede aplicar la expresin

E X 2 ( E [ X ])
2
= =
VarX 2

Para el caso anterior la esperanza de la variable al cuadrado es

E X 2 = x 2 f ( x ) =(1) 144
x
2
( 205 ) + ( 2 ) ( 36
2
205 ) + ( 3) (16
2
205 ) + ( 4) ( 9
2
) =
576
205 205

Como ya se conoce la esperanza de la variable, entonces la varianza es

2
576 60 5616
VarX = =
205 41 8405

La desviacin estndar es la raz cuadrada de la varianza

= =
VarX 2
 Entonces la desviacin estndar para el caso aqu revisado es

5616
= = 0.81742 .
8405

I. Ejercicios

1. D un ejemplo de una variable aleatoria discreta finita y de una variable

aleatoria discreta infinita.

2. Una agencia de renta de automviles recibe 0, 1, 2, 3, 4 5 autos que le

1 1 1 1 1 1
regresan cada da, con probabilidades de , , , , y ,
6 6 3 12 6 12
respectivamente. Compruebe que las razones o probabilidades dadas de
verdad son una funcin de densidad, determine la esperanza de la variable
o sea la media y encuentre la desviacin estndar.

3. Determine el valor de la constante k que hace que la expresin

3
=f ( x) = , x 1, 2,3, 4,5, 6 sea una funcin de densidad. Construya una
kx
tabla de densidad y densidad acumulada. Indique cules son los valores de
f ( 4 ) y de F ( 4 ) , son iguales? por qu? Determine la media, la varianza
y la desviacin estndar de la variable.

4. Una mano de pker de cinco cartas puede contener de 0 a 4 ases (la baraja
es de 52 cartas). Si X es la variable aleatoria discreta que denota el
nmero de ases en la mano, Cules son las probabilidades asociadas con
cada valor posible de X ? Cules son los valores de la media y la
desviacin estndar?

Distribucin binomial
Esta distribucin tiene las siguientes propiedades

1. El experimento consiste de una cantidad fija n de ensayos que dan

solamente uno de dos posibles resultados xito o fracaso.

2. La probabilidad de xito, p , es constante. La probabilidad de fracaso, q ,

es q = 1 p .

3. La variable aleatoria discreta X representa el nmero de xitos obtenidos

en los n ensayos.

La funcin de distribucin binomial est definida por

n n x n x
f ( x ) p x (1 =
p)
n x
= p q = , x 0,1, 2,3,..., n; 0 < p < 1
x x

y adems
 ] = np
E[X=
VarX = npq

n n!
=
Donde = Cx
x x !( n x ) !
n

Figura 2. El lanzamiento de una moneda es un experimento de Bernoulli

porque slo hay dos posibles resultados (cara o revs). Varios lanzamientos
de moneda son un experimento binomial.

La distribucin binomial acumulativa es

x
n
F ( x) l p (1 p )
n l
= l

l =0

Para un experimento en que se realizan 8 ensayos con una probabilidad de xito

en cada uno de ellos de 0.30 tendremos la funcin de densidad

8
f ( x ) ( 0.30 ) (1 0.30 )
8 x
=
x

Que nos producir la tabla de densidades

x 0 1 2 3 4 5 6 7 8
f ( x) 0.0576 0.1976 0.2965 0.2541 0.1361 0.0467 0.0100 0.0012 0.0001

F ( x ) 0.0576 0.2552 0.5517 0.8058 0.9419 0.9886 0.9986 0.9998 0.9999

La esperanza ser de

E [ X ] 8=
= ( 0.30 ) 2.4
y la varianza ser de

= 8 ( 0.30 )(1 0.30

VarX = ) 1.68
con una desviacin estndar de

= 1.2961

Con base en la tabla podemos decir que la probabilidad de tener tres xitos es

) f ( 3=) 0.2541
P ( X= 3=

y la probabilidad de tener menos de cuatro xito es

) P ( X 3=) F ( 3=) 0.8058

P ( X < 4=

La probabilidad de tener cinco o ms xitos es

P ( X 5 ) =1 P ( X < 5 ) =1 P ( X 4 ) =1 F ( 4 ) =1 0.9419 =0.0581

Los valores obtenidos aqu se pueden encontrar tambin en tablas de distribucin

binomial que encontramos comnmente en libros de probabilidad y estadstica.

II. Ejercicios

1. Se ha observado que un instrumento de medicin de temperaturas ubicado

en una instalacin remota reporta de manera correcta el 90% de las lecturas
hechas. Si cada mes se realizan diez monitoreos, construya la tabla de
densidad y de densidad acumulada para el instrumento. Calcule la
probabilidad de que al menos ocho lecturas sean correctas. Encuentre la
probabilidad de que ms de cinco lecturas sean correctas. Determine la
media y la desviacin estndar de operacin del instrumento.

2. Se planean seis pruebas para un equipo industrial. La probabilidad de que

el equipo funcione de manera adecuada es de 0.95. Cul es la
probabilidad de que el equipo funcione de manera exitosa al menos en
cuatro ocasiones?

3. En el control de calidad de la fabricacin de circuitos electrnicos se ha

determinado que en cada lote de 100 circuitos se encuentran dos
defectuosos. Si de la lnea de produccin se toman 15 circuitos cul es la
probabilidad de que cuando mucho tres de ellos fallen. Determine la
probabilidad de que al menos diez de ellos funcionen correctamente.

Distribucin hipergeomtrica
Esta distribucin tiene las siguientes propiedades
 1. Se tienen N objetos que conforman la poblacin con la que se har el
estudio. En esta poblacin se tienen r objetos con una particularidad que
interesa analizar.

2. De la poblacin se toma una muestra de tamao n , que se espera sea

representativa. Al extraer la muestra no hay remplazo.

3. La variable aleatoria X representa a la cantidad de objetos en la muestra

que tienen la particularidad de inters. Tener el objeto particular es un xito,
no tenerlo se considera fracaso, es decir X es el nmero de xitos.

En la figura 3 se representan estas condiciones.

Figura 3. Contexto del anlisis de una distribucin hipergeomtrica.

La funcin que describe esta distribucin de probabilidades es

r N r

x n x
f ( x) = sujeta a la condicin mx 0, n ( N r ) x mn ( n, r )
N

n

Donde N , r y n son nmeros naturales.

La esperanza E [ X ] para esta distribucin est dada por la frmula

r
E[X ] = n
N

Y la varianza es

r N r N n
VarX = n
N N N 1
 La condicin debe interpretarse del siguiente modo: x est entre el valor mayor
que resulta de comparar 0 y n ( N r ) y el valor menor que se encuentra al
contrastar n con r . La funcin y las condiciones se analizan en el siguiente
ejemplo.

Considere que en el almacn de una compaa elctrica se tienen 19 interruptores

y que 6 de ellos son inservibles, pero esta caracterstica no se nota a simple vista.
Si se toman 10 de los interruptores para emplearlos en instalaciones elctricas, la
funcin de densidad, considerando como xito tener un interruptor defectuoso, para

N = 19 , r = 6 , n = 10 , ser

r N r 6 19 6 6 13

x n x x 10 x x 10 x
=f ( x) = =
N 19 92378

n 10

10 (19 6 ) =
Para la condicin hacemos n ( N r ) = 3 y al comparar con 0
tomamos como lmite inferior a 0 por ser mayor que 3 . Al comparar n con r
tomamos el lmite superior de x como 6. Entonces la funcin y su condicin es
6 13

x 10 x
f ( x) = con x = 0,1, 2,..., 6
92378

La probabilidad de instalar exactamente cinco interruptores defectuosos es

6 13 6 13

5 10 5 5 5
f ( 5 ) =
= =
)(1287 )
( 6= 27
92378 92378 92378 323

La probabilidad de colocar al menos tres interruptores inservibles es

6
P ( x 3) = f ( x ) =1 P ( x < 3) =1 F ( 2 )
x =3

6 13 6 13 6 13

P ( x 3) =1 f ( 0 ) + f (1) + f ( 2 ) =1 + + =
0 10 1 9 2 8 479
92378 92378 92378 646

La esperanza de la variable discreta ser

r 6 60
=
E [ X ] n=
10=

N 19 19

Y la varianza resultar
 r N r N n 6 19 6 19 10 390
=VarX n=
10 =
N N N 1 19 19 19 1 361

III. Ejercicios

1. Encuentre los posibles valores de la variable discreta cuando N = 15 , r = 12

y n = 10 . Determine la esperanza y la desviacin estndar de la variable.

2. Encuentre los posibles valores de la variable discreta cuando N = 20 ,

r = 12 y n = 15 . Encuentre f (10 ) y F (10 ) . Determine la esperanza y la
desviacin estndar de la variable.

3. Un lote de 25 cinescopios de televisin se somete a un procedimiento de

calidad para su aceptacin. El procedimiento consiste en extraer cinco tubos
al azar, sin remplazo, y probarlos. Si dos o menos tubos fallan, los restantes
se aceptan. De otro modo el lote se rechaza. Suponga que el lote contiene
cuatro tubos defectuosos. Cul es la probabilidad de que el lote se acepte?

4. Los trabajadores de una lnea de ensamblaje arman 15 automviles cada

hora. Durante una de las horas de anlisis se producen 5 automviles con
defecto. Se eligen tres automviles al azar para revisar que no tengan fallas
en su armado. Indique cul es el xito en el experimento y construya la
densidad de probabilidades de la variable discreta. Determine cul es la
probabilidad de elegir cuando mucho un automvil con defecto. Indique la
probabilidad de seleccionar al menos un automvil defectuoso. Cul es la
esperanza y la varianza de la variable.

Distribucin de Poisson
Cuando se estudian eventos discretos en un intervalo de anlisis continuo se est
trabajando con procesos de Poisson, como por ejemplo el nmero de baches
(cantidad discreta) en una calle (intervalo continuo) o el nmero de retiros de la red
elctrica de una planta de generacin durante un ao.

Para resolver problemas de probabilidad relacionados con procesos de Poisson

debemos, primero, determinar la unidad de medicin bsica que se va a emplear;
en seguida se encuentra el nmero promedio de casos que ocurren por unidad de
medicin ( ); despus, se define el tamao o nmero de periodos de observacin
( n ), y al final, calculamos la distribucin de probabilidad mediante la expresin

e k k x
f ( x) =
x!

Donde k = n y la variable aleatoria X es el nmero de ocurrencias del evento en

el periodo de observacin.

La esperanza de la funcin es

E[X ] = k
Y la varianza es

VarX = k .

Figura 4. En los procesos de Poisson se analiza una variable discreta (el

nmero de esferas negras) contenida en un espacio continuo (volumen de la
caja).

Consideremos que una planta nucleoelctrica libera cantidades detectables de

gases radiactivos dos veces por mes, en promedio. Para determinar la probabilidad
de que ocurran a lo sumo cuatro de esas emisiones en un mes se siguen las
etapas siguientes:

1. La unidad continua de medicin puede ser un mes o, dado que se emiten

dos veces en promedio los gases, podemos considerar periodos de 15 das.
Tomemos los periodos de 15 das como la unidad.

2. Como se tiene un promedio de dos emisiones mensuales entonces, cada

15 das se realiza una liberacin de gases, esto es, = 1 .

3. Como interesa la probabilidad de que se emitan cuando mucho cuatro

emisiones en un mes, entonces tenemos dos periodos de 15 das con lo
que n = 2 .

4. La funcin de probabilidad, con =

k n= ( 2 )(1=) 2 , est dada por

e k k x e ( 2 )
2 x

f ( x) =
=
x! x!

5. La probabilidad de que se emitan cuando mucho cuatro emisiones en un

mes es
 e 2 ( 2 ) e 2 ( 2 ) e 2 ( 2 ) e 2 ( 2 ) e 2 ( 2 )
0 1 2 3 4
4
) F ( 4=)
P ( X 4=
x =0
)
f ( x=
0!
+
1!
+
2!
+
3!
+
4!
= 0.9473

Este resultado lo podemos encontrar empleando una tabla tpica de distribucin de

Poisson disponible en libros de probabilidad y estadstica como la que se muestra,
en parte, a continuacin:

t
e k k x
F [t ] =
x =0 x!
k = n
t 0.5 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0
0 0.607 0.368 0.135 0.050 0.018 0.007 0.002 0.001 0.000
1 0.910 0.736 0.406 0.199 0.092 0.040 0.017 0.007 0.003
2 0.986 0.920 0.677 0.423 0.238 0.125 0.062 0.030 0.014
3 0.998 0.981 0.857 0.647 0.433 0.265 0.151 0.082 0.042
4 1.000 0.996 0.947 0.815 0.629 0.440 0.258 0.173 0.100
5 1.000 0.999 0.983 0.916 0.785 0.616 0.446 0.301 0.191
6 1.000 1.000 0.995 0.966 0.889 0.762 0.606 0.450 0.313

11 1.000 1.000 1.000 1.000 0.999 0.995 0.980 0.947 0.888

Si se detectaran 12 o ms emisiones durante un periodo trimestral, habra razn

para dudar de la cifra promedio indicada? Para determinar esta probabilidad se
pueden considerar periodos de tres meses, se tendr un periodo de observacin
con seis emisiones en promedio con lo que = k n= (1)( 6=) 6 ; de la tabla
podemos observar para valores menores que 12, es decir, acumulado hasta 11 se
tiene

P ( x 12 ) =
1 P ( x < 12 ) =
1 0.980 =
0.02

Ahora bien, si la probabilidad de que se emitan 12 o ms emisiones es de 0.02 ,

que es una probabilidad pequea, entonces tener 12 o ms descargas implicara
un error en el promedio indicado.

IV. Ejercicios (emplee la funcin de densidad para resolverlos o utilice una

tabla)

1. Para eventos de Poisson con k = 8 determine f ( x ) , encuentre f ( 5 ) , halle

F (4) , calcule P ( X 3) , encuentre la esperanza y la desviacin estndar
de la variable.

2. Alrededor de una planta industrial se instalan sensores activables por

movimiento. Si debido a la calibracin se enciende la alarma por animales
pequeos un promedio de 0.75 veces por semana Cul es la cantidad
 promedio de veces que se esperara el disparo de la alarma por tales
especies en tres semanas? Cul es la probabilidad de que la alarma se
active cuando mucho 2 veces durante tres semana? Cul es la
probabilidad de que la alarma suene al menos una vez en la semana?

3. La probabilidad de que un vehculo tenga una accidente en un crucero es de

0.0001 . Si por el crucero circulan 10 000 vehculos diariamente cul es la
probabilidad de que no ocurran accidentes? cul es la probabilidad de que
ocurran dos o ms accidentes?

4. Si en una industria la probabilidad de que un obrero est implicado en un

accidente de trabajo es de 0.019, cul es la probabilidad de tener dos o
ms accidentes durante un periodo de cinco aos?

Densidades de probabilidad de funciones de variables

continuas
Cuando el conjunto de valores que puede tomar la variable aleatoria no es un
conjunto finito ni contable entonces se tiene que la variable aleatoria es continua.
Ejemplos de este tipo de variable pueden ser la longitud de un cable, el tiempo de
duracin del parado de una industria por mantenimiento, la demanda energtica de
una ciudad, etc. An cuando el instrumento de medicin puede proporcionarnos
valores exactos, lo cierto es que si aumentamos la precisin del equipo se
producirn lecturas diferentes. As que una variable aleatoria continua puede
asumir cualquier valor en uno o ms intervalos de nmeros reales y la
probabilidad de que asuma un valor especfico es nula. La funcin de densidad
de una variable aleatoria continua f=( x ) P=
( X x ) cumple con las propiedades
1. f ( x) 0 para todo valor real de la variable aleatoria continua X .

2. f ( x ) dx = 1

b
3. P ( a X b ) =
f ( x ) dx
a

Las dos primeras propiedades son condiciones necesarias y suficientes para que
una funcin sea una densidad continua.

La funcin de distribucin acumulativa ser

x0

F ( x0 )= P ( X x0 )= f ( x ) dx

Consideremos una variable aleatoria continua X con funcin de densidad

1.4427
f ( x) = , 0.5 x 2 . Podemos demostrar que es una funcin de densidad
x +1
 porque para cualquier valor de x la funcin resulta positiva y, adems,
2
1.4427
0.5 x + 1 dx = 1 .
Podemos determinar la probabilidad de que la variable tome valores entre 1 y 1.5
haciendo
1.5
1.4427
P [1 X=
1.5]
1.5
= dx 1.4427 ln x=
+1 1 0.3219
1
x +1

La probabilidad de que x 1.7 ser

1.7
1.4427
P [ X =
1.7 ]
1.7
= dx 1.4427 ln x +=
1 0.5 0.8480
0.5
x +1

La probabilidad de que x > 1 ser

2
1.4427
[ X > 1]
2
P= = dx 1.4427 ln=
x + 1 1 0.5850
1
x +1

o tambin
1
1.4427
P [ X > 1] =1 P [ X 1] =1
1
dx =1 1.4427 ln x + 1 0.5 =1 0.4150 =0.5850
0.5
x +1

Para una variable aleatoria X con funcin de densidad f ( x ) , la esperanza de la

variable aleatoria H ( x ) , E H ( X ) , es

E H ( X ) = H ( x ) f ( x ) dx

Entonces, si H ( X ) = x

E[X ]
= xf ( x ) dx
=

que es la media de la variable aleatoria continua.

La varianza est dada por

VarX E X 2 ( E [ X ]) .
2
=

Para la funcin anotada antes

 2
1.4427 x
E[X ] 0.5 x + 1 ( )
2
= = dx 1.4427
x + 1 ln x +
= 1
0.5
1.1640

Para calcular la varianza obtenemos primero

2
1.4427 x 2
E X 2
= x + 1 dx 1.5410
=
0.5

Con lo que la varianza resulta se

1.5410 (1.1640 ) =
VarX =
2
0.1861

V. Ejercicios

1. Determine el valor de la constante k que hace que la expresin k ( x 1)

sea una funcin de densidad en el intervalo 0 x 5 . Determine la media y
la desviacin estndar de la variable aleatoria continua. Encuentre las
probabilidades P ( X 3) , P (1 < X < 4 ) , P ( X > 2 ) y P ( X 2 ) .

2. La expresin f ( x ) = ke
x
8
, x > 0 es la funcin de densidad de una variable
aleatoria continua que representa la duracin en minutos de una
conversacin telefnica, deduzca el valor de k . Determine la probabilidad
de que una llamada dure menos de cinco minutos, dure exactamente cinco
minutos, dure ms de cinco minutos. Sera inusual una llamada de entre
30 segundos y dos minutos? Calcule la media y la desviacin estndar.

Distribucin gama
La distribucin gama tiene su fundamento terico en la funcin gama. Esta
distribucin permite definir dos familias de variables aleatorias continuas bastante
tiles en las aplicaciones estadsticas. La funcin de distribucin gama tiene la
forma

1 x
f ( x) = x 1e
( )

donde x > 0, > 0, > 0. y son parmetros de la funcin.

Cuando = 1 la distribucin es conocida como distribucin exponencial:

1 x
f ( x) = e


Si = 2 y = , donde es un entero positivo conocido como grados de
2
libertad; la funcin de distribucin es conocida como distribucin ji cuadrada o 2 y
tiene la forma

2 =
1 ( 2 )1e x 2
( 2)
x


2
2

Distribucin normal
Existen varias distribuciones de variable continua, sin embargo, una de las ms
populares en su uso es la distribucin normal cuya expresin matemtica es

( x )
2

1
f ( x) = e 2

con < x < , < < , > 0 .

Que tiene una grfica conocida como campana de Gauss (figura 5) que limita un
x
rea de tamao unitario entre el eje normal z = y la curva que tiene una

longitud infinita, aunque entre 3.5 (tres y media veces la desviacin estndar en
el lado negativo del eje) y 3.5 (tres y media veces la desviacin estndar en el
lado positivo del eje) est prcticamente toda el rea unitaria. Se puede ver
tambin que la grfica es simtrica con respecto al eje z = 0 , que se ubica
exactamente en el valor de la media .

Figura 5. Forma de la grfica de la funcin de distribucin normal. El rea

entre la curva infinita y el eje normal Z es de 1.

Debido a la complejidad de la frmula es muy comn utilizar tablas de distribucin

normal para resolver los problemas que se plantean, en lugar de resolver las
integrales que necesariamente surgen en distribuciones de variable continua. Para
hacer la lectura de la informacin en la tabla es necesario normalizar o estandarizar
a la variable mediante la expresin
 x
z=

donde

z Variable normal estndar

Media de la poblacin

Desviacin estndar de la poblacin

Si utilizamos una tabla de distribucin normal tpica (Tabal 1) podemos determinar

fcilmente algunas probabilidades.

La probabilidad de que la variable normal sea menor o igual que

1.85 : P ( Z 1.85 )

Como la tabla acumula el rea desde el extremo izquierdo ms lejano hasta llegar
al valor de z = 1.85 (el rea sombreada) entonces en la tabla buscamos el 1.8 en la
columna de z y nos desplazamos a la derecha sobre la fila de 1.8 hasta llegar a la
columna de 0.05, ah encontramos el valor del rea sombreada bajo la curva que
corresponde a la probabilidad buscada: 0.9678.

z 0.00 0.01 0.02 0.03 0.04 0.05 0.09

2 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0183
1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0233

1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9706

La probabilidad de que la variable normal sea mayor o igual que 1.85:

P ( Z 1.85 )
 El rea que interesa es la de color naranja, pero la tabla no da valores a la derecha
de la variable normal, slo a la izquierda; entonces, dado que el rea bajo toda la
curva es 1 , para encontrar la probabilidad de inters debemos restarle a la totalidad
el rea a la izquierda de la frontera con lo que nos queda el rea a la derecha:

P ( Z 1.85 ) =
1 P ( Z < 1.85 ) =
1 0.9678 =
0.0322

La probabilidad del intervalo P ( 2 < z < 1.72 )

El rea de P ( Z < 1.72 ) es el rea sombreada de naranja y gris porque la

probabilidad viene desde . Como slo interesa el intervalo 2 < z < 1.72 , habr
que quitar la seccin gris

P ( 2 < Z < 1.72=

) P ( Z < 1.72 ) P ( Z < 2.0=) 0.9573 0.0228
= 0.9345

Consideremos que se producen laminillas de metal. Sea X la variable aleatoria

continua que representa el espesor de las laminillas y su comportamiento de
variacin del espesor del producto tiene distribucin normal con una media
aritmtica = 0.05 mm y desviacin estndar = 0.01 mm . Podemos determinar
la probabilidad de que una muestra seleccionada aleatoriamente tenga un espesor
menor que 0.0673 mm ; para ello primero normalizamos la variable

x 0.0673 0.05
=z = = 1.73
0.01

entonces
 P ( X < 0.0673) = P ( Z < 1.73) = 0.9582

Para encontrar la probabilidad de que el espesor del lote est entre 0.0305 mm y
0.0679 mm hacemos

x 0.0305 0.05
z1 = = = 1.95
0.01

x 0.0679 0.05
=z2 = = 1.79
0.01

P ( 0.0305 < X < 0.0679=

) P ( 1.95 < Z < 1.79=) P ( Z < 1.79 ) P ( Z < 1.95)
= 0.9633 0.0256 = 0.9377

VI. Ejercicios (Utilice una tabla de distribucin normal)

1. Utilice la tabla de distribucin normal para encontrar las probabilidades

P ( Z < 1.15 ) , P ( Z > 1.93) , P ( Z < 2.44 ) , P ( Z > 0.14 ) , P ( Z = 0 ) ,
P ( 1.54 Z < 2.21) , P ( 0 < Z 1.88 ) . Construya las grficas de la campana
de Gauss de la distribucin normal y seale el rea calculada.

2. La vida til de una batera seca se distribuye normalmente con una vida
media til de 14400 horas de uso continuo y desviacin estndar de 1440
Qu fraccin de esas bateras duraran ms de 680 das de uso continuo?
Qu porcentaje de bateras se esperara que fallaran antes de 11700
horas de uso?

3. En una clase de matemticas las calificaciones de los alumnos estn

normalmente distribuidas con una calificacin promedio de 67 y una
desviacin estndar de 10. Qu porcentaje de alumnos reprueba la
materia? Qu fraccin de alumnos tienen un promedio superior a ocho?
Qu porcentaje de alumnos tienen una calificacin entre siete y nueve?

4. Suponga que el nivel del agua, en pies, de una represa tiene distribucin
normal durante la poca de lluvias, con media de 980 pies y desviacin
estndar de 40 pies. Cul es la probabilidad de que el nivel de agua est
entre 910 y 1080 pies? Considere que la represa se desborda cuando el
nivel es mayor que 1100 pies, cul es la probabilidad de que eso ocurra?
Es normal que el nivel del agua est por debajo de 905 pies?

Inferencia estadstica
A partir de los parmetros encontrados mediante la utilizacin de los datos
producidos por una muestra podemos inferir conclusiones sobre toda la poblacin
origen de la muestra. Las tcnicas de inferencia estadstica se dividen en dos
grandes grupos principales: estimacin de parmetros y pruebas de hiptesis.
Podemos estar interesados en determinar la resistencia a la tensin de cables
empleados en lneas de alta tensin o, tambin, puede interesarnos la variabilidad
de la resistencia.
Estimacin
Algunos de los problemas de estimacin que ocurren con ms frecuencia son la
determinacin de la media de una sola poblacin para lo cual empleamos la media
de la muestra (vase la seccin de medidas de tendencia central y dispersin); la
varianza de la poblacin para lo que recurrimos a la varianza de la muestra; la
proporcin de artculos con una caracterstica distintiva en una poblacin para lo
x
que empleamos la ecuacin p = , donde x es el nmero de objetos con la
n
caracterstica particularizante en un muestra de tamao n ; la diferencia entre las
medias de dos poblaciones que puede estimarse usando las medias de dos
muestras obtenidas de las poblaciones respectivas, etc.

La particularidad de los estimadores radica en que deben estar cerca del valor
verdadero de la estadstica desconocida. Normalmente el estimador est muy
cerca del valor verdadero, es decir el estimador es insesgado, cuando las muestras
son de gran tamao.

En muchas ocasiones, debido a que las muestras no son tan grandes, tener un
estimador no resulta de gran importancia, sin embargo, estimar un intervalo de la
forma Linf Lsup puede resulta ms til. Para construir un estimador de intervalo
del parmetro desconocido debemos encontrar dos estadsticas Linf y Lsup tales
que

P ( Linf Lsup ) =1

Donde Linf Lsup se conoce como intervalo de confianza con un coeficiente de

confianza de 1 o nivel de confianza de 100 (1 ) % para el parmetro
estudiado. El intervalo de confianza definido antes es un intervalo de confianza de
dos lados o de dos colas.

Intervalo de confianza sobre la media conocida

Si conocemos la varianza de la poblacin y desconocemos la media puede

obtenerse un intervalo de confianza de 100 (1 ) por ciento en considerando
que la distribucin de muestreo de la variable aleatoria X es normal o casi normal,
de acuerdo con el teorema del lmite central que establece que para una muestra
grande de elementos, de tamao n , X es aproximadamente normal con media
2
y varianza y tambin
n

X
Z=
n

es aproximadamente normal estndar.

La distribucin se muestra en la figura 6.

La seccin naranja, que es el intervalo de confianza normalizado, es de tamao

1 , y como se tienen dos lados o colas de desconfianza cada seccin tiene un
rea de .
2

As que

(
P Z Z Z
2 2
) =1
X
pero como Z = tendremos

n

X
P Z Z =
1
2 2

n

con lo que reacomodando queda

P X Z X + Z =1

2 n 2 n

y el intervalo de confianza de dos lados de tamao 100 (1 ) % es

X Z X + Z
2 n 2 n

Figura 6. La distribucin normal indicando el intervalo de confianza de dos

lados.

Consideremos, por ejemplo, que nos describen un nuevo mtodo para medir la
conductividad trmica de un material en particular. Al hacer diez mediciones de
Btu
conductividad trmica en se obtuvieron los valores 41.60, 41.48, 42.34,
hr pie F
41.95, 41.86, 42.18, 41.72, 42.26, 41.81, 42.04; supongamos que se conoce la
 Btu
desviacin estndar = 0.10 y que la conductividad se distribuye
hr pie F
normalmente. Tomemos un nivel de confianza del 95% para determinar el intervalo
de confianza de dos lados del siguiente modo

x 41.60 + 41.48 + ... + 42.04

=
X =
x
= 41.924
n 10

1 = 0.95 = 0.05 = 0.025
2

=
Z Z=
0.025 1.96 , es el valor de Z donde el rea bajo la curva es 1 0.025 =
0.975
2

X Z
Linf = 41.924 (1.96 ) 0.10
= 41.862
=
2 n 10

X + Z
Lsup = 41.924 + (1.96 ) 0.10
= =
41.986
2 n 10

Entonces, con el 95% de seguridad podemos decir que la media est en el

intervalo

41.862 41.986 .

VII. Ejercicios (Utilice una tabla de distribucin normal)

1. Al medir la capacidad trmica, en cal / g C , del etilenglicol lquido a presin

constante y 80 C de temperatura se obtuvieron los valores 0.645, 0.654,
0.640, 0.627, 0.626, 0.649, 0.629, 0.631, 0.643, 0.633, 0.646, 0.630, 0.634,
0.631, 0.651, 0.659, 0.638, 0.645, 0.655, 0.624. La experiencia indica
= 0.01 y se considera que la variable tiene distribucin normal. Encuentre
el intervalo de confianza de 95% para la media. Determine el intervalo con
una seguridad del 98%.

2. Es habitual la manifestacin tarda de lesiones despus de la exposicin a

dosis suficientes de radiacin. Se midi la cantidad de das que transcurren
entre la exposicin y la aparicin del enrojecimiento de la piel en varios
pacientes: 16, 12, 14, 16, 13, 9, 15, 7, 20, 19, 11, 14, 9, 13, 11, 3, 8, 21, 16,
16, 12, 16, 14, 20, 7, 14, 18, 14, 18, 13, 11, 16, 18, 16, 11, 13, 14, 16, 15,
15. Suponga que = 4 para encontrar el intervalo de confianza del 95%
para la media de tiempo para la aparicin del enrojecimiento. Le
sorprendera la afirmacin de que = 17 das? Explique su respuesta.
Intervalo de confianza sobre la diferencia de dos
medias conocidas
Consideremos dos variables aleatorias X 1 y X 2 con varianzas conocidas 1 y 2
y medias 1 y 2 desconocidas. Si X 1 y X 2 son normales o casi normales,
entonces

Z=
(X 1 )
X 2 ( 1 2 )
12 22
+
n1 n2

es tambin normal. De la figura 6 deducimos que

(
P Z Z Z
2 2
) =1



O tambin P Z
X 1 X 2 ( 1 2 ) (
Z =
)
1 , de donde

2 2
2 2


1
+ 2
n 1 n 2

12 22 12 22
(
P X 1 X 2 Z
n
+)n
1 2 X 1 X 2 + Z
n
+
n
=
(
1 )

2 2
1 2 1 2

Con lo que el intervalo de confianza del 100 (1 ) % para 1 2 es

12 22 12 22
( X 1 X 2 Z ) 2 n1
+
n2
( )
1 2 X 1 X 2 + Z
2 n1
+
n2

Como ejemplo consideremos que se realizan pruebas de resistencia a la tensin

de cables de caractersticas similares de dos compaas fabricantes. Los
resultados de las pruebas se muestran en la tabla anotada a continuacin

Fabricante Tamao de la muestra Resistencia (kg/mm2) Desviacin estndar

A nA = 12 X A = 89.45 A = 1.1
B nB = 15 X B = 77.32 B = 1.9
Determinemos el intervalo de confianza con una seguridad del 97%.

Entonces 1 = 0.97 = 0.03 = 0.015 lo que implica que debemos buscar
2
el valor de Z que hace que bajo la curva quede un rea de 1 0.015 =,
0.985 que
nos da Z = 2.17 , con lo que los lmites son
2

(1.1) (1.9 )
2 2
12 22
( )
Linf = X 1 X 2 Z
2 n1
+
n2
= ( 89.45 77.32 ) ( 2.17 )
12
+
15
= 10.8619

(1.1) (1.9 )
2 2
12 22
( )
Lsup = X 1 X 2 + Z
2 n1
+
n2
= ( 89.45 77.32 ) + ( 2.17 )
12
+
15
= 13.3981

Con un 97% de confianza podemos decir que el intervalo es

10.8619 A B 13.3981

VIII. Ejercicios (Utilice una tabla de distribucin normal)

1. Dos muestras aleatorias independientes de tamao n1 = 18 y n2 = 20 se

toman de dos poblaciones normales. Las medias de las muestras son
x1 = 200 y x2 = 190 . Se sabe que sus varianzas son 12 = 15 y 22 = 12 .
Encuentre un intervalo de confianza del 90% para la diferencia de medias
1 2 . Determine un intervalo de confianza del 95% para la misma
diferencia.

2. Se est investigando el voltaje de salida de dos tipos de transformadores

diferentes. Diez transformadores de cada tipo se seleccionan al azar y se
mide el voltaje encontrando los siguientes resultados x1 = 12.13V y
x2 = 12.05V , adems se sabe que 12 = 0.7 y 22 = 0.8 . Construya un
intervalo de confianza del 97% para la diferencia de medias.

Intervalo de confianza sobre la media, desconocida

(Uso de la prueba T de Student)
Normalmente en el trabajo estadstico no se conoce la varianza de la poblacin, es
necesario hacer una estimacin de ella para poder construir intervalos de
confianza.

Se puede demostrar el siguiente teorema:

Consideremos una muestra aleatoria con distribucin normal, X 1 , X 2 , , X n , con

X
media y varianza 2 . La variable aleatoria tiene distribucin T con n 1
S/ n
grados de libertad.
La grfica de la curva de distribucin T es una trayectoria simtrica en forma de
campana centrada en 0 , que se aproxima a la curva normal estndar conforme
crece la cantidad de grados de libertad (figura 7).

Figura 7. La curva de distribucin t es semejante a la distribucin normal.

Conforme aumentan los grados de libertad de t se incrementa la similitud de
las curvas.

X
Dada la semejanza entre la variable aleatoria normal, Z = , y la variable
n
X
aleatoria de la T de Student, T = , podemos argumentar que un intervalo de
S/ n
confianza de 100 (1 ) % , conocida , est dado por

X t S n.
2

Por ejemplo, en una regin cercana a una central de generacin que utiliza
combustible fsil se cuantific la concentracin de dixido de azufre, en
microgramos por metro cbico, y se encontraron los siguientes valores: 52.7, 43.9,
41.7, 71.5, 47.6, 55.1, 50.0, 70.0, 56.4, 60.7, 44.4, 46.1, 38.6, 52.4, 45.3, 62.2, 56.5,
63.4, 53.9, 33.4, 61.8, 54.3, 66.6, 65.5.

Haciendo los clculos necesarios encontramos que

x = 53.917 s = 10.074

Para determinar el intervalo necesitamos conocer t , para ello debemos

2
establecer el tamao del intervalo de confianza, consideremos 95%. A partir de una
tabla de distribucin T podemos encontrar el valor de t = 2.069 . Es necesario
2
buscar en la tabla la probabilidad 0.975 porque esta es la suma de 0.95 mas 0.025
que est en el extremo izquierdo de la grfica, porque la tabla es de distribuciones
acumuladas desde la izquierda hacia la derecha.
 P [Tn 1 t ]
n-1 .6 0.75 0.9 0.95 0.975 0.99 0.995 0.999

4 0.271 0.741 1.533 2.132 2.776 3.747 4.604 7.173
5 0.267 0.727 1.476 2.015 2.571 3.365 4.032 5.893

23 0.256 0.685 1.319 1.714 2.069 2.500 2.807 3.485
24 0.256 0.685 1.318 1.711 2.064 2.492 2.797 3.467

El intervalo es entonces

=X t S n=53.917 ( 2.069 )(10.074 ) / 24 =53.917 4.255

2

[ 49.662 58.172]
El resultado anterior indica que existe un 95% de confianza de que la media de
concentracin est en el intervalo dado.

Adems, si existiera un estudio de una regin en la cual no hay una planta de

generacin similar a la que est en la zona estudiada y la concentracin del xido
resultara menor indicara que la planta est ocasionando el valor mayor de
concentracin.

IX. Ejercicios (Utilice una tabla de distribucin t)

1. Un ingeniero civil est probando la resistencia compresiva de concreto.

Realiza la prueba con 16 especmenes y obtiene los siguientes datos:
2216, 2237, 3349, 2204, 2225, 2301, 2281, 2263, 2318, 2255, 2275, 2295,
2250, 2238, 2300, 2217. (a) Construya un intervalo de confianza de dos
lados del 95% respecto a la resistencia media, (b) Construya un intervalo de
confianza inferior del 95% respecto a la resistencia media.

2. Un ingeniero de control de calidad midi el espesor de la pared de 25

botellas de vidrio de dos litros. La media de la muestra fue 4.05 mm y la
desviacin estndar de la muestra 0.08 mm. Determine un intervalo de
confianza inferior del 90% respecto del espesor de pared medio.
 3. Un ingeniero industrial est interesado en estimar el tiempo requerido para
ensamblar una tarjeta de circuito impreso. Qu tan grande debe ser la
muestra si el ingeniero desea tener una confianza del 95% de que el error
en la estimacin de la media es menor que 0.25 min? La desviacin
estndar del tiempo de ensamble es 0.45 min.

4. Una muestra aleatoria de tamao 15 de una poblacin normal tiene media

de 550 varianza 49. Determine (a) un intervalo de confianza de dos lados
del 95% respecto de la media, (b) Un intervalo de confianza inferior del 95%
respecto de la media, (c) Un intervalo de confianza superior del 95%
respecto de la media.

Pruebas de hiptesis
Cuando se pone a prueba una hiptesis se tiene una idea preconcebida acerca del
parmetro que se desea comprobar. Lo anterior implica la existencia de dos
posibles resultados o hiptesis: la que propone el investigador y su negacin.

La hiptesis propuesta por el investigador se conoce como hiptesis alternativa y

es representada por H1 , y la negacin de esta hiptesis es la hiptesis nula que se
representa con H 0 .

Cuando se prueba una hiptesis la declaracin de igualdad siempre se incluye en

H0 .

La prueba implica que, partiendo de datos sobre el experimento, se acepta una de

las hiptesis y se rechaza la otra. Sin embargo, puede ocurrir que debido a la
informacin que se posee se tome como verdadera una de las hiptesis cuando en
realidad es falsa.

Se comete el error tipo I cuando se rechaza la hiptesis nula H 0 y esta en realidad

debiera aceptarse.

Se comete el error tipo II cuando se rechaza la hiptesis alternativa H1 y esta en

realidad debiera aceptarse.

Existen tres formas de expresar las hiptesis para la media de una distribucin:

H 0 : 0 H 0 : = 0
H1 : > 0 H1 : > 0
Prueba de cola derecha o Prueba de cola derecha
H 0 : 0 H 0 : = 0
H1 : < 0 H1 : < 0
Prueba de cola izquierda o Prueba de cola izquierda
H 0 : = 0
H1 : 0
Prueba de dos colas
Las mismas formas se emplean para evaluar otros estadsticos.

Para aceptar o rechazar la hiptesis nula debemos observar donde se distribuyen

los datos (figuras 8, 9 y 10).

Figura 8. Prueba de cola derecha. Si los datos se distribuyen en la zona azul

se rechaza la hiptesis nula H 0 .

Figura 9. Prueba de la cola izquierda. Si los datos se distribuyen en la zona

azul se rechaza la hiptesis nula H 0 .
Figura 10. Prueba de dos colas. Si los datos se distribuyen en la zona azul se
rechaza la hiptesis nula H 0 .

Consideremos el ejemplo siguiente:

Uno de los factores que afecta el funcionamiento de las seales reflejantes en las
autopistas es la alineacin correcta de los faros de los automviles. Se cree que
ms del 50% de los vehculos tiene los faros mal alineados. Si tal afirmacin puede
sustentarse estadsticamente se pondr en marcha un estricto programa de
inspeccin. Se seleccionan aleatoriamente una muestra de 20 automviles para
verificar sus faros. Se aceptar H1 y se rechazar H 0 si hay 14 o ms
automotores con los faros mal alineados, cul es la probabilidad de cometer el
error tipo I?

Sea p la proporcin de vehculos que tienen los faros mal alineados. Puesto que
se pretende sustentar la afirmacin de que p > 0.50 , esta se considera como la
hiptesis alternativa, H1 . La hiptesis nula ser la negacin de H1 , es decir, que
p 0.50 . Entonces

H 0 : p 0.50
H1 : p > 0.50

Como n = 20 , E [ X=
] np
= ( 20 )( 0.50=) 10 (caso binomial)

P ( X 14 p = 1 P ( X < 14 p =
0.50 ) = 1 P ( X 13 p =
0.50 ) = 0.50 ) =
1 0.9423 =
0.0577
Lo anterior implica que si se encuentran 13 o menos vehculos con los faros mal
alineados no debe aprobarse el proyecto de revisin por que hay 5% de
probabilidades de cometer el error tipo I.

X. Ejercicios

1. Se requiere que la resistencia al rompimiento de una fibra utilizada en la tela

de ropa de uso industrial no sea menor que 160psi. La experiencia indica
que la desviacin estndar de la resistencia al rompimiento es de 3psi. Se
prueba una muestra aleatoria de cuatro especmenes y se encuentra que la
resistencia promedio al rompimiento es 158psi. (a) Debe considerarse
aceptable la fibra con = 0.05 , (b) Cul es la probabilidad de aceptar
H 0 : 160 si la fibra tiene una resistencia al rompimiento verdadera de
165psi?

2. Se sabe que la varianza (en porcentaje) del rendimiento de un proceso

qumico es de 5. Los ltimos das de operacin de la planta han tenido un
rendimiento (en porcentaje) de 91.6, 88.75, 90.8, 89.95 y 91.3; (a) Hay
razn para creer que el rendimiento es menor que 90%? (b) Qu tamao
de muestra se requerira para detectar un rendimiento medio verdadero de
85% con probabilidad de 0.95?
Regresin lineal
Buscamos construir un modelo de recta lineal de la forma

=
y mx + b

Donde m representa la pendiente de la recta y b la ordenada al origen. Dicha

recta ser una aproximacin de una coleccin de puntos que se distribuirn
alrededor de ella (figura 11).

Figura 11. Lnea de regresin que aproxima a los puntos distribuidos

alrededor de ella.

Dado que la recta no pasa sobre todos los puntos sino que hay separaciones
(errores) entre ella y los puntos el modelo exacto sera

Yi =A + Bxi + i

Donde A es la estimacin de la ordenada al origen, B es la estimacin de la

pendiente y i es la diferencia entre la ordenada Yi estimada con el modelo y la
ordenada real del punto en anlisis.

El modelo estimacin por regresin lineal por el mtodo de mnimos cuadrados

busca que la suma de las diferencias al cuadrado sea mnima. As que dicha suma
est dada por la ecuacin
n n
= =i2 ( y A Bx )
2
SSE i i
=i 1 =i 1

Derivando con respecto a A y a B

SSE n
=2 ( yi A Bxi )
A i =1

SSE n
=2 ( yi A Bxi )xi
B i =1
 Igualando a cero para encontrar el mnimo
n n
nA + B xi =
yi
=i 1 =i 1
n n n
A xi + B xi2 =
xi yi
=i 1 =i 1 =i 1

Que resolviendo simultneamente producen

n
n n
n xi yi xi yi
B=
= i1 = i 1= i 1
2
n
n

n xi2 xi
=i 1 = i1

A= y Bx

Con lo que la ecuacin lineal que representa a los datos es

y=
i A + Bxi

La evaluacin de la calidad de la aproximacin, esto es la determinacin de si entre

las variables existe una relacin lineal, se realiza obteniendo el factor de correlacin
de Pearson

Cov ( X , Y )
=
(VarX )(VarY )

X , Y ) E [ XY ] E [ X ] E [Y ]
Donde Cov (=

El coeficiente de correlacin vara en el intervalo [ 1,1] , teniendo una buena

aproximacin lineal cuando el coeficiente de correlacin est cercano a 1 o a 1 .

Se estudia la relacin del consumo de energa elctrica con el ingreso familiar y se

obtienen los datos sobre el ingreso familiar X (en unidades de $1000/ao) y el
consumo de energa Y (en 108 BTU/ao)

Consumo de energa Ingreso familiar Consumo de energa Ingreso familiar

Y X Y X
1.8 20.0 6.5 60.3
3.0 30.5 7.0 74.9
4.8 40.0 9.0 88.4
5.0 55.1 9.1 95.2

Para el clculo de los coeficientes podemos construir la tabla siguiente

xi yi xi yi xi2
n=8 y = 5.78
20.0 1.8 36.00 400.00
 30.5 3.0 91.50 930.25
40.0 4.8 192.00 1600.00
55.1 5.0 275.50 3036.01
60.3 6.5 391.95 3636.09
74.9 7.0 524.30 5610.01
88.4 9.0 795.60 7814.56 x = 58.05
95.2 9.1 866.32 9063.04
464.40 46.20 3173.17 32089.96

Por lo tanto tendremos

n
n n
n xi yi xi yi
B==i 1 = i 1= i 1 8 ( 3173.17
=
) ( 464.40 )( 46.20 ) 0.0957
8 ( 32089.96 ) ( 464.40 )
2 2
n
n
n xi xi
2

=i 1 = i1

A =y Bx =5.78 0.0957 ( 58.05 ) =0.22

Por tanto, el modelo es

=y 0.22 + 0.0957 x

La buena aproximacin la comprobamos determinando el coeficiente de

correlacin

Cov ( X , Y )
= = 0.98
(VarX )(VarY )
Que indica que el modelo matemtico aproxima de muy buena manera a los
puntos distribuido en la tabla, tal como se puede ver en la grfica de la figura 12.

Prueba de hiptesis en la regresin lineal

Para probar la hiptesis respecto a la pendiente y la ordenada al origen del modelo
de regresin lineal, debemos considerar que el error = i yi
yi , donde yi es la
aproximacin mediante el modelo de regresin y y es el dato registrado en la
i

tabla para hacer la aproximacin, es una variable normal e independientemente

distribuida con media cero y varianza 2 , NID ( 0, 2 ) . Si deseamos probar que la
pendiente es diferente de una constante, la prueba de dos colas o lados ser
 Recta de aproximacin

9.5

7.5

5.5

3.5

1.5
15 65
Ingreso familiar

Figura 12. Distribucin de los puntos alrededor de la recta construida

empleando el modelo de regresin lineal.

H 0 : B = B0
H1 : B B0

y como resultado de la suposicin de normalidad estadstica tendremos

B B0
t0 =

(
yi y i )
2

n2


( x x)
2
i

que sigue la distribucin t con n 2 grados de libertad. Rechazamos la hiptesis

nula si t0 > t 2,n 2 .

El intervalo de confianza es

(
yi y i )
(
yi y i )
2 2

n2 n2

B0 t 2,n 2 B B +t
( x x) ( x x)
2 0 2, n 2 2
i i

Se puede hacer una prueba de hiptesis para la ordenada al origen,

H 0 : A = A0
H1 : A A0

Para la cual

A A0
t0 =

(

yi y i )
()
2 2

1 + x

n
( )
2
n2



xi x

Se rechaza la hiptesis nula si t0 > t 2,n 2 .

El intervalo de confianza es

(
yi y i )
()
(
yi y i ) 1 + ( x )
2 2 2 2

1 x
A0 t 2,n 2 A A +t
n + n
( ) ( )
2 2, n 2 2
n2 n2
xi x
0
xi x

XI. Ejercicios

1. En una prueba de automviles de distintas marcas del rendimiento en millas

recorridas por galn de gasolina ( y ) y el cilindraje del motor o
desplazamiento en pulgadas cbicas ( x ) se encontraron los siguientes
datos:

y x y x y x
18.90 350 11.20 440 14.39 500
17.0 350 22.12 231 16.50 400
20.0 250 21.47 262 19.73 318
18.25 351 30.40 96.9 13.90 351
20.07 225 16.50 350 16.50 350

a. Ajuste un modelo de regresin que relaciones las millas recorridas

con el cilindraje del motor.

b. Pruebe la significacin, , de la regresin.

c. Encuentre un intervalo de confianza del 90% en la pendiente y en la

ordenada al origen.

2. La resistencia del papel utilizado en la manufactura de cajas de cartn, y ,

se relaciona con el porcentaje de la concentracin de madera dura en la
pulpa original, x .

y x y x y x
 101.4 1 146.9 2 125.1 2.8
117.4 1.5 146.8 2.2 145.2 2.8
117.1 1.5 133.9 2.4 134.3 3
106.2 1.5 111.4 2.5 144.5 3
131.9 2 123 2.5 143.7 3.2

a. Ajuste un modelo de regresin lineal simple a los datos.

b. Pruebe la falta de ajuste y la significancia de la regresin.

Anlisis de varianza
El anlisis de varianza se emplea para cuando deseamos comparar el resultado de
una variable estadstica obtenida por medio de distintos tratamientos.
Consideremos que en cinco vetas de carbn de una regin se presentan los
siguientes contenidos de azufre en distintas muestras

Veta 1 Veta 2 Veta 3 Veta 4 Veta 5

1.51 1.69 1.56 1.30 0.73
1.92 0.64 1.22 0.75 0.80
1.08 0.90 1.32 1.26 0.90
2.04 1.41 1.39 0.69 1.24
2.14 1.01 1.33 0.62 0.82
1.76 0.84 1.54 0.90 0.72
1.17 1.28 1.04 1.20 0.57
Suma
1.59 2.25 0.32 1.18 promedios
1.49 0.54 de las
1.30 ltimas filas
Sumas S1 = 11.62 S 2 = 9.36 S3 = 13.14 S 4 = 7.04 S5 = 8.8 ST = 49.96
Promedios Y 1 = 1.66 Y 2 = 1.17 Y 3 = 1.46 Y 4 = 0.88 Y 5 = 0.88 Y T = 1.189

Dadas las diferencias en los valores de las medias, debemos averiguar si tales
diferencias son significativas o las medias en realidad son iguales.

Las hiptesis son

H 0 : =
1 =
2 =
3 =
4 5

H1 : 1 2 3 4 5

La tabla de anlisis de varianza tiene la forma

Parmetro para la prueba

Fuente de variacin Grados de libertad Suma de cuadrados Cuadrado medio F
k
Si2 ST2 ST
ST
Tratamiento k 1 i =1 ni N k 1 F( N k )( k 1) = k 1
SC
 SC
Error o residuo N k SC N k
Totales N 1
Donde:

k es el nmero de tratamientos (vetas en el ejemplo)

N es el nmero total de datos de todos los tratamientos (o vetas)

ni es el nmero de datos en cada tratamiento

k ni S2 k S2 S2
SC Yij2 T i T
=
=i 1 =j 1 N =i 1 ni N

k
Si2 ST2
=
ST
i =1 ni

N

Para el problema aqu analizado tendramos

k =5

n1 = 7 , n2 = 8 , n3 = 9 , n4 = 8 y n5 = 10 , de donde N = 42 .

(11.62 ) ( 9.36 ) (8.8) ( 49.96=

)
2 2 2 2
S 2 ST2
k
= i =
ST + + ... + 3.935
i =1 ni N 7 8 10 42

k ni 2 ST2 k Si2 ST2 ( 49.96 )

2

SC = Yij = (1.51) + (1.92 ) + ... + (1.30 ) 3.935 = 4.497

2 2 2

=i 1 =j 1 N =i 1 ni N 42

Fuente de Suma de
Grados de libertad Cuadrado medio Parmetro para la prueba F
variacin cuadrados
3.935
Tratamiento 5 1 =4 3.935 = 0.984
4 0.984
F=
( 4 )( 37 ) = 8.066
4.497 0.122
Error o residuo 42 5 =37 4.497 = 0.122
37
Totales 41 8.432

Para hacer la evaluacin de si son iguales o diferentes las medias necesitamos leer
en una tabla de distribucin F con la probabilidad adecuada y sus respectivos
grados de libertad.

P F( N k )( k 1) f =
0.95
k 1 1 2 3 4 5 6 7 8
N k

4 7.707 6.944 6.591 6.388 6.256 6.163 6.094 6.041
5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818

37 4.105 3.252 2.859 2.626 2.470 2.356 2.270 2.201
38 4.098 3.245 2.852 2.619 2.463 2.349 2.262 2.194

De la tabla obtenemos que f(37 )( 4) = 2.626 . Como F(37 )( 4) f(37 )( 4) , 8.066 2.626 ,
rechazamos la hiptesis nula y podemos decir que al menos dos de las medias de
las vetas son diferentes con 5% de posibilidades de equivocarnos o 95% de
seguridad.

XII. Ejercicios

1. Se sabe que un material txico vertido en un ro llega a un rea de pesca.

Se mide la concentracin del txico, en partes por milln, ostras extradas
de tres sitios diferentes presentan las concentraciones del txico siguientes:

Sitio 1 Sitio 2 Sitio 3

15 19 22
26 15 26
20 10 24
20 26 26
29 11 15
28 20 17
21 13 24
26 15
18
a. Verifique si existe una diferencia significativa en el promedio de
partes por milln del material txico encontrado en las ostras
extradas en los tres sitios. Use = 0.05 .

b. Diferiran significativamente las medias con el nivel de significacin

de 0.01?
Bibliografa de consulta recomendada
J.Susan Milton y Jesse C. Arnold, Probabilidad y estadstica con
aplicaciones para ingeniera y ciencias computacionales. McGraw Hill, 2004,
Mxico.

William W. Hines y Douglas C. Montgomery, Probabilidad y estadstica para

ingenieros. CECSA, 2000, Mxico