Facultad de Ingenier a UNLP

Matem atica C I. Series de potencias y Serie de Taylor

2014

Facultad de Ingenier a UNLP

Matem atica C I. Series de potencias y Serie de Taylor

2014

Temario por clase:

Clase 1: Repaso de series num ericas y criterios de convergencia. Estimaci on del error al aproximar una serie convergente mediante una suma parcial. Clase 2: Series de potencias, intervalo de convergencia. Clase 3: Propiedades de las funciones representadas por series de potencias. Clase 4: Serie de Taylor. Teorema de Taylor. Aplicaciones. Clase 5: Polinomios de Taylor. Aplicaciones. Clase 6: Representaciones varias. Serie binomial. Aplicaciones.

Bibliograf a:
1. Larson, Hostetler, Edwards. E., C alculo, Volumen 1. 2. Smith, Minton, C alculo, Volumen 1. 3. Thomas G., C alculo Innitesimal y Geometr a.

1.

Series Num ericas

El concepto de serie est a ntimamente relacionado con el concepto de sucesi on. Denici on 1: Si {an } es la sucesi on a1 , a2 , a3 , . . . , an , ... , entonces se simboliza la serie innita mediante la expresi on indicada por a1 + a2 + a3 + + an + Los t erminos serie innita o serie se usan aqu indistintamente. Los elementos a1 , a2 , . . . se denominan t erminos de la serie. an se denomina t ermino general. En forma compacta la serie (1) se simboliza como

(1)

ak
k=1

o bien

ak

Importante: La pregunta que trataremos de contestar en esta secci on y las siguientes es: Cu ando una serie innita tiene suma, es decir un n umero S como suma ? Intuitivamente es de esperar que
1 3

sea la suma de la serie

k=1

3 , 10k

ya que ....

3 3 3 3 ... 1 = 0,333333 . . . = 10 + 100 + 1000 + 10000 + . 3 Tambi en intuitivamente, deber a concluirse que una serie como la que sigue ...

10 + 100 + 1000 + 10000 + 100000 + ... no tiene Suma. La intuici on nos dice que esta u ltima serie no tiene por suma un valor nito, y de ah se concluye que no puede ser convergente. ... En general c omo estudiar si tiene Suma una serie ? ...

1.1.

Sucesi on de sumas parciales

El concepto de convergencia de una serie innita se pone en t erminos de la convergencia de la sucesi on de sus sumas parciales.

Denici on 2: Para cada serie nida por:

n=1

an , la sucesi on de sumas parciales {Sn } est a de-

S1 = a1 S2 = a1 + a2 S3 = a1 + a2 + a3 . . . Sn = a1 + a2 + a3 + + an . . .

Ejemplo 1 La sucesi on de sumas parciales de

k=1

3 10k

es

S1 = S2 S3 . . .

3 10 3 3 + 2 = 10 10 3 3 3 = + 2+ 3 10 10 10 3 3 3 3 + 2 + 3 + + n 10 10 10 10

Sn = . . .

. En el ejemplo anterior, cuando n es muy grande, Sn da una buena aproximaci on a 1 3 parece entonces razonable escribir 1 3 = l m Sn = l m = n 3 n 10k k=1 Esto conduce a
n

k=1

3 10k

Denici on 3: Se dice que una serie innita

k=1

ak es convergente si converge la suce-

si on de sumas parciales {Sn }, es decir si

n n

l m Sn = l m

ak = S
k=1

El n umero S es la suma de la serie. Si l mn Sn no existe entonces se dice que la serie es divergente. Ejemplo 2 Demostrar que la serie

k=1

1 (k + 4) (k + 5) 4

es convergente. Este tipo de serie se llama telesc opica, como consecuencia del t ermino general an = 1 . (n+4)(n+5) A continuaci on se ven las consecuencias de tal caracter stica del t ermino general Soluci on 1 El t ermino general de la serie se puede expresar por fracciones parciales como ak = 1 1 k+4 k+5

(vericar que es cierta esa igualdad) As , el t ermino general de la sucesi on de sumas parciales es Sn = 1 1 1 1 1 1 1 1 + + + + 5 6 6 7 7 8 n+4 n+5 1 1 1 1 1 1 1 1 = + + + + 5 6 6 7 7 8 n+4 n+5 1 1 = 5 n+5

1 Como l mn n+5 = 0... ... resulta que l mn Sn = 1 . Por tanto, la serie converge y as 5

k=1

1 1 = (k + 4) (k + 5) 5

Problema 3 Hallar las sumas parciales Sn y analizar si convergen, para la serie:

k=1

1 4k 2 1

Luego, hallar la suma de la serie, si existe.

1.2.

Series geom etricas

La serie geom etrica es de la forma a + a.r + a.r + + a.r + =

k=0 2 n

a.rk

donde la constante a = 0 representa el primer t ermino de la serie y r es la raz on de la serie: El cociente entre dos t erminos consecutivos de esta serie es constante e igual a r : an+1 a.rn+1 = =r an a.rn
1 Ejemplo: La serie :1 + 2 + y r = 1/2. 1 22

1 23

+ +

1 2n

+ , es una serie geom etrica con a = 1

Proposici on: Una serie geom etrica converge a a 1r si |r| < 1 y diverge si |r| 1, a = 0. Demostraci on. Consid erese el t ermino general de la sucesi on de sumas parciales de la serie geom etrica: Sn = a + a.r + a.r2 + + a.rn Multiplicando por r ambos miembros de la igualdad anterior resulta r.Sn = a.r + a.r2 + a.r3 + + a.rn+1 Si se restan las dos igualdades previas y se despeja Sn : Sn r.Sn = a a.rn+1 (1 r) .Sn = a. 1 rn+1 , y cuando r = 1, a. (1 rn+1 ) Sn = 1r Como sabemos que l mn rn+1 = 0, si |r| < 1, se obtiene a. (1 rn+1 ) a = , |r| < 1 n n 1r 1r En cambio, si |r| > 1, el l mn rn+1 no existe. De esta forma, el l mite de las Sumas Parciales no existe cuando |r| > 1. l m Sn = l m

Problema 4 Completar: Para completar el resultado previo, demostrar que una serie geom etrica diverge cuando r = 1. Para responder, considerar directamente cada Sn , cuando r = 1, y analizar el l mite para n (hacer lo mismo para r = 1, y analizar Sn y su l mite). Ejemplo 5 En la serie geom etrica

k=0

1 3

=1

1 1 1 + + 3 9 27

se identica a = 1 y r = 1 . 3 Como |r| < 1, se sabe que la serie converge. Por tanto ... ... la suma de la serie es

k=0

1 3

1 3 = 1 4 1 3

Problema 6 Indicar si las siguientes series geom etricas convergen o divergen. Si convergen, hallar su Suma.

(a)
k=0

3 2

15 45 135 =5+ + + + , 2 4 8

(b)
k=1

2k 4 8 2 + + ... = + k +1 3 9 27 54

Problema 7 Decir para cuales x la siguiente serie tiene Suma, y calcular esa Suma.

k=1

x 2

k 1

Ejercicio 8 1. A una part cula que se mueve en l nea recta, se le aplica una fuerza, de manera que en cada segundo la part cula recorre s olo la mitad de la distancia que ha recorrido en el segundo previo. Si la part cula recorre 10 cm en el primer segundo, qu e distancia total recorrer a? 2. Cuando una pelota se deja caer desde una altura h, demora T = 2h/g segundos en llegar al suelo (por qu e?). Si la bola rebota siempre hasta cierta fracci on q (0 < q < 1) de su altura anterior, obtenga una f ormula para el tiempo que transcurre hasta que la pelota queda en reposo, y para la distancia total recorrida por la pelota.

1.3.

Serie arm onica

Un ejemplo de serie divergente es la denominada serie arm onica: 1 1 1 1 1 + + + + + + = 2 3 4 n 1 k

k=1

El t ermino general de la sucesi on de sumas parciales de la serie arm onica es Sn = 1 + Si se considera S2n = 1 + 1 1 1 1 1 1 1 + + + + + + + + 2 3 4 n n+1 n+2 2n 1 1 1 = Sn + + + + n+1 n+2 2n 1 1 1 1 1 Sn + + + + = Sn + = Sn + n. 2n 2n 2n 2n 2
n t erminos

1 1 1 1 + + + + 2 3 4 n

se observa que S2n Sn + 1 para todo n, lo que implica que la sucesi on de sumas 2 parciales no es acotada. Por tanto, concluimos que la serie arm onica es divergente. As , vemos que en este caso, para n , Sn a pesar de que an 0 !! 7

Observaci on: Si bien l mn Sn = , en la serie arm onica Sn crece lentamente con n: Puede mostrarse que para n grande, Sn ln n + , donde 0,577216.... As , S100 5,187, S1000 7,485, S106 = 14,393 y S1012 28,208. Problema 9 A partir del resultado previo, mostrar que las series siguientes divergen:

(a)
k=1

1 k+3

(b)
n=1

10 n + 1000

1.4.

Condici on necesaria de convergencia

Si an y Sn son el t ermino general de una serie y la correspondiente sucesi on de sumas parciales, respectivamente, ... entonces se sabe que Sn + an+1 = Sn+1 . Si la serie converge a un n umero S ... entonces l mn Sn = S , y tambi en l mn Sn+1 = S . Esto implica ... ... l mn an = l mn (Sn+1 Sn ) = S S = 0. Se ha establecido as , la siguiente propiedad:

Proposici on: Si la serie

k=1

ak converge

l m an = 0.
n

Observaci on: Reexionar sobre ese resultado. La relaci on rec proca de ese enunciado NO VALE ! O sea, puede ocurrir que l m an = 0 y que la serie sea divergente. Ejemplo: n la serie arm onica que hemos visto previamente. Explicar porqu e. Problema 10 Proponer un ejemplo de una serie cuyo t ermino general an 0, pero la serie no sea convergente.

1.5.

Criterio para la divergencia de una serie

La proposici on anterior dice que para que una serie sea convergente es necesario que su t ermino general tienda a cero. Eso permite concluir que ... Si el t ermino general de una serie innita no tiende a cero cuando n la serie no es convergente. Formalizamos este resultado como un criterio de divergencia:

Proposici on: Si l m an = 0, entonces la serie

n k=1

ak diverge.

Problema 11 Considere la serie

k=1

4k 1 5k + 3

Estudiar el t ermino general para ver si su comportamiento permite decidir respecto de la convergencia o divergencia. Problema 12 Decidir si convergen o divergen:

(a)
k=1

(5k + 1)

(b)
k=1

k 2k + 1

Problema 13 Resultado u til. Analizar si las siguientes armaciones son verdaderas o falsas. En el primer caso debe justicar la validez, y en el caso de falsedad debe presentar un ejemplo que ponga de maniesto ese resultado.

Dada una serie Si el cociente

ak , con t erminos no nulos.

k=1 |an+1 | |an |

> 1 , para todo n > n0 , entonces

1. Los t erminos en valor absoluto satisfacen: |an+1 | > |an | para todo n > n0 : |an | es creciente. 2. Como para todo n > n0 , se cumple |an | > |an0 |

se concluye que la serie

k=1

|ak | es divergente, y tambi en, ak es divergente.

que la serie original

k=1

1.6.

Propiedades de las series

Formularemos las siguientes propiedades (obvias) sin demostraci on.

1. Si c = 0 es una constante, entonces tanto

k=1

ak como
k=1

c.ak son convergentes, o

bien, divergentes. En el primer caso, si son convergentes se tiene

c.ak = c.
k=1 k=1

ak

2. Si
k=1

ak y
k=1

bk son convergentes a S1 y S2 respectivamente, entonces

k=1

( ak + b k )

converge a S1 + S2 . 3. Si
k=1

ak es convergente y
k=1

bk es divergente, entonces
k=1 1 k 2 1 k 3

(ak + bk ) es divergente.

Ejemplo 14 Las series geom etricas

k=0

y
k=0

3 convergen a 2 y 2 , respectivamen-

te. Por lo tanto, la propiedad 2 dice que la serie

k=0

1 k 2

1 k 3

converge a 2 +

3 2

=7 . 2
1 k

Ejemplo 15 Sabemos, por el Ejemplo 2, que la

k=1

1 (k+4)(k+5)

converge. Puesto que

k=1

es la serie arm onica divergente, la propiedad 3 dice que

k=1

1 1 + (k + 4) (k + 5) k

es tambi en divergente. Problema 16 1. Determinar si es v alido el siguiente razonamiento: Si S = 1 + 2 + 4 + 8 + , entonces 2S = 2 + 4 + 8 + 16 + = S 1. Despejando S de 2S = S 1, resulta S = 1. Fundamentar su respuesta. 2. Si ak y bk son dos series divergentes, es (ak + bk ) una serie divergente? ak

3. Sup ongase que la sucesi on {ak } converge a un n umero L = 0. Demuestre que es divergente?
n k=1

4. Determine si
n=1

1 k

converge o diverge.

Importante: Para determinar la convergencia es posible, y a veces conveniente, eliminar

u omitir los primeros t erminos de una serie. En otras palabras, series innitas como
k=1

ak

y
k =N

ak , para alg un N > 1 dieren a lo sumo en los primeros t erminos (un n umero

nito), entonces son ambas convergentes o ambas divergentes. Desde luego, si eliminamos los primeros N 1 t erminos de una serie convergente, se altera la suma de la serie.

10

2.

Series con t erminos positivos y Series alternantes

Criterios para analizar la convergencia

En general, salvo que opica o una serie geom etrica, no es k=1 ak sea una serie telesc tarea f acil, y a veces imposible, demostrar la convergencia o la divergencia de una serie a partir del estudio de la sucesi on de sumas parciales. Sin embargo,... ...usualmente es posible determinar si una serie converge o diverge aplicando criterios de convergencia que utilizan solamente los t erminos de la serie. En esta secci on examinaremos cuatro criterios que son aplicables a series innitas con t erminos positivos, y tambi en criterios aplicables a series alternadas. Ambos tipos de series son los que m as aparecen en las aplicaciones. Las de t erminos positivos son : k=1 ak , con ak 0, mientras las alternadas son del k tipo: k=1 (1) ck , con ck > 0.

2.1.

Series de t erminos positivos

Observaci on: Lo primero que podemos ver es que si an 0 para todo n, entonces Sn+1 Sn = an+1 0 n. la sucesi on de sumas parciales satisface pues Sn+1 Sn para todo n Por lo tanto, es una sucesi on creciente. Luego, Problema 17 Para este tipo de series, justicar que hay dos posibilidades: (1) Si la sucesi on de sumas Sn es acotada la serie converge; y en el caso contrario, (2) limn Sn = (diverge).

2.2.

Criterio de la Integral

Este criterio relaciona los conceptos de convergencia y divergencia de una integral impropia con la convergencia y divergencia de una serie innita de t erminos positivos. Teorema: Consideremos una serie erminos positivos y decrecientes (ak k=1 ak , con t ak+1 ). Sea f (x) una funci on cont nua, decrec iente, no negativa, denida para x 1, tal que satisface f (k ) = ak para k 1. Entonces
1

f (x)dx converge
k=1

ak converge.

Si una converge o diverge la otra converge o diverge, respectivamente. Demostraci on. Si la gr aca de f es como la de la gura siguiente, considerando el a rea de los rect angulos, resulta
n

0 a2 + a3 + a4 + + an
1

f (x)dx a1 + a2 + a3 + + an1 11

y y fx

y y fx

area

a1 1 area a2 1 area a2 1 a3 1

area

O sea Sn a1
1 n

f (x)dx Sn1

De la desigualdad Sn a1 1 f (x)dx, es claro que l mn Sn existe siempre que n f ( x ) dx converja. Por otra parte, de f ( x ) dx S , mn Sn1 n1 se concluye que l 1 1 no existe siempre que 1 f (x)dx sea divergente. Observaci on 1: El razonamiento anterior nos proporciona tambi en la desigualdad
n+1 n

f (x)dx a1 + a2 + . . . + an a1 +
1 1

f (x)ddx

que puede utilizarse para acotar la suma parcial Sn (y por ende la Suma S de la serie en el caso convergente: 1 f (x)dx S a1 + 1 f (x)dx). 1 1 + ... + n 1 + ln n, lo Por ejemplo, para la serie arm onica obtenemos ln(n + 1) 1 + 2 que muestra tanto la divergencia de la suma parcial Sn para n como el crecimiento logar tmico de Sn con n para n grande. Observaci on 2: Si la serie de t erminos positivos es de la forma el criterio de la integral se debe considerar
k =N

ak , entonces en

f (x)dx,
N

donde f (k ) = ak

En general, el criterio se aplica desde el primer t ermino para el cual la serie es positiva y decreciente (los primeros t erminos no importan para decidir la convergencia)

Ejemplo 18 Determinar si
k=3

ln k k

es convergente.

Soluci on 2 La funci on f (x) = (ln x) /x es continua y decreciente1 en [3, ) y f (k ) = ak = (ln k ) /k . Ahora bien,
3

ln x dx = x

b b

l m

ln x 1 dx = l m (ln x)2 b 2 x

b 3

= l m

1 (ln b)2 (ln 3)2 = b 2

muestra que la serie diverge.

1

Demuestrelo examinando f (x).

12

Ejercicio 19 La serie p: El criterio de la integral es particularmente u til para la llamada 1 serie p: , es decir... n=1 np

k=1

1 1 1 1 = 1 + p + p + p + p k 2 3 4

La serie arm onica (divergente) k=1 1/k es una serie p, con p = 1. El siguiente resultado se deduce inmediatamente del criterio de la integral y se deja como ejercicio de aplicaci on del criterio de la integral.

Teorema. La serie p,
n=1

1 , np

converge para p > 1 y diverge para p 1.

Esta serie aparece frecuentemente en diferentes aplicaciones. Para p > 1, la suma de la serie p es la denominada funci on Zeta de Riemann: 1 Z (p) = n=1 np , p > 1. 1 1 2 4 Algunos valores exactos son: Z (2) = n=1 n2 = 6 , Z (4) = n=1 n4 = 90 . Para p > 1, Z (p) es una funci on decreciente de p, con Z (p) 1 para p y Z (p) para p 1. Ejemplo 20 b) La serie a) La serie
1 k=1 k3 1 k=1 k1/2

diverge, ya que p =

1 2

< 1.

converge, ya que p = 3 > 1.

Para hacer en PC usando MAPLE, Matlab o Mathematica, considere S1 , S2 ,...S6 , 1 al es calculando Sn = n k=1 k2 y representando los pares (n, Sn ). Se ve del dibujo cu la suma de la serie?, si no se aprecia a un haga las sumas parciales siguientes. Problema 21 Analizar mdiante el criterio de la integral la convergencia de las series

(a)
n=2

ln n , n

(b)
n=0

1 , 2 n +1

(c)
n=1

ne

(d)
n=1

n2

n +3

2.3.

Criterios de comparaci on

A menudo es posible determinar la convergencia o divergencia de una serie ak comparando sus t erminos positivos con los de una serie de prueba bk , de t erminos positivos, que se sabe que es convergente o divergente.

13

Teorema. Sean
k=1

ak y
k=1

bk , series con t erminos positivos,

(i) Si gente.
k=1

bk converge, y ak bk para todo entero k , entonces

k=1

ak es tambi en conver-

(ii) Si
k=1

bk diverge y bk ak para todo entero k , entonces

k=1

ak es divergente.

Ambos enunciados se mantienen si la comparaci on se hace a partir de un k0 , y las desigualdades de arriba valen para todos los k > k0 . Demostraci on. Sean Sn = a1 + a2 + + an y Tn = b1 + b2 + + bn las sumas parciales de ak y bk , respectivamente. 1. Si bk es una serie convergente, y ak bk , entonces Sn Tn . Como l mn Tn existe, entonces {Sn } es una sucesi on creciente acotada - y por lo tanto, es convergente. Luego, la serie ak es convergente. 2. Por otro lado ak no puede ser convergente, ya que Tn Sn en este caso, y como la serie de los bk diverge, l mn Tn = , luego tambi en l mn Sn = .

Ejemplo 22 Determinar si es convergente o divergente

k=1

k . k3 +4

k 1 k = k3 + 4 k3 k2 ... y la serie 1/k 2 es una serie p con p = 2, convergente, se deduce que la serie dada tambi en es convergente.
ln(k+2) . k

Soluci on 3 Como ...

Problema 23 (i) Determinar si es convergente o divergente

k=1

Observar que ln (k + 2) > ln 3 para k > 1, ln (k + 2) ln 3 > k k Y c omo es la serie

(ln 3)/k ? Terminar el ejercicio.

(ii) Analizar
n=1

1 . 3n +1

(iii) Analizar
n=1

en .

14

Problema 24 Dada una serie con t erminos no nulos (no importa el signo)
n=1

an

Si se conoce que el cociente entonces...

|an+1 | |an |

satisface

|an+1 | |an |

< r < 1 para todo n n0 ,

1. Probar que los t erminos en valor absoluto de la serie satisfacen..... |an0 +p | < rp |an0 | para todo p 1. Y como consecuencia de lo anterior

2. la serie
n=n0

|an |, tiene sus t erminos menores que los de una serie geom etrica

convergente. Luego, esta serie converge.

2.4.

Criterio de comparaci on en el l mite

Este criterio de comparaci on proviene de considerar el l mite del cociente del t ermino general de una serie y el t ermino general de una serie de prueba (que se conoce que es convergente o divergente).

Teorema. Sean resultado de

ak y
k=1

bk dos series con t erminos positivos, tales que se conoce el

k=1 n = l m a n bn

L. Entonces

(i) Si L existe y es L > 0, entonces ambas series son convergentes o ambas son divergentes; (ii) Si L = y
k=1 bk

diverge, entonces

k=1

ak diverge tambi en.

Demostraci on. Demostramos la parte (i). Como l mn an /bn = L > 0, es posible elegir n L| < L/2 n sucientemente grande, por ejemplo n > N0 para cierto N0 , tal que | a bn ...entonces para todo n > N0 1 an 3 L L 2 bn 2 Esta desigualdad implica que an 3 L.bn para n > N0 . 2 Si la serie bk converge, por el criterio de comparaci on se deduce que la serie an es convergente. Adem as,... ... puesto que 1 L.b bn diverge, entonces n an para n > N0 , se ve que si la serie 2 an tambi en diverge. Lo que resta se deja como ejercicio. El criterio de comparaci on en el l mite se aplica cuando el criterio de comparaci on es inconveniente, en particular cuando an es una expresi on algebraica complicada o un cociente ya sea de potencias racionales de n o de ra ces de polinomios en n. Se compara entonces an con una serie p convergente o divergente segun el caso, identicando los t erminos que dominan el comportamiento de an para n grande.

15

Ejemplo 25 El lector puede advertir que es dif cil aplicar el criterio de comparaci on a la serie 1/ k 3 5k 2 + 1
k=1

Sin embargo, sabemos que entre

k=1

1/k 3 es una serie p convergente. Haciendo el cociente y bk = 1 k3

ak = tenemos

1 k 3 5k 2 + 1

ak k3 k3 = l m 3 = l m =1=L>0 k bk k k 5k 2 + 1 k k 3 (1 5/k + 1/k 3 ) l m Por parte (i) del criterio dado previamente, resulta que la serie dada es convergente. Identicando el t ermino dominante del denominador, podemos entonces decir que ak se comporta en este caso como k13 para k grande, es decir como una serie p con p = 3, y por lo tanto la serie k=1 ak resulta convergente. Ejercicio 26 Determinar si es o no convergente

3
k=1

k 8k 5 + 7

Para valores grandes de n, an = n/ 3 8n5 + 7 se comporta como un m ultiplo constante de n 1 n = 5/3 = 2/3 3 n n n5 Aplicar el criterio y concluir un resultado. (ii) Analizar 1 n n2 + 1 n=1

16

Resumen 1 Observaciones: (i) Cuando se aplica el criterio de la integral, debe tenerse en cuenta que el valor de la integral impropia convergente no es la suma de la serie. (ii) Los criterios examinados en esta secci on dicen cu ando una serie tiene suma, pero no proporcionan el valor de la suma S. No obstante, es importante conocer que converge una serie ya que eso permite sumar cinco, cien o mil t erminos en una computadora para obtener una aproximaci on a la suma S ( porqu e es v alido ?).

(iii) La conclusiones del criterio de la integral para la serie

k=n

ak son v alidas tambi en si

la funci on no negativa continua f no comienza a decrecer hasta que x N n.

on f (x) = (ln x) /x decrece en el intervalo Para la serie k=1 (ln k ) /k , la funci [3, ). No obstante, en el criterio de la integral es posible utilizar 1 f (x)dx.

(iv) Las hip otesis de la parte (i) y (ii) del criterio de comparaci on tambi en se pueden debilitar, lo cual da lugar a una propiedad m as fuerte. Solamente se requiere que an bn , o bien an bn , para k suentemente grande y no para todos los k enteros positivos. (v) En la aplicaci on del criterio de comparaci on b asico, a menudo es f acil llegar a un punto en donde la serie dada es menor t ermino a t ermino que una serie divergente. Por ejemplo, 1/ 5k + k < 1/ k es verdadero y k=1 1/ k diverge. k Pero, este tipo de razonamiento prueba algo acerca de k ? De k=1 1/ 5 + hecho, esta serie converge (por qu e?). De manera semejante no se puede llegar a ninguna conclusi on demostrando que una serie es mayor t ermino a t ermino que una serie convergente. La tabla siguiente resume el criterio de comparaci on (las series son series con t ermino positivos)
ak versus bk ak bk ak bk ak bk ak bk bk (tipo) converge diverge diverge converge Conclusi on sobre converge ninguna diverge ninguna ak

17

2.5.

Problemas diversos - criterio de la ra z

1. Suponga que ak > 0 para k = 1, 2, 3, . . . . Demuestre que si ak converge, entonces en converge. Es verdad la proposici on rec proca? a2 k tambi 2. Sea ak una serie de t erminos positivos para la cual l mn (an )1/n = L. El criterio de la ra z dice que si L < 1, la serie es convergente; si L > 1, o 1/n l mn |an | = , la serie diverge. Cuando L = 1 el criterio no decide. El criterio puede derivarse comparando la serie con una serie geom etrica. Aplique el criterio de la ra z para determinar si la serie indicada converge o diverge.

(a)
k=1

52k+1 , kk

(b)
k=2

1 , (ln k)k

(c)
k=1

k2 k k+1 1 k ) k

(d)
k=1

2 k k

Observaci on: Recuerde que l mk (1 +

= e y l mk (1 + x )k = ex k

2.6.

Ejercicios para repasar los criterios

1. Aplique el criterio apropiado para determinar si la serie indicada converge o diverge. En algunos casos puede aplicarse m as de un criterio.
k=1 k=1 k=1 k=2 k=1 n=1 1 k 1, 1 1 10+ k 1 k+ k (ln k)2 k (1,1)k 4k n3 ,2n+3 7n1 k=1 k=1 k=2 k=2 k=1 k=1 1 k0,99 k 3k+1 1 k. ln k 1 k ln k 1 3k +k k+ln k k3 +2k1 k=1 k=1 k=3 n=2 k=1 k=1 1 2k+7 1 k2 +5 ln k k5 1 n n2 1 1+3k 2k sen (1/k) k

18

2.7.

Series alternantes y convergencia absoluta

Una serie que tenga cualquiera de las formas c1 c2 + c3 c4 + + (1) o bien

n+1

cn + =
k=1

(1)k+1 ck

c1 + c2 c3 + c4 + (1) cn + =
k=1

(1)k ck

en donde ck > 0 para k = 1, 2, 3, . . . , se dice que es una serie alternante (o alterna). k k+1 Puesto que ultiplo de ck , nos limik=1 (1) ck es precisamente un m k=1 (1) taremos a estudiar esta u ltima serie. Ejemplo 27 (1)k+1 1 1 1 1 + + = 2 3 4 k k=1 y ln 2 ln 3 ln 4 ln 5 + + = 4 8 16 32 son ejemplos de series alternantes.

(1)k
k=2

ln k 2k

2.8.

Criterio de las series alternantes (Leibniz)

Lo primero para asociar ... Problema 28 Dada una serie alternada si los coecientes {ck } no tienden a 0, cuando k , ... ... qu e se puede asegurarsobre esta serie? (pensar que ocurre con el t ermino general para series convergentes de cualquier tipo). La primer serie de los ejemplos, se llama serie arm onica alternante. Aunque la serie arm onica 1/k diverge, la introducci on de t erminos positivos y negativos en la sucesi on de sumas parciales de la serie arm onica alternanada basta para producir una serie convergente. Demostraremos que la serie arm onica alternada converge, por medio del criterio siguiente: Teorema. Si l m ck = 0 y ck+1 ck , para todo entero positivo k , entonces
k k=1

(1)k+1 ck converge.

Demostraci on. Consideremos las sumas parciales que contienen 2n t erminos: S2n = c1 c2 + c3 c4 + + c2n1 c2n = (c1 c2 ) + (c3 c4 ) + + (c2n1 c2n ) 19

Puesto que ck ck+1 0 para k = 1, 2, 3, . . . tenemos que S2 S4 S6 S2n As que la sucesion {S2n } de las sumas que contienen un n umero par de t erminos de la serie, es una sucesi on mon otona. Reescribiendo lo anterior S2n = c1 (c2 c3 ) c2n muestra que S2n < c1 para todo entero positivo n. Por tanto, {S2n } es acotada y creciente, entonces {S2n } es convergente a un l mite S . Ahora bien, S2n+1 = S2n + c2n+1 ... entonces, l m S2n+1 = l m S2n + l m c2n+1
n

= S+0=S Esto demuestra que la sucesi on de sumas parciales que contienen un n umero impar de t erminos, tambi en converge a S . Ejemplo 29 Demostrar que la serie arm onica alternante

k=1

(1)k+1 k

es convergente. Soluci on. Con la identicaci on cn = 1/n, tenemos de inmediato que

n

l m cn = l m

1 =0 n n

cn+1 < cn

dado que 1/ (k + 1) 1/k para k 1. Luego, por el criterio de las series alternantes la serie arm onica alternante es convergente. Problema 30 Usando la computadora, calcular las sumas parciales S1 , S2 .....S20 y vericar, dibujando los pares (n, Sn ), que se acercan a la recta horizontal y = ln 2 (m as adelante se demostrar a que la suma de esa serie es ln 2). Ejemplo 31 La serie alternante

(1)k+1
k=1

2k + 1 3k 1

diverge, ya que 2k + 1 2 = =0 n n 3k 1 3 No hemos usado aqu el criterio previo. l m cn = l m 20

En general no es necesariamente sencillo cuando se tiene una serie alternada ver si los coecientes positivos cumplen o no ck+1 ck .

Ejercicio 32 (1) Determinar si

k=1

(1)k+1

k k+1

es convergente o divergente.

- Primero conviene ver si cn tiende a cero. Si es as ... se sigue ... Para ver si los t erminos de la serie on ck+1 ck , en este caso se satisfacen la condici puede analizar si la funci on f (x) = x/ (x + 1) decrece para x > 1. ..... concluir ?. (1)k+1 (2) Determinar si es convergente o divergente k=1 1+k2 . (3) Determinar si es aplicable el criterio a la serie convergente o divergente ?
n n=1 (2)n1 .

Puede decidir si es

2.9.

Convergencia absoluta
ak es absolutamente convergente si |ak |

Denici on. Se dice que una serie converge. Ejemplo 33 La serie alternante

k=1

(1)k+1 k2

es absolutamente convergente, ya que tomada en valores absolutos

k=1

(1)k+1 = k2

k=1

1 k2

es una serie p que converge.

2.10.

Convergencia condicional
ak es condicionalmente convergente si ak

Denici on. Se dice que una serie converge pero |ak | diverge.

Ejercicio 34 La serie arm onica alternada... es absolutamente convergente o condicionalmente convergente?

21

El resultado siguiente demuestra que toda serie absolutamente convergente es tambi en convergente.
Problema 35 Si la serie en converge. k=1 |ak | converge, entonces k=1 ak tambi Demostraci on. Si se considera una serie wk = ak + |ak |, entonces 0 wk 2 |ak |. ...Como |ak | converge, entonces por el criterio de comparaci on resulta que wk es convergente. Entonces, ....que se puede decir sobre

(wk |ak |)
k=1

converge?, ..... ...concluir la justicaci on. Observar que como |ak | es una serie de t erminos positivos, pueden utilizarse los criterios de la secci on precedente para determinar la convergencia o divergencia. Ejercicio 36 (1)Analizar si es convergente (absolutamente o condicionalmente), o si es (1)k+1 divergente k=1 1+k2 . cos n (recordar que cos n = (1)n ) (2) Idem para n=1 n+1 cos n (3) Idem para n=1 n2 +1 sen((2n1)/2) (3) Idem para n=1 n Ahora agregamos un criterio muy u til para analizar la convergencia absoluta, tambi en para decidir en algunos casos divergentes, y para el caso particular de series positivas. La siguiente forma del Criterio de la raz on puede ser aplicada tambi en al an alisis de series alternadas.

2.11.

Criterio de la raz on o del cociente

Teorema. Sea una serie ak con t erminos no nulos, se considera el valor absoluto del an+1 cociente an , y se calcula el l mite: l m an+1 =L an

Entonces (i) Si L < 1, la serie es absolutamente convergente (e implica convergente). (ii) Si L > 1, o si l mn |an+1 /an | = , la serie tambi en |ak |). (iii) Si L = 1, el criterio no decide. Demostraci on. Demostramos la parte (i). Sea R un n umero positivo tal que 0 L R < 1 (hacer un dibujo en la recta), usando la denici on de l mite de la sucesi on |an+1 /an |, 22 ak es divergente (... y por ende

existe un cierto N0 , tal que para n sucientemente grande, n > N0 se cumple que R < 1, esto es, |an+1 | < R. |an | para todo n > N0 Esta desigualdad implica (recordar un ejercicio previo) quela serie verge, debido a la comparaci on con la serie geom etrica convergente 0 < R < 1. La segunda parte surge considerando que si el l mite l m

an+1 an

<

k=N0 +1 |ak | con k k=1 |aN0 |.R , con

an+1 = L > 1, un n umero L > 1 n an Considerando el intervalo (1, L) (hacer un dibujo con L > 1), existe un R, 1 < R < L, y un N0 tal que para todo n N0 , el cociente an+1 > R > 1, luego para todo n > N0 , an |an+1 | > |an | Luego f acilmente se deduce (recordar un ejercicio previo) que |an | no tiende a cero, y tampoco la sucesi on an tiende a cero. Por tanto, la serie diverge. Problema 37 Concluir la demostraci on del teorema anterior, encontrando dos series para las que se cumpla la parte (iii), siendo una convergente y la otra divergente. Ejemplos t picos son la serie arm onica y la serie p con p = 2. Vericar eso.

Ejemplo 38 Determinar si converge o diverge

k=1

(1)k+1 22k1 . k3k

Soluci on 4
n

l m

an+1 an

= =

l m

(1)n+2 22n+1 (1)n+1 22n1 / (n + 1) 3n+1 n3n

4 4n = n 3 (n + 1) 3 l m

Puesto que L = divergente.

4 3

> 1, por el criterio de la raz on se desprende que la serie alterna es

Problema 39 Determinar si convergen o divergen las series : (a)

n=1 2n+1 n2 3n

(b)
n=1

nn n!

(c)
n=1

(1)n n , n+1

si se puede aplicar el criterio previo.

Si no decide, usar otros criterios adecuados, de series alternantes, o de comparaci on si se considera la serie en valores absolutos. (d) Usando el criterio del cociente, encontrar para cu ales x la serie

n=1

xn n!

converge absolutamente. Retenga ese resultado. Se ver a en lo que sigue la importancia del mismo. 23

Resumen 2 (i) La conclusi on del criterio de las series alternadas permanece cierta cuando la hip otesis ak+1 ak para todo entero positivo k se reemplaza con la condici on ak+1 ak para k sucientemente grande. Ej.: Para la serie alternante (1)k+1 (ln k ) /k 1/3 , se demuestra f acilmente que ak+1 ak para k 21, mediante el procedimiento empleado en el Ejemplo 3. Adem as, l mn an = 0. Luego, la serie converge por el criterio de las series alternantes. (ii) Si se encuentra que la serie de valores absolutos |ak | es divergente, entonces no se puede sacar una conclusi on referente a la convergencia o divergencia de la serie ak . (iii) Si ak es absolutamente convergente, entonces los t erminos de la serie pueden ser reacomodados o reagrupados de cualquier manera, y la serie resultante ser a convergente al mismo n umero que la serie original. Por el contrario, si los t erminos de una serie condicionalmente convergente se escriben en un orden distinto, la nueva serie puede diverger o converger a un n umero diferente. Se deja como ejercicio demostrar que si S es la suma de la serie arm onica alternada S =1 entonces la serie reordenada 1+ converge a 3 S. 2 (iv) Se recomienda tambi en reexionar sobre el siguiente razonamiento. 2S = 2 1 1 1 1 1 1 1 1 1 + + + + 2 3 4 5 6 7 8 9 2 1 2 1 2 1 2 = 2 1 + + + + 3 2 5 3 7 4 9 1 2 1 1 2 1 1 + + = (2 1) + 2 3 3 4 5 5 6 = S 1 1 1 1 1 + + + 3 2 5 7 4 1 1 1 1 1 + + + 2 3 4 5 6

Dividiendo por S , se obtiene la interesante conclusi on que 2 = 1 !! ?? Entonces, cuando es condicionalmente convergente no se puede alterar el orden de los t erminos, ya que altera tambi en el resultado.

24

3.

Aproximaci on de la Suma de una serie convergente por una suma parcial

Importante. Si se sabe que una serie k=1 ak es convergente, se puede tomar una n suma parcial Sn = k=1 ak como aproximaci on a la suma S de la serie. Damos a continuaci on una estimaci on de la diferencia o error

|Sn S | = |
k=n+1

ak |

en algunos casos importantes.

3.1.

Estimaci on del error para una serie alternante

La propiedad siguiente es muy u til para saber si una suma parcial Sn de una serie alternante convergente, es aceptable o no para aproximar a su suma S .
k+1 ck , ck > 0, converge a un n umeProposici on. Si la serie alternante k=1 (1) ro S , y si ck+1 ck para todo k , entonces |S Sn | < cn+1 para todo n, donde Sn = n k+1 ck es la en esima suma parcial. k=1 (1)

Esta propiedad expresa que el error |S Sn | entre la n- esima suma parcial y la suma de la serie es menor que el valor absoluto del (n + 1)- esimo t ermino de la serie (o del siguiente respecto de los t erminos que se han considerado en Sn ). Problema 40 Demostraci on: Considerar S Sn = (1)n+1 (cn+1 (cn+2 cn+3 ) . . .) y hacer alguna fundamentaci on para ver que es cierto el resultado de la proposici on. Ejercicio 41 Evaluar cu al suma parcial se puede considerar para aproximar la suma de la serie convergente (1)k+1 (2k )! k=1 con un error menor que 103 . Puede usar la calculadora o PC para evaluar. Ejercicio 42 El n umero de t erminos para un determinado error depende de la serie. Probar que para estimar las series

(i)
k=1

(1)k+1 , (ii) k!

k=1

(1)k+1 , (iii) k

k=2

(1)k+1 ln k

con un error menor a 103 , se requieren solo 6 t erminos en la primera, 1000 t erminos en 103 434 la segunda ! y del orden de e 2 10 t erminos en la tercera !! Notar que las tres series son convergentes por el criterio de series alternantes, aunque solo una de ellas (cual?) converge absolutamente.

25

Ejercicio 43 Encuentre el menor entero positivo n de modo que Sn aproxime la suma de la serie convergente con un error menor que 103 .

(a)
k=1

(1)k+1 , k3 1 42

(b)
k=1

(1)k+1 , k 1 5

(c)

1 1 + 4

1 43

+ ,

(d)

2 52

3 53

4 54

+ ,

3.2.

Estimaci on del error para una serie de t erminos positivos

El test del cociente puede resultar tambi en u til para conocer el error cometido por una suma nita Sn para aproximar a la suma S de la serie. Proposici on. Supongamos que una serie k=1 uk es absolutamente convergente (y por lo tanto convergente) por el criterio del cociente. Si |uk+1 | =L<R<1 k |uk | l m entonces para M suentemente grande

uk <
k=M +1

|uM +1 | 1R

Demostraci on. Como l mk y k > M se cumple

|uM +2 | |uM +1 | |uk+1 | |uk |

|uk+1 | |uk |

= L < R, entonces para M sucientemente grande

< R.

Por lo tanto, < R, o sea |uM +2 | < R|uM +1 |, con R < 1. Tambi en, 2 |uM +3 | < R|uM +2 | < R |uM +1 | y as , |uM +p | < R|uM +p1 | < ...... < Rp1 |uM +1 | En consecuencia, 2 3 p k=M +1 |uk | < |uM +1 | + R|uM +1 | + R |uM +1 | + R |uM +1 | + ... + R |uM +1 | + ... Luego, como la serie de la derecha es una serie geom etrica con raz on 0 < R < 1 y M +1 | primer t ermino |uM +1 |, conocemos su suma Sg = |u . Por lo tanto, vale 1R | u | < | u | / (1 R ) k M +1 k=M +1 Como | k=M +1 |uk |, se concluye que k=M +1 uk | | k=M +1 uk | < |uM +1 |/(1 R). Ejercicio 44 1) Hallar una cota superior del error cometido por la suma parcial de los 6 primeros t erminos (|S6 S |) de las series siguientes:

a)
n=1

1 n5n

b)
n=1

1 n!

c)
n=1

(1)n1 n4n

d)
n=1

(1)n1 2n 1

2) Encontrar cu antos t erminos m hay que sumar de las siguientes series para que el error cometido |Sm S | sea menor a 0.0005: a)
n n=1 10n

b)

1 n=1 2n +1

c)
k=1

(1)k+1 (2k1)!

26

3) Calcule el error al emplear las sumas parciales indicadas.

k=1 (1)k+1 ; k

S9 y S99 ,
k=2

(1)k+1 ; ln k

S9 y S99 ,
k=1

(1)k+1 ; k 2k

S9 ,
k=1

1 ; k2k

S9

3.3.

Problemas diversos

1. Diga por qu e no es aplicable a la serie indicada el criterio de las series alternantes. Determine si la serie converge o diverge.
k=1 k=1 sen (k/6) k4 +1 100+(1)k 2k 3k

1 1 4 +1 + 16 + + 1 1 2 8 1 1 1 1 1 1 4 9 + 16 + 25 + 36 + + + + 1 2 1 2 1 2 1 1+22+33+2 1 + 1 4 4 (Sugerencia : Considere las sumas parciales S2n para n = 1, 2, 3, . . .) 1 1 +1 1 1 1 +1 +1 +4 +1 2 2 3 3 3 4 4 4

2. Determine si converge o diverge cada una de las series siguientes 1 1 + 1 1 + 1 1 + (1 1) + (1 1) + (1 1) + 1 + (1 + 1) + (1 + 1) + (1 + 1) + 1 + (1 + 1) + (1 + 1 1) + (1 1 + 1 1) + 3. Si ak es absolutamente convergente, demuestre que Para n sucientemente grande, |ak | < 1. Por qu e?) a2 k converge. (Sugerencia :

4. Determine todos los valores reales x para los cuales converge la serie

k=1

xk k!

Veremos m as adelante que para esta serie su suma es la funci on ex . Por ahora, represente en la PC las sumas parciales S1 (x), S2 (x) ...., S4 (x), son funciones ya que dependen de x, por lo tanto represente con plot(...) cada una de las curvas de las sumas parciales y muestrelas en forma conjunta.

Pasamos al tema fundamental de este m odulo ...

27

4.

Representaci on de funciones mediante series

Las series cuyos t erminos son funciones fn (x), denidas para x D, D un cierto dominio, se denominan series de funciones:

fn (x)
n=0

Por ejemplo, si fn (x) =

cos(nx) , n2

se tiene la serie

n=1

1 1 cos(nx) 1 cos(2 x ) + cos(3 x ) + . . . + = cos( x ) + cos(nx) + . . . n2 4 9 n2

que converge x real (explicar porqu e). n 2 3 n Otro ejemplo es la serie geom etrica n=0 x = 1 + x + x + x + ..... + x + ..., cuyos t erminos son las potencias de x: fn (x) = xn . Nos concentraremos en lo que sigue en series de potencias.

5.

Series de potencias

Si cada t ermino fn (x) es del tipo cn xn , es decir, est a compuesto por un coeciente cn n independiente de x multiplicado por la potencia x de la variable x, la serie se denomina serie de potencias Denici on 1 La serie

ck x k = c0 + c1 x + c2 x 2 + + cn x n +
k=0

(2)

donde los ck son constantes respecto de x y s olo dependen de k , es una serie de potencias en x. Cuando la serie tiene potencias del tipo (x a)k , siendo a un n umero real jo ( constante),

ck (x a)k = c0 + c1 (x a) + c2 (x a)2 + + cn (x a)n +

k=0

(3)

se la denomina serie de potencias en x a. Ejemplo:

k=0

1 1 1 1 (x 1)k = 1 + (x 1) + (x 1)2 + + n (x 1)n + k 2 2 4 2

(4)

Importante. El problema que se plantea en esta secci on es: Encontrar los valores de x para los cuales converge una Serie de Potencias, y conocer la funci on suma S (x) correspondiente. 28

Observar que las series de potencias (2) siempre convergen para x = 0 al valor c0 . Lo mismo ocurre para las (3) cuando x = a, ya que todos los t erminos, salvo el primero, valen 0. Observaci on: Es conveniente tener presente que la potencia x0 = 1 y (x a)0 = 1, aun cuando x = 0 o x = a, respectivamente. Ejemplo 45 La serie de potencias con coecientes ck = c constantes para todo k,

cxk = c + cx + cx2 + cx3 + + cxn +

k=0

(5)

es la ya conocida serie geom etrica con raz on r = x, y primer t ermino igual a c. Por lo tanto, la serie anterior converge u nicamente para los valores de x que satisfacen |x| < 1, es decir, para los x en el intervalo 1 < x < 1. Conclusi on 1 Su suma es S ( x) = c , para los x tales que 1 < x < 1 1x

c k Es decir, S (x) = k=0 c x = 1x , para los x (1, 1) (pero no para otros x). c coincide con la serie de potencias (5) en el Dicho de otra forma, la funci on f (x) = 1 x intervalo (1, 1).

Ejemplo 46 Una serie que no es geom etrica: n xn , es decir, etrica dado Sea la serie de t ermino general cn xn = x n=0 n! . No es geom n! 1 que cn = n! depende de n. Entonces,... c omo determinamos para cuales x converge? y m as dicil a un es saber cu al es la suma S (x), cuando converge para un cierto x.

29

5.1.

Intervalo de convergencia de una serie de potencias

Al conjunto de todos los n umeros reales x para los cuales converge una serie de potencias, se le llama su intervalo de convergencia (porqu e se piensa en un intervalo?) Un resultado general... Problema 47 Dada una serie de potencias
k k=0 ck x .

1. Demostrar que si converge en x = x1 converge absolutamente para todos los x tales que |x| < |x1 |.
k Considerar que como la serie erminos |ck x1 k | k=0 ck x1 converge entonces los t est an acotados por alguna constante B (es cierto ? ). Adem as, para todo x tal que |x| |x| < |x1 | el cociente |x1 | < 1.

En consecuencia para tales x, el t ermino |cn xn | = |cn xn 1| est a acotado por los t erminos B
k=0 | x| |x 1 | n

| x| |x 1 |

As se puede decir que para cada x tal que |x| < |x1 |, la serie |ck xk | tiene sus t erminos acotados por los de una serie geom etrica convergente. Luego es convergente. 2. Si diverge en x = x2 diverge para todos los x tales que |x| > |x2 |. Para demostrar eso se hace por el absurdo. Suponga que bajo esas hip otesis, existe un x1 tal que |x1 | > |x2 | donde converge. Qu e pasar a de acuerdo a la primer parte en x2 entonces ?.....ver que se llega a un absurdo. Entonces se puede armar... Conclusi on 2 Considerando el caso general, la serie de potencias en x a se comporta de acuerdo a una de las siguientes posibilidades: (i) S olo converge en el punto x = a (radio 0); (ii) Converge absolutamente x (radio ); o... (iii) Existe un R > 0, denominado radio de convergencia, tal que la serie converge absolutamente en el intervalo (a R, a + R) y diverge para todo x tal que |x a| > R . En los extremos del intervalo de convergencia (x = a R y x = a + R) puede o no converger de acuerdo a cada caso. La gura siguiente ilustra el caso (iii).

30

Radio de convergencia

Divergencia
a R a

Divergencia
a R

Convergencia

5.2.

Determinaci on del radio e intervalo de convergencia

El criterio de la raz on ( o tambi en denominado del cociente) es especialmente u til para encontrar el radio de convergencia. Recordar que este criterio se aplica a t erminos positivos, o sea a los t erminos |an |. Se deben pues analizar los t erminos de la serie de potencias en valor absoluto mediante el criterio del cociente. Ejemplo 48 Hallar el intervalo de convergencia de

k=0

xk 2k (k + 1)2

Soluci on: l m an+1 an = = l m xn+1 2n (n + 1)2 . xn 2n+1 (n + 2)2 n+1 n+2

2

l m

|x| |x| = 2 2

En virtud del criterio de la raz on, existe convergencia absoluta siempre que este l mite sea estrictamente menor que 1. As , la serie es absolutamente convergente para aquellos valores de x que satisfacen |x| /2 < 1, o sea, |x| < 2: +1 | Adem as para los x tales que |x| > 2, se tiene |a|n > 1 para n grande; luego |an+1 | > an | |an | > 0, y por lo tanto, para |x| > 2 la serie diverge porque el t ermino general no tiende a cero (recordar el criterio del cociente). Por lo tanto, mediante el criterio del cociente vemos que el radio de convergencia de esta serie es R = 2. .... Sin embargo, en los extremos del intervalo (2, 2), es decir cuando |x| = 2, el criterio de la raz on no da informaci on. Como el criterio del cociente no decide, entonces ... ...se debe analizar la convergencia de la serie en esos puntos de la frontera del intervalo, para cada uno de ellos por separado, por medio de un criterio distinto al del cociente: 31

2 1. Sustituyendo x por el valor 2 se obtiene k=0 1/ (k + 1) que es convergente por comparaci on con la serie p convergente 1/k 2 ;

tambi en... 2. se analiza el otro extremo del intervalo. Se sustituye x por el valor 2,... ... resultando la serie alternada vergente (porqu e?).
k=0

(1)k / (k + 1)2 , la cual es evidentemente con-

As , concluimos que el intervalo de convergencia de esta serie es el intervalo cerrado [2, 2]. El radio de convergencia es 2 y la serie diverge si |x| > 2. Problema 49 Determinar el intervalo de convergencia de

k=0

xk k!

Debe encontrar que la serie converge absolutamente para todo x, es decir...

k=0

xk = f (x), para todo x k!

(6)

... f (x) es la funci on suma de esta serie. Veremos en una secci on pr oxima que x esta funci on es e . Problema 50 Usando la PC, gracar las sumas parciales S1 (x) = 1 + x, S2 = 1 + x + x2 /2!,... S6 ,... en un mismo gr aco en un intervalo grande. Agregar tambi en la funci on f (x) = ex . Observar como se aproximan a tal funci on.
k Problema 51 Observar y justicar: Como la serie k=0 x /k ! es absolutamente convergente para todos los x , su t ermino general debe tender a cero cuando n , cualquiera sea el x considerado. Por tanto, cualquiera sea x, se tiene que limk xk /k ! = 0

32

Problema 52 Determinar el radio e intervalo de convergencia de

k=1

(x 5)k k 3k

(i) Vericar que converge absolutamente si |x 5| < 3, es decir que tiene radio 3. (ii) Analizar los extremos del intervalo hallado. Aclarar si converge absolutamente o converge condicionalmente o no converge en los puntos de la frontera. (iii) Cu al es el radio, el intervalo de convergencia y el intervalo de convergencia absoluta? Problema 53 Obtener el intervalo de convergencia de

k ! (x + 10)k
k=1

Observar que al menos en x = 10 debe ser convergente..., pero debe hallar el radio de convergencia.

5.3.

Ejercicios para practicar

k=1 k=1 k=1 k=2 k=0 (1)k k x k 5k k=1 k=1 k=1 k=2 k=1 xk k2 (x3)k k3 k (k+2)2 k=1 k=1 k=0 k=1 k=1 2k k x k (x+7)k k

1. Encuentre el intervalo de convergencia de la serie de potencias indicada.

xk k! (x 5)
k

(1)k 10k xk ln k

(x 4)

k !2k xk
k2 32k

(1)k xk k ln k 3k (k+1)(2)k k

(x + 7)k
x 2 k 3

(3)k (k+1)(k+2)

(x 1)

(x + 5)

(1)k+1 (k!)2

5.4.

Problemas diversos de aplicaci on

1. La series indicadas no son series de potencias. No obstante, encuentre todos los valores de x para los cuales converge la serie.
k=1 k=1 k=0 1 xk 1 2k k=1 7k x2k
2 x k 2

cos(kx)
k=0 k=1

kx

k !ekx

2. Demuestre que
k=1

(sin kx) /k 2 converge para todos los valores reales de x.

33

6.

Propiedades de las funciones denidas por series de potencias

Una serie de potencias representa, en su intervalo de convergencia, una funci on f (x) = S (x), cuyo valor es el de la suma de la serie para tal x. Recordar el ejemplo previo (6). Por conveniencia, limitamos el estudio a las series de potencias de x. Desde luego, los resultados de esta secci on se aplican tambi en a las series de potencias de x a, cuyos intervalos de convergencia est an centrados en a. As , para cada x en el intervalo de convergencia, se dene el valor funcional f (x) mediante la suma de la serie:

f (x) = c0 + c1 x + c2 x + + cn x + =
k=0

ck x k

Importante. Una vez denida f (x), suma de la serie de potencias, es natural preguntarse si ... ... (i) Es f (x) cont nua f (x) en ese intervalo ? ... (ii) Es f (x) derivable en ese intervalo ? ...(iii) Es f (x) integrable en ese intervalo ?, ya que ... los t erminos de la serie, y las sumas parciales Sn (x) lo son ( porqu e ?) y f (x) = limn Sn (x). Es decir, Hereda f (x) las propiedades de las sumas parciales en los puntos x del intervalo donde la serie de potencias converge ?

6.1.

Derivaci on e integraci on de series de potencias

Las tres propiedades siguientes, que se establecen sin demostraci on, contestan algunas preguntas fundamentales respecto de la funci on f (x) denida como la suma de la serie de potencias en su intervalo de convergencia. En cada propiedad se supone que la serie converge en un intervalo (r, r), donde el radio r es positivo, o bien (es decir, que no se aplican al caso con radio r = 0, caso de convergencia en un u nico punto).

34

Teorema. Si f (x) =
k=0

ck xk , converge en el intervalo de radio r > 0, entonces f es

cont nua, derivable e integrable en el intervalo (r, r), r > 0. Adem as, la derivada y primitiva de f son 1. f ( x) =
k=1

ck kxk1 .

2. f (x)dx =

k=0

ck k+1 x +C k+1

El radio de convergencia de la serie obtenida al derivar o integrar una serie de potencias es el mismo que el de la serie original. Aunque hay que notar que ... ... el intervalo puede diferir respecto del intervalo de la original, como consecuencia que los extremos de (r, r) pueden agregarse en alg un caso o desestimarse en otro ( estudiando la convergencia de la respectiva serie en cada uno de los extremos del intervalo). Observaci on. 1. Estas propiedades, simplemente expresan que una serie de potencias puede derivarse e integrarse t ermino a t ermino como en el caso de un polinomio. 2. El radio de convergencia de f (x) es el mismo que el de f (x). Aplicando la misma propiedad a la serie de f (x), tambi en es diferenciable en cada x de (r, r) y

f (x) =
k=2

ck k (k 1) xk2 .

Continuando de esta manera se concluye que ... 3. Una funci on f representada por una serie de potencias en (r, r), r > 0, posee derivadas de todos los ordenes en ese intervalo. 4. Adem as, para n umeros arbitrarios x1 y x2 en el intervalo (r, r), la integral denida puede representarse como
x2 x2

f (t)dt =
x1 k=0

ck
x1

t dt

=
k=0

ck

+1 +1 xk xk 1 2 k+1

EJERCICIOS para hacer en clase: 1. Recordar que la serie f (x) =

k=0

xk , k!

35

converge para todo x, as , f (x) est a denida para x tal que < x < . (a) Demostrar que la serie que converge a f (x), satisface que f (x) = f (x), usando la derivaci on de la serie respectiva, y considerando los intervalos de convergencia. (b) Comprobar que f (0) = 1. (c) A partir de (a) y (b), concluir que f (x) = ex ( pensando que si y = f (x), se cumple la ecuaci on diferencial : y = y , y (0) = 1). As se conoce que ... e =
k=0 x

xk k!

para todo x

2. Aplique el resultado del ejercicio anterior para hallar una representaci on en serie de potencias para las funciones indicadas: (i) f1 (x) = ex (ii) f2 (x) = ex/5 (ii) f3 (x) = ex
2

3. Encontrar una aproximaci on, mediante una suma parcial de los t erminos de la serie que corresponda, de las cantidades que se indican abajo, de tal manera que el error cometido en valor absoluto sea menor a 103 . (i)
1 e

(ii) e1/2 4. Encontrar una cota superior del error cometido por la suma parcial de 6 t erminos xk x on del n umero e (recordar de la serie de e = k=0 k! para calcular una aproximaci estimaci on del error de las aproximaciones en series de t erminos positivos, estudiado en secci on 3, p agina 25). Problema 54 Obtener una representaci on en serie de potencias de x de f (x) = Para obtener esa serie para la f (x), recurrimos a conceptos ya estudiados. Soluci on. Sabemos que una serie geom etrica converge a raz on de esta serie y c el primer t ermino. Tomando en particular c = 1, r = x, obtenemos 1 = 1+x
c 1r 1 . 1+x

si |r| < 1, siendo r la

(x) =
k=0 k=0

(1)k xk ,

|x| < 1 .

La anterior igualdad u nicamente vale en el intervalo (1, 1). 1 , en el intervalo (1, 1). As , ya tenemos la serie de potencias para f (x) = 1+ x 36

1 , en la serie que la Ejemplo 55 A partir de la derivaci on de la funci on f (x) = 1+ x representa, t ermino a t ermino, se logra la serie que representa a 1/ (1 + x)2 en (1, 1):

1 f (x) = = (1 + x)2 Es decir, 1 = (1 + x)2 en el mismo intervalo (1, 1).

(1)k k xk1
k=1

(1)k+1 kxk1
k=1

El siguiente problema es realmente importante. Es totalmente recomendable su resoluci on completa. Problema 56 (1**)Obtener la representaci on en serie de potencias de ln (1 + x), con x (1, 1). x 1 Se conoce que ln(1 + x) = 0 1+ dt para los x del intervalo (1, 1). En virtud de eso, t C omo puede obtener para ln (1 + x), la serie de potencias que la representa en (1, 1)? (2 **) Obtenida la serie que representa a ln (1 + x), en (1, 1) del inciso previo. Analizar si esta serie converge o no en los extremos de ese intervalo (analizando por separado en x = 1, y en x = 1, si la serie converge, ya que el teorema de integraci on no dice nada acerca de los extremos del intervalo). - Luego, establecer claramente el intervalo de convergencia de la serie de potencias hallada para representar a ln (1 + x). Luego, continuar ... (3**) ... Por ser cont nua la funci on ln(1 + x) en el intervalo (1, 1], puede deducir cu al es realmente el intervalo donde vale la representaci on de la serie de potencias encontrada? (Un elegante teorema del matem atico noruego Niels Abel nos asegura que si una serie a converge, entonces la serie de potencias asociada n an xn converge a una funci on n n n continua f (x) para x [0, 1]; esto implica (reemplazando an an r , x x/r, r = 0) que toda serie de potencias con radio de convergencia no nulo converge a una funci on continua en su intervalo de convergencia). (4**) Finalmente, teniendo en cuenta el resultado de (3**), es cierto o no que la suma de la serie arm onica alternada tiene suma ln 2 ? Problema 57 En una PC gracar la funci on f (x) = ln(1 + x) en un intervalo [3/4, 2]. En el mismo gr aco comparar con las curvas que dan las sumas parciales S1 (x)... S5 (x) de la serie hallada para la funci on ln(1 + x). Explicar lo que ocurre. Problema 58 Aproximar ln (1,2) mediante una suma de un n umero nito de t erminos, de tal manera que se asegure que tal aproximaci on tiene 4 cifras decimales exactas (es decir, error menor que 5 105 ).

37

Soluci on 5 Sustituyendo x = 0,2 en la serie hallada en el ejercicio previo, resulta

ln (1,2) = ln(1 + 0,2) =

k=0

(1)k (0,2)k+1 k+1

= 0,2 0,02 + 0,00267 2,0004 + 0,000064 0,00001067 + 0,1823 Recordando el estudio del error en la aproximaci on de la suma de una serie alternada se tiene que 0,1823 es la aproximaci on buscada, ya que para S5 se cumple que |S S5 | < a6 = 0,00001067 < 0,00005. Es interesante advertir que si el intervalo de convergencia de la representaci on en serie de potencias de una funci on f , es el intervalo abierto (r, r), entonces la representaci on x en serie de potencias para 0 f (t)dt puede converger en una o en ambas fronteras del intervalo. Ejemplo de lo dicho es el caso de la serie de ln(1 + x).

6.2.
1. Si

Problemas diversos para hacer en clase

f ( x) =
k=0

(1)k x2k+1 , (2k + 1)!

para < x < , demuestre de f (x) + f (x) = 0. 2. Hallar una serie que represente a ln(1 x) en potencias de x e indicar el intervalo donde vale la representaci on. 3. Hallar una serie que represente a taci on.
1 x2 e dx 0 1 , 1+x2

e indicar el intervalo donde vale la represen2

4. Conoce una serie que represente a ex en potencias de x? Usarla para calcular como la suma de una serie. Cu antos t erminos de la serie debe tomar para aproximar la integral con error menor 3 que 10 ? 5. Hallar una serie que represente a arctan(x), e indicar el intervalo donde vale la representaci on. Para eso, recordar que la derivada de arctan(x) es arctan(x) a partir de una serie de potencias sencilla. 6. Demuestre, como consecuencia del ejercicio previo, que 1 1 1 = 1 + + 4 3 5 7 7. Se sabe que la serie del ejercicio anterior converge lentamente. Mu estrelo encontrando el menor entero positivo n, tal que Sn aproxime a /4 con cuatro cifras decimales. 38
1 . 1+x2

Pensar como obtener

6.3.

Ejercicios para practicar

1. Obtenga una representaci on en serie de potencias para las funciones que se indican, y establecer el intervalo donde vale. f (x) = f (x) = f (x) = ln (4 + x) x f (x) = 1+ x2 x f (x) = 0 ln (1 + t2 ) dt
1 1x 6 2x

f ( x) =

f ( x) = f (x) = f (x) = ln (1 + 2x) f (x) = f (x) = x/(1 x) f (x) = ln (1 + x2 ) x f (x) = 0 arctan(t) dt

1 (1x)2 1 (1x)3

f (x) =

1 5+3x x2 (1+x)3 1 1+x2

2. Encuentre el dominio de la funci on indicada x x2 x3 x4 f (x) = + 3 4 + 3 32 3 3 4x2 8x3 + + f (x) = 1 + 2x + 2! 3! 3. Eval ue mediante un desarrollo en serie la cantidad indicada con error menor que 104 . ln (1,1),
1/3 x dx 1+x4 0

arctan (0,2), 0,3 xarctan(x) dx 0

1/2 dx 1+x3 0 1/2 arctan(x2 ) 0

dx

39

7.

Relaci on entre los coecientes de la serie de potencias y las derivadas de la funci on suma en x = a
Si una serie de potencias de (x a) converge a una funci on f (x) en un intervalo (a r, a + r), r > 0 (la suma de la serie es f (x) en ese intervalo) entonces f (x) = c0 + c1 (x a) + c2 (x a)2 + + cn (x a)n +

=
k=0

ck (x a)k

Demostraremos que existe una relaci on entre los coecientes ck y las derivadas de orden k de f (x) evaluadas en x = a. Derivando t ermino a t ermino, usando la propiedad sobre derivaci on de series de potencias, en el intervalo (a r, a + r), se obtiene: f (x) = c1 + 2c2 (x a) + 3 c3 (x a)2 + f (x) = 2c2 + 2 3c3 (x a) + f (x) = 2 3c3 + ... y as con las derivadas siguientes. Evaluando cada igualdad obtenida arriba en x = a, resulta f (a) = c0 f (a) = 1! c1 f (a) = 2! c2 f (a) = 3! c3

respectivamente. En general, f (n) (a) = n!cn . Por lo tanto, f (n) (a) n0 n! Para n = 0, se interpreta la derivada de orden cero como f (a) y 0! = 1. cn = Conclusi on. Importante! Si una serie de potencias en (x a) converge a una funci on f (x) en un intervalo (a r, a + r), r > 0, entonces f tiene derivadas de todo orden en ese intervalo, y la f (k) (a) serie de potencias (x a)k coincide con la serie: k=0 k!

f (x) =
k=0

ck (x a)k =
k=0

f (k) (a) (x a)k k!

Tal igualdad es v alida para todos los valores de x en (a r, a + r), r > 0.

40

Unicidad de la serie que representa a f (x) en potencias de (x a): El resultado previo muestra que la representaci on de una funci on f (x) por una serie de potencias en (x a) es u nica, ya que los coecientes de tal serie necesariamente coinciden (k) con los valores f k!(a) . Por tanto la serie que representa a f (x), coincide con la serie de Taylor de f en a.

8.

Serie de Taylor y de Maclaurin de una funci on

Denici on. Importante!! Dada una funci on f que tiene derivadas de todo orden en x = a, se llama serie de Taylor de esa funci on, desarrollada en x = a, a la serie :

k=0

f (k) (a) (x a)k k!

A esta serie se la denota como serie de Taylor de f en a.a En el caso especial a = 0, la serie de Taylor de f (x),

k=0

f (k) (0) k x k!

se llama serie de Maclaurin de f .b

Llamada en honor del matem atico ingl es Brook Taylor (1685-1731), qui en descubri o este resultado en 1715. b Llamada en honor del matem atico escos es, y anteriormente alumno de Newton, Colin Maclaurin (1698-1746).
a

Conclusi on. (1)El resultado obtenido en la secci on previa, nos dice que si una funci on f (x) est a rek c ( x a ) en un intervalo, entonces esa serie presentada por una serie de potencias 0 k es la serie de Taylor (o Maclaurin si a = 0) de esa funci on f (x), ya que coincide con f (k) (a) k (x a) . k=0 k! (2) Adem as, como los valores de las derivadas de f son u nicos, la representaci on f (x) = k c ( x a ) en serie de potencias en ( x a ) es u nica (tener en cuenta!). 0 k Es decir, no hay distintas series de potencias en (x a) que representen a f (x), ya (k) que los coecientes coinciden con f k!(a) . Previamente hemos podido representar en series de potencias varias funciones: 2 ex ; ex , 1 , ln(1 + x), 1+x 1 1 , arctan(x), (1+ , ...etc. 1+x2 x)2 41

Pero para otras funciones, como cos(x), sen(x), sen(x3 ), o (sen(x3 ))dx, a un no hemos visto una serie que las represente.... ... Es de sumo inter es tener una serie para ellas, pu es eso nos permitir a, en primer lugar evaluarlas, y tambi en calcular por ejemplo la integral de sen(x3 ), o de cos x2 , etc, usando el teorema de integraci on de series de potencias.

8.1.

C alculo de la serie de Taylor de una funci on f (x) y estudio del intervalo de convergencia a f (x)

Importante: Si se tiene una funci on f (x), que tiene derivadas de todo orden, surge la pregunta natural:

Es posible encontrar para f (x) una serie de Taylor en el entorno de un punto a (en potencias de (x a)) que la represente ? O sea, es posible justicar que la serie de Taylor calculada converge a f (x) en algun intervalo (a r, a + r)?
Observaci ones: (1) Dada la funci on f (x) con derivadas de todo orden en x = a, se puede formar la serie de Taylor de f (x), calculando simplemente los coecientes mediante las sucesivas derivadas en a. (2) Pero hay que vercar si esa serie de Taylor tiene suma S (x) y si esa suma S (x) coincide o no con f (x) en algun intervalo (a r, a + r). (3) Si la suma S (x) fuese f (x) en ese intervalo, existe la representaci on en serie de f (x), y tal serie de Taylor es la u nica serie de potencias en (x a) que representa a f (x). Ejemplo: Ejemplo 59 Obtener la serie de Taylor de f (x) = ln x en a = 1. Soluci on. Se obtiene f (x) = ln x, 1 , f (x) = x 1 f (x) = 2 , x 2 f (x) = 3 , x . . . f (n) (x) = (1)n1 (n 1)! , xn f (1) = 0 f (1) = 1 f (1) = 1 f (1) = 2

f (n) (1) = (1)n1 (n 1)!

42

De modo que 1 1 (x 1) (x 1)2 + (x 1)3 = 2 3

k=1

(1)k1 (x 1)k k

Con la ayuda del criterio de la raz on, se encuentra que esta serie converge para todos los valores de x en el intervalo (0, 2]. Pero en principio no sabemos aun si la suma S (x) de ella coincide con ln(x) en este intervalo. No obstante, previamente hab amos visto, por integraci on de la serie geom etrica, (1)k1 k que ln(1 + t) = k=0 k t para t (1, 1]. Sustituyendo en esta t = x 1 obtenemos (1)k1 (x 1)k para x (0, 2], que es precisamente la serie de la igualdad ln(x) = k=0 k Taylor anterior. En resumen, para poder formar la serie de Taylor de una funci on en el entorno de un punto a particular, es necesario que esta funci on posea derivadas de todo orden en a. Por ejemplo, f (x) = ln x no posee serie de Maclaurin (a = 0) (porqu e?), pero si serie de Taylor alrededor de a = 1. Por otra parte, debe notarse que a un si f posee derivadas de todos los ordenes y genera una serie de Taylor convergente en alg un intervalo, no se sabe en principio si la serie converge a f (x) para todos los valores de x en ese intervalo Veamos c omo se estudia ese tema.

8.2.

Teorema de Taylor. F ormula de Taylor

La respuesta a este problema puede obtenerse considerando el teorema de Taylor: Teorema de Taylor. Sea f una funci on tal que existen todas sus derivadas hasta el (n+1) orden f (x) para todo x en el intervalo (a r, a + r). Entonces para todo x en este intervalo, f (x) = Pn (x) + Rn (x) donde Pn (x) = f (a) + f (a)(x a) + f ( a) f (n) (a) (x a)2 + + (x a)n 2 n!

es el Polinomio de Taylor de grado n de f en a, es decir, la suma parcial de orden n de la serie de Taylor, y Rn (x) = f (x) Pn (x) es el residuo, que tiene la expresi on Rn (x) = donde el n umero c est a entre x y a.
a

f (n+1) (c) (x a)n+1 (n + 1)!

Existen varias expresiones para el residuo. La presente se denomina forma de Lagrange, y se debe al matem atico franc es Joseph Louis Lagrange (1736-1813).

Como los Pn (x) son las sumas parciales Sn (x) de la serie de Taylor, tenemos Sn (x) = Pn (x) = f (x) Rn (x) 43

Por lo tanto,
n

l m Pn (x) = f (x) l m Rn (x)

n

Vemos as que si Rn (x) 0 cuando n , solo entonces la sucesi on de sumas parciales converge a f (x). En otras palabras, la serie de Taylor converge a f (x) en un cierto intervalo si y s olo si l mn Rn (x) = 0 en el mismo. En resumen, tenemos el siguiente teorema: Teorema. Si f tiene derivadas de todos los ordenes en todo x del intervalo (a r, a + r), y si l mn Rn (x) = 0 para todo x en el intervalo, entonces

f (x) =
k=0

f (k) (a) (x a)k k!

En la pr actica, la demostraci on que el residuo Rn (x) tiende a cero cuando n depende a menudo del hecho que |x|n =0 l m n n! k Este u ltimo resultado se deduce del conocimiento que la serie ex = k=0 x /k ! es convergente para todos los x , y por lo tanto su t ermino general debe tender a cero cuando n , cualquiera sea el x considerado. Ejemplo 60 Representar f (x) = cos x con una serie de Maclaurin. Soluci on.Se tiene, f (x) f (x) f (x) f (x) = = = = cos x, sen(x), cos x, sen(x), f (0) = 1 f (0) = 0 f (0) = 1 f (0) = 0

y as sucesivamente. Entonces, obtenemos la serie ... x2 x4 x6 1 + + = 2! 4! 6!

k=0

(1)k 2k x (2k )!

El criterio de la raz on muestra que esta serie de potencias converge absolutamente para todos los valores reales de x ( vercarlo !). Luego, para probar que cos x est a representada por esta serie de potencias, falta probar que l mn Rn (x) = 0 para todo x. Para tal n, observamos que las derivadas de f satisfacen f (n+1) (x) = |senx| |cos x| si n es par si n es impar

44

En ambos casos f (n+1) (c) 1 para cualquier n umero real c, y de esta manera f (n+1) (c) |x|n+1 n+1 Rn (x) = |x| (n + 1)! (n + 1)! Para cualquier elecci on ja, pero arbitraria, de x, l mn |x|n+1 / (n + 1)! = 0. Eso dice, que l mn Rn (x) = 0, para todo x. Entonces, concluimos que x2n x2 x4 x6 + + + (1)n + = cos(x) = 1 2! 4! 6! (2n)! es una representaci on v alida del cos x para todo n umero real x. Problema 61 Usando la PC, represente f (x) = cos(x). Luego, en el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x), es decir, los polinomios de Taylor Pn (x), para n = 1, 2, 3, 4 de la serie de Maclaurin. Hacer alg un comentario sobre lo que advierte. D onde estas sumas parciales aproximan mejor? Dar una explicaci on sobre ese comportamiento. Se muestran a continuaci on los gr acos de f (x) = cos(x) y de los polinomios de Taylor asociados de grado 0, 2, 4 y 10 en a = 0.

k=0

(1)k 2k x (2k )!

P0 x

fx

Cos x

1
fx Cos x
P2 x

1 x2 2

P4 x

fx

Cos x

fx

Cos x

P10 x

45

Problema 62 (i) Representar f (x) = sen(x) con una serie de Taylor desarrollada en a = 0, ... ... aplicando integraci on o derivaci on de series de potencias, y deducir el intervalo de convergencia. (ii) Usando PC, representar f (x) = sen(x) y en el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x) = Pn (x) para n = 1, 2, 3 de la serie de Maclaurin correspondiente. Hacer alg un comentario sobre lo que advierte e indicar donde estas sumas parciales aproximan mejor. (iii) Representar f (x) = cos(x2 ) por una serie de potencias de x, usando alguna serie conocida. Dar el intervalo de convergencia correspondiente. 1 (iv) (a) Calcular 0 cos(x2 )dx, mediante una serie. (recordar que no es posible expresar la primitiva de cos(x2 ) en t erminos de las funciones elementales que Ud. conoce). (b) Cu al suma parcial debe considerarse para que resulte una aproximaci on de (a) con error menor a 103 ? Hallarla. Problema 63 Utilice un polinomio de Taylor adecuado para aproximar con error menor que 104 las integrales
1 1

(a)
0

sen(x2 )dx

(b)
0

sen(x) dx x

El segundo item merece alguna justicaci on, para poder usar la serie del sen(x) multipli1 cada por = x = 0 (recordar propiedades de series convergentes) para representar a la funci on dada. (x) Se dene la funci on f : como f (x) = sen para x = 0, y f (0) = 1. Tal funci on x f (x) es continua para todo x y en particular en [0, 1]. 2 4 6 (x) , en x = 0, es 1 x +x x = Adem as la serie de potencias que representa a sen x 3! 5! 7! (1)k 2k k=0 (2k+1)! x Para x = 0, tambi en converge esa serie y su suma es 1. Podemos ver entonces que la serie representa a f (x) para todo x. Problema 64 (a) Hallar una serie de potencias que represente a: f (x) = ex , indicando el intervalo de validez. Utilizar en lo posible alguna serie de potencias conocida para ser aplicada con ese n. (b) En base a las caracter sticas de la serie hallada en (a), puede determinar cu al suma parcial deber a usar para aproximar a f (x), para todo x [0, 1], con error menor a 102 ? Hallar esa suma parcial. 2 1 (c) La integral I = 0 et dt, existe? Si existe, encontrar su expresi on usando la repret2 sentaci on en serie de potencias de e , con t [0, 1]. Explicar, porqu e eso es conveniente y porqu e es posible hacerlo as . (d) Es posible encontrar una aproximaci on a I mediante una suma nita de t erminos Sm , cuyo error |I Sm | sea menor a 102 ? 46
2

Problema 65 (a) Dada la funci on f (x) = ex , y la serie de potencias desarrollada alrededor de a = 0, que la representa para todo x ( ya estudiada en clases previas), determinar cu antos t erminos (suma parcial Sm (x)) hay que considerar para hallar una 3 x aproximaci on de e , para x [0, 1], tal que |ex Sm (x)| < 100 . t2 (b) Hallar una serie de potencias que represente a: g (t) = e , para t . Utilizar en lo posible alguna serie de potencias conocida para ser usada con ese n. (c) En base a las caracter sticas de la serie usada en (b), puede determinar cu al suma parcial deber a usar para aproximar a g (t), para todo t [0, 1], con error menor a 3/100?. Hallar esa suma parcial aproximante. 1 2 (c) La integral I = 0 et dt, existe? Si existe, encontrar su expresi on usando la repret2 e ese procedimiento sentaci on en serie de potencias de e , con t [0, 1]. Explicar, porqu es conveniente y porqu e es posible hacerlo as . (d) Es posible encontrar una aproximaci on de I , mediante una suma nita de t erminos Sn , cuyo error |Sn I | sea menor a 3/100? Problema 66 Representar f (x) = sen(x) con una serie de Taylor en a = /3 Vericar que tal serie es 1 2 3 3 3 1 + x x x + 2 2 1! 3 2 2! 3 2 3! 3 Usando los mismos argumentos que en el primer ejemplo, ver que representa a sen(x) para todo x. Usando la PC, representar f (x) = sen(x). En el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x) = Pn (x) para n = 1, 2, 3 de la serie de de Taylor hallada. Hacer alg un comentario sobre lo que advierte. Donde estas sumas parciales aproximan mejor? Dar una explicaci on sobre ese comportamiento. Problema 67 (i) Demostrar que la serie 1 1 (x 1) (x 1)2 + (x 1)3 = 2 3

k=1

(1)k1 (x 1)k k

representa a f (x) = ln x en el intervalo (0, 2]. Justicar todos los pasos, viendo primero que es la serie de Taylor con a = 1 de la funci on dada. Luego estudiar el radio de convergencia y terminar mostrando que representa a ln(x). x (ii) Una forma m as f acil de hallar (i) ser a considerar que ln(x) = 1 1 dt para x (0, 2], t 1 k k y usar el desarrollo 1 = = ( 1) ( t 1) (recordar la serie geom etrica). k=0 t 1+(t1)

47

Problema 68 (i) A partir de la serie de Maclaurin que representa a ex , encuentre una serie de potencias en x (a = 0) para la funci on senh(x) = (ex ex )/2. Recordar que la suma de series convergentes converge a la suma de las funciones de cada una, en un dominio com un a ambas. (ii) Idem para cosh(x) = (ex + ex )/2. Puede obtener esta serie por derivaci on de la previa? Observaci on importante. Funciones pares e impares. Si la funci on f (x) es par, es decir que satisface f (x) = f (x) x, entonces su desarrollo de Maclaurin (asumimos que f es derivable a todo orden) contendr a s olo potencias pares (k ) de x, ya que en tal caso f (0) = 0 para k impar (justicar!). Ejemplos de funciones pares 2 son cos(x), cosh(x) y ex . En forma similar, si la funci on f (x) es impar, es decir que satisface f (x) = f (x) x, entonces su desarrollo de Maclaurin contendr a s olo potencias impares de x, ya que en (k ) tal caso f (0) = 0 para k par (justicar!). Ejemplos de funciones impares son sen (x), 2 senh(x) y xex . Observemos tambi en que la derivada de una funci on par es impar, y la derivada de una funci on impar es par (justicar!).

Resumen de algunas series de Maclaurin importantes:

e
x

x2 x3 + + = = 1+x+ 2! 3!

cos x = 1 sen x = x cosh x = 1 +

x2 x4 x6 + + = 2! 4! 6! x x x + = 3! 5! 7!
2 4 6 3 5 7

k=0

xk k! (1)k 2k x (2k )!

<x< <x< <x< <x< <x< 1<x<1 1<x1

k=0

x x x + + + = 2! 4! 6!

k=0

(1)k x2k+1 (2k + 1)! x2k (2k )!

x3 x5 x7 senh x = x + + + = 3! 5! 7! 1 = 1 + x + x2 + x3 + = 1x x x x ln (1 + x) = x + = 2 3 4
2 3 4

k=0

k=0

x2k+1 (2k + 1)!

xk
k=0

k=1

(1)k+1 k x k

El lector puede demostrar la validez de estas representaciones como ejercicio.

48

Resumen 3 (i) El m etodo de la serie de Taylor para encontrar una serie de potencias de una funci on, y luego demostrar que la serie representa a la funci on, tiene una obvia y gran desventaja. Es casi imposible obtener una expresi on general para la en esima derivada de la mayor a de las funciones. As que, a menudo se est a limitado a encontrar s olo los primeros coecientes de las sumas parciales. (ii) El teorema de Taylor tambi en se llama Teorema del Valor Medio Generalizado. El caso n = 0 se reduce al teorema del valor medio usual (ver pr oxima secci on). (iii) No siempre es necesario calcular las derivadas de una funci on para encontrar su serie de Maclaurin. Por ejemplo, la funci on f (x) = 1/ (1 x) se puede representar como serie de potencias utilizando la series geom etrica, y el desarrollo en serie de x x2 potencias de e puede obtenerse a partir del de e , reemplazando x por x2 . Lo importante es: Una serie de potencias, en su intervalo de convergencia, es la serie de Taylor o Maclaurin de la funci on Suma(x), sin que importe c omo se obtuvo. Observaci on: Tener presente la conclusi on de arriba cuando necesite encontrar para una funci on particular la representaci on en serie de ella. Problema 69 Aplique resultados previos para hallar la serie de Maclaurin de las funciones siguientes, indicando la regi on donde vale la representaci on encontrada: 2 x x2 /2 2 3x f ( x) = e , f ( x) = x e , f (x) = x cos x, f (x) = 0 et /2 dt x 1+x f (x) = x2 cos (x2 ), f (x) = ln (1 x), f (x) = ln 1 , f (x) = 0 t2 cos(t2 )dt x Problema 70 Encuentre la serie de Maclaurin de f (x) = e1/x
2

0
x 0

x=0 x=0
f (0+ x)f (0) , x

Soluci on. Utilizando la denici on f (0) = l m

puede mostrarse que esta

funci on es derivable a todo orden en x = 0, siendo f (n) (0) = 0 n. Por lo tanto, Pn (x) = 0 n y entonces la serie de Maclaurin converge a 0 x !!. Converge pues a f (x) s olo en x = 0, a pesar de ser convergente x. Para x = 0 no converge a f (x). En este caso Rn (x) = f (x) Pn (x) = f (x) x, y por lo tanto Rn (x) = 0 n si x = 0. La serie de Maclaurin no puede pues representar a esta funci on fuera del origen. Informalmente, su m nimo en x = 0 es extremadamente chato, y origina pues derivadas nulas a todo orden en el origen, aun cuando sea no nula para x = 0 (gracar!). Notemos entonces que para g (x) = cos(x) + f (x), con f (x) la funci on anterior, la serie de Maclaurin correspondiente va a converger x a cos(x), ignorando a f (x) (justicar!). Las funciones que pueden desarrollarse en serie de potencias se denominan funciones anal ticas. La funci on f (x) anterior no es anal tica en x = 0 (donde posee una singularidad denominada esencial cuando se la considera funci on de una variable compleja x). No puede pues desarrollarse en serie de potencias de x, aunque s puede desarrollarse en serie de Taylor alrededor de cualquier a = 0, convergiendo en un cierto intervalo nito.

49

8.3.

Aproximaciones con Polinomios de Taylor

Daremos aqu algunos detalles adicionales sobre los polinomios de Taylor. Como hemos visto, el polinomio de Taylor de grado n alrededor de x = a de una funci on f (x) es la suma parcial de orden n de la serie de Taylor alrededor de dicho punto: Pn (x) = f (a) + f (a)(x a) + f (n) (a) f (a) + ... + (x a)n 2! n!

El polinomio de Taylor de grado 0, P0 (x) = f (a), es una constante, que coincide con f (x) en x = a. El polinomio de Taylor de grado 1 en a, P1 (x) = f (a) + f (a)(x a) es la aproximaci on lineal a f (x) en x = a: Es la u nica funci on lineal (del tipo A + Bx) que satisface P1 (a) = f (a), P1 (a) = f (a) La gr aca de P1 (x) es la recta tangente a f en x = a (ver gura siguiente), que es la recta que pasa por el punto (a, f (a)) y que tiene la misma pendiente que f (x) en x = a. Del mismo modo, el polinomio de Taylor de grado 2 en a, P2 (x) = f (a) + f (a)(x a) + f (a) (x a)2 2

es la u nica funci on cuadr atica (del tipo A + Bx + Cx2 ) que satisface P2 (a) = f (a), P2 (a) = f (a), P2 (a) = f (a) Es decir, su valor, su derivada y su derivada segunda coinciden con los correspondientes valores de f en x = a. Su gr aca es la par abola tangente a f en x = a, que adem as de pasar por el punto (a, f (a)) y tener la misma pendiente que f en ese punto, tiene adem as la misma derivada segunda que f en ese punto, es decir, la misma concavidad (curvatura). Generalizando, el polinomio de Taylor de grado n en x = a, Pn (x), es el u nico polinomio de grado n que satisface Pn (a) = f (a), Pn (a) = f (a), Pn (a) = f (a), . . . , P (n) (a) = f (n) (a) es decir
(k) Pn (a) = f (k) (a), k = 0, . . . , n

Su valor y sus primeras n derivadas coinciden todas con las de f (x) en x = a. Se dice entonces que tiene un contacto de orden n con f en x = a. Hemos gracado antes los primeros polinomios de Taylor en x = 0 de cos(x), una funci on par (para las cuales P2n (x) = P2n+1 (x), ya que las derivadas impares se anulan en el origen). Se muestra en la gura siguiente la gr aca de los primeros 4 polinomios de Taylor de ex en a = 0. Esta funci on no es par ni impar, por lo que su desarrollo de

50

Maclaurin contiene tanto potencias pares como impares. La gr aca de P1 (x) = 1 + x es la recta tangente a la curva de ex en x = 0.
4
fx ex

fx

ex

2
P0 x 1 x

2
P1 x 1 x x

fx

ex

fx

ex P3 x 1 x x2 2 x3 6

2
P2 x 1 x x2 2

Cuando el valor de x est a cerca del n umero a (x a), se puede emplear el polinomio de Taylor Pn (x) de una funci on f en a para aproximar el valor funcional de f (x). El error en esta aproximaci on est a dado por el teorema de Taylor: |f (x) Pn (x)| = |Rn (x)| donde, si f es derivable hasta orden n + 1 en un intervalo (a r, a + r) y x pertenece a ese intervalo, f (n+1) (c) Rn (x) = (x a)n (n + 1)! con c un n umero entre a y x. Observaci on. Para n = 0, el teorema de Taylor implica f (x) = P0 (x) + R0 (x) = f (a) + f (c)(x a) es decir, si x = a, f (x) f (a) = f (c) xa con c entre a y x. Esta expresi on es el teorema del valor medio. Por lo tanto, este teorema puede considerarse un caso particular (n = 0) del teorema de Taylor. 51

Problema 71 Probar que si f (x) es un polinomio de grado n, entonces el polinomio de Taylor asociado de grado n en cualquier a coincide exactamente con f (x). Este resultado muestra que un polinomio de grado n queda completamente determinado por su valor y sus primeras n derivadas en un punto arbitrario (por qu e?). Adem as, Pm (x) = Pn (x) m n (justicar). Como ejemplo, para un polinomio de grado 1 tenemos f (x) = A + Bx = (A + Ba) + B (x a) = f (a) + f (a)(x a) En general, si la derivada n + 1 de f est a acotada por una constante positiva M en el (n+1) intervalo (a r, a + r), tal que |f (c)| M x (a r, a + r), podemos escribir |Rn (x)| M |x a|n+1 (n + 1)!

Por ejemplo, si podemos encontrar un M independiente de n en ese intervalo, entonces a|n+1 l mn Rn (x) = M l mn |x( = 0 x (a r, a + r), lo cual garantiza que la cota n+1)! del error ir a disminuyendo al aumentar n. Ejemplo 72 Aproximar e0,2 con P3 (x). Determinar la precisi on de la aproximaci on. Soluci on. Debido a que el valor x = 0,2 est a cerca de cero, se emplea el polinomio x de Taylor P3 (x) de f (x) = e en a = 0. Sabemos que 1 1 P3 (x) = 1 + x + x2 + x3 2 6 y P3 (0,2) = 1 + (0,2) + Consecuentemente, e0,2 0,81867 Ahora bien, se puede escribir |R3 (x)| = ec 4 |x|4 |x| < 4! 4! 1 1 (0,2)2 + (0,2)3 0,81867 2 6

puesto que 0,2 < c < 0 y entonces 0 < e0,2 < ec < e0 = 1, por ser ex positiva y creciente. As , |0,2|4 |R3 (0,2)| < < 0,0001 4! lo cual implica que la precisi on es hasta tres cifras decimales (|R3 (0,2)| < 5 104 ). Observaci on: Dado que la serie de Maclaurin de ex para x = 0, 2 es alternante y cumple con las condiciones del criterio de Leibniz, y dado que sabemos que la serie converge a ex x, podemos en este caso tambi en utilizar la cota de error para series alternantes. En este problema esto conduce a la misma cota de error anterior (vericar!). 52

Ejemplo 73 Aproximar e con error menor que 1010 . Soluci on. Tenemos e = e1 = f (1), con f (x) = ex . Utilizando a = 0, y dado que f (n) (x) = n 1k 1 ex n, tenemos Pn (1) = n k=0 k! = k=0 k! y ec (1 0)n+1 e 3 |Rn (1)| = |f (1) Pn (1)| = | | (n + 1)! (n + 1)! (n + 1)! dado que c est a entre 0 y 1 y ex es una funci on creciente (por lo que 1 < ec e1 = e). Hemos luego utilizado la cota e 3. De esta forma, para n = 13 obtenemos |Rn (1)| 3/14! 3,44 1011 < 1010 . Por lo tanto, obtenemos el valor aproximado
13

e
k=0

1 = 2, 7182818284 . . . k!

con un error menor que 1010 . Ejemplo 74 Estimar cos(10o ) con un polinomio de grado 2, y dar una cota para el error cometido.
10 Soluci on. Pasando a radianes tenemos cos(10o ) = cos( 180 ) = cos( 18 ). Podemos entonces utilizar el polinomio de Taylor de grado 2 en a = 0, P2 (x) = 1 x2 /2!, obteniendo

cos(

1 ) = 1 ( )2 + R2 ( ) 18 2 18 18
k 2k

(1) x Como la serie de Maclaurin cos x = = 1 x2 /2! + x4 /4! + . . . es alternante k=0 (2k)! x, cumpliendo en x = /18 con las condiciones del criterio de Leibniz, y sabemos que converge a cos x x, podemos directamente utilizar la cota de error para series alternantes, |R2 (x)| = | cos x (1 x2 /2)| |x4 /4!| = x4 /4!. Por lo tanto,

|R2 ( por lo que cos(

( )4 )| 18 3,87 105 18 4!

1 ) 1 ( )2 0, 9848 18 2 18

con error menor que 104 . Como cos x es par, P2 (x) = P3 (x) y entonces R2 (x) = R3 (x). Acotando R3 (x) con el teorema de Taylor, se obtiene la misma cota de error anterior (vericar).

8.4.

Ejercicios para practicar

1. Encuentre la serie de Maclaurin de las funciones siguientes, indicando el radio e intervalo de convergencia, y obtenga de ella los polinomios de Taylor en a = 0 de grado 1, 2 y 4.
1 f (x) = 2 , x f (x) = cos(2x), 1 f (x) = 1+5 , x f (x) = x cos(x),

f (x) = ln (1 + 2x) 2 f (x) = x2 ex 53

2. Encuentre la serie de Taylor en el valor indicado de a, y determine el radio e intervalo de convergencia. Obtenga los correspondientes polinomios de Taylor de grado 2 y 4. 1 , a=4 f (x) = ln x, a=1 f (x) = 1+ x f (x) = sen (x), a = /4 f (x) = sen (x), a = /2 f (x) = cos x, a = /3 f (x) = cos x, a = /6 x a=1 f (x) = e , a=1 f ( x) = x 3. Encuentre los dos primeros t erminos no nulos de la serie de Maclaurin de f (x) = tan x , f (x) = arcsen x

4. Aproxime la cantidad dada utilizando el polinomio de Taylor Pn (x) para los valores indicados de n y a. Determine la precisi on de la aproximaci on. o o sin 10 , n = 1, a = 0 sin 10 , n = 3, a = 0 sin 46 , n = 2, a = /4 cos 29 , n = 2, a = /6 82, n = 2, a = 81 e1/2 , n = 4, a = 0 5. Eval ue, con error menor que 103 , las siguientes integrales:
1/2 0

te

2 t2

1/2

dt ,
0

sin(t2 )dt

Orden de magnitud del error en la f ormula de Taylor. Se dice que una funci on f (x) es orden (x a)n para x a, lo que se denota como f (x) = O(x a)n para x a, si existen constantes positivas M > 0 y > 0 tales que |f (x)| M |x a|n para |x a| < , es decir, para todo x (a , a + ). Por lo tanto, f (x) = O(x a)n para x a implica que |f (x)| es no mayor que una constante por |x a|n si x est a sucientemente cerca de a. 2 Por ejemplo, f (x) = 2x es O(x2 ) para x 0, y tambi en lo es f (x) = x2 /4 (justicar). Asimismo, f (x) = 2x2 + 4x3 es tambi en O(x2 ) para x 0, pues |x3 | x2 para x cercano 2 3 2 2 2 a 0: |2x + 4x | = |2x (1 + 2x)| = 2x |1 + 2x| 6x si |x| < 1. Esta notaci on se extiende tambi en a comparaciones con otras funciones: Se dice que f (x) = O(g (x)) para x a si existen M > 0 y > 0 tales que |f (x)| M |g (x)| para |x a| < . El valor de a puede ser tambi en : f (x) = O(g (x)) para x si existen constantes M > 0 y r > 0 tales que |f (x)| M |g (x)| para todo x > r. Volviendo al error en la f ormula de Taylor, si M > 0 y > 0 tal que |f (n+1) (x)| < M a|n+1 para todo x (a , a + ), entonces |Rn (x)| M |x( en este intervalo, por lo que n+1)! en este caso (justicar) Rn (x) = O(x a)n+1 para x a es decir, f (x) = Pn (x) + O(x a)n+1 para x a Esta notaci on es muy empleada en ingenier a y en todas las ciencias exactas. Es adem as la notaci on est andar utilizada en programas como mathematica, etc. 54

Problema. Mostrar que para x 0, (a) ex = 1 + x + O(x2 ), (b) sen(x) = x + O(x3 ), (c) ex = 1 x2 + O(x4 )
2

Por ejemplo, esto muestra que para x cercano a 0, sen(x) se comporta como x, siendo la diferencia |sen(x) x| no mayor que M |x3 |, es decir, muy peque na (|x|3 |x| si |x| 1). Aplicaci on. L mites y comportamiento cerca del l mite. n Si f (x) = O(x a) , entonces (demostrarlo!) f ( x) = 0, k < n xa (x a)k l m Es decir, si n > 0, f (x) = O(x a)n para x a no s olo implica que f (x) se anula para x a, sino que se anula m as r apido que (x a)k k < n. Por lo tanto, si Rn (x) = O(x a)n+1 para x a tenemos Rn (x) = 0, xa (x a)k l m k <n+1

Esto permite determinar ciertos l mites del tipo 0/0 en forma muy simple mediante el desarrollo de Taylor. Como ejemplo, consideremos ex 1 x x0 x2 l m que es del tipo 0/0. Utilizando el polinomio de Taylor de grado 2 de ex en a = 0, podemos escribir ex = 1 + x + x2 /2! + O(x3 ) para x 0 y por lo tanto ex 1 x 1 + x + x2 /2! + O(x3 ) 1 x x2 /2 + O(x3 ) 1 = l m = l m = 2 2 2 x0 x0 x0 x x x 2 l m El desarrollo de Taylor permite en realidad no s olo calcular el l mite anterior sino tambi en ver como se comporta el cociente (ex 1 x)/x2 en la vecindad de x = 0: Utilizando el polinomio de Taylor de grado 3 de ex , obtenemos ex = 1 + x + x2 /2! + x3 /3! + O(x4 ) y por lo tanto, ex 1 x 1 1 = + x + O ( x2 ) 2 x 2 6 x 1x para x 0. Esto muestra que e se comporta como 1/2 + x/6 para x cercano a 0. x2 Problema: Evaluar los siguientes l mites por medio de un polinomio de Taylor adecuado, e indicar el comportamiento de la funci on cerca del l mite. (a) l m sen(x) , (b) l m x0 x0 x
x 0 sen(x) x 2 x

, (c) l m

1 cos x 1 + cos x , (d) l m 2 x0 x (x )2 x

ln(1+x) x

(e) l m (1 + x)1/x (Sug. : (1 + x)1/x = e

55

8.5.

Problemas diversos

1. Utilice la serie de Maclaurin de cos x y una identidad trigonom etrica para encontrar 2 la serie de Maclaurin de sin x. 2. Para nivelar una carretera de gran longitud L, se debe establecer un margen debido a la curvatura de la Tierra. (i) Demuestre que los tres primer t erminos no nulos de la serie de Maclaurin de f (x) = sec x son 5 1 1 + x2 + x4 2 24 (ii) Para valores peque nos de x, utilice la aproximaci onsec x 1+ 1 x2 y la siguiente 2 gura para demostrar que la correcci on por nivelaci on es y = L2 /2R, donde L es la longitud, R es el radio de la Tierra.

3. La energ a potencial de una masa m que cuelga de un hilo de longitud L es Ep () = mgL(1 cos ), donde es el a ngulo que forma el hilo con la vertical. 1 mgL2 . a) Muestre que si es peque no, entonces Ep () 2 1 b) D e una cota para el error relativo |Ep () 2 mgL2 |/(mgL) si 25o (recordar que se debe convertir a radianes !). 4. Una onda de longitud L viaja de izquierda a derecha en agua de profundidad d, como se ilustra en la gura. Puede demostrarse que la velocidad v de la onda est a relacionada con L y d por la funci on v = (gL/2 ) tanh (2d/L). a) Demuestre que en agua profunda v gL/2 . b) Encuentre los dos primeros t erminos no nulos de la serie de Maclaurin de f (x) = tanh x. Demuestre que cuando d/L es peque no, v gd. En otras palabras, en agua poco profunda la velocidad de la onda es independiente de la longitud de onda.

56

9.
9.1.

Serie binomial
Teorema del binomio
(1 + x)2 = 1 + 2x + x2 (1 + x)3 = 1 + 3x + 3x2 + x3 Empezamos con los siguientes desarrollos

y, en general, si m es un entero no negativo, (1 + x)m = 1 + mx + m (m 1) ... (m n + 1) n m (m 1) 2 x + + x + + xm 2! n!

Este desarrollo de (1 + x)m recibe el nombre de teorema del binomio o binomio de Newton. Denici on 2 Para cualquier n umero real r, la serie 1 + rx +

=
k=0

r (r 1) 2 r (r 1) ... (r n + 1) n x + + x + 2! n! r. (r 1) ... (r k + 1) k x k!

recibe el nombre de serie binomial. Observar que la serie binomial solamente termina cuando r es un entero no negativo. En este caso se reduce al binomio de Newton. El criterio de la raz on muestra que la serie binomial converge si |x| < 1, y diverge si |x| > 1. La serie binomial dene as una funci on f innitamente diferenciable en el intervalo (1, 1). No debe causar gran sorpresa saber que la funci on representada por la serie binomial es f (x) = (1 + x)r . Proposici on 75 Si |x| < 1, entonces para todo n umero real r r (r 1) ... (r n + 1) n r (r 1) 2 x + + x + 2! n! Ejemplo 76 Obtener una representaci on en serie de potencias para 1 + x. (1 + x)r = 1 + rx + Soluci on 6 Con r =
1 2

resulta que para |x| < 1

1 2

1 1 1+x = 1+ x+ 2 2 1 1 1 +2 2

1 1 1 1 2 2 1 2 2 3 2 x + x + 2! 3! 1 2 ... 1 n+1 n 2 2 x + n! 1 1 13 1 3 5... (2n 3) xn = 1 + x 2 x2 + 2 x3 + + (1)n+1 + 2 2 2! 2 3! 2n n!

57

Gracar las sumas parciales primeras y la funci on representada en el dominio que corresponda. Comentarios 77 En ciencias se utiliza a menudo una serie binomial para obtener aproximaciones. Ejemplo 78 En la teor a de la relatividad de Einstein, la masa de una part cula que se mueve con una velocidad v en relaci on a un observador, es m= m0 1 v 2 /c2

en donde m0 es la masa en reposo de la part cula y c es la velocidad de la luz. Muchos resultados de la f sica cl asica no se cumplen en el caso de part culas como los electrones, los cuales se mueven casi a a la velocidad de la luz. La energ a cin etica ya no 1 2 es K = 2 m0 v , sino que se expresa como K = mc2 m0 c2
1 Si se identica r = 2 y x = v 2 /c2 , se tiene que |x| < 1, puesto que ninguna part cula m ovil puede rebasar la velocidad de la luz. As se puede escribir

m0 c2 K = m 0 c2 1x = m0 c2 (1 x)1/2 1 = m0 c2 = m0 c2 3 5 1 1 + x + x2 + x3 + 2 8 16 2 4 1 v 3 v 5 v6 + + 2 c2 8 c4 16 c6 1 +

En el caso en que v es mucho menor que c, los t erminos posteriores al primero son despreciables. Esto conduce al resultado bien conocido K m0 c2 1 2 v2 c2 1 = m0 v 2 2

Problema 79 Aplicaciones de la serie binomial: 1. Obtenga los primeros cuatro t erminos de la representaci on en serie de potencias de la funci on indicada para a = 0, y calcule el radio de convergencia de la serie. f (x) = 3 1 + x f ( x) = 1 x f ( x) = 9 x 1 1 x f (x) = 1+5 f (x) = 1+ f ( x) = 3 x x2 1x2 f (x) = (4 + x)3/2 f (x) = x2 (1 x2 )
3

f ( x) =

1 (1+x)5

f ( x) =

x (2+x)2

58

2. Explique porqu e el error de la aproximaci on dada es menor que la cantidad indicada. (1 + x2 ) (1 + x2 )

1/3

1+

x2 ; 3 x2 2

1 4 x 9

1/2

+3 x4 ; 8

5 6 x 16

3. Encuentre una representaci on en serie de potencias para arcsen(x) empleando

x

arcsen(x) =
0

dt 1 t2

4. En la gura un cable colgante est a sostenido en los puntos A y B , y soporta una carga uniformemente distribuida (como el trayecto de ruta sobre un puente). Si d x2 es la ecuaci on del cable, demuestre que su longitud est a dada por y = 4L 2 s=L+ 8d2 32d4 + 3L 5L3

5. Aproxime las integrales siguientes hasta tres cifras decimales 0,2 1/2 3 3 dx 1 + x 1 + x4 dx 0 0

59

10.

Autoevaluaci on

Un repaso sobre todo lo estudiado: 1. Conteste verdadero o falso, y piense una explicaci on de su respuesta: a ) Toda sucesi on acotada converge?. b ) Si una sucesi on es mon otona decreciente, es convergente. c ) l m
|x | n n n!

= 0 para todo valor de x.

0

d ) Si {an } es una sucesi on convergente, entonces e ) Si an 0 cuando n , entonces f ) Si

an siempre converge.

ak es convergente.

a2 k converge, entonces
1 kp

ak tambi en converge.

g)
k=1

converge para p = 1,0001.

2 h ) La serie 2 + 2 +2 +4 + es divergente. 2 3

i ) Si j ) Si k ) Si

|ak | diverge, entonces

ak diverge tambi en. (1)k+1 ak es convergente. (1)k+1

ak k

ak , con ak > 0, converge, entonces

(1)k+1 ak converge absolutamente, entonces

converge?. ak es

l ) Si bk converge y ak bk para todo entero positivo k , entonces convergente. m ) Toda serie de potencias tiene un radio de convergencia no nulo.

n ) Una serie de potencias converge absolutamente para todo valor de x en su intervalo de convergencia?. n ) Una serie de potencias ck xk representa a una funci on innitamente diferenciable en un intervalo (r, r) de convergencia. o ) Si una serie de potencias ck xk converge para 1 < x < 1 y es convergente para x = 1, la serie debe converger tambi en para x = 1. p ) f (x) = ln x no puede ser representada por una serie de Maclaurin. q ) f ( x) =
f (k) (a) k=0 k!

(x a)k en un intervalo si l m Rn (x) = 0.

n x2 2

r ) El intervalo de convergencia de la serie x 2. Llene los espacios en blanco.

x3 3

x4 4

+ es (1, 1).

a ) Para aproximar la suma de la serie

k=1

(1)k+1 10k

hasta cuatro cifras decimales, se

necesita solamente emplear la

suma parcial. .

b ) La suma de la serie
k=1

4( 2 )k es 3

60

c ) Si

ak converge y

bk
k=0

diverge, entonces
(1)k xk k!

(ak + bk )

. para todo

d ) La serie de potencias x.

representa a la funci on f (x) =

e ) La representaci on en serie binomial de f (x) = (4 + x)1/2 tiene radio de convergencia . f ) La serie geom etrica
5 k ) converge para los siguientes valores de x: (x k ck x k

g ) Si el radio de convergencia de la serie convergencia de la serie k ck 2k xk es h ) l m

1+x2 ex x4 x0 1+x2 ex x2 x0
2

es R > 0, entonces el radio de

=
2

. .

i ) l m

3. Encuentre la suma de la serie convergente indicada.

k=1 (1)k1 +3 (1,01)k1 k=1 1 k2 +11k+30 k=0 xk 2k k!

4. Halle la serie de Taylor de f (x) = cos x en a = /2. 5. Demuestre que la serie del ejercicio anterior representa a la funci on probando que Rn (x) 0 cuando n .

61

1.

Series Num ericas

El concepto de serie est a ntimamente relacionado con el concepto de sucesi on. Denici on 1: Si {an } es la sucesi on a1 , a2 , a3 , . . . , an , ... , entonces se simboliza la serie innita mediante la expresi on indicada por a1 + a2 + a3 + + an + Los t erminos serie innita o serie se usan aqu indistintamente. Los elementos a1 , a2 , . . . se denominan t erminos de la serie. an se denomina t ermino general. En forma compacta la serie (1) se simboliza como

(1)

ak
k=1

o bien

ak

Importante: La pregunta que trataremos de contestar en esta secci on y las siguientes es: Cu ando una serie innita tiene suma, es decir un n umero S como suma ? Intuitivamente es de esperar que
1 3

sea la suma de la serie

k=1

3 , 10k

ya que ....

3 3 3 3 ... 1 = 0,333333 . . . = 10 + 100 + 1000 + 10000 + . 3 Tambi en intuitivamente, deber a concluirse que una serie como la que sigue ...

10 + 100 + 1000 + 10000 + 100000 + ... no tiene Suma. La intuici on nos dice que esta u ltima serie no tiene por suma un valor nito, y de ah se concluye que no puede ser convergente. ... En general c omo estudiar si tiene Suma una serie ? ...

1.1.

Sucesi on de sumas parciales

El concepto de convergencia de una serie innita se pone en t erminos de la convergencia de la sucesi on de sus sumas parciales.

Denici on 2: Para cada serie nida por:

n=1

an , la sucesi on de sumas parciales {Sn } est a de-

S1 = a1 S2 = a1 + a2 S3 = a1 + a2 + a3 . . . Sn = a1 + a2 + a3 + + an . . .

Ejemplo 1 La sucesi on de sumas parciales de

k=1

3 10k

es

S1 = S2 S3 . . .

3 10 3 3 + 2 = 10 10 3 3 3 = + 2+ 3 10 10 10 3 3 3 3 + 2 + 3 + + n 10 10 10 10

Sn = . . .

. En el ejemplo anterior, cuando n es muy grande, Sn da una buena aproximaci on a 1 3 parece entonces razonable escribir 1 3 = l m Sn = l m = n 3 n 10k k=1 Esto conduce a
n

k=1

3 10k

Denici on 3: Se dice que una serie innita

k=1

ak es convergente si converge la suce-

si on de sumas parciales {Sn }, es decir si

n n

l m Sn = l m

ak = S
k=1

El n umero S es la suma de la serie. Si l mn Sn no existe entonces se dice que la serie es divergente. Ejemplo 2 Demostrar que la serie

k=1

1 (k + 4) (k + 5) 4

es convergente. Este tipo de serie se llama telesc opica, como consecuencia del t ermino general an = 1 . (n+4)(n+5) A continuaci on se ven las consecuencias de tal caracter stica del t ermino general Soluci on 1 El t ermino general de la serie se puede expresar por fracciones parciales como ak = 1 1 k+4 k+5

(vericar que es cierta esa igualdad) As , el t ermino general de la sucesi on de sumas parciales es Sn = 1 1 1 1 1 1 1 1 + + + + 5 6 6 7 7 8 n+4 n+5 1 1 1 1 1 1 1 1 = + + + + 5 6 6 7 7 8 n+4 n+5 1 1 = 5 n+5

1 Como l mn n+5 = 0... ... resulta que l mn Sn = 1 . Por tanto, la serie converge y as 5

k=1

1 1 = (k + 4) (k + 5) 5

Problema 3 Hallar las sumas parciales Sn y analizar si convergen, para la serie:

k=1

1 4k 2 1

Luego, hallar la suma de la serie, si existe.

1.2.

Series geom etricas

La serie geom etrica es de la forma a + a.r + a.r + + a.r + =

k=0 2 n

a.rk

donde la constante a = 0 representa el primer t ermino de la serie y r es la raz on de la serie: El cociente entre dos t erminos consecutivos de esta serie es constante e igual a r : an+1 a.rn+1 = =r an a.rn
1 Ejemplo: La serie :1 + 2 + y r = 1/2. 1 22

1 23

+ +

1 2n

+ , es una serie geom etrica con a = 1

Proposici on: Una serie geom etrica converge a a 1r si |r| < 1 y diverge si |r| 1, a = 0. Demostraci on. Consid erese el t ermino general de la sucesi on de sumas parciales de la serie geom etrica: Sn = a + a.r + a.r2 + + a.rn Multiplicando por r ambos miembros de la igualdad anterior resulta r.Sn = a.r + a.r2 + a.r3 + + a.rn+1 Si se restan las dos igualdades previas y se despeja Sn : Sn r.Sn = a a.rn+1 (1 r) .Sn = a. 1 rn+1 , y cuando r = 1, a. (1 rn+1 ) Sn = 1r Como sabemos que l mn rn+1 = 0, si |r| < 1, se obtiene a. (1 rn+1 ) a = , |r| < 1 n n 1r 1r En cambio, si |r| > 1, el l mn rn+1 no existe. De esta forma, el l mite de las Sumas Parciales no existe cuando |r| > 1. l m Sn = l m

Problema 4 Completar: Para completar el resultado previo, demostrar que una serie geom etrica diverge cuando r = 1. Para responder, considerar directamente cada Sn , cuando r = 1, y analizar el l mite para n (hacer lo mismo para r = 1, y analizar Sn y su l mite). Ejemplo 5 En la serie geom etrica

k=0

1 3

=1

1 1 1 + + 3 9 27

se identica a = 1 y r = 1 . 3 Como |r| < 1, se sabe que la serie converge. Por tanto ... ... la suma de la serie es

k=0

1 3

1 3 = 1 4 1 3

Problema 6 Indicar si las siguientes series geom etricas convergen o divergen. Si convergen, hallar su Suma.

(a)
k=0

3 2

15 45 135 =5+ + + + , 2 4 8

(b)
k=1

2k 4 8 2 + + ... = + k +1 3 9 27 54

Problema 7 Decir para cuales x la siguiente serie tiene Suma, y calcular esa Suma.

k=1

x 2

k 1

Ejercicio 8 1. A una part cula que se mueve en l nea recta, se le aplica una fuerza, de manera que en cada segundo la part cula recorre s olo la mitad de la distancia que ha recorrido en el segundo previo. Si la part cula recorre 10 cm en el primer segundo, qu e distancia total recorrer a? 2. Cuando una pelota se deja caer desde una altura h, demora T = 2h/g segundos en llegar al suelo (por qu e?). Si la bola rebota siempre hasta cierta fracci on q (0 < q < 1) de su altura anterior, obtenga una f ormula para el tiempo que transcurre hasta que la pelota queda en reposo, y para la distancia total recorrida por la pelota.

1.3.

Serie arm onica

Un ejemplo de serie divergente es la denominada serie arm onica: 1 1 1 1 1 + + + + + + = 2 3 4 n 1 k

k=1

El t ermino general de la sucesi on de sumas parciales de la serie arm onica es Sn = 1 + Si se considera S2n = 1 + 1 1 1 1 1 1 1 + + + + + + + + 2 3 4 n n+1 n+2 2n 1 1 1 = Sn + + + + n+1 n+2 2n 1 1 1 1 1 Sn + + + + = Sn + = Sn + n. 2n 2n 2n 2n 2
n t erminos

1 1 1 1 + + + + 2 3 4 n

se observa que S2n Sn + 1 para todo n, lo que implica que la sucesi on de sumas 2 parciales no es acotada. Por tanto, concluimos que la serie arm onica es divergente. As , vemos que en este caso, para n , Sn a pesar de que an 0 !! 7

Observaci on: Si bien l mn Sn = , en la serie arm onica Sn crece lentamente con n: Puede mostrarse que para n grande, Sn ln n + , donde 0,577216.... As , S100 5,187, S1000 7,485, S106 = 14,393 y S1012 28,208. Problema 9 A partir del resultado previo, mostrar que las series siguientes divergen:

(a)
k=1

1 k+3

(b)
n=1

10 n + 1000

1.4.

Condici on necesaria de convergencia

Si an y Sn son el t ermino general de una serie y la correspondiente sucesi on de sumas parciales, respectivamente, ... entonces se sabe que Sn + an+1 = Sn+1 . Si la serie converge a un n umero S ... entonces l mn Sn = S , y tambi en l mn Sn+1 = S . Esto implica ... ... l mn an = l mn (Sn+1 Sn ) = S S = 0. Se ha establecido as , la siguiente propiedad:

Proposici on: Si la serie

k=1

ak converge

l m an = 0.
n

Observaci on: Reexionar sobre ese resultado. La relaci on rec proca de ese enunciado NO VALE ! O sea, puede ocurrir que l m an = 0 y que la serie sea divergente. Ejemplo: n la serie arm onica que hemos visto previamente. Explicar porqu e. Problema 10 Proponer un ejemplo de una serie cuyo t ermino general an 0, pero la serie no sea convergente.

1.5.

Criterio para la divergencia de una serie

La proposici on anterior dice que para que una serie sea convergente es necesario que su t ermino general tienda a cero. Eso permite concluir que ... Si el t ermino general de una serie innita no tiende a cero cuando n la serie no es convergente. Formalizamos este resultado como un criterio de divergencia:

Proposici on: Si l m an = 0, entonces la serie

n k=1

ak diverge.

Problema 11 Considere la serie

k=1

4k 1 5k + 3

Estudiar el t ermino general para ver si su comportamiento permite decidir respecto de la convergencia o divergencia. Problema 12 Decidir si convergen o divergen:

(a)
k=1

(5k + 1)

(b)
k=1

k 2k + 1

Problema 13 Resultado u til. Analizar si las siguientes armaciones son verdaderas o falsas. En el primer caso debe justicar la validez, y en el caso de falsedad debe presentar un ejemplo que ponga de maniesto ese resultado.

Dada una serie Si el cociente

ak , con t erminos no nulos.

k=1 |an+1 | |an |

> 1 , para todo n > n0 , entonces

1. Los t erminos en valor absoluto satisfacen: |an+1 | > |an | para todo n > n0 : |an | es creciente. 2. Como para todo n > n0 , se cumple |an | > |an0 |

se concluye que la serie

k=1

|ak | es divergente, y tambi en, ak es divergente.

que la serie original

k=1

1.6.

Propiedades de las series

Formularemos las siguientes propiedades (obvias) sin demostraci on.

1. Si c = 0 es una constante, entonces tanto

k=1

ak como
k=1

c.ak son convergentes, o

bien, divergentes. En el primer caso, si son convergentes se tiene

c.ak = c.
k=1 k=1

ak

2. Si
k=1

ak y
k=1

bk son convergentes a S1 y S2 respectivamente, entonces

k=1

( ak + b k )

converge a S1 + S2 . 3. Si
k=1

ak es convergente y
k=1

bk es divergente, entonces
k=1 1 k 2 1 k 3

(ak + bk ) es divergente.

Ejemplo 14 Las series geom etricas

k=0

y
k=0

3 convergen a 2 y 2 , respectivamen-

te. Por lo tanto, la propiedad 2 dice que la serie

k=0

1 k 2

1 k 3

converge a 2 +

3 2

=7 . 2
1 k

Ejemplo 15 Sabemos, por el Ejemplo 2, que la

k=1

1 (k+4)(k+5)

converge. Puesto que

k=1

es la serie arm onica divergente, la propiedad 3 dice que

k=1

1 1 + (k + 4) (k + 5) k

es tambi en divergente. Problema 16 1. Determinar si es v alido el siguiente razonamiento: Si S = 1 + 2 + 4 + 8 + , entonces 2S = 2 + 4 + 8 + 16 + = S 1. Despejando S de 2S = S 1, resulta S = 1. Fundamentar su respuesta. 2. Si ak y bk son dos series divergentes, es (ak + bk ) una serie divergente? ak

3. Sup ongase que la sucesi on {ak } converge a un n umero L = 0. Demuestre que es divergente?
n k=1

4. Determine si
n=1

1 k

converge o diverge.

Importante: Para determinar la convergencia es posible, y a veces conveniente, eliminar

u omitir los primeros t erminos de una serie. En otras palabras, series innitas como
k=1

ak

y
k =N

ak , para alg un N > 1 dieren a lo sumo en los primeros t erminos (un n umero

nito), entonces son ambas convergentes o ambas divergentes. Desde luego, si eliminamos los primeros N 1 t erminos de una serie convergente, se altera la suma de la serie.

10

2.

Series con t erminos positivos y Series alternantes

Criterios para analizar la convergencia

En general, salvo que opica o una serie geom etrica, no es k=1 ak sea una serie telesc tarea f acil, y a veces imposible, demostrar la convergencia o la divergencia de una serie a partir del estudio de la sucesi on de sumas parciales. Sin embargo,... ...usualmente es posible determinar si una serie converge o diverge aplicando criterios de convergencia que utilizan solamente los t erminos de la serie. En esta secci on examinaremos cuatro criterios que son aplicables a series innitas con t erminos positivos, y tambi en criterios aplicables a series alternadas. Ambos tipos de series son los que m as aparecen en las aplicaciones. Las de t erminos positivos son : k=1 ak , con ak 0, mientras las alternadas son del k tipo: k=1 (1) ck , con ck > 0.

2.1.

Series de t erminos positivos

Observaci on: Lo primero que podemos ver es que si an 0 para todo n, entonces Sn+1 Sn = an+1 0 n. la sucesi on de sumas parciales satisface pues Sn+1 Sn para todo n Por lo tanto, es una sucesi on creciente. Luego, Problema 17 Para este tipo de series, justicar que hay dos posibilidades: (1) Si la sucesi on de sumas Sn es acotada la serie converge; y en el caso contrario, (2) limn Sn = (diverge).

2.2.

Criterio de la Integral

Este criterio relaciona los conceptos de convergencia y divergencia de una integral impropia con la convergencia y divergencia de una serie innita de t erminos positivos. Teorema: Consideremos una serie erminos positivos y decrecientes (ak k=1 ak , con t ak+1 ). Sea f (x) una funci on cont nua, decrec iente, no negativa, denida para x 1, tal que satisface f (k ) = ak para k 1. Entonces
1

f (x)dx converge
k=1

ak converge.

Si una converge o diverge la otra converge o diverge, respectivamente. Demostraci on. Si la gr aca de f es como la de la gura siguiente, considerando el a rea de los rect angulos, resulta
n

0 a2 + a3 + a4 + + an
1

f (x)dx a1 + a2 + a3 + + an1 11

y y fx

y y fx

area

a1 1 area a2 1 area a2 1 a3 1

area

O sea Sn a1
1 n

f (x)dx Sn1

De la desigualdad Sn a1 1 f (x)dx, es claro que l mn Sn existe siempre que n f ( x ) dx converja. Por otra parte, de f ( x ) dx S , mn Sn1 n1 se concluye que l 1 1 no existe siempre que 1 f (x)dx sea divergente. Observaci on 1: El razonamiento anterior nos proporciona tambi en la desigualdad
n+1 n

f (x)dx a1 + a2 + . . . + an a1 +
1 1

f (x)ddx

que puede utilizarse para acotar la suma parcial Sn (y por ende la Suma S de la serie en el caso convergente: 1 f (x)dx S a1 + 1 f (x)dx). 1 1 + ... + n 1 + ln n, lo Por ejemplo, para la serie arm onica obtenemos ln(n + 1) 1 + 2 que muestra tanto la divergencia de la suma parcial Sn para n como el crecimiento logar tmico de Sn con n para n grande. Observaci on 2: Si la serie de t erminos positivos es de la forma el criterio de la integral se debe considerar
k =N

ak , entonces en

f (x)dx,
N

donde f (k ) = ak

En general, el criterio se aplica desde el primer t ermino para el cual la serie es positiva y decreciente (los primeros t erminos no importan para decidir la convergencia)

Ejemplo 18 Determinar si
k=3

ln k k

es convergente.

Soluci on 2 La funci on f (x) = (ln x) /x es continua y decreciente1 en [3, ) y f (k ) = ak = (ln k ) /k . Ahora bien,
3

ln x dx = x

b b

l m

ln x 1 dx = l m (ln x)2 b 2 x

b 3

= l m

1 (ln b)2 (ln 3)2 = b 2

muestra que la serie diverge.

1

Demuestrelo examinando f (x).

12

Ejercicio 19 La serie p: El criterio de la integral es particularmente u til para la llamada 1 serie p: , es decir... n=1 np

k=1

1 1 1 1 = 1 + p + p + p + p k 2 3 4

La serie arm onica (divergente) k=1 1/k es una serie p, con p = 1. El siguiente resultado se deduce inmediatamente del criterio de la integral y se deja como ejercicio de aplicaci on del criterio de la integral.

Teorema. La serie p,
n=1

1 , np

converge para p > 1 y diverge para p 1.

Esta serie aparece frecuentemente en diferentes aplicaciones. Para p > 1, la suma de la serie p es la denominada funci on Zeta de Riemann: 1 Z (p) = n=1 np , p > 1. 1 1 2 4 Algunos valores exactos son: Z (2) = n=1 n2 = 6 , Z (4) = n=1 n4 = 90 . Para p > 1, Z (p) es una funci on decreciente de p, con Z (p) 1 para p y Z (p) para p 1. Ejemplo 20 b) La serie a) La serie
1 k=1 k3 1 k=1 k1/2

diverge, ya que p =

1 2

< 1.

converge, ya que p = 3 > 1.

Para hacer en PC usando MAPLE, Matlab o Mathematica, considere S1 , S2 ,...S6 , 1 al es calculando Sn = n k=1 k2 y representando los pares (n, Sn ). Se ve del dibujo cu la suma de la serie?, si no se aprecia a un haga las sumas parciales siguientes. Problema 21 Analizar mdiante el criterio de la integral la convergencia de las series

(a)
n=2

ln n , n

(b)
n=0

1 , 2 n +1

(c)
n=1

ne

(d)
n=1

n2

n +3

2.3.

Criterios de comparaci on

A menudo es posible determinar la convergencia o divergencia de una serie ak comparando sus t erminos positivos con los de una serie de prueba bk , de t erminos positivos, que se sabe que es convergente o divergente.

13

Teorema. Sean
k=1

ak y
k=1

bk , series con t erminos positivos,

(i) Si gente.
k=1

bk converge, y ak bk para todo entero k , entonces

k=1

ak es tambi en conver-

(ii) Si
k=1

bk diverge y bk ak para todo entero k , entonces

k=1

ak es divergente.

Ambos enunciados se mantienen si la comparaci on se hace a partir de un k0 , y las desigualdades de arriba valen para todos los k > k0 . Demostraci on. Sean Sn = a1 + a2 + + an y Tn = b1 + b2 + + bn las sumas parciales de ak y bk , respectivamente. 1. Si bk es una serie convergente, y ak bk , entonces Sn Tn . Como l mn Tn existe, entonces {Sn } es una sucesi on creciente acotada - y por lo tanto, es convergente. Luego, la serie ak es convergente. 2. Por otro lado ak no puede ser convergente, ya que Tn Sn en este caso, y como la serie de los bk diverge, l mn Tn = , luego tambi en l mn Sn = .

Ejemplo 22 Determinar si es convergente o divergente

k=1

k . k3 +4

k 1 k = k3 + 4 k3 k2 ... y la serie 1/k 2 es una serie p con p = 2, convergente, se deduce que la serie dada tambi en es convergente.
ln(k+2) . k

Soluci on 3 Como ...

Problema 23 (i) Determinar si es convergente o divergente

k=1

Observar que ln (k + 2) > ln 3 para k > 1, ln (k + 2) ln 3 > k k Y c omo es la serie

(ln 3)/k ? Terminar el ejercicio.

(ii) Analizar
n=1

1 . 3n +1

(iii) Analizar
n=1

en .

14

Problema 24 Dada una serie con t erminos no nulos (no importa el signo)
n=1

an

Si se conoce que el cociente entonces...

|an+1 | |an |

satisface

|an+1 | |an |

< r < 1 para todo n n0 ,

1. Probar que los t erminos en valor absoluto de la serie satisfacen..... |an0 +p | < rp |an0 | para todo p 1. Y como consecuencia de lo anterior

2. la serie
n=n0

|an |, tiene sus t erminos menores que los de una serie geom etrica

convergente. Luego, esta serie converge.

2.4.

Criterio de comparaci on en el l mite

Este criterio de comparaci on proviene de considerar el l mite del cociente del t ermino general de una serie y el t ermino general de una serie de prueba (que se conoce que es convergente o divergente).

Teorema. Sean resultado de

ak y
k=1

bk dos series con t erminos positivos, tales que se conoce el

k=1 n = l m a n bn

L. Entonces

(i) Si L existe y es L > 0, entonces ambas series son convergentes o ambas son divergentes; (ii) Si L = y
k=1 bk

diverge, entonces

k=1

ak diverge tambi en.

Demostraci on. Demostramos la parte (i). Como l mn an /bn = L > 0, es posible elegir n L| < L/2 n sucientemente grande, por ejemplo n > N0 para cierto N0 , tal que | a bn ...entonces para todo n > N0 1 an 3 L L 2 bn 2 Esta desigualdad implica que an 3 L.bn para n > N0 . 2 Si la serie bk converge, por el criterio de comparaci on se deduce que la serie an es convergente. Adem as,... ... puesto que 1 L.b bn diverge, entonces n an para n > N0 , se ve que si la serie 2 an tambi en diverge. Lo que resta se deja como ejercicio. El criterio de comparaci on en el l mite se aplica cuando el criterio de comparaci on es inconveniente, en particular cuando an es una expresi on algebraica complicada o un cociente ya sea de potencias racionales de n o de ra ces de polinomios en n. Se compara entonces an con una serie p convergente o divergente segun el caso, identicando los t erminos que dominan el comportamiento de an para n grande.

15

Ejemplo 25 El lector puede advertir que es dif cil aplicar el criterio de comparaci on a la serie 1/ k 3 5k 2 + 1
k=1

Sin embargo, sabemos que entre

k=1

1/k 3 es una serie p convergente. Haciendo el cociente y bk = 1 k3

ak = tenemos

1 k 3 5k 2 + 1

ak k3 k3 = l m 3 = l m =1=L>0 k bk k k 5k 2 + 1 k k 3 (1 5/k + 1/k 3 ) l m Por parte (i) del criterio dado previamente, resulta que la serie dada es convergente. Identicando el t ermino dominante del denominador, podemos entonces decir que ak se comporta en este caso como k13 para k grande, es decir como una serie p con p = 3, y por lo tanto la serie k=1 ak resulta convergente. Ejercicio 26 Determinar si es o no convergente

3
k=1

k 8k 5 + 7

Para valores grandes de n, an = n/ 3 8n5 + 7 se comporta como un m ultiplo constante de n 1 n = 5/3 = 2/3 3 n n n5 Aplicar el criterio y concluir un resultado. (ii) Analizar 1 n n2 + 1 n=1

16

Resumen 1 Observaciones: (i) Cuando se aplica el criterio de la integral, debe tenerse en cuenta que el valor de la integral impropia convergente no es la suma de la serie. (ii) Los criterios examinados en esta secci on dicen cu ando una serie tiene suma, pero no proporcionan el valor de la suma S. No obstante, es importante conocer que converge una serie ya que eso permite sumar cinco, cien o mil t erminos en una computadora para obtener una aproximaci on a la suma S ( porqu e es v alido ?).

(iii) La conclusiones del criterio de la integral para la serie

k=n

ak son v alidas tambi en si

la funci on no negativa continua f no comienza a decrecer hasta que x N n.

on f (x) = (ln x) /x decrece en el intervalo Para la serie k=1 (ln k ) /k , la funci [3, ). No obstante, en el criterio de la integral es posible utilizar 1 f (x)dx.

(iv) Las hip otesis de la parte (i) y (ii) del criterio de comparaci on tambi en se pueden debilitar, lo cual da lugar a una propiedad m as fuerte. Solamente se requiere que an bn , o bien an bn , para k suentemente grande y no para todos los k enteros positivos. (v) En la aplicaci on del criterio de comparaci on b asico, a menudo es f acil llegar a un punto en donde la serie dada es menor t ermino a t ermino que una serie divergente. Por ejemplo, 1/ 5k + k < 1/ k es verdadero y k=1 1/ k diverge. k Pero, este tipo de razonamiento prueba algo acerca de k ? De k=1 1/ 5 + hecho, esta serie converge (por qu e?). De manera semejante no se puede llegar a ninguna conclusi on demostrando que una serie es mayor t ermino a t ermino que una serie convergente. La tabla siguiente resume el criterio de comparaci on (las series son series con t ermino positivos)
ak versus bk ak bk ak bk ak bk ak bk bk (tipo) converge diverge diverge converge Conclusi on sobre converge ninguna diverge ninguna ak

17

2.5.

Problemas diversos - criterio de la ra z

1. Suponga que ak > 0 para k = 1, 2, 3, . . . . Demuestre que si ak converge, entonces en converge. Es verdad la proposici on rec proca? a2 k tambi 2. Sea ak una serie de t erminos positivos para la cual l mn (an )1/n = L. El criterio de la ra z dice que si L < 1, la serie es convergente; si L > 1, o 1/n l mn |an | = , la serie diverge. Cuando L = 1 el criterio no decide. El criterio puede derivarse comparando la serie con una serie geom etrica. Aplique el criterio de la ra z para determinar si la serie indicada converge o diverge.

(a)
k=1

52k+1 , kk

(b)
k=2

1 , (ln k)k

(c)
k=1

k2 k k+1 1 k ) k

(d)
k=1

2 k k

Observaci on: Recuerde que l mk (1 +

= e y l mk (1 + x )k = ex k

2.6.

Ejercicios para repasar los criterios

1. Aplique el criterio apropiado para determinar si la serie indicada converge o diverge. En algunos casos puede aplicarse m as de un criterio.
k=1 k=1 k=1 k=2 k=1 n=1 1 k 1, 1 1 10+ k 1 k+ k (ln k)2 k (1,1)k 4k n3 ,2n+3 7n1 k=1 k=1 k=2 k=2 k=1 k=1 1 k0,99 k 3k+1 1 k. ln k 1 k ln k 1 3k +k k+ln k k3 +2k1 k=1 k=1 k=3 n=2 k=1 k=1 1 2k+7 1 k2 +5 ln k k5 1 n n2 1 1+3k 2k sen (1/k) k

18

2.7.

Series alternantes y convergencia absoluta

Una serie que tenga cualquiera de las formas c1 c2 + c3 c4 + + (1) o bien

n+1

cn + =
k=1

(1)k+1 ck

c1 + c2 c3 + c4 + (1) cn + =
k=1

(1)k ck

en donde ck > 0 para k = 1, 2, 3, . . . , se dice que es una serie alternante (o alterna). k k+1 Puesto que ultiplo de ck , nos limik=1 (1) ck es precisamente un m k=1 (1) taremos a estudiar esta u ltima serie. Ejemplo 27 (1)k+1 1 1 1 1 + + = 2 3 4 k k=1 y ln 2 ln 3 ln 4 ln 5 + + = 4 8 16 32 son ejemplos de series alternantes.

(1)k
k=2

ln k 2k

2.8.

Criterio de las series alternantes (Leibniz)

Lo primero para asociar ... Problema 28 Dada una serie alternada si los coecientes {ck } no tienden a 0, cuando k , ... ... qu e se puede asegurarsobre esta serie? (pensar que ocurre con el t ermino general para series convergentes de cualquier tipo). La primer serie de los ejemplos, se llama serie arm onica alternante. Aunque la serie arm onica 1/k diverge, la introducci on de t erminos positivos y negativos en la sucesi on de sumas parciales de la serie arm onica alternanada basta para producir una serie convergente. Demostraremos que la serie arm onica alternada converge, por medio del criterio siguiente: Teorema. Si l m ck = 0 y ck+1 ck , para todo entero positivo k , entonces
k k=1

(1)k+1 ck converge.

Demostraci on. Consideremos las sumas parciales que contienen 2n t erminos: S2n = c1 c2 + c3 c4 + + c2n1 c2n = (c1 c2 ) + (c3 c4 ) + + (c2n1 c2n ) 19

Puesto que ck ck+1 0 para k = 1, 2, 3, . . . tenemos que S2 S4 S6 S2n As que la sucesion {S2n } de las sumas que contienen un n umero par de t erminos de la serie, es una sucesi on mon otona. Reescribiendo lo anterior S2n = c1 (c2 c3 ) c2n muestra que S2n < c1 para todo entero positivo n. Por tanto, {S2n } es acotada y creciente, entonces {S2n } es convergente a un l mite S . Ahora bien, S2n+1 = S2n + c2n+1 ... entonces, l m S2n+1 = l m S2n + l m c2n+1
n

= S+0=S Esto demuestra que la sucesi on de sumas parciales que contienen un n umero impar de t erminos, tambi en converge a S . Ejemplo 29 Demostrar que la serie arm onica alternante

k=1

(1)k+1 k

es convergente. Soluci on. Con la identicaci on cn = 1/n, tenemos de inmediato que

n

l m cn = l m

1 =0 n n

cn+1 < cn

dado que 1/ (k + 1) 1/k para k 1. Luego, por el criterio de las series alternantes la serie arm onica alternante es convergente. Problema 30 Usando la computadora, calcular las sumas parciales S1 , S2 .....S20 y vericar, dibujando los pares (n, Sn ), que se acercan a la recta horizontal y = ln 2 (m as adelante se demostrar a que la suma de esa serie es ln 2). Ejemplo 31 La serie alternante

(1)k+1
k=1

2k + 1 3k 1

diverge, ya que 2k + 1 2 = =0 n n 3k 1 3 No hemos usado aqu el criterio previo. l m cn = l m 20

En general no es necesariamente sencillo cuando se tiene una serie alternada ver si los coecientes positivos cumplen o no ck+1 ck .

Ejercicio 32 (1) Determinar si

k=1

(1)k+1

k k+1

es convergente o divergente.

- Primero conviene ver si cn tiende a cero. Si es as ... se sigue ... Para ver si los t erminos de la serie on ck+1 ck , en este caso se satisfacen la condici puede analizar si la funci on f (x) = x/ (x + 1) decrece para x > 1. ..... concluir ?. (1)k+1 (2) Determinar si es convergente o divergente k=1 1+k2 . (3) Determinar si es aplicable el criterio a la serie convergente o divergente ?
n n=1 (2)n1 .

Puede decidir si es

2.9.

Convergencia absoluta
ak es absolutamente convergente si |ak |

Denici on. Se dice que una serie converge. Ejemplo 33 La serie alternante

k=1

(1)k+1 k2

es absolutamente convergente, ya que tomada en valores absolutos

k=1

(1)k+1 = k2

k=1

1 k2

es una serie p que converge.

2.10.

Convergencia condicional
ak es condicionalmente convergente si ak

Denici on. Se dice que una serie converge pero |ak | diverge.

Ejercicio 34 La serie arm onica alternada... es absolutamente convergente o condicionalmente convergente?

21

El resultado siguiente demuestra que toda serie absolutamente convergente es tambi en convergente.
Problema 35 Si la serie en converge. k=1 |ak | converge, entonces k=1 ak tambi Demostraci on. Si se considera una serie wk = ak + |ak |, entonces 0 wk 2 |ak |. ...Como |ak | converge, entonces por el criterio de comparaci on resulta que wk es convergente. Entonces, ....que se puede decir sobre

(wk |ak |)
k=1

converge?, ..... ...concluir la justicaci on. Observar que como |ak | es una serie de t erminos positivos, pueden utilizarse los criterios de la secci on precedente para determinar la convergencia o divergencia. Ejercicio 36 (1)Analizar si es convergente (absolutamente o condicionalmente), o si es (1)k+1 divergente k=1 1+k2 . cos n (recordar que cos n = (1)n ) (2) Idem para n=1 n+1 cos n (3) Idem para n=1 n2 +1 sen((2n1)/2) (3) Idem para n=1 n Ahora agregamos un criterio muy u til para analizar la convergencia absoluta, tambi en para decidir en algunos casos divergentes, y para el caso particular de series positivas. La siguiente forma del Criterio de la raz on puede ser aplicada tambi en al an alisis de series alternadas.

2.11.

Criterio de la raz on o del cociente

Teorema. Sea una serie ak con t erminos no nulos, se considera el valor absoluto del an+1 cociente an , y se calcula el l mite: l m an+1 =L an

Entonces (i) Si L < 1, la serie es absolutamente convergente (e implica convergente). (ii) Si L > 1, o si l mn |an+1 /an | = , la serie tambi en |ak |). (iii) Si L = 1, el criterio no decide. Demostraci on. Demostramos la parte (i). Sea R un n umero positivo tal que 0 L R < 1 (hacer un dibujo en la recta), usando la denici on de l mite de la sucesi on |an+1 /an |, 22 ak es divergente (... y por ende

existe un cierto N0 , tal que para n sucientemente grande, n > N0 se cumple que R < 1, esto es, |an+1 | < R. |an | para todo n > N0 Esta desigualdad implica (recordar un ejercicio previo) quela serie verge, debido a la comparaci on con la serie geom etrica convergente 0 < R < 1. La segunda parte surge considerando que si el l mite l m

an+1 an

<

k=N0 +1 |ak | con k k=1 |aN0 |.R , con

an+1 = L > 1, un n umero L > 1 n an Considerando el intervalo (1, L) (hacer un dibujo con L > 1), existe un R, 1 < R < L, y un N0 tal que para todo n N0 , el cociente an+1 > R > 1, luego para todo n > N0 , an |an+1 | > |an | Luego f acilmente se deduce (recordar un ejercicio previo) que |an | no tiende a cero, y tampoco la sucesi on an tiende a cero. Por tanto, la serie diverge. Problema 37 Concluir la demostraci on del teorema anterior, encontrando dos series para las que se cumpla la parte (iii), siendo una convergente y la otra divergente. Ejemplos t picos son la serie arm onica y la serie p con p = 2. Vericar eso.

Ejemplo 38 Determinar si converge o diverge

k=1

(1)k+1 22k1 . k3k

Soluci on 4
n

l m

an+1 an

= =

l m

(1)n+2 22n+1 (1)n+1 22n1 / (n + 1) 3n+1 n3n

4 4n = n 3 (n + 1) 3 l m

Puesto que L = divergente.

4 3

> 1, por el criterio de la raz on se desprende que la serie alterna es

Problema 39 Determinar si convergen o divergen las series : (a)

n=1 2n+1 n2 3n

(b)
n=1

nn n!

(c)
n=1

(1)n n , n+1

si se puede aplicar el criterio previo.

Si no decide, usar otros criterios adecuados, de series alternantes, o de comparaci on si se considera la serie en valores absolutos. (d) Usando el criterio del cociente, encontrar para cu ales x la serie

n=1

xn n!

converge absolutamente. Retenga ese resultado. Se ver a en lo que sigue la importancia del mismo. 23

Resumen 2 (i) La conclusi on del criterio de las series alternadas permanece cierta cuando la hip otesis ak+1 ak para todo entero positivo k se reemplaza con la condici on ak+1 ak para k sucientemente grande. Ej.: Para la serie alternante (1)k+1 (ln k ) /k 1/3 , se demuestra f acilmente que ak+1 ak para k 21, mediante el procedimiento empleado en el Ejemplo 3. Adem as, l mn an = 0. Luego, la serie converge por el criterio de las series alternantes. (ii) Si se encuentra que la serie de valores absolutos |ak | es divergente, entonces no se puede sacar una conclusi on referente a la convergencia o divergencia de la serie ak . (iii) Si ak es absolutamente convergente, entonces los t erminos de la serie pueden ser reacomodados o reagrupados de cualquier manera, y la serie resultante ser a convergente al mismo n umero que la serie original. Por el contrario, si los t erminos de una serie condicionalmente convergente se escriben en un orden distinto, la nueva serie puede diverger o converger a un n umero diferente. Se deja como ejercicio demostrar que si S es la suma de la serie arm onica alternada S =1 entonces la serie reordenada 1+ converge a 3 S. 2 (iv) Se recomienda tambi en reexionar sobre el siguiente razonamiento. 2S = 2 1 1 1 1 1 1 1 1 1 + + + + 2 3 4 5 6 7 8 9 2 1 2 1 2 1 2 = 2 1 + + + + 3 2 5 3 7 4 9 1 2 1 1 2 1 1 + + = (2 1) + 2 3 3 4 5 5 6 = S 1 1 1 1 1 + + + 3 2 5 7 4 1 1 1 1 1 + + + 2 3 4 5 6

Dividiendo por S , se obtiene la interesante conclusi on que 2 = 1 !! ?? Entonces, cuando es condicionalmente convergente no se puede alterar el orden de los t erminos, ya que altera tambi en el resultado.

24

3.

Aproximaci on de la Suma de una serie convergente por una suma parcial

Importante. Si se sabe que una serie k=1 ak es convergente, se puede tomar una n suma parcial Sn = k=1 ak como aproximaci on a la suma S de la serie. Damos a continuaci on una estimaci on de la diferencia o error

|Sn S | = |
k=n+1

ak |

en algunos casos importantes.

3.1.

Estimaci on del error para una serie alternante

La propiedad siguiente es muy u til para saber si una suma parcial Sn de una serie alternante convergente, es aceptable o no para aproximar a su suma S .
k+1 ck , ck > 0, converge a un n umeProposici on. Si la serie alternante k=1 (1) ro S , y si ck+1 ck para todo k , entonces |S Sn | < cn+1 para todo n, donde Sn = n k+1 ck es la en esima suma parcial. k=1 (1)

Esta propiedad expresa que el error |S Sn | entre la n- esima suma parcial y la suma de la serie es menor que el valor absoluto del (n + 1)- esimo t ermino de la serie (o del siguiente respecto de los t erminos que se han considerado en Sn ). Problema 40 Demostraci on: Considerar S Sn = (1)n+1 (cn+1 (cn+2 cn+3 ) . . .) y hacer alguna fundamentaci on para ver que es cierto el resultado de la proposici on. Ejercicio 41 Evaluar cu al suma parcial se puede considerar para aproximar la suma de la serie convergente (1)k+1 (2k )! k=1 con un error menor que 103 . Puede usar la calculadora o PC para evaluar. Ejercicio 42 El n umero de t erminos para un determinado error depende de la serie. Probar que para estimar las series

(i)
k=1

(1)k+1 , (ii) k!

k=1

(1)k+1 , (iii) k

k=2

(1)k+1 ln k

con un error menor a 103 , se requieren solo 6 t erminos en la primera, 1000 t erminos en 103 434 la segunda ! y del orden de e 2 10 t erminos en la tercera !! Notar que las tres series son convergentes por el criterio de series alternantes, aunque solo una de ellas (cual?) converge absolutamente.

25

Ejercicio 43 Encuentre el menor entero positivo n de modo que Sn aproxime la suma de la serie convergente con un error menor que 103 .

(a)
k=1

(1)k+1 , k3 1 42

(b)
k=1

(1)k+1 , k 1 5

(c)

1 1 + 4

1 43

+ ,

(d)

2 52

3 53

4 54

+ ,

3.2.

Estimaci on del error para una serie de t erminos positivos

El test del cociente puede resultar tambi en u til para conocer el error cometido por una suma nita Sn para aproximar a la suma S de la serie. Proposici on. Supongamos que una serie k=1 uk es absolutamente convergente (y por lo tanto convergente) por el criterio del cociente. Si |uk+1 | =L<R<1 k |uk | l m entonces para M suentemente grande

uk <
k=M +1

|uM +1 | 1R

Demostraci on. Como l mk y k > M se cumple

|uM +2 | |uM +1 | |uk+1 | |uk |

|uk+1 | |uk |

= L < R, entonces para M sucientemente grande

< R.

Por lo tanto, < R, o sea |uM +2 | < R|uM +1 |, con R < 1. Tambi en, 2 |uM +3 | < R|uM +2 | < R |uM +1 | y as , |uM +p | < R|uM +p1 | < ...... < Rp1 |uM +1 | En consecuencia, 2 3 p k=M +1 |uk | < |uM +1 | + R|uM +1 | + R |uM +1 | + R |uM +1 | + ... + R |uM +1 | + ... Luego, como la serie de la derecha es una serie geom etrica con raz on 0 < R < 1 y M +1 | primer t ermino |uM +1 |, conocemos su suma Sg = |u . Por lo tanto, vale 1R | u | < | u | / (1 R ) k M +1 k=M +1 Como | k=M +1 |uk |, se concluye que k=M +1 uk | | k=M +1 uk | < |uM +1 |/(1 R). Ejercicio 44 1) Hallar una cota superior del error cometido por la suma parcial de los 6 primeros t erminos (|S6 S |) de las series siguientes:

a)
n=1

1 n5n

b)
n=1

1 n!

c)
n=1

(1)n1 n4n

d)
n=1

(1)n1 2n 1

2) Encontrar cu antos t erminos m hay que sumar de las siguientes series para que el error cometido |Sm S | sea menor a 0.0005: a)
n n=1 10n

b)

1 n=1 2n +1

c)
k=1

(1)k+1 (2k1)!

26

3) Calcule el error al emplear las sumas parciales indicadas.

k=1 (1)k+1 ; k

S9 y S99 ,
k=2

(1)k+1 ; ln k

S9 y S99 ,
k=1

(1)k+1 ; k 2k

S9 ,
k=1

1 ; k2k

S9

3.3.

Problemas diversos

1. Diga por qu e no es aplicable a la serie indicada el criterio de las series alternantes. Determine si la serie converge o diverge.
k=1 k=1 sen (k/6) k4 +1 100+(1)k 2k 3k

1 1 4 +1 + 16 + + 1 1 2 8 1 1 1 1 1 1 4 9 + 16 + 25 + 36 + + + + 1 2 1 2 1 2 1 1+22+33+2 1 + 1 4 4 (Sugerencia : Considere las sumas parciales S2n para n = 1, 2, 3, . . .) 1 1 +1 1 1 1 +1 +1 +4 +1 2 2 3 3 3 4 4 4

2. Determine si converge o diverge cada una de las series siguientes 1 1 + 1 1 + 1 1 + (1 1) + (1 1) + (1 1) + 1 + (1 + 1) + (1 + 1) + (1 + 1) + 1 + (1 + 1) + (1 + 1 1) + (1 1 + 1 1) + 3. Si ak es absolutamente convergente, demuestre que Para n sucientemente grande, |ak | < 1. Por qu e?) a2 k converge. (Sugerencia :

4. Determine todos los valores reales x para los cuales converge la serie

k=1

xk k!

Veremos m as adelante que para esta serie su suma es la funci on ex . Por ahora, represente en la PC las sumas parciales S1 (x), S2 (x) ...., S4 (x), son funciones ya que dependen de x, por lo tanto represente con plot(...) cada una de las curvas de las sumas parciales y muestrelas en forma conjunta.

Pasamos al tema fundamental de este m odulo ...

27

4.

Representaci on de funciones mediante series

Las series cuyos t erminos son funciones fn (x), denidas para x D, D un cierto dominio, se denominan series de funciones:

fn (x)
n=0

Por ejemplo, si fn (x) =

cos(nx) , n2

se tiene la serie

n=1

1 1 cos(nx) 1 cos(2 x ) + cos(3 x ) + . . . + = cos( x ) + cos(nx) + . . . n2 4 9 n2

que converge x real (explicar porqu e). n 2 3 n Otro ejemplo es la serie geom etrica n=0 x = 1 + x + x + x + ..... + x + ..., cuyos t erminos son las potencias de x: fn (x) = xn . Nos concentraremos en lo que sigue en series de potencias.

5.

Series de potencias

Si cada t ermino fn (x) es del tipo cn xn , es decir, est a compuesto por un coeciente cn n independiente de x multiplicado por la potencia x de la variable x, la serie se denomina serie de potencias Denici on 1 La serie

ck x k = c0 + c1 x + c2 x 2 + + cn x n +
k=0

(2)

donde los ck son constantes respecto de x y s olo dependen de k , es una serie de potencias en x. Cuando la serie tiene potencias del tipo (x a)k , siendo a un n umero real jo ( constante),

ck (x a)k = c0 + c1 (x a) + c2 (x a)2 + + cn (x a)n +

k=0

(3)

se la denomina serie de potencias en x a. Ejemplo:

k=0

1 1 1 1 (x 1)k = 1 + (x 1) + (x 1)2 + + n (x 1)n + k 2 2 4 2

(4)

Importante. El problema que se plantea en esta secci on es: Encontrar los valores de x para los cuales converge una Serie de Potencias, y conocer la funci on suma S (x) correspondiente. 28

Observar que las series de potencias (2) siempre convergen para x = 0 al valor c0 . Lo mismo ocurre para las (3) cuando x = a, ya que todos los t erminos, salvo el primero, valen 0. Observaci on: Es conveniente tener presente que la potencia x0 = 1 y (x a)0 = 1, aun cuando x = 0 o x = a, respectivamente. Ejemplo 45 La serie de potencias con coecientes ck = c constantes para todo k,

cxk = c + cx + cx2 + cx3 + + cxn +

k=0

(5)

es la ya conocida serie geom etrica con raz on r = x, y primer t ermino igual a c. Por lo tanto, la serie anterior converge u nicamente para los valores de x que satisfacen |x| < 1, es decir, para los x en el intervalo 1 < x < 1. Conclusi on 1 Su suma es S ( x) = c , para los x tales que 1 < x < 1 1x

c k Es decir, S (x) = k=0 c x = 1x , para los x (1, 1) (pero no para otros x). c coincide con la serie de potencias (5) en el Dicho de otra forma, la funci on f (x) = 1 x intervalo (1, 1).

Ejemplo 46 Una serie que no es geom etrica: n xn , es decir, etrica dado Sea la serie de t ermino general cn xn = x n=0 n! . No es geom n! 1 que cn = n! depende de n. Entonces,... c omo determinamos para cuales x converge? y m as dicil a un es saber cu al es la suma S (x), cuando converge para un cierto x.

29

5.1.

Intervalo de convergencia de una serie de potencias

Al conjunto de todos los n umeros reales x para los cuales converge una serie de potencias, se le llama su intervalo de convergencia (porqu e se piensa en un intervalo?) Un resultado general... Problema 47 Dada una serie de potencias
k k=0 ck x .

1. Demostrar que si converge en x = x1 converge absolutamente para todos los x tales que |x| < |x1 |.
k Considerar que como la serie erminos |ck x1 k | k=0 ck x1 converge entonces los t est an acotados por alguna constante B (es cierto ? ). Adem as, para todo x tal que |x| |x| < |x1 | el cociente |x1 | < 1.

En consecuencia para tales x, el t ermino |cn xn | = |cn xn 1| est a acotado por los t erminos B
k=0 | x| |x 1 | n

| x| |x 1 |

As se puede decir que para cada x tal que |x| < |x1 |, la serie |ck xk | tiene sus t erminos acotados por los de una serie geom etrica convergente. Luego es convergente. 2. Si diverge en x = x2 diverge para todos los x tales que |x| > |x2 |. Para demostrar eso se hace por el absurdo. Suponga que bajo esas hip otesis, existe un x1 tal que |x1 | > |x2 | donde converge. Qu e pasar a de acuerdo a la primer parte en x2 entonces ?.....ver que se llega a un absurdo. Entonces se puede armar... Conclusi on 2 Considerando el caso general, la serie de potencias en x a se comporta de acuerdo a una de las siguientes posibilidades: (i) S olo converge en el punto x = a (radio 0); (ii) Converge absolutamente x (radio ); o... (iii) Existe un R > 0, denominado radio de convergencia, tal que la serie converge absolutamente en el intervalo (a R, a + R) y diverge para todo x tal que |x a| > R . En los extremos del intervalo de convergencia (x = a R y x = a + R) puede o no converger de acuerdo a cada caso. La gura siguiente ilustra el caso (iii).

30

Radio de convergencia

Divergencia
a R a

Divergencia
a R

Convergencia

5.2.

Determinaci on del radio e intervalo de convergencia

El criterio de la raz on ( o tambi en denominado del cociente) es especialmente u til para encontrar el radio de convergencia. Recordar que este criterio se aplica a t erminos positivos, o sea a los t erminos |an |. Se deben pues analizar los t erminos de la serie de potencias en valor absoluto mediante el criterio del cociente. Ejemplo 48 Hallar el intervalo de convergencia de

k=0

xk 2k (k + 1)2

Soluci on: l m an+1 an = = l m xn+1 2n (n + 1)2 . xn 2n+1 (n + 2)2 n+1 n+2

2

l m

|x| |x| = 2 2

En virtud del criterio de la raz on, existe convergencia absoluta siempre que este l mite sea estrictamente menor que 1. As , la serie es absolutamente convergente para aquellos valores de x que satisfacen |x| /2 < 1, o sea, |x| < 2: +1 | Adem as para los x tales que |x| > 2, se tiene |a|n > 1 para n grande; luego |an+1 | > an | |an | > 0, y por lo tanto, para |x| > 2 la serie diverge porque el t ermino general no tiende a cero (recordar el criterio del cociente). Por lo tanto, mediante el criterio del cociente vemos que el radio de convergencia de esta serie es R = 2. .... Sin embargo, en los extremos del intervalo (2, 2), es decir cuando |x| = 2, el criterio de la raz on no da informaci on. Como el criterio del cociente no decide, entonces ... ...se debe analizar la convergencia de la serie en esos puntos de la frontera del intervalo, para cada uno de ellos por separado, por medio de un criterio distinto al del cociente: 31

2 1. Sustituyendo x por el valor 2 se obtiene k=0 1/ (k + 1) que es convergente por comparaci on con la serie p convergente 1/k 2 ;

tambi en... 2. se analiza el otro extremo del intervalo. Se sustituye x por el valor 2,... ... resultando la serie alternada vergente (porqu e?).
k=0

(1)k / (k + 1)2 , la cual es evidentemente con-

As , concluimos que el intervalo de convergencia de esta serie es el intervalo cerrado [2, 2]. El radio de convergencia es 2 y la serie diverge si |x| > 2. Problema 49 Determinar el intervalo de convergencia de

k=0

xk k!

Debe encontrar que la serie converge absolutamente para todo x, es decir...

k=0

xk = f (x), para todo x k!

(6)

... f (x) es la funci on suma de esta serie. Veremos en una secci on pr oxima que x esta funci on es e . Problema 50 Usando la PC, gracar las sumas parciales S1 (x) = 1 + x, S2 = 1 + x + x2 /2!,... S6 ,... en un mismo gr aco en un intervalo grande. Agregar tambi en la funci on f (x) = ex . Observar como se aproximan a tal funci on.
k Problema 51 Observar y justicar: Como la serie k=0 x /k ! es absolutamente convergente para todos los x , su t ermino general debe tender a cero cuando n , cualquiera sea el x considerado. Por tanto, cualquiera sea x, se tiene que limk xk /k ! = 0

32

Problema 52 Determinar el radio e intervalo de convergencia de

k=1

(x 5)k k 3k

(i) Vericar que converge absolutamente si |x 5| < 3, es decir que tiene radio 3. (ii) Analizar los extremos del intervalo hallado. Aclarar si converge absolutamente o converge condicionalmente o no converge en los puntos de la frontera. (iii) Cu al es el radio, el intervalo de convergencia y el intervalo de convergencia absoluta? Problema 53 Obtener el intervalo de convergencia de

k ! (x + 10)k
k=1

Observar que al menos en x = 10 debe ser convergente..., pero debe hallar el radio de convergencia.

5.3.

Ejercicios para practicar

k=1 k=1 k=1 k=2 k=0 (1)k k x k 5k k=1 k=1 k=1 k=2 k=1 xk k2 (x3)k k3 k (k+2)2 k=1 k=1 k=0 k=1 k=1 2k k x k (x+7)k k

1. Encuentre el intervalo de convergencia de la serie de potencias indicada.

xk k! (x 5)
k

(1)k 10k xk ln k

(x 4)

k !2k xk
k2 32k

(1)k xk k ln k 3k (k+1)(2)k k

(x + 7)k
x 2 k 3

(3)k (k+1)(k+2)

(x 1)

(x + 5)

(1)k+1 (k!)2

5.4.

Problemas diversos de aplicaci on

1. La series indicadas no son series de potencias. No obstante, encuentre todos los valores de x para los cuales converge la serie.
k=1 k=1 k=0 1 xk 1 2k k=1 7k x2k
2 x k 2

cos(kx)
k=0 k=1

kx

k !ekx

2. Demuestre que
k=1

(sin kx) /k 2 converge para todos los valores reales de x.

33

6.

Propiedades de las funciones denidas por series de potencias

Una serie de potencias representa, en su intervalo de convergencia, una funci on f (x) = S (x), cuyo valor es el de la suma de la serie para tal x. Recordar el ejemplo previo (6). Por conveniencia, limitamos el estudio a las series de potencias de x. Desde luego, los resultados de esta secci on se aplican tambi en a las series de potencias de x a, cuyos intervalos de convergencia est an centrados en a. As , para cada x en el intervalo de convergencia, se dene el valor funcional f (x) mediante la suma de la serie:

f (x) = c0 + c1 x + c2 x + + cn x + =
k=0

ck x k

Importante. Una vez denida f (x), suma de la serie de potencias, es natural preguntarse si ... ... (i) Es f (x) cont nua f (x) en ese intervalo ? ... (ii) Es f (x) derivable en ese intervalo ? ...(iii) Es f (x) integrable en ese intervalo ?, ya que ... los t erminos de la serie, y las sumas parciales Sn (x) lo son ( porqu e ?) y f (x) = limn Sn (x). Es decir, Hereda f (x) las propiedades de las sumas parciales en los puntos x del intervalo donde la serie de potencias converge ?

6.1.

Derivaci on e integraci on de series de potencias

Las tres propiedades siguientes, que se establecen sin demostraci on, contestan algunas preguntas fundamentales respecto de la funci on f (x) denida como la suma de la serie de potencias en su intervalo de convergencia. En cada propiedad se supone que la serie converge en un intervalo (r, r), donde el radio r es positivo, o bien (es decir, que no se aplican al caso con radio r = 0, caso de convergencia en un u nico punto).

34

Teorema. Si f (x) =
k=0

ck xk , converge en el intervalo de radio r > 0, entonces f es

cont nua, derivable e integrable en el intervalo (r, r), r > 0. Adem as, la derivada y primitiva de f son 1. f ( x) =
k=1

ck kxk1 .

2. f (x)dx =

k=0

ck k+1 x +C k+1

El radio de convergencia de la serie obtenida al derivar o integrar una serie de potencias es el mismo que el de la serie original. Aunque hay que notar que ... ... el intervalo puede diferir respecto del intervalo de la original, como consecuencia que los extremos de (r, r) pueden agregarse en alg un caso o desestimarse en otro ( estudiando la convergencia de la respectiva serie en cada uno de los extremos del intervalo). Observaci on. 1. Estas propiedades, simplemente expresan que una serie de potencias puede derivarse e integrarse t ermino a t ermino como en el caso de un polinomio. 2. El radio de convergencia de f (x) es el mismo que el de f (x). Aplicando la misma propiedad a la serie de f (x), tambi en es diferenciable en cada x de (r, r) y

f (x) =
k=2

ck k (k 1) xk2 .

Continuando de esta manera se concluye que ... 3. Una funci on f representada por una serie de potencias en (r, r), r > 0, posee derivadas de todos los ordenes en ese intervalo. 4. Adem as, para n umeros arbitrarios x1 y x2 en el intervalo (r, r), la integral denida puede representarse como
x2 x2

f (t)dt =
x1 k=0

ck
x1

t dt

=
k=0

ck

+1 +1 xk xk 1 2 k+1

EJERCICIOS para hacer en clase: 1. Recordar que la serie f (x) =

k=0

xk , k!

35

converge para todo x, as , f (x) est a denida para x tal que < x < . (a) Demostrar que la serie que converge a f (x), satisface que f (x) = f (x), usando la derivaci on de la serie respectiva, y considerando los intervalos de convergencia. (b) Comprobar que f (0) = 1. (c) A partir de (a) y (b), concluir que f (x) = ex ( pensando que si y = f (x), se cumple la ecuaci on diferencial : y = y , y (0) = 1). As se conoce que ... e =
k=0 x

xk k!

para todo x

2. Aplique el resultado del ejercicio anterior para hallar una representaci on en serie de potencias para las funciones indicadas: (i) f1 (x) = ex (ii) f2 (x) = ex/5 (ii) f3 (x) = ex
2

3. Encontrar una aproximaci on, mediante una suma parcial de los t erminos de la serie que corresponda, de las cantidades que se indican abajo, de tal manera que el error cometido en valor absoluto sea menor a 103 . (i)
1 e

(ii) e1/2 4. Encontrar una cota superior del error cometido por la suma parcial de 6 t erminos xk x on del n umero e (recordar de la serie de e = k=0 k! para calcular una aproximaci estimaci on del error de las aproximaciones en series de t erminos positivos, estudiado en secci on 3, p agina 25). Problema 54 Obtener una representaci on en serie de potencias de x de f (x) = Para obtener esa serie para la f (x), recurrimos a conceptos ya estudiados. Soluci on. Sabemos que una serie geom etrica converge a raz on de esta serie y c el primer t ermino. Tomando en particular c = 1, r = x, obtenemos 1 = 1+x
c 1r 1 . 1+x

si |r| < 1, siendo r la

(x) =
k=0 k=0

(1)k xk ,

|x| < 1 .

La anterior igualdad u nicamente vale en el intervalo (1, 1). 1 , en el intervalo (1, 1). As , ya tenemos la serie de potencias para f (x) = 1+ x 36

1 , en la serie que la Ejemplo 55 A partir de la derivaci on de la funci on f (x) = 1+ x representa, t ermino a t ermino, se logra la serie que representa a 1/ (1 + x)2 en (1, 1):

1 f (x) = = (1 + x)2 Es decir, 1 = (1 + x)2 en el mismo intervalo (1, 1).

(1)k k xk1
k=1

(1)k+1 kxk1
k=1

El siguiente problema es realmente importante. Es totalmente recomendable su resoluci on completa. Problema 56 (1**)Obtener la representaci on en serie de potencias de ln (1 + x), con x (1, 1). x 1 Se conoce que ln(1 + x) = 0 1+ dt para los x del intervalo (1, 1). En virtud de eso, t C omo puede obtener para ln (1 + x), la serie de potencias que la representa en (1, 1)? (2 **) Obtenida la serie que representa a ln (1 + x), en (1, 1) del inciso previo. Analizar si esta serie converge o no en los extremos de ese intervalo (analizando por separado en x = 1, y en x = 1, si la serie converge, ya que el teorema de integraci on no dice nada acerca de los extremos del intervalo). - Luego, establecer claramente el intervalo de convergencia de la serie de potencias hallada para representar a ln (1 + x). Luego, continuar ... (3**) ... Por ser cont nua la funci on ln(1 + x) en el intervalo (1, 1], puede deducir cu al es realmente el intervalo donde vale la representaci on de la serie de potencias encontrada? (Un elegante teorema del matem atico noruego Niels Abel nos asegura que si una serie a converge, entonces la serie de potencias asociada n an xn converge a una funci on n n n continua f (x) para x [0, 1]; esto implica (reemplazando an an r , x x/r, r = 0) que toda serie de potencias con radio de convergencia no nulo converge a una funci on continua en su intervalo de convergencia). (4**) Finalmente, teniendo en cuenta el resultado de (3**), es cierto o no que la suma de la serie arm onica alternada tiene suma ln 2 ? Problema 57 En una PC gracar la funci on f (x) = ln(1 + x) en un intervalo [3/4, 2]. En el mismo gr aco comparar con las curvas que dan las sumas parciales S1 (x)... S5 (x) de la serie hallada para la funci on ln(1 + x). Explicar lo que ocurre. Problema 58 Aproximar ln (1,2) mediante una suma de un n umero nito de t erminos, de tal manera que se asegure que tal aproximaci on tiene 4 cifras decimales exactas (es decir, error menor que 5 105 ).

37

Soluci on 5 Sustituyendo x = 0,2 en la serie hallada en el ejercicio previo, resulta

ln (1,2) = ln(1 + 0,2) =

k=0

(1)k (0,2)k+1 k+1

= 0,2 0,02 + 0,00267 2,0004 + 0,000064 0,00001067 + 0,1823 Recordando el estudio del error en la aproximaci on de la suma de una serie alternada se tiene que 0,1823 es la aproximaci on buscada, ya que para S5 se cumple que |S S5 | < a6 = 0,00001067 < 0,00005. Es interesante advertir que si el intervalo de convergencia de la representaci on en serie de potencias de una funci on f , es el intervalo abierto (r, r), entonces la representaci on x en serie de potencias para 0 f (t)dt puede converger en una o en ambas fronteras del intervalo. Ejemplo de lo dicho es el caso de la serie de ln(1 + x).

6.2.
1. Si

Problemas diversos para hacer en clase

f ( x) =
k=0

(1)k x2k+1 , (2k + 1)!

para < x < , demuestre de f (x) + f (x) = 0. 2. Hallar una serie que represente a ln(1 x) en potencias de x e indicar el intervalo donde vale la representaci on. 3. Hallar una serie que represente a taci on.
1 x2 e dx 0 1 , 1+x2

e indicar el intervalo donde vale la represen2

4. Conoce una serie que represente a ex en potencias de x? Usarla para calcular como la suma de una serie. Cu antos t erminos de la serie debe tomar para aproximar la integral con error menor 3 que 10 ? 5. Hallar una serie que represente a arctan(x), e indicar el intervalo donde vale la representaci on. Para eso, recordar que la derivada de arctan(x) es arctan(x) a partir de una serie de potencias sencilla. 6. Demuestre, como consecuencia del ejercicio previo, que 1 1 1 = 1 + + 4 3 5 7 7. Se sabe que la serie del ejercicio anterior converge lentamente. Mu estrelo encontrando el menor entero positivo n, tal que Sn aproxime a /4 con cuatro cifras decimales. 38
1 . 1+x2

Pensar como obtener

6.3.

Ejercicios para practicar

1. Obtenga una representaci on en serie de potencias para las funciones que se indican, y establecer el intervalo donde vale. f (x) = f (x) = f (x) = ln (4 + x) x f (x) = 1+ x2 x f (x) = 0 ln (1 + t2 ) dt
1 1x 6 2x

f ( x) =

f ( x) = f (x) = f (x) = ln (1 + 2x) f (x) = f (x) = x/(1 x) f (x) = ln (1 + x2 ) x f (x) = 0 arctan(t) dt

1 (1x)2 1 (1x)3

f (x) =

1 5+3x x2 (1+x)3 1 1+x2

2. Encuentre el dominio de la funci on indicada x x2 x3 x4 f (x) = + 3 4 + 3 32 3 3 4x2 8x3 + + f (x) = 1 + 2x + 2! 3! 3. Eval ue mediante un desarrollo en serie la cantidad indicada con error menor que 104 . ln (1,1),
1/3 x dx 1+x4 0

arctan (0,2), 0,3 xarctan(x) dx 0

1/2 dx 1+x3 0 1/2 arctan(x2 ) 0

dx

39

7.

Relaci on entre los coecientes de la serie de potencias y las derivadas de la funci on suma en x = a
Si una serie de potencias de (x a) converge a una funci on f (x) en un intervalo (a r, a + r), r > 0 (la suma de la serie es f (x) en ese intervalo) entonces f (x) = c0 + c1 (x a) + c2 (x a)2 + + cn (x a)n +

=
k=0

ck (x a)k

Demostraremos que existe una relaci on entre los coecientes ck y las derivadas de orden k de f (x) evaluadas en x = a. Derivando t ermino a t ermino, usando la propiedad sobre derivaci on de series de potencias, en el intervalo (a r, a + r), se obtiene: f (x) = c1 + 2c2 (x a) + 3 c3 (x a)2 + f (x) = 2c2 + 2 3c3 (x a) + f (x) = 2 3c3 + ... y as con las derivadas siguientes. Evaluando cada igualdad obtenida arriba en x = a, resulta f (a) = c0 f (a) = 1! c1 f (a) = 2! c2 f (a) = 3! c3

respectivamente. En general, f (n) (a) = n!cn . Por lo tanto, f (n) (a) n0 n! Para n = 0, se interpreta la derivada de orden cero como f (a) y 0! = 1. cn = Conclusi on. Importante! Si una serie de potencias en (x a) converge a una funci on f (x) en un intervalo (a r, a + r), r > 0, entonces f tiene derivadas de todo orden en ese intervalo, y la f (k) (a) serie de potencias (x a)k coincide con la serie: k=0 k!

f (x) =
k=0

ck (x a)k =
k=0

f (k) (a) (x a)k k!

Tal igualdad es v alida para todos los valores de x en (a r, a + r), r > 0.

40

Unicidad de la serie que representa a f (x) en potencias de (x a): El resultado previo muestra que la representaci on de una funci on f (x) por una serie de potencias en (x a) es u nica, ya que los coecientes de tal serie necesariamente coinciden (k) con los valores f k!(a) . Por tanto la serie que representa a f (x), coincide con la serie de Taylor de f en a.

8.

Serie de Taylor y de Maclaurin de una funci on

Denici on. Importante!! Dada una funci on f que tiene derivadas de todo orden en x = a, se llama serie de Taylor de esa funci on, desarrollada en x = a, a la serie :

k=0

f (k) (a) (x a)k k!

A esta serie se la denota como serie de Taylor de f en a.a En el caso especial a = 0, la serie de Taylor de f (x),

k=0

f (k) (0) k x k!

se llama serie de Maclaurin de f .b

Llamada en honor del matem atico ingl es Brook Taylor (1685-1731), qui en descubri o este resultado en 1715. b Llamada en honor del matem atico escos es, y anteriormente alumno de Newton, Colin Maclaurin (1698-1746).
a

Conclusi on. (1)El resultado obtenido en la secci on previa, nos dice que si una funci on f (x) est a rek c ( x a ) en un intervalo, entonces esa serie presentada por una serie de potencias 0 k es la serie de Taylor (o Maclaurin si a = 0) de esa funci on f (x), ya que coincide con f (k) (a) k (x a) . k=0 k! (2) Adem as, como los valores de las derivadas de f son u nicos, la representaci on f (x) = k c ( x a ) en serie de potencias en ( x a ) es u nica (tener en cuenta!). 0 k Es decir, no hay distintas series de potencias en (x a) que representen a f (x), ya (k) que los coecientes coinciden con f k!(a) . Previamente hemos podido representar en series de potencias varias funciones: 2 ex ; ex , 1 , ln(1 + x), 1+x 1 1 , arctan(x), (1+ , ...etc. 1+x2 x)2 41

Pero para otras funciones, como cos(x), sen(x), sen(x3 ), o (sen(x3 ))dx, a un no hemos visto una serie que las represente.... ... Es de sumo inter es tener una serie para ellas, pu es eso nos permitir a, en primer lugar evaluarlas, y tambi en calcular por ejemplo la integral de sen(x3 ), o de cos x2 , etc, usando el teorema de integraci on de series de potencias.

8.1.

C alculo de la serie de Taylor de una funci on f (x) y estudio del intervalo de convergencia a f (x)

Importante: Si se tiene una funci on f (x), que tiene derivadas de todo orden, surge la pregunta natural:

Es posible encontrar para f (x) una serie de Taylor en el entorno de un punto a (en potencias de (x a)) que la represente ? O sea, es posible justicar que la serie de Taylor calculada converge a f (x) en algun intervalo (a r, a + r)?
Observaci ones: (1) Dada la funci on f (x) con derivadas de todo orden en x = a, se puede formar la serie de Taylor de f (x), calculando simplemente los coecientes mediante las sucesivas derivadas en a. (2) Pero hay que vercar si esa serie de Taylor tiene suma S (x) y si esa suma S (x) coincide o no con f (x) en algun intervalo (a r, a + r). (3) Si la suma S (x) fuese f (x) en ese intervalo, existe la representaci on en serie de f (x), y tal serie de Taylor es la u nica serie de potencias en (x a) que representa a f (x). Ejemplo: Ejemplo 59 Obtener la serie de Taylor de f (x) = ln x en a = 1. Soluci on. Se obtiene f (x) = ln x, 1 , f (x) = x 1 f (x) = 2 , x 2 f (x) = 3 , x . . . f (n) (x) = (1)n1 (n 1)! , xn f (1) = 0 f (1) = 1 f (1) = 1 f (1) = 2

f (n) (1) = (1)n1 (n 1)!

42

De modo que 1 1 (x 1) (x 1)2 + (x 1)3 = 2 3

k=1

(1)k1 (x 1)k k

Con la ayuda del criterio de la raz on, se encuentra que esta serie converge para todos los valores de x en el intervalo (0, 2]. Pero en principio no sabemos aun si la suma S (x) de ella coincide con ln(x) en este intervalo. No obstante, previamente hab amos visto, por integraci on de la serie geom etrica, (1)k1 k que ln(1 + t) = k=0 k t para t (1, 1]. Sustituyendo en esta t = x 1 obtenemos (1)k1 (x 1)k para x (0, 2], que es precisamente la serie de la igualdad ln(x) = k=0 k Taylor anterior. En resumen, para poder formar la serie de Taylor de una funci on en el entorno de un punto a particular, es necesario que esta funci on posea derivadas de todo orden en a. Por ejemplo, f (x) = ln x no posee serie de Maclaurin (a = 0) (porqu e?), pero si serie de Taylor alrededor de a = 1. Por otra parte, debe notarse que a un si f posee derivadas de todos los ordenes y genera una serie de Taylor convergente en alg un intervalo, no se sabe en principio si la serie converge a f (x) para todos los valores de x en ese intervalo Veamos c omo se estudia ese tema.

8.2.

Teorema de Taylor. F ormula de Taylor

La respuesta a este problema puede obtenerse considerando el teorema de Taylor: Teorema de Taylor. Sea f una funci on tal que existen todas sus derivadas hasta el (n+1) orden f (x) para todo x en el intervalo (a r, a + r). Entonces para todo x en este intervalo, f (x) = Pn (x) + Rn (x) donde Pn (x) = f (a) + f (a)(x a) + f ( a) f (n) (a) (x a)2 + + (x a)n 2 n!

es el Polinomio de Taylor de grado n de f en a, es decir, la suma parcial de orden n de la serie de Taylor, y Rn (x) = f (x) Pn (x) es el residuo, que tiene la expresi on Rn (x) = donde el n umero c est a entre x y a.
a

f (n+1) (c) (x a)n+1 (n + 1)!

Existen varias expresiones para el residuo. La presente se denomina forma de Lagrange, y se debe al matem atico franc es Joseph Louis Lagrange (1736-1813).

Como los Pn (x) son las sumas parciales Sn (x) de la serie de Taylor, tenemos Sn (x) = Pn (x) = f (x) Rn (x) 43

Por lo tanto,
n

l m Pn (x) = f (x) l m Rn (x)

n

Vemos as que si Rn (x) 0 cuando n , solo entonces la sucesi on de sumas parciales converge a f (x). En otras palabras, la serie de Taylor converge a f (x) en un cierto intervalo si y s olo si l mn Rn (x) = 0 en el mismo. En resumen, tenemos el siguiente teorema: Teorema. Si f tiene derivadas de todos los ordenes en todo x del intervalo (a r, a + r), y si l mn Rn (x) = 0 para todo x en el intervalo, entonces

f (x) =
k=0

f (k) (a) (x a)k k!

En la pr actica, la demostraci on que el residuo Rn (x) tiende a cero cuando n depende a menudo del hecho que |x|n =0 l m n n! k Este u ltimo resultado se deduce del conocimiento que la serie ex = k=0 x /k ! es convergente para todos los x , y por lo tanto su t ermino general debe tender a cero cuando n , cualquiera sea el x considerado. Ejemplo 60 Representar f (x) = cos x con una serie de Maclaurin. Soluci on.Se tiene, f (x) f (x) f (x) f (x) = = = = cos x, sen(x), cos x, sen(x), f (0) = 1 f (0) = 0 f (0) = 1 f (0) = 0

y as sucesivamente. Entonces, obtenemos la serie ... x2 x4 x6 1 + + = 2! 4! 6!

k=0

(1)k 2k x (2k )!

El criterio de la raz on muestra que esta serie de potencias converge absolutamente para todos los valores reales de x ( vercarlo !). Luego, para probar que cos x est a representada por esta serie de potencias, falta probar que l mn Rn (x) = 0 para todo x. Para tal n, observamos que las derivadas de f satisfacen f (n+1) (x) = |senx| |cos x| si n es par si n es impar

44

En ambos casos f (n+1) (c) 1 para cualquier n umero real c, y de esta manera f (n+1) (c) |x|n+1 n+1 Rn (x) = |x| (n + 1)! (n + 1)! Para cualquier elecci on ja, pero arbitraria, de x, l mn |x|n+1 / (n + 1)! = 0. Eso dice, que l mn Rn (x) = 0, para todo x. Entonces, concluimos que x2n x2 x4 x6 + + + (1)n + = cos(x) = 1 2! 4! 6! (2n)! es una representaci on v alida del cos x para todo n umero real x. Problema 61 Usando la PC, represente f (x) = cos(x). Luego, en el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x), es decir, los polinomios de Taylor Pn (x), para n = 1, 2, 3, 4 de la serie de Maclaurin. Hacer alg un comentario sobre lo que advierte. D onde estas sumas parciales aproximan mejor? Dar una explicaci on sobre ese comportamiento. Se muestran a continuaci on los gr acos de f (x) = cos(x) y de los polinomios de Taylor asociados de grado 0, 2, 4 y 10 en a = 0.

k=0

(1)k 2k x (2k )!

P0 x

fx

Cos x

1
fx Cos x
P2 x

1 x2 2

P4 x

fx

Cos x

fx

Cos x

P10 x

45

Problema 62 (i) Representar f (x) = sen(x) con una serie de Taylor desarrollada en a = 0, ... ... aplicando integraci on o derivaci on de series de potencias, y deducir el intervalo de convergencia. (ii) Usando PC, representar f (x) = sen(x) y en el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x) = Pn (x) para n = 1, 2, 3 de la serie de Maclaurin correspondiente. Hacer alg un comentario sobre lo que advierte e indicar donde estas sumas parciales aproximan mejor. (iii) Representar f (x) = cos(x2 ) por una serie de potencias de x, usando alguna serie conocida. Dar el intervalo de convergencia correspondiente. 1 (iv) (a) Calcular 0 cos(x2 )dx, mediante una serie. (recordar que no es posible expresar la primitiva de cos(x2 ) en t erminos de las funciones elementales que Ud. conoce). (b) Cu al suma parcial debe considerarse para que resulte una aproximaci on de (a) con error menor a 103 ? Hallarla. Problema 63 Utilice un polinomio de Taylor adecuado para aproximar con error menor que 104 las integrales
1 1

(a)
0

sen(x2 )dx

(b)
0

sen(x) dx x

El segundo item merece alguna justicaci on, para poder usar la serie del sen(x) multipli1 cada por = x = 0 (recordar propiedades de series convergentes) para representar a la funci on dada. (x) Se dene la funci on f : como f (x) = sen para x = 0, y f (0) = 1. Tal funci on x f (x) es continua para todo x y en particular en [0, 1]. 2 4 6 (x) , en x = 0, es 1 x +x x = Adem as la serie de potencias que representa a sen x 3! 5! 7! (1)k 2k k=0 (2k+1)! x Para x = 0, tambi en converge esa serie y su suma es 1. Podemos ver entonces que la serie representa a f (x) para todo x. Problema 64 (a) Hallar una serie de potencias que represente a: f (x) = ex , indicando el intervalo de validez. Utilizar en lo posible alguna serie de potencias conocida para ser aplicada con ese n. (b) En base a las caracter sticas de la serie hallada en (a), puede determinar cu al suma parcial deber a usar para aproximar a f (x), para todo x [0, 1], con error menor a 102 ? Hallar esa suma parcial. 2 1 (c) La integral I = 0 et dt, existe? Si existe, encontrar su expresi on usando la repret2 sentaci on en serie de potencias de e , con t [0, 1]. Explicar, porqu e eso es conveniente y porqu e es posible hacerlo as . (d) Es posible encontrar una aproximaci on a I mediante una suma nita de t erminos Sm , cuyo error |I Sm | sea menor a 102 ? 46
2

Problema 65 (a) Dada la funci on f (x) = ex , y la serie de potencias desarrollada alrededor de a = 0, que la representa para todo x ( ya estudiada en clases previas), determinar cu antos t erminos (suma parcial Sm (x)) hay que considerar para hallar una 3 x aproximaci on de e , para x [0, 1], tal que |ex Sm (x)| < 100 . t2 (b) Hallar una serie de potencias que represente a: g (t) = e , para t . Utilizar en lo posible alguna serie de potencias conocida para ser usada con ese n. (c) En base a las caracter sticas de la serie usada en (b), puede determinar cu al suma parcial deber a usar para aproximar a g (t), para todo t [0, 1], con error menor a 3/100?. Hallar esa suma parcial aproximante. 1 2 (c) La integral I = 0 et dt, existe? Si existe, encontrar su expresi on usando la repret2 e ese procedimiento sentaci on en serie de potencias de e , con t [0, 1]. Explicar, porqu es conveniente y porqu e es posible hacerlo as . (d) Es posible encontrar una aproximaci on de I , mediante una suma nita de t erminos Sn , cuyo error |Sn I | sea menor a 3/100? Problema 66 Representar f (x) = sen(x) con una serie de Taylor en a = /3 Vericar que tal serie es 1 2 3 3 3 1 + x x x + 2 2 1! 3 2 2! 3 2 3! 3 Usando los mismos argumentos que en el primer ejemplo, ver que representa a sen(x) para todo x. Usando la PC, representar f (x) = sen(x). En el mismo gr aco superponer las curvas que representan a las sumas parciales Sn (x) = Pn (x) para n = 1, 2, 3 de la serie de de Taylor hallada. Hacer alg un comentario sobre lo que advierte. Donde estas sumas parciales aproximan mejor? Dar una explicaci on sobre ese comportamiento. Problema 67 (i) Demostrar que la serie 1 1 (x 1) (x 1)2 + (x 1)3 = 2 3

k=1

(1)k1 (x 1)k k

representa a f (x) = ln x en el intervalo (0, 2]. Justicar todos los pasos, viendo primero que es la serie de Taylor con a = 1 de la funci on dada. Luego estudiar el radio de convergencia y terminar mostrando que representa a ln(x). x (ii) Una forma m as f acil de hallar (i) ser a considerar que ln(x) = 1 1 dt para x (0, 2], t 1 k k y usar el desarrollo 1 = = ( 1) ( t 1) (recordar la serie geom etrica). k=0 t 1+(t1)

47

Problema 68 (i) A partir de la serie de Maclaurin que representa a ex , encuentre una serie de potencias en x (a = 0) para la funci on senh(x) = (ex ex )/2. Recordar que la suma de series convergentes converge a la suma de las funciones de cada una, en un dominio com un a ambas. (ii) Idem para cosh(x) = (ex + ex )/2. Puede obtener esta serie por derivaci on de la previa? Observaci on importante. Funciones pares e impares. Si la funci on f (x) es par, es decir que satisface f (x) = f (x) x, entonces su desarrollo de Maclaurin (asumimos que f es derivable a todo orden) contendr a s olo potencias pares (k ) de x, ya que en tal caso f (0) = 0 para k impar (justicar!). Ejemplos de funciones pares 2 son cos(x), cosh(x) y ex . En forma similar, si la funci on f (x) es impar, es decir que satisface f (x) = f (x) x, entonces su desarrollo de Maclaurin contendr a s olo potencias impares de x, ya que en (k ) tal caso f (0) = 0 para k par (justicar!). Ejemplos de funciones impares son sen (x), 2 senh(x) y xex . Observemos tambi en que la derivada de una funci on par es impar, y la derivada de una funci on impar es par (justicar!).

Resumen de algunas series de Maclaurin importantes:

e
x

x2 x3 + + = = 1+x+ 2! 3!

cos x = 1 sen x = x cosh x = 1 +

x2 x4 x6 + + = 2! 4! 6! x x x + = 3! 5! 7!
2 4 6 3 5 7

k=0

xk k! (1)k 2k x (2k )!

<x< <x< <x< <x< <x< 1<x<1 1<x1

k=0

x x x + + + = 2! 4! 6!

k=0

(1)k x2k+1 (2k + 1)! x2k (2k )!

x3 x5 x7 senh x = x + + + = 3! 5! 7! 1 = 1 + x + x2 + x3 + = 1x x x x ln (1 + x) = x + = 2 3 4
2 3 4

k=0

k=0

x2k+1 (2k + 1)!

xk
k=0

k=1

(1)k+1 k x k

El lector puede demostrar la validez de estas representaciones como ejercicio.

48

Resumen 3 (i) El m etodo de la serie de Taylor para encontrar una serie de potencias de una funci on, y luego demostrar que la serie representa a la funci on, tiene una obvia y gran desventaja. Es casi imposible obtener una expresi on general para la en esima derivada de la mayor a de las funciones. As que, a menudo se est a limitado a encontrar s olo los primeros coecientes de las sumas parciales. (ii) El teorema de Taylor tambi en se llama Teorema del Valor Medio Generalizado. El caso n = 0 se reduce al teorema del valor medio usual (ver pr oxima secci on). (iii) No siempre es necesario calcular las derivadas de una funci on para encontrar su serie de Maclaurin. Por ejemplo, la funci on f (x) = 1/ (1 x) se puede representar como serie de potencias utilizando la series geom etrica, y el desarrollo en serie de x x2 potencias de e puede obtenerse a partir del de e , reemplazando x por x2 . Lo importante es: Una serie de potencias, en su intervalo de convergencia, es la serie de Taylor o Maclaurin de la funci on Suma(x), sin que importe c omo se obtuvo. Observaci on: Tener presente la conclusi on de arriba cuando necesite encontrar para una funci on particular la representaci on en serie de ella. Problema 69 Aplique resultados previos para hallar la serie de Maclaurin de las funciones siguientes, indicando la regi on donde vale la representaci on encontrada: 2 x x2 /2 2 3x f ( x) = e , f ( x) = x e , f (x) = x cos x, f (x) = 0 et /2 dt x 1+x f (x) = x2 cos (x2 ), f (x) = ln (1 x), f (x) = ln 1 , f (x) = 0 t2 cos(t2 )dt x Problema 70 Encuentre la serie de Maclaurin de f (x) = e1/x
2

0
x 0

x=0 x=0
f (0+ x)f (0) , x

Soluci on. Utilizando la denici on f (0) = l m

puede mostrarse que esta

funci on es derivable a todo orden en x = 0, siendo f (n) (0) = 0 n. Por lo tanto, Pn (x) = 0 n y entonces la serie de Maclaurin converge a 0 x !!. Converge pues a f (x) s olo en x = 0, a pesar de ser convergente x. Para x = 0 no converge a f (x). En este caso Rn (x) = f (x) Pn (x) = f (x) x, y por lo tanto Rn (x) = 0 n si x = 0. La serie de Maclaurin no puede pues representar a esta funci on fuera del origen. Informalmente, su m nimo en x = 0 es extremadamente chato, y origina pues derivadas nulas a todo orden en el origen, aun cuando sea no nula para x = 0 (gracar!). Notemos entonces que para g (x) = cos(x) + f (x), con f (x) la funci on anterior, la serie de Maclaurin correspondiente va a converger x a cos(x), ignorando a f (x) (justicar!). Las funciones que pueden desarrollarse en serie de potencias se denominan funciones anal ticas. La funci on f (x) anterior no es anal tica en x = 0 (donde posee una singularidad denominada esencial cuando se la considera funci on de una variable compleja x). No puede pues desarrollarse en serie de potencias de x, aunque s puede desarrollarse en serie de Taylor alrededor de cualquier a = 0, convergiendo en un cierto intervalo nito.

49

8.3.

Aproximaciones con Polinomios de Taylor

Daremos aqu algunos detalles adicionales sobre los polinomios de Taylor. Como hemos visto, el polinomio de Taylor de grado n alrededor de x = a de una funci on f (x) es la suma parcial de orden n de la serie de Taylor alrededor de dicho punto: Pn (x) = f (a) + f (a)(x a) + f (n) (a) f (a) + ... + (x a)n 2! n!

El polinomio de Taylor de grado 0, P0 (x) = f (a), es una constante, que coincide con f (x) en x = a. El polinomio de Taylor de grado 1 en a, P1 (x) = f (a) + f (a)(x a) es la aproximaci on lineal a f (x) en x = a: Es la u nica funci on lineal (del tipo A + Bx) que satisface P1 (a) = f (a), P1 (a) = f (a) La gr aca de P1 (x) es la recta tangente a f en x = a (ver gura siguiente), que es la recta que pasa por el punto (a, f (a)) y que tiene la misma pendiente que f (x) en x = a. Del mismo modo, el polinomio de Taylor de grado 2 en a, P2 (x) = f (a) + f (a)(x a) + f (a) (x a)2 2

es la u nica funci on cuadr atica (del tipo A + Bx + Cx2 ) que satisface P2 (a) = f (a), P2 (a) = f (a), P2 (a) = f (a) Es decir, su valor, su derivada y su derivada segunda coinciden con los correspondientes valores de f en x = a. Su gr aca es la par abola tangente a f en x = a, que adem as de pasar por el punto (a, f (a)) y tener la misma pendiente que f en ese punto, tiene adem as la misma derivada segunda que f en ese punto, es decir, la misma concavidad (curvatura). Generalizando, el polinomio de Taylor de grado n en x = a, Pn (x), es el u nico polinomio de grado n que satisface Pn (a) = f (a), Pn (a) = f (a), Pn (a) = f (a), . . . , P (n) (a) = f (n) (a) es decir
(k) Pn (a) = f (k) (a), k = 0, . . . , n

Su valor y sus primeras n derivadas coinciden todas con las de f (x) en x = a. Se dice entonces que tiene un contacto de orden n con f en x = a. Hemos gracado antes los primeros polinomios de Taylor en x = 0 de cos(x), una funci on par (para las cuales P2n (x) = P2n+1 (x), ya que las derivadas impares se anulan en el origen). Se muestra en la gura siguiente la gr aca de los primeros 4 polinomios de Taylor de ex en a = 0. Esta funci on no es par ni impar, por lo que su desarrollo de

50

Maclaurin contiene tanto potencias pares como impares. La gr aca de P1 (x) = 1 + x es la recta tangente a la curva de ex en x = 0.
4
fx ex

fx

ex

2
P0 x 1 x

2
P1 x 1 x x

fx

ex

fx

ex P3 x 1 x x2 2 x3 6

2
P2 x 1 x x2 2

Cuando el valor de x est a cerca del n umero a (x a), se puede emplear el polinomio de Taylor Pn (x) de una funci on f en a para aproximar el valor funcional de f (x). El error en esta aproximaci on est a dado por el teorema de Taylor: |f (x) Pn (x)| = |Rn (x)| donde, si f es derivable hasta orden n + 1 en un intervalo (a r, a + r) y x pertenece a ese intervalo, f (n+1) (c) Rn (x) = (x a)n (n + 1)! con c un n umero entre a y x. Observaci on. Para n = 0, el teorema de Taylor implica f (x) = P0 (x) + R0 (x) = f (a) + f (c)(x a) es decir, si x = a, f (x) f (a) = f (c) xa con c entre a y x. Esta expresi on es el teorema del valor medio. Por lo tanto, este teorema puede considerarse un caso particular (n = 0) del teorema de Taylor. 51

Problema 71 Probar que si f (x) es un polinomio de grado n, entonces el polinomio de Taylor asociado de grado n en cualquier a coincide exactamente con f (x). Este resultado muestra que un polinomio de grado n queda completamente determinado por su valor y sus primeras n derivadas en un punto arbitrario (por qu e?). Adem as, Pm (x) = Pn (x) m n (justicar). Como ejemplo, para un polinomio de grado 1 tenemos f (x) = A + Bx = (A + Ba) + B (x a) = f (a) + f (a)(x a) En general, si la derivada n + 1 de f est a acotada por una constante positiva M en el (n+1) intervalo (a r, a + r), tal que |f (c)| M x (a r, a + r), podemos escribir |Rn (x)| M |x a|n+1 (n + 1)!

Por ejemplo, si podemos encontrar un M independiente de n en ese intervalo, entonces a|n+1 l mn Rn (x) = M l mn |x( = 0 x (a r, a + r), lo cual garantiza que la cota n+1)! del error ir a disminuyendo al aumentar n. Ejemplo 72 Aproximar e0,2 con P3 (x). Determinar la precisi on de la aproximaci on. Soluci on. Debido a que el valor x = 0,2 est a cerca de cero, se emplea el polinomio x de Taylor P3 (x) de f (x) = e en a = 0. Sabemos que 1 1 P3 (x) = 1 + x + x2 + x3 2 6 y P3 (0,2) = 1 + (0,2) + Consecuentemente, e0,2 0,81867 Ahora bien, se puede escribir |R3 (x)| = ec 4 |x|4 |x| < 4! 4! 1 1 (0,2)2 + (0,2)3 0,81867 2 6

puesto que 0,2 < c < 0 y entonces 0 < e0,2 < ec < e0 = 1, por ser ex positiva y creciente. As , |0,2|4 |R3 (0,2)| < < 0,0001 4! lo cual implica que la precisi on es hasta tres cifras decimales (|R3 (0,2)| < 5 104 ). Observaci on: Dado que la serie de Maclaurin de ex para x = 0, 2 es alternante y cumple con las condiciones del criterio de Leibniz, y dado que sabemos que la serie converge a ex x, podemos en este caso tambi en utilizar la cota de error para series alternantes. En este problema esto conduce a la misma cota de error anterior (vericar!). 52

Ejemplo 73 Aproximar e con error menor que 1010 . Soluci on. Tenemos e = e1 = f (1), con f (x) = ex . Utilizando a = 0, y dado que f (n) (x) = n 1k 1 ex n, tenemos Pn (1) = n k=0 k! = k=0 k! y ec (1 0)n+1 e 3 |Rn (1)| = |f (1) Pn (1)| = | | (n + 1)! (n + 1)! (n + 1)! dado que c est a entre 0 y 1 y ex es una funci on creciente (por lo que 1 < ec e1 = e). Hemos luego utilizado la cota e 3. De esta forma, para n = 13 obtenemos |Rn (1)| 3/14! 3,44 1011 < 1010 . Por lo tanto, obtenemos el valor aproximado
13

e
k=0

1 = 2, 7182818284 . . . k!

con un error menor que 1010 . Ejemplo 74 Estimar cos(10o ) con un polinomio de grado 2, y dar una cota para el error cometido.
10 Soluci on. Pasando a radianes tenemos cos(10o ) = cos( 180 ) = cos( 18 ). Podemos entonces utilizar el polinomio de Taylor de grado 2 en a = 0, P2 (x) = 1 x2 /2!, obteniendo

cos(

1 ) = 1 ( )2 + R2 ( ) 18 2 18 18
k 2k

(1) x Como la serie de Maclaurin cos x = = 1 x2 /2! + x4 /4! + . . . es alternante k=0 (2k)! x, cumpliendo en x = /18 con las condiciones del criterio de Leibniz, y sabemos que converge a cos x x, podemos directamente utilizar la cota de error para series alternantes, |R2 (x)| = | cos x (1 x2 /2)| |x4 /4!| = x4 /4!. Por lo tanto,

|R2 ( por lo que cos(

( )4 )| 18 3,87 105 18 4!

1 ) 1 ( )2 0, 9848 18 2 18

con error menor que 104 . Como cos x es par, P2 (x) = P3 (x) y entonces R2 (x) = R3 (x). Acotando R3 (x) con el teorema de Taylor, se obtiene la misma cota de error anterior (vericar).

8.4.

Ejercicios para practicar

1. Encuentre la serie de Maclaurin de las funciones siguientes, indicando el radio e intervalo de convergencia, y obtenga de ella los polinomios de Taylor en a = 0 de grado 1, 2 y 4.
1 f (x) = 2 , x f (x) = cos(2x), 1 f (x) = 1+5 , x f (x) = x cos(x),

f (x) = ln (1 + 2x) 2 f (x) = x2 ex 53

2. Encuentre la serie de Taylor en el valor indicado de a, y determine el radio e intervalo de convergencia. Obtenga los correspondientes polinomios de Taylor de grado 2 y 4. 1 , a=4 f (x) = ln x, a=1 f (x) = 1+ x f (x) = sen (x), a = /4 f (x) = sen (x), a = /2 f (x) = cos x, a = /3 f (x) = cos x, a = /6 x a=1 f (x) = e , a=1 f ( x) = x 3. Encuentre los dos primeros t erminos no nulos de la serie de Maclaurin de f (x) = tan x , f (x) = arcsen x

4. Aproxime la cantidad dada utilizando el polinomio de Taylor Pn (x) para los valores indicados de n y a. Determine la precisi on de la aproximaci on. o o sin 10 , n = 1, a = 0 sin 10 , n = 3, a = 0 sin 46 , n = 2, a = /4 cos 29 , n = 2, a = /6 82, n = 2, a = 81 e1/2 , n = 4, a = 0 5. Eval ue, con error menor que 103 , las siguientes integrales:
1/2 0

te

2 t2

1/2

dt ,
0

sin(t2 )dt

Orden de magnitud del error en la f ormula de Taylor. Se dice que una funci on f (x) es orden (x a)n para x a, lo que se denota como f (x) = O(x a)n para x a, si existen constantes positivas M > 0 y > 0 tales que |f (x)| M |x a|n para |x a| < , es decir, para todo x (a , a + ). Por lo tanto, f (x) = O(x a)n para x a implica que |f (x)| es no mayor que una constante por |x a|n si x est a sucientemente cerca de a. 2 Por ejemplo, f (x) = 2x es O(x2 ) para x 0, y tambi en lo es f (x) = x2 /4 (justicar). Asimismo, f (x) = 2x2 + 4x3 es tambi en O(x2 ) para x 0, pues |x3 | x2 para x cercano 2 3 2 2 2 a 0: |2x + 4x | = |2x (1 + 2x)| = 2x |1 + 2x| 6x si |x| < 1. Esta notaci on se extiende tambi en a comparaciones con otras funciones: Se dice que f (x) = O(g (x)) para x a si existen M > 0 y > 0 tales que |f (x)| M |g (x)| para |x a| < . El valor de a puede ser tambi en : f (x) = O(g (x)) para x si existen constantes M > 0 y r > 0 tales que |f (x)| M |g (x)| para todo x > r. Volviendo al error en la f ormula de Taylor, si M > 0 y > 0 tal que |f (n+1) (x)| < M a|n+1 para todo x (a , a + ), entonces |Rn (x)| M |x( en este intervalo, por lo que n+1)! en este caso (justicar) Rn (x) = O(x a)n+1 para x a es decir, f (x) = Pn (x) + O(x a)n+1 para x a Esta notaci on es muy empleada en ingenier a y en todas las ciencias exactas. Es adem as la notaci on est andar utilizada en programas como mathematica, etc. 54

Problema. Mostrar que para x 0, (a) ex = 1 + x + O(x2 ), (b) sen(x) = x + O(x3 ), (c) ex = 1 x2 + O(x4 )
2

Por ejemplo, esto muestra que para x cercano a 0, sen(x) se comporta como x, siendo la diferencia |sen(x) x| no mayor que M |x3 |, es decir, muy peque na (|x|3 |x| si |x| 1). Aplicaci on. L mites y comportamiento cerca del l mite. n Si f (x) = O(x a) , entonces (demostrarlo!) f ( x) = 0, k < n xa (x a)k l m Es decir, si n > 0, f (x) = O(x a)n para x a no s olo implica que f (x) se anula para x a, sino que se anula m as r apido que (x a)k k < n. Por lo tanto, si Rn (x) = O(x a)n+1 para x a tenemos Rn (x) = 0, xa (x a)k l m k <n+1

Esto permite determinar ciertos l mites del tipo 0/0 en forma muy simple mediante el desarrollo de Taylor. Como ejemplo, consideremos ex 1 x x0 x2 l m que es del tipo 0/0. Utilizando el polinomio de Taylor de grado 2 de ex en a = 0, podemos escribir ex = 1 + x + x2 /2! + O(x3 ) para x 0 y por lo tanto ex 1 x 1 + x + x2 /2! + O(x3 ) 1 x x2 /2 + O(x3 ) 1 = l m = l m = 2 2 2 x0 x0 x0 x x x 2 l m El desarrollo de Taylor permite en realidad no s olo calcular el l mite anterior sino tambi en ver como se comporta el cociente (ex 1 x)/x2 en la vecindad de x = 0: Utilizando el polinomio de Taylor de grado 3 de ex , obtenemos ex = 1 + x + x2 /2! + x3 /3! + O(x4 ) y por lo tanto, ex 1 x 1 1 = + x + O ( x2 ) 2 x 2 6 x 1x para x 0. Esto muestra que e se comporta como 1/2 + x/6 para x cercano a 0. x2 Problema: Evaluar los siguientes l mites por medio de un polinomio de Taylor adecuado, e indicar el comportamiento de la funci on cerca del l mite. (a) l m sen(x) , (b) l m x0 x0 x
x 0 sen(x) x 2 x

, (c) l m

1 cos x 1 + cos x , (d) l m 2 x0 x (x )2 x

ln(1+x) x

(e) l m (1 + x)1/x (Sug. : (1 + x)1/x = e

55

8.5.

Problemas diversos

1. Utilice la serie de Maclaurin de cos x y una identidad trigonom etrica para encontrar 2 la serie de Maclaurin de sin x. 2. Para nivelar una carretera de gran longitud L, se debe establecer un margen debido a la curvatura de la Tierra. (i) Demuestre que los tres primer t erminos no nulos de la serie de Maclaurin de f (x) = sec x son 5 1 1 + x2 + x4 2 24 (ii) Para valores peque nos de x, utilice la aproximaci onsec x 1+ 1 x2 y la siguiente 2 gura para demostrar que la correcci on por nivelaci on es y = L2 /2R, donde L es la longitud, R es el radio de la Tierra.

3. La energ a potencial de una masa m que cuelga de un hilo de longitud L es Ep () = mgL(1 cos ), donde es el a ngulo que forma el hilo con la vertical. 1 mgL2 . a) Muestre que si es peque no, entonces Ep () 2 1 b) D e una cota para el error relativo |Ep () 2 mgL2 |/(mgL) si 25o (recordar que se debe convertir a radianes !). 4. Una onda de longitud L viaja de izquierda a derecha en agua de profundidad d, como se ilustra en la gura. Puede demostrarse que la velocidad v de la onda est a relacionada con L y d por la funci on v = (gL/2 ) tanh (2d/L). a) Demuestre que en agua profunda v gL/2 . b) Encuentre los dos primeros t erminos no nulos de la serie de Maclaurin de f (x) = tanh x. Demuestre que cuando d/L es peque no, v gd. En otras palabras, en agua poco profunda la velocidad de la onda es independiente de la longitud de onda.

56

9.
9.1.

Serie binomial
Teorema del binomio
(1 + x)2 = 1 + 2x + x2 (1 + x)3 = 1 + 3x + 3x2 + x3 Empezamos con los siguientes desarrollos

y, en general, si m es un entero no negativo, (1 + x)m = 1 + mx + m (m 1) ... (m n + 1) n m (m 1) 2 x + + x + + xm 2! n!

Este desarrollo de (1 + x)m recibe el nombre de teorema del binomio o binomio de Newton. Denici on 2 Para cualquier n umero real r, la serie 1 + rx +

=
k=0

r (r 1) 2 r (r 1) ... (r n + 1) n x + + x + 2! n! r. (r 1) ... (r k + 1) k x k!

recibe el nombre de serie binomial. Observar que la serie binomial solamente termina cuando r es un entero no negativo. En este caso se reduce al binomio de Newton. El criterio de la raz on muestra que la serie binomial converge si |x| < 1, y diverge si |x| > 1. La serie binomial dene as una funci on f innitamente diferenciable en el intervalo (1, 1). No debe causar gran sorpresa saber que la funci on representada por la serie binomial es f (x) = (1 + x)r . Proposici on 75 Si |x| < 1, entonces para todo n umero real r r (r 1) ... (r n + 1) n r (r 1) 2 x + + x + 2! n! Ejemplo 76 Obtener una representaci on en serie de potencias para 1 + x. (1 + x)r = 1 + rx + Soluci on 6 Con r =
1 2

resulta que para |x| < 1

1 2

1 1 1+x = 1+ x+ 2 2 1 1 1 +2 2

1 1 1 1 2 2 1 2 2 3 2 x + x + 2! 3! 1 2 ... 1 n+1 n 2 2 x + n! 1 1 13 1 3 5... (2n 3) xn = 1 + x 2 x2 + 2 x3 + + (1)n+1 + 2 2 2! 2 3! 2n n!

57

Gracar las sumas parciales primeras y la funci on representada en el dominio que corresponda. Comentarios 77 En ciencias se utiliza a menudo una serie binomial para obtener aproximaciones. Ejemplo 78 En la teor a de la relatividad de Einstein, la masa de una part cula que se mueve con una velocidad v en relaci on a un observador, es m= m0 1 v 2 /c2

en donde m0 es la masa en reposo de la part cula y c es la velocidad de la luz. Muchos resultados de la f sica cl asica no se cumplen en el caso de part culas como los electrones, los cuales se mueven casi a a la velocidad de la luz. La energ a cin etica ya no 1 2 es K = 2 m0 v , sino que se expresa como K = mc2 m0 c2
1 Si se identica r = 2 y x = v 2 /c2 , se tiene que |x| < 1, puesto que ninguna part cula m ovil puede rebasar la velocidad de la luz. As se puede escribir

m0 c2 K = m 0 c2 1x = m0 c2 (1 x)1/2 1 = m0 c2 = m0 c2 3 5 1 1 + x + x2 + x3 + 2 8 16 2 4 1 v 3 v 5 v6 + + 2 c2 8 c4 16 c6 1 +

En el caso en que v es mucho menor que c, los t erminos posteriores al primero son despreciables. Esto conduce al resultado bien conocido K m0 c2 1 2 v2 c2 1 = m0 v 2 2

Problema 79 Aplicaciones de la serie binomial: 1. Obtenga los primeros cuatro t erminos de la representaci on en serie de potencias de la funci on indicada para a = 0, y calcule el radio de convergencia de la serie. f (x) = 3 1 + x f ( x) = 1 x f ( x) = 9 x 1 1 x f (x) = 1+5 f (x) = 1+ f ( x) = 3 x x2 1x2 f (x) = (4 + x)3/2 f (x) = x2 (1 x2 )
3

f ( x) =

1 (1+x)5

f ( x) =

x (2+x)2

58

2. Explique porqu e el error de la aproximaci on dada es menor que la cantidad indicada. (1 + x2 ) (1 + x2 )

1/3

1+

x2 ; 3 x2 2

1 4 x 9

1/2

+3 x4 ; 8

5 6 x 16

3. Encuentre una representaci on en serie de potencias para arcsen(x) empleando

x

arcsen(x) =
0

dt 1 t2

4. En la gura un cable colgante est a sostenido en los puntos A y B , y soporta una carga uniformemente distribuida (como el trayecto de ruta sobre un puente). Si d x2 es la ecuaci on del cable, demuestre que su longitud est a dada por y = 4L 2 s=L+ 8d2 32d4 + 3L 5L3

5. Aproxime las integrales siguientes hasta tres cifras decimales 0,2 1/2 3 3 dx 1 + x 1 + x4 dx 0 0

59

10.

Autoevaluaci on

Un repaso sobre todo lo estudiado: 1. Conteste verdadero o falso, y piense una explicaci on de su respuesta: a ) Toda sucesi on acotada converge?. b ) Si una sucesi on es mon otona decreciente, es convergente. c ) l m
|x | n n n!

= 0 para todo valor de x.

0

d ) Si {an } es una sucesi on convergente, entonces e ) Si an 0 cuando n , entonces f ) Si

an siempre converge.

ak es convergente.

a2 k converge, entonces
1 kp

ak tambi en converge.

g)
k=1

converge para p = 1,0001.

2 h ) La serie 2 + 2 +2 +4 + es divergente. 2 3

i ) Si j ) Si k ) Si

|ak | diverge, entonces

ak diverge tambi en. (1)k+1 ak es convergente. (1)k+1

ak k

ak , con ak > 0, converge, entonces

(1)k+1 ak converge absolutamente, entonces

converge?. ak es

l ) Si bk converge y ak bk para todo entero positivo k , entonces convergente. m ) Toda serie de potencias tiene un radio de convergencia no nulo.

n ) Una serie de potencias converge absolutamente para todo valor de x en su intervalo de convergencia?. n ) Una serie de potencias ck xk representa a una funci on innitamente diferenciable en un intervalo (r, r) de convergencia. o ) Si una serie de potencias ck xk converge para 1 < x < 1 y es convergente para x = 1, la serie debe converger tambi en para x = 1. p ) f (x) = ln x no puede ser representada por una serie de Maclaurin. q ) f ( x) =
f (k) (a) k=0 k!

(x a)k en un intervalo si l m Rn (x) = 0.

n x2 2

r ) El intervalo de convergencia de la serie x 2. Llene los espacios en blanco.

x3 3

x4 4

+ es (1, 1).

a ) Para aproximar la suma de la serie

k=1

(1)k+1 10k

hasta cuatro cifras decimales, se

necesita solamente emplear la

suma parcial. .

b ) La suma de la serie
k=1

4( 2 )k es 3

60

c ) Si

ak converge y

bk
k=0

diverge, entonces
(1)k xk k!

(ak + bk )

. para todo

d ) La serie de potencias x.

representa a la funci on f (x) =

e ) La representaci on en serie binomial de f (x) = (4 + x)1/2 tiene radio de convergencia . f ) La serie geom etrica
5 k ) converge para los siguientes valores de x: (x k ck x k

g ) Si el radio de convergencia de la serie convergencia de la serie k ck 2k xk es h ) l m

1+x2 ex x4 x0 1+x2 ex x2 x0
2

es R > 0, entonces el radio de

=
2

. .

i ) l m

3. Encuentre la suma de la serie convergente indicada.

k=1 (1)k1 +3 (1,01)k1 k=1 1 k2 +11k+30 k=0 xk 2k k!

4. Halle la serie de Taylor de f (x) = cos x en a = /2. 5. Demuestre que la serie del ejercicio anterior representa a la funci on probando que Rn (x) 0 cuando n .

61

Matem atica C II. Sistemas Lineales

Bibliograf a disponible en el aula.

1. Algebra Lineal. Stanley Grossman (cap tulos: 1-2-3-4-5) 2. Manual del MATLAB.
Temario de las clases:
1. Clase 1: Resolucion de sistemas, hasta los ejercicios para practicar . 2. Clase 2: Metodo de Gauss-Jordan. Ejercicios en el MATLAB. Sistemas Homogeneos. Conclusiones.

Cap tulo 1 Sistemas de ecuaciones lineales. Resolucion.

Objetivos El objetivo basico de esta clase es conocer una metodolog a para resolver
sistemas lineales (cualquiera sea el numero de variables y ecuaciones). El objetivo principal de este aprendizaje es poder analizar en forma correcta los resultados o soluciones de los sistemas.

Los sistemas de ecuaciones lineales son elementos de uso comun en matematica, en las ciencias en general y en particular, se vera que se utilizan en las distintas ramas de la ingenier a para representar o modelar diferentes problemas. Los ejemplos siguientes son una muestra de ello.

El primer ejemplo proviene de la F sica.

Supongamos que se tienen tres objetos, uno con masa conocida e igual a 2 kg, y que se quiere conocer la masa de los otros dos objetos. Supongamos ademas que se han realizado dos experiencias con una varilla metrica que producen las dos situaciones de equilibrio siguientes:

Como la suma de los momentos sobre la izquierda del punto de apoyo es igual a la suma de los momentos sobre la derecha (el momento de un objeto es el producto de su masa por la distancia, medida desde el punto de apoyo), las dos experiencias permiten plantear un sistema de dos ecuaciones en las incognitas (h c) : 40h + 15c = 100 25c = 50 + 50h 3

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

Otro ejemplo proviene de la Qu mica:

Se mezcla, bajo condiciones apropiadas, tolueno C H y acido n trico HNO para producir trinitrotolueno C H O N y agua como complemento (las condiciones deben ser controladas rigurosamente, ya que el trinitrotolueno es conocido como TNT).
7 8 3 7 5 6 3

> Cuales proporciones deben usarse en la mezcla de esas componentes ?.

El numero de atomos existente de cada elemento antes de la reaccion,

x C H + y HNO
7 8

;! z C H O N + w H O
7 5 6 3 2

debe ser \igual al numero de atomos presentes" despues de realizada la experiencia. Aplicando ese principio a los elementos C, H, N, y O, se genera el siguiente sistema lineal:

7x = 7z 8x + 1y = 5z + 2w 1y = 3z 3y = 6z + 1w

Para obtener el \resultado" de estos problemas es necesario resolver los \sistemas de ecuaciones" planteados.

la potencia 1 de las variables- incognitas.

Observacion 1 Observar que en ambos ejemplos las ecuaciones involucran unicamente

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

1.1 Sistemas Lineales. Conjunto solucion.

1 2

De nicion Una ecuacion lineal con n incognitas, x x : : : xn, se describe mediante:

a x +a x +
1 1 2 2

+ an xn = b

o en forma mas comprimida mediante la expresion

n X j =1

aj xj = b

donde los coe cientes aj , j = 1 2 : : : n, y el termino b son numeros reales o escalares. Un sistema de m ecuaciones lineales con n incognitas se representa:

a x +a x + a x +a x +
11 21 1 1 12 22 2 2

am x + am x +
1 1 2 2

+ a n xn = b + a n xn = b . . . . . . + amn xn = bm
1 2 1 2

o usando una expresion mas compacta

n X j =1

aij xj = bi

i = 1 ::: m

Ejemplo
(a) (b) x + 2x = 5 x ; x + x = 2 x + x 2x + 3x = 8 2x + x ; x = 4 x ; x x (2 2) (2 3) (3
1 2 1 2 3 1 1 2 1 2 3 1 2 2

(c) =2 =4 =4 2)

De nicion Una solucion de un sistema de m ecuaciones con n incognitas es una n-upla

(x x : : : xn) que satisface las m ecuaciones del sistema.
1 2

Ejemplo Veri car que el par ordenado (;1 5) es una solucion del sistema:
3x + 2x = 7 ;x + x = 6
1 2 1 2

En contraste, (5 ;1) no es una solucion del sistema.

Solucion En los ejemplos previos (a) ; (b) ; (c) del recuadro, es facil veri car que:
(a) (x x ) = (1 2) satisface ambas ecuaciones.
1 2

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

1 2 3 1 2 3

(b) (x x x ) = (2 0 0) satisface ambas ecuaciones. Veri car que tambien (x x x ) = (2 ) donde es un numero real cualquiera, satisface ambas ecuaciones. En este caso, hay in nitas soluciones porque hay in nitas 3-uplas que satisfacen al sistema. (c) No tiene solucion: Si se despeja de la tercera ecuacion x = 4, y si se sustituye en la primera ecuacion, se obtiene x = 2 ; 4 = ;2. Mientras que si se sustituye en la segunda, se obtiene x = 4 ; 1 = 3. Por tanto, este sistema no tiene un par (x x ) que satisfaga a estas dos ecuaciones a la vez!. De nicion Un sistema sin solucion se llama sistema incompatible o inconsistente. Un sistema con al menos una solucion se llama sistema compatible o consistente. Al conjunto de todas las soluciones de un sistema se lo llama conjunto solucion.
1 2 2 1 2

1.1.1 Interpretacion geometrica

1.

Sistemas de dos ecuaciones (m = 2) con dos incognitas (n = 2).

x +x =2 x ;x =2 Solucion unica: (x x ) = (2 0)
1 2 1 2 1 2

x +x =2 +x =1 2. x Sin solucion (rectas paralelas): incompatible

1 2 1 2

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

x +x =2 ;x ; x = 2 3. Sistema con in nitas soluciones: Cualquier punto sobre la recta es solucion del sistema. Las in nitas soluciones: (x x ) = ( 2 ; )
1 2 1 2 1 2

Ejercicio De lectura: ver en el libro de Grossman recomendado, el inciso 1.2.

1. Observar en particular, las propiedades enunciadas en pagina 2 como Hecho A - B (son conocidos por Uds. pero es conveniente repasarlos). 2. Ir a la pagina 4, repasar cual es el requerimiento para que exista una unica solucion en el caso de sistemas de 2 2. 3. Explicar porque los sistemas (1) y (5), en la misma pagina, tienen igual solucion.

Ejercicio Sistemas lineales con 3 incognitas (sistemas m 3): interseccion de planos.

1. Analizar geometricamente, como se hizo en el caso de rectas en el plano , sobre los posibles tipos de solucion que pueden ocurrir con un sistema de 3 ecuaciones lineales con tres variables x y z, haciendo un bosquejo. 2. Analizar, como se hizo en el caso previo, que puede ocurrir con un sistema de 4 ecuaciones lineales con tres variables x y z. 3. Analizar, como se hizo en los casos previos, que puede ocurrir con un sistema de 2 ecuaciones lineales con tres variables x y z.

8 (m (i) (ii) (iii)

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

n) tiene solamente las siguientes posibilidades, en relacion a su solucion:

Importante ! En lo que sigue concluiremos, que un sistema de ecuaciones lineales

Ser incompatible Ser compatible, con una unica solucion Ser compatible, con in nitas soluciones.

1.1.2 Sistemas equivalentes

De nicion Dos (o mas) sistemas lineales con el mismo conjunto de variables o incognitas se dicen equivalentes s y solo s tienen el mismo \conjunto solucion". Ejemplo
(a) (b) 3x + 2x ; x = ;2 3x + 2x ; x = ;2 x = 3 ;3x ; x + x = 5 2x = 4 3x + 2x + x = 2
1 2 3 1 2 3 2 1 2 3 3 3 1 2

(a) La ecuaciones (2) y (3) dicen que x2 = 3 y x3 = 2. Luego, desde la primera se obtiene 3x1 = ;2 ; 6 + 2 = ;6. El conjunto solucion es: (x1 x2 x3) = (;2 3 2). (b) Si (x1 x2 x3 ) es solucion del sistema, entonces debe tambien satisfacer cualquier ecuacion formada al sumar dos ecuaciones del sistema: - Sumando la ecuacion (1) a la segunda se obtiene

x =3
2

- Restando la ecuacion (1) a la ecuacion (3) queda

2x = 4 o x = 2
3 3

Como la ecuacion (1) de ambos sistemas es la misma, se tiene que cualquier solucion del sistema (b) debe ser tambien solucion del sistema (a). Por otro lado, cualquier solucion del sistema (a) debe ser tambien solucion del sistema (b), porque restando la ecuacion (1) a la ecuacion ( 2) del sistema (a), queda la ecuacion (2) del sistema (b), y sumando las ecuaciones (1) y (3) del sistema (a) queda la ecuacion (3) del sistema (b).

1.1.3 Operaciones elementales

La siguientes \operaciones" sobre las ecuaciones de sistemas lineales m n no modi can el conjunto solucion. Eso quiere decir, que la aplicacion de tales operaciones producen sistemas m n equivalentes:

1. Cambiar el orden de dos ecuaciones (permutar dos las).

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

2. Multiplicar una o mas ecuaciones por una constante distinta de cero (cambio de escala de los coe cientes de las ecuaciones). 3. Sumar (o restar) \ a una ecuacion particular" el multiplo de \otra ecuacion" del sistema dado.

Observacion 2 Estas operaciones tienen restricciones:

Multiplicar una ecuacion por 0 no esta permitido, pues obviamente eso cambia al conjunto solucion (porquee ?). Similarmente, sumar a una ecuacion un multiplo de \ella misma" no esta permitido porque sumar ;1 veces una ecuacion \a si misma" tiene el mismo efecto que multiplicarla por 0.

Comentarios Estas operaciones se utilizan para obtener sistemas equivalentes mas faciles de resolver. .... > Cuales son las formas faciles de resolver?
...

1.1.4 Sistema triangular- Sistemas cuadrados (n n).

akk xk + akk xk +
+1 +1

De nicion Se dice que un sistema de n n es de forma triangular si para cada ecuacion k-esima, k = 1 : : : n, los coe cientes de sus primeras (k ; 1) variables son
\cero", y si el coe ciente de la variable xk es distinto de cero. Es decir, su forma es

+ aknxn = bk

con akk 6= 0.

Ejemplo Un sistema 3 3 tiene la forma triangular:

a x +a x +a x = b a x +a x = b a x = b
11 1 12 22 2 13 3 3 3 2 23 33 1 2 3

con a33 a22 a11 no nulos. Es facil resolverlo por sustitucion (comenzando desde abajo hacia arriba):

x = ab a x x = b ; a b ; a x ;a x x = a
3 3 33 2 2 23 3 22 1 1 12 2 12 11 33 22 11

En este caso especial \ triangular" la solucion del sistema n n es unica, pues a a a son no nulos.

10

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

Comentarios En general, dado un sistema del tipo n n, se usan las operaciones

elementales para generar un \sistema equivalente" con forma triangular (o para visualizar que el nuevo sistema equivalente \no tiene una forma triangular", en tal caso, tambien se podra conocer cual de las otras dos posibilidades le corresponde).

Ejemplo Para resolver el sistema

1 3

3x = 9 x + 5x ; 2x = 2 x + 2x =3
3 3 1 1 2 2

lo transformamos... ... usando repetidamente las operaciones elementales, hasta que tenga una forma facil de resolver, y si es posible triangular:
permuta la la 1 con la la 3

;! ;!

multiplica la la 1 por 3

multiplica por ;1 la la 1 y se suma a la la 2

;!

x + 2x =3 x + 5x ; 2x = 2 3x = 9 x + 6x =9 x + 5x ; 2x = 2 3x = 9 x + 6x = 9 ;x ; 2x = ;7 3x = 9
1 3 1 1 2 2 3 3 1 1 2 2 3 3 1 2 2 3 3

El unico paso no trivial, es el realizado en tercer termino (ultimo). Hemos multiplicado mentalmente ambos lados de la primer ecuacion por ;1, y hemos sumado mentalmente ese resultado a la segunda ecuacion, para luego \escribir" ese resultado como la \nueva segunda la", reemplazando a la segunda la original. Ahora, se puede encontrar el valor de cada variable facilmente. En otros casos, puede ocurrir que no se obtenga una forma triangular... Veamos algunos ejemplos simples, indicando cada operacion realizada para pasar de un sistema a otro.

Ejemplo Dado un sistema de 2 2

x + 2y = 8 2x + 4y = 8
multiplica por ;2 la la 1 y suma a la la 2

;!

x + 2y = 8 0 = ;8

Otro caso, cuando el sistema \ no tiene una unica solucion" sino, que tiene \ in nitas soluciones ".

En este caso se advierte que el sistema equivalente es incompatible (hay una ecuacion inconsistente).

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

11

Ejemplo En el sistema ...

x+ y=4 2x + 2y = 8
es evidente que cualquier par x y de numeros que satisface la primer ecuacion tambien satisface la segunda. La solucion, es el conjunto de pares: f(x y ) x+y = 4g es in nito. Algunas soluciones son: (0 4), (;1 5), y (2:5 1:5). En el ultimo sistema, si se aplican operaciones elementales para intentar \llevarlo" a la forma triangular, se obtiene
multiplica por ;2 la la 1 y la suma a la la 2

;!

x+y=4 0=0

Comentarios La igualdad que aparece en este ejemplo: `0 = 0' ...

es un \indicador" que esa ecuacion es \redundante" (no aporta nueva informacion). Ademas... en este caso, por ser un sistema 2 2, eso basta para \ saber que hay" 1 soluciones. En general, en otros sistemas mas grandes, la expresion `0 = 0' \no es su ciente" para sacar esa conclusion (habr a que mirar si no hay otras expresiones contradictorias o inconsistentes).

Ejercicio Resolver, aplicando operaciones elementales para llegar a una forma triangular:

x + 2x + x = 3 3x ; x ; 3x = ;1 2x + 3x + x = 4
1 2 3 1 2 3 1 2 3

(1.1) (1.2) (1.3)

Veri car que por sustitucion hacia atras resulta: (x1 x2 x3 ) = (3 ;2 4).

12

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

x+ y+ z= 4 2x + 2y + 2z = 8 4x + 4y + 4z = 20

Ejercicio (1) Dado el sistema 3 3

- Aplicar operaciones elementales con el objetivo de llevarlo a una forma triangular (si es posible). - Decidir cuantas soluciones tiene. - Comparar su resultado con los obtenidos en los ejemplos previos. (2) Dado el sistema de 4 4, llevar a la forma triangular (si se puede).

x + 6x ; x ; 2x 3x ; x + x
1 2 2 2

3 3 3

+ x + x + x + 2x

4 4 4 4

= 9 = ;7 = 9 = 2

- >Cuantas soluciones tiene el sistema?. >Porque?. - Explicitar la solucion por sustitucion hacia atras. - En el sistema equivalente, >hay algun sistema o subsistema triangular respecto de algunas de las variables?.

1.1.5 Matriz de los coe cientes de un Sistema. Matriz ampliada

Para simpli car, la descripcion de los calculos en el procedimiento previamente descripto, conviene introducir: De nicion La matriz de coe cientes A de un sistema m n es:

0 a a B a a A=B B @ ... ...

11 21 1

12 22

am am a a
. . .

. . .

an a nC C
1 2

1 C A 1 C C C A

amn

. . .

y la matriz ampliada (A j b) del mismo sistema m n:

0a B a (A j b) = B B @ ...

11 21

12 22

am am
1

. . .

an b an b
1 2

1 2

. . .

amn bm

. . .

Las operaciones elementales para sistemas de ecuaciones se transforman ahora en \operaciones sobre las las de la matriz". Esto es ... ... en operaciones \pensadas" sobre las las de la matriz de coe cientes, aunque se \aplican a la matriz ampliada":

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

1. Intercambiar dos las. 2. Multiplicar una o mas las por un numero real no nulo.

13

3. Sumar a una la j -esima un multiplo de otra la i-esima, y reemplazar la j - la por \ la resultante de la operacion realizada".

Notaciones Cuando explicitamos las operaciones realizadas, para reducir el sistema

por este metodo (metodo de Gauss) , abreviamos ` la i' mediante ` i'. Por ejemplo, denotaremos la operacion que \suma a la la j " el resultado de multiplicar por un escalar la ` la i' mediante: i + j , escribiendo a la la(j ) que se reemplaza en el segundo sumando. Tambien, para ahorrar escritura, se listaran los pasos del ultimo tipo juntos, cuando se use la misma la i .

1.1.6 Pivoteo

>Como realizar las operaciones elementales sistematicamente? ... Para cada la \no nula", se denomina \pivote" ( elemento conductor o principal) al primer elemento \no nulo" de esa la. Apoyados en el \pivote", mediante operaciones elementales, se llevan a \ 0 " todos los terminos de \esa columna" que estan por debajo del \pivote", de acuerdo al siguiente procedimiento: 1. Tomar la \primer la" y su \primer coe ciente como pivote". ... Con operaciones adecuadas eliminar los primeros coe cientes de las las siguientes (o sea, los elementos de la primer columna, salvo el pivote (de la la 1) .

01 2 1 3 1 01 2 1 3 1 @ 3 ;1 ;3 ;1 A ; ;! @ 0 ;7 ;6 ;10 A ;
3 1+ 2 2 1+ 3

0 ;1 ;1 ;2

2. Luego, considerar la \segunda la" y su \segundo coe ciente como pivote".

01 2 1 3 1 @ 0 ;7 ;6 ;10 A
0 ;1 ;1 ;2

;1=7

;!

2+ 3

01 2 1 @ 0 ;7 ;6
0 0

3 ;10 ;1=7 ;4=7

1 A

3. Continuar as , con la \tercer la y el elemento de la tercer columna", hasta obtener una forma triangular (no necesariamente unica, porque?). ...

Observacion: Si durante este proceso, el coe ciente que corresponder a ser \ pivote" de una la particular, resulta ser \cero", ...

... se permuta esa la con \otra de las que le siguen", para lograr una \ la pivote" con un \pivote no nulo".

14

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

Si no existe una la (entre las que le siguen) que tenga un coe ciente \no nulo" en esa columna que se analiza...., ... se abandona esa columna, y se pasa a la \columna siguiente" en la \misma la" que se esta trabajando. 4. Finalmente, resolver por sustitucion hacia atras (como antes).

Observacion 3 Veamos un ejemplo del \caso" que acabamos de explicar, es decir cuando, Ejemplo Sistema 5 5

en la columna que se esta analizando, no hay ninguna posibilidad de obtener un \pivote no nulo" (al permutar con las las las que le siguen). ...... >Que se hace en este caso?

0 1 1 B ;1 ;1 B B ;2 ;2 B @ 0 0
1 1

1 0 0 1 2

1 0 0 1 2

1 1 1 ;1 3 1 3 ;1 4 1

1 01 C B 0 C B C B 0 ;! C A B @0

1 0 0 0 0 0

1 1 2 1 1

1 1 2 1 1

1 1 2 0 5 3 3 ;1 3 0

1 C C C C A

... entonces debemos tomar un pivote en la misma la pero en \la columna 3", y continuar el proceso:

Todos los posibles pivotes en la columna 2 son ceros,

01 B 0 B B 0 B @0

1 0 0 0 0 0

1 1 2 1 1

1 1 2 1 1

1 1 2 0 5 3 3 ;1 3 0

1 01 C B 0 C B C B 0 ;! C A B @0

1 0 0 0 0 0

1 1 0 0 0

1 1 0 0 0

1 1 2 0 1 3 1 ;1 1 0

1 C C C C A

De nuevo, ... las posibles elecciones del pivote en la columna 4 son ceros, entonces nos \movemos" a la columna 5 en esa misma la:

01 B 0 B B 0 B @0

1 0 0 0 0 0

1 1 0 0 0

1 1 0 0 0

1 1 2 0 1 3 1 ;1 1 0

1 01 C B 0 C B C B ;! 0 C A B @0

1 0 0 0 0 0

1 1 0 0 0

1 1 0 0 0

1 1 2 0 1 3 0 ;4 0 ;3

1 C C C C A

Comentarios En este caso llegamos a una matriz que se llama una forma escalonada.
En este ejemplo, las ultimas las representan las ecuaciones

0x + 0x + 0x + 0x + 0x = ;4 0x + 0x + 0x + 0x + 0x = ;3
1 1 2 2 3 3 4 4 5 5

Por tanto, se deduce que este sistema es \incompatible".

1.1. SISTEMAS LINEALES. CONJUNTO SOLUCION.

cientes pero \cambiamos" la columna de la derecha de la matriz ampliada (los bi ), ... > se mantiene el mismo tipo de solucion para el nuevo sistema?

15

Importante ! Si en el ejemplo anterior, mantenemos la \misma matriz" de coe Veamos.... Ejemplo Si realizamos las mismas operaciones elementales, ahora sobre el sistema que ha cambiado, respecto del previo, solo los terminos de la derecha, (bi ), obtenemos

...

0 1 1 B ;1 ;1 B B ;2 ;2 B @ 0 0
1 1

1 0 0 1 2

1 0 0 1 2

1 1 1 ;1 3 1 3 3 4 4

1 01 C B 0 C B C B ;! ;! B 0 C A @0

1 0 0 0 0 0

1 1 0 0 0

1 1 0 0 0

1 2 1 0 0

1 0 3 0 0

1 C C C C A

Ahora, las dos ultimas las representan la ecuacion

0x + 0x + 0x + 0x + 0x = 0
1 2 3 4 5

que es satisfecha por cualquier 5-upla (x1 x2 x3 x4 x5 ). Por tanto, en este nuevo sistema el conjunto solucion son todas las 5-uplas que satisfacen

x +x +x +x +x = 1 x + x + 2x = 0 x = 3
1 2 3 4 5 5 5 3 4

Dentro de estas tres ecuaciones, notamos que tenemos \dos tipos" de variables: variables independientes y variables dependientes

x x x = variables dependientes x x = variables independientes

1 3 2 5 4

Moviendo las variables independientes al termino de la derecha x +x +x = 1;x ;x x + 2x = ;x

1 3 5 5 5 2 4 3

x = 3

queda un subsistema \triangular", respecto de las variables x x x , que son las variables dependientes.
1 3 5

Por tanto, estas tres variables se pueden despejar en funcion del par de valores ( ) asignados a (x2 x4). El \sistema triangular" de las \variables dependientes" tiene solucion unica para cada par de valores

16
...( As

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

).

x = 3 x = ;x ; 2x = ; ; 6 x = (1 ; x ; x ) ; (x + x ) = 4 ;
5 3 4 5 1 2 4 3 5

El conjunto solucion del sistema dado, resulta:

(x x x x x ) = (4 ;
1 2 3 4 5

; ; 6 3)

donde y son numeros reales cualesquiera. Observacion 4 En el ejemplo previo, se ha visto que tiene \in nitas soluciones" porque
el sistema original de 5 5 resulto ser \equivalente a un sistema 3 5". Dos de las cinco ecuaciones originales son redundantes y no agregan nueva informacion sobre las incognitas (x1 x2 x3 x4 x5 ).

Importante ! Como vimos en los dos ejemplos anteriores, el hecho \que un sis::::::

tema \no tenga solucion" o tenga \in nitas soluciones" depende de las constantes fb1 b2 b3 b4 b5 g, los terminos del lado derecho del sistema.

Problema >Hay algun hecho, propiedad o caracter stica de los coe cientes de la matriz

del sistema n n, que pueda decirnos cuando el sistema tiene una unica solucion, o que no tiene solucion, o si tiene in nitas soluciones, sin tener necesidad de resolver efectivamente el sistema en detalle?. Respuesta 1:................................................... Puede ser que no tenga una respuesta completa. Pensar en dos ejemplos sencillos que expliquen. Respuesta 2:................................................... Mas adelante, veremos que analizando la matriz del sistema, y a veces agregando el termino b, es posible saber la respuesta (1).

1.2 Metodo de Eliminacion de Gauss

Un procedimiento e caz para resolver sistemas lineales de cualquier tama~ no es el metodo de Gauss. Ahora, abarcaremos sistemas que no son necesariamente cuadrados, con la metodolog a ya introducida. Comenzamos de niendo una forma especial de matrices:

1.2. METODO DE ELIMINACION DE GAUSS

17

De nicion Una matriz M es de forma escalonada por las si:

1. El primer coe ciente \no nulo" de cada la es 1 (pivote)(**). 2. Cualquier la que tenga solo ceros esta por debajo de las las que tienen algun elemento no nulo. Ademas... 3. si una la j , j > 1, es \ no nula" (porque tiene algun coe ciente no nulo) entonces el numero de ceros \ previos al primer elemento no nulo (pivote)" debe ser estrictamente mayor que el numero de \ceros previos al pivote de la la anterior " (es decir, la j ; 1-esima la).

Entonces ...

Comentarios Un sistema esta en la forma escalonada por las si en \ cada la" la

variable pivote esta a la \derecha de la variable pivote" de la la previa a ella.

De nicion El proceso que usa operaciones elementales sobre las las, para reducir un sistema lineal cualquiera a un sistema escalonado por las, se llama Metodo de eliminacion Gaussiana o Metodo de reduccion por las.

Observacion 5 La condicion (1) dada arriba, dice que a diferencia de la forma triangular

o de una forma escalonada estandar, se requiere el \paso adicional" que en cada la (no nula) \el primer elemento no nulo" sea un 1 (se pide re-escalar la la). (**) Por supuesto que tal re-escalamiento de la la no es imprescindible para resolver sistemas(antes ya resolvimos sin llevar a \1" el elemento pivote de la triangular), pero aqu se usa para ser coherentes con la bibliograf a citada y, ademas porque clari ca los resultados.

18

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

1. Si la forma escalonada por las de una \matriz aumentada" de un sistema incluye alguna la de la forma

Conclusion (Caso de sistemas cuadrados n n)

;0

0 1

entonces el sistema es incompatible (sin solucion). 2. En el caso que no ocurra lo del inciso previo, el sistema es compatible. Hay dos

posibilidades:

(a) Si las las no nulas, de la forma escalonada por las de la matriz ampliada, forman un sistema triangular (respecto de todas las variables del sistema), entonces el sistema tiene solucion unica. 01 1 B C 0 1 B C @0 0 1 A 0 0 0 1 (b) En caso contrario, existe una sub-matriz triangular correspondiente a un subconjunto de las variables (las que son las variables pivotes), y las restantes son variables libres-independientes, y hay in nitas soluciones

01 B 0 B @0

1 0 1 0 0 0 0 0

1 C C A

01 B 0 B @0

0 1 0 0 1 0 0 0 0 0

1 C C A

1.2.1 Sistemas m n.
De nicion Si un sistema tiene mas ecuaciones que incognitas (m > n) se dice sobredeterminado. Si por el contrario tiene menos ecuaciones que incognitas (m < n) se dice subdeterminado.

Importante ! Los sistemas sobredeterminados usualmente son inconsistentes (pero no

siempre!, ver el ejercicio que sigue). Los sistemas subdeterminados \usualmente" son \consistentes" con una cantidad innita de soluciones (pero no siempre!, pensar un ejemplo, con dos ecuaciones de 4 variables que di eran solo en los b0 s). Usualmente en el proceso de reduccion/eliminacion aparecen variables libres/independientes.

1.2. METODO DE ELIMINACION DE GAUSS

19

Problema Resolver el sistema de 4 3 tratando de obtener una forma escalonada

x + 6y = 9 ; y ; 2z = ;7 3z = 9 ; y+ z= 2
- >Hay alguna ecuacion inconsistente o contradictoria?. ->Cuantas soluciones tiene ese sistema y porque?. Observar que se obtiene un sistema triangular respecto de todas las variables: x y z. Todas las variables son pivotes. ... Lo observado, > que indica respecto de las soluciones?.

Problema Asumimos que se ha resuelto mediante operaciones elementales, usando el

metodo de Gauss, y que se obtiene como resultante de tales operaciones la matriz que se indica abajo: Sistema 3 5:

01 @1

1 1 1 1 2 1 1 2 2 3 1 1 1 2 3 2

1 01 A ;! @ 0

1 1 1 1 2 0 0 1 1 1 0 0 0 0 1 ;1

1 A

(i) De acuerdo a lo obtenido, >es compatible ese sistema? (ii) >Cuantas soluciones tiene?. Encuentre el conjunto solucion.

Ejemplo Dado el sistema

x; y+ z=1 3x + z=3 5x ; 2y + 3z = 5

se reduce a 01 ;1 1 11 01 ;1 1 11 01 ;1 1 11 3 1+ 2 1=3 2 @ A @3 0 1 3A ; 0 3 ; 2 0 ;! ;! @0 1 ;2=3 0A ;5 1 + 3 ;3 2 + 3 5 ;2 3 5 0 3 ;2 0 0 0 0 0 Se observa que es equivalente a un sistema de 2 3, que tiene una matriz triangular de 2 2 para las variables pivotes x e y , mientras que la variable z es libre. Hay \in nitas soluciones" dependientes de un parametro z . El conjunto solucion: 011 0;1=31 f@0A + @ 2=3 A z z 2 <g 0 1

Preguntar en la clase siguiente las dudas que pudieran surgir. .....

.... Los ejercicios siguientes son para practicar en su casa.

20

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

0 2 + 3 = 13 (b) 3 + ; = = 1 ; = ;1 ; + + =4 X 2.2 Usar el metodo de Gauss para resolver cada sistema. Obtener conclusiones sobre cuantas soluciones tiene o si ` no tiene ninguna'. (a) 2 + 2 = 5 ;4 =0 (b) ; + = 1 (c) ; 3 + = 1 (d) ; ; = 1 + =2 + + 2 = 14 ;3 ; 3 = 2 (e) 4 + = 20 2 ;2 + = 0 + = 5 + ; = 10 (f ) 2 + + = 5 ; = ;1 3 ; ; = 0 4 + +2 + = 9 X 2.3 Para cuales valores de no hay solucion, para cuales hay in nitas,y cuando hay una unica solucion?.
(a)
x y y x x x z x y y z x y y x x x y y x y z x y y x y z x y y z z z z x x x y x z w w w w y x x z z y k

Ejercicios X 2.1 Usar el metodo de Gauss para hallar la solucion de los sistemas:

; =1 3 ;3 = X 2.4 Cuales condiciones deben cumplir las constantes, los 's, para que cada sistema tenga solucion? Ayuda. Aplicar Gauss y ver que sucede con el lado derecho. (a) ; 3 = 1 (b) 1 + 2 2 + 3 3 = 1 3 + = 2 2 1+5 2+3 3= 2 +7 = 3 +8 3= 3 1 2 +4 = 4 2.5 Decir si es verdadero o falso: Un sistema con mas incognitas que ecuaciones tiene al menos una solucion. (Si es a rmativo, debe probarlo, mientras si dice falso debe mostrar un contraejemplo) 2.6 Cantas soluciones tiene el sistema: + + =0 + + =1 X 2.7 Encontrar los coe cientes , , y para que el gra co de ( ) = 2 + + pase por los puntos (1 2), (;1 6), y (2 3). (Veri car si obtiene ( ) = 1 2 ; 2 + 3). X 2.8 Mostrar que si ; 6= 0 entonces + = + = independientemente de los terminos y tiene una solucion unica.
x x y y k b x y y y y b b b b x x x x x x x x b b b x x x x x y y z z a b c f x ax bx c f x x x ad bc ax cx v by w v dy w

1.3. FORMA ESCALONADA REDUCIDA DE GAUSS- JORDAN

21

Despues de haber practicado y antes de nalizar con este tema, nos detenemos en algunas preguntas interesantes:
:::

S ntesis
:::

1. Desde la observacion que el metodo de Gauss puede hacerse de varias formas (cuando se permutan las, se pueden hacer elecciones diversas) se pregunta: > si siempre se llega al mismo conjunto solucion ?. Ademas,

2. si aplicamos el metodo de Gauss en dos formas diferentes,> el numero de variables libres sera el mismo ?. ... Entonces, el conjunto solucion en ambos casos, >tendra el mismo numero de parametros ?. 3. >Tendran las mismas variables libres> (es decir, >es posible que en una resolucion sean y , w, y en la otra resolucion sean y , z las libres?).

Otro procedimiento mas particular, de la metodolog a que estamos viendo, para resolver sistemas lineales ......

1.3 Forma escalonada reducida de Gauss- Jordan

Es una version del metodo de Eliminacion de Gauss que incrementa el numero de pasos(incrementa el numero de calculos) usando las operaciones elementales, para llegar a una forma escalonada \ especial ". Si en la aplicacion del metodo de Gauss, una vez alcanzada la matriz escalonada se continua con el proceso hasta que ... : : : \en cada columna correspondiente a cada variable pivote", el unico elemento \no nulo sea el 1" en la la de esa variable pivote, ... : : : se tiene el metodo de Gauss -Jordan.

Ejemplo Es decir, si se continua el proceso de Eliminacion hasta que \todos" los coe -

cientes \ por arriba de cada pivote" (que es el coe ciente 1, y el primero no nulo de esa la) se reduzcan a cero.

01 @0 0 01 @0

1 0 0 1 0 0 0

1 0 0 1 0 0

1 1 0 1 1 0

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

1 01 A ;! @ 0 1 00 1 A ;! @ 0

1 0 0 1 0 0 0

1 0 0 1 0 0

1 1 0 0 1 0

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

1 A 1 A

22

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

Las variables independientes pueden ser x2 y x3 pasando al termino derecho del sistema queda

x = 1;x ;x x = 2 x = ;1
1 4 5 2

Entonces, para cada par de valores (x x ) = ( (1 ; ; 2 ;1). In nitas soluciones.

2 3

), la solucion es (x x x x x ) =
1 2 3 4 5

La matriz aumentada nal en el ejemplo anterior se dice que esta en forma escalonada reducida.
La ventaja de llegar a esta \forma" mediante el proceso de eliminacion es que las ecuaciones resultantes son muy simples de resolver.

De nicion Una matriz A de coe cientes de m n esta en forma escalonada reducida

por las (ERRF) si
1. la matriz esta en la \forma escalonada por las", y ademas si... 2. la primer entrada \no nula" en cada la es el unico coe ciente no nulo en su columna (es decir todos los coe cientes por arriba y por abajo han sido llevados a cero). Este proceso de eliminacion mas restrictivo se llama reduccion de Gauss-Jordan.

Uds. pueden observar que requiere mas cuentas que los previos procedimientos

1.3. FORMA ESCALONADA REDUCIDA DE GAUSS- JORDAN

23

Problema El sistema

2x + y ; w = 4 y + w+u=4 x ; z + 2w = 0

se lleva a la forma matricial ampliada, luego usando operaciones elementales, se obtiene:

02 @0

1 0 ;1 0 4 1 0 1 1 4A 1 0 ;1 2 0 0

(1 2) 1

= ;!

;(1)
=

;! ;!
;1)

1+ 3

(1 2) 2 + 3

;!

01 @0 01 1 @0 0 01 @0 00 1 @0

1=2 0 ;1=2 0 2 1 0 1 1 4A 0 ;1 2 0 0 1 1=2 0 ;1=2 0 2 1 0 1 1 4A ;1=2 ;1 5=2 0 ;1 2 1=2 0 ;1=2 0 2 1 0 1 1 4A 0 ;1 3 1=2 0 1 1=2 0 ;1=2 0 2 1 0 1 1 4A 0 0 1 ;3 ;1=2 0

Hasta ah se obtiene una matriz triangular respecto de las 3 primeras variables(pivotes) y dos variables libres w , u.

Problema - Continuar con el procedimiento para llevarla a la forma de Gauss- Jordan, con el objetivo de practicar este metodo.
Veri car que el conjunto solucion es: (x y z w u)= f(w + (1=2)u 4 ; w ; u 3w + (1=2)u w u) w u 2 <g. Si usamos la forma de vectores columna:

0 x 1 001 0 1 1 01=21 B B B B ;1 C ;1C 4C yC C C B C B C B B C C B C B C B u w u 2 <g w + 1 = 2 + 3 = 0 fB z C B C B C B B A @wA @0A @ 1 A @ 0 C

u
0 0 1

24

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

Comentarios Notar que con esta notacion se explicita claramente el comportamiento

de la solucion en funcion de los parametros. Por ejemplo, la tercer la del vector muestra que si u se mantiene jo en 0 entonces z crece 3 veces mas rapido que w. Otro elemento a considerar es que si se ponen w y u en cero se obtiene

0 x 1 001 B B yC 4C B C B C B zC 0C =B B C B @wA @0C A

u
0

que es una solucion particular.

Problema En el MATLAB, si usa el comando : ` rref( A)', habiendo indicado previamente una matriz A, obtiene la forma escalonada de Gauss Jordan. ... Si indica la matriz ampliada : C = A b] obtendra la forma escalonada de la matriz ampliada de un sistema lineal : Ax = b ... Usarlo para practicar con los sistema planteados en los ejercicios previos. Recordar que una matriz en MATLAB se puede escribir : A = 1 2 3 4 5 6 7 8 9] por ejemplo. Con ` ` se separan las las de la matriz. Para ampliar el uso de \rref": leer en el MATLAB en 'help windows': Matrix functions- numerical linear algebra ... y busque `rref'.

Problema - En el libro de Grossman, pagina 32, leer los comandos del Software MAT1. Practique con el ejercicio 1 de ese inciso.

LAB para resolver sistemas lineales, y otros relacionados. Tambien en el Manual del MATLAB, en el aula o en el `HELP Windows' del Matlab en su PC. 2. En pagina 37 del libro, plantee el ejercicio 10 de Flujo de Tra co. Resuelva de acuerdo a lo sugerido en el libro, usando los comandos que corresponda. 3. Ver el ejercicio 11, p.p 38, de ajuste de polinomios a puntos. Usando los comandos indicados resolver, gra car, el ejemplo.

1.4. SISTEMAS HOMOGENEOS

25

S ntesis Hacemos una s ntesis sobre lo que sabemos acerca del metodo de Gauss.
1. El metodo de Gauss usa las tres operaciones elementales para llevar a un sistema a una \forma escalonada" que le permita resolver por sustitucion hacia atras. 2. Si en algun paso se encuentra una ecuacion contradictoria(no consistente) entonces se puede parar el procedimiento con la conclusion que el sistema \ no tiene solucin". 3. Si se obtiene una forma escalonada, sin contradicciones, y cada variable del sistema \ es una variable pivote en su la" entonces el sistema tiene \ una unica solucion ", y se encuentra por sustitucion hacia atras. substitution. 4. Finalmente, si se llega a una escalonada sin ecuaciones contradictorias, y al menos una variable no es variable pivote, entonces hay in nitas soluciones.

1.4 Sistemas homogeneos

De nicion Los sistemas homogeneos son aquellos sistemas lineales para los cuales las constantes fbi g son cero.

0 a B @ ...

11

am

...

an 0 amn
. . .
1

. . . 0

1 C A

Comentarios Los sistemas homogeneos son siempre compatibles o consistentes, Esta solucion se llama solucion trivial en los sistemas homogeneos.

porque (x1 x2 : : : xn ) = (0 0 : : : 0) siempre es una solucion (no importa como son m y n).

Importante ! Es posible que haya tambien otras soluciones ( estas soluciones no triviales que seran in nitas), pero (0 0 : : : 0) siempre sera solucion!. : : : Si un sistema homogeneo tiene solucion unica entonces esa unica solucion es la trivial.

Ejemplo Algunos sistemas tienen la unica solucion trivial.

3x + 2y + z = 0 ; 3x + 2y + z = 0 $ 3x + 2y + z = 0 1 2 2 3 6x + 4y = 0 ;! ;2z = 0 ;! y+ z=0 y+z=0 y+ z=0 ;2z = 0
2 +

Ejemplo Caso de in nitas soluciones. Un ejemplo, es el problema de Qu mica dado al

26

CAPITULO 1. SISTEMAS DE ECUACIONES LINEALES. RESOLUCION.

1x ; z =0 8x + y ; 5z ; 2w = 0 y ; 3z =0 3y ; 6z ; w = 0 1x ; z =0 y + 3z ; 2w = 0 y ; 3z =0 3y ; 6z ; w = 0 1x ; z =0 y + 3z ; 2w = 0 ;6z + 2w = 0 ;15z 5w = 0 1x ; z =0 y + 3z ; 2w = 0 1z ; 1=3w = 0 ;15z 5w = 0 1x ; 1z =0 y + 3z ; 2w = 0 1z ; 1=3w = 0 0=0

principio del modulo. 7x ; 7z =0 8x + y ; 5z ; 2w = 0 y ; 3z =0 3y ; 6z ; w = 0

(1 7) 1

= ;!

;(8)

;!

1+ 2

; 2+ 3 ;! ;3 2 + 4 ;(1=6)

;! ;!

15 3 + 4

El conjunto solucion: w libre, y las restantes variables son variables pivotes, luego sustituyendo hacia atras: z = 1=3w y = w x = z, luego la solucion se puede expresar:

1 - Observar que el sistema dado tiene in nitas soluciones (aparte de la trivial). Problema En relacion al problema de Qu mica (del TNT), justi car si es cierto o no la a rmacion siguiente: - Si se interpreta a w como numero de moleculas, entonces la solucion del problema tiene sentido si w > 0, y si es un multiplo de 3.
modulo, tener in nitas soluciones. - Explicar porque?.

0 x 1 01=31 ByC B 1C C B fB = @ z A @1=3C A w w 2 <g

w

Problema Debe cualquier problema Qu mico como el que vimos al principio del Problema Usando el MATLAB, ver pagina 44 del libro de Grossman, resolver el ejercicio 1-2. - Resolver el problema (3) de Qu mica semejante al del trinitrotolueno (TNT). -> Cuantas soluciones tiene?.

1.4. SISTEMAS HOMOGENEOS

27

Problema Analizar las a rmaciones siguientes, decir si son verdaderas o falsas. En

cualquier caso, justi car si la respuesta es a rmativa , y dar un contraejemplo en el caso contrario. 1. Cuando un sistema homogeneo es subdeterminado (m < n) el proceso de reduccion produce variables independientes y por lo tanto tiene soluciones adicionales \no triviales". ... En un sistema homogeneo m n, si m < n el sistema tiene in nitas soluciones. 2. Si m n, puede tener solucion unica o in nitas segun quede en la \ forma escalonada" un sistema triangular para todas las variables o para un conjunto parcial de ellas ( siendo las restantes libres).

Matem atica C III. Algebra de Matrices y Aplicaciones

Temario:
1. Clase 1: Matrices. Matrices especiales. Operaciones. Propiedades. Inversa de matrices. Matrices no singulares y singulares. Aplicaciones. 2. Clase 2: Matrices elementales. Matrices equivalentes. Relacion entre matrices no singulares y soluciones de un sistema lineal. Procedimiento para hallar la inversa. Conclusiones nales.

Cap tulo 1 Matrices

Objetivos En las clases previas hemos introducido las matrices para representar los
coe cientes de los sistemas lineales. Ahora estudiamos operaciones entre matrices y aplicamos nuevos resultados a la resolucion de sistemas lineales.

Una matriz A de m n se escribe ...

0 a B A = @ ...

11

am

an . . . ... C A = (aij ) o amn

1

aij ] , para todo i, j , j = 1 2 : : : n i = 1 2 : : : m:

En especial...

De nicion Un vector columna b de m componentes es una matriz de dimension m 1,

as

0 1 b B b = @ ... C A
1

bm

como R m . Observar: no importa el nombre m, o n, ese valor indica la dimension de un vector dado.

Comentarios El conjunto de todos los vectores columnas de m 1 (dimemsion m), cuyos coe cientes son numeros reales, se lo denomina m; espacio Eucl deo y se denota

De nicion Un vector la a de n componentes, es una matriz de dimension 1 n, es

decir

a = (a a : : : an)
1 2

CAPITULO 1. MATRICES

Comentarios En general, dada una matriz A de m n, las las de A se miran co-

mo vectores las (horizontales) de dimension n, mientras que las columnas de A, son vectores columnas de dimension m. En particular, la i-esima la de una matriz se denota como a (i :), y ... la j -esima columna de una matriz se denota como a (: j ), o simplemente como aj :

...Es decir, las las de A son

a (i :) = (ai ai : : : ain)
1 2

para i = 1 : : : m

... mientras que las n columnas de A

0 1 aj B a jC C aj = a (: j ) = B B . . @.C A
1 2

para j = 1 : : : n

amj

La matriz se puede describir-usando los vectores columnas- en forma mas sintetica:

A = (a a : : : an) = que es lo mismo que escribir las columnas a (: 1) a (: 2)

1 2

a (: n)

Ahora se de nen operaciones entre matrices, y se analizan sus propiedades...

1.1 Operaciones con matrices

La siguientes son de niciones basicas del algebra de matrices.

De nicion Dadas dos matrices A = aij ], y B = bij ], con m las y n columnas. Igualdad: Dos matrices A y B son iguales si:
1. tienen la misma dimension, y 2. los coe cientes ij correspondientes son iguales, es decir

aij = bij para todo i, j:

1.1. OPERACIONES CON MATRICES

De nicion Multiplicacion por un escalar: Si es un numero real, se de ne el

producto :A como la matriz

:A = :aij ]
o sea, una nueva matriz de igual dimension cuyos coe cientes son los de A multiplicados por el numero .

Suma de matrices: Si las matrices A y B tienen la misma dimension, entonces la

A + B = aij + bij ]
3 7 ;1 + 4 0 2 = 7 7 1 2 2 5 0 6 ;3 2 8 2

suma de ellas es la matriz cuyos coe cientes son los que se obtienen de la suma de los coe cientes respectivos, es decir

As la matriz C = :A + B es la que tiene los coe cientes cij = aij + bij , para cada i j . Observar que la suma de matrices solo esta de nida para matrices con igual dimension.

Matriz opuesta de A: Es la matriz ;A = (;1) :A = ;aij ]

Luego, la resta de matrices se hace

A ; B = A + (;B ) = aij ; bij ]

Matriz nula: La matriz nula (escribe como 0) tiene todos sus coe cientes iguales a
cero. Por ejemplo, la matriz nula de dimension 4 3 es

00 B0 0=B @0

0 0 0 0 0

0 0C C 0A 0

La matriz ;A es la inversa aditiva u \opuesta" de la matriz A, ya que A +(;A) = aij ; aij ] = 0] = 0.

CAPITULO 1. MATRICES

De nicion Continuacion... Matriz transpuesta: Al intercambiar (o transponer) las por columnas en una matriz
A se obtiene la matriz transpuesta AT
Por ejemplo,

AT = aji]
0 2 4 A= ; 6 8 2

00 ;61 entonces AT = @2 8 A
4 2

Si la dimension de A es m n entonces AT es de dimension n m. En particular, si a (i :) es un vector la entonces (a (i :))T es un vector columna. ; Es claro que AT T = A.

Matriz cuadrada: Una matriz cuadrada es una matriz de dimension n n (tiene la

misma cantidad de las y columnas). ...

Algunas matrices cuadradas especiales: Matrix diagonal: Todos los elementos que estan fuera de la diagonal principal(aii 8i), son ceros
...

aij = 0 0 para i 6= j a 0 B 0 a 0 A = B B @ ... 0 . . . 0 0 0

11 22

0 0C C C 0A ann

Matriz identidad: Es una matriz \diagonal" donde todos los coe cientes de la
diagonal principal son 1

aij =

1 010 B0 I = B B @ ... 0

0 1 0 0

i=j i 6= j 1 0 0 0C C . . . 0C A 0 1

La matriz identidad de dimension n n se denota como In .

1.1. OPERACIONES CON MATRICES

por debajo de la diagonal principal son cero
11 12 22

De nicion continuacion... Matriz triangular superior: Todos los coe cientes

aij = 0 0 para i > j 1 a a an B0 a a nC C A = B B @ ... 0 . . . ... C A 0 0 0 ann
1 2

Matriz triangular inferior: Todos los coe cientes por encima de la diagonal
principal son cero

aij = 0 0a para 0i < j 0 1 Ba a 0C C A = B B . . . . . . . . @. . . .C A an an ann

11 21 22 1 2

Matriz simetrica: Es una matriz que es igual a su matriz transpuesta

AT = A o sea, aij = aji

0 1 ;7 A = @;7 2
3

3 0A 0 ;4

Matriz anti-simetrica: Un matriz es anti-simetrica cuando cumple: AT = ;A. AT = ;A o sea, aji = ;aij

00 A = @;3
aii = ;aii, en consecuencia aii = 0.

3 ;2 0 1A 2 ;1 0

De acuerdo a la de nicion los elementos de la diagonal principal cumplen que

CAPITULO 1. MATRICES

Ejercicio En la tabla siguiente se dan las cali caciones de 5 estudiantes, obtenidas en

3 TEST (puntaje maximo= 100 en cada TEST). Cada columna corresponde a cada TEST. Las las son los estudiantes.

0 Test1 B 75 B B 91 Estudiantes B B 65 B @ 59
75

Test2 Test3 82 86 95 100 70 68 80 99 76 74

1 C C C C =G C C A

(i) Si las cali caciones son modi cadas o ajustadas, agregando a las del TEST1 7 puntos y a las del TEST2 5 puntos a todos los alumnos, escribir usando la suma de matrices una forma de calcular las nuevas cali caciones. (ii) Se ha decidido reducir en un 10% todas las notas. Encuentre las nuevas cali caciones usando operaciones con matrices. (iii) El profesor desea hacer los promedios nales, considerando que el promedio proviene de la siguiente ponderacion: 30% del primer Test, el 30% del segundo y el 40% del tercero. Pensarlo como suma de tres vectores columnas (luego lo plantearemos de otra manera). Veri car que las notas nales son

0 Promedio 1 B C 81.5 B C B C 95.8 C Estudiantes B B C 67.7 B C @ 81.3 A

74.9

1.1.1 Algunas propiedades sobre transposicion de matrices

Ejercicios ; 1.1 (a) AT T = A
1 2 3 4 5 6

Veri car que son validas las siguientes propiedades. Dadas las matrices A, B con dimensiones apropiadas,

T T

01 41T = @2 5A =
3 6

1 2 3 4 5 6

(b) ( :A)T = :AT

2 : 1 3 4

= =

2: T = 3: 3: 4: 2: 4: T 1 3 1 2 : 2 4 = : 3 4

1.1. OPERACIONES CON MATRICES

9
T

(c) (A + B )T = AT + B T

1 2 + a b 3 4 c d

+1 b+2 = a c+3 d+4

T

+1 c+3 1 3 a c 1 2 = a b+2 d+4 = 2 4 + b d = 3 4

b + a c d

Problema Usando el MATLAB...

1. Hacer el Laboratorio 3. En el primer ejercicio, hay algunos comandos que seran utiles en temas del curso que aun no se han desarrollado. Los demas ejercicios son utiles para el tema que estamos desarrolando. 2. En el libro de Grossman (pagina 58), leer y resolver los ejercicios 44 y 45, usando el MATLAB, para aprender a usar ese utilitario.. 3. En pagina 59 del libro, usando el MATLAB resolver (1.a) 4. Leer el ejercicio (2a.) (p.p 60) y usar los comandos de Matlab para comparar con el ejercicio 45 previo. 5. Hacer el ejercicio 3. de la pagina 60. usando el Matlab .

Para practicar en su casa ...

10

CAPITULO 1. MATRICES

Ejercicios X 1.1 Encontrar las entradas que se indican de la matriz,

21 12 22 31

3 1 A= 1 2 ;1 4 (a) a (b) a (c) a (d) a (e) a X 1.2 Dar la magnitud de cada 0matriz. 1 1 1 0 4 5 10 @ A ; 1 1 (a) 1 (b) (c) 2 1 5 10 5 3 ;1 X 1.3 Dar 0 el resultado, 1 031si esta de nido. 011 031 2 4 (a) @1A + @0A (b) 5 ; (c) @5A ; @1A (d) 7 2 +9 3 1 1 5 1 04 1 1 1 031 021 011 1 @ A (f) 6 @1A ; 4 @0A + 2 @1A (e) 1 2 + 2 3 1 3 5 X 1.4 El vector dado esta en el conjunto que se describe. >Para cual valor del parametro se obtiene el vector indicado ? 5 , f 1 k k 2 <g (a) ; ;1 1 0 1 0;511 0 ;2 3 (b) @ 2 A, f@ 1 A u + @0A v u v 2 <g 11 0 1 0 1 00 0 1 1 2 (c) @;4A, f@1A u + @0A v u v 2 <g 2 0 1 X 1.5 Para cada matriz A, la transpuesta de A, A , es la matriz cuyas columnas son las las de A. Hallar las transpuestas de: 011 2 3 ;3 (c) 5 10 (d) @1A (a) 1 (b) 2 4 5 6 1 1 10 5 0 1.6 Para toda matriz A, n n, veri car que A + A , es una matriz simetrica. Luego, para cada matriz A dada y su transpuesta, calcular A + A : ;3 (b) 5 10 (a) 2 1 1 ;10 5
13 trans trans trans

1.2. SISTEMAS LINEALES - MULTIPLICACION DE MATRICES

11

1.2 Sistemas Lineales - Multiplicacion de matrices

Antes de formalizar la de nicion de esta nueva operacion, veamos como se puede obtener una expresion matricial para sistemas lineales. Dado un sistema lineal de dimension m n

a x + a x + + a n xn = b (1.1) a x + a x + + a n xn = b ... ... = ... am x + am x + + amn xn = bm Consideramos bi ] como un vector columna de dimension m 1, y las incognitas xi] como otro vector columna de dimension n 1, es decir 0x 1 0b 1 Bx C B bC C B C x=B y b = B C B @ ... A @ ... C A xn bm Queremos expresar el sistema lineal (1.1) como una ecuacion matricial ... Ax = b siendo A la matriz de los coe cientes del sistema de dimension m n, x el vector de las incognitas, y b el vector de los terminos independientes.
11 1 12 2 2 1 2 1 2 21 1 22 1 1 2 2 1 2 1 2

Comentarios Cada componente bi del vector b se obtiene como el producto escalar

(recordar que se conoce de los cursos previos) entre la la i de A, y el vector x:

;a

i1

0x 1 Bx C C = ai x + ai x ain B B @ ... C A
1 2 1 1 2

+ ainxn = bi

xn

As cada i-esima la de A se combina con todos los coe cientes de x para formar el correspondiente i-esimo coe ciente bi del vector b. Entonces el sistema lineal (1.1) se puede escribir ... 0 1 0x 1 0 1 0 1 a a n Bx C a x + a x + + a nxn b B C B C B C B . . . . .. =@ = @ ... C C @ .. . . .. A B A A . . @ A . am amn x am x + am x + + amn xn bm
11 1 1 2 11 1 12 2 1 1 1

Entonces, el sistema lineal se expresa como

Ax = b:

12

CAPITULO 1. MATRICES
3x + 2x + 3x = 5 x ; 2x + 5x = ;2 2x + x ; 3x = 1
1 2 2 3 3 3 1 1 2

Ejemplo Para un sistema de 3 3.

se transforma en

03 2 @1 ;2

3 x 5 A @ A @ 5 x = ;2A 2 1 ;3 x 1
1 2 3

10 1 0 1

Ahora, mirando las columnas de A ...

Importante ! Un sistema lineal de m n tambien puede ser considerado como una

suma de vectores columnas

b =
=

0 a B . A:x = @ . .
11 21 1 1

11

am = x a +x a +
1 1 1 2 2 1 2

0a x 1 0a x 1 B B a xC a xC B C B C+ + B @ ... C A B @ ... C A am x 0 a 1 am0xa 1 B B a C a C B C B C x :B + x : C B . . . . @.A @.C A+

12 22 2 2 1 1 2 2 11 21 12 22 1 2

am

...

amn

1 0x 1 0 a x + a x + a n Bx C B a x + a x + C B.C B . . . . A:B . @ .. C A=B @ .

1 1 2 11 21 1 1 12 22 2 2

+ a n xn + a n xn
1 2

xn

am + xn a n
2

m x + am x 0 a x a1 n n B a n xn C C +B B @ ... C A amnxn 0a 1 n B a nC B C + xn : B . . @.C A

1 1 2 1 2 1 2

+ amnxn

1 C C C A

amn

De nicion Si a a : : : an son n vectores columnas en

escalares (numeros reales), una suma de la forma

R m y si c1 c2 : : : cn son

c a +c a +
1 1 2 2

+ cnan =

n X i=1

ci ai(: i)

se llama combinacion lineal de los vectores ai].

Observacion 1 La combinacion lineal de vectores es una herramienta fundamental para

usar en los sistemas de ecuaciones lineales. 1. En un sistema lineal A:x = b, el producto A:x es combinacion lineal de las columnas de A (consideradas como vectores columnas) con los escalares c1 = x1 c2 = x2 : : : ... entonces

1.2. SISTEMAS LINEALES - MULTIPLICACION DE MATRICES

13

2. Resolver un sistema lineal A:x = b es equivalente a \encontrar un conjunto de coe cientes" fxi g que permitan expresar al vector columna b como combinacion lineal de los vectores columnas de la matriz A

b=
Una conclusion fundamental es ...

n X i=1

xi ai

Conclusion El sistema lineal de m n, A:x = b tendra solucion \s y solo s " el vector columna b puede ser escrito como combinacion lineal de los vectores columnas de

la matriz A. Luego, ... si esto es posible, los correspondientes coe cientes xi ] de la combinacion lineal constituyen la solucion (x1 x2 : : : xn ) del sistema.

Ejemplo Tomemos un sistema de 2 3

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

Puede ser escrito como

2 5
o

0x 1 3 ;2 : @x A = ;4 2 x
1 2 3 2 3

5 6

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

Eligiendo (x1 x2 x3 ) = (2 3 4) queda

3 + 4 ;2 = 5 2 2 + 3 5 ;4 2 6
.... entonces

(<chequear!)

021 x = @3A
4

es una solucion del sistema.

Se tiene el siguiente teorema ... Teorema Un sistema lineal A:x = b es compatible (tiene al menos una solucion) ,
b puede ser expresado como una combinacion lineal de los vectores columnas de A.

14

CAPITULO 1. MATRICES

Ejemplo Tomemos un sistema de 2 2

x + 2x = 1 2 x + 4x = 1
1 1 2 2

1 2 : x 2 4 x

1 2

= 1 1 =b

En este caso, b no puede ser escrito como combinacion lineal de las columnas de A, pues si lo intentamos:

2 = x + 2x = x + 2x 1 x 1 + x = 6 2 4 2x + 4x 2 (x + 2x ) 1
1 2 1 2 1 2 1 2 1 2

para cualquier x1 x2 . Entonces, el sistema es \incompatible". Se puede ver mediante el Eliminacion Gaussiana:

1 2 1 2 4 1

1 2 1 ;! 0 0 ;1 =) por lo tanto incompatible

1.2. SISTEMAS LINEALES - MULTIPLICACION DE MATRICES

15

a una curva. En particular, si se conocen ciertos puntos del plano (datos): puntos (xi yi), i = 1 2, por ejemplo, P1 = (1 2), y P2 = (;1 6). (i) Es posible hallar los coe cientes (a b c) del polinomio de segundo grado y = 2 ax + bx + c, para que su gra ca pase por P1, y P2 ?. Plantear el sistema en forma matricial y resolver. (ii) Luego, explicitar la expresion del vector y (de las ordenadas yi de los puntos dados) de la derecha

Problema En la seccion de sistemas lineales, vimos el problema de \ ajuste de puntos"

y= 2 6
como combinacion lineal de los vectores columnas de la matriz del sistema. (iii) Supongamos que tenemos ahora 3 puntos P1 = (x1 y1 ), P2 = (x2 y2 ), P3 = (x3 y3), que son los dos previos mas P3 = (2 5). Plantear el problema, en forma matricial, para ver si existe una parabola que contenga los 3 puntos dados. Resolverlo. Hay una solucion (a b c)?. Explicar. - Gra car en MATLAB los 3 puntos. Para eso usar : plot(x1 y1 , 'ro') hold on plot(x2 y2 , 'ro') ... y asi el restante. - Si encontro la parabola que contiene a esos puntos, dibujarla en el mismo dibujo: Para eso, de nir x=-1:0.1:10 y = a x2 + b x + c hold on plot(x,y, 'b-'), por ejemplo hold o - En este caso, el vector y de las ordenadas de los Pi se puede escribir como combinacion lineal de las columnas de la matriz del sistema planteado?. Si es a rmativo, expresar y como combinacion de las columnas de la matriz. (iv) Si agrega un nuevo dato P4 = (3 5). Agregarlo al gra co del inciso (iii). Es posible encontrar una parabola que contenga a los 4 puntos dados?. Si plantea el sistema para hallar los coe cientes a b c, > podra expresar el vector y de las ordenadas de los Pi , como combinacion de las columnas de la matriz del nuevo sistema?.

Problema Recordar el problema de las notas obtenidas por un conjunto de alumnos

en tres Test. En la parte (iii) de ese problema se ped a calcular los promedios obtenidos por cada alumno, teniendo en cuenta que: \ El profesor desea hacer los promedios nales, considerando que el promedio proviene de la siguiente ponderacion: 30% del primer Test, el 30% del segundo y el 40% del tercero". - Rehacer el calculo de los promedios usando ahora \ el producto de una matriz por un vector". - Comparar esta operacion con la operacion de \combinar las columnas" de la matriz de notas, usando coe cientes apropiados.

16

CAPITULO 1. MATRICES

Problema Usando el MATLAB:

(a.) Rehacer alguno de los ejercicios previos, usando el MATLAB. Hacer el ejercicio del libro de Grossman que esta en pagina 96, ejercicio 1, inciso (a) y (b). - Hacer el ejercicio 4(c) y (d) ( en pagina 97).

1.3 Multiplicacion de matrices

1. El producto de matrices A:B solo esta de nido cuando el numero de columnas de A es igual al numero de las de B . O sea, cuando la dimension de A es m n y la dimen-

sion de B es n r. 2. El producto C = A:B es una matriz de dimension m r cuya j -esima columna es el producto de A por el j -esimo vector columna de B: C = (c c : : : cr ) = (A:b A:b : : : A:br ) y por lo tanto cij = es el i-esimo coe ciente de A:bj .
1 2 1 2

Recordar que

0 a B A:bj = @ ...

11

am

...

0n 1 1 0 1 BP a k bkj C an bj k B ... C ... C C A:B @ ... C A=B B C n @P A amn bnj a b

1 1 1 =1

C = A:B = ciji] =

"X n
k=1

k=1

mk kj

aik bkj

(m n) : (n r) = (m r) o en terminos de vectores las y columnas cij = a (i :) :bj

1.3. MULTIPLICACION DE MATRICES

17

Ejemplo
1 2 : 3 = 5 3 4 1 13 1 2 pero 3 1 : 3 4 no esta de nida.

Comentarios Si una matriz A tiene dimension m n y una matriz B tiene dimension

n m, entonces A:B y B:A estan de nidas. Pero A:B tiene dimension m m y B:A tiene dimension n n.

Ejemplo

03 ; 2 1 2 A = @2 4 A B = ; 4
1 ;3

1 3 1 6

A:B =
=

03 ;21 2 1 @2 4 A : ; 4 1 1 ;3 0;14 1 ;3 1 @ 12 6 30 A
;14 ;2 ;15

3 6

03: (;2) ; 2:4 3:1 ; 2:1 3:3 ; 2:61 = @2: (;2) + 4:4 2:1 + 4:1 2:3 + 4:6A
1: (;2) ; 3:4 1:1 ; 3:1 1:3 ; 3:6

(3 3)

y B:A tambien esta de nida

B:A =
=

;2 1 3
4 1 6

;1 ;1 20 ;22

03 ;21 2:3 + 1:2 + 3:1 ;2: (;2) + 1:4 + 3: (;3) : @2 4 A = ; 4 :3 + 1:2 + 6:1 4: (;2) + 1:4 + 6: (;3) 1 ;3
(2 2)

Comentarios Notar que B:A 6= A:B . Se deduce, que la multiplicacion de matrices no

es conmutativa. Entonces... ...el orden de los factores en la multiplicacion de matrices debe tenerse siempre en cuenta.

18

CAPITULO 1. MATRICES

Problema Juan, Pablo y Diego trabajan para una empresa que produce 3 tipos de

productos: P1 , P2 , P3 . La labor se paga por cada unidad realizada, dependiendo ese valor del tipo de producto. Los valores pagados son x1 = 1$ por cada unidad de P1 , x2 = 2$ por las unidades de P2, y x3 = 3$ por cada unidad de P3. Las matrices L y M siguientes representan las unidades producidas de cada producto por cada empleado, durante dos d as (LUNES y MARTES). 4 L = Juan Pablo 5 Diego 3
1

P P P
1

3 1 4

2 2 1 1 2 3
3

3 M = Juan Pablo 4 Diego 5

P P P
6 2 1
2

El vector columna o matriz de 3 1, X es el pago por cada unidad producida:

0x 1 011 X = @x A = @2A
1 2 3

Calcular las matrices siguientes, y explicar su signi cado: (a) L.X, (b) M.X, (c)L + M , (d) (L + M )X .

Ejercicio (i) Este producto esta de nido ? ;1 2 0

0 0 0 2

0 10 1:1

0 0 0 2

(ii) Y el siguiente?, si es a rmativo calcular el resultado.

;1 2 0

0 10 1:1

1.3. MULTIPLICACION DE MATRICES

dados. Ver que a veces si se permutan las matrices el producto no esta de nido. (i)

19

Ejercicio Testear si el producto de matrices es conmutativo en los casos particulares

1 2 3 4
(ii) Idem para

5 6 7 8

5 6 7 8

1 2 0 3 4 0

Ejercicio Usando el MATLAB, hacer los productos indicados arriba, usando el co-

mando del producto: A*B, ingresando primero la matriz A, del tipo m n, y B es del tipo n r, para que se pueda realizar el producto.

1.3.1 Reglas para el algebra de matrices

Las siguientes reglas se cumplen para cualquier par de numeros reales y para matrices A B y C que tengan la dimension adecuada para que las operaciones esten de nidas: 1. A + B = B + A La suma de matrices es conmutativa. 2. (A + B ) + C = A + (B + C ) La suma de matrices es asociativa. 3. (A:B ) :C = A: (B:C ) La multiplicacion de matrices es asociativa. 4. A: (B + C ) = A:B + A:C La multiplicacion es distributiva con la suma a la izquierda. 5. (B + C ) :A = B:A + C:A La multiplicacion es distributiva con la suma a la derecha. 6. ( ) :A = : ( A) 7. : (A:B ) = ( :A) :B = A: ( :B ) 8. ( + ) :A = :A + :A 9. : (A + B ) = :A + :B

Comentarios La propiedad 3: (A:B ) :C = A: (B:C )

Si A tiene dimension m n, entonces para que A:B este de nida, B debe tener dimension n r para algun r. En este caso A:B tiene dimension m r. Ahora, para que (A:B ) :C este de nida, C debe tener dimension r s para algun s. Y entonces (A:B ) :C tiene dimension m s. Pero A: (B:C ) es de la forma (m n) : f(n r) : (r s)g. O mas abreviado, (m n) : (n s). Por lo tanto, (A:B ) :C y A: (B:C ) tienen la misma dimension.

20

CAPITULO 1. MATRICES

Ejemplo
A =
(A:B ) :C = =
y

0 1 0 41 2 1 ;3 0 4 @ 1 1 1A ;1 1 B = 2 3 ;2 C = ; 0 1 0 413 2 1 2 1 : ;3 0 4 : @;1 1 1A ;1 1 2 3 ;2 0 1 0 41 3 2 1 ;4 3 6 : @;1 1 1A = 11 15 ;7 5 3 ;6 ;16 ;9 17

3 2 1 0 3 2 1 ;1 1

A: (B:C ) =
=

2 3 :4 ; 2

2 1 9 8 ;1 1 : ;7 ;1

01 4 : @;1 ;2 3

0 4 1 1A5 2 1 ;8 = 11 15 ;7 9 ;16 ;9 17

13

Demostracion del punto 4: A: (B + C ) = A:B + A:C

Si A tiene dimension m n, entonces B y C deben tener dimension n r. Llamemos D = A: (B + C )

dij = a (i :) : (j -esima columna de B + C ) = a (i :) : (bj + cj ) 0b + c 1 1j 1j B C b + c 2 j 2j C = (ai1 ai2 : : : ain ) : B B @ ... C A cnj 0+ 0 a : (b + c ) 1 bnj 1 0 a :c 1 ai1 :b1j i1 1j 1j i1 1j C B B C B a :b a : ( b + c ) a i 2 21 j i 2 2 j 2 j i C B B C B 2:c21j C C
=

ain : (bnj + cnj ) ain:bnj ain :cnj = a (i :) :bj + a (i :) :cj = (A:B )ij + (A:C )ij = (A:B + A:C )ij

B @

.. .

C A=B @

.. .

C A+B @

.. .

C A

Problema (i) De lectura: En pagina 67 del libro de Grossman, el EJEMPLO 6

muestra una aplicacion del producto de matrices. (ii) Luego aplicarlo, a los problemas 33 y 34 en la pagina 80 del libro (usando el MATLAB).

Para practicar en su casa .....

1.3. MULTIPLICACION DE MATRICES

21

Ejercicios X 3.1 Calcular, o establecer que \no esta de nida la operacion ", en los casos siguientes: 02 ;1 ;11 3 1 0 5 1 1 ;1 @3 1 1 A (c) (a) ; (b) 4 2 0 0:5 4 0 3 3 1 1
2 7 X 3.2 Si

01 ;7 @;1 4

0 5 1 1A 3 8 4

2 (d) 5 3 1

;1 2 3 ;5

;1 B = 5 2 C = ;2 3 A= 1 2 0 4 4 ;4 1 calcular si es posible, o establecer que `no esta de nida' la operacion: (a) AB (b) (AB )C (c) BC (d) A(BC ) 3.3 >Cuales de los productos indicados abajo estar an de nidos, de acuerdo a las dimensiones que se indican ? (a) 3 2 . 2 3 (b) 2 3 . 3 2 (c) 2 2 . 3 3 (d) 3 3 . 2 2 X 3.4 Dar la magnitud de la matriz producto, o establecer que \no esta de nida", de acuerdo a las dimensiones que se indican: (a) el producto de una matriz 2 3 por una matriz 3 1 (b) el producto de 1 12 con 12 1 (c) el producto de 2 3 por una 2 1 (d) el producto de 2 2 por otra 2 2.

22

1.4 Aplicaciones.
Ejercicio de Lectura.

CAPITULO 1. MATRICES

Recuperacion de informacion- Bibliotecas digitales y herramientas de busqueda

Tarea: Buscar en una base de datos (una coleccion de documentos - miles o cientos
de miles de documentos) para encontrar algun documento que se aproxime lo mas posible a ciertos criterios de busqueda. ... Ejemplos de bases son: Art culos en revistas, paginas web, listas de archivos, pel culas, canciones, poes as, libros.... Supongamos que nuestra base de datos contiene m documentos, y se dispone de n palabras claves o frases para hacer la busqueda (elegidas juiciosamente: evitando palabras simples y comunes o frases que no describan el contenido, como art culos, preposiciones, pronombres, etc.). Ordenamos las palabras claves en forma alfabetica (de 1 a n), y representamos la base de datos mediante una matriz A de m n, de la siguiente manera: (i) Las las representan cada documento individualmente. (ii) Las columnas representan las palabras claves. aij = es la frecuencia relativa de encuentros de la j -esima palabra clave en el i-esimo documento. La lista de palabras claves que son usadas en una busqueda espec ca se representan con un vector columna x en R n , donde

xj = 1 si la j -esima palabra clave de la lista maestra esta en nuestra busqueda espec ca xj = 0 en caso contrario
La busqueda se "realiza" entonces al multiplicar A por el vector columna x.

Ejemplo Base de datos: libros de texto sobre Algebra Lineal.

1. Algebra lineal aplicada. 2. Algebra lineal elemental. 3. Algebra lineal elemental con aplicaciones. 4. Algebra lineal y sus aplicaciones. 5. Algebra lineal con aplicaciones. 6. Algebra de matrices con aplicaciones. 7. Teor a de matrices.

1.4. APLICACIONES.

23

algebra, aplicacion, elemental, lineal, matriz, teor a Como los t tulos de los libros no repiten ninguna palabra clave, ... podemos \usar ceros y unos" para los coe cientes aij de la matriz del ejemplo. En general, las entradas aij podran ser numeros enteros que representan la cantidad de veces que la palabra clave j aparece en el t tulo o documento i). Asumimos que nuestra herramienta de busqueda es su cientemente so sticada y exible como para identi car las diferentes formas de una misma palabra (aplicacion = aplicaciones = aplicada). Los coe cientes para este caso seran Palabras claves Numero del libro algebra aplicacion elemental lineal matriz teor a (1) 1 1 0 1 0 0 (2) 1 0 1 1 0 0 (3) 1 1 1 1 0 0 (4) 1 1 0 1 0 0 (5) 1 1 0 1 0 0 (6) 1 1 0 0 1 0 (7) 0 0 0 0 1 1 Si nuestra busqueda consiste en faplicada, lineal, algebrag entonces de nimos el vector de busqueda x, y la matriz de la base de datos 01 1 0 1 0 01 011 B C 1 0 1 1 0 0C B B 1C B C B C 1 1 1 1 0 0 B C B C 0 B C B A = B1 1 0 1 0 0C el vector de busquedax = B1C C B C B C 1 1 0 1 0 0 B C @ A 0 @1 1 0 0 1 0A 0 0 0 0 0 1 1 Ahora, buscamos y = Ax 01 1 0 1 0 01 0 1 031 1 B B 1 0 1 1 0 0C 2C B C B C B C 1 B C B C B 1 1 1 1 0 0C B0C B3C B C C B C B C 1 1 0 1 0 0 3 y=B : = B C B C B C 1 B B C B 1 1 0 1 0 0C 3 B C B C A @2C @1 1 0 0 1 0A @0 A 0 0 0 0 0 1 1 0

La coleccion de palabras claves es:

y = cantidad de palabras-buscadas que coinciden en el t tulo 1. y = cantidad que coinciden en el t tulo 2.

1 2

ym = cantidad que coinciden en el t tulo n.

. . .

24

CAPITULO 1. MATRICES
Como y1 = y3 = y4 = y5 = 3, los libros 1 3 4 5 son los que mejor coinciden, porque contienen a las tres palabras claves buscadas. Si buscamos los t tulos que contengan todas las palabras claves buscadas, entonces la respuesta es 1 3 4 5. En cambio, si buscamos los libros cuyos t tulos contengan al menos una de las palabras claves buscadas, entonces la respuesta sera: primero los 4 libros con 3 coincidencias, seguidos de los 2 libros con 2 coincidencias en total 6 libros.

Una herramienta t pica de busqueda de alta performance puede buscar millones de documentos con cientos de miles de palabras claves posibles. "...no es extra~ no que los buscadores adquieran y/o actualicen tantas como 10 millones de paginas web en un solo d a." Nuestro problema de busqueda es manejable (y bastante simpli cado) ya que la matriz de la \base de datos" y los vectores de busqueda son t picamente esparsos (contienen muchos ceros). Las palabras claves de busqueda deben ser elegidas con cuidado para optimizar el resultado: buscar en la Web libros de algebra lineal usando las palabras claves lineal y algebra podra arrojar miles de aciertos, muchos de los cuales quizas no tengan nada que ver con algebra lineal. A su vez, si usamos criterios muy restrictivos, podemos perder algunas paginas relevantes e interesantes. Para paginas web, los coe cientes de la matriz de la base de datos deber an representar la frecuencia relativa de ocurrencias de la palabras claves en los documentos. Entonces, en vez de tratar de hacer coincidir todas las palabras de la lista de busqueda extendida, podr amos dar prioridad a aquellas paginas/documentos que coincidan sobre todo en las de frecuencia relativa alta (excepcion notable: Google). Para hacer esto necesitamos encontar las las de la matriz A que esten mas cerca del vector x. Y para esto, necesitamos el concepto de ortogonalidad (que se tratara mas adelante).

1.5 Vectores ortogonales

De nicion Sean dos vectores la o columna de n componentes (de <n), no nulos :

0 1 0 1 u v B C B u vC B C B C u=B y el vector v = B . C . . . @.A @.C A

1 2 1 2

un

se dicen \ortogonales" si el producto escalar u:v = (ii) Los vectores (1 0), (0 1), lo son?. (iii)En el espacio, u = (1 1 0), v = (;1 1 1) ?.

Pn u v = 0. i i i
=1

vn

Ejemplo (i) Sea u = (1 1) , v = (1 ;1). Veri car y dibujar en el plano.

1.6. PECULIARIDADES DEL PRODUCTO DE MATRICES.

25

Ejercicio (i) Dado un sistema homogeneo: Ax = 0, A 2 <m n, x 2 <n.

- Si el sistema tiene \in nitas soluciones", hay vectores ortogonales a todas las las de A?. Cuales?. - Si Ax = 0 tiene unicamente la solucion trivial (cero), existen vectores ortogonales a todas las las de A?. (ii) Dada la matriz

;1 M= 1 1 1
Existe algun vector no nulo x 2 <2 tal que Mx = 0 ?. Analizar resolviendo el sistema homogeneo, y relacionando con el tipo de solucion que tiene. (vi) Si la matriz es

;1 1 M= 1 1 1 1
- Existe algun vector no nulo x tal que Mx = 0 ?. Analizar resolviendo el sistema homogeneo, y relacionando con el tipo de solucion que tiene. - Si es a rmativa la respuesta describir el conjunto de vectores ortogonales a las las de M .

1.6 Peculiaridades del Producto de Matrices.

1. En general, B:A 6= A:B (aunque ambas sean cuadradas n n) 1 2 : 2 0 = 4 4 2 0 : 1 2 = 2 4 pero 3 4 1 2 10 8 1 2 3 4 7 10 2. A:B = 0 no implica que A = 0, B = 0 o que B:A = 0 1 1 : ;1 1 = 0 0 ;1 1 : 1 1 = 1 1 pero 2 2 1 ;1 0 0 1 ;1 2 2 ;1 ;1 3. A:C = A:D no implica que C = D (aunque A 6= 0, como matriz ) 1 1 : 2 1 = 4 3 y 1 1 : 3 0 = 4 3 2 2 2 2 8 6 2 2 1 3 8 6 1 3 0 pero 2 2 2 6= 1 3 4. (A:B )T = B T :AT

0 (A:B )T = @

1 2 3 4 5 6

0a : @c

b T 2c + 3e b + 2d + 3f dAA = 4aa+ + 5c + 6e 4b + 5d + 6f e f

11

26

CAPITULO 1. MATRICES
a + 2c + 3e 4a + 5c + 6e = b + 2d + 3f 4b + 5d + 6f
y

c e B T :AT = a b d f

01 41 a + 2c + 3e 4a + 5c + 6e @2 5A = b + 2d + 3f 4b + 5d + 6f 3 6

1.6.1 Potencias de matrices cuadradas

2 3 2

Si A es una matriz cuadrada, entonces se puede escribir

A = A:A, A = A:A , An = A:An; = A:A:::A | {z }

1

n veces

Si la matriz A no es cuadrada (m 6= n) entonces A no esta de nida.

2

Problema En pagina 82 del libro de Grossman, hay diferentes ejercicios para aplicar
producto y potencia de matrices. 1. (i) Calcular usando el MATLAB las soluciones del ejercicio 51. 2. (ii) Resolver el ejercicio 53. 3. (iii) Leer con detenimiento el ejercicio (*) 57. Responder los incisos (a) y (b) del mismo.

Ejercicio Usando el MATLAB.

-(i) Resolver el ejercicio 9 en pagina 88. Ver como obtener matrices aleatorias en la pagina 86. - (ii) Resolver el ejercicio 14 de la pagina 89 del libro de Grossman. Responder a todas las preguntas planteadas en (a),(b), (c) y (d). Tomar nota de la parte (g), pensar la respuesta y resolverla como ejercicio para entregar en la proxima clase.

Ejercicios para practicar ...

1.6. PECULIARIDADES DEL PRODUCTO DE MATRICES.

27

Ejercicios X 6.1 Sea la matriz identidad In ( diagonal de 1's) Mostrar que esta matriz juega en
+

el producto de matrices el mismo rol que el numero 1 juega en la multiplicacion de numeros reales : AIn = InA = A (para toda matriz A de n n). X 6.2 (a) Probar que ApAq = Ap q y (Ap)q = Apq para enteros positivos p q. (b) Probar que (rA)p = rp Ap para cualquier entero positivo p y un escalar r 2 <. 6.3 > Como interactua el producto de matrices respecto de la operacion de transposicion ?. (a) Mostrar que (AB ) = B A . Proponer algun ejemplo para ilustrar. (b) Dada una matriz A de m n Mostrar que las matrices AA y A A son simetricas. Proponer algun ejemplo para ilustrar el resultado. (c) Analizar dimensiones de las matrices del inciso previo. Pueden ser iguales?. Analizar. Mostrar algun ejemplo. (d) Dada una matriz A de m n, con m = n. Probar que la matriz AT + A es simetrica. Porque se pide m = n?. 6.4 Mostrar que en general, para matrices cuadradas S y T , (S + T )(S ; T ) no es necesariamente igual a S ; T . Luego, mostrar algun ejemplo.
trans trans trans trans trans 2 2

28

CAPITULO 1. MATRICES

1.6.2 Aplicaciones de potencias de matrices. Lectura. Sistemas de comunicaciones: Redes y Grafos

compleja.

Tarea: Calcular la cantidad de caminos disponibles entre dos nodos de una red telefonica
La red telefonica se representa como un grafo: un conjunto de puntos fVig, llamados vertices, junto con un conjunto de pares (no ordenados) fVi Vj g, llamadas aristas. Esto es, un conjunto de puntos (... los nodos de Internet), algunos de los cuales estan conectados por l neas (... bra optica).

Si tuvieramos miles (o millones) de aristas, el gra co se podr a complicar un poco. Constuimos la matriz de representacion de una red: Si el grafo tiene un total de n vertices, se de ne una matriz A = faij g de n n: si existe la arista que une fVi Vj g aij = 1 0 si no existe una arista que unaViconVj : La matriz A se llama la matriz de adyacencia o matriz de vertices del grafo. En nuestro ejemplo ser a 00 1 0 0 01 B 1 0 0 0 1C B C 0 0 0 1 1C A=B B @0 0 1 0 1C A 0 1 1 1 0 La matriz de adyacencia es simetrica (aij = aji) debido a que si Vi y Vj estan conectados, entonces aij = aji = 1 y si no estan conectados aij = aji = 0. Consideremos un camino o senda en la grafo como una secuencia de aristas que unen un vertice con otro. En nuestro ejemplo, las aristas fV V g y fV V g representan un camino desde V hasta V . El largo del camino o de la senda en este caso es 2 debido a que consiste de dos aristas. Los camino se indican con echas: V ;! V ;! V
1 2 2 5 1 5 1 2 5

fV V g, fV V g , fV V g y fV V g.
2 5 5 3 5 4 3 4

Los segmentos de rectas que conectan los vertices corresponden a las aristas: fV V g,
1 2

1.6. PECULIARIDADES DEL PRODUCTO DE MATRICES.

es un camino de longitud 2 desde V hasta V . Y
1 5

29

V ;! V ;! V ;! V
4 5 2 4 1

es un camino de longitud 3 desde V hasta V . Una arista puede atravesarse mas de una vez en un mismo camino,

V ;! V ;! V ;! V
5 3 5 5 3

es un camino de longitud 3 desde V hasta V . >Como se puede usar \la matriz de incidencia" para averiguar \los caminos de diferentes longitudes (numero de aristas que usan) que existen" entre dos nodos particulares ?. Tomando potencias de la matriz de adyacencia podemos determinar el numero de caminos (o sendas) de una longitud determinada entre dos vertices. Esta informacion es cr tica para lograr operaciones e cientes en sistemas de ruteo de telecomunicaciones de alta velocidad. El siguiente teorema justi ca la metodolog a.

Teorema Si A es una matriz de adyacencia de n n de un grafo. Si aijk representa el

( )

k) coe ciente en el lugar ij de la matriz Ak , entonces a( ij es igual al numero de caminos de longitud k entre los vertices Vi y Vj .

Demostracion (por induccion):. Para el caso k = 1, de la de nicion se sigue que los

aij representan los caminos de longitud 1 entre Vi y Vj . Supongamos ahora cierta la a rmacion para un cierto valor m. Esto es, cada coe cientes de la matriz Am representa el numero de caminos de longitud m entre los vertices correspondientes (aijm es el numero de caminos de longitud m entre Vi y Vj ). Si existe una arista fVj Vsg, entonces
( )

aijm :ajs = aijm

( ) (

es el numero de caminos de longitud (m + 1) desde Vi hasta Vs de la forma

Vi ;!

;! Vj ;! Vs

Podemos calcular el total de caminos de longitud (m + 1) desde Vi hasta Vs de la siguiente manera:

aim :a s + aim :a s +
( ) 1 1 ( ) 2 2 +1

m :a + ain ns
( ) ( +1)

m Pero esta expresion representa efectivamente el coe ciente ais Am .

de la matriz Am :A =

Ejemplo Determine el numero de caminos de longitud 3 entre cualesquiera dos vertices

del grafo anterior.

30

CAPITULO 1. MATRICES

00 B B1 0 A =B B @0
3

1 0 0 0 0 1

0 0 0 1 1

0 0 1 0 1

0 0 2 C B 1C B2 0 1C 1 1 =B C B A @ 1 1 1 0 0 4
3

1 0

1 1 2 3 4

1 1 3 2 4

0 4C C 4C C 4A 2

Por ejemplo, el numero de caminos de longitud 3 entre los vertices V3 y V4 es a(3) 34 = 3. 3 Notar que A tambien es simetrica: existe la misma cantidad de caminos de longitud 3 (o de cualquier longitud) desde Vi hasta Vj , que desde Vj hasta Vi. Observar tambien los coe cientes de la diagonal principal y comparar con el grafo. Es imposible ir desde V1 hasta V1 (ni de V2 a V2 ) en 3 pasos. Por tanto, los correspondientes coe cientes de A3 son nulos.

1.7 Matriz inversa

Recordemos que la matriz identidad de dimension n n es

01 B0 In = B B @ ...

0 1 0 0 0

0 0 0C C . . . 0C A 0 1 = I n :A = A 1 0 1 2 3 @ = 4 5 6A 7 8 9

Para cualquier matriz A de dimension n n se cumple

01 @0

0 1 0 0 1

A:I n 1 0 1 0 1 2 3 0A : @4 5 6A
7 8 9

Notacion Los vectores columnas de la matriz In se denotan como ej . Luego,

In = (e e : : : en)
1 2

De nicion Una matriz A de dimension n n se dice no-singular o invertible cuando

existe otra matriz B de dimension n n, tal que

A:B = B:A = In A;1.

La matriz B se llama \inversa multiplicativa" (o inversa) de A y se dice que B =

... Surge una pregunta natural

1.7. MATRIZ INVERSA

31

Comentarios Si A tiene inversa, es la unica inversa?.

...Si existiesen B y C ambas matrices inversas de A, entonces

B = B:I = B: (A:C ) = (B:A) :C = I:C = C

...Si existe la inversa de A, se denota A;1 , es unica.

De nicion Una matriz de dimension n n se dice singular o no-invertible si no tiene

matriz inversa.

1 Ejemplo A = 1 0 0

producto con A resultar a

se observa que para cualquier matriz B , matriz de 2 2, el

1 = b b 6= I : 1 0 0 b b Ese producto no puede dar la matriz I , pues b tendr a que ser igual a 1 y a 0 al mismo tiempo. Entonces no existe una B que sea inversa de A. Luego A es una matriz
11 21 12 22 11 21 11 21 2 2 11

b b

b b

singular (no tiene inversa).

Problema Dada la matriz 1 1 A= ; 1 1

21 22

Plantear un sistema lineal para ver si existe una matriz B tal que A:B = I2 . Resolver el sistema para hallar b12 11 B= b b b . no-singulares (invertibles), y singulares (no-invertibles).

Conclusion Las matrices cuadradas (n n) pueden dividirse en dos clases:

Cada una de estas clases tiene ciertas propiedades que seran enunciadas y exploradas a lo largo del curso. Por otra parte, las matrices no cuadradas (m n, con m 6= n) no pueden ser clasicadas o categorizadas en una forma simple y completa como en el caso m = n.

1.7.1 Reglas para matrices inversas

Tomemos dos matrices A y B de n n no-singulares (invertibles)

; 1. A;1 es no-singular y A;1 ;1 Demostracion. Si C = A;1 , entonces A:C = C:A = I . Por lo tanto C es invertible y su inversa es A. 2. ( :A) es no-singular y ( :A);1 = 1 :A;1 siempre y cuando 6= 0. ; 1 :A;1 = ; : 1 : ;A:A;1 = 1:I = I . De igual forma se ve que Demostracion. ; 1 :A;1 : ( :A) =(I .:A) : a a

32

CAPITULO 1. MATRICES
3. Probar que A:B es no-singular, si cada una lo es, y su inversa (A:B );1 = B ;1 :A;1 Dado el producto AB , como cada una es no singular existe A;1 y B ;1 , y tambien ; 1 existe B ;1:A; . Si se multiplica a izquierda, usando propiedades del producto De; ; ; 1 ; 1 ; 1 ; 1 mostracion. B :A : (A:B ) = B : A :A :B = B ;1:In :B = B ;1:B = In. ; Lo mismo, si se multiplica a la derecha: (A:B ) : B ;1 :A;1 , se llega a la identidad In .

A1 A2 : : : An, de modo que su producto resulta ser no-singular y su inversa es

;1 ;1 1 (A1 :A2 :::An );1 = A; n :::A2 :A1

El resultado del inciso (3) se puede extender a varias matrices cuadradas no-singulares

Para tres matrices no-singulares y cuadradas ser a (A:B:C );1 = C ;1:B ;1 :A;1

Ejercicios 7.1 Dado un sistema de ecuaciones lineales : Ax = b, siendo A de n n, b, vector de <n.

1 1 1 1

Si A es no-singular (existe la inversa A; ), observar que si multiplica por A; ambos lados de la igualdad Ax = b, obtendr a : A; Ax = A; b > Podr a saber desde ese resultado si el sistema tiene una solucion o mas?. .... Es evidente que en ese caso la solucion x = A; b 1 1 7.2 Dada la matriz de un ejercicio anterior:A = ; 1 1 y la inversa que calculo en ese momento, >puede resolver rapidamente el sistema: 3 Ax = b, si b = ; 1 ?
1

Comentarios Una pregunta que debemos responder en lo que sigue es:

> Como hallar la inversa de una matriz A, si sabemos que existe ?. > Y como averiguar si existe la inversa, para luego calcularla? .... y ? Cual es el procedimiento o metodo practico para calcular A;1 , si existe ?.

Un caso especial ...

1.7. MATRIZ INVERSA

33

Ejercicios 7.1 Veri car que la matriz dada es ortogonal (sus columnas son ortogonales y de longitud 1). Comprobar que en este caso inversa la matriz es su transpuesta. p de1 0 1=pla 2 1= 2 0 @;1=p2 1=p2 0A
0 0 1 Explicar porque se da esa propiedad especial. 7.2 Veri car que las columnas indicadas son ortogonales entre si. Calcular la longitud de cada columna. Las matrices con tales columnas son no singulares?. (i) 011 0;2=31 0;11 h@1A @ 4=3 A @ 0 Ai 1 ;2=3 1 (ii)

7.3 Dado un sistema Ax = b, siendo la matriz A la del inciso (ii) del segundo ejercicio,
si

01=p31 0;1=p61 0;1=p21 p p A@ 0 h@1=p3A @ 2= p 6 p Ai 1= 2 1= 3 ;1= 6 011 b = @;1A

0 hallar la solucion, explicando si es unica o no, usando si es posible la formula expl cita x = A; b.
1

34

1.8 Matrices elementales y Sistemas Lineales.

1.8.1 Sistemas equivalentes

CAPITULO 1. MATRICES

Objetivos El objetivo es resolver el sistema lineal A:x = b usando un sistema modi cado, equivalente del original, mediante sucesivas multiplicaciones por matrices simples que reemplazan a las operaciones por las.

Dado un sistema A:x = b, compatible, de dimension m n. Si se multiplica ambos lados del sistema lineal por una matriz M no-singular (tiene inversa) de m m se obtiene

A:x = b M:A:x = M:b

(1.2) (1.3)

Entonces... Si x es solucion del sistema (1.2) ) tambien satisface al sistema (1.3). Es decir, que toda solucion del primero es tambien solucion del segundo sistema. A su vez, si x ^ es una solucion del sistema (1.3) tambien es solucion del sistema (1.2), ya que al cumplirse

M:A:x ^ = M:b
si se multiplicase ambos lados por M ; se obtendr a
1

: (M:A:x ^) ;M ; M :M :A:x ^
;1
1

; : (M:b) = M ; = M ; :M :b
1 1

resultando... A:x ^ = b, entonces x ^ es solucion de este sistema. As hemos demostrado que \los dos sistemas son equivalentes" (siempre y cuando la matriz que multiplica M sea invertible).
se multiplicaran ambos lados del sistema por una sucesion de matrices no-singulares E1 E2 : : : Ek de modo de llegar a un sistema mas facil de resolver, es decir:

Objetivos Para obtener un sistema equivalente al A:x = b, mas sencillo de resolver,

Ek :::E :E :Ax = Ek :::E :E :b
2 1 2 1

Si denominamos al producto Ek :::E :E = M

2 1

M:Ax = M:b
que transforma al sistema en un sistema facil de resolver:

U:x = c

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

As

35

U = M:A = Ek :::E :E :A
2 1

c = Ek :::E :E :b = M:b
2 1

Conclusion Como todas las matrices Ei son no-singulares, el producto M =

Ek :::E :E tambien es no-singular. As el sistema A:x = b y el resultante U:x = c son equivalentes.
2 1

1.8.2 Matrices Elementales

De nicion Una matriz elemental es una matriz cuadrada m m que se obtiene a

partir de la matriz identidad Im mediante una operacion elemental sobre sus las.

Como hay 3 tipos de operaciones elementales sobre las las, hay 3 tipos de matrices elementales:

Tipo I: Intercambiar dos las de Im.

Por ejemplo, para ilustrar cuando m = 3: \ cambiar la la 2 por la la 3 "

01 EI = @0
a a a

0 0 0 1A 0 1 0

Si A es una matriz de 3 3, entonces multiplicando por EI

01 EI :A = @0

0 0 a A @ 0 1 : a 0 1 0 a

10

11 21 31

12 22 32

a a a

13 23 33

1 0a a a 1 A = @a a a A
11 31 21 12 32 22 13 33 23

Por otra parte, si se multiplica a A por la derecha por EI :

A:EI =

0a a a 1 01 @a a a A : @0
11 21 31 12 22 32 13 23 33

0 0 a A @ 0 1 = a 0 1 0 a

1 0

11 21 31

a a a

13 23 33

a a a

12 22 32

1 A

As multiplicar a izquierda por la matriz EI intercambia las la 2 y 3 de la matriz A. En cambio,... ... multiplicar a derecha, intercambia las columnas 2 y 3 de la matriz A.

36

CAPITULO 1. MATRICES
Por ejemplo, si se multiplica la la 3 por el numero . 01 0 0 1 EII = @0 1 0 A 0 0 Si A es cualquier matriz de 3 3, entonces 01 0 0 1 0a a a 1 0 a EII :A = @0 1 0 A : @a a a A = @ a 0 0 a a a :a
11 21 31 12 22 32 13 23 33 11 21

Tipo II: Multiplicar una la de Im por un escalar no nulo.

31

a a :a
11 21 31

12 22 32

a a :a a a a

13 23 33

1 A 1 A

0a a a 1 01 A:EII = @a a a A : @0
11 21 31 12 22 32 13 23 33

0 0 a A @ 1 0 = a 0 0 a

1 0

a a a

12 22 32

13 23 33

Multiplicar a izquierda por la matriz EII , multiplica la tercer la de la matriz A por . En cambio,... ... multiplicar a derecha, multiplica la columna 3 por el escalar .

Tipo III: Sumar a una la de Im, algun multiplo no nulo de otra la de Im .

Ejemplo: Se suma a la la 1, el resultado de : la 3 01 0 1 EIII = @0 1 0 A 0 0 1 Si A es cualquier matriz de 3 3, entonces

01 EIII :A = @0

0 a 1 0 A : @a 0 0 1 a

10

11 21 31

a a a

12 22 32

a a a

13 23 33

1 0a + a a + a a + a 1 A=@ a A a a
11 31 12 32 13 33

21 31

22 32

23 33

0a a a 1 01 A:EIII = @a a a A : @0
11 21 31 12 22 32 13 23 33

0 a 1 0 A = @a 0 0 1 a

1 0

11 21 31

a a a

12 22 32

a + a a + a a + a
13 23 33

11 21 31

1 A

Multiplicar a izquierda por la matriz EIII , suma a la la 1 de la matriz A, veces la la 3. Mientras que ... ... multiplicar a derecha, suma a la columna 3, veces la columna 1.

Teorema Si E es una matriz elemental (de Tipo I, II o III) entonces E es no-singular

y E ;1 es una matriz elemental del mismo tipo.

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

37

Demostracion. Separamos, segun sea E una matriz elemental de Tipo I, II o III Tipo I: Si EI intercambia dos las de la matriz identidad, entonces EI puede volver atras
1

el cambio intercambiando de nuevo las las. Por lo tanto EI :EI = I por lo tanto EI es invertible y EI; = EI (la inversa es del mismo tipo). Tipo II: Si EII se forma al multiplicar alguna la de I por un escalar 6= 0 entoces podemos proponer como matriz inversa, aquella que multiplique la misma la de la matriz I por el escalar 1= . Por lo tanto EII es invertible y su inversa es del mismo tipo. Tipo III: Si EIII se forma al sumar \ veces la la j a la la i" de la matriz I 01 1 0 ... . . . ... C B B C B B C 0 1 0C B C la j . . . B . . . EIII = B . . .C C B C 0 1 0 B C la i B . . . ... C @ ... A 0 0 0 1 De este modo, se puede proponer como matriz inversa a aquella que resta veces la la j a la la i de la matriz I . 01 1 0 ... . . . ... C B B C B C B C 0 1 0 B C la j . . ; . C . . . EIII = B . . . B C B 0 ; 1 0C B C la i B . . . . . .. C @ .. A 0 0 0 1
1

; :E = E :E ; = I . Se puede chequear directamente que EIII III III III

1 1

Con esto, vemos que el proceso de reduccion por las de una matriz (eliminacion Gaussiana) es equivalente a realizar sucesivas multiplicaciones con matrices elementales fEig. De nicion Una matriz cuadrada B de n n es equivalente por las a otra matriz cuadrada A de n n si existe una cantidad nita de matrices elementales E E : : : Ek tales que
1 2

B = Ek :::E :E :A
2 1

... Es decir, B es \equivalente" por las a A si B se puede obtener a partir de A mediante una cantidad nita de operaciones elementales sobre las.

38

CAPITULO 1. MATRICES
1. Si B es equivalente por las a A, entonces A es equivalente por las con B . 2. Si B es equivalente por las a A, y A es equivalente por las a C , entonces B es equivalente por las a C .

Comentarios Dos resultados obvios:

son equivalentes:

Teorema Si A es una matriz cuadrada de n n, entonces las siguientes proposiciones

i) A es no-singular (tiene inversa) ii) El sistema lineal A:x = 0 tiene solamente la solucion trivial (x = 0). iii) A es equivalente por las a la matriz identidad In de n n.

Demostracion. La hacemos demostrando que: (i) ! (ii) Al multiplicar por A; a ambos lados del sistema A:x = 0 queda A; :A:x = A; :0 x = 0
1 1 1

Ahora vemos que... (ii) ! (iii) Usando operaciones elementales sobre las las se transforma el sistema A:x = 0 en otro sistema U:x = 0, donde U es una matriz escalonada reducida de GaussJordan. Si U no fuese la identidad, alguno de los coe cientes de la diagonal principal de U ser a cero. Eso signi car a que A no es equivalente por las con I , y entonces la ultima la de U debe tener todos sus elementos nulos. Tal caracter stica dice que A:x = 0 es equivalente a un sistema homogeneo con mas incognitas que ecuaciones. Eso dir a que el sistema Ax = 0 debe tener \in nitas soluciones no triviales", lo cual es contradictorio respecto de (ii). Por tanto, indudablemente U tiene que ser la identidad. Finalmente, vemos que ... (iii) ! (i) Como A es equivalente por las con I , entonces existe una cantidad nita de matrices elementales, no singulares, E E : : : Ek tales que Ek :::E :E :A = I
1 2 2 1

Luego multiplicando por la inversa de Ek :::E :E , se obtiene que

2 1

A = (Ek :::E :E ); :I Por lo tanto A es no-singular, por ser producto de matrices no-singulares, e igual a
2 1 1

; A = E ; E ; : : : Ek
1 1 2 1

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

39

Importante ! Corolario Un sistema lineal A:x = b de n n tiene solucion unica , A es no-singular (tiene inversa). Demostracion. ( Si A es no-singular, entonces multiplicando al sistema por A; , se obtiene A; :A:x = A; :b, de donde se obtiene que x = A; :b:
1 1 1 1

... es una unica solucion del sistema. ) Si x es la solucion unica del sistema A:x = b. Si A fuese singular, entonces por el teorema anterior y la equivalencia entre (i) e (ii) tendr amos que el sistema homogeneo A:x = 0 no tendr a solucion unica. As Ax = 0 tendr a otra solucion no trivial, z 6= 0. En tal caso, si llamamos x = x + z. Como z 6= 0, ser a x 6= x y
1 2 1 2 1

A:x = A: (x + z) = A:x + A:z = b + 0

2 1 1

Entonces, resultar a que tambien x , ser a solucion del sistema A:x = b (que es distinta de x ). Esa conclusion es absurda, ya que por hipotesis sabemos que x es la unica solucion. Esto muestra que, si Ax = b tiene una sola solucion entonces A es no-singular.
2 1 1

S ntesis Hasta el momento tenemos como resumen las siguientes equivalencias: Si A

es n n,

A es no-singular (invertible). A es equivalente por las a la matriz identidad. El sistema lineal A:x = 0 tiene solucion unica (la solucion trivial). El sistema lineal A:x = b tiene solucion unica (x = A; :b)
1

Problema Considere el ejercicio 2. del Grossman en pagina 118,usando el MATLAB,

resuelva los incisos (i)(ii)y (iii), respondiendo a lo planteado en el ejercicio 9 (a), (b) y (c).

Para practicar...

40

CAPITULO 1. MATRICES

Ejercicios 8.1 Una es no-singular mientras la otra es singular. Analizar, y decidir. 3 1 3 (a) 1 (b) 4 ;12 4 12 X 8.2 Singular o no-singular? 01 2 11 2 1 2 1 2 1 (d) @1 1 3A (a) 1 (b) (c) 1 3 ;3 ;6 1 3 1
2 0 ;1 1 4 8.3 Describir las matrices que son equivalentes a 1 0 0 1 8.4 Describir las que son equivalentes a 0 2 1 (a) 1 (b) 1 (c) 1 0 0 2 4 1 3 8.5 Pueden las matrices equivalentes tener diferente dimension?. X 8.6 Dar dos matrices escalonadas reducidas que tengan sus coe cientes pivotes en la misma columna pero que no sean equivalentes. X 8.7 Mostrar que dos matrices n n no-singulares son equivalentes por las. Y dos que son singulares ?. 8.8 Extender la de nicion de equivalencia por las de matrices a a sistemas equivalentes por las. 8.9 Probar que cualquier sistema lineal con una matriz de coe cientes no-singular tiene solucion y es unica. X 8.10 Tres conductores se detuvieron en una cafeter a del camino. Uno de ellos compro cuatro sandwiches, una taza de cafe , y diez medialunas por $ 8:45. Otro conductor compro tres sandwiches, una taza de cafe , y siete medialunas por $ 6:30. Cuanto pago el tercer conductor por un sandwich, una taza de cafe , y una medialuna ?

02 (e) @ 1

1 1 5A

3 4 7

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

41

1.8.3 Dos resultados utiles.

1. Metodo para encontrar la matriz inversa: Si A es no-singular, entoces A es equivalente por la a I . Esto es, mediante las matrices elementales Ek :::E :E :A = I
2 1

Multiplicando ambos lados por A; , por a la derecha, queda Ek :::E :E :A:A; = I:A; Ek :::E :E :I = A;
1 2 1 1 1 2 1 1

transforman la matriz A no-singular en la matriz identidad, tambien transforman la matriz identidad en la matriz inversa A;1 . ... Cual es el procedimiento practico para hallar A;1 ?

Conclusion Por tanto, la \misma sucesion de operaciones" elementales por las que

(i) Formamos la matriz aumentada (A j In) (que tiene dimension n 2n), (ii) Se aplican las operaciones elementales para llevar a A a la forma escalonada reducida de Gauss- Jordan (RREF), resultando

;I j A;
O sea,

Ek :::E :E : (A j I ) = I j A; ... que es un metodo para encontrar la matriz inversa de A. 2. Si A es \no-singular", y x ^ es la unica solucion del sistema lineal A:x = b, entonces la forma escalonada de Gauss- Jordan de la matriz aumentada (A j b), con dimension n (n + 1) , es (I j x ^) donde x ^ = A; b. Para ver esto... Como A es no-singular (y por lo tanto es equivalente por las a I ) al reducir la matriz aumentada (A j b) a su forma escalonada reducida de Gauss- Jordan, esta tiene la parte correspondiente a los coe cientes de A transformados en la In. Por tanto, es el resultado de multiplicar a izquierda por A; , luego la forma reducida aumentada es ;I j A;1b n por tanto, x ^ = A;1b
2 1 1 1 1

42

0 1 4 31 Ejemplo Dada A = @;1 ;2 0A, encontrar A; .

1

CAPITULO 1. MATRICES

0 1 4 3 (A j I ) = @ ;1 ;2 0 0 12 4 20 3 ;! @ 0 2 0 0 6 1 00 ; ; ; ; entonces A; = @
1 2 1 2 1 1 4 1 6 1 2 1 2 1 2 1 4

2 3

1 2

1 6

1 4

1 01 4 3 1 0 01 A ;! @ 0 2 3 1 1 0 A 0 ;6 ;3 ;2 0 1 1 0 1 ; ; 1 0 0 ; ; ; ; A ;! @ 0 1 0 ; ; A 0 0 1 3 1 1 A
1 0 0 0 1 0 0 0 1
3 2 1 2 1 2 1 2 1 4 1 6 1 2 1 2 1 2 1 4 1 2 1 6 1 4

y la solucion del sistema lineal

0 12 1 A:x = @;12A
8
1 2 1 2 1 4 1 2 1 6

es

0; ; 1 0 12 1 0 4 1 x = A; :b = @ ; ; A : @;12A = @ 4 A
1 1 4 1 6 1 2 1 4

8 3

inversa si existe.

Ejercicio Veri car que estas matrices son \no singulares", usando el procedimiento para ver si es equivalente a la matriz In. Usar la matriz ampliada AjIn , para calcular la
3 4 2 ;1

03 2 11 @6 ;4 0A
0 1 1

01 @2

2 ;1 4 0A 0 1 ;3

Ejercicio (1.) Ver en pagina 112 del libro de Grossman el Problema 1.8 que sirve de
autoevaluacion del tema. Contestar las preguntas. (2.) Usando Matlab: en seccion 1.8 del libro de Grossman, pagina 117, resolver el ejercicio 1. inciso a.(i) y (iii) idem con inciso (b). (3.) Considerar los ejercicios 2. (i) y (iv), en pagina 118, usar el Matlab para hacer los calculos usando la ampliada AjI . (4.)(*****) Considerar el ejercicio 3. (a) (b) y (c), en pagina 118, usar el Matlab para hacer los calculos siguiendo las indicaciones. Observar con cuidado la conclusion practica del ejercicio. (5).(*****) Resolver los ejercicios (en su cuaderno): 25- 26- 29* -30* del libro de Grossman en pagina 114.

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

43

Ejercicios 8.1 Analizar si las matrices indicadas son \no singulares", usando el procedimiento de

Para practicar en su casa...

Gauss- Jordan (y la 1 matriz ampliada). Hallar la0 inversa si1 es posible. 021 0 0 1 0 1 1 0 1 0 1 0 2 @ A @ A @ A @ A @ A @ 2 0 3 ; 1 1 3Ai (a) h i (b) h 2 ;1 1 0 0 1 8.2 Dado un sistema Ax = b, siendo la matriz A la del inciso (b) del ejercicio previo, siendo

0 hallar la solucion, explicando si es unica o no, usando si es posible la formula expl cita x = A; b. X 8.3 Resolver cada sistema usando notacion matricial. Exprese la solucion usando vectores. Aclarar si la matriz A del sistema tiene inversa o no. Indicar la inversa si existe. (a) 3x + 6y = 18 (b) x + y = 1 (c) x + x = 4 x + 2y = 6 x ; y = ;1 x ; x + 2x = 5 4x ; x + 5x = 17 (d) 2a + b ; c = 2 (e) x + z + w = 4 2a + c = 3 2x + y ; w = 2 a;b =0 3x + y + z =7 X 8.4 Considerar el sistema (c) del ejercicio previo. Escribir en orden las matrices elementales correspondientes a las operaciones elementales necesarias para llevarlo a la forma reducida escalonada de Gauss- Jordan. Si tiene inversa la matriz A, cual es la relacion entre A; y el producto de las matrices elementales usadas?.
1 1 1 3 3 3 2 2 1 1

011 b = @;1A

1.8.4 Factorizacion triangular (LU).

Este tema se vera especialmente entre los temas de Calculo Numerico. Si una matriz A de n n puede reducirse a una forma triangular superior (U) solo usando operaciones por las de Tipo III, entonces es posible expresar el proceso de reduccion mediante una factorizacion matricial: A = LU 02 4 21 Ejemplo A = @1 5 2A. Usando solo operaciones por las de Tipo III tenemos 4 ;1 9 02 4 21 02 4 21 @1 5 2A ;! @0 3 1A 4 ;1 9 0 ;9 5

44

CAPITULO 1. MATRICES

para multiplicar la primer Para eliminar el 1 de la segunda utilizamos el numero ; 1 2 la y luego sumar a la segunda. Para eliminar el 4 de la tercer la utilizamos el numero ;2 para multiplicar la primer la y luego sumarla a la tercera. Recordemos esto para luego ser usado: llamamos l21 = 1 (l21 porque es la la 2, columna 1) y l31 = 2 (es decir, 2 estos son los numeros que necesitamos para multiplicar, cambiados de signo !!). Ahora eliminamos el ;9 en la ultima la

02 @0

4 2 2 4 2 3 1A ;! @0 3 1A = U 0 ;9 5 0 0 8

y llamamos l32 = ;3 (porque utilizamos el numero 3 para multiplicar la segunda la y luego sumarla a la tercera ). De nimos ahora la matriz L

01 L = @l
l

21 31

0 0 1 0 0 1 0A = @ 1 0A l 1 2 ;3 1
1 2 32

1 0

Se puede veri car facilmente que

01 L:U = @
1 2

0 0 2 4 2 2 4 2 A @ A @ 1 0 : 0 3 1 = 1 5 2A = A 2 ;3 1 0 0 8 4 ;1 9

10

1 0

Esto es, la matriz A puede ser factorizada en un producto de una matriz triangular inferior L y otra matriz triangular superior U .

Importante ! Una matriz triangular inferior que tiene todos "1" en la diagonal principal (como la matriz L) se llama matriz triangular inferior unitaria.

En terminos de matrices elementales, el proceso en el ejemplo anterior puede ser representado como

E :E :E :A = U
3 2 1

(1.4)

donde

0 1 E = @;1=2
1

0 0 1 0A 0 1
2 1 1

01 E =@ 0
2

0 0 1 0A ;2 0 1

01 E = @0
3

0 0 1 0A 0 3 1

Como cada una de estas matrices es no-singular, se puede multiplicar ambos lados de la ecuacion (1.4) por (E :E :E );
3

A = E ; :E ; :E ; :U
1 1 2 1 3 1

1.8. MATRICES ELEMENTALES Y SISTEMAS LINEALES.

45

Importante ! Se puede veri car que las inversas de las matrices elementales, solo

cambian el signo el \numero" con que se multiplico una la para llevar a cero el termino correspondiente. As

01 E ; = @1=2
1 1

0 0 1 0A 0 0 1

01 E ; = @0
2 1

0 0 1 0A 2 0 1

01 E ; = @0
3 1

0 0 1 0A 0 ;3 1

Veri car, por ejemplo que

0 1 E :E ; = @;1=2
1 1 1

0 0 1 0 0 1 0 0 A @ A @ 1 0 : 1=2 1 0 = 0 1 0A 0 1 0 0 1 0 0 1

10

1 0

;1 . Veri car lo mismo para E2 y E2

Luego, considerando:

A = E ; :E ; :E ; :U
1 1 2 1 3 1

Multiplicando en este orden, los multiplicadores l l y l llenan la parte de abajo de la diagonal principal del producto
21 31 32

01 E ; :E ; :E ; = @1=2
1 1 2 1 3 1

0 0 1 0 0 1 0 0 1 0 0 A @ A @ A @ 1 0 : 0 1 0 : 0 1 0 = L = 1=2 1 0A 0 0 1 2 0 1 0 ;3 1 2 ;3 1
1

10

10

Si una matriz A de n n puede ser reducida a una forma triangular superior (U) usando solo operaciones por las del Tipo III, entonces A puede ser factorizada como L:U , donde L es unidad triangular inferior. La L = (En:En; : : : : :E :E ); . Este es un resultado importante y practico que sera muy usado para resolver sistemas lineales. En Calculo Numerico se vera tambien la necesidad de usar permutaciones para obtener una buena factorizacion LU .
1 2 1

Matem atica C IV. Determinantes

Temario:
1. Clase 1: Introduccion al tema. Casos particulares. De nicion general. Propiedades. Claves. 2. Clase 2: Procedimientos para calcular el determinante. ( 1 clase).

En las clases previas del curso hemos trabajado con sistemas lineales Ax = b, en particular con sistemas con igual numero de ecuaciones y de incognitas que tienen una matriz A cuadrada. Tales sistemas pueden tener una \unica solucion", \ ninguna", o \in nitas soluciones" segun el tipo de matriz A.

Comentarios Hemos remarcado diferencias entre dos clases de matrices cuadradas A:

1. Si una particular matriz cuadrada A esta asociada con una unica solucion de un sistema dado, como por ejemplo un sistema homogeneo con b = ~ 0, entonces A esta asociada con una unica solucion para cualquier b.

Tal matriz de coe cientes se llama `no singular'.

2. La otra clase, formada por las matrices singulares, se caracteriza por el hecho que todo sistema lineal Ax = b, que las tiene como matriz de coe cientes, tiene 1 soluciones o \ no tiene solucion" dependiendo de b. > Como distinguirlas ?. Sabemos ... 3. que la \no singularidad" de una matriz n n A es equivalente a cada una de las siguientes condiciones: un sistema A~ x =~ b tiene solucion unica. La reduccion de Gauss-Jordan de A conduce a la matriz identidad existe la inversa A;1 .

As , cuando tenemos una matriz cuadrada una de las primeras cosas que nos preguntamos es \ si es no-singular ".

Objetivo Este modulo desarrolla una formula para decidir si una matriz es \nosingular" o \ singular".

Observacion Como en este modulo trabajamos siempre con \matrices cuadradas", simpli camos diciendo \ matriz" en lugar de \matriz cuadrada".

Problema Decir si es cierta la a rmacion siguiente:

\ Una forma primaria para decidir si una matriz cuadrada es singular o no es chequear si su forma escalonada reducida por las tiene \ ceros" en la diagonal ". O expresada de otra forma, \si el producto de los elementos de la diagonal, de tal forma reducida, da \0" o no". ... Explicar porque se inclina por \verdadera" o \falsa".

1 Definicion

Comentarios En el caso que sea cierta la a rmacion del problema previo, con el objetivo

de tener un elemento para chequear si la matriz reducida de Gauss es \ no singular" o no lo es, se podr a de nir el \ determinante de esa matriz reducida" como el producto de los elementos de la diagonal. ... Para de nir el determinante en forma general, se advierte que su de nicion debe tener la propiedad que \ si una matriz es no singular" y se hacen operaciones elementales por las para llevarla a otra \equivalente", esta debe mantener el determinante \ no nulo " (ya que esta conserva las caracter sticas de A ). Es decir, que se necesita que el \determinante" ante las operaciones de permutar las, multiplicar por un escalar \ no nulo" una la, o sumar a una la otra multiplicada por un escalar, conserve la caracter stica de \ no nulo" si se trata de una matriz no-singular A.

El determinante de una matriz cuadrada A es un escalar unico (numero real) asociado a la matriz, que se obtiene a partir de los coe cientes faij g. El valor de este numero determina si A es singular o no-singular (<y todo lo que esto signi ca !).

1.1 Construccion del concepto por etapas

Caso 1: Matrices de 1 1

Si A = (a) es una matriz de dimension 1 1, entonces A tiene inversa \si y solo si" a 6= 0 y

A;1 = a;1
Por tanto, si de nimos

det A = a
entonces A es no-singular si y solo si det A 6= 0.
11 a12 Caso (2: Matrices de 2 2) Dada A = a a21 a22

... sabemos que A es no-singular si y solo si es equivalente por las a I2 . Vimos que esto es verdadero en relacion con los coe cientes de la matriz (en la clase inicial de resolucion de sistemas) si a11 :a22 ; a12 :a21 6= 0. Abajo esta la justi cacion como repaso. a) Multiplicamos la la 2 por a11 (si a11 6= 0)

a11 a12 a11 :a21 a11 :a22

b) Restamos a la la 2, a21 veces la la 1

a11

0 a11 :a22 ; a12 :a21

a12

(1)

Si a11 6= 0, entonces la matriz (1) sera equivalente por las a I2 siempre y cuando a11 :a22 ; a12 :a21 6= 0. Si a11 = 0, intercambiamos las las de A y obtenemos que sera equivalente por las a I2 siempre y cuando a12 :a21 6= 0. Pero si a11 = 0, este requerimiento es equivalente a a11 :a22 ; a12 :a21 6= 0

a21 a22 0 a12

Notacion alternativa: Ejemplo

det A = a11 :a22 ; a12 :a21 entonces, una matriz A de 2 2 es no-singular \si y solo si" det A 6= 0.

Luego, si de nimos

a11 a12 det A = a 21 a22 A =

2 3 = 2:1 ; 3: (;2) = 8 det A = ; 2 1 Caso 3: Matrices de 3 3 Si ...

;2 1

2 3

0a a a 1 11 12 13 A = @a21 a22 a23 A

a31 a32 a33

podemos repetir el analisis de reduccion por las y mostrar que A es equivalente por las a I3 \si y solo si" a11 :a22 :a33 ; a11 :a32 :a23 ; a12 :a21 :a33 + a12 :a31 :a23 + a13 :a21 :a32 ; a13 :a31 :a22 6= 0 Entonces de nimos el det(A)

= a11 :a22 :a33 ; a11 :a32 :a23 ; a12 :a21 :a33 + a12 :a31 :a23 + a13 :a21 :a32 ; a13 :a31 :a22 As una matriz A de 3 3 es no-singular si y solo si det A 6= 0. 5

(2)

Objetivo En estos casos particulares, obtenemos una familia de formulas, a, a11 :a22 ;

a12 :a21 , etc, que deben tener valor \no nulo" en relacion a la \no-singularidad" de las

matrices respectivas. Esas formulas se reconocen como el \determinante" de esas matrices particulares. La extension de esas formulas para todo n da lugar a de nir una funcion detn n : Mn n ! <, tal que cumpla \ que una matriz n n A es no singular sii detn n(A) 6= 0."

Notaciones Si A es n n, para simpli car se escribe ` det(A) ' en lugar de `detn n(A)'.
n n. Sin embargo, reviendo los calculos previos...
Los tres casos de arriba no muestran un patron evidente para usar en el caso general

n Consideremos el caso 2 2: de nimos 2 submatrices M11 y M12 como M11 = (a22 ) y M12 = (a21 ) donde M11 se forma a partir de A borrando la la 1 y la columna 1. Mientras que M12 se forma a partir de A borrando la la 1 y la columna 2 a11 a12 ;! M = ;a 22 11 a21 a22 a11 a12 ;! M = ;a 21 12 a21 a22 Entonces det A puede escribirse como det A = a11 :a22 ; a12 :a21 = a11 : det M11 ; a12 : det M12 (3) Para el caso de 3 3, se puede reordenar la expresion (2) det A = a11: (a22 :a33 ; a23 :a32 ) ; a12 : (a21 :a33 ; a31 :a23 ) + a13 : (a21 :a32 ; a31 :a22 ) (4) Tomamos M1j (para j = 1 2 3) como la matriz de 2 2 que se forma a partir de A al borrar la la 1 y la columna j . Quedara entonces det A = a11 : det M11 ; a12 : det M12 + a13 : det M13 donde 0a a a 1 12 13 a22 a23 @a11 21 a22 a23 A ;! M11 = a a 32 33 a a a

1.2 Caso general: Matrices de n

0a31 11 @a21 31 0a a11 @a21

32 a12 a22 a32 a12 a22 a31 a32

33 1 a13 a23 A a33 1 a13 a23A a33

21 a23 ;! M12 = a a31 a33 21 a22 ;! M13 = a a31 a32

Esto es,

a11 a12 a13 22 a23 ; a : a21 a23 + a : a21 a22 det A = a21 a22 a23 = a11 : a a32 a33 12 a31 a33 13 a31 a32 a31 a32 a33 Consideremos ahora una matriz A de n n.

De nicion Sea Mij la submatriz de (n ; 1) (n ; 1) que se forma al borrar la la i y

la columna j . Entonces, (i) el numero det Mij se denomina menor del elemento aij (ii) el numero Aij = (;1)i+j det Mij se denomina cofactor de aij .

Usando tal de nicion ... ... en el caso de 2 2, podemos reescribir la expresion (1) como det A = a11 :a22 ; a12 :a21 = a11 :A11 + a12:A12 (n = 2)
Esta expresion se llama expansion de cofactores del det A a lo largo de la la 1. Usando la la 2, en lugar de la 1, ... podemos tambien escribir: det A = a21 : (;a12 ) + a22 :a11 = a21 :A21 + a22 :A22 . Esta expresion se llama expansion de cofactores del det A a lo largo de la la 2. Usando las columnas, en lugar de las las, ... podemos realizar una expansion de cofactores a lo largo de una de las columnas:

det A = a11 :a22 + a21 : (;a12 ) = a11:A11 + a21 :A21 det A = a12 : (;a21 ) + a22 :a11 = a12:A12 + a22 :A22

(primer columna) (segunda columna)

Similarmente, para el caso de 3 3, la expresion (4) puede escribirse como

02 Ejemplo A = @3
det A = = = = =

det A = a11 :A11 + a12 :A12 + a13:A13 (expansion a lo largo de la la 1) 5 4 1 2A 5 4 6

;16

a11 :A11 + a12 :A12 + a13 :A13 (;1)2 :a11 : det M11 + (;1)3 :a12 : det M12 + (;1)4 :a13 : det M13 2 ; 5: 3 2 + 4: 3 1 2: 1 4 6 5 6 5 4 2: (6 ; 8) ; 5: (18 ; 10) + 4: (12 ; 5)
7

Comentarios Igual que en el caso 2 2, el determinante de una matriz de 3 3 se

puede expandir a lo largo de cualquier la o cualquier columna.

Ejemplo Calculamos el determinante de la matriz A, del ejemplo anterior, a lo largo

de la columna 2.

det A = a12 :A12 + a22 :A22 + a32 :A32 = (;1)3 :a12 : det M12 + (;1)4 :a22 : det M22 + (;1)5 :a32 : det M32 2 + 1: 2 4 ; 4: 2 4 = ;5: 3 5 6 5 6 3 2 = ;5: (18 ; 10) + (12 ; 20) ; 4 (4 ; 12) = ;16

1.3 De nicion en el caso general n

De nicion Se de ne det A en forma inductiva
det A = a11 cuando n = 1 det A = a11 :A11 + a12 :A12 +
donde

n.

+ a1n :A1n

cuando n > 1

A1j = (;1)1+j : det M1j

j = 1 ::: n

son los \ cofactores" de los coe cientes de la primer la de A. De hecho, podemos usar cualquier la o columna de A para las expansiones de cofactores, usando la la i

det A = ai1 :Ai1 + ai2:Ai2 +

+ ain :Ain

necesitando en este caso calcular Aij para j = 1 : : : n. Si se usa una columna j

det A = a1j :A1j + a2j :A2j +

+ anj :Anj

donde se necesitan los cofactores Aij para cada i = 1 : : : n. Cada cofactor correspondiente a los ndices ij:

Aij = (;1)i+j : det Mij

As los determinantes de orden n se reducen a una combinacion de n determinantes de orden (n ; 1). En la practica, los determinantes se expanden a lo largo de la la o columna que contenga mas ceros (porque ?).

Ejemplo Expandimos a lo largo de la primer columna de

00 B0 A=B @0
2 4 1 0

2 4 1 2 0

3 5 0 1

0 0C C 3A 3

para la expansion de cofactores.

0 det A = 0 0 2

3 5 0 1 = ;2:3: 2 4

0 3 0 0 = ;2: 2 4 5 0 3 1 0 3 3 3 = ;2:3: (10 ; 12) = 12 5

Importante ! El determinante de una matriz triangular se puede calcular facilmente. Ejemplo

1 0 0 0 2 5 0 0 3 6 8 0 4 6 7 7 = 1: 5 9 0 8 9 = 1:5: 8 9 0 10 0 0 10 10 = 1:5:8: 10 = 1:5:8:10 = 400

n coe cientes de la diagonal principal".

Problema (i) \El determinante de una matriz triangular de n n es el producto de los

Probar que es valida esa a rmacion. (ii) Probar que en general no vale \det(A + B ) = det(A)+det(B ). Pensar por ejemplo en In + In. Proponer otros ejemplos que ilustren la desigualdad. (iii) Una interpretacion geometrica del determinante: Dados dos vectores u = (u1 u2 ), v = (v1 v2) en el plano (no colineales) que son lados de un paralelogramo. Recordar como se puede calcular el area del paralelogramo usando el producto vectorial de esos vectores (lo vieron en el curso B). Veri car que el area del paralelogramo = j det(A)j, siendo A la matriz que tiene como las los vectores u y v.

Ejercicio 1 Usando el MATLAB....

En la pagina 184 del libro de Grossman, en MATLAB 2.1, se explica como generar matrices aleatorias. (1) Resolver el ejercicio 1. (a) (2) Resolver el ejercicio 3. (3)Resolver el ejercicio 4. (a).

Para practicar...

10

X 1.1 Calcular el determinante cada una 0 de 1 de: 04 0 1 1 2 0 1 3 1 (a) ; (b) @ 3 1 1A (c) @0 0 1 A 1 1

;1 0 1
1 3 ;1

Ejercicios

1.2 Calcular el determinante 02de :1 1 1 02 3 41 2 0 (a) ; (b) @0 5 ;2A (c) @5 6 7A 1 3 1 ;3 4 8 9 1 X 1.3 Veri car que el determinante de una matriz triangular superior 3 3 es el producto
de la diagonal. 0 0 i Las triangulares inferiores se comportan igual? 1.4 En el MATLAB, con el comando: `det(A)', entrando la matriz A , calcular el determinante del ejercicio primero y segundo de la lista.

0a b c 1 det(@0 e f A) = aei

11

2 Resultados utiles. Propiedades del determinante.

(a) det AT = det A

Es facil comprobar que es valida, teniendo en cuenta que cada columna de A es una la de AT , y aplicando la de nicion del determinante como combinacion de los cofactores. (b) Si A tiene una la o una columna nula (vector de ceros) entonces det A = 0. Es inmediato, considerando que el determinante se puede calcular usando esa la o columna para combinar los cofactores. (c) Si A tiene dos las o dos columnas identicas entonces det A = 0. Se puede obtener facilmente como consecuencia de la propiedad (d) que sigue.

Efectos de las Operaciones Elementales por las:

d) Intercambiar dos las (o columnas) de A: det A ;! ; det A (cambia el signo)(por induccion). e) Multiplicar una la (o columna) por un escalar 6= 0: det A ;! : det A. ...es inmediato haciendo la combinacion de cofactores apoyados en la la (o columna) que se multiplica por . f) Sumar a una la (o columna) un multiplo de \otra la" (o columna): det A ;! det A (conserva el mismo valor). ... se obtiene al aplicar la combinacion de cofactores apoyados en esa la modi cada. Se obtendra que el determinante es igual a: det(A) + det(matriz con dos las iguales) = det(A) g) Multiplicar una matriz A de n n, por un escalar : det A ;! n: det A. ...se obtiene usando la propiedad (e), n veces.

Para practicar... Ejercicios X 2.1 Calcular el determinante de: 1 0 1 (a) 2 (b) 4 2 1 ;1 2.2 Calcular determinante de :

2 (c) 4 2 1

12

02 (a) @3

1 1 2 2A 0 1 4

01 (b) @2

0 1 1 1A 4 1 3

02 1 01 (c) @3 ;2 0A
1 0 0

3 Multiplicando por matrices elementales:

ejemplo,

Operacion de Tipo I: Intercambiar dos las de A (A ;! EI :A), donde EI es, por

01 B0 EI = B @0

0 0 1 0 0

0 1 0 0

0 0C C 0A 1

...veri car que det (EI :A) = ; det A = det EI : det A (ya que det EI = ; det I = ;1)

Operacion de Tipo II: Multiplicar una la por un escalar 6= 0 (A ;! EII :A), donde
EII es, por ejemplo,

01 B0 EII = B @0

0 0 0 1 0 0C C 0 0A 0 0 0 1

... veri car que det (EII :A) = : det A = det EII : det A (ya que det EII = : det I = )

Operacion de Tipo III: Sumar a una la, un multiplo de otra la (A ;! EIII :A),
donde EIII es, por ejemplo,

01 B0 EIII = B @0

0 1 0 0 0

0 0 0 C C 1 0A 0 1

... aplicando la propiedad (f) a EIII y a A det (EIII :A) = det A = det EIII : det A (ya que det EIII = det I = 1) 13

S ntesis Resumiendo ...

con la aclaracion que

... si E es una matriz elemental entonces

det (E:A) = det E: det A

8 ;1 < det E = : 1

si E es de Tipo I si E es de Tipo II si E es de Tipo III

Comentarios Lo mismo para columnas...

... recordar que las operaciones elementales por columnas se obtienen al multiplicar a la derecha por una matriz elemental EI EII o EIII . ... Usando la propiedad (a)

det (A:E ) = = = =

det (A:E )T ; det E T :AT ; ; det E T : det AT det E: det A

... los efectos producidos en el determinante, debido a las operaciones sobre las columnas, son identicos a los correspondientes a las operaciones sobre las las.

3.1 Resultados claves:

... Importante !
1. Una matriz A de dimension n n es singular si y solo si det A = 0. 2. Si A y B son matrices de n n:

det (A:B ) = det A: det B

Primer resultado clave: Demostracion. Cualquier matriz A de n n se puede reducir a la forma escalonada de Gauss o de Gauss-Jordan (si es no singular se llega a una triangular con la primera, y a In usando la segunda) mediante una cantidad nita de operaciones elementales sobre las las ...
U = Ek :Ek;1:::E1 :A
donde U es la matriz obtenida y todas las fEig son matrices elementales. Ademas, por ser productos con matrices elementales se sabe... 14

det U = det (Ek :Ek;1:::E1 :A) = det Ek : det Ek;1 ::: det E1: det A Pero det Ei es siempre no nulo (Tipo I, II o III), luego... det A = 0 si y solo si det U = 0

(5)

Cuando A es \singular" (no es equivalente por las a In), por tanto U debe tener al menos una la con todos ceros, ... entonces en este caso, det U = 0 ... que es equivalente a det(A) = 0. Por el contrario, si A es no-singular (equivalente por las a In ), U es una matriz triangular cuyos coe cientes en la diagonal principal son \no nulos" (todos iguales a 1 usando Gauss, y podemos reducir U a la forma reducida escalonada, en ese caso U = In), entonces desde (5) det U 6= 0 ... equivalente a det(A) 6= 0. ...

15

Comentarios Si A es no-singular, mediante las operaciones elementales, usando la forma reducida escalonada, se obtiene una U cuyo det U = 1, satisfaciendo det U = det(Ek :Ek;1:::E1 :A), que es igual a = det Ek : det Ek;1::: det E1 : det A, despejando se obtiene la formula:

det A = det Ek : det Ek;1::: det E1 ];1 Ahorrando operaciones elementales, usando solo ope raciones por la de Tipo I o III,se puede reducir A a una forma triangular T , satisfaciendo

T = Em;1 :::E1 :A
...en este caso

det T = t11 :t22 :::tmm = det A

donde ftii g son los coe cientes de la diagonal principal de T . El signo (+) ocurre cuando realizamos una cantidad par de intercambios de la (operaciones de Tipo I) en el proceso en cambio, el signo (;) aparece si es una cantidad impar. ... Se obtiene que

det A = det T = t11 :t22 :::tmm

... Si T tiene en la diagonal algun cero, el det(A) = 0. ...Si en la diagonal de T son todos \no nulos", conociendo cuantas permutaciones se hicieron, se obtiene que

det A = det T = t11 :t22 :::tmm

Para practicar... Ejercicios X 3.1 Usar el determinante para saber si las siguientes matrices son singulares o o nosingulares. 1 0 1 4 2 (a) 2 (b) (c) 3 1 1 ;1 2 1 3.2 Singular no 1 singular? Usar determinante para decidir. 02 o 01 el 1 0 1 1 1 0 1 2 1 0 (a) @3 2 2A (b) @2 1 1A (c) @3 ;2 0A 0 1 4 4 1 3 1 0 0 16

X 3.3 Cada par de matrices di ere por una operacion elemental la. Usar esta operacion
para comparar det(A) con det(B ). 2 B= 1 2 (a) A = 1 ;1 023 31 01 0 0 3 1 @ A @ (b) A = 0 0 1 B = 0 1 0 1 2 1 0 00 01 ;1 3 1 (c) A = @2 2 ;6A B = @1 1 0 4 1 3.4 Mostrar lo que sigue: 0 1 1 det(@ a b 0 2A 1 1 ;1 3 1 ;3A 0 4 1

(OBS.. Este es el caso 3 3 del determinante de Vandermonde que aparece en muchas aplicaciones.

a2 b2 c2

1 c A) = (b ; a)(c ; a)(c ; b)

3.2 Ejercicios para aplicar el determinante en la resolucion de sistemas ...

17

X 3.1 Decidir si los siguientes sistemas tienen solucion unica, usando ahora el determinante de la matriz involucrada. Para practicar, calcular el determinante usando las dos formas que se han descripto previamente ( usando expansion con los cofactores y el procedimiento economico por operaciones elementales llevando a una matriz triangular, contando las permutaciones). (a) 3x + 6y = 18 (b) x + y = 1 (c) x1 + x3 = 4 x + 2y = 6 x ; y = ;1 x1 ; x2 + 2x3 = 5 4x1 ; x2 + 5x3 = 17 3.2 Resolver los sistemas del inciso previo, usando Eliminacion Gaussiana. Cuando la matriz es no singular hallar explicitamente inversa, usando el procedimiento de la matriz ampliada.

Ejercicios

18

3.3 Segundo resultado clave: Demostracion

2. Si A y B son matrices de n n: det (A:B ) = det A: det B

Demostracion. Primer caso: Si B es singular. En este caso, A:B es singular (pues B singular =) B:x = 0 tiene solucion no trivial =) (A:B ) :x = 0 tiene (la misma) solucion no
trivial) =) (A:B ) es singular. As ... det (A:B ) = 0 = det A: det B . Se cumple la propiedad.

2do. caso: Cuando B es no-singular, B se puede escribir como un producto de matrices

elementales, y sabemos que la expresion (5) es valida. Entonces det (A:B ) = = = = det (A:Ek :Ek;1:::E1 ) det A: det Ek : det Ek;1::: det E1 det A: det (Ek :Ek;1:::E1 ) det A: det B

Problema

(**) Si A tiene inversa entonces el determinante de la inversa A;1 es la inversa del determinante: det(A;1 ) = ( det(A) );1 . Probar ese enunciado importante usando la propiedad del determinante respecto del \producto de matrices". Usando el MATLAB 2.4 del libro de Grosmann: hacer los ejercicios de la pagina 217: 1-2-3(pagina 218).

19

4 Dos metodos para calcular el determinante de A:

Comentarios Cada termino en la expansion de cofactores es un producto de n coe a1p1 :a2p2 :a3p3 :::anpn
(6)
cientes de A, elegidos de tal manera que \haya uno de cada columna y uno de cada la". Esto es, donde fp1 p2 : : : pn g es alguna permutacion de los enteros f1 2 : : : ng ( aqu corresponden a las columnas). Por tanto, hay n! = n:(n ; 1):(n ; 2):(n ; 3): : : : :3:2:1 posibilidades distintas de asignar las columnas a fp1 p2 : : : pn g, ordenar en forma distinta las n columnas. Luego, hay n! sumandos en total, todos de la forma (6), en la expresion completa del determinante de A. ... Entonces para calcular el det(A), por la formula que combina los cofactores, la cantidad de \sumas" que hay que hacer son n! ; 1. La cantidad de productos, usando el desarrollo por cofactores respecto de una la o columna, como hay n productos de un elemento de una la por el cofactor Aij respectivo, hay n ( numero de productos en un determinante de (n ; 1) (n ; 1))] +n. (Analizar esto para n = 2, para n = 3, etc.) Como un ejercicio, calcule cuantas cuentas (sumas, productos, etc) hay que hacer si calcula el determinante para una matriz con n = 10 (!!) usando el desarrollo por cofactores.

Hemos visto \dos formas" para calcular el determinante de una matriz A: a) Usando la de nicion basica en terminos de expansion de cofactores. b) Reduciendo a una forma triangular y \contando" la cantidad de intercambios de las durante el proceso (usando solo las operaciones (I) y (III) para ahorrar operaciones, en lugar de las de Gauss Jordan). Si n > 3, el metodo (b) es mucho mas e ciente, a menos que A tenga una cantidad signi cativa de ceros.

Ejemplo
2 1 3 2 1 3 2 1 3 4 2 1 = 0 0 ;5 = (;1) : 0 ;6 ;5 6 ;3 4 0 ;6 ;5 0 0 ;5 = (;1) :2: (;6) : (;5) = ;60

20

S ntesis Comparacion: Comparamos el numero de operaciones aritmeticas necesarias

para calcular el determinante de una matriz de n n, mediante la expansion de cofactores con la forma que usa eliminacion Gaussiana (reduccion por las ahorrando calculos): Expansion de cofactores Eliminacion Gaussiana n Sumas Multiplicaciones Sumas Multiplicaciones 2 1 2 1 3 3 5 9 5 10 4 23 40 14 23 5 119 205 30 45 10 3:628:799 6:235:300 285 339

Observacion Si A es singular, det A = 0. Pero si det A es evaluado numericamente

(usando aritmetica de punto otante), los errores de redondeo pueden ocasionar que el resultado no sea 0, aunque este bastante cerca a 0. Por lo tanto, en algunos casos es virtualemente imposible determinar computacionalmente cuando una matriz de n n es verdaderamente singular... >Es importante esta sutil distincion entre \estar cerca del 0" o ser \ 0 "? .

Para practicar....

21

X 4.1 > Cuales valores del numero real x hacen que esta matriz sea singular (determinante
12 ; x 4 8 8;x Este tema aparece en el calculo de autovalores de matrices (veremos!!) 4.2 Mostrar que la ecuacion de una recta en el plano que pasa por (x1 y1) y (x2 y2) se expresa por el determinante .0 1 x y 1 det(@x1 y1 1A) = 0 x1 6= x2 x2 y2 1 4.3 Veri car que para matrices 4 4 no vale la regla de Sarrus (conocida para matrices 3 3!). Analizar el ejemplo, que tiene las iguales. 0 12 0 1 0 1 B 0 1 1 0C B @ 0 1 1 0C A ;1 0 0 1 4.4 El producto vectorial (o producto 0 cruz)de 1 vectores 0 1 es el vector que se calcula como el determinante 0 =0)?

Ejercicios

x1 ~ x = @x2 A x3

y1 ~ y = @y2A y3

Notar que en la primer la los elementos son vectores de la base canonica de <3. Mostrar que es ortogonal o perpendicular a cada uno de los vectores x , y 4.5 Probar que es v alido el enunciado (b), usando (a): (a) El determinante del producto es el producto de los determinantes. det(AB ) = det(A) det(B ). (b) Si A tiene inversa entonces el determinante de la inversa de A es la inversa del determinante de A: det(A;1 ) = ( det(A) );1. 4.6 Probar que para matrices 2 2, el determinante de una matriz es igual al determinante de su transpuesta. >Vale en general? . Ver las propiedades descriptas en el apunte. X 4.7 > El determinante de una suma es igual a las suma de los determinantes? Analizar, usando por ejemplo A = In y otra B = In. Encuentre otro ejemplo similar, y concluya con el resultado. 4.8 Mostrar que si A es 3 3 entonces det(c A) = c3 det(A) para cualquier escalar c. 4.9 > Para cuales valores de esa matriz A cos ; sin sin cos es singular?. Explicar geometricamente. > Y su transpuesta AT ?(explicar porque es inmediata la respuesta). 22

~ e1 ~ e2 ~ e3 @ ~ x ~ y = det( x1 x2 x3 A) y1 y2 y3

4.10 Encontrar el volumen del paralelepipedo determinado por los vectores 1 1 1 0 , 1 , 1 0 0 1 4.11 Es cierto que det(RS ) = det(SR) y que det(R2 S T ) = det(RSR), si R, S son matrices cuadradas de igual dimensi on? 4.12 (a) Si det A = 3 y det B = 2, siendo ambas de n n, encontrar det(A2 B T B 2 ). (b) Si det A = 0, probar que det(6A3 + 5A2 + 2A) = 0. 4.13 (a) Las matrices ortogonales satisfacen AT = A1 . Muestre que entonces detA = 1. (b) D e un ejemplo de una matriz ortogonal de 2 2 diferente de la identidad, y verique la propiedad anterior. (c) Es v alida la propiedad rec proca? Considere por ejemplo 3 1 2 1

4.14 Interprete geom etricamente las siguientes propiedades: (a) El determinante de la matriz B obtenida al multiplicar una columna de una matriz cuadrada A por un escalar c es c detA. (b) El determinante de la matriz B obtenida al multiplicar cada columna de una matriz A de 3 3 por un escalar c es c3 detA. Generalizar a matrices de n n. (c) El determinante de una matriz que posee dos columnas proporcionales es nulo.

23

Matrices denidas por bloques

1. Pruebe que el determinante de una matriz de la forma M= A 0 0 B

donde A es una matriz de n n, B una matriz de m m (n 1, m 1) y 0 denota matrices nulas (tal que M es de (n + m) (n + m)), es det(M ) = det(A)det(B ) (Sugerencia: Mediante operaciones elementales lleve C a una matriz de forma similar pero con A y B matrices triangulares superiores, en cuyo caso la igualdad anterior es obvia ( Por qu e ?). La igualdad puede tambi en demostrarse escribiendo M como un producto conveniente) . Las matrices denidas por bloques, como M , surgen frecuentemente en distintas aplicaciones. Veremos en cap tulos posteriores ciertas aplicaciones importantes de la propiedad anterior. 2. Muestre que es posible generalizar el resultado anterior a det A C 0 B = det A 0 D B = det(A) det(B )

donde C es una matriz de n m y D de m n, con A de n n, B de m m. 3. Evaluar en base a 2 1 1 2 M = 0 0 0 0 los resultados anteriores los determinantes de las 0 0 0 0 2 1 1 2 1 2 2 3 0 0 0 0 , N = 0 0 3 2 , O = 3 2 3 2 2 3 0 0 2 3 2 3 matrices 2 1 1 2 . 0 0 0 0

4. Muestre que si A de n n es no singular, con B de m m, C de n m y D de m n, A C det = det(A)det(B DA1 C ) D B

In A C C A0 (Sugerencia: Muestre primero que (A D B ) = (D Im )(0 B DA1 C ) y use luego resultados anteriores).
1

5 Regla de Cramer
Proporciona un m etodo para obtener la inversa de una matriz A no singular y la soluci on u nica del sistema lineal asociado Ax = b, por medio de determinantes. Regla de Cramer. Si A es una matriz no singular de n n y b es cualquier vector x1 . columna de Rn , los elementos xi de la u nica soluci on x = . . del sistema lineal xn Ax = b est an dados por det Ai , i = 1, . . . , n xi = det A donde Ai es la matriz que se obtiene al reemplazar la columna i esima de A por el vector columna b. Y los elementos (A1 )ij de la matriz inversa de A pueden ser obtenidos como (1)i+j det Mji det A donde Mji es la matriz obtenida al suprimir la la j y columna i de A. (A1 )ij = De esta forma, x = A1 b implica xi =
1 j (A )ij bj

i+j b M j ji j (1)

det A

det Ai . det A

Observaci on: Estas expresiones proporcionan una expresi on anal tica para la inver1 sa A y la soluci on del sistema lineal asociado, en t erminos de determinantes. Resultan u tiles para obtener propiedades generales de la soluci on y su dependencia con los elementos de la matriz A y del vector b. No obstante, desde el punto de vista num erico no es un m etodo eciente para resolver problemas de gran escala. Ejemplo: Aplicando este m etodo obtenemos, para n = 2, A= a b c d , det A = ad bc = 0 A1 = b1 b2 a c 1 det A d b c a a c a c b1 b2 , b d

a b c d

x1 x2

b1 b2

x1 =

b d , x2 = b d

y para n = 3, a b c A = d e f , det A = g h i

a b c d e f g h i

= 0 A1

|M11 | |M21 | |M31 | 1 |M12 | |M22 | |M32 | = det A |M13 | |M23 | |M33 |

f bc con |M11 | = |e h i |, |M21 | = |h i |, etc., y

a b c x1 b1 d e f x 2 = b2 x 1 = g h i x3 b3

b1 b c b2 e f b3 h i , x2 = det A

a b1 c d b2 f g b3 i , x3 = det A

a b b1 d e b2 g h b3 det A

24

6 Conclusiones.

Lista de equivalencias para matrices de n n Lista A A es no-singular (tiene inversa) det A 6= 0 A es equivalente por las a In. A puede expresarse como producto ... de matrices elementales.

Lista B A es singular (no tiene inversa) det A = 0 A no es equivalente a In. A no puede ser expresada como producto de matrices elementales. A:x = b tiene solucion unica x = A:x = b es incompatible o tiene A;1 :b. siendo x = A;1 :b. 1 sols (dependiendo de b?). El sistema (homogeneo) A:x = 0 El sistema (homogeneo) A:x = 0 tiene tiene solo la solucion trivial. in nitas soluciones.
Y la lista seguira creciendo...

7 Consideraciones acerca del Cap tulo 3 del libro de Grossman

Comentarios El tema que trata es vectores en <n. Los vectores en <n, operaciones entre ellos ( +, producto por un escalar)y sus

propiedades, se han estudiado en Matematica B. Tambien el \ producto escalar entre vectores", Longitud de un vector, angulo entre vectores, proyeccion de un vector sobre otro. Producto vectorial(producto cruz) y sus aplicaciones. Una manera se saber si se recuerdan esos conceptos es leer el RESUMEN en pagina 286, y si es necesario repasar algunos conceptos. Los docentes los apoyaran en aquellos temas faltantes.

Objetivo En las clases proximas estudiaremos Espacios vectoriales en general, donde los vectores no necesariamente son \n- uplas" (como son los de <n). En particular, un ejemplo habitual sera el espacio de vectores <n . Se repasaran todas las propiedades de
este espacio particular.

25

Matem atica C V. Espacios Vectoriales

Temario:
Clase 1: De nicion de espacio vectorial. Ejemplos. Subespacios. Espacio nulo de una matriz. Conjunto generador. Espacio generado. Clase 2: Vectores linealmente independientes. Conjuntos dependientes. Conjunto minimal de generadores de un espacio. Bases y dimension de un espacio vectorial. Clase 3: Coordenadas de un vector respecto de una base. Cambio de base. Matrices: espacio la y espacio columna. Dimension de estos subespacios. Clase 4: Rango de una matriz. Relacion entre el espacio la y el espacio nulo de una matriz. Igualdad de las dimensiones del espacio la y columna. Aplicacion a la resolucion de Sistemas de ecuaciones lineales del conocimiento del espacio la y espacio columna, rango de la matriz A de los coe cientes, y rango de la matriz ampliada. Conclusiones sobre sistemas cuadrados y sistemas generales m n.

1 Introduccion a Espacios vectoriales

El metodo de Gauss sistematicamente hace combinaciones lineales de las las de una matriz para llevarla a una forma escalonada que es mas amigable para resolver sistemas lineales. En el modulo previo, a veces se han combinado vectores de <2, en otras oportunidades se han combinado vectores de <3 , y tambien vectores de mas alta dimension. As ser a interesante trabajar en <n, para n arbitrario. Eso tiene como ventaja que cualquier resultado valido en <n, vale en particular en <2 , y en <3 . Pero, eso no bastar a para generalizar. Hemos visto espacios cuyos elementos no son todo <2, ni todo <3 . Por ejemplo, el conjunto solucion de un sistema homogeneo, si tiene in nitas soluciones, es justamente una coleccion de vectores, de la misma magnitud del espacio de las incognitas, que satisfacen que la \combinacion lineal de ellos" tambien es solucion. Ahora hacemos un estudio mas general \ sobre combinaciones lineales". Estudiaremos conjuntos con el aditamento que se de nen para sus elementos dos operaciones: adicion (+), y multiplicacion por un escalar ` ', cumpliendo ciertas condiciones especiales. Primero vemos, a modo de ejemplo, los bien conocidos espacios ...

1.1 Espacios Vectoriales Eucl deos: <2, <3, <n

1 x= x x2

De nicion <2 : Es el conjunto de pares ordenados (x1 x2 ), de numeros reales, o de vectores columnas x de dimension 2 1 con dos operaciones:
Suma de vectores:

u + v = (u1 u2) + (v1 v2) = (u1 + v1 u2 + v2)

Multiplicacion de un vector por un escalar (numero real ):

:x = : (x1 x2 ) = ( :x1 :x2 )

... cumpliendo las dos condiciones siguientes (a) y (b). (a) Para cualquier par de vectores u y v en R 2 , (u + v) es tambien un vector en R 2 , y (b) Para cualquier vector x en R 2 y cualquier escalar , :x es tambien un vector en
R2

... tales condiciones implican que <2 es: (a) cerrado bajo la operacion suma de vectores y (b) cerrado bajo la multiplicacion por un escalar.

Geometricamente, R 2 puede ser representado como el conjunto de todos los puntos en el plano bi ; dimensional. ...Un vector (x1 x2 ) puede ser representado como un segmento recto dirigido desde (0 0) hasta (x1 x2).

Eso ) que la suma de vectores y la multiplicacion por un escalar pueden ser interpretadas geometricamente, y se puede de nir la longitud de un vector x como la longitud del segmento de recta que representa a x en el plano:
2 l = x2 1 + x2 ... En el espacio R 3 , se representa un vector x = (x1 x2 x3) como un punto en el espacio tri;dimensional, o como un segmento recto dirigido desde el origen (0 0 0) hasta (x1 x2 x2 ). Su longitud es : q 2 2 l = x2 1 + x2 + x3 ... Mas generalmente, R n : es el espacio de todas las n-uplas de numeros reales (x1 x2 : : : xn) o el espacio de los vectores columnas de dimension n 1 0 1 x1 B x2 C B C x=B . . @.C A xn ... En este caso se di culta la visualizacion geometrica, aunque si podemos de nir la longitud de x como q2 2 l = x1 + x2 + + x2 n (... Mas adelante llamaremos a esta longitud la norma del vector: kxk ) Con las mismas de niciones de R 2 para suma de vectores y multiplicacion por un escalar, los espacios R 3 y R n resultan cerrados bajo estas operaciones.

2 Espacio vectorial
operaciones usuales. Pero, los \espacios vectoriales" no necesariamente son una coleccion de vectores columnas, o de vectores las. Abajo hay ejemplos de otros tipos de espacios vectoriales. El termino `espacio vectorial' no signi ca `coleccion de vectores columnas de numeros reales'. Mas bien signi ca `coleccion de elementos' en la que cualquier combinacion lineal de sus elementos tiene sentido y es un elemento de ese conjunto'. Ejemplo R m n : Es el conjunto de todas las matrices de m n cuyos coe cientes son numeros reales. ... Recordemos que hay dos operaciones para sus elementos:

Comentarios Los ejemplos previos involucran conjuntos de vectores columnas con las

(A + B )ij = Aij + Bij ( :A)ij = :Aij para cada elemento ij , i = 1 : : : m, j = 1 : : : n. Si A y B son dos vectores en R m Rm n .
n

Suma de matrices y multiplicacion por un escalar, de nidas :

... Este conjunto R m n , es \cerrado" bajo estas dos operaciones:

5

entonces A + B y :A tambien son vectores de

2.1 Axiomas. De nicion de Espacio vectorial

Comentarios La propiedad basica de \clausura" bajo las operaciones de adicion y multi-

plicacion por un escalar, es el ingrediente clave en la de nicion formal de espacio vectorial V . Si esta condicion de clausura se cumple, entonces el conjunto V de vectores se dice que tiene la forma de un \espacio vectorial"... ... \siempre y cuando se satisfagan las siguientes condiciones" ( axiomas):

x + y = y + x, para todo x, y en V . (x + y) + z =x+ (y + z), para todo x, y,z en V . Existe un unico elemento 0 en V tal que x + 0 = x, para todo x en V . Para cualquier x en V , existe otro elemento ;x en V tal que x + (;x) = 0. : (x + y) = :x + :y, escalar. ( + ) :x = :x + :x, para todo escalar , , x 2 V . ( : ) :x = : ( :x), para todo escalar , , x 2 V . 1:x = x, para todo x 2 V . Observacion La de nicion de espacio vectorial no dice nada sobre una multiplicacion
1. 2. 3. 4. 5. 6. 7. 8.
entre vectores. En algunos espacios vectoriales se puede llegar a de nir un producto de vectores (como en el caso de R n n ) ... pero este \ no es un requerimiento" para los espacios vectoriales.

... Veamos el siguiente ejemplo: Ejemplo C a b] : denota \ el conjunto de funciones cont nuas de nidas en el intervalo cerrado a b], con valores reales". ... Es un nuevo tipo de espacio \vectorial", con las dos operaciones: Suma de vectores: Si f (t) y g(t) son vectores de este conjunto C a b], se de ne la suma (f + g) mediante (f + g) (t) = f (t) + g (t) ... y Multiplicacion por un escalar: Se de ne ( :f ) mediante ( :f ) (t) = :f (t) El conjunto C a b] es \cerrado bajo la suma de vectores y la multiplicacion por un escalar", ... ya que si f (t) y g (t) son dos funciones cont nuas a valores reales, de nidas en el intervalo cerrado a b], entonces f (t) + g (t) y :f (t) son tambien funciones cont nuas en el mismo intervalo. Los 8 axiomas necesarios se veri can muy facilmente: Se toma como funcion cero: la f (t) = 0 para todo t 2 a b], y ... se de ne (;f ) como : (;f ) (t) = ;f (t), para todo t 2 a b]. 6

Ejercicio Veri car que C a b] cumple los 8 axiomas.

Otro ejemplo ...

Ejemplo

coe cientes, pudiendo ser alguno o todos 0), es otro tipo de "espacio de funciones", , donde cada ... Vector: p (t) = a0 + a1 :t + a2 :t2 + + an;1 :tn;1 ... con las operaciones de nidas: Suma de vectores: se de ne (p + q) (t) = p (t) + q (t) : Con esa de nicion, ... el vector \nulo": p (t) = 0 + 0:t + + 0:tn;1 . Multiplicacion por un escalar: se de ne ( :p) (t) = :p (t)

Pn : el conjunto de todos los polinomios de grado menor que n (tienen n

Ejercicio Dado el conjunto Pn, de nido en el ejemplo previo:

(i) Veri car que es \cerrado" para las dos operaciones y (ii) veri car que los 8 axiomas se satisfacen facilmente.

Observacion (para futuras referencias) En Pn, un vector p puede describirse (de manera unica) mediante sus coe cientes fa0 a1 : : : an;1 g, y estos pueden ser escritos en
forma de matrices/arreglos columnas de n 1

0 a0 B a1 p ~= B B @ ...

an;1

1 C C C A 0 a0 B a1 $ B B @ ... 1 C C C A

As podemos de nir una correspondencia biyectiva (1-1) entre los vectores de Pn y las n-uplas en R n :

p (t) = a0 + a1 :t + a2 :t2 +

+ an;1:tn;1

an;1

De nicion Mas adelante veremos que como existe esa clase de correspondencia biyectiva
entre estos dos espacios vectoriales, estos espacios son isomorfos.

2.2 Subespacios
escalar".

De nicion Un subespacio de un espacio vectorial V es cualquier subconjunto (no vac o)

S de V , S V , tal que el tambien es \un espacio vectorial". Esto es, un subconjunto de V que sea \cerrado" bajo las operaciones de \suma de vectores" y \multiplicacion por un

Comentarios Como los vectores en S (los elementos de S ) pertenecen todos a V , los 8

axiomas/condiciones se satisfacen automaticamente. Solo la condicion de clausura (ser cerrado) debe ser examinada y veri cada para determinar si S es un \subespacio vectorial". Observar, que el elemento \0" de V debe estar en S para ser un subespacio de V . de nicion ... (ii) Se puede a rmar que si S es un subespacio de V , > es S un conjunto no vac o?. >Porque?.

Ejercicio (i)Si S es un subespacio de V , > porque contiene al 0 de V ?. Reveer la

Ejemplo El subconjunto S de R 2 formado por los vectores x = (x1 x2 )T que satisfacen x2 = 2:x1 (gra camente es una recta que pasa por el origen)es un subespacio de <2. Es
decir, ... los vectores de la forma:

c 2:c
( :c) Multiplicando por un escalar: : 2c :c = 2: ( :c) ... sumando dos vectores cualesquiera de S : c + b = c+b (c + b) 2:c 2:b 2:c + 2:b 2: (c + b) ... conduce a vectores de la misma forma de los de S , y as estan en S . Luego, ... S es \cerrado" bajo las operaciones dadas, en consecuencia es \un subespacio" de

<2.

Ejercicio En R 3 , los vectores de la forma (x1 x2 0)T forman un subespacio. Son los
vectores que se encuentran en el plano x3 = 0

u + v = (u1 u2 0)T + (v1 v2 0)T = (u1 + v1 u2 + v2 0)T :u = : (u1 u2 0)T = ( :u1 :u2 0)T
- Veri car que es un conjunto \cerrado" para las operaciones y por tanto forma un subespacio de R 3 .

Comentarios Cualquier subespacio de V distinto del mismo V , o del conjunto f0g

(conjunto que solo contiene al vector 0), se llama \subespacio propio" de V .

Problema Analizar si el conjunto S = f(x y) : x+y = 1 (x y) 2 <2g es un subespacio de <2?. Problema Veri car que dado el espacio vectorial de las matrices <n n, son subespacios
del mismo: (i) Las matrices simetricas. (ii) Las matrices triangulares superiores. (iii) Las matrices triangulares inferiores. (iv) Proponga algun otro subconjunto de este espacio de matrices que tambien sea un subespacio.

Problema Veri car que \no es cierto" que el conjunto de \matrices singulares es un

subespacio de las matrices n n". Lo mismo, para el conjunto de matrices \no-singulares" n n. Proponer, ejemplos para ver lo anterior.

Problema El subconjunto S de R2 formado por los vectores de la forma x = (x1 1)T

no es un subespacio de R 2 , ya que

u + v = (u1 1)T + (v1 1)T = (u1 + v1 2)T (no pertenece a S ) :u = : (u1 1)T = ( :u1 )T (no pertenece a S )
El conjunto S \no es cerrado" por las operaciones de suma o mutiplicacion por un escalar. >Puede ejempli car para ver mas claramente el signi cado?. Para practicar ...

ientes: (a) El espacio de los polinomios de grado 3, bajo las operaciones naturales. (b) El espacio de las matrices 2 4. (c) El espacio ff : 0::1] ! < f es cont nuag X 2.2 Encontrar el opuesto (o inverso respecto de la suma), en los espacios vectoriales, para los vectores siguientes en particular: (a) En P3 , si el vector es ;3 ; 2x + x2 (b) En el espacio de matrices 2 2 con terminos reales bajo las usuales operaciones de suma y multiplicacion por un escalar, para el vector 1 ;1 0 3 X 2.3 Mostrar que cada uno de los siguientes conjuntos es un espacio vectorial. (a) El conjunto de los polinomios lineales P1 = fa0 + a1 x a0 a1 2 <g bajo las usuales operaciones. (b) El conjunto 0x1 L = f@y A 2 <3 : x + y ; z = 0g z bajo las operaciones inherentes a <3. X 2.4 Mostrar que \no son subespacios" vectoriales, los casos: (a) Bajo las operaciones usuales en <3 , el conjunto 0x1 f@y A 2 <3 x + y + z = 1g z 3 (b) Bajo las operaciones de0 <1 , el conjunto x @ f y A 2 <3 x2 + y2 + z2 = 1g z (c) Bajo las usuales operaciones sobre matrices, 1 f a b c a b c 2 <g (d) Bajo las operaciones inherentes a <2 , 2 f x y 2 < x + 3y = 4 y 2x ; y = 3 y 6x + 4y = 10g 2.5 Subespacios: 011 001 (a) Sean los vectores de <3: f@0A @1Ag Veri car que el conjunto de los v 2 <3 1 1 que son combinaciones de ellos, forman un subconjunto de <3 que es un subespacio. Ver car que geometricamente es un plano que pasa por el origen (encontrar la ecuacion). (b) Dados dos(2) vectores de <3 cualesquiera, >siempre el conjunto de sus combinaciones es un subespacio, que geometricamente es un plano? 10

Ejercicios 2.1 Indicar cual es el vector \cero" en cada uno de los Espacios V ectoriales sigu-

vectorial bajo las operaciones inherentes a ese espacio. (b) > Que ocurre, si ellos no contienen al origen? 2.7 De nir adicion y multiplicacion por un escalar real para que el conjunto de los numeros complejos sea un espacio vectorial real. Las operaciones usuales son: (v0 + v1i) + (w0 + w1i) = (v0 + w0) + (v1 + w1)i, y r(v0 + v1i) = (rv0) + (rv1)i. Chequear todas las condiciones !. X 2.8 Para cada conjunto, decidir si es un espacio vectorial con las operaciones usuales.

2.6 (a) Probar que toda recta, o plano que pasa por el \origen" en <3 es un subespacio

(a) Las matrices diagonales 2 2. 0 f a 0 b (b) El conjunto 0 1

x

a b 2 <g

w (c) El conjunto de funciones que son solucion de: ff : < ! < df=dx + 2f = 0g ( Veri car si ese conjunto es cerrado bajo la suma y multiplicacion por un escalar). (d) El conjunto de funciones ff : < ! < df=dx + 2f = 1g. ( Observar si la funcion f (x) = 0 = cte , esta en ese conjunto). X 2.9 Probar o dar un contraejemplo sobre si: \ es un espacio vectorial el conjunto de todas las matrices", bajo las operaciones usuales. 2.10 (a) > Es un espacio vectorial, bajo las usuales operaciones, el conjunto de las: funciones de una variable (con valores reales) que son diferenciables? (b) Es un subespacio de las matrices 2 2? b a + b = 0g f a c 0 (c) Mostrar que un subconjunto no vac o S de un espacio vectorial real V es un subespacio \ sii " es cerrado bajo las combinaciones lineales de pares de vectores (si c1 c2 2 < y ~ s1 ~ s2 2 S entonces la combinacion c1~ v1 + c2~ v2 esta en S ).

ByC fB @z C A 2 <4 x + y + w = 1g

11

2.3 Espacio nulo de una matriz

Es un ejemplo de un subespacio, ya conocido como conjunto, y de particular importancia en el temario que sigue. ... Si A es una matriz de m n, de nimos N (A), espacio nulo de A, al conjunto de todas las soluciones del sistema lineal homogeneo A:x = 0.
En la notacion de conjunto:

N (A) = fx 2 R n : A:x = 0g
Como A:x = 0 siempre tiene al menos la solucion trivial x = 0, N (A) es no vac o. ... Si x 2 N (A), y es un numero real,

A: ( :x) = : (A:x) = :0 = 0

) :x es un elemento de N (A), y si ... x e y 2 N (A) entonces

...

A: (x + y) = A:x + A:y = 0 + 0 = 0

) x + y 2 N (A). Se obtiene de esos resultados que

... N (A) es un subespacio de R n . As ... De nicion El conjunto de todas las soluciones de un sistema lineal de m n homogeneo A:x = 0 forma un subespacio de R n llamado espacio nulo de la matriz A.

Observacion El conjunto de soluciones de un sistema \no-homogeneo" A:x = b (b 6= 0) \no forma un subespacio" de <n . Por ejemplo, ... si x e y son soluciones del sistema entonces A: (x + y) = A:x + A:y = b + b = 2:b ( = 6 b a no ser que b = 0) A: ( :x) = :A:x = :b ( = 6 b a no ser que = 1) ) el conjunto de tales soluciones de Ax = b, \no es cerrado" bajo la operacion de la
suma de vectores, ni lo es sobre la multiplicacion por un escalar.

Ejemplo Encontrar N (A) para la siguiente matriz

1 1 0 A= 1 2 1 0 1
Usando el proceso de reduccion de Gauss-Jordan resolvemos A:x = 0 ... 1 1 1 0 0 ;! 1 1 1 0 0 (A j 0) = 2 1 0 1 0 0 ;1 ;2 1 0 0 ;1 1 0 ;! 1 0 ;1 1 0 ;! 1 0 ;1 ;2 1 0 0 1 2 ;1 0

12

... Tenemos las 2 variables independientes (libres) x3 y x4

x1 = x3 ; x4 x2 = ;2:x3 + x4
... Llamando = x3 , = x4 , la solucion general es

x =
=

0 ; B ;2 + B @

1 C C A=

011 B;2C :B @1C A+

0

0;11 B1C :B @0C A

1
para cualquier par de numeros y

: (1 ;2 1 0)T + : (;1 1 0 1)T

... N (A) esta formado por todos los vectores de esta forma, y es un subespacio de R 4 .

Problema (i)Determinar el \conjunto nulo" de la matriz A = 1 1] ( m = 1, n = 2).

Gra car. (ii)Determinar el conjunto nulo de la matriz A = 1 0 0] (m = 1, n = 3).Gra car. (iii)Determinar el \espacio nulo" de la matriz A = 1 1 1 ;1] (escrita como se usa en el MATLAB , con m = 2, n = 2). Explicar el resultado.

2.4 Conjunto generador. Espacio generado.

v = c1:v1 + c2 :v2 +
+ cp:vp =
p X i=1

De nicion Dado un conjunto de vectores S = fv1 v2 : : : vpg del espacio vectorial V ,

ci:vi
(los ci son numeros reales)

al \conjunto de todos" los vectores v que se obtienen como \combinacion lineal" de ellos,

se lo llama \el espacio generado por fv1 v2 : : : vp g", y se escribe ...

gen(S ) = hv1 v2 : : : vpi

.

Ejemplo (1)En R 3 , el espacio generado por los vectores S = fe1 e2 g consiste de todos
los vectores de la forma

v = :e1 + :e2 =

011 001 0 1 : @0A + : @1A = @ A

0 0 0

Claramente, el conjunto gen(S ) = he1 e2 i es un subespacio de R 3 (pues es \cerrado" por la suma de vectores y la multiplicacion por un escalar. Veri car!). Geometricamente, en el ejemplo el gen(S ) consiste de los vectores del espacio <3 que permanecen en el plano de los (x1 x2 0) (plano con ecuacion x3 = 0).

13

(2) El espacio generado por los vectores S = fe1 e2 e3 g esta formado por los vectores de la forma

Otro ejemplo:

v = 1 :e1 + 2 :e2 +

0 1 1 @ 2A 3 :e3 =
3

que comprende todos los vectores de R 3 . ... En consecuencia, el \espacio generado" por este conjunto S , es :

gen(S ) = he1 e2 e3i = R 3

Teorema Si S = fv1 v2 : : : vk g son vectores del espacio vectorial V , entonces gen(S ) = hv1 v2 : : : vk i \es un subespacio" de V . Demostracion. Hay que mostrar que hv1 v2 : : : vk i es cerrado por las operaciones del
espacio V . Multiplicacion por un escalar: si v = 1 :v1 + 2 :v2 + de hv1 v2 : : : vk i, entonces + k :vk es cualquier elemento + ( : k ) :vk + k :vk ,

:v = : ( 1:v1 + 2:v2 +

+ k :vk ) = ( : 1 ) :v1 + ( : 2 ) :v2 +

que es un elemento de hv1 v2 : : : vk i. ... y, si tomamos v = 1:v1 + 2:v2 + entonces

+ k :vk y w = 1:v1 + 2 :v2 +

v + w = ( 1 + 1) :v1 + ( 1 + 2 ) :v2 + + ( k + k ) :vk es tambien un elemento del conjunto gen(S ) = hv1 v2 : : : vk i.

Por tanto, gen(S ) es un subespacio de V , si S

V.

Comentarios ... En R 3 , si dos vectores, S = fv wg, se pueden usar para de nir un Dado un conjunto de vectores S = fv1 v2 : : : vk g que estan en el espacio vectorial V . ... Si gen(S ) = hv1 v2 : : : vk i, coincide con el espacio V , se dice que los vectores v1 v2 : : : vk generan V y fv1 v2 : : : vk g se dice que es un conjunto generador del espacio
... Tenemos la siguiente de nicion:

plano pasando por el \origen", entonces este plano es la representacion geometrica de gen(S ) = hv wi.

V.

De nicion El conjunto S = fv1 v2 : : : vk g es un \ conjunto generador del espacio

vectorial V " si y solo si todo vector de V puede escribirse como combinacion lineal de v1 v2 : : : vk .

14

Ejercicio ... > Son los siguientes conjuntos \ generadores" del espacio vectorial <3 ?
1. S = e1 e2 e3 (1 2 3)T

2. S = (1 1 1)T (1 1 0)T (1 0 0)T 3. S = (1 0 1)T (0 1 0)T 4. S = (1 2

n n n

o o

4)T

(2 1

3)T

(4 ;1

1)T

A modo de ejemplo, hacemos el 1. y el 4.: Solucion ... Para ver si S genera todo el espacio <3 :
En el caso 1 ... 1. S = e1 e2 e3 (1 2 3)T :

0a1 Consideramos un vector arbitrario en <3 , @ b A,

... sabemos que se puede escribir

0a1 @bA
c

0 0 c = a:e1 + b:e2 + c:e3 + 0: (1 2 3)T

0a1 001 001 @0A + @bA + @0A

) que ese vector arbitario se puede expresar como una combinacion de los vectores
de S . Eso quiere decir que ... S es un \conjunto generador" de R 3 .

... el ultimo vector de S es super uo, ya que no se necesito para lograr la combinacion. Bastan los 3 primeros vectores! para generar todo <3 . 2. Queda como ejercicio. 3. Queda como ejercicio. En el caso 4. el conjunto S es:

Observemos que ...

4. S = (1 2 4)T (2 1 3)T (4 ;1 1)T De nuevo, tomamos un vector arbitrario de <3, y analizamos si es posible expresarlo como combinacion de los vectores de S ?

0a1 011 021 041 @bA = 1: @2A + 2: @1A + 3: @;1A

c
4 3 1 15

... Para saber si \realmente existen" tales coe cientes para combinar, ... resolvemos el sistema de ecuaciones lineales planteado para encontrar 1 2 3
1 + 2: 2 + 4 : 3 2: 1 + 2 ; 3 4: 1 + 3: 2 + 3

= a = b = c

... En este caso, la matriz de coe cientes es singular, pues aplicando el metodo de reduccion Gaussiana, usando la matriz aumentada, se obtiene

01 @2

2 4 a 1 ;1 b 4 3 1 c

1 01 A ;! @ 0

2 4 a 2 a ;b 1 3 3 0 0 0 2a ; 3c + 5b

1 A

... Si 2a ; 3c + 5b 6= 0, el sistema es inconsistente !. Quiere decir que \no hay solucion". As los vectores v = (a b c), para los cuales a,b,c cumplan 2a ; 3c + 5b 6= 0, no se pueden generar a partir del conjunto S . ... > Cuando hay solucion y se pueden hallar los coe cientes de la combinacion planteada?. > Cuales vectores de <3 si se pueden generar desde el conjunto S ?. ... Solamente se pueden obtener como combinacion de los vectores de S , los vectores de <3, (a b c)T cuyas coordenadas cumplen 2a ; 3c + 5b = 0. Es decir, los vectores que estan en ese plano. As S genera solamente un \subespacio propio" del <3. En consecuencia,... S \no genera" a R 3 . ... Observar que los 3 vectores de S pertenecen a un mismo plano 2a + 5b ; 3c = 0 (ver que satisfacen esa ecuacion), as ... solo los vectores (a b c)T en ese plano podran ser expresados como combinacion lineal de los vectores de S !. S \ es un conjunto generador del conjunto de puntos de ese plano" (... que pasa por el origen !). ... Ademas, advertimos que en realidad no se necesitan los 3 vectores de S para generar ese plano! ( explicar >porque?)

3 Independencia lineal
Comentarios La ultima a rmacion, del ultimo ejemplo, nos lleva a preguntarnos ... > Cuantos vectores son \necesarios" para generar el plano: 2a + 5b ; 3c = 0.? Proxima pregunta: >Como encontrar el conjunto generador mas peque~ no de un espacio vectorial V (conjuntos \generadores" de V con la menor cantidad posible de vectores). ... Pasamos a dar respuesta a esa pregunta en lo que sigue ...

16

Comentarios Un conjunto de generadores \minimal" para V sera aquel conjunto S de

vectores que no tenga elementos \redundantes" o innecesarios, es decir \todos los vectores del conjunto S deben ser necesarios" para generar V . Para decidir si un conjunto de vectores S = fv1 v2 : : : vp g constituye un conjunto \generador minimal" de V , necesitamos ... ...analizar \si los vectores que estan en S " \dependen unos de los otros ". Con ese objetivo ... ...introducimos la nocion de \dependencia lineal" e \independencia lineal" de vectores. Considerar, por ejemplo, el subespacio generado V = hv1 v2 v3i, siendo

011 0;21 0;11 v1 = @;1A v2 = @ 3 A v3 = @ 3 A

2 1 8

Sabemos que V es un subespacio de R 3 . Pero tal V puede ser construido a partir de v1 y v2 , pues v3 ya es una combinacion de los dos primeros,

v3 = 3:v1 + 2:v2 :

(1)

... v3 ya esta en el espacio generado por v1 y v2 . Por tanto, cualquier combinacion lineal de v1 v2 v3 puede ser reducida a una combinacion lineal de v1 y v2:
1 :v1 + 2 :v2 + 3 :v3

= 1 :v1 + = ( 1+3 = 1 :v1 +

2 :v2 + 3 : (3:v1 + 2:v2 ) 3 ) :v1 + ( 2 + 2 3 ) :v2 2 :v2

)
V = hv1 v2 v3i = hv1 v2 i
... ya que v3 es "redundante", no agrega nada a las posibles combinaciones de fv1 v2g. Podemos reescribir la dependencia de v3 con respecto a v1 y v2 (expresion (1)) como 3:v1 + 2:v2 ; v3 = 0: En este caso, como ninguno de los 3 coe cientes es cero, se puede despejar de la ecuacion cualquiera de los vectores en funcion de los otros dos restantes. As ... el subespacio V esta generado por

V = hv1 v2 v3i = hv1 v2i = hv1 v3 i = hv2 v3i

En este ejemplo, cualquiera de los tres vectores puede ser considerado como \redundante" o innecesario, ya que puede ser expresado como combinacion lineal de los \otros dos". < Solo 2 de ellos son necesarios!. Ademas, se podr a preguntar ... 17

... >si no existe una relacion de \dependencia" entre v1 y v2 ?. Es decir, si existen escalares c1 y c2 (no simultaneamente nulos) tales que...

c1 :v1 + c2:v2 = 0?
Si existieran esos escalares ... ... entonces podr amos despejar uno de ellos en terminos del otro c2 :v (si c 6= 0) o v = ; c1 :v (si c 6= 0) v1 = ; c 2 1 2 2 c2 1 1 ... eso dir a que uno de los vectores es multiplo escalar del otro. Pero, a simple vista (repasar) se observa que esto es imposible para los vectores v1 y v2. Lo mismo pasa con fv2 v3g, e igualmente se observa para fv1 v3 g. As ... en este ejemplo, \solo los tres vectores juntos" tienen la propiedad de \dependencia lineal". Otra forma de decirlo: hv1 i y hv2 i generan subespacios \propios" de hv1 v2 i.

Para generalizar:

Importante !

1. Si los vectores fv1 v2 : : : vpg generan V , y si alguno de los vi puede ser escrito como combinacion lineal de los restantes (p ; 1) vectores, entonces estos (p ; 1) vectores \generan V ". Ademas, se tiene la siguiente equivalencia:

2. Dados p vectores fv1 v2 : : : vpg. \ Si alguno de estos vectores es combinacion lineal de los otros (p ; 1) vectores , existen escalares c1 c2 : : : cp (no todos nulos) tales que

c1:v1 + c2 :v2 +
de v1 v2 : : : vp;1, entonces

+ cp:vp = 0

Demostracion de (1). Supongamos que vp puede ser escrito como combinacion lineal
+ p;1:vp;1 Si v es cualquier vector en V . Como fv1 v2 : : : vpg generan a V se tiene que

vp = 1:v1 + 2:v2 +

v =

= =

1 :v1 + 2 :v2 + + p;1 :vp;1 + p :v p ; 1 :v1 + 2 :v2 + + p;1 :vp;1 + p : 1 :v1 + 2 :v2 + + p;1:vp;1 ; ( 1 + n 1) :v1 + ( 2 + n 2) :v2 + + p;1 + p p;1 :vp;1

...Esto es, cualquier vector v de V puede ser escrito como combinacion lineal de v1 v2 : : : vp;1. As estos vectores generan V . Demostracion de (2). La parte (2), se obtiene de suponer que uno (por ejemplo vp) es combinacion de los otros. Luego, existen coe cientes para los que

vp = 1:v1 + 2:v2 +
18

+ p;1:vp;1

... entonces, pasando vp al segundo miembro se obtiene que existen coe cientes, no todos nulos, que satisfacen: + p;1:vp;1 ; vp = 0 Para ver la rec proca, hay que seguir el razonamiento o procedimiento anterior hacia atras... De nicion Los vectores v1 v2 : : : vp de un espacio V se dicen linealmente dependientes si existen escalares fci g no todos nulos tales que
1 :v1 + 2 :v2 +

c1:v1 + c2 :v2 +
binacion

+ cp:vp = 0

De nicion Los vectores v1 v2 : : : vp se dicen \linealmente independientes" si la comc1:v1 + c2 :v2 +

implica que \todos los ci son nulos".

+ cp:vp = 0

Comentarios Cuando existe una eleccion de escalares ci \ no todos nulos " tal que la

combinacion lineal c1 :v1 + c2 :v2 + + cp:vp es el vector cero, entonces v1 v2 : : : vp son linealmente dependientes. Por el contrario, si la unica manera de lograr que la combinacion lineal: c1 :v1 + c2:v2 + + cp:vp = 0 (resulte = al vector nulo) es haciendo que todos los escalares ci \sean cero", entonces ...los v1 v2 : : : vp son linealemente independientes.

3.1 Interpretacion geometrica:

En R 2 , si dos vectores u y v son \linealmente dependientes", entonces c1:u + c2:v = 0 (donde c1 6= 0 o c2 6= 0) En cada uno de estos casos se tiene: c2 :v (si c 6= 0) u = ;c 1 1 1 :u (si c 6= 0) v = ;c 2 c2 Es decir, uno de ellos es multiplo escalar del otro, son co-lineales.

19

Lo mismo pasa en R 3 : si dos vectores u y v son \linealmente independientes" no puede ser uno multiplo escalar del otro. Por tanto, ... estos dos vectores \linealmente independientes" no pertenecen a una misma recta que pasa por el (0 0 0). As de nen un plano. Todo vector que este en este plano puede ser escrito como \combinacion lineal" de u y v. Luego ... ... cualquier otro w = (w1 w2 w3) que pertenece a este plano, junto con u y v, determinan un conjunto fu v wg que es \linealmente dependiente". En cambio ... ... tomando un w que no pertenece a este plano , el conjunto fu v wg resulta \linealmente independiente", ya que el ultimo no es combinacion de los otros dos.

Ejemplo

011 011 011 u = @1A v = @1A w = @0A

1 0 0

En este caso, son linealmente independientes. Para ver eso ... ... los combinamos e igualamos a cero:

c1:u + c2:v + c3 :w = 0
entonces

0c 1 0c 1 0c 1 0c + c + c 1 001 2 3 1 2 3 @c1 1 A + @c2 A + @ 0 A = @ c1 + c2 A = @0A

c1
0 0

c1

De tal igualdad ... ... se llega al sistema

c1 + c2 + c3 = 0 c1 + c2 = 0 c1 = 0
que tiene solucion unica: c1 = c2 = c3 = 0. ... Eso implica que los \tres vectores" dados son \linealmente independientes".

20

Ejemplo

011 001 u = @0A v = @1A

1 0

Se plantea la igualdad: c1 :u + c2 :v = 0, la que implica ...

0c 1 001 @c1 2 A = @0A

c1
0

... se deduce que c1 = c2 = 0. Eso ... ) que son linealmente independientes. Otro ejemplo...

Ejemplo

011 021 041 u = @2A v = @1A w = @;1A

4 3 1

En ese caso, la igualdad c1 :u + c2 :v + c3 :w = 0 implica

c1 + 2c2 + 4c3 = 0 2c1 + c2 ; c3 = 0 4c1 + 3c2 + c3 = 0

Este sistema homogeneo, > cuantas soluciones tiene ?. Para averiguarlo ... (conocemos dos formas de hacerlo, cuales?) Una forma, analizando la matriz de coe cientes A de este sistema homogeneo de 3 3, si es singular o no-singular: 1 2 4 1 ;1 + (;1)2+1 :2: 2 ;1 + (;1)3+1 :4: 2 1 2 1 ;1 usando el det(A) = (;1)1+1 : 3 1 4 1 4 3 4 3 1 = (1 + 3) ; 2 (2 + 4) + 4 (6 ; 4) = 0:
En consecuencia, sabemos que el sistema homogeneo tiene soluciones no triviales (c1 c2 c3 ). Esto dice que ... los vectores dados fu v wg son \linealmente dependientes".

Este resultado puede resumirse y generalizarse de la siguiente manera: Teorema Dado el espacio vectorial <n. Si u1 u2 : : : un son vectores en R n , el conjunto fu1 u2 : : : ung es \linealmente dependiente" si y solo si la matriz U = (u1 u2 : : : un) es singular.
21

Demostracion. La expresion
c1:u1 + c2:u2 +
es el sistema lineal homogeneo + cn:un = 0 + cn:u1n = 0 + cn:u2n = 0 ... ... + cn:unn = 0

c1:u11 + c2 :u12 + c1:u21 + c2 :u22 + c1:un1 + c2 :un2 +

... que tendra solucion no trivial (c1 c2 : : : cn) si y solo si la matriz de coe cientes, la matriz U = (u1 u2 : : : un) es singular.

Comentarios Luego ...

... la matriz U (de n n) es \no singular", si y solo si el conjunto fu1 u2 : : : un g \es linealmente independiente". independiente", se construye una matriz A de dimension n n cuyos vectores columnas son los vectores en cuestion (en cualquier orden) y luego se evalua el det(A):

S ntesis As para determinar si n vectores de R n , forman un conjunto \linealmente

Si det A = 0 ) A es singular, y los vectores son linealmente dependientes. Si det A 6= 0, A es \no singular" y los vectores son linealmente independientes.

... Teorema Si v1 v2 : : : vp son vectores de un V . Todo vector v en el subespacio generado hv1 v2 : : : vpi, puede escribirse de manera unica en combinacion de v1 v2 : : : vp \si y solo si" los vectores fv1 v2 : : : vp g son linealmente independientes. Demostracion. Supongamos que v1 v2 : : : vp son linealmente independientes. Supongamos tambien que podemos escribir v de dos maneras diferentes como combinacion lineal de v1 v2 : : : vp:
...

Importante ! Una combinacion lineal de un conjunto S de vectores \linealmente independientes" es unica. Esto es, ... existe una unica manera de expresar un \vector particular" como combinacion lineal de los vectores S \linealmente independientes ".

v = 1:v1 + 2:v2 +
y tambien

+ p:vp + p:vp

v = 1:v1 + 2:v2 +
22

... restando ambas ecuaciones tenemos

0 = ( 1 ; 1) :v1 + ( 2 ; 2) :v2 + + p ; p :vp Como los vectores fvig son linealmente independientes, cada i ; i debe ser 0, para i = 1 ::: p . ... Entonces, los coe cientes de la combinaciones son iguales( son unicos !). Rec procamente: supongamos que todo v en el espacio generado por los vectores fvi g, puede escribirse de manera unica como combinacion lineal de ellos. As en particular el vector v = 0 que esta en ese conjunto generado, puede escribirse de manera unica, 0 = 1 :v1 + 2:v2 + + p:vp ... entonces, por ser unica, deben ser los betai = 0, i = 1 : : : p !! . As los p vectores son linealmente independientes !.

Ejercicios X 3.1 Mostrar que las las \no nulas " de una matriz en forma escalonada reducida

forman un conjunto linealmente independiente de vectores. 3.2 (a) Mostrar que cualquier conjunto de 3 vectores en <2 es linealmente dependiente. (b) Eso es verdad para un conjunto de cuatro ?. (c) > Cual es el maximo de elementos que un subconjunto linealmente independiente de <2 puede tener ? X 3.3 Hay algun conjunto de 4 vectores de <3, tal que cualquier subconjunto de 3 vectores forme un conjunto linealmente independiente ?. 3.4 > Todo conjunto linealmente dependiente, debe tener un subconjnto que es linealmente dependiente y un subconjunto independiente? 3.5 En <4, > cual es el subconjunto mas grande de vectores linealmente independientes?. > Y el mas peque~ no? X 3.6 (a) Mostrar que si el conjunto de vectores de un espacio vectorial V f~ u~ vw ~ g es un conjunto linealmente independiente entonces tambien lo es : f~ u~ u+~ v~ u+~ v+w ~ g. Pero que f~ u~ v~ u+~ vg es dependiente. 3.7 El conjunto vac o es linealmente independiente. (a) > Cuando un conjunto de \un elemento" es linealmente independiente ? (b) > Si el conjunto tiene 2 elementos, que deben cumplir para ser independientes?

3.2 Para practicar ...

23

X 3.1 Decidir si cada uno de los siguientes subconjuntos de <3 son linealmente indepen-

Ejercicios

dientes (pueden usar la PC y el MATLAB para decidir). Para cada uno, cuando el conjunto es independiente debe probarse, y cuando es dependiente puede exponerse 011 021 001 la dependencia (mediante un ejemplo). (a) f@;3A @2A @0Ag 4 1 00 1 05 1 0 1 2 4 (b) f@;3A @2A @;4Ag 5 01 4 01 14 011 2 3 (c) f@7A @7A @7Ag 070 1 7 011 7 (d) f@ 0 A @0Ag ; 1 01 4 0 1 0 1 09 1 2 3 12 @ A @ A @ A @ 5 12 Ag (e) f 9 0 1 1 0 ;4 1 ;1 0 01 1 0 2 4 B C B C B ;3C B2C B;4C (f) fB @ 5 A @4A @ 14 C Ag 1 1 1 X 3.2 Probar que cada conjunto ff ggdado, es linealmente independiente en el espacio vectorial de todas las funciones de <+ a <. (a) f (x) = x y g(x) = 1=x (b) f (x) = cos(x) y g(x) = sin(x) (c) f (x) = ex y g(x) = ln(x) Considerar Z la funcion cero: Z (x) = 0, para todo x. (Ayuda: ver que no son dependientes.) Otra forma: ver si es posible obtener la isma combinacion en particular, cuando x = 1, o cuando x = 2. 3.3 Mostrar que si f~ x~ y~ z g es linealmente independiente entonces todos sus subconjuntos propios son linealmente independientes : f~ x~ yg, f~ x~ zg, f~ y~ zg, f~ xg,f~ yg, f~ z g, y fg. Vale la rec proca ?. 3.4 (a) Mostrar que el conjunto 011 0;11 S = f@1A @ 2 Ag 0 0 es un subconjunto linealmente independiente de <3 . (b) Mostrar que 031 @2A 0 24

esta en el conjunto generado por S , encontrando los coe cientes c1 y c2 que determinan esa relacion: 011 0;11 031 c1 @1A + c2 @ 2 A = @2A 0 0 0 Mostrar que el par c1 , c2 es unico. X 3.5 (a) Probar que un conjunto de dos vectores perpendiculares (no nulos) de <n es linealmente independiente si n > 1. (b) > Que pasa si n = 1? (c) Generalizar para mas que 2 vectores en <n ( a lo mas cuantos?). 3.6 Mostrar que, cuando S es un subespacio de V , si un subconjunto T de S es linealmente independiente en S entonces T es tambien linealmente independiente en V . La rec proca, vale?

25

4 Bases y dimension de los espacios vectoriales.

Objetivo
... Aun no sabemos cuando un conjunto generador de un espacio V es minimal !. En esta seccion ... ... veremos que un conjunto \generador" de un espacio vectorial V es \minimal" si los vectores en ese conjunto son \linealmente independientes". ... Es decir, no sirve agregar \vectores super uos (que son dependientes de los otros)", ya que estos no agregan nada. Este tipo de conjunto \generador minimal", con vectores linealmente independientes, es un conjunto \ basico" de vectores, que provee las \piezas" para construir el espacio vectorial V .

De nicion Un conjunto de vectores v1 v2 : : : vp forma una base del espacio vectorial

V , si y solo si:
1. fv1 v2 : : : vpg son \linealmente independientes", y 2. fv1 v2 : : : vpg generan V

Ejemplo Bases para R 3 :

0 0 1 Veri car que cumplem (1) y (2). 8011 011 0119 80 1 1 001 0019 < = < = 3 @ A @ A @ A @ A @ A @ A Otras bases de < : : 1 1 0 . Tambien es una base : : 0 1 1 , 1 0 0 ;1 0 1 etc. Se debe veri car que son linealmente independientes y que generan al espacio total <3. 0 0 1 0 0 0 0 Ejemplo Bases para R 2 2 : E1 = 1 0 0 , E2 = 0 0 , E3 = 1 0 E4 = 0 1 Veamos que este conjunto es linealmente independiente... 1 c2 = 0 0 c1:E1 + c2:E2 + c3 :E3 + c4:E4 = c c3 c4 0 0 y por tanto, c1 = c2 = c3 = c4 = 0. Eso indica que son \linealmente independientes". Veamos ahora que \cualquier matriz de 2 2" puede ser generada a partir de esas matrices ( o que toda matriz de 2 2 se puede escribir como combinacion lineal de ellas) 1 a2 A= a a3 a4 = a1 :E1 + a2 :E2 + a3 :E3 + a4:E4 En consecuencia... ... estos \cuatro" vectores son necesarios para formar una base de R 2 2 . 26

8011 001 0019 < = Base canonica: fe1 e2 e3g = :@0A @1A @0A

Observacion Los vectores fE1 E2 E3 E4g se denotan tambien como fE11 E12 E21 E22 g,
son una base del espacio de las matrices de 2 2.

para formar una base de R m n .

Este resultado se puede extender... ... para el caso de matrices de m n . Se necesitan ahora m n vectores(matrices)

Otros ejemplos.... Ejemplo Encontrar una \base" para el espacio nulo N (A) , si A es la matriz de 2 4.
1 1 0 A= 1 2 1 0 1
El \espacio nulo" es un subespacio de <4 . En un ejemplo previo sobre espacio nulo, vimos que N (A) consiste de todos los vectores de la forma

011 B;2C :B @1C A+

0

0;11 B1C :B @0C A

1

donde y son dos numeros cualesquiera. Eso ) que los vectores de N (A) se pueden escribir como combinacion lineal de

011 B;2C n1 = B @1C A

0

0;11 B1C n2 = B @0C A

1

As ... N (A) = gen(fn1 n2g = hn1 n2i ...Ese conjunto fn1 n2 g, >es una base del N (A)?. Para ver eso, ... hay que ver si el conjunto de los dos vectores fn1 n2 g son linealmente independientes (observando los coe cientes 3 y 4). ... se concluye que son linealmente independientes !. En consecuencia, forman una \base" para N (A), pues cumplen las \dos condiciones". los calculos son linealmente independientes.

Ejercicio Veri car que los vectores generadores de N (A), del ejemplo previo, haciendo

27

Ejercicio Usar el MATLAB: Dada una matriz

(a) A = 1 2 3 1 2 3 1 2 3], si usa el comando: B = null(A), en B da una base del N (A), cuyos vectores son ortogonales, o sea una base ortogonal de N (A). (b) Veri car que ese es el resultado que obtendr a Ud., hallando N (A), como se hizo antes. (c)Si la matriz A = 1 ;1 0 1 1 0 1 0], hallar N (A) en su hoja, y luego usando el MATLAB, hallar un conjunto linealmente independiente de vectores de R4 que genere a N (A). Luego veri car:que toda combinacion de esos vectores del MATLAB, cumple que estan en N (A).

Ejercicio Resultado importante ... Teorema Si S = fv1 v2 : : : vng forman un conjunto generador de V , entonces
cualquier conjunto de m vectores de V , con m > n, es linealmente dependiente. Para demostrar ese resultado, es facil hacerlo si se piensa en que todo vector de V es una combinacion de los vectores de S . Usando el ultimo resultado ... Corolario Si B1 = fv1 v2 : : : vng, y B2 = fu1 u2 : : : um g, son \dos bases" de V ) m = n. Demostracion. Si fv1 v2 : : : vng es una base de V entonces genera V . Los vectores fu1 u2 : : : umg son linealmente independientes, por ser base, y por lo tanto m n (por el teorema anterior). El mismo razonamiento dir a que n m. Por lo tanto m = n.

dimension n. En particular, el subespacio f0g, se dice que tiene dimension 0. Un espacio vectorial V se dice de dimension nita si existe un conjunto \ nito" de vectores que lo generan. En caso contrario se dice que V tiene dimension in nita. Ejemplos: (1) <n es de dimension nita pues todo vector se puede generar mediante un conjunto de \n vectores linealmente independientes", ejemplo: fei g, i = 1 : : : n. Ejemplo El espacio de todos polinomios de grado nito tiene una base con in nito numero de vectores h1 x x2 : : : i. Comentarios ... Recordar que para determinar cuando \n vectores" de R n forman un conjunto \linealmente independiente" se puede construir una matriz A de n n, cuyas columnas son los vectores en cuestion (en cualquier orden), y luego se evalua det(A). ... Si det A = 0, entonces A es singular y los vectores son linealmente dependientes. ... Si det A 6= 0, entonces A es \no singular" y los vectores son linealmente independientes. 28

De nicion Si una \base" de un espacio vectorial V tiene n vectores, se dice que V tiene

Dimension de un espacio vectorial

Importante ! Observacion Desde las sentencias anteriores se tiene:

... Si A es una matriz de n n, entonces independientes. dependientes.

A no singular (det A 6= 0) implica que los vectores columna de A son linealmente A singular (det A = 0) implica que los vectores columna de A son linealmente
Como det AT = det A, y los vectores columna de AT son los vectores la de A, se puede decir los mismo sobre los vectores las de A ...
Si una matriz A de n n es \no singular" (det A 6= 0), los vectores las y los vectores columnas de A son linealmente independientes. Si A es \singular" (det A = 0), los vectores columnas y los vectores las de A son linealmente dependientes.

S ntesis Estas sentencias son consistentes con nuestros conocimientos anteriores: Un sistema lineal A:x = b de n n siempre tiene una unica solucion si A es no

singular: Si A es no singular, los vectores columnas de A son linealmente independientes =) forman una base de R n =) cualquier vector columna b en R n puede escribirse (de forma unica) como combinacion lineal de los vectores columna de A. =) A:x = b tiene solucion unica. Cuando A es singular, el sistema Ax = b, puede \tener in nitas soluciones", o "no tener" solucion: Si A es singular, los vectores columnas de A son linealmente dependientes, =) no forman una base de R n =) no todos los vectores b de R n pueden escribirse como combinacion lineal de los vectores columnas de A (porque esas columnas no forman una base de <n ) =) A:x = b puede no tener solucion.... o =) si A:x = b tiene alguna solucion, esto es, si b puede escribirse como combinacion lineal de los vectores columna de A, esta representacion no es unica: habra in nitas soluciones ( porque?).

Relacionando conocimientos ...

29

Lista de equivalencias para matrices de n Lista A A es no-singular (tiene inversa) det A 6= 0 Los vectores columnas (los vectores las) de A son linealmente independientes y generan R n . El sistema lineal A:x = b tiene solucion unica x = A;1:b. El sistema (homogeneo) A:x = 0 tiene solo la solucion trivial. El espacio nulo de A contiene unicamente al vector nulo.(dimension = 0) A es equivalente por las a In. A puede expresarse como producto de matrices elementales.

n (actualizacion) Lista B A es singuar (no tiene inversa) det A = 0 Los vectores columnas (los vectores las) de A son linealmente dependientes y no generan R n . El sistema lineal A:x = b no tiene solucion o tiene in nitas soluciones (depende de b). El sistema (homogeneo) A:x = 0 tiene innitas soluciones. El espacio nulo de A tiene dimension 1. A no es equivalente por las a In. A no puede ser expresada como producto de matrices elementales.

La de nicion de dimension puede ser aplicada a subespacios: 1. Un vector no nulo x en R3 genera un subespacio uni-dimensional de R 3 hxi = f :x : cualquier escalarg
Un vector z pertenece a hxi si y solo si (z1 z2 z3 )T es multiplo escalar de (x1 x2 x3)T . Geometricamente, un subespacio uni-dimensional de R 3 es una recta que pasa por el origen. 2. Dos vectores linealmente independientes, x e y en R 3 general un subespacio bidimensional de R 3 hx yi = f :x + :y : y escalares cualesquierag Un vector z pertenece a hx yi si y solo si (z1 z2 z3)T pertenece al plano generado por x, y y el origen. Geometricamente, un subespacio bi-dimensional de R 3 es un plano que pasa por el orige n.

Finalmemte... Teorema Si V es un espacio vectorial de \dimension n" (n > 0) entonces

1. Cualquier conjunto de n vectores \linealmente independientes" de V genera todo V (forman una base de V ) .Ademas 2. Todo conjunto de n vectores que generan V son \linealmente independientes"

No lo demostramos aqu . Consultar la bibliograf a. Aunque no es di cil pensarlo y hacerlo (el 1. es inmediato formando un sistema, y en el 2. pensar que ocurrir a si fuesen dependientes, pueden generar todo el espacio de dimension n ?.
30

Conclusiones Es decir, que n-vectores linealmente independientes de un espacio V que Ejemplo Determinar si los siguientes vectores forman una base de R 3

tiene dimension n son una base de V . Las bases de V estan determinadas por n-vectores linealmente independientes.

(1 2 3)T (;2 1 0)T (1 0 1)T

Como la dimension de R 3 es 3, solo necesitamos averiguar si estos 3 vectores son linealmente independientes

1 ;2 1 2 1 0 = (;1)1+3 :1: (0 ; 3) + (;1)2+3 :0: (0 + 6) + (;1)3+3 :1: (1 + 4) 3 0 1 = ;3 + 5 = 2 6= 0

Por tanto, los vectores son \linealmente independientes" y forman una base de R 3 .

Ejercicios X 4.1 *** Hemos visto que toda base de <3 contiene el mismo numero de vectores (=
3).

(a) Mostrar que no hay subconjuntos de <3 linealmente independientes, con mas de (b) Dados los vectores a = 1 0 1], y b = 1 0 0] de <3, analizar si son linealmente independientes, y si pueden generar a todo el espacio <3 .
Por ejemplo: el vector 0 1 0] se puede escribir como combinacion de esos vectores?. Hacerlo. (c) Mostrar que un subconjunto con menos de 3 elementos no genera <3 . 3 elementos.

Problema Demostrar que \ si V es un espacio vectorial de dimension n (n > 0)"

entonces: 1. Ningun conjunto con menos de n vectores puede generar a V 2. Cualquier conjunto con menos de n vectores linealmente independientes puede ser extendido para formar una base de V 3. Cualquier conjunto con mas de n vectores que genere a V puede ser recortado para formar una base de V

4.1 Para practicar ...

31

X 4.1 Decidir <3 , los conjuntos que1 siguen: 0 1 0 1 01si 1son 03bases 1 0de 1 0 1 0 0 1 3 0 1 (a) h@2A @2A @0Ai (b) h@2A @2Ai (c) h@ 2 A @1A 1 1 0 1 1 3 1 ;1 1 030 1 0 1 1 (d) h@ 2 A @1A @3Ai
;1

Ejercicios

021 @5Ai
0

1 0 4.2 Encontrar bases para el conjunto solucion del sistema: x1 ; 4x2 + 3x3 ; x4 = 0 2x1 ; 8x2 + 6x3 ; 2x4 = 0 Tener en cuenta que la reduccion (veri car) indica que 1 ;4 3 ;1 0 ;2;! 1 ;4 3 ;1 0 1+ 2 2 ;8 6 ; 2 0 0 0 0 0 0 da unica condicion que x1 = 4x2 ; 3x3 +0 x4.1El conjunto solucion es 0la 1 0 1 0 1 4x2 ; 3x3 + x4 4 ;3 1 B C B B B x2 1C 0C 0C C B C B C B fB x x x 2 <g = f x + x + x 2 3 4 2 3 4 @ A @0A @ 1 A @0C A x2 x3 x4 2 <g x3 x4 0 0 1

Observar que la candidata obvia para la 1 base es: 041 0; 0 1 3 1 B1C B B 0C 0C C B C B hB @0A @ 1 A @0C Ai 0 0 1 Mostrar que es cierto!. X 4.3 Encontrar una base para M2 2 , las matrices de 2 2. X 4.4 Encontrar una base para : (a) El espacio de los vectores las de 3- componentes (x1 x2 x3), cuya suma de la componente 1 y 2 es cero. 4.5 Debe una base permanecer siendo base aunque sus terminos se permuten? 4.6 Puede una base de V contener al vector \cero" de V? X 4.7 Sea h~ 1 ~ 2 ~ 3i una base de un espacio vectorial (de dimension 3). (a) Mostrar que hc1~ 1 c2~ 2 c3~ 3i es una base cuando c1 c2 c3 6= 0. >Que sucede cuando al menos algun ci es 0? (b) Probar que h~ 1 ~ 2 ~ 3 i es una base si ~ i = ~ 1 + ~ i. X 4.8 Si h~ 1 : : : ~ ni es una base, mostrar que en la ecuacion c1~ 1 + + ck~ k = ck+1~ k+1 + + cn~ n todos los ci 's valen cero. Generalizar. 4.9 Para un conjunto base, hemos mostrado que todas sus combinaciones lineales son unicas. Si un conjunto \no es una base", >puede tener combinaciones lineales distintas que den el mismo vector ? 32

4.2 Bases canonicas

Para Rn , los vectores fe1 e2 : : : eng:

01 1 B 0C B C B . . @.C A,
0

01 0 B 1C B C B . . @.C A,
0

01 0 B 0C B , B .. C @.C A
1 0 0 0 1

Para R 2 2 , los vectores (matrices de 2 2): 1 0 , 0 1 , 0 0 , 0 0 0 0 1 0 Base para Pn: las funciones polinomicas:

p0 (x) = 1 p1 (x) = x : : : pn;1 (x) = xn;1

Comentarios Estas bases parecen ser las mas simples y las mas \naturales" para ser
usadas. Sin embargo, ... en algunos contextos (y en algunas aplicaciones) no son convenientes o utiles. Esto nos lleva a considerar : : :

5 Bases, coordenadas y cambio de base

5.1 Coordenadas de un vector
Un vector x = (x1 x2)T de R 2 puede expresarse en terminos de la base canonica e1 e2 como

x = x1 :e1 + x2 :e2
Podemos considerar a x1 y a x2 como las coordenadas de x con respecto a la base canonica fe1 e2 g. Gra car. ... Tambien podemos escribir a x como combinacion lineal de otras bases de R 2 , es decir ... se puede usar como base cualquier par de vectores y y z linealmente independientes

segundo), y ... escribimos las base ordenada como ... entonces podemos referirnos a respecto a la base y z].

x = :y + :z ... Ahora y seran las coordenadas de x con respecto a la base fy zg. Si ordenamos los vectores de esta base, y y z (y es el primero en la base y z es el y z]
=( 33 )T como el vector de coordenadas de x con

Las coordenadas del vector x con respecto a la base canonica son (x1 x2 )T , pero esto no es cierto si consideramos cualquier otra base y z].

Sobre el orden en los vectores de una base: Observacion El vector coordenadas de un vector x con respecto a una base ordenada z y] ... es ( )T , y el vector coordenadas de x con respecto a la base ordenada e2 e1]
... es (x2 x1 )T .

Comentarios El orden de los vectores en una base es importante, y se indica usualmente

en forma expl cita mediante los sub ndices

u1 u2 : : : un] Ejemplo En R 2 , sean: u1 = (2 1)T y u2 = (1 4)T (como u1 y u2 son linealmente

independientes, forman una base de R 2 ). El vector

x = (7 7)T = 7:e1 + 7:e2

puede ser escrito como

x = 3:u1 + u2 ... en consecuencia, el vector coordenadas de x con respecto a u1 u2 ] es T

... (3 1) :

Ejercicio Encontrar las coordenadas respecto de la base indicada, para el vector: 1 , si la base es B = h 1 ;1 i <2 2 1 1
34

5.2 Cambio de base

Objetivo ... Pregunta: Si para un vector espec co, se conocen las coordenadas respecto de una base, ... >como se obtienen las coordenadas respecto de otra base?
... > Como ir de una base a la otra, y conocer las coordenadas respecto de las respectivas bases?. En R 2 , supongamos que queremos intercambiar las bases e1 e2] y u1 u2 ], siendo 1 u1 = 3 y u = 2 2 1

... expresamos los vectores de la \base vieja" en terminos de los vectores de la \base nueva" u1 = 3:e1 + 2:e2 u2 = e1 + e2: Entonces ... x = c1 :u1 + c2:u2 = (3c1:e1 + 2c1:e2 ) + (c2:e1 + c2:e2 ) = (3c1 + c2 ) :e1 + (2c1 + c2 ) :e2 =) que el vector de coordenadas de x, x = (c1 :u1 + c2:u2 ) con respecto a e1 e2] es c1 + c2 3 1 c1 x= 3 2c1 + c2 = 2 1 : c2 ... Por tanto, si consideramos la matriz ... 1 , U = (u1 u2) = 3 2 1 Si c = (c1 c2)T es el vector de coordenadas respecto de la base fu1 u2g, entonces el producto U:c da el vector de las coordenadas de x, respecto de la base canonica. 35

) hay dos problemas distintos: Uno ... 1 1. Dado un vector x = x x2 = x1 :e1 + x2 :e2 , encontrar sus coordenadas con respecto a u1 u2]. Otro ... 2. Dado un vector con coordenadas respecto de la base u1 y u2, c1:u1 + c2:u2 , encontrar sus coordenadas con respecto a la base e1 e2]. Para resolver el segundo problema: Base "vieja": u1 u2 ] Base "nueva": e1 e2]

Conclusiones As ...

... dado cualquier vector de coordenadas c con respecto a la base u1 u2 ], ... para encontrar el correspondiente vector de coordenadas x, con respecto a la base e1 e2], debemos multiplicar U por c:

x = U:c
La matriz U de 2 2 se llama matriz de transicion de la base ordenada u1 u2 ] a la base ordenada e1 e2].

... Ahora, para responder al otro problema (el primer problema propuesto): conociendo las coordenadas de un vector respecto de la \base canonica", >como se procede para conocer las coordenadas respecto de la base dada por \ u1 y u2"?. Necesitamos la matriz de transicion de la base canonica a la \nueva" es decir de e1 e2] a u1 u2]... ... Esto es simple, como los vectores columnas de la matriz U u1 y u2 son linealmente independientes, la matriz
1 U = (u1 u2 ) = 3 2 1
es \no singular". As \tiene inversa" U ;1 . ... Luego, las coordenadas c respecto de la base fu1 u2g se obtienen...

c = U ;1 :x ... es decir, U ;1 es la matriz de transicion de e1 e2] a u1 u2]. Ejemplo Encontrar las coordenadas de x = 7 4 con respecto a la base u1 u2] anterior.
Tomamos, de nuevo,

3 1 2 1 1 1 ;1 = 1 ;1 U ;1 = (3 ; ; ;2 3 2) 2 3 y por tantolas coordenadas c respecto de la otra base ...

U =

1 ;1 : 7 = 3 , c = U ;1 :x = ; 2 3 4 ;2 As eso signi ca que 3 y ;2 son las coordenadas respecto de la base nueva, o sea: x = 3:u1 ; 2:u2 36

Ejercicio Encontrar la matriz de transicion de e1 e2] a b1 b2], donde 1 , b = ;2 b1 = ; 2 1 3 La matriz de transicion de b1 b2 ] a e1 e2 ] es 1 ;2 B = (b1 b2) = ; 1 3 Por tanto, la matriz de transicion de e1 e2] a b1 b2 ] es
2 B ;1 = 3 1 1
Si x = 1 2 , su vector de coordenadas c con respecto a la base b1 b2] es

2 1 7 c = B ;1 :x = 3 1 1 : 2 = 3
Chequeo ...

1 + 3: ;2 7:b1 + 3:b2 = 7: ; 1 3 7 + ;6 = ; 7 9 = 1 2 =x

Caso mas general: Llamemos S a la matriz de transicion de la base ordenada v1 v2] de R 2 a u1 u2]
s11 s12 S= s 21 s22 ... >Como se hallan los coe cientes sij ? Como v1 = 1:v1 + 0:v2 , ... su vector de coordenadas relativo a u1 u2] es

... Ademas, como

v2 = 0:v1 + 1:v2
37

su vector de coordenadas relativo a u1 u2 ] es

11 s12 : 0 = s12 s2 = s s21 s22 1 s22

v1 = s11 :u1 + s21 :u2 v2 = s12 :u1 + s22 :u2 Conclusiones ... Si los elementos v1 y v2 de la base "vieja" se escriben en terminos T de la base "nueva" u1 u2 ], el vector de coordenadas s1 = (s11 s21 ) correspondiente a v1
sera la primer columna de la matriz de transicion S , ... y el vector de coordenadas s2 = (s12 s22 )T correspondiente a v2 sera la segunda columna de S . ... Por tanto, S es la matriz cuya primer columna es el vector de los coe cientes para expresar v1 mediante la base u, y la segunda columna son las coordenadas de v2 respecto de u1 y u2 .

Ejemplo Encontrar S correspondiente al cambio de bases v1 v2] ;! u1 u2 ], donde

7 3 1 v1 = 5 2 , v2 = 3 , u1 = 2 , u2 = 1
Escribimos v1 y v2 en terminos de u1 u2 ]

v1 = s11 :u1 + s21 :u2 v2 = s12 :u1 + s22 :u2

La primer ecuacion es

5 = 3s11 + s21 , 2 2s11 + s21

11 = 3 . que tiene solucion s s21 ;4 La segunda ecuacion es

7 = 3s12 + s22 3 212 + s22

12 = 4 . que tiene solucion s s22 ;5 3 4 es la matriz de transicion de v v ] a u u ]. Luego, S = ; 1 2 1 2 4 ;5

38

Metodo alternativo: Cambio de bases de v1 v2 ] ;! u1 u2] a traves de la base

canonica es decir,

v1 v2 ] ;! e1 e2 ] ;! u1 u2 ] Tomemos un vector dado en la base canonica x = (x1 x2 )T en R 2 . Si c es el vector de coordenadas de x con respecto a v1 v2 ], y d es el vector de coordenadas de x con respecto a u1 u2], entonces c1:v1 + c2:v2 = x1 :e1 + x2 :e2 = d1:u1 + d2:u2 Si V es la matriz de transicion de v1 v2] a e1 e2], y U ;1 es la matriz de transicion de e1 e2] a u1 u2], entonces V:c = x y U ;1 :x = d
U ;1 :V:c = U ;1 :x = d, U ;1 :V es la matriz de transicion de v1 v2] a u1 u2].
por lo tanto

Ejemplo (anterior)
Debera ser

7 3 1 v1 = 5 2 , v2 = 3 , u1 = 2 , u2 = 1

S = U ;1 :V = 3 2 1 ;1 : = ; 2 3 3 4 = ; 4 ;5
Esquematicamente

1 ;1 : 5 7 1 2 3 5 7 2 3

o,
V U v1 v2 ] ;! e1 e2 ] ;! u1 u2 ]
;1

Como siempre, las operaciones deben realizarse en el orden correcto:

39

1. v1 v2 ] ;! e1 e2 ]: multiplicar por V . ... luego 2. e1 e2 ] ;! u1 u2 ]: multiplicar por U ;1 .

Caso general: espacio vectorial n-dimensional Si V es una espacio vectorial ndimensional con una base ordenada E = v1 v2 : : : vn], entonces cualquier vector v
puede ser escrito en la forma donde fcj g son escalares. Podemos asociar a cada vector v en V un unico vector c en R n : 0 1 c1 B c2 C B C, B @ ... C A cn llamado vector de coordenadas de v con respecto a la base ordenada E . Los fcj g se llaman coordenadas de v relativas a E , y c se suele escribir como: c = v]E . Rec procamente, a cada vector c en Rn podemos asociarle un unico vector v en V v = c1:v1 + c2 :v2 + + cn:vn Hemos generado una correspondencia 1-1 entre los espacios vectoriales V y R n . En el caso de un espacio vectorial n-dimensional, la matriz de transicion entre dos bases ordenadas diferentes sera una matriz de n n. Ejemplo En R 3 , dos bases E , F : 2011 021 0113 E = v1 v2 v3] = 4@1A @3A @5A5 2 4 201 1 0 1 0 13 1 1 1 F = u1 u2 u3] = 4@1A @2A @2A5 0 0 1 Encontrar la matriz de transicion E ;! F (a traves de e1 e2 e3 ]). Como en el ejemplo anterior de dimension 2, la matriz de transicion es: 01 1 11;1 01 2 11 U ;1 :V = @1 2 2A : @1 3 5A 002 0 ;11 0 1 1 012 24 11 = @;1 1 ;1A @1 3 5A 0 1 1 2 4 00 1 1 1 ;3 @ = ;1 ;1 0 A 1 2 4 40

v = c1:v1 + c2 :v2 +

+ cn:vn

Ejemplo Encontrar las coordenadas con respecto a la base ordenada F de los vectores x = 3:v1 + 2:v2 ; v3 y y = v1 ; 3:v2 + 2:v3
Tomando

031 x]E = @ 2 A
;1

011 y]E = @;3A

2

tendremos

0 1 1 ;31 0 3 1 0 8 1 x]F = @;1 ;1 0 A : @ 2 A = @;5A

1 2 4

;1

0 1 1 ;31 0 1 1 0;81 y]F = @;1 ;1 0 A : @;3A = @ 2 A

1 2 4 2 3
Veri cacion:

8:u1 ; 5:u2 + 3:u3 = 3:v1 + 2:v2 ; v3 ;8:u1 + 2:u2 + 3:u3 = v1 ; 3:v2 + 2:v3

Para practicar ... Ejercicios X 5.1 Representar el vector dado con respecto de la base que se indica : 0 respecto de la base u = (1 ;1) y u = (1 1) . (a) ; 1 2 0 11

0 5.2 Suponga que, en el plano los ejes se rotan un angulo (medido en radianes) en el sentido antihorario. Esto da nuevos ejes que se denotan x ~y ~. > Cuales son las coordenadas (x y) , en la base canonica, de los vectores unitarios e1 , e2 rotados?. Mostrar que la matriz de transicion (o del cambio de coordenadas ) desde la vieja fe1 e2g a la nueva es : cos( ) sen( ) U ;1 = ; sen( ) cos( ) - Si = =4, hallar las coordenadas respecto de los nuevos ejes del vector x = (2 3) (dado en coordenadas canonicas). Gra car e interpretar geometr camente. 41

B;1C (b) B @0C A, respecto de la base canonica. E4 <4 11 00 (c) @;1A, respecto de la base (1 1 0), (1 ;1 0), (0 0 1).

Dimension n: Cambio de bases de E = w1 w2 : : : wn] a F = v1 v2 : : : vn] (bases

ordenadas de V ). Escribimos cada elemento de E en terminos de los elementos de F : ... wn = s1n:v1 + s2n:v2 +

w1 = s11 :v1 + s21 :v2 + w2 = s12 :v1 + s22 :v2 +

...

+ sn1:vn + sn2:vn + snn:vn

(2)

Tomando cualquier vector v. Y escribimos x = v]E y y = v]F . Esto es

v = x1:w1 + x2 :w2 + + xn:wn = y1:v1 + y2:v2 + + yn:vn

Se sigue que

y = S:x
donde los coe cientes fsij g son la matriz de transicion S de nida en el sistema 2:

Observacion Si y = 0, esto es, las coordenadas de v con respecto a la nueva base F son todas cero, entonces v debe ser el vector cero. Por lo tanto las coordenadas de v con respecto a la vieja base E (o cualquier otra base) deben ser cero, esto es x = 0. En otras palabras, si y = 0, el sistema lineal de n n S:x = y tiene solo la solucion trivial, x = 0. Por lo tanto: x = S ;1:y

La matriz de transicion S es no singular, y la matriz de transicion de la base F a la base E es S ;1 , esto es Mas generalmente, cualquier matriz no singular de n n puede ser considerada como la matriz de transicion entre una base v1 : : : vn ] y alguna otra base: Si v1 : : : vn ] es una base, y S = fsij g es una matriz no singular de n n, de nimos los vectores w1 : : : wn] como

w1 = s11 :v1 + s21 :v2 + w2 = s12 :v1 + s22 :v2 + wn = s1n:v1 + s2n:v2 +
. . . . . .

+ sn1:vn + sn2:vn + snn:vn

Se puede demostrar (nosotros no lo haremos) que los vectores wi son linealmente independientes porque los vectores vi lo son y porque S es no singular. Como w1 : : : wn] son n vectores, forman una base. Y la matriz S es la matriz de transicion de w1 : : : wn] a v1 : : : vn ].

42

En la practica, la eleccion optima de la base depende del caso particular o del problema que se quiere resolver. Dos tipos importantes de bases de <n en ciertas aplicaciones son: Bases ortonormales, consistente en vectores que son ortogonales entre si, y cada vector tiene longitud unitaria. Ejemplo, la canonica en <n. Bases de autovectores asociados a una cierta matriz A de n n. Esto se vera mas adelante. Auun no hemos de nido que es un autovector de una matriz A.

Ejemplo Espacio de funciones.

La base canonica de P3 es E = p0 p1 p2 ], con

p0 (x) = 1, p1 (x) = x, p2 (x) = x2

Consideremos el vector p = 2:p0 ; p1 + 3:p2 . Esto es,

p (x) = 2 ; x + 3x2
El vector coordenadas de p con respecto a la base canonica es

021 p]E = @;1A

3

Consideremos ahora otra base ordenada U = u0 u1 u2 ], con

u0 (x) = 1, u1 (x) = 1 ; x, u2 (x) = 1 + x2

>Son bases de P3 ?. Son 3 vectores en un espacio de dimension 3. Por lo tanto, solo hace falta comprobar la independencia lineal:

0 = c0 :u0 + c1:u1 + c2:u2

Concluimos que

0 = c0 + c1 (1 ; x) + c2 1 + x2 = (c0 + c1 + c2 ) ; c1x + c2x2 =) c0 + c1 + c2 = 0 c1 = 0 c2 = 0 c0 = c1 = c2 = 0

... y por tanto u0 u1 u2] forman una base de P3. ...>Cuales son las coordenadas de p con respecto a la nueva base dada por ui, i = 1 2 3? Primero expresamos la nueva base en terminos de la base canonica

u0 = p0 = 1:p0 + 0:p1 + 0:p2 u1 = p0 ; p1 = 1:p0 ; 1:p1 + 0:p2 u2 = p0 + p2 = 1:p0 + 0:p1 + 1:p2

43

Ejercicios X 5.1 Representar el vector dado con respecto de la base : (a) x2 + x3 , D = h1 1 + x 1 + x + x2 1 + x + x2 + x3 i P3

La matriz de transicion de la base U a la E es 01 1 11 U = @0 ;1 0A 0 0 1 La matriz de transicion de E a U es 01 1 ;11 U ;1 = @0 ;1 0 A 0 0 1 Por lo tanto 01 1 ;11 0 2 1 0;21 p]U = U ;1 : p]E = @0 ;1 0 A : @;1A = @ 1 A 0 0 1 3 3 Esto es, p = ;2:u0 + u1 + 3:u2 . Veri cacion: ; ;2:u0 (x) + u1 (x) + 3:u2 (x) = ;2 + (1 ; x) + 3 1 + x2 = 2 ; x + 3x2 = p (x)

6 Espacio la y espacio columna de una matriz

... Volvemos al mundo de las matrices de m n. Cada la de una matriz A de m n puede ser considerada como una matriz de 1 n ( y un elemento del espacio vectorial R n ), y cada una de las columnas de A como una matriz de m 1 (un elemento de R m ).

Objetivo ... En lo que sigue obtendremos resultados sobre sistemas lineales, respecto de

la no existencia o la existencia de una o mas soluciones, a partir de conocer el numero de las o columnas linealmente independientes de la matriz A, y las caracter sticas del termino b del sistema.

De nicion Sea A una matriz de m n. Vectores las de A : Son los m vectores (1 n) correspondientes a las las de A. Vectores columnas de A: Son los n vectores (m 1) correspondientes a las columnas
de A.

Espacio la de A: El subespacio de Rn generado por los vectores las de A. Espacio columna de A: El subespacio de Rm generado por los vectores columnas de A.
44

0 0 Ejemplo A = 1 0 1 0

El espacio la de A son todos los vectores de 1 3 de la forma

: (1 0 0) + : (0 1 0) = (

0)

El espacio columna de A es el conjunto de todos los vectores de 2 1 de la forma 0 0 : 1 0 + : 1 + : 0 As el espacio la de A es un subespacio ... R 3 de dimension 2. Mientras que el espacio columna de A es (todo)... R 2 .

Teorema Si dos matrices A y B de m n son \equivalentes" por las ) tienen el \

mismo espacio la".

Demostracion. Si B es equivalente por las a A, entonces B se obtiene a partir de A

mediante una secuencia nita de operaciones elementales por las. Eso ! que los vectores las de B son una combinacion lineal de los vectores las de A. Luego, el espacio la de B esta contenido en el espacio la de A. Rec procamente,... ... si A es equivalente por las a B , el espacio la de A debe ser un subespacio del espacio la de B . ... Por tanto, los dos espacios son iguales.
linealmente independientes de la forma escalonada reducida (las las no nulas) coincide con el subespacio generado por las las de A. Por tanto, el numero de las linealmente de A y la escalonada son iguales, y las las no nulas de esta ultima son una base de ese subespacio.

Conclusiones ... Se obtiene de ah que el subespacio de <n generado por las las

Rango de una matriz

De nicion El rango de una matriz A de m n es la dimension del espacio la de A.

Y se denota como

rango (A) = rank(A)

... La dimension del espacio la de una matriz A es igual a la cantidad maxima de vectores las linealmente independientes de A. ... As si A es del tipo m n, no nula, su rango sera r siendo 1 r m (el numero de las linealmente independientes que coincide con el numero de las las no nulas de la matriz escalonada reducida correspondiente). Por ejemplo, 1 0 0 , rango (A) = 1 A= ; 1 0 0

45

... Para determinar el rango (A), se reduce A a la forma escalonada reducida por las. Luego, ... las las \no nulas" de las matriz escalonada por las formaran una base del espacio la.

01 ;2 Ejemplo A = @2 ;5

3 1 ;2 3 A @ 1 ;! U = 0 1 5A 1 ;4 ;7 0 0 0 (1 ;2 3) y (0 1 5) forman una base del espacio la de U . Pero como U y A son equivalentes por las, tienen el mismo espacio la: rango (A) = 2.
A veces, el rango de una matriz puede determinarse inmediatamente por inspeccion de los vectores las, sin necesidad de la reduccion por las, analizando cuantas las linealmente independientes hay en forma directa.

Ejercicio Encontrar una base del espacio de las las mediante el metodo de Gauss
(tomando las no nulas). Por ejemplo:

01 @1

produce la base h 1 3 1 0 1 0 0 0 3 i para el espacio la. Esta base es base para ambas matrices la inicial y nal.

3 1 ; + 6 + 1 2 2 3 4 1A ;2;! ;! + 1 3 2 0 5

01 @0

3 1 1 0A 0 0 3

6.1 Relacion con los sistemas lineales de m n (completando el cuadro).

0a 1 0a 1 11 12 B C B a a 21 C 22 C B B C x1 : B + x : C B . . 2 . . @.A @.C A+
am1 am2 x1 :a1 + x2 :a2 +
Cada ai indica la columna i;esima.

Dijimos previamente que un sistema lineal A:x = b, de m n se puede escribir como una sola ecuacion entre vectores columnas del tipo m 1:

0a 1 0b 1 1n 1 B C B a b 2n C B 2 C B C + xn : B = C B . . . . @ . A @.C A
amn bm

o + xn:an = b

Tal igualdad implica que un sistema es \consistente" (tiene alguna solucion) si y solo si el vector columna b puede ser escrito como combinacion lineal de los vectores columnas de A. Los coe cientes en esta combinacion lineal son las n incognitas x1 x2 : : : xn.
Enunciamos esto de una manera mas concisa ...

46

Teorema Teorema de consistencia. Un sistema lineal A:x = b de m n es consistente \ si y solo si" el vector columna b
pertenece al espacio columna de A.

As ... (i) En el caso de un sistema homogeneo, se sabe que siempre tiene solucion, ...

A:x = 0
o

x1 :a1 + x2 :a2 +

+ xn :an = 0

... pero el sistema tiene solo la solucion trivial (x = 0) \si y solo si" los vectores

columnas de A son linealmente independientes (en ese caso el cero vector se puede escribir como una combinacion de las columnas solo con coe cientes \ceros" ). ... En el caso de sistemas cuadrados n n, eso es equivalente a que la matriz de coe cientes es \ no singular" (existe la inversa A;1). ... Para un sistema m n con m < n, menos ecuaciones que incognitas, signi ca que el sistema Ax = 0 tiene in nitas soluciones, ya que todos los n vectores columnas de R m \ no pueden ser linealmente independientes" pues como m < n a lo mas habra m vectores de <m linealmente independientes. As las n columnas seguro son linealmente dependientes. Por lo tanto, el sistema homogeneo tiene in nitas soluciones, ya que el vector 0 se puede escribir de in nitas maneras como combinacion de esas columnas dependientes. Por otra parte ...

(ii)

Teorema Dada A una matriz de m n. (a) El sistema A:x = b es consistente (tiene al menos una solucion) para todo vector b
de R m si y solo si los vectores columnas de A generan R m . Ademas ... (b) El sistema tiene \ a lo sumo una solucion (no tiene solucion o solo una)" para todo b en R m si y solo si los vectores columnas de A son linealmente independientes.

... La parte (a) se deduce del teorema de consistencia: Si todo vector b en R m

pertenece al espacio columna de A entonces los vectores columnas de A deben generar todo el espacio R m . Es decir que debe haber m vectores columnas que son linealmente independientes (y as forman una base de <m ) y generan todo <m . Y rec procamente, si existem m vectores columnas independientes generan todo <m, entonces todo b esta en el espacio columna. . ... La parte (b) se deduce de lo siguiente: Si el sistema tiene a lo sumo una unica solucion para cada b, entonces en particular el sistema A:x = 0, que siempre tiene 47

solucion, tiene una unica solucion. Entonces, los vectores columnas faj g deben ser linealmente independientes, ya que el vector cero se escribe de una unica forma como combinacion de las columnas con coe cientes todos ceros. Rec procamente, supongamos que los vectores faj g son linealmente independientes. Si existiese mas de una solucion ..., si existen dos soluciones distintas x1 y x2 de A:x = b, entonces se deber a satisfacer A: (x1 ; x2 ) = A:x1 ; A:x2 = b ; b = 0. Pero, como los faj g son linealmente independientes, debe ser x1 ; x2 = 0. Esto es, x1 y x2 deber an ser iguales. Por tanto, si el sistema tiene solucion, a lo sumo tiene una unica solucion. Ahora...

Conclusiones Supongamos que A tiene dimension m n, entonces:

Si m > n, a lo mas habra n columnas independientes, por lo tanto esas columnas (que son menos de m) no generan todo <m , entonces (de acuerdo a (a)) existen vectores b de <m para los cuales el sistema Ax = b no tiene solucion, ya que estos b no estaran en el espacio generado por las columnas. ... Si m > n, y si hay exactamente n columnas independientes, entonces cada vez que el b pertenezca al espacio de las columnas, el sistema tendra una unica solucion (de acuerdo a (b)). ... Si m > n, y si hay r columnas independientes con r < n < m, si el sistema tiene solucion (b esta en el espacio generado por las columnas) tendra in nitas soluciones. Si m < n, hay mas columnas ( n vectores de <m ) que las. Por lo tanto, seguro que las n columnas son linealmente dependientes. Luego, el sistema Ax = 0 tiene in nitas soluciones. ... Ademas, el rango(A) = r de la matriz (dimension del espacio de las las) es r m < n. ... Si hay m columnas independientes (m < n), esas columnas generan todo <m , as todo vector b de <m esta en el espacio generado por las columnas, \existe solucion" y son in nitas. ... Si el espacio columna tiene r columnas linealmente independientes, con r < m < n, puede no haber solucion, dependiendo de saber si el vector b 2 <m esta o no en el espacio de dimension r, generado por las columnas. Si m = n, .... ... si las columnas son linealmente independientes, vimos que A es no singular ( AT tambien), as para todo b el sistema Ax = b tiene solucion unica. ... Si las columnas son linealmente dependientes, el sistema Ax = 0 tiene in nitas soluciones, y la matriz A es singular (AT tambien). En ese caso, el sistema Ax = b no tendra solucion o tendra in nitas soluciones dependiendo de saber si b esta en el espacio generado por las columnas de A.

48

Ademas ... ... Si A cuadrada n n, y los vectores columnas son linealmente independientes (, A no singular), los vectores columnas de A generan una base de <n, y por el teorema (a) para todo b, el sistema Ax = b tiene una unica solucion ( ya se sabia).

Rango y nulidad de una matriz

De nicion Se denomina nulidad de una matriz A de m n a la dimension de su espacio

nulo N (A).

... Se tiene el siguiente resultado, relacionando el rango de una matriz (dimension del subespacio de las las de A contenido en <n) y la dimension del espacio nulo N (A) ( subespacio de <n).

Teorema (Rango-Nulidad) Dada una matriz A de m n, entonces

rango (A) + nulidad (A) = n

Demostracion. Si U es la matriz escalonada reducida por las de A, el sistema A:x = 0 es equivalente al sistema U:x = 0. Si rango (A) = r, entonces U tiene r las no nulas, y el sistema U:x = 0 involucra n ; r variables independientes y r variables dependientes.
rango (A) + nulidad (A) = r + (n ; r) = n

Pero la dimension de N (A) es precisamente el numero de variables independientes, y por lo tanto

Eso dice, que si hay r las linealmente independientes ( vectores de <n), y la dimension del subespacio de <n generado por ellas tiene dimension r, el subespacio N (A) que esta formado por los vectores ortogonales al de las las, es complementario de este con dimension n ; r, de tal forma que la suma de las dos dimensiones es n, la dimension del espacio <n.

Ejemplo Encontrar una base para el espacio la y para el espacio nulo de 01 2 ;1 11 A = @2 4 ;3 0A

1 2 1 5
y veri car que nulidad (A) = n; rango (A). ... Al reducir por las a A obtenemos

01 U = @0

2 0 3 0 1 2A 0 0 0 0

Luego, (1 2 0 3) (0 0 1 2)] es una base para el espacio la (de A y de U ), y el rango (A) = 2.

49

Para encontrar el N (A), resolvemos el equivalente U:x = 0

x1 + 2x2 + 0x3 + 3x4 = 0 x3 + 2x4 = 0 Hay dos variables dependientes: x3 y x1 . Variables independientes: x2 y x4 . x1 = ;2x2 ; 3x4 x3 = ;2x4 ... Tomando x2 = y x4 = , la solucion general es 0x 1 0;2 ; 3 1 0;21 0;31 1 B B C B B x 1C 0C 2C B C B C B C B = = : + : @x3A @ ;2 A @ 0 A @;2C A x4 0 1 ... El espacio nulo de A consiste en todos los vectores de esa forma. Estos dos vectores columnas son una base para el N (A) (son linealmente independientes). Y nulidad (A) = 2 = 4 ; 2 = 4 ; rango (A) ... Luego conociendo la dimension de N (A), o la dimension del espacio de las las de A se obtiene el otro.

6.2 Espacio columna de A (m n). Igualdad entre las dimensiones del espacio la y el espacio columna.

Las matrices A, y la escalonada reducida U , del ejemplo previo, tienen diferentes espacios columna, pero sus vectores columnas tienen las mismas relaciones de dependencia ... ... Observar 01 2 ;1 11 01 2 0 31 A = @2 4 ;3 0A U = @0 0 1 2A 1 2 1 5 0 0 0 0 Notar que ... u2 = 2:u1 u4 = 3:u1 + 2:u3 y a2 = 2:a1 a4 = 3:a1 + 2:a3

Comentarios Si A es una matriz de m n y U es la matriz escalonada reducida por

las correspondiente, entonces sus vectores columnas satisfacen las mismas relaciones de dependencia, ya que los sistemas A:x = 0 y U:x = 0 son equivalentes (tienen igual solucion).

50

... y se tiene el importante resultado: Teorema La dimension del espacio la de una matriz A (rango(A)) de m n es igual
a la dimension de su espacio columna.

Demostracion. La matriz U escalonada reducida por las de A tiene r coe cientes 1

como pivotes y las columnas que contienen a estos pivotes son linealmente independientes (son algunos de los vectores ei de la base canonica de <m ). Sin embargo, estas columnas no forman una base para el espacio columna de A ya que (en general) A y U no tienen el mismo espacio columna. Sea UL la matriz que se obtiene desde U al borrar las columnas que contienen las variables libres (las columnas que no contienen a los pivotes), y sea AL la matriz que se obtiene a partir de A al borrar las mismas columnas. Por ejemplo, en el caso anterior

01 01 UL = @0 1A
0 0

01 ;11 AL = @2 ;3A
1 1

Dado que U y A son equivalentes por las, UL y AL tambien lo son (pensar en que se obtiene UL desde AL por operaciones elementales for las). As , el rango(AL) = rango(UL). Ademas

! Si x es solucion del sistema AL:x = 0, x debe ser tambien solucion del sistema UL:x = 0 ! ! ! !

(sistemas equivalentes) (dado que las columnas de UL son linealmente independientes) la unica solucion del sistema anterior es x = 0, lo mismo vale para AL:x = 0, la unica solucion debe ser la x = 0, por ser equivalentes, las r columnas de AL son linealmente independientes. Dado que AL tiene r columnas independientes, la dimension del espacio columna de A debe ser r. Ademas r = rango de A (espacio la de A) por ser A equivalente a U que tiene r pivotes 1, igual a r las no nulas. dim (espacio columna de A) dim (espacio la de A)

Esto es, Aplicando el mismo razonamiento a AT se obtendr a dim (espacio la de A) = dim espacio columna de AT ; dim espacio la de AT = dim (espacio columna de A) ... Luego, el espacio la y el espacio columna tienen la misma dimension.

51

Conclusiones Dada una matriz A de m n, el numero de las linealmente independientes de A \ es igual" al numero de columnas linealmente independientes. ... As el rango(A) = numero de las linealmente independientes = al numero de columnas linealmente independientes. ... El rango de AT es igual al rango de A. Observacion: Lo dicho previamente, no signi ca que el subespacio generado por las las, sea el mismo que el generado por las columnas, sino solo que las dimensiones de esos subespacios son iguales.

Ejercicios X 6.1 Probar que un sistema lineal tiene solucion \ sii" la matriz de los coe cientes tiene

el mismo rango que la matriz aumentada. 6.2 Encontrar el rango columna de la matriz: 1 3 ;1 5 0 4 2 0 1 0 4 1 6.3 Mostrar que un sistema lineal con al menos una solucion tiene una unica solucion si y solo si la matriz de coe cientes tiene rango igual al numero de columnas. X 6.4 Si una matriz es 5 9, cual conjunto debe ser dependiente , el conjunto de las o el conjunto de las columnas ? 6.5 Dar un ejemplo para mostrar que a pesar que tienen igual rango por las y por columnas, aunque tengan igual dimension, el espacio por las y por columnas no necesariamente son iguales. Nunca son iguales?

Bases del espacio columna

Para encontrar una \ base del espacio columna" de una matriz A de m n, se reduce la matriz A a la matriz escalonada por las U y \ se identi can" las columnas de U correspondientes a las variables dependientes (aquellas que tienen los coe cientes 1 como pivotes). Las columnas \correspondientes de A" seran linealmente independientes y formaran una base para el espacio columna de A. Precaucion: U nos dice solo cuales son las columnas de A para formar una base del espacio columna de A. No podemos usar los vectores columnas de U , ya que en general los espacios columnas de A y U son diferentes. Lo vimos en un ejemplo previo.

Ejemplo

1 0 1 1 2 5 Le corresponde la matriz escalonada por las 01 ;2 1 B0 1 1 U =B @0 0 0 0 0 0 52

0 1 ;2 B;1 3 A=B @0 1

1 2 3 13 1 3 0 0

2 ;2C C 4A 5 2 0C C 1A 0

Los pivotes 1 aparecen en las columnas 1, 2 y 5. Por lo tanto, una base (no es la unica) para el espacio columna de A puede ser

011 0;21 021 B;1C B3C B;2C a1 = B @0C A , a2 = B @1C A , a5 = B @4C A

1 2 5

y la dimension del espacio columna de A (y por lo tanto el rango (A)) es 3. ... La dimension del espacio nulo de A es n ; rango (A) = 5 ; 3 = 2. Precisamente coincide con el numero de variables independientes que se observan en U .

Dado que las columnas de A son las las de AT , se puede reducir por las AT y encontrar una base para el espacio la de ella. ... Luego, se pueden transponer estos vectores las para obtener una base para el espacio columna de A.

6.3 Metodo alternativo para encontrar una base para el espacio columna

Ejemplo
A =

0 1 ;2 B ;1 3 B @0 1

AT =
y

2 01 1 ;1 B ; 2 3 B B 1 0 B @1 2 2 ;2

1 0 1 5 0 1 1 3 4

1 2 2 ;2C C 3 4A 13 5 1 1 2C C 5C C 13A 5 1 0 0 0 0 1 1 0 0 1 4C C 3=4C C 0A 0

0 1 ;1 B ;2 3 B B 1 0 B @1 2

0 1 1 3 2 ;2 4

1 1 C B 2C 0 B B 5C 0 ;! C B A @ 13 0 5 0

0 ;1 n

... Una base para el espacio columna de A puede ser: (1 ;1 0 1)T (0 1 1 4)T (0 0 1 3=4)T . Pregunta: >Como es esta base con respecto a la base fa1 a2 a5 g anterior?>Deber an ser identicas?

Podemos resumir todo lo que sabemos sobre sistemas lineales de n n y m n en dos tablas:
53

Lista de equivalencias para matrices n n Si A es una matriz de n n, las siguientes proposiciones son equivalentes Lista A Lista B A es no singular (tiene inversa) A es singular (no tiene inversa) det A 6= 0 det A = 0 Los vectores columnas (vectores - Los vectores columnas (vectores las) de A son linealmente indepen- las) de A son linealmente dependidientes y generan R n (forman una entes y no generan R n (no forman base de Rn ) una base de R n ) El sistema lineal A:x = b tiene El sistema lineal A:x = b no tiene solucion unica (para cualquier b): solucion o tiene in nitas soluciones, x = A;1:b dependiendo de b El sistema homogeneo A:x = 0 El sistema homogeneo A:x = 0 tiene solo la solucion trivial (x = 0) tiene in nitas soluciones El espacio nulo de A tiene solo al El espacio nulo de A tiene dimenvector nulo (dimension = 0) sion 1 rango (A) = n rango (A) < n A es equivalente por las a In A no es equivalente por las a In A puede representarse como pro- A no puede representarse como producto de matrices elementales fEig ducto de matrices elementales Lista de propiedades para matrices de m n Si A es una matriz de m n, las siguientes proposiciones son verdaderas Lista A (m < n) Lista B (m > n) 0 rango (A) m 0 rango (A) n El sistema homogeneo A:x = 0 El sistema no homogeneo A:x = b tiene in nitas soluciones puede no tener solucion si b 6= 0 rango (A) + dim N (A) = n Los vectores columna de A no Los vectores columna de A no pueden ser linealmente independi- pueden generar a R m entes Los vectores las de A no pueden Los vectores las de A no pueden generar a R 1 n ser linealmente independientes El espacio la y el espacio columna de A tienen la misma dimension, igual a rango (A) Si rango (A) = m, los vectores - Si rango (A) = n, los vectores las de A son linealmente independi- columnas son linealmente indepenentes dientes El sistema A:x = b es consistente El sistema A:x = b no puede ser para todo b en R m si y solo si las consistente para todo b en R m columnas de A generan R m El sistema A:x = b tiene a lo sumo una unica solucion para cada b en R m si y solo si los vectores columna de A son linealmente independientes 54

X 6.1 Una matrizm n tiene rango completo por las si el rango de las las es m, y es

Ejercicios

de rango completo por columnas si el rango de sus columnas es n. (a) Mostrar que una matriz puede tener rango completo por las y por columnas solo si es cuadrada. (b) Probar que un sistema lineal con matriz de coe cientes A tiene solucion para todo b1 , : : : , bm 's de la derecha \ sii" A tiene rango completo por las.

Para practicar ...

55

X 6.1 Decidir si el vector dado esta0 en el espacio la de la matriz. 1 0 1 3 ; 1 , ;1 0 (b) @; 1 0 1A, 1 1 1 (a) 2 3 1
;1 2 7

Ejercicios

X 6.2 Decidir si el vector dado esta el espacio 01en 3 1 columna 011 de la matriz 1 1 , 1 (a) 1 (b) @2 0 4 A, @0A 1 1 3

1 ;3 ;3 0 X 6.3 Encontrar una base para el espacio 02 0 la 3de la4matriz: 1 B 0 1 1 ;1C B @3 1 0 2 C A 1 0 ;4 ;1 X 6.4 Encontrar de cada matriz. 02 1el rango 1 0 1 01 3 21 3 1 ;1 2 (a) @1 ;1 2A (b) @ 3 ;3 6 A (c) @5 1 1A (d) ;2 2 ;4 6 4 3 00 0 1010 3 @0 0 0A 0 0 0 X 6.5 Encontrar una base para el espacio generado por cada conjunto. ; ; ; ; 11 3 0;113 0 1 1 4 2 1 g M1 2 (a) f 0 1 3 1 (b) f@2A @ 1 A @;3Ag <3 1 ;1 ;3 (c) f1 + x 1 ; x2 3 + 2x ; x2g P3 0 1 1 0 3 ;1 0 ;5 g M2 3 (d) f 1 3 1 ;1 2 1 4 ;1 ;1 ;9 6.6 > Cuales matrices tienen rango cero? > Rango 1?? 6.7 Encontrar el rango columna de la matriz: 1 3 ;1 5 0 4 2 0 1 0 4 1 6.8 Mostrar que el conjunto f(1 ;1 2 ;3) (1 1 2 0) (3 ;1 6 ;6)g no tiene el mismo subespacio generado que el generado por f(1 0 1 0) (0 2 0 3)g. X 6.9 Mostrar que 8 el 0 conjunto de vectores columnas 9 1 3x + 2y + 4z = d1= < d1 ; z = d2 2 A existe x, y , z tal que x :@d d3 2x + 2y + 5z = d3 3 es un subespacio de < . Encontrar una base . X 6.10 En esta seccion hemos visto que la reduccion Gaussiana encuentra una base del espacio la. (a) Mostrar que esta base no es unica, diferentes reducciones pueden conducir a diferentes bases. (b) Producir matrices con igual espacio la pero distinto numero de las. 56

duccion de Gauss - Jordan las las no ceros son iguales. 6.11 Mostrar que el rango por las de una matriz m n es a lo mas m. > Hay otra cota mejor ? X 6.12 Mostrar que el rango de una matriz es igual al de su transpuesta. 6.13 Es verdadera o falsa la siguiente a rmacion. El espacio columna de una matriz es igual al espacio la de su transpuesta. 6.14 (a) Probar que un sistema homogeneo tiene solucion unica \ sii" su matriz de coe cientes A tiene rango completo por columnas. X 6.15 > Cual es la relacion entre rank(A) y el rank(;A)?. Entre rank(A) y el rank(kA)?. Hay alguna relacion entre rank(A), rank(B ), y rank(A + B )?. Poner algunos ejemplos. Ver que puede ocurrir rank(A + B ) rank(A) + rank(B )

(c) Probar que dos matrices tienen igual espacio la \ sii" despues de hacer la re-

57