Apuntes Completos

Escuela de Ingenierı́as industriales
 
 
 
Sede Francisco Mendizábal
 
 
 
 
 
 
 Departamento de Matemática 
Aplicada
FUNDAMENTOS de MATEMÁTICAS
APUNTES PARA LA ASIGNATURA
Grado de Ingenierı́a en Diseño Industrial y Desarrollo del producto

Profesor : José Antonio Abia Vian
2 – Fundamentos de Matemáticas : Contenidos
Índice de contenidos
Preliminares 2
1 Números Complejos 3
1.1 Los números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 El plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Forma binómica de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Conjugado de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 Módulo de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Forma polar de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Raices complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 La exponencial compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Polinomios 8
2.1 Introducción. Nociones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.1 Operaciones en K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Division euclı́dea de polinomios. Divisibilidad y factorización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 División entera o euclı́dea de polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Raı́z de un polinomio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.3 Factorización de polinomios de coeficientes complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.4 Factorización de polinomios en R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.5 Factorización de polinomios de coeficientes racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.5.1 Descomposición en fracciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Cálculo de primitivas 16
3.1 Primitiva de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.1 Tabla de integrales inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2 Métodos de integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2.1 Método de sustitución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2.1.1 Tabla de integrales casi–inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2.2 Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2.3 Integración por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Integración según el tipo de función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.1 Integrales racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.1.1 Descomposición en fracciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.1.2 Integración de funciones racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3.2 Integración de funciones trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3.3 Integración de funciones exponenciales e hiperbólicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.4 Integrales irracionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.4.1 Integrales binomias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 Matrices y sistemas de ecuaciones lineales 25

4.1 Definiciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.1 Operaciones con las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.2 Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2.1 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2.2 Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.2.1 Sistemas homogéneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.2.2 Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.3 Rango de una matriz y Teorema de Rouché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 Matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.1 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5 Determinante de una matriz 35

5.1 Determinante de una matriz cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.1.1 Determinantes y operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1.1.1 Cálculo de determinantes por reducción a la forma escalonada . . . . . . . . . . . . . . . . . . . . . . . 36
5.1.2 Otras propiedades del determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2 Desarrollo por cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.3 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Anexo 0: Preliminares 40
Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo del producto : Curso 2013–2014
3 – Fundamentos de Matemáticas : Contenidos ÍNDICE DE CONTENIDOS
I Cálculo diferencial en R 48
6 Funciones, lı́mites y continuidad 49
6.1 La recta real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.1.1 Los números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.1.2 Valor absoluto de un número real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.3 Intervalos y entornos en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.4 Algunas operaciones con números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.4.1 Potencias racionales y reales de un número real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.4.2 Exponencial real de base e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.1.4.3 Logaritmo neperiano real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2 Funciones reales de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.1 Monotonı́a. Funciones inversas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3 Lı́mite y continuidad de una función en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.3.1 Algunos resultados interesantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.3.1.1 Lı́mites y continuidad con las operaciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.3.1.2 Lı́mites laterales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.3.2 Lı́mites con infinito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.3.3 Infinitésimos e infinitos equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.3.4 Ası́ntotas de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.4 Teoremas del lı́mite y de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.4.1 Teoremas de continuidad en intervalos cerrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7 Funciones derivables 66
7.1 Derivada de una función en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
7.1.1 Aplicaciones de la derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.1.1.1 Crecimiento de una función en un punto. Extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.2 Teoremas de derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7.2.1 Teorema de la función inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
7.2.2 Representación gráfica de funciones (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.2.2.1 Monotonı́a y extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.2.2.2 Concavidad y convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8 Polinomios de Taylor 77
8.1 Polinomios de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
8.1.1 Fórmula de Taylor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
8.2 Representación de funciones (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
8.2.1 Representación de funciones en forma explı́cita: y = f (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
8.2.2 Estudio de curvas dadas en forma paramétrica y polar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.2.2.1 Curvas dadas en forma paramétrica: x = ϕ(t) , y = ψ(t) . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.2.2.2 Curvas dadas en coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Anexo 1: Cálculo diferencial 85
II Cálculo integral en R 97
9 Integral de Riemann 98
9.1 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.1.1 Particiones de un intervalo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.1.2 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
9.2 Integral de una función real de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
9.2.1 Sumas de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
9.2.2 Otras propiedades de la integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
9.2.3 Algunas funciones integrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
9.3 Integración y derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
9.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
10 Aplicaciones de la integral 107

10.1 Áreas de superficies planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.1.1 Funciones dadas de forma explı́cita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.1.1.1 Funciones negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10.1.1.2 Área entre dos funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
10.2 Volúmenes de cuerpos sólidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
10.2.1 Volúmenes de revolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
10.3 Otras aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
10.3.1 Longitudes de arcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
10.3.2 Área de una superficie de revolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
10.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4 – Fundamentos de Matemáticas : Contenidos ÍNDICE DE CONTENIDOS
11 Integrales impropias 115

11.1 Integrales impropias de primera especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
11.1.1 Criterios de comparación para funciones no negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
11.1.2 Convergencia absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
11.2 Integrales impropias de segunda especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
11.2.1 Criterios de comparación para funciones no negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
11.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Anexo 2: Cálculo integral 125
III Ecuaciones Diferenciales Ordinarias 132

12 EDO de primer orden 133
12.1 Introducción, conceptos e ideas básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
12.1.1 Ecuaciones diferenciales ordinarias de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2 Métodos de resolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
12.2.1 Ecuaciones diferenciales separables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.2.2 Ecuaciones diferenciales exactas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.2.3 Factores integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
12.2.3.1 Factores integrales de la forma µ(x) o µ(y) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
12.2.3.2 Factores integrales más generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
12.2.4 Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
12.2.5 Ecuaciones un poco especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.2.5.1 Ecuaciones de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.2.5.2 Ecuaciones reducibles a separables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.3 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.3.1 Trayectorias ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
12.3.1.1 Trayectorias de ángulo β . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
12.3.2 Modelado de problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
12.3.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
13 Ecuaciones diferenciales lineales 144

13.1 Espacio de soluciones de la ecuación lineal de orden n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
13.2 Métodos generales de resolución parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13.2.1 Método de reducción de orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
13.2.2 Método de variación de los parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
13.3 Ecuaciones lineales de coeficientes constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
13.3.1 Soluciones de la ecuación lineal homogénea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
13.3.2 Soluciones particulares de la ecuación no homogénea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
13.3.2.1 Método del polinomio aniquilador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
13.3.2.2 Método de los coeficientes indeterminados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
13.3.3 Método de variación de los parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
13.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
IV Álgebra Lineal 153

14 Espacios vectoriales reales 154
14.1 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
14.2 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
14.3 Base y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
14.3.1 Coordenadas en una base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
14.3.2 Espacios de las filas y las columnas de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
14.4 Cambios de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
14.5 Espacios vectoriales con producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
14.5.1 Producto interior. Norma. Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
14.5.1.1 El espacio euclı́deo n -dimensional Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
14.5.2 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
14.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
14.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
15 Aplicaciones lineales 166

15.1 Definición. Núcleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
15.2 Matrices de una aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
15.2.1 Composición de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
15.3 Teorema de Semejanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
15.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
1 – Fundamentos de Matemáticas : Preliminares ÍNDICE DE CONTENIDOS
16 Diagonalización 174
16.1 Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
16.1.1 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
16.1.2 Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
16.2 Diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
16.3 Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
16.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
17 Formas cuadráticas 181

17.1 Diagonalización de una forma cuadrática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
17.1.1 Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
17.1.2 Diagonalización mediante operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
17.2 Rango y signatura de una forma cuadrática. Clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
17.2.1 Clasificación de las formas cuadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
17.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
Anexo 3: Álgebra lineal 188
2 – Fundamentos de Matemáticas
Unidad 0
Preliminares
3 – Fundamentos de Matemáticas : Preliminares
Capı́tulo 1
Números Complejos
Este tema de números complejos es más informativo que recordatorio, siendo el uso explı́cito de los complejos
escaso en las asignaturas de Matemáticas 1 y 2. Sin embargo conocer su existencia e interrelación con los
reales es muy útil para la descomposición y busqueda de raı́ces de polinomios, o en la resolución de ecuaciones
diferenciales; también en asignaturas de electricidad, teorı́a de la señal, etc. usan de ellos.
1.1 Los números complejos

Conocemos y manejamos ya diversos conjuntos de números, los naturales N = {0, 1, 2, 3, . . .} , los enteros
n
Z = {. . . , −2, −1, 0, 1, 2, . . .} , los racionales Q = { m : n ∈ Z, m ∈ Z−{0}} y los números reales R (o decimales
que completan los “huecos” entre los racionales con los irracionales R = Q ∪ I ). Cumpliendo N ⊆ Z ⊆ Q ⊆ R .
Nota: Un número real puede describirse en la forma e.d1 d2 d3 . . . dn . . . , un número entero seguido de infinitos
decimales. Si, a partir de uno de ellos, todos los decimales son cero ó los decimales se repiten periódicamente el
z{ z{
número es racional (ası́, 13 = 0. 3 = 0.33333 . . . , luego 1 = 0. 9 = 0.99999 . . . ).
Tenemos definidas unas operaciones de suma y producto en cada conjunto que son “internas” (suma o
producto de naturales es natural, suma o producto de enteros es entero, etc.) y coherentes con la cadena de
contenciones (si sumamos dos enteros como racionales o reales, el resultado es el mismo que si los sumamos
como enteros). A efectos prácticos, son las mismas operaciones para todos los conjuntos.
Sin embargo, no tienen en cada conjunto las mismas propiedades: en N ni para la suma ni para el producto
existe inverso (ni la resta ni la división de naturales es, en general, un natural), en Z existe el inverso para
la suma pero no para el producto (la resta de enteros es entera pero no la división) y tanto en Q como en R
podemos restar y también dividir por valores distintos de cero.
La otra operación o manipulación básica entre números, la potencia (una generalización
√ del producto) nos
1
distingue más estos dos últimos conjuntos. Ası́ 2 ∈ Q (luego a R), pero 2 2 = 2 ∈ / Q, aunque sı́ se cumple
1
que 2 2 ∈ R .
En R , es cierto que si x e y son reales con x ≥ 0 , entonces xy ∈ R; pero no se cumple cuando x < 0 .
Para resolver este “defecto” se contruyen los números complejos: un conjunto C que contenga a R , que sus
operaciones suma y producto permitan restar y dividir y sean coherentes con las operaciones de los subconjuntos,
y que para la potencia se verifique además que si z, w ∈ C, entonces z w ∈ C .
1.2 El plano complejo

Consideremos el conjunto R2 y contruyamos en él unas operaciones suma y producto que funcionen como
deseamos. Sobre R2 tenemos definida una operación suma que sı́ es interna:
(a1 , b1 ) ∈ R2 , (a2 , b2 ) ∈ R2 , y (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 ) ∈ R2 ,
con operación inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
(a1 , b1 ) ∈ R2 , (a2 , b2 ) ∈ R2 , y (a1 , b1 ) · (a2 , b2 ) = a1 a2 + b1 b2 ∈ R
y no admite una operación inversa.
Dotar a R2 de una operación “producto” interna, con un funcionamiento análogo al funcionamiento del
producto en R crea una nueva estructura conocida como el conjunto de los números complejos y también
como plano complejo o cuerpo complejo.
Esta operación producto “ ∗” se define de la forma siguiente:
(a1 , b1 ) ∗ (a2 , b2 ) = (a1 a2 − b1 b2 , a1 b2 + b1 a2 ).
Ası́, el conjunto de los números complejos, C , está formado por R2 con dos operaciones básicas: suma “+”
(la suma de R2 ) y el producto complejo “ ∗ ” (definido arriba). Es decir, C = (R2 , +, ∗) .
4 – Fundamentos de Matemáticas : Preliminares 1.2 El plano complejo
1.2.1 Forma binómica de un número complejo

El producto (complejo) tiene por elemento neutro (1, 0) , pues
(1, 0) ∗ (a, b) = (a, b) ∗ (1, 0) = (1a − 0b, 0a + 1b) = (1a, 1b) = (a, b).
De hecho, para cualquier real λ , se tiene que (λ, 0) ∗ (a, b) = (λa − 0b, 0a + λb) = (λa, λb) ; como en R2
también sabemos que λ(a, b) = (λa, λb) , pueden identificarse los elementos (λ, 0) con los números reales λ , es
decir, en C podemos decir que (λ, 0) = λ a todos los efectos.
Como (a, b) = (a, 0) + (0, b) = a + (0, b) = a + b(0, 1) , haciendo (0, 1) = i el número complejo se escribe
(a, b) = a + ib, que se denomina forma binómica del número complejo. Del elemento i se dice que es la
unidad imaginaria, y se cumple que i2 = ii = (0, 1) ∗ (0, 1) = (−1, 0) = −1 .
En la forma binómica, el producto se efectua como un producto de binomios habitual, pues:
(a+ib)(c+id) = ac + iad + icb + i2 bd = (ac−bd) + i(ad+cb) = (ac−bd, ad+cb) = (a, b) ∗ (c, d)
Con esta nueva notación, suele escribirse C = {a + ib : a, b ∈ R} (a veces C = R + iR) y se denotan los
elementos de C por z = a + ib; y se representan en el plano R2 que se denomina entonces plano complejo, al
eje se abcisas se le denomina eje real y al de ordenadas eje imaginario.
Definición 1.- Si z = a + ib es un número complejo, al valor real a se le llama se llama parte real de z ,
Re(z) = a, y al valor real b la parte imaginaria, Im(z) = b, es decir, z = Re(z) + i Im(z) .
Si la parte imaginaria de z es cero, el complejo es un número real y, suele indicarse con z ∈ R . Si la parte
real de z es cero se dice que es imaginario puro y, suele indicarse con z ∈ iR.
El cero en C es el cero real (0, 0) = 0 + i0 = 0 .
Proposición 2.- Sea z ∈ C − {0} , entonces existe un único w ∈ C tal que zw = 1 .

Demostración:
efecto, con z = a + ib y w = x + iy , zw = ax − by + i(ay + bx) y zw = 1 = 1 + i0 ⇐⇒ el sistema
En
ax − by = 1 a −b 2 2
tiene solución única. Que es cierto, con x = a2 +b 2 e y = a2 +b2 ( a + b 6= 0 pues z 6= 0 ).
bx + ay = 0
Si z = a + ib, el inverso se denota por z −1 = 1

z y viene dado por la expresión z −1 = a
a2 +b2 + i a2−b
+b2 =
a−ib
a2 +b2 .
1.2.2 Conjugado de un número complejo
Definición 3.- Sea z = a+ib un complejo, se llama conjugado de z al número complejo z = a+i(−b) = a−ib.
Nota: Con la notación de R2 , el conjugado de (a, b) es (a, −b) y son simétricos respecto al eje real (de abcisas).
Propiedades 4.- Sean z, w ∈ C , entonces
a) z = z ; z + w = z + w; zw = z w ; z −1 = (z)−1 .
b) z = z ⇐⇒ z = a + i0 ∈ R ; z = −z ⇐⇒ z = 0 + ib ∈ iR .
c) z + z = 2 Re(z) ; z − z = i2 Im(z) . .
1.2.3 Módulo de un número complejo

√
Definición 5.- Sea z = a + ib ∈ C. Se denomina módulo (o norma) de z al valor real |z| = + a2 + b2 .
√ √
Nota: Si z es real, z = a + i0 = a, se tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el módulo complejo
coincide con el valor absoluto real.
Propiedades 6.- Sean z, w ∈ C , entonces
a) |z| ≥ 0 ; |z| = 0 ⇐⇒ z = 0 .
b) |Re(z)| ≤ |z| ; |Im(z)| ≤ |z| ; |z| ≤ |Re(z)| + |Im(z)| .
5 – Fundamentos de Matemáticas : Preliminares 1.3 Forma polar de un número complejo
2 1 z z
c) |z| = |z| : |z| = zz ; z = zz = . |z|2

d) |z + w| ≤ |z| + |w| ; |z − w| ≥ |z| − |w| .

z = |z|−1 .
−1
e) |zw| = |z| |w| ; .
Definición 7.- Se llama distancia entre z y w al valor real d(z, w) = |z − w| .

Del módulo, son inmediatas las propiedades
a) d(z, w) ≥ 0 ; d(z, w) = 0 ⇐⇒ z = w . b) d(z, w) ≤ d(z, t) + d(t, w) , ∀ t ∈ C .
1.3 Forma polar de un número complejo

Sea z = a + ib = (a, b) . Un punto de R2 queda perfectamente determinado mediante su distancia al origen |z|
y el ángulo θ que forma con el eje polar (el semieje real positivo).
Definición 8.- Sea z = x + iy un número complejo no nulo. Se llama argumento de z y se designa por
arg(z) a cualquier número real θ que verifique que
z = x + iy = |z| cos θ + i |z| sen θ = |z| (cos θ + i sen θ).
Se dice entonces que z está en forma polar (o módulo argumental) y denotarse por z = |z|θ .
Como las funciones seno y coseno son periódicas de perı́odo 2π , arg(z) está determinado salvo múltiplos de
2π ; es decir, hay infinidad de argumentos de z , pero dos cualesquiera de ellos difieren en múltiplos de 2π . Si
fijamos como argumento preferido el arg(z) ∈ (−π, π] , puede obtenerse de
arctg xy ,


 si x>0 π +arctg
y
x
 π + arctg y ,

si x<0 e y ≥0

 x
arg(z) ∈ (−π, π] = −π + arctg xy , si x<0 e y <0 arctg
y
x
 π
2, si x=0 e y >0


 y
 −π +arctg
π x
−2, si x=0 e y < 0.

Al argumento que se encuentra dentro del intervalo de tamaño 2π elegido como preferente suele denominarse
argumento principal y denotarse por Arg(z) . Con este concepto, todos los argumentos de z se pueden describir
mediante: arg(z) = Arg(z) + 2kπ , ∀ k ∈ Z.
Aunque estamos habituados a manejar el ángulo en el intervalo [0, 2π) ó (0, 2π] , es más usual tomar el
intervalo (−π, π] ó el [−π, π) como preferente debido sobre todo a:
Operaciones multiplicativas en forma polar 9.- Si z = |z|θ y w = |w|δ , se cumple que:

−1 |z| n
a) z = |z|(−θ) b) z −1 = (|z| )(−θ) c) zw = (|z| |w|)θ+δ d) wz = |w| e) z n = (|z| )nθ .
θ−δ
1.3.1 Raices complejas
Proposición 10.- Un complejo z 6= 0 tiene n raı́ces n -ésimas distintas. Si θ es un argumento de z , son

precisamente
1 1
z n = (|z| n ) θ + 2kπ , para k = 0, . . . , n − 1.
n n
Demostración:
n
Un complejo w es la raı́z n -ésima de z , si se verifica que wn = z ; es decir, si |w| = |z| y n arg(w) = arg(z) =
1
θ+2kπ
θ + 2kπ (alguno de los argumentos de z ). Luego |w| = |z| n y arg(w) = n , con k ∈ Z; pero con todos estos
argumentos sólo se obtienen n números complejos distintos, los mismos que se obtienen tomando los n valores
de k = 0, 1, . . . , n − 1 . Es decir, existen n , y sólo n , complejos distintos que son raı́ces n -ésimas de z , que son
1 1
z n = |z| n cos θ+2kπ + i sen θ+2kπ

n n , con k = 0, . . . , n − 1.
6 – Fundamentos de Matemáticas : Preliminares 1.4 Ejercicios
Observación 11.- Es claro de la prueba anterior que las s z = r π3

s
raı́ces n -ésimas de un complejo están distribuidas
p re-
gularmente en una circunferencia de radio n |z|. Por √
5
z1 = r 7π
15
ejemplo, las raı́ces quintas de z = r π3 , son los 5 números √
s
z2 = 5 r 13π
complejos 15
√ √ s √
5
(i) z0 = 5 r 15
π
+ 2π0
5
= 5 r 15
π . z0 = r π
15
√ √
(ii) z1 = 5 r 15
π
+ 2π1
5
= 5 r 7π
15
.
√ √
(iii) z2 = 5 r 15
π
+ 2π2
5
= 5 r 13π
15
.
√ √ √ s
(iv) z3 = 5 r 15π
+ 2π3 = 5 r 19π = 5 r −11π . z3 =
√
5 r 19π s √
5 15 15 15 5
z4 = r 25π
√ √ √ 15
(v) z4 = 5
r 15
π
+ 2π4
5
= 5
r 25π
15
= 5
r −5π .
15
que quedan distribuidos como en la figura aneja.
1.3.2 La exponencial compleja
Definición 12.- Si z = a + ib, se define la exponencial compleja por ez = ea (cos b + i sen b)
Proposición 13.- Se verifican las siguientes propiedades:

a) Si z = a ∈ R , entonces ez = ea+i0 = ea (cos 0 + i sen 0) = ea y la exponencial compleja coincide con la
exponencial real.
b) Si z = ib ∈ iR, entonces eib = e0+ib = e0 (cos y + i sen y) = cos y + i sen y .

Entonces, si z = a + ib, se tiene que ez = ea eib .
p
c) |ez | = |ea | |eiy | = ea |cos y + i sen y| = ea cos2 y + sen2 y = ea .
De donde ez 6= 0 , para todo z ∈ C .
d) ez = ez , (ez )−1 = e−z y ez+w = ez ew , para todo z, w ∈ C .
e) ez es periódica de perı́odo 2πi y si ez = ew , entonces z − w = 2kπi, con k ∈ Z.

Nota: Si z 6= 0 , puede escribirse como z = |z| ei Arg(z) que se denomina forma exponencial de z .
Definición 14.- Sea z un número complejo no nulo. Se dice que un número complejo w es un logaritmo de
z , y se escribe w = log z , cuando ew = z .
Proposición 15.- Sea z un número complejo no nulo, los logaritmos de z son todos los commplejos
log(z) = ln |z| + i arg(z) (uno por cada argumento de z )
Al valor Log(z) = ln |z| + i Arg(z) que se le llama logaritmo principal de z y cualquiera de los otros logaritmos
de z se obtienen de: log(z) = Log(z) + 2kπi , ∀ k ∈ Z.
1.4 Ejercicios
1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binómica:
√
−1 2+i 2−i 5 (1 + i)5 + 1
i ; ; + i; ; i344 + (−i)231 ; ;
2i 1+i (1 − i)(2 − i)(i − 3) (1 − i)5 − 1
1.2 Usar, cuando sea posible, las propiedades del módulo para calcular:
√
i(1 + i)5

−1 2 + i 2 − i 5 344
i (−i)231 ;

i ; ; + i ; (1 − i)(2 − i)(i − 3) ; 2(1 − i)5 ;

2i 1+i
1.3 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:

√ h i−2
a) −8 b) −1 − i c) (− 3+i 3
2 ) d) 4 cos( π2 ) + 4i sen( π2 )
1.4 Expresar en forma binómica los complejos siguientes (tomar Arg(z) ∈ (−π, π] ):
√ π 7π π
a) 2 eiπ b) e1−i 2 c) iei 4 d) Log(i3 ) e) Log(2e1+i 3 )
1.5 Hallar todos los valores complejos de:
1 1 1 √ 3
h i− 34
a) i 2 b) 86 c) (−1) 3 d) (− 3 + i) 5 e) 4 cos( 2π 2π
3 ) + 4i sen( 3 )
1.6 Si se sabe que 1 + i es una raı́z cúbica de z , hallar z y las demás raı́ces.
1.7 Describir geométricamente las regiones del plano complejo:

π
a) |z − i| = 1 b) z 2 = 4 c) 0 ≤ Arg z ≤ 2 d) z = z
e) z = −z f) Im(z) ≤ 0 g) Re(z) > 2 h) Re(z) + Im(z) = 1
1.8 ¿Que valores de z verifican que |z + 1| < |z − i| ?
1.9 Resolver las ecuaciones:
z3
a) z 4 + 2 = 0 b) z 2 + 2z − i = 0 c) 2 + (i + 1)z 2 − (2 − i)z = 0
d) z 3 = −1 e) z 6 = iz f) z + (3 − 2i)z 2 = 6i
4
1.10 Hallar los z para los que
a) ez ∈ R b) Re(ez ) = 0 c) |e−iz | < 1 d) ez = −1 e) e2z = i f) ez = e−z
1.11 Resolver la ecuación z 4 = z .

√
1.12 Probar que son ciertas las siguientes desigualdades: |a + bi| ≤ |a| + |b| ≤ 2 |a + bi| .
1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposición 13.
Capı́tulo 2
Polinomios
2.1 Introducción. Nociones básicas
Los conjuntos de números Q, R y C , verifican que la suma y el producto son operaciones internas, es decir la
suma o producto de racionales es racional, de reales es real y de complejos es compleja. Además, en ellos existe
inverso para la suma y para el producto (resta y división también internas).
A los conjuntos con este tipo de caracterı́sticas se les denomina cuerpos (a los conjuntos de arriba se les
dice cuerpos conmutativos pues el producto es comnutativo, ab = ba) y se usan como conjuntos de números (o
escalares) asociados a otros elementos: los polinomios, las matrices, los vectores, . . . .
En esta sección, formalizaremos los conocidos polinomios e investigaremos algunas de sus propiedades y
también entenderemos el significado del cuerpo asociado.
Definición 16.- Se llama polinomio en la indeterminada X y con coeficientes en un cuerpo conmutativo K,
a toda expresión formal del tipo siguiente:
a0 + a1 X + a2 X2 + ... + an Xn , siendo a0 , a1 , . . . , an elementos de K
Los números a0 , . . . , an son los coeficientes del polinomio, y de cada sumando ai Xi se dice el término de
grado i o monomio de grado i del polinomio. Al conjunto de todos los polinomios en la indeterminada X con
coeficientes en K lo denotamos por K[X] :
n o
K[X] = a0 + a1 X + · · · + an Xn : ∀ i, ai ∈ K
Nosotros trabajaremos generalmente con K = R ó K = C (y alguna vez con K = Q). Ası́:

n o
R[X] = a0 + a1 X + · · · + an Xn : ai ∈ R es el conjunto de los polinomios reales (con coeficientes reales),
n o
C[X] = a0 + a1 X + · · · + an Xn : ai ∈ C es el de los polinomios complejos (con coeficientes complejos),
n o
Q[X] = a0 +a1 X+· · ·+an Xn : ai ∈ Q es el de los polinomios con coeficientes racionales, . . .
Notar que por ser Q ⊆ R ⊆ C también Q[X] ⊆ R[X] ⊆ C[X] .

La letra X no representa ningún valor, no es una variable ni una incognita: es un mero soporte para el ex-
ponente (recordemos, polinomio=expresión formal). En otras palabras lo realmente significativo del polinomio,
es la sucesión ordenada de sus coeficientes. Ası́:
3 + 8X − 9X2 ≡ (3, 8, −9, 0, 0, . . .)
8X − 9X2 + 3 ≡ (3, 8, −9, 0, 0, . . .)
3 + 8X2 − 9X5 ≡ (3, 0, 8, 0, 0, −9, 0, 0, . . .)
X ≡ (0, 1, 0, 0, 0, . . .)
12 ≡ (12, 0, 0, 0, 0, . . .)
Es util abreviar la escritura de todos los términos usando la notación del sumatorio
n
X
P (X) = a0 + a1 X + ... + an Xn = ai Xi (por convenio, X0 = 1 )
i=0
n
i
P
Definición 17.- Sea P (X) = ai X un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el
i=0
mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .
Los polinomios de grado cero son de la forma P (X) = c, con c ∈ K y c 6= 0 . Al polinomio cero, P (X) = 0 ,
no se le asigna ningún grado.
Definición 18.- Diremos que dos polinomios son iguales si tienen el mismo grado y los coeficientes de cada
n m
ai Xi y Q(X) = bi Xi , entonces:
P P
término son iguales. Es decir, si P (X) =
i=0 i=0
P (X) = Q(X) ⇐⇒ n = m y ∀ i, ai = bi .
9 – Fundamentos de Matemáticas : Preliminares 2.1 Introducción. Nociones básicas
Expresiones tales como X2 −12 = X+5 son pues absurdas, como lo serı́a escribir 5 = 18 , ya que ambos polinomios
son distintos.
Ejemplo 19 Encontrar a, b, c, tales que 3X + 5X2 + 12X4 = (a + 1)X + 5X2 + 2cX4 + (2a + b)X6 .
Para que coincidan deben tener la misma sucesión de coeficientes, es decir,
3X + 5X2 + 12X4 ≡ (0, 3 , 5, 0, 12, 0, 0 , 0, . . ., 0, . . .),
(a + 1)X + 5X + 2cX4 + (2a + b)X6 ≡ (0, a + 1, 5, 0, 2c, 0, 2a + b, 0, . . ., 0, . . .),
2
deben ser iguales. Igualando coeficiente a coeficiente se obtiene el sistema de ecuaciones:



 0 = 0


 3 = a+1
 5 = 5
   
 3 = a+1 a = 2 a = 2


0 = 0 =⇒ 12 = 2c =⇒ c = 6 =⇒ c = 6
12 = 2c
0 = 2a + b b = −2a b = −4

   


 0 = 2a + b
0 = 0

4


···

2.1.1 Operaciones en K[X]

n m
ai Xi y Q(X) = bi Xi polinomios de K[X]
P P
Sean P (X) =
i=0 i=0
Definición 20.- Llamaremos suma de los polinomios P y Q al polinomio P + Q, obtenido de:

máx{n,m}
n
! m
!
X X X
i i
P (X) + Q(X) = ai X + bi X = (ai + bi )Xi
i=0 i=0 i=0
Si, m > n, entonces an+1 = an+2 = · · · = am = 0 , es decir, completamos con coeficientes cero.
Nota: gr(P + Q) ≤ máx{gr(P ), gr(Q)}
Ejemplo Para P (X) = 3 + 6X2 − 5X4 y Q(X) = 2 − 8X − 6X2 + 7X6 , se tiene

P + Q = 3 + 6x2 − 5X4 + 2 − 8X − 6X2 + 7X6

= 3 + 0X + 6X2 + 0X3 − 5X4 + 0X5 + 0X6 + 2 − 8X − 6X2 + 0X3 + 0X4 + 0X5 + 7X6
= (3 + 2) + (0 − 8)X + (6 − 6)X2 + (0 + 0)X3 + (−5 + 0)X4 + (0 + 0)X5 + (0 + 7)X6
= 5 − 8X + 0X2 + 0X3 − 5X4 + 0X5 + 7X6 = 5 − 8X − 5X4 + 7X6 .
y podemos comprobar que gr(P + Q) ≤ máx{gr(P ), gr(Q)} = máx{4, 6} = 6 .
Definición 21.- Llamaremos producto de los polinomios P y Q al polinomio P · Q, obtenido de:
n
! m ! n+m i
X X X X
i i
P (X) · Q(X) = ai X bi X = ci Xi , donde ci = ak bi−k
i=0 i=0 i=0 k=0
Nota: gr(P · Q) = gr(P ) + gr(Q) .
Observaciones:
? El neutro de la suma es el polinomio cero P (X) = 0 y del producto el polinomio 1 , P (X) = 1 .
? El inverso para la suma: de P (X) es (−1)P (X) = −P (X) .
? No hay inversos para el producto: si el polinomio P (X) = X tuviera un inverso Q(X) , tendrı́a que ocurrir
que P (X)Q(X) = 1 . Pero entonces 0 = gr(1) = gr(P · Q) = 1 + gr(Q) ≥ 1 .
? Se cumplen las propiedades asociativas y distributivas.

? Si P (X) 6= 0 y P (X)Q(X) = 0 , entonces Q(X) = 0 .
En efecto, si fuera gr(Q) = 0 con Q(X) = k 6= 0 , entonces P (X)Q(X) = kP (X) 6= 0 (absurdo); y si
gr(Q) > 0, entonces gr(P Q) > 0 y P (X)Q(X) 6= 0 (también absurdo), luego Q(X) = 0 .
? Si P (X) 6= 0 y P (X)Q(X) = P (X)R(X) , entonces Q(X) = R(X) . (Inmediata de la anterior.)
10 – Fundamentos de Matemáticas : Preliminares 2.2 Division euclı́dea de polinomios. Divisibilidad y factorización
2.2 Division euclı́dea de polinomios. Divisibilidad y factorización

El conjunto K[X] tiene en muchos aspectos una profunda semejanza con el conjunto Z de los enteros (algebrai-
camente tienen la misma estructura, ambos son anillos conmutativos). Repasamos brevemente algunos hechos
básicos que ocurren en Z, para después hacer el estudio paralelo en K[X] .
? Dados a, b ∈ Z, b 6= 0 existen q, r ∈ Z únicos tal que a = qb + r con 0 ≤ r < |b| (la división entera o
euclı́dea, con q y r el cociente y el resto).
? Dados a, b ∈ Z, se dice que ” b divide a a ” (o que ”a es múltiplo de b”) si existe c ∈ Z tal que a = bc.
Se escribe b | a y significa que el resto de la división entera de a entre b es 0 .
? Si a, b ∈ Z, se llama máximo comun divisor de a y b, mcd(a, b) , a un entero d tal que: d | a y d | b y es
el mayor, es decir, para cualquier otro δ ∈ Z tal que δ | a y δ | b entonces δ | d .
? mcd(a, b) = mcd(±a, ±b) = mcd(b, a) .

? El Algorı́tmo de Euclides permite calcular el mcd(a, b) sin necesidad de utilizar la descomposición de
a y b en factores.
La realización práctica del algoritmo se dispone ası́:
a = bq1 + r1
q1 q2 q3 ··· ··· qn−1 qn qn+1 b = r1 q2 + r2
a b r1 r2 ··· ··· rn−2 rn−1 rn r1 = r2 q3 + r3
r1 r2 r3 ··· ··· rn−1 rn 0 ···
rn−1 = rn qn+1 + 0
donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .

La conclusión es correcta, pues por ser a = q1 b + r1 y d un divisor de a y b, a y b se descomponen en
a = da1 y b = db1 , luego r1 = a − bq1 = da1 − db1 q1 = d(a1 − b1 q1 ) y d divide a r1 . Luego cualquier
divisor de a y b lo es también de b y r1 . Análogamente b = q2 r1 + r2 y por el mismo proceso los
divisores de b y r1 también lo son de r1 y r2 . El proceso es mcd(a, b) = mcd(b, r1 ) = mcd(r1 , r2 ) =
· · · = mcd(rn−1 , rn ) = rn pues rn | rn−1 y rn | rn .
? Un elemento p ∈ Z se dice irreducible si los únicos enteros que lo dividen son 1 , −1 , p y −p. A los
enteros irreducibles positivos se los llama números primos. El 1 no suele considerarse primo.
? Todo número entero n admite una descomposición única (salvo el orden de los factores) de la forma
n = (±1)pt11 pt22 · · · ptrr con pi número primo ∀ i.
Ejemplo El mcd(711, 243) = 9 y el mcd(−300, 432) = 12 pues
2 1 12 2 −1 3 3 1 2
711 243 225 18 9 −300 432 132 36 24 12
225 18 9 0 132 36 24 12 0
2.2.1 División entera o euclı́dea de polinomios

Regresemos de nuevo a K[X] , y veamos que podemos encontrar resultados bastante análogos:
Definición 22.- Dados P (X) y Q(X) con Q(X) 6= 0 , existen dos únicos polinomios C(X) y R(X) tales que:
P (X) = C(X) · Q(X) + R(X) , siendo R(X) = 0 ó gr(R) < gr(Q) .
Si R(X) = 0 , se dice que Q(X) divide a P (X) y se escribe Q(X) | P (X) . También se dice que Q(X) es un factor
de P (X) (de P (X) = C(X) · Q(X) , claramente).
Nota: El método de división de polinomios es el conocido por los alumnos. Los polinomios constantes, de grado
cero, dividen a todos los polinomios y el polinomio cero es múltiplo de cualquiera.
Definición 23.- Se dice que D(X) es un máximo común divisor de P (X) y Q(X) si se verifica que D(X) | P (X)
y D(X) | Q(X) y es el mayor, es decir, si para cualquier otro ∆(X) ∈ K[X] tal que ∆(X) | P (X) y ∆(X) | Q(X)
entonces ∆(X) | D(X) .
El mcd de dos polinomios está determinado salvo un factor constante. En particular, puede elegirse un
mcd mónico (coeficiente del término de mayor grado 1 ) que con esta condición adicional es único.
Definición 24.- Un polinomio P (X) de grado n > 0 se dice reducible en K[X] si existen Q(X) y C(X)
polinomios no constantes de K[X] tales que P (X) = Q(X)C(X) .
Si no es reducible en K[X] , se dice irreducible en K[X] .
Observaciones:
? Si Q(X) y C(X) reducen a P (X) , entonces 0 < gr(Q) < gr(P ) y 0 < gr(C) < gr(P ) .
? En consecuencia, los polinomios de grado 1 son siempre irreducibles.
? Las constantes no se consideran irreducibles.

? Un polinomio es o no irreducible en K[X] . Ası́, X2 + 1 es irreducible en R[X] mientras que no lo es en
C[X] , pues X2 + 1 = (X − i)(X + i) .
? Si Q(X) | P (X) , entonces kQ(X) | P (X) , para todo k ∈ K. Por ello suele trabajarse con divisores mónicos.
? El Algoritmo de Euclides es válido en K[X] para obtener el máximo común divisor de dos polinomios.
Teorema 25.- Todo polinomio P (X) ∈ K[X] admite en K[X] una descomposición única en la forma
m1 m 2 m r
P (X) = k Q1 (X) Q2 (X) · · · Qr (X)
donde k ∈ K y los Qi (X) son polinomios irreducibles mónicos.
2.2.2 Raı́z de un polinomio

Dado un polinomio P (X) = a0 + a1 X + · · · + an Xn ∈ K[X] y α ∈ K, denotaremos por P (α) al resultado de
efectuar en K los cálculos: a0 + a1 α + · · · + an αn .
Definición 26.- Se dice que α ∈ K es una raı́z del polinomio P (X) ∈ K[X] si P (α) = 0 .
Teorema 27.- α ∈ K es raı́z de P (X) ⇐⇒ (X − α) | P (X) .

Demostración:
Siempre podemos dividir P (X) entre X − α y su división entera es P (X) = C(X) · (X − α) + R(X) donde R(X) = 0
ó gr(R(X)) < gr(X − α) = 1 , es decir R(X) es cero ó es una constante distinta de cero luego R(X) = k ∈ K y
tenemos que: P (X) = C(X) · (X − α) + r , luego P (α) = C(α) · (α − α) + r = r . Como P (α) = r se puede concluir
que
P (α) = 0 ⇐⇒ r = 0 ⇐⇒ P (X) = C(X) · (X − α) ⇐⇒ (X − α) | P (X)
Corolario 28.- Un polinomio, de grado mayor que 1, irreducible en K[X] no tiene raı́ces en K.
Nota: El resultado inverso “si no tiene raı́ces en K entonces es irreducible en K[X] ” no es cierto. Por ejemplo,
en R[X] , el polinomio X4 + 5X2 + 4 = (X2 + 1)(X2 + 4) es reducible, pero no tiene raı́ces en R.
La condición “de grado mayor que 1” es obvia, pues los polinomios de grado uno aX + b son siempre
irreducibles y siempre tienen una raı́z.
Definición 29.- Diremos que α ∈ K es una raı́z de multiplicidad m del polinomio P (X) ∈ K[X] , si se cumple
que P (X) = (X − α)m · Q(X) , con Q(α) 6= 0 .
Lema 30.- Sea P (X) = Q(X)R(X) . Si α ∈ K es raı́z de P (X) con multiplicidad m y Q(α) 6= 0 (no es raı́z de
Q(X) ), entonces α es raı́z de R(X) con multiplicidad m . .
Teorema 31.- Un polinomio de grado n posee, a lo más, n raı́ces (contadas con sus multiplicidades).
Demostración:
En efecto, si P (X) tiene r raı́ces α1 , α2 , . . . , αr , de multiplicidades respectivas m1 , m2 , . . . , mr , en-
tonces P (X) = (X − α1 )m1 (X − α2 )m2 · · · (X − αr )mr Q(X) , por el Lema 30 anterior. Luego n = gr(P (X)) =
m1 + m2 + · · · + mr + gr(Q(X)) , por lo que el número de raices, m1 + m2 + · · · + mr , es a lo más n .
Corolario 32.- Un polinomio de grado n con n + 1 raı́ces es el polinomio 0 .
2.2.3 Factorización de polinomios de coeficientes complejos

El siguiente resultado (que no es elemental) aporta la información necesaria:
Teorema fundamental del Algebra 33.- Todo polinomio con coeficientes complejos, de grado mayor o igual
que uno posee al menos una raiz compleja.
Corolario 34.- En C[X] :

? Un polinomio de grado n tiene n raı́ces (contadas con sus multiplicidades).
? Todo polinomio de grado n ≥ 1 se descompone en producto de n factores de grado 1.
? Los únicos polinomios irreducibles son los de grado 1.
Ejemplos

? 4X2 − 8X + 13 = 4 X − (1 + 32 i) X − (1 − 32 i)
π 3π 3π π
? 1 4
2X + 8 = 12 (X4 + 16) = 12 (X − 2ei 4 )(X − 2ei 4 )(X − 2e−i 4 )(X − 2e−i 4 ) 4
2.2.4 Factorización de polinomios en R[X]

Puesto que R ⊆ C, un polinomio de R[X] puede mirarse como perteneciente a C[X] , y se descompone en factores
lineales en C[X] . Ahora bien, estos factores puede que no pertenezcan todos ellos a R[X] .
n
ai Xi ∈ R[X] . Si α es una raı́z compleja (y no real) de P (X) , entonces α también es
P
Lema 35.- Sea P (X) =
i=0
raı́z de P (X) , y con la misma multiplicidad que α . .
Nota: Los polinomios de grado 2 formados como en la demostración del lema anterior (por (X − α)(X − α) con
α no real), son irreducibles en R[X] .
Teorema 36.- Todo polinomio de coeficientes reales y grado mayor o igual que 1 se descompone en R[X] como
producto de factores irreducibles de grado 1 o de grado 2.
Nota: La factorización del polinomio ası́ obtenida es única (por la unicidad de la factorización compleja):
P (X) = an (X − α1 )m1 · · · (X − αr )mr (X2 + c1 X + d1 )n1 · · · (X2 + ct X + dt )nt
donde αi ∈ R son las raı́ces reales, y los coeficientes reales de los polinomios de grado 2 se obtienen con
cj = −(βj + βj ) y dj = βj βj , de las raı́ces βj y βj complejas de P (X) .
Corolario 37.- Un polinomio real de grado impar tiene al menos una raı́z real.
2.2.5 Factorización de polinomios de coeficientes racionales

n
P mi i
Sea P (X) = ni X un polinomio de Q[X] . Entonces, si m∗ es el mı́nimo común múltiplo de los denominadores
i=0
ni , el polinomio P∗ (X) = m∗ P (X) tiene todos sus coeficientes enteros, y las mismas raı́ces que P (X) .
En consecuencia, basta estudiar las raı́ces de un polinomio de coeficientes enteros:
Teorema 38.- Sea P (X) = a0 + a1 X + · · · + an−1 Xn−1 + an Xn un polinomio con ai ∈ Z, ∀ i. Entonces,
1.- Si P (X) posee una raı́z α ∈ Z , entonces α | a0 .

p
2.- Si P (X) posee una raı́z α = q ∈ Q, entonces p | a0 y q | an .
p
(La expresión de α = q debe estar simplificada al máximo, es decir, mcd(p, q) = 1 .) .
Nota: La utilidad del teorema estriba en que se puede construir una lista de candidatos a raı́ces y basta
comprobar si cada uno de ellos es o no raı́z del polinomio.
Ejemplo Hallar las raı́ces racionales del polinomio P (X) = 7X4 + 95 3 41 2
4 X + 4 X − 20X − 3 .
4 3 2
Buscamos las raı́ces racionales de Q(X) = 4P (X) = 28X + 95X + 41X − 80X − 12 .
? Como 12 = 22 3 , sus divisores son 1, 2, 3, 4 ( 22 ), 6 ( 2 · 3 ) y 12 ( 22 3 ) y los negativos −1 , −2 , −3 , −4 ,

−6 y −12 .
Comprobamos si Q(1) = 0 , si Q(2) = 0 , si Q(−1) = 0 , etc. Si lo hacemos usando la división por Ruffini,
tenemos además la descomposicion del polinomio
28 95 41 −80 −12
−2 + −56 −78 74 12 y se tiene Q(X) = (X + 2)(28X3 + 39X2 − 37X − 6)
28 39 −37 −6 0= Q(−2)
Buscamos ahora las raı́ces de Q1 (X) = 28X3 + 39X2 − 37X − 6 , y la lista de candidatos se reduce a ±1 ,
±2 , ±3 y ±6 (desaparecen ±4 y ±12 )
28 39 −37 −6
−2 + −56 34 6 y se tiene Q(X) = (X + 2)2 (28X2 − 17X − 3)
28 −17 −3 0= Q1 (−2)
Buscamos ahora las raı́ces de Q2 (X) = 28X2 − 17X − 3 , y la lista de candidatos se reduce a ±1 y ±3 .
Ninguno de ellos es raı́z, por lo que buscamos las raı́ces fraccionarias:
? Como 28 = 22 7 , sus divisores positivos son 1, 2, 7, 4, 14 y 28 . Las posibles raı́ces racionales de Q2 son:
±1 ±1 ±1 ±1 ±1 ±3 ±3 ±3 ±3 ±3
2 , 4 , 7 , 14 , 28 , 2 , 4 , 7 , 14 y 28 (son todas distintas y están simplificadas al máximo).
28 −17 −3
− 17 + −4 3 y se tiene Q(X) = (X + 2)2 (X + 71 )(28X − 21)
28 −21 0= Q2 ( −1
7 )
Luego la descomposición final es: Q(X) = 28(X + 2)2 (X + 17 )(X − 43 ) .

Por supuesto, como el polinomio Q2 es de grado 2, es más fácil y sencillo obtener sus raı́ces de la manera
√
17± (−17)2 −4(−3)28
habitual α = 2·28 . 4
Nota: Para evaluar un polinomio real a mano o con calculadora, es muy útil reescribirlo de manera que se
pueda hacer con sumas y productos sucesivos, sin almacenaje. Por ejemplo,
P (X) = a4 X4 + a3 X3 + a2 X2 + a1 X + a0 = (a4 X3 + a3 X2 + a2 X + a1 )X + a0
= ((a4 X2 + a3 X + a2 )X + a1 )X + a0 = (((a4 X + a3 )X + a2 )X + a1 )X + a0
y basta realizar las operaciones, sucesivamente de dentro a fuera.
2.2.5.1 Descomposición en fracciones simples

P (X)
Dados P (X), Q(X) ∈ K[X] , se considera la fracción racional Q(X) . Se dice que está simplificada, si P (X) y Q(X) no
tienen divisores comunes (salvo las constantes), es decir, considerando los divisores mónicos, mcd(P (X), Q(X)) =
1.
Las fracciones racionales reales y complejas admiten una expresión equivalente que es suma de fracciones
racionales más simples que simplifican su manejo. El proceso para encontrar dicha expresión se denomina des-
composición en fracciones simples (de esta manera se usa en integración, series de potencias, variable compleja,
etc.).
P (X)
Supondremos que la fracción Q(X) está simplificada y gr(P (X)) < gr(Q(X)) . De no ser ası́, podremos hacer:
P (X) P (X)/D(X)
? Si Q(X) y mcd(P (X), Q(X)) = D(X) 6= 1 , la expresión equivalente Q(X)/D(X) está simplificada.
P (X) R(X)
? Si gr(P (X)) ≥ gr(Q(X)) , entonces Q(X) = C(X) + Q(X) , con gr(R(X)) < gr(Q(X)) .
y obtener una fracción que sı́ lo cumple.

Consideremos la descomposición de Q (eliminamos el soporte X del nombre de los polinomios, por como-
didad) en producto de polinomios mónicos irreducibles: Q = Qm m2 mr
1 Q2 · · · Qr . En C[X] , todos los polinomios
1
irreducibles son de grado 1 luego los Qi son de grado 1, es decir, Qi (X) = X − αi . Pero en R[X] , los poli-
nomios irreducibles pueden ser de grado 1 o de grado 2, es decir, de la forma Qi (X) = X − ai o de la forma
Qi (X) = X2 + bi X + ci .
P
Se plantea entonces la fracción Q como suma de un cierto número de fracciones: por cada factor Qi se
tendrán mi sumandos, en la forma
Ti1 Ti2 Tij Tim
··· + + 2 + · · · + j + · · · + mii + · · ·
Qi Qi Qi Qi
donde gr(Tij ) < gr(Qi ) . Entonces,

? En C[X] , todos los numeradores son Tij (X) = tij ∈ C .
? En R[X] , los numeradores son Tij (X) = tij ∈ R si Qi (X) = X − ai (si Qi es de grado 1) y de la forma
Tij (X) = pij X + qij ∈ R[X] si Qi (X) = X2 + bi X + ci (de grado 2).
Para determinar los coeficientes de los numeradores se realiza la suma indicada, poniendo como denominador
común Qm mr
1 · · · Qr , es decir, Q. El polinomio obtenido en el numerador, se iguala a P y, de esta igualdad de
1
polinomios, se extrae el sistema de ecuaciones que nos permite obtener los valores concretos: este sistema tiene
siempre solución única.
El número de incognitas es siempre igual al gr(Q) y como el polinomio obtenido en el numerador al sumar
es (inicialmente) de grado gr(Q) − 1 también tiene gr(Q) coeficientes. Luego el sistema de ecuaciones tiene
gr(Q) ecuaciones y gr(Q) incógnitas. (Ver ejercicio 19)
P (X) X3 +X2 +3
Ejemplo 39 Sea Q(X) = X3 (X−1)(X2 +1)2 .
En R[X] , Q(X) = X (X − 1)(X + 1) , pero en C[X] , Q(X) = X3 (X − 1)(X − i)2 (X + i)2 . Luego
3 2 2
X3 + X2 + 3 t11 t12 t13 t21 p31 X + q31 p32 X + q32

= + 2 + 3 + + + 2
X3 (X − 1)(X2 + 1)2 X X X X−1 X2 + 1 (X + 1)2
en R[X] , siendo tij , pij , qij ∈ R . Y en C[X] , con los valores tij ∈ C, se tiene
X3 + X2 + 3 t11 t12 t13 t21 t31 t32 t41 t42

= + 2 + 3 + + + + +
X3 (X − 1)(X − i)2 (X + i)2 X X X X−1 X − i (X − i)2 X + i (X + i)2
Para calcular los coeficientes en el caso de R[X] , hacemos:
P a b c d eX + f gX + h aX2 +bX+c d eX3 + f X2 + (e+g)X + f +h

= + 2+ 3+ + 2 + 2 2
= 3
+ +
Q X X X X−1 X +1 (X + 1) X X−1 (X2 + 1)2
(aX2 +bX+c)(X−1)(X2 +1)2 + dX3 (X2 +1)2 + (eX3 +f X2 +(e+g)X+f +h)(X−1)X3

C(X)
= =
X3 (X − 1)(X2 + 1)2 Q(X)
(a+d+e)X7 +(b−a+f −e)X6 +(c−b+2a+2d+e+g−f )X5 +(2b−2a−c+f+h−e−g)X4 +(a−2b+2c+d−f −h)X3 +(b−a−2c)X2 +(c−b)X−c
= X3 (X−1)(X2 +1)2
e igualando los coeficientes de P (X) = 0X7 + 0X6 + 0X5 + 0X4 + X3 + X2 + 0X + 3 con los del polinomio construido
C(X) , se obtiene el sistema (1) de 8 ecuaciones y 8 incógnitas con solución única.
También puede construirse un sistema equivalente obligando a que ambos polinomios coincidan en 8 valores
(uno más que el grado), pues si P (αi ) = C(αi ) para α1 , . . . , α8 todas distintas, el polinomio P (X) − C(X) tiene
8 raı́ces y, por el corolario 32, es el polinomio 0 ; luego P (X) = C(X) . Por ejemplo, podemos construir un sistema
a partir de (2):  
 0=a+d+e
 
 3=P (0) =C(0)
0 = b − a + f − e 5=P (1) =C(1)

 


 

0 = c − b + 2a + 2d + e + g − f 3=P (−1)=C(−1)

 


 

0 = 2b − 2a − c + f + h − e − g 15=P (2) =C(2)
 
(1) (2)
 1 = a − 2b + 2c + d − f − h
  −1=P (−2)=C(−2)

1 = b − a − 2c 39=P (3) =C(3)

 


 

0 = c − b −15=P (−3)=C(−3)

 


 

3 = −c 83=P (4) =C(4)
 
4
2.3 Ejercicios
2.14 Encontrar las raı́ces de P (X) = X3 − 2X2 − 5X + 6 y Q(X) = 2X5 − 5X3 + 2X en R[X] , y sus expresiones
factorizadas. Hacerlo también en Q[X] .
2.15 Probar que el polinomio X2 + 2X + 2 divide a P (X) = X4 + 4 , y obtener de ello todas las raı́ces de P (X)
en C[X] , ası́ como su expresión factorizada en R[X] .
2.16 Sean P (X) = X5 + 3X4 + 3X3 + 3X2 + 2X y Q(X) = X3 − 3X2 + X − 3 dos polinomios de coeficientes reales.
a) Usar el algoritmo de Euclides para hallar su máximo común divisor.

b) Encontrar su mı́nimo común múltiplo.
c) Factorizar ambos polinomios en R[X] .
d) ¿Cuáles son sus factorizaciones en C[X] ?
2.17 Calcular el polinomio real mónico, máximo común divisor de X19 − 9X18 + 21X17 + X16 − 30X15 y
X4 − 6X3 − 16X2 + 54X + 63
¿Qué raı́ces tienen en común? ¿Podemos usar esto para obtener todas las raı́ces de ambos polinomios?
¿Son todas sus raı́ces reales?
2.18 ¿Cuántos polinomios reales de grado 2 que tengan por raı́ces el 0 y el 1 hay? ¿Cuál es su expresión?
2.19 El polinomio, P (X) , de coeficientes reales y grado 3, tiene a 1 y −1 por raı́ces. ¿Puede asegurarse que la
tercera raı́z es también real?
Si P (0) = 1 , ¿cuál serı́a la tercera raı́z de P ?
2.20 Resolver la ecuación 2x4 − x3 − 4x2 + 10x − 4 = 0 sabiendo que 1 − i es una de las raı́ces del polinomio
asociado.
2.21 Probar que si α es una raı́z de multiplicidad 5 del polinomio P , entonces α es una raı́z de multiplicidad
4 de P 0 (el polinomio derivado de P ).
2.22 Encontrar la multiplicidad de la raı́z r :

a) r = 2 , en X5 − 5X4 + 7X3 − 2X2 + 4X − 8 .
b) r = −2 , en X5 + 7X4 + 16X3 + 8X2 − 16X − 16 .
c) r = 1 , en X5 − 5X4 + 7X3 − 2X2 + 4X − 5 .

2.23 Sea P (X) = (1 − X) X(X + a)(X − 1 − b) − (a + X)(a − aX + ba) . Hallar todas las raı́ces y estudiar su
multiplicidad en función de los valores de los parámetros a y b.
 
a −a 0
2.24 Sea la matriz A =  −a a 0  . Encontrar las raı́ces, y su multiplicidad en función de los valores de
b 0 2b
los parámetros a y b, del polinomio P (X) = det(XI − A) . (Nota: I es la matriz identidad)
2.25 Expresar como suma de fracciones simples los cocientes siguientes, sin hallar los valores de los coeficientes:
X2 +1 X−5 X+5
a) X4 −6X3 −16X2 +54X+63 b) (X−1)(X3 −1) c) 2X4 −X3 −4X2 +10X−4
X2 +2 X3 −3X2 +X−3 X5 +3X4 +3X3 +3X2 +2X
d) X5 +7X4 +16X3 +8X2 −16X−16 e) X5 +3X4 +3X3 +3X2 +2X f) (X3 −3X2 +X−3)3
(Nota: Todos los polinomios de este ejercicio aparecen en alguno de los anteriores.)
Capı́tulo 3
Cálculo de primitivas
3.1 Primitiva de una función
Definición 40.- Diremos que la función F continua en [a, b] , es una primitiva de la función f en el intervalo
[a, b] si y sólo si F 0 (x) = f (x) , ∀x ∈ (a, b) .
Teorema 41.- Si F y G son dos funciones primitivas de la función f en [a, b] , entonces F − G es una función
constante en [a, b] .
Demostración:
Para cada c ∈ (a, b) , se tiene que (F − G)0 (c) = F 0 (c) − G0 (c) = f (c) − f (c) = 0 , luego tiene derivada nula.
Por el Teorema del valor medio de Lagrange (teorema 155 de la pág 70), para cada x ∈ [a, b] ,
F (x) − G(x) − F (a) − G(a) = (F − G)0 (c)(x − a) = 0,

luego F (x) − G(x) = F (a) − G(a) = k para todo x ∈ [a, b] .
Observación: Como consecuencia del teorema anterior, se tiene que si F es una función primitiva de f en [a, b] ,
entonces {F (x) + C : C ∈ R} es el conjunto formado por todas las funciones primitivas de f en [a, b] .
Definición 42.- Llamaremos
Z integral indefinida de f al conjunto de todas las primitivas de la función f , y
lo denotaremos por f (x) dx .
Z
Si F es una función primitiva de f , escribiremos únicamente f (x) dx = F (x) + C , con C ∈ R .
Z Z Z
Propiedad 43.- (λf + µg)(x) dx = λ f (x) dx + µ g(x) dx . Es decir, una primitiva de la suma y el
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostración:
Sean F 0 (x) = f (x) y G0 (x) = g(x) . Entonces
((λF + µG)(x))0 = λF 0 (x) + µG0 (x) = λf (x) + µg(x) = (λf + µg)(x),
luego λF + µG es una primitiva de λf + µg .
3.1.1 Tabla de integrales inmediatas

Es usual manejar una tabla de primitivas inmediata, pero que en realidad se reduce a una tabla de derivadas
conocidas:
Z Z Z
1 1 1
xa dx = a+1 xa+1 + C, a 6= −1 x dx = ln |x| + C ax dx = ln a ax + C
Z Z Z
1
cos x dx = sen x + C sen x dx = − cos x + C cos2 x dx = tg x + C
Z Z Z
dx √ 1 √ −1
sen2 x = − cotg x + C 1−x2
dx = arcsen x + C 1−x2
dx = arccos x + C
Z Z Z
1 −1
1+x2 dx = arctg x + C 1+x2 dx = arccotg x + C ch x dx = sh x + C
√
Z Z Z
1 √ 1
sh x dx = ch x + C ch2 x
dx = th x + C x2 +1
dx = argsh x = ln(x + x2 + 1) + C
√
Z Z
1 1 1+x √ 1
1−x2 dx = argth x = 2 ln 1−x +C x2 −1
dx = argch x = ln(x + x2 − 1) + C
17 – Fundamentos de Matemáticas : Preliminares 3.2 Métodos de integración
3.2 Métodos de integración

3.2.1 Método de sustitución
Si F (x) es una primitiva de f (x) , entonces F (φ(x)) es una primitiva de la función f (φ(x))φ0 (x) , es decir,
Z
f (φ(x))φ0 (x)dx = F (φ(x)) + C.
En efecto, por la Regla de la cadena (teorema 147 de la pág 67), (F (φ(x)))0 = f (φ(x))φ0 (x) .
Z
Ejemplo Encontrar una expresión para 4(x2 + 1)3 2xdx .
Solución:
F (x) = x4 es una primitiva de f (x) = 4x3 y, si φ(x) = x2 +1 se tiene φ0 (x) = 2x . Luego F (φ(x)) = (x2 +1)4
es una primitiva de f (φ(x))φ0 (x) = 4(x2 + 1)3 2x . Es decir,
Z
4(x2 + 1)3 2xdx = (x2 + 1)4 + C. 4
Combinando este método con la tabla de integrales inmediatas, podemos componer toda una tabla de
integrales “casi inmediatas”:
3.2.1.1 Tabla de integrales casi–inmediatas
(v(x))a+1
Z Z
a 0 1 0
(v(x)) v (x)dx = + C, a 6= −1 v (x)dx = ln |v(x)| + C
a+1 v(x)
Z v(x) Z
a
av(x) v 0 (x)dx = +C cos(v(x))v 0 (x)dx = sen(v(x)) + C
Z ln a Z
1
sen(v(x))v 0 (x)dx = − cos(v(x)) + C v 0 (x)dx = tg(v(x)) + C
cos2 (v(x))
Z Z
1 1
2
v 0 (x)dx = − cotg(v(x)) + C p v 0 (x)dx = arcsen(v(x)) + C
sen (v(x)) 1 − (v(x))2
−1
Z Z
1
v 0 (x)dx = arccos(v(x)) + C v 0 (x)dx = arctg(v(x)) + C
1 + (v(x))2
p
1 − (v(x))2
−1
Z Z
v 0 (x)dx = arccotg(v(x)) + C ch(v(x))v 0 (x)dx = sh(v(x)) + C
1 + (v(x))2
Z Z
1
sh(v(x))v 0 (x)dx = ch(v(x)) + C v 0 (x)dx = th(v(x)) + C
ch2 (v(x))
Z Z
1 1
v 0 (x)dx = argsh(v(x)) + C v 0 (x)dx = argth(v(x)) + C
1 − (v(x))2
p
(v(x))2 + 1
Z
1
p v 0 (x)dx = argch(v(x)) + C.
(v(x))2 − 1
3.2.2 Cambio de variable

Z
Proposición 44.- Sea f (x)dx. Si x = φ(t), con φ derivable y existe φ−1 también derivable. Entonces
Z Z
f (x)dx = f (φ(t))φ0 (t)dt.
Demostración:
Z Z
Sean f (x)dx = F (x) + C1 y f (φ(t))φ0 (t)dt = G(t) + C2 . Como F (x) es una primitiva de f (x) se tiene
que F (φ(t)) es una primitiva de f (φ(t))φ0 (t) , luego F (φ(t)) = G(t) + C , y, por tanto, F (x) = F (φ(φ−1 (x))) =
G(φ−1 (x)) + C
18 – Fundamentos de Matemáticas : Preliminares 3.3 Integración según el tipo de función
Se hace un cambio de variable x = φ(t) para transformar la integral de partida en otra más sencilla o
inmediata.
√
Z
3
Ejemplo Hallar 1 + xdx.
Solución:
Si tomamos 1 + x = t3 , es decir, x = φ(t) = t3 − 1 , φ es derivable, existe φ−1 y es derivable. Entonces,
como dx = φ0 (t)dt = 3t2 dt , se tiene
Z √
√ t4 3 √
Z Z Z
3 4
3
1 + xdx = t3 3t2 dt = 3t3 dt = 3 t3 dt = 3 = 3
1+x +C 4
4 4
3.2.3 Integración por partes
En forma clásica, la derivada de un producto se escribe como d(uv) = udv + vdu, de donde udv =
d(uv) − vdu. Entonces Z Z
u dv = uv − v du
expresión conocida como fórmula de integración por partes

Z
Ejemplo Calcular ln x dx.
Solución:
du = x1 dx

u = ln x
Si tomamos , se tiene , de donde
dv = dx v=x
Z Z Z
1
ln x dx = x ln x − x dx = x ln x − dx = x ln x − x + C 4
x
3.3 Integración según el tipo de función

3.3.1 Integrales racionales
Resumen de resultados conocidos. Sea la ecuación polinómica P (x) = a0 + a1 x + . . . + an xn = 0 , con
ai ∈ R.
? Si ai ∈ Z, para todo i , entonces toda raiz entera de P (x) es divisor del coeficiente a0 .
? Si ai ∈ Z, para todo i , el denominador de toda raiz fraccionaria de P (x) es divisor del coeficiente an y
el numerador es divisor del coeficiente a0 .
? Si ai ∈ R, para todo i, y α + βi es una raiz compleja de P (x) entonces, también α − βi es raiz de P (x) .
? Todo polinomio con coeficientes reales puede descomponerse en la forma
P (x) = an (x − r1 )n1 (x − r2 )n2 · · · (x − rs )ns (x2 + p1 x + q1 )m1 · · · (x2 + pk x + qk )mk ,
donde n1 + · · · + ns + 2m1 + · · · + 2mk = n , los ri son las raices reales de P (x) y los términos x2 + pj x + qj
agrupan las raices complejas αj + βj i y αj − βj i (verifican por tanto que p2j − 4qj < 0 ).
3.3.1.1 Descomposición en fracciones simples

Q(x)
Sean Q y P funciones polinómicas reales y P (x) la función racional cociente de ambas.
? Si el grado de P es mayor que el de Q se dice que es una fracción propia, en cuyo caso, si P (x) se descompone
como en el punto anterior, Q(x)
P (x) puede descomponerse de manera única en la forma

Q(x) 1 A1 A2 An 1
= · n
+ n −1
+ ··· + +
P (x) an (x − r1 ) 1 (x − r1 ) 1 (x − r1 )
Q(x) 1 B1 B2 Bn2
= + + + ··· + +
P (x) an (x − r2 )n2 (x − r2 )n2 −1 (x − r2 )
+··· ··· ··· +
L1 L2 Lns
+ n
+ n −1
+ ··· + +
(x − rs ) s (x − rs ) s (x − rs )
M 1 x + N1 M 2 x + N2 Mm x + Nm1
+ 2 m
+ 2 m −1
+ ··· + 2 1 +
(x + p1 x + q1 ) 1 (x + p1 x + q1 ) 1 x + p1 x + q1
+··· ··· ··· +

E1 x + F1 E2 x + F2 Emk x + Fmk
+ 2 + + · · · +
(x + pk x + pk )mk (x2 + pk x + qk )mk −1 x2 + pk x + qk
Descomposición que se denomina en fracciones simples (ver la subsección 2.2.5.1 de Polinomios)
? Si el grado de Q es mayor que el grado de P , se dice que la fracción es impropia, en cuyo caso, al dividir
de forma entera el numerador por el denominador, se obtiene que
Q(x) R(x)
= M (x) + ,
P (x) P (x)
R(x)
donde M (x) es un polinomio y P (x) una fracción propia.
Como P (x) es el polinomio denominador común de los términos de la descomposición, el polinomio Q(x)
debe coincidir con el polinomio que se obtiene en el numerador al sumar las fracciones simples. En consecuencia
los nuevos coeficientes que aparecen en la descomposición son aquellos que hacen iguales ambos polinomios.
3.3.1.2 Integración de funciones racionales
Q(x)
Encontrar una primitiva de P (x) , es resolver integrales de los tipos
Z Z
A M x+N
a) (x−r)k
dx b) (x2 +px+q)k
dx
a) Estas integrales son inmediatas, pues si k = 1 ,

Z
A
dx = A ln |x − r|,
x−r
y si k > 1 ,
(x − r)−k+1
Z Z
A A 1
dx = A(x − r)−k dx = A = .
(x − r)k −k + 1 1 − k (x − r)k−1
b) Como 4q − p2 > 0 , se tiene que

p2
x2 + px + q = (x + p2 )2 + (q − 4 ) = (x − p2 )2 + R2 = R2 (t2 + 1) ,
q
p2 x− p
donde R = q− 4 y t= R
2
, luego haciendo el cambio x = Rt + p2 , con dx = Rdt, se tiene que
M 0t + N 0 M 0t N0
Z Z Z Z
Mx + N 1 1
dx = 2 k Rdt = 2k−1 dt + dt
(x2 + px + q)k (R ) (t2 + 1)k R (t2 + 1)k (t2 + 1)k
0Z
M0 N0
Z
1 M 2t 0 1 0
= 2k−1 dt + N dt = Ik + Ik
R 2 (t2 + 1)k (t2 + 1)k 2R2k−1 R2k−1
integrales que se resuelven de forma inmediata en los siguientes casos:

Z Z
? Si k = 1 , I10 = t22t +1 dt = ln |t 2
+ 1| , I 1 = 1
t2 +1 dt = arctg t .
Z
? Si k > 1 , Ik0 = (t2 +1)2t 1 1
k dt = 1−k (t2 +1)k−1 .
Para resolver Ik , se realiza un proceso que consiste en ir bajando sucesivamente la potencia k hasta que
sea 1, de la forma siguiente
1 − t2 + t2 1 + t2 t2
Z Z Z
1
Ik = dt = dt = − dt
(t2 + 1)k (t2 + 1)k (t2 + 1)k (t2 + 1)k
t2
Z Z
1
= 2 k−1
dt − dt = Ik−1 − I
(t + 1) (t + 1)k
2

u=t du = dt
Haciendo en I integración por partes, t se tiene 1 1 , luego
dv = (1+t2 )k dt v = 2(1−k) (1+t2 )k−1
Z
1 t 1 1
Ik = Ik−1 − 2 k−1
+ dt
2(1 − k) (1 + t ) 2(1 − k) (1 + t2 )k−1

1 t 1
= + 1− Ik−1
2(k − 1) (1 + t2 )k−1 2(k − 1)
Si k − 1 = 1 , Ik−1 = I1 = arctg t . Si k − 1 > 1 , se repite el proceso.

Z
1+x
Ejemplo Calcular x4 +x3 +x2 dx .
Solución Como P (x) = x2 (x2 + x + 1) , y x2 + x + 1 no tiene raices reales, se tiene
1+x A B Mx + N A(x2 + x + 1) + Bx(x2 + x + 1) + (M x + N )x2

= 2+ + 2 =
x2 (x2 + x + 1) x x x +x+1 x2 (x2 + x + 1)
de donde 1 + x = A + (A + B)x + (A + B + N )x2 + (B + M )x3 , es decir,

1 + x + 0x2 + 0x3 = A + (A + B)x + (A + B + N )x2 + (B + M )x3 ,
 

 1=A 
 A=1
1=A+B B=0
 
obteniendose el sistema con soluciones . Entonces

 0=A+B +N 
 N = −1
0=B +M M =0
 
−1 4
Z Z Z Z
dx dx dx dx
2 2
= 2
− 2
= − 4 1 2
3 (x − 2 ) + 1
x (x + x + 1) x x +x+1 x 3
√
3
−1 4 −1 4 2 dt
Z Z
dx
= − = −
x 3 ( 2x−1
√ )2 + 1 x 3
3
t2 + 1
−1 2 −1 2 2x − 1
= − √ arctg t = − √ arctg √ +C 4
x 3 x 3 3
3.3.2 Integración de funciones trigonométricas

Cambios de variable especı́ficos.
? Integrales de los tipos:

Z Z Z
sen(mx) cos(nx)dx cos(mx) cos(nx)dx sen(mx) sen(nx)dx.
se resuelven usando las relaciones

(1) + (2) : 2 sen x cos y = sen(x + y) + sen(x − y)
(3) + (4) : 2 cos x cos y = cos(x + y) + cos(x − y)
(3) − (4) : −2 sen x sen y = cos(x + y) − cos(x − y)
obtenidas a partir de la fórmulas trigonométricas:
(1) sen(x + y)=sen x cos y + sen y cos x (3) cos(x + y)=cos x cos y − sen x sen y
(2) sen(x − y)=sen x cos y − sen y cos x (4) cos(x − y)=cos x cos y + sen x sen y
Z
? Integrales de la forma senm x cosn xdx con m, n ∈ Z
– Si m es impar se resuelven usando el cambio t = cos x .

– Si n es impar con el cambio t = sen x .
– Si m y n son pares positivos se resuelven utilizando las fórmulas del ángulo mitad
1 − cos(2x) 1 + cos(2x) sen(2x)

sen2 x = cos2 x = sen x cos x =
2 2 2
Z Z
? Integrales de la forma tgn xdx , cotgn xdx con n ∈ N se calculan mediante las fórmulas:
tg2 x = sec2 x − 1 cotg2 x = cosec2 x − 1
Z
Ejemplo Hallar sen2 x cos2 xdx .
Z 2
1 − cos 2x
Z Z
1 + cos 2x 1
sen4 x cos2 xdx = 1 − cos 2x − cos2 2x + cos3 2x dx

dx =
2 2 8
Z
1 1 + cos 4x
= 1 − cos 2x − + cos3 2x dx
8 2
Z Z Z Z
1 1 1 1 1
= dx − cos 2xdx − cos 4xdx + cos3 2xdx
8 2 8 16 8
Z
x sen 2x sen 4x 1 3 t = sen 2x
= − − + cos 2xdx =
16 16 64 8 dt = 2 cos 2xdx
x − sen 2x sen 4x 1 x − sen 2x sen 4x t3
Z
dt 1
= − + (1 − t2 ) = − + (t − )
16 64 8 2 16 64 16 3
3
x − sen 2x sen 4x sen 2x sen 2x
= − + − +C
16 64 16 48
3
x sen 4x sen 2x
= − +− +C 4
16 64 48
Cambios más generales para Z las integrales trigonométricas.

Las integrales de la forma R(sen x, cos x)dx , siendo R(sen x, cos x) una función racional en sen x y cos x .
? Si se cumple R(sen x, cos x) = R(− sen x, − cos x) entonces la integral se puede reducir a una integral
racional empleando el cambio t = tg x .
dt
Es decir, x = arctg t −→ dx = .
1 + t2
1 1 t
Por otra parte 1 + tg2 x = 2
=⇒ cos x = √ y por tanto sen x = √ .
cos x 1+t 2 1 + t2
Z
? En general, una integral del tipo R(sen x, cos x)dx se transforma en una integral racional utilizando el
cambio
x x 2dt 1 − t2 2t
t = tg =⇒ = arctg t −→ dx = , cos x = y sen x = .
2 2 1 + t2 1 + t2 1 + t2
3.3.3 Integración de funciones exponenciales e hiperbólicas

Z
R(ax )dx ; siendo R(ax ) una función racional en ax .
El cambio t = ax convierte dicha integral en racional:
dt
t = ax =⇒ dt = ax ln adx =⇒ dx =
t ln a
Z
ex +e−x ex −e−x
Dado que ch x = 2 y sh x = 2 , resulta que entonces cualquier integral del tipo R(sh x, ch x)dx
se puede resolver por el cambio anterior. Pero también existen unas relaciones entre las funciones hiperbólicas
que hacen que su integración sea similar a la de las funciones trigonométricas:
ch 2x − 1 ch 2x + 1
ch2 x − sh2 x = 1 sh2 x = ch2 x =
2 2
1
sh 2x = 2 sh x ch x 1 − th2 x =
ch2 x
De entre todos los casos que nos aparecen en la integración de funciones racionales hiperbólicas destacamos:
dt √ 1 √ t
? Cambio t = th x =⇒ dx = 1−t2 ch x = 1−t2
sh x = 1−t2
x 2dt 1+t2 2t

? Cambio t = th 2 =⇒ dx = 1−t2 ch x = 1−t2 sh x = 1−t2
Z
ex −1
Ejemplo Hallar ex +1 dx.
Solución Con el cambio t = e , se tiene dt = ex dx = tdx , luego
x
ex
x
(e + 1)2
Z
t − 1 dt
Z Z
2 1
dx = = − dt = 2 ln |t + 1| − ln |t| = ln
+ C.
4
ex + 1 t+1 t t+1 t ex
3.3.4 Integrales irracionales

Z p1 p2 pqk
ax+b q1 q2
? Integrales de la forma R x, cx+d , ax+b
cx+d , . . . , ax+b
cx+d
k
dx , siendo R una función racional
p1 p2 pk
en esas variables y las fracciones ,
q1 q2 , . . . , qk irreducibles.
ax+b
Sea n = mcm(q1 , q2 , . . . , qk ) , el cambio de variable tn = cx+d transforma la integral irracional en una
racional. (Ver ejemplo 3.2.2.)
Z p
? Integrales del tipo R(x, a2 − x2 )dx
Se resuelven mediante alguno de los cambios: x = a sen t ó x = a cos t ó x = th t
Z p
? Integrales del tipo R(x, a2 + x2 )dx
Se resuelven mediante alguno de los cambios: x = a tg t ó x = a sh t
Z p
? Integrales del tipo R(x, x2 − a2 )dx
Se resuelven mediante alguno de los cambios: x = a sec t ó x = a ch t
√
Z
Ejemplo Encontrar 1 − x2 dx.
Solución Con el cambio x = sen t , dx = cos tdt . Entonces
Z p Z p Z √ Z
2
1 − x dx = 2
1 − sen t cos tdt = cos t cos tdt = cos2 tdt
2
Z
1 t sen 2t arcsen x sen(2 arcsen x)
= (1 − cos 2t)dt = − = − +C 4
2 2 4 2 4
3.3.4.1 Integrales binomias

Z
Las integrales binomias, son de la forma xp (a + bxq )r dx , con p, q, r ∈ Q.
Chebichev probó que es posible racionalizar la integral binomia cuando es entero uno de los tres números
siguientes: r, p+1
q ,
p+1
q + r.
? Si r ∈ N , entonces se desarrolla (a + bxq )r según el binomio de Newton.

1−q
/ N , haremos el cambio: t = xq =⇒ dx = 1q t
? Si r ∈ q dt, por tanto
Z Z
1 p+1
q −1
xp (a + bq )r dx = t (a + bt)r dt.
q
– Si r ∈ Z, con r negativo, la integral siempre se va a poder convertir en una racional con el cambio
1 p+1
u = t s siendo s ∈ N el denominador de la fracción irreducible m
s = q − 1.
p+1
– Si r ∈
/ Z, pero q ∈ Z, la integral se ha convertido en un tipo ya estudiado. Si no
Z Z r
1 p+1
q −1
1 p+1
q −1+r
a + bt
t (a + bt)r dt = t dt,
q q t
p+1
con lo que si q + r ∈ Z la integral se ha convertido de nuevo en una del tipo anterior.
Z
1 1 1
Ejemplo Hallar x 2 (1 + x 3 )− 2 dx.
−1 1
Solución Como r = 2 / N, hacemos el cambio t = xq = x 3 , luego x = t3 y dx = 3t2 dt . Entonces
∈
Z Z Z
1 1
− 21 3
− 21 2 7 1
x (1 + x ) dx = t (1 + t) 3t dt = 3t 2 (1 + t)− 2 dt
2 3 2
1
Como 7
2 / Z, multiplicamos y dividimos por t− 2 , obteniendo
∈
Z Z − 21 Z 12 (
u2
)
7
− 12 7 1 1+t t t=
2−2 3 2 t
1−u2
3t (1 + t)
2 dt = 3 t dt = 3 t dt = u = 1+t → 2udu
t 1+t dt = (1−u2 )2
u6 u8 u8
Z Z Z
2udu
=3 u =6 du du = 6
(1 − u ) (1 − u2 )2
2 3 (1 − u)5 (1 + u)5 (1 − u2 )5
r
q 1
t x3
que es una integral racional en u. Se resuelve, y teniendo en cuenta que u = 1+t = 1 se obtiene el
1+x 3
resultado buscado. 4
3.4 Ejercicios
3.26 Manipular las expresiones para resolver de manera casi-inmediata las siguientes integrales indefinidas
Z Z Z
2 2 4 6x2 +4
1) tg x dx 2) x(3x + 1) dx 3) x3 +2x+7 dx
Z Z Z
4) e− sen x cos x dx 5) x
1+x4 dx 6) x(2x + 5)10 dx
Z Z Z
x2 sen2 x dx
7) x6 +1 dx 8) 6 dx 9) 2+2x+x2
3.27 Usa los métodos de integración por partes e integración racional para resolver:
Z Z Z
2
10) ln x dx 11) x sen x dx 12) arctg x dx
Z Z Z
x3 +x−1
13) (x + 1)2 cos xdx 14) e2x sen(2x)dx 15) (x2 +2)2 dx
Z Z Z
x4 −6x3 +12x2 +6 dx dx
16) x3 −6x2 +12x−8 dx 17) (x+1)(x2 +x+2)2 18) (x+1)2 (x2 +1)
Z Z Z
x8 2x+2 dx
19) (1−x2 )5 dx 20) (x2 +1)2 dx 21) 1+x4
3.28 Usa los cambios de variable recomendados en cada caso para resolver:
√
Z Z Z
1+x √dx
22) 1 − x2 dx 23) √ dx
1+ x
24) x x2 −2
√
Z Z Z
ln(2x)
25) √ dx 26) 2 + 2x + x2 dx
ex −1 x ln(4x) dx 27)
Z Z Z
28) cos x cos2 (3x)dx 29) cos x2 cos x3 dx 30) tg2 (5x)dx
Z Z Z
31) tg3 x4 + tg4 x4 dx 32) sen5 xdx 33) sen3 x
2 cos5 x2 dx
Z Z Z
cos5 x
34) sen3 x dx 35) cos6 (3x)dx 36) sen4 xdx
Z Z Z
dx cos2 x dx
37) cos6 x 38) sen6 x dx 39) 1+3 cos2 x
Z Z Z
3 sen x+2 cos x dx dx
40) 2 sen x+3 cos x dx 41) cos x+2 sen x+3 42) ex +1
Z Z Z
43) ch4 xdx 44) sh3 x ch xdx 45) dx
sh2 x+ch2 x
√
Z Z q Z
x+1+2
46) √
(x+1)2 − x+1
dx 47) x x−1
x+1 dx 48) dx
√
(2−x) 1−x
Z Z Z
(x−1)dx
49) √ dx√ 50) 2 51) √ x dx
x+ 3 x x(x+2) 3 x2 −x
Z Z Z
−1
52) x−4 (1 + x2 ) 2 dx 53) √dx
(x−2) 5x−x2 −4
54) √
3
2x
1+x3
dx
Capı́tulo 4
Matrices y sistemas lineales

4.1 Definiciones básicas
Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los
números de la tabla se conocen con el nombre de elementos de la matriz. El tamaño de una matriz
se describe especificando el número de filas y columnas que la forman. Si A es una matriz de m filas y
n columnas, Am×n , se usará aij para denotar el elemento de la fila i y la columna j y, en general, se
representará por  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A = (aij ) 1≤i≤m = (aij )m×n =  . ..  .
 
..
1≤j≤n  .. . ··· . 
am1 am2 · · · amn
Dos matrices son iguales si tienen igual tamaño y los elementos correspondientes de ambas matrices iguales.
Una matriz An×n (ó An ) se denomina matriz cuadrada de orden n y de los elementos de la forma a11 ,
a22 , . . . , ann se dice que forman la diagonal principal. De una matriz A1×n se dice que es una matriz fila
y de una matriz Am×1 que es una matriz columna.
4.1.1 Operaciones con las matrices

Las matrices con las que trabajaremos habitualmente serán matrices reales, es decir que sus elementos sean
números reales. Sin embargo, los resultados y definiciones dados aquı́ son igualmente válidos para el cuerpo de
los complejos.
Suma: Si A y B son dos matrices del mismo tamaño, m×n , la suma A + B es otra matriz de tamaño m×n
donde el elemento ij de A + B se obtiene sumando el elemento ij de A con el elemento ij de B . Es decir,
si A = (aij )m×n y B = (bij )m×n , entonces A + B = (aij + bij )m×n .
El neutro de la suma es la matriz cero, 0 , con todos sus elementos cero, y la matriz opuesta de A , se
designa por −A, y es −A = (−aij )m×n .
Producto por escalares: Si A es una matriz m×n y k ∈ R un escalar, el producto kA es otra matriz del
mismo tamaño donde cada elemento de A aparece multiplicado por k . Es decir, kA = (kaij )m×n .
Evidentemente, −A = (−1)A y A − B = A + (−B) .

Producto de matrices: Si Am×n y Bn×p el producto AB es otra matriz de tamaño m × p tal que, el
elemento eij de AB se obtiene sumando los productos de cada elemento de la fila i de A por el elemento
correspondiente de la columna j de B . Es decir,
 
b1j
n
 b2j 
  X
eij = FiA × CjB = ai1 ai2 · · · ain  .  = ai1 b1j + ai2 b2j + · · · + ain bnj = aik bkj
 .. 
k=1
bnj
(lo denotaremos por eAB A B

ij = Fi × Cj cuando queramos significar la fila y columna que intervienen).
Observación: La definición dada de producto de matrices requiere que el número de columnas de la primera
matriz, A, sea igual que el número de filas de la segunda matriz, B , puesto que para el cálculo de eij ha de
haber tantos elementos en la fila i (número de columnas de A) como en la columna j (número de filas de B ).
En forma sinóptica con los tamaños (m×n) · (n×p) = (m×p) .
26 – Fundamentos de Matemáticas : Preliminares 4.1 Definiciones básicas
 
  b11 b12 b13 b14 b15  
a11 a12 a13 a14  b21 e11 e12 e13 e14 e15
 a21 a22 a23 a24  b22 b23 b24 b25 


 b31 =  e21 e22 e23 e24 e25 
b32 b33 b34 b35 
a31 a32 a33 a34 3×4 e31 e32 c33 e34 e35 3×5
b41 b42 b43 b44 b45 4×5
Nota: Cada elemento de la matriz producto puede obtenerse de manera independiente, por lo que no es necesario
calcularlos todos si sólo son necesarios unos pocos. Ası́:
? eAB A B
ij = Fi · Cj . ? FiAB = FiA · B . ? CjAB = A · CjB .
? eABC
ij = FiA · CjBC = FiA · B · CjC .
 
10 ··· 0
0 1 ··· 0 
La matriz cuadrada I = In =  ... . . ..  , formada por ceros excepto en la diagonal principal que tiene
 
 ... . . 
0 0 ··· 1
unos, de llama matriz identidad y es el neutro del producto de matrices (tomada del tamaño adecuado). Es
decir, para toda Am×n se tiene que Im Am×n = Am×n y Am×n In = Am×n .
Propiedades 45.- Suponiendo tamaños adecuados para que las operaciones sean posibles:
a) A + B = B + A (conmutativa de la suma).
b) A + (B + C) = (A + B) + C ; A(BC) = (AB)C (asociativas de la suma y del producto).
c) A(B + C) = AB + AC ; (A + B)C = AC + BC (distributivas por la izquierda y por la derecha).
d) a(B + C) = aB + aC ; ∀a ∈ R .
e) (a + b)C = aC + bC ; ∀a, b ∈ R.
f) a(BC) = (aB)C = B(aC) ; ∀a ∈ R.
? AB = BA
En general, NO es cierto que: ? Si AB = 0 tengan que ser A = 0 ó B = 0
? Si AB = AC necesariamente sea B = C

0 1 3 7 −1 −1 0 0 0 17
Ejemplo 46 Con A = , B= y C= tenemos AB = 6= BA = ,
0 2 0 0 0 0 0 0 0 0
6 BA y AB = 0 con A 6= 0 y B 6= 0 . Además AC = 0 = AB , pero B 6= C .
es decir AB = 4
4.1.2 Matriz transpuesta
Definición 47.- Si A es una matriz m×n llamamos matriz transpuesta de A a la matriz At de tamaño
n×m que tiene por filas las columnas de A y por columnas las filas de A. Es decir, el elemento ij de At
coincide con el elemento ji de A.  
t a11 a21
a11 a12 a13
=  a12 a22 
a21 a22 a23
a13 a23
Proposición 48.- Se verifican las siguientes propiedades:
a) (At )t = A. b) (A + B)t = At + B t . c) (kA)t = kAt .

d) (AB)t = B t At y, en general, (A1 A2 · · · An )t = Atn · · · At2 At1 .
Demostración:
B t At t t
Las tres primeras son claras. Veamos la cuarta: eij = FiB × CjA = CiB × FjA = FjA × CiB = eAB
ji . Luego
t t t
B A = (AB) .
27 – Fundamentos de Matemáticas : Preliminares 4.2 Sistemas de ecuaciones lineales
4.2 Sistemas de ecuaciones lineales

Definición 49.- Se denomina ecuación lineal de n variables (o incógnitas), xi , aquella ecuación que puede
expresarse en la forma: a1 x1 + a2 x2 + · · · + an xn = b, donde los ai , b ∈ R.
Una solución de la ecuación lineal es un conjunto ordenado de números reales (s1 , s2 , . . . , sn ) , tales que
a1 s1 + a2 s2 + · · · + an sn = b. Al conjunto de todas las soluciones de una ecuación se le denomina conjunto
solución de la ecuación
Nota: Una ecuación lineal de 2 variables, ax + by = c, es una representación analı́tica de una recta del plano
XY , las soluciones de la ecuación son cada uno de los puntos de la recta y el conjunto solución es toda la recta,
todos los puntos de la recta. En una ecuación lineal no pueden aparecer productos, ni potencias, ni expresiones
trigonométricas, . . . , de las variables.
Definición 50.- Se denomina sistema de m ecuaciones lineales con n incógnitas a la reunión de m
ecuaciones lineales sobre las mismas n incógnitas, y se escribe en la forma:


 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. ..


 . .
am1 x1 + am2 x2 + · · · + amn xn = bm

Una n -upla (s1 , s2 , . . . , sn ) es solución del sistema si es solución de todas y cada una de las ecuaciones.

x+y = 2
Ejemplo Consideremos el sistema . El par (−7, 9) es la solución del sistema, pues es solución
2x + y = −5
de cada una de las 2 ecuaciones, es decir (ver la nota anterior), es el único punto común a las dos rectas.
De lo anterior es evidente que también un sistema puede no tener solución (dos rectas paraleras no tienen
puntos en común) o infinitas (si las dos ecuaciones representan la misma recta).
Si un sistema no tiene solución, suele decirse que es incompatible; si existe solución y es única compatible
determinado y compatible indeterminado si tiene un conjunto infinito de soluciones.
Lenguaje matricial de los sistemas de ecuaciones Un sistema de ecuaciones lineales, también puede
escribirse como AX = B donde A = (aij )m×n , X = (xi )n×1 y B = (bj )m×1 .
 
  x1 
b1

a11 a12 a13 · · · a1n  x2 
 a21 a22 a23 · · · a2n     b2 
AX =    x3 
= . =B
 
 ··· ··· ··· ··· ···   ..   .. 
am1 am2 am3 · · · amn  .  bm
xn
La matriz A se denomina matriz de los coeficientes, la matriz columna B se denomina matriz de los términos
independientes y una S = (si )n×1 es solución de sistema si verifica que AS = B .
Ejemplo Para el sistema del ejemplo anterior

x+y = 2 1 1 x 2 1 1 −7 2
←→ = ; (−7, 9) es solución, pues = 4
2x + y = −5 2 1 y −5 2 1 9 −5
4.2.1 Matrices elementales

Definición 51.- Llamaremos operación elemental en las filas de las matrices, a las siguientes:
a) Intercambiar la posición de dos filas.

b) Multiplicar una fila por una constante distinta de cero.
c) Sumar a una fila un múltiplo de otra fila.
Definición 52.- Se dice que una matriz cuadrada En×n es una matriz elemental si se obtiene de efectuar
una sola operación elemental sobre la matriz identidad In×n .
Teorema 53.- Si la matriz elemental Em×m resulta de efectuar cierta operación elemental sobre las filas de
Im y si Am×n es otra matriz, el producto EA es la matriz m×n que resulta de efectuar la misma operación
elemental sobre las filas de A . .
Ejemplo Son matrices elementales las matrices

     
0 1 0 1 0 0 1 0 0
E1 =  1 0 0  , E2 =  0 2 0  y E3 =  0 1 0  ,
0 0 1 0 0 1 3 0 1
que se obtienen de I3 , intercambiando la primera con la segunda fila (F1 ↔ F2 ), multiplicando la segunda fila
por 2 ( 2F2 ) y sumando a la tercera fila la primera fila multiplicada por 3 (F3 + 3F1 ), respectivamente. Y si
A = (aij )3×4 , se tiene
   
a21 a22 a23 a24 a11 a12 a13 a14
E1 A =  a11 a12 a13 a14  , E2 A =  2a21 2a22 2a23 2a24  y
a31 a32 a33 a34 a31 a32 a33 a34
 
a11 a12 a13 a14
E3 A =  a21 a22 a23 a24 .
4
a31 +3a11 a32 +3a12 a33 +3a13 a34 +3a14
Observación 54.- Es claro, que una vez realizada una operación elemental puede deshacerse mediante otra
operación elemental: ası́, si intercambiamos la fila i con la fila j , la operación elemental que lo deshace es
intercambiar de nuevo la fila i con la fila j ; si multiplicamos la fila i por k 6= 0 se deshace multiplicándola
de nuevo por k1 y si sumamos a la fila i la fila j multiplicada por k lo deshacemos restando a la fila i la fila
j multiplicada por k (sumando la fila j multiplicada por −k ). Denotando por E1∗ , E2∗ y E1∗ a las matrices
elementales que deshacen las operaciones elementales dadas por las matrices elementales E1 , E2 y E3 del
ejemplo anterior, tenemos que
     
0 1 0 1 0 0 1 0 0
E1∗ =  1 0 0  = E1 , E2∗ =  0 21 0  y E3∗ =  0 1 0  .
0 0 1 0 0 1 −3 0 1
Entonces, si E ∗ es la matriz elemental que deshace la operación realizada por E , se tiene que E ∗ (EA) = A.
Teorema 55.- Si E es una matriz elemental, los sistemas AX = B y (EA)X = EB tienen las mismas
soluciones.
Demostración:
En efecto, si S es solución del primer sistema, AS = B , luego (EA)S = E(AS) = EB y S es también solución
del segundo. Y viceversa, si (EA)S = EB y E ∗ es la matriz elemental que deshace E , multiplicando en la
igualdad, se tiene: E ∗ (EA)S = E ∗ EB =⇒ AS = B .
4.2.2 Método de Gauss

El resultado anterior asegura que haciendo sobre el sistema AX = B únicamente operaciones elementales
llegamos a un sistema con las mismas soluciones (sistema equivalente). La búsqueda sistemática de un sistema
equivalente que proporcione las soluciones de manera sencilla se conoce con el nombre de método de Gauss:
Mediante operaciones elementales, se hacen ceros en la matriz de coeficientes del sistema, para obtener una
matriz escalonada, con ceros por debajo de la “escalera”. Esta matriz escalonada debe cumplir:
1.- Si una fila consta únicamente de ceros debe ir en la parte inferior de la matriz.
2.- Si dos filas seguidas no constan solo de ceros, el primer elemento distinto de cero de la fila inferior debe
encontrarse más a la derecha que el primer elemento distinto de cero de la fila superior.
El primer elemento distinto de cero de cada fila lo llamaremos elemento principal y las incógnitas corres-
pondientes a estos elementos incógnitas principales. (Los elementos principales “marcan” la escalera.)
Definición 56.- En un sistema lineal AX = B , se llama matriz ampliada del sistema a la matriz (A|B)
formada añadiendo a la matriz de coeficientes A la matriz columna de los términos independientes B .
Ejemplo 57 
5x3 + 10x4 + 15x6 = 5 

x1 + 3x2 − 2x3 + 2x5 = 0

2x1 + 6x2 − 5x3 − 2x4 + 4x5 − 3x6 = −1 
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6

Para aplicar sobre este sistema el método de Gauss, debemos hacer operaciones elementales sobre la matriz
A de los coeficientes y, las mismas operaciones sobre B para que se mantenga la equivalencia (Teorema 55).
Luego apliquemos el método a la matriz ampliada del sistema (A|B) :
 
0 0 5 10 0 15 5
 1 3 −2 0 2 0 0 
(A|B) =   2 6 −5 −2 4 −3 −1  Por la operación (a) cambiamos la fila 1 por

la fila 2 (F1 ↔ F2 )
2 6 0 8 4 18 6
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5 
 2 6 −5 −2 4 −3 −1  Por (b) hacemos cero el 2 de F3 (F3 − 2F1 ) y
 
el de F4 (F4 − 2F1 )
2 6 0 8 4 18 6
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5  1
 0 0 −1 −2 0 −3 −1  Hacemos 40 el −1 de F3 (F3 + 5 F2 ) y el 4 de
 
F4 (F4 − 5 F2 )
0 0 4 8 0 18 6
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5 

 0 0 0
 Cambiamos F3 por F4 (F3 ↔ F4 )
0 0 0 0 
0 0 0 0 0 6 2
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5 

 0 0 0
 Esta matriz es escalonada, y nos proporciona
0 0 6 2 
el sistema equivalente
0 0 0 0 0 0 0

x1 + 3x2 − 2x3 + 2x5 = 0  
  x1 = −3x2 + 2x3 − 2x5
5x3 + 10x4 + 15x6 = 5

=⇒ x3 = 5−10x54 −15x6
6x6 = 2 
x6 = 26
 
0=0

cuyas soluciones se encuentran fácilmente sustituyendo de abajo hacia arriba, obteniéndose: x6 = 13 , x3 = −2x4 ,
x1 = −3x2 − 4x4 − 2x5 , donde x2 , x4 y x5 pueden tomar cualquier valor. Es decir, todas las soluciones son:
(−3x2 − 4x4 − 2x5 , x2 , −2x4 , x4 , x5 , 13 ) para cualquiera valores de x2 , x4 y x5 . 4
Si el último elemento principal está en la columna ampliada, el sistema no tiene solución: claramente una de
las ecuaciones equivalentes será 0x1 + · · · + 0xn = k (con k 6= 0 por ser un elemento principal de la ampliada)
y esta igualdad no se cumple para ningún valor posible de las incógnitas.
Nota: Si el sistema tiene solución, por ser los elementos principales no nulos se garantiza que las incógnitas
principales pueden despejarse; como valor concreto o en función de las incógnitas no principales.
Cuando el sistema tiene solución, pueden despejarse tantas incógnitas como elementos principales haya. Luego
? Si el número de elementos principales es menor que el número de incógnitas el sistema tiene infinitas
soluciones. (Las soluciones quedan en función de las incógnitas no despejadas. Ver ejemplo 57.)
? Si el número de elementos principales es igual al número de incógnitas el sistema tiene solución única.
4.2.2.1 Sistemas homogéneos
Definición 58.- Un sistema de ecuaciones lineales se dice que es homogéneo si tiene todos los términos
independientes cero; es decir, un sistema de la forma AX = 0 .
Un sistema homogéneo siempre tiene solución pues X = 0 es una solución del sistema. A esta solución suele
llamarse la solución trivial y de cualquier otra solución distinta de ésta se dice solución no trivial.
4.2.2.2 Método de Gauss-Jordan
El método de Gauss-Jordan continúa el método de Gauss, haciendo operaciones elementales para conseguir
una matriz escalonada reducida: los elementos principales son 1 y en las columnas de dichos unos todos los
demás elementos son cero; es decir, despeja las incógnitas principales.
Ejemplo 59 Continuando con el sistema del ejemplo 57 (quitada la fila de ceros, que no interviene):
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5  Hacemos 1 los elementos principales multiplicando 1 F2 y 1 F3
5 6
0 0 0 0 0 6 2
 
1 3 −2 0 2 0 0
 0 0 1 2 0 3 1  hay que hacer cero el 3 de F2 y C6 (a26 ): F2 − 3F3
 
0 0 0 0 0 1 13
 
1 3 −2 0 2 0 0
 0 0 1 2 0 0 0  hay que hacer cero el −2 de F1 y C3 (a13 ): F1 + 2F2
 
0 0 0 0 0 1 13
  
1 3 0 4 2 0 0  x1 = −3x2 − 4x4 − 2x5
 0 0 1 2 0 0 0  luego x3 = −2x4
 
1 x6 = 31

0 0 0 0 0 1 3
obteniéndose, naturalmente, las mismas soluciones que antes. 4
4.2.3 Rango de una matriz y Teorema de Rouché
Definición 60 (1 a definición del rango).- Se llama rango de una matriz A y se denota por rg(A) al número
de filas distintas de cero que aparecen en alguna de las formas escalonadas de la matriz A.
Nota: La definición es consistente (el rango no depende de la matriz escalonada usada), pues cada matriz
escalonada obtenida de A se corresponde con un sistema lineal equivalente, con la mismas soluciones, luego se
pueden despejar el mismo número de incógnitas en cualquiera de ellos; por lo que todas las escalonadas tienen
el mismo número de filas no nulas.
Teorema de Rouché 61.- Sea el sistema AX = B , sistema de m ecuaciones con n incógnitas. Entonces
AX = B tiene solución si, y sólo si, rg(A) = rg(A|B) .
Si rg(A) = rg(A|B) = r , toda solución puede expresarse en la forma X = V0 +t1 V1 +t2 V2 +· · ·+tn−r Vn−r , con
V0 una solución particular de AX = B y las n -úplas V1 , . . . , Vn−r soluciones del homogéneo AX = 0 . .
Resumiendo: En un sistema AX = B de m ecuaciones con n incógnitas,

r = n → Solución única.
? si r = rg(A) = rg(A|B) = r =⇒ Sist. Compatible (con sol.)
r < n → Infinitas soluciones.
? si r = rg(A) 6= rg(A|B) = r + 1 =⇒ Sist. Incompatible (no tiene solución).
Ejemplo Tomemos la solucion obtenida en el ejemplo 57: (−3x2 − 4x4 − 2x5 , x2 , −2x4 , x4 , x5 , 13 ) , para
todo x2 , x4 y x5 . Podemos escribirla en la forma
           
x1 0 − 3x2 − 4x4 − 2x5 0 −3 −4 −2
 x2  
    0
0 + x2 + 0x4 + 0x5     1 
 
 0 
 
 0 
 
 x3   0 + 0x2 − 2x4 + 0x5  0  0   −2 
 + x5  0  = V 0 + t 1 V 1 + t 2 V 2 + t 3 V 3
 
 x4  = 
    =   + x2   + x4 
   0 + 0x2 + x4 + 0x5 
  
0  0 
 
 1 
 
 0 
 
 x5   0 + 0x2 + 0x4 + x5   0   0   0   1 
1 1
x6 3 + 0x2 + 0x4 + 0x5 3 0 0 0
y X = V0 + t1 V1 + t2 V2 + t3 V3 es solucion para todo t1 , t2 y t3 . Entonces, para t1 = t2 = t3 = 0 , X = V0 es
solución del sistema luego AV0 = B ; para t1 = 1 y t2 = t3 = 0 , X = V0 + V1 es solución del sistema, luego
B = A(V0 + V1 ) = AV0 + AV1 = B + AV1 de donde AV1 = 0 por lo que V1 es solución del sistema homogéneo
AX = 0 ; y análogamente para V2 y V3 .
31 – Fundamentos de Matemáticas : Preliminares 4.3 Matrices cuadradas
4.3 Matrices cuadradas

Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: aij = 0 , para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, aij = 0 , para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no están en la diagonal principal.
Una matriz cuadrada A se dice simétrica si A = At , es decir, si aij = aji para todo ij ; y se dice
antisimétrica si A = −At , es decir si aij = −aji para todo ij .
4.3.1 Matrices inversibles

Definición 62.- Si A es una matriz cuadrada de orden n , An×n , y existe Bn×n tal que AB = BA = I se dice
que A es inversible y que B es inversa de A .
Nota: Es claro de la definición que también B es inversible y A una inversa de B .

Por definición, se ha de verificar que AB = I y también que BA = I ; sin embargo es suficiente con que se
verifique una de ellas para que la otra también se verifique (se verá en el Corolario 71).
Proposición 63.- Si una matriz cuadrada A tiene inversa, esta es única. Y la denotaremos por A−1 .
Demostración:
Supongamos que B y C son inversas de A. Al ser B inversa de A es I = AB , multiplicando a esta igualdad
por C y teniendo en cuenta que C es inversa de A obtenemos que C = C(AB) = (CA)B = IB = B .
Recordando los comentarios hechos en la Observación 54, es claro el siguiente resultado para matrices
elementales.
Proposición 64.- Las matrices elementales son inversibles y sus inversas son también elementales:
? De intercambiar dos filas, intercambiarlas de nuevo.

? De multiplicar una fila por k 6= 0 , multiplicar esa fila por 1/k .
? De sumar a una fila un múltiplo de otra, restar a esa fila el múltiplo sumado.
Teorema 65.- Si A y B son dos matrices inversibles, entonces AB es inversible y
(AB)−1 = B −1 A−1 .
En general, (A1 A2 · · · Ak )−1 = A−1 −1 −1

k · · · A2 A1 .
Demostración:
(AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I

Basta comprobar que es cierto:
(B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 IB = B −1 B = I.
La generalización es inmediata.
Propiedades 66.-
1.- (A−1 )−1 = A . 2.- (An )−1 = (A−1 )n . 3.- (kA)−1 = k1 A−1 .
Definición 67.- Una matriz cuadrada, A, se dice ortogonal si A−1 = At .
Teorema 68.- Sea A una matriz cuadrada de orden n . Son equivalentes:

a) A es inversible.
b) El sistema AX = B tiene solución única para todo Bn×1 .

c) El sistema homogéneo AX = 0 tiene solución única.
d) Por operaciones elementales en A puede llegarse a la identidad.
32 – Fundamentos de Matemáticas : Preliminares 4.3 Matrices cuadradas
Demostración:
a)⇒ b) A es inversible, luego existe A−1 . Si se multiplica por A−1 en la igualdad AX = B se tiene que
A−1 AX = A−1 B , luego X = A−1 B es la solución del sistema y es la única.
b)⇒ c) Es un caso particular.

c)⇒ d) Como la solución del sistema AX = 0 es única, al aplicar el método de Gauss-Jordan a la matriz A la
escalonada reducida tiene que ser, necesariamente I (ver observación 69 siguiente).
d)⇒ a) Si existen matrices elementales tales que Ek · · · E2 E1 A = I , multiplicando sucesivamente en la igualdad
por sus inversas, se obtiene A = E1−1 E2−1 · · · Ek−1 I como producto de matrices inversibles y, por tanto, es
inversible. Además, A−1 = Ek · · · E2 E1 .
Observación 69.- Para una matriz cuadrada, cualquier matriz escalonada obtenida de ella es triangular supe-
rior (tiene ceros por debajo de la diagonal), pues el elemento principal de la fila 1 está en la posición 11 o más
a la derecha, luego el elemento principal de la fila 2 está en la posición 22 o más a la derecha, y en general el
elemento principal de la fila i está en la posición ii o más a la derecha. Luego para toda fila i, los elementos
aij con j < i son cero, que es la caracterización de matriz triangular superior.
Ası́ pues, una matriz escalonada cuadrada, o tiene elemento principal en cada fila (y en consecuencia están
todos en la diagonal principal de la matriz) o tiene al menos una fila de ceros.
En particular, si llevamos la matriz cuadrada a la forma de matriz escalonada reducida, esta escalonada
reducida o es la matriz identidad o tiene al menos una fila de ceros.
Corolario 70.- Una matriz An×n , es inversible ⇐⇒ rg(A) = n
Corolario 71.- Sea A una matriz cuadrada. Entonces
a) Si existe B tal que BA = I , entonces A es inversible y B = A−1 .

b) Si existe B tal que AB = I , entonces A es inversible y B = A−1 .
Demostración:
Si BA = I , consideremos el sistema AX = 0 . Multiplicando por B en ambos lados se tiene que BAX =
B0 = 0 , pero al ser BA = I , X = 0 es la única solución del sistema y, por tanto, A es inversible. Entonces,
A−1 = IA−1 = BAA−1 = B . Analogamente, en b).
Corolario 72 (Cálculo de A−1 por el método de Gauss-Jordan).- Si A es inversible, existen matrices

elementales tales que Ek · · · E2 E1 A = I y A−1 = Ek · · · E2 E1 . Luego haciendo en I las mismas operaciones
elementales que efectuemos sobre A para llegar a la identidad se tendrá que:
(A|I) −→ (E1 A|E1 I) −→ (E2 E1 A|E2 E1 I) −→ · · · −→ (Ek · · · E1 A|Ek · · · E1 I) = (I|A−1 )

 
1 0 −2
Ejemplo Sea la matriz A =  0 2 1  . Encontremos A−1 :
1 1 −1
     
1 0 −2 1 0 0 1 0 −2 1 0 0 1 0 −2 1 0 0
F3 −F1 F2 −F3 F3 −F2
(A|I) =  0 2 1 0 1 0  −→  0 2 1 0 1 0  −→  0 1 0 1 1 −1  −→
1 1 −1 0 0 1 0 1 1 −1 0 1 0 1 1 −1 0 1
   
1 0 −2 1 0 0 1 0 0 −3 −2 4
F3 −F2 F1 +2F3
−→  0 1 0 1 1 −1  −→  0 1 0 1 1 −1  = (I|A−1 )
0 0 1 −2 −1 2 0 0 1 −2 −1 2
4.4 Ejercicios
4.29 Sean las matrices
     
3 0 1 5 2 6 1 3
4 −1 1 4 2
A =  −1 2  B= C= D =  −1 0 1  E =  −1 1 2 
0 2 3 1 5
1 1 3 2 4 4 1 3
a) Calcular cuando se pueda: 3C − D , (AB)C , A(BC) , ED , DE , (4B)C + CA y CA + B 2 .

Indicar porqué no es posible en los otros casos.
b) Calcular, haciendo el menor número de operaciones posible, la fila 1 de CA, la columna 2 de CD y
los elementos 23 y 12 de la matriz CDE .
c) Hallar para cada una de ellas una matriz escalonada e indicar cual es su rango.
 
1 2 3
4.30 Encontrar las operaciones elementales en las filas que llevan la matriz  0 1 2  a una matriz escalonada.
1 0 3
Construir una matriz elemental para cada operación y comprobar al multiplicar por esas matrices se
obtiene la misma escalonada.

x + 2y − z − t = 0 
4.31 Considerar el sistema x + z − t = −2 (1)
−x + 2y − 3z + t = 4

a) ¿ (−2, 2, 2, 0) y (1, 0, −1, 2) son solución del sistema (1)?

b) Encontar todas las soluciones de (1)

x − y + z − t = −3
c) Encontar todas las soluciones del sistema (2)
x + 6y − 5z − t = 4
d) ¿Cuáles de las soluciones de (1) son también solución de (2)? ¿Tiene (2) alguna solución que no lo
sea de (1)?
4.32 Estudiar cada uno de los siguientes sistemas:


 x+y+z = 3 
x + 2y − z = 2 x + 2y − z + t = 0 


2x + 3z = 4
 
a) 2x + y + z = −1 b) c) −x + 4y − 5z + 7t = 2
3x + y + 4z = 7
3x + 3y + 2z = −1 2x + y + z − 2t = −1
 
 
5x + y + 7z = 9

Si existe solución, expresarla en la forma descrita por el Teorema de Rouché (teorema 61 de la pág. 30)
   
1 4 8 6 −6
 −2 3  P 2 0 0
4.33 Hallar una matriz P tal que: =  6 −1 1 .
0 1 −1
1 −2 −4 0 0
   
1 5 2 1 2 −2
4.34 Considerar las matrices A =  −1 0 1  y B =  −2 3 −3  .
3 2 4 1 −1 1
a) Hallar todas las matrices columna X3×1 que verifican la igualdad ABX = BAX .
t
b) ¿Los sistemas BX = 0 y B X = 0 tienen las mismas soluciones? Justificar la respuesta.
4.35 Hallar los valores de los coeficientes de las descomposiciones en fraciones simples del ejercicio 2.25 de
polinomios:
X 2 +1 X−5 X+5
a) X 4 −6X 3 −16X 2 +54X+63 b) (X−1)(X 3 −1) c) 2X 4 −X 3 −4X 2 +10X−4
X 2 +2 X 3 −3X 2 +X−3 X 5 +3X 4 +3X 3 +3X 2 +2X
d) X 5 +7X 4 +16X 3 +8X 2 −16X−16 e) X 5 +3X 4 +3X 3 +3X 2 +2X f) (X 3 −3X 2 +X−3)3
4.36 Estudiar cada uno de los sistemas siguientes, según los valores de los parámentros:
 
 x + 2y − z = a  x + 2y + 4z = 1
a) 2x + y + z = 1 − a b) x + 2y + 2az = 2
3x + (1 + a)y + az = 1 − a ax + 4y + 4az = 4a
 

 5x − (a + b)y + 7z = 8+b

 x+y+z = a−3

2x − ay + 3z = 4

c) ax + y = 0 d)
x+y+z = 3
ax + y + az = 0
 

3x − 3y + 4z = 7

4.37 Usar el método de Gauss para saber cuales de las siguientes matrices tienen inversa y calcularlas:
   
    1 −2 3 −4 0 0 1 2
1 1 3 8 6 −6  −2 3 4 −3  0 1 1 1
a)  3 4 1  b)  6 −1 1  c)   d)  
 3 4 −3 2  1 1 1 0
−1 −1 −1 −4 0 0
−4 −3 2 −1 2 1 0 0
4.38 Sea A un matriz cuadrada antisimétrica
a) Probar que la diagonal principal está formada únicamente por ceros

b) Si es inversible, probar que At A−1 + I = 0
4.39 Probar que si A es una matriz cuadrada, la matriz A+At es simétrica y la matriz A−At es antisimétrica
Deducir de ello que cualquier matriz cuadrada puede escribirse como suma de una simétrica y una anti-
simétrica
 
1 2 3
4.40 Sea A =  0 1 2  .
1 0 −1
a) Encontar todas las matrices B3×3 tales que AB = 0 .

¿Qué relación tienen estas matrices con las soluciones del sistema AX = 0 ?
b) Encontar todas las matrices C3×3 tales que CA = 0 .
c) Encontar todas las matrices D3×3 tales que AD − DA = 0 .
4.41 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si A es inversible entonces B es la
matriz nula.
4.42 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si B 6= 0 , entonces A no es inversible.
4.43 Sea A una matriz cuadrada y E una matriz elemental. Comprobar que AE t realiza sobre las columnas
de A la misma operación elemental que hace EA sobre las filas de A (ver el teorema 53 y el ejemplo
siguiente de pág. 28)
Capı́tulo 5
Determinante de una matriz

5.1 Determinante de una matriz cuadrada
Definición 73.- Sea A una matriz cuadrada de orden n . Llamaremos producto elemental en A al producto
ordenado de un elemento de cada fila, cada uno de los cuales pertenece a columnas distintas. Es decir, una
expresión de la forma a1j1 a2j2 · · · anjn con todos los jk distintos.
Llamaremos producto elemental con signo al valor (−1)N a1j1 a2j2 · · · anjn donde el número N , para
cada producto elemental, es el número de “inversiones del orden” en el conjunto de las columnas {j1 , j2 , . . . , jn },
es decir, el número de veces que cada ı́ndice jk es menor que los anteriores a él.
Ejemplo 74 {2, 4, 1, 3} . Para calcular las inversiones tenemos que ver cuantas veces 4 , 1 y 3 son menores
que sus anteriores. Para el 4 , hay inversión cuando 4 < 2 , no. Para el 1 , cuando 1 < 2 , si ; y cuando 1 < 4 , si.
Y para el 3 , cuando 3 < 2 , no; 3 < 4 , si ; y 3 < 1 , no. El conjunto presenta entonces tres inversiones, N = 3 .
Definición 75.- Definimos la función determinante en el conjunto de las matrices de orden n , como la función
que asigna a cada matriz A el número real, que denotaremos por det(A) ó det A ó |A| , y cuyo valor es la
suma de todos los productos elementales con signo que se pueden formar en A:
X
det(A) = |A| = (−1)N a1j1 a2j2 · · · anjn .
(j1 ,j2 ,...,jn )
Expresión del determinante de las matrices de orden 1, 2 y 3. Los determinantes de las matrices de
los primeros órdenes de magnitud se obtienen de la forma: a11 = a11 y

a11 a12
a21 a22 = a11 a22 − a12 a21

a11 a12 a13

a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a12 a21 a33 − a11 a23 a32

a31 a32 a33
Estas expresiones admiten una regla nemotécnica gráfica para recordar la construcción de los productos ele-
mentales y el signo, siguiendo las direcciones de las diagonales principal y secundaria (para matrices de orden
3 se conoce como Regla de Sarrus):
s s s s s s
sign( ) = + s s @ @
s @s @s s s s
@ @
sign( ) = −
@
@
s @s @ @
s @s @ @s s s s
@
Observación: Cada uno de los productos elementales con

0 a12 0 0
signo se corresponde con el determinante de una matriz

3
0 0 0 a24
que se forma haciendo cero todos los elementos que no (−1) a12 a24 a31 a43 =

a31 0 0 0

estan en el producto. Es claro, pues cualquier otro producto 0 0 a43 0
tendrá alguno de sus factores distinto de estos y, en consecuencia, será 0 . De manera similar son inmediatos
los dos resultados recogidos en la proposición siguiente.
Proposición 76.-
1.- Si A es una matriz que tiene una fila o una columna de ceros, entonces |A| = 0 .
2.- Si A es una matriz triangular superior o triangular inferior, |A| es el producto de los elementos de la
diagonal principal, es decir, |A| = a11 a22 · · · ann . (En todos los demás productos elementales aparece al
menos un 0: si hay algún elemento por encima de la diagonal, hay alguno por debajo.)
36 – Fundamentos de Matemáticas : Preliminares 5.1 Determinante de una matriz cuadrada
5.1.1 Determinantes y operaciones elementales
Teorema 77.- Sea An×n una matriz. Se tiene que:

a) si A0 es la matriz que resulta de multiplicar una fila de A por una constante λ 6= 0 , entonces det(A0 ) =
λ det(A) .
b) si A0 es la matriz que resulta de intercambiar dos filas de A , entonces det(A0 ) = − det(A) .

c) si A0 es la matriz que resulta de sumar a la fila k un múltiplo de la fila i, entonces det(A0 ) = det(A) .
Corolario 78.- Una matriz con dos filas iguales tiene determinante cero.
Corolario 79.-
a) Si E es la matriz elemental resulta de multiplicar una fila de I por k ∈ R, entonces det(E) = k .

b) Si E es la matriz elemental que resulta de intercambiar dos filas de I , entonces det(E) = −1 .
c) Si E es la matriz que resulta de sumar a una fila k un múltiplo de la fila i , de I , entonces det(E) = 1 .
Demostración:
a) det(E) = k det(I) = k ; b) det(E) = − det(I) = −1 ; c) det(E) = det(I) = 1 .
5.1.1.1 Cálculo de determinantes por reducción a la forma escalonada
El teorema anterior nos ofrece la posibilidad de calcular el determinante de una matriz usando el método de
Gauss. Si tenemos que Ek · · · E2 E1 A = R , donde R es la matriz escalonada que se obtiene al aplicar el método
de Gauss, se tiene que
det(R) = det(Ek Ek−1 Ek−2 · · · E1 A) = δk det(Ek−1 Ek−2 · · · E1 A)

= δk δk−1 det(Ek−2 · · · E1 A) = · · · = δk δk−1 δk−2 · · · δ1 det(A),
donde δi es k , −1 ó 1 , según la operación elemental que represente Ei . Luego

1
det(A) = δ1 · · · δ1k det(R) = 1
δ1 · · · δ1k r11 r22 · · · rnn
pues R es una matriz triangular superior (recordar observación 69 de pág. 32) y det(R) = r11 r22 · · · rnn .
5.1.2 Otras propiedades del determinante
Teorema 80.- Si A y B son matrices cuadradas de orden n , entonces
det(AB) = det(A) · det(B) .
Teorema 81.- Sea An×n entonces, A es inversible ⇐⇒ det(A) 6= 0 .

Demostración:
Si A es inversible I = AA−1 , luego det(I) = det(AA−1 ) = det(A) det(A−1 ) , pero al ser det(I) = 1 6= 0 ,
necesariamente ha de ser det(A) 6= 0 .
Si A no es inversible, por la parte 3 de la demostración del Teorema 80 (Anexo 0, pág. 45), se tiene que
det(AI) = 0 = det(A) det(I) y como det(I) = 1 , debe ser det(A) = 0 .
−1
Corolario 82.- Si A es inversible, A−1 = |A| .
Teorema 83.- Si A es una matriz cuadrada, entonces |At | = |A| . .
37 – Fundamentos de Matemáticas : Preliminares 5.2 Desarrollo por cofactores
5.2 Desarrollo por cofactores
Definición 84.- Sea A una matriz cuadrada, llamaremos menor del elemento aij , y lo denotaremos por
Mij , al determinante de la submatriz que se forma al suprimir en A la fila i y la columna j . Al número
(−1)i+j Mij lo llamaremos cofactor del elemento aij y lo denotaremos por Cij .
Ejemplo A partir de la matriz A de abajo, construimos los cofactores C21 , eliminando la fila 2 y la columna
1, y C34 , eliminando la fila 3 y columna 4 :
 
0 −1 2 5 0 −1 2 5

0 −1
2 5
 1 2 0 −2 
 −→ C21 = (−1)2+1 1 2 0 −2 3+4 1 2 0 −2

A=  2 −1 1 3  2 −1 1 3 C 34 = (−1) 2 −1
1 3
0 2 4 −2 0 2 4 −2 0 2 4 −2
Teorema 85.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 ≤ i ≤ n y para cada 1 ≤ j ≤ n :
det(A) = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin y det(A) = a1j C1j + a2j C2j + · · · + anj Cnj .
Ejemplo
11 12 13

= 21(−1)2+1 12 13 + 22(−1)2+2 11 13 2+3 11 12

21 22 23 + 23(−1)
32 33 31 33 31 32
31 32 33

1+3 21 22 11 12 3+3 11 12

2+3

= 13(−1) 31 32 + 23(−1) + 33(−1)
31 32 21 22
Corolario 86.- Si desarrollamos una fila de una matriz A por los cofactores de otra distinta, el resultado es
cero; es decir,
ai1 Cj1 + ai2 Cj2 + · · · + ain Cjn = 0, si i 6= j .
Idéntico resultado para las columnas.
Demostración:
Es claro, pues si en A hacemos la fila j igual a la fila i , la matriz obtenida A0 tiene determinante cero y
0 = |A0 | = a0j1 Cj1
0
+ a0j2 Cj2
0
+ · · · + a0jn Cjn
0
= ai1 Cj1 + ai2 Cj2 + · · · + ain Cjn
Definición 87.- Dada una matriz A cuadrada de orden n , llamaremos matriz de cofactores de A a la
matriz que tiene por elementos los cofactores de A, C = (Cij ) , y llamaremos matriz adjunta de A a la
matriz de cofactores traspuesta, Adj(A) = C t .
Nota: También es usual utilizar las denominaciones de menor adjunto para el cofactor y matriz adjunta para la
matriz de cofactores (sin trasponer). En este caso, los resultados son idénticos a los que aquı́ se presentan con
la única consideración a tener en cuenta es que donde aparece Adj(A) tendrá que aparecer Adj(A)t .
Teorema 88.- Si A es una matriz inversible, entonces A−1 = 1

|A| Adj(A) .
Demostración:
Adj(A)
Si probamos que A · Adj(A) = |A|I entonces, como |A| 6= 0 , será A |A| = I y A−1 = 1
|A| Adj(A) . En
efecto, aplicando el teorema 85 y el corolario 86 anteriores,
    
a11 a12 · · · a1n C11 C21 · · · Cn1 |A| 0 · · · 0
 a21 a22 · · · a2n   C12 C22 · · · Cn2   0 |A| · · · 0 
A · Adj(A) = AC t =  .  =  ..  = |A| · I
    
.. . . ..   .. .. . . . .. . . .
 .. . . .  . . . ..   . . . .. 
an1 an2 · · · ann C1n C2n · · · Cnn 0 0 · · · |A|
38 – Fundamentos de Matemáticas : Preliminares 5.3 Rango de una matriz
Ejemplo  t
5 −4
− 4 −4 4 5

   −2 −1 −3 −1 −3 −2   
1 2 3   −13 −4 −23
1  2 3 1 3 1 2 1
A−1

A =  4 5 −4  ; =  −
−3 −1 − −3 −2
 =  16 8 16 
 −2 −1
|A|  40

−3 −2 −1  2 3

1 3

1 2

 7 −4 −3

5 −4 −
4 −4 4 5
Regla de Cramer 89.- Sea AX = B , un sistema de n ecuaciones con n incógnitas, tal que A es inversible,
entonces el sistema tiene como única solución:

b1 a12 · · · a1n a11 b1 · · · a1n a11 a12 · · · b1

b2 a22 · · · a2n a21 b2 · · · a2n a21 a22 · · · b2

.. .. . . .. .. .. . . .. .. .. . . ..
.
. . .
.
. . .
.
. . .
bn an2 · · · ann an1 bn · · · ann an1 an2 · · · bn
x1 = , x2 = , . . . , xn = . .
|A| |A| |A|
5.3 Rango de una matriz
Definición 90 (Segunda definición del rango).- Se llama rango de una matriz Am×n , rang(A) ó rg(A) ,
al máximo orden que resulta de considerar todas las submatrices cuadradas que pueden formarse eliminando
filas y columnas completas de A y cuyo determinante sea distinto de cero.
Del determinante de una submatriz cuadrada de orden r de A, formada eliminando filas y columnas com-
pletas, de suele decir que es un menor de orden r de A, por analogı́a a la denominación dada en la definición
84 a los menores de un elemento.
Resulta evidente que para Am×n , se tiene rg(A) ≤ mı́n{m, n} . Esta nueva definición de rango de una matriz
es equivalente a la dada anteriormente:
“el rango de una matriz es el número de filas distintas de cero que aparecen en alguna de las formas
escalonadas de la matriz”,
puesto que el menor formado con las filas y columnas que contienen a los elementos principales de la matriz
escalonada es distinto de 0, y cualquier menor de orden mayor es cero.
Corolario 91.- Si A es una matriz, rg(A) = rg(At ) .
Demostración:
De la nueva definición de rango y de |M | = |M t | para cualquier submatriz cuadrada de A .
Proposición 92.- Sea A una matriz m×n , entonces
a) Si existe un menor de orden r distinto de cero el rg(A) ≥ r .

b) Si todos los menores de orden r son cero el rg(A) < r .
Demostración:
a) es claro, pues como r es el orden de un menor distinto de cero, el máximo de los órdenes de los menores
distintos de cero es al menos r .
b) Si todos los menores de orden r son cero, como un menor de orden r + 1 puede descomponerse como
suma de menores de orden r por constantes, todos los menores de orden r + 1 son cero y, también todos
los menores de orden mayor. Luego rg(A) < r
En una matriz m×n , el número de menores de orden r que podemos formar puede ser muy alto, de hecho es
m n m! n!
= ,
r r r!(m − r)! r!(n − r)!
es decir, todas las posibles elecciones de r filas de entre las m y de r columnas de entre las n . Por tanto, para
ver que una matriz tiene rango menor que r usando los menores, hemos de comprobar que cada uno de los
m! n!
r!(m−r)! r!(n−r)! menores son cero. Sin embargo, el coste de la evaluación por menores, puede reducirse usando
el siguiente resultado:
Orlado de menores 93.- Sea Am×n una matriz, y Mr×r una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
añadiendo una fila y una columna a M son cero, el rango de A es r . .
Este resultado nos indica el método –conocido como “orlado de menores”– para encontrar el rango de una
matriz usando los menores:
“Buscamos un menor de orden uno distinto de cero: si no existe rg(A) = 0 ; si existe M1 6= 0

entonces rg(A) ≥ 1 , y buscamos un menor de orden 2 distinto de cero de entre los que “orlan” al
anterior : si todos ellos son cero, por el resultado anterior, el rg(A) = 1 ; si algún M2 6= 0 entonces
rg(A) ≥ 2 , y buscamos un menor de orden 3 distinto de cero de entre los que orlan a M2 : si no
existe rg(A) = 2 , y si existe M3 6= 0 entonces rg(A) ≥ 3 , y buscamos . . . .”
5.4 Ejercicios
 
a b c
5.44 Suponiendo que det(A) = 5 , siendo A =  d e f  , calcular
g h i

d e f −a −b −c a+d b+e c+f a b c

a) g h i b) 2d 2e 2f c) d e f
d) d−3a e−3b f −3c
a b c −g −h −i g h i 2g 2h 2i

a g h 2a − d d g
h) det(2A−1 ) i) det((2A)−1 )

e) b h e f) 2b − e e h g) det(3A)
c i f 2c − f f i

5.45 Hallar el valor exacto del determinante de la derecha:

0 −2 1 0 1 0

2 2 2 2 2 2
a) Usando únicamente el método de Gauss 3 1 −1 4 −1 1

b) Mediante el desarrollo por cofactores
0 1 0 0 3 0
−1 2 4 0 4 1
c) Aplicando simultaneamente ambas técnicas para resolverlo
1 3 0 0 0 2
más rápida y fácilmente.
5.46 Sean A y B matrices de orden n tales que A 6= 0 , B 6= 0 y AB = 0 . Demostrar que det(A) = det(B) = 0 .
5.47 Sea A una matriz antisimétrica de orden n impar. Demostrar que det(A) = 0 .
5.48 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada fila es cero. Demostrar
que A no es inversible.
5.49 Calcular los posibles valores del determinante de una matriz ortogonal.
5.50 Si A es una matriz de orden n probar que | Adj(A)| = |A|n−1 .

 
0 1 −2 0 1 0
 −2 2 2 −2 2 2 
 
 3 −1
5.51 Usar el orlado de menores para calcular el rango de  0 4 −1 0 

 −1 4 2 0 4 −1 
0 6 2 2 6 1
Anexo 0: Demostraciones
Preliminares
Números complejos
Demostración de: Propiedades 4 de la página 4
Propiedades 4.- Sean z, w ∈ C, entonces

a) z = z ; z + w = z + w; zw = z w ; z −1 = (z)−1 .
b) z = z ⇐⇒ z = a + i0 ∈ R ; z = −z ⇐⇒ z = 0 + ib ∈ iR .
c) z + z = 2 Re(z) ; z − z = i2 Im(z) .
Demostración:
Si z = a + ib y w = c + id , se tiene que:
a) z = a − ib = a + ib = z .
z + w = (a − ib) + (c − id) = (a + c) − i(b + c) = z + w ;
z w = (a − ib)(c − id) = (ac − (−b)(−d)) + i(−bc − ad) = (ac − bd) − i(bc + ad) = zw ;
−b
(z)−1 = (a − ib)−1 = − i a2 +(−b) aa b a b
2 = a2 +b2 + i a2 +b2 = a2 +b2 − i a2 +b2 = z
a2 +(−b)2
−1 .
n
a=a
b) z = z ⇐⇒ a − ib = a + ib ⇐⇒ −b=b ⇐⇒ b = 0 ⇐⇒ z = a ;
n
a=−a
z = −z ⇐⇒ a − ib = −a − ib ⇐⇒ −b=−b ⇐⇒ a = 0 ⇐⇒ z = ib.
c) z + z = (a + ib) + (a − ib) = 2a = 2 Re(z) ;

z − z = (a + ib) − (a − ib) = i2b = i2 Im(z) .
Propiedades 6.- Sean z, w ∈ C, entonces

a) |z| ≥ 0 ; |z| = 0 ⇐⇒ z = 0 .
b) |Re(z)| ≤ |z|; |Im(z)| ≤ |z| ; |z| ≤ |Re(z)| + |Im(z)| .

2 1 z z
c) |z| = |z| : |z| = zz ; z = zz .= |z|2

d) |z + w| ≤ |z| + |w| ; |z − w| ≥ |z| − |w| .

z = |z|−1 .
−1
e) |zw| = |z| |w|;
Demostración:
√
a) |z| = + a2 + b2 ≥ 0 ;
2
|z| = 0 ⇐⇒ |z| = 0 ⇐⇒ a2 + b2 = 0 ⇐⇒ a = b = 0 ⇐⇒ z = 0 .
b) Como todos los módulos son valores reales positivos, basta probar las desigualdades para sus cuadrados:
2 2 2 2 2 2
|Re(z)| = |a| = a2 ≤ a2 + b2 = |z| y también |Im(z)| = |b| = b2 ≤ a2 + b2 = |z| .
2 2 2 2
(|Re(z)| + |Im(z)|)2 = (|a| + |b|)2 = |a| + |b| + 2 |a| |b| = a2 + b2 + 2 |a| |b| = |z| + 2 |a| |b| ≥ |z| .
41 – Fundamentos de Matemáticas : Preliminares Anexo 0
p √
c) |z| = |a − ib| = a2 + (−b)2 = a2 + b2 = |z| .
2
zz = (a + ib)(a − ib) = a2 − (−b2 ) + i(−ab + ab) = a2 + b2 = |z| .
2 2 2
d) |z + w| = (z + w)(z + w) = (z + w)(z + w) = zz + ww + zw + zw = |z| + |w| + zw + zw
2 2 2 2 2 2
= |z| + |w| + 2 Re(zw) ≤ |z| + |w| + 2 |Re(zw)| ≤ |z| + |w| + 2 |zw|
2 2 2 2 2
= |z| + |w| + 2 |z| |w| = |z| + |w| + 2 |z| |w| = (|z| + |w|)
Como |z| = |z − w + w| ≤ |z − w| + |w| =⇒ |z − w| ≥ |z| − |w|
|w| = |w − z + z| ≤ |w − z| + |z| = |z − w| + |z| =⇒ |z − w| ≥ |w| − |z|

se tiene la otra desigualdad propuesta |z − w| ≥ |z| − |w| .

2 2 2
e) |zw| = (ac − bd)2 + (ad + bc)2 = a2 c2 + b2 d2 + a2 d2 + b2 c2 = (a2 + b2 )(c2 + d2 ) = |z| |w| ;

|z| z −1 = zz −1 = |1| = 1 .
Demostración de: Operaciones multiplicativas en forma polar 9 de la página 5
Operaciones multiplicativas en forma polar 9.- Si z = |z|θ y w = |w|δ , se cumple que:

−1
a) z = |z|(−θ) ; z −1 = (|z| )(−θ) .
z |z|
b) zw = (|z| |w|)θ+δ ; w = ( |w| )θ−δ .
n
c) z n = (|z| )nθ .
Demostración:
Las pruebas son sencillas usando que z = |z| (cos θ + i sen θ) y que
(cos θ + i sen θ)(cos δ + i sen δ) = cos θ cos δ − sen θ sen δ + i(sen θ cos δ + cos θ sen δ)
= cos(θ + δ) + i sen(θ + δ).

a) z = |z| (cos θ + i sen θ) = |z| (cos θ − i sen θ) = |z| cos(−θ) + i sen(−θ) = |z|−θ .

|z| cos(−θ)+i sen(−θ)

−1
z −1 = z1 = |z|z 2 = |z|2
1
= |z| 1
cos(−θ) + i sen(−θ) = ( |z| )−θ = (|z| )−θ .

b) zw = |z| (cos θ + i sen θ) |w| (cos δ + i sen δ) = |z| |w| cos(θ + δ) + i sen(θ + δ) = |zw|θ+θ0 .
|z|
z
w = zw−1 = |z|θ ( |w|
1
)−δ = ( |w| )θ−δ .
n) n n
c) z n = |z|θ |z|θ · · · |z|θ = (|z| ) n) = (|z| )nθ .
θ+···+θ
En particular se verifica la fórmula de Moivre: (cos θ + i sen θ)n = cos nθ + i sen nθ.
Polinomios
Demostración de: Lema 30 de la página 11
Lema 30.- Sea P (X) = Q(X)R(X) . Si α ∈ K es raı́z de P (X) con multiplicidad m y Q(α) 6= 0 (no es raı́z de
Q(X) ), entonces α es raı́z de R(X) con multiplicidad m .
Demostración:
Si P (α) = 0 , como P (α) = Q(α)R(α) y Q(α) 6= 0 , entonces R(α) = 0 y α es raı́z de R(X) . De donde
R(X) = (X − α)R1 (X) y P (X) = Q(X)(X − α)R1 (X) .
Como P (X) = (X − α)m C(X) , con C(α) 6= 0 , se tiene m
que P (X) = (X − α) C(X) = Q(X)(X − α)R1 (X) , de
donde 0 = (X − α)m C(X) − Q(X)(X − α)R1 (X) = (X − α) (X − α)m C(X) − Q(X)R1 (X) y como X − α 6= 0 tiene
que ser (X − α)m−1 C(X) = Q(X)R1 (X) = P1 (X) tiene en α una raı́z de multiplicidad m − 1 .
Luego el polinomio P1 (X) = Q(X)R1 (X) tiene una raı́z en α que no lo es de Q(X) , luego es raı́z de R1 (X) ,
por lo que R1 (X) = (X − α)R2 (X) y, como antes se puede construir el polinomio P2 (X) = (X − α)m−2 C(X) =
Q(X)R2 (X) , con R(X) = (X − α)R2 (X) . Repitiendo el proceso de manera sucesiva, se llega a un polinomio
Pm−1 (X) = (X − α)C(X) = Q(X)Rm−1 (X) , con R(X) = (X − α)m−1 Rm−1 (X) .
Y ahora, como α tiene que ser raı́z de Rm−1 (X) , Rm−1 (X) = (X − α)Rm (X) y C(X) = Q(X)Rm (X) . Como
C(α) = Q(α)Rm (α) y C(α) 6= 0 y Q(α) 6= 0 , necesariamente Rm (α) 6= 0 y, por tanto R(X) = (X − α)m Rm (X) ,
con Rm (α) 6= 0 , de donde α es una raı́z de R(X) de multiplicidad m .
n
ai Xi ∈ R[X] . Si α es una raı́z compleja (y no real) de P (X) , entonces α también es
P
Lema 35.- Sea P (X) =
i=0
raı́z de P (X) , y con la misma multiplicidad que α .
Demostración:
Veamos que α es también raı́z de P (X) . Teniendo en cuenta que ai ∈ R y que entonces ai = ai ,
n
X n
X n
X n
X n
X
P (α) = ai αi = ai αi = ai αi = ai α i = ai αi = P (α) = 0 = 0
i=0 i=0 i=0 i=0 i=0
Entonces, en la descomposición de P (X) aparecen los factores X − α y X − α , pero como su producto (X −

2
α)(X − α) = X2 − (α + α)X + αα = X2 − 2 Re(α)X + |α| ∈ R[X] , se descompone en R[X] en la forma P (X) =
2 2
(X − 2 Re(α)X + |α| )P1 (X) . En consecuencia, si la multiplicidad de α es m > 1 , el polinomio P1 (X) ∈ R[X]
tiene a α como raı́z de multiplicidad m − 1 . Y repitiendo el proceso hasta sacar todas las raices, se obtiene que
α y α tienen la misma multiplicidad.
Demostración de: Teorema 38 de la página 12
Teorema 38.- Sea P (X) = a0 + a1 X + · · · + an−1 Xn−1 + an Xn un polinomio con ai ∈ Z, ∀ i. Entonces,
1.- Si P (X) posee una raı́z α ∈ Z, entonces α | a0 .

p
2.- Si P (X) posee una raı́z α = q ∈ Q, entonces p | a0 y q | an .
p
(La expresión de α = q debe estar simplificada al máximo, es decir, mcd(p, q) = 1 .)
Demostración:
Si α ∈ Z es raı́z de P : 0 = a0 + a1 α + · · · + an−1 αn−1 + an αn = a0 + α(a1 + · · · + an−1 αn−2 + an αn−1 ) y
−a0 = α(a1 + · · · + an−1 αn−2 + an αn−1 ) ; de donde el entero −a0 se descompone en dos factores α ∈ Z y
a1 + · · · + an−1 αn−2 + an αn−1 ∈ Z (por ser suma y producto de enteros), luego α divide a a0 .
n−1 n n n−1 n−1 n
Si α = pq ∈ Q es raı́z de P : 0 = a0 + a1 pq + · · · + an−1 pqn−1 + an pqn = a0 q +a1 pq +···+a
qn
n−1 p q+an p
de donde
el numerador debe ser cero. Como antes, sacando primero p factor común y luego q , se llega a:
? −a0 q n = p(a1 q n−1 + · · · + an−1 pn−2 q + an pn−1 ) luego p | a0 q n pero como no divide a q , entonces p | a0
? −an pn = q(a0 q n−1 + a1 pq n−2 + · · · + an−1 pn−1 ) luego q | an pn pero como no divide a p , entonces q | an
(Los factores de las últimas igualdades son todos enteros, pues p ∈ Z, q ∈ Z y los ai ∈ Z.)
Matrices y sistemas
Teorema 53.- Si la matriz elemental Em×m resulta de efectuar cierta operación elemental sobre las filas de
Im y si Am×n es otra matriz, el producto EA es la matriz m×n que resulta de efectuar la misma operación
elemental sobre las filas de A .
Demostración:
Sean E1 la matriz elemental que tiene intercambiadas las filas i y j , E2 la matriz elemental de multiplicar la
fila i por λ 6= 0 y E3 la matriz elemental obtenida de sumar a la fila i la fila j multplicada por λ. Entonces
eEA E A I A IA A EA
= FjA


 ik = Fi · Ck = Fj · Ck = ejk = ejk , ∀ k =⇒ Fi
? E = E1 : eEA E A I A IA A EA
jk = Fj · Ck = Fi · Ck = eik = eik , ∀ k =⇒ Fj = FiA

r 6= i, j eEA E A I A IA A EA
rk = Fr · Ck = Fr · Ck = erk = erk , ∀ k =⇒ Fr = FrA

(
eEA E A I A IA A EA
ik = Fi · Ck = λFi · Ck = λeik = λeik , ∀ k =⇒ Fi = λFiA
? E = E2 :
r 6= i eEA E A I A IA A EA
rk = Fr · Ck = Fr · Ck = erk = erk , ∀ k =⇒ Fr = FrA
? E = E3 : veamos que FiEA = FiA + λFjA , pues las demás no cambian:

eEA E A I I A I A I A IA IA A A
ik = Fi · Ck = (Fi + λFj ) · Ck = (Fi · Ck ) + (λFj · Ck ) = eik + λejk = eik + λejk , ∀ k
Demostración de: Teorema de Rouché 61 de la página 30
Teorema de Rouché 61.- Sea el sistema AX = B , sistema de m ecuaciones con n incógnitas. Entonces
AX = B tiene solución si, y sólo si, rg(A) = rg(A|B) .
En caso de tener solución, si rg(A) = r , toda solución del sistema puede expresarse en la forma X =
V0 + t1 V1 + t2 V2 + · · · + tn−r Vn−r , siendo V0 una solución particular de AX = B y los vectores V1 , . . . , Vn−r
soluciones del sistema homogéneo asociado AX = 0 .
Demostración:
Reduciendo la matriz ampliada del sistema por operaciones elementales según el método de Gauss-Jordan,
llegamos a una matriz escalonada reducida, que en la parte correspondiente a A, tiene r unos como elementos
principales. Si reordenamos las columnas para juntar en las r primeras los elementos principales, la matriz
ampliada resultante será:
1 0 · · · 0 a01r+1 · · · a01n b01

 
En forma más escueta indicando los tamaños
 0 1 · · · 0 a02r+1 · · · a02n b02  podemos escribirla ası́:
 .. .. . . .. .. .. .. 
 
 . . . . . ··· . . 
A0r×n−r 0


 0 0 · · · 1 a0rr+1 · · · a0rn 0 Ir×r Br×1
br   0
 0m−r×r 0m−r×n−r Bm−r×1
 0 0 ··· 0
 0 · · · 0 b0r+1  
 . . . .. .. .. 
 .. .. · · · .. . ··· . . 
0 0 ··· 0 0 ··· 0 b0m
(Nota: Al intercambiar el orden de las columnas de la matriz A, sólo cambiamos el orden de las incognitas. Es
decir, las soluciones serán las mismas pero en otro orden.)
Obviamente el rango de la matriz de los coeficientes es r y el sistema tendrá solución si y sólo si b0r+1 =
b0r+2 = · · · = b0m = 0 , es decir si el rango de la ampliada también es r .
En este caso, (asumiendo una posible reordenación de las incógnitas) el sistema resultante es:
0 0 0 0

 x1 = b01 − xr+1 a01r+1 − xr+2 a01r+2 − · · · − xn a01n

 x2 = b2 − xr+1 a2r+1 − xr+2 a2r+2 − · · · − xn a2n

..


 .
xr = b0r − xr+1 a0rr+1 − xr+2 a0rr+2 − · · · − xn a0rn

y la solución, usando parámetros:
x1 = b01 − t1 a01r+1 − t2 a01r+2 − · · · − tn−r a01n






 x2 = b02 − t1 a02r+1 − t2 a02r+2 − · · · − tn−r a02n que también podemos escribir en forma matri-


 .. cial teniendo en cuenta que
.



xr = b0r − t1 a0rr+1 − t2 a0rr+2 − · · · − tn−r a0rn xr+i = 0 + t1 · 0 + · · · + ti · 1 + · · · + tn−r · 0
xr+1 = t1





 ..
.




xn = tn−r

  0
−a01r+1 −a01n
     
x1 b1 y llamando Vi a las matrices co-
 ..   .. ..  ..
lumna, podemos escribir
   
 .   .   .   . 
       
 xr   b0r  −a0rr+1 0
+· · ·+tn−r  −arn
   
 xr+1  =  0
   +t1   X = V0 + t1 V1 + · · ·+ tn−r Vn−r
  



 1 

 0



 .   . ..  .
 ..   ..  ..
   
  .   como enunciábamos.
xn 0 0 1
Fijándonos en las soluciones se observa que haciendo t1 = · · · = tn−r = 0 , V0 es una solución de AX = B .
Si consideramos el sistema homogéneo asociado AX = 0 , ha de ser V0 = 0 y como solución genérica
obtendremos X = t1 V1 + · · · + tn−r Vn−r . Luego haciendo ti = 1 y tk = 0 , para k 6= i , vemos que X = Vi es
solución del sistema homogéneo AX = 0 .
Determinantes
Teorema 77.- Sea An×n una matriz. Se tiene:
a) que si A0 es la matriz que resulta de multiplicar una fila de A por una constante λ 6= 0 , entonces
det(A0 ) = λ det(A) .
b) que si A0 es la matriz que resulta de intercambiar dos filas de A, entonces det(A0 ) = − det(A) .
c) que si A0 es la matriz que resulta de sumar a una fila k un múltiplo de la fila i, entonces det(A0 ) = det(A) .
Demostración:
X X
a) det(A0 ) = (−1)N a1j1 · · · λaiji · · · anjn = λ (−1)N a1j1 · · · aiji · · · anjn = λ det(A)
b) Previamente necesitamos el siguiente resultado:

Lema.- Si en el conjunto {j1 , . . . , jn } intercambiamos dos elementos el número de inversiones
de signo cambia de paridad (de par a impar, o viceversa).
Demostración:
Si intercambiamos los elementos consecutivos ji y ji+1 cambia la paridad, pues si antes era
ji < ji+1 ahora es ji+1 > ji , produciéndose una inversión donde antes no la habı́a, y si era
ji > ji+1 ahora ji+1 < ji , con lo que se elimina una inversión que antes habı́a. Como con el
resto de los elementos no se producen modificaciones, si tenı́amos N inversiones ahora tendremos
N + 1 ó N − 1 , luego se cambia de paridad.
Si intercambiamos los elementos ji y jk no consecutivos, podemos hacerlo repitiendo el proceso
comentado arriba, yendo paso a paso intercambiando términos consecutivos. Hacemos por lo
tanto k − i intercambios consecutivos para llevar el elemento ji a la posición k y haremos
k − i − 1 intercambios para llevar jk (que ahora está en la posición k − 1 ) a la posición i . Luego
hay 2(k − i) − 1 , un número impar, de cambios de paridad y, por tanto, cambia la paridad al
intercambiar dos elementos cualesquiera.
Con este resultado, para probar b) basta observar que los productos elementales que aparecen en el
det(A0 ) son los mismos que aparecen en el det(A) , aunque intercambiadas las posiciones de los ele-
mentos de las filas en cuestión, es decir, los productos elementales a1j1 · · · akjk · · · aiji · · · anjn de A0 y
a1j1 · · · aiji · · · akjk · · · anjn de A son iguales. Pero como los ı́ndices ji y jk aparecen intercambiando las
posiciones en el desarrollo de los determinantes, tendrán signos contrarios, luego det(A0 ) = − det(A) .
Corolario.- Una matriz con dos filas iguales tiene determinante cero.
Demostración:
Sea B una matriz cuadrada que tiene la fila i y la fila k iguales, entonces por la parte b)
anterior, si intercambiamos las filas i y k que son iguales se obtiene que det(B) = − det(B) es
decir que det(B) = 0 .
X
c) det(A0 ) = (−1)N a1j1 · · · aiji · · · (akjk + kaijk ) · · · anjn
X X
= (−1)N a1j1 · · · aiji · · · akjk · · · anjn + (−1)N a1j1 · · · aiji · · · kaijk · · · anjn
X
= det(A) + k (−1)N a1j1 · · · aiji · · · aijk · · · anjn .
Como este último sumatorio, que es el determinante de una matriz que tiene la fila i y la fila k iguales,
vale 0, se tiene que det(A0 ) = det(A) .
Teorema 80.- Si A y B son matrices cuadradas de orden n , entonces
det(AB) = det(A) · det(B).
Demostración:
La demostración se hace en tres pasos. Primero el caso particular en que A sea una matriz elemental y luego
los casos generales, que A sea una matriz inversible o que no lo sea.
1. Si A es una matriz elemental, por el teorema 77 y corolario 79 anteriores, se tiene que:
a) det(AB) = k det(B) = det(A) det(B)
b) det(AB) = − det(B) = (−1) det(B) = det(A) det(B)
c) det(AB) = det(B) = 1 det(B) = det(A) det(B)
según el tipo de matriz elemental que sea A .
2. Si A es inversible es producto de matrices elementales (teorema 68) y por la parte 1,
det(AB) = det(Ek Ek−1 · · · E1 B) = det(Ek ) det(Ek−1 · · · E1 B) = · · ·

= det(Ek ) · · · det(E2 ) det(E1 ) det(B) = det(Ek ) · · · det(E2 E1 ) det(B) = · · ·
= det(Ek · · · E1 ) det(B) = det(A) det(B).
3. Si A no es inversible, la matriz escalonada reducida, R , obtenida de Ek · · · E1 A = R no es la identidad, luego

A = E1−1 · · · Ek−1 R = E −1 R donde E −1 es inversible (producto de inversibles) y R tiene al menos una fila
de ceros. Luego det(AB) = det(E −1 RB) = det(E −1 ) det(RB) y det(A) det(B) = det(E −1 R) det(B) =
det(E −1 ) det(R) det(B) . Como R tiene al menos una fila de ceros, RB tiene al menos una fila de ceros
y det(R) = 0 = det(RB) . Luego:
det(AB) = det(E −1 ) det(RB) = 0 = det(E −1 ) det(R) det(B) = det(A) det(B) .
Teorema 83.- Si A es una matriz cuadrada, entonces |At | = |A| .

Demostración:
Es claro que los productos elementales que aparecen en ambos determinantes son los mismos, luego basta probar
que además tienen el mismo signo.
Si en la matriz A hacemos cero todos los elementos excepto los que intervienen en un producto elemental
dado, obtenemos una matriz B cuyo determinante es precisamente ese producto elemental con signo, es decir
det(B) = (−1)N a1j1 · · · anjn ; si en At hacemos cero los elementos que no intervienen en ese mismo producto
0
elemental se obtiene precisamente B t , y det(B t )= (−1)N a1j1 · · · anjn . Entonces,

0 0 a3j3 · · · 0
  .. .. .. ..  2


0 · · · 0 · · · a1j1 · · · 0  .
 . . · · · .  a1j1 0
 0 · · · 0
2

 0 a2j2 20 · · · 0
 0 · · · 0 · · · 0 · · · a2j2   0 0 0 · · · anjn 
 
t  a3j3 · · · 0 · · · 0 · · · 0   .. .
.. . .
.. · · · ..  = 0 0 a3j3 · · · 0
|BB | = 

..   .

 .. .. .. .. .. ..  . .. .. . . .
 . . . . . . .  0 ··· 0  . . ..
 a1j1 0  . . .
0 · · · anjn · · · 0 · · · 0  . .. .. ..  0 0 0 · · · a2njn
 ..

. . · · · . 

0 a2j2 0 · · · 0
= a21j1 a22j2 a23j3 · · · a2njn ≥ 0,
y, por tanto, det(B) det(B t ) = det(BB t ) ≥ 0 y ambos factores tienen el mismo signo.
Teorema 85.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 ≤ i ≤ n y para cada 1 ≤ j ≤ n :
det(A) = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin y det(A) = a1j C1j + a2j C2j + · · · + anj Cnj
Demostración:
Sopongamos que desarrollamos por la fila 1 . Si en det(A) agrupamos los términos que involucran a cada a1k ,
tenemos que
X X
|A| = (−1)N a11 a2j2 · · · anjn + · · · + (−1)N a1n a2j2 · · · anjn
(1,j2 ,...,jn ) (n,j2 ,...,jn )
   
n
X X n
X X
=  (−1)N a1k a2j2 · · · anjn  = a1k  (−1)N a2j2 · · · anjn 
k=1 (k,j2 ,...,jn ) k=1 (k,j2 ,...,jn )
X
Por otra parte como C1k = (−1)1+k M1k = (−1)1+k (−1)Nk a2j2 · · · anjn , basta comprobar que este valor
(j2 ,...,jn )
ji 6=k
coincide con el que aparece entre paréntesis en el sumatorio anterior.

Para cada k , en el conjunto {k, j2 , . . . , jn } aparecen k − 1 inversiones más que en {j2 , . . . , jn } , pues están
todas aquellas que se producen entre los ji más las que se produzcan con el primer elemento k . En efecto, como
en el conjunto {j2 , . . . , jn } aparecen los valores 1 , 2 , . . . , k − 1 , y se tiene que k > 1 , k > 2 , . . . , k > k − 1 ,
aparecen exactamente k − 1 inversiones más. Es decir, (−1)N = (−1)k−1 (−1)Nk , luego
   
Xn X X n X
|A| = a1k  (−1)N a2j2 · · · anjn  = a1k  (−1)k−1 (−1)Nk a2j2 · · · anjn 
k=1 (k,j2 ,...,jn ) k=1 (j2 ,...,jn )
 
n
X X n
X
= a1k (−1)k−1  (−1)Nk a2j2 · · · anjn  = a1k (−1)k−1 M1k
k=1 (j2 ,...,jn ) k=1
n
X n
X
= a1k (−1)k+1 M1k = a1k C1k
k=1 k=1
Para desarrollar por una fila k cualquiera, basta llevar ésta a la fila 1 y aplicar lo anterior. En efecto, si vamos
intercambiando la fila k con cada una de las anteriores, obtenemos una matriz A0 que tiene por fila 1 la fila k
de A, por fila 2 la fila 1 de A, . . . , por fila k la fila k − 1 de A, y las demás igual. Luego hemos hecho k − 1
cambios de fila y, por tanto, |A| = (−1)k−1 |A0 | . Si desarrollamos det(A0 ) por la primera fila, tenemos que
n
X n
X
|A| = (−1)k−1 |A0 | = (−1)k−1 a01j (−1)1+j M1j
0
= (−1)k−1 akj (−1)1+j Mkj
j=1 j=1
n
X n
X n
X
= akj (−1)k−1 (−1)1+j Mkj = akj (−1)k+j Mkj = akj Ckj .
j=1 j=1 j=1
Para el desarrollo por columnas basta recordar que |A| = |At | .
Demostración de: Regla de Cramer 89 de la página 38
Regla de Cramer 89.- Sea AX = B , un sistema de n ecuaciones con n incógnitas, tal que A es inversible,
entonces el sistema tiene como única solución:

b1 a12 · · · a1n a11 b1 · · · a1n a11 a12 · · · b1

b2 a22 · · · a2n a21 b2 · · · a2n a21 a22 · · · b2

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

.
. . .

.
. . .
bn an2 · · · ann an1 bn · · · ann an1 an2 · · · bn
x1 = , x2 = , . . . , xn = .
|A| |A| |A|
Demostración:
Si A es inversible la solución única es X = A−1 B =
  
C11 C21 · · · Cn1 b1 
b1 C11 + b2 C21 + · · · + bn Cn1

Adj(A) 1  C12 C22 · · ·
 Cn2   b2  1 
 b1 C12 + b2 C22 + · · · + bn Cn2

B=   ..  =
 
 . .. .. .. 
|A| |A|  .. . . .   .  |A|  ············ 
a1n a2n · · · ann bn b 1 C 1n + b2 C2n + · · · + bn Cnn
b1 C1j + b2 C2j + · · · + bn Cnj

luego cada xj = , como querı́amos probar.
|A|
Demostración de: Orlado de menores 93 de la página 39
Orlado de menores 93.- Sea Am×n una matriz, y Mr×r una submatriz de A con determinante distinto de cero.
Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A añadiendo
una fila y una columna a M son cero, el rango de A es r .
Demostración:
Supongamos, por simplicidad en la notación, que M es el menor formado por las primeras r filas y columnas.
Consideremos la matriz
 
a11 ··· a1r a1r+1 a1r+2 ··· a1n
 .. . . .. .. .. .. .. 

 . . . . . . . 

 ar1 ··· arr arr+1 arr+2 ··· arn 
ar+11 · · · ar+1r ar+1r+1 ar+1r+2 ··· ar+1n
donde las lı́neas verticales significan respectivamente M y este menor ampliado a la fila r + 1 y a cada una de
las demás columnas de A. Si hacemos operaciones elementales en las filas, obtenemos
 0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. . . . .. .. .. .. 
 .
 . .. . . . . 
 0 · · · a0rr a0rr+1 0 0
arr+2 · · · arn 
0 · · · 0 a0r+1r+1 a0r+1r+2 · · · a0r+1n
y los menores que tenemos ahora son o no cero según lo fueran o no antes. Como M es distinto de cero ha de
ser a011 a022 · · · a0rr 6= 0 y como cada uno de los menores ampliados son cero han de ser a011 a022 · · · a0rr a0r+1r+1 = 0 ,
a011 a022 · · · a0rr a0r+1r+2 = 0 , . . . , a011 a022 · · · a0rr a0r+1n = 0 . Luego, a0r+1r+1 = a0r+1r+2 = · · · = a0r+1n = 0 y la
matriz escalonada queda  0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. .. .. .. .. .. .. 
 .
 . . . . . . 
.
 0 · · · a0rr a0rr+1 a0rr+2 · · · a0rn 
0 ··· 0 0 0 ··· 0
Haciendo el mismo proceso para las filas r + 2 hasta m, tenemos que una forma escalonada de A serı́a
 0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. .. .. .. .. .. .. 
 .
 . . . . . . 
 0 · · · a0rr a0rr+1 a0rr+2 · · · a0rn 
 
 0 ··· 0 0 0 ··· 0 
 
 . .. .. .. .. .. .. 
 .. . . . . . . 
0 ··· 0 0 0 ··· 0
y el rango de A es por tanto r .
Unidad I
Cálculo diferencial en R
49 – Fundamentos de Matemáticas : Cálculo diferencial en R
Capı́tulo 6
Funciones, lı́mites y continuidad

6.1 La recta real
6.1.1 Los números reales
Los números reales son de sobra conocidos, sus operaciones básicas ası́ como su identificación con los puntos de
“la recta real”, por lo que sólo vamos a mencionar aquı́ algunas de sus propiedades (la mayorı́a conocidas) que
son imprescindibles en el desarrollo de este tema.
Propiedades de orden 94.- Denotaremos por R+ = {x ∈ R : x > 0} y R− = {x ∈ R : x < 0}
1.- Antisimétrica: Si x ≤ y e y ≤ x =⇒ x = y .
2.- Transitiva: Si x ≤ y e y ≤ z =⇒ x ≤ z .
3.- Total : Para cualesquiera x, y ∈ R: o bien x ≤ y , o bien y ≤ x .

4.- Si x ≤ y , entonces x + z ≤ y + z para todo z ∈ R (si x < y =⇒ x + z < y + z ).
5.- Si x ≤ y , entonces x · z ≤ y · z para todo z ∈ R+ (si x < y =⇒ x · z < y · z ).
6.- Si x ≤ y , entonces x · z ≥ y · z para todo z ∈ R− (si x < y =⇒ x · z > y · z ).
1 1
7.- Si 0 < x < y , entonces 0 < y < x .
Las propiedades de acotación siguientes garantizan que los números reales “llenan” la recta real, lo que nos
permite decir que recorremos de manera continua un subconjunto de R .
Definición 95.- Sea A ⊆ R , diremos que el conjunto A está acotado superiormente si existe algún K ∈ R
tal que x ≤ K , para todo x ∈ A; es decir, todos los elementos de A son menores que K . Del valor K diremos
que es una cota superior de A.
Análogamente, A está acotado inferiormente si existe k ∈ R tal que k ≤ x , para todo x ∈ A y diremos
que k es una cota inferior de A. Diremos que A está acotado si lo está superior e inferiormente.
Propiedad del extremo superior 96.- Todo subconjunto no vacı́o A ⊆ R y acotado superiormente admite una
cota superior mı́nima, es decir, ∃ Γ ∈ R tal que:
a) x ≤ Γ ; ∀ x ∈ A b) Si K < Γ , entonces ∃ x ∈ A verificando que K < x ≤ Γ .

Se dice que Γ es el extremo superior o supremo de A y se denota por sup A ó ext sup A. Si Γ pertenece
a A, se dice que Γ es el máximo de A , y escribiremos máx A = Γ .
Propiedad del extremo inferior 97.- Todo subconjunto no vacı́o A ⊆ R acotado inferiormente admite una
cota inferior máxima, es decir, ∃ γ ∈ R tal que:
a) γ ≤ x ; ∀ x ∈ A b) Si γ < k , entonces ∃ x ∈ A verificando que γ ≤ x < k .
Se dice que γ es el extremo inferior o ı́nfimo de A y se denota por inf A ó ext inf A. Si γ pertenece a A,
se dice que γ es el mı́nimo de A, y escribiremos mı́n A = γ .
Nota: Que Γ = sup A es equivalente a que para cada ε > 0 existe x ∈ A con Γ − ε < x ≤ Γ . Es decir, que
para cualquier valor más pequeño que el superior hay algún elemento del conjunto más grande que él.
Análogamente, γ = inf A ⇐⇒ para cada ε > 0 existe x ∈ A con γ ≤ x < γ + ε .
1 n o
Ejemplo El conjunto A = n : n ∈ N = 1, 12 , 13 , 14 , . . . está acotado superior e inferiormente.
50 – Fundamentos de Matemáticas : Cálculo diferencial en R 6.1 La recta real
En efecto, n1 ≤ 1 < 2 para todo n , luego 2 es una cota superior del conjunto (de hecho, cualquier número
mayor o igual a 1 lo es). También está acotado inferiormente, pues n1 es positivo luego 0 < n1 para todo n y 0
es una cota inferior de A (cualquier número negativo es también una cota inferior).
Luego A es un conjunto acotado y tiene supremo e ı́nfimo: como el supremo es la mı́nima cota superior,
sup A = 1 , pues 1 es una cota superior y si K < 1 , existe el 1 ∈ A tal que K < 1 ≤ sup A = 1 luego K no es
una cota y 1 es la más pequeña.
Como el ı́nfimo es la máxima cota inferior, inf A = 0 , pues es una cota y para cualquier k > 0 , puedo
encontrar un n suficientemente grande para que 0 < n1 < k (por ejemplo, para k = 0.00001 , se tiene que
1 1
0 < 100001 < 100000 = k ).
Además, sup A = 1 ∈ A luego máx A = 1 ; lo que no ocurre con el ı́nfimo, pues inf A = 0 ∈ / A, luego
6 ∃ mı́n A. 4
6.1.2 Valor absoluto de un número real

Definición 98.- Sea a ∈ R, se llama valor absoluto de a, y se representa por |a| , al número real dado por
√
a, si a ≥ 0
2
|a| = + a =
−a, si a < 0
Propiedades del valor absoluto 99.-

−1
a) |a| ≥ 0 , ∀ a y |a| = 0 ⇐⇒ a = 0 b) |ab| = |a| |b| c) a−1 = |a|

d) |a| ≤ k ⇐⇒ −k ≤ a ≤ k e) |a + b| ≤ |a| + |b| f) |a| − |b| ≤ |a − b|

.
El valor absoluto y su uso como distancia es clave en las definiciones de conjuntos y conceptos como el lı́mite
y la continudad, la derivación e integración.
Nota: Con el valor absoluto, diremos que A es acotado ⇐⇒ existe K > 0 tal que |x| ≤ K , ∀ x ∈ A.
n o
Ejemplo El conjunto A = 1, 12 , 13 , 14 , . . . del ejemplo anterior está acotado pues n1 ≤ 1 para todo n .
6.1.3 Intervalos y entornos en R

Los subconjuntos de R, están formados por puntos separados o por intervalos (“trozos”) de la recta real o por
uniones de ellos; pero no sólo eso, sino que la validez de algunos resultados depende del tipo de intervalo usado.
Pero además, los intervalos centrados en un punto (que llamaremos entornos) son básicos en la construcción de
la mayorı́a de los conceptos del Cálculo.
Definición 100.- Dados los números reales a y b con a ≤ b, se llama intervalo abierto de extremos a y b,
y se representa por (a, b) , al conjunto:
(a, b) = {x ∈ R : a < x < b}.
Se llama intervalo cerrado de extremos a y b, y se representa por [a, b] , al conjunto:
[a, b] = {x ∈ R : a ≤ x ≤ b}.
Análogamente se definen: (a, b] = {x ∈ R : a < x ≤ b} y [a, b) = {x ∈ R : a ≤ x < b}
y los intervalos no acotados: (a, +∞) = {x ∈ R : a < x} y [a, +∞) = {x ∈ R : a ≤ x}
(−∞, b) = {x ∈ R : x < b} y (−∞, b] = {x ∈ R : x ≤ b}
En los intervalos cerrados, inf[a, b] = mı́n[a, b] = a y sup[a, b] = máx[a, b] = b, mientras que en los abiertos
inf{(a, b)} = a y sup{(a, b)} = b pero no tiene ni máximo ni mı́nimo.
En los no acotados, como [a, +∞) , se tiene inf[a, +∞) = mı́n[a, +∞) = a pero no existe el superior (a veces
se escribe sup A = +∞ , para indicar que el conjunto no está acotado superiomente).
Naturalmente, R es también un intervalo R = (−∞, +∞) . Y, [a, a] = {a} pero (a, a) = (a, a] = [a, a) = ∅ .
Definición 101.- Llamaremos entorno de centro a y radio ε > 0 , y escribiremos E(a, ε) , al conjunto:
E(a, ε) = {x ∈ R : |x − a| < ε} = {x ∈ R : a − ε < x < a + ε} = (a − ε, a + ε) .
Llamaremos entorno reducido de centro a y radio ε > 0 , E ∗ (a, ε) , al conjunto
E ∗ (a, ε) = E(a, ε) − {a} = {x ∈ R : 0 < |x − a| < ε} .
51 – Fundamentos de Matemáticas : Cálculo diferencial en R 6.2 Funciones reales de variable real
6.1.4 Algunas operaciones con números reales

6.1.4.1 Potencias racionales y reales de un número real
Las potencias racionales, xr , se definen paulatinamente a partir de las potencias naturales:
n)
? para n ∈ N y x ∈ R , definimos xn = x · x · · · x .
? para z ∈ Z y x ∈ R − {0} , definimos x0 = 1 y si z < 0 , xz = (x−1 )−z .
1 √
? para n ∈ N y x ∈ R+ , definimos x n = n x como el α ∈ R tal que αn = x
z √
? para r = nz , con z ∈ Z y n ∈ N , y x ∈ R+ , definimos x n = n xz .
y se verifican las siguientes propiedades:
(1) xr y r = (xy)r (2) xr xs = xr+s (3) (xr )s = xrs
(4) Si 0 < x < y , entonces 0 < xr < y r si r > 0 y 0 < y r < xr si r < 0
(5) Si r < s se tiene que xr < xs cuando x > 1 xs > xr cuando 0 < x < 1 .
y
√
Antes de terminar, un pequeño apunte sobre las raices n -ésimas, n x para x ≥ 0 : si n es impar, existe un
único número real α > 0 tal que αn = x ; y si n es √
par, existe un
√ único número real α > 0 tal que αn = x y
n
(−α) = x . Por ello, si n es par siempre se escribe x > 0 y − x < 0 para distinguir entre el valor positivo
n n
y el negativo.
Potencias reales.- Las potencias reales de un número real, xα , con x > 0 y α ∈ R se extienden de las
racionales (aunque no de manera sencilla) y verifican las mismas propiedades de (1) a (5) que las potencias
racionales.
6.1.4.2 Exponencial real de base e

La exponencial de base e que a cada x ∈ R le asigna el número real ex . Las propiedades de las potencias,
establecen la validez de:
(1) ex+y = ex ey (2) Si x < y se tiene que ex < ey (3) ex > 0

(Genéricamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)
6.1.4.3 Logaritmo neperiano real

Para cada x ∈ (0, +∞) , se define el logaritmo neperiano, ln x como el valor real α tal que eα = x ; es decir, la
operación recı́proca a la exponencial.
(1) ln(xy) = ln x + ln y (2) ln(xy ) = y ln x (3) Si 0 < x < y se tiene ln x < ln y

(Genéricamente, para cada exponencial ax , tenemos el logaritmo en base a , loga x .)
6.2 Funciones reales de variable real

Definición 102.- Llamaremos función real de variable real, a cualquier aplicación f : A −→ R, donde
A ⊆ R. Al conjunto A lo denominaremos dominio de f y escribiremos A = Dom(f ) .
Si x ∈ A escribiremos y = f (x) para indicar que y ∈ R es la imagen de x por medio de f .
El recorrido o conjunto imagen de f , que suele denotarse por f (A) , será:
n o n o
f (A) = f (x) ∈ R : x ∈ A = y ∈ R : ∃ x ∈ A con y = f (x) = Img f
Nota: Si la función viene dada sólo por la expresión y = f (x) , sobreentenderemos que el dominio es el máximo
subconjunto de R para el cual f (x) ∈ R , es decir, Dom(f ) = {x ∈ R : f (x) ∈ R}
√
Ejemplo Sea f : [−1, 1] −→ R dada por f (x) = 1 − x2 . Se tiene que:
√
Dom(f ) = [−1, 1] : pues x ∈ [−1, 1] =⇒ 0 ≤ x2 ≤ 1 =⇒ 1 − x2 ≥ 0 =⇒ 1 − x2 = f (x) ∈ R.
2 2 2
√
f ([−1, 1]) ⊆ [0, 1] , ya que x ∈
√[−1, 1] =⇒ 0 ≤ x ≤ 1 =⇒ −1 ≤ −x ≤ 0 =⇒ 0 ≤ 1−x ≤ 1 =⇒ 0 ≤ 1−x2 ≤ 1 y,
2
si k ∈ [0, 1] , se tiene k = f 1 − k ; luego f ([−1, 1]) = [0, 1] .
1
Para f dada por f (x) = 1−x2 , su dominio se obtendrá de:
1
f (x) ∈ R ⇐⇒ ∈ R ⇐⇒ 1 − x2 6= 0 ⇐⇒ x2 6= 1 ⇐⇒ x 6= ±1
1 − x2
luego Dom(f ) = R − {1, −1} = (−∞, −1) ∪ (−1, 1) ∪ (1, +∞) . Además, Img(f ) = R − [0, 1) . 4
y
Definición 103.- Llamaremos gráfica de la función dada
por y = f (x) , y lo denotaremos por graf(f ) , al subcon- f (a) r graf(f )
junto de R2 (a, f (a))
(c, f (c))
r

n o f (c)
graf(f ) = (x, y) ∈ R2 : x ∈ Dom(f ) e y = f (x)
n o f (b) r(b, f (b))
= (x, f (x)) ∈ R2 : x ∈ Dom(f )
x
a b c
Definición 104 (Operaciones con funciones).- Sea f y g funciones reales de variable real. Entonces son
funciones reales de variable real las siguientes:
1.- (Suma) (f +g)(x) = f (x) + g(x) 2.- (Producto) (f g)(x) = f (x) · g(x)

f f (x)
3.- (Cociente) g (x) = g(x) 4.- (Composición) (g ◦ f )(x) = g(f (x))
en los conjunto donde tenga sentido. Es decir:

Dom(f +g) = Dom(f ) ∩ Dom(g) Dom(f /g) = Dom(f ) ∩ Dom(g) − {x : g(x) = 0}
n o
Dom(f g) = Dom(f ) ∩ Dom(g) Dom(g ◦ f ) = x ∈ Dom(f ) : f (x) ∈ Dom(g)
√ √
Ejemplo Sean f (x) = 2 − x y g(x) = x2 − 1 . Se tiene que
Dom f = {x ∈ R : 2 − x ≥ 0} = {x ∈ R : 2 ≥ x} = (−∞, 2]
Dom g = {x ∈ R : x2 − 1 ≥ 0} = {x ∈ R : x2 ≥ 1} = (−∞, −1] ∪ [1, +∞) = R − (−1, 1)
√ √
Luego el dominio de (f + g)(x) = 2 − x + x2 − 1 es

Dom(f + g) = Dom f ∩ Dom g = (−∞, 2] ∩ (−∞, −1] ∪ [1, +∞) = (−∞, −1] ∪ [1, 2]
√ √
que coincide con el de (f g)(x) = √ 2 − x x2 − 1 .
Para el dominio de ( fg )(x) = √x2−x
2 −1
, como g(x) = 0 si x2 − 1 = 0 , es decir, si x = ±1 ,

Dom fg = (Dom f ∩ Dom g) − {−1, 1} = (−∞, −1] ∪ [1, 2] − {−1, 1} = (−∞, −1) ∪ (1, 2]
q√ √
y, finalmente el dominio de (g ◦ f )(x) = ( 2 − x)2 − 1 = 1 − x será
√ (1) √
Dom(g ◦ f ) = x ∈ (−∞, 2] : 2 − x ∈ Dom g = x ∈ (−∞, 2] : 2 − x ≥ 1
= {x ∈ (−∞, 2] : 2 − x ≥ 1} = {x ∈ (−∞, 2] : 1 ≥ x} = (−∞, 1]
√ √ √ √
(1) como 2 − x ≥ 0 , se tiene 2 − x ∈ Dom g si 2 − x ∈ [1, +∞) , es decir, si 2 − x ≥ 1. 4
Dominio de algunas funciones elementales 105.-

√ √
? Raı́z: f (x) = n x y Dom f = [0, +∞) . Con n
x = 0 ⇐⇒ x = 0 .
? Potencia real: f (x) = xα y Dom f = (0, +∞) . Con xα > 0 para todo x .
? Exponencial: f (x) = ex y Dom f = R . Con ex > 0 para todo x .
? Logaritmo neperiano: f (x) = ln(x) y Dom f = (0, +∞) . Con ln x = 0 ⇐⇒ x = 1 .
? Seno: f (x) = sen(x) y Dom f = R. Con sen x = 0 ⇐⇒ x = kπ con k ∈ Z,

π
? Coseno: f (x) = cos(x) y Dom f = R. Con cos x = 0 ⇐⇒ x = 2 + kπ con k ∈ Z.
? Tangente: f (x) = tg(x) = sen x
cos x y Dom f = R − { π2 + kπ : k ∈ Z} = dk∈Z ( −π π
2 + kπ, 2 + kπ) .
ex −e−x
? Seno hiperbólico: f (x) = sh(x) = 2 y Dom f = R . Con sh x = 0 ⇐⇒ x = 0 .
ex +e−x
? Coseno hiperbólico: f (x) = ch(x) = 2 y Dom f = R . Con ch x ≥ 1 para todo x .
sh x
? Tangente hiperbólica: f (x) = th(x) = ch x y Dom f = R.
α < −1 α>1
α=1 f (x) = ex
ch(x) sh(x)
0<α<1 1
1 1
th(x)
1 π π
2
1
−1 < α < 0
f (x) = ln(x) sen(x)
1 cos(x)
tg(x)
f (x) = xα
Fig. 6.1. Gráficas de algunas funciones elementales.
Definición 106.- Sea f : A −→ R, con A ⊆ R . Diremos que f es una función acotada si el conjunto imagen
f (A) está acotado. Es decir, si existe K > 0 tal que |f (x)| ≤ K para todo x ∈ A.
Ejemplo ? El seno y el coseno están acotadas en R, pues |sen x| ≤ 1 y |cos x| ≤ 1 para todo x ∈ R.
x
? La función f : R−{0} −→ R, con f (x) = |x| , está acotada en su dominio pues para todo x ∈ R, se tiene
x
− |x| ≤ x ≤ |x| , y para todo x 6= 0 , −1 ≤ |x| ≤ 1 . (De hecho, |f (x)| = 1 , ∀ x 6= 0 .)
? La función th(x) está acotada en R. En efecto, si x ≥ 0 , se cumple que ex ≥ 1 ≥ e1x = e−x , luego
x −x
0 ≤ ex − e−x < ex + e−x y entonces 0 ≤ eex −e +e−x < 1 . Como th(−x) = − th(x) (comprobarlo), cuando
x < 0 , se tiene −1 < th(x) < 0 , por lo que |th(x)| < 1 , para todo x ∈ R . 4
6.2.1 Monotonı́a. Funciones inversas

Definición 107.- Sea f : A −→ R diremos que f es creciente o monótona creciente en el conjunto A, si
para cualesquiera x, y ∈ A , con x < y , se verifica que f (x) ≤ f (y) .
Diremos que f es decreciente o monótona decreciente en el conjunto A, si para cualesquiera x, y ∈
A, con x < y , se verifica que f (x) ≥ f (y) .
Diremos que f es creciente (resp. decreciente) en el punto a ∈ A , si existe un entorno E(a, δ) tal que
∀ x, y ∈ E(a, δ) con x < a < y se cumple f (x) ≤ f (a) ≤ f (y) (resp. f (x) ≥ f (a) ≥ f (y) ).
Nota: Si las desigualdades son estrictas, diremos estrictamente creciente y estrictamente decreciente.
Ejemplo Por las propiedades enunciadas anteriormente, las funciones ex , ln x y xα con α > 0 son estricta-
mente crecientes en sus dominios; y si α < 0 , xα decrece estrictamente en (0, +∞) (ver gráficas arriba).
La función f (x) = x1 es estrictamente decreciente en cada punto de su dominio R−{0}, pero no es monótona
decreciente en el conjunto (ya que −1 < 1 pero f (−1) = −1 < f (1) = 1 .) 4
Definición 108.- Se dice que f : A −→ R es inyectiva en A si f (x) 6= f (y) para todo x, y ∈ A, con x 6= y .
Ejemplo Las funciones estrictamente crecientes o estrictamente decrecientes en un conjunto son inyectivas.
La función f (x) = x2 es inyectiva en [0, 1] y también en [−1, 0] , pero no lo es en el conjunto [−1, 1] puesto
que f (−1) = 1 = f (1) con 1 6= −1 .
54 – Fundamentos de Matemáticas : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto
Definición 109.- Sean f : A −→ R y B = f (A) . Si f es inyectiva en A , llamaremos función inversa de f

en A, y la denotaremos por f −1 , a la función f −1 : B −→ A tal que f −1 (f (x)) = x , para todo x ∈ A.
Ejemplo 110 ? La función f : [0, ∞) −→ R con f (x) = x2 , tiene inversa en ese conjunto (es
√ estrictamente
−1 −1 √ −1
creciente en él) y es f : [0, ∞) −→ [0, ∞) dada por f (y) = y . [ f (f (x)) = x2 = |x| = x ]
? La función f : (−∞, 0] −→ R con f (x) = x2 , tiene inversa en ese conjunto (es estrictamente
√ decreciente
√
en él), que es f −1 : [0, ∞) −→ (−∞, 0] dada por f −1 (y) = − y . [ f −1 (f (x)) = − x2 = − |x| = x ]
? La función f : (0, +∞) −→ R con f (x) = xα , tiene inversa en el conjunto (es estr. creciente si α > 0 y
1 1
decreciente si α < 0 ), que es f −1 : (0, ∞) −→ R dada por f −1 (y) = y α . [ f −1 (f (x)) = (xα ) α = x1 = x ]
? La función f : R −→ (0, ∞) con f (x) = ex , tiene inversa en R (es estrictamente creciente en él), que es
f −1 : (0, ∞) −→ R dada por f −1 (y) = ln y . [ f −1 (f (x)) = ln(ex ) = x ln(e) = x ]
? La función f (x) = sen x , tiene inversa en el conjunto [− π2 , π2 ] (es estrictamente creciente en él), la función
f −1 : [−1, 1] −→ [− π2 , π2 ] que llamaremos arcoseno y denotaremos f −1 (y) = arcsen y .
(El seno no tiene inversa en [0, 2π] , pues no es inyectiva en ese conjunto)
? La función f (x) = cos x , tiene inversa en el conjunto [0, π] (es estrictamente decreciente en él), la función
f −1 : [−1, 1] −→ [0, π] que llamaremos arcocoseno y denotaremos f −1 (y) = arccos y .
? La función f (x) = tg x , tiene inversa en el conjunto [− π2 , π2 ] (es estrictamente creciente en él), la función
f −1 : R −→ [− π2 , π2 ] que llamaremos arcotangente y denotaremos f −1 (y) = arctg y .
? La función f (x) = sh x , f : R −→ R , tiene inversa en R (es estrictamente creciente en él),

p la función
f −1 : R −→ R que llamaremos argumento del sh y denotaremos f −1 (y) = argsh y = ln(y + y 2 + 1) .
−1
? La función f (x) = ch x , tiene inversa en [0, ∞) (estrictamente creciente), la función
p f : [1, ∞) −→ [0, ∞)
que llamaremos argumento del ch y denotaremos f −1 (y) = argch y = ln(−y + y 2 + 1) .
−1
? La función th: R −→ (−1, 1) , tiene inversa en R (estrictamente creciente), la
qfunción f : (−1, −1) −→ R
y+1
que llamaremos argumento de la th y denotaremos f −1 (y) = argth y = ln y−1 . 4
Nota: La gráfica de f −1 es simétrica, respecto de la bisectriz del primer cuadrante, a la gráfica de f .

En efecto, si (x, y) ∈ graf(f ) con y = f (x) , entonces, el punto (y, f −1 (y)) ∈ graf(f −1 ) es de la forma
(y, f −1 (y)) = (y, f −1 (f (x))) = (y, x) .
1
Puede observarse esto en la figura 6.1 de la página 53, para ex y su inversa ln(x) y xα y su inversa x α .
6.3 Lı́mite y continuidad de una función en un punto
Definición 111.- Un punto x0 ∈ R se dice punto de acumulación de un conjunto A si, y sólo si, para cada
ε > 0 se tiene que E ∗ (x0 , ε) ∩ A 6= ∅. Es decir, x0 es un punto de acumulación de un conjunto A si en cada
entorno de x0 hay otros puntos de A.
De los puntos de A que no son de acumulación, se dice que son puntos aislados de A.
Nota: Es decir, x0 es punto de acumulación de A si “cerca” de x0 siempre hay (otros) puntos de A, por
pequeño que hagamos el cı́rculo de cercanı́a; en consecuencia, a un punto de acumulación de un conjunto
siempre podremos acercarnos con puntos del conjunto. Sólo ası́ tiene sentido la definición del lı́mite siguiente.
Definición 112.- Sea f : A −→ R y sea x0 ∈ R un punto de acumulación de A. Se dice que el lı́mite de la
función f (x) cuando x tiende a x0 es L, y se representa por
lı́m f (x) = L, (también con f −→ L, cuando x → x0 )

x→x0
si, y sólo si, para cada ε > 0 existe δ > 0 tal que si x ∈ A y 0 < |x − x0 | < δ , entonces |f (x) − L| < ε.
El significado de esta farragosa definición serı́a lo siguiente: “el lı́mite en x0 de f es L si la imagen de cada x
cercano a x0 está cerca de L”. Puede quedar un poco más claro expresando esta crecanı́a mediante entornos:
La definición anterior es, evidentemente, equivalente a: L+ε
Diremos que el lı́mite de la función f cuando x tiende a

x0 es L si, y sólo si, para cada entorno de L, E(L, ε) , L
existe un entorno reducido de x0 , E ∗ (x0 , δ) tal que si
x ∈ A ∩ E ∗ (x0 , δ) , entonces f (x) ∈ E(L, ε) . L−ε
En la figura de la derecha vemos que, en efecto, para los puntos

cercanos a x0 (en fondo rojo) sus imágenes (en fondo rojo) están
dentro de la cercanı́a de L fijada (en fondo verde). x0
x0 −δ x0 +δ
√
Ejemplo Para f : [0, +∞) −→ R dada por f (x) = x , se tiene que lı́m f (x) = 0 .
x→0
2
Para cada ∈ [0, +∞) y 0 < |x − 0| < δ , es decir, si 0 < x < ε2 se verifica
√ ε > 0 , tomamos δ = ε > 0 , si x√
√ 2
√ √
que x < ε = ε , pero esto es lo mismo que x = | x| = | x − 0| < ε. 4
Nota: Para el lı́mite no importa la función en el punto, sino su valor f g

en puntos cercanos (ponemos 0< |x − x0 | < δ en la definición). 2 r
n
x, x6=1
Ası́, f (x) = tiene lı́m f (x) = 1 aunque f (1) = 2 , ya que
2, x=1 x→1 1 b 1 r
si x → 1 y x 6= 1 , la función toma los valores f (x) = x en esos
puntos y entonces lı́m f (x) = lı́m x = 1 .
x→1 x→1
Y también la función g(x) = x tiene por lı́m g(x) = lı́m x = 1 . 1 1
x→1 x→1
El valor de la función en el punto es primordial sin embargo para el concepto de continuidad:

Definición 113.- Sea f : A −→ R , se dice que f es continua en el punto x0 ∈ A si, y sólo si, para cada ε > 0
existe δ > 0 tal que si x ∈ A y |x − x0 | < δ entonces |f (x) − f (x0 )| < ε.
Observación: Si el punto x0 no está aislado, la definición es equivalente a que lı́m f (x) = f (x0 ) .
x→x0
n
x, x6=1
Ejemplo La función de la nota anterior f (x) = 2, x=1 no es continua en 1 , pues lı́m f (x) = 1 6= f (1) ;
x→1
mientras que la función g(x) = x sı́ lo es pues lı́m g(x) = 1 = g(1) .
√x→1 √ √
También es continua en 0 la función f (x) = x del ejemplo anterior, pues lı́m x = 0 = 0 . 4
x→0
Ejemplo 114 La función f (x) = ex es continua en 0 . En efecto, por ser ex estrictamente creciente:
x δ x x δ
si 0 < x < δ , es 1 < e < e , luego 0 < e − 1 = |e − 1| < e − 1
δ
si −δ < x < 0 es e−δ < ex < 1 , luego 0 < 1 − ex = |ex − 1| < 1 − e−δ = e e−1δ < eδ − 1 .
Entonces, para cada ε > 0 tomamos δ = ln(1 + ε) y si 0 < |x| < δ , se tiene que
|ex − 1| < eδ − 1 = eln(1+ε) − 1 = (1 + ε) − 1 = ε
Luego se cumple que lı́m e = 1 = e0 y ex es continua en 0 .
x
4
x→0
6.3.1 Algunos resultados interesantes
Proposición 115.- Sea f : A −→ R y x0 un punto de acumulación de A. Entonces
a) lı́m f (x) = L ⇐⇒ lı́m (f (x) − L) = 0 b) lı́m f (x) = 0 ⇐⇒ lı́m |f (x)| = 0

x→x0 x→x0 x→x0 x→x0
c) Si h = x − x0 , entonces lı́m f (x) = L ⇐⇒ lı́m f (x0 + h) = L

x→x0 h→0
Demostración:
Basta observar que la definición de lı́mite para el segundo término de la 1 a equivalencia:
para cada ε > 0, existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ |(f (x) − L) − 0| = |f (x) − L| < ε
para el segundo término de la 2 a equivalencia:

para cada ε > 0, existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ ||f (x)| − 0| = |f (x)| < ε
y para el segundo término de la 3 a equivalencia:
para cada ε > 0, existe δ > 0 tal que si 0 < |h| = |x − x0 | < δ =⇒ |f (x0 + h) − L| = |f (x) − L| < ε
coinciden con la definición de los lı́mites para los respectivos primeros términos de la equivalencias.
Los resultados a) y c) anteriores deben considerarse definiciones equivalentes de la definición de lı́mite y

nos permiten transformar un lı́mite en un lı́mite de valor 0 o a un lı́mite en el punto 0 . Con el apartado b)
cambiamos la función por otra “acotable”, lo que cobra interés tras los resultados siguientes:
Proposición 116.- Sean f, g, h: A −→ R y x0 un punto de acumulación de A.
1.- Si f (x) ≤ g(x) ≤ h(x) en A y lı́m f (x) = L = lı́m h(x) , entonces lı́m g(x) = L
x→x0 x→x0 x→x0
2.- Si g está acotada en A y lı́m f (x) = 0 , entonces lı́m g(x) · f (x) = 0 .

x→x0 x→x0
Ejemplo El lı́m x sen x1 = 0 , pues lı́m x = 0 y el seno está acotado (|sen y| ≤ 1 , para cualquier y ∈ R ). 4
x→0 x→0
6.3.1.1 Lı́mites y continuidad con las operaciones básicas

El cálculo de los lı́mites y, por tanto el estudio de la continuidad, se extiende ampliamente y de manera sencilla
mediante las operaciones básicas de las funciones:
Propiedades 117.- Si lı́m f (x) = L1 ∈ R y lı́m g(x) = L2 ∈ R , entonces:
x→x0 x→x0
a) lı́m [f (x) + g(x)] = lı́m f (x) + lı́m g(x) = L1 + L2 .

b) lı́m [f (x) · g(x)] = lı́m f (x) · lı́m g(x) = L1 · L2 .

lı́m f (x)
f (x) x→x0 L1
c) lı́m = = , siempre que L2 6= 0 . .
x→x0 g(x) lı́m g(x)
x→x0
L2
Corolario 118.- Sean f y g funciones continuas en un punto x0 ∈ A, entonces:

1.- f + g es continua en el punto x0 .
2.- f g es continua en el punto x0 .

f
3.- g es continua en el punto x0 siempre que g(x0 ) 6= 0 .
Ejemplos n
n)

? La función f (x) = xn es continua en R: lı́m xn = ( lı́m x) · · · ( lı́m x) = lı́m x = xn0
? En general, si P (X) es un polinomio, lı́m P (x) = P (x0 ) , luego continuo en todo R .

x→x0
P (x)
? Y una función racional, f (x) = Q(x) , será continua en los puntos de su dominio (salvo en aquellos a con
P (x) P (x0 )
Q(a) = 0 , pero esos no pertenecen al dominio) y en todos ellos lı́m = .
x→x0 Q(x) Q(x0 )
? f (x) = ex es continua en R , pues lo es en 0 (Ejemplo 114) y, para los demás puntos, se tiene
lı́m ex = lı́m ex0 +h = lı́m ex0 eh = ex0 lı́m eh = ex0 e0 = ex0 4
x→x0 h→0 h→0 h→0
Teorema 119.- Sean f : A −→ R y g: f (A) −→ R . Si lı́m f (x) = b y g es continua en b, entonces

x→a

lı́m g(f (x)) = g(b) = g lı́m f (x) . .
x→a x→a
Corolario 120.- Si f es continua en a y g continua en f (a) , entonces g ◦ f es continua en a .
Ejemplo La función f (x) = x − 1 es continua en 1 por ser polinómica;

√ la función g(x) = |x| es continua
en 0 = f (1) , pues lı́m x = 0 =⇒ lı́m |x| = 0 = |0| ; y h(x) = x es continua en 0 = g(0) . Entonces, la
x→0 x→0 p
composición (h ◦ g ◦ f )(x) = h(g(f (x))) = r|x − 1| es continua en 1 .
p q p
Además, lı́m |x − 1| = lı́m |x − 1| = lı́m (x − 1) = |0| = 0 .

x→1 x→1 x→1 4
Imponiendo condiciones sobre la función f , podemos dar una variante del teorema 119 anterior que prescinde
de la condición de continuidad de g :
Proposición 121 (Convergencia propia).- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b, con f (x) 6=
x→a
b para todos los x de un entorno reducido E ∗ (a, δ0 ) de a , entonces
lı́m (g ◦ f )(x) = lı́m g(f (x)) = lı́m g(y). .

x→a f (x)→b y→b

y, si y 6= 1
Ejemplo Sea g(y) = , no continua en 1. Para f (x) = ex se cumple la condición pedida, pues
2, si y = 1
lı́m f (x) = 1 6= ex = f (x) si x 6= 0 (es est. creciente), luego lı́m g(f (x)) = lı́m g(y) = 1 . (En efecto, como
x→0 x→0 y→1
g(f (x)) = g(ex ) = ex si ex 6= 1 , se tiene lı́m g(f (x)) = lı́m ex = 1 ).
x→0 x→0
1, si x 6= 0
Sin embargo, si tomamos la función f (x) = , que no verifica la condición de la proposición
0, si x = 0
( lı́m f (x) = 1 = f (x) si x 6= 0 ), se tiene que: lı́m g(f (x)) = lı́m g(1) = 2 6= lı́m g(y) = 1 . 4
x→0 x→0 x→0 y→1
6.3.1.2 Lı́mites laterales
Definición 122.- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R.
? Diremos que L1 es el lı́mite por la izquierda de f en c, si para cada ε > 0 existe δ > 0 tal que
cuando x < c y 0 < |x − c| < δ , se tiene que |f (x) − L1 | < ε.
? Diremos que L2 es el lı́mite por la derecha de f en c, si para cada ε > 0 existe δ > 0 tal que cuando
x > c y 0 < |x − c| < δ , se tiene que |f (x) − L2 | < ε.
Los representaremos, respectivamente, por
lı́m f (x) = lı́m f (x) = L1

x→c
y lı́m f (x) = lı́m f (x) = L2
x→c
x→c− x→c+
x<c x>c
Proposición 123 (Lı́mites laterales).- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R. Entonces
lı́m f (x) = L ⇐⇒ lı́m f (x) = lı́m f (x) = L .

x→c x→c− x→c+

x, si x ≥ 0
Ejemplo Sea f (x) = |x| = . Entonces
−x, si x < 0
lı́m |x| = lı́m− −x = 0 y lı́m |x| = lı́m+ x = 0 =⇒ lı́m |x| = 0 4
x→0− x→0 x→0+ x→0 x→0
√ √
Nota: Si sólo hay función en un lado, el lı́mite coincide con el lı́mite lateral. Por ejemplo, lı́m x = lı́m x,
x→0 x→0+
pues en los puntos a la izquierda de 0 no está definida la función.
Definición 124.- Si f no es continua en un punto x0 , pero se cumple que lı́m f (x) = f (x0 ) ó que
x→x−
0
lı́m f (x) = f (x0 ) , se dice que f es continua por la izquierda o continua por la derecha en x0 .
x→x+
0
Ejemplo Todas son funciones discontinuas en 1 , la tercera es continua por la derecha y las dos últimas son
continuas por la izquierda.
r b r b
b b b r r
1 1 1 1 1
La discontinuidad de la primera función suele denominarse evitable (porque basta “rellenar el hueco” para ha-
cerla continua), de la quinta se dice de salto infinito y de las tres restantes de salto finito. 4
6.3.2 Lı́mites con infinito

De manera similar a como se definen los limites para valores reales, podemos definir lı́mites donde la variable se
acerca a +∞ ó a −∞ , o que sea la función la que pueda tomar valores cércanos a ellos (valores, tan grandes que
superan cualquier cota K > 0 , o tan pequeños que rebasan cualquier cota por abajo −K < 0 ). Las definiciones
son análogas, sin más que cambiar la aproximaciones a puntos reales por aproximaciones a ∞ :
Definición 125.- Si f es una función real de variable real, se tienen las siguientes definiciones:
lı́m f (x) = +∞ si, para cada K > 0 , existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ f (x) > K
x→x0
lı́m f (x) = L si, para cada ε > 0 , existe M > 0 tal que si x < −M =⇒ |f (x) − L| < ε
x→−∞
lı́m f (x) = −∞ si, para cada K > 0 , existe M > 0 tal que si x > M =⇒ f (x) < −K
x→+∞
Análogamente: lı́m f (x) = −∞ , lı́m f (x) = L , lı́m f (x) = +∞ , lı́m f (x) = +∞ y lı́m f (x) = −∞ .
x→x0 x→+∞ x→+∞ x→−∞ x→−∞
1
Ejemplo Para a > 0 , lı́m ax = +∞ y lı́m x = −∞ . En efecto:
x→+∞ x→0−
K
? para cada K > 0 tomamos M = > 0 y si x > M , entonces f (x) = ax > aM = a K
a a =K
1
? para cada K > 0 tomamos δ = K > 0 y si −δ < x < 0 , entonces f (x) = x1 < −δ
1
= −K 4
Las operaciones del resultado Propiedades 117 son válidas también cuando tenemos lı́mites en el infinito o
con valor infinito, aunque aparecen situaciones cuyo resultado no puede determinarse usando las reglas generales.
Si lı́m f (x) = a y lı́m g(x) = b, donde tanto x0 como a y b pueden ser ±∞, el valor del lı́mite para las
x→x0 x→x0
f
funciones f + g , f · g , g y f g , se obtiene de las siguientes tablas:
f +g b = −∞ b∈R b = +∞ f
g
b = −∞ b<0 b = 0− b=0 b = 0+ b>0 b = +∞
a = −∞ −∞ −∞ a = −∞ +∞ +∞ |∞| −∞ −∞
a∈R −∞ a+b +∞ a<0 0 a
b
+∞ |∞| −∞ a
b
0
a = +∞ +∞ +∞ a=0 0 0 0 0
a a
a>0 0 b
−∞ |∞| +∞ b
0
a = +∞ −∞ −∞ |∞| +∞ +∞
f ·g b = −∞ b<0 b=0 b>0 b = +∞ fg b = −∞ b<0 b=0 b>0 b = +∞

a = −∞ +∞ +∞ −∞ −∞ a=0 +∞ +∞ 0 0
a<0 +∞ ab 0 ab −∞ 0<a<1 +∞ ab 1 ab 0
a=0 0 0 0 a=1 1 1 1
a>0 −∞ ab 0 ab +∞ a>1 0 ab 1 ab +∞
a = +∞ −∞ −∞ +∞ +∞ a = +∞ 0 0 +∞ +∞

|∞| En estos casos, no se garantiza la existencia del lı́mite, pero sı́ que se tiene fg −→ +∞ .

Hay siete indeterminaciones clásicas, indicadas con (que en el fondo se reducen a dos (i) e (ii)):
∞
(i) ∞ − ∞ (ii) 0·∞ (iii) ∞ (iv) 0
0 (v) 1∞ (vi) 00 (vii) ∞0
Nota: Teniendo en cuenta que ab = eb ln a , las indeterminaciones (v), (vi) y (vii) se reducen a 0 · ∞ .
2
−1
Ejemplo 126 lı́m x +2x+1
2
+∞
= ( −∞ )= .
x→+∞ 3x−2x 2
x2 +2x+1 2
x2 + 2x + 1 x2 1+ x+ x12 1+0+0 −1
lı́m = lı́m 3x−2x2
= lı́m 3 = = 4
x→+∞ 3x − 2x2 x→+∞ x→+∞ −2 0 − 2 2
x2 x
x3 −3x+2x2
Ejemplo 127 lı́m 3x3 −2x = ( 00 ) = 3
2 .
x→0
x3 − 3x + 2x2 x(x2 − 3 + 2x) x2 − 3 + 2x 0−3+0 −3 3

lı́m 3
= lı́m 2
= lı́m = = = 4
x→0 3x − 2x x→0 x(3x − 2) x→0 3x2 − 2 0−2 −2 2
Ejemplo 128 lı́m √2x +∞

= ( +∞ ) = 1.
x→+∞ x+ x2 +2x
2x
2x 2 2
lı́m √ = lı́m x
√ = lı́m √ = lı́m q = √ 2 =1
x2 +2x 2 1+0+1
x→+∞ x + x2 +2x x→+∞ x
x + x
x→+∞ 1+ x
√ +2x x→+∞
1+ 1+ x2
x2
√
teniendo en cuenta que cuando x → +∞ , será x > 0 y por tanto x = |x| = x2 . 4
√
Ejemplo 129 lı́m x2 + 2x − x = (∞ − ∞) = 1 .
x→+∞ √ √ √
p ( x2 + 2x − x)( x2 + 2x + x) ( x2 + 2x)2 − x2
lı́m 2
x + 2x − x = lı́m √ = lı́m √
x→+∞ x→+∞ x2 + 2x + x x→+∞ x2 + 2x + x
2 2
x + 2x − x 2x
= lı́m √ = lı́m √ =1 4
x→+∞ 2
x + 2x + x x→+∞ 2
x + 2x + x
Ejemplo 130 lı́m (1 + x1 )x = e

x→+∞
1 n
Por definición, e = lı́m (1 + n) y para cada x > 0 , existe n ∈ N con n < x ≤ n + 1 , luego con
n→+∞
1 1 1 1
n+1 ≤ x < n de donde 1 + n+1 ≤ 1 + x1 < 1 + n1 . De esta desigualdad y de n < x ≤ n + 1 , tenemos que:
1
1 n 1 x 1 n+1 (1 + n+1 )n+1 1 x 1 1 n
1+ ≤ 1+ < 1+ =⇒ 1 ≤ 1 + < 1 + 1 +
n+1 x n 1 + n+1 x n n
n+1 1 n+1 1 x n+1 1 n
=⇒ 1+ ≤ 1+ < 1+
n+2 n+1 x n n
si x → +∞ , entonces n y n+1 → +∞ , por lo que se cumple que e ≤ lı́m (1 + x1 )x ≤ e . 4
x→+∞
Nota: La Proposición 121 de convergencia propia cobra nuevo interés con los lı́mites con infinitos (para los
que también es válida), pues la condición de continuidad no es aplicable en muchos de estos casos. Además,
la condición de convergencia propia, que cuando f (x) → ∞ sea f (x) 6= ∞ se cumple de manera obvia.
Ejemplo Consideremos y = −x en (1), y z = h(y) = y − 1 en (2) entonces

(1)
lı́m (1 + x1 )x = lı́m (1 − y1 )−y = lı́m ( y−1
y )
−y y y
= lı́m ( y−1 ) = lı́m (1 + 1 y
y−1 )
x→−∞ y→+∞ y→+∞ y→+∞ y→+∞
1 1 y−1 (2) 1
= lı́m (1 + y−1 )(1 + y−1 ) = lı́m (1 + y−1 ) z→+∞
lı́m (1 + z1 )z = 1 · e = e 4
y→+∞ y→+∞
Continuidad de algunas funciones elementales 131.- (Ver sus gráficas en la figura 6.1 de la página 53.)
? f (x) = ex es continua en R y lı́m ex = 0 y lı́m ex = +∞ .
x→−∞ x→+∞
? f (x) = ln x es continua en (0, +∞) y lı́m+ ln x = −∞ y lı́m ln x = +∞ .

x→0 x→+∞
? f (x) = xα continua en (0, ∞) y lı́m xα = 0 y lı́m xα = ∞ si α > 0 (resp. ∞ y 0 si α < 0 ).

x→0+ x→+∞
? f (x) = sh x es continua en R y lı́m sh x = −∞ y lı́m sh x = +∞ .

x→−∞ x→+∞
? f (x) = ch x es continua en R y lı́m ch x = ∞ y lı́m ch x = +∞ .

x→−∞ x→+∞
? f (x) = th x es continua en R y lı́m th x = −1 y lı́m th x = 1 .

x→−∞ x→+∞
? f (x) = sen x y f (x) = cos x son de periódicas de periodo 2π , continuas en R y 6 ∃ lı́m f (x) .
x→±∞
? f (x) = tg x es de periodo π , continua en su dominio y lı́m + tg x = −∞ y lı́m

π−
tg x = ∞ . .
x→ −π
2
x→ 2
6.3.3 Infinitésimos e infinitos equivalentes
Definición 132.- Se dice que una función f es un infinitésimo en x0 si lı́m f (x) = 0 .

x→x0
Una función f (x) se dice que es un infinito en x0 si lı́m f (x) = +∞ (o −∞).
x→x0
f (x)
Definición 133.- Dos infinitésimos en x0 , f y g , se dicen equivalentes en x0 si lı́m = 1.
x→x0 g(x)
f (x)
Dos infinitos en x0 , f y g , se dicen equivalentes en x0 si lı́m = 1.
x→x0 g(x)
Proposición 134.- Si g(x) y h(x) son infinitésimos (o infinitos) equivalentes en x0 , entonces

f (x) f (x)
lı́m g(x)f (x) = lı́m h(x)f (x) y lı́m = lı́m ,
x→x0 x→x0 x→x0 g(x) x→x0 h(x)
siempre que los segundos lı́mites existan.
Demostración:
g(x)
Si existe lı́m f (x)h(x) y lı́m = 1 , entonces:
x→x0 x→x0 h(x)
g(x) g(x)h(x)f (x)
lı́m h(x)f (x) = lı́m · lı́m h(x)f (x) = lı́m = lı́m g(x)f (x)
x→x0 x→x0 h(x) x→x0 x→x0 h(x) x→x0
Análogamente para el otro caso.
Algunos infinitos e infinitésimos conocidos 135.- Usaremos la notación f ∼ g para indicar que f y g son
infinitos o infinitésimos equivalentes:
an xn + · · · + a1 x + a0 ∼ an xn cuando x → ±∞ an xn + · · · + a1 x ∼ a1 x cuando x → 0
sen(x) ∼ x cuando x → 0 tg(x) ∼ x cuando x → 0
x2
sen x1 ∼ x1 cuando x → ±∞ 1 − cos(x) ∼ 2 cuando x→0
ln(1 + x) ∼ x cuando x → 0 ex − 1 ∼ x cuando x → 0
x2
sh(x) ∼ x cuando x → 0 ch(x) − 1 ∼ 2 cuando x → 0 .
Ejemplos lı́m ln(x) En efecto, lı́m ln(x)

= 1. = lı́m ln(x) = lı́m ln(1+t) = lı́m tt = 1
x→1 x−1 x→1 x−1 x−1→0 x−1 t→0 t t→0
x 2

x sen( x
2)
x→0⇒ 2 →0 xx x→0⇒x →0 xx
lı́m = = lı́m ex2 2−1 = 2 = lı́m x22 = 12
x→0 ex −1
2
sen( x2 ) ∼ x2 x→0 ex − 1 ∼ x2 x→0
x → +∞ ⇒ x1 → 0

1
lı́m 2x sen( x ) = = lı́m 2x x1 = 2 4
x→+∞ sen( x1 ) ∼ x1 x→+∞
Nota: La hipótesis de la Proposición, en el sentido de que los infinitésimos (o infinitos) sean factores o divisores
de la función, deben tenerse muy presentes pues sólo ası́ garantizaremos el resultado. El ejemplo siguiente
muestra cómo al sustituir un sumando por otro se falsea el resultado.
Sabemos que sen x y x son infinitésimos equivalentes en x = 0 , pero sen x no puede ser sustituido por x
en el lı́mite: lı́m senxx−x
3 , pues si lo hacemos obtendrı́amos como lı́mite 0 cuando su valor correcto es −1 6 .
x→0
Los infinitésimos o infinitos equivalentes son funciones que tienen un comportamiento “similar” en el lı́mite,
pero no igual. Por ello, si los usamos en sumas o restas podemos eliminar esa diferencia (como ocurre en el
lı́mite anterior) y dejar sin sentido el lı́mite.
Al sustituir sen x por x en la resta de arriba estamos asumiendo que son iguales, pues sutituimos sen x − x
3
por 0 , lo que no es cierto (es sen x − x 6= 0 si x 6= 0 ); de hecho, el seno es más parecido a sen x ≈ x − x6 con
3
lo que la deferencia es más parecida a sen x − x ≈ − x6 que a 0 .
6.3.4 Ası́ntotas de una función

Una buena ayuda para la representación de la gráfica de las funciones son las ası́ntotas. La gráfica de f es
una representación en el plano R2 formada por los puntos (x, y) con la condición y = f (x) luego de la forma
(x, f (x)) ; por consiguiente, la gráfica puede tener puntos que se alejan hacia el infinito. Basta tener en cuenta
que si el dominio es R , cuando x → +∞ los puntos de la gráfica se alejan hacia + ∞, lı́m f (x) .
x→+∞
Estos alejamientos de la gráfica se llaman ramas infinitas de la función, y puede ocurrir que la función se
“parezca” a una recta en estas ramas infinitas. Las rectas cumpliendo que la distancia de los puntos de una
rama infinita a esa recta tienda hacia 0 a medida que se alejan, se denominan ası́ntotas de la función.
Dado que en R2 , los puntos se alejan en la forma (x, ∞) , (∞, y) o (∞, ∞) (aquı́, ∞ puede ser tanto +∞
como −∞ ), buscaremos tres tipos de ası́ntotas: verticales, horizontales e inclinadas.
Ası́ntotas verticales
Si lı́m f (x) = ±∞ tenemos una rama infinita a la izquierda del punto x0 y la recta x = x0 es una ası́ntota
x→x−
0
vertical de esa rama (el signo del lı́mite +∞ o −∞, nos indicará el comportamiento de la rama infinita).
Si lı́m+ f (x) = ±∞ hay rama infinita a la derecha de x0 y la recta x = x0 es ası́ntota vertical de esa rama.
x→x0
Ası́ntotas horizontales e inclinadas Aunque la búsqueda de ası́ntotas horizontales e inclinadas pueden

verse como procesos distintos, en ambos casos la variable x se aleja hacia el infinito (x, f (x)) → ∞, lı́m f (x)
x→∞
y también, la recta es de la forma y = mx + n (con m = 0 para las horizontales).
Si buscamos una recta y = mx + n cumpliendo que f (x) − (mx + n) −→ 0 cuando x → +∞ , también se
cumplirá que f (x)−mx−n
x −→ 0 , de donde f (x) n
x − m − x −→ 0 luego se tendrá que m = lı́m
f (x)
x . Y conocido x→+∞
m , se tendrá f (x) − (mx + n) −→ 0 ⇐⇒ f (x) − mx −→ n , de donde n = lı́m f (x) − mx .
x→+∞
En consecuencia, existirá ası́ntota cuando x → +∞ (o en +∞ ), si existen y son reales los valores de los
lı́mites m = lı́m f (x)
x y n = lı́m f (x)−mx, siendo y = mx + n es la ası́ntota buscada. (Análogo en −∞ ).
x→+∞ x→+∞
Ejemplo La función f (x) = √(x−1)(x+2)|x|

2 2
, tiene por dominio, Dom(f ) = (−∞, −1) ∪ (1, 3) ∪ (3, +∞) .
(x −1)(x−3)
Como el numerador, es continuo en R, las ası́ntotas verticales (si existen) estarán en los puntos donde se anule
el denominador, es decir, −1 , 1 y 3 .

(x − 1)(x + 2) |x| (−2) · 1 · |−1|
lı́m f (x) = lı́m p = = −∞
x→−1− x→−1− (x2 − 1)(x − 3)2 0+
(x − 1)(x + 2) |x| (x + 2) |x| x−1 3 x−1
lı́m f (x) = lı́m+ p = lı́m+ p · lı́m √ = · lı́m+ √ =0
x→1+ x→1 (x2 − 1)(x − 3)2 x→1 (x − 3)2 x→1+ x2 − 1 2 x→1 x2 − 1

(x − 1)(x + 2) |x| 30 30
lı́m− f (x) = lı́m− p = = +∞ lı́m f (x) = = +∞
x→3 x→3 (x2 − 1)(x − 3)2 0+ x→3+ 0+
Luego las ası́ntotas verticales son x = −1 (cuando x → −1− , f (x) → −∞ ) y x = 3 (cuando x → 3− ,

f (x) → +∞ y cuando x → 3+ , f (x) → +∞ ).
Estudiamos las ası́ntotas en +∞,
f (x) (x − 1)(x + 2) |x|

m = lı́m = lı́m p lı́m =1·1=1
x→+∞x x→+∞ 2
(x − 1)(x − 3) 2 x→+∞ x
y = x+4
p
(x − 1)(x + 2)x − x (x2 − 1)(x − 3)2
n = lı́m f (x) − x = lı́m
@
@
p
x→+∞ x→+∞ (x2 − 1)(x − 3)2 @ x=3
2 @
x(x−1)(8x −3x−13)
= lı́m p =4 y = −x−4@ x = −1
x→+∞
p
(x2 −1)(x−3)2 (x−1)(x+2) + (x2 −1)(x−3)2
luego y = x+4 es ası́ntota de f cuando x → +∞ . Análogamente,

se obtiene que y = −x − 4 es ası́ntota cuando x → −∞. 4
62 – Fundamentos de Matemáticas : Cálculo diferencial en R 6.4 Teoremas del lı́mite y de continuidad
6.4 Teoremas del lı́mite y de continuidad
Teorema 136 (de acotación y del signo para lı́mites).- Sean f : A ⊆ R −→ R y x0 un punto de acumu-
lación de A. Si lı́m f (x) = L ∈ R , existe un entorno E(x0 , δ) tal que f está acotada en E ∗ (x0 , δ) ∩ A.
x→x0
Además, si L 6= 0 , el valor de f (x) tiene el mismo signo que L.
Demostración:
Sea ε > 0 fijo, entonces existe E ∗ (x0 , δ) tal que |f (x) − L| < ε , luego L − ε < f (x) < L + ε , para todo
x ∈ E ∗ (x0 , δ) . En consecuencia, f está acotada en dicho entorno reducido.
Para la segunda parte, basta tomar ε tal que 0 < L−ε < f (x) si L > 0 , o tal que f (x) < L+ε < 0 , si L < 0 .
Corolario 137.- Si f : A −→ R es continua en x0 , entonces f está acotada en algún entorno de x0 .

Además, si f (x0 ) 6= 0 , el valor de f (x) tiene el mismo signo que f (x0 ) .
6.4.1 Teoremas de continuidad en intervalos cerrados

Teorema de Bolzano 138.- Sea f una función continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces ∃c ∈ (a, b) tal que f (c) = 0 . .
Teorema de los valores intermedios 139.- Si f : [a, b] −→ R es continua en [a, b] y f (a) 6= f (b) , entonces
para cada k entre f (a) y f (b) , existe c ∈ (a, b) tal que f (c) = k .
Demostración:
Supongamos f (a) < f (b) , y sea f (a) < k < f (b) . La función g: [a, b] −→ R dada por g(x) = f (x)−k es continua
en [a, b] y verifica que g(a) = f (a)−k < 0 y g(b) = f (b)−k > 0 , luego por el Teorema de Bolzano (138) existe
c ∈ (a, b) tal que g(c) = f (c) − k = 0 , es decir, con f (c) = k . Análogamente si f (b) < f (a) .
Corolario 140.- Sea I un intervalo de R y f : I −→ R continua en I , entonces f (I) es un intervalo de R. .
Teorema de acotación 141.- Sea f una función continua en el intervalo cerrado [a, b] , entonces f está acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| ≤ M , para todo x ∈ [a, b] . .
Teorema de Weierstrass 142.- Si f es una función continua en el intervalo [a, b] , entonces f alcanza un
máximo y un mı́nimo en [a, b] . Es decir, ∃ α, β ∈ [a, b] tal que f (α) ≤ f (x) ≤ f (β) , ∀x ∈ [a, b] . .
Corolario 143.- Si f es continua en (a, b) y lı́m f (x) = l1 ∈ R y lı́m f (x) = l2 ∈ R , la función f está
x→a+ x→b−
acotada en (a, b) . (También es cierto cuando a es −∞ y cuando b es +∞ .) .
6.5 Ejercicios
6.52 Usar las Propiedades del orden 94 y las de las operaciones descritas en el apartado 6.1.4, para probar que:
a) si entonces 0 < x2 < y 2
0 < x < y, b) siy < x < 0 , entonces 0 < x2 < y 2
c) si entonces 0 < |x| < |y|
0 < x < y, d) siy < x < 0 , entonces 0 < |x| < |y|
e) si entonces 0 < x2 < x
0 < x < 1, f) si1 < x, entonces 1 < x < x2
g) si entonces x1 < y1 < 0
y < x < 0, h) si 1
y < x < 0 , entonces 0 < |y| 1
< |x|
√ √ √ √
i) si 0 < x < y , entonces 0 < x < y j) si 0 < x < y , entonces − y < − x < 0
63 – Fundamentos de Matemáticas : Cálculo diferencial en R 6.5 Ejercicios
6.53 Hallar el dominio de las funciones reales de variable real dadas por:
√ p q
(i) f1 (x) = x2 − 2x (ii) f2 (x) = − |x| − x (iii) f3 (x) = x−1x+1
√
(iv) f4 (x) = ln |x| (v) f5 (x) = ln x (vi) f6 (x) = ln(2 − x2 )
(vii) f1 (x) + f2 (x) (viii) f3 (x) − f1 (x) (ix) f21(x) + f31(x)
√ q
(x) f7 (x) = √x−1 (xi) f8 (x) = ln(f6 (x)) (xii) f9 (x) = √x−1
x+1 x+1
f6 (x) f1 (x)
(xiii) f3 (x) · f3 (x) (xiv) f9 (x) · f7 (x) (xv) f1 (x) + f6 (x)
f4 (x)+f5 (x)
(xvi) f8 (x) (xvii) (f5 ◦ f8 )(x) (xviii) (f1 ◦ f4 ◦ f2 )(x)
a) Expresar la funciones f2 y f4 como funciones definidas a trozos.

b) ¿Por qué los dominios de f3 y de f7 son distintos?
c) ¿Cuál será el dominio de la función f2 ◦ f2 ? Obtener su expresión.
6.54 Sean f y g dos funciones reales de variable real monótonas. Probar que:
a) Si f es (estrictamente) creciente, las funciones f (−x) y −f (x) son (estric.) decrecientes.

b) Si f es (estrictamente) decreciente, las funciones f (−x) y −f (x) son (estric.) crecientes.
1
c) Si f es (estric.) creciente y positiva, la función f (x) es (estric.) decreciente.
1
d) Si f es (estric.) decreciente y positiva, la función f (x) es (estric.) creciente. ¿Qué ocurrirá en este
caso y en el anterior si la función f es negativa?
e) Si f y g son crecientes (decrecientes), f + g es creciente (decreciente).
f) Buscar una función f creciente y una g decreciente tales que f + g sea creciente; y otras para que
f + g sea decreciente.
g) Si g es creciente y f es creciente (decreciente), g ◦ f es creciente (decreciente).
h) Si g es decreciente y f es creciente (decreciente), g ◦ f es decreciente (creciente). ¿Que ocurrira si
la monotonı́a de g es estricta? ¿Y si lo es la de f ? ¿Y si lo son ambas?
6.55 Usar los resultados del ejercicio anterior, para probar lo siguente:
1
a) Probar que f (x) = x2 +1 es creciente en (−∞, 0) y decreciente en (0, +∞) .
x
b) Sabiendo que e es esctirtamente creciente en R y que x = eln x , probar que sh(x) y ln(x) son
crecientes.
x2 −1
c) Probar que f (x) = x2 +1 es creciente en (0, +∞) y usarlo para probar que th(x) es creciente en R .
6.56 Sea f : R −→ R, se dice que f es par si f (−x) = f (x) , y que es impar si f (−x) = −f (x) .
a) Comprobar si sen x , cos x , tg x , sh x , ch x , th x y xn , para n = 0, ±1, ±2, . . ., son pares o impares.
b) Si f es par y creciente en (0, +∞) , ¿será también creciente en (−∞, 0) ?
c) Si f es impar y creciente en (0, +∞) , ¿será también creciente en (−∞, 0) ?
d) ¿Que caracterı́stica especial cumplen las gráficas de las funciones pares? ¿Y las de las funciones
impares? Justificar la respuesta
6.57 Para las funciones que aparecen en el Ejemplo 110 anterior, dibujar su gráfica y la de su inversa en los
dominios indicados.
Si una función f : A −→ B es creciente (decreciente) en A , ¿dirı́as que su inversa f −1 : B −→ A también
es creciente (decreciente) en B ?
Probarlo en el caso de creer que es cierto, o en el caso de creer que es falso, justificarlo con un ejemplo.
6.58 Sean las funciones f , g y h , funciones reales definidas por:
 2 1
 2x − 2 , si x ∈ (−∞, −1]
( −x3 −1
, si |x + 1| ≤ 1

1, si x ≤ 0 2−x2
f (x) = ; g(x) = 1 − x2 , si x ∈ (−1, 0) ; h(x) =
−1, si x > 0 2
x +2
|x + 1| > 1
2x+4 , si
3
, si x ∈ [0, ∞)

1−x 2
a) Describir la casuı́stica de f y h mediante la pertenencia de x a intervalos (como la función g )

b) Describir la casuı́stica de g y h mediante desigualdades de x (como la función f )
c) Obtener su dominio y el de las funciones |f | , |g| , f +g y f ·h.
d) Hallar las expresiones de |f | , |g| , f +g y f ·h, como funciones definidas a trozos.
e) Encontrar el dominio y la expresión de las funciones compuestas f (x2 ) y g(2 − x) .
f) Encontrar el dominio y la expresión de las funciones g ◦ f y f ◦ g .
6.59 Calcular los siguientes lı́mites:
7x3 +4x 7x3 +4x 3

a) lı́m 2 3 b) lı́m 3x−x 2 −2x3 c) lı́m 7x 2+4x 3
x→−∞ 3x−x −2x x→∞ √ x→0 3x−x −2x
x2 −4 1+4x2 2
d) lı́m 2 e) lı́m f) lı́m senx2 x
x→−2 x (2+x) x→∞ 4+x x→∞
√ 2x
g) lı́m x2 + 3x − 1−x h) lı́m (2 − x2 )2x i) lı́m (x2 + 2) x−10
x→∞ x→0 √ x→+∞
√ q
1−4x2 |x|−x
j) lı́m k) lı́m √ 2 l) lı́m √ 1 − x+1
2x+1 x2 −x x−1
x→ 2 −1 + x→0− x −2x x→1+
6.60 Usar lı́mites laterales para verificar la existencia o no de los siguientes lı́mites:
√
(1−x)2 x 1 1 |x|
a) lı́m b) lı́m c) lı́m − d) lı́m −1 x
x→1 x−1 x→0 |x| x→0 x |x| x→0 x
6.61 Probar, razonadamente, que los siguientes lı́mites valen 0 :

√ 2 2
a) lı́m ( x − 1) ex +2 b) lı́m x2 sen x1 c) lı́m (x−a)
x→1 x→0 x→a |x−a|
6.62 Usar la continuidad de las funciones, para hallar:

q q
(1−x)2 1
a) lı́m ln 3+ x2 +1 b) lı́m tg(ln(cos(e− x ))) c) lı́m 1
1 + cos2 (π th( |x−π| ))
x→0 x→0 x→π
6.63 Encontrar infinitésimos e infinitos equivalentes a:

√ √
a) sen2 1 − x2 , cuando x → −1+ √ b) 1 + x2 + 2x4 , cuando x → ∞
c) 1q− cos((2 − x2 )2 ), cuando x → 2 d) ln(1 − x1 ), cuando x → −∞
1−x π
e) 3x3 +12x2 , cuando x → 0 f) cos(x), cuando x → 2
5
g) ln(x2 ), cuando x → 1 h) 1 − e2x , cuando x → 0
i) sen(x), cuando x → 2π j) tg(−x6 ), cuando x → 0
6.64 Calcular, si existe, el valor de:
ln(cos x) sen2 x+ex −1 7x tg(x3 −x5 )

a) lı́m x2 b) lı́m th(2x) c) lı́m x3 sen( x31+x ) d) lı́m 2
x→0 x→0 x→∞ x→0 (cos(2x)−1)
6.65 a) Si f y g son ifinitésimos cuando x → a y lı́m fg(x)

(x)
= L 6= 0 , probar que f (x) y L · g(x) son
x→a
infinitésimos equivalentes cuando x → a.
b) Si β es una raı́z de multiplicidad m del polinomio P (x) = an xn + · · · + a1 x + a0 , probar que P (x)
y k(x − β)m son infinitésimos equivalentes cuando x → β , para algún valor k 6= 0 .
6.66 Usar el resultado lı́m f (x) = lı́m f (a + h) para calcular

x→a h→0
2 3 3
a) lı́m ln(x ) b) lı́m x +2 c) lı́m √3 sen(π+x) d) cos x
lı́m 2x−π
x→1 x−1 x→−2 x+2 x→π − 1−cos(x−π) x→ π 2
6.67 Usar el logaritmo neperiano, para probar que lı́m (1 + x1 )x = e y que lı́m (1 + x1 )x = e .
x→+∞ x→−∞
6.68 Calcular, si existe, el valor de:

x 2−x 3−x
1−x 3
a) lı́m 1 − x1 b) lı́m 3−x
1−x c) lı́m 2
x+1 d) lı́m (1 + cos x) cos x
x→∞ x→∞ x→1 x→ π
2
√
x2 −3 √x−1
6.69 Considerar las funciones reales de variable real dadas por f (x) = x+1 y g(x) = 3−x2
.
Estudiar la continuidad de f y g en sus dominios de definición (indı́quese también la continuidad lateral,
si ha lugar).
6.70 Estudiar la continuidad de las siguientes funciones en su dominio:

(
x2 −4
sen x
a) f (x) = x , si x 6= 0 b) f (x) = x2 (2+x) , six 6= −2
1, si x = 0 0, si x = −2
(√ √
x2 +x− 2

x−1 √ , si x 6= 1 x, si |x| > 1
c) f (x) = d) f (x) =
3 2 x3 , si |x| ≤ 1
4 , si x=1

 ax + 1, si x < 3
6.71 ¿Para que valores de las constantes a y b, f (x) = a + b, si x = 3 es continua en R ?
 2
bx − 2, si x > 3
6.72 Sean las funciones f, g, h: R −→ R , definidas a trozos mediante:

 2 1
 2x − 2 , si x ≤ −1
( −x3 −1
, si |x + 1| ≤ 1

1, si x ≤ 0 2+x2
f (x) = ; g(x) = 1 − x2 , si − 1 < x < 0 ; h(x) =
−1, si x > 0 x2 +2
|x + 1| > 1
2x+4 , si
3
1+x2 , si x ≥ 0

a) Estudiar la continuidad de cada una de ellas (indı́quese también la continuidad lateral).

b) Hallar las expresiones de |f | , |g| , f +g y f ·h, como funciones definidas a trozos.
c) Estudiar la continuidad de las funciones anteriores. ¿Qué ocurre en los casos donde no puede aplicarse
la regla general?
d) Realizar lo pedido en los apartados b) y c) para la función g ◦ f .
6.73 Estudiar la continuidad de las siguientes funciones según los valores del parámetro a :
 2
x a
 a2 +x2 , si x < a
(
a − x, si x ≤ a

x
a) fa (x) = x(a2 −x2 ) b) fa (x) = 2 , si x = a
a2 +x2 , si x > a  a2 x , si x > a

a +x2
2
6.74 Probar que las gráficas de las funciones f (x) = ex y g(x) = 3x , se cortan al menos en dos puntos del
intervalo [0, 2] .
6.75 Estudiar si las funciones del ejercicio 6.70 están acotadas superior e inferiormente.
Capı́tulo 7
Funciones derivables
7.1 Derivada de una función en un punto
Definición 144.- Se dice que f : (a, b) −→ R es derivable en el punto x0 ∈ (a, b) si
f (x) − f (x0 )
lı́m =L∈R
x→x0 x − x0
f (x+h)−f (x)
es decir, si existe y es finito ese lı́mite (ó el lı́mite equivalente, lı́m h ).
h→0
df
Al valor de dicho lı́mite se lo denomina derivada de f en el punto x0 y se representa por f 0 (x0 ) ó dx (x0 ) .
La derivada nos indica lo que “crece” la función alrededor del y = f (x0 ) + f 0 (x0 )(x − x0 )
punto, puesto que en el cociente usado para definirla nos apa-
rf (x)
rece el incremento f (x) − f (x0 ) de la función en relación con el 
incremento x − x0 de la variable. 
f (x) − f (x0 )
El valor del cociente f (x)−fx−x0
(x0 )
, para cada x , es la pendiente 
de la cuerda entre los puntos (x0 , f (x0 )) y (x, f (x)) (ver figura f (x0 ) r α
| {z }
aneja), por lo que en el lı́mite se obtendrá la pendiente de la recta x−x0 f (x)−f (x0 )
x−x0 = tg α
tangente a la gráfica de la función en el punto. Es decir, la recta
←←
y = f (x0 ) + f 0 (x0 )(x − x0 ) resulta ser la recta tangente a la x0 x
gráfica de f en el punto (x0 , f (x0 )) .

Diremos que f : A −→ R es derivable en un conjunto A1 ⊆ A, si lo es en cada punto de A1 . Entonces, se
puede construir la función que asocia a cada punto x ∈ A1 la derivada de la función f en el punto x ; A esta
función se le llama función derivada de f y se le representa por f 0 , donde f 0 : A1 −→ R .
Si a su vez, f 0 : A1 −→ R es derivable en un conjunto A2 ⊆ A1 , se puede construir la derivada de la función
0
f en cada punto x ∈ A2 . A esta función se le llama función derivada segunda de f y se le representa por
(f 0 )0 = f 00 , donde f 00 : A2 −→ R . Análogamente se tienen la derivadas de órdenes superiores, f 000 , . . . , f n) .
Ejemplo ? La función constante f : R −→ R , con f (x) = k , es derivable en cada punto de su dominio:

f (x)−f (x0 )
lı́m x−x0
k−k
= lı́m x−x 0
= lı́m x−x 0
0
= 0 = f 0 (x0 ) ; con lo que f 0 (x) = 0 para todo x ∈ R .
? La función identidad f : R −→ R , con f (x) = x , es derivable en cada punto de R:

lı́m f (x0 +h)−f
h
(x0 )
= lı́m x0 +h−x
h
0
= lı́m 1 = 1 = f 0 (x0 ) , y f 0 (x) = 1 para todo x ∈ R.
h→0 h→0 h→0
? La función polinómica f : R −→ R dada por f (x) = x2 es derivable en cada punto de su dominio pues
x2 −x2
lı́m f (x)−f
x−x0
(x0 )
= lı́m x−x00 = lı́m (x−xx−x
0 )(x+x0 )
0
= lı́m x + x0 = 2x0 = f 0 (x0 ) , y f 0 (x) = 2x en R.
? La exponencial f (x) = e es derivable en cada punto de R y f 0 (x) = ex , pues

x
x+h x x h h h
lı́m e h−e = lı́m e (eh −1) = lı́m ex ( e h−1 ) = ex lı́m e h−1 = ex · 1 = ex = f 0 (x) .
h→0 h→0 h→0 h→0
? f (x) = ln x , es derivable en (0, +∞) y f 0 (x) = 1

x
ln(x+h)−ln(x) ln( x+h
x ) ln(1+ h
x) ln(1+ h
x)
lı́m h = lı́m h = lı́m xh
= x1 lı́m h = 1
x = f 0 (x) .
h→0 h→0 h→0 x h→0 x
? La función f (x) = sen x es derivable en cada punto de R y f 0 (x) = cos x

sen(x+h)−sen(x) (1) 2 sen( h h
2 ) cos(x+ 2 ) sen( h
2)
lı́m h = lı́m h = lı́m cos(x + h2 ) h = cos(x) · 1 = cos x = f 0 (x) .
h→0 h→0 h→0 2
(1) sen x−sen y = sen( x+y

2 + x−y
2 ) − sen( x+y
2 − x−y
2 )
= sen( x+y x−y x+y x−y
2 ) cos( 2 ) + cos( 2 ) sen( 2 ) − sen( x+y x−y x+y x−y x+y x−y
2 ) cos( 2 ) − cos( 2 ) sen( 2 ) = 2 cos( 2 ) sen( 2 )
67 – Fundamentos de Matemáticas : Cálculo diferencial en R 7.1 Derivada de una función en un punto
? La función f (x) = cos x es derivable en cada punto de R y f 0 (x) = − sen x

cos(x+h)−cos(x) (2) −2 sen( h h
2 ) sen(x+ 2 ) sen( h
2)
lı́m h = lı́m h = lı́m − sen(x + h2 ) h = − sen(x) = f 0 (x) .
h→0 h→0 h→0 2
(2) Análogamente al caso del seno, cos x − cos y = cos( x+y

2 + x−y
2 ) − cos( x+y
2 − x−y
2 ) = −2 sen( x+y x−y
2 ) sen( 2 )
? La recta y = cos 0 − sen 0(x − 0) = 1 es la recta tangente a cos(x) en el punto 0. Análogamente, la

recta y = sen 0 + cos 0(x − 0) = x es la tangente a sen(x) en el 0. 4
f (x)−f (x0 )
Para que una función sea derivable, debe existir lı́m x−x0 . Ahora bien, el denominador siempre
x→x0
tiende hacia 0, por lo que sólo puede existir el lı́mite si el lı́mite del denominador también es cero; puesto que
f (x)−f (x0 )
si f (x) − f (x0 ) 6→ 0 entonces x−x0 −→ ∞ o no existe. Luego debe cumplirse que lı́m f (x) = f (x0 ) , es
x→x0
decir que f sea continua en x0 :
Teorema 145.- Si f es derivable en un punto x0 entonces f es continua en dicho punto.
Demostración:
Veamos que lı́m f (x) = f (x0 ) . Para cada x 6= x0 , la función f (x) puede escribirse en la forma
x→x0
f (x) = f (x) − f (x0 ) + f (x0 ) = f (x)−f

x−x0
(x0 )
(x − x0 ) + f (x0 ),
y tomando lı́mites se prueba la continudad de f en x0 , ya que:
f (x) − f (x0 )
lı́m f (x) = lı́m · lı́m (x − x0 ) + lı́m f (x0 ) = f 0 (x0 ) · 0 + f (x0 ) = f (x0 ).
x→x0 x→x0 x − x0 x→x0 x→x0
Nota: Como consecuencia de este resultado una función sólo puede ser derivable en los puntos de continuidad.
Pero la continuidad no garantiza la derivación:
Ejemplo La función f (x) = |x| es continua pero no derivable en 0, ya que
f (x)−f (0) |x| x f (x)−f (0) |x| −x
lı́m x−0 = lı́m x = lı́m x =1 y lı́m x−0 = lı́m x = lı́m x = −1 4
x→0+ x→0+ x→0+ x→0− x→0− x→0−
Como para los lı́mites y la continuidad, la derivabilidad se extiende bien mediante las operaciones con
funciones:
Propiedades 146.- Sean f y g funciones derivables en un punto x0 , entonces:
a) f + g es derivable en x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .
b) f g es derivable en x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .

f 0 (x0 )g(x0 ) − f (x0 )g 0 (x0 )
c) f /g es derivable en x0 , si g(x0 ) 6= 0 , y (f /g)0 (x0 ) = 2 . .
g(x0 )
Ejemplos ? Si g derivable en x0 y k una constante, f (x) = k g(x) es derivable en x0 y f 0 (x0 ) = k g 0 (x0 ) .

En efecto, basta aplicar la fórmula del producto, f 0 (x0 ) = 0g(x0 ) + k g 0 (x0 ) = k g 0 (x0 ) .
? La función f (x) = x3 es derivable en cada x ∈ R , por ser producto de funciones derivables.
f (x) = x3 = x2 x = g(x)h(x) , y f 0 (x) = (gh)0 (x) = g 0 (x)h(x) + g(x)h0 (x) = 2x · x + x2 · 1 = 3x2 .
En general, f (x) = xn es derivable en R con f 0 (x) = nxn−1 y los polinomios son derivables en R .
x2 −1 (2x)(x)−(x2 −1)(1) x2 +1
? f (x) = x , cociente de derivables, es derivable en su dominio y f 0 (x) = x2 = x2 . 4
Regla de la cadena 147.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la función compuesta g ◦ f
es derivable en x0 y además:
(g ◦ f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ). .
Ejemplo f (x) = xα es derivable en (0, +∞) , pues f (x) = xα = eα ln(x) donde g(x) = ex y h(x) = α ln x
son derivables en sus dominios. Además, f 0 (x) = g 0 (h(x))h0 (x) = eα ln x (α x1 ) = xα αx = αxα−1 . 4
7.1.1 Aplicaciones de la derivada
Regla simple de L’Hôpital 148.- Si f (x0 ) = g(x0 ) = 0 y f y g son derivables en x0 con g 0 (x0 ) 6= 0 .
f (x) f 0 (x0 )
Entonces, lı́m = 0 .
x→x0 g(x) g (x0 )
Demostración:
Por ser f y g derivables en x0 , y f (x0 ) = g(x0 ) = 0 , se tiene
f (x)−f (x0 )
f (x)−f (x0 ) lı́m
f (x) f (x) − f (x0 ) x−x0 x→x0 x−x0 f 0 (x0 )
lı́m = lı́m = lı́m = =
x→x0 g(x) x→x0 g(x) − g(x0 ) x→x0 g(x)−g(x0 )
lı́m g(x)−g(x0 ) g 0 (x0 )
x−x0 x→x0 x−x0
sen x
Ejemplo lı́m x = 1 pues f (x) = sen x y g(x) = x , verifican las condiciones del resultado, f (0) = g(0) = 0 ,
x→0
0 0 sen x cos(0)
f (0) = cos(0) y g (0) = 1 . Luego lı́m x = 1 =1 4
x→0
ln x
Ejemplo Calcular el valor del lı́mite lı́m 2 .
x→1 cos(πx)+e1−x
La función f (x) = ln x verifica que f (1) = 0 y derivable en 1 con f 0 (x) = 1
x y f 0 (1) = 1 .
2
La función g(x) = cos(πx) + e1−x verifica que g(1) = cos(π) + e0 = −1 + 1 = 0 y derivable en 1 con
2
g 0 (x) = −π sen(πx) + e1−x (−2x) y g 0 (1) = −π sen(π) + e0 (−2) = −2 6= 0 .
ln x 1
Luego lı́m cos(πx)+e 1−x2
= −2 4
x→1
Nota: La derivación es una potente herramienta para el cálculo de lı́mites, no solo por el resultado anterior
sino por la más útil Regla General de L’Hôpital 158 y los polinomios de Taylor, que veremos más adelante.
7.1.1.1 Crecimiento de una función en un punto. Extremos locales

El significado de la derivada como lo que crece la función cerca del punto, queda de manifiento con el siguiente
resultado:
Teorema 149.- Sea f : (a, b) −→ R derivable en el punto x0 ∈ (a, b) . Entonces, si f 0 (x0 ) > 0 (resp. f 0 (x0 ) <
0 ) la función f es estrictamente creciente (resp. decreciente) en x0 .
Demostración:
f (x)−f (x0 ) f (x)−f (x0 )
Si f 0 (x0 ) > 0 , como f 0 (x0 ) = lı́m x−x0 , se tiene que x−x0 > 0 para los x cercanos a x0 . Entonces
x→x0
? si x0 < x, como x − x0 > 0 , necesariamente f (x) − f (x0 ) > 0 de donde f (x0 ) < f (x)
? y si x < x0 , es x − x0 < 0 y debe ser f (x) − f (x0 ) < 0 de donde f (x) < f (x0 )
Análogamente, para f 0 (x0 ) < 0 .
Definición 150.- Sea f : (a, b) −→ R , se dice que f alcanza un máximo local en el punto x0 ∈ (a, b) (o que
f (x0 ) es un máximo local de f ) si f (x) ≤ f (x0 ) para todos los x de algún entorno E(x0 , δ) de x0 .
Se dice f alcanza un mı́nimo local en x0 si f (x0 ) ≤ f (x) para todos los x del entorno.
Nota: Diremos extremo local para referirnos indistintamente a un máximo o un mı́nimo local.
Proposición 151.- Sea f : [a, b] −→ R continua y c ∈ (a, b) . Si f es decreciente en cada x ∈ [a, c) y creciente
en cada x ∈ (c, b] , entonces f (c) es un mı́nimo local de f .
Si f es creciente en cada x ∈ [a, c) y decreciente en cada x ∈ (c, b] , f (c) es un máximo local de f .
Demostración:
En efecto, en el primer caso, por ser f continua en [a, b] existe el mı́nimo de f en el conjunto, pero no se puede
alcanzar en un punto de [a, c) ya que todos los puntos son decrecientes (el valor de f en el punto es mayor que
los cercanos de su derecha); y no puede alcanzarse en (c, b] ya que todos los puntos son crecientes (el valor de f
en el punto es mayor que los cercanos de su izquierda). Luego necesariamente, el mı́nimo tiene que alcanzarse
en c. Análogamente, para el caso del máximo.
Ejemplo La función f (x) = |x| presenta un mı́nimo local en 0 , pues es continua en

R (luego en cualquier intervalo cerrado como [−1, 1] ), decreciente a la izquierda de 0
r
( f (x) = −x ) y creciente a la derecha (f (x) = x ). 4
Nota: La hipótesis de continuidad de la función es imprescindible para

asegurar el resultado. En la figura aneja pueden observarse distintas b b
situaciones en las que sin continuidad no hay los extremos esperados: r r
en los dos primeros casos la función no alcanza el máximo esperado y no b
hay extremo local; en el tercero, no se tiene el máximo esperado aunque
sı́ un extremo ya que se alcanza un mı́nimo local en el punto.
Con la continuidad, si f es creciente (o decreciente) en los puntos
a derecha e izquierda de c, también se garantiza la no existencia de
b r
extremo. Pero sin continuidad, a pesar de ser creciente antes del punto
y creciente despues del punto puede existir extremo, como en la cuarta r b
situación de la figura donde tenemos un máximo local.
Corolario 152.- Sea f : [a, b] −→ R continua en [a,b] y derivable en (a, b) . Si f 0 (x) < 0 (resp. f 0 (x) > 0 ) para
cada x ∈ (a, c) y f 0 (x) > 0 (resp. f 0 (x) < 0) en cada x ∈ (c, b) , la función f alcanza en c un mı́nimo local
(resp. máximo local).
2
Ejemplo La función f (x) = e−x , continua y derivable en R , presenta un máximo local en 0 , pues su
2
derivada f 0 (x) = e−x (−2x) es positiva si x < 0 y negativa si x > 0 . 4
Teorema 153 (Condición necesaria de extremo).- Sea f : (a, b) −→ R . Si f es derivable en el punto

c ∈ (a, b) y f alcanza un extremo local en c, entonces f 0 (c) = 0 .
Demostración:
f (x)−f (c) f (x)−f (c) f (x)−f (c)
Si f es derivable en c, existe f 0 (c) = lı́m x−c = x→c
lı́m x−c = x→c
lı́m x−c . Entonces
x→c
x<c x>c
? si f (c) es un máximo local, se verifica que f (x) − f (c) ≤ 0 para los x cercanos a c, luego
f (x) − f (c) ≤ 0 f (x) − f (c) ≤ 0

f 0 (c) = x→c
lı́m = ≥0 y f 0 (c) = x→c
lı́m = ≤0 =⇒ f 0 (c) = 0
x<c
x−c ≤0 x>c
x−c ≥0
? Análogamente, si f (c) es mı́nimo local, f (x) − f (c) ≥ 0 , luego
f (x) − f (c) f (x) − f (c)

f 0 (c) = x→c
lı́m ≤0 y f 0 (c) = x→c
lı́m ≥0 =⇒ f 0 (c) = 0
x<c
x−c x>c
x−c
2
Ejemplo La función f (x) = e−x del ejemplo anterior, es derivable en 0 y presenta un máximo local en 0 .
2
Y ciertamente se verifica que f 0 (0) = e−0 (−2 · 0) = 0 . 4
La condición anterior es sólo una condición necesaria, bajo la hipótesis de derivación, pero no es suficiente
para asegurar la existencia de extremo. Es decir, de los puntos donde la función sea derivable puede alcanzarse
extremo únicamente en aquellos donde la derivada se anule, pero también puede no alcanzarse extremo en
ellos. Son, de entre los puntos derivables, los únicos puntos candidados a albergar extremo.
En consecuencia, para encontar los extremos locales de una función, basta con buscarlos entre los puntos
donde sea derivable, con derivada cero, y los puntos donde la función no sea derivable.
Ejemplo La función f (x) = x3 es derivable en R y f 0 (x) = 3x2 se anula en x = 0 , pero no tiene extremo
local en el punto.
70 – Fundamentos de Matemáticas : Cálculo diferencial en R 7.2 Teoremas de derivación
3x4 −8x3
Ejemplo La función f (x) = 16 es continua en [−1, 3] y derivable en r
0 3x2 (x−2) 0
(−1, 3) ; su derivada en (−1, 3) es f (x) = y se anula ( f (x) = 0 )
4
en los puntos x = 0 y x = 2 . Entonces los únicos puntos “candidatos” r
a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada
y se anula), pero también los puntos x = −1 y x = 3 donde la función r
no es derivable (por ser extremos del intervalo de definición). De hecho,
el los extremos del intervalo se alcanza extremo local (f (−1) y f (3) son
máximos locales) y también en el punto interior x = 2 (f (2) es mı́nimo r
local); mientras que el otro “candidato” x = 0 no alberga extremo. 4
7.2 Teoremas de derivación

Los tres teoremas siguientes son básicos para pasar los resultados de derivación sobre puntos a todo un intervalo,
lo que nos servirá además para contruir mejores herramientas de trabajo.
Teorema de Rolle 154.- Sea f : [a, b] −→ R tal que f es continua en [a, b] y derivable en (a, b) y además
f (a) = f (b) , entonces ∃ c ∈ (a, b) tal que f 0 (c) = 0 .
Demostración:
Por ser f continua en [a, b] , el Teorema de Weierstrass (142) garantiza que se alcanzan el máximo y el mı́nimo
en el conjunto. Entonces,
? si se alcanza uno de los extremos en algún c ∈ (a, b) , por ser f derivable en (a, b) , se cumple que f 0 (c) = 0
? si los extremos se alcanzan en a y b, por ser f (a) = f (b) , el máximo y el mı́nimo deben coincidir, por lo
que la función es constante en [a, b] y f 0 (c) = 0 para todo c ∈ (a, b) .
Ejemplo La función polinómica f (x) = x4 − 4x2 se anula en x = 0 y x = 2 , luego f (0) = 0 = f (2) y es

continua y derivable en [0, 2] . Entonces, el polinomio f 0 (x) = 4x3 − 8x tiene alguna raı́z entre 0 y 2 . 4
Nota: Si la función no es constante, el teorema de Rolle tiene otra lectura: se asegura la existencia de al menos
un extremo en el intervalo. Geométricamente, el teorema de Rolle significa que existe un punto con tangente
horizontal.
El teorema siguiente, conocido como de los f 0 (c) =
f (b)−f (a)
b−a
incrementos finitos o del valor medio de La- f 0 (c) = 0 r
grange, generaliza el Teorema de Rolle. Y, en r
f (b) q
sentido geométrico, significa que hay un punto q q q
f (a) = f (b) f (a)
cuya recta tangente tiene la misma pendiente
que la cuerda que une los puntos extremos de a c b a c b
la gráfica f (b)−f
b−a
(a)
= f 0
(c) . Teorema de Rolle Teorema de Lagrange
Teorema del valor medio de Lagrange 155.- Sea f : [a, b] −→ R tal que f es continua en [a, b] y derivable en
(a, b) , entonces ∃c ∈ (a, b) tal que:
f (b) − f (a) = f 0 (c)(b − a)
Demostración:
f (b)−f (a)
Como a 6= b, podemos escribir f 0 (c) = b−a , es decir, buscamos un c ∈ (a, b) tal que f 0 (c) sea la pendiente
de la cuerda entre los puntos (a, f (a)) y (b, f (b)) que tiene por ecuación y = f (a) + f (b)−f
b−a
(a)
(x − a) .
Consideremos entonces la función g(x) = f (x) − f (a) + f (b)−f (a)
b−a (x − a) (la función menos la cuerda)
para llevar el problema a las condiciones del teorema de Rolle. En efecto, g: [a, b] −→ R es continua en [a, b] y
derivable en (a, b) por ser suma de continuas y derivables, además, g(a) = f (a) − f (a) + f (b)−f (a)
b−a (a − a) = 0
y g(b) = f (b) − f (a) + f (b)−f (a)
b−a (b − a) = 0 .
Entonces, existe c ∈ (a, b) tal que g 0 (c) = 0 ; y como g 0 (x) = f 0 (x) − f (b)−f
b−a
(a)
, se tiene la igualdad propuesta
f (b)−f (a)
ya que 0 = f 0 (c) − b−a .
El último de los teoremas y más general es el teorema de Cauchy. Aunque gráficamente no tiene un significado
claro, es muy útil para la extensión de la teorı́a:
Teorema del valor medio de Cauchy 156.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) .
Si g 0 (x) 6= 0 , ∀ x ∈ (a, b) , entonces ∃ c ∈ (a, b) tal que:
f (b) − f (a) f 0 (c)

= 0 .
g(b) − g(a) g (c)
Con los teoremas anteriores y la derivación, ya se puede asegurar la monotonı́a por intervalos:
Proposición 157.- Si f es un función continua en [a, b] y derivable en (a, b) y f 0 (x) > 0 , ∀ x ∈ (a, b) , entonces
f es estrictamente creciente en [a, b] .
Si f es una función continua en [a, b] y derivable en (a, b) y f 0 (x) < 0 , ∀ x ∈ (a, b) , entonces f es
estrictamente decreciente en [a, b] .
Demostración:
Para cualesquiera x1 , x2 ∈ [a, b] , con x1 < x2 , consideremos el intervalo [x1 , x2 ] . Podemos aplicar el teorema
del valor medio de Lagrange en este intervalo, luego ∃ c ∈ (x1 , x2 ) tal que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) .
Entonces,
? si f 0 > 0 en (a, b) , también f 0 (c) > 0 y se tiene que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) > 0 por lo que
f (x1 ) < f (x2 ) y, en consecuencia, f es estrictamente creciente en [a, b] .
? si f 0 < 0 en (a, b) , también f 0 (c) < 0 y se tiene que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) < 0 por lo que
f (x1 ) > f (x2 ) y, en consecuencia, f es estrictamente decreciente en [a, b] .
Y también podemos obtener el resultado de la Regla General de L’Hôpital para el cálculo de lı́mites:
Regla General de L’Hopital 158.- Sean f y g funciones derivables en un entorno reducido de x0 , E ∗ (x0 , δ) ,
con g(x) 6= 0 y g 0 (x) 6= 0 , ∀ x ∈ E ∗ (x0 , δ) y lı́m f (x) = 0 = lı́m g(x) . Entonces,
x→x0 x→x0
0
f 0 (x)
si existe lı́m fg0 (x)
(x)
se cumple que lı́mf (x)
= lı́m 0 . .
x→x0 x→x0 g(x) x→x0 g (x)
Nota: Esta regla es también válida en los casos en que x0 sea +∞ ó −∞ y cuando lı́m f (x) = +∞ ó −∞
x→x0
y lı́m g(x) = +∞ ó −∞, (también en este caso x0 puede ser +∞ ó −∞) sin más que traducir las hipótesis
x→x0
de f y g a entornos de +∞ ó −∞ .
sen(x)−x
Ejemplo Calcular el lı́m x3 . Las funciones f (x) = sen(x) − x y g(x) = x3 son derivables en R ,
x→0
con f (0) = 0 = g(0) ; y sus derivadas son f 0 (x) = cos(x) − 1 y g 0 (x) = 3x2 . Entonces, por L’Hôpital, el lı́mite
inicial existe si existe él del cociente de las derivadas, por lo que hemos trasladado el problema al cálculo de un
nuevo lı́mite lı́m cos(x)−1
3x2 . Como también es indeterminado y las derivadas son derivables, podemos aplicar de
x→0
nuevo L’Hôpital para resolver este lı́mite. Sucesivamente, tendremos que
sen(x) − x cos(x) − 1 − sen(x) −1 sen(x) −1

lı́m 3
= lı́m 2
= lı́m = lı́m =
x→0 x x→0 3x x→0 6x 6 x→0 x 6
La existencia del último lı́mite garantiza la cadena de igualdades. 4
tg( π
2 −x)
Ejemplo Calcular lı́m+ ln x .
x→0
+∞ tg( π −x)
Como las funciones del cociente son derivables cerca de 0+ , y ln2 x → −∞ , aplicando l’Hôpital
−1
π π
tg( −x) cos2 ( −x) −
= lı́m+ cos2−x 0 −1 −1

lı́m+ ln2 x = lı́m+ ( π −x) = 0+ = lı́m+ 2 cos( π −x)(− sen( π −x))(−1) = ( 0+ ) = −∞
2
x→0
1
x→0 x x→0 2 x→0 2 2 4
2 2
Ejemplo Sabemos que lı́m x2 −x = 1 , y usando l’Hôpital lı́m x2 −x = lı́m 2x−1
= lı́m 2
=1 4
x→+∞ x +3x x→+∞ x +3x x→+∞ 2x+3 x→+∞ 2
Añadamos un resultado que puede parecer irrelevante, pero que resulta de utilidad para las funciones defi-
nidas a trozos:
Proposición 159.- Sea f : (a, b) −→ R tal que f es continua en x0 ∈ (a, b) , f es derivable en un entorno
reducido de x0 , y existen los lı́m+ f 0 (x) y lı́m− f 0 (x) . Entonces:
x→x0 x→x0
f es de derivable en x0 si y sólo si lı́m+ f 0 (x) = lı́m− f 0 (x) .
x→x0 x→x0
Demostración:
Por ser f continua en x0 , f (x) → f (x0 ) cuando x → x0 y, por ser derivable, puede aplicarse la Regla de
L’Hôpital para obtener las igualdades de lı́mites siguientes:
f (x) − f (x0 ) f 0 (x) f (x) − f (x0 ) f 0 (x)

lı́m+ = lı́m+ = lı́m+ f 0 (x) lı́m− = lı́m− = lı́m− f 0 (x)
x→x0 x − x0 x→x0 1 x→x0 x→x0 x − x0 x→x0 1 x→x0
f (x)−f (x0 ) f (x)−f (x0 )

Entonces, si f es derivable en x0 , f 0 (x0 ) = lı́m− x−x0 = lı́m+ x−x0 y lı́m+ f 0 (x) = lı́m− f 0 (x) .
f (x)−f (x0 )
0
Recı́procamente, si lı́m+ f (x) = lı́m− f (x), entonces lı́m− 0
x−x0 = lı́m+ f (x)−f
x−x0
(x0 )
y existe el lı́mite
global, por lo que f es derivable en x0 y f 0 (x0 ) = lı́m+ f (x) = lı́m− f (x) . 0 0
x→x0 x→x0

x, si x ≥ 0
Ejemplos ? La función f (x) = |x| = no es derivable en x = 0 . En efecto, es continua en
−x, si x < 0
x = 0 y derivable en R − {0}, y como lı́m+ f (x) = lı́m+ 1 = 1 6= lı́m− f 0 (x) = lı́m− −1 = −1 , la función
0
x→0 x→0 x→0 x→0
no es derivable en el punto.
2
x , si x ≥ 0
? La función f (x) = es derivable en x = 0 . En efecto, es continua en x = 0 y derivable en
−x2 , si x < 0
R − {0} , y como lı́m+ f (x) = lı́m+ 2x = 0 = lı́m− f 0 (x) = lı́m− −2x = 0 , la función es derivable en el
0
x→0 x→0 x→0 x→0
punto y f 0 (0) = 0 . 4
7.2.1 Teorema de la función inversa

El siguiente teorema garantiza de modo sencillo la existencia de función inversa en un conjunto y procura un
método para obtener las derivadas de la inversa aunque no conozcamos su expresión.
Teorema de la función inversa 160.- Sea f : [a, b] −→ R continua en [a, b] y derivableen (a, b) , con f 0 > 0 ó
f 0 < 0 en (a, b) . Entonces f admite función inversa derivable en (a, b) y (f −1 )0 f (x) = f 01(x) . .
Corolario 161.- Si f es estrictamente creciente (resp. estrictamente decreciente), su inversa f −1 es estricta-

mente creciente (resp. estrictamente decreciente)
Demostración:
Como (f −1 )0 f (x) = 1
, su signo es el mismo que el de f 0 .

f 0 (x)
Corolario 162.- Si f 0 es continua, entonces la derivada de la inversa es también continua.
Ejemplo La función f (x) = tg x es continua y derivable en (− π2 , π2 ) , con f 0 (x) = 1 + tg2 x que es mayor que
cero en cada punto. Luego f es estrictamente creciente en el intervalo y su función inversa arctg: R −→ (− π2 , π2 )
es también estrictamente creciente y (f −1 )0 (tg(x)) = 1+tg
1
2 x luego haciendo y = tg x , se obtiene que
1
(f −1 )0 (y) = (arctg y)0 = 4
1 + y2
Ejemplo La función f (x) = sh(x) es continua y derivable en R, con f 0 (c) = ch(x) que es continua y mayor
que cero en el conjunto. Luego admite inversa en R y su función inversa argsh: R −→ R tiene también derivada
continua. Como (f −1 )0 (sh(x)) = ch(x)
1
haciendo y = sh(x) y usando que ch2 x − sh2 x = 1 , se tiene
1
(f −1 )0 (y) = (argsh y)0 = p 4
1 + y2
Inversas de las demás funciones trigonométricas e hiperbólicas

f (x) = sen x tiene por inversa en [− π2 , π2 ] a arcsen: [−1, 1] −→ [− π2 , π2 ] y (arcsen y)0 = √ 1
1−y 2
f (x) = cos x tiene por inversa en [0, π] a arccos: [−1, 1] −→ [0, π] y (arccos y)0 = √−1
1−y 2
f (x) = ch x tiene por inversa en [0, +∞) a argch: [1, +∞) −→ [0, +∞) y (argch y)0 = √ 1
y 2 −1
f (x) = th x tiene por inversa en R a argth: (−1, 1) −→ R y (argth y)0 = 1

1−y 2
7.2.2 Representación gráfica de funciones (1)

A lo largo de este tema (y también en el anterior) hemos obtenido resultados sobre el comportamiento de la
función: continuidad, monotonı́a, extremos, . . . . Resultados que también se reflejan en la gráfica de la función,
y que vamos a utilizar, para realizar un esbozo de la misma. La representación gráfica será más completa tras
el tema siguiente sobre las derivadas de órdenes superiores.
7.2.2.1 Monotonı́a y extremos locales

Basta para ello reunir algunos de los resultados ya obtenidos, en particular: uso del signo de la derivada para
el crecimiento de la función, la condición necesaria de extremos locales, la condición suficiente de extremo que
se da en la Proposición 151.
Para el estudio del signo de la función derivada, si esta es continua, puede resultar útil el Teorema de Bolzano.
Si f 0 (c) = 0 y f 0 (d) = 0 , f 0 continua en [c, d] y no se anula en ningún otro punto, el signo de
f 0 (x) es el mismo para todos los x ∈ (c, d) .
En efecto, si dos puntos de (c, d) , x1 y x2 , con x1 < x2 , verifican que f 0 tiene signos distintos, por ser
continua, tendrı́a que existir un punto x0 ∈ (x1 , x2 ) en el que f 0 (x0 ) = 0 en contra de que no se anula en
ningún punto más del conjunto. Luego todos tienen el mismo signo y para conocerlo basta con calcularlo en
uno de los puntos.
3x4 −8x3 r
Ejemplo La función f (x) = 16 es continua en [−1, 3] y derivable en
2
(−1, 3) ; su derivada en (−1, 3) es f (x) = 3x (x−2)
0
4 y se anula únicamente
en x = 0 y x = 2 . Como la función derivada f 0 (x) = 43 x2 (x − 2) es continua r
en (−1, 3) y en (−1, 0] sólo se anula en 0 , tiene el mismo signo en todos los
puntos de (-1,0); como f 0 ( −1 −15 r
2 ) = 32 < 0 en (−1, 0) es siempre negativa y
la función f es decreciente en (−1, 0) .
f 0 (x) es continua en [0, 2] y sólo se anula en los extremos, luego tiene el r
mismo signo en (0, 2) . Como f 0 (1) = −3 4 < 0 es siempre negativa y f es
decreciente en (0, 2) .
f 0 (x) es continua en [2, 3) y sólo se anula en 2, luego tiene el mismo signo en (2, 3) . Como f 0 ( 25 ) = 75
32 > 0 es
siempre positiva y f es creciente en (2, 3) .
Los únicos puntos “candidatos” a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada y
se anula), y los puntos x = −1 y x = 3 donde la función no es derivable por ser extremos del dominio.
Como f es continua en −1 y es decreciente en (−1, 0) , f (−1) es un máximo local. Como f es continua
en 0 y es decreciente en (−1, 0) y decreciente en (0, 2) , f (0) no es un extremo. Como f es continua en 2 y es
decreciente en (0, 2) y creciente en (2, 3) , f (2) es un mı́nimo local. Como f es continua en 3 y es creciente en
(2, 3) , f (3) es un máximo local. 4
7.2.2.2 Concavidad y convexidad

Hemos visto en la condición necesaria de extremo local cómo, cuando es derivable, la derivada en el punto es
cero; o lo que es lo mismo, la recta tangente a la gráfica en el punto es horizontal. Si el extremo es un máximo,
para valores cercanos al punto los valores de la función son menores que el máximo local luego, gráficamente,
los puntos de la gráfica están por debajo de la recta tangente; y si es un mı́nimo los puntos de la gráfica están
por encima de la recta tangente. Pero, también eso puede ocurre en cualquier otro punto (ver la gráfica que
ilustra los teoremas de Rolle y del valor medio de Lagrange en pág 70) y nos lleva a las definiciones de función
cóncava y convexa.
Aunque pueden darse definiciones para las que no es necesaria la derivación (mejores y menos restrictivas que
éstas), las que damos a continuación son sencillas de introducir y más que suficientes para el uso que haremos
de los conceptos, pero también incorporann herramientas para una fácil manipulación.
Definición 163.- Diremos que una función f : (a, b) −→ R , derivable en x0 ∈ (a, b) es convexa en el punto x0
si f (x) ≤ f (x0 ) + f 0 (x0 )(x − x0 ) para los x de algún entorno de x0 .
Diremos que es cóncava en x0 si f (x) ≥ f (x0 ) + f 0 (x0 )(x − x0 ) para los x de algún entorno de x0 .
Diremos que es cóncava o convexa es un intervalo si lo es en cada punto.
Un punto de continuidad se dice de inflexión si la función cambia de concavidad en él.
Nota: En otras palabras, diremos que es convexa (cóncava) en x0 si, cerca de x0 , la gráfica de la función está
por debajo (encima) de la recta tangente en el punto. Con los comentarios hechos en la introducción de este
apartado, en los máximos donde la función sea derivable la función es convexa y en los mı́nimos cóncava.
Ejemplo La función f (x) = x2 es cóncava en cada punto de R. Como es derivable en cada punto x = a y
f 0 (x) = 2x , se cumple que f (x) − f (a) + f 0 (a)(x − a) = x2 − a2 − 2a(x − a) = x2 − 2ax + a2 = (x − a)2 ≥ 0
para todo x , luego f (x) ≥ f (a) + f 0 (a)(x − a) y es cóncava en cada punto.
Ejemplo La función f (x) = x2 (x − 3) , es convexa en x = 0 , cóncava en x = 3 y presenta un punto de
inflexión en x = 1 .
En efecto, consideremos la función ga (x) = f (x) − (f (a) + f 0 (a)(x − a)) entonces, si ga (x) ≥ 0 en algún
entorno de a es cóncava en a, si ga (x) ≤ 0 en algún entorno de a es convexa en a y si ga (x) cambia de signo
en a es un punto de inflexión. Como ga (a) = 0 y es derivable (pues f lo es), veamos como se comporta cerca
de cada uno de los puntos indicados:
? En x = 0 , se tiene g00 (x) = 3x(x − 2) , por lo que es positiva antes

de 0 y negativa depués (y g0 es creciente antes de 0 y decreciente
depués) luego g0 (x) ≤ g0 (0) = 0 en algún entorno de 0.
q q
? En x = 3 , se tiene g30 (x) = 3(x + 1)(x − 3) , por lo que es negativa
antes de 3 y positiva depués (y g3 es decreciente antes de 3 y
creciente depués) luego g3 (x) ≥ g3 (3) = 0 en algún entorno de 3.
q
? En x = 1 , se tiene g10 (x) = 3(x − 1)2 , por lo que es positiva antes
de 1 y también depués (y g1 es creciente antes de 1 y creciente
depués) luego g1 (x) ≤ g1 (1) = 0 para los x menores que 1 y
g1 (x) ≥ 0 para los x mayores que 1.
Luego es convexa en x = 0 , cóncava en x = 3 y tiene un punto de inflexión en x = 1 . 4
7.3 Ejercicios
7.76 Aplicar las reglas de derivación, para encontrar la expresión de f 0 en:
√ q q
a) f (x) = √x−1 b) f (x) = x−1
c) f (x) = √x−1
x+1 x+1 x+1
√
d) f (x) = ln x e) f (x) = ln(sen x) f) f (x) = (ln(2 − x2 ))−1
−5
3
2+x
g) f (x) = arctg x2 h) f (x) = ln(arccos(tg(x2 ))) i) f (x) = √x−1
x+1
7.77 Encontar la expresión de las funciones derivadas, indicando el conjunto donde tienen validez:
√ 4
√1 x x x5
a) f (x) = x
b) f (x) = x2 +1 c) f (x) = (x+1)3
√ p
d) f (x) = x2 − 2x e) f (x) = ln |x| f) f (x) = − |x| − x
7.78 Hallar la recta tangente a las gráficas de las funciones siguientes en los puntos que se indican:
a) f (x) = x3 − x , en x = 0 y en x = 1 .
1
b) f (x) = e x2 , en x = −1 y en x = 0 .
√ √ +
c) f (x) = 2 − x2 , en x = 1 y en x = − 2 .
7.79 Probar que la parábola y = (x + 1)2 + 1 tiene recta tangente en todos sus puntos.
¿En qué puntos la recta tangente pasa por (0, 0) ?
7.80 Usar la regla de L’Hôpital, para calcular
x2 −4 x3 +23 7x3 +4x

a) lı́m
x 2 (2+x) b) lı́m c) lı́m 2 −2x3
x→−2 x→−2 x+2 x→0 3x−x
7x3 +4x 2
x+ex −1
d) lı́m 3x−x 2 −2x3 e) lı́m ln(cos
x2
x)
f) lı́m senarctg x
x→∞ x→0 x→0
ln(x2 ) cos x
g) lı́m h) lı́m 2x−π i) lı́m (x + 1)( π2 − arctg(2x))
x→1 x−1 x→ π 2
x→∞
ex
j) lı́m
x 6 k) lı́m xα ln |x| α∈R l) lı́m lnαx α∈R
x→∞ x→0 x→∞ x
−1
1 1
m) lı́m ln x − x−1 n) lı́m xsen x o) lı́m (x2 + 1) x2
x→1 x→0+ x→∞
7.81 Estudiar la derivabilidad y obtener las derivadas, de las funciones del ejercicio 6.70.
7.82 Obtener las ası́ntotas de las funciones del ejercicio 6.70.

1+4x

arctg 4x2 , si x 6= 0
7.83 Estudiar la continuidad y derivabilidad de la función f (x) = π , e indicar sus intervalos
2 , si x=0
de crecimiento y decrecimiento. ¿Tiene ası́ntotas?
7.84 Para las funciones f , g y h del ejercicio 6.72:
a) Estudiar su derivabilidad en los puntos del dominio.

b) Dar la expresión de las funciones derivadas.
c) Obtener los intervalos de monotonı́a.
d) Estudiar la existencia de extremos locales.
e) Estudiar la existencia de ası́ntotas.
f) Estudiar la continuidad y derivabilidad de las funciones f 0 , g 0 y h0 .
√
x x
7.85 Hallar los extremos locales y globales de f (x) = x2 +1 en [1, 3] y en [0, +∞) .
7.86 Estudiar la monotonı́a de f (x) = x − sen x en [0, π] y deducir de ello que x ≥ sen x en [0, π] .
7.87 Probar que:
a) Si f es una función estrictamente creciente, entonces

f ◦ g alcanza un máximo/mı́nimo en a ⇐⇒ h alcanza un máximo/mı́nimo en a
b) Si f es una función estrictamente decreciente, entonces
f ◦ g alcanza un máximo/mı́nimo en a ⇐⇒ g alcanza un mı́nimo/máximo en a
7.88 Usar los resultados del ejercicio 7.87, para encontrar los extremos locales de las funciones
x+1
1
a) f (x) = e x2 +3 b) f (x) = √
(x2 −5)2 +x2
7.89 Si f es par y alcanza un extremo en x = a, ¿alcanzará también un extremo en x = −a ?

¿Que ocurrirá si f es impar? ¿Y si es periódica de periodo T ?
7.90 Problema: Con una cuerda atamos una vaca al exterior de un edificio de planta cuadrada situado en el
centro de un prado. Si la longitud de la cuerda es la misma que el lado del edificio, ¿en qué punto debemos
atar la vaca para que tenga la mayor área posible de pasto? ¿y la menor?
Modelado del problema: Representamos el edificio por un cuadrado de lado L, por ejemplo él de vértices
(0, 0) , (L, 0) , (L, L) y (0, L) .
Como el edificio es cuadrado, ocurre lo mismo en cada lado, por lo que basta estudiar uno de los lados,
por ejemplo el lado inferior (el segmento {(x, 0) : x ∈ [0, L]} ).
Luego, para cada x ∈ [0, L] , debemos encontrar un función f que asigne a cada x el área buscado, es
decir, tal que f (x) = área-abarcado-atando-en-x .
La solución del problema se obtiene encontrando los puntos donde de alcancen el máximo y el mı́nimo
global de f en el intervalo [0, L] .
a) Resolver el problema planteado.

b) Repetir el problema para una cuerda de longitud la mitad del perı́metro del edificio.
7.91 Descomponer 100 en dos sumandos tales que el cuádruplo del primero más el cuadrado del segundo sea
mı́nimo.
7.92 Hallar dos números cuya suma sea a , de modo que la suma de la cuarta potencia de uno, más el cuadrado
del otro, sea máxima.
7.93 Entre todos los rectángulos de área 50, ¿cuál es el de perı́metro mı́nimo? ¿y máximo?
7.94 Sean los triángulos rectángulos que tienen la suma de los catetos constante (e igual a k ). ¿Cuál de ellos
tiene área máxima?
7.95 Dado un triángulo isósceles de base 8 cm y altura 5 cm, hallar las dimensiones de un rectángulo inscrito
en él de área máxima.
7.96 Un prisma de 15 cm de altura tiene como base un triángulo rectángulo de hipotenusa igual a 10 cm.
Calcular las longitudes de los catetos para que el volumen sea máximo.
7.97 De entre todos los cilindros con volumen 100π cm 3 , escoger el de área lateral máxima. ¿Cuál es el de
área total máxima?
7.98 Hallar las distancias mı́nima y máxima del punto (1, 1) a la circunferencia (x − 2)2 + (y − 2)2 = 9 .
7.99 Hallar, las dimensiones del cilindro de volumen máximo inscrito en una esfera de radio R
7.100 Hallar, las dimensiones del cilindro de área total máxima inscrito en una esfera de radio R
7.101 Un pescador en bote de remos se encuentra, mar adentro, a una distancia de 2 km. del punto más cercano
de una playa recta y desea llegar a otro punto de la playa a 6 km. del primero. Suponiendo que se puede
remar a una velocidad de 3 km/h. y caminar a 5 km/h, ¿qué trayectoria debe seguir para llegar a su
destino en el menor tiempo posible? Si tiene una lancha que viaja a 15 km/h, ¿qué trayectoria debe seguir
ahora?
7.102 Hay que cortar un hilo de longitud L en dos trozos. Con uno de ellos se forma un cı́rculo, y con el otro
un cuadrado. ¿Cómo hay que cortar el hilo para que la suma de las áreas sea máxima? ¿Y para que sea
mı́nima?.
7.103 Un camión ha de recorrer 300 kms en una carretera llana a una velocidad constante de x km/h. Las leyes
de circulación prescriben para la velocidad un máximo de 60 km/h y un mı́nimo de 30 km/h. Se supone
x2
que el carburante cuesta 3 duros/litro y que el consumo es de 10 + 120 litros por hora. El conductor cobra
10 duros por hora. Teniendo en cuenta que la empresa paga al conductor y el carburante, a qué velocidad
tendrá que viajar el camión para que el dinero desembolsado por la empresa sea mı́nimo.
7.104 Sea f (x) una función derivable en todo R , cuya gráfica es simétrica respecto al eje OY .
a) Estudiar la paridad (simetrı́a) de f 0 (x) .

b) Determinar, si es posible, f 0 (0) .
7.105 Sea f una función de clase 1 (derivable con derivada continua) en la recta real R. Supongamos que f
tiene exactamente un punto crı́tico x0 que es un mı́nimo local estricto de f . Demostrar que x0 también
es un mı́nimo absoluto para f .
Capı́tulo 8
Polinomios de Taylor
Hemos visto el uso de la derivada como aproximación de la función (la recta tangente) y como indicadora del
comportamiento de la función (monotonı́a). En este tema veremos las derivadas de órdenes superiores para
mejorar estos usos.
Una definición usada cuando se manejan derivadas de órdenes superiores es la siguiente:
Definición 164.- Se dice que f es una función de clase 1 (o que es C 1 ) es x0 si es derivable en el punto y su
derivada es continua en el punto. En general, se dice de clase m (o C m ) si admite derivada hasta orden m
y son todas continuas.
Si admite derivadas de cualquier orden y todas son continuas, se dice de clase ∞ (C ∞ ).
Ejemplos ? f (x) = ex es continua y derivable en R y su derivada es f 0 (x) = ex continua en R, luego es

C 1 en R. Como su derivada es ella misma, vuelve a ser derivable y su derivada continua y, sucesivamente,
es en realidad de C ∞ .
? Los polimonies son de clase ∞ es R. En efecto, son continuos y derivables, y su derivada es un polinomio,
que vuelve a ser continua y derivable, etc.
? Las funciones seno y coseno son C ∞ , pues salvo signos una es la derivada de la otra y son continuas y
derivables. 4
8.1 Polinomios de Taylor

Cuando en el cálculo de lı́mites usamos L’Hôpital o algunos infinitésimos, estamos sustituyendo el comporta-
miento de la función cerca del punto por el de su recta tangente. Ésta aproximación que usamos, coincide
con la función en su valor y el valor de la derivada en el punto; los polinomios de Taylor que construiremos a
continuación se toman para que coincida con la función en todas las derivadas.
Definición 165.- Lamaremos polinomio de Taylor de grado n para la función f en el punto a , y
lo denotaremos por Pn,a , al polinomio:
n
f 0 (a) f 00 (a) f (n) (a) X f (k) (a)
Pn,a (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n = (x − a)k
1! 2! n! k!
k=0
Los polinomios de Taylor en el punto a = 0 , suelen denominarse polinomios de McLaurin.
Nota: Observamos que el polinomio de grado 1, P1,a (x) =

0 f (x) = sen(x)
f (a) + f 1!(a) (x − a) es la recta tangente a f en el punto a, P1, 2π (x)
r
3
de manera que los polinomios de Taylor serán una especie P2, 2π (x)
de “polinomios tangentes” a la función en el punto. Al 3
tener mayor grado que la recta tangente se espera que se P3, 2π (x)
3
parezcan más a la función que ésta, aunque dado que para P4, 2π (x)
3
su construcción únicamente usamos los valores de f y sus
derivadas en el punto a , será una aproximación local (cerca
de a ).
(k)
En efecto, para todo k = 1, . . . , n , se cumple que Pn,a (a) = f (k) (a) :
f 0 (a) f 00 (a) f 000 (a) f (n−1) (a) (n)
Pn,a (x) = f (a) + 1
1! (x − a) + 2! (x − a) +
2 3
3! (x − a) + · · · + (n−1)! (x − a)
n−1
+ f n!(a) (x − a)n
00 000 (n−1) (n)
0
Pn,a (x) = f 0 (a) + f 1!(a) (x − a)1 + f 2!(a) (x − a)2 + · · · + f (n−2)! (a)
(x − a)n−2 + f(n−1)! (a)
(x − a)n−1
000 (n−1) (n)
00
Pn,a (x) = f 00 (a) + f 1!(a) (x − a)1 + · · · + f (n−3)! (a)
(x − a)n−3 + f(n−2)! (a)
(x − a)n−2
(n−1) (n)
000
Pn,a (x) = f 000 (a) + · · · + f (n−4)!(a)
(x − a)n−4 + f(n−3)! (a)
(x − a)n−3
78 – Fundamentos de Matemáticas : Cálculo diferencial en R 8.1 Polinomios de Taylor
··· ···
(n−1) f (n) (a)
Pn,a (x) = f (n−1) (a) + 1! (x − a)1
(n)
Pn,a (x) = f (n) (a)
(k)
Y sustituyendo, se ve que Pn,a (a) = f (k) (a) , para todo k .
Ejemplo La función f (x) = sen x es C ∞ en R, y sus derivadas son f 0 (x) = cos x , f 00 (x) = − sen x ,
f (3) (x) = − cos x y f (4) (x) = sen x = f (x) de nuevo, luego f (0) = 0 , f 0 (0) = 1 , f 00 (0) = 0 , f (3) (0) = −1 y se
repiten f (4) (0) = f (0) = 0 , f (5) (0) = f 0 (0) = 1 , etc. Por lo que
x3 5 7
1
P7,0 (x) = 0+ 1! 0
(x−0)+ 2! (x−0)2 + −1 3 0 4 1 5 0 6 −1 7
3! (x−0) + 4! (x−0) + 5! (x−0) + 6! (x−0) + 7! (x−0) =
x
1! − 3! + x5! − x7!
es su polinomio de Taylor de grado 7 en x = 0 . 4
Por la propia contrucción de los polinomios de Taylor, resulta evidente el siguiente resultado
Proposición 166.- Si P (x) es el polinomio de Taylor de grado n de f en a, entonces P 0 (x) es el polinomio
de Taylor de grado n − 1 de f 0 en a .
Ejemplo La función f (x) = cos x es la derivada del seno y el polinomio de Taylor de g(x) = sen x en 0 de
3 5 7
x
grado 7 es P (x) = 1! − x3! + x5! − x7! . Entonces, el polinomio de MacLaurin de grado 6 de f (x) = cos x en 0 ,
2 4 6
es P6,0 = P 0 (x) = 1 − x2! + x4! − x6! . 4
Como es habitual, la obtención de polinomios de Taylor se amplia con las operaciones algebraicas básicas:
Propiedades 167.- Sean f y g dos funciones y Pn,a y Qn,a los polinomios de Taylor de grado n en a
respectivos. Se tiene
1.- El polinomio de Taylor de grado n para f + g en a es Pn,a + Qn,a
2.- El polinomio de Taylor de grado n para f g en a es la parte hasta grado n del polinomio producto de
Pn,a y Qn,a .
3.- El polinomio de Taylor de grado n para f /g en a se obtiene dividiendo el polinomio Pn,a entre el
polinomio Qn,a , pero ordenados de la potencia menor a la potencia mayor, hasta llegar al grado n en el
cociente.
Proposición 168.- Si Pn,a es el polinomio de Taylor de grado n para f en a y Qn,f (a) es el polinomio de
Taylor de grado n para g en f (a) , entonces el polinomio de Taylor de grado n para g ◦ f en a se obtiene
tomando la parte hasta el grado n del polinomio Qn,f (a) [Pn,a (x)] , composición de los de f y g .
Nota: La división entre polinomios comenzando por los

términos de menor grado a que se hace referencia en el 1 +2x 1 + x2
2
resultado anterior, la vemos ejemplificada a la derecha, −1 −x 1 + 2x − x2 − 2x3
2
dividiendo 1+2x entre 1+x2 . Nos hemos detenido tras 2x −x
obtener 4 términos del cociente, pero se puede dividir −2x −2x3
tanto como se quiera, mientras el resto no se anule. −x −2x3
2
Puede comprobarse que es cierto que x2 +x4

−2x +x4
3
1 + 2x 2 3 x4 + 2x5 2x3 +2x5

= 1 + 2x − x − 2x + x +2x5
4
1 + x2 1 + x2
Ejemplo Obtener el polinomio de Taylor de grado 3 en 0 de f (x) = sen x + cos x , g(x) = sen x cos x y
x3
h(x) = tg x = sen x
cos x . Como el polinomio de McLaurin de grado 3 de sen x es P (x) = x − 3! y el de cos x es
2
Q(x) = 1 − x2! , se tiene
x2 x3
? P (x) + Q(x) = 1 + x − 2! − 3! es el polinomio de McLaurin de grado 3 de f .
x3 x3 x5 4x3
? P (x)Q(x) = x − 3! − 2! + 2!3! , luego x − 3! es el polinomio de McLaurin de grado 3 de g .
79 – Fundamentos de Matemáticas : Cálculo diferencial en R 8.1 Polinomios de Taylor
3 x3 x5 x7
P (x) x− x6 x3 x3 x5 x3
? Q(x) = 2 = x+ 3
2 = x+ 3 + 6
2 = x+ 3 + 6 + 12
2 , luego x + 3 es el polinomio de
1− x2 1− x2 1− x2 1− x2
McLaurin de grado 3 de h. 4
Ejemplo El polinomio de Taylor de grado 4 de f (x) = x2 en 0 es P (x) = x2 y el polinomio de Taylor de

2 3 4
x
grado 4 de g(x) = ex en f (0) = 0 es Q(x) = 1 + 1! + x2! + x3! + x4! , luego el polinomio de Taylor de grado 4
2 2 4 6 8
de (g ◦ f )(x) = ex será: la parte hasta grado 4 del polinomio Q(P (x)) = 1 + x1! + x2! + x3! + x4! , es decir, el
2 4
polinomio 1 + x1! + x2! . 4
Un primer resultado en el sentido de que el polinomio de Taylor es una buena aproximación de la función f
en un entorno del punto:
Proposición 169.- Sea f es una función de clase C n−1 en un entorno de a y existe f (n) (a) . Sea Pn,a (x) el
polinomio de Taylor de grado n para la función f en el punto a, entonces:
f (x) − Pn,a (x)

lı́m =0
x→a (x − a)n
Demostración:
Basta aplicar L’Hôpital sucesivamente al lı́mite siguiente ( n − 1 veces, que es aplicable por tener la función y
el polinomio de Taylor las mismas derivadas en el punto), y tener en cuenta que existe f (n) (a) :
f (x) − Pn,a (x) f 0 (x) − Pn,a
0
(x) f 00 (x) − Pn,a
00
(x)
lı́m n
= lı́m n−1
= lı́m = ···
x→a (x − a) x→a n(x − a) x→a n(n − 1)(x − a)n−2
(n)
(n−1)
f (n−1) (x) − f (n−1) (a) + f 1!(a) (x − a)

f (n−1) (x) − Pn,a (x)
= lı́m = lı́m
x→a n · · · 2(x − a) x→a n · · · 2(x − a)
(n−1) (n−1)
1 f (x) − f (a) 1
= lı́m − f (n) (a) = f (n) (a) − f (n) (a) = 0
n! x→a x−a n!
Nota: El resultado nos indica que la diferencia entre f (x) y Pn,a (x) se hace pequeña cuando x es cercano a
a incluso en comparación con (x − a)n , con lo que los polinomios de Taylor aproximan muy bien a la función,
casi puede decirse que “reproducen” la función cerca del punto. Por ello, el uso de los polinomios de Taylor en
este sentido, es uno de los métodos más sencilos para evaluar funciones de forma aproximada.
Es obvio, que si aumentamos el orden del polinomio se pro- 1
f (x) = 1+x 2
P0,0 (x) = 1
duce una mejor aproximación, no solo porque el valor del
polinomio en un punto sea más cercano al valor real de la P2,0 (x) = 1 − x2
r
función (“mejor” aproximación) sino también porque pue-
P4,0 (x) = 1 − x2 + x4
den aumentar los puntos para los cuales la aproximación
es “buena”. No obstante ésto no es lineal, es decir, no por P6,0 (x) = 1 − x2 + x4 − x6
aumentar mucho el grado del polinomio vamos a conseguir P8,0 (x) = 1 − x2 + x4 − x6 + x8
una buena aproximación en todo el dominio.
En la figura aneja, podemos ver un ejemplo de lo que estamos diciendo, por mucho que aumentemos el orden
de los polinomios de Taylor en x = 0 la función f (x) = x21+1 no puede aproximarse para los valores de x fuera
de (−1, 1) . Por ello, decimos que las aproximaciones de Taylor son aproximaciones locales.
8.1.1 Fórmula de Taylor.

Todas estas ideas y comentarios sobre la aproximación de funciones con polinomios quedan de manifiesto con
la obtención de la Fórmula de Taylor, que relaciona con igualdad la función y el polinomio de Taylor:
Fórmula de Taylor 170.- Si para una función f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] .
Entonces,
f (n+1) (c)
f (x) − Pn,a (x) = (x − a)n+1 para un cierto c ∈ (a, x),
(n + 1)!
llamado resto de Lagrange, o también
f (n+1) (c)
f (x) − Pn,a (x) = (x − c)n (x − a) para un cierto c ∈ (a, x),
n!
que se denomina resto de Cauchy. .
80 – Fundamentos de Matemáticas : Cálculo diferencial en R 8.2 Representación de funciones (2)
Corolario 171.- Cualquier polinomio de grado n , P (x) = a0 + a1 x + · · · + an xn , se puede escribir como
P 0 (a) P (n) (a)

P (x) = P (a) + (x − a) + · · · + (x − a)n ∀a ∈ R
1! n!
La Fórmula de Taylor y el hecho de que la derivada de orden n + 1 para un polinomio de grado n es cero,
garantiza la igualdad de los dos polinomios del corolario. Pero también, la igualdad propuesta por la Fórmula
de Taylor, nos permitirá sustituir la función por el polinomio de Taylor en el cálculo de lı́mites; esta sustitución
amplı́a el uso de los infinitésimos equivalentes (que son casos simples de los polinomios de Taylor) eliminando
la restricción de su uso a los productos y cocientes.
3 sen(c)x4 3 sen(c)x4
sen x−x (x− x3! + )−x − x3! + 1 sen(c)x −1
Ejemplo lı́m x3 = lı́m x3
4!
= lı́m x3
4!
= lı́m − 3! + 4! = 6 4
x→0 x→0 x→0 x→0
Cuando aproximamos el valor real de una función en un punto cercano a a usando el polinomio de Taylor
de la función en a, con la Fórmula de Taylor podemos buscar una cota del error cometido. En efecto, al tomar
(n+1)
como valor de la función el del polinomio, el error cometido será f (x) − Pn,a (x) = f (n+1)!(c) (x − a)n+1 , para
algún
(n+1) c entre a y x , y aunque no conocemos el valor c, sı́ que podemos intentar acotar el valor del resto
n+1
(x − a)n+1 = |x−a|
f (c)
f (n+1) (c) .
(n+1)! (n+1)|
x3 sen(c)x4
Ejemplo Sabemos que sen(x) = x − 3! + 4! cerca de a = 0 , entonces si decimos que el valor de
(0.4)3 4 4
sen(0.4) ≈ (0.4) − = 0.389333 el error cometido lo podemos acotar con |sen(c)||0.4|
3! 4! ≤ 1·|0.4|
24 = 0.00106 .
Como sabemos que sen x < x, y como c ∈ (0, 0.4) , es mejor aproximación sen(c) < c < 0.4 que sen(c) ≤ 1 ,
4
|0.4|4
luego |sen(c)| |0.4|
4! < |0.4| 24 = 0.000426 es una cota del error cometido (el error real cometido es menor que
0.0001 ). 4
8.2 Representación de funciones (2)

Monotonı́a y extremos locales El siguiente resultado nos ofrece una condición suficiente que caracteriza
extremos locales, generalizada al uso de las derivadas de órdenes superiores:
Proposición 172.- Sea f una función de clase C n−1 en un entorno del punto a , para la que se cumple que
f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , y además existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mı́nimo local en a .
b) Si n es par y f (n) (a) < 0 , f presenta un máximo local en a.
c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a.
d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a. .
Ejemplo La función f (x) = x4 presenta un mı́nimo local en 0 , pues f 0 (0) = f 00 (0) = f 000 (0) = 0 y f (4) (0) =
24 > 0 siendo n = 4 par. Mientras que f (x) = x3 es estrictamente creciente en 0 , pues f 0 (0) = f 00 (0) = 0 y
f 000 (0) = 6 > 0 siendo n = 3 impar. 4
Concavidad y convexidad
Con la Fórmula de Taylor, la derivada segunda se convierte en la herramienta para el estudio de la concavidad
y convexidad:
Proposición 173.- Sea f : (a, b) −→ R.
a) Si f 00 (x) < 0 , ∀ x ∈ (a, b) , entonces f (x) es convexa en (a, b) .
b) Si f 00 (x) > 0 , ∀ x ∈ (a, b) , entonces f (x) es cóncava en (a, b) .
Demostración:
00
Sea x0 ∈ (a, b) , entonces: f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 2!(t) (x − x0 )2 para un cierto t entre x y x0 . Por
tanto, si f 00 < 0 en (a, b) ,
(x − x0 )2
f (x) − [f (x0 ) + f 0 (x0 )(x − x0 )] = f 00 (t) ≤0
2!
81 – Fundamentos de Matemáticas : Cálculo diferencial en R 8.2 Representación de funciones (2)
luego f es convexa ya que ésto se dará para todo x, x0 ∈ (a, b) , y significa que todos los puntos de la curva
están por debajo de la tangente a la curva en cualquier punto x0 ∈ (a, b) .
Análogamente, será cóncava si f 00 > 0 en (a, b) .
Ejemplo La función f (x) = x2 es cóncava en todos los puntos, pues f 00 (x) = 2 > 0 . Análogamente,
f (x) = −x2 es convexa en todo R. 4
Corolario 174.- Si f 00 (x) existe en un entorno de x0 y es continua en x0 , entonces una condición necesaria
para que x0 sea un punto de inflexión de f es que f 00 (x0 ) = 0 .
Demostración:
Si x0 es un punto de inflexión de f , entonces:
Si f es cóncava a la derecha de x0 (luego f 00 (x) > 0 en (x0 , b) ), será convexa a la izquierda de x0
(luego f 00 (x) < 0 en (a, x0 ) ), y viceversa.
Como f 00 es continua en x0 , se tiene que lı́m f 00 (x) = f 00 (x0 ) de donde puede concluirse que f 00 (x0 ) = 0 .
x→x0
Ejemplo f (x) = x3 presenta un punto de inflexión en x = 0 , pues es C 2 es R y f 00 (x) = 6x se anula en

x = 0 , por lo que verifica la condición necesaria. Como es continua en 0 y f 00 < 0 en (−∞, 0) y f 00 > 0 en
(0, ∞) es punto de inflexión. 4
8.2.1 Representación de funciones en forma explı́cita: y = f (x)

Dada una función y = f (x) , nos proponemos hacer su estudio y representación gráfica. Para ello se deben
estudiar en términos generales los siguientes aspectos:
1.- Dominio y continuidad de la función.
2.- Simetrı́as (par e impar) y periodicidad.
Definición 175.- Una función f se dice par si f (−x) = f (x) ( f simétrica respecto al eje OY ).
Una función f se dice impar si f (−x) = −f (x) ( f simétrica respecto al origen (0, 0) ).
Definición 176.- Una función f se dice periódica de periodo T , si T es el menor número real tal que
f (x + T ) = f (x) , ∀x .
3.- Comportamiento asintótico.

4.- Derivabilidad de la función.
5.- Intervalos de crecimiento y decrecimiento.
6.- Extremos locales y globales.

Generalmente, al estudiar una función f sobre un conjunto A va a interesar conocer los valores más
extremos que puede tomar f en la totalidad del conjunto A, es decir, el máximo global y el mı́nimo
global. Estos extremos globales (también llamados extremos absolutos) pueden existir o no, según sean
f y A; sin embargo el teorema de Weierstrass (Th. 142) garantiza, bajo ciertas condiciones su existencia.
Es claro que los extremos globales han de buscarse entre los extremos locales y los posibles valores de f
en la frontera de A.
7.- Intervalos de concavidad y convexidad.
8.- Puntos de inflexión.
8.2.2 Estudio de curvas dadas en forma paramétrica y polar

8.2.2.1 Curvas dadas en forma paramétrica: x = ϕ(t) , y = ψ(t) .
Dadas ϕ, ψ: A −→ R , si consideramos los puntos del plano de la forma (ϕ(t), ψ(t)) , para cada valor t ∈ A ,
estaremos representando
sobre el plano real una curva. Se dice que la curva viene dada por sus ecuaciones
x = ϕ(t)
paramétricas y al valor t se lo denomina parámetro.
y = ψ(t)
Si la función x = ϕ(t) admite inversa, t = ϕ−1 (x) , entonces y se podrá escribir como función de x ,
y = ψ(t) = ψ(ϕ−1 (x)) = f (x) y tendremos la curva representada por una función en forma explı́cita.
En general, aunque x = ϕ(t) no admita inversa para todo t , si admitirá inversa por “trozos” (al menos
siempre que ϕ0 (t) 6= 0 , por el Teorema de la función inversa), luego podremos suponer que a la curva en
paramétricas se le puede asociar, por trozos, alguna función en forma explı́cita.
Entonces, para estudiar una curva dada en paramétricas podemos usar los resultados conocidos para la
forma explı́cita. En efecto, supuesto y = ψ(t) = ψ(ϕ−1 (x)) = f (x) , se tiene que
? lı́m f (x) = y0 , si se cumple que lı́m ϕ(t) = x0 y lı́m ψ(t) = y0

x→x0 t→t0 t→t0
? f 0 (x) = ψ 0 [ϕ−1 (x)] · (ϕ−1 )0 (x) = ψ 0 (t)(ϕ−1 )0 (x) = ψ 0 (t) ϕ01(t)

h 0 i h 0 i h 0 i 00 0
ψ (t) d ψ (t) dt d ψ (t) (t)−ϕ00 (t)ψ 0 (t) 1
? f 00 (x) = dx
d
0
ϕ (t) = 0
dt ϕ (t) dx = dt ϕ0 (t) (ϕ ) (x) = ψ (t)ϕ (ϕ
−1 0
0 (t))2 ϕ0 (t)
luego todos los conceptos y resultados tratados para la representación en explı́citas son estudiables para las
paramétricas: continuidad, ası́ntotas, monotonı́a, extremos, convexidad, etc.
8.2.2.2 Curvas dadas en coordenadas polares

Sean O un punto del plano, al que llamaremos polo, y una semirrecta, llamada eje polar, que tiene su origen
en O . La posición de un punto cualquiera P del plano se determina por dos números: r y θ ; el primero de
ellos indica la distancia del punto P al polo y el segundo el ángulo formado por el eje polar y la recta OP . Los
números r y θ se denominan coordenadas polares del punto P . Si θ varı́a entre 0 y 2π , a todo punto P
distinto de O le corresponde un par, bien determinado, de números r y θ . El polo es el único punto cuyo r
vale 0 , aunque θ no está determinado.
Una curva en coordendas polares es un curva en el plano descrita por una ecuación r = f (θ) , una vez
fijados el polo y el eje polar.
Si tomamos el 0 = (0, 0) como poloy el semieje de abcisas positivo como eje polar, cada punto (x, y) del
x = r cos θ
plano viene descrito por las ecuaciones , por lo que para un estudio exhaustivo de una curva en
y = r sen θ
x = f (θ) cos θ
polares r = f (θ) , podemos realizar el estudio de la curva en paramétricas dada por . Aunque
y = f (θ) sen θ
para una representación sencilla de la curva basta la propia definición de las coordendas polares como distancia
al polo y ángulo recorrido.
8.3 Ejercicios
8.106 Escribir cada uno de los polinomios P (x) = x3 − 2x2 + 3x + 5 y Q(x) = 2x3 − 6x2 + 8 en potencias de
x − 2 y en potencias de x + 1 .
8.107 Construir un polinomio de grado menor o igual que 10 que verifique: P (7) = 1 , P 0 (7) = 2 , P 00 (7) = −3 ,
P (3) (7) = · · · = P (8) (7) = 0 , P (9) (7) = −1 , P (10) (7) = 5 . Hallar la ecuación de la recta tangente a la
gráfica de P (x) en el punto de abscisa x = 9 .
8.108 Probar que β es una raı́z de multiplicidad m del polinomio P (x) = an xn + · · · + a1 x + a0 si, y sólo si
P (β) = P 0 (β) = P 00 (β) = · · · = P m−1) (β) = 0 y P m) (β) 6= 0 .
8.109 Hallar los polinomios de Taylor de grado 4 de las funciones siguientes en los puntos indicados:
2
a) f (x) = 3−x en α = 1 b) f (x) = cos x en α = π2 c) f (x) = ln x en α = 1
3
x
d) f (x) = e en α = −1 e) f (x) = tg x en α = 0 f) f (x) = x 4 en α = 1
√
8.110 Construir la fórmula de Taylor para el polinomipo de grado 4 de f (x) = 3 + x en el punto 1 y obtener
√
una cota del error cometido al aproximar el valor 5 mediante el polinomio de Taylor de orden 4.
8.111 Construir la fórmula de MacLaurin de f (x) = ex . Si aproximo el valor de e−1 mediante un polinomio
de MacLaurin ¿qué grado tendrá que tener al menos, para que el error cometido sea menor que una
diezmilésima ( 10−4 )?
8.112 Construir la fórmula de Taylor de f (x) = ln x en el punto 1 . Dar el valor aproximado de ln 32 , con un
error menor que una diezmilésima.
√
8.113 Considerar los polinomios de MacLaurin de grado 4 de las funciones ex , sen x , cos x , x(1 − x) , 1 + x y
ln(1 + x) . Usar las operaciones con los polinomios de Taylor, para calcular los polinomios de MacLaurin
de grado 4 de:
a) sen x + cos x b) ex ln(1 + x) c) x(1 − x) ln(1 + x) d) x(1 − x) + ex

sen2 x 2
1
e) √1+x f) x(1−x)
√
1+x
g) sen x
ex + ln(1 + x) h) √ 1+x
+ cosex x
8.114 Usar los desarrollos limitados (polinomios de Taylor) de las funciones f y g en los puntos que se indican,
para encontrar los polinomios de Taylor de la composición pedidos:
a) f (x) = x2 en α = 0 y g(y) = ey en β = 0 , hallar el de g ◦ f en α = 0 de grado 8.
b) f (x) = 1 − x en α = 1 y g(y) = ln(1 − y) en β = 0 , hallar el de g ◦ f en α = 1 de grado 5.
c) f (x) = 2x en α = 0 y g(y) = sen y en β = 0 , hallar el de g ◦ f en α = 0 de grado 7.
1
d) f (x) = x2 en α = 0 y g(y) = (1 + y) 2 en β = 0 , hallar el de g ◦ f en α = 0 de grado 6.
e) f (x) = x2 + 4x + 5 en α = −2 y g(y) = ln y en β = 1 , hallar el de g ◦ f en α = −2 de grado 6.
8.115 Hallar los 4 primeros términos (no nulos) de los polinomios de Taylor de:
√ 1

1+x

a) 2 + x2 en α = 0 b) x(1+x) en α = 1 c) ln 1−x en α = 0
8.116 Probar que si Pn (x) es el polinomio de Taylor de grado n de f en α , entonces f (x)−f (α) y Pn (x)−f (α)
son infinitésimos equivalentes cuando x → α .
[Nota: De hecho, para los infinitésimos conocidos se ha tomado el término de menor grado de Pn (x) − f (α) ]
8.117 Hallar polinomios que sean infinitésimos equivalentes de las funciones:

√ π 1
a) 1−x − 1 cuando x → 0 b) 1−sen x cuando x → 2 c) x −1 cuando x → 1
8.118 Usar los polinomios de Taylor del grado necesario para calcular:

x(2+cos x)−3 sen x arctg x−tg x 1 2(1−ch x)
a) lı́m x5 b) lı́m x3 c) lı́m x + x3
x→0 x→0 x→0
x(1+a cos x)−b sen x

8.119 ¿Para qué valores de a y de b es finito el lı́mite: lı́m x3 ?
x→0
arctg x−tg x
8.120 Hallar n ∈ N tal que lı́m xn = k 6= 0 y finito.
x→0
ex − 1+ax
1+bx
8.121 Encontrar a y b para qué lı́m x3 sea finito.
x→0
1+x x(2+ax2 ) 8x7

8.122 Encontrar a y b para que ln( 1−x )− 1+bx2 sea equivalente a 175 cuando x tiende a cero.
ex +e−x −2
8.123 Encontrar una función equivalente, cuando x → 0 , a la función: g(x) = x2 − 1 y deducir que
lı́m g(x) = 0 .
x→0
√
8.124 Encontrar una función equivalente a la función f (x) = √x+2−2 − 3
cuando x tiende a 2 .
x+7−3 2
8.125 Probar que P (x) = x4 + 2x3 − 3x2 − 4x + 5 no tiene ninguna raı́z real.
x ln x
8.126 Se considera la función f (x) = definida en los intervalos (0, 1) y (1, ∞) .
x2 − 1
a) Probar que se pueden dar valores a f (0) y a f (1) para qué la función sea continua en 0 a la derecha
y para que f sea continua y derivable en 1 .
b) ¿Qué vale en 0 la derivada por la derecha supuesto dado a f (0) el valor del apartado anterior?.
xex
8.127 Dada la función f (x) = |ex −1| .
a) Definir la función f en el punto x = 0 de forma que f sea continua en dicho punto, si ello es posible.
b) Hallar las ası́ntotas de f .
8.128 Para las siguientes funciones, encuentra todas sus ası́ntotas e indica, mediante un esbozo gráfico, cómo se
aproxima la función a ellas.
√
x−1 (2x2 −2 2 x+1)2 1 1
a) f (x) = (x2 +4x)2 b) f (x) = 3
x −x c) f (x) = x − x−1
3
x 1 sen x
d) f (x) = 3x2 −2 − x e) f (x) = x f) f (x) = x tg x
8.129 Encuentra todas las ası́ntotas de las funciones siguientes:
√x+1 4√ x2 +2x sen x

a) f (x) = x2 −1
b) f (x) = 2−ln(x2 − 2 x+ 12 )
c) f (x) = √
x2 −1
d) f (x) = 1−cos x
8.130 Estudia las simetrı́as y periodicidad de las funciones de los ejercicios 8.128 y 8.129 anteriores.
8.131 Sea f : [0, 9] −→ R continua. Si f 0 : (0, 8)∪(8, 9) −→ R viene dada por la gráfica de abajo,
3
Estudiar: intervalos de monotonı́a y

2
concavidad, puntos crı́ticos y de in-
flexión de la función f (supondremos
1
b que existe f 00 en los puntos donde lo
parece).
0
1 2 3 4 5
Representar aproximadamente la
6 7 8 9
gráfica de f suponiendo f (x) ≥ 0 .
-1
b ¿Cuál es el dominio de f 00 y qué se
puede decir de ella?
-2
8.132 Estudiar las funciones siguientes y construir sus gráficas

√
a) f (x) = (x − 1)2 (x − 2) b) f (x) = 23 8 + 2x − x2 c) f (x) = 4 − x2 (x + 2)2
√ √
d) f (x) = x − 2 arctg x e) f (x) = x2 x + 1 f) f (x) = 3 x2 − x
5 3 2 4
x −10x +20x −15x+4 3+x 2x2 +3x−4
g) f (x) = 32 h) f (x) = x3 i) f (x) = x2
x x2 x2
j) f (x) = ln x k) f (x) = 2 − ln x l) f (x) = 2 ln |x|
−2x
m) f (x) = sen(3x) − 3 sen x n) f (x) = sen3 x + cos3 x o) f (x) = e sen(2x)
q
3 (x−1)5
8.133 Estudiar la función f (x) = (x+1)2 y construir su gráfica.
8.134 Dada la función f (x) = arcsen √ x+1

2
, se pide:
2(x +1)
a) Dominio y continuidad de f .
b) ¿Tiene ası́ntotas?
c) Ver que f no es derivable en x = 1 . Hallar la derivada a la derecha y a la izquierda del punto x = 1 .
d) Estudiar crecimiento y decrecimiento, extremos locales y globales de f .
e) Estudiar concavidad y los puntos de inflexión de f .
f) Representación gráfica de f y de f 0 .
Cálculo diferencial en R
Funciones, lı́mites y continuidad
Demostración de: Propiedades del valor absoluto 99 de la página 50
Propiedades del valor absoluto 99.-

−1
a) |a| ≥ 0 , ∀ a y |a| = 0 ⇐⇒ a = 0 b) |ab| = |a| |b| c) a−1 = |a|

d) |a| ≤ k ⇐⇒ −k ≤ a ≤ k e) |a + b| ≤ |a| + |b| f) |a| − |b| ≤ |a − b|

Demostración:
a) |a| ≥ 0 por la definición. Para la segunda parte, si |a| = 0 , o bien a = |a| = 0 , o bien a = − |a| = 0 ,
luego necesariamente a = 0 ; la otra implicación es obvia pues |0| = 0 .
b) Consideremos los casos: si a ≥ 0 y b ≥ 0 se tiene |ab| = ab = |a| |b| ; si a ≤ 0 y b ≤ 0 se tiene
|ab| = ab = (−a)(−b) = |a| |b|; y si a ≤ 0 y b ≥ 0 , entonces |ab| = −ab = (−a)b = |a| |b| .

c) De 1 = |1| = a−1 a = a−1 |a| , se obtiene el resultado.
d) Si |a| ≤ k , ó a = |a| ≤ k que cumple la segunda desigualdad ó −a = |a| ≤ k , pero entonces −k ≤ a y se

cumple la primera. Si −k ≤ a ≤ k , se tiene k ≥ −a ≥ −k , por lo que −k ≤ |a| ≤ k .
e) Como ∀ x , x ≤ |x| , ó |a + b| = a + b ≤ |a| + |b| , o bien |a + b| = −a − b ≤ |−a| + |−b| = |a| + |b| .
f) |a| = |a − b + b| ≤ |a − b| + |b|, luego |a| − |b| ≤ |a − b| ; y con b se tiene |b| − |a| ≤ |b − a| . Luego
− |a − b| = − |b − a| ≤ −(|b| − |a|) = |a| − |b| ≤ |a − b| y por d) se concluye la prueba
Lı́mites y continuidad
Demostración de: Proposición 116 de la página 56
Proposición 116.- Sean f, g, h: A −→ R y x0 un punto de acumulación de A .

1.- Si f (x) ≤ g(x) ≤ h(x) en A y lı́m f (x) = L = lı́m h(x) , entonces lı́m g(x) = L
2.- Si g está acotada en A y lı́m f (x) = 0 , entonces lı́m g(x) · f (x) = 0

x→x0 x→x0
Demostración:
1.- Si lı́m f (x) = L = lı́m h(x) , entonces para cada ε > 0 :

x→x0 x→x0
existe δ1 tal que si 0 < |x − x0 | < δ1 , entonces L − ε < f (x) < L + ε

existe δ2 tal que si 0 < |x − x0 | < δ2 , entonces L − ε < h(x) < L + ε
luego tomado δ = mı́n{δ1 , δ2 } , si 0 < |x − x0 | < δ , entonces L − ε < h(x) ≤ g(x) ≤ f (x) < L + ε .
2.- Si g está acotada, existe K > 0 tal que |g(x)| ≤ K , para todo x , luego se verifica que
0 ≤ |g(x)f (x)| ≤ K |f (x)| , para todo x
Por el apartado anterior, si probamos que lı́m K |f (x)| = 0 , entonces lı́m |g(x)f (x)| = 0 y se tiene que
x→x0 x→x0
lı́m g(x)f (x) = 0 (por la proposición 115).
x→x0
86 – Fundamentos de Matemáticas : Cálculo diferencial en R Anexo 1
Como lı́m f (x) = 0 ⇐⇒ lı́m |f (x)| = 0 , para cada ε > 0 existe δ > 0 , tal que si 0 < |x − x0 | < δ se
x→x0 x→x0
ε
verifica que |f (x)| < K . Entonces, si 0 < |x − x0 | < δ se tiene que
ε
|K |f (x)| − 0| = K |f (x)| < K =ε
K
lo que concluye la prueba.
Propiedades 117.- Si lı́m f (x) = L1 ∈ R y lı́m g(x) = L2 ∈ R , entonces:

x→x0 x→x0
a) lı́m [f (x) + g(x)] = lı́m f (x) + lı́m g(x) = L1 + L2 .

b) lı́m [f (x) · g(x)] = lı́m f (x) · lı́m g(x) = L1 · L2 .

lı́m f (x)
f (x) x→x0 L1
c) lı́m = = , siempre que L2 6= 0 .
x→x0 g(x) lı́m g(x)
x→x0
L2
Demostración:
1.- Por la definición de lı́mite, tenemos que

ε
lı́m f (x) = L1 ⇐⇒ para cada ε > 0 , ∃ δ1 > 0 tal que si 0 < |x − x0 | < δ1 =⇒ |f (x) − L1 | < 2
x→x0
ε
lı́m g(x) = L2 ⇐⇒ para cada ε > 0 , ∃ δ2 > 0 tal que si 0 < |x − x0 | < δ2 =⇒ |g(x) − L2 | < 2
x→x0
luego tomando δ = mı́n{δ1 , δ2 } , tenemos que: para cada ε > 0 existe δ = mı́n{δ1 , δ2 } > 0 tal que si
0 < |x − x0 | < δ (luego menor que δ1 y menor que δ2 ), entonces
ε ε
|(f (x) + g(x)) − (L1 + L2 )| = |f (x) − L1 + g(x) − L2 | ≤ |f (x) − L1 | + |g(x) − L2 | < + =ε
2 2

2.- Como lı́m f (x)g(x) = L1 L2 ⇐⇒ lı́m f (x)g(x) − L1 L2 = 0 , veamos esto último. Pero
x→x0 x→x0
f (x)g(x) − L1 L2 = f (x)g(x) − L2 f (x) + L2 f (x) − L1 L2 = f (x)(g(x) − L2 ) + L2 (f (x) − L1 )
y sabemos que lı́m (f (x)−L1 ) = 0 , lı́m (g(x)−L2 ) = 0 , f (x) está acotada en algún entorno de x0 (Th
x→x0 x→x0
de acotación) y L2 es constante. Por el segundo resultado de la Proposición 116, lı́m f (x)(g(x)−L2 ) = 0
x→x0
y lı́m L2 (f (x) − L1 ) = 0 , luego lı́m f (x)g(x) − L1 L2 = 0 + 0 = 0 .

x→x0 x→x0
f (x) 1 1 1
3.- Por ser g(x) = f (x) · g(x) , por el apartado anterior, basta probar que lı́m = .
x→x0 g(x) L2
1 L2 −g(x)
Como g(x) − L12 = g(x)L2 = 1
g(x)L2 (L2 − g(x)) , lı́m (g(x) − L2 ) = 0 y L2 es constante, si probamos que
x→x0
1 1
la función está acotada en un entorno de x0 , por la Proposición 116 tendremos que lı́m
g(x) x→x0 g(x)L2 (L2 −

1
g(x)) = lı́m g(x) − L12 = 0 , lo que prueba el resultado.
x→x0
En efecto, si L2 6= 0 , por el teorema del signo, o bien −K < g(x) < −k < 0 si L2 < 0 , o bien
1 1
0 < k < g(x) < K si L2 > 0 . Entonces, 0 < k < |g(x)| < K y, por tanto, 0 < K < |g(x)| < k1 , luego g(x)
1
está acotada.
Teorema 119.- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b y g es continua en b, entonces

x→a

lı́m g(f (x)) = g(b) = g lı́m f (x) .
x→a x→a
Demostración:
Como lı́m f (x) = b,
x→a
para cada ε1 > 0 existe δ > 0 tal que si 0 < |x − a| < δ entonces |f (x) − b| < ε1 .
Por otra parte, si g es continua en b se tiene que:
para cada ε > 0 existe δ1 > 0 tal que si |y − b| < δ1 entonces |g(y) − g(b)| < ε.
Entonces, haciendo ε1 = δ1 y reuniendo ambas conclusiones:
para cada ε > 0 existe δ > 0 tal que si 0 < |x − a| < δ se tiene |f (x) − b| < ε1 = δ2 y, por tanto,
|g(f (x)) − g(b)| < ε.

En consecuencia, lı́m g(f (x)) = g(b) = g lı́m f (x) .
x→a x→a
Proposición 121 (Convergencia propia).- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b, con f (x) 6= b
x→a
para todos los x de un entorno reducido E ∗ (a, δ0 ) de a, entonces
lı́m (g ◦ f )(x) = lı́m g(f (x)) = lı́m g(y).

x→a f (x)→b y→b
Demostración:
Como lı́m f (x) = b, para cada ε1 > 0 existe δ1 > 0 tal que si 0 < |x − a| < δ1 entonces |f (x) − b| < ε1 , y
x→a
como f (x) 6= b en E ∗ (a, δ0 ) , si tomamos δ = mı́n{δ0 , δ1 } , se tiene que:
para cada ε1 > 0 existe δ > 0 tal que si 0 < |x − a| < δ entonces 0 < |f (x) − b| < ε1 .
Por otra parte, si L = lı́m g(y) se tiene que:
y→b
para cada ε > 0 existe δ2 > 0 tal que si 0 < |g(y) − L| < δ2 entonces |g(y) − L| < ε.
Entonces, haciendo ε1 = δ2 y reuniendo ambas conclusiones:

para cada ε > 0 existe δ > 0 tal que si 0 < |x − a| < δ se tiene 0 < |f (x) − b| < ε1 = δ2 y, por
tanto, |g(f (x)) − L| < ε.
En consecuencia, lı́m g(f (x)) = L = lı́m g(y) .
x→a y→b
Proposición 123 (Lı́mites laterales).- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R . Entonces
lı́m f (x) = L ⇐⇒ lı́m f (x) = lı́m f (x) = L

x→c x→c− x→c+
Demostración:
Si lı́m f (x) = L, para cada ε > 0 existe δ > 0 tal que si 0 < |x − c| < δ se tiene que |f (x) − L| < ε.
x→c
En particular, si 0 < |x−c| < δ y x < c se cumple, luego lı́m− f (x) = L y también si x > c , por lo que
x→c
lı́m f (x) = L .
x→c+
Recı́procamente, si lı́m f (x) = lı́m f (x) = L, se tiene que
x→c− x→c+
para cada ε > 0 existe δ1 > 0 tal que si 0 < |x − c| < δ1 y x < c se tiene |f (x) − L| < ε
para cada ε > 0 existe δ2 > 0 tal que si 0 < |x − c| < δ2 y x > c se tiene |f (x) − L| < ε
tomando d = mı́n{δ1 , δ2 } , para cada x con 0 < |x − c| < δ sea x < c ó x > c se cuple la definición de lı́mite
en c. Luego lı́m f (x) = L .
x→c
Demostración de: Continuidad de algunas funciones elementales 131 de la página 59
Continuidad de algunas funciones elementales 131.-

? f (x) = ex es continua en R y lı́m ex = 0 y lı́m ex = +∞ .
x→−∞ x→+∞
? f (x) = ln x es continua en (0, +∞) y lı́m ln x = −∞ y lı́m ln x = +∞ .

x→0+ x→+∞
? f (x) = xα continua en (0, ∞) y lı́m+ xα = 0 y lı́m xα = ∞ si α > 0 (resp. ∞ y 0 si α < 0 ).

x→0 x→+∞
? f (x) = sh x es continua en R y lı́m sh x = −∞ y lı́m sh x = +∞ .

x→−∞ x→+∞
? f (x) = ch x es continua en R y lı́m ch x = ∞ y lı́m ch x = +∞ .

x→−∞ x→+∞
? f (x) = th x es continua en R y lı́m th x = −1 y lı́m th x = 1 .

x→−∞ x→+∞
? f (x) = sen x es periódica de periodo 2π , continua en R y 6 ∃ lı́m sen x .

x→±∞
? f (x) = cos x es de periodo 2π , continua en R y 6 ∃ lı́m cos x .

x→±∞
? f (x) = tg x es de periodo π , continua en su dominio y lı́m + tg x = −∞ y lı́m

π−
tg x = ∞ .
x→ −π
2
x→ 2
Demostración:
Ya hemos probado que ex es continua en R y sabemos que lı́m ex = +∞ (basta recordar que ex es creciente,
x→+∞
luego o está acotada, o no lo está y su lı́mite es +∞ , pero como 2n → +∞ y 2n < en , los valores en no están
acotados). Veamos lo demás:
? lı́m ex = lı́m e−x = lı́m 1
x =0
x→−∞ x→+∞ x→+∞ e
lı́m ln x
? Para cada a ∈ (0, ∞) , eln a = a = lı́m x = lı́m eln x = ex→a ; y como la exponencial es estrictamente
x→a x→a
creciente, debe ser ln a = lı́m ln x . Luego ln es continua en a .
x→a
Como ln x es estrictamente creciente y continua, y +∞ = lı́m x = lı́m ln ex = lı́m ln(ex ) , no está
x→+∞ x→+∞ ex →+∞
acotada por lo que lı́m ln x = +∞ .
x→+∞
Análogamente, −∞ = lı́m x = lı́m ln ex = xlı́m + ln(ex ) , no está acotada inferiormente por lo que
x→−∞ x→−∞ e →0
lı́m+ ln x = −∞ .
x→0
? Como xα = eα ln x es continua por ser composición de continuas y si α > 0:

lı́m xα = lı́m eα ln x = lı́m eα ln x = 0 y lı́m xα = lı́m eα ln x = lı́m eα ln x = +∞
x→0+ x→0+ α ln x→−∞ x→∞ x→∞ α ln x→∞
α < 0: lı́m xα = lı́m eα ln x = lı́m eα ln x = +∞ y lı́m xα = lı́m eα ln x = lı́m eα ln x = 0

x→0+ x→0+ α ln x→+∞ x→∞ x→∞ α ln x→−∞
x
−e−x ex −e−x ex −e−x
? sh x = e 2 , luego continua y lı́m 2 = ( 0−∞
2 ) = −∞ y lı́m 2 = ( ∞−0
2 ) = +∞ .
x→−∞ x→+∞
x
+e−x ex +e−x ex +e−x
? ch x = e 2 , luego continua y lı́m 2 = ( 0+∞
2 ) = +∞ y lı́m 2 = ( ∞+0
2 ) = +∞ .
x→−∞ x→+∞
x −x x −x 2x
sh x e −e e −e e −1 2
? th x = ch x = ex +e−x , luego continua y como th x = ex +e−x = e2x +1 = 1 − e2x +1 :
2 2 2 2
lı́m th x = lı́m 1 − e2x +1 = 1 − 0+1 = −1 y lı́m th x = lı́m 1 − e2x +1 = (1 − ∞+1 ) = 1
x→−∞ x→−∞ x→+∞ x→+∞
? De geometrı́a sabemos ya que las funciones seno y coseno son periódicas de

periodo 2π .
Para la continuidad, veamos primero que sen(x) y cos(x) lo son en x = 0 : x>0 x
Por la construcción geométrica del seno, sabemos que en una circunferencia de sen x
radio 1, la longitud del arco recorrido coincide con la amplitud del ángulo en
radianes, luego si x ∈ (− π2 , π2 ) , se cumple 0 ≤ |sen(x)| ≤ |x| (ver figura). Es sen x
decir, que −x ≤ sen(x) ≤ x y como 0 = lı́m −x ≤ lı́m sen(x) ≤ lı́m x = 0 , se x<0 x

x→0 x→0 x→0
cumple que lı́m sen(x) = 0 = sen(0) . Luego el seno es continuo en x = 0 .
x→0

Para ver que lı́m cos(x) = cos(0) = 1 , probemos que lı́m 1 − cos(x) = 0 :
x→0 x→0
2 x x 2

lı́m 1 − cos(x) = lı́m 2 sen ( 2 ) = 2 lı́m sen( 2 ) = 2 · 02 = 0
x→0 x→0 x→0
Veamos ahora que son continuas en todo punto x0 de R.

lı́m sen(x) = lı́m sen(x0 + h) = lı́m sen(x0 ) cos(h) + sen(h) cos(x0 )
x→x0 h→0 h→0

= sen(x0 ) lı́m cos(h) + lı́m sen(h) cos(x0 ) = sen(x0 ) · 1 + 0 · cos(x0 ) = sen(x0 )
h→0 h→0

lı́m cos(x) = lı́m cos(x0 + h) = lı́m cos(x0 ) cos(h) − sen(x0 ) sen(h)
x→x0 h→0 h→0

= cos(x0 ) lı́m cos(h) − sen(x0 ) lı́m sen(h) = cos(x0 ) · 1 + sen(x0 ) · 0 = cos(x0 )
h→0 h→0
La periodicidad de las funciones asegura que no existe el lı́mite lı́m sen x , pues cuando n → ∞ los puntos
x→+∞
π
x = 2πn y los puntos x = 2 +2πn se alejan hacia +∞ y sucede que lı́m sen( π2 +n2π) = lı́m sen( π2 ) = 1
n→∞ n→∞
y lı́m sen(n2π) = lı́m sen(0) = 0 , que son valores distintos.
n→∞ n→∞
sen x
? Para la continuidad de la tangente bastan las propiedades del cociente tg x = cos x .
Demostración de: Algunos infinitos e infinitésimos conocidos 135 de la página 60
Algunos infinitos e infinitésimos conocidos 135.- Usaremos la notación f ∼ g para indicar que f y g son
infinitos o infinitésimos equivalentes:
an xn + · · · + a1 x + a0 ∼ an xn cuando x → ±∞ an xn + · · · + a1 x ∼ a1 x cuando x→0
sen(x) ∼ x cuando x → 0 tg(x) ∼ x cuando x→0
2
sen x1 ∼ x1 cuando x → ±∞ 1 − cos(x) ∼ x2 cuando x→0
ln(1 + x) ∼ x cuando x → 0 ex − 1 ∼ x cuando x→0
2
sh(x) ∼ x cuando x → 0 ch(x) − 1 ∼ x2 cuando x→0
Demostración:
an xn +an−1 xn−1 +···+a1 x+a0 an−1 1 a1 1 a0 1
? lı́m an xn = lı́m 1 + an x + ··· + an xn−1 + an xn = 1 + 0 + ··· + 0 + 0 = 1
x→±∞ x→±∞
an xn +an−1 xn−1 +···+a2 x2 +a1 x an n−1 an−1 n−2 a2

? lı́m a1 x = lı́m x + a1 x + ··· + a1 x + 1 = 0 + 0 + ··· + 0 + 1 = 1
x→0 x→0 a1
sen x
? Veamos que lı́m x = 1 , con una pequeña argucia geométrica (ver figura):
x→0
En una circunferencia de radio 1, la longitud del arco recorrido coincide con la ampli- x>0 x
tg x
tud del ángulo (en radianes), luego si x ∈ (0, π2 ) , se tiene que 0 < sen(x) < x < tg(x) sen x
x 1
de donde, dividiendo por sen(x) , se tiene 1 < sen(x) < cos(x) y tomando lı́mites:
x 1 x
1 ≤ lı́m sen(x) ≤ lı́m cos(x) = 1 . Luego lı́m sen(x) = 1 . sen x
x→0+ x→0+ x→0+ tg x
Si x ∈ (− π2 , 0) ,
se tiene que 0 > sen(x) > x > tg(x) de donde, dividiendo por sen(x) x<0 x
x 1 x
(que es negativo), se tiene 1 < sen(x) < cos(x) como antes. Luego lı́m− sen(x) = 1.
x→0
? lı́m tg x = lı́m sen x 1 = 1 · 1 = 1.

x→0 x x→0 x cos x
1
? Considerando y = g(x) = x , lı́m g(x) = 0+ con g(x) 6= 0 para todo x , luego por la proposición 121
x→+∞
1
sen sen g(x) sen y
de convergencia propia, se tiene: lı́m 1
x
= lı́m g(x) = lı́m y = 1. (Idem si x → −∞)
x→+∞ x x→+∞ y→0+
2 2
2 sen2 ( x sen2 ( x sen( x
(1)

1−cos x 2) 2) 2) sen y x
? lı́m x2
= lı́m x2
= lı́m x 2 = lı́m x = lı́m = 1. (1) Con y = g(x) = .
x→0 2 x→0 2 x→0 ( 2 ) x→0 2 y→0 y 2
1
1
(1)
ln(1+x) 1
? lı́m+ x = lı́m+ x ln(1+x) = lı́m+ ln(1+x) x = ln lı́m+ (1+x) x = ln lı́m (1+ y1 )y = ln(e) = 1
x→0 x→0 x→0 x→0 y→+∞
Considerando en (1)
y = g(x) =1
1
x y luego
el ejemplo 130.
Análogamente, para x → 0− :
ln(1+x)
lı́m− x = ln lı́m− (1 + x) x = ln lı́m (1 + y1 )y = ln(e) = 1 .
x→0 x→0 y→−∞
ex −1
? Para calcular lı́m , consideramos y = g(x) = ex − 1 , est. creciente y con lı́m g(x) = 0 . Ademas
x→0 x x→0
ex −1 y
1 + y = ex y ln(1 + y) = x . Luego: lı́m = lı́m = 1.
x→0 x y→0 ln(1+y)
(1)
sh x ex −e−x e2x −1 1 e2x −1 ey −1
? lı́m = lı́m = lı́m x = lı́m x lı́m = 1 · lı́m = 1. (1) y = g(x) = 2x .
x→0 x x→0 2x x→0 e 2x x→0 e x→0 2x y→0 y
ex +e−x 2
ch(x)−1 −1 ex +e−x −2 e2x+1−2ex (ex−1)2 1 ex −1
? lı́m x2
= lı́m 2
x2
= lı́m 2 = lı́m ex x 2 = lı́m x 2 = lı́m x lı́m = 1.
x→0 2 x→0 2 x→0 2 x2 x→0 x→0 e x x→0 e x→0 x
Demostración de: Teorema de Bolzano 138 de la página 62
Teorema de Bolzano 138.- Sea f una función continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces ∃c ∈ (a, b) tal que f (c) = 0 .
Demostración:
a+b
Podemos suponer que f (a) < 0 y f (b) > 0 . Tomemos c0 = 2 el punto medio entre a y b:
Si f (c0 ) = 0 , como c = c0 ∈ (a, b) , es el punto buscado. Si f (c0 ) 6= 0 pueden darse dos casos:
? si f (c0 ) > 0 , como f (a) < 0 y f continua en [a, c0 ] , el teorema se reduce al intervalo [a, c0 ] ;
? si f (c0 ) < 0 , como f (b) > 0 y f continua en [c0 , b] , el teorema se reduce al intervalo [c0 , b] .
En un caso u otro el teorema queda probado si lo hacemos en el intervalo [a1 , b1 ] ⊂ [a, b] (bien [a, c0 ] o bien
[c0 , b] ) de longitud b1 − a1 = b−a
2 , en el cual f es continua, f (a1 ) < 0 y f (b1 ) > 0 .
En este intervalo, tomamos su punto medio c1 = a1 +b 2

1
. Si f (c1 ) = 0 es el punto buscado; si f (c1 ) 6= 0 se
puede, como hicimos antes, reducir el teorema al intervalo [a2 , b2 ] ⊂ [a1 , b1 ] de longitud b2 − a2 = b1 −a
2
1
= b−a
22
en el cual f es continua, f (a2 ) < 0 y f (b2 ) > 0 .
Repitiendo sucesivamente el proceso anterior, y si ninguno de los puntos medios, cn , verifica que f (cn ) = 0 ,
entonces hemos construido una sucesión de intervalos cerrados encajados
b−a
[a, b] ⊃ [a1 , b1 ] ⊃ [a2 , b2 ] ⊃ · · · ⊃ [an , bn ] ⊃ · · · con bn − an = 2n , f (an ) < 0 y f (bn ) > 0 .
Además, los puntos an extremos inferiores verifican que a ≤ a1 ≤ a2 ≤ · · · ≤ an ≤ · · · ≤ b,

luego el conjunto A = {an : n ∈ N} está acotado superiormente (por b) y, por tanto, existe c = sup A ; como
a ≤ an ≤ b se cumple a ≤ c ≤ b luego c ∈ [a, b] . Por ser c = sup A, para cada ε > 0 existe an0 ∈ A con
c − ε < an0 ≤ c, y como an crece con n , para cada n ≥ n0 se tiene an0 ≤ an ≤ c. Luego
c − ε < an0 ≤ an ≤ c < c + ε, ∀ n ≥ n0 ⇐⇒ |an − c| < ε, ∀ n ≥ n0 ⇐⇒ lı́m an = c

n→∞
b−a
Como lı́m (bn − an ) = lı́m n = 0 y lı́m an = c, entonces lı́m bn = c y, por ser f continua en [a, b] ,
n→∞ n→∞ 2 n→∞ n→∞
se tiene que 0 ≥ lı́m f (an ) = f (c) = lı́m f (bn ) ≥ 0 , luego f (c) = 0 . En consecuencia, existe c ∈ [a, b] con
n→∞ n→∞
f (c) = 0 y, como f (a) < 0 y f (b) > 0 , c 6= a y c 6= b, luego c ∈ (a, b) .
Demostración de: Corolario 140 de la página 62
Corolario 140.- Sea I un intervalo de R y f : I −→ R continua en I , entonces f (I) es también un intervalo

de R .
Demostración:
Supongamos primero que f (I) no está acotado ni superior ni inferiormente. Entonces, para cada y ∈ R , existe
algún valor mayor que él en f (I) , y < f (b) ∈ f (I) , y existe algún valor de f (I) menor que él, y > f (a) ∈ f (I) ,
luego f (a) < y < f (b) . Como a y b son del intervalo I , el intervalo [a, b] ⊆ I (o [b, a] ⊆ I ), luego por el
teorema de los valores intermedios 139 existe c entre a y b tal que f (c) = y , luego y ∈ f (I) y f (I) = R .
Supongamos ahora que f (I) no está acotado inferiormente pero sı́ superiormente, y sea Γ = sup f (I) .
Entonces, por ser extremo superior, para cada y < Γ , existe un punto f (b) ∈ f (I) tal que y < f (b) ≤ Γ y, por
no estar f (I) acotado inferiormente, existe a ∈ I , tal que f (a) < y < f (b) . Luego por el teorema 139 existe
c entre a y b tal que f (c) = y , luego y ∈ f (I) de donde (−∞, Γ) ⊆ f (I) . Pero como Γ es el superior del
conjunto, f (I) = (−∞, Γ) ó f (I) = (−∞, Γ] (según que el superior sea máximo o no lo sea).
La prueba, para los dos casos que restan, son enteramente análogas.
Demostración de: Teorema de acotación 141 de la página 62
Teorema de acotación 141.- Sea f una función continua en el intervalo cerrado [a, b] , entonces f está acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| ≤ M , para todo x ∈ [a, b] .
La prueba de este resultado se incluye en la prueba del siguiente; el Teorema de Weierstrass 142.
Demostración de: Teorema de Weierstrass 142 de la página 62
Teorema de Weierstrass 142.- Si f es una función continua en el intervalo [a, b] , entonces f alcanza un
máximo y un mı́nimo en [a, b] . Es decir, ∃α ∈ [a, b] tal que f (α) ≤ f (x) , ∀x ∈ [a, b] y ∃β ∈ [a, b] tal que
f (x) ≤ f (β) , ∀x ∈ [a, b] .
Demostración:
La demostración de este resultado y del Teorema de acotación 141 anterior, que vamos a exponer aquı́ no son
todo lo rigurosas que serı́a de desear, por dos razones: la primera, que se hace uso del Teorema de Bolzano-
Weierstrass (Un conjunto infinito y acotado de R, tiene al menos un punto de acumulación) que no se incluye
en estos apuntes y, en segundo lugar, que simplificaremos del proceso (con una muy breve explicación) en aras
de entender el sentido de la prueba.
Por el Corolario 140, como J = [a, b] es un intervalo, su imagen f (J) es un intervalo de R.
Veamos primero, que el intervalo f (J) está acotado. Supngamos que es un intervalo no acotado superiormente,
en cuyo caso, el conjunto {n ∈ N} ⊆ f (J) y existen puntos xn ∈ [a, b] tales que f (xn ) = n . Los puntos son
distintos, pues tienen imágenes distintas por la aplicación f y son infinitos, luego el conjunto T = {xn : n ∈
N} ⊆ [a, b] es infinito y acotado por lo que tiene al menos un punto de acumulación l (Teorema de Bolzano-
Weierstrass enunciado arriba). En aras de no complicar el proceso supondremos que es punto de acumulación
de todo el conjunto T , es decir, que lı́m xn = l (ser punto de acumulación, significa que nos podemos acercar
n→∞
tanto como queramos al punto l con puntos del conjunto T ; luego que l es el lı́mite de los puntos de un
subconjunto infinito de T , por lo que tiene un funcionamiento similar a si fuera todo T –en cualquier estudio
sobre sucesiones de números reales puede consultarse con más detalle esta simplificación–).
Como a ≤ xn ≤ b se tiene que a ≤ lı́m xn ≤ b, luego que l ∈ [a, b] . Entonces, por ser f continua en [a, b] ,
n→∞
lı́m f (xn ) = f lı́m xn = f (l) ∈ R ; pero por su construcción, lı́m f (xn ) = lı́m n = ∞ ∈ / R, lo que es
n→∞ n→∞ n→∞ n→∞
absurdo. En consecuencia, f (J) tiene que estar acotado superiormente.
Análogamente, se obtiene que f (J) está acotado inferiormente, lo que prueba el Teorema de acotación 141.
De lo anterior, f (J) es un intervalo acotado de R, luego de la forma [c, d] o [c, d) o (c, d] o (c, d) .
Veamos si d está o no en el conjunto. Por ser d = sup f (J) , para cada n ∈ N , existe xn ∈ [a, b] tal que
f (xn ) = d − n1 < d, como las imágenes de los xn son distintas, tenemos un conjunto T = {xn : n ∈ N} infinito
y acotado que tiene un punto de acumulación l . Con un razonamiento
similar al de la parte anterior, sea
lı́m xn = l ∈ [a, b] y se verifica que lı́m f (xn ) = f lı́m xn = f (l) ∈ R por ser f continua y por otro lado,
n→∞ n→∞ n→∞
1
lı́m f (xn ) = lı́m d − n = d , luego d = f (l) y d ∈ f (J) , por lo que d = máx f (J) .
n→∞ n→∞
Análogamente, se prueba que c = mı́n f (J) . Lo que concluye la prueba.
Demostración de: Corolario 143 de la página 62
Corolario 143.- Si f es continua en (a, b) y lı́m+ f (x) = l1 ∈ R y lı́m− f (x) = l2 ∈ R, la función f está
x→a x→b
acotada en (a, b) . (También es cierto cuando a es −∞ y cuando b es +∞ .)
Demostración:
Para que el resultado sea cierto no es necesario que exista el lı́mite en los extremos del intervalo, basta con que
la función esté acotada en algún entorno de ellos. La razón de poner el enunciado con lı́mites está en que es
una manera cómoda de asegurar la acotación y suficiente en la mayorı́a de los casos.
Si lı́m+ f (x) = l1 ∈ R y lı́m− f (x) = l2 ∈ R , por el Teorema de acotación para lı́mites 136, existe E(a, δ1 )
x→a x→b
y M1 > 0 tal que |f (x)| ≤ M1 para todo x ∈ (a, a + δ1 ) y existe E(b, δ2 ) y M2 > 0 tal que |f (x)| ≤ M2
para todo x ∈ (b − δ2 , b) . Entonces, (a, b) = (a, a + δ1 ) ∪ [a + δ1 , b − δ2 ] ∪ (b − δ2 , b) y al ser f continua en
el intervalo [a + δ1 , b − δ2 ] está acotada en él (Th 141), luego existe M3 > 0 , tal que |f (x)| ≤ M3 para todo
x ∈ [a + δ1 , b − δ2 ] . En consecuencia, f está acotada en cada uno de los tres trozos en que hemos dividido el
intervalo, por lo que está acotada; es decir, tomando M = máx{M1 , M2 , M3 }, para todo x ∈ (a, b) , |f (x)| ≤ M .
Si a = −∞ ó b = +∞ , la prueba es idéntica, tomando entornos de −∞ ó +∞ .
Funciones derivables
Propiedades 146.- Sean f y g funciones derivables en un punto x0 , entonces:

a) f + g es derivable en el punto x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .
b) f g es derivable en el punto x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .

f 0 (x0 )g(x0 ) − f (x0 )g 0 (x0 )
c) f /g es derivable en el punto x0 , si g(x0 ) 6= 0 , y (f /g)0 (x0 ) = 2 .
g(x0 )
Demostración:
a) Es cierta, pues
(f + g)(x) − (f + g)(x0 ) f (x) + g(x) − f (x0 ) − g(x0 )

(f + g)0 (x0 ) = lı́m = lı́m
x→x0 x − x0 x→x0 x − x0
f (x) − f (x0 ) g(x) − g(x0 )
= lı́m + lı́m = f 0 (x0 ) + g 0 (x0 ).
x→x0 x − x0 x→x0 x − x0
b) Basta tomar lı́mites, cuando x → x0 , en la expresión
f (x)g(x) − f (x0 )g(x0 ) f (x)g(x) − f (x0 )g(x) + f (x0 )g(x) − f (x0 )g(x0 )
=
x − x0 x − x0
f (x) − f (x0 ) g(x) − g(x0 )
= g(x) + f (x0 ) .
x − x0 x − x0
c) Teniendo en cuenta que la expresión

f (x) f (x0 )
g(x) − g(x0 ) f (x)g(x0 ) − f (x0 )g(x)
=
x − x0 g(x)g(x0 )(x − x0 )
1 f (x)g(x0 ) − f (x0 )g(x0 ) + f (x0 )g(x0 ) − f (x0 )g(x)
= ·
g(x)g(x0 ) x − x0

1 f (x) − f (x0 ) g(x) − g(x0 )
= g(x0 ) − f (x0 )
g(x)g(x0 ) x − x0 x − x0
es válida en los valores de x próximos a x0 , y tomando lı́mites se obtiene el resultado.
Demostración de: Regla de la cadena 147 de la página 67
Regla de la cadena 147.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la función compuesta g ◦ f
es derivable en x0 y además:
(g ◦ f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
Demostración:
Si f (x) = f (x0 ) en un entorno de x0 , también se verifica que g(f (x)) = g(f (x0 )) y, por tanto, f y g ◦ f son
constantes en dicho entorno, luego g ◦ f es derivable en x0 y (g ◦ f )0 (x0 ) = 0 . Además, como f es constante,
se tiene g 0 (f (x0 ))f 0 (x0 ) = g 0 (f (x0 )) · 0 = 0 obteniendose la igualdad propuesta.
Si f (x) − f (x0 ) 6= 0 en un entorno de x0 , podemos escribir
g(f (x)) − g(f (x0 )) g(f (x)) − g(f (x0 )) f (x) − f (x0 ) g(f (x)) − g(f (x0 )) f (x) − f (x0 )
= · = · .
x − x0 x − x0 f (x) − f (x0 ) f (x) − f (x0 ) x − x0
Como y = f (x) 6= f (x0 ) = y0 y lı́m f (x) = f (x0 ) , por la proposición 121, se tiene
x→x0
g(f (x)) − g(f (x0 )) g(f (x)) − g(f (x0 )) f (x) − f (x0 )
(g ◦ f )0 (x0 ) = lı́m = lı́m · lı́m
x→x0 x − x0 x→x 0 f (x) − f (x0 ) x→x 0 x − x0
g(y) − g(y0 ) f (x) − f (x0 )
= lı́m · lı́m = g 0 (y0 )f 0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
y→y0 y − y0 x→x0 x − x0
Demostración de: Teorema del valor medio de Cauchy 156 de la página 71
Teorema del valor medio de Cauchy 156.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) . Si
g 0 (x) 6= 0 , ∀ x ∈ (a, b) , entonces ∃ c ∈ (a, b) tal que:
f (b) − f (a) f 0 (c)

= 0
g(b) − g(a) g (c)
Demostración:
Como en la demostración del teorema del valor medio de Lagrage 155, construyamos unafunción para aplicar
el teorema de Rolle. Sea h: [a, b] −→ R dada por h(x) = f (b) − f (a) g(x) − g(b) − g(a) f (x) .
Entonces, h es continua en [a, b] y derivable en (a, b) por ser suma de funcines continuas y derivables, y

h(a) = f (b) − f (a) g(a) − g(b) − g(a) f (a) = f (b)g(a) − g(b)f (a)

h(b) = f (b) − f (a) g(b) − g(b) − g(a) f (b) = −f (a)g(b) + g(a)f (b).
Luego también se cumple que h(a) = h(b) y por el teorema de Rolle, existe c ∈ (a, b) tal que h0 (c) = 0 ; es
0
decir, 0 = f (b) − f (a) g 0 (c) − g(b) − g(a) f 0 (c) de donde se obtiene el resultado fg(b)−g(a)
(b)−f (a)
= fg0 (c)
(c)

.
Notar, que al ser g 0 (x) 6= 0 para cada x ∈ (a, b) , se tiene que g 0 (c) 6= 0 y g(b) 6= g(a) .
Demostración de: Regla General de L’Hopital 158 de la página 71
Regla General de L’Hopital 158.- Sean f y g funciones derivables en un entorno reducido de x0 , E ∗ (x0 , δ) ,
con g(x) 6= 0 y g 0 (x) 6= 0 , ∀ x ∈ E ∗ (x0 , δ) y lı́m f (x) = 0 = lı́m g(x) . Entonces,
x→x0 x→x0
0
f 0 (x)
si existe lı́m fg0 (x)
(x)
se cumple que lı́mf (x)
= lı́m 0 .
x→x0 x→x0 g(x) x→x0 g (x)
Demostración:
Por comodidad, denotaremos por E ∗ = E ∗ (x0 , δ) y por E = E(x0 , δ) .
Como lı́m f (x) = 0 = lı́m g(x) , podemos ampliar estas funciones hasta E , con continuidad. En efecto,
x→x0 x→x0
f (x), si x 6= x0 g(x), si x 6= x0
sean F (x) = y G(x) = ; que son continuas en E ∗ por serlo f y g y continuas
0, si x = x0 0, si x = x0
en x0 por su contrucción ( lı́m F (x) = lı́m f (x) = 0 = F (x0 ) y lo mismo para G).
x→x0 x→x0
Para cada x ∈ E ∗ con x < x0 , el intervalo [x, x0 ] ⊆ E , luego F y G son continuas en él y derivables
en (x, x0 ) , donde se cumple que F 0 = f 0 y G0 = g 0 . Entonces, por el teorema de Cauchy 156, existe ξx con
x < ξx < x0 tal que
F (x) − F (x0 ) F 0 (ξx ) f (x) − 0 f 0 (ξx )

= 0 , es decir, tal que = 0
G(x) − G(x0 ) G (ξx g(x) − 0 g (ξx )
Luego, como x < ξx < x0 , si x → x− −

0 también ξx → x0 y entonces,
f (x) f 0 (ξx ) f 0 (ξx ) f 0 (x)

lı́m− = lı́m− 0 = lı́m − 0 = lı́m− 0
x→x0 g(x) x→x0 g (ξx ) ξx →x0 g (ξx ) x→x0 g (x)
f (x) f 0 (x)
siempre que este último lı́mite exista. Análogamente, para los x > x0 , se tiene lı́m g(x) = lı́m g 0 (x) .
x→x+ 0 x→x+
0
f 0 (x) f 0 (x) f 0 (x) 0
En consecuencia, si lı́m 0 existe se tiene que lı́m 0 = lı́m− g 0 (x) = lı́m+ fg0 (x)
(x)
por lo que existe el
x→x0 g (x) x→x0 g (x) x→x0 x→x0
f (x)
lı́mite lı́m y coincide con el anterior.
x→x0 g(x)
Para la justificación del funcionamiento de la Regla de L’Hôpital en los demás casos, en que decimos que
también funciona, sólo indicamos como se obtendrı́a ésta o en que se basa:
Para el caso x0 = ±∞, con el cambio x = 1t se tiene que las funciones F (t) = f ( 1t ) y G(t) = g( 1t ) verifican
que lı́m fg(x)
(x) F (t)
existe si y sólo si lı́m± G(t) existe, y si ocurre son iguales. Aplicando el caso anterior a estas
x→±∞ t→0
funciones se obtiene el resultado.
f (x) ∞
Para la indeterminación lı́m = ∞ , se toma un punto y fijo y suficientemente cercano a x0 y entonces, el
x→x0 g(x)
g(y)
f (x) f (y)−f (x) g(x)
−1
cociente puede escribirse en la forma g(x) = g(y)−g(x) · f (y) . Aplicando el Teorema de Cauchy 156 al primer
f (x)
−1
g(y)
f (y)−f (x) f 0 (ξx ) g(x)
−1
factor g(y)−g(x) = g 0 (ξx ) y teniendo en cuenta, que al ser y fijo, lı́m f (y) = 1 , se observa que el resultado
x→x0 f (x) −1
será cierto (la prueba exaustiva no es tan inmediata).
Demostración de: Teorema de la función inversa 160 de la página 72
Teorema de la función inversa 160.- Sea f : [a, b] −→ R continua en [a, b] y derivable en (a, b) , con f 0 > 0 ó
f 0 < 0 en (a, b) . Entonces f admite función inversa derivable en (a, b) y (f −1 )0 f (x) = f 01(x) .
Demostración:
Por ser f 0 > 0 en (a, b) (resp. f 0 < 0 en (a, b) ) la función f es estrictamente creciente (resp. estrictamente
decreciente) en [a, b] , luego es inyectiva y existe f −1 : f ([a, b]) −→ [a, b] tal que f −1 (f (x)) = x para cada
x ∈ [a, b] (recordar la definición 109 y ver los ejemplos siguientes). De hecho, si f es estrictamente creciente,
f ([a, b]) = [f (a), f (b)] y si es estrictamente decreciente, f ([a, b]) = [f (b), f (a)] .
Veamos primero, que si f es continua en x0 , entonces f −1 es continua en y0 = f (x0 ) . Supongamos
que f es estrictamente creciente y sea y0 ∈ f (a), f (b) . Tomemos un ε > 0 de manera que el intervalo
f −1 (y0 ) − ε, f −1 (y0 ) + ε = (x0 − ε, x0 + ε) ⊆ (a, b) ; entonces f (x0 − ε) < f (x0 ) < f (x0 + ε) y existen y1 e

y2 tales que y1 = f (x0 − ε) < y0 < f (x0 + ε) = y2 . Sea δ > 0 , tal que E(y0 , δ) ⊆ (y1 , y2 ) , entonces, para cada
y ∈ E(y0 , δ) , se cumple que y1 ≤ y0 −δ < y < y0 +δ ≤ y2 y se tiene que cumplir que f −1 (y1 ) < f −1 (y) < f −1 (y2 )
pues de no ser ası́, si f −1 (y1 ) ≥ f −1 (y) ó f −1 (y) ≥ f −1 (y2 ) por ser f estr. creciente serı́a y1 ≥ y ó y ≥ y2 lo
que es absurdo (∗) . Por consiguiente, f −1 (y1 ) < f −1 (y) < f −1 (y2 ) , es decir x0 − ε < f −1 (y) < x0 + ε , es decir
f −1 (y0 ) − ε < f −1 (y) < f −1 (y0 ) + ε y f −1 es continua en y0 . Si el punto es un extremo del intervalo o para f
estrictamente decreciente, basta adaptar la prueba.
Veamos ahora que si f es derivable en x0 ∈ (a, b) , entonces f −1 es derivable en y0 = f (x0 ) , pero esto es
sencillo, pues si y 6= y0 ,
−1
f −1 (y) − f −1 (y0 ) f −1 (f (x)) − f −1 (f (x0 ))

x − x0 f (x) − f (x0 )
= = =
y − y0 f (x) − f (x0 ) f (x) − f (x0 ) x − x0
Si y → y0 , x = f −1 (y) tenderá hacia x0 = f −1 (y0 ) con x 6= x0 por ser f −1 inyectiva, en consecuencia,

f (x)−f (x0 )
x−x0 → f 0 (x0 ) con lo que f −1 es derivable en y0 y su derivada es (f 0 (x0 ))−1 .
Nota: Durante la demostración, se ha probado (∗) que: si f es estrictamente creciente (o decreciente), f −1

también lo es.
Polinomios de Taylor
Demostración de: Fórmula de Taylor 170 de la página 79
Fórmula de Taylor 170.- Sea una función f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] . En-
tonces,
f (n+1) (c)
f (x) − Pn,a (x) = (x − a)n+1 para un cierto c ∈ (a, x),
(n + 1)!
llamado resto de Lagrange, o también
f (n+1) (c)
f (x) − Pn,a (x) = (x − c)n (x − a) para un cierto c ∈ (a, x),
n!
que se denomina resto de Cauchy. .
Demostración:
Consideremos la función G: [a, x] −→ R, definida por
(x − t)1 (x − t)2 (x − t)3 (x − t)n−1 (x − t)n

(1) (2) (3) (n−1) (n)
G(t) = f (x)− f (t) + f (t) + f (t) + f (t) + ··· + f (t) + f (t)
1! 2! 3! (n − 1)! n!
La función G verifica que G(x) = 0 y G(a) = f (x) − Pn,a (x) y es derivable en [a, x] , por ser suma y producto
de derivables. Y su derivada es
"
0
(x − t)1 1(x − t)0 (−1) (3) (x − t)2 2(x − t)1 (−1)
G (t) = − f (1) (t) + f (2) (t) + f (1) (t) + f (t) + f (2) (t)
1! 1! 2! 2!
3 2 n−1
(x − t) 3(x − t) (−1) (x − t) (n − 1)(x − t)n−2 (−1)
+ f (4) (t) + f (3) (t) + · · · + f (n) (t) + f (n−1) (t)
3! 3! (n − 1)! (n − 2)!
#
n n−1
(x − t) n(x − t) (−1)
+ f (n+1) (t) + f (n) (t)
n! (n − 1)!
"
(x − t)1 (x − t)2 (x − t)1
= − f (1) (t) + f (2) (t) − f (1) (t) + f (3) (t) − f (2) (t)
1! 2! 1!
3 2 n−1
(x − t) (x − t) (x − t) (x − t)n−2
+ f (4) (t) − f (3) (t) + · · · + f (n) (t) − f (n−1) (t)
3! 2! (n − 1)! (n − 2)!
#
n n−1
(x − t) (x − t)
+ f (n+1) (t) − f (n) (t)
n! (n − 1)!
quitando
" los paréntesis internos y cambiando el orden de los sustraendos, se tiene:
(x − t)1 (x − t)1 (x − t)2
= − f (1) (t) − f (1) (t) + f (2) (t) − f (2) (t) + f (3) (t)
1! 1! 2!
(x − t)2 (x − t)3 (x − t)n−2 (x − t)n−1
−f (3) (t) + f (4) (t) + · · · − f (n−1) (t) + f (n) (t)
2! 3! (n − 2)! (n − 1)!
#
n−1 n
(x − t) (x − t)
−f (n) (t) + f (n+1) (t)
(n − 1)! n!
y cada término que resta se anula con el anterior, luego sólo queda el último término:
(x − t)n
= −f (n+1) (t) .
n!
Entonces:
? Por el teorema del valor medio de Lagrange, G(x) − G(a) = G0 (c)(x − a) , para algún c ∈ (a, x) . Luego
(x − c)n f (n+1) (c)

G(x) − G(a) = −G(a) = −f (n+1) (c) (x − a) =⇒ f (x) − Pn,a (x) = (x − c)n (x − a)
n! n!
? Tomando la función g(t) = (x − t)n+1 , continua en [a, x] y derivable en (a, x) , por el teorema del valor
0
medio de Cauchy G(x) − G(a) = Gg0(c)

c) g(x) − g(a) , para algún c ∈ (a, x) . Luego
−f (n+1) (c)(x−c)n
f (n+1) (c)
n!
− (x − a)n+1 (x − a)n+1

−G(a) = =⇒ f (x) − Pn,a (x) =
(n + 1)(x − c)n (−1) (n + 1)!
y hemos obtenido el resto de Cauchy, en el primer caso, y el de Lagrange en el segundo.
Proposición 172.- Sea f una función de clase C n−1 en un entorno del punto a , para la que se cumple que
f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , y además existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mı́nimo local en a.
b) Si n es par y f (n) (a) < 0 , f presenta un máximo local en a.

c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a .
d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a.
Demostración:
Si f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , el polinomio de Taylor de grado n de f en a se reduce al primer y
(n)
último término, Pn,a (x) = f (a) + f n!(a) (x − a)n .
f (x)−Pn,a (x)
Por la proposición 169 anterior, lı́m (x−a)n = 0 , luego
x→a
(n)

f (a)
f (x) − f (a) + n! (x − a)n f (x) − f (a) f (n) (a) f (x) − f (a) f (n) (a)
0 = lı́m = lı́m − =⇒ lı́m =
x→a (x − a)n x→a (x − a)n n! x→a (x − a)n n!
luego
f (x)−f (a)
? si f (n) (a) > 0 , debe ser (x−a)n > 0 para los x de un entorno de a, y
– si n es par, (x − a)n > 0 de donde f (x) − f (a) > 0 y f (x) ≥ f (a) , por lo que f (a) es mı́nimo local.
– si n es impar, para los x < a se tiene que (x − a)n < 0 de donde f (x) − f (a) < 0 y f (x) < f (a) ; y
para los x > a se tiene que (x − a)n > 0 de donde f (x) − f (a) > 0 y f (x) > f (a) . En consecuencia,
f es estrictamente creciente en a .
Y se cumplen (a) y (c).

f (x)−f (a)
? si f (n) (a) < 0 , debe ser (x−a)n < 0 para los x de un entorno de a, y
– si n es par, (x − a)n > 0 de donde f (x) − f (a) < 0 y f (x) ≤ f (a) , por lo que f (a) es máximo local.
– si n es impar, para los x < a se tiene que (x − a)n < 0 de donde f (x) − f (a) > 0 y f (x) > f (a) ; y
para los x > a se tiene que (x − a)n > 0 de donde f (x) − f (a) < 0 y f (x) < f (a) . En consecuencia,
f es estrictamente decreciente en a.
Y se cumplen (b) y (d).
Unidad II
Cálculo integral en R
98 – Fundamentos de Matemáticas : Cálculo integral en R
Capı́tulo 9
Integral de Riemann
9.1 Sumas inferiores y superiores
9.1.1 Particiones de un intervalo
Definición 177.- Se llama partición de un intervalo cerrado [a, b] a cualquier conjunto finito de puntos P =
{x0 , x1 , . . . , xn } tales que a = x0 < x1 < · · · < xn = b. Una partición divide al intervalo como unión de
intervalos más pequeños, es decir,
[a, b] = [a, x1 ] ∪ [x1 , x2 ] ∪ · · · ∪ [xn−2 , xn−1 ] ∪ [xn−1 , b] = dni=1 [xi−1 , xi ]
La longitud de estos subintervalos se denomina incremento de xi y se representa por ∆xi = xi − xi−1 .
Denotaremos por P[a, b] al conjunto de todas las particiones del intervalo cerrado [a, b] . Considerando en el
conjunto la relación de orden de inclusión, diremos que P2 es más fina que P1 , si P1 ⊆ P2 .
Como P2 tiene todos los puntos de P1 y quizás alguno más, cada subintervalo obtenido con P2 está
contenido en alguno de los dados por P1 , es decir, la partición dada por P2 es más fina que la dada por P1 .
n o
Ejemplo Sea [0, 1] , entonces P = 0, 14 , 24 , 34 , 1 es una partición de [0, 1] , que “parte” el intervalo en 4
1 2
trozos [0, 1] = [0, 14 ] ∪ [n 2 3
[ 34 , 1] , de igual longitud ∆xi =
4, 4] ∪ [4, 4] ∪ o
1
, para i =n1, 2, 3,o
4 4.
1 1 2 3 2
La partición P1 = 0, 4, 3, 4, 4, 1 es más fina que P y la partición P2 = 0, 4 , 1 es menos fina que la
partición P . Es decir, P2 ⊆ P ⊆ P1 . n o
2(b−a)
Sea [a, b] , entonces la partición P = a, a + b−a n , a+ n , . . . , a + (n−1)(b−a)
n , b divide al intervalo [a, b]
n
h i
(k−1)(b−a) k(b−a)
en n subintervalos de longitud b−a n : [a, b] = ∪ a + n , a + n . 4
k=1
9.1.2 Sumas inferiores y superiores
Definición 178.- Sea f : [a, b] −→ R una función acotada y P ∈ P[a, b] . En cada subintervalo [xi−1 , xi ] ,
considemos el inferior y el superior de f en él:
mi = inf{f (x) : xi−1 ≤ x ≤ xi } Mi = sup{f (x) : x ∈ [xi−1 , xi ]}.

n
P n
P
Llamarenos suma inferior de f para la partición P al valor L(f, P ) = mi (xi − xi−1 ) = mi ∆xi
i=1 i=1
n
P n
P
y llamaremos suma superior de f para la partición P a U (f, P ) = Mi (xi − xi−1 ) = Mi ∆xi .
i=1 i=1
Si la función es positiva, gráficamente las sumas inferiores

significan dar una cota por defecto del valor del área que M
encierra la función con el eje de abcisas (es la suma de las
m
áreas de los rectángulos de base ∆xi y altura mi ), y las
sumas superiores una cota por exceso del valor del área.
En la figura de la derecha, el valor de la suma inferior es el
área de la zona gris oscuro y el valor de la suma superior el
de dicha zona más las áreas de los rectángulos superiores. a b
Puede observarse como el área que encierra la curva está
precisamente entre ambos valores.
99 – Fundamentos de Matemáticas : Cálculo integral en R 9.2 Integral de una función real de variable real
n o
Ejemplo 179 Si tomamos f : [0, 1] −→ R donde f (x) = 2x , y la partición P = 0, 13 , 23 , 1 , se tiene que
[0, 1] = [0, 13 ] ∪ [ 13 , 23 ] ∪ [ 23 , 1] y que ∆x1 = ∆x2 = ∆x3 = 1
3 . Luego
m1 = inf{2x : x ∈ [0, 13 ]} = 0 M1 = sup{2x : x ∈ [0, 13 ]} = 2

3
m2 = inf{2x : x ∈ [ 13 , 23 ]} = 2
3 M2 = sup{2x : x ∈ [ 13 , 23 ]} = 4
3
m3 = inf{2x : x ∈ [ 23 , 1]} = 4
3 M3 = sup{2x : x ∈ [ 23 , 1]} = 2
1 2 1 4 1 2 2 1 4 1 1 4
L(f, P ) = 0 · 3 + 3 · 3 + 3 · 3 = 3 U (f, P ) = 3 · 3 + 3 · 3 +2· 3 = 3
Como el área encerrada por la función es 1 (es el área de un triángulo de altura 2 y base 1 ), se verifica que
L(f, P ) = 23 ≤ 1 ≤ 43 = U (f, P ) . 4
Propiedades 180.- Sea f : [a, b] −→ R una función acotada.

a) Para toda P ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, P ) .
b) Para todas P1 , P2 ∈ P[a, b] con P1 ⊆ P2 , se verifica que
L(f, P1 ) ≤ L(f, P2 ) y U (f, P2 ) ≤ U (f, P1 ) .
c) Para cualesquiera P, Q ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, Q) . .
Corolario 181.- Sean f : [a, b] −→ R una función acotada y P0 ∈ P[a, b] . Entonces, para toda P ∈ P[a, b] con
P0 ⊆ P , se verifica que
0 ≤ U (f, P ) − L(f, P ) ≤ U (f, P0 ) − L(f, P0 ) .
Demostración:
Usando las propiedades b) y a) anteriores, se tiene la cadena de desigualdades
L(f, P0 ) ≤ L(f, P ) ≤ U (f, P ) ≤ U (f, P0 ) ,
entonces, restando entre si los elementos extremos y los centrales, se tiene
0 ≤ U (f, P ) − L(f, P ) ≤ U (f, P0 ) − L(f, P0 ).
9.2 Integral de una función real de variable real

Sea f : [a, b] −→ R una función acotada, los conjuntos de números reales
A = {L(f, P ) : P ∈ P[a, b]} y B = {U (f, P ) : P ∈ P[a, b]}
son no vacı́os. Por la propiedad c) de 180, el conjunto A está acotado superiormente (cualquier suma superior
es cota superior de A) y por tanto tiene extremo superior, que denotamos por I , y al que denominaremos
integral inferior de f en [a, b] . Es decir,
n o
I = sup A = sup L(f, P ) : P ∈ P[a, b] .
Análogamente el conjunto B está acotado inferiormente (cualquier suma inferior es cota inferior de B ) y por
tanto tiene extremo inferior, que denotamos por I , y al que denominaremos integral superior de f en [a, b] .
Es decir, n o
I = inf B = inf U (f, P ) : P ∈ P[a, b] .
Como cualquier elemento de A es menor o igual que cualquier elemento de B , se tiene que I ≤ I .
Definición 182.- Sea f : [a, b] −→ R una función acotada. Se dice que f es integrable si y sólo si I = I .
El valor I = I = I , se denomina integral de Riemann de la función f en [a, b] , y se representa por
Z b Z b
I= f ó I= f (x) dx (si se quiere poner énfasis en la variable usada)
a a
Teorema 183.- (Condición de integrabilidad de Riemann)

Una función f : [a, b] −→ R acotada es integrable Riemann si, y sólo si, para todo ε > 0 existe una partición
Pε ∈ P[a, b] tal que
U (f, Pε ) − L(f, Pε ) < ε.
Demostración:
=⇒c Sea f integrable Riemann y sea ε > 0 . Como I = I es el inferior de las sumas superiores y I = I es el
superior de las sumas inferiores, existe una partición P1 y existe una partición P2 , tales que
ε ε
U (f, P1 ) − I < y I − L(f, P2 ) < .
2 2
Tomando Pε = P1 ∪ P2 , se tiene que P1 ⊆ Pε y P2 ⊆ Pε y, por tanto,
U (f, Pε ) ≤ U (f, P1 ) y L(f, P2 ) ≤ L(f, Pε ) .
Luego
U (f, Pε ) − I ≤ U (f, P1 ) − I < 2ε y I − L(f, Pε ) ≤ I − L(f, P2 ) < ε
2 ,
y sumando ambas desigualdades U (f, Pε ) − L(f, Pε ) < ε.
⇐=c Recı́procamente, supongamos que para cualquier ε > 0 existe una partición Pε ∈ P[a, b] tal que
U (f, Pε ) − L(f, Pε ) < ε. Sabemos también que
I ≤ U (f, Pε ) y L(f, Pε ) ≤ I ,
restando entonces ambas expresiones obtenemos
0 ≤ I − I ≤ U (f, Pε ) − L(f, Pε ) < ε,
luego I = I .
Propiedades 184.- Sean f, g: [a, b] −→ R integrables en [a, b] , λ ∈ R y a < c < b. Entonces

Z b Z b Z b
1.- f + g es integrable en [a, b] y (f + g) = f+ g.
a a a
Z b Z b
2.- λf es integrable en [a, b] y λf = λ f.
a a
3.- f integrable en [a, b] si, y sólo si, f es integrable en [a, c] y [c, b] .

Z b Z c Z b
En ese caso, f= f+ f. .
a a c
Z a Z a Z b
Definición 185.- Por convenio, f (x) dx = 0 ; f (x) dx = − f (x) dx.
a b a
Como consecuencia de esta definición la propiedad (3) puede generalizarse a cualquier c ∈ R, siempre que
la función sea integrable en los intervalos correspondientes, es decir:
Proposición 186.- Sea [a, b] ⊂ R y c ∈ R . Entonces
Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx,
a a c
siempre que las integrales existan (es decir, que f sea integrable en los intervalos correspondientes).
Demostración:
Sea a ≤ b ≤ c (análogamente si c ≤ a ≤ b). Si f es integrable en [a, c] , por la propiedad (3),
Z c Z b Z c
f (x) dx = f (x) dx + f (x) dx,
a a b
luego
Z b Z c Z c Z c Z b
f (x) dx = f (x) dx − f (x) dx = f (x) dx + f (x) dx.
a a b a c
9.2.1 Sumas de Riemann

Definición 187.- Sea f : [a, b] −→ R una función acotada. Para cada partición P ∈ P[a, b] elijamos un conjunto
E = {e1 , e2 , . . . , en } tal que ei ∈ [xi−1 , xi ] para todo i = 1, . . . , n . Se llama suma de Riemann de la función
f para la partición P y el conjunto E al número
n
X
S(f, P, E) = f (ei )∆xi .
i=1
Observación: Es claro que para cualquier P y cualquier conjunto E elegido,
L(f, P ) ≤ S(f, P, E) ≤ U (f, P ),
pues, para todo i = 1, . . . , n , se verifica que mi ≤ f (ei ) ≤ Mi para cualquier ei ∈ [xi−1 , xi ] .
Mi
f (ei )
mi
Fig. 9.1. Sumas de Riemann.
Lema 188.- Sean f : [a, b] −→ R acotada y P ∈ P[a, b] . Para cualquier ε > 0 es posible elegir dos conjuntos
E1 y E2 asociados a P de forma que
S(f, P, E1 ) − L(f, P ) < ε y U (f, P ) − S(f, P, E2 ) < ε.
Demostración:
Probaremos solamente la primera ya que la segunda se prueba de forma análoga.
Sea ε > 0 . Para cada i = 1, . . . , n , por ser mi = inf{f (x) : x ∈ [xi−1 , xi ]} existe ei ∈ [xi−1 , xi ] tal que
ε
f (ei ) − mi < b−a , y sea E1 el conjunto formado por estos ei . Entonces
n n n
X X ε ε X
S(f, P, E1 ) − L(f, P ) = (f (ei ) − mi ) ∆xi < ∆xi = ∆xi = ε.
i=1 i=1
b−a b − a i=1
Proposición 189.- Sea f : [a, b] −→ R una función acotada. Entonces f es integrable en [a, b] y el valor de
su integral es I si y sólo si para cada ε > 0 existe Pε ∈ P[a, b] tal que para toda P más fina, Pε ⊆ P , y
cualquier elección del conjunto E asociado a P se cumple que |S(f, P, E) − I| < ε. .
9.2.2 Otras propiedades de la integral

Z b
Proposición 190.- Sea f : [a, b] −→ R integrable en [a, b] y tal que f ≥ 0 en [a, b] , entonces f ≥ 0.
a
Demostración:
Z b
Es claro, pues para cualquier P ∈ P[a, b] se tiene que 0 ≤ L(f, P ) ≤ I = f.
a
Z b Z b
Corolario 191.- Sean f y g integrables en [a, b] tales que f ≤ g en [a, b] . Entonces f≤ g.
a a
Demostración:
Z b Z b Z b Z b Z b
Como 0 ≤ (g − f ) , se tiene 0 ≤ (g − f ) = g− f . Luego f≤ g.
a a a a a
Proposición 192.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z Z
b b
f (x) dx ≤ |f (x)| dx .

a .
a
Corolario 193.- Sea f : [a, b] −→ R integrable en [a, b] . Para cualesquiera c, d ∈ [a, b] se verifica que
Z Z
d d
f (x) dx ≤ |f (x)| dx .

c c
Demostración:
En efecto, si c ≤ d es la proposicion 192. Si d ≤ c, se tiene
Z c Z c Z c Z d Z d Z d
− |f (x)| dx ≤ f (x) dx ≤ |f (x)| dx =⇒ |f (x)| dx ≤ − f (x) dx ≤ − |f (x)| dx,
d d d c c c
Z Z
d d
luego f (x) dx ≤ |f (x)| dx .

c c
Proposición 194.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] . .
9.2.3 Algunas funciones integrables
Proposición 195.- Sea f : [a, b] −→ R una función monótona. Entonces f es integrable en [a, b] .
Demostración:
Supongamos que f es monótona creciente (análogo para decreciente). Entonces, para cualquier partición
P ∈ P[a, b] se tiene que mi = f (xi−1 ) y Mi = f (xi ) , para todo i = 1, 2, . . . , n . En particular, si Pn es la
partición equiespaciada de [a, b] , con xi = a + i b−a
n , es decir,
b−a
a + 2 b−a b−a b−a

Pn = a, a + n , n , . . . , a + (n − 1) n , a + n n = b
b−a
y ∆xi = n , para todo i , se tiene que
n
X n
X n
X b − a
U (f, Pn ) − L(f, Pn ) = f (xi )∆xi − f (xi−1 )∆xi = f (xi ) − f (xi−1 )
i=1 i=1 i=1
n
n
b − a X b − a
= f (xi ) − f (xi−1 ) = f (b) − f (a) .
n i=1 n
b−a ε
Luego tomando n suficientemente grande para que n < f (b)−f (a) , entonces
b − a ε
U (f, Pn ) − L(f, Pn ) = f (b) − f (a) < f (b) − f (a) = ε.
n f (b) − f (a)
Teorema 196.- Sea f : [a, b] −→ R una función continua en [a, b] . Entonces f es integrable en [a, b] .
Teorema 197.- Sea f : [a, b] −→ R una función acotada en [a, b] y continua en [a, b] salvo acaso en una cantidad
numerable de puntos de dicho intervalo. Entonces f es integrable en [a, b] .
103 – Fundamentos de Matemáticas : Cálculo integral en R 9.3 Integración y derivación
9.3 Integración y derivación
Teorema 198.- Sea f : [a, b] −→ R integrable en [a, b] , con a < b , y m ≤ f (x) ≤ M para todo x ∈ [a, b] .
Entonces Z b
1
m≤ f (x) dx ≤ M.
b−a a
Demostración:
Por ser m ≤ f (x) ≤ M para todo x ∈ [a, b] , se tiene que
Z b Z b Z b
m dx ≤ f (x) dx ≤ M dx,
a a a
Z b
entonces (ver ejercicio 9.135) m(b − a) ≤ f (x) dx ≤ M (b − a) , luego
a
Z b
1
m≤ f (x) dx ≤ M.
b−a a
Z b Z a Z a
1 1 1
Nota: Como b−a f (x) dx = a−b f (x) dx , también es cierto que m ≤ a−b f (x) dx ≤ M .
a b b
Teorema de la media 199.- Sea f : [a, b] −→ R una función continua en [a, b] , entonces existe ξ ∈ [a, b] tal
que
Z b
f (x) dx = f (ξ)(b − a).
a
Demostración:
Al ser f continua en [a, b] , alcanzará el mı́nimo y el máximo en [a, b] . Sean éstos m y M respectivamente.
Z b
1
Por el teorema anterior 198, m ≤ b−a f (x) dx ≤ M y, por ser f continua, toma todos los valores entre el
a Z b
1
mı́nimo y el máximo; por consiguiente, existe ξ ∈ [a, b] tal que f (ξ) = b−a f (x) dx.
a
Z x200.- Sea f : [a, b] −→ R integrable en [a, b] . La función F : [a, b] −→ R definida de la forma

Definición
F (x) = f (t) dt recibe el nombre de función integral de la función f .
a
Teorema 201.- Sea f : [a, b] −→ R integrable en [a, b] . Entonces su función integral es continua en [a, b] .
Demostración:
Como f está acotada en [a, b] , existe M ∈ R tal que |f (x)| ≤ M , para todo x ∈ [a, b] .
Sea entonces x ∈ [a, b] , la función F estará definida en todos los puntos de la forma x + h siempre que
a < x + h < b, luego
Z x+h Z x Z x+h
F (x + h) − F (x) = f (t) dt − f (t) dt = f (t) dt.
a a x
Como −M ≤ f (x) ≤ M para todo x ∈ [a, b] , por el teorema 198 y la observación posterior, se tiene que
Z x+h
1
−M ≤ f (t) dt ≤ M,
h x
y, por tanto, Z
1 x+h
|F (x + h) − F (x)| = |h| f (t) dt ≤ M |h| .

h x
Tomando lı́mites, cuando h → 0 ,
lı́m F (x + h) − F (x) = 0. h9.1i
h→0
104 – Fundamentos de Matemáticas : Cálculo integral en R 9.3 Integración y derivación
y, por tanto, F es continua en [a, b] .
Z x
Teorema fundamental del Cálculo Integral 202.- Sea f : [a, b] −→ R integrable y F (x) = f (t) dt su
a
función integral. Si f es continua en [a, b] , entonces
a) F es derivable en [a, b] .
b) F 0 (x) = f (x) , para todo x ∈ [a, b] .
Demostración:
Sea x ∈ (a, b) . La función F estará definida en todos los puntos de la forma x + h siempre que a < x + h < b,
entonces Z x+h
f (t) dt
F (x + h) − F (x) f (ξ)h
lı́m = lı́m x = lı́m = lı́m f (ξ) = f (x),
h→0 h h→0 h h→0 h h→0
ya que, por el teorema de la media 199, ξ es un punto comprendido entre x y x + h; y f es continua en [a, b] .
Ası́ pues F es derivable para todo x ∈ (a, b) y F 0 (x) = f (x) .
Como F y f son continuas en [a, b] , F es derivable “por la derecha” en a y “por la izquierda” en b,
verificándose que F 0 (a) = f (a) y F 0 (b) = f (b) .
Regla de Barrow 203.- Sea f : [a, b] −→ R integrable en [a, b] . Si G: [a, b] −→ R es una primitiva de f en
[a, b] , entonces
Z b
f (x) dx = G(b) − G(a).
a
Demostración:
Sea ε > 0 . Por ser f integrable en [a, b] existe Pε ∈ P[a, b] , tal que U (f, Pε ) − L(f, Pε ) < ε . Aplicando el
teorema del valor medio de Lagrange a la función G , para cada i = 1, 2, . . . , n existe ei ∈ (xi−1 , xi ) tal que
G(xi ) − G(xi−1 ) = G0 (ei )(xi − xi−1 ) = f (ei )(xi − xi−1 ) .
Puesto que mi = inf{f (x) : xi−1 ≤ x ≤ xi } y Mi = sup{f (x) : xi−1 ≤ x ≤ xi }, se tiene que
mi ≤ f (ei ) ≤ Mi ,
de donde
mi (xi − xi−1 ) ≤ f (ei )(xi − xi−1 ) ≤ Mi (xi − xi−1 )
mi (xi − xi−1 ) ≤ G(xi ) − G(xi−1 ) ≤ Mi (xi − xi−1 )
Xn Xn X n
mi ∆xi ≤ G(xi ) − G(xi−1 ) ≤ Mi ∆xi
i=1 i=1 i=1
L(f, Pε ) ≤ G(b) − G(a) ≤ U (f, Pε ).

Z b
Como también es L(f, Pε ) ≤ f (x) dx ≤ U (f, Pε ) , se verifica que
a
Z
b
f (x) dx − G(b) − G(a) < ε

a
y, por tanto,
Z b
f (x) dx = G(b) − G(a).
a
Teorema del Cambio de variable 204.- Sean f : [a, b] −→ R continua en [a, b] y x = φ(t) siendo φ(t) y φ0 (t)
funciones continuas en [α, β] (ó [β, α] ), con φ(α) = a y φ(β) = b. Entonces:
Z b Z β
f (x) dx = f (φ(t))φ0 (t) dt.
a α
105 – Fundamentos de Matemáticas : Cálculo integral en R 9.4 Ejercicios
Demostración:
f (φ(t))φ0 (t) es también continua, luego las funciones
Z x Z t
F (x) = f (u) du y G(t) = f (φ(v))φ0 (v) dv
a α
0
son respectivamente primitivas de f (x) y f (φ(t))φ (t) .
Ahora bién, como F es una primitiva de f , F (φ(t)) es también una primitiva de f (φ(t))φ0 (t) , luego
F (φ(t)) = G(t) + C , para todo t ∈ [α, β] .
Para t = α se tiene F (φ(α)) = G(α) + C , y como F (φ(α)) = F (a) = 0 y G(α) = 0 , entonces C = 0 .
Y para t = β se tiene F (φ(β)) = G(β) , es decir,
Z b Z β
f (x) dx = f (φ(t))φ0 (t) dt.
a α
9.4 Ejercicios
9.135 Comprobar que la función f (x) = k , donde k es constante, es integrable en cualquier intervalo [a, b] de
R y calcular el valor de la integral.

1, si x ∈ [0, 1]
9.136 Comprobar que la función f (x) = es integrable Riemann en [0, 2] . (Utilizar la condición
2, si x ∈ (1, 2]
de integrabilidad de Riemann.)
9.137 Justificar razonadamente la falsedad de las siguientes afirmaciones:
a) U (f, P1 ) = 4 para P1 = {0, 1, 32 , 2} y U (f, P2 ) = 5 para P2 = {0, 41 , 1, 32 , 2}.

b) L(f, P1 ) = 5 para P1 = {0, 1, 32 , 2} y L(f, P2 ) = 4 para P2 = {0, 41 , 1, 32 , 2} .
c) Tomando P ∈ P[−1, 1] ,
(i) L(f, P ) = 3 y U (f, P ) = 2 .
Z 1
(ii) L(f, P ) = 3 y U (f, P ) = 6 y f (x) dx = 2 .
−1
Z 1
(iii) L(f, P ) = 3 y U (f, P ) = 6 y f (x) dx = 10 .
−1
Z 1 Z 2 Z 5
9.138 Se sabe que f (x) dx = 6 , f (x) dx = 4 y f (x) dx = 1 . Hallar el valor de cada una de las
0 0 2
siguientes integrales:
Z 5 Z 2 Z 5
a) f (x) dx b) f (x) dx c) f (x) dx.
0 1 1
Z x Z x
0
9.139 Sean f derivable y F (x) = f (t) dt. ¿Es cierto que F (x) = f 0 (t) dt? ¿Por qué?
a a
Z x
9.140 Sea f (x) = 1
1+sen2 t dt. Calcular f (x) y f 0 (x) , indicando sus dominios de definición.
a
9.141 Hallar f 0 (x) , indicando su dominio de definición, para
Z x3 Z x 3
1 1
a) f (x) = 1+sen2 t dt. b) f (x) = 1+sen2 t dt .
a aR
x 1
Z sen x Z
a 1+sen2 t
dt
1 1
c) f (x) = 1+sen2 t dt. d) f (x) = 1+sen2 t dt.
a a
9.142 Hallar el dominio y la expresión de f 0 (x) para cada una de las siguientes funciones:
Z 47 Z sec x Z cos x
1 1
a) f (x) = t dt b) f (x) = t dt c) f (x) = sen(t2 ) dt
1
x x2 x3
Z x
0
9.143 Si f es continua, calcular F (x) , siendo F (x) = xf (t) dt.
0
9.144 Probar que si f : R −→ R es continua y periódica de periodo T , entonces

Z a+T Z T
f (x) dx = f (x) dx ∀ a ∈ R.
a 0
Z x
9.145 Obtener el dominio y la expresión concreta de su función integral F (x) = f (t) dt, para cada una de
a
las funciones siguientes:
a) La función f (t) = t2 para a = −1 . Repetirlo, tomando ahora a = 1 , ¿porque son iguales/distintas?

0, si t < 0
b) La función f (t) = y a=0
2, si t ≥ 0
c) La función f (t) = |t| y a = 0

−2t, si t ≤ 1
d) La función f (t) = , para a = 1 y también para a = 0
1, si t > 1
Comprobar que se cumplen las tesis de los teoremas 201 y 202 anteriores.
9.146 Sea f : R −→ R estrictamente creciente y continua, con f (0) = 0 . Calcular los extremos de la función
Z (x+3)(x−1)
f (t) dt.
0
9.147 Dada la función f estrictamente creciente en R, con f (0) = 0 , y continua, estudiar el crecimiento,
Z x3 −2x2 +x
decrecimiento y los extremos de F (x) = f (t) dt.
1
Z x
2
9.148 Encontrar los valores de x para los que la función F (x) = te−t dt alcanza algún extremo.
0
Z b
9.149 Sea f : [a, b] −→ R de clase 1, tal que f (a) = f (b) = 0 y f 2 (x) dx = 1 . Probar que
a
Z b
1
xf (x)f 0 (x) dx = − .
a 2
9.150 Sean f y g funciones reales continuas en [a, b] que verifican que

Z b Z b
f (x) dx = g(x) dx.
a a
Demostrar que existe un punto c ∈ [a, b] tal que f (c) = g(c) .

Z 1
9.151 Se define la función beta por B(n, m) = xn−1 (1 − x)m−1 dx para n, m ∈ N, n, m > 0 .
0
a) Probar que B(n, m) = B(m, n) .

(n − 1)! · 1!
b) Probar que B(n, 1) = B(1, n) = .
n!
c) Probar que si n, m ≥ 2 , B(n, m) = n−1
m B(n − 1, m + 1) =
m−1
n B(n + 1, m − 1) y deducir de ello que
n! · m!
B(n, m) = .
(n + m)!
Capı́tulo 10
Aplicaciones de la integral
10.1 Áreas de superficies planas
10.1.1 Funciones dadas de forma explı́cita
A la vista del estudio de la integral definida realizado en el Tema 9, parece razonable la siguiente definición:
Definición 205.- Sea f : [a, b] −→ R una función continua y positiva, y consideremos la región R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la gráfica de f (ver figura debajo).
Entonces el área de la región R está definida por
Z b
A(R) = f (x) dx.
a
En efecto, en su momento hemos comentado como las sumas inferio-

res y sumas superiores nos ofrecen aproximaciones por “defecto” y
por “exceso” del área encerrado por la curva y = f (x) , es decir, el y = f (x)
valor de ese área está siempre entre el área calculado por defectoo y
el calculado por exceso. Entonces, cuando la función es integrable,
el inferior de las cotas superiores y el superior de las cotas inferiores
R
coinciden, y como el valor del área indicado por la función está en-
tre ambos valores, necesariamente debe conincidir con el valor de la
integral. a b
2
Ejemplo Calcular el área de la región limitada por la curva f (x) = x3 + 1 , los ejes coordenados y la recta
x = 3.
Solución:
La función es positiva en todo R . En particular, lo es en el dominio de
integración y, por tanto, el valor del área que buscamos vendrá dado por 2
f (x) = x3 +1
Z 3
A(R) = f (x) dx.
0
1 R
3
En nuestro caso, como F (x) = x9 + x es una primitiva de f en [0, 3] ,
x=3
basta aplicar la regla de Barrow para obtener que
3 3
x2
Z 3
x
A(R) = + 1 dx = +x = (3 + 3) − (0 + 0) = 6,
0 3 9 0
nos ofrece el área del recinto R de la figura. 4
10.1.1.1 Funciones negativas

Cuando la función f : [a, b] −→ R que limita R , es continua y nega-
y = −f (x)
tiva, es decir, f (x) ≤ 0 para todo x ∈ [a, b] , el valor de la integral será
Z b
R0 f (x) dx ≤ 0 , por lo que no puede representar el valor del área de R
a
a b como magnitud de medida positiva. Sin embargo, es claro que el área
R de la región R coincide con el área de la región R0 determinada por la
función −f (ver figura a la izquierda), por lo que, teniendo en cuenta
y = f (x) las propiedades de la integral, puede darse la siguiente definición.
108 – Fundamentos de Matemáticas : Cálculo integral en R 10.1 Áreas de superficies planas
Definición 206.- Sea f : [a, b] −→ R una función continua y negativa. Consideremos la región R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la gráfica de f . Entonces el área de
la región R está definida por
Z b Z b
A(R) = −f (x) dx = − f (x) dx.
a a
Observación 207.- Es claro entonces, que para calcular el área de regiones planas debe analizarse el signo de
la función en el intervalo de integración. De no hacerlo ası́, la parte negativa de la función “restará” el área
que encierra del área encerrado por la parte positiva.
Contraejemplo.- Hallar el área encerrado por la función f (x) = sen x , en el intervalo [0, 2π] .
Z 2π i2π
El valor sen x dx = − cos x = (− cos(2π)) − (− cos 0) = 0 , es claro que no representa el área
0 0
encerrada por la curva.
R1
π 2π
R2
Ahora bien, teniendo en cuenta que la función sen x es positiva en [0, π] y negativa en [π, 2π] , el valor real del
área encerrado será por tanto
Z π Z 2π iπ i2π
A(R) = A(R1 ) + A(R2 ) = sen x dx + − sen x dx = − cos x + cos x = 2 + 2 = 4. 4
0 π 0 π
Ejemplo Hallar el área determinada por la curva f (x) = (x−1)(x−2) ,

las rectas x = 0 , x = 52 y el eje de abcisas.
Como la función f (x) es menor o igual a cero en [1, 2] y positiva en el 2
resto, se tendrá que
5
Z 1 Z 2 Z 2
f (x) = (x−1)(x−2)
A(R) = f (x) dx − f (x) dx + f (x) dx.
0 1 2
x3 3x2
Como G(x) = + 2x es una primitiva de f (x) en [0, 25 ] ,
3 − 2
R1 R3
R2
A(R) = G(1) − G(0) − G(2) − G(1) + G 52 − G(2)

1 2 2.5
5−4+5+5−4 7
= = . 4
6 6
10.1.1.2 Área entre dos funciones

En las definiciones anteriores puede considerarse, que el área calculado esta encerrado por la función y = f (x)
y la función y = 0 , cuando la f es positiva, y por la función y = 0 y la función y = f (x) , cuando la f es
negativa. En ambos casos, se tiene que
Z b Z b Z b Z b Z b Z b
A(R) = f (x) dx − 0 dx = (f (x) − 0) dx y A(R) = 0 dx − f (x) dx = (0 − f (x)) dx,
a a a a a a
es decir, que el área encerrado por ambas funciones es la integral de la función mayor menos la integral de la
función menor. En general, se tiene que:
Proposición 208.- Si f, g: [a, b] −→ R son funciones continuas, con f (x) ≥ g(x) para todo x ∈ [a, b] . Entonces,
si R es la región del plano cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y las gráficas
de f y g , el área de R se obtiene como
Z b Z b Z b
A(R) = f (x) dx − g(x) dx = f (x) − g(x) dx.
a a a
109 – Fundamentos de Matemáticas : Cálculo integral en R 10.2 Volúmenes de cuerpos sólidos
En efecto, si las funciones verifican que 0 ≤ g(x) ≤ f (x) , es claro que el área encerrado por f y g es el área
encerrado por f menos el área encerrado por g (ver figura siguiente), es decir,
Z b Z b
A(Rf −g ) = A(Rf ) − A(Rg ) = f (x) dx − g(x) dx.
a a
Si alguna de ellas toma valores negativos, el área entre ambas, R , es el mismo
y = f (x)+k
que si le sumamos a cada función una constante k que las haga positivas y,
por tanto, el área R es el área R0 encerrado por f +k menos el área encerrado R0
por g + k (ver figura), es decir,
y = g(x)+k
Z b Z b
A(Rf −g ) = A(Rf +k ) − A(Rg+k ) = (f (x) + k) dx − (g(x) + k) dx y = f (x)
a a
Z b Z b Z b Z b R
= f (x) dx + k dx − g(x) dx − k dx a b
a a a a y = g(x)
Z b Z b
= f (x) dx − g(x) dx.
a a
Observación 209.- De forma análoga, si la región está limitada por funciones x = f (y) , x = g(y) y las rectas
y = c e y = d , siendo g(y) ≤ f (y) para todo y ∈ [c, d] , el área de la región puede encontrarse mediante la
fórmula Z d
A(R) = f (y) − g(y) dy.
c
Ejemplo Calcular el área de la región acotada comprendida entre las parábolas de ecuaciones y 2 + 8x = 16
e y 2 − 24x = 48 .
Las parábolas pueden escribirse como funciones de y , de la forma
16 − y 2 y 2 − 48 √
24
x = g(y) = y x = f (y) =
8 24
x = f (y)
Los puntos de corte de ambas parábolas son las soluciones de la ecuación x = g(y)
16 − y 2 y 2 − 48 √
= =⇒ y = ± 24.
8 24 R
√ √
Como en el intervalo [− 24, 24] es f (y) ≤ g(y) , se tiene que
√ Z √24 2 Z √24
24
16−y 2 y2

y −48
Z
A(R) = √ dy − √ dy = √ 4− dy
− 24 8 − 24 24 − 24 6
√
24
y3 16 √

√
= 4y− = 24. − 24
18 −√24 3 4
10.2 Volúmenes de cuerpos sólidos

Trataremos ahora de calcular el volumen de un sólido S . Para
ello supongamos que esta colocado en los ejes coordenados de R3
y que los extremos del sólido en la dirección del eje de abcisas
se toman en los valores x = a y x = b. Consideremos para S
cada x ∈ [a, b] que A(x) representa el área de la intersección A(x2)
A(x1)
del cuerpo con un plano perpendicular al eje de abcisas (ver
figura).
A(x3)
Entonces, para cada partición P = {a = x0 , x1 , ..., xn = b} del
intervalo [a, b] , consideremos
mi = inf{A(x) : x1 ≤ x ≤ xi−1 } a
Mi = sup{A(x) : x1 ≤ x ≤ xi−1 } b
x = x1 x = x2 x = x3
110 – Fundamentos de Matemáticas : Cálculo integral en R 10.2 Volúmenes de cuerpos sólidos
el inferior y el superior de los valores de las áreas A(x) de las secciones del sólido entre xi−1 y xi .
Definimos suma superior e inferior asociadas al sólido S y la partición P en la forma
n
X n
X
U (A, P ) = Mi 4xi y L(A, P ) = mi 4xi ,
i=1 i=1
donde cada término de las sumas representa el volumen de un cuerpo con área de la base mi ó Mi y altura
xi − xi−1 = 4xi .
Fig. 10.1. Volúmenes por exceso y por defecto.
Por tanto, ambas sumas corresponden a volumenes que aproximan por exceso y por defecto, respectivamente,
al verdadero volumen de S (fig 10.1).
Considerando todas las particiones de [a, b] y razonando de forma análoga a como se hizo en el Tema 9,
para la construcción de la integral de Riemann, estamos en condiciones de dar la siguiente definición:
Definición 210.- Sea S un sólido acotado comprendido entre los planos x = a y x = b. Para cada x ∈ [a, b] ,
sea A(x) el área de la sección que produce sobre S el plano perpendicular al eje de abcisas en el punto x . Si
A(x) es continua en [a, b] definimos el volumen de S como
Z b
V(S) = A(x) dx.
a
Nota: Podemos dar definiciones análogas si tomamos secciones perpendiculares al eje y o al eje z .

Ejemplo Hallar el volumen del sólido S = (x, y, z) ∈ R3 : x, y, z ≥ 0; x + y + z ≤ 1 .
El sólido S es la parte del primer octante limitada por el plano x + y + z = 1 , es decir, el tetraedro (pirámide
de base triángular) cuyas caras son los planos coordenados y el plano x + y + z = 1 .
Las secciones formadas por planos perpendiculares al eje x son
triángulos y su área, para cada x , es A(x) = base(x)×altura(x)
2 .
Para cada x de [0, 1] , la base deltriángulo es la coordenada y de 1
x+y+z =1
la recta intersección de los planos , luego base(x) =
z=0
z = 1−x
y = 1 − x .La altura es la coordenada z de la recta intersección de
x+y+z =1
los planos , luego altura(x) = z = 1 − x . Por tanto,
y=0
A(x) = (1−x)(1−x)
2 y A(x) 1
1 1 1
(1 − x)2 3

(1 − x)
Z Z
1 1 y = 1−x
V (S) = A(x) dx = dx = − = 4
0 0 2 6 0 6
10.2.1 Volúmenes de revolución

Un caso particular de gran importancia de la definición anterior es el de los sólidos de revolución, es decir,
sólidos generados al girar respecto a un eje.
Supongamos dada una función f : [a, b] −→ R y consideremos la región limitada por la curva y = f (x) el
eje de abcisas y las rectas x = a y x = b (como e la figura inical del tema). Una rotación completa de ésta
alrededor del eje de abcisas produce un sólido S para el cual, cada sección es un cı́rculo de radio f (x) (o |f (x)|
si la función es negativa, ver la figura anexa al ejemplo siguiente de la esfera) y por tanto, su área será
A(x) = πf 2 (x).
111 – Fundamentos de Matemáticas : Cálculo integral en R 10.3 Otras aplicaciones
En consecuencia, el volumen se obtendrá de

Z b Z b
V (S) = πf 2 (x) dx = π f 2 (x) dx.
a a
Ejemplo Hallar el volumen de la esfera x2 + y 2 + z 2 ≤ 4 .

La esfera es claramente un sólido de revolución, pues si gira-
mos el cı́rculo máximo se genera una esfera. De hecho, basta
girar el cı́rculo máximo media vuelta para conseguirla, o dar
una vuelta completa a uno de los semicı́rculos.
Como el circulo máximo, intersección de la esfera con el plano
y = 0 , tiene por ecuación (en el plano xz ) a x2 + z 2 = 4 , ob-
tenemos la esfera al girar una rotación completa la√superficie
encerrada por la semicircunferencia superior, z = 4 − x2 .
Para cada √ x ∈ [−2, 2] , el área de la sección generada es
A(x) = π( 4 − x2 )2 = π(4 − x2 ) , con lo que el volumen
será
Z 2 2
x3

2 32 4
V (S) = π (4 − x ) dx = π 4x − =π = π23 ,
−2 3 −2 3 3
como ya sabı́amos. 4
Observaciones 211.- ? Análogamente, si tenemos una función x = f (y) y hacemos rotar su gráfica alre-
dedor del eje de ordenadas, el volumen del sólido será
Z d
V (S) = π f 2 (y) dy.
c
donde c y d son los extremos de variación de y .

? En el caso más general, los volúmenes de los cuerpos engendrados por la rotación de una figura limitada
por las curvas continuas y = f (x) , y = g(x) (donde 0 ≤ g(x) ≤ f (x) ó f (x) ≤ g(x) ≤ 0 ) y por las
rectas x = a e x = b alrededor del eje de abcisas es
Z b Z b Z b
V (S) = π f 2 (x) dx − π g 2 (x) dx = π f 2 (x) − g 2 (x) dx.
a a a
Nota: Si sucede que g(x) ≤ 0 ≤ f (x) , al girar alrededor del eje de abcisas la superficie comprendida entre
las gráficas, debe tenerse en cuenta únicamente la superficie (por encima o por debajo del eje de giro) de
mayor radio de giro, pues el volumen que engendra al girar la parte mayor contiene al volumen engendrado
por la parte menor. Es decir, si |g(x)| ≤ |f (x)| se gira sólo la parte superior y si |g(x)| ≥ |f (x)| se gira
únicamente la parte inferior.
10.3 Otras aplicaciones

10.3.1 Longitudes de arcos
La integral definida se puede usar también para encontrar la longitud de una curva dada por la gráfica de una
función f (x) derivable y con derivada continua en [a, b] .
Definición 212.- Sea f : [a, b] −→ R derivable y con derivada continua en [a, b] , entonces la longitud L de de
la gráfica de f , está dada por
Z bp
L= 1 + (f 0 (x))2 dx.
a
Sin una justificación completa, esta definición se obtiene de lo siguiente: sea P = {a = x0 , x1 , ..., xn = b}
una partición del intervalo [a, b] y denotemos por Pxi = (xi , f (xi )) al punto correspondiente de la gráfica de f ,
entonces la longitud la lı́nea poligonal, L(QP ) , formada por los n segmentos rectilineos, Pxi−1 Pxi , que unen
112 – Fundamentos de Matemáticas : Cálculo integral en R 10.3 Otras aplicaciones
Pxi−1
Pxn
Px0 Pxi
a b
Fig. 10.2.
los puntos consecutivos de la gráfica es una aproximación por defecto (la recta es más corta que el arco, ver
figura aneja) de la longitud de la curva, L(f ) . Es decir,
n n q
X X 2
L(QP ) = L Pxi−1 Pxi = (xi − xi−1 )2 + f (xi ) − f (xi−1 ) ≤ L(f )
i=1 i=1
Por el teorema del valor medio de Lagrange, en cada subintervalo [xi−1 , xi ] existe un ei ∈ (xi−1 , xi ) tal que
f (xi ) − f (xi−1 ) = f 0 (ei )(xi − xi−1 ) , luego
n q n q
X 2 X 2
L(QP ) = (xi − xi−1 )2 + f 0 (ei )(xi − xi−1 ) = 1 + f 0 (ei ) (xi − xi−1 ) h 10.1 i
i=1 i=1
Para particiones más finas P ⊆ P1 ⊆ P2 se verifica que L(Qp ) ≤ L(QP1 ) ≤ L(QP2 ) por lo que si tomamos
particiones cada vez más finas se tendrá que L(QP ) −→ L(f ) . p
Por otra parte, la expresión final de h10.1 i es la suma de Riemann de la función g(x) = 1 + (f 0 (x))2 , en
n p n p
1 + (f 0 (ei ))2 (xi − xi−1 ) = 1 + (f 0 (ei ))2 4xi .
P P
la partición P y el conjunto E , es decir S(g, P, E) =
i=1 i=1
Y como f 0 es continua en [a, b] , la función g es continua e integrable en [a, b] , de donde
Xn p Z bp
S(g, P, E) = 0 2
1 + (f (ei )) 4xi −→ 1 + (f 0 (x))2 dx.
i=1 a
3
Ejemplo Determinar la longitud del arco de la gráfica de f (x) = x 2 sobre el intervalo [0, 4] .
Solución:
1
f es continua en [0, 4] y f 0 (x) = 32 x 2 es también continua en [0, 4] , luego
Z 4r Z 4 3
#4 3 3
1 2
3 2 1√ (4 + 9x) 2 40 2 − 4 2
L= 1 + 2x dx = 4 + 9x dx = = . 4
0 0 2 27 27
0
10.3.2 Área de una superficie de revolución
Definición 213.- Sea f : [a, b] −→ R con derivada continua en [a, b] , entonces el área de la superficie engendrada
por la rotación alrededor del eje de abcisas del arco de curva f (x) entre x = a y x = b, se obtiene de
Z b p
S = 2π f (x) 1 + (f 0 (x))2 dx.
a
Ejemplo Calcular el área de la superficie esférica x2 + y 2 + z 2 = 4 .

Solución: √
La esfera es una superficie de revolución obtenida al girar el arco de curva y = 4 − x2 en el intervalo
[−2, 2] . Luego
s 2
Z 2p Z 2
−x
S = 2π 4 − x2 1 + √ dx = 2π 2 dx = 16π. 4
−2 4 − x2 −2
10.4 Ejercicios
10.152 Hallar el área de la figura limitada por la curva y = x(x − 1)(x − 2) y el eje de abcisas.
a|f (a)|
10.153 Probar que el área encerrado por la curva f (x) = pxn , con x ∈ [0, a] , p ∈ R y n ∈ N es n+1 .
10.154 Calcular el área de la figura limitada por la curva y = x3 , la recta y = 8 , y el eje OY .
10.155 Calcular el área de la figura limitada por la curva y 3 − y + 2 = x , la recta x = 8 , y el eje OX.
x2 y2
10.156 Hallar el área encerrado por la elipse a2 + b2 = 1.
x2
10.157 Hallar el área de la figura comprendida entre las parábolas y = x2 , y = 2 , y la recta y = 2x .
10.158 Calcular el área de las dos partes en que la parábola y 2 = 2x divide al cı́rculo x2 + y 2 = 8 .
x2 y2
10.159 Calcular el área de la figura limitada por la hipérbola a2 − b2 = 1 y la recta x = 2a.
10.160 Calcular el área de cada una de las partes en que las curvas 2y = x2 y 2x = y 2 dividen al cı́rculo
x2 + y 2 ≤ 3 .
ex 1
10.161 Calcular el área limitada por las curvas f (x) = 1+ex y g(x) = (x+1)2 +1) cuando x ∈ [0, 1] .
√ √
10.162 Calcular el área encerrada por la curva y = 1 − x2 + arcsen x y el eje de abcisas.
(Nota: Estudiar el dominio y el signo de la función.)
10.163 La curva que aparece en la figura de la derecha, llamada astroide, viene dada
por la ecuación 2 2 2
2 2 2
x3 + y3 = a3
x3 + y3 = a3
Hallar el área encerrada por la astroide. −a a
3 3
(Nota: Se sugiere el cambio x = a sen t ó x = a cos t .)
10.164 Calcular el área de la figura limitada por la curva a2 y 2 = x2 (a2 − x2 ) .

2
10.165 Calcular el área de la figura comprendida dentro de la curva ( x5 )2 + ( y4 ) 3 = 1 .
4 3
10.166 Comprobar usando la integración, que el volumen de una esfera de radio r es 3 πr
x2 y2 z2
10.167 Hallar el volumen del elipsoide a2 + b2 + c2 = 1.
10.168 Considerar el sólido V formado al cortar el cilindro x2 + y 2 ≤ 22 por los

planos z = 0 e y +z = 2 (ver la figura de la derecha), que analı́ticamente
viene descrito por:
V = (x, y, z) : x2 + y 2 ≤ 22 ; 0 ≤ z ≤ 2 − y

Describir y calcular el área de las secciones de V perpendiculares a cada

uno de los ejes.
Calcular el volumen de V mediante las secciones correspondientes a dos
de los ejes.
y2 2
10.169 Hallar el volumen encerrado por el paraboloide elı́ptico 4 + z6 = x y limitado por el plano x = 5 .
x2 y2
10.170 Hallar el volumen del elipsoide, engendrado por la rotación de la elipse a2 + b2 = 1 alrededor del eje OX .
10.171 Hallar el volumen del cuerpo engendrado al girar alrededor del eje OY , la parte de la parábola y 2 = 12x ,
que intercepta la recta x = 3 .
10.172 Hallar volumen del toro engendrado por la rotación del cı́rculo (x − b)2 + y 2 ≤ a2 , con b > a, alrededor
del eje OY .
10.173 La recta x = 2 divide al cı́rculo (x − 1)2 + y 2 ≤ 4 en dos partes.
a) Calcular el volumen generado al girar alrededor de la recta y = 0 la parte de mayor área.

b) Calcular el volumen generado al girar alrededor de la recta x = 0 la parte de mayor área.
c) Calcular el volumen generado al girar alrededor de la recta x = 2 la parte de menor área.
10.174 Considerar las curvas y = sen(x) e y = sen(2x) en el intervalo [0, π] .
a) Hallar el área de la región encerrada entre las dos curvas.

b) Hallar el área de cada uno de los trozos en que la recta y = 21 divide a la región encerrada entre las
dos curvas.
c) Si giramos ambas curvas alrededor de la recta y = 21 , ¿cuál de las dos engendrará mayor volumen?
2 y2 z2
10.175 Hallar el volumen de la parte del hiperboloide de una hoja S = { xa2 + a2 − c2 ≤ 1; 0 ≤ z ≤ h}.
10.176 Hallar el volumen del cono elı́ptico recto, de base una elipse de semiejes a y b y cuya altura es h.
10.177 Hallar el volumen del cuerpo limitado por la superficies de los cilindros
parabólicos z = x2 y z = 1 − y 2 (ver figura de la derecha) a partir de
las áreas formadas al seccionar el cuerpo por planos paralelos al plano
z = 0.
10.178 Hallar el volumen del cuerpo limitado por los cilindros: x2 + z 2 = a2 e y 2 + z 2 = a2 .
10.179 Calcular el volumen de cada una de las partes en que queda dividido un cilindro circular recto de radio 2
y de altura 8 por un plano que, conteniendo un diámetro de una de las bases, es tangente a la otra base.
2 2 2
10.180 Sobre las cuerdas de la astroide x 3 +y 3 = 2 3 , paralelas al eje OX , se han construido unos cuadrados, cuyos
lados son iguales a las longitudes de las cuerdas y los planos en que se encuentran son perpendiculares al
plano XY . Hallar el volumen del cuerpo que forman estos cuadrados.
10.181 El plano de un triángulo móvil permanece perpendicular al diámetro fijo

de un cı́rculo de radio a. La base del triángulo es la cuerda correspon-
diente de dicho cı́rculo, mientras que su vértice resbala por una recta
paralela al diámetro fijo que se encuentra a una distancia h del plano
del cı́rculo. Hallar el volumen del cuerpo (llamado “conoide”, ver figura
aneja) engendrado por el movimiento de este triángulo desde un extremo
del diámetro hasta el otro.
10.182 Un cı́rculo deformable se desplaza paralelamente al plano XZ de tal

forma, que uno de los puntos de su circunferencia descansa sobre el
2 2
eje OY y el centro recorre la elipse xa2 + yb2 = 1 . Hallar el volumen del
cuerpo engendrado por el desplazamiento de dicho cı́rculo.
10.183 Sea S el recinto del plano limitado por la parábola y = 4 − x2 y el eje de abscisas. Para cada p > 0
consideramos los dos recintos en que la parábola y = p x2 divide a S ,
A(p) = {(x, y) ∈ S : y ≥ p x2 } y B(p) = {(x, y) ∈ S : y ≤ p x2 }.
a) Hallar p para que las áreas de A(p) y B(p) sean iguales
b) Hallar p para que al girar A(p) y B(p) alrededor del eje OY s obtengamos sólidos de igual volumen
10.184 Hallar el perı́metro de uno de los triángulos curvilı́neos limitado por el eje de abscisas y las curvas
y = ln | cos x| e y = ln | sen x| .
10.185 Hallar la longitud del arco y = arcsen(e−x ) desde x = 0 hasta x = 1 .
10.186 Hallar el área de la superficie del toro engendrado por la rotación de la circunferencia (x − b)2 + y 2 = a2 ,
con b > a, alrededor del eje OY .
Capı́tulo 11
Integrales impropias
En el tema anterior se ha definido la integral de Riemann con las siguientes hipótesis
? Dom(f ) = [a, b] es un conjunto acotado.
? f : [a, b] −→ R está acotada en [a, b] .
Si alguna de estas condiciones no se cumple denominaremos a la integral correspondiente integral impropia.
11.1 Integrales impropias de primera especie
Definición 214.- Sea f : [a, +∞) −→ R integrable en [a, t] , para todo t ≥ a , y sea entonces F : [a, +∞) −→ R
Z t
la función definida por F (t) = f (x) dx .
a
El par (f, F ) se denomina integral impropia de primera especie en [a, +∞) y se designa por
Z +∞ Z +∞
f (x) dx ó f.
a a
Z +∞
Definición 215.- Diremos que la integral impropia f (x) dx es convergente si existe y es finito
a
Z t
lı́m F (t) = lı́m f (x) dx
t→+∞ t→+∞ a
y si ese lı́mite es L se dice que el valor de la integral impropia es L . Es decir,

Z +∞
L= f (x) dx.
a
Si el lı́mite anterior es infinito (∞ ó −∞ ) se dice que la integral impropia es divergente (hacia ∞ ó hacia
−∞ ), y si no existe se dice que es oscilante.
De forma análoga se definen las integrales impropias de primera especie en intervalos de la forma (−∞, b]
para funciones f : (−∞, b] −→ R integrables en [t, b] , para todo t ∈ R, y las representamos por
Z b Z b
f (x) dx ó f.
−∞ −∞
Z ∞ Z t it
x2 t2 1
Ejemplo La integral x dx es divergente, pues lı́m x dx = lı́m 2 = lı́m − = +∞ 4
1 t→+∞ 1 t→+∞ 1 t→+∞ 2 2
Z ∞ Z t
t
Ejemplo La integral sen x dx es oscilante, pues lı́m sen x dx = lı́m (cos x]0 = lı́m cos t − 1 y
0 t→+∞ 0 t→+∞ t→+∞
este último lı́mite no existe 4
Z 0 Z 0
1 π 1 0 π
Ejemplo 1+x2 dx = 2 , pues lı́m 1+x2 dx = lı́m (arctg x]t = lı́m 0 − arctg t = 2 4
−∞ t→−∞ t t→−∞ t→−∞
Z ∞
dx
Ejemplo 216 Estudiar el carácter de xα , para α ∈ R .
1
Como la función tiene primitivas distintas para α = 1 y α 6= 1 , las estudiamos por separado:
116 – Fundamentos de Matemáticas : Cálculo integral en R 11.1 Integrales impropias de primera especie
Si α = 1 , Z t it
1
lı́m dx = lı́m ln x = lı́m (ln t − ln 1) = lı́m ln t = +∞,
t→+∞ 1 x t→+∞ 1 t→+∞ t→+∞
luego diverge.
Si α 6= 1 ,
t t
x−α+1 t−α+1 1−α+1 t1−α − 1 −1
Z
lı́m x−α dx = lı́m = lı́m − = lı́m = 1−α ,
si α > 1
t→+∞ 1 t→+∞ −α + 1 1
t→+∞ −α + 1 −α + 1 t→+∞ 1 − α +∞, si α < 1
luego diverge si α < 1 y converge si α > 1 .

Z ∞ Z ∞
dx dx 1
Resumiendo, xα diverge si α ≤ 1 y converge si α > 1 . En este último caso, xα = α−1 . 4
1 1
Z +∞
Definición 217.- Sea f : R −→ R integrable en todo intervalo cerrado de R. Diremos que f (x) dx es
−∞
convergente si existe algún a ∈ R tal que
Z alas integrales Z +∞
f (x) dx y f (x) dx,
−∞
Z +∞a Z a Z +∞
son ambas convergentes. En ese caso su valor es f (x) dx = f (x) dx + f (x) dx
−∞ −∞ a
Z 0 Z ∞ Z t
1 π 1 1 t
Ejemplo Como 1+x2 dx = 2 y 1+x2 dx = lı́m lı́m (arctg x]0 = lı́m arctg t − 0 = π2 ,
1+x2 dx = t→∞
−∞ t→∞ t→∞
Z ∞ Z ∞ 0 Z 0 0
Z ∞
1 1 1 1 π π
la integral 1+x2 dx converge y 1+x2 dx = 1+x2 dx + 1+x2 dx = 2 + 2 = π 4
−∞ −∞ −∞ 0
Observaciones
Z +∞
1.- Sea f : R −→ R integrable en todo intervalo cerrado de R . El carácter de f (x) dx no depende del
−∞
punto a dado en la definición.
Y si la integral es convergente, su valor no depende del punto elegido ya que, para cualquier b ∈ R ,
Z a Z ∞ Z b Z a Z b Z ∞ Z b Z ∞
f+ f= f+ f+ f+ f= f+ f.
−∞ a −∞ b a b −∞ b
Z ∞ Z +∞ Z t
2.- Sea f : R −→ R integrable en todo intervalo cerrado. Si f converge, entonces f = lı́m f.
−∞ −∞ t→+∞ −t
La implicación contraria es falsa. Es decir, puede existir ese lı́mite y la integral ser divergente.
Z +∞
Contraejemplo 2x dx no es convergente, pues
−∞
Z ∞ Z t t
2x dx = lı́m 2x dx = lı́m x2 0
= lı́m t2 = +∞
0 t→+∞ 0 t→+∞ t→+∞
es divergente, sin embargo

Z t t
lı́m 2x dx = lı́m x2 −t
= lı́m t2 − (−t)2 = 0. 4
t→+∞ −t t→+∞ t→+∞
Z t Z +∞
Al valor del lı́m f (x)dx se le denomina Valor Principal de Cauchy, y suele denotarse por V P f
t→+∞ −t −∞
Definición 218.- Diremos que dos integrales impropias tienen el mismo carácter, y lo representaremos por
“ ∼”, si son simultáneamente convergentes, divergentes u oscilantes.
Propiedades 219.-
1.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ≥ a y sea b ≥ a. Entonces
Z +∞ Z +∞
f (x)dx ∼ f (x)dx.
a b
2.- Sea f : [a, +∞) −→ R integrable en [a, t] , ∀ t ≥ a y λ ∈ R , con λ 6= 0 . Entonces

Z +∞ Z +∞
f (x) dx ∼ λf (x) dx.
a a
Z +∞ Z +∞
3.- Sean f, g: [a, +∞) −→ R integrables en [a, t] , ∀ t ≥ a. Si f y g convergen, entonces:
a a
Z +∞ Z +∞ Z +∞ Z +∞
(f + g) converge y (f + g)(x) dx = f (x) dx + g(x) dx.
a a a a
Demostración:
1.- Como
!
Z t Z b Z t Z b Z t
lı́m f (x) dx = lı́m f (x) dx + f (x) dx = f (x) dx + lı́m f (x) dx
t→+∞ a t→+∞ a b a t→+∞ b
el lı́mite de la izquierda es finito, infinito o no existe si el lı́mite de la derecha es finito, infinito o no existe
respectivamente. Y viceversa.
Z t Z t
2.- Como lı́m λf (x) dx = λ lı́m f (x) dx , ambos lı́mites son simultáneamente finitos, infinitos o no
t→+∞ a t→+∞ a
existen.
Z t Z t Z t
3.- Basta considerar que lı́m (f + g)(x) dx = lı́m f (x) dx + lı́m g(x) dx, si los segundos lı́mites
t→+∞ a t→+∞ a t→+∞ a
existen.
Z ∞
x+2
Ejemplo La integral dx es convergente, ya que x+2
x3
1 1
x3 = x2 + 2 x3 y por las propiedades 219 ante-
Z ∞ 2
Z Z ∞ ∞ Z ∞ Z ∞
1 (P.1) 1 (P.2) (P.1)
riores, x2 dx ∼ x2 dx y 2 x13 dx ∼ 1
x3 dx ∼
1
x3 dx , que son ambas convergentes
2 1 2 2
Z ∞ 1
x+2
(ejemplo 216). Luego por la propiedad (P.3) la integral x3 dx es convergente por ser suma de integrales
Z ∞ Z ∞ Z ∞ 2
x+2 1
convergentes y x3 dx = x2 dx + 2 x13 dx 4
2 2 2
Proposición 220.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ∈ [a, +∞) . Si lı́m f (x) = L 6= 0
Z ∞ x→+∞
entonces f (x) dx diverge. .

a
Observación 221.- Como consecuencia de este resultado, si una función tiene lı́mite en +∞ , su integral sólo
puede ser convergente cuando el lı́mite es cero. (Si el lı́mite no existe no se puede asegurar nada.)
El recı́proco de la proposición 220 no es cierto, una integral puede ser divergente, aunque su lı́mite sea 0 .
Z ∞
dx
Contraejemplo x diverge (ver ejemplo 216) y sin embargo, lı́m x1 = 0 .
1 x→+∞
11.1.1 Criterios de comparación para funciones no negativas
Lema 222.- Sea f : [a, +∞) −→ R integrable y no negativa en [a, t] , para todo t ∈ R. Entonces la función
Z t
F (t) = f (x) dx es creciente en [a, +∞) .
a
Demostración:
La función F es creciente ya que si t1 , t2 ∈ [a, +∞) , con t1 ≤ t2 , entonces
Z t2
F (t2 ) − F (t1 ) = f (x) dx ≥ 0
t1
por ser f (x) ≥ 0 para todo x ∈ [a, +∞) .
Teorema 223.- Sea f : [a, +∞) −→ R integrable y no negativa en [a, t] , ∀t ∈ R .

Z +∞ Z t
f (x) dx es convergente ⇐⇒ F (t) = f (x) dx está acotada superiormente. .
a a
Z +∞
Nota: En consecuencia, para funciones no negativas, f (x) dx sólo puede ser convergente o divergente.
a
Primer criterio de comparación 224.- Sean f, g: [a, +∞) −→ R integrables en [a, t] para todo t ≥ a y su-
pongamos que existe b > a tal que 0 ≤ f (x) ≤ g(x) para todo x ≥ b. Entonces:
Z +∞ Z +∞
a) Si g(x) dx converge ⇒ f (x) dx también converge.
a a
Z +∞ Z +∞
b) Si f (x) dx diverge ⇒ g(x) dx también diverge.
a a
Demostración:
Por la propiedad 1 de 219,
Z +∞ Z +∞ Z +∞ Z +∞
f (x) dx ∼ f (x) dx y g(x) dx ∼ g(x) dx,
a b a b
luego basta probarlo en [b, +∞) .

Z +∞ Z t
a) Si g(x) dx converge, G(t) = g(x) dx está acotada superiormente.
b b
Por ser 0 ≤ f (x) ≤ g(x) , se tendrá que
Z t Z t
F (t) = f (x) dx ≤ g(x) dx = G(t),
b b
Z +∞
luego F (t) está acotada superiormente y f (x) dx es convergente.
b
Z +∞ Z +∞ Z t
b) Si f (x) dx es divergente también lo es
f (x) dx y, por tanto, F (t) = f (x) dx no está acotada
a b Z +∞ b
superiormente. Como F (t) ≤ G(t) , G no está acotada superiormente y g(x) dx es divergente, luego
Z +∞ b
g(x) dx es divergente.
a
Z ∞
1 2 1 1
Ejemplo x2 +1 dx es convergente, pues en [1, +∞) , 0 < x < x2 + 1 de donde 0 < 1+x2 < x2 . Luego
Z ∞ 1Z
∞
1 1
x2 +1 dx ≤ x2 dx y como la mayor es convergente, la menor también. 4
1 1
Z ∞
1 1 1
Ejemplo x+1 dx es divergente, pues en [1, +∞) , 0 < x + 1 < x + x = 2x de donde 0 < 2x < x+1 . Luego
Z ∞ Z1 ∞
1 1 1
2 x dx ≤ x+1 dx y como la menor es divergente, la mayor también lo es. 4
1 1
Segundo criterio de comparación 225.- Sean f, g: [a, +∞) −→ R integrables en [a, t] , para todo t ≥ a y no
negativas. Supongamos que existe lı́m fg(x)
(x)
= L. Entonces:
x→+∞
Z +∞ Z +∞
a) Si 0 < L < +∞ =⇒ f (x) dx ∼ g(x) dx.
a a
b) Si L = 0 , se tiene:
Z +∞ Z +∞
[i] si g(x) dx converge =⇒ f (x) dx converge.
a a
Z +∞ Z +∞
[ii] si f (x) dx diverge =⇒ g(x) dx diverge.
a a
c) Si L = +∞ , se tiene:
Z +∞ Z +∞
[i] si f (x) dx converge =⇒ g(x) dx converge.
a a
Z +∞ Z +∞
[ii] si g(x) dx diverge =⇒ f (x) dx diverge. .
a a
Z ∞ 1
√
1√ x2 − x x2√
Ejemplo x2 − x
dx es convergente, pues [2, +∞) es positiva y lı́m 1 = lı́mx 2− x = 1 6= 0 .
2 x→+∞ x2 x→+∞
Z ∞ Z ∞
1√ 1
Luego x2 − x
dx ∼ x2 dx que converge. 4
2 2
Observación: Aunque losZ criterios Zdados son válidos únicamente para funciones positivas en un entornoZde +∞ ,
+∞ +∞ +∞
teniendo en cuenta que f∼ −f , para las funciones negativas basta estudiar el carácter de −f.
a a a
11.1.2 Convergencia absoluta

Z +∞
Definición 226.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ≥ a . Diremos que f (x)dx es
Z +∞ a
absolutamente convergente si |f (x)|dx converge.

a
Teorema 227.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ≥ a.

Z ∞ Z +∞
Si |f (x)|dx converge, entonces f (x)dx converge.
a a
En otras palabras, si una integral impropia converge absolutamente entonces converge.

Demostración:
Para todo x ∈ [a, +∞) se tiene −|f (x)| ≤ f (x) ≤ |f (x)|, luego 0 ≤ f (x) + |f (x)| ≤ 2|f (x)| . Entonces, si
Z +∞ Z +∞
|f (x)|dx converge se tiene que (|f (x)| + f (x)) dx es convergente y, por tanto, aplicando al propiedad
a a
3 de 219, se tiene que Z +∞ Z +∞ Z +∞
f (x)dx = (f (x) + |f (x)|) dx − |f (x)|dx
a a a
converge.
Nota: El recı́proco no es cierto.

Z ∞
sen x
Contraejemplo x dx converge pero no converge absolutamente.
π
120 – Fundamentos de Matemáticas : Cálculo integral en R 11.2 Integrales impropias de segunda especie
Z ∞
sen x
Veamos que x dx converge.
π
∞ t
u = x1 du = −1
Z Z
sen x sen x x2 dx
dx = lı́m dx =−→ −→
π x t→+∞ π x dv = sen x dx v = − cos x
t Z t ! Z t
− cos x cos x 1 − cos t cos x
= lı́m − 2
dx = lı́m − − lı́m dx
t→+∞ x π π x t→+∞ π t t→+∞ π x2
Z ∞
1 cos x
= − dx
π π x2
Z ∞ Z ∞
| cos x| 1 1 cos x
Como x2 ≤ x2 y x2 dx converge, x2 dx converge absolutamente, luego converge y, por tanto
π π
Z ∞ Z ∞
sen x 1 cos x
dx = − dx
π x π π x2
converge. Z ∞ Z ∞
| sen x| | cos x|
Veamos que no converge absolutamente. Si x dx convergiera, entonces x dx convergerı́a,
π π
puesto que
∞ Z ∞ ∞ Z ∞
| sen(x + π2 )|
| cos x| | sen(t)| | sen t|
Z Z
dx =
dx = π dt ∼ dt
π π x x 3π
2
t − 2 π t
Z ∞
| sen x|+| cos x|
(por el segundo criterio de comparación); en consecuencia, x dx convergerı́a. Pero esto es absurdo
Z ∞ π Z ∞
puesto que | sen x|+|
x
cos x|
≥ x1 y como 1
x dx diverge, necesariamente
| sen x|+| cos x|
x dx ha de ser divergente.
Z ∞ Z ∞π π
| sen x| sen x
Luego x dx diverge y x dx no converge absolutamente. 4
π π
Observación 228.- Los criterios establecidos para integrales impropias de primera especie en [a, +∞) ası́ como
la convergencia absoluta admiten versiones análogas para integrales impropias de primera especie en (−∞, b]
(se construyen similarmente a como se hace en la sección 11.2.1).
No obstante, si f : (−∞, b] −→ R, la función g: [−b, +∞) −→ R definida por g(x) = f (−x) verifica que
Z b Z −t
f (x)dx = g(u)du, para todo t ∈ (−∞, b] , luego
t −b
Z b Z ∞
f (x)dx ∼ g(u)du.
−∞ −b
Puede, por tanto, estudiarse f (x) en (−∞, b] estudiando f (−x) en [−b, +∞) .
Z −1
1
Ejemplo Estudiar el carácter de x2 dx.
−∞
Z +∞ Z +∞ Z −1
1 1 1
Como (−x)2 dx = x2 dx que converge, la integral x2 dx converge.
−(−1) 1 −∞
11.2 Integrales impropias de segunda especie
Definición 229.- Sea f : (a, b] −→ R integrable en [t, b] , para todo t ∈ (a, b] , y no acotada. Sea F : (a, b] −→ R
Z b
la función definida por F (t) = f (x)dx.
t
El par (f, F ) se denomina integral impropia de segunda especie en (a, b] y se designa por
Z b Z b
f (x)dx ó f.
a+ a+
Z b
Definición 230.- Diremos que la integral impropia f (x)dx es convergente si existe y es finito
a+
Z b
lı́m F (t) = lı́m f (x)dx
t→a+ t→a+ t
y si ese lı́mite es L se dice que el valor de la integral impropia es L , es decir,

Z b
L= f (x)dx.
a+
Si el lı́mite anterior es infinito se dice que la integral impropia es divergente y si no existe se denomina
oscilante.
De forma análoga se definen las integrales impropias de segunda especie en intervalos de la forma [a, b) para
funciones f : [a, b) −→ R integrables en [a, t] , ∀t ∈ [a, b) y no acotadas. Las representaremos por
Z b− Z b−
f (x)dx ó f.
a a
Definición 231.- Sea f : (a, b) −→ R integrable en todo intervalo cerrado contenido en (a, b) y no acotada.
Z b− Z c Z b−
Diremos que f (x)dx es convergente si existe algún c ∈ R tal que las integrales f (x)dx y f (x)dx
a+ a+ c
son ambas convergentes. En ese caso su valor es
Z b− Z c Z b−
f (x)dx = f (x)dx + f (x)dx.
a+ a+ c
Z b Z b−
dx dx
Ejemplo 232 Estudiar el carácter de (x−a)α y de (b−x)α , para los α ∈ R.
a+ a
Solución:
Si α = 1 ,
Z b ib
dx
lı́m+ = lı́m+ ln |x − a| = lı́m+ ln |b − a| − ln |t − a| = +∞
t→a t x−a t→a t t→a
Z t it
dx
lı́m− = lı́m− − ln |b − x| = lı́m− ln |b − a| − ln |b − t| = +∞
t→b a b−x t→b a t→b
Si α 6= 1 ,
Z b b
dx 1 1
lı́m = lı́m
t→a+ t (x − a)α t→a+ 1 − α (x − a)α−1 t
1
= lı́m
1 1
−
1
= (1−α)(b−a)α−1 , si α < 1
t→a+ 1 − α (b − a)α−1 (t − a)α−1 +∞, si α > 1
t t
−1
Z
dx 1
lı́m = lı́m
t→bb a (b − x)α t→b− 1 − α (b − x)α−1 a
1
1 1 1 α−1 , si α < 1
= lı́m− α−1
− α−1
= (1−α)(b−a)
t→b α − 1 (b − t) (b − a) +∞, si α > 1
luego converge si α < 1 y diverge si α ≥ 1 .

Z b−
dx
Análogamente se hace la segunda, y se obtiene que (b−x)α converge si α < 1 y diverge si α ≥ 1 .
a
11.2.1 Criterios de comparación para funciones no negativas

Las integrales impropias de segunda especie para funciones no negativas, admiten criterios análogos a los dados
para las integrales de primera especie. En este sentido, obsérvese que el Teorema 234 siguiente es idéntico a su
homólogo para integrales de primera especie.
Por ello, enunciaremos los criterios omitiendo sus demostraciones, que tienen un desarrollo parejo a las
demostraciones de los criterios para las integrales de primera especie. Véase la observación 238 posterior, que
“identifica” las integrales de segunda especie con las de primera especie, donde se aporta más información sobre
estos comentarios.
Lema 233.- Sea f : (a, b] −→ R integrable en [t, b] , para todo t ∈ (a, b] , no negativa y no acotada. Entonces,
Z b
la función F (t) = f (x)dx es decreciente.
t
Teorema 234.- Sea f : (a, b] −→ R integrable en [t, b] , para todo t ∈ (a, b] , no negativa y no acotada. Entonces
Z b Z b
f (x)dx es convergente ⇐⇒ F (t) = f (x)dx está acotada superiormente. .
a+ t
Primer criterio de comparación 235.- Sean f, g: (a, b] −→ R integrables en [t, b] , para todo t ∈ (a, b] , y no
acotadas. Supongamos que existe c ∈ (a, b] tal que 0 ≤ f (x) ≤ g(x) , para todo x ∈ (a, c] , entonces
Z b Z b
a) Si g(x)dx converge =⇒ f (x)dx también converge.
a+ a+
Z b Z b
b) Si f (x)dx diverge =⇒ g(x)dx también diverge.
a+ a+
Segundo criterio de comparación 236.- Sean f, g: (a, b] −→ R integrables en [t, b] , para todo t ∈ (a, b] , no
negativas y no acotadas. Supongamos que existe y es finito lı́m+ fg(x)
(x)
= L. Entonces:
x→a
Z b Z b
a) Si L 6= 0 entonces, f (x)dx ∼ g(x)dx.
a+ a+
Z b Z b
[i] Si g(x)dx converge =⇒ f (x)dx también converge.
a+ a+
Z b Z b
[ii] Si f (x)dx diverge =⇒ g(x)dx también diverge.
a+ a+
Teorema 237.- (Convergencia absoluta.)

Sea f : (a, b] −→ R integrable en [t, b] , ∀t ∈ (a, b] , y no acotada.
Z b Z b
Si |f (x)|dx convergente =⇒ f (x)dx es convergente.
a+ a+
Nota: También pueden darse enunciados análogos para integrales impropias de segunda especie en [a, b) .
Observación 238.- Cualquier integral impropia de segunda especie puede transformarse mediante un cambio
de variable adecuado en una integral impropia de primera especie:
Segunda especie Cambio de variable Primera especie
Z b Z +∞
1 f ( 1t +a)
f (x)dx t= x−a t2 dt
1
a+ b−a
Z b− Z +∞
1 f (b− 1t )
f (x)dx t= b−x t2 dt
1
a b−a
Por consiguiente, como ya anunciábamos, los teoremas y criterios de comparación estudiados para las in-
tegrales impropias de primera especie admiten enunciados análogos para las integrales impropias de segunda
especie.
Las demostraciones pueden hacerse utilizando los cambios de variable arriba indicados y los resultados ya
conocidos referentes a las integrales impropias de primera especie, o bien siguiendo los mismos pasos de las
demostraciones realizadas en la subsección 11.1.1.
11.3 Ejercicios
Z +∞
dx
11.187 Calcular el valor de 1+x2 .
−∞
Z +∞ Z 0
11.188 Calcular e−x dx y ex dx.
0 −∞
Z +∞ Z +∞
2x−1 2x−1
11.189 Estudiar el carácter de 1+x2 dx y hallar V P 1+x2 dx.
−∞ −∞
Z +∞ Z +∞
11.190 Probar que sen x dx no es convergente. ¿Existe V P sen x dx?
−∞ −∞
11.191 Estudiar el carácter de las integrales siguientes:
Z ∞ Z ∞ Z ∞ Z ∞
2x 2 −x 1
a) (2 + sen x)dx b) e (2x −4x)dx c) e dx d) ch x dx
0 0 −∞ 1
Z ∞ Z 0 Z 0 Z ∞
2
x2 +1 2
e) e−x dx f) e2x (2x2 +4x)dx g) x4 +1 dx h) xe−x dx
−∞ −∞ −∞ 0
Z ∞ Z ∞ Z ∞ Z ∞
3
sen x x dx x ln x
i) 1+cos x+ex dx j) 1+x4 dx k) √
x
l) (1+x2 )2 dx
0 1 0 0
Z 0 Z 1 Z 1
x−1 √ dx sen
√ x+cos x dx
a) (x+1)2 dx b) c)
−1 0 x(1−x) 0 x(1−x)
π
Z π Z 1 Z 2
dx ex √e
x
d) 1−cos x e) ex −1 dx f) sen x
dx
0 0 0
Z +∞
dx
11.193 Probar que xα diverge para cualquier α ∈ R .
0
11.194 Estudiar el carácter de las siguientes integrales, según los valores de α

Z +∞ Z +∞
sen2 x dx
a) x2 dx b) ln x , para α > 1
α α
11.195 Responder razonadamente, sobre la veracidad o falsedad de las siguientes afirmaciones:

Z +∞
a) Si f : [a, ∞) −→ R es integrable en cada [a, t] ⊆ [a, ∞) y lı́m f (x) = 0 , la f (x) dx converge
x→+∞ a
Z ∞
b) Si f : [a, +∞) −→ R, es continua y lı́m f (x) = 0 , entonces f (x)dx converge
x→+∞ a
Z ∞
c) Si f : [a, +∞) −→ R, es derivable, creciente y acotada entonces f 0 (x)dx converge
a
Z ∞ Z 1000 Z ∞
d) Si f (x)dx es convergente, entonces f (x)dx ≤ f (x)dx
a a a
Z ∞ Z ∞ Z ∞
e) Si (f (x) + g(x))dx converge, entonces f (x)dx y g(x)dx convergen necesariamente.
a a a
Z 1 Z 1 Z 1
f) Si f (x)dx y g(x)dx convergen, entonces f (x)g(x)dx converge necesariamente
0 0 0

Z 1 Z π Z ∞
sen x sen2 2x ln x
a) x2 dx b) x2 dx c) x4 −x3 −x2 +x dx
0 0 1
√
Z 2 Z 2 Z ∞
x dx dx
d) 4 dx e) x ln x f) 1
0 (x2 −1) 5 1 0 x+(x3 +1) 2
Z +∞ Z 1 Z ∞
ex
g) sen2 x1 dx h) ln x ln(x + 1)dx i) ex +1 dx.
1 0 0

√
π 2
Z 4
Z 2 π
Z ∞
(1−tg x) sen x 4 −arcsen x ex ex
a) 3 3 dx b) 1 3 dx c) ex +1 − ex −1 dx
0 (π
4 −x)
2 x2 0 x 2 ( √12 −x) 2 0
Z ∞ Z 1 Z ∞√
arctg(x−1) 3
sen (x−1) x sen x12
d) √
3
dx e) x ln3 x
dx f) ln(1+x) dx
1 (x−1)4 0 0
π π
Z 4 2
Z 2 2
Z π x2
√
1+ x

1−e−x 1−e−x 2 − 8 − 1+sen x
g) x2 cos x − 1 dx h) x2 cos x − 1 dx i) 7 dx
0 π
0 x2
4
11.198 Encontrar los valores de β , para que las integrales siguientes sean convergentes.
π
Z 2
Z ∞ Z ∞ √1
Z ∞
1−cos x βx 1 1−e x x−sen x
a) xβ
dx b) x2 +1 − 2x+1 dx c) xβ
dx d) xβ
dx
0 2 0 0
Z ∞ Z ∞ Z ∞ Z ∞
dx √ 1 β sen2 x xβ
e) √
x1−β 3 1−x2
f) 1+2x2
− x+1 dx g) x2 −1 dx h) x4 −1 dx
0 0 β β
Z 1
11.199 Se define la función beta por B(p, q) = xp−1 (1 − x)q−1 dx . Encontrar los valores reales de p y q para
0
los que la función B(p, q) está definida.
Z ∞
11.200 Se define la función gamma por Γ(p) = xp e−x dx .
0
a) Probar que esta función está definida para todo p > −1 .

b) Probar que se verifica la igualdad Γ(p + 1) = pΓ(p) , para cualquier p .
Z ∞
c) Calcular, usando b), x6 e−x dx .
0
11.201 Sea f : [0, +∞) −→ R. Se define la función transformada

Z ∞ integral de Laplace de la función f , que
denotaremos por L{f }, como L{f (x)} = F (s) = f (x)e−sx dx, siempre que la integral exista. Probar
0
que:
a) Si f (x) = 1 , F (s) = L{1} = 1s .
b) Si F (s) = L{f (x)} y G(s) = L{g(x)}, entonces, para todo λ, µ ∈ R,
L{λf (x) + µg(x)} = λL{f (x)} + µL{g(x)}.
c) Si f es derivable y verifica que lı́m f (x)e−sx = 0 , a partir de un cierto s, y existe L{f 0 (x)} ,
x→+∞
entonces
L{f 0 (x)} = sL{f (x)} − f (0).
1 a
d) L{x} = s2 y que L{sen(ax)} = s2 +a2 , usando el resultado del apartado c).
Cálculo integral en R
Integral de Riemann
Propiedades 180.- Sea f : [a, b] −→ R una función acotada.

a) Para toda P ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, P ) .
b) Para todas P1 , P2 ∈ P[a, b] con P1 ≤ P2 , se verifica que
L(f, P1 ) ≤ L(f, P2 ) y U (f, P2 ) ≤ U (f, P1 ) .
c) Para cualesquiera P, Q ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, Q) .
Demostración:
n
P n
P
a) Como mi ≤ Mi , para todo i, se tiene L(f, P ) = mi ∆xi ≤ Mi ∆xi = U (f, P ) .
i=1 i=1
b) Probaremos sólo la desigualdad para las sumas superiores (la demostración es análoga para las sumas
inferiores).
Supongamos primero que P2 tiene exactamente un punto más que P1 , es decir,
P1 = {a = x0 , x1 , . . . , xj−1 , xj , . . . , xn = b} y P2 = {x0 , x1 , . . . , xj−1 , c, xj , . . . , xn }.
Si M 0 = sup{f (x) : x ∈ [xj−1 , c]} y M 00 = sup{f (x) : x ∈ [c, xj ]}, se tiene que
j−1 n
Mi ∆xi + M 0 (c − xj−1 ) + M 00 (xj − c) +
P P
U (f, P2 ) = Mi ∆xi .
i=1 i=j+1
Mj = M 0
m0 M 00
mj = m00
xj−1 c xj
Fig. 11.1. Añadir un punto a la partición.
Como Mj = sup{f (x) : x ∈ [xj−1 , xj ]} , es M 0 ≤ Mj y M 00 ≤ Mj y por tanto

j−1
X n
X
U (f, P2 ) ≤ Mi ∆xi + Mj (c − xj−1 ) + Mj (xj − c) + Mi ∆xi
i=1 i=j+1
j−1
X n
X
= Mi ∆xi + Mj ∆xi + Mi ∆xi = U (f, P1 ).
i=1 i=j+1
Supongamos ahora que P2 tiene exactamente k puntos más que P1 . Construimos k particiones del
intervalo [a, b] de forma que cada una de ellas contenga un punto más que la anterior, P1 ≤ Q1 ≤ Q2 ≤
· · · ≤ Qk−1 ≤ P2 . Entonces,
U (f, P2 ) ≤ U (f, Qk−1 ) ≤ · · · ≤ U (f, Q2 ) ≤ U (f, Q1 ) ≤ U (f, P1 ) .
126 – Fundamentos de Matemáticas : Cálculo integral en R Anexo 2
c) Si consideramos P∗ = P ∪ Q, P∗ es una partición de [a, b] y se verifica que P ≤ P∗ y Q ≤ P∗ . Usando

las propiedades b), a) y b) en las desigualdades siguientes, se tiene
L(f, P ) ≤ L(f, P∗ ) ≤ U (f, P∗ ) ≤ U (f, Q).
Propiedades 184.- Sean f, g: [a, b] −→ R integrables en [a, b] , λ ∈ R y a < c < b. Entonces

Z b Z b Z b
1.- f + g es integrable en [a, b] y (f + g) = f+ g.
a a a
Z b Z b
2.- λf es integrable en [a, b] y λf = λ f.
a a
3.- f integrable en [a, b] si, y sólo si, f es integrable en [a, c] y [c, b] .

Z b Z c Z b
En ese caso, f= f+ f.
a a c
Demostración:
1.- Como f y g son integrables en [a, b] , existen P1 y P2 particiones de [a, b] , tales que U (f, P1 )−L(f, P1 ) <
ε ε
2 y U (g, P2 ) − L(g, P2 ) < 2 ; luego tomando Pε = P1 ∪ P2 , al ser mas fina que P1 y P2 , se verifica que
n n
X ε X ε
U (f, Pε ) − L(f, Pε ) = (Mi0 − m0i )∆xi < U (g, Pε ) − L(g, Pε ) = (Mi00 − m00i )∆xi < .
i=1
2 i=1
2
Sea Pε = {x0 < x1 < · · · < xn } , y sean mi y Mi el inferior y superior de f + g en [xi−1 , xi ] . Entonces,
como m0i ≤ f (x) ≤ Mi0 y m00i ≤ g(x) ≤ Mi00 , se tiene que m0i + m00i ≤ f (x) + g(x) ≤ Mi0 + Mi00 , luego que
m0i + m00i ≤ mi ≤ Mi ≤ Mi0 + Mi00 . En consecuencia,
n
X n
X
U (f + g, Pε ) − L(f + g, Pε ) = (Mi − mi )∆xi ≤ (Mi0 + Mi00 ) − (m0i + m00i ) ∆xi
i=1 i=1
n n
X X ε ε
= (Mi0 − m0i )∆xi + (Mi00 − m00i )∆xi < + = ε.
i=1 i=1
2 2

2.- Basta con tener en cuenta que U (λf, P ) − L(λf, P ) = λ U (f, P ) − L(f, P ) y usar que f es integrable.
3.- Sea ε > 0 . Si f integrable en [a, b] existe Pε ∈ P[a, b] tal que U (f, Pε ) − L(f, Pε ) < ε.
Añadiendo, si no está, el punto c a Pε obtenemos la partición de [a, b]
P = {a = x0 , x1 , . . . , xi−1 , c, xi , . . . , xn = b}
más fina que Pε , luego se verifica que U (f, P ) − L(f, P ) ≤ U (f, Pε ) − L(f, Pε ) < ε.
Tomando P1 = {a, x1 , . . . , xi−1 , c} , partición de [a, c] y P2 = {c, xi , . . . , b}, partición de [c, b] , se verifica
que
L(f, P ) = L(f, P1 ) + L(f, P2 ) y U (f, P ) = U (f, P1 ) + U (f, P2 )
y, por tanto,
U (f, P ) − L(f, P ) = (U (f, P1 ) − L(f, P1 )) + (U (f, P2 ) − L(f, P2 )) < ε.
Luego
U (f, P1 ) − L(f, P1 ) < ε y U (f, P2 ) − L(f, P2 ) < ε.
Recı́procamente, si f es integrable en [a, c] y en [c, b] , existen P1 ∈ P[a, c] y P2 ∈ P[c, b] tales que

ε ε
U (f, P1 ) − L(f, P1 ) < 2 y U (f, P2 ) − L(f, P2 ) < 2 .
Tomando P = P1 ∪ P2 , se tiene que P ∈ P[a, b] y
ε ε
U (f, P ) − L(f, P ) = (U (f, P1 ) − L(f, P1 )) + (U (f, P2 ) − L(f, P2 )) < 2 + 2 = ε,
luego f es integrable en [a, b] .
Z c Z b Z b
Si denotamos por I1 = f (x) dx , I2 = f (x) dx e I = f (x) dx , se tiene que
a c a
L(f, P ) ≤ I ≤ U (f, P ) L(f, P1 ) ≤ I1 ≤ U (f, P1 ) L(f, P2 ) ≤ I2 ≤ U (f, P2 )

y, por tanto,
|I − (I1 + I2 )| ≤ U (f, P ) − L(f, P ) < ε, ∀ε > 0.
En consecuencia, I = I1 + I2 .
Proposición 189.- Sea f : [a, b] −→ R una función acotada. Entonces f es integrable en [a, b] y el valor de su
integral es I si y sólo si para cada ε > 0 existe Pε ∈ P[a, b] tal que para toda P ≥ Pε y cualquier elección del
conjunto E asociado a P se cumple que |S(f, P, E) − I| < ε.
Demostración:
Z b
=⇒c Si f integrable en [a, b] e I = f (x) dx , dado ε > 0 existe Pε ∈ P[a, b] tal que
a
U (f, Pε ) − L(f, Pε ) < ε.
Por otra parte, para cualesquiera P y E asociado a P , se cumple que
L(f, P ) ≤ S(f, P, E) ≤ U (f, P )
y que
L(f, P ) ≤ I ≤ U (f, P ) ó mejor − U (f, P ) ≤ −I ≤ −L(f, P ),
sumando ambas
−(U (f, P ) − L(f, P )) ≤ S(f, P, E) − I ≤ U (f, P ) − L(f, P ),
de donde
|S(f, P, E) − I| ≤ U (f, P ) − L(f, P ), ∀ P ∈ P[a, b].
En particular, si P ≥ Pε se tendrá que
|S(f, P, E) − I| ≤ U (f, P ) − L(f, P ) ≤ U (f, Pε ) − L(f, Pε ) < ε.
⇐=c Supongamos que dado ε > 0 existe Pε ∈ P[a, b] tal que para todo P ≥ Pε y cualquier elección de E
asociado a P se tiene que |S(f, P, E) − I| < 4ε .
Aplicando el lema 188 a la partición Pε , existirán dos conjuntos E1 y E2 asociados a la partición tales que
ε ε
S(f, Pε , E1 ) − L(f, Pε ) < y U (f, Pε ) − S(f, Pε , E2 ) < ,
4 4
entonces
|U (f, Pε ) − L(f, Pε )| ≤ |U (f, Pε ) − S(f, Pε , E2 )| + |S(f, Pε , E2 ) − I| +

+ |I − S(f, Pε , E1 )| + |S(f, Pε , E1 ) − L(f, Pε )|
ε ε ε ε
< + + + = ε.
4 4 4 4
Z b Z b
Luego f es integrable en [a, b] y existe el valor de f (x) dx. Veamos que f (x) dx = I .
a a
Existe Pε tal que
ε
U (f, Pε ) − L(f, Pε ) < h 11.1 i
2
y que
ε
|S(f, Pε , E) − I| < h 11.2 i
2
(existen P1 y P2 verificando respectivamente h 11.1i y h 11.2i , luego Pε = P1 ∪ P2 verifica a la vez h11.1 i y

h 11.2 i). Como
Z b
L(f, Pε ) ≤ f (x) dx ≤ U (f, Pε ) y L(f, Pε ) ≤ S(f, Pε , E) ≤ U (f, Pε )
a
se tiene que Z
b ε
f (x) dx − S(f, Pε , E) ≤ U (f, Pε ) − L(f, Pε ) <

2

a
luego
Z b
ε ε
− < f (x) dx − S(f, Pε , E) < ,
2 a 2
y de h 11.2i tenemos que
ε ε
− < S(f, Pε , E) − I < ,
2 2
sumando ambas Z b
−ε < f (x) dx − I < ε
a
Z b
y, por tanto I = f (x) dx.
a
Proposición 192.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z Z
b b
f (x) dx ≤ |f (x)| dx .

a a
Demostración:
f (x), si f (x) ≥ 0
Como |f (x)| = , si tomamos las funciones definidas por
−f (x), si f (x) < 0

+ f (x), si f (x) ≥ 0 − 0, si f (x) > 0
f (x) = y f (x) = ,
0, si f (x) < 0 −f (x), si f (x) ≤ 0
entonces |f | = f + + f − y será integrable si f + y f − son integrables.

Veamos que f + es integrable en [a, b] :
n
P
f es integrable, luego existe Pε tal que U (f, Pε ) − L(f, Pε ) = (Mi − mi )∆xi < ε
i=1
n
U (f + , Pε ) − L(f + , Pε ) = (Mi0 − m0i )∆xi .
P
y, para esa misma partición, Ahora bien:
i=1
? si 0 ≤ mi entonces 0 ≤ f = f + en [xi−1 , xi ] y Mi0 − m0i = Mi − mi .

? si Mi ≤ 0 , entonces f ≤ 0 = f + en [xi−1 , xi ] y Mi0 − m0i = 0 − 0 ≤ Mi − mi .
? si mi < 0 < Mi , entonces mi < 0 = m0i ≤ Mi0 = Mi y Mi0 − m0i ≤ Mi − mi .
En consecuencia, U (f + , Pε ) − L(f + , Pε ) ≤ U (f, Pε ) − L(f, Pε ) < ε y f + es integrable. en [a, b] .
Como es también f = f + − f − , se tiene que f − = f + − f es integrable en [a, b] por ser suma de integrables
y, por tanto, |f | es integrable en [a, b] .
Aplicando ahora el corolario 191 a la desigualdad − |f | ≤ f ≤ |f | , se tiene que
Z b Z b Z b
− |f | ≤ f≤ |f |
Z Z a a a
b b
y, por tanto, f ≤ |f | .

a a
Proposición 194.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] .

Demostración:
Como puede escribirse f g = 41 (f + g)2 − (f − g)2 y las funciones f + g y f − g son integrables, basta probar

que el cuadrado de una función integrable es integrable.

Sea entonces h integrable en [a, b] . Por ser acotada, existe K > 0 tal que |h(x)| < K , para todo x ∈ [a, b] ,
y por ser integrable, existe Pε ∈ P[a, b] tal que
n
X ε
U (h, Pε ) − L(h, Pε ) = (Mi − mi )∆xi < .
i=1
2K
n
Para esa partición y la función h2 , sea U (h2 , Pε ) − L(h2 , Pε ) = (Mi0 − m0i )∆xi ,
P
i=1
entonces,
? si 0 ≤ mi ≤ Mi , se tiene que Mi0 = Mi2 y m0i = m2i , de donde
Mi0 − m0i = Mi2 − m2i = (Mi + mi )(Mi − mi ) .
? si mi ≤ Mi ≤ 0 , se tiene que Mi0 = m2i y m0i = Mi2 , de donde
Mi0 − m0i = −(Mi2 − m2i ) = −(Mi + mi )(Mi − mi ) = |Mi + mi | (Mi − mi ) .
? si mi < 0 < Mi , se tiene
que Mi0 = máx{m2i , Mi2 } y m0i = mı́n{m2i , Mi2 }, de donde (por las anteriores)
0 0 2 2
Mi − mi = Mi − mi = |Mi + mi | (Mi − mi ) .
Luego
n n n
X X X ε
(Mi0 −m0i )∆xi = |Mi +mi | (Mi −mi )∆xi ≤ 2K(Mi −mi )∆xi < 2K = ε,
i=1 i=1 i=1
2K
2
y h es integrable. En consecuencia f g es integrable en [a, b] .
Integrales impropias
Proposición 220.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ∈ [a, +∞) . Si lı́m f (x) = L 6= 0
Z ∞ x→+∞
entonces f (x) dx diverge.

a
Demostración:
Supongamos que lı́m f (x) = L > 0 . Entonces, para cualquier ε > 0 existe k > 0 tal que si x ≥ k se verifica
x→+∞
que |f (x) − L| < ε, es decir, L − ε < f (x) < L + ε .
En particular, tomando ε = L2 > 0 , si x ≥ k se verifica que L2 < f (x) < 3L L
2 , luego 0 < 2 < f (x) para todo
x ∈ [k, +∞) . Entonces,
Z t Z t
L
lı́m dx ≤ lı́m f (x) dx
t→+∞ k 2 t→+∞ k
y como Z t
L L t L
lı́m dx = lı́m (x]k = lı́m t − k = +∞,
t→+∞ k 2 t→+∞ 2 2 t→+∞
Z t Z ∞
se tiene que lı́m f (x) dx = +∞ y la integral f (x) dx diverge, luego por la propiedad 1 de 219,
t→+∞ k k
Z ∞
f (x) dx diverge.
a Z ∞
Supongamos ahora que lı́m f (x) = L < 0 . Entonces lı́m −f (x) = −L > 0 y, por tanto, − f (x) dx
x→+∞ x→+∞ a
Z ∞
diverge. Luego f (x) dx diverge.
a
Teorema 223.- Sea f : [a, +∞) −→ R integrable y no negativa en [a, t] , ∀t ∈ R .

Z +∞ Z t
f (x) dx es convergente ⇐⇒ F (t) = f (x) dx está acotada superiormente.
a a
Demostración:
Z ∞
Si f (x) dx converge, entonces
a
Z t
lı́m f (x) dx = lı́m F (t) = L ∈ R.
t→+∞ a t→+∞
Como F (t) es creciente, F (t) ≤ L y está acotada superiormente.

n o
Recı́procamente, si F (t) está acotada superiormente existe sup F (t) : t ∈ [a, +∞) = α ∈ R. Veamos que
Z ∞
α = lı́m F (t) y habremos probado que f (x) dx es convergente.
t→+∞ a
Sea ε > 0 . Entonces, por ser α un extremo superior, existe t0 ∈ [a, +∞) tal que α − ε < F (t0 ) , luego
si t ≥ t0 , como F es creciente, se tiene que α − ε < F (t0 ) ≤ F (t) . Además, para todo t , se verifica que
F (t) ≤ α < α + ε .
En consecuencia, para cualquier ε > 0 existe t0 tal que si t ≥ t0 , α−ε < F (t) < α+ε , es decir, |F (t)−α| < ε,
luego lı́m F (t) = α .
t→+∞
Demostración de: Segundo criterio de comparación 225 de la página 119
Segundo criterio de comparación 225.- Sean f, g: [a, +∞) −→ R integrables en [a, t] , para todo t ≥ a y no
negativas. Supongamos que existe lı́m fg(x)
(x)
= L . Entonces:
x→+∞
Z +∞ Z +∞
a) Si 0 < L < +∞ =⇒ f (x) dx ∼ g(x) dx.
a a
Z +∞ Z +∞
[i] si g(x) dx converge =⇒ f (x) dx converge.
a a
Z +∞ Z +∞
[ii] si f (x) dx diverge =⇒ g(x) dx diverge.
a a
c) Si L = +∞ , se tiene:
Z +∞ Z +∞
[i] si f (x) dx converge =⇒ g(x) dx converge.
a a
Z +∞ Z +∞
[ii] si g(x) dx diverge =⇒ f (x) dx diverge.
a a
Demostración:

, luego existe K > 0 tal que si x ≥ K se tiene que fg(x)
L (x) L
1.- Si 0 < L < +∞ , tomamos ε = − L < . De

2 2
donde
L f (x) L
− +L< < +L
2 g(x) 2
y, como g(x) ≥ 0 , se tiene
L 3L
g(x) ≤ f (x) ≤ g(x)
2 2
L 3L
para todo x ≥ K . Basta aplicar 224, a los pares de funciones 2g ≤ f (x) y f (x) ≤ 2 g(x) y tener en
cuenta la propiedad 2 de 219.
2.- Si L = 0 , tomando ε = 1 , se tiene que existe K > 0 tal que si x ≥ K entonces 0 ≤ f (x) < g(x) .
De nuevo, basta con aplicar 224.
3.- Si L = +∞ , entonces lı́m g(x) = 0 y recaemos en el caso anterior.

x→+∞ f (x)
Teorema 234.- Sea f : (a, b] −→ R integrable en [t, b] , para todo t ∈ (a, b] , no negativa y no acotada. Entonces
Z b Z b
f (x)dx es convergente ⇐⇒ F (t) = f (x)dx está acotada superiormente.
a+ t
Demostración:
Z b
Si f (x)dx converge, entonces
a+
Z b
lı́m+ f xdx = lı́m+ F (t) = L ∈ R.
t→a t t→a
Como F (t) es decreciente, F (t) ≤ L y está acotada superiormente. (Notar, que como F es decreciente, cuando
t “decrece” hacia a+ , F (t) “crece” hacia L .)
Recı́procamente, si F (t) está acotada superiormente existe sup{F (t) : t ∈ (a, b]} = α ∈ R . Veamos que
Z b
α = lı́m+ F (t) y habremos probado que f (x)dx es convergente.
t→a a+
Sea ε > 0 . Entonces, por ser α un extremo superior, existe t0 ∈ (a, b] tal que α − ε < F (t0 ) , luego si
t ≤ t0 , como F es decreciente, se tiene que α − ε < F (t0 ) ≤ F (t) . Además, para todo t , se verifica que
F (t) ≤ α < α + ε .
En consecuencia, para cualquier ε > 0 existe t0 tal que si t ≤ t0 , α−ε < F (t) < α+ε , es decir, |F (t)−α| < ε,
luego lı́m+ F (t) = α .
t→a
Unidad III
Ecuaciones Diferenciales Ordinarias
133 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias
Capı́tulo 12
EDO de primer orden

12.1 Introducción, conceptos e ideas básicas
Las ecuaciones diferenciales surgen en muchas aplicaciones de la ingenierı́a como modelos matemáticos de
diversos sistemas fı́sicos y de otros tipos, y muchas de las leyes y relaciones se modelan matemáticamente como
ecuaciones diferenciales. Siempre que intervenga la razón de cambio de una función, como la velocidad, la
aceleración, la desintegración, etc., se llegará a una ecuación diferencial.
Definición 239.- Una ecuación diferencial ordinaria (EDO) es aquella que contiene una o varias derivadas
de una función desconocida de una variable, y se quiere determinar a partir de la ecuación
Suele denominarse por y = y(x) a esa función buscada y por x la variable sobre la que se deriva. Ası́, por
dy
ejemplo, (se usan indistintamente las notaciones y 0 e dx ):
? y 0 = cos x
d2 y dy
? dx2 + 4y = dx
? x2 y 000 y 0 + 2ex y 00 = (x2 + 2)y 2

El término ordinarias las distinque de las ecuaciones diferenciales parciales en las que la solución depende de
dos o más variables. El orden de una ecuación diferencial es el orden de la derivada más alta.
Definición 240.- Una ecuación diferencial ordinaria de orden n genérica suele representarse mediante la ex-
presión
dy dn y
F x; y, , . . . , n = F x; y, y 0 , . . . , y n) = 0
dx dx
y se dice que una función y = f (x) , definida en un intervalo I ⊆ R y con derivada n -ésima en el inter-
valo, es una solución explı́cita de la ecuación diferencial si la verifica en cada punto de I . Es decir, si
F (x; f (x), f 0 (x), . . . , f n) (x)) = 0 para cada x ∈ I .
Se dice que g(x, y) = 0 es una solución implı́cita de la ecuación diferencial si define implı́citamente a una
función f (x) que es una solución explı́cita de la ecuación diferencial.
Ejemplo La ecuación diferencial x + y y 0 = 0 tiene a x2 + y 2 − 25 = √ 0 como solución implı́cita en el

intervalo (−5, 5) , que define implı́citamente la solución explı́cita y = f (x) = 25 − x2 .
En efecto, si y = y(x) , derivando respecto a x la ecuación implı́cita x2 +y 2 −25 = 0 se tiene 2x+2y(x) y 0 (x) = 0
(derivación en implı́citas) de donde se obtiene la ecuación de partida x + y y 0 = 0 .
√ −x
Igualmente, para f (x) = 25 − x2 es f 0 (x) = √25−x 2
, y se cumple que es una solución explı́cita
p −x
x + f (x) f 0 (x) = x + 25 − x2 · √ =x−x=0
25 − x2
Algunas ecuaciones resolubles Disponemos de algunas ecuaciones diferenciales que podemos resolver y ya
hemos resuelto, por ejemplo y 0 = cos(x) . Es evidente que la podemos resolver, pues
Z
y 0 = cos(x) =⇒ y = cos(x)dx = sen(x) + C
No solo hemos encontrado una solución sino que hemos encontrado todas las soluciones posibles. Para cada
valor concreto de la contante C tendremos una solución particular de la ecuación diferencial, y a la expresión
paramétrica que las define se le denomina solución general.
Si lo que buscamos es una solución concreta, que por ejemplo en x = 0 valga 5 (y(0) = 5 ), la solución
pedida será la que cumpla ambas condiciones: en este caso, y = sen(x) + 5 . Como la solución general depende
de un único parámetro, un única condición añadida determina su valor; incluir más condiciones a cumplir que
parámetros a fijar supone que o bien hay condiciones superfluas o no hay solución.
134 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias 12.2 Métodos de resolución
Definición 241.- Este tipo de ecuaciones diferenciales con condiciones adicionales que se refieren todas al
mismo punto, se denominan problemas de valores iniciales o problemas de Cauchy y se expresan en la
forma 
0 y 00 = f (x; y, y 0 )
y = f (x, y)

; y(x0 ) = y0 ; ·········
y(x0 ) = y0  0
y (x0 ) = y1
Cuando las condiciones se refieren a más de un punto se dicen Problemas de contorno (y que no trataremos).
Nota: En general, una ecuación diferencial de orden n tiene soluciones dependientes de n parámetros.
Z
y 00 = cos(x) =⇒ y 0 = sen(x) + C1 =⇒ y = (sen x+C1 )dx = − cos(x) + C1 x + C2
12.1.1 Ecuaciones diferenciales ordinarias de primer orden

Antes de seguir buscando nuevos métodos de resolución, fijemos notaciones, condiciones y recursos que nos
aseguren soluciones y resultados. Para ello comencemos por las ¿más sencillas?, las de primer orden:
Definición 242.- Las ecuaciones diferenciales de primer orden pueden escribirse mediante las expresiones:
F (x; y, y 0 ) = 0 y 0 = f (x, y) M (x, y)dx + N (x, y)dy = 0
que suelen denominarse la forma general o implı́cita, la forma normal y la forma diferencial, todas ellas
válidas y puede usarse una u otra según interese en cada caso (ver nota siguiente)
Nota: La manipulación de los términos de la ecuación diferencial para cambiar de una forma a otra que pueda
facilitarnos la resolución, no cambia el grueso de las soluciones, aunque sı́ puede eliminar alguna solución
concreta o añadirla
1 1
Ejemplo Las exprersiones, y 0 − xy 2 = 0 , y 0 = xy 2 y xdx − 1
1 dy = 0 son formas distintas de la misma
y2
ecuación diferencial, pero la función y(x) = 0 no puede ser una solución en la forma diferencial y sı́ lo es de las
otras formas (ver el 2 o ejemplo de la subsección 12.2.1 de Ecuaciones diferenciales separables)
Teorema de existencia y unicidad 243.- Sea la ecuación diferencial y 0 (x) = f (x, y) . Si f es una función
continua en un abierto y conexo D de R2 y si ∂f ∂y es también continua en D y (x0 , y0 ) ∈ D , entonces existe
una única función y = ϕ(x) definida en un entorno de x0 que es solución del problema de Cauchy
y 0 = f (x, y)

y(x0 ) = y0
(Muy burdamente, conexo significa un conjunto en un sólo trozo). Es evidente que si no se cumplen las hipótesis,
ni existencia ni unicidad está garantizada (aunque puedan ocurrir) como en el siguiente ejemplo:
1 1
Ejemplo Para la ecuación diferencial y 0 = xy 2 , se tiene que f (x, y) = xy 2 es continua en y ≥ 0 y ∂f∂y
lo es en y > 0 . Luego en (0, 0) no se cumplen las
hipótesis del teorema, sin embargo tanto y1 (x) = 0 como
1
4 y 0 = xy 2
y2 (x) = x16 son soluciones del problema de Cauchy
y(0) = 0
1 1
Ambas verifican la condición en el punto y como y12 = 0 e y10 = 0 se tiene que 0 = y10 = xy12 = 0 .
1
x2 x3 x3 2
Idénticamente, y22 = 4 e y20 = 4 , luego 4 = x x4 también cumple la ecuación.
12.2 Métodos de resolución

La resolución de estas ecuaciones diferenciales se basa en la búsqueda de “primitivas” (en un sentido amplio),
de funciones de una variable y de funciones de dos variables. Los dos primeros métodos que veremos marcan
estas dos pautas de resolución (y todos los demás han de reducirse a alguno de ellos)
12.2.1 Ecuaciones diferenciales separables
Definición 244.- Si la ecuación diferencial y 0 = f (x, y) puede escribirse en la forma

g(y) y 0 = f (x) o mejor g(y) dy = f (x) dx
se denomina ecuación diferencial separable o de variables separables

Y como parece indicar la segunda opción, se resuelven mediante integraciones independientes en cada una de
las ”variables” x e y :
Una solución y(x) debe cumplir la ecuación g(y(x)) y 0 (x) = f (x) , luego ambos términos serán funciones de x ,
por lo que integrando en x ambos lados de la igualdad (y un sencillo cambio de variable)
Z Z Z Z
0 y(x) = t
g(y(x)) y (x) dx = f (x) dx −→ −→ g(t) dt = f (x) dx
y 0 (x)dx = dt
Z Z
y(x) = y
(que en el fondo es) −→ −→ g(y) dy = f (x) dx
y 0 (x)dx = dy
Luego, si denotamos por las mayúsculas a sendas primitivas, se tiene que G(y) = F (x) + C . Por lo que la
función G(y) − F (x) = C es la solución general implı́cita de la ecuación diferencial
dy
Ejemplo La ecuación diferencial x + y dx = 0 es separable pues y y 0 = −x ó
y2 x2
Z Z
y dy = −x dx =⇒ y dy = −x dx =⇒ = − + C =⇒ x2 + y 2 = 2C = K
2 2
que es la solución general, con K ≥ 0 .
1 dy 1
Ejemplo La ecuación diferencial y 0 = xy 2 (1) es separable, pues puede escribirse como y − 2 dx =x (2)
1
x2 x2 x2
Z Z 2
− 21 y2 1
y dy = x dx =⇒ 1 = +C =⇒ y2 = + 2C =⇒ y= +K
2
2 4 4
2
x2
y la solución general de (2) es y(x) = 4 +K para todo K ∈ R .
1
Ahora bien, para obtener (2) hemos dividido (1) por y 2 y, puesto que buscamos una solución de la forma
y = y(x) , la función constantemente 0 no puede ser solución de (2), pero sı́ resulta ser una solución de (1). Es
2 2
decir, todas las soluciones de la ecuación inicial (1) son y(x) = 0 e y(x) = x4 + K , para cada K ∈ R.
Las soluciones, como esta y(x) = 0 , que no aparecen incluidas en la expresión con parámetros de la solución
suelen denominarse soluciones singulares.
12.2.2 Ecuaciones diferenciales exactas

La existencia de una solución implı́cita, que es una función real de dos variables y cuya derivación debe reconstruir
la ecuación diferencial, nos indica el método para la resolución: buscar esa “primitiva” cuya derivada es la
ecuación.
Una función ϕ(x, y) = C que define implı́citamente una función y(x) , es también una solución implı́cita
de la ecuación diferencial. Derivando respecto a x , se tiene
∂ϕ ∂y ∂ϕ ∂x ∂ϕ dy ∂ϕ
· + · =0 ⇐⇒ · + = 0,
∂y ∂x ∂x ∂x ∂y dx ∂x
con expresiones más comunes: f2 (x, y) · y 0 + f1 (x, y) = 0 ⇐⇒ f1 (x, y) dx + f2 (x, y) dy = 0
Definición 245.- Una ecuación de primer orden dada en la forma diferencial por
M (x, y) dx + N (x, y) dy = 0
se dice que es exacta en un abierto y conexo D si existe ϕ tal que

∂ϕ ∂ϕ
(x, y) = M (x, y) (x, y) = N (x, y)
∂x ∂y
para cada (x, y) ∈ D . Entonces, ϕ(x, y) = C es la solución general de la ecuación diferencial.
∂M ∂N
Teorema 246.- Si se cumple que ∂y (x, y) = ∂x (x, y) en cada punto de un abierto y convexo D , existe ϕ
∂ϕ ∂ϕ
tal que ∂x (x, y) = M (x, y) y ∂y (x, y) = N (x, y) en cada punto de D .
Calculo de ϕ : Si sabemos que ϕ existe, podemos hacerlo sencillamente obligando a que cumpla lo que tiene
que cumplir. Para ilustrar el método, consideremos el siguiente ejemplo de ecuación diferencial exacta:
(y 2 +y cos x)dx + (2xy+3y 2 +sen x)dy = 0 ya que ∂ 2

∂y (y +y cos x) = 2y+cos x = ∂ 2
∂x (2xy+3y +sen x)
? ϕ debe verificar que ∂ϕ 2

∂x (x, y) = M (x, y) = y +y cos x , luego considerando y como constante, ϕ debe
ser una primitiva de M , es decir,
Z Z
ϕ(x, y) = M (x, y) dx = y 2 + y cos x dx = xy 2 + y sen x + K(y)
siendo K(y) la constante de integración, que será constante respecto a x pero que podrı́a contener alguna
constante y (recordad, en este punto consideramos y como constante)
∂ϕ
? ϕ también debe verificar que ∂y (x, y) = N (x, y) = 2xy+3y 2 +sen x , luego debe verificarse que
2xy+3y 2 +sen x = ∂
∂y ϕ(x, y) = ∂
∂y (xy
2
+ y sen x + K(y)) = 2xy + sen x + K 0 (y)
De donde, K 0 (y) = 3y 2 y por consiguiente

Z Z
K(y) = K 0 (y)dy = 3y 2 dy = y 3 + C
con C la constante de integración. Luego hemos construido

ϕ(x, y) = xy 2 + y sen x + K(y) = xy 2 + y sen x + y 3 + C
y se tiene entonces que xy 2 + y sen x + y 3 + C = 0 es la solución general implı́cita de la ecuación diferencial
Observaciones Unas consideraciones interesantes sobre este cálculo y el método
1.- En el segundo paso, K 0 (y) es una función de y , luego constante o con la variable y , pero en ningún caso
debe tener la variable x . Si esto sucede, o bien hemos errado en los cálculos o bien la ecuación diferencial
no es exacta
2.- Antes de intertar calcular la función ϕ, debe comprobarse que la ecuación diferencial es exacta
3.- La construcción de ϕ puede hacerse también intercambiando las variables x e y en los dos pasos, es decir,
comenzando por considerar ϕ una primitiva de N respecto a y . De hecho, conviene comenzar por la que
tenga el cálculo de la primitiva más sencillo.
4.- Es evidente del planteamiento de este método, que se están usando las variables x e y como independientes,
y también es independiente el cálculo de la función “primitiva”. El resultado es independiente de si
buscamos una solución y = y(x) o una x = x(y) ; nosotros decidiremos de que tipo buscamos y nos
aseguraremos entonces de que todas esas soluciones se encuentren.
Nota: La ecuaciones separables también son ecuaciones exactas, pues si g(y) y 0 = f (x) , entonces en la forma
diferencial f (x) dx − g(y) dy = 0 se cumple obviamente la condición anterior.
12.2.3 Factores integrales

Desgraciadamente, las ecuaciones diferenciales no son habitualmente exactas, pero en ocasiones lo son si se
multiplican por una función adecuada.
Definición 247.- Se dice que la función µ(x, y) no nula en un abierto, es un factor integrante de la ecuación
M (x, y) dx + N (x, y) dy = 0 si la ecuación diferencial

µ(x, y) M (x, y) dx + N (x, y) dy = 0 ⇐⇒ µ(x, y)M (x, y) dx + µ(x, y)N (x, y) dy = 0
es exacta.
Observar que si µ(x, y) es no nula, las soluciones de la nueva ecuación solo pueden ser soluciones de la ecuación
inicial. En caso de no ser ası́, deben comprobarse aquellas soluciones que provengan de µ(x, y) = 0 .
Buscar factores integrantes cualesquiera no es tarea fácil, pero no es excesivamente complejo si el factor
depende de una sola variable:
12.2.3.1 Factores integrales de la forma µ(x) o µ(y)
Veamos las condiciones para admitir un factor integrante dependiente únicamente de la variable x . La función
µ(x) es un factor integrante si cumple que
∂ ∂

µ(x)M (x, y) = µ(x)N (x, y)
∂y ∂x
∂M (x, y) ∂µ(x) ∂N (x, y)
µ(x) = N (x, y) + µ(x)
∂y ∂x ∂x

∂M (x, y) ∂N (x, y)
µ(x) − = N (x, y)µ0 (x)
∂y ∂x
∂M (x,y)
∂y − ∂N∂x(x,y)
µ0 (x)
Z ∂M (x,y) − ∂N (x,y)
∂y ∂x
Z 0
µ (x)
= = f (x) =⇒ dx = dx = ln µ(x)
N (x, y) µ(x) N (x, y) µ(x)
Z ∂M (x,y) ∂N (x,y)
∂y − ∂x
de donde µ(x) = exp N (x,y) dx .
∂M
µ0 (y) ∂y− ∂N
∂x
Analogamente, para un factor integrante de la forma µ(y) debe ser µ(y) = −M = f (y) .
Ejemplo La ecuación 2 sen(y 2 )dx + xy cos(y 2 )dy = 0 admite un factor integrante µ(x) .
En efecto,
∂M ∂N
− = 2 cos(y 2 )2y − y cos(y 2 ) = 3y cos(y 2 )
∂y ∂x
y se eliminan todas las y si dividimos por N ,
∂M ∂N
∂y − ∂x 2 cos(y 2 )2y − y cos(y 2 ) 3y cos(y 2 ) 3 µ0 (x)
= = = =
N xy cos(y 2 ) xy cos(y 2 ) x µ(x)
Z
3
de donde ln µ(x) = x dx = ln x3 =⇒ µ(x) = x3 . Luego es exacta la ecuación:
∂M ∂N
2x3 sen(y 2 )dx + x4 y cos(y 2 )dy = 0 ←− − = 2x2 cos(y 2 )2y − 4x3 y cos(y 2 ) = 0
∂y ∂x
x4
Z Z
Resolviendo, ϕ(x, y) = M (x, y)dx = 2x3 sen(y 2 )dx = sen(y 2 ) + K(y)
2
∂ϕ x4
y como x4 y cos(y 2 ) = N (x, y) = ∂y = 2 cos(y 2 )2y + K 0 (y) =⇒ K 0 (y) = 0 =⇒ K(y) = C
x4 2 4 2
de donde, sen(y ) = C2 o x sen(y ) = C es la solución general.
Comprobar que también admite un factor integral de la forma µ(y) y resolverla.
12.2.3.2 Factores integrales más generales

En este mismo sentido de la búsqueda de factores fáciles, nos podemos encontrar algunos como los del tipo
µ(x, y) = xa y b , que no requieren una comprobación muy difı́cil.
Más genéricos resultan los factores de la forma µ(z) , con z = f (x, y) , de manera que el problema puede
tratarse casi como de una sola variable z . Pero sólo tiene sentido plantearse esto cuando sabemos que tipo de
factor debemos buscar; sin indicios es como buscar una aguja en un pajar (y con menor probabilidad de éxito).
Por ejemplo, la ecuación diferencial (y − 2x − 4y 2 )dx + (4xy − 2x)dy = 0 tiene un factor integrante que es
∂µ(z) 0 ∂z 0 ∂µ(z) 0 ∂z
función de z = 2x + y . Por la regla de la cadena se tiene ∂x = µ (z) ∂x = 2µ (z) y ∂y = µ (z) ∂y =
µ0 (z) , luego
∂ ∂
(y − 2x − 4y 2 ) · µ(z) = (4xy − 2x) · µ(z)
∂y ∂x
(y − 2x − 4y )µ (z) + (1 − 8y)µ(z) = (4xy − 2x)2µ0 (z) + (4y − 2)µ(z)
2 0

(y − 2x − 4y 2 ) − (8xy − 4x) µ0 (z) = (4y − 2) − (1 − 8y) µ(z)
(y + 2x − 4y 2 − 8xy)µ0 (z) = (12y − 3)µ(z)
µ0 (z) 12y − 3 12y − 3 −3 −3
= = = =
µ(z) (y + 2x) − 4y(y + 2x) (y + 2x)(1 − 4y) y + 2x z
12.2.4 Ecuaciones lineales

Un caso de factor integrante son las ecuaciones lineales, que admiten siempre un factor µ(x) . Pero que son
reconocibles por:
Definición 248.- Se dice que una ecuación diferencial de orden uno es lineal, si puede escribirse en la forma
dy
+ P (x) y = Q(x)
dx
Z R
y su factor integral es, µ(x) = exp P (x)dx = e( P (x)dx) .
∂M ∂N
∂y − ∂x P (x) − 0 µ0 (x)

En efecto, si P (x)y − Q(x) dx + dy = 0 se tiene = = P (x) = de donde
Z N 1 µ(x)
R
se llega al resultado ln(µ(x)) = P (x)dx =⇒ µ(x) = e( P (x)dx) . Entonces, como µ(x)P (x) = µ0 (x) , se tiene
µ(x)(y 0 + P (x) y) = µ(x) y 0 + µ(x) P (x) y = µ(x) Q(x)

µ(x) y 0 + µ0 (x) y = µ(x) Q(x)
0
(µ(x) y) = µ(x) Q(x)
Z Z
1
µ(x)y = µ(x)Q(x) dx =⇒ y= µ(x)Q(x) dx
µ(x)
Luego no sólo estas ecuaciones lineales ofrecen una solución alcanzable con un método sencillo, sino que además
la solución viene directamente dada de forma explı́cita (algo no excesivamente habitual como hemos visto).
Las ecuaciones diferenciales lineales aparecen con mucha frecuencia en las aplicaciones prácticas y, al igual
que aquı́, su generalización a órdenes superiores ofrece uno de los pocos tipos de ecuaciones resolubles por
métodos generales (siempre y cuando podamos encontrar las primitivas, ¡claro!).
x
2 0
Ejemplo La Z ecuación x y + x(x + 2)y = e
x
es lineal, si la escribimos en la forma y 0 + x+2 e
x y = x2 .
2
Además, (1 + x2 )dx = x + 2 ln |x| = x + ln(x2 ) y su factor integrante es µ(x) = ex+ln(x ) = ex x2 . De
donde
e2x
Z
x2 ex y 0 + xex (x + 2)y = e2x ⇐⇒ (x2 ex y)0 = e2x ⇐⇒ x2 ex y = e2x dx = +C
2
ex e−x ex + Ke−x
y= 2
+ C 2 ⇐⇒ y =
2x x 2x2
139 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias 12.3 Aplicaciones
12.2.5 Ecuaciones un poco especiales

12.2.5.1 Ecuaciones de Bernoulli
Es una especie de generalización de la lineal, por lo que puede remitirse a una de ellas, pero también admite un
factor integrante que genariza el de la lineal
Definición 249.- Se dice que una ecuación diferencial de orden uno es de Bernoulli, si puede escribirse en la
forma
dy
+ P (x) y = Q(x)y α (α ∈ R)
dx
y que se convierte en lineal con el cambio ν = y 1−α . R
e(1−α)( P (x)dx)
Z
1
Además, directamente admite el factor integral µ(x, y) = α exp (1−α)P (x)dx =
y yα
Ejercicio Comprobar que la ecuación diferencial y 0 = xy + xy 3 es de Bernoulli, y obtener su solución

x2 2 2
y 2 (2 + x y ) = C mediante el cambio a una lineal y también directamente con el factor de integración.
12.2.5.2 Ecuaciones reducibles a separables
Proposición 250.- Si una ecuación diferencial y 0 = f (x, y) puede expresarse en la forma

y
y 0 = f (x, y) = g
x
el cambio y = x ν la convierte en una ecuación de variables separables en x y ν
−N (1, y )
Nota: Una caracterización sencilla para este tipo es comprobar si se cumple que M (1, yx) = −N (x,y)
M (x,y) , pues
x
entonces obtenemos g( xy ) directamente. En particular, se obtiene rápidamente este resultado si M y N son
polinomios cuyos monomios son todos del mismo grado (ver ejemplo siguiente).
Ejemplo La ecuación (x2 − 3y 2 )dx + 2xy dy = 0 es reducible a separables, pues
−N (x, y) −2xy − 2xy

x2 −2 xy
= 2 = 2
x −3y 2 = 2
M (x, y) x − 3y 2 1 − 3 xy 2
x2
Entonces haciendo el cambio y = νx, con dy = ν dx + x dν , se tiene
(x2 − 3y 2 )dx + 2xy dy = 0 ⇐⇒ (x2 − 3(νx)2 )dx + 2x(νx)(ν dx + x dν) = 0

⇐⇒ x2 (1 − 3ν 2 )dx + 2x2 ν 2 dx + 2x3 ν dν = 0
⇐⇒ x2 (1 − ν 2 )dx + 2x3 ν dν = 0 ⇐⇒ 2x3 ν dν = −x2 (1 − ν 2 )dx
x2 −2ν
Z Z
2ν 1
=⇒ dν = − dx =⇒ dν = dx
1 − ν2 x3 1 − ν2 x

2 x2 −y 2

Luego ln 1 − ν 2 = ln |x| + C ( C ∈ R) =⇒ ln 1−ν x = ln K ( K > 0 ) =⇒ = C (C ∈ R) =⇒

x3
x2 − y 2 = x3 C con C ∈ R .
Las soluciones ν = ±1 (dividimos por 1 − ν 2 ), es decir y = ±x han sido eliminadas, sin embargo están
incluidas en la solución general con C = 0 .
Ejercicio Comprobar que, en el ejemplo, las soluciones y(x) = x e y(x) = −x lo son de la ecuación
diferencial inicial y no contradicen el Teorema de existencia y unicidad para un problema de valores iniciales en
(1, 1) , ni en (1, −1) y tampoco en (0, 0) .
12.3 Aplicaciones
Como ya hemos comentado que muchas de las leyes y relaciones cientı́ficas obtienen su expresión mediante este
tipo de ecuaciones y, en particular, casi todas las expresiones de los sucesos con variaciones de magnitudes
relacionadas (variación de la velocidad en funcion del tiempo, crecimiento de cultivos según la temperatura, ...)
12.3.1 Trayectorias ortogonales

Un fácil ejemplo del uso de las ecuaciones diferenciales lo encontramos en la búsqueda de trayectorias ortogonales
(curvas que intersecan a otras con ángulos rectos), cuya dualidad aparece con frecuencia: meridianos y paralelos
terráqueos, curvas de fuerza y lı́neas equipotenciales de los campos eléctricos, ...
Dada una familia uniparamétrica de curvas F (x, y, c) = 0 (para cada valor de c la ecuación representa
una curva en R2 ), puede representarse mediante una ecuación diferencial de la forma
y 0 = f (x, y)
derivando implı́citamente F (x, y, c) = 0 y eliminando el parámetro entre ambas ecuaciones
Definición 251.- Si una familia de curvas viene representada por y 0 = f (x, y) , entonces las trayectorias
ortogonales de la familia deben cumplir la ecuación diferencial
−1
y0 =
f (x, y)
Nota: : Baste recordar que en una curva y = g(x) , la pendiente en un punto x0 viene dada por m = g 0 (x0 ) y
−1
la recta ortogonal tiene que tener de pendiente m
12.3.1.1 Trayectorias de ángulo β

Estas trayectorias se puede generalizar a cualquier ángulo, aunque no sea un ángulo recto. Si buscamos las
trayectorias que formen un ángulo β con la familia y 0 = f (x, y) , como esto significa que y 0 = f (x, y) = tg α ,
para que las curvas buscadas formen con ellas un ángulo β deben cumplir la condición y 0 = tg(α + β) . Luego,
al ser α = arctg(f (x, y)) , se tiene que
tg α + tg β f (x, y) + tg β
y 0 = tg(α + β) = =
1 − tg α · tg β 1 − f (x, y) · tg β
es la ecuación a resolver.
12.3.2 Modelado de problemas

Hay muchos problemas que pueden modelarse como ecuaciones diferencuiales: velocidad de caida de un para-
caidista, desintegración radiactiva, variaciones de temperatura, . . . o por ejemplo variaciones de las mezclas, que
es el ejemplo que vamos a usar. Quizá sea la manera más sencilla de verlo.
Ejemplo Un tanque contiene 200 l de agua en los que hay disueltos 40 kg de sal. Al tanque, le entran
10 l/min cada uno de los cuales contiene 2 kg de sal disuelta y, la mezcla homogénea sale a razón de 5 l/min.
Encontrar la cantidad de sal y(t) que hay en el tanque en cualquier tiempo t .
La variación de sal en la unidad de tiempo, y 0 = dy
dt , es por supuesto la cantidad entrante menos la saliente:
entran 10 l/min a 2 Kg/l que suponen 10( min ) × 2( kg
l Kg
l ) = 20 min y salen 5 l/min de una salmuera formada
por los y(t) kilos de sal que hay en este momento disueltos en los 200 + 10t − 5t litros actuales (en cada unidad
de tiempo añadimos 10 litros y quitamos 5, por lo que aumentamos a razón de 5 litros por unidad de tiempo).
Luego tenemos el problema de valores iniciales
y(t)
y 0 (t) = 20 − y(0) = 40
200 + 5t
puesto que incialmente ( t = 0 ) existı́an 40 kilos de sal en el agua.
12.3.3 Ejercicios
dy y2
12.202 Usar el teorema de existencia y unicidad para probar que el problema de valor inicial dx = x−2 con
y(1) = 0 , tiene una solución única definida en algún intervalo de 1.
12.203 Encontrar la curva solución de la ecuación xyy 0 = (x + 1)(y + 1) que pasa por el punto (1,0)
Z x
2 2
12.204 Probar que y(x) = ex e−t dt es una solución de la ecuación y 0 = 2xy + 1
0
12.205 Para que valores de la constante m sera y = emx solución de la ecuación 2y 000 + y 00 − 5y 0 + 2y = 0
12.206 Comprobar que las siguientes ecuaciones son exactas y resolverlas:

a) (3x2 y + ey )dx + (x3 + xey − 2y)dy = 0
1 dx
b) (x2 y 3 − 1+9x2 dy + x3 y 2 = 0
y dx+x dy
c) 1−x2 y 2 + x dx = 0
2 2
d) (ey − cosec y cosec2 x)dx + (2xyey − cosec y cotg y cotg x)dy = 0
12.207 Resolver las siguientes ecuaciones diferenciales:
dy 2
a) dx = y −1 xex+y b) y 0 = xy+3x−y−3
(x+4)(y−2)
dy
p
c) e yy 0 = e−y + e−2x−y
x
d) x dx − y = x2 + y 2
dy 1−x−y
e) (y 2 + yx)dx − x2 dy = 0 f) dx = x+y
y−x
g) x2 y 0 = y 2 + 2xy h) 0
y = x+y
dy y−x+4
i) (2x + 3y − 1)dx − 4(x + 1)dy = 0 j) dx = y+x−6
k) x2 y 0 − 3xy − 2y 2 = 0 l) (x + y 2 )dx + (x2 − xy)dy = 0
2
m) x sen( xy )y 0 = y sen( xy ) + x n) (2x − 2y)dx + (y − 1)dy = 0

o) (x2 + 2xy − y 2 )dx + (y 2 + 2xy − x2 )dy = 0
12.208 Resolver la ecuación diferencial de orden dos y 00 + (y 0 )2 = 0

Z x
x(y − x)
12.209 Resolver la ecuación y(t)dt =
0 2
12.210 Resolver la ecuación (x4 + y 4 )dx − xy 3 dy = 0 buscando un factor integrante adecuado.

Detectar que la ecuación es también de dos de los tipos conocidos (reducible a separable y Bernoulli) y
resolverla para cada uno de ellos. ¿Hay diferencias en el cálculo de las soluciones? ¿Hay alguna diferencia
en las soluciones?
12.211 Se sabe que la ecuación P (x, y)dx + (x2 + xy )dy = 0 admite como factor integrante a µ(x) = x , que
∂P
∂x = 3y y que P (0, 1) = 0 .
a) Hallar P (x, y)
b) Hallar la solución de la ecuación que pasa por el punto (1, 1) .
12.212 La ecuación (y 3 + y)dx + (2xy 2 + x)dy = 0 admite un factor integrante µ(z) donde z = xy . Calcular
dicho factor integrante y resolverla.
y−x
12.213 Resolver la ecuación y 0 = x+y buscando un factor integrante que dependa de la variable z = x2 + y 2 .
12.214 Resolver (3y 2 + 10xy)dx + (5xy + 12x2 )dy = 0 sabiendo que admite un factor integrante de la forma
µ(x, y) = xa y b .
12.215 Encontrar la solución general de la ecuación (2xy 2 + y)dx + (2y 3 − x)dy = 0 .
12.216 Resolver las siguientes ecuaciones:
a) x2 y 0 + x(x + 2)y = ex b) y 0 + y = 1+e

1
2x c) y 0 + y cos x = sen 2x
d) (y − 2xy − x2 )dx + x2dy = 0 e) xy 0 + y = x4 y 3 f) y 0 + xy + xy 3 = 0
g) (1 + x4)y 0 + 8x3 y = x h) 2xy 0 = y + 10x3 y 5
12.217 Demostrar que el cambio de variable z = g(y) convierte a la ecuación g 0 (y)y 0 + g(y)p(x) = f (x) en una
ecuación lineal en z .
2
Utilizar esto para resolver la ecuación ey (2yy 0 + x2 ) = 1
x2
12.218 Hallar una solución de la forma ϕ(x) = ax + b de la ecuación diferencial:
(1 + x3 )y 0 + 2xy 2 + x2 y + 1 = 0
Determinar el resto de las soluciones de la ecuación diferencial anterior, utilizando el cambio de variable
dependiente: y = ϕ(x) + ν1 que transforma la ecuación de partida en una ecuación lineal.
∂Q
12.219 Sean P (x, y) y Q(x, y) dos funciones de clase 1 en R2 , verificando ∂P
∂x = ∂y y ∂P
∂y = − ∂Q
∂x .
1
a) Probar que P (x, y)dx + Q(x, y)dy = 0 admite a µ(x, y) = P 2 +Q2 como factor integrante.
b) Usar el apartado anterior para resolver la ecuación (1 + ex cos y)dx + ex sen y dy = 0
12.220 Hallar las trayectorias ortogonales a la familia de curvas: y 2 = cex + x + 1 .
12.221 Hallar la familia ortogonal de curvas a la familia de curvas dadas por la ecuación y = ln(tg x + c) , con c
una constante arbitraria.
12.222 Encontrar la curva de la familia de trayectorias ortogonales a y(x3 + c) = 3 que pasa por el punto (3, 1) .
12.223 Una familia de curvas es autoortogonal si su familia de curvas ortogonales coincide con la propia familia.
Demostrar que la familia de curvas y 2 = 2cx + c2 lo es.
12.224 Demostrar que las trayectorias ortogonales de la familia de curvas x2 + y 2 = kx, satisfacen la ecuación
2
2 xy dx + xy 2 − 1 dy = 0 .
Encontrar las trayectorias ortogonales resolviendo la ecuación anterior, sabiendo que admite un factor de
integración de la forma xm y n .
12.225 Obtener las curvas que cumplen que la recta tangente a su gráfica en cualquier punto, T (x, y) , es perpen-
dicular al segmento que une el punto (0, 0) con ese punto (x, y) .
12.226 Un estudiante se pone a trabajar sobre una materia de la que inicialmente no sabe nada. A medida que
profundiza en ella se siente motivado por lo que ya sabe y porque cada vez le queda menos por aprender.
Supondremos que entonces su ritmo de aprendizaje es inversamente proporcional a la materia que le queda
por estudiar. Si en una semana ha conseguido aprender el 50% de la materia, ¿cuánto tiempo tardará en
dominarla toda?
12.227 Una curva arranca desde el origen por el primer cuadrante. El área bajo el arco de la curva entre (0, 0)
y (x, y) es un tercio del área del rectángulo que tiene a esos puntos como vértices opuestos. Hallar la
ecuación de las curvas que cumplen dicha condición. Hallar la familia de curvas ortogonales a dichas
curvas.
12.228 Un gran deposito contiene 1000 litros de salmuera en la que estan disueltos 200 Kgs. de sal. A partir del
instante t = 0 se introduce agua pura a razon de 3 l/min y la mezcla (que se supone que se mantiene
homogénea) sale del deposito a razon de 2 l/min. ¿Cuánto tiempo se necesitará para reducir la cantidad
de sal a la mitad?
12.229 Un vino tinto se saca de la bodega, que es un lugar frı́o a 10 grados centigrados, y se deja reposar en un
cuarto con temperatura de 23 grados. Calcular la fórmula que proporciona la temperatura en función del
tiempo, si transcurren 10 minutos para alcanzar la temperatura de 13 grados. (Se supone que se verifica
la ley de Newton: “la velocidad de enfriamiento de un cuerpo es directamente proporcional a la diferencia
de temperaturas entre él y el medio que le rodea”).
12.230 Un estudiante ha llegado al examen de una asignatura sin haber dado ni golpe, asi que debe partir de
cero para intentar dominar los 150 folios de que consta. Limitaciones de tiempo y de capacidad hacen
que estudie a razon de 15 folios por dı́a pero debido al estrés y otras causas se le va olvidando un 10%
de lo que va aprendiendo. Probar que necesitará mas de 10 dı́as para dominar 32 de la asignatura. ¿La
dominará completamente alguna vez?
12.231 Se ha descubierto que una bola de naftalina que tenı́a originalmente un radio de 1/4 de pulgada, tiene
un radio de 1/8 de pulgada al cabo de un mes. Suponiendo que se evapora a un ı́ndice proporcional
a su superficie, encontrar el radio en función del tiempo. ¿Después de cuántos meses desaparecerá por
completo?
12.232 La velocidad de disolución de un sólido es proporcional a la cantidad de sólido sin disolver y a la diferencia
entre las concentraciones de saturación de la sustancia y a la que tiene en un instante t cualquiera. En
un deposito que contiene 60 Kgs. de disolvente se introducen 10 Kgs. de soluto y al cabo de 12 minutos
se observa que la concentración es de 1 parte de soluto por 30 de disolvente. Determinar la cantidad de
soluto que existe en la solución en un instante cualquiera t, si la concentración de saturación es de 1
parte de soluto en 3 de disolvente. (Tomaremos como concentración la cantidad de kilogramos de soluto
dividida por los kilogramos de disolvente).
12.233 Demostrar que las curvas planas y = y(x) de clase 1 que verifican que la distancia del origen a la tangente
en cualquier punto de la curva sea igual a la abscisa de dicho punto satisfacen la ecuación diferencial
(y 2 − x2 )dx − 2xydy = 0 . Hallar dichas curvas.
Nota: Se recuerda que la distancia de un punto P = (x0 , y0 ) a una recta r de ecuación Ax + By + C = 0 ,

viene dada por: d(P, r) = |Ax√ 0 +By0 +C|
a2 +b2
y que el problema es equivalente a trabajar con la distancia al
cuadrado.
12.234 Se sabe que cierta población de bacterias se reproduce a una velocidad proporcional a la diferencia entre
una cantidad limite P0 = 4 millones y el cuadrado de la cantidad de las mismas en cada instante (en
millones).
a) Plantear la ecuación diferencial del numero de bacterias en cada instante.
b) Se sabe que inicialmente habia medio millón de bacterias y que al cabo de una hora se habı́a duplicado
su número. Obtener la expresión del número de bacterias (en millones) en función del tiempo.
12.235 Un tanque contiene 800 litros de salmuera en la que se han disuelto 8 kgs. de sal. A partir del instante
t=0 comienza a entrar salmuera, con una concentración de 250 grs. de sal por litro, a razón de 4 litros
por minuto. La mezcla se mantiene homogénea y abandona el tanque a razón de 8 litros por minuto.
a) Hallar la cantidad de sal en el tanque al cabo de una hora.
b) Hallar la cantidad de sal en el tanque cuando solo quedan 200 litros de salmuera.
144 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias
Capı́tulo 13
Ecuaciones diferenciales lineales

Definición 252.- Una ecuación diferencial lineal de orden n es una ecuación de la forma
dn y dn−1 y d2 y dy
an (x) n
+ a n−1 (x) n−1
+ · · · + a2 (x) 2
+ a1 (x) + a0 (x)y = F (x)
dx dx dx dx
donde an (x) no es idénticamente nulo. Supondremos que a0 , a1 , an y F son funciones de x , continuas en
un cierto intervalo I de R , con an (x) 6= 0 para todo x ∈ I .
Si el segundo miembro F (x) , el término independiente o no homogéneo, lo hacemos idénticamente nulo en
I , la ecuación diferencial resultante
dn y dy
an (x) + · · · + a1 (x) + a0 (x)y = 0
dxn dx
se denomina ecuación lineal homogénea asociada a la ecuación anterior.
Nota: Generalmente se usa en la forma normal; basta dividir por an (x) para tener
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = F (x)
Proposición 253.- Si y1 (x) e y2 (x) son dos soluciones de la ecuación lineal
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = F (x) h Li
entonces h(x) = y1 (x) − y2 (x) es solución de la ecuación lineal homogénea
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = 0 h Hi

Demostración:
k) k)
En efecto, por la linealidad de la derivación, y1 − y2 = (y1 − y2 )k) , luego se tiene que
(y1 −y2 )n) + · · · + a1 (x)(y1 −y2 )0 + a0 (x)(y1 −y2 ) =

n) n)
= y1 +· · ·+a1 (x)y10 +a0 (x)y1 − y2 +· · ·+a1 (x)y20 +a0 (x)y2 = F (x) − F (x) = 0
Teorema de existencia y unicidad 254.- Si las funciones a0 , a1 , . . . , an−1 y F son continuas en un intervalo
I ⊆ R, para cada x0 y cualesquiera constantes arbitrarias c0 , c1 , . . . , cn−1 , el problema de Cauchy
(
y(x0 ) = c0 ; y 0 (x0 ) = c1 ; · · · ; y n−1) (x0 ) = cn−1
tiene solución única en el intervalo.
Corolario 255.- La única solución y(x) de la ecuación lineal homogénea de orden n hHi tal que
y(x0 ) = y 0 (x0 ) = · · · = y n−1) (x0 ) = 0
en algún punto de I , es la función idénticamente nula en I .
Corolario 256.- Si y1 e y2 son dos soluciones en I de una ecuación lineal de orden n hL i, tales que
n−1) n−1)
y1 (x0 ) = y2 (x0 ); y10 (x0 ) = y20 (x0 ); ··· y1 (x0 ) = y2 (x0 )
en algún punto x0 ∈ I , entonces y1 (x) = y2 (x) en I
145 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias13.1 Espacio de soluciones de la ecuación lineal de orden n
13.1 Espacio de soluciones de la ecuación lineal de orden n

La proposición 253 anterior nos insinúa claramente la importancia de las soluciones de la ecuación homogénea
en la solución de la no homogénea. Conozcamoslas un poco más.
Proposición 257.- Si f1 (x) y f2 (x) son soluciones de la ecuación diferencial lineal homogénea h Hi , entonces
cualquier combinación lineal c1 f1 (x) + c2 f2 (x) es también solución de hHi .
Basta sustituir en la ecuación h Hi para comprobarlo. Pero como consecuencia de ello hemos dotado al espacio
de soluciones de esta ecuación de una estructura:
Corolario 258.- El conjunto de soluciones de la ecuación lineal homogénea h Hi , es un espacio vectorial
Entonces todas las soluciones de h Hi se generarán como combinaciones lineales de una base y, recordando la
proposición 253, es evidente el siguiente resultado para las soluciones de hLi :
Teorema 259.- Sean las funciones a0 , a1 , . . . , an−1 y F continuas en un intervalo I ⊆ R , y sea yp (x) una
solución particular de hL i,
entonces, la solución general de la ecuación lineal es Yg = yp + YH donde YH es la solución general de la

ecuación lineal homogénea h Hi .
Encaminemos nuestros esfuerzos en conseguir esa base con una definición imprescindible:
Definición 260.- Las funciones f1 , f2 , . . . , fk son linealmente dependientes en I si existen constantes
c1 ,. . . ,ck no todas nulas, tal que c1 f1 (x) + c2 f2 (x) + · · · + ck fk (x) = 0 en cada x de I .
Se dicen linealmente independientes, si no son linealmente dependientes.
Nota: Las funciones son o no linealmente independientes en un intervalo. Ası́, f1 (x) = − sen x y f2 (x) = 2 sen x
son dependientes en R, pues 2 · f1 (x) + 1 · f2 (x) = 0 en R ; mientras que g1 (x) = x y g2 (x) = |x| son linealmente
independientes en R , pero dependientes en (0, +∞) y dependientes en (−∞, 0) .
Cuando le añadimos la condición de derivabilidad hasta el orden n (evidente si queremos que sea solución
de una ecuación diferencial de orden n ), situaciones como la anterior no se dan y tenemos un buen criterio:
Definición 261.- Sean f1 , f2 , . . . , fn de clase n − 1 en un intervalo I . Se denomina wronskiano de f1 , f2 ,
. . . , fn a la función definida en I por el determinante

f1 (x) f2 (x) ··· fn (x)

f10 (x) f20 (x) fn0 (x)

···
W [f1 , f2 , . . . , fn ](x) = .. .. ..

..
. . . .

n−1) n−1) n−1)

f
1 (x) f2 (x) · · · fn (x)
Proposición 262.- Sean y1 , y2 , . . . , yn soluciones de la ecuación diferencial homogénea h Hi, en un entorno

I. Entonces, o bien
a) W [y1 , y2 , . . . , yn ](x) = 0 , para todo x ∈ I , o bien

b) W [y1 , y2 , . . . , yn ](x) 6= 0 , para todo x ∈ I
En efecto, las soluciones o son linealmente dependientes en I o son linealmente independientes.
Si son dependientes, c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x) = 0 en I con algún ci 6= 0 . Derivando hasta el orden
n − 1 , se tiene que para cada x ∈ I el sistema
c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x) = 0 y2 (x) · · · yn (x)
  y (x)
c1 0
   
1
0 0 0 0 0 0


 c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x) = 0  y1 (x) y2 (x) · · · yn (x)   c2   0 
.. .. .. −→  .. .. .. ..  .  =  . 
  ..   .. 

 . . .  . . . .
n−1) n−1) n−1) n−1) n−1) n−1)

c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x) = 0 y1 (x) y2 (x) · · · yn (x) cn 0
tiene solución no trivial, luego para cada x ∈ I , se cumple que W [y1 , y2 , . . . , yn ](x) = 0 .
146 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias 13.2 Métodos generales de resolución parcial
Si son independientes, y se diera que W [y1 , y2 , . . . , yn ](x0 ) = 0 en algún x0 de I , el sistema
y2 (x0 ) · · · yn (x0 )
    
y1 (x0 ) c1 0
0 0 0
 y1 (x0 ) y2 (x 0 ) · · · yn (x 0 )   c2  0
.. .. ..  =  .. 
    
 ..   ..
 . . . .  .   . 
n−1) n−1) n−1)
y1 (x0 ) y2 (x0 ) · · · yn (x0 ) cn 0
tendrı́a alguna solución no trivial: c∗1 , c∗2 , . . . , c∗n y la función Y (x) = c∗1 y1 (x) + c∗2 y2 (x) + · · · + c∗n yn (x) es
solución de hHi y cumple las condiciones iniciales Y (x0 ) = Y 0 (x0 ) = · · · = Y n−1) (x0 ) = 0 . En consecuencia
Y (x) tiene que ser la solución nula, por lo que las funciones yi serı́an linealmente dependientes (absurdo).
Luego debe ser W [y1 , y2 , . . . , yn ](x0 ) 6= 0 para todo x de I .
Teorema 263.- La ecuación diferencial lineal homogénea de orden n h Hi , verifica que:
a) Tiene n soluciones linealmente independientes y1 , y2 , . . . , yn

b) La dimensión del espacio de soluciones es n
c) La solución general es YH (x) = c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x)
En un punto cualquiera x0 ∈ I , los n problemas de valores iniciales siguientes tienen solución única
y(x0 ) = 1 y 0 (x0 ) = 0 y 00 (x0 ) = 0 · · · y n−1) (x0 ) = 0 =⇒ y1
y(x0 ) = 0 y 0 (x0 ) = 1 y 00 (x0 ) = 0 · · · y n−1) (x0 ) = 0 =⇒ y2
y(x0 ) = 0 y 0 (x0 ) = 0 y 00 (x0 ) = 1 · · · y n−1) (x0 ) = 0 =⇒ y3
··· ··· ··· ··· ···
y(x0 ) = 0 y 0 (x0 ) = 0 y 00 (x0 ) = 0 · · · y n−1) (x0 ) = 1 =⇒ yn
y, por construcción esas n soluciones tienen su wronskiano en x0 no nulo (la matriz identidad), luego son n
soluciones independientes. Además, toda solución f (x) de h Hi es una combinación lineal de esas n , puesto
que la solución
f (x0 )y1 (x) + f 0 (x0 )y2 (x) + f 00 (x0 )y3 (x) + · · · + f n−1) (x0 )yn (x)
es también f ya que coinciden en las n − 1 derivadas en x0 . En consecuencia, forman una base del espacio de
soluciones y la solución general ha de ser YH (x) = c1 y1 (x) + c2 y2 (x) + · · · + cn yn (x)
13.2 Métodos generales de resolución parcial

Bajo este tı́tulo encuentran acomodo dos métodos de resolución, que no suponen una resolución completa, si no
que complementan otras maneras de resolver. La mejor manera de entenderlo, es seguramente entrar en ellos.
13.2.1 Método de reducción de orden

La idea del método es ir reduciendo el orden de la ecuación lineal, hasta resolverlo completamente; la práctica
es mucho más limitada, pero aún ası́ es útil en diversas circunstancias.
El método 264.- Dada una ecuación lineal h Li de orden n , de la que conocemos una solución particular
y0 = f (x) de la ecuación lineal homogénea hHi .
Entonces, haciendo en h Li el cambio de variable y = vy0 , se transforma en una ecuación lineal en v 0 de
orden n − 1 (es decir, lineal de orden n en v , pero solo aparecen v 0 , v 00 ,. . . v n) y no aparece v ).
Luego haciendo w = v 0 es lineal de orden n − 1 en w .
Nota: Este método es usado, sobre todo en orden 2 , pues encontrando una solución particular del homogéneo,
se resuelve completamente la ecuación.
Ejemplo Para la ecuación lineal xy 00 − (2x + 1)y 0 + (x + 1)y = (x2 + x − 1)e2x , x > 0
Podemos comprobar que y0 (x) = ex es solución de la ecuación homogénea, con y00 = y000 = ex ,

xex − (2x + 1)ex + (x + 1)ex = x − (2x + 1) + x + 1 ex = 0ex = 0
Haciendo y = ex v en la ecuación, con y 0 = ex v + ex v 0 = ex (v + v 0 ) e y 00 = ex (v + 2v 0 + v 00 ) se tiene que

xex (v + 2v 0 + v 00 ) − (2x + 1)ex (v + v 0 ) + (x + 1)ex v = (x2 + x − 1)e2x
147 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias 13.2 Métodos generales de resolución parcial
agrupando las términos en v , v 0 y v 00 , se tiene

xex v 00 − ex v 0 + xex − (2x + 1)ex + (x + 1)ex v = (x2 + x − 1)e2x
xex v 00 − ex v 0 = (x2 + x − 1)e2x
1 x2 + x − 1 x
v 00 − v 0 = e
x x
1 1 x
w0 − w = x + 1 − e
x x
Lineal en w de primer orden y solución w = (x+1)ex +Cx = v 0 , de donde v = xex + C2 x2 +K y en consecuencia,
la solución general de la ecuación será
y(x) = ex v(x) = xe2x + c1 x2 ex + c2 ex
13.2.2 Método de variación de los parámetros

En el segundo método se trata de buscar la solución particular de la ecuación h Li que hay que sumar a la
solución general de la hHi para obtener la solución general.
Aunque el método es válido en cualquier orden, vamos a ilustrarlo en orden 3, esperando que ası́ se vean
todos los matices.
El método Sea y 000 + a2 (x)y 00 + a1 (x)y 0 + a0 (x)y = F (x) h Li y supongamos que
Y0 (x) = c1 y1 (x) + c2 y2 (x) + c3 y3 (x)
es la solución general de la ecuación homogénea asociada. Entonces, convertimos en variables los parámetros
de Y0 y obligamos a que sean una solución particular de h Li imponiendo algunas condiciones:
yp (x) = v1 (x)y1 (x) + v2 (x)y2 (x) + v3 (x)y3 (x) −→ yp = v1 y1 + v2 y2 + v3 y3
derivando
yp0 = v1 y10 + v10 y1 + v2 y20 + v20 y2 + v3 y30 + v30 y3 = v1 y10 + v2 y20 + v3 y30 + (v10 y1 + v20 y2 + v30 y3 )
e imponemos la primera condición (1) → v10 y1 + v20 y2 + v30 y3 = 0 . La derivada segunda será
e imponemos la segunda condición (2) → v10 y10 + v20 y20 + v30 y30 = 0 . Y la derivada tercera
e imponemos la tercera y última condición (3) → v10 y10 + v20 y20 + v30 y30 = F . Con esas tres condiciones, yp es
solución de h Li , pues
yp000 + a2 yp00 + a1 yp0 + a0 (x)yp = (v1 y1000 + v2 y2000 + v3 y3000 + F ) + a2 (v1 y100 + v2 y200 + v3 y300 )
+a1 (v1 y10 + v2 y20 + v3 y30 ) + a0 (v1 y1 + v2 y2 + v3 y3 )
agrupando los términos de cada vi , y sacandolo factor común, se tiene
= (v1 y1000 + a2 v1 y100 + a1 v1 y10 + a0 v1 y1 ) + (v2 y2000 + a2 v2 y200 + a1 v2 y20 + a0 v2 y2 )
+(v3 y3000 + a2 v3 y300 + a1 v3 y30 + a0 v3 y3 ) + F
= (y1000 + a2 y100 + a1 y10 + a0 y1 )v1 + (y2000 + a2 y200 + a1 y20 + a0 y2 )v2
+(y3000 + a2 y300 + a1 y30 + a0 y3 )v3 + F
= 0v1 + 0v2 + 0v3 + F = F
Luego es solución y es la que cumple las condiciones (1), (2) y (3)

 0
 v1 y1 + v20 y2 + v30 y3 = 0
  0   
y1 y2 y3 v1 0
v10 y10 + v20 y20 + v30 y30 = 0 =⇒  y10 y20 y30   v20  =  0 
 0 00
v1 y1 + v20 y200 + v30 y300 = F y100 y200 y300 v30 F
148 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias13.3 Ecuaciones lineales de coeficientes constantes
cuya matriz tiene por determinante el wronskiano de y1 , y2 e y3 . Luego, usando Cramer,

0 y2 y3 y1 0 y3 y1 y2 0

0 y20 y30 y10 0 y30 y10 y20 0

F y200 y300 y100 F y300 y100 y200 F
0 0 0
v1 = v2 = v3 =
W [y1 , y2 , y3 ] W [y1 , y2 , y3 ] W [y1 , y2 , y3 ]
Basta ahora obtener v1 , v2 y v3 como primitivas de estas y sustituir en yp .
Nota: Las condiciones se imponen de manera que por una parte se obtenga la ecuación lineal con las solucio-
nes homogéneas que la anularán, y por la otra un sistema de ecuaciones con el wronskiano de las soluciones
independientes (luego de rango máximo) que garantizará la existencia y cálculo de la solución única.
Ejemplo La ecuación y 00 − 2x+1 0 x+1 x x 2 x

x y + x y = 2xe tiene a y0 = c1 e + c2 x e por solución general de la
homogénea. Entonces yp = v1 ex + v2 x2 ex es una solución particular, si cumple las condiciones
v10 ex + v20 x2 ex = 0

v1 e + v20 (2x + x2 )ex = 2xex
0 x
y se tiene
x
0
x2 ex

e
x 0x

2xex (2x + x2 )ex −2xex x2 ex e 2xe 2xex ex
0
v1 = x
2 x
= = −x2 v20 = = =1
ex x e
2xe2x ex x2 ex
2xe2x
e (2x + x2 )ex e (2x + x2 )ex
x
3 3
de donde v1 = − x3 y v2 = x , por lo que yp (x) = − x3 ex + xx2 e3 = 23 x3 ex es la solución buscada.
13.3 Ecuaciones lineales de coeficientes constantes

La ecuaciones lineales para las que si hay solución genérica son aquellas cuyos coeficientes son contantes. Per-
miten usar un método para obtener todas las soluciones de la ecuación homogénea, con lo que ya sólo queda
obtener la solución particular.
13.3.1 Soluciones de la ecuación lineal homogénea

La idea se basa en usar polinomios de derivaciones. Ejemplifiquemos: supongamos que la ecuación lineal
homogénea de orden tres siguiente la escribimos en base a las derivaciones efectuadas sobre y , es decir
y 000 + 2y 00 − y 0 − 2y = 0 −→ (D3 + 2D2 − D − 2)[y] = 0
hemos descrito la ecuación “derivamos 3 veces la y más 2 veces la derivada segunda ...” mediante ese polinomio
de derivaciones, que suele denominarse polinomio carácterı́stico de la ecuación lineal.
Si la ecuación es de coeficientes contantes, el orden en que se hagan las derivaciones no cambia el resultado,
por lo que hacer (D3 + 2D2 − D − 2)[y] es lo mismo que hacer (D + 2)[(D2 − 1)[y]]
En consecuencia, (D + 2)(D − 1)(D + 1)[y] produce la misma ecuación que antes, y si queremos que
(D + 2)(D − 1)(D + 1)[y] = 0 lo será si (D + 1)[y] = 0 o si (D − 1)[y] = 0 o si (D + 2)[y] = 0 , resolviendo
estas 3 ecuaciones de orden uno tenemos las soluciones del homogéneo. Entonces
? Si a es un raı́z del polinomio, (D − a)[y] = 0 −→ y 0 = ay =⇒ y = eax
? Si es raı́z múltiple, (D − a)m [y] = 0 =⇒ y1 = eax , y2 = xeax , . . . , ym = xm−1 eax son las m soluciones.
(Si a = 0 , son los polinomios y1 = 1 , y2 = x ,. . . ,ym = xm−1 )
? Si tiene raices complejas (D2 + b2 )[y] = 0 −→ y 00 = −b2 y =⇒ y1 = sen(bx) e y2 = cos(bx) son las dos
soluciones.
Y más general, para ((D −a)2 +b2 )[y] = 0 −→ (D −a)2 y = −b2 y =⇒ y1 = eax sen(bx) e y2 = eax cos(bx)
son las dos soluciones.
? Si las raı́ces complejas son múltiples, como ((D −a)2 +b2 )3 [y] = 0 =⇒ y1 = eax sen(bx) , y2 = eax cos(bx) ,
y3 = xeax sen(bx) , y4 = xeax cos(bx) , y5 = x2 eax sen(bx) e y6 = x2 eax cos(bx) , son las seis soluciones.
149 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias13.3 Ecuaciones lineales de coeficientes constantes
Pueden usarse los métodos anteriores para comprobar que se obtienen esas soluciones indicadas aquı́, y el
wronskiano para comprobar que además son, como decimos, soluciones linealmente independientes.
Ejemplo En la ecuación de arriba, D3 + 2D2 − D − 2 = (D − 1)(D + 1)(D + 2) , luego y1 = ex , y2 = e−x e
y3 = e−2x son las tres soluciones que se obtienen
x de la raı́ces.
e
x e−x e−2x

1 1 1

Son linealmente independientes, pues e (−1)e−x (−2)e−2x = 1 −1 −2 = −6 , y son tantos
ex (−1)2 e−x (−2)2 e−2x 1 1 4
x=0
como la dimensión del espacio, por lo que forman una base. Luego la solución general es
Y0 = c1 ex + c2 e−x + c3 e−2x
13.3.2 Soluciones particulares de la ecuación no homogénea

Cuando el término independiente de la ecuación lineal es una función del tipo de las soluciones de las ecuaciones
homogéneas (polinomios, senos, cosenos y exponenciales), hay un método sencillo para obtener la solución
particular, conocido generalmente como Método de los coeficientes indeterminados. Este método se basa en que
se conoce cómo va a ser la solución salvo los coeficientes concretos y sólo falta encontrar los coeficientes que la
forman (de ahı́ el nombre).
Pero a mi me gusta más otra versión de este método en la que nosotros construimos la solución indeterminada
que necesitamos y en la que luego hemos de fijar los parámetros. Además, usa la misma técnica que para la
obtención de la soluciones de la homogénea y suele denominarse con un nombre sugerente: polinomio aniquilador
o polinomio anulador.
13.3.2.1 Método del polinomio aniquilador

El polinomio caracterı́stico asociado a la ecuación lineal homogénea aplicado sobre y , la anula, la hace cero.
Cojamos la ecuación del ejemplo anterior con un término independiente como
y 000 + 2y 00 − y 0 − 2y = xex + 2x2
y sabemos que los factores del polinomio anulan y , cuando y es una de las soluciones (D − 1)[ex ] = 0 o
(D + 2)[e−2x ] = 0 . Entonces lo que hacemos con este método es seguir aplicando factores para eliminar (anular)
el término independiente, de manera que ahora alguna de las soluciones de la ecuación resultante será la solución
particular buscada. Como D3 [2x2 ] = 0 y (D − 1)2 [xex ] = 0 , tenemos que
(D−1)(D+1)(D+2)[y] = xex + 2x2 −→ (D−1)(D+1)(D+2)D3 [y] = D3 [xex + 2x2 ] = D3 [xex ]

−→ (D−1)(D+1)(D+2)D3 (D − 1)2 [y] = D3 (D − 1)2 [xex ] = 0
y será una de las soluciones de esta nueva ecuación homogénea: (D − 1)3 (D + 1)(D + 2)D3 [y] = 0
yp = c1 ex + c2 xex + c3 x2 ex + c4 e−x + c5 e−2x + c6 + c7 x + c8 x2
como las soluciones de la homogénea inicial no son solución de la no homogénea, las eliminamos
yp = c2 xex + c3 x2 ex + c6 + c7 x + c8 x2
y buscamos los valores de los coeficientes c2 , c3 , c6 , c7 y c8 que la hacen solución particular, obligando a que
cumpla la ecuación, con yp0 = c2 (1 + x)ex + c3 (2x + x2 )ex + c7 + 2c8 x
yp00 = c2 (2 + x)ex + c3 (2 + 4x + x2 )ex + 2c8
yp000 = c2 (3 + x)ex + c3 (6 + 6x + x2 )ex
de donde
xex + 2x2 = yp000 + 2yp00 − yp0 − 2yp

= c2 (3 + x)ex + c3 (6 + 6x + x2 )ex + 2 c2 (2 + x)ex + c3 (2 + 4x + x2 )ex + 2c8

− c2 (1 + x)ex + c3 (2x + x2 )ex + c7 + 2c8 x − 2 c2 xex + c3 x2 ex + c6 + c7 x + c8 x2

= 6c2 + 10c3 + (6c2 + 12c3 )x ex + 4c8 − c7 − 2c6 − 2(c8 + c7 )x − 2c8 x2
150 – Fundamentos de Matemáticas : Ecuaciones Diferenciales Ordinarias 13.4 Ejercicios

 0 = 4c8 − c7 − 2c6
0 = 6c2 + 10c3
obtenemos los sistemas y 0 = −2(c8 + c7 ) (los separamos en dos porque apa-
1 = 6c2 + 12c3
2 = −2c8

recen las incognitas separadas) y de solución c2 = −5 1
6 , c3 = 2 , c6 =
−5
2 , c7 = 1 y c8 = −1 . Luego es
5 x 1 2 x 5 2
yp = − 6 xe + 2 x e − 2 + x − x la solución particular buscada.
Proposición 265.- Si y1 es solución de la ecuación lineal
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = F1 (x)
e y2 es solución de
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = F2 (x)
entonces, y1 + y2 es solución de
y n) + an−1 (x)y n−1) + · · · + a1 (x)y 0 + a0 (x)y = F1 (x) + F2 (x)

Cuando el término independiente genera un polinomio aniquilador de grado muy alto, puede resultar más ma-
nejable “trocear” el problema usando este resultado.
13.3.2.2 Método de los coeficientes indeterminados

Esta versión del método suele ser la más habitual en los libros, al menos en los más clásicos, pero como ya he
comentado, es en el fondo el mismo que el anterior, se llega a la misma función (o una similar) de coeficientes
indeterminados que hay que determinar, sólo que en lugar de construirla, como hemos hecho nosotros, se elige
de una lista de posibilidades según sea el término independiente.
De hecho, los razonamientos y pruebas que se hacen para llegar a esa lista, están basados en la misma
filosofı́a que el polinomio anulador.
13.3.3 Método de variación de los parámetros

Incuı́mos este apartado aquı́ para recordar que este método existe y funciona con carácter general en las lineales,
luego en particular también para ecuaciones con coeficientes constantes.
De hecho, cuando el término independiente no está formado por soluciones de ecuaciones homogéneas, no
puede aplicarse el polinomio aniquilador y debe aplicarse otro método. Como por ejemplo este de variación de
los párametros, que no tiene esas limitaciones.
No obstante, es farragoso de usar e involucra integración añadida por lo que no suele merecer la pena usarlo
cuando puede usarse el otro.
Ejemplo Resolver la ecuaciób diferencial lineal y 00 + y = cos1 x
Como cos1 x no es una solución posible de homogénea, debemos usar variación de los parámetros: el polinomio
caracterı́stico de la homogénea es D2 + 1 = (D − 0)2 + 12 , luego Y0 = c1 cos x + c2 sen x es la solución general
del homogéneo e yp = v1 cos x + v2 sen x la
solución particular
0 buscada.
cos x sen x v1 cos x + v20 sen x = 0
Como W [cos x, sen x] = = 1 , con , se tiene
− sen x cos x −v10 sen x + v20 cos x = cos1 x

0 sen x cos x 0
1
cos x sen x − sen x 1 cos x
v10 = cos x =− =⇒ v1 = ln |cos x| v20 = cos x
= =⇒ v2 = x
W [cos x, sen x] cos x W [cos x, sen x] cos x
de donde yp = cos x ln |cos x| + x sen x .
13.4 Ejercicios
13.236 Comprobar que y(x) = ex es solución de la ecuación xy 00 − (2x + 1)y 0 + (x + 1)y = 0 y hallar la solución
general (método de reducción de grado).
13.237 Comprobar que f (x) = x1 es solución de la ecuación x2 y 00 + 4xy 0 + 2y = 0 y hallar la solución general de
la ecuación: x2 y 00 + 4xy 0 + 2y = x1
13.238 Dada la ecuación diferencial lineal: xy 00 + 2(1 + x))y 0 + (2 + x)y = 0
a) Buscar un a para que y = eax sea solución de la ecuación.

b) Resolver la ecuación.
13.239 Comprobar que el wronskiano, W (x) , asociado a la ecuación diferencial y 00 + p(x)y 0 + q(x)y = 0 satisface
la ecuación diferencial w0 + p(x)w = 0 .
13.240 De la EDO lineal y 00 + a1 (x)y 0 + a0 (x)y = 1+x

1
2 , se sabe que u1 (x) = x y u2 (x) = x
2
son dos soluciones
de la ecuación homogenea asociada. Hallar las funciones a1 (x) y a0 (x) , y calcular la solución general de
la ecuación direrencial dada
13.241 Sabiendo que y(x) = x sen(ln x) es una solución de la ecuación x2 y 00 − xy 0 + 2y = 0 encontrar la solución
general.
13.242 Dada la ecuación diferencial lineal homogenea: y 00 + xf (x)y 0 − f (x)y = 0 , se pide:
a) Demostrar que y = x es solución de dicha ecuación, para cualquier función f (x)

b) Hallar la función f (x) sabiendo que la ecuación tiene otra solución u(x) tal que el wronskiano de
y = x y u(x) es x2 ex y u(1) = e .
13.243 Probar que si y1 = eax es solución de y 00 − 2ay 0 + a2 y = 0 , cualquier otra solución es de la forma
y2 (x) = (c + dx)eax . Además, y1 e y2 son linealmente independientes en R si y solo si d 6= 0 .
13.244 Usar la proposición 262 para comprobar que las funciones de los conjuntos siguientes son linealmente
independientes en R
n o
b) x2 , xe−x , sen(x)
n o
a) x2 ex , xe−x , e2x
n o
c) eax cos(bx), eax sen(bx), xeax cos(bx), xeax sen(bx)
13.245 Resolver las siguientes ecuaciones diferenciales homogeneas:
a) y 00 − 2y 0 = 3y b) y 00 + y = −2y 0 c) y 00 + y 0 + y = 0
d) y (iv) − 5y 00 = 36y (v)
e) y = y 0
f) y (iv) + 8y 00 = −16y
g) y (vi) + 2y iv) + y 00 = 0 h) y (vi) (v)
− 2y + 3y (iv)
+ 3y 00 − 2y 0 + y = 4y 000
13.246 Dados los conjuntos de funciones siguientes:

n o n o
(i) xe3x , e3x , e3x (−3x) (ii) x7 , x2 ex , 0
n o n o
(iii) x2 e3x , e−x , −xex cos(−2x) (iv) 2ex , −e−x , cos x, − sen x
n o n o
(v) x3 , ex cos(−2x), xex sen 2x (vi) x2 cos 2x, x2 ex sen x
a) ¿Cuál es el orden mı́nimo de una ecuación diferencial lineal homogénea con coeficientes constantes
que tenga entre otras soluciones particulares los conjuntos anteriores?
b) Construir dichas ecuaciones diferenciales de orden mı́nimo
c) Resolver las ecuaciones diferenciales resultantes
13.247 Resolver las siguientes ecuaciones diferenciales utilizando el método que se crea mas conveniente para el
cálculo de la solución particular:
a) y 000 + y 0 = x3 b) y 00 + y 0 = cos1 x c) y 00 + 4y 0 + 4y = e−2x ln(x)

d) y 000 − y = sen(x) e) y 00 + 4y = tg(2x) f) y (vi) − y 00 = cos(3x) + ex − e2x
3x
g) y − 6y + 9y = ex2 h) y 00 + 3y 0 + 2y = ex1+1 i) y (iv) − y = cos(x) − ex
13.248 Resolver, segun los valores de a ∈ R, la ecuación diferencial y 00 − y 0 + a(a − 1)y = x
13.249 a) Obtener la solución general de la ecuación y 00 + y = 2t + 1
y 000 + y 0 = 2t + 1,

b) Resolver el problema de valores iniciales
y(0) = 2; y 0 (0) = 1; y 00 (0) = 2
x −x
13.250 Sabiendo que y0 (x) = e +e 2 es la solución del problema de valores iniciales (1) siguiente, encontrar la
solución del problema (2); siendo a, b, λ0 y λ1 ∈ R:
y 00 + ay 0 + by = 0 y 00 + ay 0 + by = sen 2x

(1) (2)
y(0) = λ0 ; y 0 (0) = λ1 y(0) = λ0 ; y 0 (0) = λ1
Unidad IV
Álgebra Lineal
154 – Fundamentos de Matemáticas : Álgebra Lineal
Capı́tulo 14
Espacios vectoriales reales

14.1 Espacios vectoriales
Definición 266.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de “suma de vectores” y otra que recibe el nombre de “producto de
vectores por números reales” o “producto por escalares”, que verifican las siguientes propiedades:
(1) u + v ∈ V ; ∀ u, v ∈ V .
(2) u + v = v + u ; ∀ u, v ∈ V .
(3) u + ( v + w ) = ( u + v ) + w ; ∀ u, v , w ∈ V .
(4) Existe un vector, llamado vector cero y denotado por 0 , tal que: 0 + u = u + 0 = u ; ∀u ∈V.
(5) Para cada u ∈ V , existe un vector de V , llamado opuesto de u y denotado por −u , tal que
u + ( −u ) = 0 .
(6) k u ∈ V ; ∀k ∈ R y ∀ u ∈ V .
(7) k( u + v ) = k u + k v ; ∀ k ∈ R y ∀ u, v ∈ V .
(8) (k + l)u = k u + l u ; ∀ k, l ∈ R y ∀ u ∈ V .
(9) (kl) u = k(l u ) ; ∀ k, l ∈ R y ∀ u ∈ V .

(10) 1 u = u ; ∀u ∈V.
Por ser los escalares de R , se dice que V es un R -espacio vectorial. Se pueden considerar espacios vectoriales
sobre otros cuerpos de escalares, como C .
Ejemplo Los conjuntos Rn , los conjuntos de polinomios Pn [X] = {P (X) ∈ R[X] : gr(P ) ≤ n} y los conjuntos
de matrices reales Mm×n = {matrices de tamaño m×n } , con las operaciones usuales en cada uno de ellos, son
espacios vectoriales reales.
Propiedades 267.- Algunas propiedades que se deducen de las anteriores son:
(i) 0 u = 0 . (ii) k 0 = 0 . (iii) (−1)u = −u .

(iv) k u = 0 ⇐⇒ k = 0 ó u = 0 .
(v) El vector cero de un espacio vectorial es único.
(vi) El vector opuesto de cada vector del espacio vectorial es único. .
14.2 Subespacios vectoriales
Definición 268.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de

V , si W es un espacio vectorial con las operaciones definidas en V .
Como W ⊆ V , todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto es suficiente
probar que las operaciones suma y producto por escalares son internas en W , es decir, que se verifican las
propiedades (1) y (6) en W :
(1∗ ) u + v ∈ W ; ∀ u, v ∈ W ( 6∗ ) k u ∈ W ; ∀ u ∈ W y ∀k ∈ R
Estas dos propiedades son equivalentes a la propiedad única:
155 – Fundamentos de Matemáticas : Álgebra Lineal 14.3 Base y dimensión
k u + l v ∈ W ; ∀ u , v ∈ W y ∀ k, l ∈ R.
Nota: Es claro, que si W es un subespacio de V , entonces 0 ∈ W .
Ejemplo P2 [X] es un subespacio de P4 [X] , pues es un subconjunto suyo y si P (X), Q(X) ∈ P2 [X] , el grado de
kP (X) + lQ(X) es gr(kP + lQ) = máx{gr(kP ), gr(lQ)} ≤ máx{gr(P ), gr(Q)} ≤ 2 , por lo que está en P2 [X] .
Sin embargo, {P (X) : gr(P ) = 2} no es un subespacio de P4 [X] , por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verifica la propiedad (1∗ ) ya que X2 y 2X − X2 son polinomios del conjunto
pero su suma X2 + (2X − X2 ) = 2X es un polinomio de grado 1 que no está en el conjunto. 4
Definición 269.- Se dice que un vector v ∈ V es una combinación lineal de los vectores v1 , v2 , . . . , vn si,
y sólo si, ∃ c1 , c2 , . . . , cn ∈ R tales que v = c1 v1 + c2 v2 + · · · + cn vn .
Definición 270.- Dado un conjunto de vectores S = { v1 , v2 , . . . , vk } de un espacio vectorial V , llamaremos

subespacio lineal generado por S y que denotaremos por lin S ó lin{v1 , v2 , . . . , vk } , al conjunto de
todas las combinaciones lineales que se pueden formar con los vectores de S :
n o
lin S = lin{v1 , v2 , . . . , vk } = c1 v1 + c2 v2 + · · · + ck vk : ∀ ci ∈ R
y se dirá que S genera lin S o que v1 , v2 , . . . , vk generan lin S .
Naturalmente lin S es un subespacio vectorial de V y, de hecho, es el más pequeño que contiene a los
vectores de S (ver ejercicio 14.256).
Definición 271.- Dado un conjunto S = {v1 , v2 , . . . , vk } de vectores del espacio vectorial V , la ecuación
vectorial c1 v1 + c2 v2 + · · · + ck vk = 0 tiene al menos una solución, a saber: c1 = c2 = · · · = ck = 0 . Si esta
solución es única, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (los vectores son linealmente dependientes).
Ejemplo El vector 2X − X2 de P2 [X] está generado por los vectores X − 1 y X2 − 2 

:
 −λ − 2µ = 0
2X − X2 = λ(X − 1) + µ(X2 − 2) = λX − λ + µX2 − 2µ = (−λ − 2µ) + λX + µX2 =⇒ λ=2
µ = −1

luego 2X − X2 = 2(X − 1) + (−1)(X2 − 2) .
Ejemplo Los polinomios X + 2 y X2 de P2 [X] son linealmente independientes: si λ(X + 2) + µX2 = 0 (al
polinomio cero), se tiene que 0 = λ(X + 2) + µX2 = 2λ + λX + µX2 =⇒ 2λ = 0 , λ = 0 y µ = 0 , ya que los
coeficientes de ambos polinomios deben coincidir. 4
Nota: Si los vectores { v1 , v2 , . . . , vk } son linealmente dependientes, al menos uno de ellos se puede escribir
como una combinación lineal de los restantes; y si son linealmente independientes ninguno de ellos puede ser
generado por los restantes. Es decir, se tiene la siguiente caracterización para que un conjunto de dos o más
vectores sea linealmente dependiente (ver ejercicio 14.257):
“Un conjunto de dos o más vectores es linealmente dependiente si, y sólo si, al menos uno
de los vectores es una combinación lineal de los restantes.”
14.3 Base y dimensión
Lema 272.- Si vn+1 = c1 v1 + · · · + cn vn , entonces lin{ v1 , . . . , vn , vn+1 } = lin{ v1 , . . . , vn } .

Es fácil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede
reconvertirse a una combinación lineal de los n primeros, por simple sustitución. En otras palabras, puede
reducirse el número de generadores mientras haya dependencia lineal, lo que nos lleva a:
Definición 273.- Sean V un espacio vectorial y S un conjunto finito de vectores de V . Diremos que S es
una base de V si:
a) S es linealmente independiente y b) S genera a V
Observación: El comentario anterior a esta definición nos indica la manera de reducir un conjunto generador
del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si
S es linealmente independiente y lin S 6= V , tomando v ∈ V pero que v ∈ / lin S , el conjunto S ∪ { v } es
linealmente independiente (ver el Lema 274 siguiente); y ası́, se añaden vectores a S hasta generar V .
Lema 274.- Si S es un conjunto linealmente independiente de vectores de V y v ∈ V −lin S , entonces S∪{v }

es linealmente independiente. .
De cierta forma, estamos diciendo que una base tiene el menor número posible de generadores y el mayor
número posible de vectores linealmente independientes (ver Lema 275 siguiente); luego ¿no tendrá una base un
número fijo de vectores? La respuesta la proporciona el Teorema de la base.
Lema 275.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto { v1 , v2 , . . . , vm } de vectores de V, con m > n, es linealmente dependiente. .
Teorema de la base 276.- Cualesquiera dos bases de un espacio vectorial tienen el mismo número de elemen-
tos.
Demostración:
La demostración es muy sencilla si tenemos en cuenta el Lema anterior, pues si B1 es una base de n elementos
y B2 es una base de m elementos, por ser B1 base y B2 linealmente independiente, m 6> n y por ser B2 base
y B1 linealmente independiente n 6> m, luego n = m .
Definición 277.- Un espacio vectorial V se dice de dimensión finita si tiene un conjunto finito de vectores
que forman una base, y llamaremos dimensión de V , dim V , al número de vectores de cualquier base de V .
Al espacio vectorial V = {0 } le consideramos de dimensión finita, de dimensión cero, aún cuando no tiene
conjuntos linealmente independientes.
Si no existe un conjunto finito de este tipo, se dice que V es de dimensión infinita (y no nos son ajenos pues
R[X] es un espacio vectorial de dimensión infinita).
Ejemplo P2 [X] = {P (X) ∈ R[X] : gr(P ) ≤ 2} tiene dimensión 3, pues B = {1, X, X2 } forman una base. En
general, dim(Pn [X]) = n + 1 y B = {1, X, . . . , Xn } es una base suya.
Ejemplo 278 Los conjuntos Rn = R×R×· · ·×R = {(x1 , . . . , xn ) : xi ∈ R, ∀ i} con las operaciones habi-
tuales de suma y producto por escalares
x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
λx = λ(x1 , . . . , xn ) = (λx1 , . . . , λxn )
son espacios vectoriales con dim Rn = n , ya que cualquier vector x ∈ Rn puede escribirse de la forma
x = (x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + · · · + xn (0, 0, . . . , 1)
y este conjunto de vectores
n o
B = e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
es linealmente independiente. A esta base se la denomina base canónica de Rn . 4
Conocer a priori la dimensión de un espacio facilita la obtención de bases:
Proposición 279.- Si V es un espacio vectorial, con dim V = n . Entonces, un conjunto de n vectores de V
es base de V ,
a) si el conjunto es linealmente independiente, o b) si genera a V . .
14.3.1 Coordenadas en una base

Definición 280.- Sean V un espacio vectorial de dimensión finita y B = {v1 , v2 , . . . , vn } una base de V .
Para cada vector v ∈ V , se llaman coordenadas de v en la base B a los n únicos números reales
c1 , c2 , . . . , cn tales que v = c1 v1 + c2 v2 + · · · + cn vn .
Fijando un orden para los vectores de la base, el vector de Rn , de las coordenadas de v en B se denota
por ( v )B = (c1 , c2 , . . . , cn ) y más usualmente por [v ]B cuando lo escribimos como vector columna en las
operaciones con matrices: [ v ]B = (c1 , c2 , . . . , cn )t .
Ejemplo Si B = { v1 , v2 , v3 } es una base de V y v = v1 − v2 + 2 v3 , se tiene que

(v )B = (1, −1, 2) ( v1 )B = (1, 0, 0) ( v2 )B = (0, 1, 0) ( v3 )B = (0, 0, 1)
o también        
1 1 0 0
[v]B =  −1  [v1 ]B =  0  [v2 ]B =  1  [v3 ]B =  0  4
2 0 0 1
Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo
anterior, tomamos como base B1 = { v2 , v3 , v1 } , tenemos que (v )B1 = (−1, 2, 1) que es un vector de
coordenadas distinto de (v )B = (1, −1, 2) .
Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un único vector de Rn , de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Además, se cumple (ver ejercicio 14.264):
[ v + w ]B = [v ]B + [ w ]B y [λ v ]B = λ[v ]B , luego [λ1 v1 +· · ·+λn vn ]B = λ1 [ v1 ]B + · · · + λn [vn ]B
y con esto, no es dificil probar que:
v ∈ lin{v1 , . . . , vk } ⊆ V ⇐⇒ [v]B ∈ lin{[v1 ]B , . . . , [vk ]B } ⊆ Rn

{v1 , . . . , vk } lin. independiente en V ⇐⇒ {[v1 ]B , . . . , [vk ]B } lin. independiente en Rn
{v1 , . . . , vn } base de V ⇐⇒ {[v1 ]B , . . . , [vn ]B } base de Rn
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
14.3.2 Espacios de las filas y las columnas de una matriz

De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de Rn ; por lo que resulta muy interesante conocer
esta sección.
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
Definición 281.- Consideremos la matriz Am×n =  . ..  .
 
..
 .. . ... . 
am1 am2 . . . amn
Los m vectores de Rn : r1 = (a11 , . . . , a1n ) , r2 = (a21 , . . . , a2n ) , . . . , rm = (am1 , . . . , amn ) , se denominan
vectores fila de A y al subespacio lineal generado por ellos, Ef (A) = lin{ r1 , r2 , . . . , rm }, espacio de las
filas de A. Por supuesto Ef (A) ⊆ Rn .
Los n vectores de Rm : c1 = (a11 , . . . , am1 ), c2 = (a12 , . . . , am2 ) , . . . , cn = (a1n , . . . , amn ) , se denominan
vectores columna de A y el subespacio lineal generado por ellos, Ec (A) = lin{c1 , c2 , . . . , cn }, espacio de
las columnas de A. Por supuesto Ec (A) ⊆ Rm .
Proposición 282.- Si A es una matriz de tamaño m×n , entonces las operaciones elementales sobre las filas
(resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A.
Demostración:
Puesto que hacer operaciones elementales sobre las filas es hacer combinaciones lineales de los vectores fila, el
subespacio lineal generado es el mismo. (Igual para las columnas.)
Corolario 283.- Sea A una matriz, entonces:

a) Los vectores no nulos de una forma escalonada de la matriz A , forman una base de Ef (A) .
b) Los vectores no nulos de una forma escalonada de la matriz At , forman una base de Ec (A) .
Demostración:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba fácilmente ya que debajo de cada elemento principal sólo hay ceros.
158 – Fundamentos de Matemáticas : Álgebra Lineal 14.4 Cambios de base
Teorema 284.- Sea A una matriz de tamaño m×n , entonces: dim(Ef (A)) = dim(Ec (A)) .
Demostración:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(At ) , y que el rango coincide con el número de
vectores no nulos en la forma escalonada, ası́ como el resultado anterior.
Estos resultados nos permiten usar el método de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.
Ejemplo ¿Los vectores X − 1 , X + 1 y X2 − 1 de P2 [X] son linealmente independientes?

Tomemos la base B = {1, X, X2 } de P2 [X] , entonces formamos por filas la matriz:
       
(X − 1)B −1 1 0 F2 +F1 −1 1 0 F + 1 F −1 1 0
F3 −F1
A =  (X + 1)B  =  1 1 0  −→  0 2 0  3−→ 2 2
 0 2 0
2
(X − 1)B −1 0 1 0 −1 1 0 0 1
Por lo anterior, los vectores fila de la última matriz son linealmente independientes y dim Ef (A) = 3 . En
consecuencia, los tres vectores fila de la matriz A inicial que generan Ef (A) son también base, luego linealmente
independientes y los polinomios del enunciado también son linealmente independientes.
Además, forman una base de P2 [X] (¿por qué?). 4
14.4 Cambios de base

Puesto que las coordenadas están referidas a una base, al cambiar la base de trabajo, habrá que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse fácilmente, teniendo en cuenta lo siguiente:
Definición 285.- Sean B1 = { u1 , u2 , . . . , un } y B2 = { v1 , v2 , . . . , vn } son bases de un espacio vectorial
V . Recibe el nombre de matriz de transición o matriz de cambio de la base B1 a la base B2 , la matriz
de dimensiones n×n , que por columnas es

P = [u1 ]B2 [u2 ]B2 ··· [un ]B2 ,
es decir, la columna i-ésima está constituida por las coordenadas en la base B2 , del vector ui de la base B1 .
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porqué la matriz de paso se contruye ası́, puede observarse en la prueba de la proposición siguiente:
Proposición 286.- Sea P la matriz de paso de una base B1 en otra base B2 de un espacio V . Entonces:
1.- ∀ x ∈ V se tiene que [ x ]B2 = P · [ x ]B1 .
2.- P es inversible y su inversa, P −1 , es la matriz de paso de la base B2 a la base B1 .
Demostración:
Sea B1 = {u1 , u2 , . . . , un } y sea x = c1 u1 + c2 u2 + · · · + cn un . Entonces, Apartado 1:
 
c1
 c 
 2
P [x]B1 = [u1 ]B2 [u2 ]B2 · · · [un ]B2  . 
 .. 
cn
= c1 [u1 ]B2 + c2 [u2 ]B2 + · · · + cn [un ]B2 = [c1 u1 + c2 u2 + · · · + cn un ]B2 = [x]B2
Apartado 2: como los vectores de la base B1 son linealmente independientes, sus vectores de coordenadas en
la base B2 también lo son. Luego las columnas de P son vectores linealmente independientes y rg(P ) = n ,
por lo que P es inversible.
Además, [ x ]B2 = P [ x ]B1 =⇒ P −1 [x ]B2 = P −1 P [x ]B1 =⇒ P −1 [ x ]B2 = [ x ]B1 y P −1 es la matriz
de cambio de la base B2 en la base B1 .
159 – Fundamentos de Matemáticas : Álgebra Lineal 14.5 Espacios vectoriales con producto interior
Ejemplo Consideremos las bases B = {1, X, X2 } y B1 = {X − 1, X + 1, X2 − 1} de P2 [X] .

La matriz de paso de la base B1 a la base B será:
   −1 1 −1

−1 1 −1 2 2 2
P = [X − 1]B [X + 1]B [X2 − 1]B =  1 1 0  y P −1 =  12 12 1
2

0 0 1 0 0 1
la matriz de paso de B a B1 .
Ejemplo Consideremos en R3 la base canónica Bc = { e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} y la base
B1 = { v1 = (1, 0, −1), v2 = (2, −1, 1), v3 = (0, −1, 1)} .
Como v1 = 1(1, 0, 0) + 0(0, 1, 0) − 1(0, 0, 1) = e1 − e3 , se tiene que ( v1 )Bc = (1, 0, −1) ; y lo mismo para
los otros vectores, luego la matriz de paso de la base B1 a la base Bc será:
   −1
1 2 0 1 2 0
P = [v1 ]Bc [v2 ]Bc [v3 ]Bc =  0 −1 −1  y P −1 =  0 −1 −1 
−1 1 1 −1 1 1
la matriz de paso de la base Bc a la base B1 . 4
Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de Rn en la base canónica de Rn
es inmediato, pues ( x )Bc = x . Pero ¡ciudado!, al trabajar con vectores de Rn no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior únicamente es cierta en la base canónica.
14.5 Espacios vectoriales con producto interior

14.5.1 Producto interior. Norma. Distancia
Definición 287.- Un producto interior en un espacio vectorial real V es una función que a cada par de
vectores u , v ∈ V le asocia un número real, que denotaremos por h u , v i , de tal manera que se cumplen las
siguientes propiedades:
1.- h u , v i = h v , u i; ∀ u , v ∈ V .
2.- h u + v , w i = hu , w i + h v , w i ; ∀ u , v , w ∈ V .
3.- hk u , v i = khu , v i ; ∀ u , v ∈ V y ∀ k ∈ R.
4.- h u , u i ≥ 0 ; ∀ u ∈ V y h u , u i = 0 ⇐⇒ u = 0 .
Otra propiedades que se deducen de las anteriores son:
1.- h 0, u i = 0 2.- hu , v + w i = h u , v i + hu , w i 3.- hu , k v i = kh u , v i
Ejemplo Considerar en P2 [X] , la función hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) .
(1) hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1)
= Q(1)P (1) + Q0 (1)P 0 (1) + Q00 (1)P 00 (1) = hQ(X), P (X)i

(2) hP (X) + R(X), Q(X)i = P (1) + R(1) Q(1) + P 0 (1) + R0 (1) Q0 (1) + P 00 (1) + R00 (1) Q00 (1)

= P (1)Q(1)+P 0 (1)Q0 (1)+P 00 (1)Q00 (1) + R(1)Q(1)+R0 (1)Q0 (1)+R00 (1)Q00 (1)
= hP (X), Q(X)i + hR(X), Q(X)i
0 0 00 00
(3) hkP (X), Q(X)i = kP
(1)Q(1) + kP (1)Q (1) + kP (1)Q (1)

= k P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) = khP (X), Q(X)i
2 2 2
(4) hP (X), P (X)i = P (1)P (1) + P 0 (1)P 0 (1) + P 00 (1)P 00 (1) = P (1) + P 0 (1) + P 00 (1) ≥ 0 .
Y, se da la igualdad si y sólo si, P (1) = P 0 (1) = P 00 (1) = 0 . Entonces, sea P (X) = a + bX + cX2 , de donde
P (X) = b + 2cX y P 00 (X) = 2c; de las igualdades se
0
tiene:
a+b+c=0 
P (1) = P 0 (1) = P 00 (1) = 0 ⇐⇒ b + 2c = 0 ⇐⇒ a = b = c = 0 ⇐⇒ P (X) = 0 .
2c = 0

Luego tenemos un producto interno definido en P2 [X] . 4
A partir de un producto interior sobre un espacio V se definen los conceptos de norma, distancia y ángulo.
Definición 288.- Si V es un espacio vectorial con producto interior, entonces la norma (o longitud o
módulo) de un vector v ∈ V se denota mediante k v k y se define como
p
kv k = + h v , v i.
La distancia entre dos vectores u y v de V se denota mediante d( u , v ) y se define como

p
d(u , v ) = k u − v k = + h u − v , u − v i.
Desigualdad de Cauchy-Schwarz 289.- Para todo u , v ∈ V, espacio con producto interior, se tiene
2 2
hu, vi2 ≤ kuk kvk o en la forma |hu, vi| ≤ kuk kvk . .
Propiedades básicas de la norma 290.- Propiedades básicas de la distancia 291.-
1.- k u k ≥ 0 ; ∀ u ∈ V 1.- d(u , v ) ≥ 0 ; ∀ u , v ∈ V

2.- k u k = 0 ⇐⇒ u = 0 2.- d(u , v ) = 0 ⇐⇒ u = v
3.- kk u k = |k| ku k; ∀ u ∈ V y ∀ k ∈ R 3.- d(u , v ) = d( v , u ) ; ∀ u , v ∈ V
4.- k u + v k ≤ ku k+kv k ; ∀ u , v ∈ V 4.- d(u , v ) ≤ d( u , w )+d( w , v ) ; ∀ u , v , w ∈ V
La prueba de estas propiedades es análoga a la de las propiedades del módulo colplejo.

Observación: Sean V un espacio con producto interior y B = { u1 , . . . , un } una base de V . Tomemos dos
vectores v = a1 u1 + · · · + an un y w = b1 u1 + · · · + bn un , entonces
hv, wi = ha1 u1 + · · · + an un , wi = a1 hu1 , wi + · · · + an hun , wi

= a1 hu1 , b1 u1 + · · · + bn un i + · · · + an hun , b1 u1 + · · · + bn un i
= a1 hu1 , u1 ib1 + · · · + a1 hu1 , un ibn + · · · + an hun , u1 ib1 + · · · + an hun , un ibn
  
hu1 , u1 i · · · hu1 , un i b1
= a1 · · · an 
 .. .. ..   ..  t
. . .   .  = (v)B QB [w]B = [v]B QB [w]B
hun , u1 i · · · hun , un i bn
luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz
QB obtenida se denomina matriz de Gram o matriz métrica. Por las propiedades del producto interior, QB
es simétrica y los elementos de la diagonal positivos.
14.5.1.1 El espacio euclı́deo n -dimensional Rn
Definición 292.- Sobre el espacio vectorial Rn definimos la función que a cada x , y ∈ Rn le asocia
n
P
hx , y i = x · y = (x1 , . . . , xn ) · (y1 , . . . , yn ) = x1 y1 + · · · + xn yn = xi yi
i=1
Como puede comprobarse fácilmente dicha función es un producto interior, el que se conoce como producto
interior euclı́deo o producto escalar euclı́deo (ya usado en R2 y R3 ).
Este producto interior da lugar a la norma y distancia euclı́deas, ya conocidas:
p p
kx k = x21 + · · · + x2n y d( x , y ) = k x − y k = (x1 − y1 )2 + · · · + (xn − yn )2 .
Se llama espacio euclı́deo n -dimensional a Rn con el producto interior euclı́deo.
Nota: Si la matriz métrica del producto interior en la base B , QB , es la identidad, el producto interior se
reduce al producto escalar euclı́deo de los vectores de coordenadas. Esto ocurre precisamente para las bases
ortonormales que se estudian en la siguiente sección.
14.5.2 Ortogonalidad
Definición 293.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse-
cuencia de la desigualdad de Cauchy-Schwarz se tiene que −1 ≤ khuukk,v i
v k ≤ 1 y, por tanto, existe un único
ángulo, θ , tal que
hu, v i
cos θ = , con 0 ≤ θ ≤ π
ku k kv k
Definición 294.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son orto-
gonales si h u , v i = 0 . Suele denotarse por u ⊥ v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = {v1 , v2 , . . . , vk } es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi ⊥ vj para todo i 6= j .
Ejemplo Los vectores de la base canónica de R3 con el producto escalar euclı́deo son ortogonales entre si,
pero no lo son si el producto interior definido es: h v , w i = v1 w1 + v1 w2 + v2 w1 + 2v2 w2 + v3 w3 . (Pruébese
que es un producto interior). En efecto: he1 , e2 i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 1 6= 0 . 4
Nota: Si dos vectores son ortogonales, el ángulo que forman es de π radianes (los famosos 90 grados). De hecho,
en Rn con el producto escalar euclı́deo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pitágoras 295.- Si u y v son dos vectores ortogonales de un espacio vectorial con
producto interior, entonces
2 2 2
ku + v k = ku k + kv k .
Este resultado, de fácil comprobación, se reduce en R2 con el producto escalar al Teorema de Pitágoras.
También es sencillo probar el resultado siguiente (ver ejercicio 14.271):
Proposición 296.- Si w ⊥ {v1 , v2 , . . . , vk }, entonces w ⊥ lin{v1 , v2 , . . . , vk } .
Mucho más interesante es el siguiente, que relaciona ortogonalidad e independencia:

Teorema 297.- Si S = { v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos,
entonces S es linealmente independiente. .
14.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt
Definición 298.- Sean V un espacio vectorial de dimensión n con producto interior. Se dice que la base
B = { v1 , v2 , . . . , vn } es una base ortonormal de V , si B es un conjunto ortogonal y kvi k = 1 , ∀ i .
n o
√1 , √1 , √ −1 √1
Ejemplo Las bases canónica y B1 = 2 2 2
, 2
son ortonormales en R2 con el producto escalar
√
euclı́deo. La base B2 = {(2, 0), (0, − 2)} es ortonormal para el producto interior hx, yi = x14y1 + x22y2 . 4
Teorema 299.- Si B = { v1 , v2 , . . . , vn }es una base ortonormal para un espacio V con producto interior,
entonces ∀ v ∈ V se tiene que ( v )B = hv , v1 i, h v , v2 i, . . . , h v , vn i . Es decir,
v = hv , v1 i v1 + h v , v2 i v2 + · · · + h v , vn i vn ,
Demostración:
Si v = c1 v1 + · · · + ci vi + · · · + cn vn , para cada i , se tiene que
hv, vi i = hc1 v1 + · · · + ci vi + · · · + cn vn , vi i
2
= c1 hv1 , vi i + · · · + ci hvi , vi i + · · · + cn hvn , vi i = ci hvi , vi i = ci kvi k = ci
162 – Fundamentos de Matemáticas : Álgebra Lineal 14.6 Ejercicios
Es decir, en una base ortonormal, la obtención de cordenadas puede resultar más sencilla. Pero no sólo eso, si
no que también se tiene:
Teorema 300.- Si P es la matriz de paso de una base ortonormal B1 a otra base ortonormal B2 , entonces
P es una matriz ortogonal (es decir, P −1 = P t ).
La prueba es puramente operativa, usando la definición de matriz de paso y el apartado b) del ejercicio 14.274
(ver también el ejercicio 14.279).
Definición 301.- Sean V un espacio vectorial con producto interior, W subespacio de V y B =
{ w1 , w2 , . . . , wk } una base ortonormal de W . Para cada v ∈ V , llamaremos proyección ortogonal
de v sobre W al vector de W
ProyW ( v ) = h v , w1 iw1 + hv , w2 iw2 + · · · + h v , wk i wk .
Al vector v −ProyW ( v ) se le llama componente ortogonal de v sobre W .
El vector proyección ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base or-
tonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, pág. 162, tras la demostración
del Lema 302 siguiente.
Lema 302.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base orto-
normal de W . Entonces para cada v ∈ V , el vector v − ProyW (v ) es ortogonal a W . .
Proceso de ortonormalización de Gram-Schmidt 303.- Sean V un espacio vectorial con producto interior y
de dimensión finita. Vamos a describir este proceso que construye a partir de una base B = {v1 , v2 , . . . , vn }
una base ortonormal B ∗ = { u1 , u2 , . . . , un } .
Demostración:
v1
1 a etapa.- Como v1 6= 0 por ser de B , el vector u1 = tiene norma 1 y lin{ u1 } = lin{v1 }.
k v1 k
2 a etapa.- Sea W1 = lin{ u1 } , por el Lema anterior, el vector v2 − ProyW1 ( v2 ) es ortogonal a W1 , en
particular a u1 , y es distinto del vector 0 pues ProyW1 ( v2 ) ∈ W1 y v2 ∈
/ W1 = lin{ v1 } , entonces tiene que
v2 − ProyW1 ( v2 ) v2 − h v2 , u1 i u1
v2 − ProyW ( v2 ) = k v2 − h v2 , u1 i u1 k ∈ lin{v1 , v2 }
u2 =
1
es ortogonal a u1 y tiene norma 1. Además, lin{u1 , u2 } = lin{ v1 , v2 } .

3 a etapa.- Sea ahora W2 = lin{u1 , u2 }, como antes, el vector v3 − ProyW2 ( v3 ) es ortogonal a W2 , en
particular a u1 y u2 , y es distinto del vector 0 , pues ProyW2 (v3 ) ∈ W2 y v3 ∈ / W2 = lin{ v1 , v2 },
entonces se tiene que
v3 − ProyW2 ( v3 ) v3 − h v3 , u1 i u1 − h v3 , u2 i u2
v3 − ProyW ( v3 ) = kv3 − h v3 , u1 i u1 − h v3 , u2 i u2 k ∈ lin{ v1 , v2 , v3 }
u3 =
2
es ortogonal a u1 y u2 , y tiene norma 1. Además, lin{u1 , u2 , u3 } = lin{ v1 , v2 , v3 } .

n a etapa.- Con la repetición del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B ∗ = { u1 , u2 , . . . , un }, tal que lin B ∗ = lin B = V . Luego B ∗ es una base ortonormal de V .
14.6 Ejercicios
14.251 Determinar si son espacios vectoriales los siguientes conjuntos:
a) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky) .

b) A = {(x, 0) : x ∈ R} con las operaciones usuales de R2 .
c) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky) .
d) El conjunto de los números reales estrı́ctamente positivos, R+ −{0} , con las operaciones: x+x0 = xx0
y kx = xk .
14.252 ¿Cuáles de los siguientes conjuntos son subespacios vectoriales de R3 ó R4 ?
a) {(a, 1, 1) ∈ R3 : a ∈ R} ⊆ R3 b) {(a, b, c) ∈ R3 : b = a + c} ⊆ R3
c) {(a, b, c, d) ∈ R4 : a + 2d = 7} ⊆ R4 d) {(a, b, c, d) ∈ R4 : ba = 0} ⊆ R4
14.253 Sean v1 = (2, 1, 0, 3) , v2 = (3, −1, 5, 2) y v3 = (−1, 0, 2, 1) vectores de R4 . ¿Cuáles de los vectores
(2, 3, −7, 3) , (0, 0, 0, 0) , (1, 1, 1, 1) y (−4, 6, −13, 4) , están en lin{v1 , v2 , v3 } ?
14.254 ¿Para qué valores reales de λ los vectores v1 = (λ, −1 −1 −1 −1 −1 −1

2 , 2 ) v2 = ( 2 , λ, 2 ) y v3 = ( 2 , 2 , λ) forman
un conjunto linealmente dependiente en R3 ?
14.255 Dados tres vectores linealmente independientes u , v y w , demostrar que u + v , v + w y w + u son
también linealmente independientes.
14.256 Sea V un espacio vectorial y S = { v1 , . . . , vk } un conjunto de vectores de V . Probar que:
a) lin S es un subespacio vectorial de V .

b) Si W es un subespacio de V que contiene a los vectores de S , entonces lin S ⊆ W .
14.257 Probar que si los vectores v1 , . . . , vk son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinación lineal de los restantes.
14.258 Determinar la dimensión de los siguientes subespacios de R4 :
a) Todos los vectores de la forma (a, b, c, 0) .

b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a − b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d .
14.259 Demostrar que los vectores solución de un sistema no homogéneo compatible, AX = B , de m ecuaciones
con n incógnitas no forman un subespacio de Rn . ¿Qué ocurre si el sistema es homogéneo, es decir, si
B = 0?
14.260 Sean E y F subespacios de un espacio V . Probar que: E ∩ F = {v ∈ V : v ∈ E y v ∈ F } es un
subespacio de V .
14.261 Considerar en R4 los conjuntos de vectores:
A = {(1, 2, −1, 3), (0, 1, 0, 3)} B = {(1, −1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}
a) Hallar las dimensiones de lin(A) y de lin(B) , y encontrar una base
b) Hallar las ecuaciones paramétricas de lin(A) y de lin(B) .
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B) .
d) Hallar la dimensión de lin(A) ∩ lin(B) .
14.262 Consideremos en el espacio vectorial R3 la base B = { u1 , u2 , u3 } . Sea E el subespacio engendrado por

los vectores
v1 = u1 + 3 u3 , v2 = 2u1 − 3u2 + u3 , v3 = 4u1 − 3 u2 + 7 u3 .
Sea F el subespacio engendrado por los vectores
w1 = u1 + u2 + u3 , w2 = 2u1 + 3 u2 + 4 u3 , w3 = 3u1 + 4 u2 + 5 u3 .
Hallar una base de E , una base de F , el subespacio E ∩ F y una base de E ∩ F .
14.263 Sea M2×2 el espacio vectorial de las matrices cuadradas de orden 2 sobre R y sea E el subconjunto de

a b+c
M2×2 formado por las matrices de la forma con a, b, c ∈ R .
−b + c a
a) Demostrar que E es un subespacio vectorial.

1 0 0 1 0 1
b) Probar que las matrices A1 = , A2 = y A3 = , forman una base de E .
0 1 −1 0 1 0
14.264 Sea B una base de un espacio vectorial V de dimensión n . Demostrar que el conjunto { v1 , v2 , . . . , vn }
es una base de V si, y sólo si el conjunto {[v1 ]B , [ v2 ]B , . . . , [ vn ]B } es una base de Rn .
14.265 En una cierta base { u1 , u2 , u3 , u4 } de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6) . Hallar las coordenadas de W en otra base { v1 , v2 , v3 , v4 } cuyos vectores verifican que
v1 = u1 + u2 , v2 = 2 u4 − u1 , v3 = u2 − u3 y v4 = 2 u1 − u2 .
14.266 En R3 se consideran las bases B = {v1 = (2, 0, 0), v2 = (0, −1, 2), v3 = (0, 0, −3)} y la base canónica
Bc = {e1 , e2 , e3 }. Hallar las coordenadas respecto de la base B del vector x = 4e1 + e2 − 5 e3 .
14.267 Se consideran en R3 las bases B = {u1 , u2 , u3 } y B 0 = {v1 , v2 , v3 }, siendo

u1 = (−3, 0, −3) , u2 = (−3, 2, −1) , u3 = (1, 6, −1) y
v1 = (−6, −6, 0) , v2 = (−2, −6, 4) , v3 = (−2, −3, 7) .
a) Hallar la matriz de paso de B a B 0 .
b) Calcular la matriz de coordenadas, [ w ]B , siendo w = (−5, 8, −5) .
c) Calcular [ w ]B 0 de dos formas diferentes
14.268 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) . Determinar si hu , v i = u1 v1 − u2 v2 + u3 v3 define un producto

interior en R3 .
14.269 a) Encontrar dos vectores de R2 con norma euclı́dea uno y cuyo producto interior euclı́deo con (−2, 4)
sea cero.
b) Demostrar que hay un número infinito de vectores en R3 con norma euclı́dea uno y cuyo producto
interior euclı́deo con (−1, 7, 2) es cero.
−1
14.270 Sean a = ( √15 , √ 5
) y b = ( √230 , √330 ) . Demostrar que { a, b } es ortonormal si R2 tiene el producto
interior h u , v i = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ) , y que no lo es si R2 tiene el producto
interior euclı́deo.
14.271 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores
v1 , v2 , . . . , vk entonces es ortogonal a lin{v1 , v2 , . . . , vk }.
14.272 Considera R3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar, en
cada caso, la base { u1 , u2 , u3 } en una base ortonormal.
a) u1 = (1, 1, 1) , u2 = (−1, 1, 0) , u3 = (1, 2, 1) .
b) u1 = (1, 0, 0) , u2 = (3, 7, −2) , u3 = (0, 4, 1) .
14.273 Sea R3 con el producto interior h u , v i = u1 v1 + 2u2 v2 + 3u3 v3 . Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u1 = (1, 1, 1) , u2 = (1, 1, 0) y u3 = (1, 0, 0) en una
base ortonormal.
14.274 Sea B = { v1 , v2 , v3 } una base ortonormal de un espacio V con producto interior. Probar que:
2
a) k w k = hw , v1 i2 + hw , v2 i2 + hw , v3 i2 ; ∀w ∈V.
b) h u , w i = (u )B · (w )B = [u ]tB [ w ]B ; ∀ u, w ∈ V .
14.275 Tomemos en R4 el producto interior euclideo. Expresar el vector w = (−1, 2, 6, 0) en la forma w = w1 +

w2 donde, w1 esté en el subespacio W generado por los vectores u1 = (−1, 0, 1, 2) y u2 = (0, 1, 0, 1) ,
y w2 sea ortogonal a W .
14.276 Suponer que R4 tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u1 = (1, 0, 0, 0) y u4 = (0, 0, 0, 1) , y que forme ángulos iguales con los
vectores u2 = (0, 1, 0, 0) y u3 = (0, 0, 1, 0) .
b) Hallar un vector x de longitud 1, ortogonal a u1 y a u2 , tal que el coseno del ángulo entre x y
u3 sea el doble del coseno del ángulo entre x y u4 .
14.277 Hallar la distancia del vector u = (1, 1, 1, 1) de R4 al subespacio generado por los vectores v1 = (1, 1, 1, 0)
y v2 = (1, 1, 0, 0) .
14.278 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de R3 , demostrar que la expresión h x , y i =

2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base { u1 , u2 , u3 } ortonormal respecto al producto interior anterior tal que u2 y u3
tengan igual dirección y sentido que los vectores (0, 1, 0) y (0, 0, 1) , respectivamente.
14.279 Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un conjunto
ortonormal en Rn .
Capı́tulo 15
Aplicaciones lineales
15.1 Definición. Núcleo e imagen
Definición 304.- Sea f : V −→ W una aplicación entre los espacios vectoriales reales V y W . Se dice que f
es una aplicación lineal si:
(1) f (u + v ) = f ( u ) + f ( v ); ∀ u , v ∈ V, (2) f (k u ) = kf (u ); ∀ u ∈ V y ∀ k ∈ R.
Estas dos propiedades se pueden reunir en:

f (k u + l v ) = kf ( u ) + lf ( v ); ∀ u , v ∈ V, ∀ k, l ∈ R.
y, en general, se tiene:
f (k1 u1 + k2 u2 + · · · + kr ur ) = k1 f (u1 ) + k2 f ( u2 ) + · · · + kr f ( ur ) ∀ ui ∈ V, ∀ ki ∈ R
Si V = W la aplicación lineal también se dice que es un operador lineal.
Ejemplos 305 Las siguientes aplicaciones son aplicaciones lineales

1.- f : V −→ V definida por f (v ) = 2v :
f (λv + µw ) = 2(λ v + µw ) = λ2 v + µ2 w = λf ( v ) + µf ( w )
 
x1
0 −1 1 0 1 1
2.- Dada A = , la aplicación f : R3 −→ R2 con f (x ) = Ax =  x2  :
1 0 −1 1 0 −1
x3
f (λ x + µy ) = A(λ x + µ y ) = A(λ x ) + A(µy ) = λA x + µAy = λf ( x ) + µf ( y ) 4
Proposición 306.- Si f : V −→ W es una aplicación lineal, entonces:

a) f ( 0 ) = 0; b) f (−v ) = −f (v ); ∀v ∈V
Definición 307.- Dada una aplicación lineal f : V −→ W , se define el núcleo o ker(nel) de f , que se denota
por ker(f ) ó ker f , como el conjunto:
ker f = {v ∈ V : f (v ) = 0 }
y se define la imagen de f , que se denota por Img(f ) ó Img f (a veces f (V ) ), como el conjunto
Img f = {w ∈ W : ∃v ∈ V tal que w = f ( v )}
El ker f es un subespacio vectorial de V y la Img f es subespacio vectorial de W (ver ejercicio 15.281).
Definición 308.- Si f : V −→ W es una aplicación lineal, entonces la dimensión del núcleo se denomina la
nulidad de f y la dimensión de la imagen de f se denomina el rango de f .
Proposición 309.- Sea f : V −→ W es una aplicación lineal y B = {v1 , v2 , . . . , vn } una base de V , entonces
Img f = lin{f ( v1 ), f ( v2 ), . . . , f (vn )}
Demostración:
En efecto, todo v ∈ V puede escribirse como v = k1 v1 + k2 v2 + · · · + kn vn , luego
f ( v ) = f (k1 v1 + k2 v2 + · · · + kn vn ) = k1 f (v1 ) + k2 f (v2 ) + · · · + kn f (vn )
En consecuencia, si w ∈ Img f , w = f ( v ) = k1 f ( v1 ) + k2 f ( v2 ) + · · · + kn f ( vn ) , para algún v .
167 – Fundamentos de Matemáticas : Álgebra Lineal 15.2 Matrices de una aplicación lineal
Ejemplo Tomemos el ejemplo 2) de los Ejemplos 305 anteriores:

ker f = { x ∈ R3 : f (x ) = 0 } = {x ∈ R3 : A x = 0 }
luego son las soluciones del sitema de ecuaciones lineales AX = 0 . Como son los vectores de la forma (z, −z, z) ,
para cualquier valor de z ∈ R , se tiene que ker f = {(z, −z, z) ∈ R3 : z ∈ R} = lin{(1, −1, 1)}.
Para la imagen: tomemos en R3 la base canónica, entonces
Img f = lin{f ( e1 ), f (e2 ), f ( e3 )} = lin{A e1 , Ae2 , Ae3 } = lin{(0, 1), (−1, 0), (1, −1)} = lin{(0, 1), (−1, 0)} = R2
pues (1, −1) = (−1)(0, 1) + (−1)(−1, 0) . Se tiene además, que dim(ker f ) = 1 y dim(Img f ) = 2 . 4
No por casualidad, sucede que dim(ker f ) + dim(Img f ) = 1 + 2 = 3 = dim R3 :
Teorema de la dimensión 310.- Si f : V −→ W es una aplicación lineal entre espacios vectoriales,
dim V = dim(ker f ) + dim(Img f )
Demostración:
Si la dim(ker f ) = n = dim V , entonces ker f = V , y f ( v ) = 0 ∀ v ∈ V , luego Img f = {0 } que tiene
dimensión cero, por lo que se cumple
dim(ker f ) + dim(Img f ) = dim V (n + 0 = n)
Si la dim(ker f ) = r < n, tomemos Bker = { u1 , . . . , ur } una base del ker f ⊆ V que podemos completar con
n − r vectores hasta una base de V , BV = { u1 , . . . , ur , vr+1 , . . . , vn }, y el conjunto imagen será por tanto
n o
Img f = lin f (u1 ), . . . , f (ur ), f (vr+1 ), . . . , f (vn )
n o n o
= lin 0, . . . , 0, f (vr+1 ), . . . , f (vn ) = lin f (vr+1 ), . . . , f (vn )
Si probamos que el conjunto formado por esos n − r vectores es linealmente independiente, será una base de la
Img f y habremos probado que
dim(ker f ) + dim(Img f ) = dim V ( r + n−r = n )
como querı́amos. Veamoslo: por ser f una aplicación lineal,
λr+1 f ( vr+1 ) + · · · + λn f (vn ) = 0 ⇐⇒ f (λr+1 vr+1 + · · · + λn vn ) = 0 ⇐⇒ λr+1 vr+1 + · · · + λn vn ∈ ker f
luego en la base Bker se expresa con λr+1 v r+1 + · · · + λn vn = µ1 u1 + · · · + µr ur , para ciertos µi . Luego
−µ1 u1 − · · · − µr ur + λr+1 v r+1 + · · · + λn vn = 0
y −µ1 = · · · = −µr = λr+1 = · · · = λn = 0 por formar esos vectores una base de V . En particular, con
λr+1 = · · · = λn = 0 se prueba que el conjunto {f (v r+1 ), . . . , f (vn )} es un conjunto linealmente independiente
de vectores, que por ser también generador de la Img f es una base de ella.
15.2 Matrices de una aplicación lineal
Teorema 311.- Sean V y W espacios vectoriales con dim V = n y dim W = m , y sea f : V −→ W , una
aplicación lineal. Si B1 = { v1 , v2 , . . . , vn } es una base de V y B2 = { w1 , w2 , . . . , w m } una base de W ,
entonces la matriz
Am×n = [f (v1 )]B2 [f (v2 )]B2 · · · [f (vn )]B2
es la única matriz que verifica que [f (v )]B2 = A[ v ]B1 , para cada v ∈ V .

Demostración:
Todo v ∈ V se escribe de forma única como una combinación lineal de los vectores de la base, v =
k1 v1 + k2 v2 + · · · + kn vn , luego su imagen f ( v ) = k1 f ( v1 ) + k2 f ( v2 ) + · · · + kn f ( vn ) .
Como los vectores f ( v1 ) , f ( v2 ) , . . . , f ( vn ) son de W , sean sus coordenadas en la base B2 :

 f (v1 ) = (a11 , a21 , . . . , am1 ) 
B2 f (v1 ) = a11 w1 + a21 w2 + · · · + am1 wm



 

 f (v ) = (a12 , a22 , . . . , am2 ) f (v2 ) = a12 w1 + a22 w2 + · · · + am2 wm

2
B2 ⇐⇒
·····················
· · · · · · · · · · · · · · · · · · · · ·

 

f (v ) = a 1n w1 + a2n w2 + · · · + amn w m
 
n

 f (vn )

= (a1n , a2n , . . . , amn )
B2
Entonces, sustituyendo en f (v ) , se tiene

f (v) = k1 (a11 w1 + a21 w2 + · · · + am1 wm ) + k2 (a12 w1 + a22 w2 + · · · + am2 wm )
+ · · · · · · · · · · · · · · · · · · + kn (a1n w1 + a2n w2 + · · · + amn wm )
= (k1 a11 + k2 a12 + · · · + kn a1n )w1 + (k1 a21 + k2 a22 + · · · + kn a2n )w2
+ · · · · · · · · · · · · · · · · · · + (k1 am1 + k2 am2 + · · · + kn amn )wm
por tanto, las coordenadas de f ( v ) en la base B2 son
  a · · · a1n
 
11 a12 k1

k1 a11 + k2 a12 + · · · + kn a1n
 k1 a21 + k2 a22 + · · · + kn a2n   a21 a22 · · · a2n  k2 
[f ( v )]B2 = =  = A[ v ]B1
 
  .. .. . ..
··············· · · · ..
 
. . .
  
k1 am1 + k2 am2 + · · · + kn amn am1 am2 · · · amn kn
y A, tiene por columnas las coordenadas en la base B2 de las imágenes de los vectores de la base B1 .
Definición 312.- Sean B1 una base de V , B2 base de W y f : V −→ W una aplicación lineal. A la única
matriz A, tal que [f ( v )]B2 = A[v ]B1 , para cada v ∈ V , se le llama matriz de f respecto de las bases
B1 y B2 .
Si f : V −→ V es un operador lineal y consideramos que tenemos la misma base B en el espacio de partida
y en el de llegada, entonces se habla de matriz de f respecto de la base B .
Ejemplo Sea f : P2 [X] −→ P1 [X] dada por f (P (X)) = P 0 (X) . Sean B1 = {1, X, X2 } y B2 = {1, X} bases
respectivas de P2 [X] y P1 [X] . Entonces, comof (1) = 0, f (X) = 1 y f (X2 ) = 2X se tiene que
0 1 0
A = [f (1)]B2 [f (X)]B2 [f (X2 )]B2 =

es la matriz de f asociada a B1 y B2 .
0 0 2
En efecto  
a
2 2 0 1 0 b
f (a + bX + cX ) = b + 2cX y A[a + bX + cX ]B1 =  b  = = [b + 2cX]B2 4
0 0 2 2c
c
Observación 313.- Si f : V −→ W es una aplicación lineal y A la matriz de f respecto de B1 y B2 , entonces

n o n o n o
ker f = v ∈ V : f (v ) = 0 = v ∈ V : [f ( v )]B2 = [0 ]B2 = v ∈ V : A[v ]B1 = 0
luego las coordenadas en la base B1 de los vectores del ker f son las soluciones del sistema homogéneo Ax = 0 .
n o n o
w ∈ Img f = lin f (v1 ), f ( v2 ), . . . , f (vn ) ⇐⇒ [ w ]B2 ∈ lin [f ( v1 )]B2 , [f ( v2 )]B2 , . . . , [f ( vn )]B2
luego el espacio de las columnas de la matriz A, Ec (A) , está compuesto por las coordenadas en la base B2 de
los vectores de la Img f . En consecuencia, dim(Img f ) = dim Ec (A) = rg(A) .
Ejemplo Sean
 B1 =  {v1 , v2 , v3 } base de V , B2 = { w1 , w2 , w3 } base de W , f : V −→ W aplicación
1 0 1
lineal y A =  −1 1 1  la matriz de f asociada a B1 y B2 . Encontrar una base de ker f y otra de Img f .
1 1 3
Como A[v ]B1 = [f ( v )]B2 , v0 ∈ ker f ⇐⇒ A[v0 ]B1 = 0 , luego resolviendo el sistema AX = 0 :
          
1 0 1 1 0 1 1 0 1  x = −z x −1
A =  −1 1 1  −→  0 1 2  −→  0 1 2  =⇒ y = −2z =⇒ [v0 ]B1 =  y  = z  −2 
1 1 3 0 1 2 0 0 0 z=z z 1

el vector (−1, −2, 1) genera las coordenadas en B1 de los vectores del ker f . Luego ker f = lin{−v1 −2 v2 + v3 } .
Además, dim(ker f ) = 1 luego dim(Img f ) = 3 − 1 = 2 = rg(A) . Y una base de la imagen se obtendrá de
una base del espacio de las columnas de A (para operar sobre las columnas de A, operamos es las filas de At ):
 t      
1 0 1 1 −1 1 1 −1 1 1 −1 1
At =  −1 1 1  =  0 1 1  −→  0 1 1  −→  0 1 1 
1 1 3 1 1 3 0 2 2 0 0 0
luego los vectores (1, −1, 1) y (0, 1, 1) generan las coordenadas en la base B2 de los vectores de la Img f . En
consecuencia, Img f = lin{w1 − w2 + w3 , w2 + w3 } . 4
Observación 314.- Pueden obtenerse de una sola vez una base para ker(f ) y otra para la Img(f ) . Basta para
ello, tener en cuenta que las operaciones elementales realizadas sobre las columnas de la matriz, son operaciones
sobre los vectores imagen.
 
1 2 −1 1 0 1
 −1 1 −2 2 1 0 
Ejemplo Sea A =   2 −1 −1 −1 1 −1  la matriz de la aplicación f : V −→ W , referida a las bases

1 6 −9 7 4 0
B1 = { v1 , v2 , v3 , v4 , v5 , v6 } y B2 = { w1 , w2 , w3 , w4 } . Para obtener una base de la imagen, hacemos
operaciones elementales en las filas de At (en las columnas de A):
     
1 −1 2 1 : C1 1 −1 2 1 : C1 1 −1 2 1 : C1
 2 1 −1 6 : C2  FF23−2F
 0 3 −5 4 : C2 − 2C1 
+F1
1    0 1 −3 0 : C6 −C1 
  F4 −F 1
 
t
 −1 −2 −1 −9 : C 3 
 F6 −F 1 
 0 −3 1 −8 : C3 + C 1  2
 F ↔F 6  0 −3
 1 −8 : C3 +C1 
A =   −→  0 3 −3 6 : C4 − C1  −→  0 3 −3 6 : C4 −C1 
 
 1 2 −1 7 : C4     
 0 1 1 4 : C5   0 1 1 4 : C5   0 1 1 4 : C5 
1 0 −1 1 : C6 0 1 −3 0 : C6 − C1 0 3 −5 4 : C2 −2C1
   
1 −1 2 1 : C1 1 −1 2 1 : C1
F3 +3F2
F4 −3F2
 0 1 −3 0 : C6 − C1   0 1 −3 0 : C6 − C1 
F5 −F2
   
F6 −3F2  0 0 −8 −8 : C 3 + C 1 + 3(C 6 − C 1 )  F 3 ↔F 
5  0 0 4 4 : C 5 − C6 + C 1

−→    −→  
 0 0 6 6 : C 4 − C 1 − 3(C 6 − C 1 ) 
  0 0 6 6 : C 4 + 2C 1 − 3C 6 

 0 0 4 4 : C5 − (C6 − C1 )   0 0 −8 −8 : C3 − 2C1 + 3C6 
0 0 4 4 : C2 − 2C1 − 3(C6 − C1 ) 0 0 4 4 : C2 + C1 − 3C6
 
1 −1 2 1 : C1
F4 − 3 F3  0
2 1 −3 0 : C6 − C1 
F5 +2F3  
F6 −F3  0 0 4 4 : C5 − C6 + C1 
−→   1 3 3

 0 0 0 0 : C 4 + C
2 1 − C
2 6 − C
2 5 

 0 0 0 0 : C3 + C6 + 2C5 
0 0 0 0 : C2 − 2C6 − C5
La matriz final es escalonada, luego las tres primeras filas son linealmente independientes, pero éstas en realidad
son: C1 = [fn( v1 )]B2 , C6 −C1 = [f ( v6 )]B2 −[f ( v1 )]oB2 = [f ( v6 − v1 )]B2 y C5 −C6 +C1 = [f (v5 − v6 + v1 )]B2 .
Por lo que f ( v1 ), f (v6 − v1 ), f ( v5 − v6 + v1 ) es base de Img(f ) ( rg(A) = dim(Img f ) = 3 ).
Las tres filas restantes de la matriz son cero, en realidad:
0 = C4 + 12 C1 − 32 C6 − 32 C5 = [f (v4 + 12 v1 − 32 v6 − 23 v5 )]B2
0 = C3 + C6 + 2C5 = [f (v3 + v6 + 2v5 )]B2
0 = C2 − 2C6 − C5 = [f (v2 − 2v6 − v5 )]B2
luego los vectores v4 + 12 v1 − 32 v6 − 32 v5 , v3 +v6 +2v5 y v2 −2v6 −v5 son vectores de ker(f ) . Como
son linealmente independientes (ver justificación en Anexo 1, pág 190) y dim(ker f ) = 6 − dim(Img f ) = 3 ,
forman una base del ker(f ) .
Definición 315.- Si f : Rn −→ Rm es una aplicación lineal, a la matriz de f asociada a las bases canónicas de
Rn y Rm , se le llama la matriz estándar.
Definición 316.- Para cada matriz Am×n , la aplicación f : Rn −→ Rm definida por f (x ) = Ax es lineal y A
es la matriz estándar de f . Se dice que f es una aplicación matricial.
15.2.1 Composición de aplicaciones lineales

Aplicación y función tienen el mismo significado (aunque esta última denominación es la que suele usarse en los
temas de Cálculo) por lo que la definición siguiente no debe plantear sorpresas:
Definición 317.- Sean f : V −→ W y g: W −→ U aplicaciones lineales. Llamaremos aplicación compuesta
de f y g , a la aplicación g ◦ f : V −→ U definida por
(g ◦ f )(v ) = g(f (v )), ∀ v ∈ V.
170 – Fundamentos de Matemáticas : Álgebra Lineal 15.3 Teorema de Semejanza
Proposición 318.- Sean f : V −→ W y g: W −→ U aplicaciones lineales, con dim V = n , dim W = m y

dim U = p , y sean B1 , B2 y B3 bases de V , W y U , respectivamente. Entonces:
a) g ◦ f es una aplicación lineal.

b) Si Am×n es la matriz asociada a f respecto de las bases B1 y B2 , y Cp×m es la matriz asociada a g
respecto de B2 y B3 , entonces CAp×n es la matriz asociada a g ◦ f respecto de las bases B1 y B3 .
Demostración:
a) (g ◦ f )(λu + µv) = g(f (λu + µv)) = g(λf (u) + µf (v)) = λg(f (u)) + µg(f (v))
= λ(g ◦ f )(u) + µ(g ◦ f )(v).
b) Teniendo en cuenta que [g( w )]B3 = C[w ]B2 y [f ( v )]B2 = A[ v ]B1 ,
[(g ◦ f )(v)]B3 = [g(f (v))]B3 = C[f (v)]B2 = CA[v]B1 ; ∀ v ∈ V.
15.3 Teorema de Semejanza
Proposición 319.- Sea f : V −→ W una aplicación lineal entre espacios vectoriales, B1 y B1∗ dos bases de V
y B2 y B2∗ dos bases de W . Si A1 es la matriz de f asociada a las bases B1 y B2 , P la matriz de cambio
de base la base B1∗ a la base B1 y Q la matriz de cambio de base de B2 a B2∗ ; entonces la matriz, A∗ , de f
asociada a las bases B1∗ y B2∗ viene dada por
A∗ = QAP
Demostración:
QAP [ v ]B1∗ = QA[v ]B1 = Q[f ( v )]B2 = [f ( v )]B2∗ = A∗ [ v ]B2∗ , ∀v ∈V. Luego A∗ = QAP .
Teorema de semejanza 320.- Sean f : V −→ V , un operador lineal, A1 la matriz de f respecto de una base
B1 de V , A2 la matriz de f respecto de otra base B2 y P la matriz de paso de B2 a B1 . Entonces
A2 = P −1 A1 P
Observación: Una manera de recordar bien este proceso es tener en cuenta los diagramas siguientes, donde la
obtención de las nuevas matrices se reduce a la búsqueda de caminos alternativos:
f f
V −→ W V −→ V
A 1 A
B1 −→ B2 B1 −→ B1
∗
A = QAP ↑ | ↑ | A2 = P −1 A1 P
P
| ↓ Q P P −1
| ↓
A∗ A
B1∗ −→ B2∗ 2
B2 −→ B2
No hay que olvidar, que las matrices se operan en orden inverso (las matrices multiplican a los vectores por la
izquierda, sucesivamente). Obviamente, el Teorema de Semejanza es un caso particular de la Proposición 319.
Definición 321.- Dadas dos matrices A y B de orden n , se dice que A y B son semejantes si existe una
matriz P inversible tal que B = P −1 AP .
Corolario 322.- Dos matrices A y B son semejantes si y sólo si representan al mismo operador lineal respecto
a dos bases.
Corolario 323.- Si A y B son matrices semejantes, entonces tienen el mismo rango.
15.4 Ejercicios
15.280 Determinar si las siguientes aplicaciones son o no lineales:
√ √
a) f : R2 −→ R2 definida por f (x, y) = ( 3 x, 3 y)
b) f : R3 −→ R2 definida por f (x, y, z) = (2x + y, 3y − 4z) .

a b
c) f : M2×2 −→ R definida por f = a2 + b2 .
c d
15.281 Sea f : V −→ W una aplicación lineal.

a) Probar que ker f es un subespacio de V
b) Probar que Img f es un subespacio de W
15.282 Sean V un espacio vectorial y T : V −→ V la aplicación lineal tal que T (v ) = 3v . ¿Cuál es el núcleo de
T ? ¿Cuál es la imagen de T ?.
15.283 Sea A una matriz de tamaño 5 × 7 con rango 4 .

a) ¿Cuál es la dimensión del espacio de soluciones de Ax = 0 ?.
b) ¿ Ax = b tiene solución para todo b de R5 ? ¿Por qué?.
  
1 3 4 x
15.284 Sea T : R3 −→ R3 la aplicación lineal dada por la fórmula T (x, y, z) =  3 4 7   y  .
−2 2 0 z
a) Demostrar que el núcleo de T es una recta y encontrar sus ecuaciones paramétricas.

b) Demostrar que la imagen de T es un plano y hallar su ecuación (cartesiana).
15.285 Sea B = { v1 = (1, 2, 3), v2 = (2, 5, 3), v3 = (1, 0, 10)} una base de R3 y f : R3 −→ R2 una aplicación
lineal para la que f ( v1 ) = (1, 0) , f (v2 ) = (0, 1) y f ( v3 ) = (0, 1) .
a) Encontrar una matriz de la aplicación f indicando las bases a las que está asociada.
b) Calcular f ( v3 − v2 − 2 v1 ) y f (1, 1, 1) .
15.286 Encontrar la matriz estándar de cada una de las aplicaciones lineales siguientes:
     
    x1 x4 x1  
x1 x1 + 2x2 + x3  x2   x1   x2  x4 − x1
a) f  x2  =  x1 + 5x2  b) f  x3  =  x3 
   c) f  x3
 =  x1 + x2 

x3 x3 x2 − x3
x4 x1 − x3 x4
Encontrar una base del nucleo y otra de la imagen, para cada una de ellas
15.287 Sea T : R3 −→ W la proyección ortogonal de R3 sobre el plano W que tiene por ecuación x + y + z = 0 .
Hallar una fórmula para T y calcular T (3, 8, 4) .
15.288 Se dice que una aplicación lineal es inyectiva si a cada vector de la imagen le corresponde un único
original (es decir, si f ( u ) = f (v ) =⇒ u = v ). Demostrar que f es inyectiva si y sólo si ker f = { 0} .
15.289 Sea T : R2 −→ R3 la transformación lineal definida por T (x1 , x2 ) = (x1 + 2x2 , −x1 , 0) .
a) Encontrar
n la matriz de la aplicación
o T en las n
bases: o
B1 = u1 = (1, 3), u2 = (−2, 4) y B2 = v1 = (1, 1, 1), v2 = (2, 2, 0), v3 = (3, 0, 0) .
b) Usar la matriz obtenida en el apartado anterior para calcular T (8, 3) .

a11 a12 −1 2 a11 a12
15.290 Sea f : M2×2 −→ M2×2 definida por: f = y sean las bases Bc
a21 a22 0 1 a21 a22
(hace
el papel
de y B de M2×2
la canónica) :
1 0 0 1 0 0 0 0 1 0 0 2 0 1 0 0
Bc = , , , B= , , ,
0 0 0 0 1 0 0 1 0 0 1 0 2 0 0 1
a) Demostrar que f es lineal.

b) ¿Cuál será el tamaño de la matriz de f asociada a la base Bc ? Hallarla.
c) Hallar el núcleo y la imagen de f ası́ como sus dimensiones y bases.
d) Hallar la matriz de f respecto de la base B .
 
3 −2 1 0
15.291 Sea A =  1 6 2 1  la matriz de la aplicación lineal T : R4 −→ R3 respecto de las bases:
−3 0 7 1
n o
B = v1 = (0, 1, 1, 1), v2 = (2, 1, −1, −1), v3 = (1, 4, 1, −2), v4 = (6, 9, 4, 2) y
n o
B 0 = w1 = (0, 8, 8), w2 = (−7, 8, 1), w3 = (−6, 9, 1) .
a) Hallar [T (v1 )]B 0 , [T ( v2 )]B 0 , [T ( v3 )]B 0 y [T (v4 )]B 0 .

b) Encontrar T (v1 ) , T (v2 ) , T (v3 ) y T ( v4 ) .
c) Hallar T (2, 2, 0, 0) .

2 2 x1 x1 + 7x2
15.292 Sea T : R −→ R la aplicación lineal definida por T = .
x2 3x1 + 4x2
Hallar la matriz de T respecto de la base B y aplicar el teorema de semejanza para calcular la matriz de
T respecto de la base nB 0 , siendo o n o
B = u1 = (2, 2), u2 = (4, −1) y B 0 = v1 = (1, 3), v2 = (−1, −1) .
15.293 Probar que si A y B son matrices semejantes entonces det(A) = det(B) .
15.294 Probar que si A y B son matrices semejantes entonces A2 y B 2 también lo son.
3 3
 T : R −→ R tal que [T (x)]B = A[x]B siendo:
15.295 Dadoel operador lineal
−2 a 1 n o
A =  1 −2a 1  y B = u1 = (1, −1, 0), u2 = (0, 1, −1), u3 = (−1, 0, 0)
1 a −2
a) Calcular los subespacios ker(T ) y Img(T ) según los valores de a.
b) Hallar la matriz estándar de T .
15.296 Sean f : V −→ W una aplicación lineal y S = { v1 , v2 , . . . , vn } un conjunto de vectores de V . Probar

que si el conjunto {f ( v1 ), f ( v2 ), . . . , f ( vn )} es linealmente independiente, entonces S es linealmente
independiente.
¿Es cierto el recı́proco? Justificar la respuesta.
   
x1 λx1 + µx2 + x3
15.297 Sea T : R3 −→ R3 la aplicación lineal T =  x2  =  x1 + λµx2 + x3  . Se pide:
x3 x1 + µx2 + λx3
a) Encontrar los valores de λ y µ para los cuáles la imagen de T sea R3 . ¿Quién es en ese caso el
núcleo?
b) Para λ = 1 , encontrar una base del núcleo.
c) Sea λ = 1 y µ = 0 . Se pide:
(c.1) Encontrar
n la matriz de T respecto de la base o
B = u1 = (−1, 0, 1), u2 = (0, 1, 0), u3 = (4, 1, 2) .
n o
(c.2) Dada la base B1 = v1 = (1, 1, 2), v2 = (1, 1, 0), v3 = (−1, 1, −1) , encontrar la matriz de paso
de B a B1 .
(c.3) Encontrar la matriz de T en la base B1 aplicando el teorema de semejanza.
15.298 Sea T : R3 −→ R2 una aplicación lineal tal 

que:  
0 1
x + 2y + z = 0 0 2
(i) ker(T ) = (ii) T  0  = (iii) T  0  =
2x + y + z = 0 1 1
1 1
a) Obtener una matriz asociada a T , indicando respecto a que bases.

b) Calcular las ecuaciones paramétricas de la imagen del subespacio x + y + z = 0 .
n o n
15.299 Sean Bp = p1 , p2 , p3 , p4 una base de P3 [X] (polinomios de grado menor o igual a 3), B1 = v1 =
o
(0, 1, 0), v2 = (1, 1, 1), v3 = (0, 0, 1) una base de R3 y f : P3 [X] −→ R3 una aplicación lineal verificando:
(i) f (p1 ) = f (2p2 +p4 ) = f (p2 −p3 ) (ii) f (p2 ) = v1 +v3 −v2 (iii) f (p4 ) = (3, 3, 2)
a) Encontrar Ap1 la matriz de la aplicación f en las bases Bp y B1 .

 
−1 1 0
b) ¿Es  1 0 0  la matriz de paso, Pc1 , de la base canónica de R3 a B1 ? Justificar la respuesta
−1 0 1
y, en caso negativo, hallar Pc1 .
n o
c) Sea Bq = q1 = X − X3 , q2 = X2 − 1, q3 = 1 − X, q4 = X2 + X otra base de P3 [X] para la cuál, las
 
2 0 0 0  
 1 3 2 0  6 5 3 0
matrices Mqp =   3 1 0 −3  son respectivamente, la matriz de
 −1 −2 −1 0  y Aq1 =

3 3 2 1
0 0 0 −1
paso de Bq a Bp y la matriz de f en las bases Bq y B1 . Con estos nuevos datos, ¿cómo se puede
comprobar que la matriz Ap1 calculada antes es la correcta?
d) Hallar bases de ker(f ) e Img(f ) , obteniendo los vectores concretos que las forman.
n o
e) Probar que B2 = w1 = (−1, 2, 1), w2 = (0, −1, −1), w3 = (2, 1, 0) es base de R3 y obtener la
matriz de paso, P21 , de la base B2 en la base B1 .
f) A partir de las matrices anteriores, dar la expresión del cálculo de las matrices:
? Ap2 de la aplicación f en las bases Bp y B2
? Mpq de paso de la base Bp en la base Bq
? Aq2 de la aplicación f en las bases Bq y B2
g) ¿Pueden conocerse los vectores que forman Bp ? ¿Cómo?, de ser posible o, ¿por qué no?
Capı́tulo 16
Diagonalización
16.1 Valores y vectores propios
16.1.1 Planteamiento del problema
Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cuándo es posible encontrar una base de V respecto de la cuál la matriz de f sea
diagonal. Si A es la matriz del operador f con respecto a una determinada base B , el planteamiento anterior
es equivalente a preguntarse cuándo existe un cambio de base tal que la matriz del operador en la nueva base
B∗ sea diagonal. Esa nueva matriz viene dada por P −1 AP , donde P es la matriz de paso de la nueva base B∗
a la base B (Teorema de Semejanza).
Problema de la diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con
producto interior, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto
de la cuál la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son ortonormales
entonces se tendrá que P será ortogonal.
Podemos pues formular los dos problemas anteriores en términos de matrices.
1.- Dada una matriz cuadrada A, ¿existe una matriz P inversible tal que P −1 AP sea diagonal?
2.- Dada una matriz cuadrada A, ¿existe una matriz ortogonal P tal que P t AP sea diagonal?
Definición 324.- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal
que P −1 AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Si existe una matriz ortogonal P tal que P −1 AP es diagonal, entonces se dice que A es diagonalizable
ortogonalmente y que P diagonaliza ortogonalmente a A.
16.1.2 Valores y vectores propios
Supongamos que la matriz An×n es diagonalizable y sea D la matriz diagonal. Entonces:

∃ P inversible tal que P −1 AP = D o, equivalentemente, ∃ P inversible tal que AP = P D
Si denotamos por p1 , p2 , . . . , pn a las columnas de P , las matrices son

AP = A p1 p2 ··· pn = Ap1 Ap2 ··· Apn
· · · p1n λ1 0 · · · 0 · · · λn p1n
    
p11 p12 λ1 p11 λ2 p12
 p21 p22 · · · p2n  0 λ2 · · · 0   λ1 p21 λ2 p22 · · · λn p2n 
PD =  = .  = λ1 p1 λ2 p2 · · · λn pn
    
.. .. .. ..  .. .. . . . .. .. ..
 . . . .  . . . ..   .. . . . 
pn1 pn2 · · · pnn 0 0 · · · λn λ1 pn1 λ2 pn2 · · · λn pnn
y, como son iguales: Api = λi pi , para todo i = 1, . . . , n . Es decir, han de existir n vectores linealmente
independientes pi ( P es inversible) y n números λi que lo verifiquen.
Definición 325.- Si A es una matriz de orden n , diremos que λ es un valor propio, valor caracterı́stico,
eigenvalor o autovalor de A si existe algún p ∈ Rn , p 6= 0 , tal que Ap = λp .
Del vector p diremos que es un vector propio, vector caracterı́stico, eigenvector o autovector de
A correspondiente al valor propio λ .
Del comentario anterior, obtenemos la primera caracterización para la diagonalización de la matriz:
Teorema 326.- Sea A una matriz de orden n , entonces:
A es diagonalizable ⇐⇒ A tiene n vectores propios linealmente independientes
175 – Fundamentos de Matemáticas : Álgebra Lineal 16.2 Diagonalización
Demostración:
Por lo anterior, se tiene que: A es una matriz diagonalizable ⇐⇒
⇐⇒ ∃ P inversible y D diagonal tal que AP = P D
⇐⇒ ∃ P inversible y D diagonal tal que

AP = Ap1 Ap2 · · · Apn = λ1 p1 λ2 p2 · · · λn pn = PD
⇐⇒ existen n vectores linealmente independientes tales que Ap1 = λ1 p1 , . . . , Apn = λn pn

⇐⇒ A tiene n vectores propios linealmente independientes
En consecuencia, el problema de la diagonalización se reduce a la busqueda de los vectores propios de la

matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes.
16.2 Diagonalización
La primera simplificación de la búsqueda se produce, no sobre los vectores propios, sino sobre los autovalores
correspondientes:
Teorema 327.- Si A es una matriz de orden n , las siguientes proposiciones son equivalentes:
a) λ es un valor propio de A.
b) El sistema de ecuaciones (λI − A)x = 0 tiene soluciones distintas de la trivial.

c) det(λI − A) = 0 .
Demostración:
λ es un valor propio de A ⇐⇒ existe un vector x ∈ Rn , x 6= 0 , tal que A x = λ x ⇐⇒ el sistema
λ x − Ax = (λI − A)x = 0 tiene soluciones distintas de la trivial ⇐⇒ |λI − A| = 0
Definición 328.- Sea A una matriz de orden n . Al polinomio en λ de grado n , P(λ) = |λI − A| , se le
denomina polinomio caracterı́stico de la matriz A.
Si λ nun valor propio de A, llamaremos
o espacio caracterı́stico de A correspondiente a λ al conjunto
V (λ) = x ∈ Rn : (λI − A)x = 0 . Es decir, V (λ) es el conjunto formado por todos los vectores propios de
A correspondientes a λ , más el vector cero.
Ası́ pues, los autovalores son las raices del polinomio carácterı́stico y los vectores propios, los vectores
distintos de cero del espacio caracterı́stico asociado.
Observación 329.- V (λ) es un subespacio y dim V (λ) ≥ 1 :
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogéneo y como λ es valor
propio de A, existe x 6= 0 en
n V (λ) , luego lin{x } ⊆ V o
(λ) y 1 = dim(lin{ x }) ≤ dim V (λ) .
Además, dim V (λ) = dim x ∈ Rn : (λI − A) x = 0 = n − rg(λI − A) .
Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalización de matrices, separándolo
del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, todo lo anterior (y lo
siguiente) es válido y aplicable en los términos del operador. Pueden verse los resultados que lo justifican en el
Anexo 1, pág 191.
Teorema 330.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios λ1 ,
λ2 , . . . , λk respectivamente, siendo λi 6= λj , ∀ i 6= j . Entonces el conjunto de vectores { v1 , v2 , . . . , vk } es
linealmente independiente. .
Corolario 331.- Una matriz de orden n con n autovalores distintos, es diagonalizable.

Demostración:
Si la matriz tiene n autovalores distintos λ1 , λ2 , . . . , λn y de cada espacio caracterı́stico V (λk ) podemos
tomar un vector propio vk 6= 0 , tenemos n vectores propios, v1 , v2 , . . . , vn que son, por el resultado
anterior, linealmente independientes.
176 – Fundamentos de Matemáticas : Álgebra Lineal 16.2 Diagonalización
Proposición 332.- Sea A de orden n y λk un autovalor de A de multiplicidad mk . Entonces
1 ≤ dim V (λk ) ≤ mk . .
Teorema fundamental de la diagonalización 333.- Sea A una matriz de orden n . Entonces A es diagonali-
zable si y sólo si se cumplen las condiciones:
1.- El polinomio caracterı́stico tiene n raices reales. Es decir, |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk con
m1 + m2 + · · · + mk = n .
2.- Para cada espacio caracterı́stico V (λi ) , se cumple que dim V (λi ) = mi . .
Aunque omitimos aquı́ la demostración por ser demasiado técnica (puede verse en el Anexo 2), en ella se aporta
el método para encontrar los n vectores propios linealmente independientes necesarios en la diagonalización:
Si dim V (λi ) = mi para todo i = 1, . . . , k y m1 + · · · + mk = n , podemos tomar de cada V (λi ) los mi
vectores de una base para conseguir el total de n vectores.
 
0 0 4
Ejemplo 334 Para la matriz A =  0 4 0  , su polinomio caracterı́stico es:
4 0 0
λ
0 −4
λ −4

P (λ) = |λI − A| = 0 λ − 4 0 = (λ − 4)
= (λ − 4)(λ2 − 42 ) = (λ − 4)2 (λ + 4)
−4 −4 λ
0 λ
luego los autovalores de A son λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1 . Como λ1 , λ2 ∈ R y m1 + m2 =
2 + 1 = 3 = n , se cumple la primera condición del Teorema.
Veamos el punto 2: como 1 ≤ dim V (−4) ≤ m2 = 1 la condición dim V (−4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier
 autovalor
 con multiplicidad
 1). Para el otro autovalor, λ1 = 4 :

4 0 −4 4 0 −4
dim V (4) = 3 − rg(4I − A) = 3 − rg  0 0 0  = 3 − rg  0 0 0  = 3 − 1 = 2 = m1
−4 0 4 0 0 0
luego también se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogéneo (4I − A)X = 0 , tenemos que
V (4) = lin{(1, 0, 1), (0, 1, 0)} ; y los elementos V (−4) las soluciones del sistema (−4I − A)X = 0 , tenemos
que V (−4) = lin{(1, 0, −1)}. En consecuencia, los tres vectores son autovectores y linealmente independientes,
cumpliéndose que:
 −1     
1 0 1 0 0 4 1 0 1 4 0 0
P −1 AP =  0 1 0   0 4 0   0 1 0  =  0 4 0  = D 4
1 0 −1 4 0 0 1 0 −1 0 0 −4
 
0 2 4
Ejemplo La matriz A =  0 4 0  tiene por polinomio caracterı́stico P (λ) = (λ − 4)2 (λ + 4) , luego tiene
4 2 0
por autovalores λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1 .
Como m1 + m2 = 2 + 1 = 3 se cumple el primer punto; y por ser m2 = 1 , también se cumple que
dim V (−4) = 1 .Veamos para 
el otro autovalor:
 
4 −2 −4 4 −2 −4
rg(4I −A) = rg  0 0 0  = rg  0 0 0  = 2 = 3−dim V (4) luego dim V (4) = 3−2 = 1 6= m1 = 2 .
−4 −2 4 0 −4 0
En consecuencia, la matriz A no diagonaliza.
(Si dim V (4) = 1 y dim V (−4) = 1 de cada uno de ellos podemos conseguir, a lo más, un vector propio lineal-
mente independiente; luego en total, podremos conseguir a lo más dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.) 4
177 – Fundamentos de Matemáticas : Álgebra Lineal 16.3 Diagonalización ortogonal
16.3 Diagonalización ortogonal
Teorema 335.- Sea A una matriz de orden n , entonces son equivalentes:

1.- A es diagonalizable ortogonalmente.
2.- A tiene un conjunto de n vectores propios ortonormales.
Demostración:
En efecto, A es diagonalizable ortogonalmente ⇐⇒ existe P ortogonal tal que P t AP = D (con D diagonal)
⇐⇒ existe P ortogonal tal que AP = P D .
Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , éstos vectores
 son ortonormales
 y lo anterior es
λ1 0 · · · 0
 0 λ2 · · · 0 
lo mismo que escribir Ap1 = λ1 p1 , . . . , A pn = λn pn , supuesto que D =  . . . .  , y como al ser
 
 .. .. . . .. 
0 0 · · · λn
P inversible se tiene que p1 , p2 , . . . , pn son linealmente independientes y por tanto no nulos ⇐⇒ A tiene
n vectores propios ortonormales.
Lema 336.- Si A es una matriz simétrica, entonces los vectores propios que pertenecen a valores propios
distintos son ortogonales.
Demostración:
Sean λ1 y λ2 valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspon-
dientes a λ1 y λ2 respectivamente.
Tenemos que probar que u t v = 0 . (Notar que u t Av es un escalar).
Se tiene que u t Av = (u t Av )t = v t Au = v t λ1 u = λ1 v t u = λ1 u t v ,
y por otra parte que u t Av = u t λ2 v = λ2 u t v ,
por tanto λ1 u t v = λ2 u t v ⇒ (λ1 − λ2 ) u t v = 0 y como λ1 − λ2 6= 0 , entonces u t v = 0 .
Teorema fundamental de la diagonalización ortogonal 337.- Una matriz A de orden n es diagonalizable

ortogonalmente si y sólo si A es simétrica. .
El Lema 336 y el resaltado que apostilla el Teorema fundamental de diagonalización 333 nos indican la manera
de encontrar los n vectores propios ortonormales linealmente independientes:
Si tomamos en cada V (λi ) los vectores de una base ortonormal, conseguiremos el total de n vectores
ortonormales.
 
0 0 4
Ejemplo La matriz A =  0 4 0  del Ejemplo 334, es simétrica luego diagonaliza ortogonalmente y
4 0 0
V (4) = lin{(1, 0, 1), (0, 1, 0)} y V (−4) = lin{(1, 0, −1)} .
Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4) = lin{( √12 , 0, √12 ), (0, 1, 0)} y
−1
V (−4) = lin{( √12 , 0, √ 2
)} , los tres vectores juntos forman un conjunto ortonormal, cumpliéndose que:
√1
t 
0 √12
  √1
0 √12
   
2 0 0 4 2 4 0 0
P t AP =  0 1 0   0 4 0   0 1 0  =  0 4 0  = D 4
√1 0 √−1 √1 0 √−1
2 2
4 0 0 2 2
0 0 −4
16.4 Ejercicios
16.300 Hallar los polinomios caracterı́sticos, los valores propios y bases de los espacios caracterı́sticos de las
siguientes matrices:    
5 6 2 4 0 1
−2 −7
a) b)  0 −1 −8  c)  −2 1 0 
1 2
1 0 −2 −2 0 1
16.301 Sea T : M2×2 −→ M2×2 el operador lineal definido

por:

a b 2c a+c
T =
c d b − 2c d
Hallar los valores propios de T y bases para los subespacios caracterı́sticos de T .
16.302 Demostrar que λ = 0 es un valor propio de una matriz A si y sólo si A es no inversible.
16.303 Probar que el término constante del polinomio caracterı́stico P (λ) = |λI − A| de una matriz A de orden
n es (−1)n det(A) .
16.304 Demostrar que si λ es un valor propio de A entonces λ2 es un valor propio de A2 .
16.305 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
−1
tal que
 P AP =D con D matriz diagonal:  
3 0 0 −1 4 −2
−14 12
a)  0 2 0  b) c)  −3 4 0 
−20 17
0 1 2 −3 1 3
   
x1 2x1 − x2 − x3
16.306 Sea T : R3 −→ R3 el operador lineal T  x2  =  x1 − x3  . Hallar una base de R3 respecto
x3 −x1 + x2 + 2x3
de la cual la matriz de T sea diagonal.
16.307 Sea P1 [X] el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T : P1 [X] −→ P1 [X] el
operador lineal T (a0 + a1 X) = a0 + (6a0 − a1 )X. Hallar una base de P1 [X] respecto de la cual la matriz de
T sea diagonal.
16.308 Sea A una matriz de orden n y P una matriz inversible de orden n . Probar que (P −1 AP )k = P −1 Ak P ,
para k = 2 y k = 3 . Deducir de ello que es cierto ∀k ∈ N .

40 1 0
16.309 Calcular A siendo A = .
−1 2
16.310 
Estudiar la diagonalizabilidad
 de la matriz A , dada en función de los parámetros a y b, siendo A=
5 0 0
 0 −1 a  . En los casos posibles diagonalizarla.
3 0 b
16.311 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P −1 AP para cada una de las
siguientes matrices:  
  5 −2 0 0
2 −1 −1
−7 24  −2 2 0 0 
a) b)  −1 2 −1  c)  
24 7  0 0 5 −2 
−1 −1 2
0 0 −2 2
16.312 Probar que A y At tienen los mismos valores propios siendo A una matriz de orden n .
16.313 Sea A una matriz de orden n inversible, demostrar que los valores propios de A−1 son los inversos de los
valores propios de A .
16.314 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno.
16.315 Se sabe que (1, 0, 0) , (1, 1, 0) , (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que hay
vectores de R3 que no lo son. Calcular todos los vectores propios de la matriz.

un = 3un−1 + 3vn−1
16.316 Se dan las siguientes ecuaciones de recurrencia: . Utilizar la diagonalización para
vn = 5un−1 + vn−1
calcular un y vn en función de n , sabiendo que u0 = v0 = 1 .
16.317 Los dos primeros términos de una sucesión son a0 = 0 y a1 = 1 . Los términos siguientes se generan a
partir de ak = 2ak−1 + ak−2 ; k ≥ 2 . Hallar a127 .
16.318 El propietario de una granja para la crı́a de conejos observó en la reproducción de éstos que:
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
ii). Una pareja recién nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo an el número de parejas nacidas en el n -ésimo mes (a0 = 0 ),
se pide:
a) Obtener una fórmula recurrente para an en función de términos anteriores.
√ √
(1 + 5)n − (1 − 5)n
b) Probar que an = √
2n 5
an+1
c) Calcular, si existe: lı́m .
n→∞ an
16.319 Sea el determinante n×n siguiente:

3 1 0 0
··· 0 0

1 3 1 0
··· 0 0

0 1 3 1
··· 0 0
Dn =
0 0 1 3
··· 0 0
.. .. .. .. .. .. ..

. . . .
. . .

0 0 0 0 · · · 3 1
0 0 0 0 ··· 1 3
Dar una expresión de Dn en función de los determinantes de tamaño menor que n y obtener las ecuaciones
de recurrencia para hallar su valor.
16.320 Determinar para qué valores de a, by c son diagonalizables
 simultáneamente
 las matrices
1 a b 1 a b
A= 0 2 c  y B= 0 1 c 
0 0 2 0 0 2
 
c 2a 0
16.321 Estudiar para qué valores de a , b y c es diagonalizable la matriz A =  b 0 a 
0 2b −c
 
a −a 0
16.322 Dada la matriz A =  −a a 0  . Estudiar para qué valores de a y b la matriz A es diagonalizable.
b 0 2b
16.323 Sea f : R3 −→ R3 el operador lineal cuya matriz asociada

 a la base
 canónica es:
m 0 0
A= 0 m 1 
1 n m
a) Determinar para qué valores de m y n existe una base de R3 de tal forma que la matriz en esa base
sea diagonal. En los casos que f sea diagonalizable calcular una base en la cuál la matriz de f sea
diagonal.
b) Si n = 0 , observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector
propio asociado a dicho valor propio, razonando la respuesta.
 
−1 0 0 0
 a −1 0 0 
16.324 Dada la matriz A =   . Encontrar para qué valores de los parámetros a, b, c, d, e, f ∈ R
 b d 1 1 
c e f 1
la matriz A es diagonalizable. Para dichos valores encontrar las matrices P y D tales que P −1 AP = D ,
donde D es una matriz diagonal.
16.325 En R4 consideramos el subconjunto: S = {(x1 , x2 , x3 , x4 ) / x2 − x4 = 0}. Sea T : R4 −→ R4 el operador
lineal que verifica:
(i) ker(T ) = { x ∈ R4 / < x , y >= 0, ∀y ∈ S} .
(ii) T (1, 0, 0, 0) = (−1, 3, 1, −2) .
(iii) T (1, 1, 1, 1) = (−3, m, n, p) .

x1 + x2 + x3 + x4 = 0
(iv) El subespacio solución del sistema: es el conjunto de vectores propios
x2 + 2x3 + 2x4 = 0
correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de R4 .
b) Hallar ker(T ) .
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) Una matriz de T , indicando las bases de referencia.
16.326 Sean f : R4 −→ R4 un operador lineal, y B = {e 1 , e 2 , e 3 , e 4 } la base canónica de R4 , verificando lo

siguiente:
(i) f ( e 1 ) ∈ H = {x ∈ R4 / x2 = 0}
(ii) f ( e 2 ) ∈ S = { x ∈ R4 / x2 = 1 y x4 = 0}
(iii) f ( e 3 ) = (α, β, 1, −2) ; f (e 4 ) = (1, 0, −2, γ)

 2x1 + x2 + 2x3 − 2x4 = 0
(iv) ker f es el conjunto de soluciones del sistema: 3x1 + 3x2 + x3 + x4 = 0
x1 − x2 − x3 + 3x4 = 0

(v) Las ecuaciones implı́citas de la imagen de f son y1 − 2y3 − y4 = 0 .

(vi) El operador f es diagonalizable.
Hallar una matriz de f , indicando las bases de referencia.
Capı́tulo 17
Formas cuadráticas
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas
ya ha sido estudiado, pues el cuadrado de la norma de un vector no es más que una forma cuadrática (como
veremos definida positiva). Aquı́, las estudiaremos de forma general.
Definición 338.- Sean V un espacio vectorial de dimensión n y B una base V . Si (x1 , . . . , xn ) = [x]tB y
aij ∈ R , con 1 ≤ i, j ≤ n , se denomina forma cuadrática sobre V a toda función polinómica Q: V −→ R de
la forma
  
a11 a12 · · · a1n x1
n · · · a2n 
X  a21 a22
  x2 
Q(x) = aij xi xj = x1 x2 · · · xn  .  = [x]tB A [x]B
 
.. .. ..   ..
i,j=1
 .. . . .  . 
an1 an2 · · · ann xn
Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
La escritura de Q en la forma Q( x ) = [ x ]tB A [ x ]B se denomina expresión matricial de la forma cuadrática.

De hecho, se puede expresar siempre mediante una matriz simétrica ya que
n
A+At
X
[x ]tB A [x ]B = aij xi xj = [x ]tB 2 [ x ]B
i,j=1
A+At t At +(At )t At +A
y la matriz S = 2 es simétrica (S t = ( A+A t
2 ) = 2 = 2 = S) . En efecto:
X n
Si en la expresión de la forma cuadrática, Q(x) = aij xi xj , consideramos los pares de sumandos de la
i,j=1
forma aij xi xj y aji xj xi , se tiene que
aij + aji aij + aji
aij xi xj + aji xj xi = (aij + aji )xi xj = xi xj + xj xi = sij xi xj + sji xj xi
2 2
Luego hemos probado el siguiente resultado:
Proposición 339.- Toda forma cuadrática Q sobre V , se puede expresar matricialmente como
Q(x) = [x]tB A[x]B
donde A es una matriz simétrica.
Definición 340.- Es esa matriz simétrica A, la matriz asociada a la forma cuadrática Q en la base B
Ejemplo Para la forma cuadrática Q(x) = x2 + 2xy + 2y 2 + 3yz + 5z 2 también tenemos que
Q(x) = x2 + 2xy + 2y 2 + 3yz + 5z 2 = x2 + xy + yx + 2y 2 + 23 yz + 32 zy + 5z 2
luego      
1 2 0 x 1 1 0 x
Q( x ) = (x, y, z)  0 2 3   y  = (x, y, z)  1 2 23   y  = [x ]tB A [ x ]B
0 0 5 z 0 32 5 z
y la matriz simétrica A es la matriz de Q en la base B . 4
Teorema 341.- Sean B y B 0 dos bases de V , P la matriz de paso de B 0 a B y A la matriz simétrica de Q

en la base B . Entonces, la matriz de Q en la base B 0 , A0 , se obtiene de
A0 = P t AP
182 – Fundamentos de Matemáticas : Álgebra Lineal 17.1 Diagonalización de una forma cuadrática
Demostración:
Como P es matriz de cambio de base verifica que [x]B = P [x]B 0 , y , sustituyendo en Q, tenemos que
Q(x) = [x]tB A[x]B = (P [x]B 0 )t A(P [x]B 0 ) = [x]tB 0 (P t AP )[x]B 0 ∀x ∈V
luego A0 = P t AP y es también simétrica A0t = (P t AP )t = P t At (P t )t = P t AP = A0 .
Definición 342.- Dos matrices simétricas se dice que son congruentes cuando son matrices asociadas a la
misma forma cuadrática en distintas bases.
Es decir, A y A0 simétricas son congruentes, si existe P inversible tal que A0 = P t AP .
Nota: Las matrices congruentes no son, en general, semejantes (sólo coinciden congruencia y semejanza cuando
la matriz P es ortogonal, P t = P −1 ).
17.1 Diagonalización de una forma cuadrática

La matriz asociada a una forma cuadrática es simétrica, y una matriz simétrica es diagonalizable ortogonalmente,
luego siempre podemos obtener una matriz congruente con la inicial que sea diagonal.
17.1.1 Diagonalización ortogonal
Sea B una base de V y Q(x) = [x]tB A [x]B la expresión matricial de una forma cuadrática sobre V . Puesto
que A es simétrica, existe una base B∗ tal que la matriz P de cambio de base de B∗ a B es ortogonal y
D = P −1 AP = P t AP , con D diagonal
es decir, que D y A son congruentes (además de semejantes). Luego en B∗ , se tiene que
Q(x) = [x]tB∗ P t AP [x]B∗ = [x]tB∗ D [x]B∗ = λ1 y12 + . . . + λn yn2
es decir, la forma cuadrática se expresará como una suma de cuadrados, donde (y1 , . . . , yn ) = [x]tB∗ y λ1 , . . . , λn
son los valores propios de A .
Ejemplo 343 Reducir asuma de cuadrados

   la forma cuadrática Q(x) 1= xy + yz .
0 12 0 x λ −
1 2 0

1 1  1
Q(x) = (x, y, z) 2 0 2
 y  y |λI − A| = − 2 λ − 2 = (λ − √12 )(λ + √12 )λ

0 12 0 z 0 −1 λ
2  √1
0 0

2
−1 −1
luego √12 , √ 2
y 0 son los valores propios de A. Entonces, A es congruente con D =  0 √ 2
0  , y existirá,
0 0 0
por tanto, una base B∗ en la cual Q(x) = [x ]tB∗ D[ x]B∗ = √12 x2∗ − √12 y∗2 . 4
17.1.2 Diagonalización mediante operaciones elementales

La diagonalización ortogonal, propuesta para hallar una matriz asociada a la forma cuadrática que sea diagonal,
puede ser dificil de llevar a cabo (o imposible en ocasiones) pues supone encontrar las raices de un polinomio.
Sin embargo, como se buscan matrices diagonales que sean congruentes y no es necesario que también sean
semejantes, es posible disponer de otros métodos más sencillos pero igualmente eficaces para obtener una matriz
diagonal.
El más interesante para nosotros, se basa de nuevo en hacer operaciones elementales sobre la matriz. La idea
del método es la siguiente: haciendo operaciones elementales en las filas de la matriz podemos conseguir una
matriz triangular inferior, pero como necesitamos que la matriz obtenida sea simétrica (debe ser congruente
con la inicial), después de cada operación que hagamos en las filas repetiremos la misma operación sobre las
columnas. Tras cada doble paso (operacion sobre las filas y misma operación sobre las columnas) la matriz
obtenida será simétrica y congruente con la inicial y, al final obtendremos la matriz diagonal.
183 – Fundamentos de Matemáticas : Álgebra Lineal 17.2 Rango y signatura de una forma cuadrática. Clasificación
La justificación no es dificil si usamos las matrices elementales que representan a cada operación elemental
(ver la subsección 4.2.1 sobre matrices elementales en la página 27), pues: si E es una matriz elemental, la
matriz EA realiza la operación elemental sobre las filas de A y tomando la traspuesta de A, EAt realiza la
operación sobre las columnas de A. Entonces: la matriz E(EA)t realiza la operación sobre las columnas de la
matriz en la que ya hemos realizado la operación de las filas; pero como E(EA)t = EAt E t = EAE t (por ser
A simétrica), esta matriz es simétrica y congruente con A (pues E es inversible). Luego repitiendo el proceso
hasta obtener una matriz diagonal:
D = Ek Ek−1 · · · E1 A E1t · · · Ek−1

t
Ekt = (Ek Ek−1 · · · E1 ) A (Ek Ek−1 · · · E1 )t = P t A(P t )t = P t AP
que será congruente con A pues P es inversible al ser producto de inversibles.

Podemos utilizar el siguiente procedimiento para diagonalizar la matriz A y obtener la matriz del cambio
de base simultáneamente.
Diagonalización congruente mediante operaciones elementales 344.- Se sitúa a la derecha de A la matriz
I del mismo orden que A, (A | I) y efectuamos en A las mismas operaciones elementales en sus filas y en sus
columnas y en la matriz identidad sólo en sus columnas, al cabo de un número finito de pasos obtendremos
(D | P ) .
(Si en I efectuamos las operaciones en las filas, al final obtendremos (D | P t ) en lugar de P .)
Ejemplo 345 Se considera Q(x) = 2x2 + 2xy + 2yz + 3z 2 una forma cuadrática sobre R3 , reducir Q a suma
de cuadrados y hallar la matriz del cambio de base.
 
2 1 0
Solución: Si x = (x, y, z) , se tiene que A=  1 0 1  , es la matriz de Q en la base canónica. Para obtener
0 1 3
una matriz congruente con A que sea diagonal, hacemos el proceso de (A|I) → (D|P ) , detallando la primera
vez como deben darse los pasos de efectuar cada operación:
     
2 1 0 1 0 0 2 1 0 1 0 0 2 0 0 1 0 0
−1 −1
A 1 A A 1 A
(A|I) =  1 0 1 0 1 0  → F2 − 2 F1 →  0 2 1 0 1 0  → C2 − 2 C1 →  0 2 1 0 1 0 
0 1 3 0 0 1 0 1 3 0 0 1 0 1 3 0 0 1
 A A
 
2 0 0 1 −1  F3A + 2F2A  2 0 0 1 −1
  
2
0   2
−1
I 1 I −1
→ C2 − 2 C1 →  0 2 1 0 1 0  → C 3 + 2C 2 −1
→  0 2 0 0 1 2  = (D|P )
I I
0 1 3 0 0 1  C3 + 2C2 
  0 0 5 0 0 1
1 − 21 −1
  
2 0 0
Tenemos entonces la matriz diagonal, D =  0 − 21 0  , y la matriz, P =  0 1 2  , de paso de
n o 0 0 5 0 0 1
−1 t
la base B∗ = (1, 0, 0), ( 2 , 1, 0), (−1, 2, 1) a la canónica, que verifican que P AP = D . Por tanto, si
(x∗ , y∗ , z∗ ) = [x]tB∗ , se tiene que Q(x) = 2x2∗ − 12 y∗2 + 5z∗2 . 4
17.2 Rango y signatura de una forma cuadrática. Clasificación

Hemos visto distintos métodos de encontrar matrices diagonales asociadas a una forma cuadrática, por lo que
existirán también distintas matrices diagonales. Sin embargo, todas ellas tienen algunas cosas en común: tienen
el mismo número de elementos distintos de cero en la diagonal (el mismo rango) y tienen el mismo número de
elementos positivos y de elementos negativos en la diagonal (la misma signatura).
En este capı́tulo veremos como estos valores permanecen invariantes para cualquier diagonalización que
hagamos, lo que nos permitirá, posteriormente, dar una clasificación de las formas cuadráticas.
Teorema 346.- Dos matrices congruentes tienen el mismo rango.
Demostración:
Sea A una matriz simétrica de rango n y A0 = P t AP con P inversible. Consideremos la aplicación lineal
f : Rn −→ Rn dada por f (x ) = Ax , luego A es la matriz de f en la base canónica, Bc . Como P es inversible,
sus columnas forman una base B 0 de Rn y P es la matriz de cambio de base de B 0 a Bc ; y como (P t )−1 es
inversible, sus columnas forman una base B 00 de Rn y (P t )−1 es la matriz de cambio de base de B 00 a Bc , por
lo que P t es la matriz de paso de Bc a B 00 .
184 – Fundamentos de Matemáticas : Álgebra Lineal 17.2 Rango y signatura de una forma cuadrática. Clasificación
Entonces, la matriz A0 = P t AP es la matriz de la aplicación f asociada a las bases B 0 y B 00 , pues
A0 [ x ]B 0 = P t AP [ x ]B 0 = P t A[ x ]Bc = P t [f ( x )]Bc = [f ( x )]B 00
por lo que A0 y A son matrices asociadas a la misma aplicación lineal, luego rg(A) = rg(A0 ) .
Definición 347.- Llamaremos rango de una forma cuadrática, al rango de cualquier matriz simétrica asociada
a la forma cuadrática en alguna base.
Observación: Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales asociadas a
la misma forma cuadrática tienen el mismo número de elementos en la diagonal distintos de cero, –pues este
número es el rango de la matriz diagonal–.
Teorema de Sylvester o Ley de inercia 348.- Si una forma cuadrática se reduce a la suma de cuadrados en
dos bases diferentes, el número de términos que aparecen con coeficientes positivos, ası́ como el número de
términos con coeficientes negativos es el mismo en ambos casos. .
Definición 349.- Sea Q una forma cuadrática y D una matriz diagonal asociada a Q. Se define como
signatura de Q al par Sig(Q) = (p, q) donde p es el número de elementos positivos en la diagonal de D y q
es el número de elementos negativos de la misma.
17.2.1 Clasificación de las formas cuadráticas

Definición 350.- Se dice que una forma cuadrática Q es
a) Nula si Q(x) = 0 para todo x.
b) Definida positiva si Q(x) > 0 , para todo x no nulo.
c) Semidefinida positiva si Q(x) ≥ 0 , para todo x y Q no es nula ni definida positiva.

d) Definida negativa si Q(x) < 0 , para todo x no nulo.
e) Semidefinida negativa si Q(x) ≤ 0 , para todo x y Q no es nula ni definida negativa.
f) Indefinida si Q(x) alcanza tanto valores positivos como negativos, es decir, si ∃ x1 6= 0 tal que
Q( x1 ) > 0 y ∃ x2 6= 0 tal que Q( x2 ) < 0 .
Para las formas cuadráticas sobre R2 , podemos dar una representación de ellas usando superficies en R3
asignando a z el valor de la forma cuadrática en (x, y) , es decir, haciendo z = d1 x2 + d2 y 2 . Con estas premisas,
hemos realizado la figura 17.1 que aparece en la página 185.
Teorema de clasificación 351.- Sea Q una forma cuadrática en un espacio vectorial de dimensión n . Se
verifica:
a) Q es nula ⇐⇒ Sig(Q) = (0, 0)
b) Q es definida positiva ⇐⇒ Sig(Q) = (n, 0) .
c) Q es semidefinida positiva ⇐⇒ Sig(Q) = (p, 0) con 0 < p < n .

d) Q es definida negativa ⇐⇒ Sig(Q) = (0, n) .
e) Q es semidefinida negativa ⇐⇒ Sig(Q) = (0, q) con 0 < q < n .
f) Q es indefinida ⇐⇒ Sig(Q) = (p, q) con 0 < p, q . .
Ejemplo Las formas cuadráticas de los ejemplos 343 y 345 anteriores son ambas indefinidas, pues en el
primer ejemplo Q( x) = √12 x2∗ − √12 y∗2 en una base, luego Sig(Q) = (1, 1) . En el segundo ejemplo, se escribe
Q( x ) = 2x2∗ − 12 y∗2 + 5z∗2 en una base y Sig(Q) = (2, 1) .
Un ejemplo de forma cuadrática definida positiva, lo tenemos con el cuadrado de la norma de un vector
(ver la observación de la página 160 sobre la expresión matricial de un producto interior), pues se verifica que
2
Q( v ) = kv k = h v , v i > 0 si v 6= 0 . 4
Fig. 17.1. Gráficas de las formas cuadráticas de R2 : definida positiva, definida negativa, indefinida, semidefinida positiva,
semidefinida negativa y nula
Para finalizar –y aunque puede obtenerse sin mucho coste una matriz diagonal mediante operaciones elementales–
damos, sin demostración, una proposición que puede ser útil por su versión práctica, pues engloba varios
resultados para clasificar una forma cuadrática usando la matriz inicial:
Proposición 352.- Sea Q una forma cuadrática y A su matriz asociada. Denotemos por ∆k , el k -ésimo
menor principal de A, para cada 1 ≤ k ≤ n :
a11 · · · a1k
a a
∆1 = |a11 | ∆2 = 11 12 ··· ∆k = ... . . . ... ··· ∆n = |A|

a21 a22
ak1 · · · akk
Entonces:
a) Q es definida positiva si, y sólo si, ∆k > 0 , para 1 ≤ k ≤ n .

b) Q es definida negativa si, y sólo si, (−1)k ∆k > 0 , para 1 ≤ k ≤ n .
c) Si ∆n = det(A) 6= 0 y no se está en alguno de los casos anteriores, entonces Q es indefinida.
d) Si existe i tal que aii ≤ 0 (resp. aii ≥ 0 ), entonces Q no es definida positiva (resp. no es definida
negativa).
e) Si existen i y j , con i 6= j , tales que aii = 0 y aij 6= 0 , entonces Q es indefinida.
17.3 Ejercicios
17.327 Clasificar cada una de las formas cuadráticas siguientes, y reducir a suma de cuadrados:
a) Q(x) = x2 + y 2 + z 2 − (xz + xy + yz) .

b) Q(x) = x2 + y 2 + z 2 − 4(xz + xy + yz) .
c) Q(x) = 8x2 + 6y 2 + 3z 2 + 4xy + 8xz + 4yz .
d) Q(x) = x2 + 2y 2 + z 2 + 2xy + xz .
e) Q(x) = x2 + 2xy + 3y 2 + 4xz + 6yz + 5z 2 .
f) Q(x) = 3x2 + 4y 2 + 5z 2 + 4xy − 4yz .
g) Q(x) = 2x2 + 5y 2 + 5z 2 + 4xy − 4yz − 8zx.
h) Q(x) = x2 + y 2 + 2z(x cos α + y sen α) .
17.328 Sean las formas cuadráticas Qi : Rn −→ R dadas por Qi ( x ) = x t Ai x , con x = (x1 , . . . , xn ) , siendo
   
    5 −2 0 −1 2 0 0 0
1 1 0 3 −2 1  −2 2 0 1   1 3 2 0 
A1 =  1 0 1  A2 =  1 6 2  A3 = 
 0 3 1 −2 
 A4 = 
 −1 −2 −1 0 

−1 0 0 −3 0 7
0 0 −2 2 0 0 0 −1
Obtener, para cada Qi , la matriz asociada a la base canónica del espacio correspondiente, una matriz
diagonal congruente y la base respecto de la que es diagonal.
 
6 5 3 0
17.329 Sean B1 y B2 bases respectivas de los espacios V y W y sea A =  3 1 0 −3  la matriz de una aplica-
3 3 2 1
cion lineal f : V −→ W en las bases B1 y B2 . Tomemos Q: V −→ R dada por Q( v ) = [f ( v )]tB2 [f ( v )]B2 .
a) ¿Cuales son las dimensiones de V y W ?
b) Obtener la matriz de Q en la base B1 y comprobar que es una forma cuadrática.
c) ¿Cuál es su clasificación?
17.330 Clasificar, según los valores de m , la familia de formas cuadráticas:
Q(x) = x2 + y 2 + z 2 + 2m(xy + xz).

 
a 0 c
17.331 Se considera la familia de formas cuadráticas Q(x) = xt Ax, siendo A =  0 a + c 0  . Utilizando dos
c 0 a
métodos diferentes, expresar Q como suma de cuadrados.
 
a 1 1
17.332 Sea A =  1 a 1  .
1 1 a
a) Para a = 3 , encontrar P que diagonalice a A.
b) Para a = 3 , calcular (5A)10 .
c) Sea Q(x) = xt Ax , clasificar Q según los valores de a.
 
a b 0 n o
17.333 Sean A =  b a b  y B = v1 = (1, 1, 1), v2 = (1, −1, 0), v3 = (0, 1, −1) . Se pide
0 b a
a) Clasificar la forma cuadrática Q(x) = [x]tB A[x]B , según los valores de a y b.

b) Para a = 0 y b = 1 , hallar una base B 0 tal que Q(x) = [x]tB 0 D[x]B 0 , con D diagonal.
 
a 0 b
17.334 Sea A = 0 a
 0
b 0 a
a) ¿Para qué valores de a y de b es Q(x) = xt Ax > 0 , ∀ x 6= 0 ?

b) Si a = −1 y ∀ b, reducir Q a suma de cuadrados.
c) Si a = −1 , ¿para qué valores de b es Q(x) < 0 , ∀ x 6= 0 ?
17.335 Sea Q: Rn −→ R una forma cuadrática no nula cuya matriz asociada en la base canónica es A.
a) Si λ ∈ R − {0}, probar que Q(x ) y Q(λ x ) tienen el mismo signo.

b) Para que valores de λ ∈ R es cierto que Q(λ x ) = λ Q(x ) .
c) Deducir de lo anterior, que en general no es cierta la igualdad Q( x + y ) = Q(x ) + Q( y ) .

d) Si la forma cuadrática Q0 : Rn −→ R tiene a A0 como matriz en la base canónica, ¿cuál será la matriz
de la forma cuadrática (Q + Q0 )(x ) = Q(x ) + Q0 ( x ) ?
17.336 Sea A la matriz de orden n asociada a una forma cuadrática definida positiva y P una matriz de orden
n.
a) Si P es inversible, probar que la matriz P t AP es definida positiva.
b) Si P es no inversible, probar que la matriz P t AP es semidefinida positiva.
Álgebra lineal
Espacios vectoriales
Propiedades 267.- Algunas propiedades que se deducen de las anteriores son:
(i) 0u = 0 . (ii) k 0 = 0 . (iii) (−1)u = −u .
(iv) k u = 0 ⇐⇒ k = 0 ó u = 0 .
(v) El vector cero de un espacio vectorial es único.
(vi) El vector opuesto de cada vector del espacio vectorial es único.
Demostración:
(i) Como 0u = (0 + 0)u = 0u + 0u , si sumamos a cada lado de la igualdad el opuesto de 0u , tenemos que
0 u + (−0 u ) = 0u + 0 u + (−0u ) luego 0 = 0u + 0 = 0u .
(ii) Como k 0 = k( 0 + 0 ) = k 0 + k 0 , si sumamos a cada lado de la igualdad el opuesto de k 0 , tenemos que
k 0 + (−k 0 ) = k 0 + k 0 + (−k 0 ) luego 0 = k 0 + 0 = k 0 .
(v) Si w verifica que w + u = u , entonces w + u + (−u ) = u + (−u ) de donde w + 0 = 0 y w = 0 .

En consecuencia, el vector cero es único.
(vi) Si w verifica que w + u = 0 , entonces w + u +(−u ) = 0 +( −u ) de donde w + 0 = −u y w = −u .
En consecuencia, el vector opuesto es único.
(iii) Veamos que (−1)u es el opuesto u : u + (−1)u = 1u + (−1)u = (1 + (−1))u = 0u = 0 .

1 1
(iv) Si k u = 0 y k 6= 0 , entonces kku = k 0 = 0 . Luego 0 = k1 k u = ( k1 k)u = 1u = u .
La implicación en el otro sentido es evidente por (i) y (ii).
Lema 274.- Si S es un conjunto linealmente independiente de vectores de V y v ∈ V −lin S , entonces S∪{ v }

es linealmente independiente.
Demostración:
Sea S = { u1 , u2 , . . . , ur } es un conjunto linealmente independiente de vectores V y sea v ∈ V que no
pertenece a lin S . Entonces, en la igualdad vectorial
λ1 u1 + λ2 u2 + · · · + λr ur + λ v = 0 h 17.1i
el coeficiente λ debe ser cero, pues si no lo es, podemos despejar v = − λλ1 u1 − λλ2 u2 − · · · − λλr ur y v
estarı́a generado por los vectores de S , lo que no es cierto. Ahora bien, como λ = 0 , la ecuación 17.1 se reduce
a λ1 u1 + λ2 u2 + · · · + λr ur = 0 y en consecuencia, todos los λi son cero por ser los vectores ui linealmente
independientes.
Lema 275.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto { v1 , v2 , . . . , vm } de vectores de V , con m > n, es linealmente dependiente.
189 – Fundamentos de Matemáticas : Álgebra Lineal Anexo 3
Demostración:
Sea B = { w1 , w2 , . . . , wn } la base de V . Cada vector vk del conjunto { v1 , v2 , . . . , vm } puede expresarse
como combinación lineal de los vectores de B , en la forma
vk = ak1 w1 + ak2 w2 + · · · + akn wn , para cada k = 1, . . . , m
El conjunto es linealmente dependiente si la ecuación λ1 v1 + λ2 v2 + · · · + λm vm = 0 tiene múltiples
soluciones. Sustituyendo:
0 = λ1 (a11 w1 + a12 w2 + · · · + a1n wn ) + λ2 (a21 w1 + a22 w2 + · · · + a2n wn )
+ · · · + λm (am1 w1 + am2 w2 + · · · + amn wn )
= (λ1 a11 + λ2 a21 + · · · + λm am1 )w1 + (λ1 a12 + λ2 a22 + · · · + λm am2 )w2
+ · · · + (λ1 a1n + λ2 a2n + · · · + λm amn )wn
Como B es un conjunto linealmente independiente de vectores, se tiene el sistema lineal

λ1 a11 + λ2 a21 + · · · + λm am1 = 0 
λ1 a12 + λ2 a22 + · · · + λm am2 = 0

··· ··· = 0 

λ1 a1n + λ2 a2n + · · · + λm amn = 0

que tiene m incógnitas (los λk ) y n ecuaciones, con m > n, por lo que no tiene solución única.
Proposición 279.- Si V es un espacio vectorial, con dim V = n . Entonces, un conjunto de n vectores de V es

base de V ,
a) si el conjunto es linealmente independiente, o b) si genera a V .
Demostración:
Sea S el conjunto de n vectores.
Si S es linealmente independiente, tiene que generar V , pues si no: podrı́an añadirse vectores linealmente
independientes con lo anteriores hasta formar una base de V (existirı́a al menos un vector vn+1 ∈ V − lin S ,
tal que S ∪ {vn+1 } es linealmente independiente, ver comentarios previos al Lema 275 anterior) que tendrı́a
al menos n + 1 vectores, lo que es absurdo.
Análogamente si S genera V , tiene que ser linealmente independiente, pues si no: podrı́an eliminarse
vectores dependientes de S hasta conseguir una base que tendrı́a menos de n vectores (Lema 272), lo que
también es absurdo.
Demostración de: Desigualdad de Cauchy-Schwarz 289 de la página 160
Desigualdad de Cauchy-Schwarz 289.- Para todo u , v ∈ V, espacio con producto interior, se tiene
2 2
h u , v i2 ≤ ku k k v k o en la forma |hu , v i| ≤ k u k kv k .
Demostración:
2 2
Si v = 0 , es claro que 0 = h u , 0 i2 ≤ ku k k0 k = 0 , ∀ u ∈ V .
Si v 6= 0 , para todo k ∈ R , se verifica que
2
0 ≤ ku − k v k = h u − k v , u − k v i = h u , u i − 2kh u , v i + k 2 h v , v i
hu, vi
en particular, para k = hv, vi . Luego
hu, vi hu, vi2 hu, vi2 hu, vi2

0 ≤ hu, ui − 2 hu, vi + hv, vi = hu, ui − 2 +
hv, vi hv, vi2 hv, vi hv, vi
2
hu, vi 2 hu, vi2
= hu, ui − = kuk − 2
hv, vi kvk
hu, vi2 2 2 2
de donde kvk2
≤ ku k y por consiguiente hu, vi2 ≤ ku k kvk .
Teorema 297.- Si S = {v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente.
Demostración:
Veamos que en la igualdad λ1 v1 + · · · + λi vi + · · · + λk vk = 0 , cada λi tiene que ser cero:
0 = hvi , 0i = hvi , λ1 v1 + · · · + λi vi + · · · + λk vk i = λ1 hvi , v1 i + · · · + λi hvi , vi i + · · · + λk hvi , vk i

2
= 0 + · · · + λi hvi , vi i + · · · + 0 = λi kvi k
como vi 6= 0 , su norma no es cero por lo que tiene que ser λi = 0 .
Lema 302.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base ortonormal
de W . Entonces para cada v ∈ V , el vector v −ProyW (v ) es ortogonal a cada vector de W .
Demostración:
Por la Proposición 296, para probar que un vector es ortogonal a todos los vectores de un subespacio, basta
probarlo para los vectores de una base. Sea B = { w1 , w2 , . . . , wk }, para cada wi de B , por ser B ortonormal,
h wi , wi i = 1 y h wi , wj i = 0 , si i 6= j , entonces
hv−ProyW (v), wi i = hv − hv, w1 iw1 − · · · − hv, wi iwi − · · · − hv, wk iwk , wi i

= hv, wi i − hv, w1 ihw1 , wi i − · · · − hv, wi ihwi , wi i − · · · − hv, wk ihwk , wi i
= hv, wi i − 0 − · · · − hv, wi i · 1 − · · · − 0 = hv, wi i − hv, wi i = 0
Luego es ortogonal a los vectores de B y, por consiguiente, a todos los vectores de W .
Unicidad de la proyección ortogonal.- Sea V un espacio con producto interior y W un subespacio de V . Para
cada v ∈ V , la proyección ortogonal de v en W no depende de la base ortonormal elegida.
Es decir, si B1 = { u1 , u2 , . . . , uk } y B2 = { v1 , v2 , . . . , vk } son dos bases ortonormales de W , entonces,
para cada v ∈ V , los vectores
(1)
ProyW (v) = w1 = hv, u1 iu1 + hv, u2 iu2 + · · · + hv, uk iuk
(2)
ProyW (v) = w2 = hv, v1 iv1 + hv, v2 iv2 + · · · + hv, vk ivk
son el mismo.
Demostración:
Como w1 es una proyección ortogonal de v sobre W , el vector w1 ∈ W y el vector v − w1 es ortogonal a
W y, por la misma razón, el vector w2 ∈ W y el vector v − w2 es ortogonal a W .
Entonces, el vector (v − w1 ) − ( v − w2 ) = w2 − w1 cumple que: es ortogonal a todos los vectores de
W por ser diferencia de dos vectores ortogonales a W ; y también es un vector de W por ser diferencia de dos
vectores de W . En consecuencia, es ortogonal a si mismo y h w2 − w1 , w2 − w1 i = 0 , luego es el vector 0 ;
por lo que w1 = w2 y la proyección ortogonal no depende de la base.
Aplicaciones lineales
Justificación del método descrito en la Observación 314, de la página 169
Usaremos en la justificación el mismo ejercicio del ejemplo, pero la prueba es válida en cualquier caso.
t
Haciendo las operaciones  elementales sobre la matriz A , que tiene por filas las [f (vi )]B2 , hemos obtenido la
[f (v1 )]B2

 [f (v6 − v1 )]B2 
[f (v 5 − v6 + v1 )]B2 
 
matriz que tiene por filas  1 3 3  . Luego si repetimos las mismas operaciones
 [f (v 4 + v
2 1
− v
2 6
− v )]
2 5 B2 
 [f (v3 + v6 + 2v5 )]B2 
[f (v2 − 2v6 − v5 )]B2
   
[v1 ]B1 [v1 ]B1

 [v2 ]B1 


 [v6 − v1 ]B1 

 [v3 ]B1   [v5 − v6 + v1 ]B1 
sobre la matriz J que tiene por filas   obtendrı́amos K = 
 [v4 + 1 v1 − 3 v6 − 3 v5 ]B1
.

 [v4 ]B1 
  2 2 2


 [v5 ]B1   [v3 + v6 + 2v5 ]B1 
[v6 ]B1 [v2 − 2v6 − v5 ]B1
Ahora bien, como la matriz J es la identidad, que tiene rango 6, la matriz K también tiene rango 6, por lo
que sus filas son linealmente independientes y en consecuencia los tres últimos vectores (los vectores de ker(f ) )
también son linealmente independientes.
Diagonalización
Justificación de la observación en Antes de seguir de la página 175
Definición.- Sea f : V −→ V un operador lineal, diremos que un escalar λ es un valor propio de f si existe
un vector v ∈ V , diferente de cero, tal que f (v) = λv .
Al vector v se le denomina vector propio de f correspondiente a λ .
Teorema.- Sea f : V −→ V un operador lineal, siendo V un espacio vectorial de dimensión n . Entonces,

existe una base de V con respecto a la cual la matriz de f es diagonal si y sólo si f tiene n vectores propios
linealmente independientes.
Demostración:
Si la matriz de f en la base B = {v1 , v2 , . . . , v1 } es D diagonal, los mismos vectores de la base son vectores
propios y son linealmente independientes, pues:
λ1 0 · · · 0
 
 0 λ2 · · · 0 
[f (v1 )]B [f (v2 )]B ··· [f (vn )]B =D= = λ1 [v1 ]B λ2 [v2 ]B ··· λn [vn ]B
 
.. .. . . . 
 . . . .. 
0 0 · · · λn
Recı́procamente, si tenemos n vectores propios linealmente independientes, la matriz de f respecto de la base

formada con ellos es diagonal.
λ1 0 · · · 0
 
 0 λ2 · · · 0 
[f (v1 )]B [f (v2 )]B ··· [f (vn )]B = λ1 [v1 ]B λ2 [v2 ]B ··· λn [vn ]B =
 
.. .. . . .
. ..

 . . 
0 0 · · · λn
Teorema.- Sean V un espacio vectorial de dimensión n , f : V −→ V un operador lineal y A la matriz de f con

respecto a una base B = {v1 , v2 , . . . , vn } . Entonces:
a) Los valores propios de f son los valores propios de A
b) Un vector v ∈ V es un vector propio de f correspondiente al valor propio λ si y sólo si su matriz de

coordenadas [v]B es un vector propio de A correspondiente a λ .
Demostración:
a) Sea λ un valor propio de f , es decir, ∃v ∈ V , distinto de 0 , tal que f (v) = λv =⇒ [f (v)]B = [λv]B
=⇒ A[v]B = λ[v]B , luego λ es un valor propio de A al ser [v]B 6= 0 .
Sea λ un valor propio de A, entonces ∃x ∈ Rn , x 6= 0 tal que Ax = λx . Si tomamos x∗ = x1 v1 + · · · +
xn vn , siendo x = (x1 , . . . , xn ) , lo anterior quiere decir que A[x∗ ]B = λ[x∗ ]B ⇒ [f (x∗ )]B = [λx∗ ]B ⇒
f (x∗ ) = λx∗ y λ es un valor propio de f ya que x∗ 6= 0
b) v es un vector propio de f correspondiente a λ si y sólo si

f (v) = λv ⇐⇒ [f (v)]B = [λv]B ⇐⇒ A[v]B = λ[v]B
si y sólo si [v]B es un vector propio de A correspondiente a λ .
Teorema.- Los vectores propios de f correspondientes al valor propio λ , son los vectores distintos de cero del
núcleo de la aplicación λId − f (denotamos por Id la aplicación identidad, Id (v ) = v ).
Llamaremos a dicho núcleo, espacio caracterı́stico de f correspondiente al valor propio λ .
Demostración:
v un vector propio correspondiente a λ ⇐⇒ f (v) = λv ⇐⇒ f (v) = λId (v) ⇐⇒ λId (v) − f (v) = 0 ⇐⇒
(λId − f )(v) = 0 ⇐⇒ v ∈ ker(λId − f ) .
Teorema 330.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios λ1 ,
λ2 , . . . , λk respectivamente, siendo λi 6= λj , ∀ i 6= j . Entonces el conjunto de vectores { v1 , v2 , . . . , vk } es
linealmente independiente.
Demostración:
Supongamos que v1 , v2 , . . . , vk son linealmente dependientes.
Por definición, un vector propio es distinto de cero, luego el conjunto {v1 } es linealmente independiente.
Sea r el máximo entero tal que {v1 , v2 , . . . , vr } es linealmente independiente. Puesto que hemos supuesto
que { v1 , v2 , . . . , vk } es linealmente dependiente, r satisface que 1 ≤ r < k . Además, por la manera en que
se definió r , {v1 , v2 , . . . , vr , vr+1 } es linealmente dependiente. Por tanto, existen escalares c1 , c2 , . . . , cr+1 ,
al menos uno diferente de cero, tales que
c1 v1 + c2 v2 + · · · + cr+1 vr+1 = 0 . h 17.2i
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones

Av1 = λ1 v1 , Av2 = λ2 v2 , . . . , A vr+1 = λr+1 vr+1
se obtiene
c1 λ1 v1 + c2 λ2 v2 + · · · + cr λr vr + cr+1 λr+1 vr+1 = 0 h 17.3i
Multiplicando los dos lados de (17.2) por λr+1 y restándole a (17.3) la ecuación resultante se obtendrá
c1 (λ1 − λr+1 ) v1 + c2 (λ2 − λr+1 ) v2 + · · · + cr (λr − λr+1 )vr = 0 .
Y dado que los vectores v1 , v2 , . . . , vr son linealmente independientes, necesariamente

c1 (λ1 − λr+1 ) = c2 (λ2 − λr+1 ) = · · · = cr (λr − λr+1 ) = 0
Como los λ1 , λ2 , . . . , λr+1 son distintos entre si, se deduce que c1 = c2 = · · · = cr = 0 .
Sustituyendo estos valores en (17.2) resulta que cr+1 vr+1 = 0 , y como vr+1 6= 0 se deduce que cr+1 = 0 ,
lo que contradice el hecho de que al menos uno de los escalares c1 , c2 , . . . , cr+1 debı́a de ser distinto de cero.
Luego los vectores v1 , v2 , . . . , vk han de ser linealmente independientes, que prueba el teorema.
Proposición 332.- Sea A de orden n y λk un autovalor de A de multiplicidad mk . Entonces
1 ≤ dim V (λk ) ≤ mk .
Demostración:
Como ya observamos anteriormente, dim V (λi ) ≥ 1 .
Supongamos que dim V (λk ) = d , y consideremos el operador lineal f : Rn −→ Rn definido por f ( v ) = A v .
Sea { v1 , . . . , vd } una base del espacio caracterı́stico V (λk ) , que podemos completar hasta obtener una base
de Rn , B = { v1 , . . . , vd , vd+1 , . . . , vn } . La matriz A0 , del operador en la base B , será de la forma

A0 = [f (v1 )]B ··· [f (vd )]B [f (vd+1 )]B ··· [f (vn )]B
 
λk ··· 0
 .. .. .
. .. A012



 . 

0 · · · λk
 
= λk [v1 ]B ··· λk [v2 ]B [f (vd+1 )]B ··· [f (vn )]B =
 
0 ··· 0

 
.. .
 
· · · .. A022
 
 . 
0 ··· 0
de donde |λI −A0 | = (λ−λk )d |λI −A022 |. Pero como A y A0 son matrices semejantes, tienen el mismo polinomio
caracterı́stico, y (λ − λk )d |λI − A022 | = |λI − A0 | = |λI − A| = (λ − λk )mk Q(λ) , de donde se obtiene que d ≤ mk ,
pues mk es la multiplicidad de la raı́z.
Demostración de: Teorema fundamental de la diagonalización 333 de la página 176
Teorema fundamental de la diagonalización 333.- Sea A una matriz de orden n . Entonces A es diagonali-
zable si y sólo si se cumplen las condiciones:
1.- El polinomio caracterı́stico tiene n raices reales. Es decir, |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk con
m1 + m2 + · · · + mk = n .
2.- Para cada espacio caracterı́stico V (λi ) , se cumple que dim V (λi ) = mi .
Demostración:
=⇒ Si A es diagonalizable, la matriz diagonal D y A son semejantes ( D = P −1 AP ) y por tanto poseen
el mismo polinomio caracterı́stico, luego P (λ) = |λI − A| = |λI − D| = (λ − λ1 )m1 · · · (λ − λk )mk , donde los
λi ∈ R son los valores de la diagonal de D y mi el número de veces que se repite. Por tanto, P (λ) tiene todas
sus raices reales y, por ser de grado n , m1 + m2 + · · · + mk = n .
Además, por ser A y D matrices semejantes, también lo son λI − A y λI − D , para todo λ ∈ R , pues
P −1 (λI − A)P = λP −1 IP − P −1 AP = λI − D , de donde rg(λI−A) = rg(λI−D) , para todo λ . Entonces, para
cada autovalor λi se tiene que rg(λi I − A) = rg(λi I − D) = n − mi y, en consecuencia, que dim V (λi ) = mi .
⇐= Si |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk , con m1 + m2 + · · · + mk = n , y dim V (λi ) = mi para cada
i = 1, . . . , k , consideremos en cada V (λi ) una base Bi , de la forma
n o n o n o
B1 = p , . . . , pm , B2 = p , . . . , pm , . . . , Bk = pk , . . . , pkmk
Tomemos entonces B = B1 ∪B2 ∪· · ·∪Bk , un conjunto de n vectores propios de A, si vemos que son linealmente
independientes, tendremos que A es diagonalizable.
Planteemos una combinación lineal igualada a cero:
0 = β11 p + · · · + β1m1 pm + β21 p + · · · + β2m2 pm + · · · + βk1 pk + · · · + βkmk pkmk
= (β11 p + · · · + β1m1 pm ) + (β21 p + · · · + β2m2 pm ) + · · · + (βk1 pk + · · · + βkmk pkmk )
= v1 + v2 + · · · + vk
siendo vj = βj1 pj + · · · + βjmj pjmj ∈ V (λj ) , para cada j = 1, . . . , k .
Los vectores v1 , v2 , . . . , vk son vectores de espacios caracterı́sticos correspondientes, respectivamente, a
los valores propios distintos λ1 , λ2 , . . . , λk y por tanto, si no son cero, son linealmente independientes. Pero
la combinación lineal v1 + v2 + · · · + vk = 0 nos indicarı́a que son dependientes, luego la única forma de
eliminar esa contradicción es que vj = 0 , ∀j = 1, 2, . . . , k ; de donde, si 0 = vj = βj1 pj + · · · + βjmj pjmj ,
han de ser todos βj1 = βj2 = · · · = βjmj = 0 por ser Bj una base. Como es cierto para cada j , se tiene que
βji = 0 , ∀ i, j , con lo que B es linealmente independiente.
Demostración de: Teorema fundamental de la diagonalización ortogonal 337 de la página 177
Teorema fundamental de la diagonalización ortogonal 337.- Una matriz A de orden n es diagonalizable or-
togonalmente si y sólo si A es simétrica. .
Demostración:
=⇒ A es diagonalizable ortogonalmente =⇒ ∃P ortogonal y D diagonal tal que P t AP = D =⇒ ∃P
ortogonal y D diagonal tal que A = P DP t =⇒ At = (P DP t )t = P DP t = A =⇒ A es simétrica.
⇐= Sea A simétrica, veamos que es diagonalizable. Primero, que todos los valores propios de A son reales:
Sea λ ∈ C un valor propio de A , entonces existe x = (x1 , . . . , xn ) 6= 0 ( xj ∈ C) tal que Ax = λ x . Por
ser A real, su polinomio caracterı́stico es real y el conjugado de λ, λ, es también autovalor de A; además,
tomando conjugados en la igualdad anterior, se tiene que A x = Ax = λ x . Entonces, son iguales los valores
n
X n
X 2
xt Ax = xt (Ax) = xt (λx) = λxt x = λ xj xj = λ |xj |
j=1 j=1
n
X
t t t t t t t 2
x Ax = (x A)x = (x A )x = (Ax) x = (λx) x) = λx x = λ |xj |
j=1
n
P 2
y, al ser x 6= 0 , |xj | 6= 0 por lo que λ = λ y λ ∈ R. En consecuencia, si todos los autovalores de A son
j=1
reales, el polinomio caracterı́stico de A tiene las n raices reales.
Veamos ahora que para cada λj se verifica que dim V (λj ) = mj .
Sean dim V (λj ) = d y Bj = { x1 , . . . , xd } una base ortonormal de V (λj ) que ampliamos hasta una base
ortonormal de Rn , B = { x1 , . . . , xd , xd+1 , . . . , xn } .
Consideremos el operador lineal f : Rn −→ Rn dado por f ( x ) = Ax , luego A es la matriz de f en la base
canónica que es ortonormal y si A0 es la matriz de f en la base B y P la matriz de paso de B a la canónica,
P es ortogonal y A0 = P t AP . Como A es simétrica, A0 tambien lo será pues (A0 )t = (P t AP )t = P t At (P t )t =
P t AP = A0 .

0
A = [f (x )]
1 B · · · [f (x )]
d B [f (x d+1 B)] · · · [f (x )]
n B
 
λj · · · 0
 .. . . ..
. . A012 

 .


 0 · · · λj 
= λj [x1 ]B · · · λj [x2 ]B [f (xd+1 )]B · · · [f (xn )]B =   0 ··· 0


 
 . .
 .. · · · .. A0 

22
0 ··· 0
donde A012 = 0 , puesto que A0 es simétrica y A022 cuadrada de orden n − d . Luego la matriz λj I − A0 nos
queda
   
λj − λj · · · 0 0 ··· 0
 .. .. ..   .. . . .. 

 . . . 0   .
  . . 0 

0
 0 · · · λ j − λ j
  0 · · · 0 
λj I − A = 

 =  0 ··· 0
  
 0 · · · 0  


 .. .. 0 
  .
. .
. 0 

 . ··· . λj I − A22  . · · · . λj I − A22
0 ··· 0 0 ··· 0
por lo que rg(λj I −A0 ) = rg(λj I −A022 ) . Por ser A y A0 semejantes rg(λj I −A) = rg(λj I −A0 ) (ver demostración
del Teorema 333), y se tiene que rg(λj I −A022 ) = rg(λj I −A) = n−dim V (λj ) = n−d por lo que |λj I − A022 | =6 0.
Entonces, |λI − A| = |λI − A0 | = (λ − λj )d |λI − A022 | , con |λj I − A022 | =
6 0 , luego d = mj .
En resumen, A diagonaliza, y tomando una base ortonormal de cada uno de los espacios caracterı́sticos,
tendremos n vectores propios de norma 1 y, que por el Lema 336, son ortogonales entre sı́.
Formas cuadráticas
Demostración de: Teorema de Sylvester o Ley de inercia 348 de la página 184
Teorema de Sylvester o Ley de inercia 348.- Si una forma cuadrática se reduce a la suma de cuadrados en
dos bases diferentes, el número de términos que aparecen con coeficientes positivos, ası́ como el número de
términos con coeficientes negativos es el mismo en ambos casos.
Demostración:
Supongamos que respecto a una base B1 = { b1 , b2 , . . . , bn } la matriz de la forma cuadrática Q es una matriz
diagonal y tiene p elementos positivos y s elementos negativos en su diagonal principal, luego la expresión de
la forma cuadrática será
Q(x ) = a1 x21 + · · · + ap x2p − ap+1 x2p+1 − · · · − ap+s x2p+s
con ai > 0 para todo i , y (x1 , . . . , xp , xp+1 , . . . , xp+s , xp+s+1 , . . . , xn ) = [x ]tB1 ; y que respecto a otra base
B2 = {d1 , d2 , . . . , dn } la matriz de la forma cuadrática es también diagonal con q elementos positivos y r
negativos, por lo que Q se expresará en la forma
Q( x ) = c1 y12 + · · · + cq yq2 − cq+1 yq+1

2 2
− · · · − cq+r yq+r
con ci > 0 para todo i, e (y1 , . . . , yq , yq+1 , . . . , yq+r , yq+r+1 , . . . , yn ) = [x ]tB2 .
Por el teorema 346 anterior, sabemos que las matrices congruentes tienen el mismo rango, luego tienen que
ser p + s = q + r . Veamos que p = q , con lo que tendremos también que s = r .
Si p 6= q , uno de ellos es mayor que el otro, supongamos que es p > q y consideremos los conjuntos de
vectores { b1 , . . . , bp } y { dq+1 , . . . , dn } . Si p > q , el conjunto {b1 , . . . , bp , dq+1 , . . . , dn } tiene p+(n−q) =
n + (p − q) > n vectores y, por lo tanto, es un conjunto linealmente dependiente y en la igualdad
λ1 b1 + · · · + λp bp + µq+1 dq+1 + · · · + µn dn = 0
alguno de los coeficientes no es cero. Entonces, el vector
λ1 b1 + · · · + λp bp = −µq+1 dq+1 − · · · − µn dn = x
no es el cero (si es cero, todos los λi son cero por ser los bi de B1 , y todos los µj = 0 por ser los dj ∈ B2 ),
con algún λi y algún µj distintos de cero. Tenemos ası́ que
[x ]tB1 = (λ1 , . . . , λp , 0, . . . , 0) y [x ]tB2 = (0, . . . , 0, −µq+1 , . . . , −µn )
pero calculando Q( x ) respecto a las dos bases obtenemos
Q(x) = a1 λ21 + · · · + ap λ2p − ap+1 0 − · · · − ap+s 0 = a1 λ21 + · · · + ap λ2p > 0
Q(x) = c1 0 + · · · + cq 0 − cq+1 (−µq+1 )2 − · · · − cq+r (−µq+r )2 + 0(−µq+r+1 )2 + · · · + 0(−µn )2
= −cq+1 (−µq+1 )2 − · · · − cq+r (−µq+r )2 ≤ 0
lo que no puede ser. Por tanto deben ser p = q y s = r , es decir, las dos matrices diagonales tienen el mismo
número de elementos positivos y negativos.
Demostración de: Teorema de clasificación 351 de la página 184
Teorema de clasificación 351.- Sea Q una forma cuadrática en un espacio de dimensión n . Se verifica:
a) Q es nula ⇐⇒ Sig(Q) = (0, 0)
b) Q es definida positiva ⇐⇒ Sig(Q) = (n, 0) .
c) Q es semidefinida positiva ⇐⇒ Sig(Q) = (p, 0) con 0 < p < n .
d) Q es definida negativa ⇐⇒ Sig(Q) = (0, n) .
e) Q es semidefinida negativa ⇐⇒ Sig(Q) = (0, q) con 0 < q < n .
f) Q es indefinida ⇐⇒ Sig(Q) = (p, q) con 0 < p, q .
Demostración:
Sea B = {v1 , . . . , vn } una base en la cual, la expresión de Q es Q(x ) = d1 x21 + d2 x22 + · · · + dn x2n
donde (x1 , . . . , xn ) = [ x ]tB . Luego, Q(vi ) = di , para todo i = 1, . . . , n , ya que los vectores de B tiene por
coordenadas [ v1 ]tB = (1, 0, 0, . . . , 0) , [ v2 ]tB = (0, 1, 0, . . . , 0) , . . . , [vn ]tB = (0, 0, 0, . . . , 1) . Entonces:
a) Si Q( x ) = 0 , para todo x , se tiene que di = Q(vi ) = 0 , para todo i, luego Sig(Q) = (0, 0) .
Reciprocamente, si di = 0 para todo i , entonces Q(x ) = 0 para todo x .
b) Si Q( x ) > 0 para todo x 6= 0 , se tiene que di = Q(vi ) > 0 , para todo i, luego Sig(Q) = (n, 0) .
Recı́procamente, si di > 0 para todo i , entonces Q(x ) > 0 para todo x 6= 0 .
c) Si Q(x ) ≥ 0 para todo x 6= 0 , es di = Q( vi ) ≥ 0 para todo i. Como no es nula existe algún dj > 0 y
como no es definida positiva existe algún dk = 0 , luego Sig(Q) = (p, 0) con 0 < p < n .
Recı́procamente, si di ≥ 0 para todo i, con algún dj > 0 y algún dk = 0 , se tiene que Q( x ) ≥ 0 para
todo x , que Q( vj ) = dj > 0 , por lo que no es nula, y que Q(vk ) = dk = 0 , por lo que no es definida
positiva.
d) y e) Análogos a los casos de definida y semidefinida positiva.
f) Por ser indefinida, Q( x ) 6≥ 0 para todo x , luego di 6≥ 0 para todo i , por lo que existirá un dj < 0
y Q( x ) 6≤ 0 para todo x , luego di 6≤ 0 para todo i por lo que existirá un dk > 0 . En consecuencia,
Sig(Q) = (p, q) con p, q > 0 .
Recı́procamente, si existe dj < 0 y dk > 0 , serán Q( vj ) = dj < 0 y Q( vk ) = dk > 0 , luego es indefinida.

Apuntes Completos

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apuntes Completos

Uploaded by

Copyright:

Available Formats

Escuela de Ingenierı́as industriales

APUNTES PARA LA ASIGNATURA

Grado de Ingenierı́a en Diseño Industrial y Desarrollo del producto

4 Matrices y sistemas de ecuaciones lineales 25

5 Determinante de una matriz 35

Anexo 1: Cálculo diferencial 85

10 Aplicaciones de la integral 107

11 Integrales impropias 115

Anexo 2: Cálculo integral 125

III Ecuaciones Diferenciales Ordinarias 132

13 Ecuaciones diferenciales lineales 144

IV Álgebra Lineal 153

15 Aplicaciones lineales 166

17 Formas cuadráticas 181

Anexo 3: Álgebra lineal 188

1.1 Los números complejos

1.2 El plano complejo

(a1 , b1 ) ∗ (a2 , b2 ) = (a1 a2 − b1 b2 , a1 b2 + b1 a2 ).

1.2.1 Forma binómica de un número complejo

(a+ib)(c+id) = ac + iad + icb + i2 bd = (ac−bd) + i(ad+cb) = (ac−bd, ad+cb) = (a, b) ∗ (c, d)

Proposición 2.- Sea z ∈ C − {0} , entonces existe un único w ∈ C tal que zw = 1 .

Si z = a + ib, el inverso se denota por z −1 = 1

1.2.2 Conjugado de un número complejo

1.2.3 Módulo de un número complejo

Definición 7.- Se llama distancia entre z y w al valor real d(z, w) = |z − w| .

1.3 Forma polar de un número complejo

z = x + iy = |z| cos θ + i |z| sen θ = |z| (cos θ + i sen θ).

1.3.1 Raices complejas

Proposición 10.- Un complejo z 6= 0 tiene n raı́ces n -ésimas distintas. Si θ es un argumento de z , son

Observación 11.- Es claro de la prueba anterior que las s z = r π3

que quedan distribuidos como en la figura aneja.

1.3.2 La exponencial compleja

Definición 12.- Si z = a + ib, se define la exponencial compleja por ez = ea (cos b + i sen b)

Proposición 13.- Se verifican las siguientes propiedades:

b) Si z = ib ∈ iR, entonces eib = e0+ib = e0 (cos y + i sen y) = cos y + i sen y .

e) ez es periódica de perı́odo 2πi y si ez = ew , entonces z − w = 2kπi, con k ∈ Z.

log(z) = ln |z| + i arg(z) (uno por cada argumento de z )

1.3 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:

1.5 Hallar todos los valores complejos de:

1.7 Describir geométricamente las regiones del plano complejo:

1.8 ¿Que valores de z verifican que |z + 1| < |z − i| ?

1.9 Resolver las ecuaciones:

1.10 Hallar los z para los que

a) ez ∈ R b) Re(ez ) = 0 c) |e−iz | < 1 d) ez = −1 e) e2z = i f) ez = e−z

1.11 Resolver la ecuación z 4 = z .

1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposición 13.

a0 + a1 X + a2 X2 + ... + an Xn , siendo a0 , a1 , . . . , an elementos de K

Nosotros trabajaremos generalmente con K = R ó K = C (y alguna vez con K = Q). Ası́:

Notar que por ser Q ⊆ R ⊆ C también Q[X] ⊆ R[X] ⊆ C[X] .

deben ser iguales. Igualando coeficiente a coeficiente se obtiene el sistema de ecuaciones:

2.1.1 Operaciones en K[X]

Definición 20.- Llamaremos suma de los polinomios P y Q al polinomio P + Q, obtenido de:

Nota: gr(P + Q) ≤ máx{gr(P ), gr(Q)}

Ejemplo Para P (X) = 3 + 6X2 − 5X4 y Q(X) = 2 − 8X − 6X2 + 7X6 , se tiene

Nota: gr(P · Q) = gr(P ) + gr(Q) .

? Se cumplen las propiedades asociativas y distributivas.

? Si P (X) 6= 0 y P (X)Q(X) = P (X)R(X) , entonces Q(X) = R(X) . (Inmediata de la anterior.)

2.2 Division euclı́dea de polinomios. Divisibilidad y factorización

? mcd(a, b) = mcd(±a, ±b) = mcd(b, a) .

donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .

Ejemplo El mcd(711, 243) = 9 y el mcd(−300, 432) = 12 pues

2.2.1 División entera o euclı́dea de polinomios

? Las constantes no se consideran irreducibles.

2.2.2 Raı́z de un polinomio