Fundamentos Matemáticos de La Ingeniería - Kindelan
Fundamentos Matemáticos de La Ingeniería - Kindelan
Fundamentos Matemáticos de La Ingeniería - Kindelan
la Ingenierı́a
4
2
1
0 2
y 1
1 0
1 x
2 2
2“ edicin
Ultano Kindelán
Universidad Politécnica de Madrid
Servicio de
Publicaciones
Reservados todos los derechos. Ni la totalidad ni parte de este libro, incluido el diseño de la cubierta, puede reproducirse o
transmitirse por ningún procedimiento electrónico o mecánico, incluyendo fotocopia, grabación magnética o cualquier
almacenamiento de información y sistemas de recuperación, sin permiso escrito del AUTOR y de la Editorial DYKINSON, S.L.
© Copyright by
Universidad Rey Juan Carlos
Servicio de Publicaciones
Los Autores
Madrid, 2007
Editorial DYKINSON, S.L. Meléndez Valdés, 61 - 28015 Madrid
Teléfono (+34) 91 544 28 46 - (+34) 91 544 28 69
e-mail: [email protected]
http://www.dykinson.es
http://www.dykinson.com
ISBN: 978-84-9849-110-4
Preimpresión realizada por los autores
Índice general
Presentación 16
2. Determinantes 49
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2. Desarrollo de un determinante a partir de los elementos de una lı́nea 49
2.3. Cálculo de un determinante mediante operaciones elementales en
las filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4. Propiedades del determinante . . . . . . . . . . . . . . . . . . . . . 53
2.5. Aplicaciones del determinante . . . . . . . . . . . . . . . . . . . . . 54
3
4 ÍNDICE GENERAL
3. Espacios vectoriales 61
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2. Definición de espacio vectorial . . . . . . . . . . . . . . . . . . . . . 61
3.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.4. Bases y dimensión de un espacio vectorial . . . . . . . . . . . . . . 65
3.4.1. Sistema generador . . . . . . . . . . . . . . . . . . . . . . . 65
3.4.2. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . 66
3.4.3. Espacios vectoriales de dimensión finita . . . . . . . . . . . 68
3.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.6. Ecuaciones paramétricas y ecuaciones implı́citas de un subespacio
vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.7. Suma de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.8. Referencias bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . 76
3.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4. Aplicaciones lineales 83
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . 83
4.3. Núcleo, imagen y rango de una aplicación lineal . . . . . . . . . . . 87
4.4. Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.6. Referencias bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . 94
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Bibliografı́a 553
1.1. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible determinado. . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible indeterminado. . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3. Las ecuaciones de los tres planos del dibujo constituyen un sistema
incompatible. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13
14 ÍNDICE DE FIGURAS
2x2 −8
9.9. Gráfica de la función f (x) = x2 −16 . . . . . . . . . . . . . . . . . . . . 190
9.10. Interpretación geométrica del resultado del problema 8. . . . . . . . 191
√ √
A.2. Rep. geométrica de los complejos 3 − i y − 3 + i. . . . . . . . . . 365
√
√ del producto de los complejos 2 + i ≈ ( 5)0,46365
A.3. Rep. geométrica
y −1 + 3i ≈ ( 10)1,89255 . . . . . . . . . . . . . . . . . . . . . . . . . 367
A.4. Rep. geométrica del complejo z = 1,2 + 0,9i y de sus primeras 6
potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
√
A.5. Rep. geométrica del complejo v = 3/2 + (1/2)i y de sus primeras
once potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
A.6. Rep. geométrica del complejo z = 8 + 0i y sus tres raı́ces cúbicas. . . 370
A.7. Rep. geométrica de los complejos 2 + 3i, −4, −3 − 2i y −5i. . . . . . 371
A.8. Raı́ces cuadradas de −i. . . . . . . . . . . . . . . . . . . . . . . . . . 372
√
A.9. Las cuatro raı́ces de orden 4 de −8 + 8 3i. . . . . . . . . . . . . . . 373
Los 17 capı́tulos en los que se ha dividido el libro se pueden agrupar en cuatro blo-
ques fundamentales: Álgebra Lineal, Cálculo Infinitesimal, Ecuaciones Diferenciales
y Cálculo Numérico. Los primeros ocho capı́tulos tratan temas de Álgebra Lineal;
conviene señalar que el último de ellos se dedica al estudio de métodos directos para
resolver sistemas lineales de ecuaciones, y que, por lo tanto, también se podrı́a haber
incluido en el bloque de Cálculo Numérico. Los capı́tulos del 9 al 13 abarcan temas
de Análisis en una y varias variables, incluyendo una breve introducción a la teorı́a de
17
18 Presentación
Como se ha indicado al comienzo de esta presentación, este libro nace de los apuntes
que en su momento preparamos para la impartición de varias asignaturas. Por ello no
queremos terminar este prólogo sin agradecer a los profesores Carlos Conde, Emanuele
Schiavi, Christian Vanhille e Ignacio Villanueva la ayuda prestada en la elaboración
de dichos apuntes, ayuda que en ningún caso les hace partı́cipes de los errores que
pudiera contener este libro.
En esta nueva versión corregida y ampliada de 2007 queremos extender nuestro agra-
decimiento a la profesora Ana Isabel Muñoz por la ayuda prestada en la corrección
de erratas.
Sistemas de ecuaciones
lineales. El método de Gauss.
Matrices
1.1. Introducción
En el mundo real muy pocas veces nos encontramos con problemas tan sencillos que
dependan de una sola variable. Por ejemplo el beneficio de una empresa manufacturera
depende claramente del coste de los materiales, pero también depende de los costes
laborales, costes de transporte y de la producción total de la planta. El beneficio es
por tanto una función de varias variables. El álgebra lineal estudia las funciones de
varias variables más simples: las funciones lineales.
a1 x1 + a2 x2 + . . . + an xn = b
19
20 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
x + 3y = 7 x1 − 3x2 − 3x3 + x4 = 7,
y = 12 x + 3z + 1 x1 + x2 + . . . + xn = 1,
x + 3y 2 = 7 3x + 2y − z + xz = 4,
√
y−sen(x) = 0 x1 + 2x2 + x3 = 1.
Resolver (S) es hallar todas sus soluciones. Se dice que un sistema es compa-
tible si tiene alguna solución y que es incompatible si carece de ellas; cuando
es compatible se dice que es determinado si tiene una única solución e inde-
terminado si tiene más de una.
1.1. Introducción 21
1. Si el sistema es incompatible las dos rectas son paralelas (no existe ningún punto
que pertenezca a la vez a las dos rectas).
2. Si el sistema es compatible se pueden distinguir dos casos:
a) si es determinado las dos rectas se cortan (existe un solo punto que verifica
las dos ecuaciones),
b) si es indeterminado las dos rectas son coincidentes (existen infinitos puntos
que verifican las dos ecuaciones).
3
3 3
2 2
1 1
0 0
y x
1 1
2 2
3 3
Figura 1.1: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible determinado.
Ejemplo 1.3. La ecuación de un plano en el espacio es una ecuación lineal con tres
incógnitas. Si se estudian las soluciones de un sistema formado por tres ecuaciones y
tres incógnitas, se estará estudiando el conjunto de puntos del espacio que pertene-
cen a la vez a los tres planos. En las figuras 1.1, 1.2 y 1.3 se muestran tres posibles
posiciones relativas de los planos. En 1.1 al ser el sistema de tres ecuaciones con tres
incógnitas compatible determinado, existe un solo punto que verifica las tres ecua-
ciones y por lo tanto los tres planos se cortan en un punto. En 1.2 el sistema es
compatible indeterminado, existen infinitos puntos que verifican las ecuaciones de los
tres planos y los tres planos se cortan en una recta. Finalmente en 1.3 el sistema es
incompatible y no existe ningún punto que verifique las ecuaciones de los tres planos
a la vez. Existen otros casos posibles: planos paralelos (sistema incompatible) y pla-
nos coincidentes (sistema compatible indeterminado). En cualquier caso la discusión
del tipo de solución de un sistema lineal para el caso general de m ecuaciones y n
incógnitas se abordará más adelante.
22 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
2
3
3 2
3 1
2 0
1 1 y
0
x 1 2
2
3
Figura 1.2: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible indeterminado.
3
3
2
1
0
x
1 3
2
2 1
0
1 y
3 2
3
Figura 1.3: Las ecuaciones de los tres planos del dibujo constituyen un sistema in-
compatible.
Para escribir
de forma breve una suma como P1 + P2 + . . . + Pn se recurre a la letra
griega que recibe el nombre de signo sumatorio:
n
P1 + P2 + . . . + Pn = Pj
j=1
j se puede sustituir por otra letra cualquiera sin que por ello varı́e el resultado
n
n
n
Pj = Pi = Pk
j=1 i=1 k=1
1.1. Introducción 23
Ası́ por ejemplo las m ecuaciones del sistema (S) se pueden escribir de la forma,
n ⎫
a1j xj = b1 ⎪
⎪
⎪
⎪
j=1 ⎪
⎪
n ⎪
⎪
a2j xj = b2 ⎪
⎬
j=1 (S)
.. ⎪
⎪
. ⎪
⎪
⎪
⎪
n ⎪
⎪
amj xj = bm ⎪
⎭
j=1
El sistema (S) se puede representar de una forma aun más concisa recurriendo a otro
ı́ndice que variará de 1 a m. Se puede poner:
n
aij xj = bi (i = 1, . . . , m) (S)
j=1
⎛ ⎞
a11 a12 ... a1n b1
⎜ a21 a22 ... a2n b2 ⎟
⎜ ⎟
Ab = ⎜ .. .. .. .. ⎟ ←−MATRIZ AMPLIADA
⎝ . . . . ⎠
am1 am2 ... amn bm
⎛ ⎞
b1
⎜ b2 ⎟
⎜ ⎟
b=⎜ .. ⎟ ←−VECTOR DE TÉRMINOS INDEPENDIENTES
⎝ . ⎠
bm
x + y + 2z = 9
2x + 4y − 3z = 1
3x + 6y − 5z = 0
⎛ ⎞
x + y + 2z = 9 1 1 2 9
2x + 4y − 3z = 1 ⎝ 2 4 -3 1 ⎠
3x + 6y − 5z = 0 3 6 -5 0
(F2)-2(F1)
(F3)-3(F1)
↓ ⎛ ⎞
x + y + 2z = 9 1 1 2 9
2y − 7z = −17 ⎝ 0 2 -7 -17 ⎠
3y − 11z = −27 0 3 -11 -27
3
(F3)- 2 (F2)
↓ ⎛ ⎞
x + y + 2z = 9 1 1 2 9
2y − 7z = −17 ⎝ 0 2 -7 -17 ⎠ (A)
− 12 z = − 32 0 0 - 12 - 32
(F2)-14(F3)
(F1)+4(F3)
↓ ⎛ ⎞
x+y =3 1 1 0 3
2y = 4 ⎝ 0 2 0 4 ⎠
− 12 z = − 32 0 0 - 12 - 32
1
(F1)- 2 (F2)
↓ ⎛ ⎞
x=1 1 0 0 1
2y = 4 ⎝ 0 2 0 4 ⎠
− 12 z = − 32 0 0 - 12 - 32
26 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
1
2 (F2)
-2(F3)
↓ ⎛ ⎞
x=1 1 0 0 1
y=2 ⎝ 0 1 0 2 ⎠
z=3 0 0 1 3
Una vez que se ha obtenido el sistema (A) se puede elegir otro camino para resolver
el sistema inicial:
⎫
x + y + 2z = 9 → x = 9 − 8 = 1 ⎬
2y − 7z = −17 → 2y − 21 = −17 → y = 2 →↑ PROCESO DE REMONTE
⎭
− 12 z = − 32 → z = 3 →↑
El ejemplo anterior sugiere dos métodos para resolver sistemas de ecuaciones mediante
operaciones elementales. A continuación vamos a generalizar estos dos procedimientos
de forma que sean válidos para resolver cualquier tipo de sistema.
Definición 1.9. Una fila de una matriz se dice que es una fila nula si todos los
elementos que la forman son ceros.
Definición 1.10. El primer elemento no nulo por la izquierda de una fila de una
matriz se denomina cabecera de la fila correspondiente.
Definición 1.11. Se dirá que una matriz es una matriz escalonada si se verifican
las siguientes propiedades:
Nota 1.1. De la definición anterior de deduce que en una matriz escalonada se verifica
que por debajo de cada cabecera de fila únicamente hay ceros.
⎛ ⎞
& * * * * * * *
⎜ 0 0 & * * * * * ⎟
⎜ ⎟ 0=elementos nulos
⎜ 0 0 0 & * * * * ⎟
⎜ ⎟ &=cabeceras de fila (= 0)
⎜ 0 0 0 0 0 & * * ⎟
⎜ ⎟ *=elementos cualesquiera
⎝ 0 0 0 0 0 0 & * ⎠
0 0 0 0 0 0 0 0
MATRIZ ESCALONADA
1.2. Resolución de sistemas de ecuaciones lineales: eliminación gaussiana 27
Definición 1.12. Se dirá que una matriz es una matriz escalonada reducida si
se verifican, además de las propiedades 1 y 2, las siguientes propiedades:
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 10 −2 0 1
3 1 2 9 1 1 2 ⎜ 0 0
⎝ 0 1 −7 ⎠, ⎝ 0 1 ⎜ 0 5 3 ⎟
⎟
−17
− 72 ⎠ , ⎝ 0 0
2 2 0 0 0 ⎠
0 0 2 3 0 0 1
0 0 0 0 0
Ejemplo 1.6. Matrices escalonadas reducidas
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 1 −2 0 1
1 0 0 1 1 0 0 ⎜ 0
⎝ 0 1 0 2 ⎠, ⎝ 0 1 0 ⎠, ⎜ 0 0 1 3 ⎟
⎟
⎝ 0 0 0 0 0 ⎠
0 0 1 3 0 0 1
0 0 0 0 0
Proposición 1.3. Sea (S) el siguiente sistema de ecuaciones lineales
n
aij xj = bi (i = 1, . . . , m)
i=1
Nota 1.2. Para cada sistema de ecuaciones lineales (S) existe un único sistema es-
calonado reducido equivalente.
2. Hallando el sistema escalonado reducido, (E’), equivalente a (S). Una vez obte-
nido (E’) se despeja directamente, para cada una de las ecuaciones, la incógnita
que esté en su cabecera. → MÉTODO DE GAUSS-JORDAN.
Ya sólo queda, pues, explicar cómo se obtiene un sistema escalonado reducido a partir
de un sistema cualquiera. Para ello bastará explicar cómo se obtiene una matriz
escalonada reducida a partir de una matriz cualquiera.
Definición 1.14. Se dice que el elemento aij = 0 de una matriz A se utiliza como
pivote hacia abajo (o hacia arriba) si en las filas de A se realizan aquellas operaciones
elementales que convierten en 0 a los demás elementos de la columna j que están por
debajo (o por arriba) del aij . Todo elemento no nulo de A puede utilizarse como pivote.
Proceso para obtener una matriz escalonada reducida a partir de una ma-
triz cualquiera A
a) Nos fijamos en las cabeceras de cada una de las filas no nulas y denotamos
como (1,1), (2,i2 ), . . . , (r, ir ) los lugares que ocupan las cabeceras de cada
fila. Utilizando como pivote el elemento (i, ir ) se anulan los elementos de
la columna ir situados por encima.
x1 + x5 = 800
−x1 + x2 − x4 = −400
−x2 + x3 = −600
−x3 + x7 = 1200
x4 + x6 − x7 = 0
−x5 − x6 = −1000
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ −1 1 0 −1 0 0 0 -400 ⎟
⎜ ⎟
⎜ 0 −1 1 0 0 0 0 -600 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F2)+(F1)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 −1 1 0 0 0 0 -600 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F3)+(F2)
↓
30 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F4)+(F3)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 1000 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F5)+(F4)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 1000 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 −1 −1 0 -1000
(F6)+(F5)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 -1000 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
(-1)(F4)
(F4)+(F5)
(F3)-(F5)
(F2)-(F5)
(F1)-(F5)
↓
⎛ ⎞
1 0 0 0 0 −1 0 -200
⎜ 0 1 0 −1 0 −1 0 -600 ⎟
⎜ ⎟
⎜ 0 0 1 −1 0 −1 0 -1200 ⎟
⎜ ⎟
⎜ 0 0 0 1 0 1 −1 0 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
(F3)+(F4)
(F2)+(F4)
↓
⎛ ⎞
1 0 0 0 0 −1 0 -200
⎜ 0 1 0 0 0 0 −1 -600 ⎟
⎜ ⎟
⎜ 0 0 1 0 0 0 −1 -1200 ⎟
⎜ ⎟
⎜ 0 0 0 1 0 1 −1 0 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
Proposición 1.5. Todo sistema de ecuaciones lineales homogéneo (H) tiene, al me-
nos, la solución x1 = x2 = . . . = xn = 0, llamada solución trivial o nula, por lo
que siempre es compatible. Será compatible indeterminado si tiene alguna solución no
nula.
Proposición 1.6. Si α = (α1 , . . . , αn ) y β = (β 1 , . . . β n ) son soluciones del sistema
homogéneo (H), entonces λα + µβ (λ y µ son dos escalares cualesquiera) también es
una solución del sistema (H).
Proposición 1.7. Si un sistema de ecuaciones lineales tiene más de una solución
entonces el sistema tiene infinitas soluciones.
Proposición 1.8. Sea (H) un sistema homogéneo de m ecuaciones con n incógnitas.
Si m es menor que n, entonces (H) tiene alguna solución no nula y por tanto tiene
infinitas soluciones.
u = (u1 , u2 , . . . , un )
u1 , u2 , . . . , un ∈ lK
donde
ui recibe el nombre de componente i- ésima de u
Definición 1.17. Operaciones entre vectores:
1.4. Rango de un conjunto de vectores 33
1. Suma
u = (u1 , u2 , . . . , un )
→ u + v = (u1 + v1 , u2 + v2 , . . . , un + vn )
v = (v1 , v2 , . . . , vn )
2. Producto por escalar
u = (u1 , u2 , . . . , un )
→ λu = (λu1 , λu2 , . . . , λun )
λ es un escalar
Observaciones
1. (u + v) + w = u + (v + w)
2. u + v = v + u
3. u + 0 = u, donde 0 = (0, 0, . . . , 0) se llama vector nulo.
4. Para cada u, existe un vector −u tal que u + (−u) = 0;
Si u = (u1 , u2 , . . . , un ), entonces −u = (−u1 , −u2 , . . . , −un )
Al vector −u se le llama opuesto de u.
5. λ(u + v) =λu+λv
6. (λ + µ)u = λu + µu
7. λ(µu) = (λµ)u
8. 1u = u
9. 0u = 0 y λ0 = 0
10. λu = 0 ⇒ [λ = 0 ó u = 0]
11. (−λ)u =λ(−u) = −(λu)
34 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
Definición 1.18. Se dice que un vector v es una combinación lineal de los vec-
tores u1 , u2 , . . . un o que v depende linealmente de ellos si para algunos escalares
λ1 , λ2 , . . . , λn , se verifica:
v = λ1 u1 + λ2 u2 + . . . + λn un
a) S0 es linealmente independiente.
b) Todos los demás vectores de S dependen linealmente de S0 .
2. Todos los sistemas S0 de vectores de S que satisfacen los requerimientos (a) y
(b) tienen el mismo número de vectores.
Definición 1.21. El número de vectores de S0 recibe el nombre de rango del conjunto
S.
Nota 1.5. Para hallar el rango de un sistema de vectores habrá que ir desechando
aquellos vectores que resulten ser combinación lineal de los que van quedando, hasta
que formen un sistema linealmente independiente: el número de vectores de este último
es el rango buscado.
Proposición 1.11. El rango de un conjunto de vectores no se altera si se realizan
en el operaciones elementales. Se entiende por operaciones elementales realizadas
sobre un conjunto de vectores las siguientes:
y sea A una matriz cuya fila i-ésima está formada por las n componentes del vector
ai ,
⎛ ⎞
a11 . . . a1n
⎜ ⎟
A = ⎝ ... ..
. ⎠
ap1 . . . apn p×n
Teorema 1.3. (del rango) Para cualquier matriz A = (aij ) de m filas y n columnas
se verifica que el rango del conjunto de sus m vectores filas (que se llama rango de
las filas de A) es igual al rango del conjunto de sus n vectores columna (que se llama
rango de las columnas de A). A cualquiera de estos dos rangos, iguales entre sı́, se le
llama rango de la matriz A, y se denota por rg(A).
Definición 1.22. Se dice que dos matrices A = (aij )m×n y B = (bij )r×s son iguales
si tienen la misma dimensión (m = r y n = s) y además sus elementos son iguales
(aij = bij ; i = 1, . . . , m j = 1, . . . , n).
1.6. Operaciones entre matrices 37
Definición 1.23. Si A = (aij )m×n y B = (bij )m×n son dos matrices de la misma
dimensión entonces la matriz suma C = A + B es una matriz de la misma dimensión
que A y B cuyos elementos verifican:
1. A + (B + C) = (A + B) + C
2. A + B = B + A
3. A + 0 = A
4. A + (−A) = 0
5. (λ + µ)A = λA + µA
6. λ(A + B) = λA + λB
7. λ(µA) = (λµ)A
8. 1A = A
1. A(BC) = (AB)C
2. A(B + C) = AB + AC
3. (A + B)C = AC + BC
0 si i = j
4. AIn = A, en donde In = (δ ij )n×n con δ ij = recibe el nombre de
1 si i = j
matriz unidad.
Nota 1.11. Puede ser AB = (0) sin que sean A = (0) ó B = (0).
1. (At )t = A
3. (λA)t = λAt
A0 = In An = AA · · · A
n veces
−1 −1 −1
(A−1 )−1 = A A−n = (A−1 )n A
A · · · A
n veces
No todas las matrices cuadradas tienen inversa, ¿qué condiciones debe cumplir una
matriz cuadrada A de dimensión n para ser inversible? En lo que sigue se va a de-
terminar cuales son esas condiciones; durante el proceso, además, se desarrollará un
método sencillo para calcular A−1 .
De (1.1) se deduce que si A tiene inversa se debe poder resolver los siguientes n
sistemas de ecuaciones (cada uno de ellos con n ecuaciones y n incógnitas)
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 1 x1 0 x1 0
⎜ x2 ⎟ ⎜ 0 ⎟ ⎜ x2 ⎟ ⎜ 1 ⎟ ⎜ x2 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A⎜ .. ⎟=⎜ .. ⎟ A⎜ .. ⎟=⎜ .. ⎟ ... A⎜ .. ⎟=⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠
xn 0 xn 0 xn 1
(1.2)
1.8. Referencias bibliográficas 41
⎛ ⎞
a11 . . . a1n 1 ... 0
⎜ .. ⎟
A(e1 ,...,en ) = (A |In ) = ⎝ ... ..
.
..
.
..
. . ⎠
an1 . . . ann 0 ... 1
⇓
⎛ ⎞
1 ... 0 b11 . . . b1n
⎜ .. .. .. .. .. ⎟
In(b1 ,...,bn ) = (In |B ) = ⎝ . . . . . ⎠
0 ... 1 bn1 . . . bnn
Por lo tanto cada una de las columnas de B coincide con la solución de uno de los
sistemas de (1.2) y en consecuencia B = A−1 .
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 1 de [1], los capı́tulos 1, 2 y 3 de [2], el 1 y el 2 de [10], los capı́tulos 1, 2,
3 y 4 del [11] y los capı́tulos 1, 2 y 3 de [12].
1.9. Ejercicios
1. Resuelve el sistema de ecuaciones
x1 + 3x2 − 5x3 + x4 = 4
2x1 + 5x2 − 2x3 + 4x4 = 6
Solución:
x2 = 2 + 8x3 + 2x4 y x1 = −2 − 19x3 − 7x4
2. Un departamento de pesca y caza de un determinado paı́s proporciona tres
tipos de comida a un lago que alberga tres especies de peces. Cada pez de la
especie 1 consume cada semana un promedio de una unidad del alimento 1, una
unidad del alimento 2 y dos unidades del alimento 3. Cada pez de la especie 2
consume cada semana un promedio de tres unidades del alimento 1, cuatro del
2 y cinco del 3. Para un pez de la especie 3, el promedio semanal de consumo
es dos unidades de alimento 1, una unidad del alimento 2 y cinco unidades del
3. Cada semana se proporcionan al lago 25000 unidades del alimento 1, 20000
unidades del alimento 2 y 55000 del 3. Si se supone que los peces se comen todo
el alimento, ¿cuántos peces de cada especie pueden coexistir en el lago?
Solución:
x1 = 40000 − 5x3 ; x2 = x3 − 5000 y 5000 ≤ x3 ≤ 8000. La condición sobre x3
se obtiene imponiendo que x1 ≥ 0, x2 ≥ 0 y x3 ≥ 0 ya que el número de peces
tiene que ser siempre positivo. Obsérvese que el número de soluciones es finito
(los 3001 enteros pertenecientes al intervalo [5000, 8000] ) debido a que los peces
no se pueden dividir.
3. Supóngase que las demandas externas en un sistema económico con tres indus-
trias son 10, 25 y 20 respectivamente. Además se sabe que a11 = 0,2, a12 = 0,5,
a13 = 0,15, a21 = 0,4, a22 = 0,1, a23 = 0,3, a31 = 0,25, a32 = 0,5 y a33 = 0,15
en donde aij representa el número de unidades de producción de la industria i
que se necesitan para producir una unidad de la industria j (aij xj representa
las unidades de xi necesarias para producir xj unidades de la industria j). Por
último se supondrá que la oferta es igual a la demanda.
Se pide plantear el sistema de ecuaciones lineales que determina la producción de
cada industria. (La producción de cada industria, xi , menos lo que se consume
3
de dicha industria en las tres industrias del sistema económico, aij xj , tiene
j=1
que ser igual a la demanda externa de la industria i).
Solución:
1.9. Ejercicios 43
⎫
0,8x1 − 0,5x2 − 0,15x3 = 10 ⎬
−0,4x1 + 0,9x2 − 0,3x3 = 25
⎭
−0,25x1 − 0,5x2 + 0,85x3 = 20
a) {x2 = −2, x1 = 7, x3 = 2}
b) {x5 = − 107 x1 + 7 x4 − 7 , x3 = 7 x1 + 7 x4 + 7 , x2 = − 7 x1 − 7 x4 + 7 , x1 =
36 5 5 10 6 3 13 9
x1 , x4 = x4 }
44 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
c) {x1 = x1 , x5 = − 77
5 x1 +
154
5 , x2 = 65 x1 − 75 , x4 = 61
10 x1 − 56
5 , x3 = 25 x1 − 5}
a) Compatible determinado.
b) Incompatible.
c) Compatible indeterminado (infinitas soluciones).
d ) Compatible determinado.
e) Compatible determinado.
f ) Compatible indeterminado (infinitas soluciones).
a) Indefinida
b) Definida, 4 × 2
c) Indefinida
d ) Indefinida
e) Definida, 5 × 5
f ) Definida, 5 × 2
g) Indefinida
h) Definida, 5 × 2
Solución:
⎛ ⎞
50 11
5 16 4 11 11 ⎜ 16 10 ⎟
(a) y (b) y 8 22 (c) ⎜
⎝ 3
⎟
5 18 6 19 13 −2 ⎠
28 4
2 4 7
(d) y 14 (e) 66 (f)
⎛ 6 12 ⎞ ⎛ ⎞ ⎛ 13 ⎞
5 10 3 8 27
⎜ 8 12 ⎟ ⎜ 4 8 ⎟ ⎜ 28 ⎟
(g) ⎜
⎝ 15 20 ⎠
⎟ (h) ⎜
⎝
⎟ (i) ⎜ ⎟
7 12 ⎠ ⎝ 43 ⎠
8 17 5 14
47
53 53 37
(j) y (k)
59 59 63
se pide determinar para cada una de ellas (a) sı́ es inversible o no, (b) en el caso
de que sea inversible determinar su inversa.
Solución:
1.9. Ejercicios 47
13. Discutir (en función de α) y resolver cuando sea compatible el siguiente sistema
de ecuaciones: ⎫
αx + y + z = 1 ⎬
x + αy + z = α
⎭
x + y + αz = α2
Solución:
α = −2 → sistema incompatible.
α = 1 → sistema admite infinitas soluciones (comp. det.): x = 1 − y − z, y y z
variables libres.
α = −2 y α = 1, el sistema tiene solución única x = − α+2
1
(α + 1) , z =
(α+1)2 1
α+2 , y = α+2 .
Capı́tulo 2
Determinantes
2.1. Introducción
49
50 Capı́tulo 2. Determinantes
Definición 2.3. El escalar Aij = (−1)i+j det(Mi,j ) recibe el nombre de adjunto del
elemento aij de A.
n
det(A) = a11 A11 + . . . + an1 An1 = ai1 Ai1
i=1
ya que
2.2. Desarrollo de un determinante a partir de los elementos de una lı́nea 51
2 2 −3
−1 −2 2 −3 2 −3
A11 = 3 −1 −2 = 2
− 3
+ 1 = −15
1 0 1 0 1 −1 −2
0 1
−1 −3 2
A21 = − 3 −1 −2
1 0 1
−1 −2 −3 2 −3 2
= − −1
− 3 + 1 = −18
0 1 0 1 −1 −2
−1 −3 2
A41 = − 2 2 −3
3 −1 −2
2 −3 −3 2 −3 2
= − −1 − 2
+ 3
2 = −6
−1 −2 −1 −2 −3
Nota 2.5. El determinante se puede calcular a partir de los elementos de cualquier
lı́nea (fila o columna)
n
n n
n
det(A) = ai1 Ai1 = a1i A1i = aki Aki = aik Aik , k = 1, . . . , n
i=1 i=1 i=1 i=1
Solución:
2 0 0
2 0
det(T ) = 3 3 2 0 = 3 · 2 ·
= 3 · 2 · 2 · 1 = 12.
4 5 1
5 1
k = n,
⎛ ⎞
t11 0 ... 0
t22 ... 0
⎜ t21 t22 ... 0 ⎟
⎜ ⎟ . .. ..
det(T ) = ⎜ .. .. .. .. ⎟ = t11 .. . . = t11 t22 . . . tnn .
⎝ . . . . ⎠
tn2 . . . tnn
tn1 tn2 ... tnn
Nota 2.6. Si T es una matriz triangular superior sucede lo mismo.
Teorema 2.2. Si una matriz A tiene una fila o una columna de ceros entonces
det(A) = 0.
Solución:
1 2 0 2 1 2 0 2 1 2 0 2
−1 2 3 1 0 4 3 3 1 0 4 3 3
det(A) = =
=
−3 2 −1 0 0 8 −1 6 4 0 8 −1 6
2 −3 −2 1 0 −7 −2 −3 0 −28 −8 −12
1 2 0 2 1 2 0 2
1 0 4 3 3 0 4 3 3 1
= 4 = 1
= · 4 · (−7) · (9) = −63.
0 0 −7 0 4 0 0 −7 0 4
0 0 13 9 0 0 0 9
det(A) = det(At )
Corolario 2.5. Los vectores fila o columna de una matriz A son linealmente depen-
dientes Ssi det(A) = 0.
ka11 ka12 ka13 a11 a12 a13
por ejemplo: ka21 ka22 ka23 = k 3 a21
a22 a23
ka31 ka32 ka33 a31 a32 a33
det(A−1 ) = 1
det(A) .
Se calculan los adjuntos de todos y cada uno de los elementos aij de A (i, j =
1, . . . , n) y se construye la matriz adjunta de A que se denota por Adj(A).
⎛ ⎞
A11 A21 . . . An1
⎜ A12 A22 . . . An2 ⎟
⎜ ⎟ (1)
Adj(A) = ⎜ . .. . . .. ⎟
⎝ .. . . . ⎠
A1n A2n . . . Ann
Solución: ⎛ ⎞
6 3 2 −1
− 2 −1
⎜ −4 0 −4 0 3 ⎟ ⎛ ⎞
⎜ 6 ⎟ 12 4 12
⎜ 1 3 3 −1 3 −1 ⎟
Adj(A) = ⎜
⎜ − 2 0
− ⎟=⎝ 6 2 −10 ⎠
⎜ 2 0 1
3 ⎟
⎟
⎝ 1 −16 16 16
6 3
2 3 2 ⎠
2 −4 − 2 −4 1 6
2 −1 3 −1
det(A) = 2 + 4 = 64
6 3 1 3
⎛ ⎞ ⎛ ⎞
12 4 12 3/16 1/16 3/16
1 1 ⎝
A−1 = Adj(A) = 6 2 −10 ⎠ = ⎝ 3/32 1/32 −5/32 ⎠
det(A) 64
−16 16 16 −1/4 1/4 1/4
Sin embargo el encontrar un menor que cumpla las condiciones anteriores puede ser
muy laborioso. Esta búsqueda se puede simplificar si se procede metódicamente:
* descubrir que todos los menores de orden 3 ası́ obtenidos son nulos, en cuyo
caso el rango de A es 2,
* o encontrar un menor de orden 3 no nulo (p.e. det(A3 ) = 0) en cuyo caso
el rango de A será ≥ 3. A partir de aquı́ habrá que orlar a A3 con una fila
y con sucesivas columnas siguiendo el mismo proceso que con A2 , lo que
lleva bien a que el rango es 3 (si todos los menores de orden 4 son nulos),
bien a que el rango es mayor o igual que 4 (cuando se encuentre un menor
de orden 4 no nulo). Siguiendo ası́ se llega a un menor no nulo del mayor
tamaño posible; este tamaño es el rango buscado.
56 Capı́tulo 2. Determinantes
Solución:
1 4
−1 −1 = 0 ⇒ rg(A) ≥ 2
1 4 2 1 4 3
−1 −1 1 = 0, −1 −1 0 = 0 ⇒ la fila 3 4 −2 1 es c.l. de las dos
3 4 −2 3 4 1
primeras.
1 4 2 1 4 3
−1 −1 1 = 0, −1 −1 0 = 0 ⇒ la fila 3 12 6 9 es c.l. de las dos
3 12 6 3 12 9
primeras. Por lo tanto todos los menores de orden 3 de la matriz A son nulos y el
rango de A es 2.
Nota 2.10. En cualquier caso el método que se acaba de describir para la determina-
ción del rango de una matriz es mucho más lento que el método, descrito en el tema
anterior, de obtener una matriz escalonada mediante operaciones elementales en las
filas de la matriz. Esta diferencia en la eficacia de ambos métodos va aumentando con
la dimensión de la matriz A.
n
aij xj = bi (i = 1, 2, ..., n) (2.1)
j=1
o, en forma matricial
Ax = b . (2.2)
Adj(A)
x = A−1 b = b. (2.3)
det(A)
2.6. Referencias bibliográficas 57
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
el capı́tulo 2 de [1], el 4 de [2], el 3 de [10], el 7 del [11] y el 12 de [12].
Para profundizar más en el tema, estudiando los determinantes como un caso par-
ticular de forma multilineal alternada y por lo tanto introduciéndose en el álgebra
tensorial, ver [5], [18] y [35].
2.7. Ejercicios
1. Dada la matriz
⎛ ⎞
−x 1 3 −1 4
⎜ 1 0 1 x 2 ⎟
⎜ ⎟
A=⎜
⎜ 4 −3 −2 0 −2x ⎟
⎟,
⎝ 0 3x 7 −3 2 ⎠
1 1 x x 1
hallar el coeficiente del término x5 que aparece en el cálculo del valor del deter-
minante de A.
Solución: 6
58 Capı́tulo 2. Determinantes
2. Dada la matriz
⎛ ⎞
1 2 0 1
⎜ 3 −1 5 2 ⎟
A=⎜
⎝ 1 −2 3
⎟,
4 ⎠
0 −3 0 −1
se pide:
Solución:
a) 3, -3, 13, 9
b) -3, -3, -13, 9
c) -53
3. Hallar el valor de los siguientes determinantes desarrollando por una fila o co-
lumna
2 0 0 0 2 −3 1 4 3 −1 2 1
0 0 3 0 0 −2 0 0 4 3 1 −2
(a)
(b) (c)
0 −1 0 0 3 7 −1 2 −1 0 2 3
0 0 0 4 4 1 −3 8 6 2 5 2
2 0 0 1 0
1 −1 2 4
0 3 −1 2 1
0 −3 5 6
(d)
(e) 2 4 3 1 −2
1 4 0 3
7 −1 0 2 3
0 5 −6 7 4 6 2 5 2
Solución:
a) 24
b) 80
c) 0
d ) -260
e) -200
4. Sabiendo que
a11 a12 a13
a21 a22 a23 =3
a31 a32 a33
2.7. Ejercicios 59
calcular:
a11 a13 a12 a11 a12 a13
(a) a21 a23 a22 (b) −a21 −a22 −a23
a31 a33 a32 2a31 2a32 2a33
a11 − 2a13 a12 a13 a31 a32 a33
(c) a21 − 2a23 a22 a23
(d) 2a21 − 4a11 2a22 − 4a12 2a23 − 4a13
a31 − 2a33 a32 a33 a11 a12 a13
Solución:
a) -3
b) -6
c) 3
d ) -6
7. Dada la matriz
⎛ ⎞
a b c d
⎜ −b a −d c ⎟
A=⎜
⎝ −c
⎟,
d a −b ⎠
−d −c b a
se pide:
60 Capı́tulo 2. Determinantes
a) calcular AAt .
b) hallar, utilizando el resultado del apartado anterior, el determinante de A.
Solución:
a) 2a3
b) 1 + x1 + x2 + x3 + . . . + xn
n2
−n
c) (−1)( 2 2) (β − α)n−1 [(n − 1)α + β]
Capı́tulo 3
Espacios vectoriales
3.1. Introducción
A menudo, conjuntos de objetos matemáticos como los polinomios o las matrices que
se usan constantemente en las aplicaciones de las matemáticas a la ciencia y a la
ingenierı́a admiten un tratamiento análogo a los vectores estudiados en el capı́tulo
1. Cuando en varios conjuntos distintos aparecen estructuras similares es conveniente
extraer las propiedades comunes y dar un nombre a la estructura resultante (espacio
vectorial en el caso que nos ocupa). La principal ventaja que se obtiene es que estu-
diando esta estructura, quedan estudiadas todas las estructuras particulares que en
ella se encuadran. De este modo los distintos resultados que se deducen de la definición
de espacio vectorial y que se estudiarán (algunos de ellos) en este capı́tulo se pueden
aplicar no solo a los vectores de lRn sino a cualquier conjunto de objetos que cumpla
la definición de espacio vectorial como por ejemplo las matrices y los polinomios.
1. u + (v + w) = (u + v) + w, ∀u, v, w ∈V
61
62 Capı́tulo 3. Espacios vectoriales
2. u + v = v + u, ∀u, v ∈V
3. ∃0 ∈V t.q. u + 0 = u, ∀u ∈V
4. ∀u ∈V ∃ − u ∈ V t.q. u + (−u) = 0
8. ∃1 ∈ lK t.q. 1 · u = u, ∀u ∈V
Nota 3.2. En la mayorı́a de los casos con los que se trabajará en esta asignatura el
cuerpo lK será el cuerpo de los reales. En los casos restantes consideraremos que lK es
C. Por ello si al lector le resulta más sencillo, puede considerar en todo cuanto sigue
que el cuerpo al que nos referimos es alguno de los dos anteriores y todo cuanto se
diga podrá extenderse a otros cuerpos.
El conjunto de todos los polinomios de grado menor o igual que n (Pn (x)) con
las mismas operaciones que en el caso anterior también es un e.v. sobre lR. Sin
embargo el conjunto de todos los polinomios de grado n (P n (x)) también con
las mismas operaciones no es un espacio vectorial.
Nota 3.3. En lo que sigue, y salvo casos en los que puedan existir ambigüedades, el
producto de escalar por vector se representará por λu en vez de λ · u.
3.3. Subespacios vectoriales 63
1. 0u = 0
2. k0 = 0
3. (−1)u = −u
4. Si ku = 0 entonces k = 0 ó u = 0.
Tal como se vio en el último ejemplo del apartado anterior, los conjuntos Pn (x) y P (x)
dotados de las mismas operaciones tienen ambos estructura de e.v.. Como Pn (x) es
además un subconjunto de P (x), se dice que Pn (x) es un subespacio vectorial de P (x).
Es evidente que esto no ocurre para cualquier subconjunto de P (x), por ejemplo P n (x)
no es un subespacio vectorial de P (x).
Nota 3.4. Dado un e.v. V, existen dos subconjuntos de V que trivialmente son s.e.v.
de V :
V,
{0}.
1. El conjunto U = (x, y, z) ∈ lR3 3x − 2y + 4z = 0 es un s.e.v. del espacio lR3
64 Capı́tulo 3. Espacios vectoriales
u ∈ U ⇒ u = ( 23 u2 − 43 u3 , u2 , u3 )
⇒
v ∈ U ⇒ v = ( 23 v2 − 43 v3 , v2 , v3 )
2 4
αu+βv = (αu2 + βv2 ) − (αu3 + βv3 ), αu2 + βv2 , αu3 + βv3
3 3
2 4
= ( λ2 − λ3 , λ2 , λ3 ) ∈ U,
3 3
Ası́ como es posible obtener cualquier color a partir de los tres colores básicos (ama-
rillo, rojo y azul) mezclándolos en distintas proporciones, las operaciones suma de
vectores y producto de escalar por vector definidas en un e.v. V, permiten calcular
nuevos vectores a partir de un cierto número de elementos de V.
Definición 3.3. Sea S = {v1 , v2 , . . . vm } un conjunto de m vectores de un e.v. V y
sea W un s.e.v. de V. Si S ⊂ W y todos los vectores de W se pueden escribir como
combinación lineal de {v1 , v2 , . . . vm } se dice que S = {v1 , v2 , . . . vm } es un sistema
generador de W.
Proposición 3.3. El conjunto de todos los vectores que se pueden expresar como
combinación lineal de los vectores de S tiene estructura de espacio vectorial y recibe
el nombre de subespacio generado (o engendrado) por S. Se representa por
S ó v1 , v2 , . . . vm
1. Dado W2 = (x1 , x2 , x3 ) ∈ lR3 t.q. x1 − x2 = 0 el conjunto de vectores {v =
(1, 1, 0), u = (0, 0, 1)} es un sistema generador de W2 . W2 es el s.e.v. engendrado
por u y v. W2 es el subespacio más pequeño que contiene a u y v.
2. El conjunto de polinomios 1, x, x2 , x3 , x4 , x5 es un sistema generador del s.e.v.
P5 .
3. ¿Es el conjunto {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3)} un sistema genera-
dor de lR3 ? Para contestar a la pregunta hay que determinar si cualquier vector
de lR3 se puede expresar como combinación lineal de v1 , v2 y v3 .
1. S es linealmente independiente,
2. S es un sistema generador de V.
Teorema 3.1. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V, entonces
cualquier vector de V se puede expresar de forma única como combinación lineal de
vectores de B:
n
u= λi vi
i=1
n
u−u=0= (λi − µi )vi ⇒ (debido a que v1 , . . ., vn son lin. indptes.) λi − µi = 0
i=1
(i = 1, . . . , n) ⇒ µi = λi (i = 1, . . . , n).
Definición
n 3.5. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V y
u = i=1 λi vi es la expresión de u en función de la base B, entonces los escalares
λ1 , . . . , λn se llaman coordenadas (o componentes) de v respecto a la base B.
Nota 3.8. Dada una base, B, de V a cada vector de V se le puede asociar uno
y sólo un vector de lKn formado por las n coordenadas de v en la base B, que se
designará por vB .
Nota 3.9. Dos bases que contengan los mismos vectores pero en órdenes distintos
son distintas.
Ejemplo 3.4. Casos particulares de conjuntos de vectores que constituyen bases de
espacios vectoriales.
5. El conjunto {v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4)} es una base de lR3 . Para
comprobar que esta afirmación es cierta basta con demostrar que el sistema
⎫
k1 + 2k2 + 3k3 = u1 ⎬
2k1 + 9k2 + 3k3 = u2
⎭
k1 + 0k2 + 4k3 = u3
es compatible determinado para cualesquiera valores de u1 , u2 y u3 .
68 Capı́tulo 3. Espacios vectoriales
Teorema 3.2. Todas las bases de un espacio vectorial engendrado por un número
finito de vectores tienen el mismo número de elementos.
Definición 3.6. Al número de vectores que forman parte de una base cualquiera de
un espacio vectorial, V (V = {0}), engendrado por un número finito de vectores se le
llama dimensión de V.
Nota 3.10. La dimensión de un espacio vectorial, V, es el número máximo de vectores
linealmente independientes que se pueden extraer de V.
Nota 3.11. La dimensión de un espacio vectorial es el número mı́nimo de vectores
que contiene un sistema generador de V .
Nota 3.12. Los espacios vectoriales engendrados por un número finito de vectores
reciben el nombre de espacios vectoriales de dimensión finita.
Ejemplo 3.5.
1. dim(lRn ) = n
2. dim(Mn,m (lR)) = n · m
3. dim(Pn ) = n + 1
dim(W ) ≤ dim(V ).
Solución:
Los vectores a y b son linealmente independientes. El teorema anterior asegura que
existe otro vector de lR3 (al que llamaremos c) tal que {a, b, c} constituye una base
de lR3 . El vector c, que se puede elegir de muchas maneras, puede ser, en particular,
el vector e2 . (un vector de la base canónica de lR3 linealmente independiente con
respecto a b y a).
Ejemplo introductorio
v =x1 e1 + x2 e2 + x3 e3 = y1 u1 + y2 u2 + y3 u3
⎛ ⎞
a11 a12 a13
donde A = ⎝ a21 a22 a23 ⎠ = u1 u2 u3 {e } recibe el nombre de matriz
i
a31 a32 a33
de cambio de base (de la base B a la base B). Obsérvese que las columnas de A son
las coordenadas de los vectores ui en la base ei .
Teorema 3.4. Sean B = {e1 , . . . , en } y B = {u1 , . . . , un } dos bases de un espacio
vectorial, V, de dimensión n. Si se conoce la expresión de los vectores de la base B
en función de la base B :
n
ui = aji ej = a1i e1 + . . . + ani en (i = 1, . . . , n),
j=1
⎛ ⎞
a11 . . . a1n
⎜ .. . . .. ⎟
la matriz A = ⎝ . . . ⎠ se llama matriz de cambio de base (de B a B)
an1 . . . ann
y posee las siguientes propiedades:
2. det(A) = 0.
3. Si (x1 , . . . , xn )t y (y1 , . . . , yn )t son las coordenadas de un vector v en las bases
B y B , respectivamente, entonces:
⎛ ⎞ ⎛ ⎞
x1 y1
⎜ .. ⎟ ⎜ . ⎟
⎝ . ⎠ = A ⎝ .. ⎠
xn yn
donde u1 . . . un {ci } es una matriz cuadrada de dimensión n cuyas columnas
son las coordenadas de los vectores ui en función
de una cierta
base ci . Si se hace
coincidir ci con ei , e1 . . . en {ei } = In y u1 . . . un {ei } = A.
Ejemplo 3.7. Se conoce la relación entre dos bases de un lR- espacio vectorial de
dimensión 3
u1 = −3e1 +0e2 +e3
u2 = −3e1 +2e2 −e3
u3 = e1 +6e2 −e3
Por tanto,
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞
y1 −3 −3 1 4
⎝ y2 ⎠ = ⎝ 0 2 6 ⎠ ⎝ 1 ⎠
y3 1 −1 −1 −1
⎛ ⎞⎛ ⎞ ⎛ ⎞
−1/8 1/8 5/8 4 −1
= ⎝ −3/16 −1/16 −9/16 ⎠ ⎝ 1 ⎠ = ⎝ −1/4 ⎠ .
1/16 3/16 3/16 −1 1/4
Es decir, v = − u1 − 14 u2 + 14 u3 .
Ejemplo 3.8. Considérense las bases B = {e1 , e2 , e3 } y B = {u1 , u2 , u3 } cuyas
coordenadas respecto de una base B = {w1 , w2 , w3 } son las siguientes:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
3 1 −1
e 1 = ⎝ 1 ⎠ , e2 = ⎝ 1 ⎠ , e3 = ⎝ 0 ⎠
−5 −3 2
72 Capı́tulo 3. Espacios vectoriales
⎛⎞ ⎛ ⎞ ⎛ ⎞
2 2 1
u1 = ⎝ 1 ⎠ , u2 = ⎝ −1 ⎠ , u3 = ⎝ 2 ⎠ ,
1 1 1
se pide:
Solución:
⎛ ⎞−1 ⎛ ⎞
2 2 1 3 1 −1
A = A−1
2 A1 = ⎝ 1 −1 2 ⎠ ⎝ 1 1 0 ⎠
1 1 1 −5 −3 2
⎛ ⎞
35/2 19/2 −13/2
= ⎝ −19/2 −11/2 7/2 ⎠ .
−13 −7 5
2.
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞
−5 3 1 −1 −5 −7/2
v{ei } = A−1
1
⎝ 8 ⎠ = ⎝ 1 1 0 ⎠ ⎝ 8 ⎠ = ⎝ 23/2 ⎠ ,
−5 −5 −3 2 −5 6
y para expresar v en la base {ui } podemos usar v{ei } hallado arriba y aplicar
la matriz de cambio de base de B a B (matriz A):
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
−7/2 35/2 19/2 −13/2 −7/2 9
v{ui } = A ⎝ 23/2 ⎠ = ⎝ −19/2 −11/2 7/2 ⎠ ⎝ 23/2 ⎠ = ⎝ −9 ⎠ .
6 −13 −7 5 6 −5
Por tanto, v{ui } = (9, −9, 5)t .
3.6. Ecuaciones paramétricas y ecuaciones implı́citas de un subespacio vectorial 73
Ecuaciones paramétricas
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 u11 u12 u1p
⎜ .. ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ . ⎠ = t1 ⎝ ... ⎠ + t2 ⎝ ..
. ⎠ + . . . + tp ⎝ ..
. ⎠ ⇒
xn {e un1 {e } un2 {e } unp {e
i} i i i}
⎫
x1 = t1 u11 + t2 u12 + . . . + tp u1p ⎪⎪
⎪
x2 = t1 u21 + t2 u22 + . . . + tp u2p ⎬
.. (1)
. ⎪
⎪
⎪
⎭
xn = t1 un1 + t2 un2 + . . . + tp unp
Ecuaciones implı́citas
U1 + U2 = {u1 + u2 u1 ∈ U1 , u2 ∈ U2 }
Ejemplo 3.11. En el e.v. lR4 se consideran los subespacios U1 = {(α, β, 0, 0)α, β ∈ lR}
y U2 = {(0, λ, µ, 0)λ, µ ∈ lR}. Entonces:
∀u1 ∈ U1 y ∀u2 ∈ U2 , u1 + u2 = 0 ⇒ u1 = u2 = 0
⎛ ⎞
U1 y U2 son suplementarios en V
B = B1 ∪ B2
1. ⎝ B1 es una base de U1 ⎠⇒ .
es una base de V
B2 es una base de U2
2. U1 y U2 son suplementarios en V ⇒ dim U1 + dim U2 = dim V .
⎛ ⎞ ⎛ ⎞
B = {e1 , . . . , es , es+1 , . . . , en } base de V U1 y U2 son
3. ⎝ U1 = e1 , . . . , es ⎠ ⇒ ⎝ suplementarios ⎠.
U2 = es+1 , . . . , en en V
4. Todos los s.e.v. de V tienen algún s.e.v. suplementario en V .
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 3 y 4 de [1], el capı́tulo 5 de [2], el 4 de [10], el 5 del [11], el 4 de [12] y
el 5 de [7].
3.9. Ejercicios
1. Comprobar que el conjunto C(lR, lR), de las funciones continuas de lR en lR, es
un espacio vectorial real respecto de las operaciones usuales (suma de funciones
y producto de escalar por función).
2. Se consideran las siguientes funciones de C(lR, lR) : {sen(x), 1, x, x2 , . . . , xn },
estudiar si la primera de ellas es una combinación lineal de las demás.
Solución: No es una combinación lineal.
3. Indicar si los siguientes subconjuntos son o no subespacios vectoriales de los
espacios vectoriales que se indican en cada apartado:
3.9. Ejercicios 77
Solución:
a) Si
b) No
c) No
d ) Si
e) No
f ) No
4. Escribir el vector u = (1, 3)t ∈ lR2 como combinación lineal de los vectores de
lR2
Nota: se supondrá que todos los vectores que aparecen en el enunciado están
referidos a la misma base de lR2
Solución:
5. Escribir, si es posible, el vector u = (1, −1, 4)t ∈ lR3 como combinación lineal
de los siguientes vectores de lR3 .
Nota: se supondrá que todos los vectores que aparecen en el enunciado están
referidos a la misma base de lR3 .
Solución:
78 Capı́tulo 3. Espacios vectoriales
Solución:
(b) x1 = a − b − c + d, x2 = −a + b + c, x3 = a − c, x4 = c
7. Estudiar si son base de lR3 los siguientes conjuntos de vectores (todos ellos
referidos a la base canónica de lR3 ):
Solución:
9. Dados los vectores a1 = (1, 2, 0, 0)t , a2 = (1, 2, 3, 4)t y a3 = (3, 6, 0, 0)t de lR4 ,
se pide:
Nota: los tres vectores del enunciado están referidos a la base canónica de lR4 .
Solución:
Solución:
b) v = − 53 (−1, 0, 1)t{ei } − 1
3 (−1, 3, −2)t{ei } = (− 53 , − 13 )tBW
c) v = ( 23 , − 53 , 23 )tB
80 Capı́tulo 3. Espacios vectoriales
Solución:
a) W1 +W2 = lR4 ; W1 +W3 = (x, y, z, t) ∈ lR4 y = 2x − 2z + t ; W2 +W3 =
lR4
b) W1 ∩ W2 = {(x, y, z, t) ∈ lR4 2x = y, 2z = t, x + y + z + t = 0}; W1 ∩ W3 =
{0} ; W2 ∩ W3 = {0}
c) W1 y W2 no son subespacios suplementarios. W2 y W3 si son subespacios
suplementarios.
3.9. Ejercicios 81
13. La red cristalina del titanio tiene estructura hexagonal. Los vectores
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2,6 0 0
u1 = ⎝ −1,5 ⎠ , u2 = ⎝ 3 ⎠ , u3 = ⎝ 0 ⎠
0 0 4,8
forman una base para la celda unitaria, en donde las coordenadas de los tres
vectores están referidas a la base canónica de lR3 y representan distancias en Å
(1Å = 10−8 cm). En aleaciones de titanio puede haber algunos átomos adicio-
nales en la celda unitaria en los sitios octaédricos y tetraédricos (ası́ llamados
por los objetos geométricos que forman los átomos en esos lugares). Una de las
posiciones octaédricas es ⎛ ⎞
1/2
a0 = ⎝ 1/4 ⎠ ,
1/6
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canónica de lR3 .
Solución: a0 = (1,3, 0, 0,8)t{ei } .
14. Siguiendo con la red cristalina del titanio y sabiendo que una de las posiciones
tetraédricas es ⎛ ⎞
1/2
at = ⎝ 1/2 ⎠ ,
1/3
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canónica de lR3 .
Solución: at = (1,3, 0,75, 1,6)t{ei } .
Capı́tulo 4
Aplicaciones lineales
4.1. Introducción
83
84 Capı́tulo 4. Aplicaciones lineales
antecedente de f (x))
f : A→B
x → y = f (x)
Nota 4.3. Al conjunto de todas las aplicaciones que se pueden definir entre A y B
se le denota por F(A,B).
Definición 4.2. Dados dos lK−espacios vectoriales V y W se dice que una aplicación
f de V en W es un homomorfismo o aplicación lineal si ∀u, v ∈V y ∀λ, µ ∈ lK
f (u + v) =f (u) + f (v)
f (λu+µv) =λf (u) + µf (v) o, lo que es lo mismo,
f (λu) = λf (u)
1. La aplicación f : lR3 → lR2 definida mediante f ((x, y, z)t ) = (2x − y + 4z, −3x +
5y + 6z)t es una aplicación lineal de lR3 en lR2 .
f: lRn → lRm
n
n
x = (x1 , . . . xn )t → f ((x1 , . . . xn )t ) = ( a1i xi , . . . ami xi )t
i=1 i=1
n
y1 = a1i xi
i=1 ⎛ ⎞ ⎛ ⎞⎛ ⎞
n
y1 a11 ... a1n x1
y2 = a2i xi ⎜ ⎟ ⎜ ⎟⎜
⇔ ⎝ ... ⎠ = ⎝ .. .. .. .. ⎟
i=1
. . . ⎠⎝ . ⎠
..
. ym am1 ... amn xn
n
ym = ami xi
i=1
m
f (ej ) = aij ui j = 1, . . . , n ,
i=1
dicho de otro modo: Las columnas de A son las coordenadas de las imágenes
de los vectores de la base {ei } respecto de la base {ui }.
T : lR2 → lR2
v = (x, y)t → T ((x, y)t ) = (x cos θ − y sen θ, x sen θ + y cos θ)t
86 Capı́tulo 4. Aplicaciones lineales
es:
cos θ − sen θ
sen θ cos θ
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
S : lR2 → lR2
v = (x, y)t → S((x, y)t ) = (x, −2x + y)t
es:
1 0
−2 1
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
Proposición 4.1. Sea f : V → W una aplicación lineal entre dos lK-espacios vecto-
riales se verifica:
p
p
1. f ( λi u i ) = λi f (ui ) ∀ui ∈ V, ∀λi ∈ lK, i = 1, . . . , p.
i=1 i=1
En particular f (0) = 0 y f (−u) = − f (u) ∀u ∈V .
2. Si {u1 , . . . , up } es un sistema dependiente de vectores de V, entonces {f (u1 ), . . . ,
f (up )} es un sistema dependiente de vectores de W.
3. Si además g : W → U es otra aplicación lineal (siendo U otro lK-espacio vecto-
rial), la composición g ◦ f : V → U también es una aplicación lineal.
Ejemplo 4.3. Para aclarar los conceptos introducidos en la proposición 4.2 vamos a
calcular la imagen y el núcleo de algunas aplicaciones lineales:
z, y − z, x + y, x − y + 2z)t = w
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
w1 x+z 1 0 1 ⎛ ⎞
⎜ w2 ⎟ ⎜ ⎟ ⎜ 0 ⎟ x
⎜ ⎟ ⎜ y − z ⎟=⎜ 1 −1 ⎟⎝ y ⎠
⎝ w3 ⎠ = ⎝ x+y ⎠ ⎝ 1 1 0 ⎠
z
w4 x − y + 2z 1 −1 2
3. Sea g : lR3 → lR2 la aplicación lineal definida por g(v) = g((x, y, z)t ) = (−4x +
7y + 8z, −40x + 70y + 80z)t = w
⎛ ⎞
x
w1 −4x + 7y + 8z −4 7 8 ⎝
= = y ⎠
w2 −40x + 70y + 80z −40 70 80
z
4.3. Núcleo, imagen y rango de una aplicación lineal 89
e1 = (1, 0, 0)t , e2 = (0, 1, 0)t y e3 = (0, 0, 1)t forman un sistema generador de lR3
y por lo tanto g(e1 ) = (−4, −40)t , g(e2 ) = (7, 70)t y g(e3 ) = (8, 80)t constituyen
un sistema generador de Im(g). Im(g) =< (−4, −40)t , (7, 70)t , (8, 80)t > =
< (−4, −40)t > = {w ∈lR2 w = (α, 10α); α ∈ lR}.
En cuanto al núcleo de g :
−4x + 7y + 8z = 0
ker(g) = ⇔ −4x + 7y + 8z = 0 ,
−40x + 70y + 80z = 0
con lo que ker(g) = v ∈lR3 v = ( 74 λ + 2µ, λ, µ)t , λ, µ ∈ lR y por lo tanto
10 10
8 8
10 6 10 10 6 10
8 4 8 8 4 8
6 6 6 6
4 2 4 4 2 4
2 2 2 2
2 2 2 2
4 4 4 4 4 4
6 6 6 6 6 6
8 8 8 8
10 8 10 10 8 10
10 10
Figura 4.3: A la izquierda nube aleatoria de puntos. A la derecha plano formado por
los puntos cuyos vectores de posición pertenecen al núcleo de g.
1500
1000
500
500
1000
Figura 4.4: Recta formada por los puntos cuyos vectores de posición constituyen la
imagen de g.
Resumiendo:
⎛ ⎞ ⎛ ⎞
w1 1 0 1 ⎛ ⎞ → 1a comp. de f (v)
⎜ w2 ⎟ ⎜ 0 v
⎜ ⎟=⎜ 1 −1 ⎟ 1
⎟ ⎝ v2 ⎠ → 2a
a
comp. de f (v)
⎝ w3 ⎠ ⎝ 1 1 0 ⎠ → 3 comp. de f (v)
v3
w4 1 −1 2 → 4a comp. de f (v)
f (e1 ) f (e2 ) f (e3 )
Ejemplo 4.4. Hallar una base del núcleo y de la imagen de una aplicación lineal
f : lR4 → lR3 , conociendo las imágenes por f de una base de lR4 : f (e1 ) = (1, −1, 2)t ,
f (e2 ) = (2, 1, 1)t , f (e3 ) = (4, −1, 5)t , f (e4 ) = (−1, −5, 4)t .
4.4. Isomorfismos
Proposición 4.3. Sea f : V → W una aplicación lineal entre lK− espacios vectoria-
les. Se verifica:
Nota 4.7. El conjunto de todas las aplicaciones lineales que se pueden definir entre
dos lK- espacios vectoriales V y W tiene estructura de espacio vectorial respecto a la
l.c.i. suma de aplicaciones
(f + g)(x) = f (x) + g(x)
Teorema 4.1. Sea f : V → W una aplicación lineal entre dos lK− espacios vec-
toriales cuya matriz asociada con respecto a las bases B = {e1 , . . . , en } y B =
{u1 , . . . , um } de V y W respectivamente es A = (aij )m×n . Si B = {e1 , . . . , en }
y B = {u1 , . . . , um } son dos nuevas bases de V y W respectivamente y se denota por
A = (aij )m×n la matriz asociada a f respecto a estas dos nuevas bases se verifica:
A = Q−1 AP
donde:
Q = (u1 , . . . , um ){ui } es la matriz de cambio de base de B a B
P = (e1 , . . . , en ){ei } es la matriz de cambio de base de B a B
Ejemplo 4.6. Sea f : lR3 → lR2 la aplicación lineal que respecto de las bases canóni-
cas {e1 , e2 , e3 } de lR3 y {e1 , e2 } de lR2 tiene por ecuaciones
⎛ ⎞
x1
y1 3 0 −2 ⎝
= x2 ⎠
y2 −1 4 5
x3
Solución: ⎛ ⎞
x1
y1 − 35
2 − 39
2 −6 ⎝ x2 ⎠
=
y2 19 19
4
2 2 x3
Corolario 4.2. Si f : V → V es un endomorfismo definido sobre un lK−espacio
vectorial V, A es la matriz del endomorfismo en la base B, A es la matriz del endo-
morfismo en otra base B y P es la matriz de cambio de base de B a B, se verifica
que:
A = P −1 AP
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 7 de [1], el 6 de [2], el 4 de [10], los capı́tulos 9 y 10 de [11] y el capı́tulo 5
de [12].
4.7. Ejercicios
1. Indicar si las siguientes aplicaciones son aplicaciones lineales o no
Solución:
a) Lineal
b) Lineal
c) No lineal
d ) Lineal
4.7. Ejercicios 95
e) No lineal
f ) Lineal
Solución:
⎛ ⎞
p1
M1 p1 + 2p2 + p3
a) = f ⎝ p2 ⎠ =
M2 3p1 + p2 + 2p3
p3
b) Sı́ es una aplicación lineal.
Se pide:
Solución:
96 Capı́tulo 4. Aplicaciones lineales
Solución:
1 0 0
a)
− 12 3
2
1
2
b) f (V ) = x ∈ lR2 / 2x1 − x2 = 0
$
y1 = 2α
c) f (V ) = y ∈ lR2
, α ∈ lR en donde y1 e y2 son las coorde-
y2 = − 12 α
nadas de un vector de lR en la base B.
2
Solución:
⎛ ⎞
2 2 1
⎜ 0 −1 0 ⎟
a) ⎜
⎝ 1
⎟
⎠
1 1
0 0 0
4.7. Ejercicios 97
b) Im(f ) = {x ∈ W / x4 = 0}
c) ker(f ) = {0}
Solución:
a) V
98 Capı́tulo 4. Aplicaciones lineales
b) V
c) F
d) V
e) F
f) F
g) V
e) dada una nueva base de V, B = {e1 , e2 , e3 } en donde e1 = e1 , e2 = e1 +e2
y e3 = e1 + e3 , calcular la nueva matriz asociada a f en las bases B y B ∗ ,
f ) si en W se realiza el cambio de coordenadas: x1 = x1 + x2 − x3 , x2 =
x1 − x2 y x3 = x3 calcular la nueva matriz asociada a f en las bases B y
B ♣ (en donde B ♣ es la base respecto a la cual las coordenadas de x son
(x1 , x2 , x3 )t ),
g) obtener la matriz de f cuando se realizan los dos cambios.
Solución:
⎛ ⎞
1 0 1
a) ⎝ −1 1 0 ⎠
0 0 0
b) dim(Im(f )) = 2
& '
t
c) Base de ker(f ) = (1, 1, −1)
$
x2 = 0
d ) f (S) = x ∈ W
x3 = 0
⎛ ⎞
1 −1 0
e) ⎝ −1 2 1 ⎠
0 0 0
4.7. Ejercicios 99
⎛ ⎞
0 1 1
f) ⎝ 2 −1 1 ⎠
0 0 0
⎛ ⎞
0 1 1
g) ⎝ 2 −3 −1 ⎠
0 0 0
10. Dado el endomorfismo del espacio vectorial lR4 definido de la siguiente forma:
Se pide:
Solución:
⎛ ⎞
1/3 1/3 1/3 0
⎜ 1/3 1/3 1/3 0 ⎟
⎜
a) ⎝ ⎟
1/3 1/3 1/3 0 ⎠
0 0 0 1
⎧ ⎫
⎪
⎪ % x=0 ⎪
⎪
⎨ ⎬
y=0
b) f (V ) = (x, y, z, t) ∈ lR
t 4
⎪
⎪ z=0 ⎪
⎪
⎩ ⎭
t=0
⎛ ⎞
1 2/3 1/3 0
⎜ 0 0 0 0 ⎟
c) ⎜
⎝ 0
⎟
0 0 0 ⎠
0 1/3 2/3 1
11. Sea h : lRn → lRn una aplicación lineal definida por la relación
Solución:
12. Determinar si las siguientes aplicaciones lineales de M2,2 (lK) en M2,2 (lK) son
isomorfismos. Si lo son, determinar el isomorfismo inverso
a b a 0
a) f =
c d 0 a
a b a c
b) g =
c d b d
a b d −b
c) h =
c d −c a
Solución:
a) f no es un isomorfismo.
4.7. Ejercicios 101
−1 a b a c
b) g es un isomorfismo. g =
c d b d
−1 a b d −b
c) h es un isomorfismo. h =
c d −c a
Para cada uno de los dos reactivos de la izquierda y los cuatro productos de la
derecha se pide construir un vector de lR5 que enumere el número de “átomos
por molécula” de plomo (Pb), de nitrógeno (N), de cromo (Cr), de manganeso
(Mn) y de oxı́geno (O). Por ejemplo el vector para el permanganato de cromo
(CrMn2 O8 ) será
t
(0, 0, 1, 2, 8)
Espacio euclı́deo
5.1. Introducción
que verifique:
1. x · y = y · x ∀x, y ∈E (simetrı́a),
2. x · x > 0 ∀x ∈E (x = 0) (positividad),
103
104 Capı́tulo 5. Espacio euclı́deo
productos escalares, en este tercer ejemplo la comprobación es un poco más difı́cil, sobre todo en lo
que respecta a la demostración de la positividad del producto escalar. Remitimos al lector interesado
en demostrarla a la siguiente definición y a las notas 5.1 y 5.2
5.1. Introducción 105
1. En el caso 1 del ejemplo 5.1 la matriz de Gram del producto escalar es:
⎛ ⎞ ⎛ ⎞⎛ ⎞
1 0 0 1 0 0 y1
I3 = ⎝ 0 1 0 ⎠ , por lo tanto x · y = (x1 , x2 , x3 ) ⎝ 0 1 0 ⎠ ⎝ y2 ⎠
0 0 1 0 0 1 y3
3. En el caso 3 del ejemplo 5.1 la matriz de Gram del producto escalar es:
⎛ ⎞
1 1 1
e · e = 1, e1 · e2 = 1, e1 · e3 = 1
G=⎝ 1 2 2 ⎠. 1 1
e2 · e2 = 2, e2 · e3 = 2, e3 · e3 = 3
1 2 3
106 Capı́tulo 5. Espacio euclı́deo
entonces
G = P t GP
1. x ≥ 0 ∀x ∈E
2. x = 0 Ssi x = 0
Proposición 5.8. La distancia entre dos vectores de un espacio euclı́deo verifica las
cuatro propiedades siguientes:
2. d(x, x) =0, ∀x ∈E
x·y
Definición 5.7. Dados x, y ∈E, el escalar xy representa el coseno del ángulo
que forman los vectores x e y,
x·y
cos(x, y) =
x y
Nota 5.4. Obsérvese que debido a la desigualdad de Schwarz se asegura que cos(x, y) ∈
[−1, 1].
Ejemplo 5.4. En el espacio euclı́deo formado por lR3 y el producto escalar
⎛ ⎞⎛ ⎞
2 −2 0 y1
x · y = x1 x2 x3 ⎝ −2 3 1 ⎠ ⎝ y2 ⎠
0 1 2 y3
Solución:
) ⎛ ⎞⎛ ⎞
*
* 2 −2 0 1 √
*
a = + 1 2 1 ⎝ −2 3 1 ⎠ ⎝ 2 ⎠ = 12,
0 1 2 1
) ⎛ ⎞⎛ ⎞
*
* 2 −2 0 1
*
b = + 1 1 0 ⎝ −2 3 1 ⎠⎝ 1 ⎠ = 1
0 1 2 0
⎛ ⎞⎛ ⎞ ⎛ ⎞
2 −2 0 1 1
a·b = 1 2 1 ⎝ −2 3 1 ⎠ ⎝ 1 ⎠ = −2 5 4 ⎝ 1 ⎠=3
0 1 2 0 0
√
a·b 3 3 1
cos(a, b) = =√ = ⇒ angulo(a, b) = π radianes
a b 12 2 6
) ⎛ ⎞⎛ ⎞
*
, , * 2 −2 0 0 √
*
d(a, b) = a − b = ,(0, 1, 1)t , = + 0 1 1 ⎝ −2 3 1 ⎠⎝ 1 ⎠= 7
0 1 2 1
1. {ai } es ortogonal,
2. ai = 1, i = 1, . . . , n.
Nota 5.6. Las dos propiedades que caracterizan una base ortonormal se pueden
resumir en una sola: ai · aj = δ ij , i, j = 1, . . . , n.
Nota 5.7. Si {ai } es una base ortonormal de un espacio euclı́deo E, la expresión del
producto escalar en dicha base será:
⎛ ⎞⎛ ⎞
1 0 ... 0 y1
⎜ 0 1 . . . 0 ⎟ ⎜ y2 ⎟
⎜ ⎟⎜ ⎟
x · y = (x1 , x2 . . . , xn ) ⎜ . . .
⎝ .. .. . . ... ⎟ ⎜ . ⎟
⎠ ⎝ .. ⎠
0 0 ... 1 yn
y la norma de un vector x ∈ E,
)
* n
*
x = + x2 i
i=1
V es ortogonal a W ⇔ ai · uj = 0, i = 1, . . . , p; j = 1, . . . , q
W ⊥ = {x ∈Ex · ai = 0, i = 1, . . . , p}
en donde w1 ∈ W y w2 ∈ W ⊥ .
p
Pr |W v = (v · c1 )c1 + . . . + (v · cp )cp = (v · ci )ci
i=1
Ejemplo introductorio
112 Capı́tulo 5. Espacio euclı́deo
Supóngase el espacio euclı́deo formado por el espacio vectorial lR3 y el producto escalar
referido a la base {e1 , e2 , e3 }. Determı́nese una base ortonormal del espacio euclı́deo
anterior.
Se parte de una base cualquiera de lR3 , por ejemplo (la más sencilla) {e1 , e2 , e3 } y se
realizan los siguientes pasos:
1. Se divide uno de los vectores de la base, por ejemplo e1 , por su norma, obte-
niéndose un vector unitario que será el primer vector de la nueva base: c1 =
e1 √1 (1, 0, 0)t
e1 = 2 {ei } .
x1
1. y1 = x1
De esta forma se asegura que y1 es unitario y que y1 = x1 .
2. y2 = zz22 ; z2 = x2 − Pr y1
x2 = x2 − (x2 · y1 )y1
De esta forma se asegura que:
z2 = 0 debido a que x2 ∈ / x1 = y1 .
{y1 , y2 } es ortonormal debido a que z2 es ortogonal a y1 y la norma de y2
es uno.
{y1 , y2 } es linealmente independiente debido a que todo conjunto ortogonal
de vectores no nulos es linealmente independiente.
y1 , y2 = x1 , x2 debido a que y1 es combinación lineal de x1 e y2 lo es
de x1 y x2 .
..
.
k+1. Supóngase calculados y1 , . . . , yk (k ≤ p − 1) tal que {y1 , . . . , yk } sea un sistema
ortonormal y que x1 , . . . , xk = y1 , . . . , yk .
Para construir el siguiente vector se hará:
y ,...,y
xk+1 = xk+1 − (xk+1 · yi )yi
k
yk+1 = zzk+1
k+1 ; z k+1 = xk+1 − Pr 1 k
i=1
De esta forma se asegura que:
zk+1 = 0 debido a que xk+1 ∈ / x1 , . . . , xk = y1 , . . . , yk .
zk+1 es ortogonal a {y1 , . . . , yk } ya que zk+1 · yj = 0, j = 1, . . . , k.
{y1 , . . . , yk+1 } es un sistema ortonormal por ser zk+1 ortogonal a {y1 , . . . , yk }
y por ser yk+1 unitario.
x1 , . . . , xk+1 = y1 , . . . , yk+1 debido a que yk+1 es combinación lineal
de {y1 , . . . , yk , xk+1 } y por lo tanto de {x1 , . . . , xk+1 }.
Solución:
1.
2 1 1 1 1 2
u×v = e −
1 e +
1 e
1 2 1
2 2
1 3
= (4 − 1)e1 − (2 − 1)e2 + (1 − 2)e3 = (3, −1, −1)t{ei }
2.
1 0 2
[w, u, v] = w · (u × v) = 1 2 1 =1
1 1 2
3. u × (v + w) = u × v + u × w; (v + w) × u = v × u + w × u.
5. u × v es ortogonal a u y a v.
Nota 5.19. La norma del producto vectorial de dos vectores de E representa el área
del paralelogramo que se construirı́a colocando ambos vectores con un mismo origen
y trazando por el extremo de cada vector una paralela al otro vector.
Nota 5.20. El valor absoluto del producto mixto de tres vectores de lR3 representa
el volumen del paralelepı́pedo que se construirı́a colocando los vectores con un mismo
origen y trazando el resto de las aristas mediante paralelas a dichos vectores.
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 5 y 8 de [1], los capı́tulos 4 y 5 de [5], el capı́tulo 8 de [2], el 6 de [10], el
6 del [11] y el capı́tulo 8 de [12].
5.7. Ejercicios
1. Dados dos polinomios pertenecientes a P2 , p(x) = a0 + a1 x + a2 x2 y q(x) =
b0 + b1 x + b2 x2 , se define el producto escalar de p por q como:
Se pide:
Solución:
a) f (x) · g(x) = 6
√
b) f (x) = 10 y g(x) = 2
c) cos(f,.g) = √3
10
√
d ) d(f (x), g(x)) = 2
Solución:
Solución:
a) F ⊥ = b1 = (1, 0, 0)t{ei } , b2 = (0, 1, 0)t{ei } ,
& '
Base ortonormal de F ⊥ : c1 = √12 (1, 0, 0)t{ei } , c2 = (1, 1, 0)t{ei } ,
3 Existen infinitas bases ortonormales, por lo tanto esta no es la única solución correcta
5.7. Ejercicios 117
b) Pr |F ⊥ x =(4, 3, 0)t{ei }
c) Base ortonormal de E : {c1 , c2 , c3 } con c3 = (−1, −1, 1)t{ei } ,
√
Pr |F ⊥ x = ( 2, 3, 0)t{ci } =(4, 3, 0)t{ei }
v1 · v2 = 0, v1 · v1 = 1, v2 · v2 = 1, v3 · v3 = 2
⊥
y además 2v2 − v3 ∈ v1 , v3 . Se pide:
Solución:
⎛ ⎞
1 0 0
a) G = ⎝ 0 1 1 ⎠
0 1 2
b) Base ortonormal: {c1 = v1 , c2 = v2 , c3 = −v2 + v3 }.
c) Ángulo formado por los vectores v2 y v3 = π
4, ángulo que forman v1 − v2
y v1 + v2 = π2 .
√
d ) w = (1, 2, −1)t{ci } . Independientemente de la base elegida w = 6.
x · y = x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x2 y1 − x1 y3 − x3 y1 − x3 y2 − x2 y3 .
Hallar un vector a ∈V que forme ángulos iguales con los vectores de la base
dada.
Solución:
Todos los vectores que pertenecen al subespacio
118 Capı́tulo 5. Espacio euclı́deo
& √ √ '
a ∈ V a1 = −3λ + 3 2λ, a2 = 3λ − 2 2λ, a3 = λ
verifican que forman ángulos iguales con los vectores de la base dada.
6. En un espacio vectorial V de dimensión 3 se considera una cierta base {e1 , e2 , e3 } .
Hallar la matriz de Gram de un producto escalar definido en V del que se sabe
que:
√ √
e1 = 2 y e2 = 3,
el subespacio U = {x1 e1 + x2 e2 + x3 e3 ∈ V x1 + x2 + x3 = 0} es ortogo-
nal al subespacio generado por e1 ,
la proyección ortogonal de e1 + e2 + e3 sobre el subespacio generado por
e2 es 3e2 .
Se pide:
Solución:
a) (a × b) · c = a · (b × c) = b · (c × a).
b) a × (b × c) = (a · c)b − (a · b)c.
Capı́tulo 6
Diagonalización de
endomorfismos
6.1. Introducción
Se quiere determinar cuál es la matriz de este endomorfismo en la base {e1 , e2 }, siendo
e1 = e1 + 2e2 y e2 = 2e1 + 3e2 .
−3 2 6 −2 1 2 2 0
A = =
2 −1 6 −1 2 3 0 3
Se observa que la expresión de f en la base {e1 , e2 } es mucho más sencilla que en la
base {e1 , e2 }.
121
122 Capı́tulo 6. Diagonalización de endomorfismos
Dado un endomorfismo, f, del que se conoce su matriz asociada en una cierta base,
cabe, por lo tanto, preguntarse: ¿es siempre posible encontrar un cambio de base
de manera que la matriz asociada a f en la nueva base sea diagonal? Otra forma
equivalente de plantear la misma pregunta: dada una matriz cuadrada A, ¿es siempre
posible encontrar una matriz diagonal semejante?.
∀x ∈ lR2 h(x) =kx. Todos los vectores de lR2 son vectores propios asociados al
único valor propio k,
6.2. Valores y vectores propios 123
∀x ∈ lR2 s0 (x) = − x. Todos los vectores de lR2 son vectores propios asociados
al único valor propio −1.
4. Simetrı́a con respecto a la recta x1 = x2 : sr ((x1 , x2 )t ) = (x2 , x1 )t
y1 0 1 x1
y =sr (x) ⇔ =
y2 1 0 x2
Ejemplo 6.2. ¿Cómo se transforman, según los endomorfismos anteriores, los vecto-
res de los subespacios W1 = {x ∈lR2 x1 = x2 } y W2 = {x ∈lR2 x1 = 2x2 }?
Solución:
1. h(W1 ) = W1 y h(W2 ) = W2
2. g(W1 ) = W1 y g(W2 ) = W2
3. s0 (W1 ) = W1 y s0 (W2 ) = W2
4. sr (W1 ) = W1 y sr (W2 ) = W2
1. λ ∈ lK es un valor propio de A.
3. |A − λI| = 0.
Nota 6.2. De la última proposición se deduce que los valores propios de una matriz
se obtienen hallando las raı́ces de un polinomio (el polinomio caracterı́stico) de grado
igual a la dimensión de la matriz. El teorema fundamental del álgebra establece que
un polinomio de grado n con coeficientes y variables complejas tiene n raı́ces en el
6.3. Diagonalización 125
6.3. Diagonalización
2 las
1raı́ces no tienen por qué ser distintas, se pueden repetir. Sin embargo, se debe verificar
p
m = n, donde m es el número de veces que se repite la raı́z r y p es el número de raı́ces
i i i
i=1
distintas.
126 Capı́tulo 6. Diagonalización de endomorfismos
p
1. mi = n (siempre es cierto si lK = C, pero puede no serlo si lK = lR).
i=1
2. mi = si , i = 1, . . . , p.
Proposición 6.9. Sea A ∈ Mn (lK) una matriz cuyos valores propios son los escalares
λ1 , . . . , λn ∈ lK. Se verifica:
6.5. Referencias bibliográficas 127
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 6 de [1], el 9 de [2], el 5 de [10], el 8 del [11] y el capı́tulo 7 de [12].
Para profundizar más en el tema ver [19], [9], [13], [63], [67] y [66]. Las últimas
referencias están indicadas para estudiar métodos numéricos de cálculo de valores
propios.
6.6. Ejercicios
1. Calcular los autovalores (valores propios) y subespacios propios de las matrices
A y B. ¿Son diagonalizables por semejanza?
⎛ ⎞
1 2 0
a) A = ⎝ −1 3 1 ⎠
0 1 1
⎛ ⎞
5 0 −4
b) B = ⎝ 0 3 0 ⎠
2 0 −1
Solución:
3. Dada una matriz A ∈ Mn,n (lK), se dice que A es una matriz ortogonal si At =
A−1 . Demostrar que si λ es un autovalor de una matriz ortogonal entonces
también lo es λ1 .
4. Considérese la siguiente matriz cuadrada y simétrica :
a b
A= .
b d
Se pide:
Nota: se supondrá que todos los vectores que aparecen en el enunciado están
expresados en la base canónica de lR3 .
Solución:
a) Valores
propios: λ1 = 1 (doble), λ2 =0.
V1 =
(x, y, z)t ∈ lR3 /$x − y − z = 0 ,
x+y =0
V0 = (x, y, z)t ∈ lR3
x+z =0
130 Capı́tulo 6. Diagonalización de endomorfismos
⎛ ⎞ ⎛ ⎞⎛ ⎞
y1 1 0 0 x1
b) f es diagonalizable. f (x) = ⎝ y2 ⎠ = ⎝ 0 1 0 ⎠ ⎝ x2 ⎠ , expresión
y3 0 0 0 x3
de f en la base {(1, 1, 0)t , (1, 0, 1)t , (1, −1, −1)t }, base formada por vectores
propios.
c) El endomorfismo no es inyectivo y en consecuencia tampoco es sobreyecti-
vo.
d ) Los subespacios propios de An son los mismos que los de A.
⎛ 2 1 1
⎞
3 3 3
e) P = ⎝ 1
3
2
3 − 13 ⎠
1
3 − 13 2
3
Capı́tulo 7
7.1. Introducción
A×E → A
(P, v) → Q = P + v
que verifica:
131
132 Capı́tulo 7. El espacio afı́n euclı́deo
Nota 7.1. Se usarán las notaciones P + v =Q, PQ = v ( PQ : vector que tiene por
origen el punto P y por extremo el punto Q) y v =Q − P indistintamente.
Nota 7.2. Téngase en cuenta que en los capı́tulos correspondientes a la parte de
cálculo los puntos se designarán mediante letras minúsculas con raya encima. (p en
vez de P ).
Proposición 7.1. (Principales propiedades de un espacio afı́n euclı́deo)
1. P + v =P ⇔ v = 0,
2. ∀ P, Q ∈ A PQ = −QP,
3. ∀ P, Q, R ∈ A PQ + QR = PR (relación de Chasles),
4. ∀ P, Q, P , Q ∈ A si PQ = P Q entonces PP = QQ .
⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎛ ⎞
x1 a1 a11 ... a1n y1
⎜ x2 ⎟ ⎜ a2 ⎟ ⎜ a21 ... a2n ⎟⎜ y2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ .. ⎟=⎜ .. ⎟+⎜ .. .. .. ⎟⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠ ⎝ . . . ⎠⎝ . ⎠
xn an an1 . . . ann yn
Definición 7.5. Todo subconjunto de A con estructura de espacio afı́n recibe el nom-
bre de variedad lineal (o subespacio afı́n o variedad afı́n).
Teorema 7.1. Si B es una variedad lineal de A entonces B = {P + vP ∈ A y
v ∈F } siendo F un subespacio vectorial de E. Se representa por B = P + F y se dice
que B es la variedad lineal que pasa por P y tiene a F como subespacio de dirección.
7.2. Representación de rectas y planos 133
Obsérvese que al conjunto de puntos se le llama igual que al espacio vectorial porque
a cada punto se le puede asociar una dirección: la del vector que une el origen de
coordenadas con el punto en cuestión. En los ejemplos que se estudian a continuación
será fácil distinguir por el contexto cuando nos estaremos refiriendo al conjunto de
puntos o cuando al espacio vectorial.
Por último indicar que en lo que resta de capı́tulo se supondrá, salvo indicación
contraria, que los sistemas de referencia son ortonormales.
Son las variedades lineales que pasan por un punto y tienen asociado un subespacio
de dirección de dimensión 1 (son por lo tanto variedades lineales de dimensión 1):
Ecuaciones implı́citas:
a1 X1 + a2 X2 + a3 X3 = a4
b1 X1 + b2 X2 + b3 X3 = b4
134 Capı́tulo 7. El espacio afı́n euclı́deo
Los planos son variedades lineales que pasan por un punto y tienen asociado un
subespacio de dirección de dimensión 2 (son variedades lineales de dimensión 2).
X = P + λu+µv (7.1)
Ecuaciones paramétricas:
X1 = P1 + λu1 + µv1
X2 = P2 + λu2 + µv2
X3 = P3 + λu3 + µv3
O, lo que es lo mismo:
aX1 + bX2 + cX3 = d (7.3)
con d = aP1 + bP2 + cP3 . La ecuación implı́cita (7.3) también se puede obtener
directamente a partir de las ecuaciones paramétricas eliminando los parámetros
λ y µ.
Nota 7.4. Un vector, w, que sea ortogonal a todos los vectores directores del plano
(w · u = 0 para todo u perteneciente al subespacio de dirección del plano) recibe el
nombre de vector caracterı́stico del plano.
Nota 7.7. Cada una de las ecuaciones implı́citas de una recta es la ecuación de un
plano. Por ello se puede afirmar que toda recta de A3 es intersección de dos planos.
Nota 7.8. También se puede determinar la posición relativa de dos rectas del siguien-
te modo: supóngase que los vectores directores de las rectas r1 y r2 son respectivamente
u y v, se tienen dos casos,
2. u ∈
/ v (los subespacios de dirección son distintos).
b) Si PQ ∈
/ u, v . O, lo que es lo mismo,
Q1 − P1 Q2 − P2 Q3 − P3
u1 u2 u3 = 0
v2 v2 v3
Si ⎧
⎨ X = X0 + λv1
r1 : Y = Y0 + λv2 y π : aX + bY + cZ = d
⎩
Z = Z0 + λv3
Nota 7.9. Otra forma de estudiar la posición relativa de recta y plano es analizar
las soluciones del sistema:
⎫
a1 X + b1 Y + c1 Z = d1 ⎬
r1 :
a2 X + b2 Y + c2 Z = d2
⎭
π 1 : aX + bY + cZ = d
7.4. Ángulos y distancias 139
u·v
α = r.
1 r2 = arc cos ,
u v
en donde u es un vector director de r1 y v uno de r2 .
Definición 7.9. Ángulo que forman dos planos π 1 y π 2
w1 ·w2
β = π
1 π 2 = arc cos ,
w1 w2
Nota 7.10. Una forma más rápida de calcular la distancia entre punto y recta pero
que no proporciona las coordenadas de Q se deduce multiplicando vectorialmente a
la derecha por u en ambos miembros de la ecuación (7.8):
PX0 × u = (PQ + QX0 ) × u = PQ × u
El punto Q, proyección de P sobre el plano será aquel punto de la recta que verifique
la ecuación del plano,
a(P1 + λa) + b(P2 + λb) + c(P3 + λc) = d
y la distancia buscada,
, , (
d(P, π) = d(P, Q) = PQ = ,(λ∗ a, λ∗ b, λ∗ c)t , = |λ∗ | a2 + b2 + c2
7.4. Ángulos y distancias 141
sustituyendo el valor de λ∗ ,
Definición 7.14. Distancia entre dos rectas r1 y r2 . Se pueden dar tres casos:
2. Si las dos rectas son paralelas, d(r1 , r2 ) = d(P, r2 ) donde P es un punto cual-
quiera de la recta r1 .
3. Si las dos rectas se cruzan, d(r1 , r2 ) = d(P, Q) en donde P y Q son los puntos
de corte de r1 y r2 con la perpendicular común.
Nota 7.11. La perpendicular común de dos rectas que se cruzan es la recta que corta
perpendicularmente a ambas.
r1 : X = X0 + λu, r2 : Y = Y0 + µv
Nota 7.12. Es posible calcular la distancia entre las rectas r1 y r2 sin necesidad
de calcular los pies de la perpendicular común. Utilizando la notación del cálculo
anterior:
PQ = PX0 +X0 Y0 +Y0 Q
142 Capı́tulo 7. El espacio afı́n euclı́deo
y en consecuencia:
|X0 Y0 · (u × v)|
d(r1 , r2 ) = d(P, Q) = PQ = (7.14)
u × v
Nota 7.13. Se puede, también, obtener la ecuación de la perpendicular común sin
necesidad de conocer los pies de la perpendicular. Basta con expresarla como la inter-
sección de los planos π 1 (plano que pasa por X0 y tiene como vectores directores a u
y u × v) y π 2 (plano que pasa por Y0 y tiene como vectores directores a v y u × v):
π 1 : X0 + λu+µ(u × v)
ecuación de la perpendicular común a r1 y r2 .
π 2 : Y0 + αv+β(u × v)
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 11 y 12 de [2], el capı́tulo 3 de [7] y el capı́tulo 2 de [5].
7.6. Ejercicios
1. Sea Ax = b con A ∈ Mn (lR) y x, b ∈ lRn , un sistema compatible de ecuaciones.
c) Dar las ecuaciones del subespacio afı́n S del apartado anterior en el sistema
de referencia R : (P ; e1 + e2 , e2 + e3 , e3 ) con P = (1, 0, 0)t .
Solución:
2. En un cubo de arista a se considera la diagonal D que une los puntos (a, 0, 0)t
y (0, a, a)t y una diagonal d de una de las caras (cara formada por los puntos
(a, 0, 0)t , (a, a, 0)t , (a, a, a)t y (a, 0, a)t ), de tal forma que las rectas d y D se
crucen. Determinar los puntos de corte de la perpendicular común a d y D con
d y D.
Solución:
a a t
t
P = 2a3 , 3, 3 , Q = a, a2 , a2 .
3. Dadas las rectas r : {x = y = z} y s : {x = t + 1, y = t, z = t}, hallar los planos
paralelos al plano que contiene a r y a s y que distan dos unidades del origen.
Solución:
√ √
y − z + 2 2 = 0 y y − z − 2 2 = 0.
4. Sean los planos : bx + 2y + z + 2 − a = 0, ay + z = 0 y 3x + 2y + z − 3 = 0.
Determinar para que valores de a y b forman un triedro (se cortan en un punto)
y obtener el lugar geométrico del vértice del triedro (punto de corte).
Solución:
Forman un triedro para b = 3 y a = 2, el lugar geométrico de los posibles
vértices es el plano 3x + 2y + z − 3 = 0.
Métodos numéricos de
resolución de sistemas de
ecuaciones lineales
8.1. Introducción
En este tema se van a estudiar diversos métodos numéricos para resolver un sistema
lineal de ecuaciones, Ax = b, compatible determinado de n ecuaciones con n incógni-
tas. Los métodos numéricos de resolución de sistemas de ecuaciones lineales se pueden
dividir en dos grupos:
las formas más habituales de codificación consiste en dedicar un conjunto de bits para codificar la
mantisa, otro para codificar el exponente, un bit para el signo y otro para el punto decimal (coma
en español). Las operaciones aritméticas elementales entre números reales codificados de esta forma
se denominan operaciones en coma flotante.
145
146 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
(n + 1)n!(n − 1) multiplicaciones,
(n + 1)(n! − 1) sumas,
n divisiones.
2. Métodos iterativos. Se obtiene la solución del sistema con una cierta precisión
mediante algoritmos convergentes pero infinitos. Algunos de los métodos itera-
tivos más sencillos son:
Método de Jacobi.
Método de Gauss-Seidel.
Método de relajación.
Métodos de tipo gradiente.
Para j = (k + 1), . . . , n
aij ← aij + mik akj
Fin bucle en j
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
bn ← abnn
n
Para i = (n − 1), . . . , 1
sum ← 0
Para k = (i + 1), . . . , n
sum ← sum + aik bk
Fin bucle en k
bi ← (bi −sum)
aii
Fin bucle en i
Fin del algoritmo
148 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
Cuando en el etapa k del paso 1 del algoritmo de Gauss el número akk es muy pequeño
en relación a algún otro elemento de la columna k, por ejemplo el ajk (j > k), se
produce una ampliación de los errores de redondeo que pueden llegar a desvirtuar
por completo la solución. En efecto, en el supuesto anterior mjk = ajk /akk es mucho
mayor que 1 y como los errores de redondeo introducidos en el cálculo de uno de los
términos akl se multiplicarán por mjk cuando se calcula ajl , el error inicial puede
incrementarse fuertemente. Ası́ mismo en la etapa de remonte
n
ak,n+1 − akj
i=k+1
xk = ,
akk
lo cual implica que con un valor pequeño de akk cualquier error del numerador puede
aumentar extraordinariamente por la división entre akk . En el siguiente ejemplo se
ilustra este problema.
que es una aproximación aceptable para x2 = 1,000. Pero debido al pivote pequeño
a11 = 0,003000
59,17 − (59,14)(1,001)
x1 ≈ = −10,00
0,003000
Para j = (k + 1), . . . , n
aij ← aij + mik akj
Fin bucle en j
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
150 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
Paso 2: (REMONTE)
bn ← abnn
n
Para i = (n − 1), . . . , 1
sum ← 0
Para k = (i + 1), . . . , n
sum ← sum + aik bk
Fin bucle en k
bi ← (bi −sum)
aii
Fin bucle en i
Fin del algoritmo
n−1
n−1
n−1
n−1
n(n − 1) 2 3 1
tot2 = 3(n − k)+ 2(n − k)2 = 3 k+2 k2 = 3 + n − n2 + n
2 3 3
k=1 k=1 k=1 k=1
Paso 2
En todo el proceso de remonte se realizan n divisiones. Además para cada etapa k del
remonte se realizan n − k sumas y n − k divisiones. Como se realizan n − 1 etapas se
tiene que el número total de operaciones realizadas en el paso 2 será:
n−1
tot3 = 2 (n − k) + n = n2 − n + n = n2
k=1
8.2. Algoritmos de Gauss y de Gauss-Jordan 151
2 3 1 2 7 2 3 7 2 3
tot = tot2 + tot3 = n + n − n + n2 = n3 + n2 − n ≈ O n
3 2 6 3 2 6 3
Si (k = n) entonces
Para j = (k + 1), . . . , n
aij ← aij + mik akj
Fin bucle en j
Fin condición
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
Para i = n, . . . , 1
bi ← abiii
Fin bucle en i
Fin del algoritmo
Por lo tanto, teniendo en cuenta que se realizan n etapas y que en la última etapa no
se realizan ni sumas ni multiplicaciones en la matriz del sistema, el número total de
operaciones realizadas en el paso 1.2 será:
n−1
2(n − 1)n(n − 1)
tot2 = 3n(n − 1) + 2(n − 1) (n − k) = 3n2 − 3n +
2
k=1
= 3n2 − 3n + n3 − 2n2 + n = n3 + n2 − 2n
Paso 2
8.3. El método LU 153
8.3. El método LU
Teorema 8.1. Si A es una matriz cuadrada no singular, existe al menos una matriz
F tal que F A puede expresarse como el producto de dos matrices LU donde L es una
matriz triangular inferior con sus elementos diagonales iguales a 1 y U es una matriz
triangular superior.
F = F n−1 F n−2 . . . F 2 F 1
donde cada matriz F k es la matriz elemental asociada al cambio de filas que se intro-
duce en el paso 1.1 de la etapa k − ésima del método de Gauss. Más concretamente,
si en la etapa k − ésima del primer paso del método se intercambian la fila j − ésima
por la fila i − ésima (con i > j) la matriz F k será:
⎛ ⎞
1 0 ... 0 0 0 ... 0 0 0 ... 0
⎜ 0 1 ... 0 0 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ .. .. .. . . .. .. .. .. .. .. .. ⎟
⎜ . . . .. .. . . . . . . . ⎟
⎜ ⎟
⎜ 0 0 ... 1 0 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 0 ... 0 1 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 1 ... 0 0 0 ... 0 ⎟
⎜ ⎟ ← Fila j
Fk = ⎜ .. .. .. .. ⎟
⎜ . . . ... ... ..
.
.. . .
. .. ..
..
.
..
. . ⎟⎟
⎜
⎜ 0 0 ... 0 0 0 ... 1 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 1 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 0 ... 0 0 1 ... 0 ⎟ ← Fila i
⎜ ⎟
⎜ .. .. .. .. .. .. .. .. .. .. .. . ⎟
⎝ . . . . . . . . . . . .. ⎠
0 0 ... 0 0 0 ... 0 0 0 ... 1
↑ ↑
col. j col. i
en donde los números mij (con i > j) son los que con la misma notación se utilizaron
en el paso 1.2 de la etapa k − ésima del método de Gauss. Para obtener L a partir de
R basta con realizar en la columna k − ésima de R los cambios de filas que se realizan
en el método de Gauss en las etapas (k + 1), . . . , (n − 1).
Solución:
1a etapa (k = 1)
2a etapa (k = 2)
156 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
1 1 ⎜ 0 0 1 0 ⎟ ⎜ 5 −3/2 ⎟
F P F A =⎜
2 ⎟⎜ 0 0 ⎟
⎝ 0 1 0 0 ⎠ ⎝ 0 −2 2 −6 ⎠
0 0 0 1 0 1 1 1
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
=⎜
⎝ 0
⎟
0 5 −3/2 ⎠
0 1 1 1
1
Paso 1.2 : m32 = 0, m42 = 2
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
⎜ 0 1 0 0 ⎟ ⎜ 0 −2 2 −6 ⎟
P 2F 2 P 1F 1A = ⎜
⎝ 0
⎟⎜ ⎟=
0 1 0 ⎠⎝ 0 0 5 −3/2 ⎠
0 1/2 0 1 0 1 1 1
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
⎜ ⎟
⎝ 0 0 5 −3/2 ⎠
0 0 2 −2
3a etapa (k = 3)
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
⎜ 0 1 0 0 ⎟ ⎜ 0 −2 2 −6 ⎟
F 3 P 2F 2 P 1F 1A = ⎜ ⎟⎜ ⎟=
⎝ 0 0 1 0 ⎠⎝ 0 0 5 −3/2 ⎠
0 0 0 1 0 0 2 −2
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
⎜ ⎟
⎝ 0 0 5 −3/2 ⎠
0 0 2 −2
8.3. El método LU 157
Llegados a este punto ya se han obtenido las tres matrices de la factorización LU. En
efecto la matriz triangular superior U será:
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
U =⎜ ⎝ 0
⎟
0 5 −3/2 ⎠
0 0 0 −7/5
La matriz R será: ⎛ ⎞
1 0 0 0
⎜ 1/4 1 0 0 ⎟
R=⎜
⎝ 0
⎟
0 1 0 ⎠
0 −1/2 −2/5 1
Los cambios de filas de la tercera etapa afectarán a los elementos de las columnas 1a
y 2a , pero como en dicha etapa no se intercambiaron filas, la matriz no cambia, por
lo que finalmente: ⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
L=⎜ ⎝ 1/4
⎟
0 1 0 ⎠
0 −1/2 −2/5 1
una vez resuelto por el método LU el primero de ellos y, por lo tanto, conocida
la factorización LU de la matriz A, cada uno de los restantes ns − 1 sistemas se
puede resolver, tras los correspondientes cambios de filas en los vectores b2 , . . . , bns ,
mediante las etapas 3 y 4 antes descritas; necesitando, cada uno de ellos, únicamente
2n2 operaciones para su resolución.
El algoritmo del método LU para resolver ns sistemas de ecuaciones, todos ellos con
la misma matriz del sistema es el siguiente. Los ns términos independientes estas
almacenados en una matriz B de dimensión n × ns
Para j = (k + 1), . . . , n
aij ← aij − aik akj
Fin bucle en j
Fin bucle en i
Fin bucle en k
Paso 2: (RESOLUCIÓN DE LOS ns SISTEMAS)
Para j = 1, . . . , ns
160 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
Observaciones:
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 1 de [1].
Para profundizar más en el tema ver [60], [65], [69], [61] y [63].
8.5. Ejercicios
1. Explı́quese cómo se puede utilizar el método de Gauss-Jordan para el cálculo
de la inversa de una matriz A.
2. Considérese la matriz
⎛ ⎞
2 7/2 1
A = ⎝ 1 −7/4 2 ⎠
4 1 1
La factorización LU con pivote parcial de la matriz A permite expresar el pro-
ducto F A en la forma LU , donde L =matriz triangular inferior, U = matriz
triangular superior y F = matriz de cambio de filas. Se pide determinar estas
tres matrices (L , U y F ).
Solución:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 4 1 1 0 0 1
L = ⎝ 1/2 1 0 ⎠, U = ⎝ 0 3 1/2 ⎠ , F = ⎝ 1 0 0 ⎠
1/4 −2/3 1 0 0 25/12 0 1 0
3. Considérese la matriz ⎛ ⎞
2 2 0 4
⎜ 1 2 1 3 ⎟
A=⎜
⎝ 0
⎟
4 6 12 ⎠
4 7 5 23
Se pide
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−2 −2 1 −4
⎜ −2 ⎟ ⎜ −1 ⎟ ⎜ 1 ⎟ ⎜ −3 ⎟
Ax = ⎜ ⎟ ⎜ ⎟ ⎜
⎝ 0 ⎠ , Ax = ⎝ 4 ⎠ , Ax = ⎝
⎟ y Ax = ⎜ ⎟
0 ⎠ ⎝ −20 ⎠
1 2 1 −35
Solución:
a)
⎛ ⎞ ⎛ ⎞
1 0 0 0 4 7 5 23
⎜ 0 1 0 0 ⎟ ⎜ 0 4 6 12 ⎟
L=⎜
⎝ 1/4
⎟, U =⎜ ⎟,
1/16 1 0 ⎠ ⎝ 0 0 −5/8 −7/2 ⎠
1/2 −3/8 2/5 1 0 0 0 −8/5
⎛ ⎞
0 0 0 1
⎜ 0 0 1 0 ⎟
F =⎜
⎝ 0
⎟
1 0 0 ⎠
1 0 0 0
Lı́mites, continuidad y
diferenciabilidad de funciones
de una variable
9.1. Introducción
En las ciencias experimentales son cruciales los conceptos de función, lı́mite y derivada.
Cuando uno quiere describir un cierto fenómeno lo hace habitualmente en términos
de causa-efecto que, caso de ser cuantificables, conducen naturalmente a la noción
de función. A menudo, tal descripción no sólo conlleva un enunciado del tipo “la
causa A origina el efecto B”, sino que también se desea dar una idea cuantitativa
de cómo varı́a B dependiendo de cómo varı́a A. Esto da lugar a la noción natural
de velocidad de variación. Dependiendo de la magnitud de variación de A tendremos
estimaciones diversas de esa velocidad de variación. La única que es absoluta es la
correspondiente a una variación de A que tiende a cero. Esto conduce a la noción de
velocidad instantánea que corresponde, matemáticamente, a la definición de derivada.
En todas las disciplinas que involucren el uso de funciones, antes o después se intro-
ducirán aproximaciones mediante polinomios de Taylor. El conocimiento de ciertos
hechos que se usan, por ejemplo, en fı́sica, como la aproximación de sen x por x para
x pequeño en un péndulo o las aproximaciones lineales para deformaciones pequeñas
es condición básica para la comprensión de estas disciplinas.
163
164 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
Definición 9.1. Dados dos conjuntos A y B, se llama función definida en A con va-
lores en B a toda aplicación entre A y B (consúltese el tema de aplicaciones lineales).
Definición 9.2. Si f es una función entre A y B, el conjunto A recibe el nombre de
dominio de f o conjunto de definición de f .
Nota 9.1. Si a es un punto del dominio de f , se sigue de la definición de función que
existe un único b ∈ B tal que b = f (a).
Ejemplo 9.1. Casos particulares de funciones.
1. De lR en lR.
A : lR −→ lR
2. De lRn en lR:
3. De lR en lRn
(f g)(x) = f (x)g(x)
f f (x)
( )(x) =
g g(x)
√ √
(f − g)(x) = f (x) − g(x) = (1 + x − 2) − (x − 1) = 2 − x + x−2
166 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
√
(f g)(x) = f (x)g(x) = (1 + x − 2)(x − 1)
√
f f (x) 1+ x−2
( )(x) = =
g g(x) x−1
Más sencillo resulta ver que la propia función f (x) = x1 no tiene lı́mite cuando x
tiende a 0. La idea ahora es observar que para cualquier δ > 0,
1 1
f ((0, δ)) = { : 0 < x < δ} = ( , +∞)
x δ
y esto no puede estar contenido dentro de ningún intervalo (L −
, L +
).
0.5
2 1 0 1 2
x
0.5
Nota 9.8. Sea f una función real definida en al menos un entorno reducido de un
punto a ∈ lR. Se verifica que:
Definición 9.5.
1. Se dice que
lı́m f (x) = L
x→+∞
si para todo ε > 0, existe un M ∈ lR tal que si x > M entonces |f (x) − L| < ε.
168 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
2. Se dice que
lı́m f (x) = L
x→−∞
si para todo ε > 0, existe un M ∈ lR tal que si x < M entonces |f (x) − L| < ε.
3. Se dice que
lı́m f (x) = +∞
x→a
si para todo M ∈ lR, existe un δ > 0 tal que si 0 < |x − a| < δ entonces
f (x) > M .
4. Se dice que
lı́m f (x) = −∞
x→a
si para todo M ∈ lR, existe un δ > 0 tal que si 0 < |x − a| < δ entonces
f (x) < M .
5. Se dice que
lı́m f (x) = +∞
x→+∞
si para todo M ∈ lR, existe un N ∈ lR tal que si x > N entonces f (x) > M .
Análogamente se definen los siguientes lı́mites:
Nota 9.9. Nótese que en todos los casos anteriores, la idea en las definiciones es
considerar que el conjunto (M, +∞) juega el papel de un intervalo “centrado” en
+∞, análogamente, que (−∞, M ) juega el papel de un intervalo “centrado” en −∞.
Nótese también que en los casos (3), (4) y (5) de la definición anterior, el lı́mite de
f en el punto considerado propiamente no existe, ya que para existir deberı́a ser un
número real y +∞ y −∞ no son números reales, sino meras formas de indicar que
algo se hace “tan grande o tan negativamente grande como queramos”. Por ejemplo,
la definición (3) podrı́a leerse:
Existe otra presentación posible de las ideas anteriores, que consiste en dotar de
existencia a las nociones de +∞ y −∞ definiendo el conjunto lR = lR ∪ {−∞, +∞}
y extendiendo a este conjunto la relación de orden de lR y su aritmética, esto es, la
suma y el producto. Dos son los motivos por los que elegimos no dar esa presentación:
el primero es que no es posible dar una definición satisfactoria de −∞ + ∞, 0 · (±∞),
entre otras expresiones, por lo que no se puede dotar a lR de estructura de cuerpo. El
9.3. Lı́mites de funciones reales de variable real 169
L = lı́m− f (x)
x→a
si y sólo si para todo ε > 0 existe δ > 0 tal que si 0 < a − x < δ entonces
|f (x) − L| < ε.
L = lı́m+ f (x)
x→a
si y sólo si para todo ε > 0 existe δ > 0 tal que si 0 < x − a < δ entonces
|f (x) − L| < ε.
1 1 2 3 4 5
x
0.5
3 2 1 1 2 3
x
0.5
⎧
⎪
⎪ 1 x>0
⎪
⎪
⎨
signo(x) = 0 x=0
⎪
⎪
⎪
⎪
⎩
−1 x<0
Nota 9.11. Sea f una función definida al menos en un entorno reducido1 de un punto
a. Se dice que f es un infinitésimo en a si lı́m f (x) = 0.
x→a
entonces
1 Entorno reducido de a: entorno de a del que se ha extraı́do el punto a (V (a) − {a}). En el caso
lı́mx→a (f ± g)(x) = L1 ± L2
lı́mx→a (f g)(x) = L1 L2
Si L2 = 0 entonces
f L1
lı́m (x) =
x→a g L2
Además, cuando más adelante veamos la definición de función continua, se podrá de-
mostrar que si h es una función continua en L1 entonces
0 1
lı́m h(f (x)) = h lı́m f (x) = h(L1 ).
x→a x→a
Si n > 0 , entonces
0 1lı́mx→a g(x)
lı́m f (x)g(x) = lı́m f (x) = LL2
1 .
x→a x→a
lı́m (f + g)(x) = +∞ + L = +∞
x→a
loga x xm bx (E(x))!
lı́m m
= lı́m x = lı́m = lı́m =0
x→∞ x x→∞ b x→∞ (E(x))! x→∞ xx
Más adelante, cuando estén a nuestra disposición las técnicas de derivación, describi-
remos la Regla de L’Hôpital, otra herramienta muy útil para la resolución de ciertas
indeterminaciones.
Nota 9.12. Nótese que la igualdad de la anterior implica tres condiciones: la exis-
tencia del lı́mite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
x
4 2 2 4
Figura 9.4: Función continua en todos los puntos del intervalo [−4 5, 4 5] salvo en
x = −4 25 y x = 3.
df (a; ·) : lR → lR
h → f (a)h
g(1)+d;x
1.5
dg(1;x) g(x)
0.5
Figura 9.5: Dibujo de una función, g, su tangente, g(1)+g (1)(x−1) ó g(1)+dg(1; x−1),
y su diferencial, dg(1; x), en x0 = 1.
f : A → lR
x → f (x)
176 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
4 3 2 1 0 1 2 3 4
x
1. f ± g es derivable en a y
(f + g) (a) = f (a) ± g (a)
9.5. Definición de función derivable y propiedades básicas 177
2. f g es derivable en a y
(f g) (a) = f (a)g(a) + f (a)g (a)
f
3. es derivable en a y
g
f f (a)g(a) − f (a)g (a)
(a) =
g g(a)2
= f (x)f k−1 (x) + (k − 1)f (x)f k−1 (x) = kf (x)f k−1 (x).
El resultado es cierto también, con una prueba similar, en el caso de que n sea un
entero negativo.
178 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
d(v u ) dv du
8. = uv u−1 + v u (ln v)
dx dx dx
d(eu ) du
9. = eu
dx dx
d(au ) du
10. = au ln(a)
dx dx
d(sen u) du
11. = cos u
dx dx
d(cos u) du
12. = − sen u
dx dx
d(tg u) 1 du
13. =
dx cos2 u dx
d(arcsen u) 1 du
14. =√
dx 1 − u dx
2
d(arc cos u) 1 du
15. = −√
dx 1 − u dx
2
d(arctg u) 1 du
16. =
dx 1 + u2 dx
d(Sh u) du
17. = Ch u
dx dx
d(Ch u) du
18. = Sh u
dx dx
d(Th u) 1 du
19. =
dx Ch2 u dx
d(ArgSh u) 1 du
20. =√
dx 1 + u dx
2
d(ArgCh u) 1 du
21. =√
dx u − 1 dx
2
d(ArgTh u) 1 du
22. =
dx 1 − u2 dx
180 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
Definición 9.14. Sea F : lR2 −→ lR. Se dice que la ecuación F (x, y) = 0 define
implı́citamente la función y = f (x) cuando para todo x en el dominio de f se verifica
F (x, f (x)) = 0.
Nota 9.15. En general, en las condiciones de la definición anterior, la misma fun-
ción F podrı́a definir implı́citamente más de una función: por ejemplo, la ecuación
F (x, y) = x2 + y 2 − 1 = 0 define implı́citamente dos funciones
( (
f1 (x) = 1 − x2 y f2 (x) = − 1 − x2 .
Proposición 9.8. Sean F y f como en la Definición 9.14 y sea a un punto en el
dominio de f . Para hallar la derivada de f en a se deriva la expresión F (x, f (x))
respecto de x, se particulariza en a, se iguala a 0 y se despeja f (a).
y (t)
dy
dy dt
= = .
dx dx
dt
x (t)
9.8. Teoremas del valor medio 181
Teorema 9.4 (Teorema de Rolle). Sea f : [a, b] −→ lR una función continua en [a, b],
derivable en (a, b) y tal que f (a) = f (b). Entonces existe ξ ∈ (a, b) tal que f (ξ) = 0.
Teorema 9.5 (Teorema de los incrementos finitos). Sea f : [a, b] −→ lR una función
continua en [a, b] y derivable en (a, b). Entonces existe ξ ∈ (a, b) tal que
f (b) − f (a)
f (ξ) = .
b−a
La idea del teorema es que en algún punto del intervalo la “tasa de variación” de la
función es precisamente la “tasa de variación media” de la función en todo el intervalo.
Teorema 9.6. Sea f : (a, b) −→ lR una función derivable en (a, b). Entonces:
1. f (x) es monótona creciente en (a, b) Ssi f (x) ≥ 0 para todo x ∈ (a, b).
2. f (x) es monótona decreciente en (a, b) Ssi f (x) ≤ 0 para todo x ∈ (a, b).
f (x)
lı́m =L
x→a g (x)
entonces
f (x)
lı́m =L
x→a g(x)
Teorema 9.8. Sea A ⊂ lR un intervalo abierto y sea a ∈ A. Dadas dos funciones
f, g : A \ {a} :−→ lR derivables en A tales que
f (x)
lı́m =L
x→a g (x)
entonces
f (x)
lı́m =L
x→a g(x)
Nota 9.16. Teoremas análogos se verifican cuando x tiende a ±∞.
f (n) (ξ)
f (x) = pn−1 (x) + (x − a)n .
n!
x3 x5
Por tanto, p5 (x) = x − 3! + 5! .
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f iv (x) = ex → f iv (0) = 1
f v (x) = ex → f v (0) = 1
x2 x3 x4 x5
y, por tanto, p5 (x) = 1 + x + 2! + 3! + 4! + 5! .
184 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
3
p1(x)
1
p5(x)
sen(x)
3 2 1 0 1 2 3
x
1
p3(x)
2
Figura 9.7: La función sen(x) y sus tres primeros polinomios de Taylor: p1 (x), p3 (x)
y p5 (x).
x2 x3 x4 x5 x6
eix = 1 + (ix) −−i + +i − + ....
2! 3! 4! 5! 6!
x2 x4 x6 x3 x5
= 1− + − + ... + i x − + − ... = cos(x) + i sen(x)
2 4! 6! 3! 5!
exp()
4.5
p3(x)
4
3.5
p2(x)
3
2.5
p1(x)
2
1.5
p0(x)
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4
x
Figura 9.8: La función ex y sus cuatro primeros polinomios de Taylor: p0 (x), p1 (x),
p2 (x) y p3 (x).
f (x) − f (a)
f (a) = lı́m+ ≥ 0.
x→a x−a
186 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
Por otro lado, para ese mismo entorno V se tiene que, para todo x ∈ V ∩ (−∞, a),
f (x) − f (a)
≤ 0,
x−a
y por tanto
f (x) − f (a)
f (a) = lı́m− ≤ 0,
x−a
x→a
y por tanto necesariamente se ha de tener que f (a) = 0. El caso en que a fuera un
máximo relativo se demuestra de manera totalmente análoga.
Nota 9.18. Debe quedar claro que la anterior es una condición necesaria pero no
suficiente: pueden existir puntos de A tales que f (a) = 0 pero que no sean extremos.
Los puntos de A que verifican f (a) = 0 se denominan puntos crı́ticos.
Teorema 9.11 (Condición suficiente de existencia de extremos relativos). Sea A ⊂ lR
un intervalo abierto. Sea una aplicación f : A −→ lR con derivada n-ésima f (n)
continua en A, es decir f ∈ C n (A). Sea a ∈ A tal que
f (a) = f (a) = · · · = f (n−1) (a) = 0 y f (n) (a) = 0.
Entonces:
f (n) (a)
f (x) − f (a) = (x − a)n ≥ 0
n!
y por tanto a es un mı́nimo relativo de f .
f (n) (a)
f (x) − f (a) = (x − a)n ≤ 0
n!
y por tanto a es un máximo relativo de f .
3. n es impar. Si, por ejemplo, f (n) (a) > 0, entonces f (x) − f (a) > 0 si x > a y
f (x) − f (a) < 0 si x < a y por tanto a no es extremo relativo de f .
siendo t(x) la recta tangente a f en a: t(x) = f (a) + f (a)(x − a). Si δ(x) cambia de
signo al pasar de los puntos a la izquierda de a a los puntos a la derecha de a, se dice
que f posee en a un punto de inflexión.
Nota 9.19. A la vista de esta definición, es fácil comprobar que en el caso 3 del
teorema anterior, f tiene un punto de inflexión en a.
(x, y) ∈ lR2 y = f (x), x ∈ I
188 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
Para poder realizar las etapas anteriores es necesario recordar que son las ası́ntotas
de una función.
Definición 9.20. (Ası́ntota vertical) Se dice que una función f tiene una ası́ntota
vertical en a ∈ lR si
2x2 −8
Ejemplo 9.8. Dibujar la gráfica de la función y = f (x) = x2 −16 .
Solución :
6. Extremos de la función: dy
dx = −48 (x2 −16)
x
2 = 0 ⇒ x = 0 es un punto crı́tico
2 2 2
3 ⇒ dx2 |x=0 = − 16 < 0 ⇒ y = f (x) alcanza un máximo
d y d y
dx2 = 48 (x3x2 −16)
+16 3
relativo en x = 0.
Intervalos de monotonı́a: se comprueba el signo de dy
dx : dy
dx = −48 (x2 −16)
x
2 < 0
d2 y
Si x ∈ (−∞, −4) ∪ (4, ∞) entonces x2 −16 > 0 y dx2 > 0. Por lo tanto la función
es cóncava en x ∈ (−∞, −4) ∪ (4, ∞).
190 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
d2 y
Si x ∈ (−4, 4) entonces x2 − 16 < 0 y dx2 < 0. Por lo tanto la función es convexa
en x ∈ (−4, 4).
No existen puntos de inflexión.
infinity
-infinity 0 infinity
x
-infinity
2x2 −8
Figura 9.9: Gráfica de la función f (x) = x2 −16 .
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 2, 3 y 4 de [43], los capı́tulos 1, 2 y 3 de [37], el capı́tulo 7 de [8] y los
capı́tulos 2 y 3 del primer tomo de [25].
9.14. Ejercicios
√ √
1. Demostrar, utilizando la definición δ − ε, que lı́m x = a para a > 0. Ayuda:
x→a
√ √
téngase en cuenta que x − a = √(x−a) √ .
x+ a
x2
2. Demostrar, utilizando la definición M − ε, que lı́m 2 = 1.
x→∞ 1+x
5. Determinar qué valor habrı́a que adjudicar a f (0) para que la función f (x) =
tg(2x)
x resulte continua en x = 0.
Solución: f (0) = 2
6. Calcular el lı́mite
ex − esen x
lı́m
x→0 x − sen x
Solución: 1
7. Demostrar, utilizando la definición δ − N, que si lı́m f (x) = ∞ y g(x) ≥ f (x)
x→x0
para todo x perteneciente a algún entorno reducido de x0 entonces lı́m g(x) =
x→x0
2
(1−x)2 = ∞.
∞. Utilizar el resultado anterior para demostrar que lı́m 1+cos x
x→1
√
8. Calcular lı́mx→∞ ( x2 + 1 − x). Interpretar el resultado geométricamente consi-
derando un triángulo rectángulo de catetos de longitudes 1 y x respectivamente.
Solución: El lı́mite vale 0. La interpretación geométrica aparece en la figura
9.10, en donde se aprecia que para x muy grandes la diferencia entre la hipote-
nusa del triángulo y el cateto de longitud x se hace despreciable.
x 2+ 1
e) lı́m− ln(2x)
x−1
x→1
192 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
Solución:
a) 6
b) -1
c) 0
d) ∞
e) −∞
1
10. Dada la función f (x) = xe x se verifica que:
d ) lı́m f (x) = ∞.
x→0
Solución:
a) No.
b) Si.
c) Si alcanza valores mı́nimos pero no alcanza valores máximos.
e3t
N (t) = N0 3 .
2 + e3t
15. Siendo g(x) = xf (x) y sabiendo que f (x) es continua en x = 0, calcular g (0)
Solución: g (0) = f (0)
16. Dada la función
x3 + 2x + 2 si x < 0
f (x) =
x3 − 3x + 2 si x ≥ 0
Solución:
a) es continua y no es derivable,
b) mı́nimos relativos(mr ): 0, −10; max. rel.(Mr ): 2, 4; min.abs.=-10; Max.
abs. (Ma )=4.
a) f (x) = x3 + x2 − 5x + 1; x ∈ lR,
b) f (x) = (x + 2)ex ; x ∈ lR,
c) f (x) = 5 + (x − 3)2/3 ; x ∈ lR,
|ax|
d ) f (x) = 1+x2 ; a > 0; x ∈ lR,
e) f (x) = x ln x; x ∈ lR+ ,
2
Solución:
194 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
a) mr = −2; Mr = 202/27
b) mr =ma = −e−3
c) mr =ma = 5
d ) mr =ma = 0; Mr =Ma = a/2
e) mr =ma = −1/(2e)
f ) mr = ln 10 − 1, ln 5 − 4, ma = ln 5 − 4; Mr =Ma = ln 5
y = 0,01x + 0,00003x2
24. Para calcular el seno de 36o con una calculadora que no dispone de funciones
trigonométricas, una ingeniera realiza el siguiente proceso: introduce 3.1415926
divide por 5 e introduce el resultado en la memoria, el resultado se designará por
x. Después calcula x(1 − x2 /6), valor que toma como sen(36o ).
Solución:
a) 0.5869768.
b) |0,5869768 − sen(36o )| ≤ 0,0065 sen(36o ).
c) 36o = π/5 radianes y se han utilizado los dos primeros términos del poli-
nomio de Taylor de la función seno para aproximar sen(36o ).
π
d ) Se pasa 10o a radianes (10o = 18 radianes) y se utilizan los dos primeros
términos del desarrollo en serie de Taylor de la función tan(x), tan(x) ≈
x(1 + x2 /3).
25. Supóngase que se quiere quitar el sedimento de un lı́quido haciéndolo pasar por
un filtro cónico de 16 cm de altura y 4 cm de radio en la sección circular del
borde superior. Se supondrá también que el lı́quido sale del filtro por la parte
inferior a una velocidad constante de 2 cm3 /min. Se pide:
Solución:
a) dy
dt = − πy
32
2 , y = altura. El signo menos indica que la altura disminuye con
el tiempo.
b) La altura no disminuye a una velocidad constante puesto que su tasa de
disminución depende de y. Cuanto más pequeña es la altura mas rápido
disminuye ésta.
c) dy
dt = −0,16 cm/min.
y=8
Capı́tulo 10
Lı́mites, continuidad y
diferenciabilidad de funciones
de varias variables
10.1. Introducción
197
198 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
i=1
siendo (a1 , a2 , ..., an ) y (x1 , x2 , ..., xn ) las coordenadas de los puntos a y x respectiva-
mente. La denotaremos por B(a,
).
i=1
Un punto a ∈ lRn se dice que es exterior a Ω si toda bola abierta que lo tenga como
centro contiene puntos que no son de Ω.
Un punto a ∈ lRn se dice que es frontera de Ω si toda bola abierta que lo tenga como
centro contiene puntos que son de Ω y puntos que no son de Ω.
Definición 10.4. Un conjunto Ω ⊂ lRn es abierto si todos sus puntos son interiores
(no tiene puntos frontera).
1 Como ya se advirtió en el Capı́tulo Espacio Afı́n-Euclı́deo, a partir de ahora a los puntos se les
designará mediante letras minúsculas con una raya encima. Los vectores se seguirán representando
en negrita.
10.3. Lı́mites de funciones de varias variables 199
Definición 10.6. Sea f : lRn −→ lR una función cuyo dominio es un abierto Ω ⊂ lRn .
Sea a ∈ lRn un punto de Ω. Se dice que el lı́mite de f cuando x tiende a a es L ∈ lR
y se escribe
lı́m f (x) = L
x→a
si para todo
> 0 existe δ > 0 tal que para todo x ∈ B(a, δ) ∩ Ω, con x = a, se tiene
que f (x) ∈ B(L,
). Nótese que x ∈ B(a, δ) ∩ Ω, x = a es equivalente a 0 < d(x, a) < δ
y que f (x) ∈ B(L,
) es equivalente a |f (x) − L| <
.
Nota 10.1. A los lı́mites de funciones f : lR2 −→ lR se les denomina lı́mites dobles.
2. Sea ϕ : lR −→ lR una función tal que ϕ(a1 ) = a2 (esto es, ϕ “pasa” por (a1 , a2 )).
Se denomina lı́mite direccional de f en el punto (a1 , a2 ) según la curva y = ϕ(x)
al número real (cuando exista) dado por
Nota 10.2. Es fácil ver que si existe el lı́mite de f en (a1 , a2 ) y vale L entonces existen
los lı́mites reiterados de f en (a1 , a2 ) y también valen L y, para toda ϕ que pase por
(a1 , a2 ), existe el lı́mite direccional de f en (a1 , a2 ) según la curva ϕ y vale L. La
recı́proca en cambio no es cierta: la existencia y coincidencia de los lı́mites reiterados
de f en (a1 , a2 ) y cualquier cantidad finita o infinita de lı́mites direccionales de f en
(a1 , a2 ) no bastan para garantizar la existencia del lı́mite de f en (a1 , a2 ).
200 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
lı́m (f ± g)(x) = L1 ± L2 .
x→a
lı́m (f g)(x) = L1 L2 .
x→a
f L1
Si L2 = 0, entonces: lı́m (x) = .
x→a g L2
x2 −y 2
Ejemplo 10.1. Hallar los lı́mites reiterados y radiales de la función f (x, y) = x2 +y 2
cuando (x, y) → (0, 0). ¿Existe el lı́mite doble?
Como los lı́mites reiterados son distintos, no puede existir el lı́mite doble. Esta conclu-
sión también se podrı́a haber deducido de los lı́mites radiales (que son todos distintos
y dependen de k).
Proposición 10.3. Sean f , g : lRn → lR tales que
|f (x) − L| ≤ |g(x) − L|
10.4. Continuidad
Nota 10.3. Nótese que la igualdad anterior implica tres condiciones: la existencia
del lı́mite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
Solución:
df f (a + hu) − f (a) f (hu1 , hu2 ) − f (0, 0)
(0, 0) = lı́m = lı́m
du h→0 h h→0 h
h2 u21 sen(hu2 )+h2 u22 sen(hu1 )
h2 u21 +h2 u22
−0 1 u21 sen(hu2 ) + u22 sen(hu1 ) u2 u2 + u2 u21
= lı́m = lı́m 2 2 = 1 2
h→0 h h→0 h u 1 + u2 u1 + u22
Definición 10.11. Si en la definición anterior el vector u, además de ser unitario,
coincide con el vector ei de la base canónica de lRn , dicha derivada se denomina
∂f
derivada parcial respecto a la variable xi y se representará por ∂xi
(a).
Solución:
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = 2xy cos z − z cos x cos y
∂x ∂x
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = x2 cos z + z sen x sen y
∂y ∂y
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = −x2 y sen z − sen x cos y
∂z ∂z
Proposición 10.6. La existencia de todas las derivadas direccionales de f en a res-
pecto a los distintos vectores u no nulos, no es condición necesaria ni suficiente para
que f sea continua en a.
Vemos por tanto (proposición 10.6) que la existencia de todas las derivadas direc-
cionales en un punto no implica necesariamente la continuidad en dicho punto. Por
esta razón las derivadas direccionales constituyen una extensión poco satisfactoria del
concepto de derivada unidimensional. Ello nos lleva a buscar una generalización más
conveniente. En el caso unidimensional una función f con derivada en a se puede
aproximar por medio de un polinomio lineal (el polinomio de Taylor de grado 1) en
las proximidades de a:
f (ξ) 2
f (a + h) = f (a) + f (a)h + h = f (a) + f (a)h + O(h)h (10.1)
2!
Lo cual indica que cuando h es suficientemente pequeño f (a)h es una buena aproxi-
mación de f (a + h) − f (a). Tomando lı́mites en la expresión anterior o en (10.1) se
obtiene:
f (a + h) − f (a) − f (a)h
lı́m =0 (10.2)
h→0 h
204 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
f (a + h) − f (a) − df (a; h)
lı́m =0 (10.3)
h→0 h
f (a + h) − f (a) − T h
lı́m =0 (10.4)
h→0 h
df
df (a, u) = (a)
du
Teorema 10.2. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Si f es diferenciable
en a entonces f es continua en a.
df ∂f
n
(a) = ui (a)
du i=1
∂xi
10.6. Diferenciabilidad y diferencial de una función de varias variables 205
Nota 10.12. Al igual que sucedı́a en el caso de una variable, en el caso de funciones
de dos variables se le puede dar una interpretación geométrica a la diferencial. Si se
hace x = x1 , y = x2 , a = (x0 , y0 ) y h = (x − x0 , y − y0 ) se obtiene
∂f ∂f
f (a) + df (a; h) = f (x0 , y0 ) + (x0 , y0 )(x − x0 ) + (x0 , y0 )(y − y0 )
∂x ∂y
que es la ecuación del plano tangente a la superficie z = f (x, y) en el punto (x0 ,y0 ,
f (x0 , y0 )). En consecuencia se puede afirmar que la diferencial de una función de
dos variables, f , en un punto (x0 , y0 ) es (la aplicación lineal representada por) la
ecuación del plano que pasa por el origen y es paralelo al plano tangente a la superficie
z = f (x, y) en (x0 ,y0 , f (x0 , y0 )).
10
6
2
8
3 2 0
1 0 x
1 2 2
y 3
y, si u2 = 0,
df f ((0, 0) + t(u1 , 0)) − f (0, 0) df 0−0
(0, 0) = lı́m = (0, 0) = lı́m =0
du t→0 t du t→0 t
208 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
(
Ejemplo 10.6. (función continua pero sin derivadas direccionales) f (x, y) = x2 + y 2
es una función continua en (0, 0), ya que
f (0, 0) = 0 = lı́m f (x, y)
(x,y)→(0,0)
tiene todas sus derivadas direccionales bien definidas en (0, 0). En efecto, si u1 = 0
df f ((0, 0) + t(u1 , u2 )) − f (0, 0) f (tu1 , tu2 ) − 0
(0, 0) = lı́m = lı́m
du t→0 t t→0 t
3t3 u21 u2 −2t3 u31
t2 u21 +t4 u42
−0 3u2 − 2u1
= lı́m = lı́m u21 = 3u2 − 2u1
t→0 t t→0 u21 + t2 u42
y si u1 = 0,
df f ((0, 0) + t(0, u2 )) − f (0, 0) 0−0
(0, 0) = lı́m = lı́m =0
du t→0 t t→0 t
Notemos que a lo largo de la dirección (1, 0) la derivada direccional es −2. Por tan-
∂x (0, 0) = −2. A lo largo de (0, 1) la derivada direccional se anula y por tanto
to, ∂f
∂f
∂y (0, 0) = 0. De ser la función diferenciable, la diferencial ha de ser
Ejemplo 10.8. (función diferenciable pero sin derivadas parciales continuas). Sea
! 0 1
1
(x2 + y 2 ) sen x2 +y 2 si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
f (0 + h) − f (0) − df (0; h)
lı́m =
h→0 h
f (∆x, ∆y) − f (0, 0) − 0∆x − 0∆y
lı́m ( = 0
∆x→0
∆y→0
[∆x]2 + [∆y]2
2 Se ∂f ∂f
realiza únicamente la comprobación para ∂x
, la comprobación para ∂y
es similar.
210 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
∂f
∂xi : Ω → lR
x → ∂f
∂xi (x)
∂2f ∂2f
(a) = (a)
∂xi ∂xj ∂xj ∂xi
Definición 10.16. De forma análoga a como se han definido las derivadas parciales
de segundo orden, se pueden definir las derivadas parciales de tercer orden, de cuarto
orden, etc. En general
n−1
∂nf ∂ ∂ f
(x) = (x)
∂xk ∂xj ...∂xi ∂xk ∂xj ...∂xi
Definición 10.17. Sea Ω ⊂ lRn un abierto y f : Ω → lR. Se dice que f es una
función de clase C 1 en Ω si existen las derivadas parciales de f de primer orden y
son continuas en Ω (f ∈ C 1 (Ω, lR)).
Definición 10.18. Sea Ω ⊂ lRn un abierto y f : Ω → lR. Se dice que f es una
función de clase C 2 en Ω y se representa por f ∈ C 2 (Ω, lR) si ∂x
∂f
i
∈ C 1 (Ω, lR)
(i = 1, 2, ..., n).
Definición 10.19. En general, si q ∈ lN, se dice que f es una función de clase C q
∂f
en Ω si ∂xi
∈ C q−1 (Ω, lR) (i = 1, 2, ..., n) y se representa por f ∈ C q (Ω, lR).
df
: Ω ⊂ lRn → lR
du n
x → du
df
(x) = i=1 ∂f
∂xi (x)ui
n n
∂2f
(a)uj ui
i=1 j=1
∂xi ∂xj
Proposición 10.13. Siendo f una función de clase C m+1 (Ω, lR) para todo a ∈ Ω ⊂
lRn y para todo u ∈ lRn tal que a + tu ∈ Ω existe un número real θ ∈ (0, 1) tal que
df 1 d2 f 1 dm f 1 d2 f
f (a+tu) = f (a)+ (a)t+ 2
(a)t2 +...+ m
(a)tm + (a+θu)tm+1
du 2! du m! du (m + 1)! dum+1
(10.9)
Nota 10.17. La igualdad (10.9) recibe el nombre de Fórmula de Taylor.
Nota 10.18. El polinomio
df 1 d2 f 1 dm f
f (a) + (a)t + 2
(a)t2 + ... + (a)tm
du 2! du m! dum
recibe el nombre de polinomio de Taylor de grado m de la función f en el punto
a en la dirección u. También se llama desarrollo en serie de Taylor de orden m en el
entorno de a en la dirección u.
n
∂f 1
n
∂2f
f (a + tu) = f (a) + t ui (a) + t2 ui u j (a) + R3 (t, a)
i=1
∂xi 2 i,j=1 ∂xi ∂xj
3
0 13
1 d f 3 1 n ∂
siendo R3 (t, a) = 3! du3 (a + θu)t = 3! i=1 ui ∂x i
f (a + θu)t3 = O(t3 ); es decir,
existe un C ∈ lR tal que
2 ∂2f ∂2f
3
1 ∂x21
(a) ∂x1 ∂x2 (a) u1
(u1 , u2 ) ∂2f ∂2f
t2 + R3 (t, a) ≡
2 u2
∂x1 ∂x2 (a) ∂x22
(a)
1
f (a) + ∇f (a)t ut+ ut Hf (a)ut2 + R3 (t, a)
2
donde Hf (a) es una matriz que recibe el nombre de matriz Hessiana de f en el
punto a.
En el caso n = 2 quedarı́a
∂f ∂f x1 − a1
f (x1 , x2 ) = f (a1 , a2 ) + (a), (a)
∂x1 ∂x2 x2 − a2
2 ∂2f ∂2f
3
1 0 1
∂x21
(a) ∂x1 ∂x2 (a) x1 − a1 3
+ x1 − a1 , x2 − a2 2 2 + O x − a
2 ∂ f ∂ f x2 − a2
∂x2 ∂x1 (a) ∂x2
(a)
2
Definición 10.20. Sea f : Ω ⊂ lRn → lR. Se dice que f alcanza un máximo relativo
(o máximo local) en el punto a ∈ Ω si existe un entorno de a tal que en todo punto
del mismo
f (x) ≤ f (a)
214 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
Definición 10.21. Sea f : Ω ⊂ lRn → lR. Se dice que f alcanza un mı́nimo relativo
(o mı́nimo local) en el punto a ∈ Ω si existe un entorno de a tal que en todo punto
del mismo
f (x) ≥ f (a)
1.5
0.5
0
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
0.5
1.5
2
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
4
2
1
0 2
y 1
1 0
1 x
2 2
∂f ∂f
(a) = ... = (a) = 0 ⇔ ∇f (a) = 0 (10.10)
∂x1 ∂xn
Definición 10.23. Los puntos que satisfacen las ecuaciones (10.10) reciben el nombre
de puntos crı́ticos de la función f . También reciben el nombre de puntos crı́ticos
los puntos en los que la función no es diferenciable y los puntos de la frontera de Ω.
Teorema 10.7. Sea a ∈ lRn y f ∈ C 3 (B(a, ε)). Supóngase que a es un punto crı́tico
de f . Se tiene entonces
i) Si Hf (a) es definida positiva (ut Hf (a)u > 0 para todo u ∈ lRn ), f tiene en a un
mı́nimo local.
ii) Si Hf (a) es definida negativa (ut Hf (a)u < 0 para todo u ∈ lRn ), f tiene en a un
máximo local.
iii) Si Hf (a) es indefinida (ut Hf (a)u < 0, vt Hf (a)v > 0 para algunos u, v ∈ lRn ), a
es un punto silla.
iv) Si Hf (a) es semidefinida positiva (ut Hf (a)u ≥ 0) o semidefinida negativa (ut Hf (a)u
≤ 0 ), no se puede afirmar nada y a es un punto dudoso.
Teorema 10.8. Sea Ω cerrado y acotado en lRn y sea f : Ω → lRn continua. Entonces
f alcanza valores máximo absoluto y mı́nimo absoluto en algunos puntos a y b (no
necesariamente únicos) de Ω.
iii) a) Calcular el valor de f en todos los puntos crı́ticos en que f alcance un máximo
relativo y seleccionar el mayor. Este serı́a el máximo absoluto.
Solución: Hallamos en primer lugar los puntos crı́ticos como soluciones de las ecua-
ciones ∂f ∂f
∂x (x, y) = ∂y (x, y) = 0. Tendremos entonces
∂f
(x, y) = 3x2 − 3 = 0 =⇒ x = ±1
∂x
∂f
(x, y) = 3y 2 − 12 = 0 =⇒ y = ±2
∂y
Los puntos crı́ticos son entonces (1, 2), (−1, 2), (1, −2), (−1, −2). Evaluamos a conti-
nuación la matriz Hessiana y su determinante:
6x 0
Hf (x, y) =
0 6y
det Hf (x, y) = 36xy
∂2f
Entonces, en (1, 2) se tiene det Hf (1, 2) = 72 > 0, ∂x2 (1, 2) = 6 > 0. En (1, 2) hay un
mı́nimo relativo.
10.10. Fórmula de Taylor y extremos de funciones de n variables 217
∂2f
En (−1, 2) se tiene det Hf (−1, 2) = −72 < 0, ∂x2 (−1, 2) = −6 < 0. En (−1, 2) hay
un punto de ensilladura.
∂2f
En (1, −2) se tiene det Hf (1, −2) = −72 < 0, ∂x2 (1, −2) = 6 > 0. En (1, −2) hay un
punto de ensilladura.
∂2f
En (−1, −2) se tiene det Hf (−1, −2) = 72 > 0, ∂x2 (−1, −2) = −6 > 0. En (−1, −2)
hay un máximo relativo.
Ejemplo 10.10. Hallar los extremos relativos y absolutos de la función f (x, y) =
2 2
ex −y en el disco x2 + y 2 ≤ 1.
Solución: Hallamos en primer lugar los extremos relativos en el interior del dominio.
Para ello buscamos los puntos crı́ticos:
∂f 2 2
(x, y) = 2xex −y = 0 =⇒ x = 0
∂x
∂f 2 2
(x, y) = −2yex −y = 0 =⇒ y = 0
∂y
El único punto crı́tico es entonces el (0, 0). La matriz Hessiana es, en un punto genérico
(x, y), 2 3
2 2 2 2
(2 + 4x2 )ex −y −4xyex −y
Hf (x, y) = 2 2 2 2
−4xyex −y (−2 + 4y 2 )ex −y
∂2f
Por tanto, det Hf (0, 0) = −4 < 0, ∂x2 (0, 0) = 2 > 0. En (0, 0) hay un punto de silla.
Hasta ahora se ha trabajado con funciones definidas sobre lRn con valores en lR. Estas
funciones no son más que un caso particular de las funciones definidas de lRn a lRm
(funciones vectoriales).
Ejemplo 10.11. f : lR2 → lR4 definida como
⎛ ⎞
xy
x x ⎜ x+y ⎟
→f =⎜
⎝
⎟
⎠
y y x−y
x + y + xy
La función f asocia a un punto de lR2 con coordenadas (x, y)t el punto de lR4 con
coordenadas (xy, x + y, x − y, x + y + xy)t .
En general, una función de este tipo que llamaremos función vectorial se represen-
tará por m funciones escalares de n variables cada una
⎛ ⎞
f1 (x1 , x2 , ..., xn )
⎜ f2 (x1 , x2 , ..., xn ) ⎟
f (x) = f (x1 , x2 , ..., xn ) = ⎜
⎝
⎟
⎠
...
fm (x1 , x2 , ..., xn )
Todos los conceptos vistos para funciones de lRn → lR se extienden de forma natural
a este tipo de funciones actuando componente a componente.
1) El vector ⎛ ⎞
L1
⎜ L2 ⎟
L=⎜ ⎟
⎝ ... ⎠
Ln
es el lı́mite de la función f (x) cuando x → a si
2) Se dirá que f (x) es continua en el punto a cuando sean continuas en dicho punto
todas las componentes fi (x) de f (x).
10.12. Diferencial de una función compuesta 219
La matriz asociada a la diferencial ya no será una matriz fila sino una matriz de
dimensión m × n:
⎛ ∂f ∂f1 ∂f1
⎞⎛ ⎞
1
(a) ∂x (a) ... ∂xn (a) h1
⎜ ∂x 1 2
⎟⎜
⎟ ⎜ h2 ⎟
∂f2 ∂f ∂f2
⎜ ∂x1 (a) ∂x22 (a) ... ∂xn (a) ⎟ ≡ [Df (a)] · h
df (a; h) = ⎜ ⎟⎝
⎝ ... ... ... ... ⎠ ... ⎠
∂fm ∂fm ∂fm hn
∂x1 (a) ∂x2 (a) ... ∂xn (a)
4) Para que una función f sea diferenciable es necesario y suficiente que lo sean cada
una de sus componentes fi .
Esquemáticamente
f g
lR → lR2 → lR
t → (x, y) = (f1 (t), f2 (t)) → g(x, y) = g(f1 (t), f2 (t))
220 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
y por tanto
h(t) = g(f1 (t), f2 (t))
de donde se deduce
dh ∂g df1 ∂g df2
(t0 ) = (f1 (t0 ), f2 (t0 )) (t0 ) + (f1 (t0 ), f2 (t0 )) (t0 )
dt ∂x dt ∂y dt
2
Ejemplo 10.12. Sea T (x, y) = exy la temperatura en los puntos (x, y) del plano y
sea (x(t), y(t)) = (cos t, sen t) la trayectoria de una partı́cula. Hallar dΦ
dt (t), en donde
Φ es la función que describe la variación de la temperatura en función del tiempo.
dΦ ∂T dx(t) ∂T dy(t)
(t) = (x(t), y(t)) + (x(t), y(t))
dt ∂x dt ∂y dt
2
(t) dx(t) 2
(t) dy(t) 2
= y 2 (t)ex(t)y + 2x(t)y(t)ex(t)y = (− sen 3 t + 2 cos2 t sen t)ecos t sen t
dt dt
Esquemáticamente
f g
lR2 → lR2 → lR
(x, y) → (u, v) = (f1 (x, y), f2 (x, y)) → g(u, v) = g(f1 (x, y), f2 (x, y)) ≡ h(x, y)
y por tanto
∂h ∂h
(x, y), (x, y) = [Dh(x, y)] = [Dg(f1 (x, y), f2 (x, y))] [Df (x, y)] =
∂x ∂y
2 ∂f1 ∂f1
3
∂g ∂g ∂x (x, y) ∂y (x, y)
(f1 (x, y), f2 (x, y)), (f1 (x, y), f2 (x, y)) ∂f2 ∂f2
∂u ∂v ∂x (x, y) ∂y (x, y)
de donde se deduce
∂h ∂g ∂f1 ∂g ∂f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
∂x ∂u ∂x ∂v ∂x
∂h ∂g ∂f1 ∂g ∂f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
∂y ∂u ∂y ∂v ∂y
10.13. Algunas aplicaciones a la ingenierı́a 221
∂C ∂2C ∂2C
U = Dy 2 + Dz 2 (10.12)
∂x ∂y ∂z
y una solución de (10.12) es la siguiente:
6 2
2
7
y (z−H)2 y (z+H)2
Q −U2 2Dy x + 2Dz x −U
2 2Dy x + 2Dz x
C(x, y, z) = ( e +e (10.13)
2πx Dy Dz
Verifiquemos que la expresión (10.13) satisface la relación (10.12). Para ello calculamos
todas las derivadas parciales de C que aparecen en (10.12):
∂C Q 8 9
(x, y, z) = − ( eF1 (x,y,z)
+ eF2 (x,y,z)
∂x 2πx2 Dy Dz
222 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
4 5
U y2 (z − H)2 F1 (x,y,z) y2 (z + H)2 F2 (x,y,z)
+G(x) + e + + e
2 2Dy x2 2Dz x2 2Dy x2 2Dz x2
8 9
∂C yU
(x, y, z) = G(x) − eF1 (x,y,z) + eF2 (x,y,z)
∂y 2Dy x
6 2 7
∂2C yU U 8 9
(x, y, z) = G(x) − − eF1 (x,y,z)
+ e F2 (x,y,z)
∂y 2 2Dy x 2Dy x
4 5
∂C U (z − L) F1 (x,y,z) U (z + L) F2 (x,y,z)
(x, y, z) = G(x) − e + − e
∂z 2Dz x 2Dz x
∂2C U 8 9
(x, y, z) = − G(x) eF1 (x,y,z)
+ e F2 (x,y,z)
+
∂z 2 2Dz x
6 2 2 7
U (z − L) U (z + L)
+G(x) − e F1 (x,y,z)
+ − eF2 (x,y,z)
2Dz x 2Dz x
en donde
Q
G(x) =(
2πx Dy Dz
2 2
U y (z − H) 2
U y (z + H)2
F1 (x, y, z) = − + , F2 (x, y, z) = − +
2 2Dy x 2Dz x 2 2Dy x 2Dz x
Sustituyendo en (10.12) y simplificando se comprueba que se verifica la ecuación.
Con la fórmula (10.13) podemos usar toda la teorı́a desarrollada en este tema y empe-
zar a responder cuestiones interesantes. Por ejemplo, ¿en qué puntos del plano xy es
máxima la concentración de contaminante? Esto tiene aplicaciones prácticas impor-
tantes, ya que si habitualmente hay vientos de velocidad U en la región entonces no
es buena idea colocar un parque infantil en la zona donde la concentración es máxima
y un ingeniero ambiental ha de saber dónde están las zonas más contaminadas. La
restricción de la función al plano xy (z = 0) da una función de las variables x e y:
y2
Q H2
−U 2Dy x + 2Dz x
C(x, y) = ( e 2
πx Dy Dz
∂C Q yU y2 H2
−U 2Dy x + 2Dz x
(x, y) = ( − e2
=0
∂y πx Dy Dz 2Dy x
De la segunda ecuación deducimos que y = 0. De la primera, con y = 0, la relación
U H2 1
− =0
2 2Dz x2 x
U H2
que lleva a x = 4Dz . Es fácil (pero laborioso) calcular la Hessiana en el punto crı́tico
2 2 2
( U4D
H
z
, 0) y verificar que su determinante es positivo. Además, ∂∂xC2 ( U4D
H
z
, 0) < 0, lo
cual implica que en el punto crı́tico hay un máximo relativo. Concluimos entonces
que la máxima concentración de contaminante tiene lugar en la dirección del viento
H2
y a una distancia U4D z
de la chimenea. Esa máxima concentración es
:
4Q Dz
Cmáx =
πeU H 2 Dy
Imaginemos una partı́cula que se mueve en el espacio siguiendo una curva definida
en forma paramétrica por (x(t), y(t), z(t)), siendo t la variable temporal. En cada
punto del espacio hay definida una temperatura T (x, y, z) (o cualquier otra función
de tres variables). La derivada sustancial de la temperatura será la variación de la
temperatura que siente la partı́cula por unidad de tiempo. Para calcular tal derivada
uno debe hacer uso de la regla de la cadena para la derivación de funciones vectoriales
compuestas. La función vectorial x que asigna a cada tiempo t la posición de la
partı́cula en el espacio es una función de lR a lR3 . La función T que asigna a cada
punto del espacio una temperatura es una función de lR3 a lR. La función compuesta
de x con T , τ = T ◦ x, es de lR a lR y asigna a cada tiempo la temperatura que
siente la partı́cula en ese momento. Para derivar esta función con respecto al tiempo
debemos usar la regla de la cadena y obtener ası́
dτ ∂T dx ∂T dy ∂T dz
= + + = v·∇T
dt ∂x dt ∂z dt ∂x dt
siendo v = (x (t), y (t), z (t)) el vector velocidad de la partı́cula en el instante t.
224 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 10 y 11 de [43], los capı́tulos 13, 14, 15 y 16 de [37], el capı́tulo 11 de [8]
y los capı́tulos 2 y 3 del tomo 2 de [25].
10.15. Ejercicios
1. Hallar el dominio de las siguientes funciones
√
a) f (x, y) =arcsen( x2 ) + xy
√ (
b) f (x, y) = 1 − x2 + 1 − y 2
(
c) f (x, y) = sen(x2 + y 2 )
1 1
d ) f (x, y) = x−y + y
e) f (x, y) = ln(x2 + y)
Solución:
d ) {(x, y)x = y, y = 0}
e) (x, y)y > −x2
a) f (x, y) = x + y
b) f (x, y) = x2 + y 2
y
c) f (x, y) = x2
Solución:
x2 y
f (x, y) =
x2 + y2
Solución: -2
x2 −y 2
6. Demostrar que lı́m 2 2 no existe mediante el cálculo de los lı́mites
(x,y)→(0,0) +2y
x
Solución: Los reiterados valen 0, los radiales valen 0, los direccionales valen 0
salvo en el caso en que α = 2 y λ = − 12 en que no existe. El lı́mite doble no
existe.
9. Probar que las siguientes funciones son diferenciables, y hallar sus diferenciales
en un punto arbitrario
Solución:
Solución:
∂f ∂f
Es continua. ∂x (0, 0) = 0. ∂y (0, 0) = 0. No es diferenciable.
11. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente función de dos variables.
Solución:
Es continua. No existen las derivadas parciales en el origen. No es diferenciable.
12. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente función de dos variables.
!
xy 2
x2 +y 4 si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Solución:
∂f ∂f
No es continua. ∂x (0, 0) = 0. ∂y (0, 0) = 0. No es diferenciable.
13. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente función de dos variables.
1
xy sen( x2 +y 2) si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
228 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
Solución:
Es continua. ∂f
∂x (0, 0) = 0.
∂f
∂y (0, 0) = 0. Es diferenciable en (0,0): df ((0, 0); h)
= 0h1 + 0h2 = 0.
14. Estudiar la diferenciabilidad en el origen de la siguiente función de lR2 en lR3 ,
⎧ ⎧ ⎫
⎪
⎪ ⎨ ex+y ⎬
⎪
⎪
⎪
⎪ sen(x − y) si x = 0
⎨ ⎩ 2 1 ⎭
⎧ x sen( )
x ⎫
f (x, y) =
⎪
⎪ ⎨ ey ⎬
⎪
⎪
⎪
⎪ sen(−y) si x = 0
⎩ ⎩ ⎭
0
Solución:
La función es diferenciable en el origen.
⎛ ⎞ ⎛ ∂f1 ∂f1
⎞
df1 ((0, 0); h) ∂x (0, 0) ∂y (0, 0)
⎜ ⎟ h1
df ((0, 0); h) = ⎝ df2 ((0, 0); h) ⎠ = ⎝ ∂f2
∂x (0, 0)
∂f2
∂y (0, 0) ⎠
∂f3 ∂f3
h2
df3 ((0, 0); h)
∂x (0, 0) ∂y (0, 0)
⎛ ⎞
1 1
h1
=⎝ 1 −1 ⎠
h2
0 0
en el punto (1,2).
Solución: z = e
5 + 3e
25 (x − 1) + 4e
25 (y − 2).
16. Determinar el plano tangente al cono z 2 = x2 + y 2 en el punto donde x = 3,
y = 4 y z > 0.
Solución: z = 25 + 6(x − 3) + 8(y − 4).
17. Hallar la ecuación del plano tangente a la superficie S dada por x2 y+y 2 z+z 2 x =
5 en el punto (1, −1, 2).
Solución: 2x − 3y + 5z = 0.
18. Obtener la expresión de las siguientes derivadas parciales o totales utilizando la
regla de la cadena.
Solución:
∂h ∂f ∂x ∂f ∂u ∂f ∂f ∂u
a) ∂x = ∂x ∂x + ∂u ∂x = ∂x + ∂u ∂x
dh ∂f dx ∂f du ∂f dv ∂f ∂f du ∂f dv
b) dx = ∂x dx + ∂u dx + ∂v dx = ∂x + ∂u dx + ∂v dx
∂h ∂f ∂u ∂f ∂v ∂f dw
c) ∂x = ∂u ∂x + ∂v ∂x + ∂w dx
19. Un cilindro circular recto varı́a de tal manera que su radio r crece a la tasa de
3 cm/min y su altura h decrece a la tasa de 5 cm/min. ¿A qué tasa varı́a el
volumen con respecto al tiempo cuando el radio es de 10cm y la altura de 8cm?
Solución: ≈ 62,8 cm3 /min.
2
20. Sea w(x, y, z) = 4x + y 2 + z 3 , donde x(r, s) = ers , y = ln r+s 2
t y z = rst , hallar
∂w
.
∂s
∂w 2
2
Solución: (r, s) = 8rsers + r+s ln r+s 3 2 6
t + 3r s t .
∂s
21. Sea v = v(x, y). Si se verifica que x = eθ e y = eϕ , transformar la expresión
∂2v 2
2ϕ ∂ v ∂v ∂v
E = e2θ (x, y) + e (x, y) + eθ (x, y) + eϕ (x, y)
∂x2 ∂y 2 ∂x ∂y
Solución:
∂2ϕ ∂2ϕ 2 2 ∂ ϕ
2
E = xy (x, y) + (x, y) + (x + y ) (x, y)
∂x2 ∂y 2 ∂x∂y
230 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
∂w ∂w dx ∂w dy ∂w ∂w
= + = + 2x (10.14)
∂x ∂x dx ∂y dx ∂x ∂y
por lo tanto 0 = 2x ∂w ∂w
∂y , y ası́ ∂y = 0. Dar un ejemplo claro en el que se ponga
de manifiesto que esto es incorrecto.
∂y = 1 = 0.
Solución: supóngase la función w = f (x, y) = x + y, en este caso ∂w
El razonamiento falla por un abuso de notación que lleva a considerar que el ∂w
∂x
que está a la izquierda de la igualdad (10.14) es igual al ∂w
∂x que está a la de-
recha (siendo falso). Si se plantea correctamente el problema: w(x) = f (u, v) =
f (u(x), v(x)) con u(x) = x y v(x) = x2 ,
dw ∂f du ∂f dv ∂f ∂f
(x) = (u, v) (x) + (u, v) (x) = (x) + 2x (x)
dx ∂u dx ∂v dx ∂u ∂v
con lo que:
∂f 1 dw ∂f
(x) = (x) − (x)
∂v 2x dx ∂u
que utilizando la notación del enunciado (incorrecta) se convertirı́a en:
∂w 1 dw ∂w
= −
∂y 2x dx ∂x
que evidentemente no es siempre 0 porque dw
dx = ∂w
∂x .
10.15. Ejercicios 231
28. Supóngase que un pato está nadando en el cı́rculo x = cos t, y = sen t y que la
temperatura del agua está dada por la fórmula T = x2 ey − xy 3 . Hallar dT /dt,
la tasa de cambio instantánea de temperatura que puede sentir el pato.
Solución:
dT
(t) = −2 cos t sen t(esen t ) + sen4 t + cos3 t(esen t ) − 3 cos2 tsen2 t
dt
Solución:
√
a) u = √12 (1, 1); du
dh
(−2, 4) = √1
2
(−0,13(−2), −0,048(4)) = 0,034 2
t t
b) ∇h(−2, 4) = (−0,13(−2), −0,048(4)) = (0,26, −0,192)
31. Supóngase que f es una función diferenciable de una variable y que una función
u = g(x, y) está definida por
x+y
u = g(x, y) = xyf
xy
32. Hallar todos los puntos crı́ticos de f (x, y) = 8x3 − 24xy + y 3 e indicar para cada
uno de ellos si es un máximo relativo, un mı́nimo relativo, un punto silla o un
punto dudoso.
Solución:los puntos crı́ticos son (0, 0) y (2, 4). El punto (0, 0) es un punto de
ensilladura, el (2, 4) es un mı́nimo relativo.
Integración de funciones de
una variable
11.1. Introducción
La integración es una operación sobre funciones que proporciona una “suma continua”
de todos los valores de la función en un intervalo. Existen numerosos ejemplos de la
integración a la resolución de problemas fı́sicos y técnicos, algunos de ellos son:
233
234 Capı́tulo 11. Integración de funciones de una variable
Se puede conseguir que el problema de hallar la primitiva de una función dada tenga
solución única imponiendo alguna condición adicional sobre la primitiva, por ejemplo
alguna condición del tipo F (a) = b.
Ejemplo 11.2. La velocidad de una partı́cula que sigue una trayectoria recta es
v(t) = 3t + 5 m/s. En el instante t = 1s la partı́cula está en la posición x = 4m
(x(1) = 4). Determinar la posición de la partı́cula en t = 10s (x(10)).
Solución: Como
dx(t)
v(t) =
dt
se tiene que x(t) es una primitiva de v(t), por tanto x(t) = 32 t2 +5t+C. Como sabemos
que x(1) = 4, se sigue que C = − 52 , y x(t) = 32 t2 + 5t − 52 , y, por tanto, x(10) = 197,5
metros.
Sea f : [a, b] −→ lR. Consideremos los puntos a = x0 < x1 < · · · < xn−1 < xn = b.
Entonces al conjunto P = {a = x0 , x1 , . . . , xn−1 , xn = b} se le denomina una partición
11.3. Integral de Riemann de funciones de una variable 235
;n
de [a, b] (Nótese que [a, b] = k=1 [xk−1 , xk ] y que los intervalos (xk−1 , xk ) son dos a
dos disjuntos). Para todo k ∈ {1, . . . , n}, definamos
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
n
n
U (f, P ) = Mk ∆xk y L(f, P ) = mk ∆xk
k=1 k=1
Gráficamente (figuras 11.1 y 11.2) se aprecia que estas sumas representan una apro-
ximación por exceso o por defecto, respectivamente, del área que encierra la función.
Es fácil ver que si se van haciendo particiones cada vez más finas, esto es, con más
puntos y por tanto con intervalos cada vez más pequeños, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo (figuras 11.1 y 11.2).
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
Figura 11.1: Aproximaciones cada vez más finas a la integral de Riemann mediante
sumas superiores.
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
Figura 11.2: Aproximaciones cada vez más finas a la integral de Riemann mediante
sumas inferiores.
y se representa mediante
< b
f (x)dx.
a
y se representa mediante
< b
f (x)dx.
a
En ese caso, a ese valor común se le denomina integral de f en [a, b], y se representa
mediante < b < b
f , ó f (x)dx.
a a
11.4. El teorema fundamental del cálculo 237
Una consecuencia inmediata del teorema anterior es que la función F es una primitiva
de f , y como toda primitiva de f se diferencia respecto de f en una constante:
< < t
f (t)dt = f (x)dx + Cte = F (t) + Cte.
a
238 Capı́tulo 11. Integración de funciones de una variable
< b
f (x)dx = F (b) − F (a).
a
Este último teorema se conoce como teorema fundamental del cálculo, fórmula de
Newton - Leibniz o regla de Barrow.
<
1
√ dx = arcsen x + cte
1 − x2
<
1
− √ dx = arc cos x + cte
1 − x2
Es cómodo introducir una variable intermedia (de donde viene el nombre de cambio
de variable)
u = g(x)
<
du
F (u) dx = F (u) + cte
dx
Esta fórmula es fácil de recordar si uno piensa que se “cancelan” las dx.
2. Se obtiene du
dx = g (x) y se “despeja” dx; dx = du
g (x) .
u = x3 + 3x2 + 1
y entonces
du du
= 3x2 + 6x y por tanto dx = 2
dx 3x + 6x
Ası́ pues,
< <
1 x2 + 2x 1 1 31 2 1(
I= √
3
du = √
3
du = u 3 + cte =
3
(x3 + 3x2 + 1)2 + cte.
u 3x2 + 6x 3 u 23 2
< <
F (x)G (x)dx = F (x)G(x) − F (x)G(x)dx. (11.1)
< <
udv = uv − vdu. (11.2)
Nota 11.4. Cuando se utiliza la integración por partes, para integrar una función
h hay que escribir h(x) como F (x)G (x) en donde G (x) es una función de la cual
se conoce como
= calcular su primitiva. Con una buena elección
= de F (x) y G (x) se
consigue que F (x)G(x)dx sea más fácil de integrar que F (x)G (x)dx.
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 5 y 6 de [43], los capı́tulos 4 y 7 de [37], los capı́tulos 8 y 9 de [8] y el
capı́tulo 4 del primer tomo de [25].
11.7. Ejercicios
<
x2
1. Calcular dx
(x3 − 2)5
Solución: − 12
1
(x3 − 2)−4 + C
<
tdt
2. Calcular √
1 − t4
Solución: 12 arcsen(t2 ) + C
< 1
ex
3. Calcular dx
0 1 + e2x
Solución: arctan(ex ) − π
4
<
4. Calcular x2 e−x dx
< π/4
c) cos2 (2x)dx
0
Solución:
π
a) 2
π
b) 4
π
c) 8
Integración de funciones de
varias variables
12.1. Introducción
12.2.1. Introducción
La integral doble tiene una interpretación geométrica básica como volumen y se puede
definir rigurosamente como lı́mite de sumas de Riemann.
Si denotamos por I el rectángulo [a, b] × [c, d] y por V la región del espacio acotada
por la gráfica de f : I → lR, el rectángulo I y los cuatro planos x = a, x = b, y = c e
y = d, entonces se define la integral doble de f como el volumen de V (será positivo
cuando esté situado por encima del plano z = 0 y negativo cuando esté situado por
debajo) y se representa por
< < < < < < d < b
f, f (x, y)dA , f (x, y)dxdy , f (x, y)dxdy , f (x, y)dxdy
I I I I c a
245
246 Capı́tulo 12. Integración de funciones de varias variables
Definición 12.1. Se llama medida del rectángulo I, µ(I) al área de dicho rectángu-
lo, esto es el valor resultante de multiplicar las longitudes de los intervalos (a1 , b1 ) y
(a2 , b2 ):
µ (I) = (b1 − a1 )(b2 − a2 ).
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
U (f, P ) = Mk µ (Ik ) y L(f, P ) = mk µ (Ik )
P P
Es fácil ver que si se van haciendo particiones cada vez más finas, esto es, con más
puntos y por tanto con rectángulos cada vez más pequeños, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo.
y se representa mediante
< d < b
f (x, y)dxdy.
c a
sup L(f, P ),
P
y se representa mediante
< d < b
f (x, y)dxdy.
c a
En ese caso, a ese valor común se le denomina integral de f en [a, b] × [c, d], y se
representa mediante
< d< b < d< b
f ó f (x, y)dxdy.
c a c a
==
Para calcular I
f (x, y)dxdy es útil el siguiente teorema:
Teorema 12.1. (Teorema de Fubini) Sea f una función continua con dominio
rectangular I = [a, b] × [c, d]. Entonces,
< < < b 2< d 3 < d 2< b 3
f (x, y)dxdy = f (x, y)dy dx = f (x, y)dx dy
I a c c a
==
Ejemplo 12.1. Considérese el rectángulo I = [0, 1] × [0, 2]. Calculemos I
x2 ydxdy.
Para ello, aplicamos el teorema de Fubini:
< < < 1 < 2 < 1 2 2 2 2 3
2 2 x y
x ydxdy = x ydy dx = dx
I 0 0 0 2 0
< 1
2
= 2x2 dx =
0 3
También se puede calcular la integral de la siguiente forma:
< < < 2 < 1 < 2 2 3 1 3 < 2
2 2 x y y 2
x ydxdy = x ydx dy = dy = dy =
I 0 0 0 3 0 0 3 3
Definición 12.6. Sea f (x, y) una función definida y acotada sobre un dominio D de
lR2 . Considérese un rectángulo I que incluya a D. Sobre I se define la función
f (x, y) si (x, y) ∈ D
g(x, y) = (12.1)
0 si (x, y) ∈/D
Nota 12.1. Puesto que g(x, y) es nula fuera de D, el volumen encerrado entre la
superficie g(x, y) y el rectángulo I del plano z = 0 coincide con=el= volumen encerrado
por la superficie f (x, y) y el dominio D del plano z = 0. Luego D f (x, y)dxdy sigue
representando el volumen encerrado por la superficie f (x, y) sobre el dominio plano
D.
12.2. Integrales dobles 249
1) Dominios del tipo 1. Son dominios limitados por las curvas y = ϕ1 (x) e y = ϕ2 (x)
entre los valores a1 ≤ x ≤ b1 :
D = {(x, y)/ a1 ≤ x ≤ b1 , ϕ1 (x) ≤ y ≤ ϕ2 (x)}
Si encerramos D en el rectángulo [a1 , b1 ] × [a2 , b2 ] y definimos g(x, y) como en (12.1),
entonces
< < < b1 < b2 < b1 2< ϕ2 (x) 3
f (x, y)dxdy = g(x, y)dxdy = f (x, y)dy dx
D a1 a2 a1 ϕ1 (x)
2) Dominios del tipo 2. Dominios limitados por las curvas x = ψ 1 (y) y x = ψ 2 (y)
entre los valores a2 ≤ y ≤ b2 :
D = {(x, y)/ a2 ≤ y ≤ b2 , ψ 1 (y) ≤ x ≤ ψ 2 (y)}
Aplicando el mismo razonamiento que en el caso anterior
< < < b2 2< ψ2 (y) 3
f (x, y)dxdy = f (x, y)dx dy
D a2 ψ 1 (y)
3) Dominios del tipo 3. Aquellos dominios que se pueden expresar tanto como domi-
nios del tipo 1 como dominios del tipo 2.
4) Dominios que son la unión de dominios de los tipos anteriores. En este caso, las
integrales se calculan partiendo los dominios en subdominios de los tipos 1,2 ó 3, cal-
culando cada integral por separado y aplicando el primer apartado de la Proposición
12.3.
250 Capı́tulo 12. Integración de funciones de varias variables
Solución: Hallemos los valores de x que delimitan nuestra región. Para ello buscamos
los puntos de intersección de ambas curvas imponiendo
x
x − x2 =
2
La solución es : x = 0, x = 12 . Nuestra región es de Tipo 1, y para integrarla haremos
0.25
0.2
0.15
0.1
0.05
< 1
2 3 3
2
2x x x − x2 x3
= e ( −x )−
2
+ dx
0 2 3 24
Evaluemos por separado las distintas integrales que han aparecido:
< 1 12 < 1
2 x 1 2x x
2 1 2 2x 1
e ( − x )dx = e ( − x ) −
2x 2
e ( − 2x)dx
0 2 2 2 0 2 0 2
12.2. Integrales dobles 251
12 12 < 12
1 2x x 1 1 1
= e ( − x2 ) − e2x ( − 2x) − 2 e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 − (− e − ) − (e − 1) = − e +
8 8 4 8 8
(hemos integrado por partes),
< 12 3 < 1
x − x2 1 2 3 1
− dx = − x − 3x4 + 3x5 − x6 dx = −
0 3 3 0 840
< 12 3
x 1
dx =
0 24 1536
La integral buscada será pues
1 3 1 1 1 20131
I =− e+ − + =− e+
8 8 840 1536 8 53760
a) Linealidad.
< < < < < <
(αf (x, y) + βg(x, y)) dxdy = α f (x, y)dxdy + β g(x, y)dxdy
D D D
==
c) Área de un dominio plano. El área de un dominio plano D es igual a D
1dxdy.
La razón es que el volumen encerrado por la función f (x, y) = 1 sobre D es el área
de D multiplicado por la unidad.
La cuestión ahora es la siguiente: ¿cómo cambia una integral doble ante un cambio
de variables? El resultado esencial se recoge en el siguiente teorema:
Teorema 12.2. (cambio de variables para integrales dobles) Sean D y D∗ dos
regiones del plano y sea ϕ : D∗ → D una función de cambio de variables. Entonces
para cualquier función integrable se tiene
< < < <
f (x, y)dxdy = f (ϕ1 (u, v), ϕ2 (u, v)) |Jϕ (u, v)| dudv
D D∗
x = r cos θ
y = r sen θ
siendo D la región
D = (x, y) ∈ lR2 / x ≥ 0, y ≥ 0, x2 + y 2 ≤ b2 , x2 + y 2 ≥ a2
Solución: En primer lugar nos hacemos una idea de la geometrı́a de la región. Note-
mos que por ser x ≥ 0, y ≥ 0, nos encontraremos en el primer cuadrante. La región
x2 +y 2 ≤ b2 es un cı́rculo de radio b, mientras que la región x2 +y 2 ≥ a2 es el exterior a
un cı́rculo de radio a. Nuestra región será por tanto la parte del anillo de radio interior
a y radio exterior b que está en el primer cuadrante. La geometrı́a sugiere un cambio
a coordenadas polares, ya que nuestra región, en esas coordenadas, está acotada por
constantes. Más precisamente:
a≤ r ≤b
π
0≤ θ ≤
2
pudiéndose entonces escribir
< r=b < θ= π
2
I= (ln r2 )rdrdθ
r=a θ=0
Definición 12.8. Siendo [a1 , b1 ] , [a2 , b2 ] , [a3 , b3 ] tres intervalos de lR, se denomina
paralelepı́pedo I de caras paralelas a los planos cartesianos, al dominio de
lR3 formado por el producto cartesiano de los tres intervalos [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ]
Puesto que los paralelepı́pedos de caras paralelas a los planos coordenados serán los
únicos que utilizaremos los designaremos simplemente como paralelepı́pedos.
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante
U (f, P ) = Mk µ (Ik ) y L(f, P ) = mk µ (Ik )
P P
Es fácil ver que si se van haciendo particiones cada vez más finas, esto es, con más
puntos y por tanto con paralelepı́pedos cada vez más pequeños, las sumas superiores
de Riemann van decreciendo y las sumas inferiores van creciendo.
Definición 12.14. Sea I = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] → lR3 . Se define la integral
superior de f en [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] como
ı́nf U (f, P ),
P
y se representa mediante
< b3 < b2 < b1
f (x, y, z)dxdydz.
a3 a2 a1
y se representa mediante
< b3 < b2 < b1
f (x, y, z)dxdydz.
a3 a2 a1
Sea f una función definida y acotada sobre un dominio D de lR3 . Sea I un parale-
lepı́pedo de lR3 que incluya a D. Sobre I se define la función
f (x, y, z) si (x, y, z) ∈ D
g(x, y, z) = (12.3)
0 si (x, y, z) ∈ /D
Definición 12.15. Se = =dice
= que f es integrable en el sentido de Riemann sobre el
dominio D si existe I
g(x, y, z)dxdydz. El valor de la integral de Riemann de
f (x, y, z) sobre el dominio D se define como:
< < < < < <
f (x, y, z)dxdydz = g(x, y, z)dxdydz
D I
256 Capı́tulo 12. Integración de funciones de varias variables
a) Linealidad.
< < < < < <
(αf (x, y, z) + βg(x, y, z)) dxdydz = α f (x, y, z)dxdydz
D D
< < <
+β g(x, y, z)dxdydz
D
D
1dxdydz.
x = r cos θ
y = r sen θ
z = z
y su jacobiano es:
Jϕ (r, θ, z) = r
x = r sen φ cos θ
y = r sen φ sen θ
z = r cos φ
y su jacobiano es:
Jϕ (r, θ, φ) = −r2 sen φ
Si se conocen los valores que toma una función f en un número discreto de puntos
x1 , x2 , ..., xn espaciados regularmente (tal que xk − xk−1 = h para k = 2, . . . , n),
entonces la media de f en este conjunto de puntos es:
n n
i=1 f (xi ) f (xi )h
= i=1
n nh
El concepto anterior lleva a definir el valor medio de una función de una variable en
el intervalo [a, b] por
=b
f (x)dx
f= a
b−a
El valor medio de una función de dos variables en una región bidimensional D será:
==
f (x, y)dxdy
f= ==
D
D
dxdy
y de una función de tres variables en una región tridimensional D:
===
f (x, y)dxdydz
f= =D
==
D
dxdydz
===
zρ(x, y, z)dxdydz
zCM = = = =D
D
ρ(x, y, z)dxdydz
260 Capı́tulo 12. Integración de funciones de varias variables
En el caso de una distribución continua de masas (un sólido rı́gido por ejemplo)
< < <
I= r2 (x, y, z)ρ(x, y, z)dxdydz
D
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 12 de [43], el capı́tulo 17 de [37], el 21 de [8] y el capı́tulo 4 del tomo 2 de
[25].
12.6. Ejercicios
1. Determinar las coordenadas del centro de masas del sólido incluido en el cilindro
ρ = 2 cos θ limitado superiormente por el paraboloide z = ρ2 , e inferiormente
por el plano z = 0. Se supondrá que la densidad es constante.
Solución: xcm = 43 , ycm = 0, zcm = 10
9
3 3
Solución: 32 kπ = 8 m, k = constante de proporcionalidad, m = masa de la
figura.
5. Hallar la masa de una esfera de radio r sabiendo que la densidad en cada punto
es inversamente proporcional al cuadrado de su distancia al centro.
Solución: 4kπr, con k = constante de proporcionalidad.
Solución:
9. Un sólido con densidad constante está acotado por arriba por el plano z = a y
por debajo por el cono descrito en coordenadas esféricas por ϕ = k, donde k es
una constante (0 ≤ k ≤ 2π). Escribir una integral que determine el momento
de inercia del sólido alrededor del eje z.
< k < 2π < cosa ϕ
Solución: ρ ρ4 sen3 ϕdρdθdϕ
0 0 0
10. Calcular el momento de inercia de una cubo de arista a con respecto a una
cualquiera de sus aristas, siendo la densidad en cada punto igual al cuadrado de
su distancia a un extremo de dicha arista.
38 2
Solución: 45 a m, m = masa del cubo.
Capı́tulo 13
Cálculo vectorial
13.1. Introducción
donde [i, j, k] constituyen una base ortonormal de lR3 . Utilizando la notación empleada
en los temas de álgebra lineal, serı́an los vectores i = e1 = (1, 0, 0); j = e2 = (0, 1, 0);
263
264 Capı́tulo 13. Cálculo vectorial
k = e3 = (0, 0, 1).
φ(x, y, z) = x2 yz 2
A(x, y, z) = xzi − y 2 j + 2x2 yk
Calculemos ∇φ, ∇ · A y ∇ × A:
∂φ ∂φ ∂φ
∇φ = i+ j+ k = 2xyz 2 i + x2 z 2 j + 2x2 yzk
∂x ∂y ∂z
1) ∇(U + V ) = ∇U + ∇V
2) ∇ · (A + B) = ∇ · A + ∇ · B
3) ∇ × (A + B) = ∇ × A + ∇ × B
266 Capı́tulo 13. Cálculo vectorial
4) ∇ · (U A) = (∇U ) · A + U (∇ · A)
5) ∇ × (U A) = (∇U ) × A + U (∇ × A)
6) ∇ · (A × B) = B · ∇ × A − A · ∇ × B
7) ∇ × (A × B) = (B · ∇) A − B (∇ · A) − (A · ∇) B + A (∇ · B)
8) ∇(A · B) = (B · ∇) A + (A · ∇) B + B × (∇ × A) + A × (∇ × B)
∂2 ∂2 ∂2
9) ∇· (∇U ) = ∆U, donde ∆ = ∂x2 + ∂y 2 + ∂z 2 es el llamado laplaciano.
10) ∇ × (∇U ) = 0
11) ∇· (∇ × A) = 0
12) ∇ × (∇ × A) = ∇ (∇·A) − ∆A
Sea C una curva en el espacio (x, y, z) que une los puntos p1 (a1 , b1 , c1 ) y p2 (a2 , b2 , c2 ).
Sea A(x, y, z) = (Ax (x, y, z), Ay (x, y, z), Az (x, y, z)) un campo vectorial definido a lo
largo de C. Subdividamos C en n partes eligiendo (n − 1) puntos de la misma dados
por (x1 , y1 , z1 ), (x2 , y2 , z2 ), ...., (xn−1 , yn−1 , zn−1 ). Denotemos por ∆xk = xk − xk−1 ,
∆yk = yk −yk−1 , ∆zk = zk −zk−1 con k = 1, 2, ..., n, siendo (a1 , b1 , c1 ) = (x0 , y0 , z0 ) y
(a2 , b2 , c2 ) = (xn , yn , zn ). Tomemos puntos (ξ k , η k , ζ k ) de C situados entre los puntos
(xk , yk , zk ) y (xk−1 , yk−1 , zk−1 ). La integral curvilı́nea a lo largo de C se define
como
n
lı́m (Ax (ξ k , η k , ζ k )∆xk + Ay (ξ k , η k , ζ k )∆yk + Az (ξ k , η k , ζ k )∆zk )
n→∞
k=1
< <
= (Ax dx + Ay dy + Az dz) = A · dr
C C
1)
< < (a2 ,b2 ,c2 ) < (a1 ,b1 ,c1 )
A · dr = A · dr = − A · dr
C (a1 ,b1 ,c1 ) (a2 ,b2 ,c2 )
13.4. Integral curvilı́nea. Circulación 267
2)
< < (a2 ,b2 ,c2 ) < (a3 ,b3 ,c3 ) < (a2 ,b2 ,c2 )
A · dr = A · dr = A · dr + A · dr
C (a1 ,b2 ,c1 ) (a1 ,b2 ,c1 ) (a3 ,b3 ,c3 )
< <
> 2 ?
A · dr = (3x − 6yz)dx + (2y + 3xz)dy + (1 − 4xyz 2 )dz
C C
y por tanto
< < 1 > 2 ?
A · dr = (3t − 6t2 t3 )dt + (2t2 + 3tt3 )2tdt + (1 − 4tt2 (t3 )2 )3t2 dt
C 0
< 1
= (3t2 − 6t5 + 4t3 + 6t5 + 3t2 − 12t11 )dt = 2
0
Definición 13.7. Curva simple cerrada es una curva cerrada que no se corta a
sı́ misma en ningún punto.
Una región plana que tiene la propiedad de que toda curva cerrada de la región se
puede reducir a un punto sin salir de la región se dice que es simplemente conexa.
Si no, se dice que es múltiplemente conexa.
Definición 13.8. La circulación de un vector a lo largo de una curva cerrada C es
la integral curvilı́nea a lo largo de dicha curva, y se denota por
@
A · dr
C
268 Capı́tulo 13. Cálculo vectorial
0.8
0.6
z
0.4
0.2
0
0.2 0.4
x 0.6 0.8
0.5 y 1
∂Q
Teorema 13.3. (Teorema de Green en el plano). Sean P , Q, ∂P ∂y y ∂x , uni-
formes y continuas en una región simplemente conexa R del plano xy. Supongamos
además que el contorno de R es una curva simple cerrada C. Entonces
@ <<
∂Q ∂P
P dx + Qdy = − dxdy
C R ∂x ∂y
donde suponemos que C se recorre en sentido opuesto a las agujas del reloj.
=
Teorema 13.4. Una condición necesaria y suficiente para que C A · dr sea indepen-
diente del camino C que une dos puntos cualesquiera en una región R es que en R se
tenga
∂Ax ∂Ay ∂Az ∂Ax ∂Ay ∂Az
= , = , =
∂y ∂x ∂x ∂z ∂z ∂y
o, equivalentemente,
∇×A=0
Además, en este caso, A · dr es una diferencial exacta. Es decir, existe una función
φ(x, y, z) tal que
dφ = A · dr
y entonces
< < (x1 ,y1 ,z1 )
A · dr = A · dr = φ(x1 , y1 , z1 ) − φ(x0 , y0 , z0 )
C (x0 ,y0 ,z0 )
Sea S una superficie bilátera (con dos lados, al contrario de lo que sucede con otras
superficies, como la cinta de Möbius, que tienen un sólo lado) cuya proyección sobre
el plano xy es R. Supóngase que una ecuación de S sea z = f (x, y), donde f es
uniforme y continua para todo x e y de R. Dividimos R en n subregiones de área
∆Ap , p = 1, 2, ..., n y levantamos una columna sobre cada una de estas subregiones
hasta que corte a S donde determinan un área ∆Sp . Sea φ(x, y, z) uniforme y continua
en todo punto de S. Formemos la suma
n
φ(ξ p , η p , ζ p )∆Sp
p=1
Como ∆Sp = sec γ p ∆Ap aproximadamente, siendo γ p el ángulo que forma la normal
a S con el eje positivo z, el lı́mite de la suma se puede escribir
< <
φ(x, y, z) |sec γ| dA
R
donde : 2 2
1 ∂z ∂z
|sec γ| = = 1+ +
|np · k| ∂x ∂y
Si z = f (x, y) tiene derivadas continuas en R, entonces la integral se escribe en
coordenadas cartesianas como
: 2 2
< <
∂f ∂f
φ(x, y, f (x, y)) 1 + + dxdy
R ∂x ∂y
270 Capı́tulo 13. Cálculo vectorial
Se ha supuesto en todo momento que S es tal que toda paralela al eje z corta S en un
solo punto. Si S no es de ese tipo se puede, por lo general, subdividir S en superficies
S1 , S2 , ... que son de ese tipo. Entonces la integral sobre S se define como la suma de
las integrales de superficie sobre S1 , S2 , ....
El área de una superficie se calcula con la integral sobre dicha superficie de la función
φ(x, y, z) = 1.
Ejemplo 13.4. Evalúa la integral de superficie
<<
xzdS
S
0.8
0.6
0.4
0.2
1 1
0.5 0.5
0.5 y
x
1 1
Solución: Calculemos los flujos a través del paraboloide y del cı́rculo por separado.
A través del paraboloide tendremos
< <
f lujo1 = A(x, y, z) · n(x, y, z)dS1
S1
272 Capı́tulo 13. Cálculo vectorial
< <
= (xi + yj + f (x, y)k) · (2xi + 2yj + k) dA1
A1
< < < <
= (2x + 2y + 1 − x − y )dxdy =
2 2 2 2
(x2 + y 2 + 1)dxdy
A1 A1
1 f (x, y) = 1 − x − y
2 2
donde A1 es el cı́rculo unidad en el plano xy,0 hemos definido
y hemos calculado la normal exterior como − ∂x , − ∂y , 1 = (2x, 2y, 1). Entonces,
∂f ∂f
pasando a polares,
< θ=2π < r=1
3π
f lujo1 = (r2 + 1)rdrdθ =
θ=0 r=0 2
Por tanto,
< < < <
(∇ × A) · ndS = (5i + 2j + 3k) · (2xi + 2yj + k) dA1
S A1
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 13 de [43], el capı́tulo 18 de [37], los capı́tulos 22 y 23 de [8] y el libro
completo de [38].
13.8. Ejercicios
1. Demostrar que el campo vectorial gradiente correspondiente a una función es-
calar de tres variables es perpendicular a las superficies de nivel de la función
en todo punto.
=
2. Si A = (3x2 + 6yz)i + (2y + 3xz)j + (1 − 4xyz 2 )k, calcular A·dr de (0, 0, 0) a
(1, 1, 1) a lo largo de los siguientes caminos C:
(a) x = t, y = t2 , z = t3 .
(b) Los segmentos de (0, 0, 0) a (0, 0, 1), de (0, 0, 1) a (0, 1, 1) y de (0, 1, 1) a
(1, 1, 1).
(c) El segmento de recta de (0, 0, 0) a (1, 1, 1).
Solución: (a) 2, (b) −3, (c) 65 .
==
3. Calcular S A · ndS, donde A = xyi − x2 j + (x + z)k, S es la parte del plano
2x + 2y + z = 6 que queda en el primer octante y n es un vector normal unitario
a S.
27
Solución: 4 .
14.1. Introducción
Las ecuaciones que se han resuelto hasta ahora respondı́an a la necesidad de obtener
los valores numéricos de ciertas magnitudes. En las aplicaciones de las matemáticas
surgen a menudo problemas de una clase cualitativamente diferente: problemas en
los que la incógnita es una función, una ley que expresa la dependencia de ciertas
variables respecto a otras. Por ejemplo al investigar el proceso de enfriamiento de un
cuerpo hay que determinar cómo varı́a la temperatura en el transcurso del tiempo;
para describir el movimiento de un planeta o de una estrella debe determinarse la
dependencia de sus coordenadas polares respecto del tiempo, etc.
A menudo es posible plantear una ecuación que permita encontrar las funciones des-
conocidas pedidas, y estas ecuaciones reciben el nombre de ecuaciones funcionales.
Su naturaleza puede ser, en general, muy diversa; de hecho puede decirse que ya
conocemos el ejemplo más sencillo y primitivo de ecuación funcional: las funciones
implı́citas.
275
276 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
Definición 14.6. Se llama solución de una e.d.o. a toda función y = f (x) que
satisface dicha e.d.o.. El proceso de hallar las soluciones de una e.d.o. se denomina
integrar la ecuación.
Ejemplo 14.4. Dada la ecuación y + y = 0, la función y = sen x es solución de ella
ya que:
y (x) = cos x , y (x) = − sen x y por tanto y + y = − sen x + sen x = 0
y(1) = 3
⎩
y (1) = −4
14.3. Ecuaciones diferenciales ordinarias de primer orden 279
y(0) = 1
⎩ π
y (2) = 5
- Forma normal
y (x) = F (x, y(x))
- Forma implı́cita
F (x, y(x), y (x)) = 0
- Forma diferencial
M (x, y)dx + N (x, y)dy = 0
(x,y)
Se obtiene a partir de la forma normal si F (x, y(x)) = − M
N (x,y) :
dy M (x, y)
=− ⇒ N (x, y)dy + M (x, y)dx = 0
dx N (x, y)
x2 + y 2
y (x) =
x−y
(x − y)y − (x2 + y 2 ) = 0
280 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
(y(x) es la primitiva de f ).
y = cos(3x) + 5
es <
sen(3x)
y(x) = (cos(3x) + 5) dx = + 5x + C
3
y la solución de la ecuación diferencial
y = e2x − x
es <
e2x x2
y(x) = e2x − x dx = − +C
2 2
ó
dy F (x)G(y)
=−
dx H(x)P (y)
Son ecuaciones en las que ambas variables, dependiente e independiente, pueden se-
pararse. Para resolverlas, se procede a dicha separación y se integra respecto de cada
variable. El proceso de resolución consiste en “enviar” todo lo que implique x y todo
lo que implique y a distintos lados de una igualdad:
P (y) F (x)
dy = − dx
G(y) H(x)
14.3. Ecuaciones diferenciales ordinarias de primer orden 281
A continuación, se integra
< <
P (y) F (x)
dy = − dx
G(y) H(x)
y se obtiene
f (x) + g(y) = C
F (x) P (y)
donde f (x) es la primitiva de H(x) y g(y) es la primitiva de G(y) .
Ejemplo 14.11.
< <
dy dx 2
2ydx + 3xdy = 0 ⇒ =− ⇒ y = Cx− 3
2y 3x
1. f (x, y) = x2 + y 2 − xy
2
Se evalúa f (λx, λy) = (λx) + (λy)2 − λxλy = λ2 x2 + y 2 − xy = λ2 f (x, y), y
f (x, y) es por tanto una función homogénea de grado 2.
2. f (x, y) = x2 + y 3
2
Se evalúa f (λx, λy) = (λx) + (λy)3 = λ2 x2 + λ3 y 3 = λr f (x, y) para ningún r.
f , por tanto, es no homogénea.
1
3. f (x, y) = (x + y) 2
1 1 1 1
Se evalúa f (λx, λy) = (λx + λy) 2 = λ 2 (x + y) 2 = λ 2 f (x, y). f es por tanto
homogénea de grado 12 .
Definición 14.12. Ecuación de tipo homogéneo2 . Dada una ecuación diferencial
ordinaria y = f (x, y), se dice que es una ecuación de tipo homogéneo si la función
f (x, y) es homogénea de grado 0.
2 No confundir las ecuaciones de tipo homogéneo con las ecuaciones homogéneas de las que se
habló en el apartado de conceptos básicos y de las que se volverá a hablar cuando se estudien las
ecuaciones lineales.
282 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
Nota 14.3. Una e.d.o. de primer orden, expresada en forma diferencial M (x, y)dx +
N (x, y)dy = 0 es de tipo homogéneo si M (x, y) y N (x, y) son funciones homogéneas
de igual grado.
Ecuaciones exactas
∂F ∂F
= M (x, y) y = N (x, y)
∂x ∂y
∂F ∂F
= y 2 = M (x, y) , = 2xy = N (x, y)
∂x ∂y
SOLUCIÓN DE UNA e.d.o. EXACTA: Por definición de ecuación exacta, existe una
función F (x, y(x)) tal que dF (x,y(x))
dx = 0. Eso implica que F (x, y(x)) = K y ésta es
la solución (dada en forma implı́cita).
Teorema 14.1. La e.d.o. M (x, y) + N (x, y)y (x) = 0 donde M (x, y) y N (x, y) ad-
miten derivadas primeras continuas en un dominio D, es exacta si y solo si
∂M ∂N
=
∂y ∂x
La única dificultad en este tipo de ecuaciones reside en encontrar la función F (x, y).
Como ∂F ∂x = M (x, y), entonces necesariamente
<
F (x, y) = M (x, y)dx + C1 (y)
∂F
con C1 (y) una función desconocida. Pero F (x, y) debe verificar ∂y = N (x, y), y por
tanto <
∂
M (x, y)dx + C1 (y) = N (x, y)
∂y
con lo cual <
∂
C1 (y) = N (x, y) − M (x, y)dx
∂y
Se puede comprobar que la función a la derecha no depende de x y ello nos permite
encontrar C1 (y).
284 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
y 2 dx + 2xydy = 0
∂M ∂N
= 2y , = 2y
∂y ∂x
y por tanto
<
F (x, y) = y 2 dx + C1 (y) = y 2 x + C1 (y)
dy
3y + ex + (3x + cos y) =0
dx
∂M ∂N
=3 , =3
∂y ∂x
y por tanto
<
F (x, y) = (3y + ex ) dx + C1 (y) = 3yx + ex + C1 (y)
de lo que se deduce C1 (y) = cos y y por tanto C1 (y) = sen y + C1 . Nuestra solución
general es por tanto
3yx + ex + sen y = K
14.3. Ecuaciones diferenciales ordinarias de primer orden 285
Factores integrantes
Muchas ecuaciones, aún no siendo exactas, se pueden convertir en una ecuación exacta
multiplicándolas por una función (llamada factor integrante). No toda ecuación posee
un factor integrante, pero veremos ciertos casos en los que tal factor se puede hallar
fácilmente. Consideremos la ecuación
∂M ∂µ ∂N
µ =N +µ
∂y ∂x ∂x
y por tanto 4 5
1 ∂µ 1 ∂M (x, y) ∂N (x, y)
= −
µ ∂x N (x, y) ∂y ∂x
Una
8 condición
9 para tener factor integrante que dependa solo de x es entonces que
∂y − ∂x
1 ∂M ∂N
N también dependa solamente de x. Si se sigue operando:
4 5
1 ∂µ ∂ ln µ 1 ∂M (x, y) ∂N (x, y)
= = − ≡ g(x)
µ ∂x ∂x N (x, y) ∂y ∂x
y 4
g(x)dx
µ(x) = Ke
y el factor integrante es 4
µ(x) = Ke− h(y)dy
Ecuaciones lineales
1) homogéneas. Si r(x) = 0.
y (x) + p(x)y(x) = 0
Entonces,
(yh (x) + yp (x)) + p(x) (yh (x) + yp (x)) = r(x)
o, agrupando términos,
> ?
yp + p(x)yp + [yh + p(x)yh ] = r(x)
14.3. Ecuaciones diferenciales ordinarias de primer orden 287
Pero yp + p(x)yp = r(x) por definición de yp . Por tanto, yh debe satisfacer
yh + p(x)yh = 0
y + p(x)y = 0
entonces
y
= −p(x)
y
y por tanto 4 4
y(x) = ±e− p(x)dx+C
= Ke− p(x)dx
3) Sumarlas.
La dificultad radica entonces en el paso 2). Hay dos métodos esenciales para encontrar
soluciones particulares:
y por tanto 4
K (x) = r(x)e p(x)dx
y < 4
p(x)dx
K(x) = r(x)e dx + C
288 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
C es una constante arbitraria, pero como buscamos solo una solución particular, la
escogemos igual a cero. Entonces, la solución particular buscada es
4 < 4
− p(x)dx
yp (x) = e r(x)e p(x)dx dx
yh + 2xyh = 0
Entonces 4 2
yh (x) = e− 2xdx+C
= Ke−x
4 < 4 <
2 2
yp (x) = e− p(x)dx
r(x)e p(x)dx
dx = e−x 4xex dx = 2
Uso
4 de factores integrantes. Se trata simplemente de darse cuenta de que µ(x) =
e p(x)dx es un factor integrante de una ecuación lineal y usar este hecho para integrar
la ecuación.
an (x)y (n) (x) + an−1 (x)y (n−1) (x) + .... + a1 (x)y (x) + a0 (x)y(x) = b(x) (14.3)
Proposición 14.1. Dadas y1 (x), y2 (x), ..., yn (x) funciones solución de una ecuación
lineal homogénea de orden n, toda combinación lineal de ellas
n
Ci yi (x)
i=1
W [y1 , y2 , ..., yn ] = 0
En general, este plan se puede complicar desde el principio por el hecho de que no
hay recetas generales para calcular las soluciones del problema homogéneo. Un caso
en el que si las hay, es el de coeficientes constantes.
b) Existe alguna raı́z compleja mj = λ+µi. Entonces λ−µi es también raı́z y podemos
construir dos soluciones complejas al problema homogéneo:
Combinando las dos soluciones complejas se obtienen dos soluciones reales linealmente
independientes:
c) Existe alguna raı́z mj real repetida r veces (multiplicidad r). Entonces, podemos
construir r soluciones de la forma
y1 (x) = emj x
y2 (x) = xemj x
y3 (x) = x2 emj x
...
yr (x) = xr−1 emj x
Este es un método que solo funciona en ciertos casos: cuando la ecuación es lineal de
coeficientes constantes y cuando el término b(x) tiene una forma particular. El méto-
do consiste en proponer como solución una cierta función que contiene coeficientes
arbitrarios, y fijar dichos coeficientes de modo que la función propuesta sea realmente
una solución a la ecuación. Más precisamente, si el segundo miembro de la ecuación
tiene la forma
b(x) = eαx [sen(βx)Pm (x) + cos(βx)Qn (x)] ,
donde Pm y Qn son polinomios de grado m y n respectivamente se podrá utilizar
el método de los coeficientes indeterminados que consistirá en buscar una solución
particular de la forma:
8 9
Ak (x) + cos(βx)Q
yp (x) = xs eαx sen(βx)P Ak (x) ,
Solución: Por el principio de superposición una solución particular será suma de las
soluciones particulares de las ecuaciones
y + 4y = xex (14.9)
y + 4y = x sen(2x) (14.10)
Buscamos una solución particular de (14.9) en la forma y(x) = (B0 x + B1 )ex . Intro-
duciendo esta expresión en (14.9) obtenemos la ecuación:
(2B0 + B0 x + B1 ) ex + 4(B0 x + B1 )ex = xex
y tenemos ası́ las siguientes ecuaciones para los coeficientes indeterminados B0 y B1 :
2B0 + 5B1 = 0
5B0 = 1
294 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
cuya solución es B1 = − 25
2
, B0 = 15 . Para la ecuación (14.10) tenemos que proponer
y(x) = x(B0 x + B1 ) cos(2x) + x(C0 x + C1 ) sen(2x)
ya que sen(2x) y cos(2x) son soluciones del problema homogéneo (o, lo que es lo
mismo, 2i y −2i son raı́ces del polinomio caracterı́stico de la ecuación homogénea
asociada a (14.10)). Introduciendo y(x) en (14.10) obtenemos :
(2B0 + 8xC0 + 4C1 ) cos 2x + (−8xB0 − 4B1 + 2C0 ) sen 2x = x sen(2x)
de donde se deduce el sistema
2B0 + 4C1 = 0
8C0 = 0
−4B1 + 2C0 = 0
−8B0 = 1
con solución B1 = 0, C0 = 0, C1 = 1
16 , B0 = − 18 .
Se puede decir sin miedo a exagerar que las matemáticas alcanzan su grado máximo
de aplicabilidad a las ciencias a través de las ecuaciones diferenciales. La razón estriba
en el hecho de que muchas leyes naturales se expresan en forma de ecuaciones dife-
renciales. Esto es natural, ya que los hechos experimentales sobre los que se apoyan
tales leyes suelen implicar la variación de una cierta magnitud en función de unas
causas dadas y eso conlleva una relación entre velocidad de variación (derivada) y
causas (una función de ciertas magnitudes). En esta sección nos centraremos en apli-
caciones a la cinética quı́mica, la desintegración nuclear, la evolución de poblaciones,
la mecánica y las mezclas. Los ejemplos son solo una muestra de las aplicaciones que
habrá de usar un Ingeniero Quı́mico o Medioambiental.
A+B →X
Las variaciones que experimentan las poblaciones (ya sea de animales, plantas o per-
sonas) se pueden deber a varias causas. Hay dos básicas: el nacimiento y la muerte de
individuos. Otra causa que puede afectar es la existencia de corrientes migratorias.
Vamos a centrarnos en esta corta exposición en el caso de sistemas cerrados. Es decir,
sistemas en los que no entran ni salen individuos.
La cantidad de individuos que nacen se puede medir con un parámetro α llamado tasa
de natalidad. Nos da el número de individuos que nacen por cada 1000 habitantes y
por año (la escala de número de habitantes y tiempo puede cambiar). La cantidad de
individuos que mueren se mide con un parámetro β llamado tasa de mortalidad. Nos
da el número de individuos que mueren por cada 1000 habitantes y por año.
Este modelo de crecimiento es muy simplista ya que, si r > 0, se tiene N (t) = N (0)ert
que se traduce en un crecimiento exponencial e ilimitado de la población, lo cual
es imposible dado lo limitado de los recursos. Lo que se hace en muchos modelos
ecológicos es sustituir la ley anterior por la llamada ley logı́stica:
dN (t) N (t)
= αN (t) − βN (t) − γN 2 (t) = rN (t) 1 −
dt k
donde el nuevo término modela el hecho de que la población, cuando es excesivamente
grande, experimenta problemas de subsistencia y muchos individuos fallecen por cau-
sas distintas al ciclo de vida normal (luchas, hambre, etc.). El modelo, aunque muy
14.5. Algunas aplicaciones de las ecuaciones diferenciales 297
Esta es una ecuación de segundo orden y, en general, no lineal. Los casos particulares
que sabemos resolver ahora corresponden a fuerzas que dependen sólo del tiempo, o
sólo de x (t), en cuyo caso definimos x (t) = v(t) y escribimos
dv
N
m = Fi (v(t))
dt i=1
d2 x(t)
N
m = ki x(t)
dt2 i=1
298 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
Una cierta sustancia entra en un recipiente (que puede ser un contenedor o la cuenca
de un lago) disuelta en agua o directamente. Se trata de conocer la concentración
de sustancia que hay en el recipiente en cada instante. Pensemos, por ejemplo, en un
lago al que afluyen rı́os que llevan disueltos una sustancia contaminante o sobre el que
se arroja el contaminante directamente. Al lago llegan r litros por segundo de agua
con k g/l de sustancia disuelta. Sobre el lago se arrojan P g/s de sustancia y del lago
salen (al mar, por ejemplo) r litros por segundo de agua. ¿Cuál es la concentración
de sustancia en cada instante? La ecuación que describirá el proceso es
dQ(t) Q(t)
= kr − r +P
dt V
donde Q(t) es la cantidad de sustancia presente en el lago y V es el volumen de agua
en el lago.
La solución analı́tica del sistema anterior aparece en la figura 14.2, en donde se re-
presenta la cantidad de cada unos de los isótopos presentes en función del tiempo.
1200 Pu242
1000
U238
800
600
U234
400
200
Cm246
En un sistema cerrado, conviven zorros y conejos. Los zorros comen conejos para
subsistir. Tantos más conejos hay, más zorros pueden ser mantenidos. Pero si la po-
blación de zorros aumenta mucho, entonces comen demasiados conejos, y la población
de estos puede disminuir drásticamente, con lo cuál los zorros no tienen que comer y
mueren de hambre. Estas consideraciones dan una idea de lo compleja que es, a priori,
la dinámica de poblaciones cuando unas dependen de otras. El modelo generalmente
utilizado es el llamado de Lotka-Volterra o depredador presa. Si denotamos por x(t) la
población de conejos (en miles) y por y(t) la población de zorros (en miles) el sistema
que describe la evolución de tales poblaciones es
dx(t)
= a1 x(t) − a2 x(t)y(t)
dt
dy(t)
= −a3 y(t) + a4 x(t)y(t)
dt
con ai constantes positivas. Consideremos por ejemplo a1 = 1, a2 = 0,5, a3 = 0,75,
a4 = 0,25 y que en el instante inicial hay 4000 conejos y 500 zorros. La solución del
300 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
conejos
zorros
y
0 5 10 15 20
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 1, 2, 3, 4 y 5 de [59] y los capı́tulos 16 y 17 de [55].
14.7. Ejercicios
1. Indicar el orden y el grado de las siguientes e.d.o.:
a) x2 y + 2xy + 2x = 0. ( Sol: orden 2, grado 1 ).
b) y = 3(y )2 − sen(x − 1). ( Sol: orden 3, grado 1).
c) (y )2 = 4x(1 − y )6 . ( Sol: orden 2, grado 2 ).
d ) (y )2 = cos x + yex . ( Sol: orden 3, grado 2).
2 2
∂ y ∂y
e) sen x + 3xy + yex = 0. ( Sol: orden 2, grado 2).
∂x2 ∂x
2
∂2y 2 ∂y
f) + 5x + 6y = 0. ( Sol: orden 2, grado 1 ).
∂x2 ∂x
a) y + 5y + 6y = x2 cos x. ( Sol: Sı́).
b) (y )3 + 5y y + 6y 2 = 0. ( Sol: No).
c) xtg(y) + y = x + cos x. ( Sol: No).
d ) y + x2 − 1 = y. ( Sol: Sı́).
e) ydx + (xy + x − 3y)dy = 0. ( Sol: No).
f ) 3xy − 4y y + y sen x = 4x. ( Sol: No).
g) y − 2y + 3 = ex . ( Sol: Sı́).
h) 4xy + cos y = 5x. ( Sol: No).
3. Demuestra que las funciones dadas son soluciones de las e.d.o que las acom-
pañan:
a) y(x) = C sen x + K cos x y + y = 0.
b) y(x) = ex y − y = 0.
c) y(x) = x + e−x y + y = x + 1.
d ) y(x) = 2e3x − 5e4x y − 7y + 12y = 0.
4. Verifica si las siguientes funciones son solución general de las e.d.o. que las a-
compañan:
a) y(x) = C1 + C2 e−x y + y = 0. ( Sol: Sı́).
b) y(x) = C1 e−4x + C2 e−2x y − 2y − 8y = 0. ( Sol: No).
5. Determina los valores de m para los cuales la función y(x) = emx es una solución
particular de la e.d.o.: −3y + 4y − 2y = 0.
√
Solución: m = 2
3 ± 8
6 i
es solución de la e.d.o.: xy − 2y = 0.
a) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 0
⎪
⎪
⎪
⎩
y (0) = 0
(Solución: y(x) = 0.)
b) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(1) = 3
⎪
⎪
⎪
⎩
y (1) = 4
(Solución: y(x) = (3 sen 1 + 4 cos 1) sen x + (−4 sen 1 + 3 cos 1) cos x.)
a) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 0 ( Sol: y(x) = sen x.)
⎪
⎪
⎪
⎩
y(π/2) = 1
b) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: y(x) = 5 sen x + cos x.)
⎪
⎪
⎪
⎩
y(π/2) = 5
c) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: No existe solución.)
⎪
⎪
⎪
⎩
y (π/2) = 5
d) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: y(x) = C sen x + cos x.)
⎪
⎪
⎪
⎩
y (π/2) = −1
14.7. Ejercicios 303
(1 + ey )y = cos t, y(π/2) = 3
Solución: y + ey = 2 + e3 + sen t
dy
ey − (t + t3 ) = 0, y(1) = 1
dt
t2 t4
Solución: y(t) = ln(e − 3
4 + 2 + 4)
12. Halla las soluciones generales y dibuja las curvas integrales de las e.d.o. siguien-
tes:
a) yy = −x.
√ √
( Sol: y(x) = ± C − x2 , circunferencias de centro (0, 0) y radio C.)
b) y = − xy . ( Sol: curvas de ecuación y(x) = C/x.)
-
K2
h) (1 + y 2 ) + xyy = 0. ( Sol: y(x) = ± x2 − 1.)
26. Sabiendo que la e.d.o. (3x + 2y + y 2 )dx + (x + 4xy + 5y 2 )dy = 0 admite un factor
integrante dependiente de la función z = x + y 2 , se pide:
c) y − 4y − 3y + 18y = 0, sabiendo que las raı́ces del polinomio m3 − 4m2 −
3m + 18 son m1 = −2 (raı́z simple) y m2 = 3 (raı́z doble).
( Sol: y(x) = C1 e−2x + (C2 + C3 x)e3x .)
d ) y − 4y + 13y = 0
( Sol:y(x) = e2x + (C1 cos 3x + C2 sen 3x).
e) y (v −2y (iv +2y +4y +y −2y = 0 sabiendo que el polinomio caracterı́stico
m5 −2m4 +2m3 +4m2 +m−2 tiene por raı́ces m1 = 2 (raı́z simple), m2 = i
(raı́z doble) y m3 = −i (raı́z doble) .
( Sol: y(x) = C1 e2x + (C2 + C3 x) cos x + (C4 + C5 x) sen x.)
31. Dada la e.d.o.: x2 y − 4xy + 6y = 0 se pide:
dx
= α (p − x(t)) (q − x(t))
dt
donde α es una constante positiva. Si x(0) = 0, encontrar x(t).
pq [eα(q−p)t −1]
Solución: x(t) = .
[qeα(q−p)t −p]
14.7. Ejercicios 307
34. Supóngase que en una cierta reacción quı́mica una sustancia P se transforma
en otra sustancia X. Sea p la concentración inicial de P y x(t) la concentración
de X en el tiempo t. Entonces p − x(t) es la concentración de P a tiempo t.
Supóngase además que la reacción es autocatalı́tica, esto es, que la reacción se
estimula por la misma sustancia que se produce. Por lo tanto dx dt es proporcional
a x(t) y a p − x(t), y
dx
= αx(p − x)
dt
donde α es una constante positiva. Si x(0) = x0 , encontrar x(t).
px0
Solución: x(t) = [(p−x0 )e−pαt +x0 ] .
37. Sobre un cuerpo que cae en un fluido relativamente denso, aceite por ejemplo,
actúan tres fuerzas: Una fuerza resistiva R, una fuerza de flotación B, y su peso
debido a la gravedad. La fuerza de flotación es igual al peso del fluido desplazado
por el objeto. Para un cuerpo esférico de radio a que se mueve lentamente, la
fuerza resistiva está dada por la ley de Stokes R = 6πµa |v|, donde v es la
velocidad del cuerpo y µ es el coeficiente de viscosidad del fluido circundante.
Encuéntrese la velocidad lı́mite de una esfera sólida de radio a y densidad ρ
cayendo libremente en un medio de densidad ρ y coeficiente de viscosidad µ.
2
2 a g(ρ−ρ )
Solución: vl = 9 µ .
38. Un cierto material radiactivo tiene una vida media de dos horas. Encuéntrese
el intervalo de tiempo requerido para que una cantidad dada de este material
decaiga hasta un décimo de su masa original.
2 ln 10
Solución: t = ln 2 horas.
39. Una masa de 20 gr estira un resorte espiral una distancia de 5 cm. Si el resorte
está conectado a un amortiguador de aceite que tiene una constante de amorti-
guamiento de 400 dinas/seg/cm, determı́nese el movimiento subsecuente si la
masa es empujada hacia abajo una distancia adicional de 2 cm y soltada luego.
√ √
Solución: u(t) = e−10t (2 cos(4 6t) + √56 sen(4 6t)) cms.
Capı́tulo 15
Sistemas de ecuaciones
diferenciales ordinarias
15.1. Introducción
A menudo, en una ecuación diferencial ordinaria para una función x(t) aparecen
funciones cuya forma explı́cita no es conocida y sobre las cuáles tenemos la única
información de que son solución de otras ecuaciones diferenciales ordinarias. Estas
ecuaciones pueden, a su vez, contener a la propia función x(t). Esta situación da
lugar a los sistemas de ecuaciones diferenciales, en los que tenemos que resolver todas
las ecuaciones “simultáneamente”.
309
310 Capı́tulo 15. Sistemas de ecuaciones diferenciales ordinarias
dxi n
(t) = aij (t)xj (t) + Fi (t) (i = 1, 2, ..., n).
dt j=1
dx
(t) = A(t)x(t) + F(t) (15.4)
dt
expresión a menudo llamada ecuación diferencial vectorial correspondiente al sistema.
Definición 15.3. Por solución de la ecuación diferencial vectorial (15.4) entendemos
una función vectorial columna n × 1
⎛ ⎞
φ1 (t)
⎜ φ2 (t) ⎟
⎜ ⎟
φ≡⎜ . ⎟
⎝ .. ⎠
φn (t)
Concluimos esta sección haciendo notar que una ecuación diferencial lineal de orden
n es reducible a un sistema de orden n. En efecto, consideremos la ecuación
dn x dn−1 x dx
+ a n−1 (t) + ... + a1 (t) + a0 (t)x = F (t)
dtn dtn−1 dt
y hagamos
x(t) ≡ x1 (t)
dx1 (t) dx(t)
= ≡ x2 (t)
dt dt
2
dx2 (t) d x(t)
= ≡ x3 (t)
dt2 dt2
dn−1 x(t) dn−1 x(t)
= ≡ xn (t)
dtn−1 dtn−1
Entonces se verifica:
dxn (t)
= F (t) − an−1 (t)xn (t) − ... − a1 (t)x2 (t) − a0 (t)x1 (t)
dt
Este hecho reduce el cálculo de soluciones de una ecuación de orden n al cálculo de
soluciones del sistema de n ecuaciones lineales asociado.
Una familia importante de sistemas lineales son los homogéneos (es decir, aquellos en
los que F(t) = 0). La razón estriba en el hecho de que las soluciones de los sistemas
312 Capı́tulo 15. Sistemas de ecuaciones diferenciales ordinarias
se denomina Wronskiano de las n funciones vectoriales y se denota por W (φ1 ,φ2 ,...,φn )
y su valor en t por W (φ1 ,φ2 ,...,φn )(t).
Teorema 15.3. Sean φ1 ,φ2 ,...,φn n soluciones de una ecuación diferencial vectorial
homogénea en el intervalo [a, b]. entonces
W (φ1 , φ2 , ..., φn )(t) = 0 para todo t ∈ [a, b]
o bien W (φ1 , φ2 , ..., φn )(t) = 0 para todo t ∈ [a, b]
Una consecuencia de este teorema es que n soluciones φ1 ,φ2 ,...,φn de una ecuación
diferencial vectorial homogénea son linealmente independientes en todo el intervalo
de t si lo son en un punto. Si esto ocurre, constituyen una base del conjunto de todas
las soluciones. Se dice entonces que forman un conjunto fundamental y a la matriz
⎛ ⎞
φ11 (t) φ12 (t) ... φ1n (t)
⎜ φ21 (t) φ22 (t) φ2n (t) ⎟
⎜ ⎟
⎜ .. .. .. ⎟
⎝ . . . ⎠
φn1 (t) φn2 (t) ... φnn (t)
15.4. Sistemas lineales no homogéneos 313
b) Toda solución del sistema homogéneo es expresable como combinación lineal de las
n soluciones del conjunto fundamental.
Al igual que en el caso de las ecuaciones lineales de orden n, las soluciones de un sis-
tema lineal no homogéneo son también suma de una solución particular del problema
homogéneo y la solución general del problema homogéneo asociado. Más precisamente,
Teorema 15.5. Sea φ0 una solución cualquiera (solución particular) de la ecuación
diferencial vectorial lineal no homogénea
dx
(t) = A(t)x(t) + F(t); (15.6)
dt
sea φ1 , φ2 , ..., φn un conjunto fundamental de soluciones de la ecuación homogénea
correspondiente
dx
(t) = A(t)x(t)
dt
y sean c1 , c2 ,...,cn n números reales.
o, simplificando,
λα = Aα
lo cual implica que λ es un autovalor de A y α un autovector. Por tanto, un primer
paso para hallar soluciones de (15.8) es buscar autovalores y autovectores de A, es
decir, resolver
(A − λI) α = 0
Recordemos que los autovalores se hallan calculando las n raı́ces complejas λ1 , λ2 ,...,λn
de |A − λI| = 0 y los autovectores correspondientes resolviendo (A − λi I) α = 0. Una
vez calculados los n autovalores, se presentan las siguientes posibilidades:
αj eλj t
αj e(α+βi)t y αj e(α−βi)t
Evidentemente, no nos sirven las soluciones complejas para nuestro sistema (sus so-
luciones han de ser reales), pero con las soluciones complejas construidas se pueden
hallar dos reales linealmente independientes:
donde α1j , α2j , ..., αrj son base del subespacio propio. Si la dimensión del subespacio
propio es m < r la situación se vuelve más complicada. Concentrémonos en el caso
316 Capı́tulo 15. Sistemas de ecuaciones diferenciales ordinarias
más simple: r = 2. Hay dos posibilidades. La primera es que el subespacio propio sea
de dimensión 2 y estamos en la situación de arriba. La segunda es que el subespacio
propio sea de dimensión 1. Entonces una solución es α1j eλj t con α1j un autovector y
la otra es β j teλj t con β j satisfaciendo
(A − λI) β j = α1j
III. Las raı́ces son múltiples, λ1 = λ2 . Dependiendo de que el signo sea positivo o
negativo será en (0, 0) un nodo inestable o estable.
Nota 15.1. Esta clasificación del origen dependiendo del comportamiento de las
soluciones cerca de él se puede extender a los puntos de equilibrio en sistemas de
ecuaciones no lineales. Consideremos un sistema de la forma
dx1
= f1 (x1 , x2 ) (15.9)
dt
dx2
= f2 (x1 , x2 ) (15.10)
dt
y supongamos que f1 (x01 , x02 ) = f2 (x01 , x02 ) = 0 para un punto (x01 , x02 ) (es decir,
el punto (x01 , x02 ) es de equilibrio, ya que una solución del sistema es (x1 (t), x2 (t)) =
(x01 , x02 )). Podemos hacer un desarrollo de Taylor lineal de f1 , f2 en torno a (x01 , x02 )
y obtener
∂fi ∂fi
fi (x1 , x2 ) fi (x01 , x02 ) + (x01 , x02 )(x1 − x01 ) + (x01 , x02 )(x2 − x02 )
∂x1 ∂x2
15.6. Referencias bibliográficas 317
dA
x1
= A1 + a12 x
a11 x A2 (15.11)
dt
dA
x2
= A1 + a22 x
a21 x A2 (15.12)
dt
y el comportamiento de las soluciones corresponde con el de las soluciones de este
sistema homogéneo.
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 8 de [59] y los capı́tulos 18 y 19 de [55].
15.7. Ejercicios
1. Resolver los siguientes sistemas de ecuaciones diferenciales ordinarias:
dx
a) dt = x − 2y
dy
dt = x + 3y
dx
b) dt + 3x + y = 0 con condiciones iniciales x(0) = y(0) = 1
dt − x + y = 0
dy
dt = −7x + y
dx
c)
dt = −2x − 5y
dy
Solución: a) x(t) = (C1 − C2 )e2t cos t − (C1 + C2 )e2t sen t , y(t) = (C1 sen t +
C2 cos t)e2t ,
b) x(t) = e−2t (1 − 2t), y(t) = e−−2t (1 + 2t), c) x(t) = (C1 − 3C1 t − 3C2 )e5t ,
y(t) = (C1 t + C2 )e5t .
dt = −x + 2y
dx
b) dy
dt = x + y
dt = −x + 3y
dx
c)
dt = −x + y
dy
16.1. Introducción
319
320 Capı́tulo 16. Técnicas básicas de cálculo numérico
En cuanto a la función f se refiere, bastará con conocer los valores que toma la función
n
en los puntos {xi }i=0 .
n
pn (x) = f (xi )Li (x) (16.1)
i=0
con
n
(x − xj )
Li (x) =
j=0
(xi − xj )
i=j
Nota 16.1. Li (x) es el único polinomio de grado menor o igual a n tal que Li (x) = δ ji .
1
L0 L1
0.8
0.6
0.4
0.2
1
L0 L2
0.8
L1
0.6
0.4
0.2
Por otro lado, si de f no se conoce más que los valores que toma en los puntos del
n
soporte, {f (xi )}i=0 , es evidente que nada se puede decir sobre E(x). En efecto, se
puede cambiar f fuera del soporte sin modificar pn (x). Por tanto se deben hacer
hipótesis suplementarias sobre la función f . Dichas hipótesis serán fundamentalmente
hipótesis de regularidad.
Teorema 16.2. Si f ∈ C n+1 ([a, b] , lR) para todo x ∈ [a, b], entonces existe ξ x perte-
neciente al más pequeño intervalo cerrado que contenga a x, x0 , ...., xn tal que
f (n+1) (ξ x )
E(x) = f (x) − pn (x) = Πn (x)
(n + 1)!
se verifica
M
|E(x)|x∈[a,b] ≤ |Πn (x)|
(n + 1)!
1
f
p3
0.5 p2
0.5
p1
n−1
De este modo si se ha realizado una interpolación sobre n puntos {xi }i=0 , y si se
quiere realizar una nueva interpolación añadiendo un puntoal soporte no es necesario
n−1
rehacer todos los cálculos, basta con calcular f [x0 , ..., xn ] i=0 (x − xi ).
324 Capı́tulo 16. Técnicas básicas de cálculo numérico
En los problemas fı́sicos y técnicos muchas veces deben manejarse funciones tan solo
conocidas en un conjunto discreto de puntos o que tienen expresiones demasiado
complicadas para su rápida derivación mediante un programa de cálculo simbólico.
En estos casos el cálculo del valor aproximado de la derivada de una de tales funciones
se realiza mediante derivación numérica. La derivación numérica resuelve, por lo tanto,
el siguiente problema: “Conocidos los valores de una función f (x0 ), . . . , f (xn ) en un
soporte de n + 1 puntos, {xi }ni=0 ∈ [a, b], calcular el valor (aproximado) de la derivada
de la función en un punto x∗ ∈ [a, b] ”.
f (x + h) − f (x)
f (x) = lı́m
h→0 h
Si h es suficientemente pequeño:
f (x + h) − f (x)
f (x) ≈ = c0 f (x + h) + c1 f (x) (16.2)
h
n
f (x) = ci f (xi ) + R(f ) (16.3)
i=1
n n
En donde: {xi }i=0 = soporte de la fórmula, {ci }i=0 = coeficientes de la fórmula,
R(f ) = error de la fórmula. Se dirá que la fórmula (16.3) es exacta de orden k si
es exacta para los k + 1 monomios {1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k).
Es fácil demostrar que si una fórmula de derivación numérica es exacta de orden k
entonces es exacta para cualquier polinomio de grado ≤ k. En el siguiente apartado
se va a estudiar un subconjunto importante de las fórmulas (16.3): las fórmulas de
derivación numérica de tipo interpolatorio.
16.6. Fórmulas de derivación numérica de tipo interpolatorio 325
n
f (n+1) (ξ x )
f (x) = f (xi )Li (x) + Πn (x) .
i=0
(n + 1)!
f (n+1) (ξ xj )
Pero en xj se tendrá que (n+1)! Πn (xj ) = 0 de modo que
n
f (n+1) (ξ xj )
f (xj ) = f (xi )Li (xj ) + Πn (xj )
i=0
(n + 1)!
n
f (n+1) (ξ xj )
n
= f (xi )Li (xj ) + (xj − xk ) (16.4)
i=0
(n + 1)!
k=0
k=j
1 h4
f (a) = [f (a − 2h) − 8f (a − h) + 8f (a + h) − f (a + 2h)] + f (5) (ξ)
12h 30
1
f (a) = [−25f (a) + 48f (a + h) − 36f (a + 2h) + 16f (a + 3h)]
12h
h4
−3f (a + 4h) + f (5) (ξ)
30
difı́cil describir mediante procesos elementales su cálculo, por lo que en las aplicaciones
en las que el tiempo de cálculo sea crı́tico es necesario usar integraciones numéricas.
n
Al igual que en las fórmulas de derivación numérica a los {xi }i=0 se les conoce como
n
soporte de la fórmula, a los {ci }i=0 como coeficientes de la fórmula y a R(f )
como error de la fórmula. Es deseable que dicho error sea lo menor posible. Se
dirá que la fórmula (16.5) es exacta de orden k si es exacta para los k + 1 monomios
{1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k). Es fácil demostrar que si una fórmu-
la de integración numérica es exacta de orden k entonces es exacta para cualquier
polinomio de grado ≤ k. En el siguiente apartado se va a estudiar un subconjun-
to importante de las fórmulas (16.5): las fórmulas de integración numérica de tipo
interpolatorio.
n
f (x) = pn (x) + E(x) = f (xi )Li (x) + E(x)
i=0
Por tanto, se podrı́a construir una fórmula de integración numérica del siguiente modo
< b < b < b 2 n
3 < b
f (x)dx = (pn (x) + E(x)) dx = f (xi )Li (x) dx + E(x)dx
a a a i=0 a
2< 3 <
n b b
= f (xi ) Li (x)dx + E(x)dx
i=0 a a
n
= ci f (xi ) + R(f ) (16.6)
i=0
328 Capı́tulo 16. Técnicas básicas de cálculo numérico
con
< b
ci = Li (x)dx
a
< b
R(f ) = E(x)dx
a
es exacta para todo polinomio de grado menor o igual que n si y sólo si es de tipo
interpolatorio.
Nota 16.5. En los siguientes apartados se van a obtener diversas fórmulas de tipo
interpolatorio. Estas fórmulas se obtendrán integrando el polinomio interpolador de
n
Lagrange de la función f (función a integrar) sobre el soporte {xi }i=0 (soporte de inte-
gración). Para ello no es imprescindible calcular los polinomios de base de Lagrange.
Se pueden utilizar otras formas más rápidas de cálculo del polinomio interpolador
como por ejemplo la fórmula de Newton.
Nota 16.6. (Estimación del error). En principio la expresión del error se obtiene
integrando la expresión del error de interpolación correspondiente. Sin embargo, dicha
integración no es siempre sencilla. Por ello se utilizarán desarrollos de Taylor para
evaluar R(f ). Esta evaluación, al igual que sucedı́a con las fórmulas de derivación
numérica de tipo interpolatorio, se realiza dejando la expresión del error en función de
la separación, h, de dos puntos consecutivos del soporte que se supondrá equidistante.
a) Fórmula del rectángulo. En este caso el soporte coincide con el extremo izquier-
do del intervalo de integración (x0 = a).
< b
f (x)dx = f (a)(b − a)
a
Estimación del error: R(f ) = O(h2 ) (la fórmula es exacta de orden 2).
Nota 16.7. También se puede definir la fórmula del rectángulo con soporte en el lado
derecho (x0 = b).
a+b
b) Fórmula del punto medio. x0 = 2 . Entonces
< b
a+b
f (x)dx = f ( )(b − a) + R(f )
a 2
f(x)
f(a+b)/2
a b
(a+b)/2
4 5
(b − x0 )2 (a − x0 )2
= f (x0 )(b − a) + f [x0 , x1 ] − + R(f )
2 2
Pero
f (x0 ) − f (x1 ) f (a) − f (b)
f [x0 , x1 ] = =
x0 − x1 a−b
y por tanto
< b
f (a) + f (b)
f (x)dx = (b − a)
a 2
3
Estimación del error: O(h ). Esta última fórmula se denomina Fórmula del trape-
cio.
f(b)
f(x)
f(a)
a b
f(b)
p(x)
f(a)
f(x)
f(a+b)/2
a b
(a+b)/2
n cj D |Error| Nombre
h3
1 (un punto) 1,1 2 12 f (ξ) Trapecio
h5 iv
2 (dos puntos) 1,4,1 6 90 f (ξ) Simpson
3h5 iv
3 (tres puntos) 1,3,3,1 8 80 f (ξ) Regla 38
8h7 vi
4 (cuatro puntos) 7,32,12,32,7 90 945 f (ξ) Milne
275h7 vi
5 (cinco puntos) 19,75,50,50,75,19 288 12096 f (ξ)
9h9 viii
6 (seis puntos) 41,216,27,272,27,216,41 840 1400 f (ξ) Weddle
n cj D |Error| Nombre
h3
1 (un punto) 1 1 3 f (ξ) Punto Medio
3h3
2 (dos puntos) 1,1 2 4 f (ξ)
14h5 iv
3 (tres puntos) 2,-1,2 3 45 f (ξ)
95h5 iv
4 (cuatro puntos) 11,1,1,11 24 144 f (ξ)
Cuanto más se quiera aproximar el valor de una integral mediante las fórmulas de
Newton-Cotes, más puntos se deberán incluir en el soporte de integración. Al aumen-
tar el número de puntos del soporte se irán complicando los cálculos y aumentando
los errores de redondeo que inciden sobre el error total. Puede llegarse ası́ al caso en
que aumentar el soporte en un punto conduzca a un mayor error total de integración
numérica en lugar de a una disminución. El valor n (número de puntos del soporte)
tiene un lı́mite que no conviene sobrepasar. Surge entonces la idea de subdividir el
intervalo [a, b] en un cierto número de subintervalos y emplear sobre cada uno de ellos
una fórmula con un soporte de pocos puntos.
16.12. Resolución numérica de problemas de valor inicial para e.d.o.s 333
donde {aij } son los coeficientes de las fórmulas de integración basadas en ni +1 puntos
utilizada sobre el intervalo Ii .
Las ecuaciones diferenciales que se pueden resolver analı́ticamente son muy escasas.
Habitualmente, cuando deseamos resolver un problema de valor inicial (PVI) asociado
a una cierta ecuación diferencial ordinaria seremos incapaces de hacerlo. No obstante,
a menudo uno está interesado no en la solución analı́tica concreta, sino en valores
aproximados de la solución para ciertos valores de las variable o en propiedades cua-
litativas de la misma. En estos casos, se impone el uso de métodos numéricos que,
si bien no resuelven la ecuación, dan lugar a conjuntos de puntos muy próximos (de
hecho, tan próximos como uno quiera) a puntos de la solución.
Supongamos que y(t), solución del problema de valor inicial, tiene dos derivadas con-
tinuas en [t0 , b], de modo que podemos escribir, desarrollando por Taylor
1 1
y(ti+1 ) = y(ti ) + y (ti )(ti+1 − ti ) + y (ξ i )(ti+1 − ti )2 = y(ti ) + y (ti )h + y (ξ i )h2 .
2 2
Como y(t) satisface la ecuación diferencial se puede escribir
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y (ξ i )h2 = y(ti ) + f (ti , y(ti ))h + O(h2 ) (16.7)
2
w0 = y0
wi+1 = wi + f (ti , wi )h (i = 0, . . . , N − 1).
Cuanto más pequeño sea el tamaño de paso, entonces, menor será el error cometido
al aproximar la solución del PVI por la aproximación de Euler.
1
y(t) = y(ti ) + y (ti )(t − ti ) + y (ti )(t − ti )2 + O((t − ti )3 )
2
De modo que
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y (ti )h2 + O(h3 )
2
1
y(ti−1 ) = y(ti ) − f (ti , y(ti ))h + y (ti )h2 + O(h3 )
2
16.13. Referencias bibliográficas 335
El error es O(h2 ).
El método de Runge Kutta de cuarto orden aproxima la solución del PVI por
w0 = y0
1
wi+1 = wi + [k1 + 2k2 + 2k3 + k4 ]
6
h k1
donde k1 = hf (ti , wi ), k2 = hf (ti + , wi + ),
2 2
h k2
k3 = hf (ti + , wi + ), k4 = hf (ti+1 , wi + k3 ) .
2 2
El error es O(h4 ).
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
los capı́tulos 3, 4 y 5 de [60].
16.14. Ejercicios
1. Determinar el polinomio
> ? interpolador de Lagrange de la función
f (x) =
sen x en el intervalo 0, π2 con el soporte de interpolación 0, π4 , π2 .
√ √
Solución: p(x) = π82 (1 − 2)x2 + π2 (2 2 − 1)x.
π
2. Sea f (x) = sen(5x + 2). Siendo x0 = 0 y x1 = 10 se pide:
−25 sen(5c + 2) 0 2 π
E(x) = x − x
2 10
(32c − 16)e−(4c+2) 2
E(x) = (x − 1 2x + 0 2).
2
5. Sea
f (x) = sen(5x + 2).
π π
Siendo x0 = 0, x1 = 20 , x2 = 10 , se pide:
−125 cos(5c + 2) 0 π 10 π 1
E(x) = x− x x− x
6 20 10
338 Capı́tulo 16. Técnicas básicas de cálculo numérico
7. Hallar el polinomio
interpolador
de Lagrange de la función f (x) = cos x
en el soporte 0, π6 , π3 , π2 . Hallar el valor del polinomio en el punto x = 1 y
comparar con el resultado exacto. Compárese el error real con la cota del error
de interpolación.
Solución: p(x) = 1 + π1 0 0884572x − 1
π 2 5 9422863x
2
+ 1 3
π 3 3 5307436x .
Valor en x = 1: p(1) = 0 5399493 y cos 1 = 0 5403023.
Solución:
x0 = 0 0
0 9003
x1 = π
4 0 7071 −0 3357
0 3729 −0 1214
x2 = π
2 1 −0 3993 0 0185
0 4775 −0 0913
x3 = π
6 0 5 −0 4232
0 6991
x4 = π
3 0 8660
√ √
2 2 8(1 − 2) 0 π1
0 π10 π1
p(x) = x+ x x − − 0 1214 x x − x − +
π π2 4 4 2
0 π 1 0 π 1 0 π 1
+0 0185 x x − x− x−
4 2 6
10. Utilizar la tabla de diferencias divididas de la función f (x) = x5 en el
soporte formado por los puntos {−2, −1, 0, 1, 2} para calcular el polinomio in-
terpolador de Lagrange de dicha función.
Solución:
x0 = −2 −32
31
x1 = −1 −1 −15
1 5
x2 = 0 0 0 0
1 5
x3 = 1 1 15
31
x4 = 2 32
11. Hallar el polinomio interpolador de Lagrange y una cota del error de interpola-
ción que se comete al interpolar en [0, 2] la función f (x) = x4 con los siguientes
soportes:
340 Capı́tulo 16. Técnicas básicas de cálculo numérico
a) {0, 1, 2}
Solución: p2 (x) = 7x2 − 6x, |E(x)| ≤ 3 0792014.
b) {0, 0 5, 1, 2}
Solución: p3 (x) = 3 5x3 − 3 5x2 + 6x, |E(x)| ≤ 4 2925.
c) {0, 0 5, 1, 1 5, 2}
Solución: p4 (x) = x4 , E(x) = 0.
e−c + ec 5
E(x) = (x − 10x4 + 35x3 − 50x2 + 24x)
120
18. Siendo f (x) = e−x + cos x y designando por p(x) al polinomio interpolador
de Lagrange de f (x) sobre el soporte 0, π3 , π2 , indicar cual de las siguientes
opciones recoge una cota del error de interpolación cometido. En el caso de que
varias opciones expresen una cota de dicho error, señala únicamente la que, de
entre ellas, sea menor:
grange sobre el soporte {0, 1, 2}. Indica entre las siguientes opciones cuál recoge
correctamente la expresión de los polinomios de base de Lagrange asociados a
dicho soporte y la del polinomio interpolador.
a)
1 2 1 2
L0 (x) = (x − 3x + 2), L1 (x) = 2x − x2 , L2 (x) = (x − x),
2 2
1 2 3
p(x) = x − x+1
10 5
b)
1 2 1 2
L0 (x) = (x − 3x + 2), L1 (x) = 2x − x2 , L2 (x) = (x − x),
2 2
4 2 1
p(x) = x − x+1
3 20
c)
1 1 2
L0 (x) = (2x2 + 4x − 3), L1 (x) = 2(3x2 − 1), L2 (x) = x + 1,
2 2
1 2 3
p(x) = x − x+1
10 5
d)
1 1 2
L0 (x) = (2x2 + 4x − 3), L1 (x) = 2(3x2 − 1), L2 (x) = x + 1,
2 2
4 2 1
p(x) = x − x+1
3 20
Solución: La opción correcta es la recogida en el apartado a).
20. El polinomio interpolador de Lagrange de la función f (x) = cos 4x−π π sobre el
soporte {0, 1} está dado por p(x) = 0 5403 + 0 4226 x. Señala, entre las opciones
siguientes cuál de ellas recoge una cota del error de interpolación en el intervalo
[0, 1]. En el caso de haber más de un valor que pueda ser cota del error, señala
la más pequeña de las posibles cotas:
a) 1 05, b) 0 21, c) 0 14, b) 0 03
N
N −1
+12 f (x4,i−2 ) + 14 f (x4,i ) + 7f (x4,N )]
i=1 i=1
x f (x)
0 1,0000000
π/12 0 9659258
π/6 0 8660254
π/4 0 7071067
π/3 0 5000000
5π/12 0 2588190
π/2 0 0000000
= π/2
Se pide evaluar una aproximación de 0
f (x)dx:
x0 = a, x1 = a + h, x2 = a + 2h, x3 = a + 3h, x4 = b,
con h = (b−a) 2
4 . Siendo f (x) una función de clase C ([a, b]), se pretende calcular
la integral de f (x) en el intervalo [a, b] subdividiendo el intervalo de integración
según la expresión:
< b < x2 < x3 < b
f (x)dx = f (x)dx + f (x)dx + f (x)dx
a a x2 x3
27. Considérense los puntos x1 < x2 < .... < x10 que forman un soporte equidistante
y sea h la distancia entre dos puntos consecutivos del soporte. Sobre el soporte
anterior se suponen conocidos los valores f1 , f2 , ...., f10 que toma =una función
x
f (x) en ellos y se desea calcular una aproximación de la integral x110 f (x)dx.
Para ello se propone descomponer la integral en suma de las cuatro integrales
siguientes:
< x10 < x3 < x5 < x7 < x10
f (x)dx = f (x)dx + f (x)dx + f (x)dx + f (x)dx
x1 x1 x3 x5 x7
28. Aplicar el método de Euler para aproximar las soluciones de los siguientes pro-
blemas de valor inicial en el intervalo dado:
a) y = te3t − 2y, 0 ≤ t ≤ 1, y(0) = 0 con h = 0,5.
b) y = 1 + (t − y)2 , 2 ≤ t ≤ 3, y(2) = 1 con h = 0,5.
c) y = 1 + y/t, 1 ≤ t ≤ 2, y(1) = 2 con h = 0,25.
d) y = cos(2t) + sen(3t), 0 ≤ t ≤ 1, y(0) = 1 con h = 0,25.
Resolver las ecuaciones en forma exacta y comparar los valores reales con las
aproximaciones del método de Euler.
29. Resolver los problemas de valor inicial del problema anterior usando los métodos
de Euler modificado, de Runge-Kutta de segundo orden y de Runge-Kutta de
orden cuatro. Comparar los errores de cada método con las soluciones exactas.
Capı́tulo 17
Métodos numéricos de
resolución de sistemas de
ecuaciones no lineales
17.1. Introducción
Muchos de los fenómenos fı́sicos y quı́micos con los que tiene que enfrentarse un
ingeniero son no lineales. La resolución de modelos no lineales implica que en algún
momento se deban resolver ecuaciones y sistemas que no son lineales. Aunque el
tema es complicado y requiere, para su estudio en profundidad, una base matemática
que no hemos podido desarrollar en los temas anteriores, hemos optado por incluir
este capı́tulo con el objetivo de exponer los dos métodos más sencillos para resolver
ecuaciones y sistemas no lineales: el método de aproximaciones sucesivas y el método
de Newton. Incluimos previamente un apartado de conceptos previos que contiene un
breve resumen de los resultados necesarios para abordar el estudio de los métodos
antes citados.
Los métodos que se van a estudiar en este tema son iterativos. Los métodos iterativos
consisten en generar una sucesión de vectores que, en el mejor de los casos, se vaya
aproximando hacia el vector solución. Para determinar el grado de aproximación,
349
350 Capı́tulo 17. Métodos numéricos de resolución de sistemas de ecuaciones no lineales
será necesario trabajar en conjuntos sobre los que se haya definido una forma de
medir la distancia entre sus elementos. Este tipo de conjuntos recibe el nombre de
espacios métricos (un caso particular de espacio métrico es el espacio euclı́deo). Las
distancias más habituales en lRn son:
)
* n
n
*
|xi − yi | , d2 (x, y) =+
2
d1 (x, y) = |xi − yi | , d∞ (x, y) = M ax {|xi − yi |}
1≤i≤n
i=1 i=1
Estas tres distancias, por tanto, definen tres espacios métricos distintos sobre lRn ;
espacios que se representan respectivamente por (lRn , d1 ), (lRn , d2 ); y (lRn , d∞ ).
> 0 siempre se puede encontrar un número natural N tal que para todos los ı́ndices
n > N y m > N se verifica que d(xn , xm ) <
.
Se observa que las sucesiones de Cauchy son tales que las distancias entre todos sus
elementos pueden hacerse inferiores a cualquier valor
, a partir de un cierto ı́ndice N
(que dependerá del valor
elegido). Dicho de otra forma, parece que estas sucesiones
convergen hacia “algo”, pero no se sabe si dicho “algo” pertenece al espacio métrico
considerado, si perteneciese, serı́a el lı́mite de la sucesión. Para evitar problemas en
lo sucesivo se trabajará con espacios que incluyan entre sus elementos a todos los
posibles lı́mites de sus sucesiones, espacios que reciben el nombre de espacios métricos
completos. Expresado de forma rigurosa:
Definición 17.3. Se dice que el espacio métrico (E, d) es un espacio métrico com-
pleto si toda sucesión de Cauchy de elementos de E es una sucesión convergente en
(E, d).
Cuando se estudien los métodos para resolver sistemas de ecuaciones será necesario
trabajar sobre espacios vectoriales puesto que las soluciones de los sistemas serán
vectores. Para medir distancias en un espacio vectorial, además de la norma euclı́dea
)
* n
*
x2 = + (xi )2
i=1
17.2. Conceptos previos 351
Se recuerda que una norma definida sobre un lR−espacio vectorial V verifica las
propiedades siguientes:
1. x = 0 ⇔ x = 0.
2. λx = |λ| x , ∀λ ∈ lR, ∀x ∈ V.
3. x + y ≤ x + y, ∀x, y ∈V.
A todo espacio vectorial sobre el que se ha definido una norma se le denomina espacio
vectorial normado. En el tema dedicado al estudio del espacio euclı́deo se introdujo
el concepto de distancia asociada a una norma, concepto que ahora recordamos:
Proposición 17.1. Siendo (E, ·) un espacio vectorial normado, se verifica que la
aplicación d(x, y) = x − y es una distancia denominada distancia asociada a la
norma ·
Las distancias asociadas a las normas ·1 , ·2 y ·∞ se denominan d1 , d2 y d∞ res-
pectivamente. Los espacios vectoriales normados (lRn , ·1 ), (lRn , ·2 ), y (lRn , ·∞ )
son espacios métricos completos con las distancias d1 , d2 y d∞ .
En los métodos iterativos que se van a plantear en este capı́tulo la sucesión de vectores
que, en su caso, vaya a ir convergiendo hacia la solución de la ecuación o del sistema
se generará a partir de un vector inicial x0 mediante un esquema de cálculo que se
traducirá en determinar una función g(x), a partir de la cual se generará la sucesión
en cuestión:
x0 conocido (17.1)
i+1
x = g(xi ) (i = 1, 2, . . .)
Convendrá, por lo tanto, trabajar con funciones g para las cuales se pueda asegurar
que la sucesión que con ella se genere es convergente hacia alguna solución del sistema
que se quiera resolver. Si x∗ fuese el lı́mite de la sucesión generada por el esquema
anterior y además la aplicación g(x) fuese continua se verificará que:
lı́m (xi+1 ) = lı́m g(xi ) ⇔ x∗ = g(x∗ )
i→∞ i→∞
Los puntos x∗ , del dominio sobre el que está definida la aplicación g, que verifican que
x∗ = g(x∗ ) reciben el nombre de puntos fijos de la aplicación. Más concretamente:
352 Capı́tulo 17. Métodos numéricos de resolución de sistemas de ecuaciones no lineales
Interesará, por tanto, trabajar con funciones g que posean un punto fijo. Un tipo de
tales funciones son las que se denominan contracciones.
Definición 17.5. Sean (E, d) y (V, d ) dos espacios métricos y sea g : E → V una
aplicación definida en E y con valores en V. Se dice que g es una aplicación lips-
chitciana cuando existe una constante real k > 0 tal que:
d (g(x), g(y)) ≤ kd(x, y) ∀x, y ∈ E
El método de aproximaciones sucesivas (o del punto fijo) para determinar una solución
de la ecuación no lineal f (x) = 0 se basa en el teorema del punto fijo. Por ello la
17.3. Caso de una única ecuación 353
y=x
y = g(x)
x x x
0 1 2
Sea r un cero de f (x). Es decir, una solución de la ecuación f (x) = 0. Sea x una
aproximación a r. Si f existe y es continua, por el teorema de Taylor sabemos que:
f (x)
h=−
f (x)
f (xn )
xn+1 = xn − , n ≥ 0.
f (xn )
y=f(x)
x2 x1 x0
de donde resulta
1 2
en f (xn ) − f (xn ) = e f (ξ n ) (17.3)
2 n
Poniendo juntas (17.2) y (17.3), obtenemos
1 2 f (ξ n ) 1 f (r)
en+1 = en ≈ e2n = Ce2n
2 f (xn ) 2 f (r)
Por tanto,
de modo que si C(x0 − r)2 < 1, entonces lı́mn→∞ en = 0. Esto prueba el siguiente
teorema:
Teorema 17.2. Sea f (x) continua y sea r un cero simple de f . Hay un entorno de
r y una constante C tales que si el método de Newton se inicia en ese entorno, los
puntos sucesivos se hacen cada vez más cercanos a r y satisfacen
Pn (x) = 0
356 Capı́tulo 17. Métodos numéricos de resolución de sistemas de ecuaciones no lineales
Existen fórmulas explı́citas que dan el valor de dichas raı́ces cuando el grado del
polinomio es menor que 5, pero para grados superiores el único método para hallarlas
es el numérico.
Recordemos que
P (zk )
zk+1 = zk −
P (zk )
Especialmente interesante es el siguiente teorema que nos permite “localizar” las raı́ces
en el plano complejo:
Teorema 17.4. Sean xk y xk+1 dos iteraciones sucesivas que resultan de la aplicación
de método de Newton a un polinomio p de grado n. Entonces existe un cero de p en
una vecindad de xk de radio n |xk − xk+1 | en el plano complejo.
Al igual que en el caso de una ecuación este método se basa en el teorema del punto
fijo. Para su aplicación se transforma el sistema f (x) = 0 en otro equivalente de la
forma x =g(x). Conviene señalar que de la misma forma que sucedı́a en el caso de
una ecuación esta transformación no es única.
xi+1 = g(xi ) (i = 0, 1, 2, . . .)
∞
De esta forma se genera una sucesión de vectores xi+1 = g(xi ) i=0 ; y, según el
teorema del punto fijo se tiene el resultado siguiente:
17.4. Aplicación a sistemas de ecuaciones no lineales 357
Teorema 17.5. Si para alguna norma · definida sobre lRn se verifica que g(x) es
una contracción sobre un dominio D cerrado de lRn y x0 es un punto de D, entonces
el método de aproximaciones sucesivas converge hacia la única solución en D de la
ecuación x =g(x).
∂f1 ∂f1
0 = f1 (x1 + h1 , x2 + h2 ) ≈ f1 (x1 , x2 ) + h1 + h2
∂x1 ∂x2
∂f2 ∂f2
0 = f2 (x1 + h1 , x2 + h2 ) ≈ f2 (x1 , x2 ) + h1 + h2
∂x1 ∂x2
Entonces,
h1 f1 (x1 , x2 )
≈ −Jf−1 (x)
h2 f2 (x1 , x2 )
donde 2 3
∂f1 ∂f2
∂x1 ∂x1
Jf (x) = ∂f1 ∂f2
∂x2 ∂x2
donde 2 3 2 3
(k) (k) (k)
h1 f1 (x1 , x2 )
(k) = −Jf−1 (x) (k) (k)
h2 f2 (x1 , x2 )
fi (x1 , x2 , ..., xn ) = 0 (1 ≤ i ≤ n)
obtenemos el algoritmo
x(k+1) = x(k) + h(k)
358 Capı́tulo 17. Métodos numéricos de resolución de sistemas de ecuaciones no lineales
donde
⎛ (k)
⎞ ⎛ (k)
⎞ ⎛ (k) (k) (k)
⎞
x1 h1 f1 (x1 , x2 , ..., xn )
⎜ (k) ⎟ ⎜ (k) ⎟ ⎜ (k) (k) (k) ⎟
⎜ x2 ⎟ ⎜ h2 ⎟ ⎜ f2 (x1 , x2 , ..., xn ) ⎟
x(k) = ⎜ ⎟ , h(k) = ⎜ ⎟ = −Jf−1 (x) ⎜ ⎟
⎝ ... ⎠ ⎝ ... ⎠ ⎝ ... ⎠
(k) (k) (k) (k) (k)
xn hn fn (x1 , x2 , ..., xn )
y Jf es la matriz jacobiana asociada a (f1 , f2 , ..., fn ).
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
[60], [61] y [65].
17.6. Ejercicios
1. Hallar una raı́z de la ecuación 8x − cos x − 2x2 = 0 utilizando el método de
aproximaciones sucesivas.
Solución: x = 0,128077101
2. Determinar las tres raı́ces del polinomio p(x) = −x3 + 8x2 + 6x + 28.
Solución:
x1 = −7,693181114,
x2 = −0,153409443 − 1,901592041i,
x3 = −0,153409443 − 1,901592041i
17.6. Ejercicios 359
Números complejos
A.1. Introducción
361
362 Números Complejos
z1 (z2 + z3 ) = z1 z2 + z1 z3 , ∀z1 , z2 , z3 ∈ C
En forma módulo-argumental
1.5
0.5
1 0.5 0 0.5 1
0.5
1.5
√ √
Figura A.1: Rep. geométrica de los complejos 1 + 3i y −1 − 3i.
El complejo a + bi se puede también definir por su módulo ρ (la longitud del segmento
que une el punto que representa al complejo con el origen del sistema cartesiano) y
364 Números Complejos
por su argumento α (el ángulo que forma el segmento anterior con la parte positiva
del eje de abscisas). La relación entre a y b y el módulo se obtiene fácilmente aplicando
el teorema de Pitágoras:
(
ρ = a2 + b2
En cuanto al argumento, puesto que son coincidentes los valores de las funciones
trigonométricas de un ángulo θ y del ángulo θ + 2kπ con k ∈ Z, se tendrá que son
argumentos todos los ángulos de la forma:
α = θ + 2kπ, k∈Z
En forma trigonométrica
a = ρ cos θ y b = ρ sen θ
0.5
0.5
√ √
Figura A.2: Rep. geométrica de los complejos 3 − i y − 3 + i.
En forma exponencial
z = ρeiθ
En forma binómica:
a1 + b1 i + a2 + b2 i = a1 + a2 + (b1 + b2 )i
En forma de par:
En forma módulo-argumental:
en donde
(
ρ3 = (ρ1 )2 + (ρ2 )2 + 2ρ1 ρ2 (cos(α1 − α2 ))
En forma trigonométrica:
En forma binómica:
En forma de par:
En forma módulo-argumental:
En forma trigonométrica:
5 4 3 2 1 1 2
√
Figura A.3:√Rep. geométrica del producto de los complejos 2 + i ≈ ( 5)0,46365 y
−1 + 3i ≈ ( 10)1,89255 .
En forma de par:
a −b
(a, b)−1 = , 2
a + b a + b2
2 2
En forma binómica:
a −b
(a + bi)−1 = + 2 i
a2 + b2 a + b2
En forma módulo-argumental:
−1 1
((ρ)α ) =
ρ −α
En forma trigonométrica:
−1 1
(ρ(cos α + i sen α)) = (cos(−α) + i sen(−α))
ρ
En forma binómica
z1 a1 + b1 i a1 a2 + b1 b2 a2 b1 − a1 b2
= = (a1 + b1 i)(a2 + b2 i)−1 = 2 2 + i
z2 a2 + b2 i a2 + b2 a22 + b22
368 Números Complejos
En forma de par:
z1 (a1 , b1 ) a1 a2 + b1 b2 a2 b1 − a1 b2
= = (a1 , b1 )(a2 , b2 )−1 = ,
z2 (a2 , b2 ) a22 + b22 a22 + b22
En forma módulo-argumental:
(ρ1 )α1 ρ1
=
(ρ2 )α2 ρ2 α1 −α2
En forma trigonométrica:
ρ1 (cos α1 + i sen α1 ) ρ
= 1 (cos(α1 − α2 ) + i sen(α1 − α2 ))
ρ2 (cos α2 + i sen α2 ) ρ2
Nota A.4. De lo anterior es fácil concluir que para realizar sumas de números com-
plejos conviene expresarlos en forma de par o en forma binómica. Por el contrario para
realizar productos, cocientes o calcular inversos de complejos conviene expresarlos en
forma módulo-argumental o en forma trigonométrica.
8 6 4 2
0
Figura A.4: Rep. geométrica del complejo z = 1,2+0,9i y de sus primeras 6 potencias.
v^3
1
v^4 v^2
v^5 v
0.5
0.5
v^7 v^1
v^8 1 v^10
v^9
√
Figura A.5: Rep. geométrica del complejo v = 3/2 + (1/2)i y de sus primeras once
potencias.
2 0 2 4 6 8
Figura A.6: Rep. geométrica del complejo z = 8 + 0i y sus tres raı́ces cúbicas.
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
el capı́tulo 1 de [24], el apéndice de [22], el capı́tulo 10 de [1], el apéndice B de [10] y
el capı́tulo 1 de [40].
Para profundizar más en el tema, incluyendo variable compleja, ver [26], [41], [31] y
[36].
A.7. Ejercicios
1. Calcular
a) (5 + 3i) + (3 − 2i).
b) (5 + 3i)(3 − 2i).
(5+3i)
c) (3−2i) .
2+3i
-4
-3-2i
-5i
1 1
i
2 2
π
4
1 1
i
2 2
a) ±2, ±2i.
b) ±(2 + 2i), ±(2 − 2i).
√
8. Determinar las cuatro raı́ces de orden 4 de −8 + 8 3i y representarlas gráfica-
mente.
Solución: Consultar la figura A.9
-1+ 3i
3 +i
π
2 π
6
- 3-i
1- 3i
√
Figura A.9: Las cuatro raı́ces de orden 4 de −8 + 8 3i.
Apéndice B
Exámenes propuestos en la
URJC con sus soluciones
375
376 Exámenes propuestos en la Universidad Rey Juan Carlos
y1
2
y0
y2 1
2 1 1 2
y3 1
y5
2
y4
⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1
Matriz de coeficientes: A = ⎝ 1 a 1 ⎠∼⎝ 0 a−1 0 ⎠
b 1 a 0 0 a−b
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
Matriz ampliada: Ab = ⎝ 1 a 1 1 ⎠∼⎝ 0 a−1 0 1 ⎠ con
b 1 a 1 0 0 a−b a−2+b
a−1
a = 1.
Si a = 1
a) Si a = b, rg(A) = 2. y rg(Ab ) = 3 (2a − 2 = 0 salvo si a = 1) ⇒
Sistema incompatible.
b) Si a = b, rg(A) = 3 y rg(Ab ) = 3 ⇒ Sistema compatible determinado.
Si a =
⎛1 ⎞ ⎛ ⎞
1 1 1 1 1 1
A = ⎝ 1 1 1 ⎠ ∼ ⎝ 0 1 − b 1 − b ⎠,
b 1 1 0 0 0
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
Ab = ⎝ 1 1 1 1 ⎠ ∼ ⎝ 0 1 − b 1 − b 1 ⎠ ,
b 1 1 1 0 0 0 1
a) Si b = 1, rg(A) = 1 y rg(Ab ) = 2 ⇒ Sistema incompatible.
b) Si b = 1, rg(A) = 2 y rg(Ab ) = 3 ⇒ Sistema incompatible.
Resolviendo el primero
t11 t−1 −1 −1
11 + t12 t21 + t13 t31 = 1
−1 −1 −1
0t11 + t22 t21 + t23 t31 = 0 ⇒ t−1
21 = 0
0t−1 −1 −1
11 + 0t21 + t33 t31 = 0 ⇒ t−1
31 = 0
Resolviendo el segundo
t11 t−1 −1 −1
12 + t12 t22 + t13 t32 = 1
−1 −1 −1
0t12 + t22 t22 + t23 t32 = 0
0t−1 −1 −1
12 + 0t22 + t33 t32 = 0 ⇒ t−1
32 = 0
1 a 1 d 1 a
a) A = ∈ H1 , B = ∈ H1 . λA + µB = λ +
b c e f b c
1 d λ + µ λa + µd
µ = ∈ H1 únicamente si λ + µ = 1 ⇒
e f λb + µe λc + µf
existen valores de λ y µ para los cuales λA + µB ∈/ H1 y por lo tanto H1
no es un subespacio de M2 (lR).
−b a −d c
b) A = ∈ H2 , B = ∈ H2 .
a b c d
−b a −d c −(λb + µd) λa + µc
λA+µB = λ +µ = ∈
a b c d λa + µc (λb + µd)
H2 ∀λ, µ ∈ lR ⇒ H2 es un subespacio de M2 (lR).
5. Sean {e1 , . . . , en } , {u1 , . . . , un } y {w1 , . . . , wn } tres bases de un espacio vec-
torial de dimensión n de las que se conoce las relación entre {ei } y {wi } :
n
n
ei = aji wj y entre {wi } y {ui } : wi = bji uj . Si se denota por A a
j=1 j=1
(aij )n×n y por B a (bij )n×n se pide obtener, en función de A y B, la matriz de
cambio de base que transforma las componentes de un vector en la base {ei } en
las componentes del mismo vector en la base {ui } .
Solución:
t
x1 . . . xn → componentes de x en la base {e1 , . . . , en }
t
x1 . . . xn → componentes de x en la base {u1 , . . . , un }
t
x1 . . . xn → componentes de x en la base {w1 , . . . , wn }
A = (e1 , . . . , en ){wi } , B = (w1 , . . . , wn ){ui }
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎫
x1 x1 x1 ⎪
⎪
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟ ⎪ ⎪
⎝ . ⎠ = (e1 , . . . , en ){wi } ⎝ . ⎠ = A ⎝ . ⎠ ⎪ ⎪
⎪
⎪
⎬
⎛ ⎞x ⎛ ⎞ x n x
⎛ ⎞
n
n
⇒
x1 x1 x1 ⎪
⎪
⎜ .. ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎪ ⎪
⎝ . ⎠ = (w1 , . . . , w3 ){ui } ⎝ .. ⎠ = B ⎝ .. ⎠ ⎪ ⎪
⎪
⎪
⎭
xn xn xn
⎛ ⎞ ⎛ ⎞
x1 x1
⎜ .. ⎟ ⎜ . ⎟
⎝ . ⎠ = BA ⎝ .. ⎠ ⇒
xn xn
La matriz de cambio de base de {ei } a {ui } es BA.
z1 · z2
a) calcular .
z2 · z 2
√
b) calcular todos los valores de 4 z1 y dibujar el resultado.
√
z1 · z2 (40 2) 5π + π √
a) = 6 4
= 52 13 π
z2 · z 2 200 12
√ √
4
√
b) 4 z1 = 4 (5π/6) + 2kπ (k = 0, 1, 2, 3) = 2 5π + kπ (k = 0, 1, 2, 3) =
4 4 24 2
⎧ √
⎪
⎪ r1 = 2 5π (k = 0)
⎪
⎪ √ 24
⎨ r2 = 2 17π (k = 1)
√ 24
⎪
⎪ r3 = 2 − 19π (k = 2)
⎪
⎩ r = √2 7π (k = 3)
⎪ 24
4 − 24
r2
1 r1
0.5
1 0.5 0 0.5 1
0.5
r3
1
r4
0x1 + 0x2 + x3 + x4 = a
0x1 + x2 + x3 + x4 = b
0x1 + x2 + 0x3 + 0x4 = c
x1 + x2 + 0x3 + x4 = d
la matriz asociada a f en las bases B1 = {c1 = (1, 0)t , c2 = (1, 1)t } de lR2
y B2 = {b1 = (1, 0, 0)t , b2 = (1, 1, 0)t , b3 = (1, 1, 1)t } de lR3 . Si v = c1 + c2 .
382 Exámenes propuestos en la Universidad Rey Juan Carlos
Determinar f (v). Nota: Todos los vectores del enunciado están referidos a las
bases canónicas de lR2 y lR3 respectivamente. El resultado, f (v), también se
debe expresar en la base canónica de lR3 .
Puntuación de la pregunta: 4 puntos.
Solución: f (v) =f (c1 + c2 ) = f (c1 ) + f (c2 ) = (2, 1, 1)tB2 + (1, −1, 0)tB2 =
(3, 0, 1)tB2 = 3b1 + b3 = 3(1, 0, 0)t + (1, 1, 1)t = (4, 1, 1)t .
a) con los datos del enunciado se pueden obtener las columnas de la matriz
pedida:
f (e1 − e2 ) = f (e1 ) − f (e2 ) = u3 + u2 + u4
f (2e2 ) =2f (e2 )=2u1 + 2u2 + 2u4
f (4e2 − e3 ) =4f (e2 ) − f (e3 )=2u1 +4u2 − 2u3
⎛ ⎞ ⎛ ⎞
1 2 1 2 1 2 1 2
b) ⎝ 1 1 0 1 ⎠ ∼ ⎝ 0 −4 0 0 ⎠ ⇒ f (e1 ), f (e2 ) y f (e3 ) son
2 0 2 4 0 0 −1 −1
linealmente independientes y por lo tanto constituyen una base de Im(f ).
Una vez conocida una base de Im(f ) es fácil construir sus ecuaciones pa-
ramétricas: ⎧ ⎫
⎪
⎪ % x1 = λ ⎪
⎪
⎨ ⎬
x2 = 2λ − 4µ
Im(f ) = x ∈ lR 4
⎪
⎪ x3 = λ − α ⎪
⎪
⎩ ⎭
x4 = 2λ − α
v1 · v2 = 0, v1 · v1 = 1, v2 · v2 = 1, v3 · v3 = 3
⊥
y además v1 − v3 ∈ v1 , v2 . Se pide:
v2 ·v3
b) arc cos(v
2 , v3 ) = v2 v3 = 0 ⇒ v
2 , v3 =
π
2,
arc cos((v1 − v
2 )(v1 + v2 )) =
(v1 −v2 )·(v1 +v2 )
v1 −v2 v1 +v2 = 0 ⇒ (v1 − v
2 )(v1 + v2 ) =
π
2.
1 0 3 1
La matriz del producto escalar en la base {c1 , c2 , c3 } es
⎛ ⎞
1 0 0
G = ⎝ 0 1 0 ⎠
0 0 1
puesto que ci · cj = δ ji .
B.2. Examen parcial de febrero de 2000 385
7. Dada la matriz ⎛ ⎞
1 2 3
A=⎝ 2 1 1 ⎠
4 −1 2
se pide:
Por lo tanto:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 4 −1 2 0 0 1
L = ⎝ 1/4 1 0 ⎠ , U = ⎝ 0 9/4 5/2 ⎠ , F = ⎝ 1 0 0 ⎠ .
1/2 2/3 1 0 0 −5/3 0 1 0
lı́m(x3 + 2x) = 33
debido a que:
ε
∀ε > 0 ∃(δ ≤ y δ ≤ 1) t.q. (0 < |x − 3| < δ ⇒ |x3 + 2x − 33| < ε)
39
df
Hallar dx en el punto x = 1.
Solución: Si F (x, y) define implı́citamente una función y = f (x), entonces
F (x, f (x)) = 0
B.3. Prueba de control de abril de 2000 387
dF (x, f (x))
=0
dx
es decir,
d 2
x + f 4 (x) − 2 = 0
dx
Operando,
2x + 4f 3 (x)f (x) = 0
es decir,
−2x x
f (x) = =− 3
4f 3 (x) 2f (x)
Si (x, f (x)) = (1, −1), tendremos
1 1
f (1) = − =
2(−1)3 2
f (0) 2
f (x) = f (0) + f (0)x + x + O(x3 ) = P2 (x) + O(x3 )
2
g (0) 2
g(x) = g(0) + g (0)x + x + O(x3 ) = Q2 (x) + O(x3 )
2
Se calcula automáticamente f (0) = 1, g(0) = 0. Calculemos las derivadas
de f en cero hasta el orden segundo:
1 1 1
f (x) = (1 + x)− 2 , f (0) =
2 2
1 − 32 1
f (0) = − (1 + x)
, f (0) = −
4 4
1
g (0) =
cos x , g (0) = 1
1 + sen x
sen x cos2 x
g (0) = − − , g (0) = −1
1 + sen x (1 + sen x)2
388 Exámenes propuestos en la Universidad Rey Juan Carlos
Por tanto,
1 1
P2 (x) = 1 + x − x2
2 8
x2
Q2 (x) = x −
2
− 18 x2 + O(x3 )
= lı́m 2
x→0 − x2 + O(x3 )
0 1
O(x3 ) O(x3 )
x2 − 18 + x2 − 18 + − 18 1
0 1 = lı́m x2
= lı́m O(x3 )
= 1 = 4
x→0 2
x − 12 + O(x3 ) x→0 − 12 + −2
x2 x2
1 2
V (r, h) = πr h
3
La generatriz mide 20 cms. La generatriz, el radio y la altura forma un triángulo
rectángulo. Por tanto
r2 + h2 = 202 = 400
Es donde podemos despejar r :
(
r= 400 − h2
y obtener ası́
1
V (h) = π 400 − h2 h
3
B.3. Prueba de control de abril de 2000 389
Para hallar el máximo (si existe) calculemos el o los puntos crı́ticos imponiendo
dV (h) 1
= π 400 − 3h2 = 0
dh 3
20
que se cumple con h = √ 3
. Para ver si es máximo el volumen en este punto,
calculemos la segunda derivada
d2 V (h) d2 V 20 −40π
= −2πh , (√ ) = √ < 0
dh2 dh2 3 3
20
Por tanto, hay un máximo local para h = √ 3
y esta será la altura del embudo
para la cual el volumen es máximo y vale
1 400 20 16000 √
Vmáx = π 400 − √ = π 3 = 3224,5 cm3
3 3 3 27
df 1 1 3
(1, 1) = −2 √ − √ = − √
du 2 2 2
que no es acotada. Esto hace sospechar que quizás el lı́mite no sea −1. Bus-
quemos una trayectoria y = ϕ(x) tal que g(x, ϕ(x)) = M = 0. Tendremos
−x2 − 14 ϕ4 (x)
g(x, ϕ(x)) = = −M
x2 + xϕ2 (x) + 41 ϕ4 (x)
−x2 − 14 y 2
= −M
x2 + xy + 14 y 2
Una posible ϕ(x) será
:
1 0 ( 1
ϕ(x) = −4M x + 4 (−x2 + 2M x2 )
2 (M − 1)
Por tanto,
∂2f
∆2 = det Hf = 24x3 y − 432xy , ∆1 = = 4x3 − 72x
∂x2
x2
f (x) = sen(x − )
2
g(x) = e−x − 1
Solución: Calculamos
x2
f (x) = sen(x − ) , f (0) = 0
2
x2
f (x) = (1 − x) cos(x − ) , f (0) = 1
2
x2 x2
f (x) = − cos(x − ) − (1 − x)2 sen(x − ) , f (0) = −1
2 2
2
x x2
f (0) = 3(1 − x) sen(x − ) − (1 − x)3 cos(x − ) , f (0) = −1
2 2
Por tanto
x2 x3
f (x) = 0 + x − − + O(x4 )
2 6
B.4. Examen final de la convocatoria de junio de 2000 393
x2 x3
El desarrollo de la exponencial es conocido: ex = 1 + x + 2 + 6 + O(x4 ). Por
tanto,
x2 x3
g(x) = −x + − + O(x4 )
2 6
Podemos concluir
3
f (x) + g(x) − x3 + O(x4 ) 1 O(x4 )
= = − +
x3 x3 3 x3
y finalmente
f (x) + g(x) 1 O(x4 ) 1 O(x4 ) 1
lı́m = lı́m − + = − + lı́m =−
x→0 x3 x→0 3 x3 3 x→0 x3 3
2. Considérese la función
(
x−y
sen x2 + y 2 en lR2 \(0, 0)
x2 +y 2
f (x, y) =
0 en (0, 0)
que sólo son cero si λ = 1. La función, por tanto, no es continua en (0, 0).
b) Fuera del punto (0, 0) la función es diferenciable (composición de funciones
diferenciables). Por tanto
( (
∂f 1 2x(x − y) x(x − y)
= 2 2
− 2 2 2
sen x2 + y 2 + 3 cos x2 + y 2
∂x x +y (x + y ) 2 2
(x + y ) 2
( (
∂f −1 2y(x − y) y(x − y)
= 2 2
− 2 2 2
sen x2 + y 2 + 3 cos x2 + y 2
∂y x +y (x + y ) (x2 + y 2 ) 2
Podemos calcular entonces
∂f sen 2 ∂f sen 2
(1, 1) = , (1, 1) = −
∂x 2 ∂y 2
La derivada direccional buscada será entonces
df ∂f ∂f sen 2 1 sen 2 1 sen 2
(1, 1) = (1, 1)u1 + (1, 1)u2 = √ − −√ = √
du ∂x ∂y 2 2 2 2 2
x(t) = t
y(t) = t
z(t) = 1 + t2
3 2
= t − t3
5 5
-
dτ 3
Los puntos crı́ticos (puntos en los que se anula dt ) son t = 0 y t = 2. La
segunda derivada es
d2 τ 3 6
= − t2
dt2 5 5
-
que es positiva para t = 0 y negativa para t = 32 . La función τ (t) (definida
- lR) tendrá por tanto un mı́nimo local en t = 0 y un máximo local en
en todo
3 9
t= 2. El mı́nimo local es τ (0) = T (0, 0, 1) = 4 + 10 = 49
10 , mientras que el
- - -
máximo local es τ ( 32 ) = T ( 32 , 32 , 52 ) = 4 − 34 + 52 − 58 = 41
8 . Como estamos
en el intervalo t ∈ [0, 2], para calcular los extremos globales en el intervalo
deberemos comparar los extremos locales con los valores de la función en el
borde. τ (0) ha sido calculado arriba, y τ (2) = T (2, 2, 5) = 4 − 2 + 5 − 52 = 92 .
Como τ (2) < τ (0), el mı́nimo global se alcanza en t = 2 y vale 92 . El máximo
-
global se alcanza en t = 32 y vale 418 .
bemos que A(x, y) tiene un mı́nimo en (x, y) = (4, 4). Para ello calculamos la
matriz Hessiana
2 2 3
∂ A ∂2A 128
∂x2 ∂x∂y x3 1
H= 2 2 = 128
∂ A ∂ A
2
1 y3
∂x∂y ∂y
2 1 2
En (4, 4) la Hessiana es H = . Como ∂∂xA2 (4, 4) = 2 > 0 y det(H) =
1 2
3 > 0, concluimos que, efectivamente, hay un mı́nimo de A(x, y) en (4, 4). Las
dimensiones de la caja de área mı́nima son entonces 4 × 4 × 2 (las longitudes
tienen dimensiones de decı́metros).
5. Las curvas y = x, y = x2 delimitan una región D (contenida en el primer
cuadrante). Calcular <<
(ex + y)dxdy
D
Solución: Es elemental dibujar las curvas: una recta y una parábola. Dichas
curvas tienen intersección en los puntos (0, 0) y (1, 1). En el intervalo x ∈ (0, 1)
la parábola está por debajo de la recta. Estamos pues ante una región del Tipo
1 y la integral se calculará con la fórmula
< 1 < x
x
I= (e + y)dy dx
0 x2
En primer lugar,
< x x
y 2 x2 x4
(e + y)dy = e y + = ex x +
x x
− ex x2 −
x2 2 x2 2 2
y la integral buscada es entonces
< 1 < 1 < 1 2 < 1 < 1 4
x2 x4 x x
x
e x+ −e x −
x 2
dx = x
e xdx+ dx− x 2
e x dx− dx
0 2 2 0 0 2 0 0 2
Las únicas integrales que no se calculan en forma directa son las que involucran
exponenciales, que debemos integrar por partes
< 1 < 1
x 1
e xdx = e x|0 −
x
ex dx = e − e + 1 = 1
0 0
< <
1 1 1
ex x2 dx = ex x2 −
0
2xex dx = e − 2
0 0
6. Calcular << -
3
x 1 − (x2 + y 2 ) 2 dxdy
D
a)
2
y + 2xy = xe−x
b)
2y + y − y = 2ex
yh + 2xyh = 0
será 4 2 2
yh (x) = e− 2xdx
= e−x +C
= Ke−x
Para encontrar una solución al problema no homogéneo ensayamos el método
de variación de constantes
2
yp (x) = K(x)e−x
b) Ecuación homogénea:
2yh + yh − yh = 0
Para hallar la solución general, encontramos las raı́ces del polinomio carac-
terı́stico correspondiente: 2r2 + r − 1. Dichas raı́ces son r = −1, 12 , y la solución
general:
x
yh (x) = C1 e−x + C2 e 2
La solución particular de la ecuación no homogénea la hallaremos por el método
de coeficientes indeterminados. Probemos una solución de la forma yp (x) = Aex ,
que introducida en la ecuación lleva a
8. Una bala de masa m penetra en una tabla cuyo grosor es h = 10 cms., con
una velocidad v0 = 200 m/seg. Al atravesarla, sale por el otro lado con una
velocidad v1 = 80 m/seg. Considerando la fuerza de la resistencia que ofrece
la tabla proporcional al cuadrado de la velocidad de ésta (con constante de
proporcionalidad k), calcular el tiempo invertido por la bala en atravesar la
k
tabla. Calcular el valor de γ = m . (Nota: el resultado es independiente de los
valores de k y de m, pero su cociente γ se puede calcular a partir de los datos
del problema).
Solución: La fuerza resistiva es proporcional al cuadrado de la velocidad. En-
tonces, ignorando todos los efectos que no son relevantes (por pequeños) para
nuestro problema, como es la gravedad, resistencia del aire, pérdida de masa de
la bala, etc., y aplicando la ley de Newton, obtenemos la ecuación
d2 x
m = FR = −kv 2
dt2
El signo menos se debe al hecho de que la fuerza resistiva se opone al movimiento
de la bala, y x(t) es la distancia de la bala al lado de entrada de la tabla. La
B.4. Examen final de la convocatoria de junio de 2000 399
ecuación diferencial es de segundo orden para x(t), pero de primer orden para
v = dx
dt :
dv
m = −kv 2
dt
k
Dividamos la ecuación por m y llamemos m = γ. Entonces
dv
= −γv 2
dt
una ecuación diferencial ordinaria, de primer orden, separable. Podemos escribir
entonces
dv
− 2 = γdt
v
e integrando
1
= γt + C (B.3)
v(t)
Fijemos como tiempo inicial el tiempo al cual llega la bala a la tabla. Entonces
1
=C
v0
y obtenemos de (B.3)
1
v(t) = 1 (B.4)
v0 + γt
Denotemos por T el tiempo que emplea la bala en cruzar la tabla. Entonces
v(T ) = v1 y obtenemos la ecuación
1
v1 = 1
v0 + γT
Para hallar la trayectoria de la bala (y poder imponer x(T ) = h), tenemos que
integrar la ecuación
dx(t)
= v(t)
dt
que es simplemente la definición de velocidad. v(t) se calculó arriba y está dada
por (B.4). Obtenemos entonces la ecuación
dx 1
= 1
dt v0 + γt
400 Exámenes propuestos en la Universidad Rey Juan Carlos
1
= ln (1 + v0 γt)
γ
La salida de la bala ocurre cuando t = T y x = h. Entonces
1
h= ln (1 + v0 γT )
γ
y substituyendo γ dada por (B.5) se obtiene
1 v0 − v1 1 v0 − v1 1 v0
h = ln 1 + v0 T = ln 1 + = ln
γ v1 v0 T γ v1 γ v1
que lleva a
ln vv10
γ=
h
Vamos finalmente a (B.5) con nuestra ”γ” y obtenemos
ln vv01 v0 − v1
=
h v1 v0 T
Resolvemos esta última ecuación para T y obtenemos
v0 −v1
v 1 v0
T =h
ln vv01
B.4. Examen final de la convocatoria de junio de 2000 401
α+β =1
α + 23 β = 2
2α + 83 β = 0
2α − β = 1
−2α + β = 2
2β = 0
2α + δ = 1
8β + 4δ = 2
α − 2α − 2β = 0
402 Exámenes propuestos en la Universidad Rey Juan Carlos
1 + 2t 1 − 2t
u= (2, 0, 1)t + (0, 8, −2)t + t(−2, 4, −2)t ,
2 4
Dando un valor al parámetro (por ejemplo t = 1) se obtiene una solución
particular:
3 1
u = (2, 0, 1)t − (0, 8, −2)t + (−2, 4, −2)t
2 4
10. Sea P2 el espacio vectorial formado por los polinomios de grado menor o igual
que 2 y
a) q(x) = 4(1 + x + 2x2 ) + 3(−x2 ) − 2(1 + 2x) = 2 + 5x2 ⇒ q(x) = 2e1 (x) +
0e2 (x) + 5e3 (x), y, por lo tanto las coordenadas de q en la base B son
(2, 0, 5)tB .
b) La matriz de cambio de base de B a B es:
⎛ ⎞
1 0 1
P = u1 u2 u3 {e } = ⎝ 1 0 2 ⎠
i
2 −1 0
11. Dado el espacio euclı́deo E, formado por el espacio vectorial lR3 y el producto
escalar
Solución:
Expresión matricial del producto escalar:
⎛ ⎞⎛ ⎞
1 −1 0 y1
x1 x2 x3 ⎝ −1 2 1 ⎠ ⎝ y2 ⎠ = xt Gy
0 1 3 y3
a1 1
u1 = = √ (1, 2, 0)t
a1 5
⎛ ⎞⎛ ⎞
1 −1 0 1
2
a1 = 1 2 0 ⎝ −1 2 1 ⎠⎝ 2 ⎠ = 5
0 1 3 0
z2 1
u2 = = √ (−1, −1, 1)t
z2 2
z2 = a2 − (a2 · u1 )u1 = (0, 1, 1) − (1, 2, 0) = (−1, −1, 1)t
t t
⎛ ⎞⎛ ⎞
1 −1 0 1
1 5
(a2 · u1 ) = √ 0 1 1 ⎝ −1 2 1 ⎠⎝ 2 ⎠ = √
5 0 1 3 0 5
⎛ ⎞⎛ ⎞
1 −1 0 −1
z2 = −1 −1 1 ⎝ −1 2 1 ⎠ ⎝ −1 ⎠ = 2
2
0 1 3 1
Se pide:
Para a = 0
⎛ ⎞ ⎛ ⎞
0 −2 1 1 1 1 2 0
A=⎝ 1 1 2 0 ⎠ ⎝ 0 −2 1 1 ⎠
1 0 0 1 0 0 − 52 1
2
última columna a A2 ).
⎛ ⎞
a −2 1
U= ⎝ 0 a+2
a
2a−1
a
⎠
2
a +2a−5
0 0 a+2
F Ac = LU
1 + 2x
f (x) = , f (0) = 1
1 + x + x2
x2
g (x) = xe 2 + cos x , g (0) = 1
d 1 + 2x −1 + 2x + 2x2
f (x) = =− 2 , f (0) = 1
dx 1 + x + x2 (1 + x + x2 )
d 0 x2 1 x2
g (x) = xe 2 + cos x = (1 + x2 )e 2 − sen x , g (0) = 1
dx
B.5. Examen final de la convocatoria de septiembre de 2000 407
2 3
d −1 + 2x + 2x2
f (x) = − 2
dx (1 + x + x2 )
2 + 4x −1 + 2x + 2x2
= − 2 +2 3 (1 + 2x) , f (0) = −4
(1 + x + x2 ) (1 + x + x2 )
d 0 x2
1
g (x) = (1 + x2 )e 2 − sen x
dx
1 2 1 2
= 2xe 2 x + 1 + x2 xe 2 x − cos x , g (0) = −1
En consecuencia,
x2 4
f (x) = x+ − x3 + O(x4 )
2 6
x2 1
g(x) = x+ − x3 + O(x4 )
2 6
El lı́mite pedido será pues
2. Un farol debe ser colgado exactamente encima del centro de una plazoleta cir-
cular de radio R. ¿A qué altura deberá estar el farol para que ilumine, lo mejor
posible, una senda que rodea la plazoleta? (La iluminación de la plazoleta es
directamente proporcional al coseno del ángulo de incidencia de los rayos lu-
minosos e inversamente proporcional al cuadrado de la distancia entre el foco
luminoso y la plazoleta en cuestión).
Solución: Denotemos por h la altura del farol, por d la distancia del farol a la
senda, y por α el ángulo de incidencia. De acuerdo con el enunciado, si llamamos
I la iluminación de la senda, se tendrá
cos α
I=
d2
El farol, y los segmentos que unen un punto arbitrario de la senda con la base
y el extremo superior del farol, forman un triángulo rectángulo. Por tanto,
h
cos α =
d
h2 + R2 = d2
Haciendo uso de estas fórmulas, podemos escribir la Iluminación como una fun-
ción de h:
h
I(h) = 3
(h + R2 ) 2
2
408 Exámenes propuestos en la Universidad Rey Juan Carlos
3. Considérese la función
!
x sen(x2 +y 2 )
f (x, y) = (x2 +y 2 −axy) en lR2 \(0, 0)
0 en (0, 0)
a) ¿Para qué valores de a ∈ lR será la función continua en (0, 0)?
b) Calcular ∂f
∂x (1, 0) y
∂f
∂y (1, 0) y la derivada direccional de f (x, y) a lo largo
de la dirección u = √1 (1, −1) en el punto a = (1, 0).
2
a) Para que f (x, y) sea continua en (0, 0) deberá cumplirse f (x, y) = f (0, 0) =
0. Hagamos un cambio a polares. Entonces
sen r2 cos θ sen r2 cos θ
f (r cos θ, r sen θ) = =
r 1 − a cos θ sen θ r 1 − 2 sen(2θ)
a
cos θ
Si 1− a está acotada, entonces f (x, y) es continua, ya que
2 sen(2θ)
sen r2 cos θ sen r2
|f (r cos θ, r sen θ)| = ≤C → 0
r 1 − a2 sen(2θ) r r→0
B.5. Examen final de la convocatoria de septiembre de 2000 409
La función 1− acos θ
estará acotada si el denominador nunca se anula.
2 sen(2θ)
Como la función seno tiene un recorrido entre −1 y 1, entonces el deno-
minador no se anulará siempre que a2 < 1, es decir, a < 2. Conclusión: la
función es continua para a < 2.
Para a ≥ 2 la función es discontinua. Consideremos la curva dada en polares
sen r2 cos θ
=λ
r 1 − 2 sen(2θ)
a
con λ > 0. Esta es, para λ dado, una curva que pasa por el origen. En
2
efecto, nótese que, cuando r → 0, senr r ∼ r y entonces
1− a
sen(2θ)
λ 2
∼r
cos θ
es decir, θ ∼ 12 arc sen a2 . En resumen, la curva propuesta pasa por el origen
a lo largo de la dirección θ = 12 arc sen a2 y, a lo largo de la misma, el lı́mite
es λ.
b) 2 3
∂ x sen x2 + y 2
=
∂x (x2 + y 2 − axy)
(x2 + y 2 − axy) sen x2 + y 2 + 2x2 cos x2 + y 2 − (2x − ay)x sen x2 + y 2
(x2 + y 2 − axy)2
2 3
∂ x sen x2 + y 2
∂y (x2 + y 2 − axy)
(x2 + y 2 − axy)2xy cos x2 + y 2 − (2y − ax)x sen x2 + y 2
=
(x2 + y 2 − axy)2
Por tanto,
∂f
(1, 0) = − sen 1 + 2 cos 1
∂x
∂f
(1, 0) = a sen 1
∂y
La derivada direccional será
df 1 2 cos 1 − (a + 1) sen 1
= √ (− sen 1 + 2 cos 1 − a sen 1) = √
du 2 2
Solución: Hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos
el sistema:
∂f
= −10x + 2xy 2 = 0 (B.6)
∂x
∂f
= −2y + 2x2 y = 0 (B.7)
∂y
Solución: Hallemos los valores de x que delimitan nuestra región. Para ello
buscamos los puntos de intersección de ambas curvas imponiendo
x
x − x2 =
2
La solución es : x = 0, x = 12 . Nuestra región es de Tipo 1, y para integrarla
haremos uso de la fórmula de integración para regiones de este tipo:
<< < 1 2< 2
2
x−x
3
(e2x − y 2 )dxdy = (e2x − y 2 )dy dx (B.8)
x
D 0 2
B.5. Examen final de la convocatoria de septiembre de 2000 411
< 1
2 3 3
2 x x − x2 x3
= e ( −x )−
2x 2
+ dx
0 2 3 24
12 12 < 12
1 2x x 1 2x 1 1
2
= e ( − x ) − e ( − 2x) − 2 e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 − (− e − ) − (e − 1) = − e +
8 8 4 8 8
(hemos integrado por partes),
< 1 3 < 1
2 x − x2 1 2 1
− dx = − x3 − 3x4 + 3x5 − x6 dx = −
0 3 3 0 840
< 1
2 x3 1
dx =
0 24 1536
La integral buscada será pues
1 3 1 1 1 20131
I =− e+ − + =− e+
8 8 840 1536 8 53760
a)
y + 2x2 y = x2
b)
2y − 10y + 12y = 3 sen x
yh + 2x2 yh = 0
es decir,
2 3
yh (x) = Ke− 3 x
Una solución del problema no homogéneo se encontrará por el método de
variación de constantes en la forma
2 3
yp (x) = K(x)e− 3 x
De donde deducimos
2 3
K (x) = x2 e 3 x
y, por tanto, <
2 3 1 2 x3
K(x) = x2 e 3 x dx = e3
2
donde se ha integrado mediante un cambio de variable. La solución general
será pues
2 3 1
y(x) = yh (x) + yp (x) = Ke− 3 x +
2
b) La solución general del problema homogéneo será la solución general de
2r2 − 10r + 12 = 0
un sistema lineal de dos ecuaciones con dos incógnitas cuya solución es:
3 3
A = 20 , B = 20 . La solución general de la ecuación será por tanto
3 3
y(x) = yh (x) + yp (x) = C1 e3x + C2 e2x + sen x + cos x
20 20
8. Un recipiente cuyo volumen es de 100 litros contiene agua con 10 Kgs. de sal
disueltos. En el recipiente entra el agua, con una velocidad de 3 litros/min, pro-
duciéndose una mezcla que, a su vez, se trasvasa, con la misma velocidad, a un
segundo recipiente, de igual volumen (es decir, 100 litros) y relleno previamen-
te de agua pura. De este segundo recipiente sale el exceso de lı́quido. ¿Cuánta
cantidad de sal contiene el segundo recipiente al pasar una hora? ¿Cuál es la
414 Exámenes propuestos en la Universidad Rey Juan Carlos
dQ1 (t) 3
=− Q1 (t)
dt 100
1 (t)
donde hemos tenido en cuenta, a la derecha de la ecuación, que salen Q100
kilogramos de sal por litro de agua y 3 litros de agua por minuto. Teniendo en
cuenta que Q1 (0) = 10, llegamos a
3
Q1 (t) = 10e− 100 t
El agua que sale del primer recipiente entra en el segundo a un ritmo de 3 litros
por minuto. Sea Q2 (t) la cantidad de sal en el segundo recipiente. Entonces
3
dQ2 (t) 10e− 100 t Q2 (t)
=3 −3
dt 100 100
− 3 t
donde hemos tenido en cuenta que entran 10e100100 kilogramos de sal por litro
2 (t)
de agua a un ritmo de 3 litros por minuto y salen Q100 kilogramos de sal por
litro de agua también a un ritmo de 3 litros por minuto. La ecuación es lineal y
debemos resolverla teniendo como condición inicial Q2 (0) = 0. Podemos escribir
la ecuación en la forma
d 0 3 t 1 3
3
− 100 t 10e− 100 t
e e 100 Q2 (t) = 3
dt 100
Por tanto,
d 0 3 t 1 3
e 100 Q2 (t) =
dt 10
Integrando en t y usando la condición inicial tendrı́amos
3 3
e 100 t Q2 (t) = t
10
Es decir,
3 −3t
Q2 (t) = te 10
10
Al cabo de una hora
180 − 180 9
Q2 (60) = e 100 = 18e− 5 = 2,9754 Kgs.
10
B.5. Examen final de la convocatoria de septiembre de 2000 415
dQ2 (t) 3 − 3 t 9 3
= e 100 − 3 te− 100 t = 0
dt 10 10
es decir
100
t= = 33,3 minutos
3
La cantidad máxima será
100
Q2 ( ) = 10e−1 = 3,6788 Kgs.
3
2 0 º 2 0 º
T 1 T 2
1 0 º 4 0 º
T 3 T 4
1 0 º 4 0 º
2 0 º 2 0 º
Solución:
Para determinar las temperaturas pedidas hay que resolver el siguiente sistema
de cuatro ecuaciones con cuatro incógnitas:
4t1 − t3 − t2 = 30
−t1 + 4t2 − t4 = 60
−t1 + 4t3 − t4 = 30
−t2 − t3 + 4t4 = 60
416 Exámenes propuestos en la Universidad Rey Juan Carlos
sistema equivalente a
4t1 − t3 − t2 = 30
−t2 + 4t3 + 4t4 = 60
−4t3 + 14t4 = 585
2
12t4 = 315
75 105 75 105
cuya solución es: t1 = 4 , t2 = 4 , t3 = 4 , t4 = 4 .
a) α = 0 + 0i
b) β = 0 + 0i
c) α + β = 0 + 0i
d ) α + β = 1 + 0i
e) α es real
Se pide determinar, de entre los cinco subconjuntos anteriores, cuáles son subes-
pacios de C3 y cuáles no.
Solución:
t
Finalmente para encontrar la relación pedida hay que despejar x1 x2 ,
−1
x1 a11 a12 x1
=
x2 a21 a22 x2
Solución:
Expresión matricial del producto escalar:
⎛ ⎞⎛ ⎞
2 0 0 y1
x1 x2 x3 ⎝ 0 1 1 ⎠ ⎝ y2 ⎠ = xt Gy
0 1 2 y3
Base ortonormal de S,
a1 1
u1 = = (2, 1, 0)t
a1 3
⎛ ⎞⎛ ⎞
2 0 0 2
2
a1 = 2 1 0 ⎝ 0 1 1 ⎠⎝ 1 ⎠ = 9
0 1 2 0
z2 1
= √ (−1, 1, 3)t
u2 =
z2 3 3
1 1 1
z2 = a2 − (a2 · u1 )u1 = (−1, 0, 1)t + (2, 1, 0)t = (− , , 1)t
⎛ 3 ⎞ ⎛ 3⎞ 3
2 0 0 2
1
(a2 · u1 ) = −1 0 1 ⎝ 0 1 1 ⎠ ⎝ 1 ⎠ = −1
3
0 1 2 0
⎛ ⎞⎛ 1 ⎞
2 0 0 −3
z2 = − 13 31 1 ⎝ 0 1 1 ⎠ ⎝ 13 ⎠ = 3
2
0 1 2 1
Solución:
(ρ1 )θ1 + (ρ2 )θ2 = (ρ1 cos θ1 + iρ1 sen θ1 ) + (ρ2 cos θ2 + iρ2 sen θ2 ) = ρ1 cos θ1 +
ρ2 cos θ2 + (ρ1 sen θ1 + ρ2 sen θ2 )i. El módulo de este nuevo complejo será:
(
ρ3 = (ρ cos θ1 + ρ2 cos θ2 )2 + (ρ1 sen θ1 + ρ2 sen θ2 )2 =
( 1
(ρ )2 + (ρ2 )2 + 2ρ1 ρ2 cos θ1 cos θ2 + 2ρ1 ρ2 sen θ1 sen θ2 =
( 1
(ρ1 )2 + (ρ2 )2 + 2ρ1 ρ2 cos(θ1 − θ2 )
a) ¿Es posible, utilizando los tres alimentos de la tabla, obtener una comida
que contenga exactamente las cantidades de vitamina C, calcio y magnesio
requeridas?
b) Si la respuesta a la primera pregunta es afirmativa, ¿existe una sola com-
binación de alimentos posible, o existe más de una? ¿Cuál (o cuáles) es (o
son) esta (o estas) combinación (o combinaciones)?
(2 puntos).
Solución:
(2 puntos).
Solución:
B.6. Prueba de control de diciembre de 2000 421
αtB + βsB = (α(3b + a) + β(3d + c), α(a − b) + β(c − d), α2b + β2d)tB
= (3(αb + βd) + αa + βc, αa + βc − (αb + βd), 2(αb + βd))tB
= (3f + g, g − f, 2f )tB ∈ V ∀α, β ∈ lR
Con f = αb + βd y g = αa + βc.
b) Unas ecuaciones paramétricas de V son:
⎧
⎨ x1 = a + 3b
V = x2 = a − b
⎩
x3 = 2b
y, por lo tanto una base de V estará formada por: {(1, 1, 0)tB , (3, −1, 2)tB } .
Como r(x) y s(x) son linealmente independientes, una base de W estará for-
mada por {(0, −4, 2)tB , (−1, 3, −2)tB } . Por otro lado
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 0 1 1 0 1 1 0
⎜ 3 −1 2 ⎟ ⎜ 0 −4 2 ⎟ ⎜ 0 −4 2 ⎟
⎜ ⎟∼⎜ ⎟∼⎜ ⎟,
⎝ 0 −4 2 ⎠ ⎝ 0 −4 2 ⎠ ⎝ 0 0 0 ⎠
−1 3 −2 0 4 −2 0 0 0
con lo que se comprueba que los dos vectores de la base de W son combi-
nación lineal de los de la base de V lo cual implica que V = W.
(2 puntos).
Solución:
422 Exámenes propuestos en la Universidad Rey Juan Carlos
z3 1
c3 = = √ (−1, 0, 1)t{ei }
z3 3
(2 puntos).
a) b = 1
1) a = 1, rg(A) = rg(Ab ) = 2 < 4, sistema compatible indeterminado. La
solución dependerá de dos parámetros (4-2).
2) a = 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solución dependerá de un parámetro (4-3).
b) b = 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solución dependerá de un parámetro (4-3).
Solución:
Puntuación de la pregunta: 5 puntos ((a) 5/3 puntos, (b) 5/3 puntos, (c)
5/3 puntos).
Solución:
t
x1 x2 x3 → componentes de x en la base {e1 , . . . , en }
t
x1 x2 x3 → componentes de x en la base {u1 , . . . , un }
t
x1 x2 x3 → componentes de x en la base {w1 , . . . , wn }
A = (w1 , w2 , w3 ){ei } , B = (u1 , u2 , u3 ){ei }
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎫
x1 x1 x1 ⎪
⎪
⎪
⎝ x2 ⎠ = (e1 , e2 , e3 ){ui } ⎝ x2 ⎠ = B −1 ⎝ x2 ⎠ ⎪ ⎪
⎪
⎬
⎛ x3 ⎞ ⎛ x3 ⎞ ⎛ x3 ⎞
⇒
x1 x1
x1 ⎪
⎪
⎝ x2 ⎠ = (w1 , w2 , w3 ){wi } ⎝ x2 ⎠ = A ⎝ ⎠ ⎪⎪
x2 ⎪
⎪
⎭
x3 x3 x3
⎛ ⎞ ⎛ ⎞
x1 x1
⎝ x2 ⎠ = B −1 A ⎝ x2 ⎠
x3 x3
0 0 1 1 y4 {e }
i
Se pide hallar una base ortonormal del subespacio vectorial W de lR4 generado
por los vectores (1, 2, 1, 0)t{ei } y (1, 2, 3, 2)t{ei } .
Solución: & '
t t
base de W = a1 = (1, 2, 1, 0) , a2 = (1, 2, 3, 2) . Se ortonormaliza la base de
W utilizando el método de Gram-Schmidt:
t
c1 = aa11 = 2√1
3
1 2 1 0 ,
⎛ ⎞⎛ ⎞
1 0 0 0 1
⎜ 0 2 0 0 ⎟ ⎜ ⎟
a1 = 1 2 1 0 ⎜
2 ⎟⎜ 2 ⎟
⎝ 0 0 3 1 ⎠ ⎝ 1 ⎠ = 12,
0 0 1 1 0
√ t
c2 = zz22 = √56
3
− 23 − 43 34 2 ,
5
z2 = a2 −(a2 ·c1 )c1 = 1 2 3 2 − 3 1 2 1 0 = − 32 − 43 34 2 ,
426 Exámenes propuestos en la Universidad Rey Juan Carlos
⎛ ⎞⎛ ⎞
1 0 0 0 1
⎜ 0 2 0 0 ⎟ ⎜ 2 ⎟ √
(a2 · c1 ) = (c1 · a2 ) = 1
√ 1 2 1 0 ⎜⎝ 0 0 3
⎟⎜ ⎟= 10
3,
2 3 1 ⎠⎝ 3 ⎠ 3
0 0 1 1 2
⎛ ⎞⎛ 2 ⎞
1 0 0 0 −3
⎜ 0 2 0 0 ⎟ ⎜ −4 ⎟
2
z2 = − 23 − 43 4
2 ⎜
⎝ 0
⎟⎜ 3 ⎟= 56
3 .
3 0 3 1 ⎠ ⎝ 43 ⎠
0 0 1 1 2
Nota: todos los resultados están referidos a las bases {ei }(i = 1, 2, 3, 4) de lR4 .
Puntuación de la pregunta: 5 puntos.
se pide:
Solución:
a) ⎛ ⎞ ⎛ ⎞
2 5 −3 2 5 −3
⎝ 4 7 −4 ⎠ ∼ ⎝ 0 −3 2 ⎠ ⇒ dim(Im(f )) = 2
−6 −3 1 0 0 0
Base de Im(f ) = {(2, 5, −3)t , (0, −3, 2)t } . Las ecuaciones implı́citas del
núcleo serán:
2x1 + 5x2 − 3x3 = 0
−3x2 + 2x3 = 0
despejando x1 y x2 en función de x3 se obtienen sus ecuaciones paramétri-
cas ⎧
⎨ x1 = − 16 α
2
x2 = 3α
⎩
x3 = α
1 2 t
Por lo que una base de ker(f ) será: (− 6 , 3 , 1) .
b) dim(ker(f )) = 1 = 0 ⇒ f no es inyectiva.
B.7. Examen parcial de febrero de 2001 427
a)
⎛ ⎞
4 0 0
A=⎝ 1 4 0 ⎠
0 0 5
b)
⎛ ⎞
0 0 0
A=⎝ 0 0 0 ⎠
3 0 5
Solución:
a)
4−λ 0 0
|A − λI| = 1 4−λ 0 = (4 − λ)2 (5 − λ) = 0 ⇒
0 0 5−λ
λ1 = 4 (doble, m1 = 2)
los valores propios de f son :
λ2 = 5 (simple, m2 = 1)
Por lo tanto
Base de V1 = v1 = (0, 1, 0)t , dim(V1 ) = 1, s1 = 1
Base de V2 = v3 = (0, 0, 1)t , dim(V2 ) = 1, s2 = 1
b)
−λ 0 0
|A − λI| = 0 −λ 0 = λ2 (5 − λ) = 0 ⇒
3 0 5−λ
λ1 = 0 (doble, m1 = 2)
los valores propios de f son :
λ2 = 5 (simple, m2 = 1)
Los subespacios propios son:
V4 = x ∈lR3 (A − 0I) x = 0 = x ∈lR3 3x + 5z = 0
x=0
V5 = x ∈lR3 (A − 5I) x = 0 = x ∈lR3
y=0
Por lo tanto
5
Base de V1 = v1 = (0, 1, 0)t , v2 = (− , 0, 1)t , dim(V1 ) = 2, s1 = 2
3
t
Base de V2 = v3 = (0, 0, 1) , dim(V2 ) = 1, s2 = 1
x3 + ln(y(x)) − x2 ey(x) = 0
Se pide:
Solución:
(2xey − 3x2 )y
y =
1 − yx2 ey
b) x = 0, x3 + ln(y) − x2 ey = 0 ⇒ ln(y) = 0 ⇒ y = 1
y reemplazando los valores de x e y en la expresión de y se obtiene
(2(0)e1 − 3(0)2 )1
y (0) = =0
1 − 1(0)2 e1
f (x) = x2 − 3x + 2 , x ∈ [0, 4]
Solución: Calculemos los valores de f (x) y g(x) ası́ como sus tres primeras
derivadas en x = 0 :
f (0) = ln 1 = 0
g(0) = (1 − 1)3 = 0
1 − cos x
f (x) = , f (0) = 0
1 + x − sen x
g (x) 3 (ex − 1) ex , g (0) = 0
2
=
2
sen x (1 − cos x)
f (x) = − , f (0) = 0
1 + x − sen x (1 + x − sen x)2
g (x) = 6 (ex − 1) e2x + 3 (ex − 1) ex , g (0) = 0
2
3
cos x sen x (1 − cos x)
f (x) = −3 2 (1 − cos x) + 2
1 + x − sen x (1 + x − sen x) (1 + x − sen x)
3
f (0) = 1, g (x) = 6e3x + 18 (ex − 1) e2x + 3 (ex − 1) ex , g (0) = 6
2
En consecuencia,
1 3
f (x) = x + O(x4 )
3!
x3
g(x) = 6 + O(x4 )
3!
B.8. Prueba de control de marzo de 2001 431
(
y el lı́mite es cero, ya que la mayorante g(x, y) = x2 + y 2 tiende a cero. La
función f2 es continua en (0, 0) y la función vectorial f es pues continua en (0, 0).
Existencia de derivadas parciales:
∂f2 f2 ((0, 0) + t(1, 0)) − f2 (0, 0) f2 (t, 0) − f2 (0, 0)
(0, 0) = lı́m = lı́m =0
∂x t→0 t t→0 t
∂f2 f2 ((0, 0) + t(0, 1)) − f2 (0, 0) f2 (0, t) − f2 (0, 0)
(0, 0) = lı́m = lı́m =0
∂y t→0 t t→0 t
kh21 k
lı́m =
h1 →0 h2
1 + kh12 1 + k2
que son distintos dependiendo de k. La función f2 no es diferenciable en (0, 0)
y la función vectorial f es pues no diferenciable.
4. (2 puntos). Calcular los puntos crı́ticos de la función
x3 9
f (x, y) = + y 3 − 2x − y 2 + 6y + 12
6 2
Clasificarlos como máximo relativo, mı́nimo relativo o punto de ensilladura.
Solución: hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos el
sistema:
∂f x2
= −2=0 (B.10)
∂x 2
∂f
= 3y 2 − 9y + 6 = 0 (B.11)
∂y
√
De (B.10) deducimos que x = ±2. De (B.11) deducimos y = 9± 81−72 6 = 2, 1.
Los puntos crı́ticos son por tanto (2, 2), (−2, 2), (2, 1) y (−2, 1). La naturaleza
B.8. Prueba de control de marzo de 2001 433
da db
En el instante considerado dt = 100, dt = 80. Entonces, en ese instante,
dA
= π · 440 · 100 + π · 550 · 80 = 2,765 × 105 m2 /hora
dt
En el instante considerado,
dV
= 2 · 10−3 (π · 440 · 100 + π · 550 · 80) = 552,92 m3 /hora
dt
50 · 103
t= = 90,429 horas ≈ 3,77 dı́as
552,92
a = 3153,9 metros
f (x) = 6 arctan x
6
f (x) = ⇒ f (0) = 6
1 + x2
−12x
f (x) = ⇒ f (0) = 0
(1 + x2 )2
12 x2
f (x) = − 2 + 48
3 ⇒ f (0) = −12
(1 + x2 ) (1 + x2 )
144 x3
f iv (x) = 3 x − 288 4 ⇒ f (0) = 0
iv
(1 + x2 ) (1 + x2 )
Por tanto :
12 3
P4 (x) = 6x − x = 6x − 2x3
3!
b) P4 ( √13 ) = √6 −2 13
3
= 3,0792. El error cometido es π−3,0792 = 6,2393×10−2 .
32
c) Sea f (x) = ex . Tenemos entonces f (1) = e. Si aproximamos f (x) por un
polinomio, al evaluarlo en x = 1 tendremos un valor aproximado del número e.
2. Una ventana tiene forma de rectángulo rematado por un semicı́rculo. Si el
perı́metro de la ventana es de 10 metros, hallar las dimensiones de la venta-
na de modo que se admita la cantidad más grande posible de luz.
Solución: Sea a la base del rectángulo, b la altura. El radio del semicı́rculo
será entonces a2 . El perı́metro de la ventana es
a
P = 2b + a + π = 10
2
Por tanto,
1 1
b = − a − πa + 5
2 4
El área de la ventana es
π 0 a 12
A= + ab
2 2
Sustituyendo el valor hallado de b,
π 0 a 12 1 1 1 1
A(a) = + a − a − πa + 5 = − πa2 − a2 + 5a
2 2 2 4 8 2
Además,
1
A (a) = − π − 1 < 0
4
El extremo es, en efecto, un máximo. Las dimensiones de la ventana son a =
20 10
4+π , b = 4+π .
1 + a tan2 θ + 2 tan θ = 0
de donde se deduce √
−2 ± 4 − 4a
tan θ = = h±
2a
Existirán soluciones reales si y solo si a ≤ 1. Con a > 1 podemos asegurar que
la función no cambia de signo y, en consecuencia, f (x, y) es continua en (0, 0).
Podemos escribir
Solución: a) 1.- Es una ecuación lineal de primer orden. y(x) = yh (x) + yp (x),
donde
xyh − xyh = 0 ⇒ yh (x) = Kex
y yp (x) es una solución particular que buscamos de la forma yp (x) = K(x)ex .
Sustituyendo en la e.d.o.,
<
1
xK (x)e = (1 + x )e ⇒ K(x) =
x 2 x
+ x dx = ln x + x2
x
Por tanto,
y(x) = Kex + ln x + x2 ex
a) 2.- Es una ecuación lineal de segundo orden y de coeficientes constantes.
y(x) = yh (x) + yp (x), donde
de modo que
y sustituyendo en la e.d.o.,
17
+5 (A cos(2x) + B sen(2x)) = − cos(2x)
2
B.9. Examen final de la convocatoria de junio de 2001 441
lo que lleva a
17
−4A + 4B + 5A = −
2
−4B − 4A + 5B = 0
ln ln e = ln 1 + C ⇒ C = 0
dQ(t) Q(t)
=P − r
dt V
442 Exámenes propuestos en la Universidad Rey Juan Carlos
Solución: para n = 1,
1 2
D1 = a = (3 + (−1)1 22 ) = 1
5
para n = 2,
a b 1 b 1
D2 = =
1−b = b2 − b + 1 = (33 + (−1)2 23 ) = 7 ⇒
1−b a 1 5
3
b2 − b − 6 = 0⇒b=
−2
10. Dadas las aplicaciones lineales f : lR3 → lR5 y g : lR5 → lR4 definidas respecti-
vamente en las bases canónicas por las matrices:
⎛ ⎞
1 1 2 ⎛ ⎞
⎜ 1 0 1 ⎟ 1 −1 −1 1 0
⎜ ⎟ ⎜ −1 1 1 0 1 ⎟
A=⎜ ⎜ 0 1 1 ⎟
⎟ B=⎜ ⎝ 0
⎟
⎝ 0 0 0 ⎠ 0 0 1 1 ⎠
0 0 0 0 1
0 0 0
B.9. Examen final de la convocatoria de junio de 2001 443
dim( Im f ) = 2
Visto el resultado anterior la dimensión del núcleo debe ser 1, en efecto:
⎧ ⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 1 1 2 ⎛ ⎞ 0 ⎪ ⎪
⎪
⎪ ⎜ 1 0 1 ⎟ ⎜ 0 ⎟⎪ ⎪
⎨ ⎜ ⎟ x1 ⎜ ⎟⎬
ker f = x ∈lR3 ⎜ ⎜ 0 1 1
⎟ ⎝ x2 ⎠ = ⎜ 0 ⎟ ,
⎟ ⎜ ⎟
⎪
⎪ ⎝ 0 0 0 ⎠ ⎝ 0 ⎠⎪ ⎪
⎪
⎪ x3 ⎪
⎪
⎩ ⎭
0 0 0 0
y resolviendo el sistema:
⎧
⎨ x1 = −α & t '
x2 = −α ⇒ Base de ker f = −1 −1 1
⎩
x3 = α
Operando igual con la aplicación g:
⎛ ⎞ ⎛ ⎞
1 −1 0 0 1 −1 0 0
⎜ −1 1 0 0 ⎟ ⎜ 0 1 1 0 ⎟
⎜ ⎟ ⎜ ⎟
Bt = ⎜⎜ −1 1 0 0 ⎟∼⎜
⎟ ⎜ 0 0 0 1 ⎟.
⎟
⎝ 1 0 1 0 ⎠ ⎝ 0 0 0 0 ⎠
0 1 1 1 0 0 0 0
444 Exámenes propuestos en la Universidad Rey Juan Carlos
& '
t t t
Base de Im g : ( 1 −1 0 0 ) , ( 0 1 1 0 ) , ( 0 0 0 1 ) ,
dim( Im g) = 3
11 Hallar una base ortonormal del espacio euclı́deo E, formado por el espacio vec-
torial lR3 y el producto escalar
a) A
es una matriz
diagonalizable y por lo tanto existe una matriz D =
3 0
tal que:
0 1/3
D = P −1 AP, o, despejando, A = P DP −1
en donde:
1 −1
P =
1 1
xk+1 = Axk = P DP −1 xk
446 Exámenes propuestos en la Universidad Rey Juan Carlos
y, entonces,
k
xk = P DP −1 x0 = P Dk P −1 x0
k 1
1 −1 3 0 2
1
2 x01
= .
1 1 0 (1/3)k − 12 1
2 x02
0 1 8 1 0 1 8 1
3 1 9 + 023 −
1 8 1 1 8 1 215233609
x81 = 3 + 3 11 =
02 2
8
2
6561
1 1 8
x82 = 12 38 − 12 13 9 + 12 38 + 2 3 1= 215233609
6561
Solución: a)
√
f (x) = ex − 1 + 2x → f (0) = 0
1
f (x) = ex − √ → f (0) = 0
1 + 2x
1
f (x) = ex +
3 → f (0) = 2
(1 + 2x) 2
B.10. Examen final de la convocatoria de septiembre de 2001 447
2 2
P2 (x) = x = x2
2!
Por otra parte,
2 2
Q2 (x) = x = x2
2!
b)
√ O(x3 )
ex − 1 + 2x x2 + O(x3 ) 1+ x2
lı́m 2
= lı́m 2 3
= lı́m O(x3 )
=1
x→0 sen x x→0 x + O(x ) x→0 1 +
x2
d
tan β =
x
d+h
tan(α + β) =
x
Se trata de hallar el valor de x que hace α máximo. De la segunda ecuación se
tiene
d+h
α = −β + arctan
x
y usando la primera ecuación se obtiene
d d+h
α(x) = − arctan + arctan
x x
448 Exámenes propuestos en la Universidad Rey Juan Carlos
Operando se tiene
0 1
2
d x2 + (d + h) − (d + h) x2 + d2 = 0
o, simplificando,
−x2 + d (d + h) = 0
con solución (
x= d (d + h)
Es claro que α(x) tiende a cero cuando x → 0 y cuando x → ∞. Nuestro punto
crı́tico es, pues, un máximo.
3. Sea
f (x, y) = x3 − 4x2 y + y 2
a) Hallar el gradiente de f .
b) Determinar la derivada direccional de f en el punto (0, −1) a lo largo de la
dirección u = ( 35 , 45 ).
Solución: a)
−
→
∇f = (3x2 − 8xy, −4x2 + 2y)
b)
df →
− 3 4 8
(0, −1) = ∇f (0, 1) · u = (0, −2) · ( , ) = −
du 5 5 5
4. Hallar los extremos relativos (máximos, mı́nimos y puntos de ensilladura) de la
función
f (x, y) = 10x2 y − 5x2 − 4y 2 − x4
∂f
= 20xy − 10x − 4x3 = 0
∂x
∂f
= 10x2 − 8y = 0
∂x
De la segunda ecuación se obtiene y = 54 x2 , que insertado en la primera resulta
en la ecuación
25x3 − 10x − 4x3 = x(21x2 − 10)
B.10. Examen final de la convocatoria de septiembre de 2001 449
-
con soluciones x = 0, ± 21
Los respectivos valores de y serán y = 0, 21
10 .
21
8 , 8 .
- -
Los puntos crı́ticos son pues (0, 0), ( 21 21
10 , 8 ), (−
21 21
10 , 8 ).
Solución: Las dos curvas se cruzan en los puntos (x, y) tales que
1 − x2 = 2x2
√
es decir, con coordenadas x = ± 13 3. Como la parábola y = 2x2 está por debajo
√ √
de la parábola y = 1 − x2 para x ∈ − 31 3, 13 3 , nuestra región es del tipo 1
y la integral se puede evaluar según la fórmula:
<< < 1 √ 2< 2
3
3
3 1−x
I= (x + y 2 )dxdy = √ (x + y 2 )dy dx
D − 13 3 2x2
< 1
√ 51−x2 < 1
√ 3
3 3
y3 3 3
1 − x2 8x6
√ ( xy + )dx = √ (x(1 − x2 ) + − 2x3 − )dx
− 13 3 3 2x2 − 13 3 3 3
3
Expandiendo la potencia 1 − x2 y calculando las integrales (son todos los
términos potencias de x) se llega a
5 13 √3
3 4 1 2 3 7 1 5 1 3 1 16 √
I= − x + x − x + x − x + x √
= 3
4 2 7 5 3 3 −1 3 105
3
6. Hallar << (
1 + (x2 + y 2 )2 xydxdy
D
450 Exámenes propuestos en la Universidad Rey Juan Carlos
Simplificando,
< 2π < 1 (
I= 1 + r4 r3 cos θ sen θdrdθ
θ=0 r=0
2π
ya que cos(2θ)]0 = cos(4π) − cos 0 = 0.
1+x
ydy = dx
x
Integrando ambos lados se obtiene
< <
1+x y2
ydy = dx → = ln |x| + x + C
x 2
B.10. Examen final de la convocatoria de septiembre de 2001 451
o, en forma explı́cita, (
y = ± 2 ln |x| + 2x + 2C
2.- Esta ecuación es tanto lineal, como separable. Usemos el hecho de que es
lineal: podemos escribir y(x) = yp (x) + yh (x) con
dyh x
− yh = 0
dx 1 + x2
es decir,
dyh x
= dx
yh 1 + x2
que tras integración lleva a
< <
dyh x 1
= dx → ln yh = ln(1 + x2 ) + K
yh 1 + x2 2
es decir, (
1 2
yh (x) = e 2 ln(1+x )+K
=C 1 + x2
√
Busquemos ahora yp (x) por variación de constantes. Sea yp (x) = C(x) 1 + x2 .
Sustituyendo en la ecuación,
( 3x
C (x) 1 + x2 =
1 + x2
que lleva a <
3x − 1
C(x) = 3 dx = −3 1 + x2 2
(1 + x2 ) 2
El polinomio caracterı́stico es
r2 + 3r + 2
√
con raı́ces r1,2 = −3±2 9−8 = −2, −1. La solución general del problema ho-
mogéneo será pues
yh (x) = C1 e−2x + C2 e−x
452 Exámenes propuestos en la Universidad Rey Juan Carlos
1 3x
y(x) = C1 e−2x + C2 e−x + e
20
Imponemos a continuación las dos condiciones iniciales que llevan a las relacio-
nes:
1
C1 + C2 + = 1
20
3
−2C1 − C2 + = 0
20
con solución C1 = − 45 , C2 = 74 . La solución buscada es por tanto
4 7 1
y(x) = − e−2x + e−x + e3x
5 4 20
8. La población de una cierta especie de peces en una región del océano está mo-
delada por la ecuación diferencial logı́stica
dP P
= 0,08P 1 −
dt 1000
donde P son los miles de unidades de peces que hay y el tiempo viene dado en
meses.
a) Si la población inicial es P (0) = 500, ¿cuántos peces habrá al cabo de 20
meses?
b) En ese instante se comienza a pescar esa especie a un ritmo de c miles de
peces por mes. Escribe la ecuación diferencial que modeları́a la evolución en la
población.
c) Hallar el valor de c por encima del cuál la población tenderı́a a la extinción.
Solución: a) Debemos resolver la ecuación diferencial con dato inicial P (0) =
500. La ecuación es separable:
dP
= 0,08dt
P 1 − 1000
P
que lleva a
ln P − ln |−1000 + P | = 0,08t + C
Imponiendo la condición inicial se deduce
C=0
Por tanto,
P
ln = 0,08t
1000 − P
de donde se deduce
1000e0,08t
P (t) =
e0,08t + 1
A los 20 meses,
1000e1,6
P (20) = = 832,02 miles de peces
e1,6 + 1
10. Dados los vectores de lR3 a = (1, 2, 3)t{ei } , u1 = (3, 1, 2)t{ei } , u2 = (2, 1, 2)t{ei } y
u3 = (1, 1, 0)t{ei } , se pide:
como v y w son dos vectores asociados a vectores propios distintos, deben ser,
necesariamente, linealmente independientes, por lo que la igualdad implica:
a(λ − α) = 0 y b(µ − α) = 0
Exámenes propuestos en la
UPM con sus soluciones
Solución
457
458 Exámenes propuestos en la Universidad Politécnica de Madrid
30 40 50
Plata en la aleación de los tres lingotes = x+ y+ z
100 100 100
= Plata en el nuevo lingote=57
50 30 10
Cobre en la aleación de los tres lingotes = x+ y+ z
100 100 100
= Cobre en el nuevo lingote=51
Solución:
x −1 0 0 −1 0 0 0
0 x −1 0 x −1 0 0
det(A) = x +
0 0 x −1 0 x −1 0
2 3 4 (x − 1) 0 0 x −1
⎛ ⎞
x −1 0 −1 0 0
= x ⎝x 0 x −1 − 2 x −1 0 ⎠ + 1
3 4 (x − 1) 0 x −1
= x x x x2 − x + 4 + 3 + 2 + 1 = x5 − x4 + 4x3 + 3x2 + 2x + 1
Solución:
u(x) = a0 + a1 x + a2 x2 ∈ P2 , v(x) = b0 + b1 x + b2 x2 ∈ P2
c0 + c1 x + c2 x2 ∈ P2
∀α, β ∈ P2
" #
b) M = x − 1, x2 + 1, 3x2 + 2x + 1
= (−1, 1, 0)t{pi } , (1, 0, 1)t{pi } , (1, 2, 3)t{pi } ,
460 Exámenes propuestos en la Universidad Politécnica de Madrid
siendo {p1 , p2 , p3 } la base formada por los polinomios 1, x, x2 . Para de-
terminar una base de M se estudia si los polinomios que forman el sistema
generador de M son linealmente independientes o no.
⎛ ⎞ ⎛ ⎞
−1 1 0 −1 1 0
⎝ 1 0 1 ⎠⎝ 0 1 1 ⎠
1 2 3 0 0 0
De entre los polinomios del sistema generador solamente hay dos lineal-
mente independientes por lo tanto la dimensión de M será dos y una base
de M estará formada, por ejemplo, por:
−1 + x, x + x2
Por lo tanto,
Base de P2 = −1 + x, x + x2 , x2
Puntuación de la pregunta: 7 puntos. ((a) 2.5 puntos, (b) 3 puntos, (c) 1.5
punto)
4. Hallar unas ecuaciones paramétricas del subespacio de lR4 formado por los vec-
tores (x1 , x2 , x3 , x4 )t{ei } tales que:
3x1 + x3 + 2x4 = 0
x1 + x2 + x4 = 0
Determinar una base del subespacio. Expresar el vector (1, 1, 1, −2)t{ei } en dicha
base.
Solución: Despejando x1 y x3 de las dos ecuaciones implı́citas se obtiene:
⎧
⎪
⎪ x1 = −α − β
⎨
x2 = α
V :
⎪
⎪ x3 = 3α + β
⎩
x4 = β
C.1. Examen parcial de febrero 2002 461
que son las ecuaciones paramétricas pedidas. Dando a (α,β) los valores (1, 0) y
(0,1) se obtiene una base del subespacio:
Base del subespacio = a1 = (−1, 1, 3, 0)t , a2 = (−1, 0, 1, 1)t
(α, β)t son las coordenadas de un vector u ∈V en la base {a1 , a2 } cuyas coor-
denadas en la base {e1 , e2 , e3 , e4 } son (x1 , x2 , x3 , x4 )t . Por lo tanto resolviendo
el sistema compatible determinado
⎧
⎪
⎪ 1 = −α − β
⎨
1 = α
⎪
⎪ 1 = 3α + β
⎩
−2 = β
se obtiene el α = 1 y β = −2. que son las coordenadas del vector del enunciado en
la base {a1 , a2 }. Nota: si el sistema no fuese compatible el vector del enunciado
no pertenecerı́a a V y si no fuese determinado a1 y a2 no serı́an linealmente
independientes y no formarı́an una base de V.
Puntuación de la pregunta: 7 puntos.
0 0 1 1 y4 {e }
i
Solución:
462 Exámenes propuestos en la Universidad Politécnica de Madrid
a)
⎛ ⎞⎛ ⎞
1 1 0 0 0
⎜ 1 2 0 0 ⎟ ⎜ 2 ⎟ √
a
2
= 0 2 1 0 ⎜
⎝ 0
⎟⎜ ⎟ = 11; a = 11
0 3 1 ⎠⎝ 1 ⎠
0 0 1 1 0
⎛ ⎞⎛ ⎞
1 1 0 0 1
⎜ 1 2 0 0 ⎟ ⎜ 0 ⎟ √
b
2
= 1 0 2 1 ⎜
⎝ 0
⎟⎜ ⎟ = 18; b = 18
0 3 1 ⎠⎝ 2 ⎠
0 0 1 1 1
b)
1 1 0 01
( 0 2 1 0 ) 10 20 03 01 0
. a · b 2
9
cos(a, b) = = 0 0 1 1 1
=√
a b a b 198
. 5√
a, b = arc cos( 22) ≈ ,8768157320 rad
22
c)
, ,
d(a, b) = b − a = , 1 −2 1 1 ,=
) ⎛ ⎞⎛ ⎞
*
* 1 1 0 0 1
* ⎜ 1 ⎟ √
* 2 0 0 ⎟ ⎜
⎟ ⎜ −2 ⎟ = 11
= * 1 −2 1 1 ⎜ ⎝ 0 ⎠ ⎝
+ 0 3 1 1 ⎠
0 0 1 1 1
b 1 t
c1 = = √ 1 0 2 1
b 3 2
C.1. Examen parcial de febrero 2002 463
√
z2 2 1 t
c2 = =√ −2 2 0 − 12
z2 13
t 1 t
z2 = c − (c · c1 )c1 = ( −1 2 −1 −1 ) + ( 1 0 2 1 )
2
1 t
= − 2 2 0 − 12
1 1 0 01
1 3√
(c · c2 ) = √ ( −1 2 −1 −1 ) 10 20 03 01 0
2 =− 2
3 2 0011 1 2
1 1 0 0 2 −1/2 3
2 13
c2 = ( − 2 2 0 − 2 ) 10 20 03 01
1 1 2
0 =
0011 −1/2 2
Se proyecta a sobre S,
1 t
Pr |S a = (a · c1 )c1 + (a · c2 )c2 = 1 0 2 1
2
1 t t
+ − 2 2 0 − 12 = 0 2 1 0 = a.
1 1 0 01
1 3 √
(a · c1 ) = √ ( 0 2 1 0 ) 10 20 03 01 0
2 = 2
3 2 0011 1 2
√ 2
1 1 0 0 −1/2 3 √
2 13
(a · c2 ) = √ ( 0 2 1 0 ) 10 20 03 01 2
0 = √
13 0011 −1/2 2
6. Dada la aplicación lineal, f, de lR3 en lR2 cuya matriz asociada en las respectivas
bases canónicas de lR3 y lR2 es:
2 3 1
A= ,
1 0 2
se pide:
Solución:
a) ⎛ ⎞ ⎛ ⎞
2 1 2 1
⎝ 3 0 ⎠ ∼ ⎝ 0 −3 ⎠ ⇒ dim(Im(f )) = 2
1 2 0 0
464 Exámenes propuestos en la Universidad Politécnica de Madrid
Base de Im(f ) = {(2, 1)t , (0, −3)t } . Las ecuaciones implı́citas del núcleo
serán:
2x1 + 3x2 + x3 = 0
x1 + 2x3 = 0
Puntuación de la pregunta: 7 puntos ((a) 3 puntos, (b) 2.5 puntos, (c) 1.5
punto)
x2
f (x) = sen(x − )
2
g(x) = e−x − 1
f (x) + g(x)
lı́m
x→0 x3
Solución: Calculamos
x2
f (x) = sen(x − ) , f (0) = 0
2
x2
f (x) = (1 − x) cos(x − ) , f (0) = 1
2
x2 x2
f (x) = − cos(x − ) − (1 − x)2 sen(x − ) , f (0) = −1
2 2
2
x x2
f (x) = 3(1 − x) sen(x − ) − (1 − x)3 cos(x − ) , f (0) = −1
2 2
C.2. Examen parcial de junio de 2002 465
Por tanto
x2 x3
f (x) = 0 + x − − + O(x4 )
2 6
x2 x3
El desarrollo de la exponencial es conocido: ex = 1 + x + 2 + 6 + O(x4 ). Por
tanto,
x2 x3
g(x) = −x + − + O(x4 )
2 6
Podemos concluir
3
f (x) + g(x) − x3 + O(x4 ) 1 O(x4 )
= = − +
x3 x3 3 x3
y finalmente
f (x) + g(x) 1 O(x4 ) 1 O(x4 ) 1
lı́m = lı́m − + = − + lı́m =−
x→0 x3 x→0 3 x3 3 x→0 x3 3
se pide calcular:
Solución:
∂f
(x, y) = y sen(2xy) + 2xy 2 cos(2xy) + cos(y 2 )
∂x
∂f
(x, y) = x sen(2xy) + 2x2 y cos(2xy) − 2xy sen(y 2 )
∂y
466 Exámenes propuestos en la Universidad Politécnica de Madrid
∂f
(1, 0) = 1 sen(2(0)) + 2(0) cos(2(0)) + cos(0) = 1
∂x
∂f
(1, 0) = 1 sen(2(0)) + 2(0) cos(2(0)) − 2(0) sen(0) = 0
∂y
∂f ∂f
df ((1, 0); h) = (1, 0)h1 + (1, 0)h2 = h1
∂x ∂y
e) El plano tangente:
∂f ∂f
z = f (1, 0) + (1, 0)(x − 1) + (1, 0)y = 1 + x − 1 = x
∂x ∂y
x(t) = t
y(t) = t
z(t) = 1 + t2
espacio. Es decir τ (t) = T (x(t), y(t), z(t)). Para calcular los extremos globales
de τ (t) deberemos hallar primero los locales y, para ello, los puntos crı́ticos.
Aplicando la regla de la cadena obtenemos
dτ ∂T dx ∂T dy ∂T dz
= + +
dt ∂x dt ∂y dt ∂z dt
(las derivadas parciales se evalúan en (x(t), y(t), z(t))). Se obtiene entonces
dτ 1 1 1 1
= − x(t) 1+ − y(t) 1+ 1 − z(t) (2t) = −t+2t 1 − 1 + t2
dt 2 2 5 5
3 2
t − t3 =
5 5
dτ
Los puntos crı́ticos (puntos en los que se anula dt ) en el intervalo (0, 2) son
-
t = 0 y t = 32 . La segunda derivada es
d2 τ 3 6
= − t2
dt2 5 5
-
que es positiva para t = 0 y negativa para t = 32 . La función τ (t) (definida
- lR) tendrá por tanto un mı́nimo local en t = 0 y un máximo local en
en todo
3 9
t= 2.
El mı́nimo local es τ (0) = T (0, 0, 1) = 4 + 10 = 49
10 , mientras que el
- - -
máximo local es τ ( 32 ) = T ( 32 , 32 , 52 ) = 4 − 34 + 52 − 58 = 41
8 . Como estamos
en el intervalo t ∈ [0, 2], para calcular los extremos globales en el intervalo
deberemos comparar los extremos locales con los valores de la función en el
borde. τ (0) ha sido calculado arriba, y τ (2) = T (2, 2, 5) = 4 − 2 + 5 − 52 = 92 .
Como τ (2) < τ (0), el mı́nimo global se alcanza en t = 2 y vale 92 . El máximo
-
global se alcanza en t = 32 y vale 418 .
Puntuación de la pregunta: 10 puntos.
a)
2
y + 2xy = xe−x
b)
2y + y − y = 2ex
yh + 2xyh = 0
será 4 2 2
yh (x) = e− 2xdx
= e−x +C
= Ke−x
Para encontrar una solución al problema no homogéneo ensayamos el método
de variación de constantes
2
yp (x) = K(x)e−x
3. Dada la aplicación lineal, f, de lR2 en lR3 cuya matriz asociada en las respectivas
bases canónicas de lR2 y lR3 es:
⎛ ⎞
2 1
A = ⎝ 3 0 ⎠,
1 2
se pide:
a)
1 0 2 1 0 2
∼ ⇒ dim(Im(f )) = 2
2 3 1 0 −3 3
Base de Im(f ) = {(1, 0, 2)t , (0, −3, 3)t } . Como dim(lR2 ) = dim(Im(f )) +
dim(ker(f )) la dimensión del núcleo es 0 y no tiene sentido hablar de una
base de ker(f )
ker(f ) = {0}
b) dim(ker(f )) = 0 ⇒ f es inyectiva.
c) dim(Im(f )) = 2 ⇒ Im(f ) = lR3 ⇒ f no es sobreyectiva.
472 Exámenes propuestos en la Universidad Politécnica de Madrid
d ) El sistema
α=1
−3β = 1
2α + 3β = 2
⎛ ⎞
3 1 1
A=⎝ 2 4 2 ⎠
3 3 5
⎛ ⎞
−5 1 1
rango(T − 8I3 ) = rango ⎝ 2 −4 2 ⎠=2
3 3 −3
⎛ ⎞
1 1 1
rango(T − 2I3 ) = rango ⎝ 2 2 2 ⎠ = 1
3 3 3
Luego
Para ello:
Nota: los seis apartados tienen un peso del 14 % en la calificación global del
ejercicio; el trazado de la gráfica tiene un peso del 16 %.
Solución:
Como f (x) < 0 para x > 0, la función será creciente en R+ . Como f (x) >
0 para x < 0, la función será creciente en R− . Como f (0) = 0, habrá un
extremo relativo en x = 0.
f ) Para estudiar la concavidad y convexidad, calcularemos la segunda deriva-
da:
−12x2 + 20x6 4x2 (−3 + 5x4 )
f (x) = =
(1 + x4 )3 (1 + x4 )3
1
La segunda derivada será positiva si 5x4 − 3 > 0, es decir, si |x| > 35 4 . La
1
segunda derivada será negativa si |x| < 35 4 . En el primer caso, la función
1
es cóncava y en el segundo convexa. Los puntos de inflexión son x = ± 35 4 .
x(t) = t
y(t) = t
z(t) = 1 + t2
C.3. Examen final de la convocatoria de junio de 2002 475
0.8
0.6
0.4
0.2
4 2 0 2 4
== 2
+y 2
7. Calcular D
ex dxdy, siendo D el cı́rculo interior a la circunferencia x2 +
y 2 = 9.
Solución:
x = r cos θ x2 + y 2 = r 2
Cambiando a coordenadas polares:
y = r sin θ J (r, θ) = r
dy
+ xy = x sin(x2 )
dx
y(0) = 1
⎩
y (0) = 2
a) La ecuación
dy
+ xy = x sin x2
dx
es lineal de primer orden. La solución general será y(x) = yh (x) + yp (x)
con yh (x) siendo la solución general de la ecuación homogénea y yp (x) una
solución particular de la ecuación. yh (x) es pues la solución general de
dyh
+ xyh = 0
dx
es decir,
x2
yh (x) = Ke− 2
C.3. Examen final de la convocatoria de junio de 2002 477
x2
La solución particular la buscamos de la forma yp (x) = K(x)e− 2 . Intro-
duciéndola en la e.d.o. obtenemos
x2
K (x)e− 2 = x sin x2
y por tanto <
x2
K(x) = e 2 x sin x2 dx
2. Dada la aplicación lineal, f, de lR4 en lR2 cuya matriz asociada en las respectivas
bases canónicas de lR4 y lR2 es:
1 3 −1 0
A= ,
2 1 0 −1
se pide:
C.4. Examen final de la convocatoria de septiembre de 2002 479
a)
1 3 −1 0 1 3 −1 0
∼ ⇒ dim(Im(f )) = 2
2 1 0 −1 0 −5 2 −1
De donde se deduce que Im(f ) coincide con lR2 . Por otro lado:
y en lR2 por:
y1 1 1 y1 y1
= =Q
y2 {ei }
1 −1 y2 C
y2 C
En consecuencia
⎛ ⎞
x1
y1 1 3 −1 0 ⎜ x2 ⎟
Q = P⎜ ⎟
⎝ x3 ⎠
y2 C
2 1 0 −1
x4 B
480 Exámenes propuestos en la Universidad Politécnica de Madrid
lo que implica
⎛ ⎞
x1
y1 1 3 −1 0 ⎜ x2 ⎟
= Q−1 P⎜ ⎟
⎝ x3 ⎠
y2 C
2 1 0 −1
x4 B
⎛ ⎞
3 1 2
A = ⎝ −2 0 −2 ⎠
−1 0 −1
⎛ ⎞
−3 1 2
rango(T − 0I3 ) = rango ⎝ −2 0 −2 ⎠ = 2 (C.3)
−1 0 −1
⎛ ⎞
2 1 2
rango(T − 2I3 ) = rango ⎝ −2 −1 −2 ⎠ = 2 (C.4)
−1 0 −2
C.4. Examen final de la convocatoria de septiembre de 2002 481
Luego
4. Supóngase que durante una tormenta el agua cae a una velocidad de 50mm
por hora. Si el agua de la lluvia está llenando un recipiente cónico de 5m de
diámetro y 10m de altura, ¿a qué velocidad estará subiendo el nivel de agua en
el recipiente cuando haya alcanzado los 7m?
Solución: Si la lluvia cayese en un recipiente cilı́ndrico de 5×103 mm de diáme-
tro, al cabo de una hora el agua ocuparı́a un volumen de (2,5×103 )2 ×50×πmm3 .
Por lo tanto el volumen de agua que entra en el recipiente cónico por hora es:
dV
= (2,5 × 103 )2 × 50 × π
dt
Para una altura h (< 104 mm) el agua ocupa, dentro del recipiente, un volumen
V = 13 πr2 h. Por otro lado r y h están relacionados por la geomtrı́a del recipiente:
r = 2,5 = 4 ⇒ r = 4 . Por consiguiente:
h 10 h
2 2 3
dV d 1 h 1 dh
(2,5) × 10 × 50 × π =
2 6
= π h = πh2
dt dt 3 4 16 dt
x3 9
f (x, y) = + y 3 − 2x − y 2 + 6y + 12
6 2
482 Exámenes propuestos en la Universidad Politécnica de Madrid
Solución. Hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos
el sistema:
∂f x2
= −2=0 (C.7)
∂x 2
∂f
= 3y 2 − 9y + 6 = 0 (C.8)
∂y
√
De (C.7) deducimos que x = ±2. De (C.8) deducimos y = 9± 81−72 6 = 2, 1.
Los puntos crı́ticos son por tanto (2, 2), (−2, 2), (2, 1) y (−2, 1). La naturaleza
de estos puntos crı́ticos la deduciremos a partir del cálculo del Hessiano y de la
segunda derivada con respecto a x.
2 2 3
∂ f ∂2f
∂x2 ∂x∂y x 0
Hf (x, y) = ∂2f ∂2f
= (C.9)
2
0 6y − 9
∂x∂y ∂y
∂2f
(x, y) = x (C.10)
∂x2
Evaluemos en cada punto.
∂2f
En (2, 2), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = 2 > 0. Hay, por tanto, un mı́nimo.
En (−2, 2), det(Hf (0, 0)) = −6 < 0. Hay, por tanto, un punto de ensilladura.
En (2, 1), det(Hf (0, 0)) = −6 < 0. Hay, por tanto, un punto de ensilladura.
∂2f
En (−2, 1), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = −2 < 0. Hay, por tanto, un
máximo relativo.
1 (Pi/2,1)
0 2 4
C.4. Examen final de la convocatoria de septiembre de 2002 483
a)
dy 1+x
=
dx xy
b)
dy x 3x
− y=
dx 1 + x2 1 + x2
1+x
ydy = dx
x
Integrando ambos lados se obtiene
< <
1+x y2
ydy = dx → = ln |x| + x + C
x 2
o, en forma explı́cita,
(
y=± 2 ln |x| + 2x + 2C
dyh x
− yh = 0
dx 1 + x2
es decir,
dyh x
= dx
yh 1 + x2
484 Exámenes propuestos en la Universidad Politécnica de Madrid
es decir, (
1 2
yh (x) = e 2 ln(1+x )+K
=C 1 + x2
√
Busquemos ahora yp (x) por variación de constantes. Sea yp (x) = C(x) 1 + x2 .
Sustituyendo en la ecuación,
( 3x
C (x) 1 + x2 =
1 + x2
que lleva a <
3x − 1
C(x) = 3 dx = −3 1 + x2 2
(1 + x2 ) 2
1.5
w1
w2
1
0.5
w0
0.5
w3
1.5 w4
2. Sea B una matriz escalonada de números reales con cuatro filas y tres columnas.
Se pide:
a) Si B tiene sólo una fila nula, determinar la forma de B (se utilizará el
signo “&” para designar las cabeceras de fila, el signo “∗” para representar
los términos que pueden ser indistintamente nulos o no nulos y “0” para
representar los términos que son necesariamente nulos).
b) Supóngase que un sistema lineal (S) de cuatro ecuaciones con dos incógni-
tas tiene una matriz ampliada A equivalente a B. Demostrar que el sistema
lineal (S) es incompatible.
c) ¿Qué sucederı́a si B fuese una matriz escalonada con dos filas nulas y dos
filas no nulas? Indicar, justificándolo, si el sistema (S) es incompatible o
compatible y en este último caso si es determinado o indeterminado.
Puntuación de la pregunta: 7 puntos ((a) 1 punto, (b) 3 puntos, (c) 3 pun-
tos).
486 Exámenes propuestos en la Universidad Politécnica de Madrid
Solución:
a) ⎛ ⎞
& ∗ ∗
⎜ 0 & ∗ ⎟
B=⎜
⎝ 0 0
⎟
& ⎠
0 0 0
3. Sea W un subespacio de lRn tal que dim(W ) = p. Se pide indicar si las siguientes
proposiciones son ciertas o falsas, justificando la respuesta.
Se pide:
a) Comprobar si los subespacios de E, W , de ecuaciones implı́citas x1 −x2 = 0
y x3 = 0, y V , de ecuación implı́cita x1 + x2 + x3 = 0, son ortogonales.
b) Hallar una base de V ⊥ .
c) Hallar la proyección ortogonal del vector a = (1, 0, 1)t sobre el subespacio
V.
Puntuación de la pregunta: 9 puntos ((a) 3 puntos, (b) 3 puntos, (c) 3
puntos).
Solución:
C.5. Examen parcial de febrero de 2003 489
= 1 = 0,
W y V no son ortogonales.
b) Imponiendo que los vectores de V ⊥ sean ortogonales a los de la base de V
se obtienen dos ecuaciones implı́citas de V ⊥ :
⎛ ⎞
x1
−1 1 0 G ⎝ x2 ⎠ = x2 + x3 = 0,
x3
⎛ ⎞
x1
−1 0 1 G ⎝ x2 ⎠ = x2 + 2x3 = 0.
x3
A partir de las ecuaciones implı́citas obtenemos una base de V ⊥ :
⎧
⎨ x1 = α
V⊥ : x2 = 0 ⇒ Base de W = {(1, 0, 0)t }.
⎩
x3 = 0 u1
⎛ ⎞
−1
v3 .c1 = −1 0 1 G ⎝ 1 ⎠ = 1,
0
z2 = v3 − (v3 .c1 )c1 = (−1, 0, 1)t − (−1, 1, 0)t = (0, −1, 1)t ,
⎛ ⎞
0
z2
z2 = 0 −1 1 G ⎝ −1 ⎠ = 1, c2 = = (0, −1, 1)t .
z2
1
Proy |V a = (a.c1 )c1 + (a.c2 )c2 = (−1, 1, 0)t + (0, −1, 1)t = (−1, 0, 1)t .
6. Sea A una matriz cuadrada de números reales de dimensión dos con valores
propios λ1 = 3 y λ2 = 1/3, y vectores propios respectivos v1 = (1, 1)t y v2 =
(−1, 1)t . Dada la ecuación en diferencias xk+1 = Axk , se pide:
a) A
es una matriz
diagonalizable y por lo tanto existe una matriz D =
3 0
tal que:
0 1/3
D = P −1 AP, o, despejando, A = P DP −1
en donde:
1 −1
P =
1 1
C.6. Examen parcial de junio de 2003 491
xk+1 = Axk = P DP −1 xk
y, entonces,
k
xk = P DP −1 x0 = P Dk P −1 x0 =
k 0
1 −1 3 0 1/2 1/2 x1
.
1 1 0 (1/3)k −1/2 1/2 x02
Finalmente se expresa la fórmula pedida componente a componente:
0 k 1 0 0 1 k 1 1 k 1 0
xk1 = 12 3k + 12 13 x + 3 −2 3 x
0 1 1 02 1 2
k k
xk2 = 12 3k − 12 13 x01 + 12 3k + 12 13 x02
y x8 :
0 1 8 1 0 1 8 1
x81 = 1 8
23 + 1
2 3 9+ 1 8
23 − 1
2 3 1= 215233609
6561
0 1 8 1 0 1 8 1
x82 = 1 8
23 − 1
2 3 9+ 1 8
23 + 1
2 3 1= 215233609
6561 .
4
g
1 0 1 2 3 4 5 6 7
x
g
2
P2
P3
1 0 P1 1 2 3 4 5 6 P5 7
P4
P3
g
2
P2
x
1 1 2 3 4 5 6 7
0 P1
2
P4
6
P5
3. Sea f una función de lR3 en lR, diferenciable y con derivadas parciales continuas
en todo lR3 , y Ψ la función de lR3 en lR3 que representa el cambio de variable
de coordenadas esféricas a coordenadas cartesianas:
⎧
⎨ x = Ψ1 (r, θ, φ) = r cos θ sen φ
y = Ψ2 (r, θ, φ) = r sen θ sen φ .
⎩
z = Ψ3 (r, θ, φ) = r cos φ
Si g = f ◦ Ψ, se pide:
C.6. Examen parcial de junio de 2003 495
∂g ∂g ∂g ∂f ∂f ∂g
a) Hallar ∂r , ∂θ y ∂φ en función de ∂x , ∂y y ∂z .
∂g
∂r (r, θ, φ) =
∂f ∂f ∂f
∂x (x, y, z) cos θ sen φ + ∂y (x, y, z) sen θ sen φ + ∂z (x, y, z) cos φ.
∂g
∂θ :
∂g
∂θ (r, θ, φ) =
− ∂f
∂x (x, y, z)r sen θ sen φ +
∂f
∂y (x, y, z)r cos θ sen φ.
∂g
∂φ :
∂g
∂φ (r, θ, φ) =
∂f
∂x (x, y, z)r cos θ cos φ + ∂f
∂y (x, y, z)r sen θ cos φ − ∂f
∂z (x, y, z)r sen φ.
b) Si f (x, y, z) = x2 + y 2 + z 2 entonces:
∂f
∂x (x, y, z) = 2x = 2r cos θ sen φ
∂f
∂y (x, y, z) = 2y = 2r sen θ sen φ
∂f
∂z (x, y, z) = 2z = 2r cos φ.
496 Exámenes propuestos en la Universidad Politécnica de Madrid
∂g
∂θ
(r, θ, φ) = −2r2 cos θ sen θ sen2 φ + 2r2 cos θ sen θ sen2 φ = 0
∂g
∂φ
(r, θ, φ) = 2r2 cos2 θ cos φ sen φ + 2r2 sen2 θ cos φ sen φ − 2r2 cos φ sen φ = 0
∂2g ∂(2r)
c) ∂r∂θ = ∂θ = 0.
5. Hallar el centro de masas del área plana limitada por las parábolas y = 2x−x2 e
y = 3x2 − 6x. Se supondrá que la densidad superficial de la región es constante.
Puntuación de la pregunta: 8 puntos.
Solución: el área plana limitada por las parábolas y = 2x − x2 e y = 3x2 − 6x
aparece en la figura C.6.
Las coordenadas (xCM , yCM ) del centro de masas del dominio plano (D) de la
figura C.6 se obtienen mediante:
== ==
xdxdy ydxdy
xCM = == D
, yCM = = =D . (C.11)
D
dxdy D
dxdy
En donde, como dice el enunciado, se ha considerado la densidad constante.
Para calcular las coordenadas es necesario, por lo tanto, resolver tres integrales:
y
2*x-^
1
1 1 2 3
x
3 3*x^2-6
Sustituyendo los valores de las tres integrales en (C.11) se obtienen las coorde-
nadas pedidas:
== ==
xdxdy 16/3 ydxdy −64/15 4
xCM = = =
D
= = 1 , yCM = = =D = =− .
D
dxdy 16/3 D
dxdy 16/3 5
se pide:
498 Exámenes propuestos en la Universidad Politécnica de Madrid
a) Para comprobar que las dos funciones son linealmente independientes cal-
culamos su Wronskiano:
W [y1 , y2 ](x) =
√ √
x x
e− 2 cos 3x
2
e− 2 sen 3x
2
x
√ √ √
x
√ √ √
− 12 e− 2 cos 23x + 3 sen 3x
2
− 12 e− 2 sen 23x − 3 cos 3x
2
2 2√ 3 2√ 3 2 √ 33
1 −x 3x 3x √ 3x
=− e cos sen − 3 cos2
2 2 2 2
2 2√ 3 2√ 3 2 √ 33
1 −x 3x 3x √ 2 3x
+ e cos sen + 3 sen =
2 2 2 2
1 −x √
e 3 = 0 ∀x ∈ lR.
2
Al ser el Wronskiano no nulo queda demostrado que las dos funciones son
linealmente independientes.
b) Como en al apartado anterior se ha demostrado que las dos soluciones, y1 e
y2 , de y (x) + y (x) + y(x) = 0 son linealmente independientes, su solución
general será:
2√ 3 2√ 3
−x 3x − x 3x
y(x) = C1 y1 (x) + C2 y2 (x) = C1 e 2 cos + C2 e 2 sen
2 2
c) Para resolver este apartado hace falta hallar una solución particular de
y(x) = x3 − x2 − 3x + 5,
y la solución general:
2√ 3 2√ 3
−x 3x −x 3x
y(x) = C1 e 2 cos +C2 e 2 sen +x3 −x2 −3x+5. (C.13)
2 2
d ) En este apartado hay que hallar una solución particular de (C.13) que
verifique y(0) = 2 e y (0) = 0. Derivando en (C.13) se obtiene:
2 2√ 3 2√ 33
C1 x 3x √ 3x
y (x) = − e− 2
cos + 3 sen (C.14)
2 2 2
2 2√ 3 2√ 33
C2 x 3x √ 3x
− e− 2 sen − 3 cos + 3x2 − 2x − 3.
2 2 2
{u1 = v1 + v2 + v3 , u2 = v1 − v2 , u3 = v1 },
dado el vector a = 2e1 + e2 + 2e3 , se pide:
a) ¿Cuáles son las coordenadas de a respecto de la base {u1 , u2 , u3 }?
b) ¿Cuáles son las coordenadas de a respecto de la base {v1 , v2 , v3 }?
Puntuación de la pregunta: 13 puntos ((a) 7 puntos, (b) 6 puntos).
Solución:
⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
1 2 1 2 −1 1 1 2 1
a) (a){ui } = ⎝ 0 0 1 ⎠ ⎝ 1 ⎠ = ⎝ 1 −1 − 12 ⎠ ⎝ 1 ⎠ = ⎝ 0 ⎠
2 2 0 2 0 1 0 2 1
b) a = u1 + u3 = (v1 + v2 + v3 ) + (v1 ) = 2v1 + v2 + v3 .
a)
1 2 3
A= .
2 4 2
C.7. Examen final de la convocatoria de junio de 2003 501
b) Im(f ) = (1, 2)t , (2, 4)t , (3, 2)t = (1, 2)t , (0, −4)t y, por lo tanto, dim
(Im(f )) = 2. Como el rango de A es dos, hay dos ecuaciones implı́citas del
núcleo linealmente independientes: x1 +2x2 +3x3 = 0 y 2x1 +4x2 +2x3 = 0
de donde se deduce fácilmente una base: base de ker(f ) = {(−2, 1, 0)t }. Co-
mo dim(ker(f )) = 0 y dim(Im(f )) = dim(W ) la aplicación es sobreyectiva
pero no es inyectiva.
c) Para que dos vectores distintos, a y b, tengan la misma imagen se debe
verificar f (a) = f (b) ⇒ f (a) − f (b) = 0 ⇒ f (a − b) = 0 ⇒ a − b ∈
ker(f ) ⇒ a = b + u, u ∈ ker(f ). Lo cual implica que si a cualquier vector
le sumamos un vector del núcleo obtenemos otro vector que tiene la misma
imagen que el primero. Tomando b = (1, 0, 0)t y u = (−2, 1, 0)t , obtenemos
a = b + u = (−1, 1, 0)t . Por lo tanto a y b son dos vectores que satisfacen
las condiciones pedidas en el enunciado: son distintos, no pertenecen a
ker(f ) y f (a) = f (b) = (1, 2)t .
d ) El cambio de base del enunciado permite expresar las coordenadas en la
base B ∗ en función de las coordenadas en la base B :
y1 1 1 y1
= ,
y2 1 0 y2
y, por tanto:
1 1 y1 1 2 3 x1
= ,
1 0 y2 2 4 2 x2
con lo que despejando y se obtiene:
y1 0 1 1 2 3 x1 2 4 2 x1
= = .
y2 1 −1 2 4 2 x2 −1 −2 1 x2
Por consiguiente la nueva matriz asociada a f en las bases B y B es:
2 4 2
A = .
−1 −2 1
a) Calcular Au y Av
b) Utilizar el resultado del apartado anterior para hallar dos valores propios
de f y un vector propio para cada uno de ellos.
c) Determinar los tres valores propios de f resolviendo el correspondiente
polinomio caracterı́stico. Una vez hallados se debe verificar que dos de
ellos coinciden con los calculados en el apartado 3b.
d ) Hallar los subespacios propios de f y una base de lR3 en la que la matriz
asociada a f sea una matriz diagonal.
Vλ2 = x ∈ lR3 /(A − 6I)x = 0 =
−6 0 2 x1 0
x ∈ lR3 / 0 −5 0 x2 = 0 .
3 4 −1 x3 0
C.7. Examen final de la convocatoria de junio de 2003 503
Vλ3 = x ∈ lR3 /(A − I)x = 0 =
−1 0 2 x1 0
x ∈ lR3 / 0 0 0 x2 = 0 .
3 4 4 x3 0
Del sistema homogéneo anterior se obtiene una base de Vλ3 :
Uniendo las bases de los tres subespacios propios se obtiene una base de
lR3 , en la que la matriz asociada a f es diagonal:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−2 1 4
c1 = ⎝ 0 ⎠ , c2 = ⎝ 0 ⎠ , c3 = ⎝ −7 ⎠
1 3 4
4. Supóngase que
3
p(x) = (h(g(x)) + π)
con g y h derivables en todo lR. Se pide:
b)
p (2) = 3 (h(g(2)) + π) h (g(2))g (2) = 3 (h(6) + π) h (6)(−3) =
2 2
se concluye que p (x) > 0 ∀x ∈ lR. Por lo tanto p crece en todo lR.
5. Considérese la función
f (x, y) = 3xy − x3 − y 3 ,
de la que se sabe que es diferenciable y tiene derivadas parciales continuas en
todo punto de lR2 . Se pide:
∂f ∂f
a) Calcular ∂x (x, y) y ∂y (x, y).
b) Determinar la ecuación del plano tangente a la superficie z = f (x, y) en el
punto (2, 1, −3).
c) Encontrar los puntos crı́ticos de f en lR2 .
d ) Clasificar los puntos crı́ticos encontrados en el apartado anterior.
Puntuación de la pregunta: 18 puntos ((a) 3 puntos, (b) 5 puntos, (c) 5
puntos, (d) 5 puntos).
Solución:
a)
∂f ∂f
(x, y) = 3y − 3x2 , (x, y) = 3x − 3y 2 .
∂x ∂y
b)
∂f ∂f
z = f (2, 1) + (2, 1)(x − 2) + (2, 1)(y − 1) = −3 − 9(x − 2) + 3(y − 1).
∂x ∂y
z = −9x + 3y + 12.
C.7. Examen final de la convocatoria de junio de 2003 505
1 2
y(x) = e3x (C1 cos(2x) + C2 sen(2x)) + 4x + 8x + 3 ex
32
Imponemos a continuación las dos condiciones iniciales
3 0
y(0) = e0 (C1 cos 0 + C2 sen 0) + e =1
32
1 3
y (0) = 3e0 (C1 cos 0 + C2 sen 0) + 2e0 (−C1 sen 0 + C2 cos 0) + + e0
4 32
= 2
1. Sea M una matriz de dimensión 4 × 4 tal que los elementos de su diagonal son
todos nulos y el resto son unos:
0 si i = j
M = (mi,j )4×4 con mi,j = .
1 si i = j
Se pide:
a) Demostrar que M 2 − 2M − 3I = 0.
C.7. Examen final de la convocatoria de junio de 2003 507
Solución:
a)
⎛ ⎞⎛ ⎞ ⎛ ⎞
0 1 1 1 0 1 1 1 3 2 2 2
⎜ 1 0 1 1 ⎟ ⎜ 1 0 1 1 ⎟ ⎜ 2 3 2 2 ⎟
M2 = ⎜
⎝ 1
⎟⎜ ⎟=⎜ ⎟.
1 0 1 ⎠⎝ 1 1 0 1 ⎠ ⎝ 2 2 3 2 ⎠
1 1 1 0 1 1 1 0 2 2 2 3
con lo que:
⎛ ⎞
3 2 2 2
⎜ 2 3 2 2 ⎟
2M + 3I = ⎜
⎝ 2
⎟ = M 2,
2 3 2 ⎠
2 2 2 3
Suplemento 2: Pregunta extra para los alumnos con el primer parcial li-
berado
Por consiguiente:
==
T=
f (x, y)dxdy
Valor medio de f en el triángulo T = = =2
T
dxdy
a) Sabiendo que una de las tres raı́ces cúbicas de z es w = −1, hallar las
otras dos. Comprobar que estas dos últimas raı́ces satisfacen la ecuación
x2 − x + 1 = 0.
b) Hallar las cinco raı́ces de orden cinco de z. Dibujar el resultado.
y
√ √
1 3 1 3
w22 + w2 − 1 = (1)− 2π − (1)− π3 +1=− − i− + i+1=0
3 2 2 2 2
vk = (1) π + 2kπ , k = 0, 1, 2, 3, 4.
5 5
v0 = (1) π5
v1 = (1) 3π
5
v2 = (1)π
v3 = (1)− 3π5
v4 = (1)− π5
1
v1
v0
0.5
v2 1 0.5 0.5 1
0.5
v4
v3 1
La submatriz formada por las tres filas de A y sus tres primeras columnas es
una matriz escalonada equivalente a la matriz de coeficientes del sistema (Ac )
a la que denominaremos Ac :
⎛ ⎞
1 β α
Ac = ⎝ 0 β(α − 1) 1 − α ⎠.
0 0 2 − α2 − α
Discutiremos las soluciones del sistema en función de los rangos de Ac y A,
iguales, respectivamente, a los de Ac y A . El término 2 − α2 − α se anula para
α = 1 y α = −2. Clasificaremos, por lo tanto, las soluciones según α sea igual a
1, igual a -2 o distinto de 1 y -2 a la vez:
a) α = 1
Si β = 1 entonces rg(Ac ) = 1 = rg(A) = 2 → Sistema incompatible.
Si β = 1 entonces rg(Ac ) = 1 = rg(A) = 1 → Sistema compatible
indeterminado con dos grados de libertad.
b) α = −2
Si β = −2 entonces rg(Ac ) = 2 = rg(A) = 3 → Sistema incompati-
ble.
Si β = −2 entonces rg(Ac ) = 2 = rg(A) = 2 → Sistema compatible
indeterminado con un grado de libertad.
c) α = 1 y α = −2
Si β = 0 entonces rg(Ac ) = 3 = rg(A) = 3 → Sistema compatible
determinado.
Si β = 0 entonces rg(Ac ) = 2 = rg(A) = 3 → Sistema incompatible.
1+i −2 x 0
V−i = x ∈ lR :
2
= =
1 −1 + i y 0
x ∈ lR2 : (1 + i)x = 2y .
−i sen α − sen α x 0
Veαi = x ∈ lR :
2
= =
sen α −i sen α y 0
x ∈ lR2 : −ix = y ,
i sen α − sen α x 0
Ve−αi = x ∈ lR :
2
= =
sen α i sen α y 0
x ∈ lR2 : ix = y .
4. Dada la función
f (x, y) = 3 + 2xy + 3xy 2 − x3 ,
se pide:
7 + 12t + 7t2 ,
que es el polinomio pedido.
C.8. Examen final de la convocatoria de septiembre de 2003 515
⎛ lR ⎞ → lR lR2 → ⎛ lR3 ⎞
3
w: f:
x xexy
⎝ y ⎠ y x ⎝ ,
→ ln(xyz) → yexy ⎠
y
z y
se pide:
a) Calcular la diferencial de la función g = w ◦ f en un punto a = (a1 , a2 )
de lR2 en el que la función sea diferenciable. Recuérdese que si g = w ◦ f
entonces g(u, v) = w (f1 (u, v), f2 (u, v), f3 (u, v)).
b) Sabiendo que en el punto (1, e) la función g es diferenciable, indicar en que
dirección de lR2 se obtendrá la máxima derivada direccional de la función g
en dicho punto. ¿Cuál será el valor de dicha derivada direccional máxima?
Puntuación de la pregunta: 18 puntos ((a) 10 puntos, (b) 8 puntos).
Solución:
1
x (1 + a1 a2 )ea1 a2 + y1 a22 ea1 ,a2 + 0 = 1
a1 ea1 ,a2 (1 + a1 a2 )ea1 a2
1 2 a1 a2
x a1 e + y1 (1 + a1 a2 )ea1 ,a2 + 1
z = 1
a1 ea1 ,a2 a21 ea1 a2
6. Hallar el momento de inercia con respecto al eje y de la región plana que aparece
coloreada en la figura C.8. Se supondrá que la densidad superficial en cada punto
de la figura es proporcional a su distancia al eje y.
Puntuación de la pregunta: 16 puntos.
Solución: Se designará por I al momento de inercia pedido:
< <
I= r2 (x, y)ρ(x, y)dxdy. (C.16)
D
< π
2 > ?π/2
I2 = k x3 cos xdx = k x3 sen x + 3x2 cos x − 6x sen x − 6 cos x π/3 =
π
3
C.9. Examen parcial de febrero de 2004 517
2 2 √ 3 3
π3 1 3 π2 0√ 1
k + − +π 3−3 +3 .
2 4 27 6
En consecuencia el momento de inercia pedido es:
2 2 √ 3 3
kπ 4 π3 1 3 π2 0√ 1
I = I1 + I2 = k + + − +π 3−3 +3
648 2 4 27 6
y = c o s(x )
y = 1 /2
0 2 1
como los tres vectores son linealmente independientes constituyen, además,
una base de W1 +W2 . Por lo tanto unas ecuaciones paramétricas de W1 +W2
serán: ⎧
⎪
⎪ x=α+γ
⎨
y = 2α + γ
,
⎪
⎪ z =β+γ
⎩
t = 2β + γ
despejando α, γ y β de las tres primeras ecuaciones y sustituyendo su valor
en la cuarta ecuación se obtiene una ecuación implı́cita de W1 + W2 :
⎧⎛ ⎞ ⎫
⎪
⎪ x ⎪
⎪
⎨⎜ ⎬
⎜ y ⎟⎟
W1 + W2 = ⎝ ∈ lR4
/2x − y + −2z + t = 0 .
⎪
⎪ z ⎠ ⎪
⎪
⎩ ⎭
t
Las dimensiones de W1 , W2 y W1 + W2 son, respectivamente, 2, 1 y 3, por
lo tanto como dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) + dim(W1 ∩ W2 ) la
dimensión de W1 ∩ W2 es cero y en consecuencia:
W1 ∩ W2 = {0}
Teniendo en cuenta que la matriz asociada a una aplicación lineal en las bases
B y B es única se deduce que:
A = Q−1 AP.
En el caso particular de la aplicación g:
⎛ ⎞
1 0 1
2 1
P =⎝ 0 0 1 ⎠ yQ= ,
1 −1
1 1 0
por lo que la matriz asociada a g en las bases B = {e1 , e2 , e3 } y B = {u1 , u2 }
es: ⎛ ⎞
−1 1 0 1
2 1 4/3 1/3 4/3
A = A⎝ 0 0 1 ⎠ =
1 −1 −2/3 1/3 −5/3
1 1 0
C.9. Examen parcial de febrero de 2004 521
α1 x1 + α2 x2 + . . . + αp xp = 0. (C.18)
α1 (x1 · x1 ) = 0,
W y V no son ortogonales.
b) Imponiendo que los vectores de V ⊥ sean ortogonales a los de la base de V
se obtienen dos ecuaciones implı́citas de V ⊥ :
⎛ ⎞
x1
−1 1 0 G ⎝ x2 ⎠ = −x1 + 2x2 − x3 = 0,
x3
⎛ ⎞
x1
−1 0 1 G ⎝ x2 ⎠ = 2x3 = 0.
x3
A partir de las ecuaciones implı́citas obtenemos una base de V ⊥ :
⎧
⎨ x1 = 2α
V⊥ : x2 = α ⇒ Base de V ⊥ = {(2, 1, 0)t }.
⎩
x3 = 0 u1
⎛ ⎞
−1
1
v 3 · c1 = √ −1 0 1 G ⎝ 1 ⎠ = 0 (v3 y c1 son ortogonales),
3 0
⎛ ⎞
−1
v3 1
v3 = −1 0 1 G ⎝ 0 ⎠ = 2, c2 = = √ (−1, 0, 1)t .
v3 2
1
C.9. Examen parcial de febrero de 2004 523
a) ⎛ ⎞⎛ ⎞ ⎛ ⎞
5 1 −1 1 3
Au = ⎝ 0 3 0 ⎠ ⎝ −1 ⎠ = ⎝ −3 ⎠ .
−1 1 5 1 3
Uniendo las bases de los tres subespacios propios se obtiene una base de
lR3 formada por vectores propios: {c1 , c2 , c3 }. En esta base la expresión
del endomorfismo será:
t
f (x) = (3x1 , 4x2 , 6x3 ) .
⎛ ⎞
(1/2)(410 + 610 ) (410 − 310 ) (1/2)(410 − 610 )
⎝ 0 310 0 ⎠=
(1/2)(4 − 6 ) (4 − 310 )
10 10 10
(1/2)(410 + 610 )
⎛ ⎞
30757376 989527 29708800
⎝ 0 59049 0 ⎠
29708800 989527 30757376
Se pide:
Hallar la solución completa del mismo en los casos en que sea compatible.
c) Encontrar una matriz equivalente a A que no contenga ningún 0.
x1 + 3x2 + 5x4 = 0
x3 + 5x4 = 0,
para, a continuación, obtener unas ecuaciones paramétricas de ker(f ):
x1 = −3α − 5β
x2 = α
x3 = −5β
x4 = β.
Si c = 0 el sistema es compatible:
⎛ ⎞
1 3 0 5 a
rg ⎝ 0 0 1 5 b ⎠ = 2 = rg(R) = 2.
0 0 0 0 0
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
C 1 0 −1 −1 −1 D
⎜ 2 ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟
W1 + W2 = ⎜ ⎟ ⎜
⎝ 0 ⎠,⎝ 1
⎟,⎜ ⎟ ⎜ ⎟ ⎜
⎠ ⎝ 0 ⎠,⎝ 1 ⎠,⎝ 0 ⎠ .
⎟
0 2 0 0 1
528 Exámenes propuestos en la Universidad Politécnica de Madrid
Para obtener una base a partir del sistema generador anterior se busca
un conjunto linealmente independiente de vectores que genere el mismo
subespacio:
⎛ ⎞ ⎛ ⎞
1 2 0 0 1 2 0 0
⎜ 0 0 1 2 ⎟ ⎜ 0 2 1 0 ⎟
⎜ ⎟ ⎜ ⎟
⎜ −1 1 0 0 ⎟∼⎜ 0 0 1 2 ⎟,
⎜ ⎟ ⎜ ⎟
⎝ −1 0 1 0 ⎠ ⎝ 0 0 0 3 ⎠
−1 0 0 1 0 0 0 0
y por lo tanto una base de W1 + W2 estará formada por:
⎧⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 1 0 0 0 ⎪ ⎪
⎨⎜ ⎟ ⎜ 2 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟⎬
⎜ 2 ⎟,⎜ ⎟,⎜ ⎟,⎜ ⎟ .
⎪ ⎝ 0 ⎠ ⎝ 1 ⎠ ⎝ 1 ⎠ ⎝ 0 ⎠⎪
⎪
⎩ ⎪
⎭
0 0 2 3
Se pide:
a) Los tres vectores que generan V son linealmente independientes, por lo que
constituyen una base de V . Se aplicará el método de Gram-Schmidt para
obtener una base ortonormal a partir de la base anterior (b1 = (3, 0, 0, 0)t ,
C.10. Examen final de la convocatoria de junio de 2004 529
c) Ecuaciones implı́citas de V ⊥ :
⎧ ⎫ ⎧ ⎫
⎨ a1 · x = 0 ⎬ ⎨ 3x1 = 0 ⎬
V ⊥ = x ∈ lR4 / a2 · x = 0 = x ∈ lR4 / x2 + 2x3 + x4 = 0
⎩ ⎭ ⎩ ⎭
a3 · x = 0 2x2 + x3 + 2x4 = 0
(A + B)2 = A2 + AB + BA + B 2
a) ⎛ ⎞
1 1
A = ⎝ 2 3 ⎠.
3 2
b) Im(f ) = (1, 2, 3)t , (1, 3, 2)t , los dos vectores del sistema generador son
linealmente independientes y, por lo tanto, constituyen una base de Im(f ).
En consecuencia dim(Im(f )) = 2. Como se debe verificar dim(V ) = dim
(Im(f )) + dim(ker(f )), se deduce fácilmente que dim(ker(f )) = 0. Por lo
tanto la aplicación es inyectiva. Sin embargo no es sobreyectiva debido a
que dim(Im(f )) = 2 = dim(W ) = 3.
c) Al ser la aplicación inyectiva, no es posible encontrar dos vectores distintos
de V que tengan la misma imagen por f .
d ) El cambio de base del enunciado permite expresar las coordenadas en la
base B ∗ en función de las coordenadas en la base B :
⎛ ⎞ ⎛ ⎞⎛ ⎞
y1 1 0 0 y1
⎝ y2 ⎠ = ⎝ 1 0 1 ⎠ ⎝ y2 ⎠ ,
y3 1 1 1 y3
y, por tanto:
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 y1 1 1
⎝ 1 0 x1
1 ⎠ ⎝ y2 ⎠ = ⎝ 2 3 ⎠ ,
x2
1 1 1 y3 3 2
despejando y se obtiene:
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞
y1 1 0 0 1 1
⎝ y2 ⎠ = ⎝ 1 0 1 ⎠ ⎝ 2 ⎠ x1
3 .
x2
y3 1 1 1 3 2
Solución
Si λ es un valor propio de A:
∃x ∈ lRn (x = 0) tal que Ax = λx.
Se comprueba a continuación que x es también un vector propio de Ak y que
su valor propio asociado es precisamente λk :
Ak x = Ak−1 Ax = Ak−1 λx = Ak−2 Aλx = λ2 Ak−2 x = . . .
= λk−2 A2 x = λk−2 AAx = λk−2 λAx = λk−1 Ax = λk x.
Con lo que la proposición queda demostrada.
La submatriz formada por las tres filas de A y sus tres primeras columnas es
una matriz escalonada equivalente a la matriz de coeficientes del sistema (Ac )
a la que denominaremos Ac :
⎛ ⎞
1 1 −1
Ac = ⎝ 0 α − 3 α + 3 ⎠.
0 0 α(5−α)
α−3
534 Exámenes propuestos en la Universidad Politécnica de Madrid
n
n
n
n
det(B) = bi,j Bi,j = (bi,j + bi,j )Bi,j = bi,j Bi,j + bi,j Bi,j .
j=1 j=1 j=1 j=1
Debido a que Bi,j = Bi,j = Bi,j , j = 1, . . . , n (los adjuntos de los elementos
de la fila i son iguales en las tres matrices), se deduce que:
n
n
det(B) = bi,j Bi,j
+ bi,j Bi,j
= det(B ) + det(B ).
j=1 j=1
u ∈ U ∩ W ⇒ u ∈ U y u ∈ W,
v ∈ U ∩ W ⇒ v ∈ U y u ∈ W;
por lo tanto:
x · y = 3x1 y1 + 3x2 y2 − x1 y2 − x2 y1 ,
el vector(1, 0, 0, 0)t{ei }
se transforma en si mismo y el vector (0, 1, 1, 1)t{ei }
se transforma en (0, 3, 3, 3)t{ei } ,
se pide:
a) Base de ker(f ) = {v1 = (0, −1, 1, 0)t , v2 = (0, −1, 0, 1)t }, lo cual implica
que λ1 = 0 es un valor propio con s1 = 2 y m1 ≥ 2.
Si se llama v3 a (1, 0, 0, 0) y v4 a (0, 1, 1, 1) se verifica f (v3 ) = v3 y f (v4 ) =
3v4 , por lo que λ2 = 1 es un valor propio con m2 ≥ 1 y 1 ≤ s2 ≤ m2 y
λ3 = 3 es otro valor propio con m3 ≥ 1 y 1 ≤ s3 ≤ m3 .
Como m1 + m2 + m3 ≤ 4, se deduce que m1 = 2, m2 = 1 y m3 = 1, que a
su vez implica que s2 = s3 = 1. Los subespacios propios serán por tanto:
⎧⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 0 0 ⎪ ⎪
⎨⎜ ⎜ −1 ⎟⎬
⎜ −1 ⎟
⎟ ⎜ ⎟
Base deVλ1 = Base de ker f = ⎝ , ,
⎪
⎪ 1 ⎠ ⎝ 0 ⎠⎪ ⎪
⎩ ⎭
0 1
⎧⎛ ⎞⎫ ⎧⎛ ⎞⎫
⎪
⎪ 1 ⎪⎪ ⎪
⎪ 0 ⎪
⎨⎜ ⎬ ⎨⎜ ⎟⎪ ⎬
0 ⎟ 1
Base deVλ2 = ⎜ ⎟ ,
⎝ 0 ⎠⎪ Base deVλ3 = ⎝ ⎟
⎜ .
⎪
⎪ ⎪ ⎪
⎪ 1 ⎠⎪
⎪
⎩ ⎭ ⎩ ⎭
0 1
0 0 0 3 x4 3x4
a) h1 (x) = L( x1 )
b) h2 (x) = L( 2x+1
1−x )
1 3 3
h2 (x) = L (q(x))q (x) = = .
q(x) (1 − x)2 (2x + 1)(1 − x)
√
2. Sea f una función de lR en lR tal que f (2) = −3 y f (x) = x2 + 5. Si
x
g(x) = x2 f ,
x−1
Solución: aplicando la regla del enunciado a los cuatro nodos del diagrama se
obtienen las cuatro ecuaciones del sistema.
Nodo A: f1 + f2 + f3 = 500,
Nodo B: f1 + f4 + f6 = 400,
Nodo C: f3 + f5 − f6 = 100,
Nodo D: f2 − f4 − f5 = 0.
542 Exámenes propuestos en la Universidad Politécnica de Madrid
500 A f1 B 400
f2 f4
f3
f6
f5
C
100
Solución:
a) Representación matricial de la aplicación f :
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
y1 a11 . . . a1n x1 x1
⎜ .. ⎟ ⎜ .. .. .. ⎟ ⎜ .. ⎟ = A ⎜ .. ⎟ .
⎝ . ⎠=⎝ . . . ⎠⎝ . ⎠ ⎝ . ⎠
ym am1 . . . amn xn xn
x · y = 2x1 y1 + x2 y2 ,
Por lo tanto:
7 1 1 −7/3
Proy |S a = (a · c1 )c1 = − √ √ = .
3 3 −1 7/3 {ei }
se pide:
a)
⎛ ⎞⎛ ⎞ ⎞ ⎛ ⎛ ⎞
4 −1 1 −3 1 2 1
⎜ 0 2 2 −2 ⎟⎜ 0 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟
Aa = ⎜
⎝ 0
⎟⎜ ⎟ = ⎜ ⎟ = 2⎜ ⎟,
1 3 −1 ⎠ ⎝ 1 ⎠ ⎝ 2 ⎠ ⎝ 1 ⎠
0 −1 1 1 1 2 1
546 Exámenes propuestos en la Universidad Politécnica de Madrid
no son proporcionales.
⎛ ⎞⎛ ⎞ ⎞ ⎛ ⎛ ⎞
4 −1 1 −3 1 0 1
⎜ 0 2 2 −2 ⎟ ⎜ ⎟ ⎜ 0 ⎟ ⎜ ⎟
Ac = ⎝⎜ ⎟⎜ 1 ⎟ = ⎜ ⎟ = 0⎜ 0 ⎟,
0 1 3 −1 ⎠ ⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 1 ⎠
0 −1 1 1 1 0 1
λ1 → m1 = 2, s1 = 2
λ2 → m2 = 1, s2 = 1
λ3 → m3 = 1, s3 = 1
Para obtener una base de lR4 formada por vectores propios se hallan las
bases de los otros dos subespacios propios. Como se sabe por el apartado
4a que a es un vector propio asociado a λ3 = 2 y c es un vector propio
asociado a λ2 = 0, y, por otro lado, la dimensión de Vλ2 coincide con la de
Vλ3 y ambas son iguales a 1 (por ser s2 = s3 = 1), se tiene que:
Uniendo las bases de los tres subespacios propios se obtiene una base de
lR3 formada por vectores propios: {c1 , c2 , c3 , c4 }. En esta base la expresión
del endomorfismo será:
t
f (x) = (4x1 , 4x2 , 0, 2x4 ) .
En plena ocupación se sientan en las mesas 108 clientes. Por otro lado cuando
solo se utilizan la mitad de las mesas de 4 personas, la mitad de las mesas de
6 personas y un cuarto de las mesas de 8 personas, todas ellas completamente
ocupadas, entonces solo hay 46 clientes. Se pide obtener el número de mesas de
cada tipo (x, y y z) que hay en el restaurante.
Puntuación de la pregunta: 10 puntos.
Solución: El enunciado permite plantear un sistema de tres ecuaciones con tres
incógnitas
x = 10,
y = 6,
z = 4.
y ⎧
⎪
⎪ x1 =λ
⎨
x2 =λ+µ
V3 = ,
⎪
⎪ x3 =γ
⎩
x4 =µ
se pide:
C.15. Examen final de la convocatoria de septiembre de 2005 549
v = 2(1, 1, 0, 0)t +2(0, 1, 0, 1)t +0(0, 0, 1, 0)t = 2a1 +2a2 +0a3 = (2, 2, 0)t{a1 ,a2 ,a3 } .
Se pide:
a) Comprobar si los subespacios de E, W = {x ∈ E/x1 − x3 = 0, x3 + x2 = 0}
y V = {x ∈ E/x1 − x2 + 2x3 = 0} son ortogonales.
b) Hallar una base de V ⊥ .
Puntuación de la pregunta: 10 puntos ((a) 5 puntos, (b) 5 puntos).
Solución:
a) A partir de las ecuaciones implı́citas de W se obtienen unas ecuaciones
paramétricas del mismo subespacio y, por lo tanto, una base:
⎧
⎨ x1 = α
W : x2 = −α ⇒ Base de W = {(1, −1, 1)t }.
⎩
x3 = α v1
550 Exámenes propuestos en la Universidad Politécnica de Madrid
y
⎛ ⎞⎛ ⎞
1 0 1 −2 0 1
v1 · v3 = 1 −1 1 ⎝ 0 2 0 ⎠ ⎝ 0 ⎠ = ( 2 −2 4 ) −2
0 = 0,
1
1 0 3 1
G
W y V son ortogonales.
b) Imponiendo que los vectores de V ⊥ sean ortogonales a los de la base de V
se obtienen dos ecuaciones implı́citas de V ⊥ :
⎛ ⎞
x1
1 1 0 G ⎝ x2 ⎠ = x1 + 2x2 + x3 = 0,
x3
⎛ ⎞
x1
−2 0 1 G ⎝ x2 ⎠ = −x1 + x3 = 0.
x3
A partir de las ecuaciones implı́citas obtenemos una base de V ⊥ :
⎧
⎨ x1 = α
⊥
V : x2 = −α ⇒ Base de V ⊥ = {(1, −1, 1)t }.
⎩
x3 = α
⎧ ⎛ ⎞⎛ ⎞ ⎛ ⎞⎫
⎨ 4 0 −4 x1 0 ⎬
x ∈ lR3 / ⎝ 0 2 0 ⎠ ⎝ x2 ⎠ = ⎝ 0 ⎠ .
⎩ ⎭
2 0 −2 x3 0
Del sistema homogéneo anterior se obtiene una base de Vλ2 :
Uniendo las bases de los dos subespacios propios se obtiene una base de
lR3 formada por vectores propios: {c1 , c2 , c3 }. En esta base la expresión
del endomorfismo será:
t
f (x) = (3x1 , 3x2 , x3 ) .
⎛ ⎞
118097 0 −118096
⎝ 0 59049 0 ⎠
59048 0 −59047
Bibliografı́a
Álgebra lineal
[1] H. Anton. Introducción al Álgebra lineal (II Ed.). Ed. Limusa Noriega editores,
1993.
[5] L.I. Golovina. Álgebra lineal y sus aplicaciones. Ed. Mir, 1983.
[11] S. Lipschutz. Álgebra lineal (II Ed.). Ed. McGraw Hill, 1992.
[14] I. Proskuriakov. 2000 problemas de Álgebra lineal. Ed. Reverté 1991. (Ed. Mir
1986).
553
554 BIBLIOGRAFÍA
[16] J. Rojo y I. Martı́n. Ejercicios y problemas de álgebra lineal. Ed. McGraw Hill,
1994.
[21] C. G. Cullen. Linear Algebra with applications, 2nd Ed. Addison Wesley 1997.
Cálculo
[22] H. Anton. Calculus (V Edición). Ed. John Wiley & Sons, Inc., 1995.
[26] R.V. Churchill. Complex variables and applications, 5th edition. McGraw-Hill,
1989.
[27] F. Coquillat. Cálculo integral, metodologı́a y problemas. Ed. Tebar Flores, 1997.
[31] A.S. Fokas y M.J. Ablowitz. Complex Variables: Intoduction and Applications.
Cambridge University Press. 1997.
Ecuaciones diferenciales
[44] I. Acero y M. López. Ecuaciones diferenciales. Teorı́a y problemas. Ed. Tebar
Flores, 1997.
[45] H. Anton. Calculus (V Edición). Ed. John Wiley & Sons, Inc., 1995.
[46] F. Ayres Jr.. Ecuaciones diferenciales. Ed. McGraw Hill, 1970.
[47] W. E. Boyce y R. C. DiPrima. Elementary differential equations and boundary
value problems. Ed. Wiley, 1992.
[48] S. L. Campbell y R. Haberman. Introducción a las ecuaciones diferenciales. Ed.
McGraw Hill 1998.
[49] R. Courant, F. John. Introduction to Calculus and Analysis (2 Vols.). Springer-
Verlag 1999.
[50] L. Elsgoltz. Ecuaciones diferenciales y cálculo variacional. Ed. Mir, 1983.
[51] V. Fraile. Ecuaciones diferenciales. Ed. Tebar Flores, 1991.
[52] M. de Guzmán. Ecuaciones diferenciales ordinarias. Teorı́a de estabilidad y con-
trol. Ed. Alhambra Universidad, 1975.
556 BIBLIOGRAFÍA
Métodos numéricos
[60] R. L. Burden y J. D. Faires. Análisis Numérico (VI Edición). Ed. Internacional
Thomson editores, 1998.
[61] C. Conde y G. Winter. Métodos y algoritmos básicos del álgebra numérica. Ed.
Reverté, 1989.
[62] M. Crouzeix y A.L. Mignot. Analyse numérique des équations différentielles. Ed.
Masson, 1989.
[63] G. H. Golub y C. F. Van Loan. Matrix computations (III Ed.), 1996.
[64] G. H. Golub y J. M. Ortega. Scientific computing: an introduction with parallel
computing. Academic Press Inc., 1993.
[65] D. Kincaid y W. Cheney. Análisis Numérico. Las matemáticas del cálculo cientı́fi-
co. Ed. Addison-Wesley Iberoamericana, 1994.
[66] P.Lascaux y R. Théodor. Analyse numérique appliquée a l’art de l’ingénieur. Ed.
Masson, 1987.
[67] J. Ortega. Numerical Analysis: a second course. SIAM (reprint of 1972 original),
1990.
[68] L. F. Shampine, R. C. Allen, Jr., S. Pruess. Fundamentals of numerical compu-
ting. John Wiley & Sons, 1997.
[69] J. Stoer y R. Bulirsch. Introduction to numerical analysis. Ed. Springer Verlag,
1993.
BIBLIOGRAFÍA 557
[72] B. Scott. Maple for Environmental Sciences: A helping hand. Springer Verlag,
2001.
559
560 ÍNDICE ALFABÉTICO