Compendio Matematica PDF

CAPITULO 1
NUMEROS Y FUNCIONES
1. INTERROGANTES CENTRALES DEL CAPITULO
Numeros racionales o irracionales. Ecuaciones de circunferencias, parabolas, elipses

Recta (numerica) real. e hiperbolas.
Intervalos abiertos y cerrados. Funcion: Dominio y recorrido.
Reglas de las desigualdades. Variables independiente y dependiente.
Valor absoluto de un numero. Grafica de una funcion.
Propiedades del valor absoluto.
Funcion par, funcion impar.
Desigualdad del triangulo.
Traslaciones (horizontales y verticales) de fun-
Sistemas de coordenadas rectangulares.
ciones.
Formula de la distancia.
Alargamiento y reflexion de funciones.
Pendiente de una recta.
Forma punto-pendiente de una recta. Operaciones con funciones: +, -, *, /
Forma pendiente-interseccion de una recta. Composicion de funciones.
Relacion entre las pendientes de rectas paralelas Funciones polinomicas, algebraicas y transcen-
y perpendiculares. dentes.
2. CONTENIDOS FUNDAMENTALES DEL CAPITULO
2.1. Numeros, desigualdades y valores absolutos
2.1.1. Los numeros reales
Todas las matematicas se apoyan en los numeros y estos constituyen la base del calculo. Existen distintos tipos de
numeros: naturales (1, 2, 3, . . . ), enteros (. . . , 3, 2,
1, 0, 1, 2, 3, . . . ), racionales (1/2, 3/5, 3/8, . . . ) e
irracionales (los que no son racionales; por ejemplo, 2). La union de todos ellos constituye el conjunto de los
numeros reales que se suele escribir como R.
Para representar R se utiliza una lnea recta, denominada recta real. En dicha recta se escoge un punto, denomi-
nado origen, que representa al cero. La direccion positiva (derecha) indica el sentido de los valores crecientes, de
tal forma que los puntos a la derecha del origen indican numeros positivos mientras que los puntos a la izquierda
N UMEROS Y FUNCIONES 7
representan numeros negativos. El hecho mas importante es que cada numero real esta asociado con un unico
punto en la recta real y viceversa.
Una propiedad importante de los numeros reales es que pueden ordenarse: el numero a es menor que el numero
b, y se escribe a < b, si b a es un numero positivo. En otras palabras, a < b si, y solo si, a esta a la izquierda de
b en la recta real. Esta relacion < posee las siguientes propiedades:
(1) Si a < b y b < c entonces a < c (propiedad transitiva).

(2) Si a < b y c < d entonces a + c < b + d.
(3) Si a < b entonces a + c < b + c.
(4) Si a < b y c > 0 entonces ac < bc.
(5) Si a < b y c < 0 entonces ac > bc.
Propiedades similares se tienen para las desigualdades >, 6 o >, las cuales se definen como sigue:
(1) El numero a es mayor que el numero b, y se escribe a > b, si a b es un numero positivo.

(2) El numero a es menor o igual que el numero b, y se escribe a 6 b, si a = b o b a es un numero positivo.
(3) El numero a es mayor o igual que el numero b, y se escribe a > b, si a = b o a b es un numero positivo.
2.1.2. Los intervalos
La relacion de orden < permite definir unos subconjuntos especiales de R: los intervalos. Si a < c < b entonces
decimos que c esta entre a y b; un intervalo determinado por los puntos a y b es el conjunto de puntos que estan
entre a y b. Si en este conjunto incluimos o no los extremos (los puntos a y b) entonces tenemos los intervalos
abiertos, cerrados o semiabiertos (semicerrados). A continuacion listamos las diferentes posibilidades:
(a, b) Intervalo abierto de extremos a y b es el conjunto (a, b) = {x|a < x < b}.
[a, b] Intervalo cerrado de extremos a y b es el conjunto [a, b] = {x|a 6 x 6 b}.
(a, b] [a, b) Intervalos semiabiertos (semicerrados) de extremos a y b son los conjuntos (a, b] = {x|a < x 6 b} y
[a, b) = {x|a 6 x < b}.
Los intervalos pueden ser acotados (como los anteriores) o no acotados. En este ultimo caso pueden presentarse
las siguientes posibilidades:
(, b) Intervalo abierto de extremo b no acotado inferiormente es el conjunto (, b) = {x|x < b}.

(, b] Intervalo cerrado de extremo b no acotado inferiormente es el conjunto (, b] = {x|x 6 b}.
(a, ) Intervalo abierto de extremo a no acotado superiormente es el conjunto (a, ) = {x|x > a}.
[a, ) Intervalo cerrado de extremo a no acotado superiormente es el conjunto [a, ) = {x|x > a}.
(, ) Intervalo abierto no acotado (ni superior ni inferiormente) es R.
Los smbolos y son eso: smbolos; no denotan numeros reales y solo se utilizan para expresar de forma
precisa ciertas afirmaciones o ciertos conjuntos.
8 MATEM ATICAS
2.1.3. El valor absoluto
El valor absoluto de un numero real a se denota por |a| y se define como sigue:

a si a > 0
|a| =
a si a < 0
Geometricamente, |a| mide la distancia que hay entre el numero a y el origen 0 en la recta numerica real (ver
Figura 1.1).
|b|
|a|

b a
Figura 1.1: Representacion del valor absoluto.
El valor absoluto satisface las siguientes propiedades:
(1) |ab| = |a||b|

a |a|

(2) = , b 6= 0
b |b|

(3) |a| = a2
(4) |an | = |a|n
(5) |a| 6 a 6 |a|
(6) |a| 6 r si, y solo si, r 6 a 6 r
(7) r 6 |a| si, y solo si, r 6 a o a 6 r
(8) |a + b| 6 |a| + |b| (desigualdad triangular)
2.2. Geometra plana: coordenadas y rectas
2.2.1. El plano cartesiano
De manera similar a como hemos asociado los numeros reales con puntos de una recta, ahora podemos relacionar
los puntos del plano con pares ordenados de numeros reales. Para empezar se trazan dos rectas perpendiculares que
se cortan en un punto que denominaremos origen. Habitualmente, una de las rectas es horizontal y se denomina
eje x o eje de abcisas, y la otra recta es vertical y se denomina eje y o eje de ordenadas. Estas dos rectas dividen
al plano en cuatro partes llamadas cuadrantes.
Cualquier punto P del plano tiene asociado un par ordenado (a, b) de numeros reales, llamados coordenadas del
punto. La manera de conseguirlos es la siguiente: por el punto P se trazan dos rectas paralelas a los ejes las cuales
intersectan a los ejes en dos puntos que constituyen las coordenadas. El numero a se denomina coordenada x o
abcisa, y el numero b se llama coordenada y u ordenada (ver Figura 1.2).
6 P (a, b)
-
b 5
3
II 2
I
6
2 1 1 2 3 4 5
1
a
2
III IV
Figura 1.2: Representacion de las coordenadas de un punto.
Este sistema de coordenadas fue inventado por el matematico frances Rene Descartes y, en su honor, se deno-
mina sistema de coordenadas cartesianas, aunque tambien es habitual el nombre de sistema de coordenadas
rectangulares.
Aunque (a, b) ha sido utilizado tanto para denotar un intervalo de la recta real como para denotar un par ordenado
de numeros reales, esperamos que no haya confusion, pues en cada momento solo una interpretacion sera posible.
(x1 , y1 )
y1
d
|y2 y1 |
y2 (x2 , y2 )
x1 x2
|x2 x1 |
Figura 1.3: Distancia entre dos puntos del plano.
La distancia entre dos numeros reales a y b es el valor absoluto |b a|. Para definir la distancia entre dos puntos
del plano debemos recurrir al Teorema de Pitagoras (ver Figura 1.3). La distancia entre los puntos (x1 , y1 ) y
(x2 , y2 ) del plano se define como
p
d= |x2 x1 |2 + |y2 y1 |2
10 MATEM ATICAS
2.2.2. Rectas en el plano
La pendiente de una recta (no vertical) es el numero de unidades que la recta sube (o baja) por cada unidad de
cambio horizontal de izquierda a derecha. En otras palabras, la pendiente de la recta determinada por los puntos
(x1 , y1 ) y (x2 , y2 ) viene dada por
y y2 y1
m= = , x1 6= x2 .
x x2 x1
El orden en que se resta no tiene importancia, siempre y cuando se siga el mismo criterio en el numerador y en el
denominador.
Para determinar la ecuacion de una recta podemos seguir varios pasos, segun los datos de que dispongamos.
Ecuacion punto-pendiente: Si conocemos la pendiente m de la recta y un punto (a, b), entonces la ecuacion es
y b = m(x a).
Ecuacion pendiente-interseccion: Si conocemos la pendiente m y el punto de corte b con el eje de ordenadas,

entonces la ecuacion es
y = mx + b.
Ecuacion general: Toda recta admite una ecuacion de la forma
Ax + By + C = 0,
donde A, B, C son constantes.
Utilizando la pendiente podemos saber si dos rectas son paralelas o perpendiculares.
Rectas Paralelas: Dos rectas (no verticales) son paralelas si, y solo si, sus pendientes son iguales.
Rectas Perpendiculares: Dos rectas (no verticales) son perpendiculares si, y solo si, sus pendientes m1 y m2
son inversas y opuestas, es decir, m1 m2 = 1.
2.3. Graficas de ecuaciones de segundo grado
Un conjunto de elementos que poseen una determinada propiedad, y que solo ellos la poseen, constituye un lugar
geometrico. Esta nocion se utiliza habitualmente cuando estos conjuntos son una recta, una circunferencia, una
elipse, etc.
A modo de ejemplo, diremos que una recta es el lugar geometrico de los puntos alineados con un punto dado A
y con una direccion dada v; es decir, un punto P esta en la recta si, y solo si, el vector determinado por los puntos
A y P es paralelo al vector v.
Dentro de la geometra cartesiana, un punto P de coordenadas (x, y) pertenece a un lugar geometrico si, y solo
si, sus coordenadas satisfacen una relacion o ecuacion. La ecuacion de un lugar geometrico de puntos P de
coordenadas (x, y) es una ecuacion entre las variables x e y tal que las coordenadas (x, y) de cualquier punto P
satisfacen dicha ecuacion si, y solo si, el punto P pertenece al lugar geometrico.
2.3.1. Circunferencias: (x a)2 + (y b)2 = r 2
Una circunferencia es el lugar geometrico de los puntos del plano que equidistan de un punto fijo llamado centro.
La distancia constante al centro se denomina radio (ver Figura 1.4).
y 6
P (x, y)

r

C(a, b)
-
0 x
Figura 1.4: Representacion de una circunferencia.
Para determinar la ecuacion procedemos como sigue. Sea P (x, y) un punto generico de la circunferencia de centro
ppunto C(a, b) y radio r. Entonces la ecuacion geometrica d(P, C) = r se transforma en la ecuacion analtica
el
(x a)2 + (y b)2 = r y elevando al cuadrado obtenemos
(x a)2 + (y b)2 = r 2 .
Si desarrollamos los cuadrados obtenemos la siguiente ecuacion
x2 + y 2 + mx + ny + p = 0,
denominada ecuacion general de la circunferencia.
2.3.2. Elipses: (x/a)2 + (y/b)2 = 1
Una elipse es el lugar geometrico de los puntos del plano cuya suma de distancias a dos puntos fijos, llamados
focos, es constante.
Para determinar la ecuacion, denotemos por F y F 0 los focos de la elipse, y sean 2a y 2c la suma de distancias
a los focos y la distancia focal, respectivamente. Sea P (x, y) un punto generico y denotemos por r = P F y
r 0 = P F 0 los radios vectores, de tal forma que r + r 0 = 2a. Por fijar una referencia, supongamos que los focos
son los puntos F (c, 0) y F 0 (c, 0). Entonces
p
r = (x c)2 + y 2 ,
p
r0 = (x + c)2 + y 2 .
Un calculo sencillo conduce a
r = a + ex,
r0 = a ex,
donde e = c/a es la excentricidad de la elipse. Comparando las dos expresiones para r (o r 0 ) anteriores deducimos,
despues de laboriosos calculos, que
x 2 y 2
+ = 1,
a b
siendo b2 = a2 c2 . Esta es la ecuacion reducida o canonica de la elipse (ver Figura 1.5).
12 MATEM ATICAS
y 6
(0, b)

(a, 0)
r r0 (a, 0)
-
0 x
F F0

(0, b)
Figura 1.5: Representacion grafica de una elipse.
2.3.3. Hiperbolas: (x/a)2 (y/b)2 = 1
Una hiperbola es el lugar geometrico de los puntos del plano cuya diferencia de distancias a dos puntos fijos,
llamados focos, es constante.
Para determinar la ecuacion, denotemos por F y F 0 los focos de la hiperbola, y sean 2a y 2c la diferencia de
distancias a los focos y la distancia focal, respectivamente. Sea P (x, y) un punto generico y denotemos por
r = P F y r 0 = P F 0 los radios vectores, de tal forma que r r 0 = 2a. Por fijar una referencia, supongamos que
los focos son los puntos F (c, 0) y F 0 (c, 0). Entonces
p
r = (x c)2 + y 2 ,
0
p
r = (x + c)2 + y 2 .
Un calculo sencillo conduce a
r = ex + a,
r0 = ex a,
donde e = c/a es la excentricidad de la hiperbola. Comparando las dos expresiones para r (o r 0 ) anteriores
deducimos, despues de laboriosos calculos, que
x 2 y 2
= 1,
a b
siendo b2 = a2 c2 . Esta es la ecuacion reducida o canonica de la hiperbola (ver Figura 1.6).
2.3.4. Parabolas: y = ax2
Una parabola es el lugar geometrico de los puntos del plano que equidistan de un punto fijo llamado foco y de
una recta fija llamada directriz.
Consideremos como eje de abcisas a la recta que, pasando por el foco, es perpendicular a la directriz; por eje de
ordenadas se toma la recta paralela a la directriz por el punto medio O entre el foco y la directriz; esta recta se
denomina eje de la parabola. El punto O es el punto en que la parabola corta a su eje y se denomina vertice de la
parabola. Realizando un procedimiento similar a los anteriores deducimos que la ecuacion reducida de la parabola
es
y 2 = 2px,
y 6
-
x
(a, 0) (a, 0)
0
Figura 1.6: Representacion grafica de una hiperbola.
y 6
-
x
O F
Figura 1.7: Representacion grafica de una parabola.
siendo p la distancia del foco a la directriz.
Otras posibles ecuaciones de una parabola son las siguientes:
x2 = 2py: El eje de la parabola es el eje OY y el vertice es el origen.

y = ax2 + bx + c: El eje de la parabola es paralelo al eje OY pero el vertice no es el origen.
x = ay 2 + by + c: El eje de la parabola es paralelo al eje OX pero el vertice no es el origen.
2.4. Funciones y sus graficas
Una funcion es una correspondencia que asocia a cada elemento x de un conjunto A, denominado dominio,
exactamente otro elemento f (x) en un conjunto B. El elemento f (x) se dice que es el valor de f en x o la
imagen de x mediante f . El conjunto formado por todas las imagenes f (x) es denominado conjunto imagen o
recorrido. Si a cada valor del recorrido le corresponde exactamente un elemento en su dominio, la funcion se
llama inyectiva. Si el recorrido es todo el conjunto B, la funcion se dice que es suprayectiva o sobreyectiva.
Una funcion inyectiva y sobreyectiva se llama biyectiva.
Cuando pensamos en una funcion arbitraria f , es usual utilizar un smbolo para designar un elemento arbitrario en
el dominio de f y otro smbolo para un elemento del recorrido. Al primero se le denomina variable independiente
y al segundo variable dependiente. Por ejemplo, sea la funcion f definida en N (los numeros naturales) y con
valores en N que asocia a cada numero natural su inmediato sucesor. Entonces es usual escribir f (x) = x + 1 o
14 MATEM ATICAS
bien y = x + 1, donde x denota un numero natural arbitrario e y indica el numero natural que le asocia la funcion
f.
El grafo o grafica de una funcion f es el conjunto de pares ordenados dado por

{(x, f (x))|x A}.
Por ejemplo, para la funcion anterior la grafica sera el subconjunto de puntos de R2 definido por
{(x, x + 1)|x N}.
No todos los subconjuntos de R2 son la grafica de una determinada funcion f definida en R: se tiene que cumplir
que toda recta vertical debe intersecar a lo mas un sola vez al subconjunto.
Una funcion f : R R se dice positiva (resp. negativa) si f (x) > 0 (resp. f (x) < 0) para todo valor de x.
Geometricamente esto significa que la grafica de la funcion esta contenida en el semiplano superior (resp. inferior)
de R2 . En general, una funcion no tiene por que ser positiva o negativa; probablemente sera positiva en partes de
su dominio y negativa en otras partes.
2.4.1. Simetras de una grafica
Para dibujar una grafica puede ser interesante conocer los tipos de simetra de la ecuacion que la determina. Son
los siguientes:
y 6
(x, y) (x, y)
-
x
Figura 1.8: Grafica simetrica respecto al eje OY .
Simetra respecto al eje OY: Cuando al sustituir x por x queda una ecuacion equivalente. Si la ecuacion es
y f (x) = 0, cuando f (x) = f (x) para todo valor de x. Diremos que la funcion f es par (ver Figura
1.8).
Simetra respecto al eje OX: Cuando al sustituir y por y queda una ecuacion equivalente (ver Figura 1.9).
Simetra respecto al origen: Cuando al sustituir x por x e y por y se obtiene una ecuacion equivalente. Si
la ecuacion es y f (x) = 0, cuando f (x) = f (x) para todo valor de x. Diremos que la funcion f es
impar (ver Figura 1.10).
y 6
(x, y)
-
x
(x, y)
Figura 1.9: Grafica simetrica respecto al eje OX.
y 6
(x, y)
-
x
(x, y)
Figura 1.10: Grafica simetrica respecto al origen.
2.5. Transformaciones y operaciones con funciones
Es facil ver que transformando la grafica de una funcion podemos obtener las graficas de otras funciones relaciona-
das con la anterior, sin necesidad de repetir el trabajo que supone realizar una grafica. Entre las transformaciones
mas usuales estan las traslaciones, los alargamientos (homotecias) y las reflexiones.
16 MATEM ATICAS
2.5.1. Traslaciones
Existen cuatro tipos de traslacion. Para describirlas, sea c > 0 el numero que indica las unidades que vamos a
desplazar la grafica original.
Traslacion a la derecha: y = f (x c).
Traslacion a la izquierda: y = f (x + c).
Traslacion hacia arriba: y = f (x) + c.
Traslacion hacia abajo: y = f (x) c.
2.5.2. Alargamientos y reflexiones
Otro tipo de transformacion consiste en modificar la escala de los ejes: podemos alargar o achatar las graficas con
solo multiplicar la x o la y por una constante c > 1 apropiada. Tambien podemos reflejar la grafica en los ejes de
coordenadas. Estas transformaciones se pueden resumir como sigue:
Alargamiento vertical: y = cf (x).
Estrechamiento vertical: y = c1 f (x).
Alargamiento horizontal: y = f (x/c).
Estrechamiento horizontal: y = f (cx).
Reflexion respecto OX: y = f (x).
Reflexion respecto OY: y = f (x).
2.5.3. Operaciones con funciones
Dos funciones f y g pueden combinarse para formar nuevas funciones de muy diversas maneras. A continuacion
veremos que las funciones pueden sumarse, restarse, multiplicarse y dividirse de una manera similar a los numeros
reales. El algebra de las funciones reales de variable real puede resumirse de la siguiente manera. Sean f y g dos
funciones con dominios A y B, respectivamente. Entonces definimos las operaciones elementales como sigue:
Suma: (f + g)(x) = f (x) + g(x), dominio=A B.
Resta: (f g)(x) = f (x) g(x), dominio=A B.
Producto: (f g)(x) = f (x)g(x), dominio=A B.
Cociente: (f /g)(x) = f (x)/g(x), dominio={x A B|g(x) 6= 0}.
Composicion: (g f )(x) = g(f (x)), dominio={x A|f (x) B}.

2.6. Clasificaciones de funciones
El concepto actual de funcion es fruto del esfuerzo colectivo de numerosos matematicos de los siglos XVII y
XVIII. Los matematicos de esa epoca pensaban que cualquier fenomeno fsico poda ser descrito con la ayuda de
una coleccion basica de funciones: las funciones elementales. Estas funciones pueden dividirse en tres bloques:
(1) algebraicas; (2) exponenciales y logartmicas; y (3) trigonometricas.
Las funciones algebraicas mas habituales son los polinomios, los cuales pueden escribirse en la forma
f (x) = an xn + an1 xn1 + + a1 x + a0 ,
donde a0 , a1 , . . . , an son numeros reales. El entero positivo n se llama el grado del polinomio, an es el coeficiente
dominante y a0 es el termino constante. Como casos particulares tenemos las funciones constantes (f (x) = c)
y las funciones potencia (f (x) = xn ).

Otras funciones basicas son las funciones raz (f (x) = x1/n = n x) y las funciones racionales (f (x) =
P (x)/Q(x), P y Q polinomios). En general, las funciones algebraicas son aquellas que pueden expresarse en
terminos de un numero finito de sumas, restas, productos, cocientes y races de polinomios.
Las funciones que no son algebraicas se llaman transcendentes. Por ejemplo, las funciones exponenciales, lo-
gartmicas y trigonometricas son trascendentes.
3. ACTIVIDADES DE APLICACION DE LOS CONOCIMIENTOS
A.1.1. Probar que

n(n + 1)
1 + 2 + 3 + + n =
2
para todo entero positivo n.
A.1.2. Probar que

1 1 1 1 1
+ 2 + 3 + + n = 1 n
21 2 2 2 2
A.1.3. Probar que n! > 3n para n suficientemente grande.
A.1.4. Suponiendo cierta la desigualdad triangular, probar
|x1 + x2 + + xn | 6 |x1 | + |x2 | + + |xn |,
A.1.5. Probar que si r 6= 1 entonces
1 r n+1
1 + r + r2 + r3 + + rn =
1r
A.1.6. Probar que

2 2 2 2 1
+ 2 + 3 + + n = 1 n
31 3 3 3 3
para todos los enteros positivos n.
A.1.7. Probar que 2n > n2 para n suficientemente grande.

18 MATEM ATICAS
A.1.8. Hallar el dominio y el recorrido de las siguientes funciones:

a) f (x) = x2 .

b) f (x) = x + 4.
1
c) f (x) = .
1x

d) f (x) = x 1.
A.1.9. Determinar si las funciones siguientes son o no biyectivas:

a) f (x) = (x 3)(x 5)
b) f (x) = x3
c) f (x) = |x|x2
1
d) f (x) = x +
x
A.1.10. Determinar si las siguientes funciones son pares o impares:
a) f (x) = x3
b) f (x) = x(x 1)
1
c) f (x) = x +
x
d) f (x) = x(x2 + 1)
A.1.11. Hallar las composiciones (f g)(x) y (g f )(x) de las siguientes funciones:

a) f (x) = x + 1; g(x) = x2 .
1
b) f (x) = x2 5; g(x) = + 1.
x

c) f (x) = x; g(x) = x2 1.
d) f (x) = x2 + 5; g(x) = x(x 1).
A.1.12. Hallar las funciones inversas de las siguientes, especificando su dominio:

a) f (x) = x3
b) f (x) = 1 + 3x3
c) f (x) = (4x 1)3
1
d) f (x) =
x
4. ACTIVIDADES PRACTICAS DEL CAPITULO
4.1. Introduccion
La practica se va a realizar con el programa de calculo matematico DERIVE for Windows, version 4.05, de Soft
Warehouse. DERIVE for Windows permite realizar calculos y manipulaciones matematicas de caracter general,
lo cual significa que realiza muchas cosas de forma aceptable aunque no tiene la potencia de otros programas
especficos. No obstante, DERIVE for Windows permite realizar todos los calculos que un usuario medio puede
necesitar.
Figura 1.11: Pantalla inicial del programa donde aparece, ademas del menu principal, la botonera que permite
agilizar la introduccion de las expresiones y la realizacion de los calculos.
Para ejecutar el programa debemos acceder a la carpeta DERIVE for Windows y ejecutar el programa DERIVE
for Windows. Una vez en el programa, aparecera la pantalla de la Figura 1.11, con un menu en la parte superior
que, de ahora en adelante, denominaremos menu principal.
En esta practica nos vamos a limitar a familiarizarnos con el programa DERIVE for Windows y a la realizacion
de algunos calculos elementales. Sin embargo, antes de realizar los calculos debemos introducir los datos o
expresiones que necesitemos.
4.2. Introduccion y edicion de expresiones
Con el termino expresion queremos indicar cualquier funcion, constante, variable u operador que podamos in-
troducir en el programa. Las expresiones se introducen seleccionando la opcion Author del menu principal.
Entonces nos aparece un menu con tres posibilidades: Expression, Vector o Matrix, que nos permite introdu-
cir una expresion, un vector o una matriz. Para agilizar la introduccion de los datos, debemos recordar que existen
teclas calientes que equivalen a diversas opciones de los menus. As, por ejemplo, para introducir una expresion
es suficiente con pulsar Ctrl+A y nos aparece la ventana de la Figura 1.12. Conforme vamos introduciendo las
expresiones, estas se van numerando correlativamente y en orden creciente, de forma que en una expresion pode-
mos hacer referencia a una expresion anterior (utilizando para ello el smbolo #). Una pantalla tpica de trabajo se
muestra en la Figura 1.13.
Figura 1.12: Ventana del programa para introducir las expresiones.
Para editar (y eventualmente modificar) una expresion ya introducida tenemos dos vas distintas. En primer lugar
20 MATEM ATICAS
Figura 1.13: Pantalla tpica del programa donde aparecen algunas instrucciones. Obs ervese que es posible intro-
ducir sentencias descriptivas que nada tienen que ver con operaciones matematicas pero que ayudan
a seguir los calculos.
podemos marcar la expresion (haciendo click con el raton en la expresion deseada o moviendonos con las flechas:
para acceder a una expresion con un numero menor y para acceder a otra con un numero mayor) y seleccionar
la opcion Edit Expression. Otra posibilidad es elegir Edit y seguidamente Go to expression, lo cual nos
permite introducir el numero de la expresion que queremos editar.
4.3. Que cosas pueden aparecer en las expresiones?
En una expresion de DERIVE for Windows estan permitidas numerosas opciones: letras griegas, constantes, ope-
radores (aritmeticos y logicos) y funciones (exponenciales, logartmicas, trigonometricas, hiperbolicas, complejas,
de probabilidad, estadsticas, de error, de calculo financiero, de calculo matematico, vectoriales, matriciales, y de
calculo diferencial e integral vectorial). Por el momento, es suficiente con recordar que en las expresiones pode-
mos utilizar los siguientes elementos:
Constante Expresion
e (base de los logaritmos neperianos) #e
i (unidad imaginaria compleja) #i
(3.1415926 . . . ) pi
(infinito matematico) inf
Funcion Expresion Operador Expresion

Raiz cuadrada SQRT(x) Menos -x
Exponencial EXP(x) Suma x+y
Logaritmo neperiano LN(x) o LOG(x) Resta x-y
Logaritmo en base w LOG(z,w) Producto x*y o xy
Seno SIN(x) Cociente x/y
Coseno COS(x) Exponenciacion xy
Tangente TAN(x) Tanto por ciento x%
Valor absoluto ABS(x) Factorial x!
4.4. Las primeras experiencias
La mejor manera de que nos aprendamos los smbolos y funciones descritos anteriormente no es dedicar mucho
tiempo a memorizarlos, ya que esta tarea no es nada eficaz, ademas de resultarnos bastante odiosa. Lo conveniente
es realizar numerosos ejercicios, sencillos en su mayora, pero que nos ayudaran a retener lo esencial.
Calcular (3 + 6)(7 2)/4
Introducimos la expresion (3+6)(7-2)/4 o (3+6)*(7-2)/4. Entonces nos aparecera la misma lnea en pan-
talla. Si queremos ver el resultado debemos simplificar (seleccionando Simplify Basic o pulsando Ctrl+B)
y obtendremos 45/4, que es el valor exacto. Si queremos obtener el valor decimal aproximado, con un numero
de decimales predeterminado (por defecto, este numero es 6), debemos seleccionar Simplify Approximate (o
Ctrl+G) y nos aparece la ventana de la Figura 1.14. Tras confirmar la expresion que queremos simplificar y el
numero de decimales obtendremos 11.25.
Figura 1.14: Ventana del programa para calcular aproximaciones de expresiones.
Calcular e
Introducimos la expresion #e^pi obteniendo, despues de seleccionar las opciones Simplify Approximate,
el valor de 23.1407 (6 dgitos). Si queremos un resultado mas preciso (por ejemplo, con 12 dgitos), debemos
cambiar dicho numero cuando seleccionemos Approximate. Entonces obtendremos el valor de 23.1406926327.
22 MATEM ATICAS
Calcular 1534 de forma exacta
Elejimos Author y escribimos la expresion 15^34. Despues de seleccionar las opciones Simplify Basic (o
simplemente pulsando el boton = ) nos aparecera en pantalla el siguiente numero:
9707397373664756887592375278472900390625.
Si queremos un resultado aproximado (por ejemplo, con 12 cifras exactas), seleccionamos dicha configuracion
mediante Simplify Approximate y obtendremos: 9.70739737366 10^39.
Figura 1.15: El uso de la botonera de DERIVE for Windows nos puede simplificar mucho el trabajo. Otro elemento
interesante es la existencia de teclas calientes que nos permiten evitar los menus, con lo que se gana
en rapidez.
Antes de seguir adelante sera conveniente que comentemos brevemente la botonera de DERIVE for Windows
(ver Figura 1.15), ya que simplifica enormemente la introduccion de datos y la realizacion de calculos. Los boto-
nes permiten realizar las siguientes tareas (de izquierda a derecha): New (abrir una nueva hoja de trabajo), Open
(abrir una hoja de trabajo existente), Save (guardar la sesion de trabajo), Print (imprimir la sesion de trabajo),
Remove (eliminar la expresion marcada), Unremove (recuperar la ultima expresion eliminada), Renumber (re-
numerar las expresiones), Author expression (introducir una expresion sencilla), Author vector (introducir
un vector), Author matrix (introducir una matriz), Simplify (simplificar), Approximate (calcular un valor
aproximado), Solve (resolver algebraicamente o numericamente una expresion), Substitute for variables
(realizar una sustitucion), Calculate limit (calcular un lmite), Calculate derivative (calcular una deriva-
da), Calculate integral (calcular una integral), Calculate sum (calcular una suma), Calculate product
(calcular un producto), 2D-plot window (realizar un grafico bidimensional) y 3D-plot window (realizar un
grafico tridimensional).
Calcular el factorial de 75 en forma exacta y aproximada
Elejimos Author y tecleamos 75!. Despues de pulsar el boton = se obtiene el siguiente resultado:
24809140811395398091946477116594033660926243886570122837795894512655842677572867409443
815424000000000000000000.
Si quisieramos un valor aproximado, entonces elegiramos las opciones Simplify Approximate y el valor ob-
tenido sera 2.48091408113 10^109 (con 12 dgitos). Observemos que este valor tiene mas de 80 cifras; como
puede ser que en nuestra pantalla solo se visualicen hasta 80 caracteres, debemos pulsar simultaneamente las te-
clas Control y las fechas y para ir visualizando el resto, o bien desplazar la barra que se encuentra en la
parte inferior de la ventana del programa.
Obtener el numero con 100 decimales y grabarlo en un fichero
Escogemos Author y escribimos pi. Seleccionamos la opcion de simplificar con precision aproximada hasta 100
dgitos exactos y el resultado obtenido es:
3.141592653589793238462643383279502884197169399375105820974944592307816406286208998628
034825342117067.
Para no tener que copiar la solucion de la pantalla lo conveniente es grabarla en un archivo o enviarla a la impresora
para tenerla por escrito. Para ello debemos seguir el camino File Save o File Print segun queramos una
opcion u otra. En cualquiera de los dos casos, el programa nos permite seleccionar las expresiones que deseamos
grabar en disco o imprimir. En este segundo caso, una opcion muy interesante es File Print Preview, que nos
permite visualizar en pantalla lo que se va a imprimir. La Figura 1.16 muestra la sesion actual antes de ser enviada
a la impresora.
Figura 1.16: Antes de enviar una sesion de DERIVE for Windows directamente a la impresora es conveniente
visualizarla en pantalla, para comprobar que no existen errores. Cuando todo este correcto, podremos
enviarlo a la impresora desde la pantalla Print Preview
Posteriormente, cuando queramos recuperar todo lo que hemos guardado, bastara con elegir File Load para
cargar en memoria todo el trabajo anterior.
4.5. Ejercicios de aplicacion
A continuacion se enuncian unos ejercicios sencillos sobre aritmetica y operaciones con expresiones algebraicas.
Si el alumno encuentra alguna dificultad debe releer lo dicho hasta ahora, en particular la sintaxis de las distintas
funciones y constantes.
a) Calcular 11/24 + 5/36 + 17/46 en forma exacta y con 7 decimales exactos.

b) Calcular 2342 en forma exacta y con 25 cifras exactas.
c) Calcular la raz cuadrada de 3972049.
d) Calcular con 200 decimales exactos.
p
e) Calcular 8 + 53 7 en forma aproximada.
4.6. Operaciones con expresiones algebraicas
Una de las caractersticas esenciales del programa DERIVE for Windows es la posibilidad de manipular expresio-
nes algebraicas, del tipo x3 + 5x 7 o (1 x y 2 )100 . En esta seccion vamos a comentar las principales opciones
24 MATEM ATICAS
del programa en relacion con las expresiones algebraicas. La funcion basica es Simplify (simplificar), la cual
admite diversas variantes: Basic (Ctrl+B), Expand (Ctrl+E), Factor (Ctrl+F) y Approximate (Ctrl+G). En
los siguientes ejemplos ilustramos su uso.
x2 3x + 2
Simplificar la expresion
x2 5x + 6
Elejimos la opcion Author y tecleamos x^2-3x+2 (supongamos que es la expresion 16). A continuacion vol-
vemos a seleccionar Author y escribimos x^2-5x+6 (que sera la expresion 17). Finalmente, seleccionando de
nuevo la opcion Ctrl+A escribimos #16/#17 y nos aparecera
x2 3x + 2
.
x2 5x + 6
Esta fraccion poda haber sido introducida de una sola vez como sigue:
(x^2-3x+2)/(x^2-5x+6).
Debemos ser muy cuidadosos con los parentesis y usarlos siempre, aunque en ocasiones nos parezcan innecesarios;
un buen habito en la escritura puede evitarnos innumerables problemas. Si ahora elegimos la opcion Simplify
x1
Basic (o pulsando el boton = ) obtendremos como resultado el siguiente: .
x3
Simplificar x2 (x + (y + 2)100 )(x (y + 2)100 )
Introducimos la expresion x^2-(x+(y+2)^(100))(x-(y+2)^(100)) y seleccionamos la opcion Simplify para

obtener (y + 2)200 .
Desarrollar (x + y)4
Introducimos la expresion (x+y)^4 y seleccionamos la opcion Expand. Entonces el programa nos pregunta que
variable queremos desarrollar: por defecto, desarrolla todas las variables que aparecen en la expresion. En nuestro
caso, el valor obtenido es: x4 + 4x3 y + 6x2 y 2 + 4xy 3 + y 4 .
Factorizar x4 2x3 8x2 + 18x 9
Para factorizar un polinomio debemos seleccionar la opcion Simplify Factor y a continuacion debemos indi-
car la variable y el metodo (ver Figura 1.17). Existen cinco metodos de factorizacion: Trivial Squarefree
Rational raDical Complex, siendo los tres ultimos los que mas factorizan. En nuestro caso, despues de in-
troducir el polinomio como x^4-2x^3-8x^2+18x-9, seleccionamos Ctrl+F y seguidamente Squarefree para
obtener (x 1)2 (x2 9). Para mayor precision, seleccionamos el metodo Rational (o raDical, Complex) y
obtenemos (x + 3)(x 3)(x 1)2 .
Figura 1.17: Ventana del programa que nos permite factorizar expresiones.
4.7. Resolucion de ecuaciones
Una de las tareas mas ingratas y complicadas con las que nos podemos encontrar es la determinacion de los
numeros que satisfacen una determinada ecuacion (de una o varias variables): es el problema de la resolucion de
ecuaciones. Para construir una ecuacion (o inecuacion) se pueden utilizar los siguientes operadores:
Operador Teclear
= =
6 = /=
< <
> >
6 <=
> >=
Calculo de la pendiente de una recta
Supongamos que queremos calcular la pendiente de la recta 5x 8y = 13. Entonces podemos expresar la recta
en la forma y = mx + n de tal suerte que el numero m es la pendiente. El programa DERIVE for Windows
nos permite determinar la pendiente como sigue. Se introduce la expresion 5x-8y=13, se eligen las opciones
Solve|Algebraically y nos aparece la ventana de la Figura 1.18. Escogemos la variable y (por defecto, el
programa nos ofrece la variable x) y como resultado obtenemos y = 5x13
8 , por lo que la pendiente es 5/8.
Resolver la ecuacion (x + 3)2 + (x 2)2 = 53
Introducimos la ecuacion como (x+3)^2+(x-2)^2=53 y seleccionamos las opciones Solve|Algebraically.

El resultado obtenido es: x = 4, x = 5.
26 MATEM ATICAS
Figura 1.18: Ventana del programa que nos permite resolver algebraicamente expresiones.
Calcular las races del polinomio x8 8x7 + 22x6 16x5 31x4 + 56x3 8x2 32x + 16
Elegimos la opcion Author y escribimos el polinomio como
x^8-8x^7+22x^6-16x^5-31x^4+56x^3-8x^2-32x+16.
Se eligen las opciones Solve|Algebraically y obtenemos como soluciones: x = 1, x = 1, x = 2. Pe-

ro, cuales son sus multiplicidades? Para determinarlas, dividimos el polinomio original entre (x 1)(x +
1)(x 2) obteniendo como resultado x5 6x4 + 11x3 2x2 12x + 8. Volvemos a seleccionar las opcio-
nes Solve|Algebraically y obtenemos de nuevo x = 1, x = 1, x = 2. Si volvemos a dividir x5 6x4 +
11x3 2x2 12x + 8 entre (x 1)(x + 1)(x 2) obtenemos (x 2)2 , por lo que podemos deducir que las races
x = 1 y x = 1 son dobles mientras que la raz x = 2 es cuadruple.
A continuacion se enuncian unos ejercicios sencillos sobre resolucion de ecuaciones. Si el alumno encuentra
alguna dificultad debe releer lo dicho hasta ahora, en particular la seccion referente a las expresiones algebraicas
y su manipulacion.

a) Resolver la ecuacion 2x + 3 x 2 = 2.

b) Resolver la ecuacion 3 x = 2x 3.
c) Determinar las raices del polinomio x4 1.
d) Resolver la ecuacion ax2 + bx + c = 0.
4.9. Realizar graficas de funciones
Quizas en alguno de los ejercicios anteriores hemos tenido dificultades y no hemos podido encontrar la solucion.
En estos casos, la va de solucion consiste en representar graficamente la ecuacion y determinar un intervalo
(cuanto mas pequeno mejor) que contenga la raz. Por ejemplo, si dibujamos la ecuacion x5 6x4 + 11x3
2x2 12x + 8 = 0 obtenemos la Figura 1.19. Nos damos cuenta que hay races alrededor de los puntos -1, 1, 2
(en este caso, esas son las races), por lo que podramos determinar el valor exacto resolviendo numericamente la
ecuacion anterior en los intervalos [-2,0], [0,2] y [1,3], respectivamente.
Figura 1.19: Grafica de la funcion x5 6x4 + 11x3 2x2 12x + 8 = 0
Para resolver numericamente una ecuacion (es decir, encontrar un valor que satisfaga dicha ecuacion) debemos
elegir las opciones Solve|Numerically y nos aparece la ventana de la Figura 1.20, donde debemos introducir la
ecuacion y el intervalo donde queremos que DERIVE for Windows busque la solucion: Lower y Upper.
Figura 1.20: Ventana del programa que nos permite resolver numericamente ecuaciones.
Para dibujar una funcion es suficiente con marcar la expresion que la define y seleccionar la opcion New 2D-plot
window (o bien pulsar el boton correspondiente). Con esto conseguimos que se abra una nueva ventana grafica; a
continuacion debemos seleccionar la opcion Plot!. Cada ventana grafica esta asociada a una ventana de calculos
algebraicos, por lo que todas las representaciones graficas de una ventana de algebra se realizaran en la misma
ventana grafica. En el caso de realizar varias representaciones graficas en una misma ventana, cada grafica ira en
un color distinto.
4.10. Bibliografa
C. Paulogorron y C. Perez. Calculo matematico con DERIVE para PC, Ed. RA-MA, 1a Ed., 1994.
28 MATEM ATICAS
5. BIBLIOGRAFIA DEL CAPITULO
R.E. LARSON, R.P. HOSTETLER y B.H. EDWARDS Calculo y Geometra Analtica, 5a ed., vol. 1. McGraw-
Hill, Madrid, 1995. Captulo 1.
J. STEWART Calculo, 2a ed. Grupo Editorial Iberoamerica, Mexico, 1994. Captulo 0.
6. PREGUNTAS DE EVALUACION
E.1.1. Hallar las ecuaciones de la recta que pasa por el punto (1,3) y cumple ademas en cada caso:
a) Tiene pendiente 2/3.
b) Es perpendicular a la recta x + y = 0.
c) Pasa por el punto (2,4).
d) Es paralela al eje x.

E.1.2. Hallar la ecuacion de la recta bisectriz del angulo agudo formado por las rectas y = 3x e y = 2.
E.1.3. Un avion vuela con rumbo constante y a velocidad constante entre dos ciudades. La distancia s (en
kilometros) que ha recorrido en t horas es s = 950t.
a) Dibujar la grafica de esta ecuacion para t > 0.
b) Que informacion contiene la pendiente de la recta?
E.1.4. Un empresario adquiere una maquina por 4500000 pesetas. La maquina gasta en promedio 1000 pesetas
en mantenimiento y gasoil. El operario que la maneja cobra 1850 pesetas por hora y a los clientes se les
cargan 5000 pesetas por hora.
a) Escribir una ecuacion para el coste C de funcionamiento de la maquina durante t horas.
b) Idem para los ingresos R derivados de t horas de funcionamiento.
c) Hallar el punto de equilibrio de esa maquina, calculando en que tiempo t ocurre que R = C.
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 2
CALCULO DIFERENCIAL
Lmite de una funcion Maximos y mnimos relativos

Lmites laterales Polinomios de Taylor
Reglas para el calculo de lmites Series de potencias
Regla del bocadillo
Teorema de Taylor
Continuidad de una funcion
Algoritmo de biseccion
Propiedades de las funciones continuas
Metodo de iteracion del punto fijo
Teorema del valor intermedio
Metodo de Newton-Raphson
Derivada de una funcion
Interpretacion geometrica de la derivada Polinomio interpolante de Lagrange
Teorema de Rolle Metodo de interpolacion iterada
Teorema del valor medio Metodo de diferencias divididas
2.1. Lmite de una funcion
2.1.1. Definiciones
La nocion de lmite es basica en todo el calculo, por lo que es sumamente importante adquirir un buen manejo y
conocimiento de los lmites antes de adentrarnos en otros temas.
Sea f (x) una funcion y consideremos x0 un numero real (no necesariamente en el dominio de f ). Si f (x) se
acerca arbitrariamente a un unico valor L cuando x se aproxima a x0 por ambos lados (sin llegar nunca a ser igual
a x0 ), decimos que el lmite de f (x) cuando x tiende a x0 es L, y escribimos
lim f (x) = L.
xx0
En la definicion anterior observamos que solo interesa conocer como esta definida la funcion f cerca del punto
C ALCULO DIFERENCIAL 31
x0 . Si la funcion existe o no en el punto x0 no tiene importancia. La cuestion crucial aqu es la siguiente: que
significa que f (x) se acerca arbitrariamente a L? que ocurre si x se aproxima a x0 solo por un lado?
El comportamiento de las funciones en relacion a los lmites puede ser de lo mas diverso. Solo como un boton de
muestra, veamos las siguientes funciones.

f (x) = x/( x + 1 1): El lmite de f (x) cuando x 0 vale 2, ya que si nos acercamos por la izquierda
obtenemos valores menores que 2 pero cada vez mas proximos a 2; y si nos acercamos por la derecha
obtenemos valores mayores que 2 pero cada vez mas proximos a 2. Sin embargo, la funcion f no esta
definida en x = 0.
f (x) = |x|/x: Cuando nos acercamos a 0 por la izquierda, entonces f (x) = 1 por lo que el lmite vale 1.
Pero si nos acercamos por la derecha entonces f (x) = 1 y as el lmite vale 1. Por tanto, no existe el lmite.
f (x) = 1/x2 : Cuando x se aproxima a 0, f (x) se va haciendo cada vez mas grande, por lo que no existe ningun
numero real L al cual tienda f (x). Por tanto no existe el lmite de f (x) cuando x 0.
En los ejemplos anteriores hemos visto que hay funciones que se aproximan a un valor L1 cuando x se aproxima
a x0 por la izquierda y se aproximan a L2 si nos acercamos por la derecha. Este comportamiento nos lleva a
considerar las siguientes definiciones.
Sea f (x) una funcion y consideremos x0 un numero real (no necesariamente en el dominio de f ).
(1) Si f (x) se acerca arbitrariamente a un unico valor L cuando x se aproxima a x0 por la izquierda (sin llegar
nunca a ser igual a x0 ), decimos que el lmite por la izquierda de f (x) cuando x tiende a x0 es L, y
escribimos
lim f (x) = L.
xx0
(2) Si f (x) se acerca arbitrariamente a un unico valor L cuando x se aproxima a x0 por la derecha (sin llegar
nunca a ser igual a x0 ), decimos que el lmite por la derecha de f (x) cuando x tiende a x0 es L, y
escribimos
lim + f (x) = L.
xx0
Entonces existe el lmite de una funcion f (x) en x0 si existen los lmites laterales en x0 y coinciden.
2.1.2. Reglas para el calculo de lmites
Si b y c son numeros reales, n un entero positivo y f , g son funciones que tienen lmite cuando x tiende a c,
entonces son ciertas las siguientes propiedades:
(1) Multiplo escalar: lim [bf (x)] = b[ lim f (x)]

xc xc
(2) Suma/Diferencia: lim [f (x) g(x)] = lim f (x) lim g(x)

xc xc xc
(3) Producto: lim [f (x)g(x)] = lim f (x) lim g(x)

xc xc xc
f (x) limxc f (x)

(4) Cociente: lim [ ]= , siempre que limxc g(x) 6= 0.
xc g(x) limxc g(x)
32 MATEM ATICAS
(5) Potencia: lim [f (x)]n = [ lim f (x)]n

xc xc
p q
(6) Raz: lim n f (x) = n lim f (x). Si n es par suponemos que lim f (x) es no negativo.
xc xc xc
Para poder calcular lmites solo es necesario, ademas de utilizar las reglas anteriores, tener en cuenta que lim b = b
xc
y lim x = c.
xc
Como una consecuencia de la aplicacion de las propiedades anteriores tenemos las siguientes reglas:
(1) Si p(x) es un polinomio entonces

lim p(x) = p(c).
xc
(2) Si r(x) = p(x)/q(x), q(c) 6= 0, es una funcion racional entonces
p(x) p(c)
lim = .
xc q(x) q(c)
(3) Si c > 0 y n es cualquier entero positivo, o si c < 0 y n es un entero positivo impar, entonces

lim n x = n c.
xc
(4) Si f y g son funciones tales que lim g(x) = L y lim f (x) = f (L) entonces
xc xL
lim f (g(x)) = f (L).

xc
Para finalizar este apartado vamos a enunciar la regla del bocadillo o teorema de intercalacion, herramienta muy
util que permite calcular lmites por comparacion.
Regla del Bocadillo. Si f (x) 6 g(x) 6 h(x) para todo x en un intervalo abierto que contiene a c (no importa lo
que suceda en c) y
lim f (x) = lim h(x) = L,
xc xc
entonces
lim g(x) = L.
xc
2.2. Continuidad de una funcion
El termino continuidad en matematicas tiene exactamente el mismo significado que tiene en el lenguaje cotidiano:
una funcion f es continua en un punto a si su grafica no se interrumpe en a, no tiene saltos ni huecos en ese punto.
La unica diferencia que existe es en la formulacion rigurosa.
Continuidad en un punto: Una funcion f es continua en a si se verifican las siguientes condiciones:

1. f (a) esta definida. 2. lim f (x) existe. 3. lim f (x) = f (a).
xa xa
Continuidad en un intervalo abierto: Una funcion f se dice continua en un intervalo abierto (b, c) si lo es en
todos los puntos de ese intervalo.
Si f es continua en toda la recta real (, ) diremos simplemente que f es una funcion continua. Se dice que
f es discontinua en a si no es continua en dicho punto.
Existen varios tipos de discontinuidades: las evitables y las no evitables. Se dice que una discontinuidad en x = a
es evitable si la funcion f puede hacerse continua en a redefiniendola en dicho punto. En caso contrario, se dira
que la discontinuidad es no evitable.
Continuidad por la derecha: Una funcion f es continua por la derecha en a si se verifican las siguientes condi-
ciones:
1. f (a) esta definida. 2. lim+ f (x) existe. 3. lim+ f (x) = f (a).
xa xa
Continuidad por la izquierda: Una funcion f es continua por la izquierda en a si se verifican las siguientes
condiciones:
1. f (a) esta definida. 2. lim f (x) existe. 3. lim f (x) = f (a).
xa xa
Continuidad en un intervalo cerrado: Una funcion f se dice continua en un intervalo cerrado [b, c] si es continua
en (b, c) y tambien es continua por la derecha en b y por la izquierda en c.
2.2.1. Propiedades de las funciones continuas
Teniendo en cuenta que la continuidad se ha definido como un lmite, podemos utilizar las propiedades de los
lmites para comprobar inmediatamente las siguientes propiedades acerca de la continuidad.
Sean f y g dos funciones continuas en un punto a, entonces tambien son continuas en a las siguientes funciones:
(1) Suma y diferencia: f g.
(2) Multiplo escalar: f , siendo un numero real.
(3) Producto: f g.
(4) Cociente: f /g siempre que g(a) 6= 0.
Listamos a continuacion algunos de los tipos mas comunes de funciones continuas en todo punto de su dominio:
(1) Funciones polinomicas: p(x) = an xn + an1 xn1 + + a1 x + a0
(2) Funciones racionales: r(x) = p(x)/q(x), si q(x) 6= 0.

p
(3) Funciones radicales: f (x) = n p(x), si p(x) > 0 cuando n es par.
Uno de los resultados que nos permitira combinar las propiedades anteriores para probar la continuidad de funcio-
nes mas complejas es el siguiente: Si g es continua en c y f es continua en g(c) entonces la funcion compuesta
f g es continua en c.
Finalizamos esta seccion con un teorema relativo al comportamiento de las funciones continuas en un intervalo
cerrado, cuya demostracion hace uso de la completitud de los numeros reales.
Teorema del valor intermedio: Si f es una funcion continua en [a, b] y k es cualquier valor entre f (a) y f (b),
entonces existe al menos un numero c [a, b] tal que f (c) = k.
El teorema del valor intermedio es util para localizar los ceros de una funcion continua en un intervalo cerrado.
Mas concretamente, se tiene el siguiente resultado.
34 MATEM ATICAS
Teorema de Bolzano: Si f es una funcion en [a, b] y f (a), f (b) difieren de signo, entonces existe al menos un
numero c [a, b] tal que f (c) = 0.
Es importante hacer notar que tanto en el teorema del valor intermedio como en el teorema de Bolzano es capital
que la funcion sea continua en el intervalo cerrado [a, b]. Pueden encontrarse ejemplos muy sencillos de funciones
discontinuas que no verifican los teoremas anteriores.
2.3. Lmites infinitos
En la seccion previa donde hemos definido el concepto de lmite L de una funcion f en un punto a, solo hemos
considerado el caso en que tanto a como L fuesen numeros reales. Sin embargo, es posible extender el concepto
de lmite a otros casos, en un cierto sentido que ahora pasamos a precisar.
2.3.1. Lmites infinitos cuando a es un numero real
Se dice que f (x) crece sin tope cuando x tiende a a si para todo numero real M siempre existe un intervalo I de
a tal que f (x) > M para todo punto x de I. Analogamente, se dice que f (x) decrece sin tope cuando x tiende a
a si para todo numero real M siempre existe un intervalo I de a tal que f (x) < M para todo punto x de I.
Si f (x) crece sin tope cuando x tiende hacia a diremos que el lmite de f cuando x tiende a a es y escribiremos
lim f (x) = .
xa
Por el contrario, si f (x) decrece sin tope cuando x tiende hacia a diremos que el lmite de f cuando x tiende a a
es y escribiremos
lim f (x) = .
xa
El signo de igualdad en las expresiones anteriores no significa que exista un lmite, sino que nos dan una razon
por la que la funcion f no puede tener lmite en el punto a: porque no esta acotada. Lo que de verdad se quiere
decir es que el lmite no existe y la funcion f tiene una discontinuidad no evitable (de salto infinito).
Los lmites infinitos por la izquierda y por la derecha se definen analogamente. Los cuatro posibles lmites laterales
son los siguientes:
(1) lim f (x) = ,

xa
(2) lim f (x) = ,

xa
(3) lim+ f (x) = ,

xa
(4) lim+ f (x) = .

xa
Si alguno de los lmites laterales anteriores se satisface, decimos que f tiene en a una discontinuidad infinita.
En este caso, diremos que la recta x = a es una asntota vertical de f . Uno de los ejemplos mas tpicos de
existencia de asntotas verticales se da en las funciones racionales: si f y g son funciones continuas en un
intervalo conteniendo a c, y se satisface f (c) 6= 0 y g(c) = 0, entonces la funcion racional r(x) = f (x)/g(x)
tiene una asntota vertical en x = c.
Terminamos esta seccion con las siguientes propiedades de lmites infinitos. Si c, L son numeros reales y f , g son
funciones tales que
lim f (x) = y lim g(x) = L,
xc xc
entonces las siguientes propiedades se verifican:
(1) Suma y diferencia: lim [f g] = .

xc
(2) Multiplo escalar: lim [f ] = , si > 0 y lim [f ] = , si < 0.

xc xc
(3) Producto: lim [f g] = si L > 0 y lim [f g] = si L < 0.

xc xc
(4) Cociente: lim [g/f ] = 0.

xc
(Propiedades similares son validas para lmites laterales y para funciones para las cuales el lmite de f (x) cuando
x tiende a c es ).
2.3.2. Lmites infinitos cuando L es un numero real
Si f (x) tiende a L cuando x se hace arbitrariamente grande, entonces decimos que el lmite de f (x) cuando x
tiende a infinito es L, y escribimos
lim f (x) = L.
x
Analogamente, si f (x) tiende a L cuando x se hace arbitrariamente pequeno, entonces decimos que el lmite de
f (x) cuando x tiende a menos infinito es L, y escribimos
lim f (x) = L.
x
En ambos casos se dice que la recta y = L es una asntota horizontal de la funcion f . Uno de los ejemplos mas
tpicos de existencia de asntotas horizontales se da en las funciones racionales: si f y g son dos polinomios del
mismo grado, entonces la funcion racional r(x) = f (x)/g(x) tiene una asntota horizontal en y = L, siendo L el
cociente entre los coeficientes principales de f y g.
Terminamos esta seccion con las siguientes propiedades de lmites infinitos. Si L1 , L2 son numeros reales y f , g
son funciones tales que
lim f (x) = L1 y lim g(x) = L2 ,
x x
entonces las siguientes propiedades se verifican:
(1) Suma y diferencia: lim [f g] = L1 L2 .

x
(2) Multiplo escalar: lim [f ] = L1 .

x
(3) Producto: lim [f g] = L1 L2 .

x
(4) Cociente: lim [f /g] = L1 /L2 si L2 6= 0.

x
(Propiedades similares son validas para lmites de f (x) cuando x tiende a ).
Las propiedades anteriores tambien pueden ser validas si L1 = o L2 = o ambas condiciones al mismo
tiempo. No obstante, existen ciertas restricciones con el fin de evitar las indeterminaciones: , 0., /,
etc.
36 MATEM ATICAS
2.4. Derivada de una funcion
El calculo matematico nacio y se fortalecio a raz de cuatro clasicos problemas sobre los que los matematicos
europeos trabajaron durante el siglo XVII. Estos problemas son:
(1) El problema de la recta tangente.

(2) El problema de la velocidad y la aceleracion.
(3) El problema de los maximos y mnimos.
(4) El problema del area.
En este captulo abordaremos los tres primeros problemas, dejando el ultimo para el captulo siguiente. Cada uno
de los problemas anteriores requiere el concepto de lmite, ya introducido al comienzo del captulo, y es por s
solo suficiente para motivar e introducir el calculo.
La derivada de una funcion f en un punto a, que se denota por f 0 (a), se define como
f (x) f (a) f (a + h) f (a)
lim = lim ,
xa xa h0 h
supuesto que tal lmite exista.
2.4.1. Interpretacion geometrica: Recta tangente
Si consideramos los puntos del plano (x, f (x)) y (a, f (a)), entonces la recta que los une tiene una pendiente m
dada por
f (x) f (a)
m= .
xa
En consecuencia, f 0 (a) es el lmite de las pendientes de las rectas secantes que unen los puntos (x, f (x)) y
(a, f (a)), y por tanto constituye la pendiente de la recta tangente a f en a (ver Figura 2.1).
Utilizando la forma punto-pendiente para expresar la ecuacion de una recta, podemos decir que si f 0 (a) existe
entonces la recta tangente a la curva y = f (x) en el punto (a, f (a)) viene dada por
y f (a) = f 0 (a)(x a).
Una funcion f definida en un intervalo abierto (a, b) se dice que es derivable (o diferenciable) si existe f 0 (c) en
todo punto c del intervalo. Si f es una funcion derivable entonces podemos definir otra funcion, denominada la
derivada de f y denotada por f 0 , por la siguiente formula:
f (x + h) f (x)
f 0 (x) = lim .
h0 h
El dominio de f 0 siempre es un subconjunto del dominio de f y una de las propiedades fundamentales de la
derivada queda recogida en el siguiente teorema: si f es derivable en x = a entonces f es continua en x = a.
De lo anterior se deduce que podemos definir un operador en el conjunto de las funciones derivables que asocia a
cada funcion f (x) su derivada f 0 (x). Dicho operador se denomina la derivada y se denota por
d
dx
d df
de manera que (f ) es una notacion para indicar f 0 . Asimismo, otra notacion para f 0 (a) es (a).
dx dx
y 6
f (x) f (a)
)
f (a)
xa
-
x
0 a x
Figura 2.1: Interpretacion geometrica de la derivada.
2.4.2. Reglas de derivacion
Aunque la nocion de derivada se apoya en el concepto de lmite, no es conveniente calcular las derivadas recu-
rriendo a la definicion, ya que los calculos son engorrosos y en ocasiones difciles de realizar. En esta seccion
vamos a presentar una serie de reglas que nos permitiran hallar derivadas sin recurrir a la definicion, de una forma
mas sencilla.
Regla de la constante. La derivada de una constante c es cero:
d
[c] = 0.
dx
Regla de las potencias. Si n es un numero racional,
d n
[x ] = nxn1 .
dx
Regla del multiplo constante. Si c es un numero real,
d
[cf (x)] = cf 0 (x).
dx
Regla de la suma y diferencia. La derivada de una suma (o diferencia) de dos funciones derivables es la suma
(o diferencia) de sus derivadas:
d
[f (x) g(x)] = f 0 (x) g 0 (x).
dx
Regla del producto. El producto de dos funciones derivables es tambien derivable y su derivada viene dada por
d
[f (x)g(x)] = f 0 (x)g(x) + f (x)g 0 (x).
dx
38 MATEM ATICAS
Regla del cociente. El cociente de dos funciones derivables es tambien derivable y su derivada viene dada por

d f (x) f 0 (x)g(x) f (x)g 0 (x)
= .
dx g(x) g(x)2
Regla de la cadena. La composicion de dos funciones derivables es tambien derivable y su derivada viene dada
por
d
[f (g(x))] = f 0 (g(x))g 0 (x).
dx
2.4.3. Derivacion implcita
En las secciones anteriores hemos visto como derivar funciones y = f (x). Sin embargo, en ocasiones las variables
x e y se hallan relacionadas por una ecuacion F (x, y) = 0 que no permite despejar y en funcion de x. En estos
casos se utiliza la tecnica de la derivacion implcita, la cual presupone que la variable y es funcion de x.
Cuando queremos calcular dy/dx a partir de una ecuacion F (x, y) = 0 debemos tener presente que estamos
derivando respecto de x. Por tanto, cuando derivemos terminos en los que aparece y debemos utilizar la regla de
la cadena, ya que y esta definida implcitamente como una funcion de x.
El resultado de la derivacion implcita dy/dx no suele ser una funcion que solo depende de x, sino mas bien una
nueva funcion que depende de x y de y.
2.4.4. Extremos (absolutos y relativos)
Sea f una funcion definida en un intervalo I conteniendo un punto a. Entonces f (a) es el mnimo de f en I si
f (a) 6 f (x) para todo x en I. Analogamente, f (a) es el maximo de f en I si f (a) > f (x) para todo x en I. En
ocasiones, el maximo y el mnimo de una funcion f se denominan el maximo absoluto y el mnimo absoluto en
ese intervalo, respectivamente (ver Figura 2.2).
Si el intervalo I es abierto, entonces f no tiene por que tener un maximo o un mnimo en dicho intervalo. Sin
embargo, si I es un intervalo cerrado [a, b], entonces f tiene un maximo M y un mnimo m (teorema del valor
extremo).
A veces no interesa tanto el comportamiento global de la funcion como el comportamiento local, es decir, el com-
portamiento en intervalos pequenos. En este caso, las definiciones anteriores pueden ser ligeramente modificadas
en el siguiente sentido.
f (a) es un mnimo relativo de f si f (a) 6 f (x) para todo x en un intervalo abierto I conteniendo a a.
Analogamente, f (a) es un maximo relativo de f si f (a) > f (x) para todo x en un intervalo abierto I con-
teniendo a a (ver Figura 2.2).
Como podemos utilizar el calculo para la determinacion de los extremos relativos de una funcion? Para ello
necesitamos introducir el concepto de punto crtico. Si f esta definida en a, se dice que a es punto crtico de f si
f 0 (a) = 0. Por convenio, todos los puntos que no pertenecen al dominio de f 0 son crticos.
La primera aproximacion nos la da el teorema de Fermat, que dice lo siguiente: Si f tiene un extremo relativo
en a entonces f 0 (a) = 0. Como consecuencia de lo anterior, los extremos relativos de una funcion solo pueden
aparecer en los puntos crticos, lo que justifica la siguiente gua para determinar los extremos de una funcion en
un intervalo cerrado:
y 6
y = f (x)
-
0 a b c d e x
Figura 2.2: Maximos y mnimos de una funcion.
(1) Determinar los puntos crticos de f .
(2) Evaluar f en sus puntos crticos.
(3) Calcular f (a) y f (b).
(4) El menor de los valores anteriores es el mnimo; el mayor es el maximo.
2.4.5. Teoremas de Rolle y del valor medio
El teorema del valor extremo discutido anteriormente garantiza la existencia de extremos absolutos en las funcio-
nes continuas definidas en un intervalo cerrado, pero no sabemos si estos extremos se alcanzan en los extremos
del intervalo o en el interior. El siguiente teorema garantiza la existencia de extremos en el interior del intervalo.
Teorema de Rolle. Sea f una funcion continua en un intervalo cerrado [a, b] y derivable en el intervalo abierto
(a, b) tal que f (a) = f (b). Entonces existe un punto c (a, b) tal que f 0 (c) = 0.
Debemos hacer notar que todas las hipotesis son imprescindibles. Si f no es derivable en (a, b) o f (a) 6= f (b)
entonces podemos encontrar ejemplos de funciones que no satisfacen el teorema de Rolle.
Como una generalizacion del teorema anterior tenemos el siguiente resultado.
Teorema del valor medio. Sea f una funcion continua en un intervalo cerrado [a, b] y derivable en el intervalo
abierto (a, b). Entonces existe un punto c (a, b) tal que
f (b) f (a)
f 0 (c) = .
ba
Geometricamente, el teorema anterior nos dice que, en las hipotesis del teorema, siempre existe un punto c tal
que la recta tangente a la curva y = f (x) en c tiene la misma pendiente que la recta secante que une los puntos
(a, f (a)) y (b, f (b)).
40 MATEM ATICAS
El teorema del valor medio es uno de los resultados basicos del calculo, fundamentalmente por su utilizacion en
la demostracion de muchos otros resultados. Una de las consecuencias mas bonitas es la siguiente: Si f 0 (x) = 0
para todo punto x (a, b) entonces f es constante en (a, b).
2.4.6. Funciones crecientes y decrecientes
Una funcion f es (estrictamente) creciente en un intervalo I si para todo par de puntos x1 y x2 en I tales
que x1 < x2 se satisface f (x1 ) < f (x2 ). Analogamente, una funcion f es (estrictamente) decreciente en un
intervalo I si para todo par de puntos x1 y x2 en I tales que x1 < x2 se satisface f (x1 ) > f (x2 ).
Si la funcion f es derivable, podemos utilizar el signo de la derivada f 0 (x) para saber si una funcion es creciente
o decreciente:
(1) Si f 0 (x) > 0 para todo x en (a, b) entonces f es creciente en (a, b).
(2) Si f 0 (x) < 0 para todo x en (a, b) entonces f es decreciente en (a, b).
(3) Si f 0 (x) = 0 para todo x en (a, b) entonces f es constante en (a, b).
Figura 2.3: Crecimiento y decrecimiento de una funcion.
Las anteriores propiedades nos permiten elaborar la siguiente gua para determinar los intervalos donde una fun-
cion derivable es creciente o decreciente.
(1) Localizar los puntos crticos de f
(2) Determinar el signo de f 0 en cada uno de los intervalos determinados por dos puntos crticos consecutivos.
(3) Utilizar las propiedades anteriores para cada uno de los intervalos obtenidos.
Una vez determinados los intervalos de crecimiento y decrecimiento de una funcion f es muy facil determinar si
los puntos crticos obtenidos son maximos o mnimos relativos, segun las siguientes reglas (ver Figura 2.3):
(1) Si f 0 cambia de negativa a positiva en c entonces f (c) es un mnimo relativo de f .
(2) Si f 0 cambia de positiva a negativa en c entonces f (c) es un maximo relativo de f .
(3) Si f 0 no cambia de signo en c entonces f (c) no es ni maximo ni mnimo relativo.

2.4.7. Concavidad y puntos de inflexion
Si f es una funcion derivable en un intervalo abierto (a, b), se dice que la grafica de f es concava hacia arriba
si f 0 es creciente en dicho intervalo, y concava hacia abajo si f 0 es decreciente en dicho intervalo. Observemos
que las definiciones anteriores significan que la grafica de f se encuentra por arriba (resp. abajo) de todas sus
tangentes.
En ocasiones se utilizan los terminos concava y convexa para las graficas que son concavas hacia arriba y concavas
hacia abajo, respectivamente.
y 6
y 6
- -
0 x 0 x
Figura 2.4: Concavidad de una funcion.
La determinacion de los intervalos de concavidad (hacia arriba y hacia abajo) puede obtenerse teniendo en cuenta
el signo de la derivada segunda, segun la siguiente propiedad:
(1) Si f 00 (x) > 0 para todo x en (a, b) entonces la grafica de f es concava hacia arriba.
(2) Si f 00 (x) < 0 para todo x en (a, b) entonces la grafica de f es concava hacia abajo.
(3) Si f 00 (x) = 0 para todo x en (a, b) entonces f es una funcion lineal.
Un punto (c, f (c)) se dice que es un punto de inflexion de una curva y = f (x) si la grafica de f cambia de
concava hacia arriba a concava hacia abajo, o viceversa, en dicho punto.
Como consecuencia de la definicion, la recta tangente a la curva y = f (x) en el punto de inflexion corta a la
grafica de f . Ademas, si (c, f (c)) es un punto de inflexion de la grafica de f entonces f 00 (c) = 0 o f 00 no esta
definida en x = c.
Finalizamos esta seccion con el criterio de la derivada segunda para la determinacion de los extremos relativos. El
criterio se basa en que en que si f 0 (c) = 0 y existe un intervalo de c donde la grafica de f es concava hacia abajo
entonces f (c) es un maximo de f ; por el contrario, si la grafica de f es concava hacia arriba entonces f (c) es un
mnimo de f .
(1) Si f 00 (c) > 0 entonces f (c) es un mnimo relativo.
(2) Si f 00 (c) < 0 entonces f (c) es un maximo relativo.
(3) Si f 00 (c) = 0 entonces el criterio no decide.

42 MATEM ATICAS
2.4.8. Representacion de funciones
Para realizar correctamente la grafica de una funcion f es conveniente seguir los pasos que a continuacion se
indican:
Dominio
Intersecciones con los ejes
Simetras
Puntos de discontinuidad
Asntotas verticales
Asntotas horizontales
Crecimiento y decrecimiento
Extremos relativos
Concavidad y puntos de inflexion
En ocasiones no es necesario calcular todos los apartados anteriores. Suelen ser imprescindibles el dominio, las
asntotas (horizontales y verticales) y los siguientes puntos: de interseccion con los ejes, extremos relativos y de
inflexion.
2.5. Teorema de Taylor
2.5.1. Sucesiones y lmites de sucesiones
Una sucesion {an } es una funcion cuyo dominio es el conjunto de los numeros naturales (o enteros positivos: 1,
2, 3, . . . ). Los valores a1 , a2 , . . . se llaman los terminos de la sucesion.
2.5.1.1. Lmites de sucesiones
Es posible que conforme vaya aumentando el valor de n los correspondientes numeros an se vayan aproximando
a un numero fijo L. Si esto ocurre, se dice que la sucesion es convergente y su lmite es L:
lim an = L
n
En caso contrario diremos que la sucesion es divergente. La definicion rigurosa es la siguiente:
La sucesion {an } es convergente con lmite L si para todo numero > 0 existe M > 0 tal que |an L| <
siempre que n > M .
A veces es mas facil calcular el lmite de una funcion que el de una sucesion y esto puede permitirnos, aunque no
lo parezca, resolver lmites de sucesiones. El siguiente resultado nos ofrece la clave.
Sea f una funcion de una variable real tal que lim f (x) = L. Si {an } es una sucesion tal que an = f (n)
x
entonces
lim an = L.
n
Los lmites de sucesiones satisfacen propiedades similares a los lmites de funciones, ya descritos en una seccion
anterior. Los recordamos aqu. Sean {an } y {bn } dos sucesiones tales que
lim an = L y lim bn = K.
n n
Entonces:
(1) lim (an bn ) = L K.

n
(2) lim (can ) = cL.

n
(3) lim (an bn ) = LK.

n
(4) lim (an /bn ) = L/K, si bn 6= 0 y K 6= 0.

n
Otras propiedades importantes de los lmites de sucesiones son las siguientes.
(1) Si lim an = L = lim bn y existe un entero N tal que an 6 cn 6 bn para todo n > N entonces
n n
lim cn = L.
n
(2) Si lim |an | = 0 entonces lim an = 0.

n n
2.5.1.2. Tipos de sucesiones
Una sucesion {an } se dice monotona si sus terminos son no decrecientes
a1 6 a2 6 a 3 6 6 an 6
o no crecientes
a 1 > a2 > a3 > > an >
Una sucesion {an } se dice acotada si existe un numero real positivo M tal que |an | 6 M para todo n. El numero
M se denomina cota (superior) de la sucesion.
Uno de los principales resultados acerca de sucesiones acotadas y convergentes es el siguiente: Toda sucesion
monotona y acotada es convergente .
44 MATEM ATICAS
2.5.2. Polinomios de Taylor y aproximacion
El objetivo fundamental de esta seccion es mostrar como se pueden utilizar polinomios para aproximar otras
funciones. Para ello, lo primero que debemos hacer es fijar un punto c alrededor del cual vamos a realizar la
aproximacion. Este punto c es el centro de la aproximacion y el objetivo es encontrar el polinomio (de un cierto
grado predeterminado) que mejor se aproxima (en un cierto sentido) a la funcion f en un entorno del punto c.
Si f tiene n derivadas en c, el polinomio
f 00 (c) f (n) (c)

Pn (x) = f (c) + f 0 (c)(x c) + (x c)2 + + (x c)n
2! n!
se denomina el n-esimo polinomio de Taylor de f centrado en c. Si c = 0, entonces el polinomio anterior se
denomina el n-esimo polinomio de Maclaurin de f .
Cualquier metodo de aproximacion tiene una utilidad relativa (mas bien poca) si se desconoce el error que se
comete. Para medir la precision al aproximar un valor f (x) por el polinomio de Taylor Pn (x) descomponemos
f (x) = Pn (x) + Rn (x), donde Rn (x) es el resto. El error cometido en la aproximacion es el valor absoluto del
resto, es decir,
error = |Rn (x)| = |f (x) Pn (x)|.
El siguiente teorema estima el error anterior.
Teorema de Taylor. Si una funcion f es derivable hasta el orden n + 1 en un intervalo (a, b) conteniendo a c,
entonces para todo x en (a, b) existe un numero z entre x y c tal que
f (n+1) (z)
f (x) = Pn (x) + Rn (x), Rn (x) = (x c)n+1 .
(n + 1)!
La expresion anterior de Rn (x) se denomina forma de Lagrange para el resto. A la hora de utilizar el teorema
anterior no se trata de encontrar explcitamente el valor de z si no mas bien encontrar cotas para f (n+1) (z), que
nos daran una idea mas o menos precisa del tamano del resto.
2.5.3. Series de potencias: coeficientes y radio de convergencia
Una serie de potencias es una serie infinita de la forma

X
a n xn = a 0 + a 1 x + a 2 x2 + a 3 x3 + + a n xn +
n=0
donde x denota una variable. De forma general, una serie de potencias centrada en c es una serie infinita de la
forma
X
an (x c)n = a0 + a1 (x c) + a2 (x c)2 + a3 (x c)3 + + an (x c)n +
n=0
Los numeros {an } se denominan los coeficientes de la serie.
Para una serie de potencias centrada en c ha de ocurrir exactamente una de las tres posibilidades siguientes:
1. La serie converge solo en c.

2. Existe un numero real R > 0 tal que la serie converge (absolutamente) si |xc| < R y diverge si |xc| > R.
3. La serie converge para todo x.
El numero R se llama radio de convergencia de la serie de potencias. Si la serie converge solo en c diremos que
el radio de convergencia es cero, y si la serie es convergente para todo x diremos que el radio de convergencia es
infinito. El conjunto de valores x donde la serie es convergente se denomina el intervalo de convergencia de la
serie de potencias.
2.5.4. Operaciones con series de potencias
Las operaciones basicas con series de potencias son las siguientes. Sean

X
X
f (x) = a n xn y g(x) = bn xn
n=0 n=0
dos series de potencias. Entonces:

X
(1) f (kx) = a n k n xn
n=0

X
(2) f (xm ) = an xnm
n=0

X
(3) f (x) g(x) = (an bn )xn
n=0

!
X X
n
(4) f (x)g(x) = am bnm xn
n=0 m=0
2.5.5. Series de Taylor y de Maclaurin
P
Si f (x) = n=0 an (x c) es una serie de potencias (convergente) entonces los coeficientes {an } de la serie
n
quedan determinados por

f (n) (c)
an = .
n!
Como consecuencia, si una funcion f (x) admite un desarrollo en serie de potencias, tal desarrollo tiene que ser
necesariamente el siguiente:
X
f (n) (c)
(x c)n .
n=0
n!
La serie anterior se denomina serie de Taylor en c. Cuando c = 0, tal serie se conoce con el nombre de serie de
Maclaurin de f .
Una funcion f (x) se dice que es analtica si coincide con su serie de potencias en todos los puntos del dominio,
es decir, si
X
f (n) (c)
f (x) = (x c)n .
n=0
n!
Algunas de las series de potencias asociadas a funciones elementales aparecen recogidas en la Tabla 2.1, junto con
los intervalos de convergencia.
46 MATEM ATICAS
Funcion Serie Intervalo

X
1
(1)n xn 1 < x < 1
1+x n=0
X
(1)n1
ln(x) (x 1)n 0<x62
n=1
n
X
xn
ex < x <
n=0
n!
X
(1)n x2n+1
sin(x) < x <
n=0
(2n + 1)!
X
(1)n x2n
cos(x) < x <
n=0
(2n)!
Tabla 2.1: Series de potencias asociadas a algunas de las funciones m as usuales.
2.6. Calculo Numerico
2.6.1. Metodos numericos de resolucion de ecuaciones
Uno de los problemas mas basicos del analisis numerico consiste en encontrar los valores x que satisfacen una de-
terminada ecuacion f (x) = 0, para una funcion f dada. Este problema, conocido como el problema de busqueda
de races, no es un problema trivial y prueba de ello es que sigue estando de plena actualidad. La dificultad no es-
triba en encontrar metodos para obtener soluciones, sino encontrar metodos que permitan encontrar las soluciones
en un tiempo razonable. En esta seccion vamos a discutir tres metodos: el algoritmo de biseccion, el metodo de
iteracion del punto fijo y el metodo de Newton-Raphson.
2.6.1.1. Algoritmo de biseccion
La justificacion teorica de este metodo debemos buscarla en el teorema de Bolzano: si f es una funcion continua
en [a, b] con signos opuestos en los extremos (es decir, f (a)f (b) < 0), entonces existe un cero de f en (a, b).
El algoritmo de biseccion o metodo de busqueda binaria puede describirse como sigue. Comenzamos definien-
do a1 = a y b1 = b, y sea p1 el punto medio del intervalo (a1 , b1 ). Si f (p1 ) = 0, ya hemos encontrado el cero.
De lo contrario, f (p1 ) 6= 0 y entonces puede suceder una de las dos afirmaciones siguientes:
1. f (p1 )f (a1 ) < 0. En este caso tomamos a2 = a1 y b2 = p1 .
2. f (p1 )f (b1 ) < 0. En este caso tomamos a2 = p1 y b2 = b1 .
Ahora repetimos el proceso anterior al intervalo [a2 , b2 ].

y6
f (b) (b, f (b))
-
a p1 p2 b x
f (a)
(a, f (a))
Figura 2.5: Algoritmo de biseccion.
Observemos que en cada etapa la longitud del intervalo resultante es la mitad de la longitud del intervalo prece-
dente, por lo que
1 1
L([an , bn ]) = n L([a, b]) = n (b a)
2 2
Esto significa que, siempre que se verifiquen las condiciones del teorema de Bolzano, el metodo proporciona una
solucion, ya que la sucesion {pn } es de Cauchy y, por tanto, convergente.
No obstante, en la practica no se suele encontrar el valor exacto de la solucion por lo que conviene introducir algun
mecanismo de paro. Algunos de los mecanismos de paro mas usuales son:
(1) Fijar un numero maximo n0 de iteraciones.
(2) Seguir hasta que |pn pn1 | < .

|pn pn1 |
(3) Seguir hasta que < con pn 6= 0. Este mecanismo es el mejor criterio de paro, ya que mide el
|pn |
error relativo.
(4) Seguir hasta que |f (pn )| < .
2.6.1.2. Metodo de iteracion del punto fijo
Un punto fijo de una funcion g es un punto a tal que g(a) = a. Dada una funcion f , podemos considerar
la funcion g(x) = x f (x), de forma que a es un cero de f si y solo si a es punto fijo de g. Por tanto, la
determinacion de puntos fijos puede ayudar a la determinacion de races.
En este punto surge un problema: todas las funciones tienen puntos fijos? Si la respuesta es negativa, entonces
que condiciones debe satisfacer una funcion para que tenga puntos fijos?
Condiciones para la existencia de puntos fijos. Si g es una funcion continua definida en [a, b] y con valores en el
mismo intervalo, entonces g tiene un punto fijo. Si ademas g es derivable en (a, b) y satisface |g 0 (x)| 6 k < 1 en
(a, b) entonces solo existe un punto fijo.
Si g es una funcion que satisface el resultado anterior y p0 es un punto cualquiera del intervalo [a, b] entonces la
sucesion
pn = g(pn1 )
48 MATEM ATICAS
y=x
y 6
g(p) = p
y = g(x)
a
-
p x
a b
Figura 2.6: Metodo de iteracion del punto fijo.
converge al unico punto fijo p de g en [a, b]. Ademas, una cota para el error cometido si se utiliza pn para aproximar
a p viene dada por
|pn p| 6 kn max{p0 a, b p0 }.
2.6.1.3. Metodo de Newton-Raphson
Este metodo, tambien conocido solo como metodo de Newton, es uno de los algoritmos mas conocidos y poderosos
en la resolucion de ecuaciones f (x) = 0. La idea del metodo es construir una sucesion de puntos que se aproximan
a la solucion utilizando para ello las rectas tangentes a la funcion f .
y y = f (x)
6

p
p0 p2 -
p1 x
0
Figura 2.7: Esquema del metodo de Newton.
La justificacion teorica del metodo es la siguiente. Sea p el punto fijo y consideremos un punto y proximo a p que
no es una raz de f 0 , es decir, f 0 (y) 6= 0. Utilizando el polinomio de Taylor de grado 1 para la funcion f alrededor
del punto y obtenemos
f 00 (z)
f (x) = f (y) + f 0 (y)(x y) + (x y)2 ,
2
donde z es un numero entre x e y. Particularizando la ecuacion anterior en x = p obtenemos
f 00 (z)
0 = f (y) + f 0 (y)(p y) + (p y)2 .
2
Si suponemos que |p y| es pequeno, entonces (p y)2 es despreciable frente a |p y| por lo que la ecuacion
anterior queda 0 f (y) + f 0 (y)(p y). Despejando p es esta ecuacion se obtiene
f (y)
py ,
f 0 (y)
lo que es una aproximacion mejor a p que y. El metodo de Newton consiste en considerar la sucesion de puntos
f (pn1 )
pn = pn1 , n > 1.
f 0 (pn1 )
En consecuencia, el metodo no puede seguir aplicandose cuando f 0 (pn1 ) = 0 para algun n.
2.6.2. Interpolacion polinomica
El problema de la interpolacion polinomica consiste en determinar el polinomio de menor grado que pasa por
n + 1 puntos (x0 , y0 ), . . . , (xn , yn ) prefijados. El grado de dicho polinomio es a lo mas n.
2.6.2.1. Polinomio de interpolacion de Lagrange
Si (x0 , y0 ), . . . , (xn , yn ) son n + 1 pares de puntos tales que sus abcisas x0 , x1 , . . . , xn son todas distintas,
entonces existe un unico polinomio P , denominado polinomio interpolante de Lagrange, de grado a lo mas n
con la propiedad de que
P (xk ) = yk , k = 0, 1, . . . , n.
Este polinomio esta dado por
X
n
P (x) = y0 Ln,0 (x) + y1 Ln,1 (x) + . . . + yn Ln,n (x) = yk Ln,k (x)
k=0
donde
Y
n
(x xi )
Ln,k (x) = .
(xk xi )
i=0,i6=k
Una pregunta importante en analisis numerico es la referida al error cometido cuando se realiza una aproximacion.
En este caso, el termino residual o cota de error cometido en la aproximacion de una funcion por su polinomio
interpolante viene dado en el siguiente resultado.
Cota de error. Sea f una funcion suficientemente derivable en el intervalo [a, b] y consideremos (x0 , y0 ), . . . ,
(xn , yn ) n + 1 pares de puntos tales que yk = f (xk ) para todo k = 0, 1, . . . , n. Entonces
f (n+1) (z)
f (x) = P (x) + (x x0 )(x x1 ) (x xn ),
(n + 1)!
con z (a, b), donde P es el polinomio interpolante de Lagrange.
Observemos la similitud existente entre el resto en la aproximacion anterior y el resto en el polinomio de Taylor
estudiado anteriormente.
50 MATEM ATICAS
Ln,k (x)
- x
x0 x1
xk xk+1
xn
xk1 xn1
Figura 2.8: Polinomio interpolante de Lagrange.
2.6.2.2. Metodo de interpolacion iterada
El metodo descrito en la seccion anterior para calcular el polinomio interpolante es muy complicado y poco
practico. En primer lugar, la precision del polinomio no se puede determinar hasta que los calculos han sido
completados. En segundo lugar, los calculos realizados para la obtencion de unos polinomios interpolantes no
se pueden utilizar para calcular los polinomios interpolantes de grados superiores: siempre es necesario partir de
cero. En esta seccion vamos a describir un metodo que permite aprovechar el trabajo realizado. La justificacion
teorica del metodo es el siguiente resultado.
Sea f una funcion definida en x0 , x1 , . . . , xn y supongamos que m1 , m2 , . . . , mk son k enteros distintos con
0 6 mi 6 n para cada i. El polinomio de Lagrange de grado menor que k que coincide con f en xm1 , xm2 , . . . ,
xmk se denota por Pm1 ,m2 ,...,mk . Si xj , xi son dos numeros distintos y
(x xj )P0,1,...,j1,j+1,...,k (x) (x xi )P0,1,...,i1,i+1,...,k (x)
P (x) =
(xi xj )
entonces P es el polinomio interpolante de Lagrange de grado menor o igual que k que interpola a f en x0 , x1 ,
. . . , xk .
2.6.2.3. Metodo de diferencias divididas
Los metodos que nos permiten representar explcitamente el polinomio interpolante a partir de datos tabulados se
conocen con el nombre de metodos de diferencias divididas. Sean x0 , x1 , . . . , xn puntos distintos y considere-
mos Pn el polinomio de Lagrange que interpola a f en dichos puntos. Entonces existen constantes apropiadas a0 ,
a1 , . . . , an tales que
Pn (x) = a0 + a1 (x x0 ) + a2 (x x0 )(x x1 ) + + an (x x0 ) (x xn1 ).
Tales constantes pueden determinarse de la siguiente manera. En primer lugar, a0 = Pn (x0 ) = f (x0 ). Si ahora
evaluamos en x1 se obtiene f (x0 ) + a1 (x1 x0 ) = Pn (x1 ) = f (x1 ) de donde
f (x1 ) f (x0 )
a1 = .
x1 x0
Para determinar el resto de constantes vamos a introducir la siguiente notacion.
f [xi ] = f (xi ),
f [xi+1 ] f [xi ]
f [xi , xi+1 ] = ,
xi+1 xi
..
.
f [xi+1 , . . . , xi+k ] f [xi , . . . , xi+k1 ]
f [xi , xi+1 , . . . , xi+k1 , xi+k ] =
xi+k xi
Ahora es un mero ejercicio de manipulacion algebraica deducir que
ak = f [x0 , x1 , . . . , xk ], k = 0, 1, . . . , n.
2
A.2.1. Hallar la ecuacion de la recta tangente a la curva y = 32x +1
en el punto (0, 3).
A.2.2. Dada la parabola de ecuacion y = x2 8x + 12, determinar el punto donde la tangente es paralela al eje
de abscisas.
A.2.3. Escribir la ecuacion de la recta tangente a la hiperbola xy = 1 en el punto de abscisa x = 3.
A.2.4. En que punto de la grafica de la funcion f (x) = x2 6x + 8 la tangente es paralela al eje de abscisas?
A.2.5. Determinar los puntos de la curva y = x3 + 9x2 9x + 15 en los cuales la tangente es paralela a la recta
y = 12x + 5.
A.2.6. Determinar los puntos de la curva y = x4 7x3 + 13x2 + x + 1 que tienen la tangente formando un angulo
de /4 radianes con el eje de abcisas.
A.2.7. Probar que la recta tangente a la curva f (x) = log2 (x) en el punto (a, f (a)) se traza uniendolo con el
punto (0, f (a) 2 log a).
A.2.8. Obtener las ecuaciones de la rectas tangente y normal a la curva y = x3 en los puntos (1, 2) y (2, 8).
A.2.9. Obtener las ecuaciones de la rectas tangente y normal a la curva y = (x + 1)(3 x)1/3 en el punto (2, 3).
A.2.10. La curva dada por y = x2 + ax + b pasa por el punto (2, 1) y alcanza un extremo relativo en x = 3.
Hallar a y b.
A.2.11. Hallar a, b, c y d para que la curva dada por y = ax3 +bx2 +cx+d tenga un maximo en el punto (2, 21)
y un mnimo en el punto (1, 6).
A.2.12. Hallar dos numeros cuya suma sea 20 y su producto el mayor posible.
A.2.13. Descomponer el numero 25 en dos sumandos tales que el doble del cuadrado del primero mas el triple
del cuadrado del segundo sea mnimo.
A.2.14. Calcular las dimensiones del mayor rectangulo cuyo permetro es 40 metros.
A.2.15. Demostrar que la suma de un numero real positivo no nulo y su inverso es mayor o igual que 2.
A.2.16. Hallar dos numeros cuya suma es 18, sabiendo que el producto del uno por el cuadrado del otro ha de ser
maximo.
A.2.17. Hallar las dimensiones de un campo rectangular de 3600 metros cuadrados de superficie para poderlo
cercar mediante una valla de longitud mnima.
52 MATEM ATICAS
A.2.18. Se quiere vallar un campo rectangular que esta junto a un camino. Si la valla del lado del camino cuesta
800 pesetas/metro y la de los otros lados cuesta 100 pesetas/metro, hallar el area del mayor campo que se
puede cercar con 288000 pesetas.
A.2.19. Un jardinero ha de construir un parterre en forma de sector circular con permetro de 20 metros. Cual
sera el radio que da el parterre de area maxima? Cual sera la amplitud en radianes del sector?
A.2.20. Los barriles que se utilizan para almacenar petroleo tienen forma cilndrica y una capacidad de 160 litros.
Hallar las dimensiones del barril para que la chapa empleada en su construccion sea mnima.
A.2.21. De todos los triangulos isosceles de 12 metros de permetro, hallar las dimensiones del que tenga area
maxima.
A.2.22. Entre todos los rectangulos inscritos en una circunferencia de 12 metros de radio, hallar las dimensiones
del que tenga area maxima.
A.2.23. Averiguar como ha de ser un triangulo isosceles de area maxima inscrito en una circunferencia de radio
r.
A.2.24. Entre todos los cilindros rectos de volumen fijo V , hallar el de menor superficie.
A.2.25. Una hoja de papel debe contener 18 centmetros cuadrados de texto impreso. Los margenes superior e
inferior deben tener 2 centmetros cada uno y los laterales 1 centmetro. Calcular las dimensiones de la hoja
para que el gasto de papel sea mnimo.
A.2.26. Hallar los puntos de la curva y 2 = 6x cuya distancia al punto (4, 0) sea mnima.
A.2.27. Determinar la distancia mnima del origen a la curva xy = 1.
A.2.28. Determinar las dimensiones de una piscina no cubierta de volumen 32 m3 con un fondo cuadrado, de
manera que la superficie de sus paredes y del suelo necesiten la mnima cantidad de material.
A.2.29. De una lamina cuadrada de 10dm de lado se cortan cuadrados en cada uno de los vertices con el objeto
de hacer una caja abierta por arriba. Calcular el lado del cuadrado que se debe cortar para que el volumen
de la caja sea maximo.
A.2.30. Las agujas de un reloj miden 4 y 6cm. Uniendo sus extremos se forma un triangulo. Determinar el
instante entre las 12h y las 12h30m en el cual el area del triangulo es maxima.
A.2.31. La tangente en un punto a una curva es paralela al eje horizontal. Que puede decirse de su inclinacion?
Y de su pendiente? Y de la derivada de la curva en ese punto?
A.2.32. a) Calcular el polinomio de Taylor de tercer grado alrededor de x0 = 0 para f (x) = (1 + x)1/2 .

b) Usar el polinomio de la parte (a) para aproximar 1.1.
A.2.33. Con el polinomio de Taylor de tercer grado P3 (x) obtenido en el ejercicio anterior, aproximar f (0.1),
f (0.5), f (1), f (2) y f (10). Calcular el error cometido en cada caso.
A.2.34. Encontrar el polinomio de Taylor de grado 2 para f (x) = x2 3 alrededor del punto
a) x0 = 1.
b) x0 = 0.
A.2.35. Obtener el polinomio de Taylor de tercer grado para f (x) = (1 + x)2 alrededor de x0 = 0, y usar este
polinomio para aproximar f (0.05).
A.2.36. Sea f (x) = ln(1 + x). Encontrar el polinomio de Taylor de grado 4 para f alrededor de x0 = 0, y usarlo
para aproximar ln(1.1).
A.2.37. Usando los numeros, o nodos, x0 = 2, x1 = 2.5 y x2 = 4, calcular el polinomio interpolante de Lagrange
de segundo grado para la funcion f (x) = 1/x. Usar dicho polinomio para calcular el valor de f (3) y obtener
el error cometido.
A.2.38. Usar los polinomios interpolantes de Lagrange apropiados, de grado uno, dos, tres y cuatro, para aproxi-
mar
(a) f (2.5) si
f (2) = 0.5103757, f (2.2) = 0.5207843, f (2.4) = 0.5104147,
f (2.6) = 0.4813306, f (2.8) = 0.435916.
(b) f (0) si
f (0.3) = 0.20431, f (0.1) = 0.08993, f (0.1) = 0.11007,
f (0.3) = 0.39569, f (0.5) = 0.79845.
(c) f (1.25) si
f (1) = 0.24255, f (1.1) = 0.48603, f (1.2) = 0.8616, f (1.3) = 1.59751, f (1.4) = 3.76155.
(d) f (0.5) si
f (0.2) = 0.9798652, f (0.4) = 0.917771, f (0.6) = 0.8080348,
f (0.8) = 0.6386093, f (1) = 0.3843735.
(e) f (0.2) si
f (0.1) = 1.2314028, f (0.3) = 1.9121188, f (0.4) = 2.3855409,
f (0.5) = 2.9682818, f (0.6) = 3.6801169.
A.2.39. Usar los valores siguientes para construir un polinomio de Lagrange de grado dos o menor. Encontrar
una aproximacion para sen(0.34).
sen 0.3 = 0.29552 sen 0.32 = 0.31457 sen 0.35 = 0.3429
A.2.40. Agregar el valor sen 0.33 = 0.32402 a los datos del ejercicio anterior y construir un polinomio de La-
grange de grado tres o menor. Aproximar sen 0.34.
A.2.41. Usar los valores siguientes para construir una aproximacion polinomica de Lagrange de tercer grado para
f (1.09). La funcion que se esta aproximando es f (x) = log10 tan(x).
f (1) = 0.1924 f (1.05) = 0.2414 f (1.1) = 0.2933 f (1.15) = 0.3492
A.2.42. Usar el polinomio interpolante de Lagrange de grado tres o menor para aproximar cos 0.75 usando los
siguientes valores:
cos 0.698 = 0.7661 cos 0.733 = 0.7432
cos 0.768 = 0.7193 cos 0.803 = 0.6946
A.2.43. La funcion f (x) = x3 + 4x2 10 tiene una raz en [1, 2]. Utilizar el algoritmo de biseccion (10 etapas)
para calcular una aproximacion de la raz. Calcular el error sabiendo que la raz exacta, con nueve cifras
decimales, es p = 1.365230013.
A.2.44. Demostrar que f (x) = x3 x 1 tiene exactamente un cero en el intervalo [1, 2]. Aproximar el cero con
0.01 de precision usando el algoritmo de biseccion.
A.2.45. Usar el algoritmo de biseccion para encontrar soluciones con una exactitud de 0.01 para x4 2x3 4x2 +
4x + 4 = 0 en
(a) [2, 0]
(b) [0, 2]
(c) [1, 2].
A.2.46. Usar el algoritmo de biseccion para encontrar una solucion con una exactitud de 0.01 para x = tan x en
[4, 4.5].
A.2.47. Usar el algoritmo de biseccion para encontrar todas las soluciones de x3 7x2 + 14x 6 = 0 con una
precision de 0.001.
A.2.48. Usar el metodo de iteracion del punto fijo para determinar una solucion exacta a 0.01 para 2 sen x + x =
0 en [1, 2]. Tomar p0 = 1.
A.2.49. Resolver x3 x 1 = 0 para la raz en [1, 2] usando el metodo de iteracion del punto fijo. Obtener una
aproximacion a la raz exacta a 0.01.
54 MATEM ATICAS
A.2.50. Usar el metodo de iteracion del punto fijo para determinar una solucion exacta a 0.001 de x = tan x en
[4, 5].
A.2.51. Aproximar con 0.01 de precision las races de las siguientes ecuaciones en los intervalos dados usando el
metodo de Newton y el metodo de la secante.
(a) x3 2x2 5 = 0 en [1, 4].
(b) x3 + 3x2 1 = 0 en [4, 0].
(c) x cos x = 0 en [0, /2].
(d) x 0.8 0.2 sen x = 0 en [0, /2].
4.1. Introduccion
necesitar.
En esta practica nos vamos a centrar en el calculo diferencial en una variable. Aprenderemos a calcular lmites
de funciones, determinaremos los maximos, mnimos, y puntos de inflexion de una funcion, lo que nos permitira
representar graficamente dicha funcion (lo cual, dicho sea de paso, hace automaticamente el programa).
Antes de comenzar la practica sera conveniente que recordemos brevemente la botonera de DERIVE for Win-
dows (ver Figura 2.9), ya que simplifica enormemente la introduccion de datos y la realizacion de calculos. Los
botones permiten realizar las siguientes tareas (de izquierda a derecha): New (abrir una nueva hoja de trabajo),
Open (abrir una hoja de trabajo existente), Save (guardar la sesion de trabajo), Print (imprimir la sesion de tra-
bajo), Remove (eliminar la expresion marcada), Unremove (recuperar la ultima expresion eliminada), Renumber
(renumerar las expresiones), Author expression (introducir una expresion sencilla), Author vector (introdu-
cir un vector), Author matrix (introducir una matriz), Simplify (simplificar), Approximate (calcular un valor
en rapidez.
4.2. Ejemplos de ilustracion
Con DERIVE for Windows podemos calcular la derivada (de cualquier orden) de una funcion, el lmite de una
funcion f (x) cuando x tiende a un numero finito x0 o infinito, los maximos, mnimos y puntos de inflexion, y
tambien podemos utilizar la informacion anterior para representar graficamente una funcion. Veamos mediante
ejemplos como hacer cada una de las tareas anteriores.
ln(1 + x) ln(1 x)
Hallar el siguiente lmite: lim
x0 x
Elejimos Author y escribimos (ln(1+x)-ln(1-x))/x. Despues de seleccionar las opciones Calculus|Limit

(o bien pulsamos el boton lim ) nos aparece la ventana de la Figura 2.10. El programa nos solicita la funcion,
la variable, el punto que utilizaremos para el calculo del lmite y el tipo de aproximacion: Left (lmite por la
izquierda), Right (lmite por la derecha) y Both (lmite ordinario). En nuestro caso, seleccionamos x, 0 y Both.
Finalmente para obtener el resultado debemos pulsar la tecla Simplify, con lo que el programa nos devuelve
como valor del lmite el numero 2.
Figura 2.10: Ventana del programa que nos permite calcular lmites de funciones.
Calcular la derivada de (3x2 + 5x 1)4
Elejimos Author e introducimos la expresion (3x^2+5x-1)^4. A continuacion seleccionamos las opciones

Calculus|Differentiate (o bien pulsamos el boton ) y nos aparece la ventana de la Figura 2.11. Entonces
el programa nos ofrece la expresion que queremos derivar (por defecto la que estaba seleccionada), la variable de
derivacion (por defecto x) y el orden de la derivada que queremos calcular (por defecto 1). Tras pulsar la tecla
obtenemos 4(6x + 5)(3x2 + 5x 1)3 . Si queremos desarrollar la expresion anterior deberemos seleccionar las
opciones Simplify|Expand (o simplemente teclear Ctrl+B) y nos aparece la ventana de la Figura 2.12. Tras
pulsar el boton Expand obtendremos el siguiente polinomio: 648x7 + 3780x6 + 7452x5 + 4800x4 884x3
960x2 + 276x 20.
Calcular la derivada decima de e2x+1
Seguimos los mismos pasos que en el ejemplo anterior. Introducimos la expresion #e^(2x+1) y seleccionamos
56 MATEM ATICAS
Figura 2.11: Ventana del programa que nos permite derivar funciones.
Figura 2.12: Ventana del programa que nos permite desarrollar y simplificar expresiones.
las opciones Calculus|Differentiate. La variable de derivacion es x y el orden de derivacion es 10. Despues

de desarrollar el resultado (pulsando la tecla Simplify) se obtiene 1024e2x+1 .
Calcular los extremos y puntos de inflexion de la funcion 12x5 105x4 + 40x3 + 840x2 1440x
En este caso, lo conveniente es almacenar la funcion. Para ello, elegimos Declare y a continuacion Function
definition, y nos aparece la ventana de la Figura 2.13. El programa nos solicita el nombre, la variable (o varia-
bles) independiente y la definicion de la funcion. Tecleamos el nombre de la funcion (por ejemplo, F), el nombre
de la variable (por ejemplo, x) y la definicion mediante la expresion 12x^5-105x^4+40x^3+840x^2-1440x.
Para los extremos debemos calcular los ceros de la derivada; para ello, seleccionamos las opciones Calculus|
Differentiate (con los valores de x para la variable y de 1 para el orden) y obtenemos 64x4 420x3 +
120x2 + 1680x 1440. A continuacion determinamos los ceros de este polinomio mediante las opciones
Solve|Algebraically, obteniendo x=1, x=2, x=-2, x=6.
Para determinar el caracter de estas races, debemos calcular el valor de la derivada segunda en ellos. Para ello,
seleccionamos la expresion que contiene la definicion de la funcion F o la expresion que contiene su derivada.
A continuacion seleccionamos las opciones Calculus|Differentiate, con el valor x para la variable y 2 o
1 para el orden (dependiendo de si hemos seleccionado la funcion F o su derivada). Una vez hemos calculado
la derivada segunda la almacenamos en una funcion, que llamaremos G, siguiendo los mismos pasos que antes
(Declare y Function definition. . . ), recordando que para copiar automaticamente la expresion seleccionada
Figura 2.13: Venta del programa que permite declarar una funcion. Existen ventanas similares para declarar el
valor de una variable (constante, vector o matriz).
debemos pulsar F3. Si ahora queremos calcular el valor de G en las races previamente calculadas, solo tenemos
que introducir la expresion G(1) y pulsar Simplify (analogamente para las demas), obteniendo los siguientes
resultados : G(1)=900 (luego en x=1 hay un mnimo), G(2)=-960 (maximo en x=2), G(-2)=-5760 (maximo
en x=-2) y G(6)=9600 (mnimo en x=6). Otra posibilidad es calcular los cuatro valores al mismo tiempo; para
ello introducimos la expresion como un vector de 4 elementos como [G(1),G(2),G(-2),G(6)], y el progra-
ma nos devolvera la solucion como un vector: [900, -960, -5760, 9600]. Para determinar las ordenadas
correspondientes a cada abscisa habremos de calcular F (1), F (2), F (2) y F (6), respectivamente, resultando:
F (1) = 653, F (2) = 496, F (2) = 3856 y F (6) = 12528.
Para calcular los puntos de inflexion debemos obtener los ceros de la derivada segunda. Si la precision de los
calculos es Exact entonces obtendremos la solucion en forma trigonometrica. Para obtener un resultado que
podamos manejar mas comodamente es conveniente aproximar seguidamente la solucion numericamente (utili-
zando para ello las opciones Simplify|Approximate con el numero de dgitos que nos parezca adecuado). Los
ceros de la derivada segunda que se obtienen son los siguientes (damos tambien la ordenada correspondiente):
(1.51, 573.59), (0.98, 2079.11) y (4.72, 7904.16).
A continuacion se enuncian unos ejercicios sobre calculo diferencial de funciones reales de una variable. Si el
alumno encuentra alguna dificultad debe revisar detenidamente los ejemplos anteriores.

9n4 n + 3
(a) Calcular el lmite lim .
n0 2n2 + 3n 1
x
(b) Calcular el lmite lim (1 x) tan( ).
x1 2
(c) Calcular la derivada quinta de e3x ln(x).
(d) Calcular los extremos y los puntos de inflexion de la funcion x4 2x2 .
4.4. Bibliografa
58 MATEM ATICAS
R.L. BURDEN y J.D. FAIRES Analisis Numerico, Grupo Editorial Iberoamericana, 1985. Secciones 2.1, 2.2,
2.3, 3.2, 3.3 y 3.4.
Hill, Madrid, 1995. Captulos 2,3 y 4.
J. STEWART Calculo, 2a ed. Grupo Editorial Iberoamerica, Mexico, 1994. Captulos 1,2, y 3.
E.2.1. Representar graficamente la funcion dada por
4x2 4x + 1
y= .
5x2 6x + 1
E.2.2. Determinar como ha de ser un triangulo isosceles de area maxima inscrito en una circunferencia de radio
r.
E.2.3. Se considera la siguiente tabla de datos:
x f (x)
0 1
1 3
3 2
5 4
Utilizar interpolacion polinomica para calcular una aproximacion a f (2).
E.2.4. Se dispone de un alambre de longitud L con el que hay que construir un crculo y un cuadrado. Como se
debe dividir el alambre en dos trozos para que la suma de las areas encerradas por el crculo y el cuadrado
sea mnima? Y para que dicha suma de areas sea maxima?
E.2.5. Utilizar algun metodo numerico para aproximar, con una precision de 106 , el valor de x tal que la distan-
cia entre el punto (1,0) y los puntos de la parabola (x, y(x)), y(x) = x2 , se hace mnima.
Observacion : Sea cual sea el metodo que se utilice, debe considerarse que un valor aproximado pn se acerca
al valor real con una precision de 106 si se satisface que |pn pn1 | < 106 .
E.2.6. Un pediatra esta realizando un seguimiento del peso de los ninos que pasan por su consulta. Elegida una
ficha al azar de su archivo, observa los siguientes datos:
Edad (anos) 1 2 4 5
Peso (Kg) 9 12 16 18
Utilizar interpolacion polinomica de Lagrange para obtener una aproximacion numerica del peso del nino a
los 3 anos de edad.
E.2.7. Una persona se somete a una dieta de adelgazamiento durante 5 semanas. A continuacion se detalla su
peso al termino de cada una de esas semanas:
Al cabo de...(semanas) 1 2 3 4 5
Peso en Kg. 880 5 87 84 820 5 79
Calcular la ecuacion de un polinomio de grado 4 que relacione las dos variables. Usando dicho polinomio
que peso esperaramos que alcance esta persona si sigue la dieta dos semanas mas?
E.2.8. Representar graficamente la funcion f : R R definida como sigue:
(x 1)(x 2)(x 3)
f (x) = .
(x 4)(x 5)(x 6)
Calcular solo los elementos que sean indispensables para realizar una representacion grafica correcta.
E.2.9. Utilizar cualquier metodo numerico, de entre los que han sido explicados en las clases de teora, para
calcular una raz de la ecuacion
x3 + 2x 1 = 0
con una cota de error de 00 001.
60 MATEM ATICAS
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 3
CALCULO INTEGRAL
Concepto de area Integracion de funciones trigonometricas

Sumas de Riemann Integrales irracionales
Integral definida Area de la region entre dos curvas
Propiedades de la integral definida Volumen de un solido de revolucion
Integral indefinida Longitud de arco de una curva
Propiedades de la integral indefinida Area de una superficie de revolucion
Teorema Fundamental del Calculo Integral Integral impropia
Integracion por cambio de variable Regla del punto medio
Integracion por partes Regla del trapecio
Integracion de funciones racionales Regla de Simpson
2.1. El problema del area
En esta seccion partimos de la base que el concepto de area es bien conocido. Esto no significa que el alumno
deba tener una idea precisa y formal de dicho concepto, si no mas bien que todos poseemos una idea intuitiva que
no necesita aclaracion.
El tipo de region mas simple con el que nos podemos encontrar es un rectangulo, cuya area se define como
el producto de su base por su altura. A partir de esta definicion podemos obtener las formulas para el area de
regiones mas complicadas: triangulos, paralelogramos, polgonos regulares, etc. El gran problema se plantea
cuando se intenta calcular el area de regiones mas generales que las poligonales.
Los primeros matematicos que intentaron resolver el problema de una forma seria fueron los griegos, utilizando el
metodo de exhaucion. Este metodo, atribuido a Arqumedes, consiste en encajar la region entre dos polgonos,
uno inscrito y otro circunscrito. Si la diferencia entre las areas de los dos polgonos es pequena, entonces podemos
aproximar el area de la region por cualquier numero comprendido entre el area del polgono inscrito y el area del
polgono circunscrito.
El metodo que emplearemos aqu es parecido. Se trata de aproximar la region por una union de rectangulos de tal
62 MATEM ATICAS
forma que el area de la region se aproxime por la suma de las areas de los rectangulos.
2.2. La integral definida
2.2.1. El sumatorio
Como hemos indicado anteriormente, el area de una region se va a obtener como una suma (posiblemente infinita)
de areas de rectangulos. Para facilitar la escritura y comprension de tal proceso, vamos a introducir una notacion.
La suma de n terminos a1 , a2 , . . . , an se denota por

X
n
ai = a1 + a2 + + an ,
i=1
donde i se llama ndice de la suma, ai el i-esimo termino de la suma y los lmites inferior y superior de la
suma son 1 y n, respectivamente. Estos lmites deben ser constantes con respecto al ndice de la suma y la unica
restriccion es que el lmite superior debe ser cualquier entero superior (o igual) al lmite inferior.
El sumatorio posee las siguientes propiedades:
X
n X
n
(1) kai = k ai , donde k es una constante que no depende del ndice de la suma.
i=1 i=1
X
n X
n X
n
(2) [ai bi ] = ai bi
i=1 i=1 i=1
Por ejemplo, algunas formulas de suma importantes son las siguientes:
X
n
(1) c = cn.
i=1
X
n
n(n + 1)
(2) i= .
i=1
2
X
n
n(n + 1)(2n + 1)
(3) i2 = .
i=1
6
X
n
n2 (n + 1)2
(4) i3 = .
i=1
4
2.2.2. Sumas de Riemann
Consideremos una funcion f definida en el intervalo cerrado [a, b]. Una particion P de dicho intervalo es un
conjunto de numeros {x0 , x1 , x2 , . . . , xn } tales que
a = x0 < x1 < x2 < < xn1 < xn = b.
C ALCULO INTEGRAL 63
Si xi es la anchura del i-esimo subintervalo [xi1 , xi ], es decir, xi = xi xi1 , entonces se define la norma
de P, y se denota por ||P ||, como la longitud del subintervalo mas grande. En otras palabras,
||P || = max {xi } = max{x1 , x2 , . . . , xn }.

16i6n
Si ci es cualquier punto del subintervalo i-esimo, entonces la suma
X
n
f (ci )xi , xi1 6 ci 6 xi ,
i=1
se llama suma de Riemann de la funcion f asociada a la particion P . Entre todos los posibles valores de ci ,
podemos destacar los siguientes:
(1) ci = mi para todo i, donde f (mi ) es el valor mnimo de f en el i-esimo subintervalo. Entonces la suma de
Riemann
X
n
s(f, P ) = f (mi )xi
i=1
se denomina suma inferior de f asociada a P (ver Figura 3.1).
y y = f (x)
6
-
x
0 a b
Figura 3.1: Suma inferior de Riemann.
(2) ci = Mi para todo i, donde f (Mi ) es el valor maximo de f en el i-esimo subintervalo. Entonces la suma
de Riemann
Xn
S(f, P ) = f (Mi )xi
i=1
se denomina suma superior de f asociada a P (ver Figura 3.2).
X
n
Es facil comprobar que s(f, P ) 6 f (ci )xi 6 S(f, P ) para cualquier particion P del intervalo [a, b].
i=1
Una funcion f definida en [a, b] se dice integrable en [a, b] si existe el lmite de las sumas de Riemann de f
(cuando la norma de P tiende a 0) y denotamos este lmite mediante
X
n Z b
lim f (ci )xi = f (x)dx.
||P ||0 a
i=1
64 MATEM ATICAS
y = f (x)
y 6
-
x
0 a b
Figura 3.2: Suma superior de Riemann.
Dicho valor se denomina integral definida de f entre a y b. a y b son los lmites inferior y superior de integracion,
respectivamente.
No todas las funciones son integrables. Sin embargo, el siguiente resultado nos garantiza que la familia de funcio-
nes integrables en un intervalo es muy grande: Toda funcion continua en un intervalo cerrado [a, b] es integrable
en dicho intervalo .
La relacion entre el area de una region y el concepto de integral definida queda reflejada en el siguiente resultado:
Si f es continua y no negativa en un intervalo cerrado [a, b], entonces el area de la region limitada por f , el eje x
y las lneas verticales x = a y x = b viene dada por
Z b
area = f (x)dx.
a
2.2.3. Propiedades de la integral definida
La integral definida de una funcion f satisface las siguientes propiedades:
Z a
(1) f (x)dx = 0.
a
Z a Z b
(2) f (x)dx = f (x)dx.
b a
Z b
(3) cdx = c(b a).
a
Z b Z b Z b
(4) [f (x) g(x)]dx = f (x)dx g(x)dx.
a a a
Z b Z b
(5) cf (x)dx = c f (x)dx.
a a
Z b Z c Z b
(6) f (x)dx = f (x)dx + f (x)dx.
a a c
(7) Si f es no negativa en el intervalo cerrado [a, b] entonces

Z b
f (x)dx > 0.
a
(8) Si f y g son integrables en [a, b] satisfaciendo que f (x) 6 g(x) para todo valor de x en [a, b], entonces
Z b Z b
f (x)dx 6 g(x)dx.
a a
(9) Si m 6 f (x) 6 M para todo valor de x en [a, b] entonces

Z b
m(b a) 6 f (x)dx 6 M (b a).
a
Z Z
b b

(10) f (x)dx 6 |f (x)|dx.
a a
2.3. La integral indefinida
El problema de la integracion puede interpretarse como el problema dual de la derivacion, y tal relacion queda
claramente de manifiesto en el Teorema Fundamental del Calculo. Antes de llegar a este teorema importantsimo,
necesitamos introducir el concepto de primitiva (o antiderivada).
Sean f y F dos funciones. Se dice que F es una primitiva (o antiderivada) de la funcion f si F 0 (x) = f (x)
para todo valor posible de x.
El siguiente resultado es de una importancia crucial, ya que nos garantiza que cualquier primitiva de una funcion
puede ser obtenida mediante la adicion de una constante a una primitiva conocida. Esta sera la base del segundo
teorema del calculo integral o Regla de Barrow.
Si F es una primitiva de f en un intervalo I , entonces G es tambien una primitiva de F en el intervalo I si y solo

si
G(x) = F (x) + C
para todo valor de x, siendo C una constante.
Como una notacion, cualquier primitiva de la funcion f se indicara por

Z
f (x)dx,
y se denominara, genericamente, integral indefinida de f .
Como consecuencia de lo anterior y de las propiedades de la derivacion de funciones, se tienen las siguientes
propiedades:
Z
(1) 0dx = C.
Z
(2) kdx = kx + C.
66 MATEM ATICAS
Z Z
(3) kf (x) = k f (x)dx.
Z Z Z
(4) [f (x) g(x)]dx = f (x)dx g(x)dx.
Z
xn+1
(5) xn dx = + C.
n+1
2.3.1. Primer Teorema Fundamental del Calculo Integral
Si f es una funcion continua en [a, b], entonces la funcion F definida por

Z x
F (x) = f (t)dt
a
es continua en [a, b], diferenciable en (a, b) y satisface que F 0 (x) = f (x).
2.3.2. Segundo Teorema Fundamental del Calculo Integral
Si f es una funcion continua en [a, b] entonces

Z b
f (x)dx = F (b) F (a)
a
donde F es cualquier primitiva de f en el intervalo [a, b].
2.4. Metodos de integracion
2.4.1. Integrales de las funciones elementales
Las reglas del calculo integral descritas anteriormente permiten encontrar la integral indefinida de ciertas funcio-
nes a partir de la integral indefinida de otras funciones mas elementales o basicas. Pero en ultimo extremo, la
integral indefinida de estas funciones basicas debe obtenerse a partir de la definicion. Para facilitar la busqueda de
integrales indefinidas, en la Tabla 3.1 listamos algunas de las mas elementales; la lista no es demasiado exhaustiva
y siempre se puede recurrir a cualquiera de los libros recomendados para obtener una tabla mas completa.
2.4.2. Integracion por cambio de variable
El metodo de integracion por sustitucion o cambio de variable se apoya en el siguiente resultado teorico.
Z Z
xn+1
kdx = kx + C xn dx = +C
n+1
Z Z
1
dx = ln |x| + C ex dx = ex + C
x
Z Z
x ax
a dx = +C cos xdx = sen x + C
ln a
Z Z
sen xdx = cos x + C tan xdx = ln | cos x| + C
Z Z
cotan xdx = ln | sen x| + C sec xdx = ln | sec x + tan x| + C
Z Z
cosec xdx = ln | cosec x + cotan x| + C sec2 xdx = tan x + C
Z Z
cosec2 xdx = cotan x + C sec x tan xdx = sec x + C
Z Z
dx x
cosec x cotan xdx = cotan x + C = arcsen + C
a 2 x2 a
Z Z
dx 1 x dx 1 |x|
= arctan + C = arcsec +C
a 2 + x2 a a x x2 a 2 a a
Z Z
cosh xdx = senh x + C senh xdx = cosh x + C
Tabla 3.1: Formulas basicas de integracion.

68 MATEM ATICAS
Sean f y g funciones tales que f g es una funcion continua en un intervalo I . Si F es una primitiva de f en I ,
entonces Z
f (g(x))g 0 (x)dx = F (g(x)) + C.
Como consecuencia de lo anterior, podemos utilizar la siguiente estrategia:
(1) Escoger una sustitucion u = g(x) adecuada.
(2) Hallar du = g 0 (x)dx.
(3) Reescribir la integral en terminos de la nueva variable u.
(4) Calcular la integral resultante en terminos de u.
(5) Cambiar u por g(x) para obtener la primitiva en terminos de x.
2.4.3. Integracion por partes
Esta tecnica es especialmente util cuando la funcion a integrar es un producto de funciones algebraicas o trascen-
dentes, de tal suerte que un factor se deriva facilmente y otro factor se integra sin mucha dificultad. El metodo se
sustenta en el siguiente resultado teorico:
Si u y v son funciones de x y tienen derivadas continuas, entonces

Z Z
udv = uv vdu.
La estrategia que debe utilizarse para utilizar este metodo es la siguiente:
(1) Tratar de que dv sea la parte mas complicada del integrando que se ajusta a una formula de integracion
basica. Entonces u sera el resto del integrando.
(2) Alternativamente, tratar de que u sea la parte del integrando cuya derivada es una funcion mas simple que
u. Entonces dv sera el factor restante del integrando.
Algunas de las integrales por partes mas comunes se ofrecen a continuacion:
Z Z Z
(1) xn eax dx, xn sen axdx, xn cos axdx
Considerar u = xn y dv = eax dx, sen axdx, cos axdx, respectivamente.
Z Z Z
(2) x ln xdx, x arcsen axdx, xn arctan axdx
n n
Considerar u = ln x, arcsen ax, arctan ax y dv = xn dx, respectivamente.

Z Z
(3) eax cos bxdx, eax sen bxdx
Tomar u = cos bx, sen bx y dv = eax dx, respectivamente.
2.4.4. Integracion de funciones racionales
La integracion de funciones racionales se apoya en la tecnica de la descomposicion en fracciones simples, cuya

integracion es mas sencilla. Sea la funcion racional R(x), donde
P (x) b0 + b1 x + + bn xn
R(x) = = .
Q(x) a 0 + a 1 x + + a m xm
R es una funcion racional propia si el grado del denominador es mayor que el grado del numerador, es decir m >
n. En caso contrario, la funcion R se dice que es impropia. Podemos restringirnos, sin perdida de generalidad, al
caso de funciones racionales propias, ya que de no ser as siempre podemos dividir el polinomio P entre Q para
obtener
S(x)
R(x) = C(x) + ,
Q(x)
donde la funcion racional S(x)/Q(x) ya es propia.
Para descomponer una funcion racional propia en fracciones simples debemos seguir los siguientes pasos:
(1) Factorizar el denominador. Hay que descomponer completamente el denominador Q(x) en factores de la
forma
(px + q)k
y
(ax2 + bx + c)k ,
donde ax2 + bx + c es irreducible (tiene races complejas).
(2) Factores lineales. Por cada factor de la forma (px+q)k , la descomposicion en factores simples debe incluir
la siguiente suma de k fracciones simples:
A1 A2 Ak
+ + + .
(px + q) (px + q)2 (px + q)k
(3) Factores cuadraticos. Por cada factor de la forma (ax2 + bx + c)k , la descomposicion en factores simples
debe incluir la siguiente suma de k fracciones:
B1 x + C 1 B2 x + C2 Bk x + Ck
+ + + .
(ax2 + bx + c) (ax2 + bx + c)2 (ax2 + bx + c)k
Cuando el denominador tiene factores de multiplicidad mayor que uno, entonces la obtencion de la integral indefi-
nida puede ser muy laboriosa. En estos casos es recomendable utilizar el siguiente metodo, que tambien es valido
en cualquier otra situacion.
2.4.4.1. Metodo de Hermite-Ostrogradski
Consideremos la funcion racional R = P/Q, entonces

Z Z
P (x) X(x) Y (x)
dx = + dx,
Q(x) Q1 (x) Q2 (x)
donde Q1 (x) es el maximo comun divisor de Q(x) y de su derivada Q0 (x), Q2 (x) es el cociente Q(x)/Q1 (x),
y los polinomios X(x) e Y (x) son polinomios con coeficientes indeterminados cuyos grados son inferiores en
una unidad a los grados de Q1 (x) y Q2 (x), respectivamente. Los polinomios X e Y se calculan derivando en la
igualdad anterior, de forma que se tiene
P (x) X 0 (x)Q1 (x) Q01 (x)X(x) Y (x)
= + .
Q(x) Q1 (x)2 Q2 (x)
70 MATEM ATICAS
2.4.5. Integracion de funciones trigonometricas
2.4.5.1. Integrales de senos y cosenos
En este apartado vamos a resolver las integrales de la forma

Z
senm x cosn xdx,
siendo m o n un entero positivo. Se deben seguir las siguientes reglas:
(1) Si n = 2k + 1 es impar, n > 1, entonces se utilizan las igualdades siguientes:
cosn x = cosn1 x cos x

cos2 x = 1 sen2 x
y la integral queda
Z Z Z
sen x cos xdx = sen x(1 sen x) cos xdx = tm (1 t2 )k dt
m n m 2 k
donde la ultima igualdad se obtiene tras realizar el cambio de variable t = sen x.

(2) Si m = 2k + 1 es impar, m > 1, entonces se utilizan las igualdades siguientes:
senm x = senm1 x sen x

sen2 x = 1 cos2 x
y la integral queda
Z Z Z
senm x cosn xdx = (1 cos2 x)k cosn x sen xdx = tn (1 t2 )k dt
donde la ultima igualdad se obtiene tras realizar el cambio de variable t = cos x.

(3) Si m y n son pares y no negativos entonces se utilizan las siguientes formulas de reduccion:
1
sen x cos x = sen 2x
2
1
sen2 x = (1 cos 2x)
2
1
cos2 x = (1 + cos 2x)
2
2.4.5.2. Integrales de secantes y tangentes
En este apartado vamos a resolver las integrales de la forma

Z
secm x tann xdx,
siendo m o n un entero positivo. Se deben seguir las siguientes reglas:

(1) Si m = 2k es positivo y par, entonces utilizamos la igualdad

sec2 x = 1 + tan2 x
y la integral queda:
Z Z
m n
sec x tan xdx = (sec2 x)k1 tann x sec2 xdx
Z
= (1 + tan2 x)k1 tann x sec2 xdx
Z
= (1 + u2 )k1 un du
donde la ultima igualdad se obtiene mediante el cambio de variable u = tan x.

(2) Si n = 2k + 1 es positivo e impar, entonces utilizamos la igualdad
tan2 x = sec2 x 1
y la integral queda:
Z Z
secm x tann xdx = secm1 x(tan2 x)k sec x tan xdx
Z
= secm1 x(sec2 x 1)k sec x tan xdx
Z
= um1 (u2 1)k du
donde la ultima igualdad se obtiene mediante el cambio de variable u = sec x.

(3) Si m y n son impares, se transforma un factor tan2 x en sec2 x 1 y se aplican los casos anteriores. Si es
necesario, se vuelve a aplicar esta transformacion.
(4) Si n = 0 y m es impar y positivo, entonces se utiliza integracion por partes:
u = secm2 x
dv = sec2 xdx
(5) Si n = 0 y m es par y positivo, se utiliza el cambio de variable t = tan x y la integral queda

Z Z Z Z
m2 m2 m2
secm xdx = (sec2 x) 2 sec2 x = (1 + tan2 x) 2 sec2 xdx = (1 + t2 ) 2 dt
(6) Si no se puede aplicar ninguna de las reglas anteriores, debemos intentar convertir la integral a senos y
cosenos.
2.4.5.3. Cambios de variable trigonometricos
Las sustituciones trigonometricas se emplean en integrales donde aparacen los siguientes radicales:
p p p
a 2 x2 , a 2 + x2 , x2 a 2 .
Los cambios que deben hacerse son los siguientes:

(1) Para integrales que contienen a2 x2 , hacer x = a sen t. Entonces
a2 x2 = a cos t.

(2) Para integrales que contienen a2 + x2 , hacer x = a tan t. Entonces a2 + x2 = a sec t.

(3) Para integrales que contienen x2 a2 , hacer x = a sec t. Entonces a2 x2 = a tan t. El signo + o
depende de si x > a o x < a, respectivamente.
72 MATEM ATICAS
2.4.5.4. Funciones racionales de senos y cosenos
Para las integrales de funciones racionales en senos y cosenos existen varios cambios de variable especiales. Se
trata de calcular la integral Z
R(sen x, cos x)dx,
donde R es una funcion racional. Los cambios apropiados son los siguientes:
(1) Si R es impar en sen x, es decir, R( sen x, cos x) = R(sen x, cos x), entonces debemos hacer t = cos x.
(2) Si R es impar en cos x, es decir, R(sen x, cos x) = R(sen x, cos x), entonces debemos hacer t = sen x.
(3) Si R( sen x, cos x) = R(sen x, cos x), entonces debemos hacer t = tan x.
(4) Si no se puede aplicar ninguno de los casos anteriores, entonces hacemos el cambio universal t = tan(x/2),
de modo que
2t
sen x = ,
1 + t2
1 t2
cos x = ,
1 + t2
2dt
dx = .
1 + t2
2.4.6. Integrales irracionales
No siempre es posible expresar la integral de una funcion irracional mediante funciones elementales. En esta
seccion veremos algunos tipos de funciones irracionales que s permiten expresar su integral indefinida por medio
de funciones elementales.
Z
2.4.6.1. Integrales del tipo R(x, xp1 /q1 , . . . , xpk /qk )dx
Se efectua la sustitucion
x = tm ,
siendo m el mnimo comun multiplo de {q1 , q2 , . . . , qk }.
Z p1 /q1 pk /qk

ax + b ax + b
2.4.6.2. Integrales del tipo R(x, ,..., )dx
cx + d cx + d
Se efectua la sustitucion
ax + b
= tm ,
cx + d
siendo m el mnimo comun multiplo de {q1 , q2 , . . . , qk }.
Z p
2.4.6.3. Integrales del tipo R(x, ax2 + bx + c)dx
Se efectuan las siguientes sustituciones:
(1) Si a > 0 entonces hacemos p

ax2 + bx + c = ax + t,
con lo que
t2 c
x= .
b 2 at
(2) Si ax2 + bx + c = a(x )(x ), siendo y las races reales, entonces hacemos
p
ax2 + bx + c = (x )t,
de modo que
a t2
x= .
a t2
Z
2.4.6.4. Integrales del tipo xm (a + bxn )p dx
Estas integrales se conocen con el nombre de integrales binomias, y los exponentes m, n y p deben ser numeros
racionales. En primer lugar se realiza el cambio de variable t = xn y la integral se transforma en la siguiente
Z Z
1
xm (a + bxn )p dx = tq (a + bt)p dt,
n
m+1
donde q = 1. La integral anterior se puede calcular explcitamente en los siguientes casos:
n
(1) Si p es entero entonces se desarrolla el binomio (a + bt)p o (a + bt)p , segun sea p positivo o negativo, y
se obtiene una integral irracional del tipo R(x, xp1 /q1 , . . . , xpk /qk ).
(2) Si p no es entero pero q s lo es, entonces la integral se transforma en una irracional del tipo R(t, (a+bt)r/s ).
(3) Si p no es entero pero p + q s, entonces la integral se transforma en una integral irracional del tipo
r/s !
a + bt
R t, .
t
2.5. Aplicaciones del calculo integral
2.5.1. Area de la region entre dos curvas
Ya hemos visto que el area que hay bajo una curva se puede calcular utilizando la integral definida. Con muy
escasas modificaciones podemos calcular el area que hay entre dos curvas. Consideremos dos funciones f y g
74 MATEM ATICAS
definidas en un intervalo [a, b] tales que f (x) > g(x) para todo valor x de [a, b]. Entonces el area de la region
limitada por las graficas de f y g y las lneas rectas x = a y x = b viene dada por
Z b
A= [f (x) g(x)]dx.
a
Figura 3.3: Area de la region comprendida entre dos graficas.
En general, puede ocurrir que no siempre se verifique f (x) > g(x) ni lo contrario. Entonces debemos dividir el
intervalo [a, b] en subintervalos donde s ocurra, aplicar la formula anterior en cada subintervalo y posteriormente
sumar los resultados. En otras palabras:
El area de la region limitada por las graficas de dos funciones f y g , y las lneas rectas x = a y x = b viene dada
por
Z b
A= |f (x) g(x)|dx.
a
2.5.2. Calculo de volumenes de los solidos de revolucion
En esta seccion vamos a calcular el volumen de un solido tridimensional que aparece frecuentemente en ingeniera
y en procesos de produccion. Nos estamos refiriendo a los solidos de revolucion, los cuales se obtienen al hacer
girar una region plana alrededor de una recta contenida en el mismo plano y que no corta a la region. Ejemplos de
solidos de revolucion son el cilindro circular recto, la esfera y el toro.
2.5.2.1. Metodo de discos
Para calcular el volumen de un solido de revolucion por el metodo de discos, debemos utilizar las siguientes
formulas:
(1) Si el eje de revolucion es horizontal:

Z b
V = [R(x)]2 dx.
a
En este caso estamos suponiendo que la region plana que gira es la region limitada por la grafica de R(x),
el eje x, y las lneas rectas x = a y x = b. Como eje de revolucion se considera el eje x.
Figura 3.4: Metodo de discos para el calculo de volumenes.
(2) Si el eje de revolucion es vertical:

Z d
V = [R(y)]2 dy.
c
En este caso estamos suponiendo que la region plana que gira es la region limitada por la grafica de R(y),
el eje y, y las lneas rectas y = c y y = d. Como eje de revolucion se considera el eje y.
2.5.2.2. Metodo de arandelas
Se utiliza este metodo cuando se trata de calcular el volumen de un solido de revolucion con un agujero. Este
tipo de solidos aparecen cuando la region plana que gira y el eje de revolucion no estan juntos. Supongamos que
la region plana es la region determinada por las graficas de las funciones R(x) y r(x) (con R(x) > r(x)), y las
lneas rectas x = a y x = b. Si se gira esta region alrededor del eje x entonces el volumen del solido resultante es
Z b
V = [R(x)2 r(x)2 ]dx.
a
Si la region plana es la region determinada por las graficas de las funciones R(y) y r(y) (con R(y) > r(y)), y las
Figura 3.5: Metodo de arandelas para el calculo de volumenes.

76 MATEM ATICAS
lneas rectas y = c y y = d. y se gira esta region alrededor del eje y entonces el volumen del solido resultante es
Z d
V = [R(y)2 r(y)2 ]dy.
c
2.5.2.3. Metodo de capas
Consideremos la region plana determinada por la grafica de una funcion f (x), y las rectas x = a, x = b e y = c.
El volumen del solido de revolucion obtenido al girar dicha region alrededor de un eje vertical x = x0 viene dado
por
Z b
V = 2 p(x)h(x)dx,
a
donde p(x) es la distancia de x al eje de revolucion y h(x) es la distancia entre c y f (x). Usualmente, el eje de
revolucion es el eje y y la region esta junto al eje x, por lo que p(x) = x y h(x) = f (x).
Figura 3.6: Metodo de capas para el calculo de volumenes.
Si consideramos la region plana determinada por la grafica de una funcion f (y), y las rectas y = c, y = d y x = a,
el volumen del solido de revolucion obtenido al girar dicha region alrededor de un eje horizontal y = y0 viene
dado por
Z d
V = 2 p(y)h(y)dy,
c
donde p(y) es la distancia de y al eje de revolucion y h(y) es la distancia entre a y f (y). Cuando el eje de
revolucion es el eje x y la region esta junto al eje y, entonces p(y) = y y h(y) = f (y).
2.5.3. Calculo de volumenes
Analicemos ahora un solido S cualquiera. Vamos a suponer que existe una recta, que consideraremos el eje x,
y dos planos paralelos entre s y perpendiculares al eje, tales que el solido se encuentra entre ambos planos (de
ecuaciones x = a y x = b). Cada plano x = x0 , a 6 x0 6 b, paralelo a los anteriores y perpendicular al eje
intersecciona a S segun una region (denominada seccion transversal) cuya area se denota por A(x0 ). Haciendo
esto para cada valor x0 en el intervalo [a, b] podemos construir una funcion A(x), definida en [a, b], que mide el
area de las secciones transversales. Entonces el volumen de S viene dado por
Z b
V = A(x)dx.
a
Casos particulares de esta formula han sido obtenidos en la seccion anterior dedicada a los solidos de revolucion.
2.5.4. Longitudes de curvas
Un segmento de curva se dice rectificable si tiene una longitud de arco finita. El problema de determinar la lon-
gitud de una curva es muy antiguo (algunas contribuciones ya fueron realizadas por los matematicos C. Huygens
(16291695) y J. Gregory (16381675)) y no por ello es sencillo. Una condicion suficiente para que la grafica de
una funcion f sea rectificable entre los puntos (a, f (a)) y (b, f (b)) es que la derivada f 0 sea una funcion continua
en [a, b]. Se dice entonces que la funcion f es continuamente derivable o de clase C 1 .
El fundamento teorico que nos permite obtener una formula para la longitud de arco es el siguiente. Consideremos
dos puntos xi1 y xi en el intervalo [a, b]. Entonces por el teorema del valor medio se tiene
f (xi ) f (xi1 ) = f 0 (ci )(xi xi1 ), ci (xi1 , xi ).
Si aproximamos la longitud de arco de la curva por la longitud de una poligonal que se apoya en los puntos
{(xi , f (xi ))} entonces al tomar lmites se obtiene
X
n p
Lba (f ) = lim (xi )2 + (yi )2
n
i=1
s 2
X
n
yi
= lim 1+ xi
n
i=1
xi
Xn p
= lim 1 + f 0 (ci )2 xi
n
i=1
Z b p
= 1 + f 0 (x)2 dx
a
donde xi = xi xi1 y yi = f (xi ) f (xi1 ).
En consecuencia, obtenemos las siguientes formulas:
(1) Si la funcion y = f (x) representa una curva suave en el intervalo [a, b], la longitud de arco de f entre a y b
viene dada por
Z bp
Lba (f ) = 1 + f 0 (x)2 dx.
a
(2) Si la funcion x = g(y) representa una curva suave en el intervalo [c, d], entonces la longitud de arco de g
entre c y d es
Z dp
Ldc (g) = 1 + g 0 (y)2 dy.
c
2.5.5. Areas de superficies de revolucion
Si se gira la grafica de una funcion continua alrededor de una recta, la superficie resultante se denomina superficie
de revolucion. Para calcular el area de una superficie de revolucion se parte de la formula del area de un tronco
de cono circular recto y se aplica a los conos obtenidos al rectificar la curva por medio de una poligonal que se
apoya en los puntos {(xi , f (xi ))}. El resultado obtenido es el siguiente.
78 MATEM ATICAS
Si y = f (x) tiene derivada continua en el intervalo [a, b], entonces el area de la superficie de revolucion S formada
al girar la grafica de f alrededor de un eje horizontal o vertical es
Z b p
S = 2 r(x) 1 + f 0 (x)2 dx,
a
donde r(x) es la distancia entre la grafica de f y el eje de revolucion correspondiente.
2.6. Integrales impropias
La definicion de integral definida que hemos presentado requiere que el intervalo [a, b] de integracion sea finito y
que la funcion f a integrar sea continua. Sin embargo, existen funciones que no cumplen estos requisitos (bien
porque el intervalo no es finito o bien porque la funcion f presenta alguna discontinuidad) y que, sin embargo,
pueden ser integradas, en un sentido que precisaremos a continuacion.
2.6.1. Intervalos infinitos
Cuando el intervalo de integracion es infinito, se pueden presentar las siguientes posibilidades:
y 6
y = f (x)
-
0 a x
Figura 3.7: Integrales impropias de primera clase.
(1) Si f es continua en [a, ), entonces

Z Z b
f (x)dx = lim f (x)dx.
a b a
(2) Si f es continua en (, b], entonces

Z b Z b
a a
(3) Si f es continua en (, ) = R, entonces

Z Z c Z
f (x)dx = f (x)dx + f (x)dx.
c
para cualquier numero real c.

Si los lmites existen, la integral correspondiente se dice que converge o que es convergente; en caso contrario,
diremos que la integral diverge o que es divergente.
2.6.2. Integrandos discontinuos
En este apartado analizamos la integrales impropias que aparecen cuando existe alguna discontinuidad infinita en
los lmites de integracion o en el interior del intervalo. Se pueden presentar las siguientes posibilidades:
y 6
y = f (x)
-
0 a c b x
Figura 3.8: Integrales impropias de segunda clase.
(1) Si f es continua en [a, b) y presenta una discontinuidad infinita en b, entonces

Z b Z c
a cb a
(2) Si f es continua en (a, b] y presenta una discontinuidad infinita en a, entonces

Z b Z b
f (x)dx = lim+ f (x)dx.
a ca c
(3) Si f es continua en [a, b] excepto en un punto c (a, b) donde presenta una discontinuidad infinita, entonces
Z b Z c Z b
f (x)dx = f (x)dx + f (x)dx.
a a c
Si los lmites existen, la integral correspondiente se dice que converge o que es convergente; en caso contrario,
diremos que la integral diverge o que es divergente.
2.7. Integracion numerica
Hay ocasiones en las que es imposible determinar explcitamente la integral indefinida de una funcion, por lo
que no podemos calcular el area que hay bajo la grafica de la funcion utilizando la Regla de Barrow. En estos
casos, solo nos queda recurrir al calculo numerico de dichas integrales, utilizando una tecnica de aproximacion.
A continuacion describimos algunos de los metodos mas sencillos.
80 MATEM ATICAS
2.7.1. Regla de las sumas inferiores y superiores
Rb
Sea f una funcion continua en [a, b]. La regla de las sumas inferiores para aproximar a
f (x)dx viene dada por
Z
ba X
n
b
ba
f (x)dx f (mi ) = [f (m1 ) + f (m2 ) + + f (mn )],
a n i=1 n
donde f (mi ) es el valor mnimo de f en el i-esimo subintervalo [xi1 , xi ].

Rb
Analogamente, la regla de las sumas superiores para aproximar a
Z
baX
n
b
ba
f (x)dx f (Mi ) = [f (M1 ) + f (M2 ) + + f (Mn )],
a n i=1 n
donde f (Mi ) es el valor maximo de f en el i-esimo subintervalo [xi1 , xi ].
2.7.2. Regla de los extremos izquierdos y derechos
Rb
Sea f una funcion continua en [a, b]. La regla de los extremos izquierdos para aproximar a f (x)dx viene dada
por
Z b
ba X
n
ba
f (x)dx f (xi1 ) = [f (x0 ) + f (x1 ) + + f (xn1 )].
a n i=1 n
Rb
Analogamente, la regla de los extremos derechos para aproximar a
Z
ba X
n
b
ba
f (x)dx f (xi ) = [f (x1 ) + f (x2 ) + + f (xn )].
a n i=1 n
2.7.3. Regla del punto medio
Rb
Sea f una funcion continua en [a, b]. La regla del punto medio para aproximar a
Z
ba X
n
b
ba
f (x)dx f (xi ) = [f (x1 ) + f (x2 ) + + f (xn )],
a n i=1 n
donde xi es el punto medio del i-esimo subintervalo [xi1 , xi ], es decir, xi = 12 (xi1 + xi ).
2.7.4. Regla del trapecio
Rb
Sea f una funcion continua en [a, b]. La regla del trapecio para aproximar a
Z
b a X f (xi1 ) + f (xi )
n
b
ba
f (x)dx = [f (a) + 2f (x1 ) + + 2f (xn1 ) + f (b)].
a n i=1 2 2n
y y = f (x)
6
-
x
0 a b
Figura 3.9: Regla del punto medio para la integracion numerica.
y y = f (x)
6
-
x
0 a b
Figura 3.10: Regla del trapecio para la integracion numerica.
2.7.5. Regla de Simpson
La regla de los trapecios se obtiene de aproximar la curva por una poligonal, con lo que la region bajo la curva
se aproxima por una union de trapecios. En consecuencia, el area de dicha region se aproxima por la suma de las
areas de los trapecios. Otra posibilidad puede ser agrupar los puntos de la particion de tres en tres y aproximar la
funcion por segmentos parabolicos (en lugar de rectilneos). Entonces la integral de la funcion se puede aproximar
por la integral de los segmentos parabolicos.
Rb
Sea f una funcion continua en [a, b]. La regla de Simpson para aproximar a
Z b
ba
f (x)dx [f (a) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + + 2f (xn2 ) + 4f (xn1 ) + f (b)],
a 3n
siendo n un numero par.

82 MATEM ATICAS
y y = f (x)
6
p(x)
a = x0 x1 x
0 b = x2
Figura 3.11: Regla de Simpson para la integracion numerica.
2.7.6. Estimacion de errores
Cuando se trabaja con aproximaciones es importante conocer con que precision estamos calculando el valor de
la integral. Ademas, es posible que algun metodo sea sensiblemente mejor que los demas, si bien puede que sea
bajo ciertas hipotesis. A continuacion enunciamos los errores que se cometen en las reglas de aproximacion mas
usuales.
Rb
(1) Si f tiene derivada segunda continua en [a, b], entonces el error EM cometido al aproximar a
f (x)dx por
la regla del punto medio es
M (b a)3
|EM | 6 ,
24n2
siendo M una cota superior para |f 00 |, es decir, |f 00 (x)| 6 M para todo valor de x.
Rb
(2) Si f tiene derivada segunda continua en [a, b], entonces el error ET cometido al aproximar a
f (x)dx por
la regla del trapecio es
M (b a)3
|ET | 6 ,
12n2
siendo M una cota superior para |f 00 |, es decir, |f 00 (x)| 6 M para todo valor de x.
Rb
(3) Si f tiene derivada cuarta continua en [a, b], entonces el error ES cometido al aproximar a
f (x)dx por la
regla de Simpson es
M (b a)5
|ES | 6 ,
180n4
siendo M una cota superior para |f (4) |, es decir, |f (4) (x)| 6 M para todo valor de x.
A.3.1. Hallar la integral indefinida y comprobar el resultado por derivacion:

Z Z Z
1 1
3
xdx dx dx
x2 x x
Z Z Z
1
x(x2 + 3)dx (x3/2 + 2x + 1)dx dx
(2x)3
Z Z Z
3 1
(x + 2)dx (x2 2x + 3)dx 3
dx
Z Z Z 2x

1 3 4
x+ dx x2 dx ( x3 + 1)dx
2 x
Z Z 3 Z 4
x 3x2 + 3x 1 x 1
(x2 2x + 1)2 dx dx dx
Z Z x2 2x + 1 Z x1
2
x(x + 1)
(2x 1)2 (3x + 1)dx (x2 1)(x + 1)dx dx
Z Z Z x5/3
x4 (x2 1)3 dx x5 x4/3 (x3 1)dx 3(4x 2)2 dx
3 3
Z Z Z
1 1 1
3
dx 4
dx 2
dx
Z x Z x2 Z 4x2
x +x+1 x +1
(2x + x1/2 )dx dx dx
x x2
Z Z Z 2
t +2
(x + 1)(3x 2)dx (2t2 1)2 dt dt
Z Z Z t2

(1 2y + 3y 3 )dy y 2 ydy (1 + 3t)t2 dt
Z Z p Z
4
2(1 + 2x) dx x 9 x2 dx x2 (x3 1)4 dx
Z p Z Z
3 x2 4x
5x 1 x2 dx dx dx
(1 + x3 )2 16 x2
Z Z 3 Z
x+1 1 1 1
dx 1+ dt dx
(x2 + 2x 3)2 t t2 2x
Z 2 Z Z
x + 3x + 7 2
dx t2 t dt (9 y) ydy
x t
A.3.4. Calcular las siguientes integrales indefinidas por el metodo del cambio de variable:
Z Z Z
x2 1
x x + 2dx x2 1 xdx dx
Z Z Z 2x 1
x x
dx dx x(x2 + 1)3 dx
(x + 1) x + 1 2x + 1
Z Z Z
1 1
dx dx (x 1) 2 xdx
2x +1 x(1 + x)2
Z Z Z p
3
x x 3dx x 3 x + 1dx x 4 + x2 dx
A.3.5. Calcular las siguientes integrales:

84 MATEM ATICAS
Z Z Z
2x 2 x3 3x+1
e dx (x 1)2 dx e1x dx
Z Z Z
ex 2 e3/x
dx xeax dx dx
(1 + ex )2 x2
Z Z Z
x x 2
ex + ex
e (1 + e ) dx ex 1 ex dx dx
Z Z Z ex + ex
5 ex 2
dx (ex ex )2 dx (3 x)e(x3) dx
e2x
Z Z Z
1 1 x
dx dx 2+1
dx
Z 2 1
x + Z 3 2x Z x
x 4 ln x (1 + ln x)2
dx dx dx
Z 2x Z 2x Z x
x 2 1 x2 + 2x + 3
dx dx dx
x+1 x+1 x3 + 3x2 + 9x
Z Z Z
1 1 x
dx dx dx
x2/3 (1 + x1/3 ) 1+ x x3
Z Z Z
x x(x 2)
dx dx 3x dx
1x x (x 1)3
Z Z Z
x x2 ex
2 dx x5 dx x
dx
Z Z Z 1+e
1 x 1
dx dx 4x dx
1+ x
Z Z 1x+ 2x Z
2 e ex (ln x)2
(3 x)7(x3) dx dx dx
ex + ex x
A.3.8. Calcular las siguientes integrales trigonometricas:
Z Z Z
2 3
2 cos xdx 3x sen x dx sec2 3xdx
Z Z Z
sec2 x
tan2 xdx (cosec x + sen x) cosec xdx dx
x
Z Z Z
sen x
sen2 3x cos 3xdx 4 cos2 4x sen 4xdx 2x
dx
Z Z Z cos
sec2 x
dx tan xdx sec xdx
tan x

Z Z Z
(2 sen x + 3 cos x)dx (t2 sen t)dt (1 cosec t cotan t)dt
Z Z Z
(sec2 sen )d sen(2x)dx x cos(x2 )dx
Z Z Z
x 2 cosec2 x
sec dx 3 dx cotan2 xdx
Z 2 Z cotan x Z
tan4 x sec2 xdx cotan xdx cosec 2xdx
Z Z Z
sec2 x sec x tan x
dx dx (sen 2x + cos 2x)2 dx
Z tan x Z sec x 1 Z
1 cos
d ex cos ex dx (cosec 2 cotan 2)2 d
Z sen Z Z
cos t
dt ex tan ex dx sen 2x cos 2xdx
1 + sen t
A.3.11. Calcular las siguientes integrales de las funciones trigonometricas inversas:
Z Z Z
1 1 1
dx dx dx
4 x2 2 + 9x2 2x
e 1
Z Z Z
x+2 3x2 2 1
dx dx dx
4 x2 x2 + 4 x2 4x 7
Z Z Z
1 1 x
2
dx dx dx
2x 8x + 10 3x x2 2
x 1
Z Z Z
1 1 1
dx dx dx
1 9x2 1 + 4x2 x 4x2 1
Z Z Z
x3 1 1
dx p dx dt
x2 + 1 1 (x + 1)2 1 t4
Z Z Z
arctan x arcsen x x
dx dx dx
1 + x2 1 x2 1 x2
Z Z Z
ex 1 1
dx dx dx
1 e2x x2 6x + 18 x(1 + x)
Z Z Z
sen x 1 2x
dx dx dx
1 + cos2 x x2 2x + 2 x2 + 6x + 13
Z Z Z
1 x+2 2x 3
dx dx dx
Z x2 4x Z x2 4x Z 4x x
2
x 1 x1
dx dx dx
x + 2x2 + 2
4 2
16x + 16x 3 x
Z Z Z
1 1
et 3dt dx dx
(x 1) x2 2x x2 + 6x + 13
A.3.14. Calcular las siguientes integrales de funciones hiperbolicas:
Z Z Z
cosh x
senh(1 2x)dx cosh2 (x 1) senh(x 1)dx dx
Z Z Z senh x
x2 cosech(1/x) cotanh(1/x)
x cosech2 dx dx senh2 xdx
Z 2 Z x2 Z
1 2 x
dx dx dx
x 1+x 1 4x2 x4 + 1
Z Z Z
1 1 1
dx dx dx
1 + e2x 1 4x 2x2 25 x2

86 MATEM ATICAS
Z Z Z
4 3/2 1
(3x 2) dx (2x + 5) dx v+ dv
(3v 1)3
Z Z Z
t2 3 x2 ex
dt dx dx
Z t3 + 9t + 1 Z x1
x
Z 1+e t 2
(1 + e )
t sen2 tdt cos xesen x dx dt
Z Z Z et
2 1
sec 3x tan 3xdx x
dx dx
e +1 1 cos x
Z Z Z
2t 1 3 1
dt dt dx
t2 + 4 2 2
Z x x 2 4
t +1
Z Z
1 t sec x
p dt dt dx
1 (2t 1)2 1 t4 4 + tan2 x
Z Z Z 3
tan(2/t) 1
dt (1 + 2x2 )2 dx x 1+ dx
t2 x
Z Z Z
3 4
(1 + ex )2 dx dx dx
6x x2 4x2 + 4x + 65
Z Z Z
2
xe2x dx xex dx xe2x dx
Z Z Z
3 x 3
x e dx x ln xdx t ln(t + 1)dt
Z Z Z
(ln x)2 xe2x
(ln x)2 dx dx dx
x (2x + 1)2
Z Z Z
x2
(x2 1)ex dx x x 1dx dx
2 + 3x
Z Z Z
3 5
cos x sen xdx sen 2x cos 2xdx sen5 x cos2 xdx
Z Z Z
cos2 3xdx sen4 xdx sen2 x cos2 xdx
Z Z Z
2 2 2
x sen xdx x sen xdx sec 3xdx
Z Z Z
sec4 5xdx sec3 xdx tan3 (1 x)dx
Z Z Z
tan5 (x/4)dx sec2 x tan xdx tan2 x sec2 xdx
Z Z Z
sec5 x tan xdx sec6 4x tan 4xdx sec3 x tan xdx
Z Z Z
3 3
tan 3x sec 3xdx cotan 2xdx cosec4 d
Z Z Z
cotan2 t
dt sen 3x cos 2xdx sen sen 3d
cosec t
Z Z p Z
1 1
dx x x + x2 dx dx
(25 x2 )3/2 (1 + x2 )2
Z Z p Z
x 1
dx 16 4x2 dx dx
x 2+9 x 29
Z Z Z
t2 1 x2 1
dt dx dx
(1 t2 )3/2 x4 2
Z Z p Z x 4x2 + 9
x x
dx e2x 1 + e2x dx dx
(x2 + 3)3/2 2x x2
Z Z Z
1 3 5x
2
dx 2
dx dx
Z x2 5x + 6 Z x 2+ x 2 Z 2x2
+x1
x + 12x + 12 4x + 2x 1 x4
dx dx dx
x3 4x x3 + x2 (x 1)3
Z Z 2 Z
3x x 1 x2
2 6x + 9
dx 3
dx 4 2
dx
Z x Z 2+x
x Z x 2x2 8
x x +x+2 x +5
4
dx dx dx
16x 1 (x2 + 2)2 x 2x2 + 4x 8
3
Z Z Z
5x2 + 20x + 6 5x2 + 20x + 6 2x3 4x 8
dx dx dx
x3 + 2x2 + x x3 + 2x2 + x (x2 x)(x2 + 4)
Z Z Z
8x3 + 13x x2 3x + 4
dx dx dx
(x2 + 2)2 (x + 1)2
1 3
x 2x 4
Z Z Z 3
6x2 3x + 14 x(2x 9) x 6x2 + x 4
dx dx dx
x3 2x2 + 4x 8 x3 6x2 + 12x 8 1 x4
A.3.23. Hallar el area comprendida entre la curva y = 6x x2 y el eje OX.

A.3.24. Hacer un esquema de la region acotada superiormente por la curva y = x e inferiormente por la curva
x
y = , y determinar su area.
4
A.3.25. Hallar el area de la region comprendida entre las curvas y = x2 e y = x1/3 para x [1, 1].
1 dy 1
A.3.26. Una curva que pasa por el punto (4, ) posee una pendiente variable de = .
3 dx 2 x(1 + x)2
a) Hallar la ecuacion de la curva.
b) Representar graficamente la curva.
c) Calcular el area bajo la curva en el intervalo [0, 1].
1 1
A.3.27. Hallar el area de la region comprendida entre las curvas y = ey= 3
x2 x x x
a) en el intervalo [2, 3].
b) a la derecha de x = 3.
A.3.28. Calcular el area de la region S comprendida entre la curva de ecuacion y = x2 ex y el eje OX.
A.3.29. Hallar la constante a para que el area encerrada por a(x2 y 2 ) + x3 = 0 sea igual a 120 unidades
cuadradas.
88 MATEM ATICAS
A.3.30. El plano de un triangulo movil permanece perpendicular a un diametro fijo de radio a; la base del triangulo
es una cuerda del crculo y su vertice opuesto esta en una recta paralela al diametro fijo y a distancia h del
plano del crculo. Hallar el volumen del solido engendrado por el movimiento de este triangulo desde un
extremo al otro del diametro.
A.3.31. La base de un solido es la region compredida entre la curva y = sen x y las rectas x = 0, x = /2
e y = 0. Las secciones planas del solido perpendicular al eje OX son triangulos equilateros. Hallar el
volumen del solido.
A.3.32. Un lenador arranca una cuna de un arbol cilndrico de radio a. Su primer corte es paralelo al suelo y llega
hasta el eje del cilindro. El segundo corte forma un angulo con el primero y lo intersecta en su diametro.
Calcular el volumen de la cuna. Indicacion: Situar el eje OX de forma que las secciones transversales
perpendiculares a el sean rectangulos.
A.3.33. Calcular el volumen del solido generado al girar respecto del eje OY la region limitada por las parabolas
y = x2 y 8x = y 2 .
A.3.34. Calcular
el volumen del solido generado al girar el triangulo equilatero de vertices (0, 0), (2a, 0) y
(a, a 3) alrededor del eje OX.
A.3.35. La figura limitada por la hipocicloide x2/3 + y 2/3 = 2/3 y el eje OX gira alrededor de dicho eje. Hallar
el volumen del cuerpo de revolucion engendrado.
a x
A.3.36. Dada la curva de ecuacion y = ln , a > 0, calcular el volumen engendrado al girar alrededor del eje
x a
OX la region limitada por dicha curva y las rectas x = a y x = a/2.
A.3.37. Sea el volumen de revolucion engendrado por f (x) = x(x a), a > 0, al girar alrededor del eje OX,
entre las rectas x = 0 y x = c, con c > a. Hallar c para que dicho volumen sea igual al volumen del cono
engendrado por el triangulo de vertices (0, 0), (c, 0) y (c, f (c)) al girar alrededor del eje OX.
A.3.38. Hallar el volumen del solido engendrado al girar alrededor de la recta de ecuacion x = 2, la region
limitada por la curva y = x2 , el eje OX y la recta x = 2.
A.3.39. Calcular la longitud del arco de la curva y 2 = x3 ,

a) entre los puntos (0, 0) y (4, 8).
4
b) entre dicha curva y la recta x = .
3

A.3.40. Calcular la longitud del arco de la curva f (x) = ln x desde el punto x = 3 hasta x = 8.
ex + 1
A.3.41. Calcular la longitud de la curva y = ln entre los valores x1 = a y x2 = b.
ex 1
A.3.42. Calcular la longitud del arco de la involuta de un crculo

x = a(cos t + t sen t)
y = a(sen t t cos t)
desde t = 0 hasta t = 2.
A.3.43. Calcular la longitud de arco de la curva

t6
x=

6

t4

y =2
4
entre los puntos de interseccion de dicha curva con los ejes coordenados.
A.3.44. Hallar la longitud de la primera espira de la espiral de Arqumedes = a.

A.3.45. Hallar la longitud de la espiral logartmica = em entre cierto punto (o , o ) y un punto movil (, ).
A.3.46. Calcular el area de la superficie generada por la curva y = ln x desde x = 1 hasta x = 5, al girar
alrededor del eje x = 0.
A.3.47. Hallar el area de la superficie engendrada al girar alrededor del eje OX el contorno cerrado formado por
las curvas x = y 2 e y = x2 .
x3
A.3.48. Calcular el area de la superficie generada al girar alrededor del eje OX la curva y = entre los puntos
3
de abcisas x = 2 y x = 2.
A.3.49. Usar las reglas del trapecio y de Simpson para aproximar las siguientes integrales. Comparar las aproxi-
maciones con los valores reales.
Z 2 Z 0.1
a) ln xdx b) x1/3 dx
1 0
Z /3 Z 0.4
c) (sen x)2 dx d) e3x cos 2xdx
0 0.2
Z /4 Z 3/4
e) tan xdx f) cot xdx
0 /2
A.3.50. Usar los valores de abajo para encontrar una aproximacion a la integral
Z 1.5
ex dx
1.1
usando los metodos siguientes:

a) la regla del trapecio con x0 = 1.1 y x1 = 1.5;
b) la regla de Simpson con x0 = 1.1, x1 = 1.3 y x2 = 1.5.
exp(1.1) = 3.0042 exp(1.3) = 3.6693 exp(1.5) = 4.4817
4.1. Introduccion
necesitar.
En esta practica nos vamos a centrar en el calculo integral en una variable. Veremos como calcular integrales
inmediatas y utilizando los distintos metodos de integracion: por cambio de variable, por partes, exponenciales y
logartmicas, trigonometricas, racionales y binomias. Finalizaremos la practica analizando algunas aplicaciones
del calculo integral al calculo de longitudes, areas y volumenes.
90 MATEM ATICAS
en rapidez.
4.2. Ejemplos de ilustracion
DERIVE for Windows calcula sin ayuda la mayora de integrales: polinomicas, trigonometricas y racionales.
Cuando la integral no es sencilla, o bien cuando DERIVE for Windows no sabe que hacer, podemos ayudarle de
varias formas: transformando el integrando en otro mas facil de integrar o indicandole el metodo de integracion
que debe utilizar. En este ultimo caso, el programa nos proporciona una serie de utilidades que pueden ser
cargadas mediante las opciones File|Load|Math o File|Load|Util. Para escribir los integrandos podemos
utilizar todas las funciones que entiende DERIVE for Windows, las cuales se presentan en la siguiente tabla.
Funcion Teclear Funcion Teclear Funcion Teclear

x SQRT(x) ex EXP(x) ln(x) LN(x)
logb (x) LOG(x,b) sen(x) SIN(x) cos(x) COS(x)
tan(x) TAN(x) cotan(x) COT(x) sec(x) SEC(x)
cosec(x) CSC(x) arctan(x) ATAN(x) arccot(x) ACOT(x)
arcsen(x) ASIN(x) arcos(x) ACOS(x) arcsec(x) ASEC(x)
arcosec(x) ACSC(x) senh(x) SINH(x) cosh(x) COSH(x)
tanh(x) TANH(x) cotanh(x) COTH(x) sech(x) SECH(x)
cosech(x) CSCH(x) arcsenh(x) ASINH(x) arcosh(x) ACOSH(x)
arctanh(x) ATANH(x) arccoth(x) ACOTH(x) arcsech(x) ASECH(x)
arcosech(x) ACSCH(x)
R
Calcular (4x2 2x + 7)dx
Introducimos la expresion 4x^2-2x+7 y seleccionamos Calculus|Integrate con la opcion variable igual a x,

por defecto (ver Figura 3.13). El programa esta preparado para calcular integrales indefinidas (por defecto) y
definidas. En el primer caso, el programa admite una constante de integracion (por defecto, 0). Para obtener la
solucion debemos pulsar la tecla Simplify y resultara:
4 3
x x2 + 7x
3
Figura 3.13: Ventana del programa que nos permite calcular integrales de funciones.
Z
3x + 5
Calcular dx
x3 x2 x + 1
Escribimos la expresion (3x+5)/(x^3-x^2-x+1) y procedemos exactamente igual que en el ejemplo anterior.

El resultado obtenido es
LN(x-1) LN(x+1) 4
+
2 2 x-1
R
Calcular 0
cos(x)dx
Seleccionamos Author y tecleamos COS(x). A continuacion elegimos Calculus|Integrate con las opciones
x (variable), (lmite superior) y 0 (lmite inferior). El resultado obtenido (si estamos trabajando con precision
exacta) es 0.
Calcula el area bajo la curva y = cosh(x) entre 2 y 2
Siguiendo los pasos anteriores, introducimos la expresion COSH(x) y a continuacion seleccionamos en el menu
Calculus|Integrate con las opciones x (variable), 2 (lmite superior) y -2 (lmite inferior). El resultado
obtenido es e2 e2 .
Cuando la integral no es tan sencilla y el programa no consigue integrar la funcion debemos ayudarle indicandole
cual de los metodos de integracion debe utilizar. En los siguientes ejemplos mostramos algunos casos tpicos.
Para poder utilizar la integracion por sustitucion o por partes debemos de cargar la utilidad MISC.MTH, segun se
ha explicado anteriormente.
Z
ex + 1
Calcular dx
ex 4 + 4ex
Esta integral la podemos calcular siguiendo los mismos pasos que en los ejemplos anteriores. Sin embargo, aqu
la vamos a calcular mediante un cambio de variable. Consideremos el cambio t = t(x) = ex , entonces la manera
de indicarselo a DERIVE for Windows es mediante la orden INT SUBST. Concretamente deberamos teclear
92 MATEM ATICAS
INT SUBST((#e^x+1)/(#e^x-4+4#e^(-x)),x,LN(x))
y obtendramos como resultado el valor de
3
+ LN(ex 2)
2 ex
En general, si deseamos integrar la funcion f (x) mediante el cambio de variable x = g(t), debemos escribir
INT SUBST(f(x),x,g(x))
R
Calcular la integral (5x2 3)43x+1 dx
El programa DERIVE for Windows puede calcular la integral anterior, cuyo resultado es

10x2 2 10x 5
26x 2
+ .
3LN(2) LN(2) 9LN(2) 27LN(2)3
Sin embargo, las integrales de este tipo se suelen resolver por partes, ya que la funcion que deseamos integrar se
descompone como un producto de dos funciones, una que se deriva facilmente (5x2 3) y otra que se integra
facilmente (43x+1 ). Por este motivo, vamos a ilustrar como indicarle a DERIVE for Windows que utilice deri-
vacion por partes. Una vez cargado el fichero MISC.MTH tecleamos INT PARTS(u(x),v(x),x), donde u(x) y
v(x) son las partes que se derivan e integran facilmente, respectivamente. En nuestro ejemplo, debemos teclear
INT PARTS(5x^2-3,4^(3x+1),x).
Una de las caractersticas de DERIVE for Windows es su capacidad de calcular integrales que requieren el
computo de otras integrales previas. Esto es lo que ocurre, por ejemplo, en la integracion por reduccion que se
aplica a integrales con exponentes enteros grandes. Durante el proceso se encuentra una parte integrada y una
parte sin integrar en la que aparece la misma integral inicial pero con valores de estos exponentes disminuidos.
En los ejemplos que siguen aplicamos la integral al calculo de longitudes, areas y volumenes.
Un cable electrico cuelga entre dos torres de la misma altura que estan separadas 80 metros. El cable adopta la
posicion de una catenaria cuya ecuacion es y = 100 cosh(x/100). Calcula la longitud del cable entre las dos
torres.
Cuando tenemos una curva y = f (x), la longitud de la curva entre los puntos (a, f (a)) y (b, f (b)) es la integral
Z b p
1 + f 0 (x)2 dx.
a
En nuestro caso, la derivada es f 0 (x) = sinh(x/100) por lo que la longitud sera la integral
Z 40 p
1 + sinh(x/100)2 dx,
40
cuyo valor es 82.1506. Si cargamos la utilidad INT APPS.MTH entonces DERIVE for Windows pone a nuestra
disposicion la funcion ARC LENGTH, con lo que podramos haber calculado la longitud de la catenaria con solo
escribir ARC LENGTH(100 COSH(x/100),x,-40,40).
Calcular el area de la region limitada por las curvas f (x) = 2 x2 y g(x) = x
En primer lugar debemos hallar los puntos de corte, para lo que planteamos la ecuacion 2-x^2=x que resolvemos
con ayuda de la opcion Solve para obtener x = 2 y x = 1. Entonces el area se calcula con la funcion siguiente:
AREA(x,-2,1,y,x,2-x^2) cuyo resultado es 4.5. En general, la sintaxis de la funcion area es
AREA(x,a,b,y,f(x),g(x)),
donde a y b son las abcisas de los puntos de corte y se supone que la funcion g es mayor o igual que la funcion f .
Calcular el area de la superficie del paraboloide z = 2 x2 y 2 que esta sobre la region cuadrada limitada por
1 6 x 6 1 y 1 6 y 6 1
Para el calculo de areas de superficies, DERIVE for Windows dispone de la funcion SURFACE AREA, cuya sintaxis
es la siguiente:
SURFACE AREA(f(x,y),x,x 1,x 2,y,y 1,y 2),
donde z = f (x, y) es la superficie y el recinto es el rectangulo [x1 , x2 ] [y1 , y2 ]. En nuestro caso, basta con
escribir SURFACE AREA(2-x^2-y^2,x,-1,1,y,-1,1) para obtener como resultado el valor de 7.44625.
Calcular el volumen de la semiesfera de radio 1
Dada una funcion z = f (x, y) definida en un recinto (rectangular o no), podemos calcular el volumen que hay
entre el recinto y la superficie z = f (x, y) definida sobre el. Para ello debemos utilizar la funcion VOLUME, cuya
sintaxis es
VOLUME(x,a 1,a 2,y,b 1(x),b 2(x),z,c 1(x,y),c 2(x,y)),
donde se supone que a1 6 x 6 a2 , b1 (x) 6 y 6 b2 (x), c1 (x, y) 6 z 6 c2 (x, y). Por tanto, el volumen de la
semiesfera es
VOLUME(x,-1,1,y,-SQRT(1-x^2),SQRT(1-x^2),z,0,SQRT(1-x^2-y^2))
cuyo resultado es 2.09439 (en precision aproximada) o 2/3 (en precision exacta).
A continuacion se enuncian unos ejercicios sobre calculo integral de funciones reales de una variable. Si el alumno
encuentra alguna dificultad debe revisar detenidamente los ejemplos anteriores.
94 MATEM ATICAS
Z
12
a) Calcular la integral dx.
x2 4 x2
Z
sec2 t
b) Calcular la integral dx.
tan t(tan t 1)
Z
x1/4
c) Calcular la integral dx.
1 + x1/2
Z
x4 + 2x2 + x + 1
d) Calcular la integral dx.
(x2 + 1)3
Z
1
e) Calcular la integral dx.
x(1 cos x)
Z
x
f) Calcular la integral dx.
1 + e2
g) Calcular el area de la region comprendida entre las graficas de f (x) = 3x3 x2 10x y g(x) = x2 + 2x.
h) Calcular el volumen del solido generado al girar la region limitada por f (x) = 2 x2 y g(x) = 1 en torno
a la recta y = 1.
i) Calcular el volumen del solido generado al girar la region acotada por las graficas y = x2 + 1, y = 0, x = 0
y x = 1 en torno al eje y.
4.4. Bibliografa
Hill, Madrid, 1995. Captulos 5, 6 y 9.
J. STEWART Calculo, 2a ed. Grupo Editorial Iberoamerica, Mexico, 1994. Captulos 4, 5, 7, y secciones 8.2 y
8.3.
E.3.1. Calcular las siguientes integrales indefinidas

Z Z
ln(x2 + x + 1) 4 x2
dx dx.
x2 x
E.3.2. Calcular el volumen

p del solido de revolucion generado al girar alrededor del eje OX el recinto limitado por
la curva y = ex sen(3x) entre x = 0 y x = /3.
E.3.3. Calcular la siguiente integral indefinida

Z
16 x2
dx.
x3
E.3.4. Calcular el area del recinto limitado por la curva y = ex senx y por las rectas y = 0, x = 0 y x = .
E.3.5. Un tanque esta situado sobre una colina de 120 metros de altura. Lanza un proyectil que sigue una trayec-
toria dada por
y(x) = 00 05x2 + x + 120,
donde x e y se miden en metros, como muestra la siguiente figura.
y
6
120
0 - x
0
Cual es la distancia recorrida por el proyectil durante su trayecto hasta impactar en el suelo?
E.3.6. Calcular la siguiente integral: Z
3x + 4
dx
x3 2x 4
E.3.7. Un objeto volante sale del origen y asciende por el eje y. Al mismo tiempo un perseguidor parte del punto
(1, 0) y se dirige en todo momento hacia el con velocidad doble que la suya. La ecuacion de la trayectoria
del perseguidor es
1
y = (x3/2 3x1/2 + 2)
3
Cuanta distancia ha recorrido el objeto volante en el instante de ser capturado? Y cual ha sido la distancia
recorrida por el perseguidor?
E.3.8. Resolver la integral indefinida siguiente:
Z
2x3 4x 8
dx.
x4 x3 + 4x2 4x
E.3.9. Resolver la integral indefinida siguiente:

Z
dx
.
(x3 1)2
96 MATEM ATICAS
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 4
ECUACIONES DIFERENCIALES ORDINARIAS
Tipo y orden de una ecuacion diferencial Ecuaciones de primer orden exactas

Solucion de una ecuacion diferencial Ecuaciones lineales de segundo orden
Ecuaciones de primer orden separables Metodo de los coeficientes indeterminados
Ecuaciones de primer orden homogeneas Metodo de variacion de parametros
Ecuaciones de primer orden lineales Ecuaciones lineales de orden superior
2.1. Definiciones y conceptos basicos
Una ecuacion diferencial es una ecuacion en la que interviene una funcion incognita y una o varias de sus deri-
vadas. Este tipo de ecuaciones aparece en el estudio de numerosos fenomenos fsicos y qumicos: desintegracion
radiactiva, crecimiento de poblaciones, reacciones qumicas, problemas gravitatorios, etc. No es exagerado afir-
mar que la naturaleza se describe por medio de ecuaciones diferenciales, de modo que un conocimiento de esta
ultima materia nos ayudara a entender mejor los fenomenos naturales.
Las ecuaciones diferenciales se pueden clasificar, basicamente, atendiendo a dos criterios:
(1) TIPO: Si la funcion incognita contiene una unica variable independiente, entonces la ecuacion se denomina
ecuacion diferencial ordinaria, abreviadamente E.D.O. En otro caso, cuando la funcion incognita contiene
dos o mas variables independientes, la ecuacion se dice que es una ecuacion diferencial en derivadas
parciales.
(2) ORDEN: Es la derivada de orden mas alto que aparece en la ecuacion diferencial.
Es innecesario decir que el estudio de las ecuaciones diferenciales en derivadas parciales requiere unas tecnicas
matematicas que estan fuera del alcance del alumno, por lo que nos restringiremos al analisis de las ecuaciones
diferenciales ordinarias.
Consideremos una ecuacion diferencial ordinaria
F (x, y, y 0 , y 00 , . . .) = 0.
98 MATEM ATICAS
Diremos que una funcion y = f (x) es una solucion de la ecuacion diferencial si la ecuacion se satisface al sustituir
en ella y y sus derivadas por f (x) y sus derivadas respectivas.
La solucion general de una ecuacion diferencial ordinaria es una funcion y = f (x, c1 , c2 , . . .) dependiente de
una o varias constantes tal que cualquier solucion de la ecuacion diferencial se obtiene dando valores especficos
a una o mas de las constantes. Cuando damos valores concretos a todas las constantes de la solucion general,
surge una solucion particular. Geometricamente, la solucion general de una ecuacion diferencial de primer
orden representa una familia de curvas, denominadas curvas solucion, una para cada valor concreto asignado a la
constante arbitraria.
En la practica, la determinacion de las constantes que aparecen en la solucion general se realiza a partir de las
condiciones iniciales del problema. Las condiciones iniciales del problema son los valores que adquiere la funcion
solucion o sus derivadas en determinados puntos. Por ejemplo, para una ecuacion diferencial de primer orden
y 0 = F (x, y),
una condicion inicial se expresara en la forma
y(x0 ) = y0 .
En consecuencia, y = f (x) es solucion si f 0 (x) = F (x, f (x)) para todo valor de x en cierto intervalo, y f (x0 ) =
y0 .
2.2. Ecuaciones diferenciales de primer orden
Una ecuacion diferencial ordinaria de primer orden es una ecuacion de la forma
y 0 = F (x, y),
donde F es una funcion que depende de las variables x e y. Esta clase de ecuaciones diferenciales son de las
mas sencillas, y su resolucion se puede realizar utilizando diversas tecnicas. Describimos a continuacion las mas
importantes.
2.2.1. Ecuaciones separables
Una ecuacion diferencial de primer orden se dice que es separable si puede escribirse en la forma
dy
M (x) + N (y) = 0,
dx
donde M (x) es una funcion continua que solo depende de x y N (y) es una funcion continua que solo depende
de y. Para resolver este tipo de ecuaciones se utiliza el procedimiento de separacion de variables, que consiste
en situar todos los terminos que contienen x a la izquierda (o la derecha) del signo de igualdad, y todos los
terminos que contienen y en el lado contrario. A continuacion se integran ambos miembros de la igualdad, cada
uno respecto de la variable correspondiente. En consecuencia, la solucion viene dada por
Z Z
M (x)dx + N (y)dy = C.
ECUACIONES DIFERENCIALES ORDINARIAS 99
2.2.2. Ecuaciones homogeneas
Una funcion z = f (x, y) se dice que es homogenea de grado n si
f (tx, ty) = tn f (x, y),
donde n es un numero real.
Una ecuacion diferencial homogenea es cualquier ecuacion diferencial que se puede escribir en la forma
M (x, y)dx + N (x, y)dy = 0,
donde M y N son funciones homogeneas del mismo grado. La ecuacion anterior puede escribirse como
y 0 = F (x, y),
donde la funcion F satisface F (tx, ty) = F (x, y).
Este tipo de ecuaciones diferenciales se convierten en ecuaciones separables tras un cambio de variables. Con-
cretamente si y 0 = F (x, y) es una ecuacion homogenea, entonces el cambio de variable y = vx, donde v es una
funcion derivable de x, transforma la ecuacion anterior en una nueva ecuacion diferencial en las variables x y v
que es separable.
2.2.3. Ecuaciones lineales
Una ecuacion diferencial lineal de primer orden es toda ecuacion que se puede escribir en la forma
y 0 + P (x)y = Q(x),
donde P y Q son funciones continuas de x.
La resolucion de este tipo de ecuaciones se consigue utilizando la tecnica de los factores integrantes. Un factor
integrante es una funcion u(x) tal que al multiplicarla por el lado izquierdo de la ecuacion se obtiene la derivada
del producto u(x)y, es decir,
d[u(x)y]
u(x)y 0 + u(x)P (x)y = .
dx
Es facil probar que un factor integrante es la funcion
R
P (x)dx
u(x) = e
Entonces la solucion de la ecuacion diferencial es

R
Z R
P (x)dx P (x)dx
y=e Q(x)e dx + C.
Hay ecuaciones no lineales que se transforman, mediante una sustitucion adecuada, en una ecuacion lineal. Entre
estas ecuaciones debemos destacar la ecuacion diferencial de Bernoulli, que puede escribirse como
y 0 + P (x)y = Q(x)y n .
Esta ecuacion es lineal si n = 0 y de variables separables si n = 1. Para otros valores de n, el cambio de variable
z = y 1n transforma la ecuacion anterior en la siguiente ecuacion lineal:
z 0 + (1 n)P (x)z = (1 n)Q(x).

100 MATEM ATICAS
2.2.4. Ecuaciones exactas
Esta seccion debe estudiarse despues del calculo diferencial en varias variables, ya que se hace uso del concepto
de derivada parcial.
Una ecuacion diferencial de la forma
M (x, y)dx + N (x, y)dy = 0
se dice que es una ecuacion diferencial exacta si existe una funcion f de dos variables x e y, con derivadas
parciales continuas, tal que
f f
(x, y) = M (x, y) y (x, y) = N (x, y).
x y
La solucion general de la ecuacion es f (x, y) = C.
No toda ecuacion diferencial es exacta. Entonces, como podemos distinguir las que son de las que no lo son? El
siguiente resultado nos da la solucion.
Si M y N tienen derivadas parciales continuas en un disco abierto entonces la ecuacion diferencial M (x, y)dx +
N (x, y)dy = 0 es exacta si y solamente si
M N
= .
y x
Debemos hacer notar que la exactitud es una condicion extremadamente fragil, ya que pequenas alteraciones en
una ecuacion exacta pueden hacer que se pierda dicha propiedad. Por ejemplo, la ecuacion diferencial
(xy 2 + x)dx + yx2 dy = 0
es exacta, pero si dividimos por x, entonces la ecuacion resultante
(y 2 + 1)dx + xydy = 0
ya no es exacta.
2.3. Ecuaciones lineales de segundo orden
Una ecuacion diferencial lineal de segundo orden es una ecuacion diferencial que puede escribirse en la forma
y 00 + P (x)y 0 + Q(x)y = R(x),
donde P , Q y R son funciones continuas de x en un cierto intervalo. Se dice que la ecuacion es homogenea si
R(x) = 0 para todo x. En otro caso, la ecuacion se dice que es no homogenea.
La resolucion de las ecuaciones diferenciales de segundo orden homogeneas se apoya en dos resultados basicos:
la combinacion lineal de dos soluciones es otra solucion, y toda solucion es combinacion lineal de dos soluciones
independientes. Mas concretamente, tenemos los siguientes resultados.
(1) Si y1 (x) e y2 (x) son soluciones de una ecuacion diferencial homogenea y c1 y c2 son dos constantes,
entonces
y(x) = c1 y1 (x) + c2 y2 (x)
es una solucion de la misma ecuacion diferencial.
(2) Si y1 (x) e y2 (x) son soluciones linealmente independientes (ninguna de ellas es un multiplo de la otra) de
una ecuacion diferencial homogenea de segundo orden, entonces la solucion general esta dada por
y(x) = c1 y1 (x) + c2 y2 (x),
donde c1 y c2 son dos constantes.
En general, encontrar las soluciones de una ecuacion de segundo orden (homogenea o no homogenea) es difcil,
a veces imposible. Sin embargo, si las funciones P y Q son constantes, entonces siempre se pueden hallar
soluciones. En los siguientes apartados describimos como hacerlo.
2.3.1. Ecuaciones lineales de coeficientes constantes homogeneas
Consideremos la ecuacion de segundo orden con coeficientes constantes siguiente:

y 00 + ay 0 + by = 0.
Las soluciones de dicha ecuacion se determinan a partir de las races de la ecuacion
r 2 + ar + b = 0,
denominada ecuacion caracterstica. Se pueden presentar las siguientes tres posibilidades:
(1) Races reales diferentes: Si r1 6= r2 son las races reales distintas de la ecuacion caracterstica, entonces la
solucion general es
y = c1 er1 x + c2 er2 x .
(2) Races reales iguales: Si r1 = r2 son las races reales iguales de la ecuacion caracterstica, entonces la
solucion general es
y = c1 er1 x + c2 xer1 x = (c1 + c2 x)er1 x .
(3) Races complejas: Si r1 = + i y r2 = i son las races complejas de la ecuacion caracterstica,
entonces la ecuacion general es
y = c1 ex cos(x) + c2 ex sen(x).
2.3.2. Ecuaciones lineales de coeficientes constantes no homogeneas
Consideremos la ecuacion de segundo orden con coeficientes constantes siguiente:

y 00 + ay 0 + by = R(x).
En la busqueda de las soluciones de dicha ecuacion, juega un papel importante la solucion de la ecuacion
y 00 + ay 0 + by = 0
denominada ecuacion homogenea asociada. El siguiente resultado nos resuelve la ecuacion.
La solucion general de la ecuacion y 00 + ay 0 + by = R(x) se puede escribir como

y(x) = yh (x) + yp (x),
en donde yh (x) es la solucion general de la ecuacion homogenea asociada e yp (x) es una solucion particular.
El problema que se nos presenta ahora es la determinacion de la solucion yp (x). Describimos a continuacion dos
tecnicas.
102 MATEM ATICAS
2.3.2.1. Metodo de los coeficientes indeterminados
Si la funcion R(x) consiste en la suma o producto de factores de los siguientes tipos:
(I) Polinomico: xn ,
(II) Exponencial: erx ,
(III) Trigonometrico: cos x, sen x,
entonces podemos hallar una solucion particular yp (x) por el metodo de los coeficientes indeterminados. La clave
consiste en conjeturar que la solucion yp es de una forma especial, la cual depende de la funcion R. Las reglas
que deben seguirse son:
(1) Si R(x) es un polinomio (tipo I), entonces se prueba con un polinomio del mismo grado.
(2) Si R(x) es exponencial (tipo II), entonces se prueba con Aerx .
(3) Si R(x) es trigonometrico (tipo III), entonces se prueba con A cos x + B sen x.
(4) Si R(x) es la suma o producto de factores anteriores, entonces se prueba con la suma o producto, respecti-
vamente, de las correspondientes soluciones particulares.
(5) Si cualquier termino de yp es solucion de la ecuacion homogenea asociada, se multiplica yp por x (o x2 si

es necesario).
2.3.2.2. Metodo de variacion de parametros
El metodo de los coeficientes indeterminados descrito anteriormente funciona bien si la funcion R(x) esta formada
por polinomios, exponenciales o funciones trigonometricas (senos y cosenos). La razon hay que buscarla en que
las derivadas de este tipo de funciones no son mas complicadas que las funciones originales. Esto no ocurre, por
ejemplo, con funciones como 1/x o tan x.
El metodo de variacion de parametros parte de la suposicion que yp (x) tiene la misma forma que yh (x), excepto
que las constantes c1 y c2 se sustituyen por dos funciones u1 (x) y u2 (x). El metodo consiste en lo siguiente:
(1) Hallar la solucion general yh (x) = c1 y1 (x) + c2 y2 (x).
(2) Sustituir las constantes por funciones para formar yp (x) = u1 (x)y1 (x) + u2 (x)y2 (x).
(3) Resolver el siguiente sistema para u01 y u02 :
u01 y1 + u02 y2 = 0
u01 y10 + u02 y20 = R(x)
(4) Integrar para hallar u1 y u2 .

2.4. Ecuaciones lineales de orden superior con coeficientes constantes
Consideremos la ecuacion de orden n con coeficientes constantes siguiente:
y (n) + an1 y (n1) + + a1 y 0 + a0 y = 0.
Las soluciones de dicha ecuacion se determinan a partir de las races de la ecuacion
r n + an1 r n1 + + a1 r + a0 = 0,
denominada ecuacion caracterstica.
Cada raz r de la ecuacion caracterstica genera un termino de la solucion de acuerdo con las siguientes reglas:
(1) r es raz real: Si m es la multiplicidad de r como raz de la ecuacion caracterstica, entonces r colabora a la
solucion general con
y = C(x)erx ,
donde C(x) es un polinomio de grado m 1.
(2) r = i es raz compleja: Si m es la multiplicidad de r como raz de la ecuacion caracterstica, entonces

r colabora a la solucion general con
y = ex (C1 (x) cos(x) + C2 (x) sen(x)) ,
donde C1 (x) y C2 (x) son polinomios de grado m 1.
En consecuencia, la solucion general de la ecuacion de orden n se obtiene como sigue. Sean r1 , r2 , . . . , rk , las
races reales distintas de la ecuacion caracterstica con multiplicidades m1 , m2 , . . . , mk , respectivamente, y sean
z1 = 1 i1 , z2 = 2 i2 , . . . , z` = ` i` las races complejas distintas de la ecuacion con multiplicidades
n1 , n2 , . . . , n` , respectivamente. Entonces la ecuacion general de la ecuacion diferencial lineal homogenea de
orden n viene dada por
X
k X
yh (x) = Ci (x)eri x + ej x D1j (x) cos(j x) + D2j (x) sen(j x) ,
i=1 j=1
donde Ci (x) es un polinomio de grado mi 1 para i = 1, . . . , k, y D1j (x), D2j (x) son polinomios de grado nj 1
para j = 1, . . . , `.
Para finalizar, baste indicar que para obtener una solucion particular de la ecuacion diferencial de orden n no
homogenea se pueden utilizar los dos metodos descritos anteriormente para el caso de orden 2: coeficientes
indeterminados y variacion de parametros.
A.4.1. Hallar la solucion general de las siguientes ecuaciones diferenciales, as como la solucion particular dada
por las condiciones iniciales que en cada caso se indican.
y 0 + ky = 0, k 6= 0 y(0) = 1, y 0 (0) = 0
y 0 + ky = senx y(0) = 2, y 0 (0) = 1
y + 2y 0 3y = 0
00
y(0) = 1, y(1) = 0
y 00 y 0 = 0 y(0) = 3, y 0 (0) = 2
104 MATEM ATICAS
y 00 + 2 y = 0, 6= 0 y(0) = 2, y 0 (0) = 1
y 00 + 2y 0 3y = 6 y(0) = 1, y 0 (0) = 1
y 00 y 0 = 2senx y(0) = 1, y 0 (0) = 0
y 3y 0 + 2y = 5ex
00
y(0) = 0, y 0 (0) = 1
y 00 6y 0 + 9y = e3x y(1) = 1, y(2) = 2
y 00 y 0 = 5ex sen(2x) y(0) = 1, y 0 (0) = 0
y 00 + 4y = tanx y(0) = 1, y 0 (0) = 0
y + 2y 0 + y = ex
00
y(0) = 0, y(1) = 3
y 000 3y 00 + 2y 0 = 0 y(0) = 1, y 0 (0) = 0, y 00 (0) = 1
y 000 y = 0 y(0) = 1, y 0 (0) = 1, y 00 (0) = 0
y 000 + 3y 00 4y = xe2x y(0) = 0, y 0 (0) = 1, y 00 (0) = 2
y 000 + y 0 = cosecx
y (4) 16y = 0
y (4) + y = x + 1
A.4.2. Se sabe que en un horno de ceramica, la velocidad a que se calienta un cuerpo es proporcional a 4 + T 2 ,
donde T (t) representa la temperatura del cuerpo que se calienta, medida en grados centgrados, y t mide el
tiempo en minutos. Se introduce un cuerpo a temperatura inicial 2o C y se observa que al cabo de un minuto
o
su temperatura es 2 3 C. Determinar la funcion que nos permite expresar la temperatura del cuerpo en
funcion del tiempo.
A.4.3. Un grupo de biologos ha determinado que la velocidad de aumento de una poblacion de hormigas rojas
cabezonas es proporcional al numero de individuos de dicha poblacion. Sabiendo que al cabo de 2 meses la
poblacion se ha duplicado, calcular cuanto tiempo tiene que transcurrir para que la poblacion sea el triple
de la inicial.
A.4.4. Segun la ley de enfriamiento de Newton, la velocidad a que se enfra o calienta un cuerpo es proporcional
a la diferencia entre la temperatura del cuerpo y la temperatura del ambiente. Si un objeto se enfra desde
100o C a 80o C en veinte minutos, siendo la temperatura del ambiente de 20o C, calcular el tiempo que ha de
pasar para que la temperatura del cuerpo sea de 60o C.
A.4.5. En cierto cultivo de bacterias, la velocidad de crecimiento de la poblacion es proporcional al cuadrado de

la poblacion presente.
(1) Si la poblacion despues de 3 horas es de 104 individuos y al cabo de dos horas mas es de 4 104
individuos, calcular cuantos individuos haba en un principio.
(2) Sabiendo que despues de 4 horas la poblacion se ha duplicado, cual sera la poblacion presente al cabo
de 6 horas?
A.4.6. Un barco retrasa su movimiento por la accion de la resistencia del agua, que es proporcional a la velocidad
del barco. La velocidad inicial del barco es 10 metros/segundo y al cabo de 5 segundos su velocidad es 8
metros/segundo. Calcular al cabo de cuanto tiempo su velocidad sera de 1 metro/segundo.
A.4.7. El fondo de un deposito de 300 litros de capacidad esta cubierto de sal. Suponiendo que la velocidad
con que se disuelve la sal es proporcional a la diferencia entre la concentracion en el instante dado y la
concentracion de la disolucion saturada (1 kilogramo de sal para 3 litros de agua) y sabiendo que al cabo
de un minuto la cantidad de sal disuelta es 1/3 de kilogramo, hallar la cantidad de sal que contendra la
disolucion al cabo de una hora.
A.4.8. Cuando se introduce glucosa por va intravenosa a velocidad constante, el cambio en la concentracion
global c(t) de glucosa en sangre con respecto al tiempo viene descrito por la siguiente ecuacion diferencial
dc G
= kc,
dt 100V
donde G denota la velocidad constante a que se suministra la glucosa, V es el volumen total de la sangre
en el cuerpo y k es una constante positiva que depende del paciente. Calcular la funcion que nos permite
expresar la concentracion de glucosa en sangre en funcion del tiempo.
A.4.9. Una fra manana comenzo a nevar y continuo nevando a velocidad constante a lo largo del da. Una
maquina quitanieves comenzo a trabajar a las doce del medioda, quitando nieve a velocidad constante
(volumen por unidad de tiempo). Desde la una hasta las dos avanzo solamente la mitad de lo que haba
avanzado desde las doce hasta la una. Calcular la hora en que empezo a nevar.
A.4.10. En la conservacion de alimentos, el azucar de cana sufre un proceso de inversion y se transforma en

glucosa y fructosa. En soluciones diluidas, el ritmo de inversion es proporcional a la concentracion y(t) del
azucar inalterada. Si la concentracion es 1/50 cuando t = 0 y 1/200 tras 3 horas, hallar la concentracion del
azucar inalterada despues de 6 y 12 horas.
A.4.11. Segun las leyes de la termodinamica, el flujo del calor a traves de una superficie plana es ortogonal a las
curvas isotermas. Suponiendo que el flujo de calor describe una trayectoria dada por y = C/x, donde C es
una constante no nula, obtener las curvas isotermas.
A.4.12. La tasa de crecimiento de una poblacion de moscas de la fruta en un instante dado es proporcional al
tamano de la poblacion en dicho momento. Si hay 180 moscas despues del segundo da del experimento y
300 moscas despues del cuarto da, cuantas moscas haba originalmente?
A.4.13. El ritmo de desintegracion del radio es proporcional a la cantidad presente en un instante dado. Hallar el
porcentaje de una muestra actual que quedara al cabo de 25 anos si la vida media del radio es de 1600 anos.
A.4.14. En una reaccion qumica, un cierto compuesto se transforma en otra sustancia a un ritmo proporcional a
la cantidad no transformada. Si haba inicialmente 20gr. de la sustancia original y 16gr. tras 1 hora, en que
momento se habra transformado el 75% de dicho compuesto?
4.1. Introduccion
necesitar.
En esta practica nos vamos a centrar en la resolucion de ecuaciones diferenciales. DERIVE for Windows resuelve
todas las ecuaciones diferenciales de primer grado y primer orden mediante los metodos mas conocidos (variables
separadas, ecuaciones diferenciales lineales, ecuaciones exactas, factores integrantes, etc.) DERIVE for Windows
proporciona, siempre que puede, la solucion explcita de la ecuacion diferencial. No obstante, es posible que
DERIVE for Windows ofrezca una solucion que dependa de una integral no resoluble algebraicamente.
106 MATEM ATICAS
en rapidez.
4.2. Ecuaciones diferenciales de primer orden
Para poder resolver ecuaciones diferenciales de primer orden es necesario tener cargado en el ordenador la utilidad
ODE1.MTH, lo cual se consigue seleccionando las opciones File|Load|Math o File|Load|Utility. Esta utili-
dad proporciona una serie de funciones que nos permiten resolver las ecuaciones diferenciales utilizando distintos
metodos.
Resolver la ecuacion y 0 = ex+y + ey y encontrar la solucion que pasa por el punto (0, 1)
La ecuacion diferencial es de la forma

y 0 = p(x)q(y),
siendo p(x) una expresion cualquiera (no tiene por que ser un polinomio) que no depende de y, y donde q(y) es
una expresion cualquiera que no depende de x. Entonces debemos utilizar la funcion de DERIVE for Windows
SEPARABLE(p,q,x,y,a,b),
donde a y b son los valores de x e y para los cuales queremos una solucion particular. En nuestro caso, debemos
introducir la expresion SEPARABLE(#e^x+1,#e^y,x,y,0,1) y obtendremos como resultado e1 ey = ex +
x 1. Para obtener y en funcion de x debemos seleccionar las opciones Solve|Algebaically, con la opcion
Variable igual a y, y obtendremos
y = 1 ln(ex+1 ex + e + 1)
Resolver la ecuacion diferencial xy 0 + y = y 2 ln(x)
Observemos en primer lugar que el miembro de la izquierda coincide con la derivada de la funcion xy respecto
de x, por lo que parece aconsejado hacer el cambio de variable z = xy. Entonces la ecuacion se transfor-
ma en la siguiente: z 0 = x2 ln(x)z 2 , que puede resolverse por la tecnica de variables separables haciendo
SEPARABLE(Ln(x)/x^2,z^2,x,z,a,b). La solucion obtenida es
ln(x) ln(a) 1 1 1 1
+ + = 0.
x a x z a b
Para obtener y en funcion de x debemos seleccionar las opciones Solve|Algebaically, con la opcion Variable
igual a z, y obtendremos
abx
z= .
ab ln(x) bx ln(a) + x(a b) + ab
Como z = xy entonces la solucion a nuestra ecuacion es y = z/x, es decir
ab
y= .
ab ln(x) bx ln(a) + x(a b) + ab
Resolver la ecuacion xy 0 4y + 2x2 + 4 = 0 y hallar la solucion particular que pasa por el punto (1, 1)
La ecuacion puede ponerse en la forma y 0 + p(x)y = q(x), donde p(x) y q(x) son expresiones cualesquiera que
solo dependen de x. Entonces podemos resolver este tipo de ecuaciones mediante la orden
LINEAR1(p,q,x,y,a,b),
donde a y b son las condiciones iniciales. En nuestro caso, escribimos LINEAR1(-4/x,-2x-4/x,x,y,1,1) para
obtener como solucion
y = x4 + x2 + 1
Resolver la ecuacion diferencial (x + y)dx + (y x)dy = 0, hallando la solucion que pasa por el punto (1, 1)
Este tipo de ecuacion diferencial es homogenea, lo cual significa que es de la forma y 0 = r(x, y), donde r es
una funcion tal que r(ax, ay) = r(x, y) para todo numero a. Para resolver este tipo de ecuaciones, DERIVE for
Windows dispone de la orden
HOMOGENEOUS(r,x,y,a,b),
donde a y b son las condiciones iniciales. En nuestro caso, escribimos HOMOGENEOUS((x+y)/(x-y),x,y,1,1)

y obtenemos
y 2
LN( x +y
2
)
2
ATAN + LN(|x|) = LN(x)
x 2 4
Para comprobar que la solucion hallada es la correcta, podemos utilizar la funcion
IMP DIF(ATAN(y/x)+LN(|x|)-LN((x^2+y^2)/2)/2-pi/4-LN(x))-(x+y)/(x-y),
cuyo resultado es cero, garantizando que la solucion encontrada es buena. Para utilizar la funcion anterior es
necesario haber cargado la utilidad DIF APPS.MTH.
En ocasiones no sabemos si la funcion r es homogenea, quizas por su complicacion al no estar lo bastante

simplificada. Para estos casos, DERIVE for Windows dispone de la funcion HOMOGENEOUS TEST(r,x,y).
Si el resultado es una funcion que no depende de x, entonces r es una funcion homogenea. En nuestro caso
HOMOGENEOUS TEST((x+y)/(x-y),x,y) es igual a y ey .
108 MATEM ATICAS
Resolver la ecuacion y 0 = 1 + sec(1 + x + y)
Para resolver ecuaciones diferenciales de la forma y 0 = r(u), donde u es una funcion lineal con coeficientes
constantes de x e y (es decir, u = ax + by + c, con a, b, c constantes), DERIVE for Windows pone a nuestra
disposicion el comando
FUN LIN CCF(r,a,b,c,x,y,p,q),
donde p y q son las condiciones iniciales. En nuestro caso, escribimos
FUN LIN CCF(1+SEC(1+y+x),1,1,1,x,y,p,q)
y la solucion general obtenida es:

3 cos(x + y + 1) sen(x + y + 1) + 3
3 ln
3 cos(x + y + 1) + sen(x + y + 1) + 3
6
3 cos(p + q + 1) sen(p + q + 1) + 3
3 ln
3 cos(p + q + 1) + sen(p + q + 1) + 3

6
x+ypq
+ = xp
2
En este caso resulta imposible despejar y como funcion explcita de x.
Resolver la ecuacion y 0 = (x + y 1)/(x y)
Con este ejercicio vamos a ilustrar como resolver ecuaciones diferenciales de la forma

ax + by + c
y0 = r
px + qy + k
donde a, b, c, p, q, k son constantes que cumplen la condicion aq bp 6= 0, ya que de lo contrario estaramos en

el caso lineal. DERIVE for Windows resuelve este tipo de ecuaciones utilizando la siguiente funcion
LIN FRAC(r,a,b,c,p,q,k,x,y,A,B)
donde (A,B) son las condiciones iniciales. En nuestro caso debemos teclear
LIN FRAC((x+y-1)/(x-y),1,1,-1,1,-1,0,x,y,0,0)
y obtenemos la siguiente solucion en forma implcita:

2y 1 1
ATAN + LN(|2x 1|) LN(2x2 2x + 2y 2 2y + 1) = LN(2x 1) i
2x 1 2 4
Resolver la ecuacion diferencial 2y 3 5xy + (xy 2 3x2 )y 0 = 0
Uno de los metodos mas potentes para la resolucion de ecuaciones diferenciales de primer orden consiste en buscar
factores integrantes. Dada la ecuacion p(x, y) + q(x, y)y 0 = 0, esta se podra resolver si existe una funcion u(x, y)
que multiplicada por la ecuacion anterior la convierta en exacta. La manera de comprobar que una funcion u es la
candidata consiste en calcular
EXACT TEST(up,uq,x,y)
Si el resultado es cero, entonces la solucion implcita viene dada por
USE INTEG FCTR(u,p,q,x,y,a,b).
donde (a,b) son las condiciones iniciales.
El problema en todo caso es encontrar el factor integrante. Para ayudarnos DERIVE for Windows dispone de la
siguiente funcion:
MONOMIAL TEST(p,q,x,y)
Si el resultado es del tipo xm y n entonces
USE INTEG FCTR((x^m)(y^n),p,q,x,y,a,b)
nos da la solucion general de la ecuacion.
En nuestro caso MONOMIAL TEST(2y^3-5xy,xy^2-3x^2,x,y) proporciona como resultado x27 y 16 . Por tan-
to la solucion es
1 1
+ C = 0,
5x25 y 15 13x26 y 13
donde C es una constante apropiada.
A continuacion se enuncian unos ejercicios sobre resolucion de ecuaciones diferenciales. Si el alumno encuentra
alguna dificultad debe revisar detenidamente los ejemplos anteriores.
a) Hallar la curva solucion de la ecuacion

p y 02
y 1 + y 02 y p =a
1 + y 02
que pasa por el punto (0, a).

b) Resolver la ecuacion 3y 2 y 0 ay 3 = x + 1
c) Resolver la ecuacion y 0 xe1/x = x + ye1/x
110 MATEM ATICAS
d) Resolver la ecuacion y 0 = (3x + y)/(x 2y)
e) Resolver la ecuacion y 0 (x + y ln y) = y
f) Resolver la ecuacion 4xy + 3y 2 x + (x2 + 2xy)y 0 = 0
4.4. Ecuaciones diferenciales de segundo orden
Para poder resolver ecuaciones diferenciales de segundo orden es necesario tener cargado en el ordenador la
utilidad ODE2.MTH, lo cual se consigue seleccionando las opciones File|Load|Math o File|Load|Utility.
Esta utilidad proporciona una serie de funciones que nos permiten resolver las ecuaciones diferenciales utilizando
distintos metodos.
Resolver la ecuacion diferencial y 00 3y 0 + 2y = ex sen x
La ecuacion es de la forma y 00 +p(x)y 0 +q(x) = r(x), que DERIVE for Windows puede resolver en determinados
casos. El comando general que utiliza DERIVE for Windows es el siguiente
DSOLVE2(p,q,r,x,c1,c2)
DERIVE for Windows trata de encontrar la solucion explcita general de la ecuacion anterior en funcion de las
constantes c1 y c2. Debemos hacer notar que los dos ultimos argumentos pueden omitirse o sustituirse por otros
nombres. Cuando DERIVE for Windows no puede encontrar una solucion, el comando DSOLVE2 devuelve la
palabra inapplicable.
En estos casos, podemos ejecutar el comando
LIN2 TEST(p,q,x)
y si el resultado es una constante K, entonces podemos resolver la ecuacion utilizando las siguientes funciones:
Si K > 0, la solucion vendra dada por LIN2 POS(p,q,r,x).
Si K < 0, la solucion vendra dada por LIN2 NEG(p,q,r,x).
Si K = 0, la solucion vendra dada por LIN2 0(p,q,r,x).
En los tres casos, se obtiene la solucion general explcita dependiendo de dos constantes arbitrarias c1 y c2.
DSOLVE2 puede encontrar facilmente una solucion cuando p y q son constantes. Cuando q es una constante
simbolica, el resultado puede adquirir una forma complicada. La solucion puede contener integrales involucrando
la funcion r(x). En todo caso, para comprobar que el resultado es correcto, podemos sustituirlo en la ecuacion
y 00 + p(x)y 0 + q(x) r(x) = 0.
En el caso que estamos analizando, p(x) = 3, q(x) = 2 y r(x) = ex sen x, por lo que la solucion vendra dada
por DSOLVE2(-3,2,#e^x SIN x,x).
y0
Resolver la ecuacion diferencial y 00 x + 4x2 y = 4x2 sen(x2 )
En este caso, las funciones p, q y r estan dadas por p(x) = 1/x, q(x) = 4x2 y r(x) = 4x2 sen(x2 ), por lo que
la solucion vendra dada por DSOLVE2(-1/x,4x^2,4x^2 SIN(x^2),x). Sin embargo, el programa devuelve la
palabra inapplicable, por lo que debemos resolverla de otro modo.
En primer lugar debemos ejecutar el comando LIN2 TEST(p,q,x) y si el resultado es una funcion dependiente
de x, entonces utilizamos la funcion LIN2A TEST(p,q,x). Si el resultado de este segundo test es una constante
K, podemos resolver la ecuacion utilizando las siguientes funciones:
Si K > 0, la solucion vendra dada por LIN2A POS(p,q,r,x).

Si K < 0, la solucion vendra dada por LIN2A NEG(p,q,r,x).
Si K = 0, la solucion vendra dada por LIN2A 0(p,q,r,x).
En los tres casos, se obtiene la solucion general explcita dependiendo de dos constantes arbitrarias c1 y c2.
En nuestro caso la solucion de la ecuacion diferencial es la siguiente:

1
(2a + 1) sen(x2 ) (x2 + b) cos(x2 )
2
Resolver la ecuacion diferencial y 00 ey = 0
Para resolver las ecuaciones diferenciales de la forma y 00 = q(y), donde q(y) puede ser cualquier funcion de y,
DERIVE for Windows dispone de la funcion
AUTONOMOUS CONSERVATIVE(q,x,y,a,b,c)
donde los tres ultimos argumentos son optativos. Si estan presentes, entonces DERIVE for Windows determina
la solucion que satisface las siguientes condiciones iniciales: x = a, y(a) = b, y 0 (a) = c. En nuestro caso, la
solucion vienen dada por AUTONOMOUS CONSERVATIVE(#e^y,x,y).
Resolver la ecuacion diferencial y 0 y 00 = 1 + y 02
Haciendo el cambio de variable v = y 0 se transforma en una ecuacion de primer orden de variables separadas
(vv 0 = 1 + v 2 ) que puede resolverse utilizando la funcion SEPARABLE. Entonces volvemos a obtener otra ecuacion
de primer orden que resolvemos utilizando el metodo apropiado.
Resolver la ecuacion diferencial yy 00 + y 02 = 0
Este ecuacion es de tipo Liouville. En general, las ecuaciones de Liouville son de la forma
y 00 + p(x) + q(y)(y 0 )2 = 0,
112 MATEM ATICAS
donde p y q dependen solo de x e y, respectivamente. DERIVE for Windows resuelve este tipo de ecuaciones
utilizando la funcion
LIOUVILLE(p,q,x,y,a,b).
Los dos ultimos argumentos son opcionales y sirven para fijar las constantes en la solucion general que se obtenga.
Si se omiten, el programa trabaja con las constantes c1 y c2. En nuestro caso p(x) = 0 y q(y) = 1/y, por lo que
la solucion vienen dada por LIOUVILLE(0,1/y,x,y):
1
c2 x + y 2 c1 = 0.
2
A continuacion se enuncian unos ejercicios sobre resolucion de ecuaciones diferenciales. Si el alumno encuentra
alguna dificultad debe revisar detenidamente los ejemplos anteriores.
a) Resolver la ecuacion y 00 2y 0 3y = 2 sen x.

b) Resolver la ecuacion y 00 2y 0 = x + 2ex .
ex
c) Resolver la ecuacion y 00 2y 0 + y = .
2x
d) Resolver la ecuacion y 00 sen y = 0.
e) Resolver la ecuacion y 00 + xy 0 = y 02 .
f) Resolver la ecuacion y 00 + yy 0 = y.
4.6. Metodos numericos de resolucion de ecuaciones de primer orden
Hay ocasiones en que no se puede obtener la solucion exacta de una ecuacion diferencial. En estos casos, lo
conveniente puede ser obtener una solucion numerica. Para este menester, DERIVE for Windows pone a nues-
tra disposicion diferentes metodos. En primer lugar debemos cargar la utilidad ODE APPR.MTH (mediante las
opciones File|Load|Math o File|Load|Util).
El metodo de Euler
El metodo de Euler es uno de los metodos mas clasicos utilizados en la resolucion numerica de ecuaciones dife-
renciales ordinarias de primer orden. La sintaxis general es
EULER(f,x,y,a,b,h,n)
Esta funcion proporciona un vector de n + 1 puntos (pares de numeros) solucion de la ecuacion y 0 = f (x, y),
con condiciones iniciales (a, b), empezando en a y con un paso h. El vector solucion debe interpretarse como los
puntos sobre la curva solucion cuyas abcisas estan separadas una distancia h. Por ejemplo, para generar 5 puntos
de una solucion aproximada de la ecuacion y 0 = 26/(3 + (x + y)2 ) en el intervalo [1,2] con condicion inicial
(a, b) = (1, 2), deberamos escribir
EULER(26/(3+(x+y)^2),x,y,1,-2,0.25,4)
El resultado es:
1 2
1.25 0.375

1.5 1.35114

1.75 1.93520
2 2.32722
El metodo de Runge-Kutta
El metodo de Euler discutido anteriormente es el metodo mas sencillo para resolver ecuaciones diferenciales
ordinarias, pero usualmente comete un error considerable. Sin embargo, el metodo clasico de Runge-Kutta es mas
preciso y por tanto es preferible al metodo de Euler. La sintaxis general es
RK(f,v,v0,h,n)
RK utiliza el metodo de Runge-Kutta de orden 4 para resolver una ecuacion diferencial de primer orden; tambien
puede utilizarse para resolver un sistema de ecuaciones diferenciales de primer orden. En la expresion anterior,
el programa calcula un vector de n + 1 puntos (pares de numeros) solucion de la ecuacion y 0 = f (v), donde
v = [x, y], con condiciones iniciales v0 = [a, b], empezando en a y con un paso h.
4.7. Bibliografa
Hill, Madrid, 1995. Captulo 18.
E.4.1. Calcular la solucion general de la siguiente ecuacion diferencial,

y 00 6y 0 + 9y = 0.
Calcular la solucion particular que alcanza un maximo relativo en x = 0 con y(0) = 1.
114 MATEM ATICAS
E.4.2. Calcular la solucion general de la siguiente ecuacion diferencial,
y 00 6y 0 + 9y = 4e5x .
Calcular la solucion particular determinada por las siguientes condiciones iniciales, y(0) = 2, y 0 (0) = 9.
E.4.3. Hallar la solucion general de la siguiente ecuacion diferencial
y 00 5y 0 + 6y = 0.
Hallar la solucion particular de esta ecuacion determinada por las condiciones iniciales y(0) = 1, y 0 (0) = 0.
E.4.4. Calcular la solucion general de la siguiente ecuacion diferencial
y 00 4y 0 + 4y = x.
Calcular la solucion particular determinada por las condiciones iniciales y(0) = 1, y 0 (0) = 0.
E.4.5. Un trabajador de 30 anos tiene un salario de 2.000.000 ptas anuales con un crecimiento estimado de
100.000 ptas anuales. Si realiza una inversion inicial de 100.000 ptas en un plan de pensiones que rin-
de un 8% anual, y realiza anualmente inversiones adicionales iguales al 5% de su salario, un modelo para el
capital invertido x al cabo de t anos es
dx
= 00 08x + 00 05(2.000.000 + 100.000t)
dt
x(0) = 100.000
Cuantos anos deben pasar para que acumule una inversion de 10.000.000 ptas? Cuanto capital tendra en
el plan cuando se jubile? (Se considera que 65 anos es la edad de jubilacion.)
E.4.6. Encontrar la solucion general de la siguiente ecuacion diferencial:
y 00 2y 0 3y = ex + 2 senx
Determinar las constantes para que y 0 (0) = 1 e y(0) = 1.
E.4.7. Una boya cilndrica, de diametro 20cm y peso 100Kg, flota parcialmente sumergida en posicion recta.
Cuando es ligeramente separada de su posicion de equilibrio, la boya sube y baja segun la siguiente ecuacion
diferencial:
100 d2 x dx
2
= 16x c
g dt dt
dx
donde c es la resistencia por friccion que ofrece el agua y g es la aceleracion gravitatoria.
dt

(1) Obtener x(t) si la constante c es igual a 15.
(2) Calcular c si el periodo de oscilacion observado es de 54 2.
Observacion : Como valor de la constante g puede tomarse 10m/s2 .
E.4.8. En un circuito electrico simple hay una corriente electrica I (en amperios), una resistencia R (en ohmios),
una inductancia L (en henrios) y una fuerza electromotriz E (en voltios), como se indica en la siguiente
figura.
E
S
R
De acuerdo con la segunda ley de Kirchoff, si se cierra el interruptor S en t = 0, la fuerza electromotriz

aplicada (potencial) es igual a la suma de las cadas de potencial en el resto del circuito. En otras palabras,
esto significa que la corriente I satisface la siguiente ecuacion diferencial:
dI
L + RI = E.
dt
Determinar la corriente I como funcion del tiempo t (en segundos), siendo R y L constantes no nulas y
E(t) = sen 2t.
E.4.9. Calcular la solucion general de la ecuacion diferencial siguiente:
y 00 2y 0 3y = 2 sen x.
Determinar el valor de las constantes si se verifican las siguientes condiciones:
y(0) = 1/5, y() = 0.
E.4.10. Resolver las siguientes ecuaciones diferenciales:

1
(1) xdx ydx = xy 2 dx (usar como factor integrante y 2 ).
d2 y dy
(2) 2
+ 5y = 3.
dx dx
E.4.11. Una celula esta suspendida dentro de una solucion que contiene un soluto a una concentracion constante
Cs . Se supone que la celula tiene un volumen constante V y que el area de su membrana permeable es igual
a la constante A. Por la ley de Fick (fisiologo aleman, 18291901), la razon de cambio de su masa m es
directamente proporcional al area A y a la diferencia Cs C(t), donde C(t) denota la concentracion del
soluto en el interior de la celula en el instante t.
R ?
?
-
C(t)
i
1
K

Cs
Determinar la funcion C(t) suponiendo que m = V C(t) y C(0) = C0 .

116 MATEM ATICAS
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 5
ALGEBRA LINEAL Y GEOMETRIA
Hallar un sistema triangular que sea equivalente a Calcular la forma Jordan de matrices de ordenes
uno dado. 2 y 3, usandola como recurso para efectuar poten-
cias n-esimas.
Conocer los distintos tipos de matrices y mane-
jar las distintas operaciones que se definen entre Conocer y utilizar los conceptos de producto es-
ellas, usando correctamente sus propiedades. calar, norma y distancia en el espacio.
Hallar el determinante de una matriz de cualquier Identificar geometricamente el producto vectorial
orden. y el producto mixto de vectores.
Hallar la matriz inversa de una matriz dada. Identificar y calcular las ecuaciones de algunas
Discutir y resolver sistemas de ecuaciones linea- secciones conicas y superficies cuadricas.
les. Manejar expresiones en coordenadas polares,
Conocer y utilizar la estructura de espacio vecto- cilndricas y esfericas.
rial y los conceptos de base y dimension.
Conocer el concepto de aplicacion lineal e identi-
Identificar cuando una matriz es diagonalizable. ficar el nucleo y la imagen de la misma.
Calcular la matriz diagonal semejante a una ma- Calcular la matriz asociada a una aplicacion li-
triz A dada como recurso para efectuar su poten- neal y saber obtener la nueva expresion de la mis-
cia n-esima. ma al efectuar un cambio de base.
2.1. Sistemas de ecuaciones lineales
Una ecuacion lineal de n variables X1 , X2 , ..., Xn es una ecuacion del tipo a1 X1 + a2 X2 + ... + an Xn = b.
Los numeros ai (i = 1, ..., n) se denominan coeficientes y a b se le llama termino independiente.
Una solucion de la ecuacion lineal anteriormente mencionada es una n-upla de numeros reales (1 , 2 , ..., n )
tal que a1 1 + a2 2 + + an n = b.
Ejemplo. 3x 2y + z = 0 es una ecuacion lineal de tres variables, y (1, 1, 1) es una solucion de la misma.
Notese que la ecuacion anterior tiene un numero infinito de soluciones. 2
118 MATEM ATICAS
A un conjunto de varias ecuaciones lineales se le denomina sistema de ecuaciones lineales. Es decir un sistema
de m ecuaciones lineales y n variables o incognitas, es una expresion del tipo

a11 X1 + a12 X2 + ... + a1n Xn = b1

a21 X1 + a22 X2 + ... + a2n Xn = b2

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

am1 X1 + am2 X2 + ... + amn Xn = bm
Una solucion de este sistema es una n-upla de numeros reales (1 , 2 , ..., n ) que sea a su vez solucion de las m
ecuaciones de las que se compone el sistema.
Ejemplo. En el siguiente sistema de 2 ecuaciones y 3 incognitas

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

la terna 13 14
11 , 11 , 0 es una solucion del sistema, ya que lo es de cada una de las ecuaciones que lo forman. La terna
(4, 6, 1) no es solucion del mismo ya que aunque es solucion de la primera ecuacion no lo es de la segunda. Se
puede demostrar que este sistema de ecuaciones lineales tiene infinitas soluciones. 2
Atendiendo a la existencia o no de soluciones y a su numero (finito o infinito), los sistemas de ecuaciones lineales
se clasifican de la siguiente manera:

Determinado (Solucion unica)

Compatible (existe solucion)
s.e.l. Indeterminado (Infinitas soluciones)

Incompatible (No existe solucion)
2.1.1. Reglas de equivalencia de sistemas
Dos sistemas de ecuaciones lineales se dice que son equivalentes cuando tienen las mismas soluciones.
Los metodos de resolucion de sistemas de ecuaciones lineales se basan en la idea de transformar el sistema original
del cual queremos encontrar sus soluciones, en otro equivalente que tenga una estructura mas sencilla.
Despues de lo dicho conviene aclarar que entendemos por estructura sencilla y cuales van a ser las operaciones
que van a ser validas para transformar el sistema original en otro equivalente.
Ejemplos de sistemas sencillos de resolver, en el caso de igual numero de ecuaciones que de incognitas, son los
llamados triangulares.
Un sistema triangular de tres ecuaciones con tres incognitas vendra expresado de una manera generica por:

a11 x + a12 y + a13 z = b1
a22 y + a23 z = b2

a33 z = b3
Observese que a21 = a31 = a32 = 0.

ALGEBRA LINEAL Y GEOMETR IA 119
Intenta responder ahora a las siguientes preguntas: Como sera un sistema triangular de cuatro ecuaciones y
cuatro incognitas? Sabras definir el mismo concepto para un sistema de n ecuaciones y n incognitas?
En este tipo de sistemas con n ecuaciones y n incognitas (si ann 6= 0) se obtiene facilmente una solucion unica,
despejando y sustituyendo sucesivamente de la ultima ecuacion a la primera.
Parece claro que nuestro interes principal lo centraremos en realizar operaciones en las ecuaciones que forman el
sistema original del que queremos conocer sus soluciones, hasta transformarlo en otro que sea lo mas parecido
posible a un sistema triangular. Debemos por tanto hacer referencia a las reglas u operaciones que consideramos
validas, es decir, que transforman un sistema en otro equivalente:
(1) Intercambiar dos ecuaciones.
(2) Multiplicar (o dividir) una ecuacion por un numero distinto de cero.
(3) Sumar o restar a una ecuacion el resultado de multiplicar (o dividir) otra por un numero.
(4) Expresar una ecuacion despejando una variable, y sustituir el resultado en las demas.
Ejemplo 1. Vamos a obtener un sistema triangular equivalente a:

2x + 3y 4z = 1
3x 2y + 5z = 3

7x + 4y 3z = 5

2x + 3y 4z = 1
2 ec. 2 + 1 ec. (3)
a a
V V 13y + 22z = 3
3a ec. 2 + 1a ec. (7)
13y + 22z = 3

2x + 3y 4z = 1
2x + 3y 4z = 1
V (3a ec. + 2a ec. (1)) V 13y + 22z = 3 V
13y + 22z = 3
0.z = 3

Despejando y en la segunda x = 11 7
13 13 z
V V
ecuacion y sustituyendo y = 13 + 22
3
13 z
y el conjunto de soluciones viene expresado por:

11 7 3 22
S= , + , : R
13 13 13 13
Como vemos el sistema tiene infinitas soluciones.
Obviamente no todos los sistemas que vamos a intentar resolver tienen el mismo numero de ecuaciones y de
incognitas. Como procederamos con un sistema de este estilo?
Ejemplo 2. Vamos a triangular el siguiente sistema de ecuaciones:

x + 3y z + t = 1
2x + y + 2z = 7

yt = 0

x + 3y z + t = 1
= (2a ec. + 1a ec. 2) = 7y + 2t = 9 =

yt = 0
120 MATEM ATICAS

x + 3y z + t = 1
(Intercambiamos la 2a ec. y la 3a ec) = yt = 0

7y + 2t = 9

x + 3y z + t = 1
= (3 ec. 2 ec. 7) =
a a
yt = 0

9t = 9

1 x + 3y z + t = 1
= (3a ec. ) = yt = 0
9
t = 1

xz = 3
= (1a ec. 2a ec. 3) = yt = 0

t = 1
de donde el conjunto de soluciones vendra dado por
S = {(3 + , 1, , 1) : R}
Sabras explicar por que?
Observaciones. Debemos extraer algunas conclusiones de los ejemplos anteriores.
(1) En las operaciones que realizamos con los sistemas en realidad nos bastara con hacer referencia solo a los
coeficientes, obviando as la repeticion de las incognitas. Si eliminamos estos smbolos el sistema anterior
se escribira como
1 3 1 1 1
2 1 2 0 7
0 1 0 1 0
Esta ordenacion de los coeficientes recibira el nombre de matriz ampliada. La matriz

1 3 1 1
2 1 2 0
0 1 0 1
recibe el nombre de matriz de los coeficientes del sistema.

Las operaciones que hemos realizado sobre las ecuaciones se realizaran ahora sobre las filas de esta ultima
matriz, sin mas que sustituir la palabra ecuacion por la de fila.
(2) Dada la matriz generica de un sistema de tres ecuaciones y tres incognitas

a11 a12 a13 b1

a21 a22 a23 b2

a31 a32 a33 b
3
(ver Ejemplo 1), al intentar resolverlo y por lo tanto transformarlo en uno equivalente que sea triangular,
llegaremos a un sistema representado por una matriz del tipo
0 0
a11 a12 a13 b1
0 0
0 0 0
0 a22 a23 b2
0 0
0 0 a33 b3
0
que tendra solucion unica si y solo si a33 6= 0.
(3) En el caso representado en el Ejemplo 2, observemos que la matriz ampliada resultado de efectuar las
sucesivas transformaciones a las que hemos sometido el sistema original es

1 0 1 0 3
0 1 0 0 1
0 0 0 1 1
Que tiene de comun esta matriz con la correspondiente a un sistema triangular? Resaltamos a continuacion
una caracterstica que podemos considerar comun a las dos:
Ambas son matrices escalonadas, en el sentido de que puede trazarse una escalera descendente, por
debajo de cual todos los elementos seran ceros.
Metodo de Gauss. El metodo de Gauss para la resolucion de sistemas de ecuaciones lineales consiste en realizar
transformaciones en la matriz del sistema de partida hasta conseguir una matriz escalonada, de las caractersticas
descritas anteriormente.
Como es logico, no todos los sistemas son compatibles (determinados o indeterminados), y algunas veces nos
encontraremos con sistemas que no tengan solucion. Como los podremos identificar?
Ejemplo 3. El sistema de ecuaciones

x + 2y 3z = 1

2x y + z = 2

3x + 2y + 2z = 3

7x + 5y 3z = 3
es equivalente a

1 2 3 1

0 5 7 4

0 0 27 14
0 0 0 30
(Intenta dar los pasos pertinentes para lograr llegar a esta ultima expresion de un sistema equivalente). Observa
que como la ultima ecuacion no tiene solucion el sistema no tiene solucion.
Observacion. En general, cuando al efectuar operaciones en la matriz de un sistema, conseguimos una matriz en
la que todos los elementos de una fila son ceros menos el coeficiente que corresponde el termino independiente de
la ecuacion, el sistema sera incompatible.
Resumimos a continuacion las situaciones genericas con las que nos encontramos al aplicar el metodo de elimi-
nacion de Gauss.
(1) Obtenemos una solucion imposible y el sistema de partida es incompatible.
(2) El numero de ecuaciones resultantes no eliminadas y de incognitas coincide. Entonces el sistema de partida
es compatible y determinado y la matriz ampliada se podra transformar en una de la forma:

....

0 ....

... ... .... ... ...
0 0 ....
(donde con expresamos cualquier valor posible de los coeficientes)

122 MATEM ATICAS
(3) El numero de ecuaciones resultantes no eliminadas es menor que el numero de incognitas del sistema.
Entonces el sistema es compatible e indeterminado. La matriz ampliada se podra transformar en una de la
forma:
... ... ... ...

0 ... ... ...

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

0 0 ... ...
2.1.2. Un caso notable: los sistemas de ecuaciones lineales homogeneos
En un sistema de ecuaciones lineales generico cuando los terminos independientes son todos nulos, lo denomina-
remos homogeneo.

a11 X1 + a12 X2 + ... + a1n Xn = 0
a X + a X + ... + a X = 0
21 1 22 2 2n n

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

am1 X1 + am2 X2 + ... + amn Xn = 0
Piensa y demuestra que se cumplen las siguientes propiedades:
(1) Un sistema homogeneo es siempre compatible, ya que la solucion trivial (0, 0, ..., 0) satisface todas y cada
una de las ecuaciones del sistema.
(2) Si (1 , 2 , ..., n ) es solucion de un sistema homogeneo, tambien lo es (1 , 2 , ..., n ) con R. Lo
que en general demuestra que si un sistema homogeneo tiene una solucion distinta de la trivial, entonces
tiene infinitas soluciones.
2.1.3. Discusion de sistemas de ecuaciones lineales en funcion de los valores de parametros
Otro de los aspectos destacables dentro de la resolucion de sistemas de ecuaciones lineales es el que habitualmente
se denomina como discusion del sistema. Entenderemos por esto decidir para que valores de uno o varios
parametros se tienen infinitas soluciones, solucion unica o ninguna solucion.
Ejemplo. Discute segun los valores de m el siguiente sistema de ecuaciones:

x + 2y + z = 2
x + 3y + z = 0

x + y + mz = 1

1 2 1 2 1 2 1 2

1 3 1 0 V (Sumando la 2a fila a la 3a y la 1a a la 2a ) V 0 5 2 2

1 1 m 1 0 3 m+1 3

1 2 1 2
V (Multiplicando la 3a fila por 5 y la 2a por 3) V 0 15 6 6
0 0 5m 1 9
En funcion de los valores de m distinguiremos los siguientes casos:
1
(1) 5m 1 = 0 m = 5 y la ultima ecuacion se transforma en un absurso. Sistema incompatible.
(2) 5m 1 6= 1
5 m 6= 1
5 . Sistema compatible y determinado. 2
Ejemplo. Discute segun los valores de m:

x + y + mz = 1
x + my + z = 1

mx + y + z = 1
Debes transformar esta ecuacion en:

1 1 m 1

0 m1 1m 0

0 0 (1 m)(2 + m) 1m
Que transformaciones son necesarias? La discusion surge de la ecuacion (1 m)(2 + m) = 0.
Que sucede si m 6= 1 y m 6= 2? Y si m = 2? Y cuando m = 1? (Es interesante que razones conveniente-

mente las respuestas a todas estas preguntas). 2
2.2. Operaciones con matrices
Un conjunto de m n numeros reales colocados de forma rectangular en m filas y n columnas recibe el nombre
de matriz real de dimension m n.
De forma generica notaremos

a11 a12 .... a1n
a21 a22 .... a2n
A=
....

..... .... ....
am1 am2 .... amn
Con la notacion aij significamos el elemento de la matriz A que ocupa el lugar perteneciente a la fila i y a la
columna j. De forma abreviada tambien notaremos A = (aij )i=1...m
j=1...n
Al conjunto de todas las matrices con coeficientes reales, con m filas y n columnas (dimension m n) lo denota-
remos por Mmn (R). En general abusaremos del lenguaje y cuando hablemos de matrices entenderemos que
sus coeficientes son numeros reales.
A las matrices que solo tienen una fila se les llama matrices fila. Analogamente a las que tienen solo una columna
se les denomina matrices columna.
Dada una matriz A, se denomina traspuesta de A, denotandose t A, a la matriz que se obtiene cambiando en A
las filas por columnas.
Las matrices en las que coincide el numero de filas con el de columnas se denominan matrices cuadradas.
Para una matriz cuadrada de dimension n n se suele decir que es de orden n. El conjunto de elementos
(a11 , a22 , ...., ann ) se denomina diagonal principal.
Una matriz cuadrada A se dice que es simetrica cuando aij = aji para todo i = 1, . . . , m y j = 1, . . . , n.
Otros tipos especiales de matrices son:
Matriz nula: Aquella en que todos sus elementos son cero.

124 MATEM ATICAS

0 0
O= es un ejemplo de matriz nula de orden 2.
0 0
Matriz diagonal: Cualquier matriz cuadrada en la que los elementos que no estan ubicados en la diagonal prin-
cipal son ceros.

7 0 0
D = 0 2 0 es un ejemplo de matriz diagonal de orden 3.
0 0 3
Matriz unidad o identidad: Se denomina as a cualquier matriz diagonal en la que todos los elementos pertene-
cientes a la diagonal principal son iguales a 1. La matriz diagonal de orden n sera denotada por In .

1 0 0
I3 = 0 1 0 es un ejemplo de matriz identidad de orden 3.
0 0 1
Matriz triangular: Se denomina de esta manera a toda matriz cuadrada en la que los elementos que estan por
encima o por debajo de la diagonal principal son iguales a cero. Se dice triangular superior cuando los
elementos nulos estan por debajo o triangular inferior si estan por encima.

1 2 3
A = 0 4 5 es un ejemplo de matriz triangular superior de orden tres.
0 0 6
2.2.1. Suma de matrices
Sean A, B Mmn (R) , es decir, A = (aij )i=1...m y B = (bij )i=1...m . Definimos la matriz suma C = A + B,
j=1...n j=1...n
como C = (cij )i=1...m donde cij = aij + bij , para todo i = 1...m y j = 1...n.
j=1...n
Mas explcitamente podemos expresar

a11 + b11 a12 + b12 .... a1n + b1n
a21 + b21 a22 + b22 .... a2n + b2n
C =A+B =
...............

............... .... ...............
am1 + bm1 ............... .... amn + bmn
2.2.2. Propiedades de la Suma
(1) A + (B + C) = (A + B) + C (propiedad asociativa).
(2) A + B = B + A (propiedad conmutativa).
(3) A + O = A (Por O indicamos la matriz nula).
(4) La matriz A que denominaremos matriz opuesta y que se obtiene cambiando de signo todos los elementos
de A, cumple la siguiente propiedad: A + (A) = O.
Estas propiedades dotan a (Mmn , +) de la estructura de grupo abeliano.

2.2.3. Producto de un escalar (numero real) por una matriz
Sea A Mmn (R) , A = (aij )i=1...m y R , definimos A = (aij )i=1...m , es decir:

j=1...n j=1...n

a11 a12 .... a1n a11 a12 .... a1n
a21 a22 .... a2n a21 a22 .... a2n

....
=
..... .... .... .... ..... .... ....
am1 am2 .... amn am1 am2 .... amn

3 2 12 8
Por ejemplo, 4 5 6 = 20 24 .
7 8 28 32
Para cualquier , R y A, B Mmn (R), se verifican las siguientes propiedades:
(1) (A + B) = A + B.
(2) ( + )A = A + B.
(3) (A) = ()A.
(4) 1A = A.
Todas estas propiedades, as como las vistas anteriormente para la suma de matrices, se pueden resumir diciendo
que (Mmn , +, .) es un espacio vectorial sobre R (cuerpo de los numeros reales).
2.2.4. Producto de matrices
Sean A, B Mmn (R) , A = (aij )i=1...m y B = (bij )i=1...n . Definimos el producto AB como la nueva matriz
j=1...n j=1...p
C = (cij )i=1...m , tal que cij = ai1 b1j + ai2 b2j + ai3 b3j + ... + ain bnj o en expresion mas reducida
j=1...p
X
n
cij = aik bkj .
k=1
Observese que para que este bien definido el producto de matrices, el numero de columnas de la primera matriz
debe coincidir con el numero de filas de la segunda.
Ejemplo. En el siguiente producto de matrices, el punto . denota la multiplicacion en los numeros reales.

1 2 5 6 1.5 + 2.7 1.6 + 2.8 19 22
= =
3 4 7 8 3.5 + 4.7 3.6 + 4.8 43 30
2
2.2.5. Propiedades del producto de matrices
(1) A(BC) = (AB)C.

(2) AB 6= BA en general. Puedes encontrar algun ejemplo que demuestre esta afirmacion?
126 MATEM ATICAS
(3) Si A Mmn (R), AIn = A (donde In representa la matriz identidad de orden n) y tambien Im A = A.
(4) A(B + C) = AB + AC.
De todo lo anterior se deduce que Mn (R) (conjunto de matrices cuadradas de orden n, con coeficientes reales)
dotado de las operaciones suma y producto de matrices tiene estructura de anillo (no conmutativo) con elemento
unidad.
2.2.6. Algunas matrices relevantes: las matrices invertibles
Consideremos el anillo (Mn (R), +, .) anteriormente mencionado. Dada la matriz A Mn (R) no siempre existe
otra matriz B Mn (R) tal que AB = BA = In (intenta encontrar algunos ejemplos de matrices que ilustren
esta afirmacion).
En los casos en los que existe B se dice que es la matriz inversa de A y la denotaremos por A1 .
Una matriz cuadrada A Mn (R) que posea inversa se dice que es invertible o tambien regular. Si no la tiene se
denomina matriz singular.
2.2.7. Un metodo sencillo para calcular la matriz inversa
Intentemos calcular la matriz inversa de la siguiente matriz de orden 2 2:

0 1
A= .
4 2
Procedemos de la siguiente manera. Ampliamos con la matriz identidad por la derecha

0 1 1 0
4 2 0 1
y seguidamente realizamos operaciones elementales (justo aquellas que fueron mencionadas en el metodo de
Gauss), con las filas de la matriz hasta conseguir:

1 0
.
0 1
Lo que resulta a la derecha en el lugar de las anteriores es justo la matriz inversa que buscabamos.
Veamos como se calcula la inversa para la matriz propuesta en el ejemplo.

0 1 1 0 1 2 0 1 12
(2 fila ( )) + 1 fila)
a a

4 2 0 1 2 4 2 0 1

2 0 1 12
(1 fila 2)) + 2 fila)
a a
(1a f ila 2)) + 2a f ila)
0 2 2 0

1 0 12 41
0 1 1 0
Despues de los anteriores calculos y segun lo expresado al comienzo concluiremos que
1 1
2 4
A1 = .
1 0
2.3. Determinantes: definicion, propiedades, reglas de calculo y aplicaciones
Vamos a empezar definiendo el concepto de determinante de una matriz cuadrada de orden n, A = (aij ). Para
introducir este concepto hacen falta algunas definiciones preliminares.
Dado el conjunto {1, 2, 3, ..., n}, cualquier n-upla ordenada formada por los n elementos de este conjunto diremos
que es una permutacion. Denotaremos por Pn el conjunto de todas las permutaciones de {1, 2, 3, ..., n}.
Diremos que una permutacion Pn tiene una inversion (o trasposicion), cuando el orden que presentan dos
numeros es el contrario al que tienen los numeros naturales.
Ejemplo. Dado {1, 2, 3} , (1, 3, 2) es una permutacion que pertenece a P3 . El numero de permutaciones de P3
es 3! = 6. Son las formadas por (1, 2, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1), (2, 1, 3) y (1, 3, 2). La permutacion (1, 3, 2)
tiene una inversion (3 antes que 2) y (3, 2, 1) tiene 3 inversiones (3 antes que 2, 3 antes que 1 y 2 antes que 1). 2
Sea Pn , definimos el signo de como s() = (1)i() , donde por i() indicamos el numero de inversiones
que tiene la permutacion .
Antes de introducir la definicion general de determinante, lo haremos primero para una matriz de orden 3. Consi-
deremos la matriz
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
y formemos todos los posibles productos de tres elementos de dicha matriz con las siguientes restricciones:
(1) En cada producto solo puede aparecer un elemento de cada fila y uno de cada columna.
(2) Dotaremos de un signo a cada producto que coincidira con el signo de la permutacion de P3 formada por
los segundos subndices de los elementos.
Permutacion Numero de inversiones Producto

123 0 +a11 a22 a33
231 2 +a12 a23 a31
312 2 +a13 a21 a32
321 3 a13 a22 a31
213 1 a12 a21 a33
132 1 a11 a23 a32
Llamaremos determinante de A y lo notaremos por det(A) o por |A|, a la suma de todos estos productos. Es decir,
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32 .
Siguiendo esta misma tecnica de definicion podemos llegar a definir el concepto de determinante para una matriz
generica de orden n, A = (aij ).
Definimos el determinante de A por la expresion

X
det(A) = (1)s() a1(1) a2(2) ...an(n)
Pn
donde por ((1), (2), ..., (n)) indicamos los subndices que representa la permutacion .
Observacion. En un determinante de orden n aparecen n! sumandos. Como vemos el numero de sumandos crece
rapidamente en relacion con el orden del determinante. No es por tanto demasiado operativo como metodo de
128 MATEM ATICAS
calculo la definicion de determinante que hemos introducido con anterioridad. Procede por tanto que introduzca-
mos un metodo mas practico que nos facilite el trabajo en el calculo de determinantes.
Dada la matriz A = (aij ), llamaremos menor complementario del elemento aij al determinante de la matriz que
resulta de suprimir en A la fila i y la columna j. Lo denotaremos por Mij .
Llamaremos adjunto de aij a la expresion Aij = (1)i+j Mij .
Ejemplo. Dada la matriz

1 2 3 4
0 2 2 3
A=
0 0 6 4
0 0 0 2
el menor complementario de 4 es
0 2 2

M44 = 0 0 6 =0

0 0 0
y el del 1 corresponde a
2 2 3

M11
= 0 6 4 = 24.

0 0 2
Los adjuntos son A11 = (1)1+1 M11 = 24 y A44 = (1)4+4 M44 = 0. 2
2.3.1. Calculo del determinante por el desarrollo de los elementos de una fila o columna
Se puede demostrar sin demasiada dificultad (ver bibliografa recomendada) que dada una matriz generica de
orden n, A = (aij ), el determinante viene dado por
det(A) = a11 A11 + a21 A21 + ... + an1 An1 .
A esta expresion se llama desarrollo del determinante de la matriz A por los elementos de la primera columna,
puesto que son (a11 , a21 , ..., an1 ) los elementos que forman la primera columna de la matriz A.
Esta importante propiedad se puede hacer mas generica y la expresion anterior sera tambien valida eligiendo para
el desarrollo los elementos de cualquier fila o columna del determinante.
Por ejemplo para la fila i-esima (ai1 , ai2 , ..., ain ) obtendramos det(A) = ai1 Ai1 + ai2 Ai2 + ... + ain Ain y para
la columna j-esima (a1j , a2j , ..., anj ) se tiene det(A) = a1j A1j + a2j A2j + ... + anj Anj .
La gran ventaja que presentan estas expresiones es que podemos reducir el calculo de un determinante de orden n
al calculo de otros (los adjuntos) que tienen el orden disminuido en una unidad (una fila y una columna menos).
Aplicando sucesivamente este criterio, podremos acabar reduciendo cualquier determinante a calculos de deter-
minantes de orden 2.
Ejemplo. Desarrollando por los elementos de una lnea (fila o columna) vamos a calcular el valor del siguiente
determinante
1 3 2 6

3 2 1 0
=
2 1 4 5
0 0 4 0
La primera cuestion que nos surge es la fila o columna que mas nos conviene escoger para el posterior desarrollo.
Parece claro para este ejemplo que es la cuarta fila y en general debemos escoger aquella que tenga el mayor
numero de elementos iguales a cero. As

1 3 6
Desarrollando por la 3 6 1 6
= (4) 3 2 0 = = 4(3 + 2 ) = 388.
2 2a fila 1 5 2 5
1 5
2
2.3.2. Propiedades de los determinantes
Para poder expresar mejor las siguientes propiedades usaremos la notacion det(A) = det(C1 , C2 , ..., Cn ), donde
Ci indica la columna i-esima de la matriz A.
(1) Si una columna se multiplica por un escalar el valor del determinante queda multiplicado por :
det(C1 , ..., Ci , ..., Cn ) = det(C1 , ..., Ci , ..., Cn )

0 0
(2) det(C1 , ..., Ci + Ci , ..., Cn ) = det(C1 , ..., Ci , ..., Cn ) + det(C1 , ..., Ci , ..., Cn )
(3) El determinante de una matriz que tenga dos columnas iguales vale cero:
det(C1 , ..., Ci , ..., Ci , ..., Cn ) = 0
(4) det(0n ) = 0 (donde 0n es la matriz de orden n con todos sus elementos iguales a 0), det(In ) = 1.
(5) Si se intercambian dos columnas el determinante cambia de signo:
det(C1 , ..., Ci , ..., Cj , ..., Cn ) = det(C1 , ..., Cj , ..., Ci , ..., Cn )
(6) Si a una columna se le suma una combinacion lineal de las demas, el determinante no vara:
det(C1 , ..., Cn ) = det(C1 + 2 C2 + 3 C3 + ... + n Cn , C2 , ..., Cn )
(7) Si en una matriz cambiamos filas por columnas el valor del determinante no vara:
det(A) = det(t A)
(8) Si A y B son matrices cuadradas del mismo orden n, det(AB) = det(A) det(B).
Observacion. La propiedad (7) demuestra que en todas las propiedades anteriormente enunciadas podemos cam-
biar las referencias a columnas por filas, verificandose igualmente el enunciado resultante.
De las propiedades de los determinantes y del desarrollo de los mismos por los elementos de una fila o columna,
podemos deducir que es posible mediante operaciones elementales entre las filas o columnas (segun las propieda-
des anteriormente descritas) conseguir poner ceros en el mayor numero de elementos de la fila o columna por la
que vayamos a desarrollar, con la finalidad de simplificar considerablemente los calculos.
Ejemplo. Calculemos el valor de

1 1 2 1

2 3 4 5
= .

6 7 8 9
1 4 5 7
130 MATEM ATICAS
a a a a
Restamos la 1 columna a la 2 y a la 4 y tambien podemos restar a la 3 columna, la 1a columna multiplicada
por 2, para obtener finalmente

1 0 0 0

2 1 0 3
= .
6 1 4 3
1 3 3 6
Observa que de la cuarta columna podemos sacar factor comun 3. As tendremos

1 0 0 0

2 1 0 1
= 3 .
6 1 4 1
1 3 3 2
Desarrollando por los elementos de la primera fila obtenemos

1 0 1

= 3 1 4 1 .
3 3 2
Ahora podemos restar la 1a columna a la tercera, para obtener finalmente

1 0 0

= 3 1 4 0
3 3 1
y desarrollando por la primera fila se tiene

4 0
= 3 = 12.
3 1
2
2.3.3. Aplicacion de determinantes al calculo de la matriz inversa
Llamaremos matriz adjunta de A = (aij ) a la matriz

A11 A21 .... An1
A12 A22 .... An2
Adj(A) = ....
,
..... .... ....
A1n A2n .... Ann
donde por Aij entendemos el adjunto del elemento aij concepto que ya hemos introducido con anterioridad.
Una matriz cuadrada A = (aij ) tiene inversa si y solo si det(A) 6= 0, verificandose la siguiente igualdad
1
A1 = Adj(A).
det(A)
Ejemplo. Como ejemplo de que se cumple la expresion anterior, puedes comprobar que
2
3 16 12 1 3 2
A1 = 7 3
1
3 donde A = 5 0
6 2 1 .
10 1
3 6 52 1 4 3
2
2.3.4. Forma matricial de un sistema de ecuaciones. Regla de Cramer
Consideremos el siguiente sistema de ecuaciones

a11 X1 + a12 X2 + ... + a1n Xn = b1

a21 X1 + a22 X2 + ... + a2n Xn = b2

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

am1 X1 + am2 X2 + ... + amn Xn = bm
Segun los conceptos y las operaciones introducidas con anterioridad, lo podramos expresar de la siguiente forma:

a11 a12 .... a1n X1 b1
a21 a22 .... a2n X2 b2
=
.... ..... .... .... ... ...
am1 am2 .... amn Xn bn
Esta ultima expresion recibe el nombre de forma matricial del sistema de ecuaciones lineales.
Cuando el sistema esta formado por n ecuaciones y n incognitas y el determinante de la matriz de los coeficientes
del sistema es distinto de cero, entonces se asegura la existencia de matriz inversa y podemos obtener las soluciones
despejando la matriz columna t (X1 X2 . . . Xn ) de la siguiente forma:
1
X1 a11 a12 .... a1n b1
X2 a21 a22 .... a2n b2

... = .... ..... .... .... ...
Xn an1 an2 .... ann bn
Esta expresion es lo que basicamente se conoce como regla de Cramer, y los sistemas con el mismo numero de
ecuaciones que de incognitas que cumplen la condicion

a11 a12 .... a1n

a21 a22 .... a2n

.... ..... .... .... 6= 0

a .... ann
n1 an2
se denominan sistemas de Cramer. La regla de Cramer estamos acostumbrados a verla de otra forma, que resulta
de efectuar las operaciones matriciales correspondientes. Si llamamos

a11 a12 .... a1n

a21 a22 .... a2n
=

.... ..... .... ....
a .... ann
n1 an2
obtendremos las siguientes expresiones:

b1 a12 .... a1n

b2 a22 .... a2n

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

bn an2 .... ann
X1 = ,

a11 b1 .... a1n

a21 b2 .... a2n

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

an1 bn .... ann
X2 = , ...

132 MATEM ATICAS

a11 a12 .... b1

a21 a22 .... b2

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

an1 an2 .... bn
Xn =

Observacion. Para obtener el valor correspondiente a la incognita Xi , efectuamos el cociente entre el determinante
de la matriz resultado de sustituir en la matriz de los coeficientes del sistema la columna i-esima por la columna
de los terminos independientes, y el determinante de la matriz de los coeficientes.
Ejemplos.
(1) El sistema

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

x 2y + z = 2
es un sistema de Cramer, puesto que la matriz de los coeficientes

3 2 1
A = 2 1 1
1 2 1
tiene por determinante |A| = 4. Aplicando la regla de Cramer se tiene:

1 2 1 3 1 1 3 2 1

1 1 1 2 1 1 2 1 1

2 2 1 3 1 2 1 15 1 2 2 25
x= = , y= = , z= =
4 4 4 4 4 4
(2) El sistema homogeneo

3x + 2y z = 0
2x y + z = 0

x 2y + z = 0
admite solo la solucion trivial x = y = z = 0, ya que la matriz de los coeficientes coincide con la del sistema
anterior y es por tanto un sistema de Cramer.
(3) La regla de Cramer tambien se puede usar para resolver sistemas de ecuaciones que tengan infinitas soluciones.
Consideremos el siguiente sistema:

3x + 2y 5z + 6t = 4
2x + y + 3z t = 2

x 3y + 2z + 5t = 0
si pasamos los terminos en los que aparece la incognita t al otro lado del signo igual obtendremos:

3x + 2y 5z = 4 6t
2x + y + 3z = 2+t

x 3y + 2z = 5t
Considerando como incognitas solo a x, y, z para cada valor de t obtendramos un sistema de Cramer, puesto que

3 2 5

= 2 1 3 =
6 0
1 3 2
(Comprueba que es cierto lo que afirmamos). Finalmente obtendramos aplicando la regla de Cramer

4 6t 2 5 3 4 6t 5

2+t 1 3 2 2+t 3

5t 3 2 5 1 5t 2 3 56
x= = 1 t, y= = + t,
3 11 33

3 2 4 6t

2 1 2 + t

1 3 5t 1 29
z= = + t.
11 33
Es decir, el conjunto de soluciones viene expresado por

5 3 56 1 29
S = (1 , + , + ) : R .
3 11 33 11 33
2.4. Espacios vectoriales: base y dimension
Se han estudiado en los epgrafes anteriores algunos conjuntos que con las operaciones definidas sobre ellos, en
virtud de las propiedades de las mismas, decamos que tienen estructura de espacio vectorial. Recordemos por
ejemplo el conjunto Mmn (R) que tiene estructura de espacio vectorial sobre R con las operaciones + (suma
de matrices) y . (producto de un escalar por una matriz). Son numerosos e importantes los ejemplos en algebra
en los que se puede observar esta estructura (ver bibliografa).
Todo lo expresado anteriormente se puede generalizar para un conjunto V , a cuyos elementos le llamaremos
genericamente vectores, denotandolos por

u ,

v ,

w , .... y con un cuerpo (ver definicion en bibliografa) generico
de escalares que denotaremos por K , y a sus elementos con letras griegas , , ...
Consideramos definidas en V dos operaciones, una interna:

u + v (suma de dos vectores que da otro vector)

y otra externa: u (producto de un escalar por un vector que da otro vector). Las propiedades verificadas para
todos los vectores de V y todos los escalares de K , que hacen de V con las operaciones anteriormente citadas un
espacio vectorial son las siguientes:
(1)

u +v =
v +
u.
(2)

u + (
v +

w) =

u + (

v +

w ).

(3) Existe un elemento de V que denotaremos por 0 (elemento neutro) tal que 0 +
u =
u.

(4) Para todo vector u existe u V (elemento opuesto) tal que u + ( u ) = 0 .
(5) 1.

u =
u (1 es el elemento unidad de K).
(6) (
u ) = ()
u.
(7) ( + ) u = u +

u.
(8) (

u +

v ) =

u +

v.
Habitualmente en el caso en que el cuerpo sea el conjunto de los numeros reales, diremos que V es un espacio
vectorial real.
Ejemplo. El conjunto Rn = {(x1 , x2 , ..., xn ) : xi R con i = 1, ..., n} con las operaciones:

(1) (x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )
(2) (x1 , x2 , ..., xn ) = (x1 , x2 , ..., xn )
es un espacio vectorial sobre R (Compruebalo). 2
134 MATEM ATICAS
2.4.1. Vectores y ecuaciones lineales
Dos importantes conceptos relativos a vectores, las combinaciones lineales y la dependencia lineal, estan estre-
chamente relacionadas con los sistemas de ecuaciones lineales.
Combinacion lineal. Un vector v es combinacion lineal de los vectores

v

1 , v2 , ..., vn si existen escalares

1 , 2 , ..., n tales que v = 1 v1 + 2 v2 + ... + n vn .
Dependencia lineal. Los vectores v

1 , v2 , ..., vn se dice que son linealmente dependientes si existe alguna com-

binacion lineal 1 v1 +2 v2 +...+n vn = 0 , en la que alguno de los coeficientes escalares i es distinto
de 0. En el caso en que esto no sea posible los vectores se dicen linealmente independientes.
Consideremos el siguiente sistema homogeneo de m ecuaciones con n incognitas:

a11 X1 + a12 X2 + + a1n Xn = 0

a21 X1 + a22 X2 + + a2n Xn = 0
...............................................
...

am1 X1 + am2 X2 + + amn Xn = 0
Este sistema se puede plantear equivalentemente por la siguiente ecuacion vectorial:

a11 a12 a1n 0
a21 a22 a2n 0

... X1 + ... X2 + + ... Xn = ...
am1 am2 amn 0
Esto es,

a1i
a2i
X1
v
1 + X2 v2 + + Xn vn = 0 , donde

vi =
... , i = 1, ..., n.
ami
Despues de los conceptos introducidos anteriormente te proponemos que contestes a las siguientes preguntas.
Como son los vectores
v

1 , v2 , ..., vn si el sistema homogeneo tiene alguna solucion no nula? Y si tiene solo la
solucion nula?
2.4.2. Subespacios vectoriales
Dado un espacio vectorial V sobre un cuerpo K decimos que un subconjunto S V es un subespacio vectorial,
cuando tiene estructura de espacio vectorial con las operaciones que estan definidas en V . Se puede demostrar
que S V es un subespacio vectorial si y solo si para cualquier par de vectores

u ,

v S y escalares , K

se tiene u + v S.
2.4.3. Subespacio engendrado por un conjunto de vectores. Sistema de generadores. Bases y dimension de
un espacio vectorial
Sea G = { v

1 , v2 , ..., vn } una coleccion de vectores de un espacio vectorial V sobre un cuerpo K . Llamaremos
subespacio engendrado por G y lo denotaremos por L(G) al conjunto de todas las combinaciones lineales de
vectores de G. Es decir, L(G) = { 1 v

1 + 2 v 2 + + n vn | 1 , 2 , ..., n K }
Se dice que G es un sistema de vectores generadores de V si L(G) = V .
Observacion. Son especialmente importantes los casos de los espacios vectoriales formados por los vectores
libres del plano R2 y del espacio R3 , por la interpretacion grafica que los conceptos introducidos anteriormente
sugieren. Conceptos que seguro te son familiares, pero es fundamental que los recuerdes ahora, consultando si es
necesario la bibliografa recomendada.
En ocasiones es posible eliminar un vector de un sistema generador sin que el subespacio generado se altere. Pero
el vector que eliminemos no puede ser uno cualquiera, sino alguno que se pueda expresar como combinacion lineal
de los restantes. La idea de quedarnos con el menor numero de generadores posible de todo el espacio vectorial
es la que nos lleva a introducir el concepto de base.
Un sistema de vectores generadores y linealmente independientes de un espacio vectorial recibe el nombre de

base. Se puede demostrar que en todo espacio vectorial existe una base.
En el espacio vectorial Rn existe una base que distinguimos de las demas y que llamaremos base canonica,
formada por los vectores
e = (1, 0, 0, ..., 0)
1
e = (0, 1, 0, ..., 0)
2
... .....................

e = (0, 0, ..., 0, 1)
n
Puedes comprobar que efectivamente se trata de un sistema de vectores linealmente independientes y generadores.
Ejemplo. Los vectores v

3
1 = (1, 1, 1), v2 = (1, 1, 0) y v3 = (1, 0, 0) forman una base de R . No sucede lo

mismo con los vectores u1 = (1, 1, 1), u2 = (2, 1, 3), u3 = (1, 5, 3) ya que 3 u1 2 u2 + u3 = 0 . 2
En un espacio vectorial dado V , todas las bases tienen el mismo numero de elementos, a ese numero se le llama
dimension del espacio vectorial, la denotaremos por dim V .
Observaciones.
Despues de lo visto anteriormente queda demostrado que la dimension del espacio vectorial Rn es n.
Observa que en Rn (en general en cualquier espacio vectorial de dimension n) n vectores lineamente inde-
pendientes forman una base. Analogamente sucede con n vectores generadores. Nunca puede haber mas de n
vectores linealmente independientes ni menos de n vectores generadores.
Aunque la dimension de Rn esta clara, es muy importante para nosotros establecer algun metodo que nos pueda
dar la dimension de los subespacios generados por vectores de Rn . Supongamos que tenemos el siguiente sistema
de vectores de R4 :
= (1, 0, 2, 3),

u = (2, 1, 4, 0),
u = (3, 1, 1, 2),
u = (1, 1, 16, 11)
u
1 2 3 4
Queremos calcular dim L({ ,

u
1 u2 , u3 , u4 }). La dimension de este subespacio sera la misma, si sustituimos en
el sistema de vectores generadores, cualquier vector por una combinacion lineal de los vectores generadores en
la que necesariamente aparezca el. Esto se traduce en que podemos hacer operaciones elementales (las que ya
hacamos con el metodo de Gauss y para la resolucion de los determinantes) sin que la dimension vare. Es decir,
en nuestro caso particular, poniendo las coordenadas de los vectores como filas de una matriz obtenemos:

u 1 1 0 2 3

u2 2 1 4 0
= =

u 3
3 1 1 2

u 1 1 16 11
4

u 1 1 0 2 3

6
0
u 2 = u 2 2 u1 0 1 0 =

=
7
0
u3 = u3 3 u 1 0 1 7

0

u4 = u4 + u 1 0 1 16 8
136 MATEM ATICAS

u 1 0 2 3
1

0 0 1 0 6
u2

0 =
u
3 0 0 7 1

0 2
u 0
u 0 0 0 0
4 3
Como vemos, se puede deducir facilmente que la dimension del subespacio es

,
dim L({
u 0 0 0 0
1 u2 , u 3 , u4 }) = dim L({ u1 , u2 , u3 , u4 2 u3 }) = 3.
2.4.4. Rango de una matriz. Teorema de Rouche-Frobenius
Consideremos la matriz A = (aij ) Mmn (R); en ella podemos distinguir m vectores filas pertenecientes a
Rn y n vectores columna pertenecientes a Rm . Denotemos por Fi , i = 1, 2, ...., m a los vectores fila y por Cj ,
j = 1, 2, ..., n los vectores columna. Enunciamos a continuacion un resultado fundamental que hace posible la
definicion del concepto de rango de la matriz A.
Dada la matriz A anteriormente introducida, se tiene que dim L(F1 , F2 , ..., Fm ) = dim L(C1 , C2 , ..., Cn ) y a este
numero se le denomina rango de la matriz A, denotandose por r(A).
Ejemplo. Puede comprobarse que la matriz

1 2 1 1
A = 2 1 1 2
0 5 3 4
tiene rango r(A) = 2. 2
2.4.5. Una metodo para calcular el rango: los orlados
Es importante que recuerdes el siguiente metodo practico para calcular el rango de una matriz, llamado a veces
metodo de los orlados. Dada la matriz A = (aij ) Mmn (R), consideramos en ella un menor Mk de orden k.
Llamaremos orlado de Mk con la columna i y la fila j al determinante obtenido anadiendo a Mk los elementos
de la fila j que corresponden en la matriz A a las columnas de Mk y anadiendo tambien a su vez los elementos
de la columna i que corresponden a las filas de Mk y el elemento aji , conservando siempre el orden original que
tienen todos los elementos mencionados en la matriz A. Por ejemplo, para la matriz

1 2 1 1
A = 2 1 1 2
0 5 3 4
y dado el menor de orden 2

1 2
M2 = ,

2 1
el orlado de M2 con la fila 3 y la columna 4 es el determinante

1 2 1

2 1 2 .

0 5 4
El metodo de los orlados consiste en lo siguiente:

Tomamos en A un elemento no nulo (menor M1 de orden 1).
Se calculan los orlados de M1 hasta que obtengamos uno que sea distinto de cero. (Si todos los orlados
valen cero se tiene que r(A) = 1).
A partir de este momento sabemos que r(A) > 2. Procedemos como antes orlando este menor de orden 2
hasta que obtengamos uno que sea distinto de cero (Si todos los orlados valen cero se tiene r(A) = 2).
A partir de este momento sabemos que r(A) > 3. Procedemos como antes orlando este menor de orden 3
hasta que obtengamos uno que sea distinto de cero (Si todos los orlados valen cero se tiene r(A) = 3).
As sucesivamente hasta obtener el rango de la matriz A.
Tambien es conveniente que repases las justificaciones teoricas de este metodo, pudiendolas encontrar en cualquier
libro de matematicas generales (ver bibliografa recomendada).
2.4.5.1. Teorema de Rouche-Frobenius
Consideremos el siguiente sistema de ecuaciones lineales

a11 X1 + a12 X2 + ... + a1n Xn = b1

a21 X1 + a22 X2 + ... + a2n Xn = b2

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

am1 X1 + am2 X2 + ... + amn Xn = bm
La condicion necesaria y suficiente para que tenga soluciones (sea compatible) es que el rango de la matriz de los
coeficientes A coincida con el rango de la matriz ampliada A .
Una de las principales aplicaciones de este teorema es la discusion de un sistema de ecuaciones lineales en funcion
de uno o varios parametros. Por ejemplo, consideremos el siguiente sistema de ecuaciones lineales y discutamos
segun los valores de m.

(m + 2)x + y + z = m1
mx + (m 1)y + z = m 1

(m + 1)x + (m + 1)z = m 1
Denotamos por M la matriz de los coeficientes del sistema y por M la matriz ampliada, es decir:

m+2 1 1 m+2 1 1 m1
M = m m1 1 y M = m m1 1 m1
m+1 0 m+1 m+1 0 m+1 m1
El sistema es compatible r(M ) = r(M ). Ademas det(M ) = m(m + 1)(m 1) obteniendose lo siguiente:
Si m 6= 0 y m 6= 1 y m 6= 1 rango(M ) = 3 = rango(M ) y el sistema es compatible y determinado. (Se

deja al lector continuar con la discusion del sistema, examinando que sucede con los rangos r(M ) , r(M ) en los
demas casos).
138 MATEM ATICAS
2.5. Valores y vectores propios de una matriz
Consideremos la matriz
a11 a12 ... a1n
a21 a22 ... a2n
A=
.....
,
..... ... .....
an1 an2 ... ann
entonces la matriz
t a11 a12 ... a1n
a21 t a22 ... a2n
tIn A =
.....

..... ... .....
an1 an2 ... t ann
se denomina matriz caracterstica de A. Su determinante
A (t) = det(tIn A)
lo denominaremos polinomio caracterstico.
Se tiene que
A (t) = tn (a11 + a22 + ... + ann )tn1 + pn2 tn2 + + p1 t + (1)n det(A).
Teorema de Cayley-Hamilton. Toda matriz es un cero de su polinomio caracterstico.
Ejemplo. Sea la matriz

1 2
A= ,
5 4
entonces se tiene A (t) = t2 5t 6. Puedes comprobar que efectivamente se cumple

0 0
A2 5A 6I2 = .
0 0
2
Dos matrices cuadradas de orden n se dicen semejantes cuando existe una matriz no singular (que tiene inversa)
P tal que B = P 1 AP .
Propiedad. Dos matrices semejantes tienen el mismo polinomio caracterstico.
Veamos explcitamente el polinomio caracterstico para una matriz de orden 2 y 3. Si n = 2 entonces:

a11 a12
2
A (t) = t (a11 + a22 )t +
a21 a22
mientras que si n = 3 se satisface:

a11 a12 a13

A (t) = t3 (a11 + a22 + a33 )t2 + (M11 + M22 + M33 )t a21 a22 a23

a a32 a33
31
donde por Mij notamos el menor del elemento de la fila i y la columna j.
Para la matriz generica A = (aij ) un escalar se denomina valor propio, si existe un vector (columna) no nulo

v

para el que A v = v . Todo vector que satisfaga esta relacion se denomina vector propio de A perteneciente al
valor propio . Es facil ver que cada multiplo k

v de un vector propio es a su vez otro vector propio. El conjunto
E de todos los vectores propios pertenecientes a es un subespacio de Rn , que se denomina espacio propio de
.
Propiedad. Sea A Mn (R). Los siguientes enunciados son equivalentes:

(a) es un valor propio de A.
(b) La matriz caracterstica tIn A es no singular.
(c) es una raz de A (t).

El espacio propio E sera el espacio solucion del sistema homogeneo (In A) X = 0 o bien (A In ) X =
0.
Llamaremos multiplicidad algebraica del valor propio a la multiplicidad de como raz del polinomio carac-
terstico y denominaremos multiplicidad geometrica de a la dimension de E .
Propiedad. La multiplicidad geometrica de un valor propio es siempre menor o igual que la multiplicidad alge-
braica.
2.6. Diagonalizacion y formas canonicas de matrices
Diremos que una matriz A es diagonalizable si existe una matriz no singular P tal que D = P 1 AP , siendo D
una matriz diagonal.
Propiedad. Una matriz de orden n es diagonalizable si y solo si tiene n vectores propios linealmente indepen-
dientes y en ese caso los elementos diagonales de D son los valores propios correspondientes, teniendose ademas
que D = P 1 AP , donde P es la matriz cuyas columnas son los vectores propios. En particular esto se cumple
cuando tiene n valores propios diferentes.
Ejemplo. Sea la matriz

4 1 1
A= 2 5 2 ,
1 1 2
entonces se tiene que
A (t) = det(tI3 A) = t3 11t2 + 39t 45 = (t 3)2 (t 5).
Los valores propios soluciones de la ecuacion caracterstica
t3 11t2 + 39t 45 = 0
son 1 = 3 y 2 = 5. Para cada valor propio calculamos las ecuaciones del subespacio propio como sigue:

1 1 1 x 0
E1 : 2 2 2 y = 0 ,
1 1 1 z 0
es decir, x + y z = 0, de donde obtenemos dos vectores propios linealmente independientes

u = (1, 1, 0) y
v = (1, 0, 1).

1 1 1 x 0
E2 : 2 0 2 y = 0 ,
1 1 3 z 0
140 MATEM ATICAS
es decir,
x + y z = 0
xz = 0
2x 2z = 0
y 2z = 0
x + y 3z = 0
de donde obtenemos el vector propio

w = (1, 2, 1).
La matriz A es, por tanto, diagonalizable, ya que tiene tres vectores propios linealmente independientes, obte-
niendose
1 1 1 3 0 0
P = 1 0 2 y P 1 AP = 0 3 0 .
0 1 1 0 0 5
2
2.6.1. Potencia n-esima de una matriz diagonalizable
Si A es una matriz diagonalizable con P 1 AP = D , despejando tenemos que A = P DP 1 . Si queremos

calcular A2 = (P DP 1 )(P DP 1 ) = P D2 P 1 . Algo parecido ocurre con A3 = A2 A = P D2 P 1 P DP 1 =
P D3 P 1 . Razonando por induccion se tiene que An = P Dn P 1 , con la enorme ventaja que supone el reducir
el problema al calculo de la potencia n-esima de una matriz diagonal, que como sabemos se calcula elevando a n
todos los elementos de la diagonal principal.
Como ejemplificacion de lo anteriormente expuesto vamos a calcular An con

4 1 1
A= 2 5 2 .
1 1 2
Para ello tendremos que calcular la matriz inversa de

1 1 1
P = 1 0 2 ,
0 1 1
obteniendo que esta dada por

1 0 1
P 1 = 12 12 3
2

1 1
2 2 12
y por tanto
n
1 1 1 3 0 0 1 0 1
An = P Dn P 1 = 1 0 2 0 3n 0 12 12 3
2
.
1 1 1
0 1 1 0 0 5 n
2 2 2
2.6.2. Formas canonicas de matrices
Llamaremos matriz elemental de Jordan de orden k y valor propio a la matriz Jk () de orden k cuyos
elementos son todos cero menos los de la diagonal principal que son iguales a y los que estan inmediatamente
por encima de la diagonal principal que son iguales a 1. Es decir,
J1 () = (),

1
J2 () = ,
0

1 0
J3 () = 0 1 ,
0 0

1 0 0
0 1 0
J4 () =
0 0 1 ,

0 0 0
=
Se llama matriz de Jordan a la matriz que se forma yuxtaponiendo matrices elementales Jordan a lo largo de la
diagonal principal, y ceros en el resto, es decir a una matriz del estilo

Jk1 (1 ) 0
Jk2 (2 )

..
.
0 Jkr (r )
Propiedad. Toda matriz cuadrada es semejante a una matriz de Jordan (real o compleja), que se determina de
forma unica salvo permutaciones de los bloques diagonales de matrices elementales Jordan que la forman.
En lo que sigue vamos a obtener las formas canonicas de Jordan para matrices de ordenes 2 y 3.
Consideremos n = 2, sabemos que si A tiene dos valores propios 1 y 2 distintos, entonces es diagonalizable.
El caso interesante lo tenemos cuando 1 = 2 .
Ejemplo. Vamos a calcular la forma de Jordan de la matriz

0 2
A= .
2 4
Primero obtenemos A (t) = 2 1 = 0, y de aqu 1 = 2 = 2. Puedes comprobar que E1 viene expresado

por las ecuaciones x = y. Es decir estara generado por el vector
u = (1, 1). La matriz A no es por tanto
2
diagonalizable. Observese que (A 1 I2 ) = 0 siempre que se tengan dos valores propios iguales.
Cogemos ahora un vector del plano que no este en E1 , por ejemplo

v = (1, 0), ya que se puede comprobar
facilmente que
2 2 2

=
1 1
(A 1 I2 ) = = w 6= 0 .
0 2 2 0 2
La matriz P de cambio de base que conduce a la forma canonica se construye tomando los vectores

w y

v como
columnas respectivas (en este orden), es decir,

2 1
P =
2 0
y as se puede comprobar facilmente que

1
2 1 2 1 0 2 2 1
= .
0 2 2 0 2 4 2 0
142 MATEM ATICAS
2
Consideremos ahora el caso n = 3; al igual que en el caso de orden 2, la reflexion que requiere nuestro interes la
encontramos cuando la matriz A no es diagonalizable.
Ejemplo. Vamos a calcular la forma canonica de Jordan de la matriz

0 3 1
A = 2 1 1 .
2 1 1
Se tiene que
A (t) = 3 22 + 4 + 8 = 0,
y de aqu los valores propios son:
1 = 2 (simple) y 2 = 2 (doble)
Procediendo como en el ejemplo anterior obtenemos

2x 3y z = 0
E 1 : ,
4y 4z = 0
subespacio de dimension 1, del que podemos extraer al vector

= (1, 1, 1)
u 1
como base del mismo. Por otro lado

2x + 3y + z = 0
E 2 :
2y 2z = 0
y de aqu observamos que

v = (1, 1, 1) sera una base del mismo. Es claro que la matriz no es diagonalizable,
ya que no podemos obtener una base de todo el espacio. Para obtener la forma de Jordan procedemos como sigue.
Probamos con

x 0
E0 2 : (A + 2I3 )2 y = 0 ,
z 0
es decir
8 8 0 x 0
8 8 0 y = 0 = x + y = 0,
8 8 0 z 0
que es un subespacio de dimension 2, con base

v
v
1 = (1, 1, 0) y 2 = (0, 0, 1).
Como E1 y E0 2 llenan todo el espacio, podemos elegir ahora una base de manera conveniente para obtener la
matriz de Jordan. La forma de elegirla es la siguiente:
(1) Cogemos un vector de E0 2 que no este en E2 , por ejemplo

= (0, 0, 1)
u 3

0 1
(2) Se coge
= (A + 2I ) 0 = 1
u 2 3
1 1
(3) La base formada por los vectores {,

u
1 u2 , u3 } es la que posibilita el cambio de base para obtener la matriz
de Jordan. En otras palabras las columnas de la matriz P son las coordenadas de los vectores ,
u
1 u2 , u3 ,
obteniendose
1
2 0 0 1 1 0 0 3 1 1 1 0
0 2 1 = 1 1 0 2 1 1 1 1 0 .
0 0 2 1 1 1 2 1 1 1 1 1
2.6.3. Potencia n-esima de una matriz usando la forma canonica de Jordan
De forma analoga a como razonabamos para calcular la potencia n-esima de una matriz diagonalizable, se puede
ahora trabajar con una matriz que sea semejante a una forma canonica de Jordan. La idea es la misma, An =
P J n P 1 , donde J indica la forma canonica de Jordan a la que reducimos la matriz A.
Para calcular An en el ejemplo anterior se procedera como sigue:

n n 1
0 3 1 1 1 0 2 0 0 1 1 0
2 1 1 = 1 1 0 0 2 1 1 1 0
2 1 1 1 1 1 0 0 2 1 1 1
Dejamos para el lector la obtencion final de la expresion

n
2 0 0
0 2 1 ,
0 0 2
teniendo en cuenta para ello que basta con calcular la potencia n-esima de cada uno de los bloques diagonales, es
n
2 1
decir, 2n y , poniendo ceros en el resto.
0 2
2.7. Los espacios eucldeos R2 y R3 . Producto escalar. Normas y distancias.
La posibilidad de medir longitudes de segmentos y angulos no se da en un espacio vectorial generico. Para

introducir estos conceptos (longitud de un vector, angulo entre dos vectores,. . . ) se debe dar la definicion de un
producto escalar (una regla que asocie a cada par de vectores un escalar y que cumpla un serie de propiedades).
Mas concretemente precisamos a continuacion la definicion generica de espacio eucldeo.
Un espacio vectorial real V se dice eucldeo si hay una regla que asigne a cada par de vectores

u ,

v V un

numero real llamado producto escalar de los vectores u y v , que denotaremos por ( u , v ) (tambien a veces
por

u .v ), de manera que se cumplan las siguientes propiedades:
Simetrica: (

u ,

v ) = (

v ,

u ) para todo

u ,

v V.
Distributiva: (

u , (

v +

w )) = (

u ,

v ) + (

u ,

w ) para todo

u ,

v ,

w V.
(

u ,

v ) = (

u ,

v ) para todo

u ,

v V y para todo R.
144 MATEM ATICAS
(

u ,

u ) > 0 para todo

u V,
6 0
u =
Ejemplos.
(1) Rn se puede dotar del siguiente producto escalar (puedes comprobar las propiedades):
(x1 , x2 , ..., xn ).(y1 , y2 , ..., yn)= x1 y1 + x2 y2 + .... + xn yn
(2) En Rn tambien se pueden definir otros productos escalares. Por ejemplo, en R2 definimos

1 1
(x1 , x2 ).(y1 , y2 ) = (x1 , x2 ) (y1 , y2 ).
1 2
Comprueba que cumple todas las propiedades del producto escalar.
En V3 (espacio vectorial real de los vectores libres de R3 ) tambien podemos definir un producto escalar de la
siguiente manera: Si consideramos u = (u1 , u2 , u3) y

v = (v1 , v2 , v3 ) expresiones de los vectores

u y

v en
la base canonica de V3 , definimos el producto escalar de esos dos vectores como

u .

v = u1 v1 + u2 v2 + u3 v3 .
La norma o longitud de un vector

u en un espacio eucldeo de define como

kuk=

u .
u.

(Observese que u .u tiene sentido debido a la propiedad cuarta del producto escalar). Si consideramos

u =

u1 e1 + u2 e2 + u3 e3 la expresion del vector en la base canonica, entonces
q
ku k = u21 + u22 + u23 .
El angulo que forman dos vectores

v V3 esta determinado por cos(
u ,

u ,

u .

v
v)= |

u ||
v|
.
En particular, dos vectores ortogonales

u y

v (forman un angulo de 90o ) se caracterizan por la condicion nece-

saria y suficiente u . v = 0.
Ejemplo. Dados los vectores

u = (1, 2, p) y v = (4, p, 3), que valor tendra que tener el parametro p para
que fueran ortogonales? Parece claro que segun lo dicho anteriormente la condicion es que u .
v = 0 y de aqu
deducimos que deber ser p = 4. 2
2.7.1. Sistemas de vectores ortogonales y ortonormales
Un conjunto S de vectores de V3 se dice ortogonal si cualquier vector de S es ortogonal a todos los demas vectores
del conjunto.
Por ejemplo, los vectores

u = (2, 1, 1),

v = (1, 4, 2) y

w = (2, 1, 3) forman un sistema ortogonal.
Una propiedad muy importante para este tipo de conjuntos es la siguiente: Sean

u ,

v y

w vectores no nulos
ortogonales de V3 , entonces son linealmente independientes.
Un conjunto ortogonal de vectores S se dice que es ortonormal cuando todos los vectores del conjunto tienen
norma igual a 1.
Especial importancia tienen las llamadas bases ortonormales de V3 en las cuestiones relativas a curvas en R3 ,
que desarrollaremos posteriormente en el Captulo 6.
Distancia entre dos puntos. Dados dos puntos de R3 , A(a1 , a2 , a3 ) y B(b1 , b2 , b3 ), se define la distancia entre

ellos como la norma del vector AB, es decir,
p

d(A, B) = AB = (b1 a1 )2 + (b2 a2 )2 + (b3 a3 )2

ya que AB = (b1 a1 , b2 a2 , b3 a3 ).
Ejemplo. Como un sencillo ejercicio de la definicion de distancia entre dos puntos, puedes comprobar que el
triangulo ABC, con A(3, 1, 2), B(0, 4, 2) y C(3, 2, 1) es isosceles. 2
2.8. Producto vectorial y producto mixto (o triple)
Sean
u ,
v V3 . Se llama producto vectorial de

u y

v y lo denotaremos por

u

v al vector libre que tiene
las siguientes propiedades:
(1) |

u

v | = |

u | |

v | sen(

u ,

v)
(2) La direccion del vector

u

v es la perpendicular a las direcciones de los vectores

u y

v.
(3) El sentido del vector

u
v es el indicado por la siguiente regla practica: colocamos la mano derecha
con el dedo corazon en posicion perpendicular a los dedos pulgar e ndice, de tal forma que el dedo
pulgar indique el sentido del vector
u y el dedo ndice indique el sentido del vector v . Entonces el

dedo corazon indica el sentido del vector u v .
Figura 5.1: Regla del sacacorchos para determinar el sentido del producto vectorial.
2.8.1. Propiedades del producto vectorial
(1)

u

v = (

v

u ).

(2) Si

u y

v tienen la misma direccion entonces

u

v = 0.
(3)
u
v = (
u
v ).

u v = ( u v ).
(4)

u (

v +

w) =

u

v +

u

w.
146 MATEM ATICAS
2.8.2. Area de un paralelogramo

Consideremos el paralelogramo formado por los puntos A, B, C, D R3 , de forma que AB y DC son paralelos y

representantes del mismo vector libre u , y analogamente BC y AD son paralelos y representan al mismo vector
libre

v . En estas condiciones no es demasiado complicado demostrar (ver bibliografa recomendada) que el area
del paralelogramo viene expresada por |
u v |.
A C

0 B
Figura 5.2: El producto vectorial de los vectores OA y OB permite obtener el area del paralelogramo OBCA.
2.8.3. Expresion del producto vectorial en coordenadas cartesianas
Dados los vectores

u ,
v V3 , con coordenadas en la base canonica
u = (u1 , u2 , u3 ) y

v = (v1 , v2 , v3 ) ,

las coordenadas en esa misma base del vector u v vienen expresadas por el desarrollo formal del siguiente
determinante, en donde
e

1 , e2 , e3 representan a los vectores de la base canonica de V3 :

e1

e
2

e
3

u2 u 3 u1 u3 u1 u2

u v = u1 u2 u3 = , ,
v v2 v3 v1 v3 v1 v2
1 v2 v3
Ejemplo. Si

u = (2, 1, 3) y

v = (1, 3, 5), entonces

u

v = (14, 7, 7). 2
Sean

u ,

v ,

w V3 , definimos el producto mixto como la siguiente expresion:
[

u ,

v ,

w] =

u .(

v

w)
Dados los vectores

u ,
v y w V3 , con coordenadas en la base canonica

u = (u1 , u2 , u3 ),

v = (v1 , v2 , v3 )

y w = (w1 , w2 , w3 ) el valor del producto mixto de los tres vectores viene expresado por:

u1 u2 u3

u .(
v
w ) = v1 v2 v3
w w w
1 2 3
2.8.4. Propiedades del producto mixto
Si

u ,

v y

w son tres vectores de V3 y R, se tiene:
(1) [

u ,

v ,

w ] = [

w,

u ,

v ] = [

v ,

w,

u ] = [

u ,

w,

v ] = [

w,

v ,

u ].

(2) [

u ,

v ,

w ] = [

u ,

v ,

w ] = [

u ,

v ,

w ] = [

u ,

v , w].
+
(3) [
u 1
,
u
2 v , w ] = [ u1 , v , w ] + [ u2 , v , w ] , cumpliendose tambien la propiedad distributiva para las
otras dos variables.
(4) [

u ,

v ,

w ] = 0 si y solo si los vectores

u ,

v y

w son linealmente independientes.
2.8.5. Volumen de un paraleppedo
Tres vectores de V3 linealmente independientes

u ,

v y
w determinan un paraleppedo de vertices O, A, B,

C, D, E, F , G, de forma que OA, CF , ED y CF son vectores que representen a la clase del vector libre u.

Analogamente OC, AF , GD, BE para v y OB, AG, F D, CE para w . En estas condiciones se puede probar
que [
u ,

v ,
w ] determina el volumen del mencionado paraleppedo.
0 A
Figura 5.3: El producto mixto de OA, OB y OC permite hallar el volumen del paraleleppedo que determinan.
2.9. Conicas en R2 y cuadricas en R3
Un doble cono recto es la figura que genera una recta r al girar alrededor de otra recta s que la corta. La recta s se
denomina eje del cono, y las distintas posiciones de r generatrices del cono. El punto de interseccion del eje con
las generatrices se denomina vertice del cono (ver Figura 5.4).
Toda figura que se obtiene como interseccion de un doble cono recto y un plano se denomina conica.
Segun las distintas posiciones del plano las conicas se llaman de forma diferente:
Si el plano es perpendicular al eje del cono y no pasa por el vertice, obtenemos una circunferencia. Si el
plano pasa por el vertice se obtiene un punto.
Si el plano no es perpendicular al eje del cono y forman entre ellos un angulo superior al que forman el eje
del cono con cualquiera de las generatrices, obtenemos una elipse. Si el plano pasa por el vertice se obtiene
un punto (ver Figura 5.5).
Si el plano es paralelo a alguna de las generatrices obtenemos una parabola, excepto cuando el plano pasa
por el vertice que en cuyo caso se obtiene una recta (ver Figura 5.6).
148 MATEM ATICAS
Figura 5.4: Doble cono cuyo vertice esta situado en el origen de coordenadas.
Cuando el angulo que forman el plano y el eje es inferior al que forma el eje y las generatrices, obtenemos
una hiperbola, excepto cuando el plano pasa por el vertice que obtendremos dos rectas que se cortan (ver
Figura 5.7).
Los casos excepcionales que aparecen descritos con anterioridad se llaman conicas degeneradas.
2.9.1. Ecuacion general de una conica
Una ecuacion de la forma

Ax2 + By 2 + Cxy + Dx + Ey + F = 0
donde A, B, C, D, E, F R se denomina ecuacion general de una conica.
Todas las secciones conicas anteriormente descritas verifican formas particulares de esta ecuacion. Recprocamente
la ecuacion describe, salvo algunos casos particulares, solo secciones conicas.
Si la escribimos en la forma a11 x2 + 2a12 xy + a22 y 2 + 2a1 x + 2a2 y + a0 = 0 tiene la ventaja de poder encontrar
facilmente la siguiente forma matricial de la ecuacion:

a11 a12 a1 x
x y 1 a12 a22 a2 y = 0
a1 a2 a0 1
Figura 5.5: Una elipse como interseccion de un cono y un plano.
Figura 5.6: Una parabola como interseccion de un cono y un plano.
La matriz
a11 a12 a1
a12 a22 a2
a1 a2 a0
se denomina matriz asociada a la conica.
Ejemplo. La ecuacion 2x2 + 2y 2 4x + 6y + 3 = 0 expresada en forma matricial como

2 0 2 x
x y 1 0 2 3 y = 0,
2 3 3 1

representa una circunferencia de centro C(1, 23 ) y radio R = 2
7
2
150 MATEM ATICAS
Figura 5.7: Una hiperbola como interseccion de un cono y un plano.
2.9.2. Cuadricas en R3
Por rotacion en torno a un eje de las secciones conicas circunferencia, elipse, parabola e hiperbola se obtienen
superficies de revolucion en R3 , llamadas respectivamente superficie esferica, elipsoide, paraboloide e hiperbo-
loide.
Eligiendo de forma adecuada los ejes coordenados las ecuaciones de las mencionadas superficies satisfacen ecua-
ciones bastante sencillas:
Esfera: x2 + y 2 + z 2 = R2 .
x2 y2 z2
Elipsoide: 2
+ 2 + 2 = 1.
a b c
Figura 5.8: Un elipsoide en R 3 .
Paraboloide: x2 + y 2 = a2 z.
x2 y2 z2
Hiperboloide de una hoja: + = 1.
a2 b2 c2
Figura 5.9: Un paraboloide en R 3 .
Sin embargo la situacion cambia considerablemente si se somete la superficie a un movimiento (traslacion, giro,...)
y aparecen ecuaciones mas complicadas en sus expresiones. La forma general de todas estas ecuaciones es la
siguiente:
Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + K = 0,
donde A, B, C, D, E, F, G, H, I, K R.
Analogamente a como hacamos con las conicas se puede plantear la cuestion de identificar las figuras geometricas
que describe una ecuacion como la anterior. Las llamaremos superficies cuadricas.
Si expresamos la ecuacion general de las cuadricas de la siguiente forma:
a11 x2 + 2a12 xy + a22 y 2 + 2a13 xz + 2a23 yz + a33 z 2 + 2a1 x + 2a2 y + 2a3 z + a0 = 0
tenemos la ventaja de poder traducirla facilmente a forma matricial:

a11 a12 a13 x x
x y z a12 a22 a23 y + 2 a1 a2 a3 y + a0 = 0
a13 a23 a33 z z
Ejemplo. La ecuacion 7x2 + 6y 2 + 5z 2 4xy 4yz + 14x 8y + 10z + 6 = 0, que en forma matricial se expresa
como
7 2 0 x x
x y z 2 6 2 y + 2 7 4 5 y + 6 = 0
0 2 5 z z
mediante un giro y una traslacion convenientes se puede convertir en la ecuacion del elipsoide de revolucion
x2 y2 z2
+ + = 1.
1 2 2/3
2
152 MATEM ATICAS
Figura 5.10: Hiperboloides de una hoja y de dos hojas.
2.10. Coordenadas polares, cilndricas y esfericas
2.10.1. Coordenadas polares
Un punto P de R2 queda totalmente determinado por la distancia de dicho punto al origen de coordenadas O,
que notaremos por y el angulo que forma la recta OP con el eje OX (contado en el sentido positivo). Al par
ordenado de numeros (, ) se le llaman coordenadas polares del punto P .
0 x
Figura 5.11: Sistema de coordenadas polares en el plano.

2.10.2. Relacion entre coordenadas polares y cartesianas rectangulares
Sean (x, y) las coordenadas rectangulares y (, ) las coordenadas polares. Entonces las relaciones entre ellas son
las siguientes:
x = cos
y = sen
y despejando y se tiene
p
= x2 + y 2
y
tan =
x
2.10.3. Coordenadas cilndricas
0
Consideramos el punto P (x, y, z) de R3 y P (x, y, 0) su proyeccion ortogonal sobre el plano XY . En dicho plano
0
el punto P esta totalmente determinado por sus coordenadas polares (, ), en consecuencia el punto P estara
ahora totalmente determinado por (, ) y por el valor de la coordenada z. A la terna de numeros reales (, , z),
se le llama coordenadas cilndricas de P .
z
z
z r
0 y

P0
Figura 5.12: Sistema de coordenadas cilndricas en el espacio.
Las relaciones entre coordenadas cilndricas y cartesianas rectangulares son las ya conocidas para las coordenadas
polares en el plano.
Ejemplo. Consideremos la superficie dada por su ecuacion en coordenadas cilndricas r2 + z 2 = c2 , donde c

es una constante. La transformacion a coordenadas rectangulares es x2 + y 2 + z 2 = c2 , que como sabemos
representa a una esfera. 2
154 MATEM ATICAS
2.10.4. Coordenadas esfericas
Consideremos P un punto de R3 que no este situado en el eje OZ. P esta totalmente deteminado por la longitud
de OP, el angulo que forma el plano determinado por OZ y P con el plano OXZ y el angulo que forma la
recta OP con el eje OZ. La terna de numeros ( , , ) se llaman coordenadas esfericas de P respecto al sistema
de referencia polar formado por el polo O, el plano polar OXZ y el eje polar OZ. Observese que puede tomar
todos los valores reales positivos, [0, 2) y (0, ).
z
0 y
Figura 5.13: Sistema de coordenadas esfericas en el espacio.
2.10.5. Relacion entre coordenadas esfericas y cartesianas rectangulares
Si consideramos el punto P (x, y, z) , se tienen las siguientes igualdades:
x = sen cos
y = sen sen
z = cos
Y despejando de estas expresiones las coordenadas esfericas en funcion de las cartesianas obtenemos:
p
= x2 + y 2 + z 2
y
tan =
x
p
x2 + y 2
tan =
z
Ejemplo. Consideremos la superficie de ecuacion en coordenadas polares sen (cos 3 sen ) + cos = 0.
Dividiendo por cos y usando las anteriores relaciones obtendremos
p !
x2 + y 2 x y
p 3p +1=0
z x2 + y 2 x2 + y 2
y simplificando se tiene finalmente x 3y + z = 0 que como sabemos expresa la ecuacion de un plano que pasa
por el origen de coordenadas. 2
2.11. Aplicaciones lineales
Sean V y W espacios vectoriales sobre el cuerpo K. Una aplicacion f : V W se dice lineal si cumple las
siguientes propiedades:
(1) f (

u +
v ) = f (

u ) + f (

v ) para todo

u ,

v V
(2) f (
u ) = f (

u ) para todo

u V y para todo K.
Cuando f es una aplicacion lineal biyectiva diremos que es un isomorfismo. Si es inyectiva le llamaremos mono-
morfismo y si es sobreyectiva diremos que es un epimorfismo.
Ejemplo. Si consideramos la matriz A Mmn (R) la aplicacion f : Rm Rn definida por

x1
x2
f ((x1 , x2 , ..., xn )) = A
...
xn
es lineal. Habitualmente se le denomina aplicacion lineal asociada a la matriz A. 2
Observacion. Consideremos la aplicacion lineal f : V W , se verifica:

(1) f ( 0 ) = 0 .
(2) f (u ) = f (

u ) para todo

u V.
2.11.1. Nucleo e imagen de una aplicacion lineal
Consideremos la aplicacion lineal f : V W , denominaremos nucleo de f al conjunto de vectores de V cuya

imagen por f es el vector 0 de W . Es decir,
n o

Ker f =
u V | f (

u)= 0
Denominaremos imagen de f al siguiente conjunto:

Im f = { f (

u )|

u V}
Se verifican las siguientes propiedades:
(1) Ker f es un subespacio de V y analogamente Im f es un subespacio de W .

(2) Si
v

1 , v2 , ..., vn es una base de V , se tiene que f ( v1 ), f ( v2 ), ..., f ( vn ) es un sistema de generadores de
Im f.
(3) dim(Ker f ) + dim(Im f ) = dim V

(4) La aplicacion lineal f es monomorfismo si y solo si Ker f = { 0 }
2.11.2. Matriz asociada a una aplicacion lineal
De manera analoga a como vimos que dada una matriz A Mmn (R) surga una aplicacion lineal asociada
f : Rm Rn , podemos pensar recprocamente si dada una aplicacion lineal existe una matriz asociada. Puesto
156 MATEM ATICAS
que todo espacio vectorial posee una base, un aplicacion lineal f : V W estara unvocamente determinada
por las imagenes de los elementos de la base. En el caso en que tratemos con espacios vectoriales de dimen-
sion finita, se puede dar una importante relacion entre las aplicaciones lineales y las matrices. Supongamos que
dim V = m y dim W = n , considerando bases de los respectivos espacios vectoriales formadas por los vectores
BV = { v

1n, v2 , ..., vn } V y BW o = {,
w
1 w2 , ..., wm } W . Consideremos la expresion en la base BW de los

vectores f (v1 ), f ( v

2 ), ..., f (vn ) , es decir,
f (
v
1 ) = 11 w1 + 21 w2 + + m1 wm

f (
v
2 ) = 12 w1 + 22 w2 + + m2 wm

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

f (vm ) = 1m w+
1

2m w2 + + mm wm

Estas igualdades las podemos escribir en notacion mas abreviada como
X
m
f (
v
j) = ij
,
w i j = 1, 2, ..., n.
i=1
Despues de esto diremos que la matriz

11 12 .... 1n
21 22 .... 2n
A=
....

..... .... ....
m1 m2 .... mn
es la matriz de f con respecto a las bases BV y BW .
Ejemplo. (1) Consideremos la aplicacion f : R2 R3 dada por f (

u ) = (x + y, 2(x + y), 3x y) para cualquier
2
u = (x, y) R . Puedes comprobar facilmente que la matriz asociada a f con respecto a las bases canonicas
sera
1 1
A= 2 2
3 1
(2) Una rotacion R (rotacion de angulo en el plano alrededor del origen en sentido positivo) es una aplicacion
lineal R : R2 R2 , que tiene como matriz asociada

cos sen
.
sen cos
2
Parece claro que la expresion de la matriz asociada a una aplicacion lineal cambia si cambiamos las bases que
prefijamos en los dos espacios vectoriales. Pero sabramos encontrar una relacion entre dos matrices asociadas
a una misma aplicacion lineal, aunque referidas a bases distintas?
Te introduciremos en esta cuestion con un ejemplo. Supongamos que una aplicacion lineal f : R2 R2 tiene
asociada en la base canonica la matriz
6 2
A=
6 1
= (1, 2),
y queremos encontrar la expresion de la matriz asociada a f en la base
u 1
= (2, 3). La matriz cambio
u 2
de base (ver bibliografa recomendada) viene expresada por

1 2
C= .
2 3
Esto te recordamos que quiere decir que considerados como vectores columna, por ejemplo el vector

v = t (2, 5)
expresado en la base canonica, tiene como coordenadas en la nueva base, el resultado de efectuar
1
1 2 2 3 2 2 4
= = .
2 3 5 2 1 5 1
,
De esta forma la matriz de la aplicacion lineal f expresada en la base {
u
1 u2 } vendra dada por
1
0 1 2 6 2 1 2 2 0
A = = .
2 3 6 1 2 3 0 3
Intenta razonar por que (consulta la bibliografa recomendada).
A.5.1. Utilizar el metodo de Gauss en los siguientes sistemas:

2x + y 4z = 14 x y z = 2 3x + 2y 5z + 6t = 4
x + 5y z = 1 5x + 5y z = 1 2x + y + 3z t = 2

2x 4y z = 13 2x 4y + 5z = 13 x 3y + 2z + 5t = 0
A.5.2. Considerar las siguientes matrices:

1 2 3 1 1 2 1 2 3 3 0 2
A= ,B = ,C = ,D =
4 5 6 0 3 5 4 5 6 7 1 8
y calcular A + B; C + D ; 3A 5B ; 2C 3D .
A.5.3. Calcular AB y BA (cuando sea posible) siendo A y B las siguientes matrices:

1 3 2 0 4
(a) A = yB=
2 1 3 2 6

2 1
1 2 5
(b) A = 1 0 yB=
3 4 0
3 4

2 1 0 6
2 3 1
(c) A = yB= 1 3 5 1
4 2 5
4 1 2 2
A.5.4. Resolver la siguiente ecuacion matricial (X A)B = C, donde B es una matriz invertible.

x y 1 1
A.5.5. Encontrar todas las matrices M de la forma M = que conmutan con la matriz A = .
x t 0 1
A.5.6. Determinar las matrices A y B, tales que

2 3

3A 2B =
4 1

6 2
2A + 7B =
4 5
158 MATEM ATICAS
A.5.7. Para completar la idea del metodo que sugerimos en el texto para calcular la matriz inversa sin usar deter-
minantes, responder a las siguientes cuestiones:
(a) Explicar las razones en las que se basa el metodo descrito anteriormente para calcular la matriz inversa.
(b) Aplcarlo en el calculo de matrices inversas de ordenes superiores a dos. Por ejemplo demostrar que
1 2
1 3 2 3 16 12
5 0 1 = 7 1
32
3 6
10 1
1 4 3 3 6 52
A.5.8. Determinar usando determinantes si las siguientes matrices son invertibles y calcular su inversa en el caso
de que exista:

1 2 4 1 3 4
3 5
A= , B = 1 1 5 , C= 1 5 1 .
2 3
2 7 3 3 13 6
A.5.9. Calcular An para las siguientes matrices:

a 0 0 0 a b
a 2
A= , A= 0 b 0 , A= 0 0 a
0 a
0 0 c 0 0 0
A.5.10. A continuacion
se propone
completar el siguiente cuadro hasta obtener el determinante de una matriz
a11 a12
2 2, A = .
a21 a22
Permutaciones No de inversiones Producto

12
21
A.5.11. Demostrar usando la Regla de Sarrus que

1 2 3 4
1 4 1
0 2 2 3
2 0 5 = 178 y = 24
0 0 6 4
5
2 9 0 0 0 2
A.5.12. Calcular los determinantes propuestos en el ejercicio anterior, pero desarrollando esta vez por los elemen-
tos de sus filas o columnas.
A.5.13. Responder a las siguientes cuestiones:
(a) Como se puede calcular el determinante de una matriz triangular superior? Y de una inferior?
(b) Si A es una matriz con det(A) = 5 Cuanto vale det(A1 )? (Indicacion: AA1 = In , aplicar despues
la propiedad (8) de los determinantes).
A.5.14. Calcular los siguientes determinantes:

5 4 2 1
1 x x2 t+3 1 1
2 5 1 2
1 y y2 5 t3 1
5 7 3 9
1 z z2 6 t + 4
6 1 2 1 4
A.5.15. Consideremos los vectores de R3 ,

= (1, 1, 1),
u 1
= (1, 2, 3) y
u2
= (2, 1, 1). Escribir el vector
u3

u = (1, 2, 5) como combinacion lineal de los anteriores.
A.5.16. Determinar si los vectores

= (1, 1, 1),
u1
= (2, 1, 3),
u2
= (1, 5, 3) son linealmente dependientes
u3
o independientes.

A.5.17. Demostrar que cualquier conjunto de vectores que contenga el vector 0 es linealmente dependiente.
A.5.18. Determinar si los siguientes vectores son linealmente independientes y en caso de no serlo expresar uno
de ellos como combinacion lineal de los otros:
= (1, 0, 1),
(a)
u1
= (1, 2, 3),
u 2
= (3, 2, 5).
u 3
= (1, 0, 1),
(b)
u 1
= (1, 1, 1),
u2
= (0, 1, 1).
u3
A.5.19. Determinar a y b para que los siguientes vectores sean linealmente dependientes:
= (3, 2, 1, 3),

u = (1, 0, 2, 4),
u = (1, 3, a, b)
u
1 2 3
A.5.20. Estudiar para que valores de los parametros a y b son compatibles los siguientes sistemas y resolverlos
cuando sea posible:

x + 2y + 2z = 2 ax y + z = 2x ax + y + z = 1
2x y + 3z = 2 x + 2ay az = y x + ay + z = b

5x y + az = 6 x + ay z = 0 x + y + az = b2
A.5.21. Determinar si son o no diagonalizables cada una de las siguientes matrices, y en el caso en que lo sean
calcular la potencia n-esima:

4 2
(a)
3 1

5 1
(b) ,
4 1

2 5
(c) ,
1 2

2 4
(d) ,
3 1

4 1 1
(e) 2 5 2 ,
1 1 2

3 1 1
(f) 7 5 1 ,
6 6 2

1 2 3
(g) 0 2 3 .
0 0 3
A.5.22. Estudiar la posibilidad de diagonalizar la matriz

a 1 1
0 1 3
0 2 2
segun los distintos valores del parametro a.
A.5.23. Determinar los valores de xn e yn , para todo n > 0, sabiendo que
xn+1 = 2xn + 4yn
yn+1 = 3xn + yn
y que x0 = 1 e y0 = 2.
160 MATEM ATICAS
A.5.24. Calcular la forma de Jordan de las matrices

1 2 3 0 1 1
A= 0 1 1 y B= 1 0 1
1 1 2 1 1 2
indicando la matriz P de cambio de base.
A.5.25. Estudiar si la matriz

0 1 0
A= 1 0 0
0 0 2
es diagonalizable.
A.5.26. Dada la matriz

a 1 1
A= 1 a 1
1 1 a
estudiar para que valores de a es diagonalizable.
A.5.27. Resolver los siguientes sistemas de ecuaciones diferenciales:

2(D 2)y1 + (D 1)y2 = ex
(a)
(D + 3)y1 + y2 = 0

(D + 6)y1 + 3y2 14y3 = 0
(b) 4y1 + (D 3)y2 + 8y3 = 0

2y1 + y2 + (D 5)y3 = sen t
A.5.28. Demostrar que el producto definido en V3 por

u .v = (u1 u2 )(v1 v2 ) + u2 v2 + a3 b3 ,

u =

(u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) es un producto escalar. Cuanto vale k u k con este producto?

A.5.29. Sabiendo que ABCD es un cuadrado, con A(2, 0, 2), B(1, 1, 0) y C(0, y, z), hallar las coordenadas
que faltan en C.
0 0 0 0 0
A.5.30. Sea ABCDA B C D un paraleppedo. Sabiendo que A(0, 1, 1), B(2, 1, 0), C(1, 1, 3) y A (2, 0, 1),
hallar los vertices restantes y el volumen del mencionado paraleppedo.
A.5.31. Que tipo de conica representan las siguientes ecuaciones?
x2 + y 2 4x + 2y 4 = 0; 4x2 + 9y 2 8x + 36y 104 = 0.
A.5.32. Que tipo de cuadrica representan las siguientes ecuaciones?
x2 + y 2 + z 2 2x 4y 2z + 2 = 0; 4x2 + y 2 + 4z 2 8x 8y 8z + 11 = 0.
A.5.33. Consideremos la aplicacion f : R3 R3 dada por las expresiones referidas a coordenadas en la base
canonica f (x, y, z) = (x + y, z, y z) . Se pide:
(a) Demostrar que es una aplicacion lineal y encontrar la matriz asociada en la base canonica.
(b) Cual es la expresion de la matriz asociada en la base formada por los vectores = (1, 0, 1),
u1
=
u2

(0, 1, 1), u = (1, 0, 0)?
3
4.1. Introduccion
necesitar.
en rapidez.
En esta practica vamos a manipular vectores y matrices de cualquier orden, resolver sistemas de ecuaciones linea-
les, operar matrices (calculo de la matriz inversa, suma, producto) y calcular los valores y vectores propios de una
matriz. Por tanto, debemos saber en primer lugar como introducir estos datos en el programa. Aunque algunas
aplicaciones funcionan sin cargar ningun paquete adicional, es conveniente que para esta practica se cargue la
utilidad VECTOR.MTH mediante las opciones File|Load|Utility.
4.2. Introduccion de vectores y matrices
Para introducir un vector en DERIVE for Windows tenemos dos formas: particular y general. La forma par-
ticular se obtiene seleccionando las opciones Author|Vector y nos aparece la ventana de la Figura 5.15, de-
mandandonos la dimension del vector. Una vez introducida dicha dimension (por ejemplo, 4) nos aparece una
nueva ventana (ver Figura 5.16) para que vayamos introduciendo los elementos del vector.
La forma general consiste en seleccionar las opciones Author|Expression e introducir un vector en la forma
[x1,x2,...,xn], donde xi son los diferentes elementos del vector. Por ejemplo, el vector (2, 1, 3) se introdu-
cira como [2,1,-3]; debemos notar que los vectores deben estar delimitados por los corchetes [] y no por los
parentesis () o las llaves {}.
Analogamente, podemos introducir una matriz de dos formas distintas. La forma particular consiste en seleccionar
las opciones Author|Matrix y nos aparece la ventana de la Figura 5.17 donde debemos indicar el numero de
162 MATEM ATICAS
Figura 5.15: Ventana para introducir la dimension de un vector.
Figura 5.16: Ventana para introducir los elementos de un vector.
filas (Rows) y de columnas (Columns). A continuacion debemos completar los elementos de la matriz (ver Figura
5.18).
Figura 5.17: Ventana para introducir las dimensiones de una matriz.
La forma general consiste, como antes, en seleccionar las opciones Author|Expression e introducir la matriz
en la forma [f1,f2,...,fm], donde cada fi es una fila de la matriz. Por ejemplo, la matriz de orden 3 3
siguiente

1 2 3
1 4 9
1 8 27
se introducira como sigue: [[1,2,3], [1,4,9], [1,8,27]]. Notemos que los delimitadores de las matrices
son tambien los corchetes y no los parentesis ni las llaves.
Figura 5.18: Ventana para introducir los elementos de una matriz.
Ejercicio. Introducir los siguientes vectores y matrices:

2 1 3
(1, x , a) (3/5, 0.15, x y)
4 x
4.3. Sistemas de ecuaciones lineales
Como es natural, los elementos de un vector pueden ser cualquier expresion valida en DERIVE for Windows, no
solo numeros. Por ejemplo, un sistema de ecuaciones lineales es un vector cuyos elementos son ecuaciones; as,
el sistema de ecuaciones lineales
3x + 2y = 5
4x + 3y = 2
se introducira as: [3x+2y=5, 4x+3y=2]. Una vez introducido el sistema podemos resolverlo de dos formas
distintas: directamente o a traves de menus. En el primer caso debemos introducir la expresion Solve(#1,[x,y])
(suponiendo que el sistema es la lnea numero 1) y nos aparecera la solucion: [x=11 y=-14]. En el segundo caso,
debemos seleccionar el boton Solve de la botonera y nos aparecera la ventana de la Figura 5.19; ahora basta pulsar
el boton Simplify .
Cuando necesitemos utilizar un vector o una matriz en varias expresiones, lo conveniente es almacenarla en una
variable. Por ejemplo, podemos escribir v:=[1,2,3] o a:=[[1,2],[3,4]].
Ejercicio. Resolver los siguientes sistemas de ecuaciones lineales:

3x + 4y 2z = 5
2x + 3y = 12
4x 3y + 9z = 3
4x 7y = 3
5x 4y + 2z = 1
4.4. Operaciones basicas con vectores y matrices
Con DERIVE for Windows podemos sumar, restar y multiplicar matrices, siempre que las dimensiones sean
apropiadas. Pero con DERIVE for Windows podemos realizar otro tipo de productos: el producto escalar y el
producto vectorial de dos vectores. La sintaxis de estas operaciones figura en la siguiente tabla:
164 MATEM ATICAS
Figura 5.19: Ventana para resolver un sistema de ecuaciones lineales.
Operacion Sintaxis
Suma de a y b a + b
Resta de a y b a - b
Producto de a y b a . b
Producto de a por un escalar t t*a o ta
Producto escalar de v y w v . w
Producto vectorial de v y w CROSS(v,w)
a y b son vectores o matrices con las dimensiones apropiadas.
Observemos que para no confundir el punto decimal . con el punto de las operaciones producto anteriores,
debemos dejar un espacio en blanco antes y despues del punto; as, no es valido indicar el producto de a y b
como a.b o a. b o a .b. En relacion con el producto vectorial debemos hacer una precision: si los vectores
son tridimensionales, entonces CROSS(v,w) devuelve el producto vectorial de v y w, pero si los vectores son de
dimension dos entonces CROSS(v,w) devuelve el determinante de v y w.
Ejercicio. Calcular las siguientes operaciones:

(1, 2, 3) + (2, 4, 6), (2, 4, 8) (4, 9, 13)
El producto escalar de (5(1, 3, 5) + 2(3, 2, 1)) y (1, 3, 5).
El producto vectorial de (3, 8, 1) y (3, 1, 10).
4.5. Funciones de manipulacion
Para manipular los elementos de un vector o matriz, DERIVE for Windows dispone de numerosas funciones,
todas ellas con una sintaxis muy intuitiva. A continuacion listamos las mas importantes.
IDENTITY MATRIX(n): Construye la matriz identidad de orden n.

DIMENSION(a): Determina el numero de elementos o el numero de filas de a, segun a sea un vector o una matriz.
Por ejemplo, DIMENSION([x,y,z]) es 3.
SUB: Es un sufijo que permite extraer un elemento de un vector o una fila de una matriz. Por ejemplo, [a,b,c]
SUB 2 aparece en pantalla como [a,b,c]2 y se simplifica a b. Sin embargo [[1,2],[3,4]] SUB 1
permite extraer la primera fila de la matriz, es decir, [1,2], por lo que [[1,2],[3,4]] SUB 1 SUB 2
identifica al segundo elemento de la primera fila, es decir, 2.
ELEMENT(v,n): Extrae el elemento n-esimo del vector v.
ELEMENT(a,m,n): Extrae el elemento (m, n) (fila m y columna n) de la matriz a.
APPEND(v1,v2,...,vn): Concatena dos o mas vectores. Por ejemplo, APPEND([3,1],[2,4]) produce como
resultado el vector [3,1,2,4]. Si a es una matriz, entonces APPEND(a) produce un vector cuyos elementos
son todos los elementos de la matriz.
DELETE ELEMENT(v,n): Elimina el elemento n-esimo del vector v. Si v es una matriz, entonces se borra la fila
n-esima.
INSERT ELEMENT(u,v,n): Agrega el elemento u al vector v antes del elemento n-esimo. Por ejemplo,
INSERT ELEMENT(d,[a,b,c],2)
da lugar al vector [a,d,b,c]. Si se omite n, entonces el elemento se coloca al principio del vector, y si el
valor de n es uno mas que la dimension del vector, el nuevo elemento se colocara al final del vector.
REPLACE ELEMENT(u,v,n): Reemplaza el n-esimo elemento del vector v por la expresion u. Por ejemplo,
REPLACE ELEMENT(d,[a,b,c],2)
da lugar al vector [a,d,c]. Si se omite n, entonces el elemento reemplazado sera el primero.
REVERSE VECTOR(v): Construye un nuevo vector cambiando de orden los elementos del vector v. As,
REVERSE VECTOR([1,2,3,4])
produce el vector [4,3,2,1].
SELECT(u,k,v): Produce un nuevo vector con los elementos k del vector v tales que u(k) es cierto. Por ejemplo,
SELECT(PRIME(k),k,[1,2,3,4,5,6]) produce el vector [1,2,3,5] formado por los numeros primos
que hay en el vector original.
SELECT(u,k,m,n,s): Permite seleccionar los elementos k de la sucesion que empieza en m, acaba en n y esta
construida con un paso s tales que u(k) es cierta. Por defecto s = 1, de forma que
SELECT(PRIME(k),k,1,100)
da lugar a un vector cuyos elementos son los numeros primos entre 1 y 100.
Ejercicio. Generar todos los numeros pares entre 1 y 100 y todos los numeros impares entre 100 y 200. (En este
ejercicio debe utilizarse la funcion FLOOR(n), que genera la parte entera del numero n).
4.6. Operaciones con matrices
Las operaciones tpicas con matrices estan disponibles en DERIVE for Windows. La sintaxis que debe utilizarse
aparece en la siguiente tabla:
Operacion Sintaxis
Matriz inversa de m m 1
Matriz traspuesta de m m
Matriz adjunta de m ADJOINT(m)
Traza de la matriz m TRACE(m)
Determinante de la matriz m DET(m)
Producto de las matrices m y n m . n
Exponenciacion de m: mk mk
166 MATEM ATICAS
Ejercicio. Se consideran las siguentes matrices:

1 2 3 1 2 3
a = 1 2 3 b= 5 7 11
3 5 7 13 17 19
Calcular a1 , at + b, (a + bt )1 , (a10 b5 )3 , det(a2 + b2 ).
Ejercicio. Resolver la siguiente ecuacion:

x 2 3

1 2 3 = 0.

4 4 6
4.7. Calculo de los valores y vectores propios
Aunque no es estrictamente necesario, es conveniente calcular el polinomio caracterstico, ya que sus races son
los valores propios. Para ello disponemos de la funcion
CHARPOLY(a,t)
que desarrolla el polinomio caracterstico de la matriz a en terminos de la variable t. Por ejemplo, CHARPOLY([[2,
3], [a, b]], t) produce t2 (b + 2)t 3a + 2b.
Para el calculo de los valores propios disponemos de la funcion
EIGENVALUES(a,t)
que determina los valores propios de la matriz a en terminos de la variable t.
Como es muy frecuente que los polinomios de grado superior a cuatro no se puedan factorizar por metodos
racionales, y la factorizacion de polinomios de grado cuatro es de una complejidad enorme, la funcion anterior
solo es util para matrices de orden 2 2 o 3 3. En consecuencia, suele ser habitual calcular primero el polinomio
caracterstico y posteriormente utilizar metodos aproximados para determinar sus races (es decir, los valores
propios de la matriz).
Una vez determinados los valores propios de una matriz A, disponemos de dos funciones para calcular los vectores
propios asociados:
EXACT EIGENVECTOR(A,): Se utiliza cuando es un valor propio exacto de la matriz A. Cuando es una
aproximacion a un valor propio, entonces la matriz A I no es singular, por lo que esta funcion devolvera
el vector cero como solucion.
APPROX EIGENVECTOR(A,): Aproxima a un vector propio numerico de A cuyo valor propio asociado es apro-
ximado por y el resultado es un vector de norma uno. Naturalmente, no debe ser un valor propio
exacto. Para mayor generalidad, podemos multiplicar el resultado por un parametro, por ejemplo @1. Los
parametros en DERIVE for Windows se indican por @1, @2, @3, .... Por ejemplo, un resultado como
[@1,3@2,-5@1] es lo que usualmente se escribe como [s,3t,-5s].
Ejercicio. Hallar el polinomio caracterstico, los valores propios y los vectores propios asociados de la siguiente
matriz:
2 1 1 1 1
1 3 1 0 1

1 1 1 0 3

1 0 0 3 0
1 1 3 0 2
4.8. Bibliografa
J. HEINHOLD y B. RIEDMULLER Algebra Lineal y Geometra Analtica, Ed. Reverte SA, 1981. Captulos 1
y 2.
R.E. LARSON, R.P. HOSTETLER y B.H. EDWARDS Calculo y Geometra Analtica, 5a ed., McGraw-Hill, Ma-
drid, 1995. Captulos 11, 13 y 14.
J.L. MALAINA y otros Lecciones Basicas de Algebra Lineal, Universidad del Pais Vasco, 1995. Captulos 16,
9, 11 y 12.
J.R. TORREGROSA y C.JORDAN Algebra Lineal y sus Aplicaciones, serie Schaum, McGraw Hill, Madrid,
1987. Captulos 1 y 2.
E.5.1. Discutir el siguiente sistema de ecuaciones segun los valores de a y b:
ax + by + z = 1
x + aby + z = b
x + by + az = 1
E.5.2. Hallar la inversa de la siguiente matriz siempre que sea posible:

x 1 0 0
0 x 1 0
A=
0 0 x 1
0 0 0 x
E.5.3. Encontrar la dimension y una base del subespacio vectorial generado por los vectores
= (1, 0, 0, 1),
u1

u2 = (2, 1, 1, 0), u3 = (1, 1, 1, 1), u4 = (1, 2, 3, 4) y u5 = (0, 1, 2, 3). Determinar las ecuaciones
cartesianas de este subespacio.
168 MATEM ATICAS
E.5.4. Decidir cuales de las siguientes matrices pueden reducirse a una matriz diagonal y encontrar matrices Pi
que hagan posible la diagonalizacion (P 1 Ai P = Di ):

1 3 1
(a) A1 = 3 5 1 ,
3 3 1

4 1 1
(b) A2 = 1 2 1 ,
1 1 2

0 0 0 1
0 0 1 0
(c) A3 =
0 1 0 0 .

1 0 0 0
E.5.5. Calcular la forma de Jordan de
0 1 0
A= 1 0 0
0 0 2
y utilizarla para determinar A7 .
E.5.6. Hallar las ecuaciones que describen los subespacios Ker f e Im f donde f : R3 R3 es la aplicacion
lineal definida por f (x, y, z) = (x + 2y + z, x + 2y, 2y + z).
E.5.7. Que tipo de conica es la que viene dada por la ecuacion 9x2 18x + 4y 2 24y + 9 = 0? Que tipo de
cuadrica es la que viene dada por la ecuacion 4x2 + 2y 2 + z 2 8x 12y 4z + 22 = 0?
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 6
CALCULO DIFERENCIAL EN VARIAS VARIABLES
Calcular derivadas parciales de orden superior de Saber interpretar y hallar las expresiones de los
funciones de varias variables. vectores que forman el triedro de Frenet.
Entender la significacion geometrica de los con-
Calcular las ecuaciones de los planos osculador,
ceptos derivada direccional y gradiente.
normal y rectificante a una curva.
Calcular extremos relativos y condicionados de
funciones de varias variables en casos sencillos. Entender el concepto de superficie parametrizada
regular.
Entender el concepto de curva parametrizada re-
gular.
Calcular e interpretar graficamente los coeficien-
Saber calcular e interpretar las magnitudes curva- tes de la primera y de la segunda forma funda-
tura y torsion de una curva. mental, as como la curvatura de Gauss.
2.1. Funciones vectoriales de una variable
Consideremos la base canonica para los vectores de R3 formada por

i = (1, 0, 0),

j = (0, 1, 0),

k = (0, 0, 1).
Una funcion definida por

F (t) = x(t) i + y(t) j + z(t) k = (x(t), y(t), z(t))
donde x(t), y(t) y z(t) son funciones reales de variable real t, se dice que es una funcion vectorial en t.
Se puede generalizar el concepto de lmite de funciones reales de variable real a las funciones vectoriales de una
variable, sin mas que consideremos

lim F (t) = ( lim x(t), lim y(t), lim z(t)).
xa xa xa xa
C ALCULO DIFERENCIAL EN VARIAS VARIABLES 171
Esto tambien nos lleva a extender otros conceptos, como el de derivada.

Una funcion vectorial F (t) = x(t) i + y(t) j + z(t) k es derivable en x = a si y solo si cada una de sus
funciones componentes es derivable en t = a. En estas condiciones se tiene

0 0 0 0
F (a) = (x (a), y (a), z (a)).

Ejemplo. Sea F (t) = (sen2 t, ln t, arctan(3t)), entonces

0
1 3
F (t) = 2 sen t cos t, , ,
t 1 + 9t2
expresion valida para todos los numeros reales menos el cero. 2

Sea F (t) = x(t) i + y(t) j + z(t) k una funcion diferenciable de t, y t = g(s) una funcion diferenciable de

s, entonces la funcion compuesta F (g(s)) es una funcion diferenciable de s y se tiene

0
dF 0
= F (g(s))g (s).
ds

Ejemplo. Sea F (t) = (1, sen(t + 1), et+1 ) y t = g(s) = s2 1. En este caso se tiene

dF d F dt 2
= = 0, cos(t + 1), et+1 .2s = 0, 2s cos s2 , 2ses .
ds dt ds
Esta expresion tambien la habramos podido haber obtenido sustituyendo t = s2 1 y derivando respecto de s. 2
2.2. Derivadas de los productos de vectores
Por aplicacion directa de las propiedades de funciones reales de variable real, podemos deducir que la derivada
de la suma de dos funciones vectoriales es la suma de las derivadas. No es difcil deducir de igual forma (ver
bibliografa recomendada) el comportamiento de la derivada para las otras operaciones que se pueden realizar con

los vectores de R3 , el producto escalar y el producto vectorial. Si F (t) y G (t) son funciones derivables, se
tiene:
0
0 0

( F (t). G (t)) = F (t).G (t) + F (t). G (t) (Observa que en virtud de la simetra del producto escalar
no existe ningun problema en cambiar el orden de las funciones vectoriales que se ven afectadas en los
productos)
0

0
0

( F (t) G (t)) = F (t) G (t) + F (t) G (t) (Observa que en esta ocasion es fundamental el orden
de las funciones en los productos vectoriales)

0
Ejemplo. Dadas las funciones F (t) = (3t2 + 1, sen t, 0) y G (t) = (cos t, 0, et ) vamos a calcular ( F (t). G (t))

0
y ( F (t) G (t)) . Veamos:
0
0
0

( F (t). G (t)) = F (t).G (t) + F (t). G (t)
= (3t2 + 1, sen t, 0).( sen t, 0, et ) + (6t, cos t, 0).(cos t, 0, et )
= (3t2 + 1) sen t + 6t cos t
172 MATEM ATICAS

0

0
0

( F (t) G (t)) = F (t) G (t) + F (t) G (t)

i j k i j k
2
= 3t + 1 sen t 0 + 6t cos t 0

sen t 0 et cos t 0 et
= ((sen t + cos t)et , (3t2 + 6t + 1)et , sen2 t cos2 t).
2
Comprobar que estos resultados coinciden con los que se obtienen realizando antes los productos (escalar o
vectorial) y despues derivando el resultado.
2.3. Funciones de varias variables
En muchas ocasiones los valores de las funciones que aparecen sometidas a estudio estan determinados por valores
que dependen de mas de una variable.
Supongamos D una coleccion de n-uplas de numeros reales. Una funcion f con dominio D es una regla que asigna
a cada (x1 , x2 , ..., xn ) D un numero z = f (x1 , x2 , ..., xn ). El rango de la funcion es el conjunto de valores
que toma z. A z se le denomina variable dependiente y a x1 , x2 , ..., xn se les llama variables independientes.
p
Ejemplo. El dominio de la funcion f (x, y) = y x2 es D = (x, y) R2 y > x2 y el rango viene dado por
Rango(f ) = [0, +). 2
2.3.1. Lmites y continuidad
Primero veamos el caso para funciones de dos variables. El lmite de f (x, y) cuando (x, y) (x0 , y0 ) es el
numero real L si para cada > 0 existe un > 0 tal que para todos los puntos (x, y) sucede una de las dos
siguientes situaciones equivalentes:
p
0< (x x0 )2 + (y y0 )2 < = |f (x, y) L| <
0 < |x x0 | < y 0 < |y y0 | < = |f (x, y) L| <
2.3.1.1. Propiedades de los lmites
Si los lmites
lim f (x, y) y lim g(x, y)
(x,y)(x0 ,y0 ) (x,y)(x0 ,y0 )
existen y son finitos, entonces se verifican las siguientes propiedades:
(1) lim (f (x, y) + g(x, y)) = lim f (x, y)+ lim g(x, y)
(x,y)(x0 ,y0 ) (x,y)(x0 ,y0 ) (x,y)(x0 ,y0 )
(2) lim (f (x, y).g(x, y)) = lim f (x, y). lim g(x, y)
(x,y)(x0 ,y0 ) (x,y)(x0 ,y0 ) (x,y)(x0 ,y0 )
(3) lim (f (x, y)) = lim f (x, y) para todo R

(x,y)(x0 ,y0 ) (x,y)(x0 ,y0 )
lim f (x, y)
f (x, y) (x,y)(x0 ,y0 )
(4) lim = siempre que lim g(x, y) 6= 0
(x,y)(x0 ,y0 ) g(x, y) lim g(x, y) (x,y)(x0 ,y0 )
(x,y)(x0 ,y0 )
Observacion. El lmite de una funcion puede no existir. Al igual que cuando asegurabamos la existencia de los
lmites de funciones de una variable real decamos que deban coincidir los lmites laterales (las dos aproxima-
ciones posibles al punto al que se tenda en la recta real), en nuestro caso al movernos en R2 aseguramos con
la existencia del lmite la coincidencia de los lmites sobre cualquiera de las infinitas aproximaciones al punto
(x0 , y0 ) que pudieramos tomar en el plano. Lo que dicho de otra forma quiere decir que si encontramos dos o
mas aproximaciones al punto (x0 , y0 ) que obtengan valores distintos para el lmite, estaramos demostrando que
el lmite lim f (x, y) no existe.
(x,y)(x0 ,y0 )
Ejemplo. Podemos demostrar que el lmite

x2 y
lim
(x,y)(0,0) x4 + y2
no existe calculando las aproximaciones de f (x, y) sobre la recta y = x y sobre la parabola y = x2 .
x2 x x
lim = lim = lim = 0.
(x,y)(0,0) x4 + x2 (x,y)(0,0) x2 + 1
(x, y) (0, 0)
sobre y = x
Por otra parte

x2 x2 1
lim = lim = .
(x,y)(0,0) x4 + x4 2
(x, y) (0, 0)
sobre y = x2
Luego efectivamente el lmite lim x2 y

4
(x,y)(0,0) x +y
2 no existe. 2
Una funcion f (x, y) se dice que es continua en el punto (x0 , y0 ) si:
(1) f esta definida en (x0 , y0 ).

(2) lim f (x, y) existe.
(x,y)(x0 ,y0 )
(3) lim f (x, y) = f (x0 , y0 ).

(x,y)(x0 ,y0 )
Es una consecuencia de las propiedades de los lmites que la suma, producto y cociente de funciones continuas es
otra funcion continua y esto tambien sucede para la composicion de funciones.
Ejemplo. La funcion ( xy
si (x, y) 6= (0, 0)
f (x, y) = x2 + y2
0 si (x, y) = (0, 0)
2
es continua en cualquier punto de R excepto en (0, 0). Puedes comprobar que no es continua en (0, 0) aproxi-
mandote por caminos diferentes al origen (0, 0) (las recta y = mx para diferentes valores de m) y observar que
dan lmites distintos. 2
Observacion. Todos los conceptos y propiedades introducidos anteriormente para funciones de dos variables,
son facilmente extensibles a un numero de variables generico n. Basta tener en cuenta la definicion de lmite de
174 MATEM ATICAS
f (x1 , ..., xn ) cuando (x1 , ..., xn ) (a1 , ..., an ) como el numero real L cumpliendo que para cada > 0 existe
un > 0 tal que para todos los puntos (x1 , ..., xn ) :
p
0 < (x1 a1 )2 + + (xn an )2 < = |f (x1 , x2 , ..., xn ) L| <
2.3.2. Derivadas parciales de primer orden
Consideremos z = f (x, y) una funcion real de dos variables reales. Denominaremos derivada parcial de f
respecto de x en el punto (a, b) a la derivada en x = a de la funcion de una variable f (x, b). Es decir,
f (a + h, b) f (a, b) f (x, b) f (a, b)

lim = lim
h0 h xa xa
denotandose por fx (a, b),f1 (a, b), zx (a, b), f

x (a, b) o
z
x (a, b).
Analogamente definimos la derivada parcial de f respecto de y,
f (a, b + h) f (a, b) f (a, y) f (a, b)

lim =lim
h0 h yb yb
denotandose por fy (a, b),f2 (a, b), zy (a, b), f

y (a, b) o
z
y (a, b).
(1) Como ocurre con las funciones reales de variable real, las derivadas parciales de z = f (x, y) respecto de x
y respecto de y se pueden calcular para diversos puntos (x, y), dando lugar por tanto a dos nuevas funciones
de dos variables reales.
(2) Por las definiciones introducidas anteriormente resulta inmediato que las reglas de derivacion establecidas
para funciones reales de una variable real seran aplicables a las derivadas parciales de funciones de dos
variables.
2
Ejemplo. Si consideramos la funcion f (x, y) = x2 y 3 + ex y se puede comprobar facilmente que
f 2
(x, y) = 2xy 3 + 2xex y,
x
f 2
(x, y) = 3x2 y 2 + ex .
y
2
2.3.3. Interpretacion geometrica
Sea z = f (x, y) y consideremos fx (a, b), fy (a, b). La superficie z = f (x, y) la cortamos por el plano : x = a
y obtenemos una curva cuya ecuacion referida a los ejes O 0 Y 0 y O 0 Z 0 es z = f (a, y) (donde O 0 es el nuevo
origen con coordenadas (a, 0, 0) y O 0 Y 0 ,O 0 Z 0 son ejes paralelos respectivamente a OY y OZ pasando por O 0 ).
La recta tangente a la curva en el punto P (a, b, c), donde c = f (a, b), esta contenida en el plano x = a y tiene
por ecuacion
z c = fy (a, b)(y b)
Figura 6.1: Interpretacion geometrica de la derivada parcial.
respecto a los ejes O 0 Y 0 y O 0 Z 0 y referida al espacio es la recta determinada por interseccion de los planos x = a
y z f (a, b) = fy (a, b)(y b).
Analogamente la tangente a la curva

y=b
z = f (x, y)
en el punto (a, b, f (a, b)) es la recta

y=b
x (a, b)(x a).
z f (a, b) = f
El plano de ecuacion
f f
z f (a, b) = (a, b)(x a) + (a, b)(y b)
x y
contiene a las rectas tangentes anteriores. Cada recta tangente a una curva de la superficie se dice tangente a
la superficie. El plano que contiene a toda las rectas tangentes a la superficie en un punto se denomina plano
tangente a la superficie en ese punto. En el caso de que exista, el plano tangente en el punto P (a, b, f (a, b))
viene determinado por la ecuacion anterior.
p
Ejemplo. Dada la funcion f (x, y) = 3 x2 y 2 la ecuacion del plano tangente a la superficie que determina
(una esfera) en el punto P (1, 1, 1) vendra expresada por z 1 = fx (1, 1)(x 1) + fy (1, 1)(y 1). Simplificando
obtenemos z = x y + 3. 2
2.3.4. Regla de la cadena para funciones de varias variables
Que sucede cuando intentamos derivar la composicion de funciones de varias variables? La variedad de casos a
los que podemos enfrentarnos puede ser amplia y es conveniente que tratemos el problema de forma gradual.
Si z = f (x, y) tiene derivadas parciales continuas fx y fy y si x = x(t), y = y(t) son funciones derivables en t,
entonces la funcion compuesta z = f (x(t), y(t)) es derivable como funcion de t y cumple
df f dx f dy
= + .
dt x dt x dt
176 MATEM ATICAS
Ejemplo. Sea f (x, y) = xy , con x = cos t e y = sen t. En estas condiciones se obtiene aplicando la regla de la
cadena
df f dx f dy
= + = (sen t)( sen t) + (cos t)(cos t) = cos2 t sen2 t = cos 2t.
dt x dt x dt
Puedes obtener tambien este resultado sustituyendo x e y y derivando la expresion resultante respecto de t. 2
(1) Sea w = f (x, y, z) una funcion de tres variables con derivadas parciales continuas, y ademas x = x(t),
y = y(t), z = z(t) son funciones derivables en t. Cual sera de la regla de la cadena para dfdt ? Y si
tuvieramos una funcion de cuatro variables? Generaliza el resultado a n variables.
(2) Aplicar las conclusiones anteriores para calcular dw
dt si w = xy + z con x = cos t , y = sen t y z = t. (La
curva sobre la que calculamos la derivada es una helice).
Supongamos ahora que tenemos la siguiente situacion:
w = f (x, y, z) funcion de tres variables con derivadas parciales continuas.

x = x(u, v), y = y(u, v), z = z(u, v) funciones de dos variables con derivadas parciales continuas.
En estas condiciones obtenemos

f f x f y f z
= + +
u x u y u z u
f f x f y f z
= + +
v x v y v z v
Ejemplo. Sea f (x, y, z) = x + 2y + z 2 y

u
x = v
y = u2 + ev

z = 2u
Aplicando la regla de la cadena obtenemos
f 1 f u
= + 12v, = 2 + 2eu .
u u v v
2
Las mismas condiciones de derivabilidad y continuidad expuestas anteriormente para los distintos casos, se pueden
expresar de forma generica como sigue:
Consideremos z = f (x1 , x2 , ..., xn ) una funcion de n variables con todas sus derivadas parciales continuas y
consideremos a su vez
x1 = 1 (u1 , u2 , ..., um ),
x2 = 2 (u1 , u2 , ..., um ),
.. .
. = ..
xn = n (u1 , u2 , ..., um )
funciones de m variables con todas sus derivadas parciales tambien continuas. En estas condiciones podemos
expresar:
f f x f x2 f xn
= + + ... +
u1 x1 u1 x2 u1 xn u1
.. .
. = ..
f f x f x2 f xn
= + + ... +
um x1 um x2 um xn um
2.3.5. Derivacion de funciones implcitas
Sea y = f (x) una funcion continua definida implcitamente por la ecuacion F (x, y) = 0, donde F , Fx y Fy son
funciones continuas, ademas con Fy (x, y) 6= 0. Entonces se cumple que
F
dy
= F
x
.
dx y
Puedes intentar deducir este resultado derivando respecto de x (aplicando la regla de la cadena) en la ecuacion
F (x, y) = 0.
La expresion de derivacion de una funcion implcita se puede hacer extensiva para un numero mayor de variables,
razonando de forma similar.
Ejemplo. Vamos a calcular la derivada en los puntos que correspondan al valor x = 1 de la funcion definida por
la ecuacion y 3 3xy + 2x3 = 0. Si sustituimos x = 1 en la ecuacion, obtenemos que los puntos para los que hay
que evaluar la derivada son (1, 1) y (1, 2). Para aplicar el resultado anterior basta con calcular Fx = 3y + 6x2
y Fy = 3y 2 3x. Particularizando en los puntos que sometemos a estudio obtenemos Fx (1, 1) = 3, Fy (1, 1) = 0,
Fx (1, 2) = 12, Fy (1, 2) = 9. De aqu deducimos que dx dy
(1, 1) no se puede hallar y por otro lado se tiene
x (1, 2)
F
dy 4
(1, 2) = F =
dx y (1, 2) 3
2
Ejemplo. Supongamos que la superficie dada por la ecuacion F (x, y, z) = 0 define implcitamente a la funcion
z = f (x, y). La ecuacion del plano tangente a la mencionada superficie en el punto (a, b, c) vendra expresado
por
f f
zc= (a, b)(x a) + (a, b)(y b).
x y
Ahora bien, aplicando la regla de derivacion para funciones implcitas se tiene:
F F
dz dz y
= F
x
, = F
dx z
dy z
Sustituyendo en la ecuacion del plano tangente y simplificando (quitando los denominadores Fz ) obtenemos
finalmente
F F F
(a, b, c)(x a) + (a, b, c)(y b) + (a, b, c)(z c) = 0.
x y z
Expresion de la ecuacion del plano tangente a una superficie que no hace referencia explcita de la funcion que la
define. 2
2.3.6. Gradientes y derivadas direccionales
Sea la superficie z = f (x, y) y supongamos que las derivadas parciales fx y fy son continuas.
Consideremos el plano que pasa por los puntos (a, b, 0) y (x, y, 0) y es perpendicular al plano z = 0. Este plano
tiene de ecuacion y b = tan (x a) o bien, en forma parametrica

x = a + t cos
:
y = b + t sen
178 MATEM ATICAS
Este plano corta a la superficie segun una curva de ecuacion

z = f (x, y)
: x = a + t cos

y = b + t sen
Es decir, z = f (a + t cos , b + t sen ). Consideremos en el plano el nuevo sistema de ejes coordenados

O 0 T 0 Z 0 , donde O 0 (a, b, 0), O 0 T 0 es la interseccion de plano con el plano z = 0, y el eje O 0 Z 0 es paralelo
al eje OZ pasando por el punto O 0 . En el plano , podemos estudiar la pendiente de la recta tangente a e el
punto P (a, b, c) respecto del eje O 0 T 0 , que coincide con la derivada respecto de t, es decir, aplicando la regla de
la cadena se tiene:
dz f dx f dy f f
= + = (a, b) cos + (a, b) sen
dt x dt y dt x y
La recta que pasa por el punto P (a, b, c) y tiene esta pendiente es la recta tangente a en el punto P . Esta recta
tangente tiene por ecuaciones parametricas respecto a OXY Z:
x = a + t cos
y = b + t sen
z = c + ( f
x (a, b) cos +
f
y (a, b) sen )t
y esta contenida en el plano tangente a la superficie en el punto P (a, b, c) de ecuacion
f f
zc= (a, b)(x a) + (a, b)(y b).
x y
A la expresion fx (a, b) cos + fy (a, b) sen se le llama derivada direccional de f (x, y) en (a, b) segun la

direccion y se denota por f o por Du f donde u = cos i + sen j .
La derivada de f (x, y) en (a, b) segun la direccion , es la pendiente de la recta tangente a la curva resultante de
la interseccion de la superficie z = f (x, y) con el plano de ecuacion y b = tan (x a) . A veces tambien se
dice de la derivada direccional que es el ritmo al que cambia f (x, y) cuando nos movemos desde el punto (a, b)
en la direccion que forma un angulo con el eje OX.
Es importante que observes lo que sucede cuando = 0 y = 2 . Aplica la definicion y comprueba que en estos
casos las mencionadas derivadas direccionales coinciden con las derivadas parciales.
Ejemplo. Vamos a calcular la derivada de f (x, y) = x2 y 3 en el punto (1, 2) en la direccion determinada por el
angulo /3. Para ello calcularemos primero las derivadas parciales fx = 2xy 3 fy = 3x2 y 2 . Particularizandolas
nos piden se tiene fx (1, 2) = 16 y fy (1, 2)= 12. Habida cuenta que cos(/3) = 1/2 y
en el punto que
sen(/3) = 3/2, obtenemos finalmente D u f (1, 2) = 8 + 6 3. 2
La expresion
f f
D

u f (a, b) = (a, b) cos + (a, b) sen
x y
se puede ver como el resultado del producto escalar de los vectores

f
f

u = cos i + sen j y (a, b) i + (a, b) j .
x y
A este ultimo vector se le denomina gradiente de f en (a, b) denotandose por f (a, b).

En definitiva, si z = f (x, y) tiene derivadas parciales continuas fx , fy y

u = cos i + sen j entonces se
cumple

D u f = f. u .

Por definicion del producto escalar de dos vectores, tenemos D u f = f. u = |f | . | u | cos donde es el

angulo que forman los vectoresf y u . Pero | u | = 1 y de aqu deducimos D f = |f | . cos , esto nos
u
u f coincide con |f | y ademas la direccion del

lleva a deducir que el valor maximo de la derivada direccional D

vector gradiente es la que indica la mayor derivada direccional.
Ejemplo. Dada la funcion f (x, y) = x2 y 3 cual es la mayor derivada direccional en (2, 3) y en que direccion
se obtiene esta derivada direccional maxima? La respuesta a esta pregunta la tiene el vector gradiente. Puedes

comprobar que f (2, 3) = 108 i + 108 j y por tanto el valor de la maxima derivada direccional es |f | =

108 2 y este valor se alcanza para la direccion que marca el gradiente, que sera en este caso

u = cos(/4) i +

sen(/4) j . 2
Ejemplo. Una interpretacion igualmente grafica como curiosa del significado del gradiente lo da el siguiente
ejemplo. Supongamos una montana sobre el plano XY . La altitud de la superficie sobre el punto (x, y) la
denotaremos por z = f (x, y). La derivada direccional indica el ritmo al cual cambia la altitud por unidad de
cambio en distancia horizontal. El gradiente f (a, b) apunta a la direccion que un montanero debera seguir si
desea escalar en la direccion de mayor pendiente. El modulo |f | indica la mayor pendiente disponible. 2
2.3.7. Derivadas parciales de orden superior
Sea z = f (x, y), llamaremos derivada parcial segunda (o de segundo orden) de f respecto de x dos veces a la
derivada respecto de x de la derivada parcial primera respecto de x, es decir,
fx (x + h, y) fx (x, y)
lim
h0 h
f z2 2f
denotandose por zxx , fxx , x ( x ), x2 o x2 .
Analogamente llamaremos derivada parcial segunda (o de segundo orden) de f respecto de y dos veces a la
derivada respecto de y de la derivada parcial primera respecto de y:
fy (x, y + h) fy (x, y)
lim
h0 h
f 2z 2f
denotandose por zyy , fyy , y ( y ), y 2 o y 2 .
Se llama derivada segunda de f respecto de y y respecto de x, a la derivada parcial respecto de x de la derivada

f 2z 2f
parcial de f respecto de y, denotandose por zyx , fyx , y ( y ), xy o xy .
Ejemplo. Para la funcion f (x, y) = y cos(xy) se tiene

f
= y 2 sen(xy),
x
f
= cos(xy) yx sen(xy),
y
2f
= y 3 cos(xy),
x2
2f
= 2x sen(xy) yx2 cos(xy),
y 2
2f 2f
= = 2y sen(xy) xy 2 cos(xy)
xy yx
2
En el ejemplo anterior hemos observado que las derivadas mixtas coinciden, en que casos esto vuelve a suceder?
La respuesta a esta pregunta la da el Teorema de Schwartz (ver bibliografa recomendada) que se enuncia en los
siguientes terminos:
180 MATEM ATICAS
Sea z = f (x, y) una funcion tal que existen fx , fy y fxy en un entorno U del punto (a, b) y son continuas en
(a, b), entonces existe fyx (a, b) y ademas fxy (a, b) = fyx (a, b).
Para la funcion z = f (x, y) hemos visto las cuatro derivadas segundas fxx , fyx , fxy , fyy , aunque ya sabemos
que bajo las hipotesis del Teorema de Schwartz las derivadas mixtas coinciden. Siguiendo este proceso podemos
definir las derivadas terceras fxxx , fxyx , fxxy , fxyy , fyxx , fyyx , fyxy y fyyy aunque solo hay 4 distintas bajo las
hipotesis del Teorema de Schwartz. En general existen 2p derivadas de orden p , pero solo p + 1 son distintas bajo
las hipotesis del mencionado teorema:
pf pf pf pf pf
, , , ...., y
xp yxp1 y 2 xp2 y p1 x y p
2.3.8. Extremos relativos y absolutos
Consideremos f : A R2 R una funcion de dos variables con valores reales, con dominio de definicion en
A, que habitualmente denotamos como z = f (x, y). Consideraremos a continuacion el problema de maximizar o
minimizar a la mencionada funcion en A.
Si existe un punto (x0 , y0 ) A tal que f (x0 , y0 ) > f (x, y ) para todo (x, y) A, entonces diremos que f tiene
un maximo absoluto en A.
Analogamente definimos el concepto de mnimo absoluto sin mas que exigir ahora que f (x0 , y0 ) 6 f (x, y ) para
todos los puntos de A.
No siempre existe un punto en el dominio de la funcion que cumpla las caractersticas anteriores. De hecho hay
que buscar un cierto tipo de subconjuntos de R2 que aseguran la existencia de maximos y mnimos absolutos, son
los llamados conjuntos compactos.
Recordemos primero (ver Captulo 2 y bibliografa recomendada) que para funciones reales de una variable real
se define la nocion de extremo relativo como un punto x0 del dominio de la funcion para el que existe un entorno
(puntos suficientemente proximos al valor x0 ) tal que para cualquier punto de ese entorno se cumple la condicion
de maximo o mnimo absoluto descrita con anterioridad. Es decir hacemos un estudio local, entendiendo por
ello las proximidades del punto sometido a estudio.
Que procedera hacer ahora para una funcion de R2 , z = f (x, y)? Como se introducen el concepto de entorno
y de proximidad en el plano?
Las respuestas a estas dos cuestiones la hemos estudiado ya al introducir la definicion de lmite para funciones
2
de varias variables. Debeisp recordar que el concepto de distancia entre dos puntos de R puede definirse como
2 2
d((x0 , y0 ), (x1 , y1 )) = (x1 x0 ) + (y1 y0 ) . As los puntos que distan
2
p menos que de un punto (x0 , y0 )
R , vienen expresado por los puntos (x, y) que satisfagan la inecuacion (x x0 )2 + (y y0 )2 < .
Como piensas que se representara graficamente esta situacion en el plano? Que es ahora graficamente un
entorno de (x0 , y0 )?
Pues bien, ahora estamos en condiciones de definir el concepto de maximo relativo (resp. mnimo relati-
vo) como un punto (x0 , y0 ) A tal que exista un > 0 verificando que para todo (x, y) A que cumpla
p
(x x0 )2 + (y y0 )2 < se tiene f (x0 , y0 ) > f (x, y) (resp. f (x0 , y0 ) 6 f (x, y)).
Como definiras los conceptos de maximo y mnimo relativo para una funcion de tres variables w = f (x, y, z)?
Observa que el concepto ahora depende de la definicion de distancia entre dos puntos en R3 , que vendra dado por
p
d((x0 , y0 , z0 ), (x1 , y1 , z1 )) = (x1 x0 )2 + (y1 y0 )2 + (z1 z0 )2 .
Como se representara con esta distancia un entorno en el espacio R3 de un punto (x0 , y0 , z0 )?
Puedes completar, consultando la bibliografa recomendada, la definicion de maximo y mnimo de una funcion
w = f (x, y, z).
Para completar el estudio, como piensas que se puede definir una distancia en Rn ? Como definiras los con-
ceptos de maximo y mnimo relativos para una funcion de n variables w = f (x1 , x2 , ..., xn )?
Condicion necesaria para la existencia de extremo: Sea w = f (x1 , x2 , ..., xn ) una funcion que cumple que
todas sus derivadas parciales son continuas. Si tiene un maximo o un mnimo relativo en un punto de su dominio
entonces las n derivadas parciales de f particularizadas en dicho punto deben ser todas iguales a cero.
Esto es, para una funcion z = f (x, y) se traduce en que si existe un maximo o mnimo relativo (extremo relativo)
en (x0 , y0 ) entonces
f f
(x0 , y0 ) = 0 y (x0 , y0 ) = 0.
x y
Recuerda que en funciones de una variable la condicion de derivada nula vena a indicar la existencia de recta
tangente paralela al eje OX. Evidentemente la traducion al caso de funciones de dos variables (superficies)
vendra dada por la existencia del plano tangente paralelo al plano XY .
Al igual que ocurra en funciones de una variable, el recproco de este resultado no se cumple.
Ejemplo. Consideremos la funcion f (x, y) = (y x2 )(y 2x2 ). Se puede comprobar facilmente que se cumple
fx (0, 0) = 0 y fy (0, 0) = 0. Ahora bien f (0, 0) = 0, pero la funcion toma tanto valores positivos como negativos
en cada entorno de (0, 0). Como probaras esta ultima afirmacion? 2
Dada una funcion w = f (x1 , x2 , ..., xn ) con derivadas parciales continuas, diremos que un punto de su dominio
es estacionario o crtico si todas las derivadas parciales se anulan en el. O lo que es lo mismo si el vector
gradiente es nulo. Mas explcitamente, para una funcion de dos variables z = f (x, y), se debera cumplir que

f (x0 , y0 ) = 0 .
Es importante, al igual que hacamos en el estudio local de funciones de una variable, encontrar condiciones
suficientes que nos garanticen la existencia de extremos relativos, identificando en cada caso si son maximos o
mnimos.
Sea z = f (x, y) una funcion con derivadas parciales de segundo orden fxx , fyx = fxy , fyy continuas en un punto
estacionario (x0 , y0 ) R2 y consideremos el siguiente determinante
2
f (x , y ) 2f 2f 2f 2f
x2 0 0 yx (x0 , y0 )
= 2f 2 = (x 0 , y0 ) (x 0 , y0 ) ( (x0 , y0 ))2 .
(x 0 , y0 ) f
2 (x 0 , y0 ) x2 y 2 yx
yx y
Entonces se verifica lo siguiente:
(1) Si > 0 y fxx (x0 , y0 ) > 0, f tiene un mnimo relativo en (x0 , y0 ).
(2) Si > 0 y fxx (x0 , y0 ) < 0, f tiene un maximo relativo en (x0 , y0 ).
(3) Si < 0, f no tiene ni maximo ni mnimo relativo en (x0 , y0 ) (punto de silla, ver Figura 6.2).
Puedes consultar la bibliografa recomendada para comprobar que no es demasiado complicado a efectos practicos,
generalizar este criterio para funciones de n variables, estudiando el signo de una sucesion de determinantes.
Ejemplo. La funcion f (x, y) = (2x y + 1)2 + (x 3y)2 + 1 alcanza un mnimo en el punto ( 53 , 15 ),

conclusion que podemos sacar de igualar las derivadas parciales a cero, obteniendo las ecuaciones 2x y + 1 = 0
182 MATEM ATICAS
Figura 6.2: La superficie de la figure tiene un punto de silla en el origen.
y x 3y = 0. Despues aplicamos el criterio de la condicion suficiente que hemos descrito con anterioridad,
obteniendose que
2
f ( 3 , 1 ) 2f 3 1 10 10
x2 5 5 yx ( 5 , 5 ) = 300 > 0.
= 2f 2f =
( 3
, 1
) 2 ( 3
, 1
) 10 20
yx 5 5 y 5 5
2
Ejemplo. Dada la funcion f (x, y) = (x + 1)2 + 3(y 23 )2 21 9 , puedes comprobar siguiendo un procedimiento
analogo al descrito para el ejemplo anterior, que f tiene un mnimo en (1, 23 ). 2
2.3.9. Extremos condicionados
Hemos visto en el epgrafe anterior como se pueden estudiar los extremos relativos de una funcion z = f (x, y).
Ahora bien, es posible que la ecuacion de la superficie este dada de manera implcita, es decir, se pueda dar por
ejemplo con una ecuacion g(x, y, z) = 0, de la cual pueda ser muy complicado en la practica despejar una variable
en funcion de las otras dos. Incluso podemos complicar todava mas la situacion si pedimos estudiar los extremos
en los puntos de una curva en el espacio que se puede dar como interseccion de dos superficies, que a su vez
vengan expresadas de forma implcita por sendas ecuaciones g1 (x, y, z) = 0 y g2 (x, y, z) = 0.
En el caso de tres variables, el problema se podra exponer de la manera siguiente:
(1) Sea w = f (x, y, z) con derivadas parciales primeras y segundas continuas en un punto (x0 , y0 , z0 ).
(2) Consideremos en la funcion las siguientes condiciones de ligadura, es decir, condiciones a las que somete-
mos a las variables en la busqueda de los valores extremos de la funcion:
g1 (x, y, z) = 0, g2 (x, y, z) = 0, . . . , gm (x, y, z) = 0.
En las mismas condiciones descritas anteriormente, buscamos una condicion necesaria para que la funcion f (x, y, z)
tenga un extremo relativo (maximo o mnimo) restringido a las siguientes condiciones de ligadura: g1 (x, y, z) = 0,
g2 (x, y, z) = 0, . . . , gm (x, y, z) = 0. Para ello construimos la funcion
L(x, y, z) = f (x, y, z) + 1 g1 (x, y, z) + 2 g2 (x, y, z) + + m gm (x, y, z),
en donde los i (i = 1...n) se consideran constantes (se conocen con el nombre de multiplicadores de Lagran-
ge).
La condicion de Lagrange dice que si el punto (x0 , y0 , z0 ) es un maximo o mnimo de la funcion sometida a
las condiciones de ligadura anteriormente expuestas, entonces es satisface el sistema de las m + 3 ecuaciones
siguientes:
L
(x, y, z) = 0,
x
L
(x, y, z) = 0,
y
L
(x, y, z) = 0,
z
g1 (x, y, z) = 0,
g2 (x, y, z) = 0,
.. ..
. = .
gm (x, y, z) = 0.
Observacion. (1) Existe un procedimiento para distinguir cuando tenemos maximos o mnimos, pero en general
suele ser mas util el uso de procedimientos intuitivos (preferentemente de tipo geometrico) que nos permitan hacer
tales distinciones.
(2) El metodo explicado anteriormente como ejemplo para funciones de tres variables, tiene una generalizacion
clara para n. Bastara considerar ahora m + n ecuaciones construidas de forma analoga a las anteriormente
descritas (ver bibliografa recomendada)
Ejemplo. Vamos a minimizar la funcion f (x, y, z) = x2 + y 2 + z 2 sujeta a las condiciones
x + 2y + 3z = 6,
x + 3y + 9z = 9.
Para ello construimos la funcion L(x, y, z) = x2 + y 2 + z 2 + 1 (x + 2y + 3z 6) + 2 (x + 3y + 9z 9) y de

aqu obtenemos el sistema formado por las siguientes ecuaciones:
L
(x, y, z) = 2x + 1 + 2 = 0,
x
L
(x, y, z) = 2y + 21 + 32 = 0,
y
L
(x, y, z) = 2z + 31 + 92 = 0,
z
x + 2y + 3z = 6,
x + 3y + 9z = 9.
Despejamos x, y, z en las tres primeras y sustituimos en las dos ultimas obteniendo:
141 + 342 = 12
341 + 912 = 18
y finalmente
240 78
1 = y 2 = .
59 59
81 123 9
Para estos valores de los multiplicadores de Lagrange obtenemos el punto P ( 59 , 59 , 59 ) 2
Ejemplo. Puedes usar el metodo de Lagrange para demostrar que entre todos los paraleleppedos de volumen
dado, el que tiene superficie mnima es precisamente un cubo. 2
184 MATEM ATICAS
2.4. Curvas parametrizadas en R3
2.4.1. Parametrizacion regular. Vectores velocidad y aceleracion

Una funcion vectorial R (t) = x(t) i + y(t) j + z(t) k definida R : I R R3 , donde I es un intervalo
abierto de la recta real, graficamente describe una curva en el espacio para los distintos valores del parametro t.
Esta representacion parametrica diremos que es regular cuando tiene las siguientes propiedades:

(1) R (t) = (x(t), y(t), z(t)) es de clase C 1 (continua y con derivada continua) en el intervalo I.

(2) dR
dt (t) 6= 0 para todo t de I.
Cuando en vez de clase C 1 se exige clase C n (continua y con derivadas sucesivas continuas hasta orden n) se
suele decir que es regular de clase n.
Un ejemplo significativo de una curva parametrizada en el espacio es la llamada helice circular, cuya parametiza-
cion viene dada por:

R (t) = (a cos t, a sen t, bt), con a, b 6= 0, t R.
Figura 6.3: Helice circular.
Por semejanza a la interpretacion fsica que surge del movimiento de una partcula en el espacio, representado este

por la parametrizacion de una curva R (t) = (x(t), y(t), z(t)), se define el concepto de velocidad como el vector

v = ddtR .
A su vez tambien podemos definir a partir de el, otro vector que mida la variacion

v en funcion del parametro t.
Lo llamaremos vector aceleracion y se define como

d
v d2 R d2 x
d2 y
d2 z

a = = 2
= 2 i + 2 j + 2 k.
dt dt dt dt dt
2.4.2. Longitud de arco para curvas en el espacio. El vector unitario tangente

La longitud de arco de una curva R (t) = (x(t), y(t), z(t)) entre los valores del parametro t = a y t = b viene
dada por la siguiente expresion:
Z b Z bp
L= |

v | dt = x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt
a a

Si elegimos un punto de referencia en la curva P0 = R (t0 ), y notamos la longitud de arco
Z tp
s(t) = x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt
t0
el teorema fundamental del calculo integral nos lleva a deducir que

ds p 0 2
= x (t) + y 0 (t)2 + z 0 (t)2 = |

v |.
dt

Ejemplo. Vamos a calcular la longitud de una vuelta de la helice R (t) = (cos t, sen t, t). Observemos que la
helice da una vuelta completa cuando t vara de 0 a 2. As, obtenemos que el calculo corresponde a
Z 2 p Z 2
( sen t)2 + (cos t)2 + 12 dt = 2dt = 2 2,
0 0

es decir, la longitud de una vuelta de la helice es 2 veces la del crculo unidad del plano XY en el que la helice
se proyecta. 2

Si consideramos la curva R (t) = (x(t), y(t), z(t)) representada por una parametrizacion regular y la longitud de

arco s(t) medida desde un punto de referencia P0 = R (t0 ) y si ademas dsdt 6= 0 , podemos deducir (derivada de
la funcion inversa) que
dt 1
= .
ds |v|
Esto unido a que

dR d R dt dt
= =

v.
ds dt ds ds
dt
tomando modulos (no se olvide que ds es una magnitud escalar) se obtiene

d
R d R dt 1
= = |

v| = 1.
ds dt ds |v|

Llamaremos a ddsR el vector tangente unitario de la curva y lo denotaremos por T (o por T (s) si queremos
especificar el punto de la curva en el que calculamos el vector tangente, haciendo referencia al parametro arco).
Cuando la parametrizacion de la curva no esta expresada en funcion del parametro longitud de arco, la manera

v
de calcular T es con la expresion |

v|
.

Ejemplo. Vamos a calcular el valor del vector T para los puntos de la curva dada por la parametrizacion

R (t) = (cos t + t sen t, sen t t cos t, 0).
Para esta curva (que esta contenida en el plano XY ) se obtiene

v = ( sen t + t cos t + sen t, cos t + t sen t cos t, 0)

y de aqu |

v | = t. De esta forma concluimos que T = (cos t, sen t, 0). 2
186 MATEM ATICAS
2.4.3. Curvatura y torsion de una curva. El triedro de Frenet
Uno de los grandes problemas que plantea la geometra es determinar y cuantificar los elementos que pueden
llevar a distinguir unas figuras de otras. Este problema se puede resolver para curvas lo suficientemente suaves
(es decir, con un numero suficiente de derivadas sucesivas continuas). Veremos que una curva regular viene
determinada por unicamente dos magnitudes escalares que llamaremos curvatura y torsion.

Supongamos que R = R (s) , donde s es el parametro arco, es una curva regular de clase mayor o igual que

2. Consideremos ddsT = R00 (s). Al vector ddsT se denomina vector curvatura de la curva en el punto R (s) y

= ddsT . No es difcil demostrar que
se denota con la expresion

es un vector ortogonal a T (consecuencia

de que T es un vector unitario y de derivar la expresion T . T = 1). Al modulo del vector curvatura |

(s)| lo

llamaremos curvatura de la curva en R (s) y lo denotaremos por (s). Llamaremos radio de curvatura a la
1
expresion (s) = (s) .
Figura 6.4: Curvatura de una curva en el espacio.
La interpretacion de la curvatura es la del valor del cambio de direccion de la tangente respecto de la longitud de
arco. De esta forma, una curva en la que la direccion de la tangente cambie rapidamente en relacion con la longitud
de arco, tiene una curvatura grande y por tanto un radio de curvatura pequeno (piensa en una circunferencia de
radio pequeno).
Ejemplo. Cual sera la curvatura y el radio de curvatura de la circunferencia de radio a dada por la parametrizacion
R (t) = (a cos t, a sen t, 0)? Veamos:

dR
= (a(sen t), a(cos t), 0)
dt

y de esta forma ddtR = a. Ademas se tiene

dR

T = dt
= ( sen t, cos t, 0)

ddtR
y por tanto

dT

dT

dT d T dt 1
= = = ds
= dt
= (cos t, sen t).
ds dt ds ds dR a
dt dt
El vector curvatura siempre esta dirigido hacia el origen y la curvatura es constante e igual a 1/a, lo que demuestra
que el radio de curvatura coincide precisamente con el radio de la circunferencia. 2
Siempre que la curva venga parametrizada por algun parametro t que no sea la longitud de arco se tiene

dT

= dt
.

ddtR
Ejemplo. Puedes comprobar que la curvatura en cada punto de la helice expresada por la parametrizacion regular
R (t) = (a cos t, a sen t, bt) con a > 0, b 6= 0 y t R viene expresada por

dT

a
= dt
= 2
( cos t, sen t, 0).
dR a + b2
dt
Observa que el vector

es paralelo al plano XY y esta dirigido hacia el origen. La curvatura es constante e igual
a
a a2 +b2 . 2
Propiedades.
Una curva regular de clase mayor o igual que 2 es una recta si y solo si su curvatura es identicamente nula.

Sea R = R (t) una representacion arbitraria de una curva de clase mayor o igual que 2, entonces se tiene

0
R R00
=
0 .
R

Siempre y cuando

(s) 6= 0 podremos escoger el vector unitario

(s)
N (s) =
|
(s)|

que se denomina vector unitario normal principal a la curva en el punto R (s).

Observacion. A lo largo de una recta

(s) = 0 , luego N no estara determinado.

Dado un punto de la curva representado por R (s), llamaremos recta normal principal a la recta que pasa por

el mencionado punto y tiene como vector director el vector N (s). Llamaremos plano normal al plano que pasa

por el punto R (s) y es perpendicular a la recta tangente a la curva en ese punto. Plano osculador se llama al que

pasa por el punto R (s) y contiene a los vectores N (s) y T (s).
z
C
B
N
x T
B
y
N x

Ejemplo. Dada la helice R (t) = (cos t, sen t, t), vamos a calcular la ecuacion de la normal principal y el plano

osculador en el punto t = /2. Como

6= 0 para todo t se tiene que N = |

|
= ( cos t, sen t, 0). La
ecuacion de la normal principal vendra dada por

x = 0
y = 1 , R

z = 2
188 MATEM ATICAS
La ecuacion del plano osculador saldra de resolver

x y 1 z 2

1 1

0 = 0,
2 2
0 1 0
es decir,

x+z =
2
2

Consideremos ahora el vector B (s) = T (s) N (s). Observa que B es continuo y unitario, y que ( T , N , B )

forma una base ortonormal positivamente orientada. B (s) recibe el nombre de vector unitario binormal a la

curva en el punto R (s). ( T (s), N (s), B (s)) recibe el nombre de triedro de Frenet o triedro movil.
Recta binormal
B
Plano normal
Plano rectificante
x N Recta normal
Plano osculador
T
Recta tangente
Figura 6.5: Rectas y planos asociados a una curva en el espacio.

Llamaremos plano rectificante al plano que pasa por el punto R (s) y contiene a los vectores B y T .

Observa que el plano normal es el que contiene a los vectores B y N .

Ejemplo. Dada la helice R (t) = (a cos t, a sen t, bt), puedes comprobar que el plano rectificante a la curva en el
punto correpondiente a t = 2 tiene como ecuacion y = a. 2

Consideremos que R = R (s) es una curva regular de clase mayor o igual a 3 y que a lo largo de ella N (s) es de

clase C 1 . B (s) = T (s) N (s), derivando esta expresion obtenemos:

B 0 (s) = T 0 (s) N (s) + T (s) N 0 (s)
= T (s) N 0 (s) ()

0

0
ya que T (s) y N (s) son proporcionales. Se tiene ademas que N = 1 y por tanto N y N son ortogonales y

por esta razon N 0 sera paralelo al plano rectificante y de aqu

N 0 (s) = (s) T (s) + (s) B (s).
Sustituyendo esta expresion en () y operando (con algunas consideraciones que se dejan al lector) se llega final-
mente a

B 0 (s) = (s). N (s) ()

A la funcion continua (s) se denomina torsion de la curva en R (s).

Si multiplicamos () escalarmente por N se obtiene (s) = B 0 (s). N (s), expresion del valor de la torsion en
un punto.

Ejemplo. Dada la helice R (t) = (a cos t, a sen t, bt), se tiene

b sen t b cos t a
B = , , .
2
a +b 2 2
a +b 2 a + b2
2
De aqu deducimos que

dB
dB b cos t b sen t
= =
dt
, ,0 .
ds ddtR a2 + b2 a2 + b2

Luego (s) = B 0 (s). N (s) = b
a2 +b2 , lo que demuestra que la torsion en esta curva es siempre constante. 2
Propiedades.

Si una curva es regular de clase mayor o igual que 3 y a lo largo de ella N es de clase C 1 , entonces se
tratara de una curva plana si y solo si su torsion es identicamente nula.

En un punto de la curva R = R (t) en el que

6= 0 se tiene

det(R0 , R00 , R000 )
= 2
0
R R00
Se verifican las siguientes expresiones (formulas de Frenet):

dT

= N
ds

dN
= T + B
ds

dB

= N
ds
Ejemplo. Se puede demostrar que la curva

1 + t 1 t2
R (t) = t, ,
t t
esta contenida en un plano sin mas que comprobar que su torsion es 0 en cualquier punto. 2

Ejemplo. Para la curva R (t) = (t sen t, 1 cos t, t) el valor de la curvatura y la torsion en el punto t = 0 es
(0) = 1 y (0) = 1 (Compruebalo). 2
2.5. Superficies parametrizadas en R3
El concepto intuitivo de superficie parametrizada es el de un conjunto de puntos del espacio que es parecido a una

porcion de plano en un entorno de cada uno de ellos. Esto sucede cuando existe una aplicacion X : U R. R3 ,

definida por X (u, v) = (x(u, v), y(u, v), z(u, v)) que es lo suficientemente regular.
190 MATEM ATICAS

Suponemos en principio que X es por lo menos de clase C 1 . Ademas para asegurarnos de que en todo punto
existe un plano tangente, supondremos que

x x

u
y
v
y X X
rango u v = 2 6= 0 ,
z z u v
x y
donde consideramos

X x y z X x y z
= , , y = , , .
u u u u v v v v
Habitualmente notaremos

X
X
2 X
2 X
Xu = , Xv = , X uu = , X uv =
u v u2 vu
y as sucesivamente.

Observa que los vectores X u y X v forman una base del plano tangente siempre y cuando X u X v 6= 0 y que

X u (u, v) X v (u, v)
N (u, v) =

X u (u, v) X v (u, v)

representa un vector normal unitario en cada punto de la superficie. Decimos que X : U R. R3 es una
parametrizacion regular de clase C m de la superficie S si y solo si:

(1) X C m (U ), m > 1.

(2) X u X v 6= 0 para todo (u, v) U .
Ejemplo. Vamos a hallar las ecuaciones del plano tangente y de la recta normal a la superficie representada por

X (u, v) = (u, v, u2 v 2 ) en el punto correspondiente a u = 1, v = 1. Veamos, X (1, 1) = (1, 1, 0), X u (1, 1) =

(1, 0, 2) y X v (1, 1) = (0, 1, 2). La ecuacion del plano tangente vendra dada por

x1 y1 z

1 0 2 = 0,

0 1 2
y la ecuacion de la recta normal, habida cuenta que el vector normal unitario al plano en el punto en cuestion viene
dado por:

X u (1, 1) X v (1, 1) 1
N =
= (2, 2, 1),

X u (1, 1) X v (1, 1) 3
se expresa en forma parametrica como

x = 1 2
y = 1 + 2, R

z =
2
2.5.1. Coeficientes de la primera y segunda forma fundamental
Los coeficientes de la primera forma fundamental vienen dados por las siguientes expresiones:

2

E(u, v) = X u (u, v). X u (u, v) = X u (u, v)

F (u, v) = X u (u, v). X v (u, v)

2

G(u, v) = X v (u, v). X v (u, v) = X v (u, v)
Ejemplo. Consideremos la superficie parametrizada por

X (u, v) = (u + v, u v, uv).
Los coeficientes de la primera forma fundamental vendran dados por
E(u, v) = 2 + v 2
F (u, v) = vu
G(u, v) = 2 + u2
2
Observemos que

E F
X u (u, v) X v (u, v) = EG F =
2
F G
y por tanto

X u (u, v) X v (u, v) 1

N (u, v) = = ( X u X v ).

2
X u (u, v) X v (u, v) EG F

Ejemplo. Para la superficie X (u, v) = (u + v, u v, uv) dada en el ejemplo anterior, se tiene EG F 2 =
4 + 2v 2 + 2u2 . Observa que el valor de esta cantidad es siempre estrictamente mayor que cero. 2

Si llamamos al angulo que forman los vectores X u y X v , se tiene
F

cos = ( X u X v ).
E G

Esto quiere decir, entre otras cosas, que en una superficie parametrizada regular, X u y X v son perpendiculares
si y solo si F = 0.
Pasamos ahora a introducir los llamados coeficientes de la segunda forma fundamental:

2 X

e = N.
u2

2 X

f = N.
uv

2 X

g = N.
v 2
192 MATEM ATICAS

Se llama curvatura de Gauss de una superficie parametrizada regular, en el punto X (u, v), a la expresion

e f

f g eg f 2
K= = .
E F EG F 2

F G
Observa que EG F 2 > 0 siempre, con lo que el signo de K depende directamente de eg f 2 .
Distinguiremos cuatro casos que dependen del discriminante eg f 2 .
Figura 6.6: Distintos tipos de puntos en relacion con su curvatura de Gauss.
Caso elptico: Se dice que un punto es elptico si K > 0. Viene a expresar que el comportamiento de la funcion
en las proximidades del punto es el de un paraboloide elptico.
Caso hiperbolico: Se dice que un punto es hiperbolico si K < 0. En este caso existen en el plano tangente dos
rectas distintas que lo dividen en cuatro regiones.
Caso parabolico: Se dice que un punto es parabolico si K = 0 y e2 + f 2 + g 2 6= 0, es decir, los coeficientes e, f
y g no son todos iguales a cero. En este caso nos encontraremos con un cilindro parabolico como se puede
ver en la figura.
Caso plano: Se dice que un punto es plano si e = f = g = 0.
Ejemplo. Dada la parametrizacion regular de la esfera de centro (0, 0, 0) y radio a:

X (u, v) = (a(cos u)(sen v), a(sen u)(sen v), a cos v)
se puede comprobar facilmente (se deja para el lector) que

e f

f g eg f 2 1
K= = = 2,
E F EG F 2 a

F G
curvatura por tanto siempre constante en todos los puntos de la superficie y que depende solo del radio de la esfera.
Esto nos indicara que K > 0 (caso elptico), y sera mas proxima a cero cuanto mas grande fuera el radio de la
esfera, es decir, estara mas cerca de parecerse a un plano. 2

A.6.1. Calcular F 0 (t) si :

(a) F (x) = (xex , ln(3x), 0) y x = ln t

(b) F (x) = (cos( x), arctan x, 1+1 ) y x = t2 + 2t + 1.
x
A.6.2. Calcular el dominio y el rango de las siguientes funciones de dos variables:

(a) f (x, y) = x + y.
p
(b) f (x, y) = 4 x2 y 2 .
(c) f (x, y) = 1 .
x+y
A.6.3. Calcular los lmites (si existen) en los siguientes casos:

3x2 y 2 + 5
(a) lim .
(x,y)(0,0) x2 + y 2 + 2
x2 2xy + y 2
(b) lim .
(x,y)(1,1) xy
xy + y 2x 2
(c) lim .
(x,y)(2,2) x+1
A.6.4. Considerando diferentes curvas de aproximacion, demostrar que las siguientes funciones no tienen lmite
cuando (x, y) (0, 0).
x+y
(a) .
xy
x2 y 2
(b) .
x2 + y 2
x
(c) p .
x + y2
2
f f
A.6.5. Calcular x y y en los siguientes casos:
x
(a) f (x, y) = e cos y.
p
(b) f (x, y) = 9 x2 y 2 .
(c) f (x, y) = ex ln y .
A.6.6. Sea w = f (x, y, z) = x2 + y 2 + z 2 , z = g(x, y) = x2 + y 2 . Calcular w

x .
A.6.7. Calcular la ecuacion del plano tangente al elipsoide de ecuacion
x2 y2
+ + z2 = 1
4 9

3
en el punto (1, 0, 2 ).
A.6.8. Suponiendo que las funciones arbitrarias , son diferenciables un numero suficiente de veces, comprobar
las siguientes igualdades:
z z
(a) y x = 0, si z = (x2 + y 2 ).
x y
z z y2
(b) x2 xy + y 2 = 0, si z = 3x + (xy)
x y
A.6.9. Hallar las siguientes derivadas:
3w
(a) si w = x ln(xy).
x2 y
6w
(b) si w = x3 sen y + y 3 sen x.
x3 y 3
194 MATEM ATICAS
A.6.10. Hallar los extremos relativos de las funciones siguientes (en el caso de que existan):
(a) f (x, y) = y 2 + x2 y + x4 .
(b) f (x, y) = x2 + y 2 + x + y + xy.
(c) f (x, y) = y 2 x3 .
(d) f (x, y) = x4 + y 4 2(x y).
(ax + by + c)2
(e) f (x, y) = .
x2 + y 2 + 1
A.6.11. Entre todas las cajas de zapatos (sin tapa superior) de volumen dado, hallar la que tiene superficie mnima.
A.6.12. Hallar la menor distancia del punto (0, b) del eje OY a la parabola x2 4y = 0.

A.6.13. En cada uno de los siguientes casos, calcular el vector unitario tangente T .

(a) R (t) = (2 cos t, 2 sen t).

3 2
(b) R (t) = ( t3 , t2 ).

(c) R (t) = (6 sen(2t), 6 cos(2t), 5t) (para t = ).

(d) R (t) = (et cos t, et sen t, et ) (para t = 0).

A.6.14. Calcular la longitud de la curva R (t) = (1, t, t2 ) desde el punto (1, 0, 0) al punto (1, 1, 1).

A.6.15. Calcular la longitud de la curva R (t) = (t, t, 4 t2 ) desde el punto (0, 0, 4) al punto (1, 1, 3).

A.6.16. Hallar las ecuaciones de la recta tangente y del plano normal a la curva R (t) = (1 + t, t2 , 1 + t3 ) en
t = 1.

2 3
A.6.17. Hallar el vector curvatura y la curvatura de la curva R (t) = (t, t2 , t3 ).

A.6.18. Demostrar que una curva de clase > 2 es una recta si R0 (t) y R00 (t) son linealmente dependientes para
todo valor de t.

A.6.19. Hallar el vector normal principal unitario y el binormal unitario, a lo largo de la curva R (t) = (3t
t3 , 3t2 , 3t + t3 ).

A.6.20. Hallar la ecuacion del plano osculador de la curva R (t) = (t, t2 , t3 ) en t = 1. Cual es la ecuacion del
plano normal? y la del plano rectificante?
A.6.21. Hallar la curvatura y la torsion en t = 0 de las siguientes curvas:

(a) R (t) = (t sen t, 1 cos t, t).

1t2
(b) R (t) = (t, 1+t
t , t ).
A.6.22. Demostrar las formulas de Frenet.

A.6.23. Calcular los coeficientes de la primera y segunda forma fundamental y la curvatura de Gauss para el punto
u = 0, v = 0 de las siguientes superficies:

(a) X (u, v) = (u, v, u2 v 2 ).

(b) X (u, v) = (u, v, u2 + v 2 ).

(c) X (u, v) = (cosh u cos v, cosh u sen v, u).

3 3
(d) X (u, v) = (u v3 + uv 2 , v v3 + vu2 , u2 v 2 ).
A.6.24. Demostrar que cualquier punto de la superficie

X (u, v) = (f (t) cos , f (t) sen , t), f (t) > 0,
es parabolico si y solo si la superficie es un cilindro circular (f (t) = a), o un cono (f (t) = at + b con
a 6= 0).
4.1. Introduccion
necesitar.
En esta practica nos vamos a centrar en el calculo (diferencial e integral) en varias variables. Veremos como
calcular lmites de funciones vectoriales y derivadas parciales, determinaremos el gradiente y el laplaciano de
una funcion, as como la divergencia y el rotacional de un campo. Daremos tambien algunas aplicaciones en la
Geometra de curvas y superficies, y finalizaremos calculando el potencial de un campo conservativo.
Open (abrir una hoja de trabajo existente), Save (guardar la sesion de trabajo, Print (imprimir la sesion de tra-
(renumerar las expresiones, Author expression (introducir una expresion sencilla), Author vector (introdu-
cir un vector), Author matrix (introducir un vector), Simplify (simplificar), Approximate (calcular un valor
en rapidez.
4.2. Lmites y continuidad de funciones vectoriales
Con DERIVE for Windows podemos calcular los lmites iterados de funciones de dos o mas variables, lo cual
puede ser de utilidad para determinar si una funcion es continua en un punto. Por ejemplo, supongamos que
queremos determinar los siguientes lmites:
p p
lim lim 16 4x2 y 2 lim lim 16 4x2 y 2
y0 x0 x0 y0
En primer lugar, definimos una apropiada funcion F , introduciendo la expresion F(x,y):=SQRT(16-4x^2-y^2).

Seleccionando las opciones Calculus|Limit nos aparece la ventana de la Figura 6.8. Debemos seleccionar la
Variable (x o y), el punto lmite (Limit Point) y el tipo de lmite (Approach Form): por la izquierda, por la
derecha o por ambos lados. En nuestro caso, ambos lmites iterados valen 4.
196 MATEM ATICAS
Figura 6.8: Venta del programa que permite calcular lmites de funciones de varias variables.
Ejercicio. Calcular los lmites iterados en (0,0) de la funcion

2
x2 y 2
f (x, y) =
x2 + y 2
NOTA: Observemos que aunque los lmites iterados existan y coincidan, puede que el lmite (de ambas
variables simultaneamente) no exista.
Ejercicio. Calcular los lmites iterados de las siguientes funciones:
arcsin(x/y)
f (x, y) = en (0, 1)
1 + xy
g(x, y, z) = xeyz en (2, 1, 1)
4.3. Calculo diferencial vectorial
DERIVE for Windows realiza calculo diferencial vectorial en cualquier sistema de coordenadas ortogonal. Po-
demos calcular gradientes, divergencias y rotacionales en coordenadas cartesianas, polares/cilndricas o esfericas,
siendo las coordenadas cartesianas (tambien llamadas rectangulares) las que se utilizan por defecto. Los nombres
de las variables cartesianas son x, y, z, aunque podemos utilizar otros.
Derivadas Parciales
El calculo de las derivadas parciales con DERIVE for Windows es sencillo, pues se sigue el mismo proceso que
para las funciones de una variable. Se seleccionan las opciones Calculus|Differentiate (o bien pulsamos el
boton ) y nos aparece la ventana de la Figura 6.9. En ella debemos introducir la funcion que vamos a derivar (por
defecto la que esta seleccionada), la Variable respecto de la cual vamos a derivar (por defecto x) y el orden de
diferenciacion (por defecto 1). Puede ser interesante almacenar las derivadas parciales en unas nuevas funciones
para poder manipularlas mas comodamente. Para ello, una vez calculada la derivada parcial, seleccionamos las
opciones Declare|Function Definition y nos aparece la ventana de la Figura 6.10. En ella debemos rellenar
el nombre de la nueva funcion y sus argumentos, que usualmente seran los mismos que los de la funcion original,
y la definicion de la nueva funcion (debemos recordar que pulsando la tecla de funcion F3 se copia la lnea que
esta seleccionada).
Figura 6.9: Venta del programa que permite calcular las derivadas parciales de funciones de varias variables.
Figura 6.10: Venta del programa que permite declarar una funcion. Existen ventanas similares para declarar el
valor de una variable (constante, vector o matriz).
Ejercicio. Calcular las derivadas parciales de la siguiente funcion

p
f (x, y) = 9 x2 y 2
y almacenarlas en dos funciones distintas (por ejemplo, FX y FY).
Tambien es posible calcular las derivadas parciales de orden superior. Para ello solo es necesario indicar el orden
de derivacion en la casilla Order (ver la Figura 6.9).
Ejercicio. Calcular las derivadas parciales segundas de la funcion

h(x, y) = 3xy 2 2y + 5x2 y 2
Cuanto vale fxy (1, 2)?
NOTA: Para encontrar el valor de una expresion cuando particularizamos a un punto (x0 , y0 ) debemos
utilizar las opciones Simplify|Substitute For|Variables.
Gradiente de una funcion
Cuando f es una funcion escalar de varias variables (pensemos que esta definida en R2 o en R3 ) entonces podemos
198 MATEM ATICAS
calcular su gradiente como el vector
f (x, y) = (fx (x, y), fy (x, y)) o f (x, y, z) = (fx (x, y, z), fy (x, y, z), fz (x, y, z))
DERIVE for Windows permite calcular los gradientes utilizando la funcion
GRAD(F(x,y)) o GRAD(F(x,y,z))
segun F sea una funcion de 2 o 3 variables. Debemos hacer notar que DERIVE for Windows siempre devuelve
un vector de 3 componentes: si la funcion depende de 2 variables, entonces la tercera componente es cero.
Ejercicio. Calcular el gradiente de la funcion f (x, y) = 20 4x2 y 2 en el punto (2, 3).
Si las coordenadas cartesianas con las que estamos trabajando no se llaman (x, y, z) o si trabajamos en dimension
superior a tres, tenemos que indicarselo convenientemente. Por ejemplo, si nuestra funcion es g(a, b, c, d) =
a2 b2 + c2 d2 , entonces su gradiente se calculara escribiendo
GRAD(a^2-b^2+c^2-d^2, [a,b,c,d])
El resultado es (2a,-2b,2c,-2d).
Hasta ahora hemos supuesto que nuestros sistemas de coordenadas (x, y, z) o (a, b, c, d) son ortonormales. Sin
embargo, el gradiente se puede calcular en cualquier sistema de coordenadas (sin ninguna restriccion). DERIVE
for Windows, sin embargo, imponen ciertas restricciones: los sistemas de coordenadas deben ser ortogonales.
Si la matriz de la metrica (producto escalar) no es la identidad, entonces tambien debemos indicarlo cuando
utilicemos la funcion GRAD. Por ejemplo, supongamos que la matriz metrica del sistema de coordenadas (x, y, z)
fuese (1, 2, 4). Entonces el gradiente de una funcion f (x, y, z) se calculara mediante el comando
GRAD(f(x,y,z),[[x,y,z],[1,2,4]])
En general, la sintaxis del comando GRAD es la siguiente:
GRAD(f(x1,x2,x3),[[x1,x2,x3],[g1,g2,g3]])
donde (x1,x2,x3) denota el sistema de coordendas ortogonal, (g1,g2,g3) indica la matriz de la metrica y
f(x1,x2,x3) es la funcion.
Si se carga la utilidad VECTOR.MTH, entonces estan disponibles dos sistemas de coordenadas adicionales: las
coordenadas polares/cilndricas y las coordenadas esfericas, cuyas matrices (coordenadas y metrica) estan dadas
por
cylindrical := [[r,,z],[1,r,1]]
spherical := [[r,,],[1,r SIN(),r]]
Por ejemplo GRAD(r SIN() COS(), spherical) da como resultado el vector
[COS() SIN(), COT() COS(), -SIN() SIN()].

Observacion : Todos los operadores diferenciales vectoriales admiten un segundo argumento opcional consisten-
te en una matriz de dos filas: la primera fila representa el sistema de coordenadas y la segunda fila indica los
elementos de la metrica.
Un campo vectorial F se dice que es conservativo si existe alguna funcion diferenciable f tal que F = GRAD(f ).
La funcion f se llama una funcion potencial de F . Un criterio de campo vectorial conservativo en el plano es el
siguiente. El campo F (x, y) = (M (x, y), N (x, y)) es conservativo si, y solo si,
N M
=
x y
Con DERIVE for Windows podemos realizar el siguiente calculo:
DIF(M(x,y),y)-DIF(N(x,y),x)
El campo sera conservativo si, y solo si, la anterior expresion vale cero.
Ejercicio. Determinar si los siguientes campos son conservativos:

(a) F (x, y) = (x2 y, xy)
(b) F (x, y) = (2x, y)
(c) F (x, y) = (2xy, x2 y)
La divergencia de un campo
La divergencia de un campo de vectores X = (f1 , f2 , f3 ), donde fi es una funcion diferenciable definida en R3 ,

es la funcion diferenciable dada por div(X) = (f1 )x + (f2 )y + (f3 )x . Para calcular la divergencia, DERIVE for
Windows dispone de la funcion
DIV([f1(x,y,x),f2(x,y,z),f3(x,y,z)]
donde [f1,f2,f3] es el vector de componentes del campo. Por ejemplo, DIV([y 2 z 3 , 2xyz 3 , 3xy 2 z 2 ]) da como
resultado x(6y 2 z + 2z 3 ).
Ejercicio. Calcular la divergencia de los siguientes campos de vectores:

2 2 2
(a) X = (xp yz, (y 1) cos z, (y + 1) cos(xy))
(b) Y = ( x + y + z , x y 3 , x + y 2 + z 3 )
2 2 2 2
Si queremos calcular la divergencia de un campo en el plano, debemos anadirle una tercera componente constante
(por ejemplo, cero) y calcular la divergencia del nuevo campo. Sea el campo G = (f (x, y), g(x, y)) definido en
el plano. Su divergencia se calculara de la siguiente manera:
Consideramos el campo G:=[f,g,0] en R3 .

Calculamos su divergencia: DIV(G).
Ejercicio. Calcular la divergencia de los siguientes campos planos: (x2 y, y 2 x), (xy, x3 y 3 ).
200 MATEM ATICAS
El rotacional de un vector
El rotacional de un campo F (x, y, z) = (M (x, y, z), N (x, y, z), P (x, y, z)) es el campo
rotF (x, y, z) = ( F )(x, y, z)

P N P M N M
= i j+ k
y z x z x y
donde = (x , y , z ). Cuando rot(F ) = 0 decimos que el campo F es irrotacional.
Para calcular el rotacional con DERIVE for Windows debemos utilizar la siguiente funcion:
CURL([f(x,y,z),g(x,y,z),h(x,y,z)])
donde (f, g, h) son las componentes del campo de vectores.
Ejercicio. Hallar el rotacional del campo (2xy, x2 + z 2 , 2zy)
Un criterio para campos conservativos en el espacio es el siguiente. Un campo vectorial F = (M, N, P ), donde
M , N y P son funciones de clase C 1 (es decir, con derivadas parciales primeras continuas) es conservativo si, y
solo si, rotF (x, y, z) = 0.
Ejercicio. Es conservativo el campo de vectores (x3 y 2 z, x2 z, x2 y)?
El laplaciano de una funcion
El laplaciano de una funcion diferenciable f (x, y, z) es la nueva funcion dada por
2f 2f 2f
f (x, y, z) = + +
x2 y 2 z 2
Para calcular el laplaciano con DERIVE for Windows debemos utilizar la siguiente funcion:
LAPLACIAN(f(x,y,z))
La funcion f puede ser de dos variables.
Ejercicio. Calcular el laplaciano de las siguientes funciones:

(a) f (x, y) = x2 + y 2 p
(b) f (x, y, z) = x3 + y 3 + x + y + z 4
4.4. Aplicaciones a la Geometra Diferencial
4.4.1. Longitud de una curva
Sea R(t) = (x(t), y(t), z(t)), t [a, b] una curva diferenciable en R3 . Entonces su longitud viene dada por
Z bp
L= x0 (t)2 + y 0 (t)2 + z 0 (t)2 dt
a
Si queremos utilizar DERIVE for Windows podemos hacerlo directamente siguiendo los siguientes pasos:
(1) Definimos las funciones x(t), y(t) y z(t).

(2) Definimos la funcion longitud como sigue:
L(p,q) := INT(SQRT(DIF(x(t),t)^2+DIF(y(t),t)^2+DIF(z(t),t)^2),t,p,q)
(3) Introducimos la expresion L(a,b) para obtener el resultado final.
Ejercicio. Calcular la longitud de una vuelta de la helice circular cuya parametrizacion es

R(t) = (A cos t, A sen t, Bt), A, B R
Otra posible solucion al problema de determinar la longitud de la curva consiste en utilizar algebra vectorial:
(1) Definimos un vector R(t) por R(t):=[X(t),Y(t),Z(t)].

(2) Definimos la funcion longitud como sigue:
L(p,q) := INT(SQRT(DIF(R(t),t).DIF(R(t),t)),t,p,q)
4.4.2. Calculo de la curvatura y la torsion de una curva
El problema consiste en definir dos funciones que se encarguen de calcular dichas cantidades. La funcion curvatura
esta dada por
|R0 (t) R00 (t)|
(t) =
|R0 (t)|
y la funcion torsion esta dada por
det(R0 (t), R00 (t), R000 (t))
(t) =
|R0 (t) R00 (t)|2
Dichas funciones pueden definirse en DERIVE for Windows del siguiente modo:
K(t) := ABS(CROSS(R0 (t),R00 (t)))/ABS(R0 (t))
T(t) := DET([R0 (t),R00 (t),R000 (t)])/ABS(CROSS(R0 (t),R00 (t)))^2
Ejercicio. Calcular la curvatura y torsion de la helice circular cuya parametrizacion es

R(t) = (A cos t, A sen t, Bt), A, B R
202 MATEM ATICAS
4.4.3. Coeficientes de la primera y segunda forma fundamental
Dada una superficie parametrizada regular S(u, v) = (x(u, v), y(u, v), z(u, v)) se definen los coeficientes de la
primera forma fundamental como sigue:
2
E(u, v) = Su (u, v).Su (u, v) = |Su (u, v)|
F (u, v) = Su (u, v).Sv (u, v)
G(u, v) = Sv (u, v).Sv (u, v) = |Sv (u, v)|2
y los coeficientes de la segunda forma fundamental son:
2S
e = N.
u2
2S
f = N.
uv
2S
g = N. 2
v
donde N representa el vector unitario normal a la superficie:
1
N (u, v) = (Su Sv ).
EG F 2
Para calcular estos elementos con DERIVE for Windows, definimos las siguientes funciones:
S(u,v) := [x(u,v),y(u,v),z(u,v)]
E(u,v) := DIF(S(u,v),u).DIF(S(u,v),u)
F(u,v) := DIF(S(u,v),u).DIF(S(u,v),v)
G(u,v) := DIF(S(u,v),v).DIF(S(u,v),v)
N(u,v) := SQRT(E(u,v)G(u,v)-F(u,v)^2)^(-2).CROSS(DIF(S(u,v),u),DIF(S(u,v),v))
EE(u,v) := N(u,v).DIF(S(u,v),u,2)
FF(u,v) := N(u,v).DIF((DIF(S(u,v),u)),v)
GG(u,v) := N(u,v).DIF(S(u,v),v,2)
Ejercicio. Calcular los coeficientes de la primera y de la segunda forma fundamental de la siguiente superficie
parametrizada:
S(u, v) = (cosh(u) cos(v), cosh(u) sen(v), u)
4.4.4. Curvatura de Gauss
A partir de los coeficientes determinados en el apartado anterior podemos calcular la curvatura de Gauss de la
superficie como sigue:
eg f 2
KG(u, v) =
EG F 2
En DERIVE for Windows podemos definir la siguiente funcion:
KG(u, v) := (EE(u,v).GG(u, v)-FF(u, v)^2)/(E(u,v).G(u,v)-F(u,v)^2)
Ejercicio. Calcular la curvatura de Gauss de la superficie parametrizada del ejercicio anterior.

4.5. Calculo integral vectorial
Sea el campo de vectores F = (M, N, P ) y supongamos que es conservativo. Entonces existe una funcion
diferenciable f tal que
fx = M
fy = N
fz = P
Como determinar f ? Podemos hacerlo directamente mediante integracion; sin embargo, DERIVE for Windows
pone a nuestra disposicion la siguiente funcion:
POTENTIAL([f(x,y,z),g(x,y,z),h(x,y,z)])
donde (f, g, h) son las componentes del campo de vectores.
Como en el calculo de primitivas, las funciones potenciales son unicas salvo constantes. Por tanto, la funcion
POTENTIAL puede proporcionar un resultado diferente a uno calculado manualmente. Las constantes aditivas
pueden ser desechadas (especialmente en funciones que involucran logaritmos o funciones trigonometricas inver-
sas).
No todos los campos de vectores admiten una funcion potencial; no todos los campos son conservativos. En
este caso, la funcion POTENTIAL determina una funcion diferenciable cuyo gradiente no es el campo de vecto-
res original. Por tanto, antes de utilizar la funcion POTENTIAL es conveniente verificar primero si el campo es
conservativo.
La funcion POTENTIAL admite un segundo argumento opcional que es un vector especificando las coordenadas del
punto inicial para las integrales involucradas. Por defecto, este vector es el vector nulo. Una eleccion inapropiada
puede conducir a un potencial infinito o desconocido; si esto ocurriese es conveniente probar con otros valores.
Finalmente, la funcion POTENTIAL admite un tercer argumento opcional que es un vector de coordenadas cartesia-
nas o una matriz metrica (esto es, una matriz con dos filas: un vector de coordenadas y una vector con la metrica).
Por defecto, este argumento es [x,y,z].
Ejercicio. Sea el campo de vectores F (x, y, z) = (2xy, x2 + z 2 , 2zy). Probar que F es un campo conservativo y
encontrar una funcion potencial para F .
4.6. Bibliografa
drid, 1995. Captulo 15.
204 MATEM ATICAS
E.6.1. La posicion de un punto en un instante t viene dada por la funcion vectorial

1 2 1 3
R(t) = t , (6t + 9) 2 .
2 9
Se pide:
(a) Hallar el espacio recorrido desde t = 0 hasta t = 4.
(b) Hallar un vector tangente unitario y otro normal a la curva en el punto de parametro t = 1.
(c) Cual es el valor de la curvatura en ese punto?
E.6.2. (a) Demostrar que los vectores tangentes a lo largo de la curva

(t) = at, bt2 , t3

(siendo 2b2 = 3a) forman un angulo constante con el vector A = (1, 0, 1). Cual es el valor de ese angulo?
(b) Hallar las ecuaciones de los planos osculador, normal y rectificante de la curva del apartado anterior
para a = b = 1.
E.6.3. Demostrar que la curva definida por la parametrizacion

1 + t 1 t2
(t) = t, ,
t t
esta contenida en un plano.

E.6.4. Comprobar que z = yf (x2 y 2 ), donde f es una funcion diferenciable arbitraria, satisface la ecuacion
z z
y2 + xy = xz.
x y
E.6.5. Calcular la ecuacion del plano tangente al elipsoide de ecuacion
x2 y2 z2
+ + = 1,
9 16 4
en los puntos que correspondan a las coordenadas x = 0 e y = 1.
E.6.6. Un palo de longitud ` se parte en tres trozos de longitudes x, y, z. Hallar x, y, z para que el producto xyz
sea maximo.
E.6.7. Demostrar que los puntos de la siguiente superficie

X (u, v) = (u, v, u2 + v 3 )
son elpticos si v > 0, hiperbolicos si v < 0 y parabolicos si v = 0.

ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 7
CALCULO INTEGRAL EN VARIAS VARIABLES
Calcular integrales dobles en coordenadas carte- tesianas, cilndricas y esfericas, sobre dominios
sianas y polares, sobre dominios sencillos. sencillos.
Usar la integral doble para el calculo de areas.
Usar la integral triple para el calculo de
Calcular integrales triples en coordenadas car- volumenes.
2.1. Integrales dobles sobre dominios sencillos
Sea f (x, y) una funcion continua para los valores (x, y) R donde

R = (x, y) R2 a 6 x 6 b, c 6 y 6 d = [a, b] [c, d].
Para cada y0 fijamos la funcion definida por F (x) = f (x, y0 ) que es continua y por lo tanto integrable es [a, b].
La integral
Zb
F (x, y)dx = G(y)
a
es una funcion continua y como consecuencia integrable en [c, d].
Definiremos la integral doble sobre el rectangulo R = [a, b] [c, d] de la funcion f (x, y) como

ZZ Zd Zb
f (x, y)dxdy = f (x, y)dx dy.
R
c a
ZZ
Ejemplo. Sea R = [0, 1] [0, 2], vamos a calcular f (x, y)dxdy donde f (x, y) = xy.
R
1
ZZ Z2 Z
xydxdy = xydx dy
R
0 0
C ALCULO INTEGRAL EN VARIAS VARIABLES 207
Z2 x=1
x2 y
= dy
2 x=0
0
Z2 2 y=2
y y
= dy = = 1.
2 4 y=0
0
2
Teorema de Fubini: Si R = [a, b] [c, d] se cumple que

ZZ Zd Zb Zb Zd
f (x, y)dxdy = f (x, y)dx dy = f (x, y)dy dx,
R
c a a c
expresion valida siempre que f (x, y) sea continua en R.
El concepto de integral doble se puede extender a conjuntos que no sean necesariamente rectangulos en R2 . Son
conjuntos acotados mas generales que en algunas referencias bibliograficas se denominan conjuntos medibles
Jordan. No vamos a intentar definir e identificar matematicamente estos conjuntos; para nuestras aplicaciones
nos bastara con saber que recintos planos D de puntos que esten limitados por una curva cerrada son conjuntos
medibles Jordan en los que tiene sentido definir la integral doble (ver Figura 7.1).
Figura 7.1: Conjunto medible Jordan.
Para calcular la integral de f (x, y) en el recinto D procederemos como sigue. La recta x = x0 corta a D en dos
puntos M1 y M2 de ordenadas respectivas y1 (x0 ) e y2 (x0 ). Cuando variamos a 6 x 6 b, y1 (x) e y2 (x) son dos
funciones continuas. As
ZZ Zd yZ2 (x)

f (x, y)dxdy = f (x, y)dx dy.
D
c y1 (x)
Que ocurre si tomamos las rectas y = y0 y los puntos de corte con abscisas x1 (y0 ) y x2 (y0 ), siendo ambas
funciones continuas para c 6 y 6 d?
En el caso de que f (x, y) sea continua en D (caso para el que nos restringiremos en la practica) se tiene por el
Teorema de Fubini que

ZZ Zd yZ2 (x) Zb xZ2 (y)

f (x, y)dxdy = f (x, y)dx dy = f (x, y)dy dx
D
c y1 (x) a x1 (y)
208 MATEM ATICAS
Que ocurre cuando las rectas x = x0 (o bien y = y0 ) cortan al dominio D en mas de dos puntos? La forma de
realizar en la practica este caso es descomponer D en dominios parciales que s satisfagan la condicion, aunque
nosotros solo trataremos los casos mas sencillos.
ZZ

Ejemplo. Vamos a calcular x2 ydxdy donde D = (x, y) R2 x2 + y 2 6 1, y > 0 (semicrculo superior
D
de centro el origen y radio 1)

ZZ Z1 Z1x2

x2 ydxdy = x2 ydy dx
D
1 0
Z1 y=1x2 Z1
x2 y 2 (1 x2 )x2
= dx = dx
2 y=0 2
1 1
3

5 x=1
1 x x 2
= =
2 3 5 x=1 15
2
2.1.1. Integrales dobles en coordenadas polares
A veces, por cuestiones de facilidad en la expresion de la funcion o del recinto, trabajar en coordenadas polares
agiliza en gran manera los calculos. En realidad no hay ningun problema matematico para efectuar una nueva
eleccion de un sistema de coordenadas (r, ) con x = r cos , y = r sen .
Ejemplo. Vamos a calcular de nuevo la integral de f (x, y) = x2 y en el recinto

D = (x, y) R2 x2 + y 2 6 1, y > 0 ,
ahora usando coordenadas polares. Para empezar debemos fijarnos en la ventaja evidente de que la porcion del
crculo unidad que indica D tiene ahora una expresion bastante mas sencilla, a saber,
D = { (r, )| 0 6 r 6 1, 0 6 6 } .
Luego se tiene
ZZ ZZ
x2 ydxdy = r 3 (cos2 )(sen )rdrd
D
ZZ D
= r 4 (cos2 )(sen )drd

D
Z1 Z
= r 4 (cos2 )(sen )d dr
0 0
Z1 =
cos3
= r 4 dr
3 =0
0
Z1 r=1
2r 4 1 r5 2
= dr = =
3 2 5 r=0 15
0
2
2.1.2. Calculo de areas usando integrales dobles
Conviene reflexionar sobre el significado geometrico de la expresion

ZZ
dxdy.
D

DadoZelZrectangulo R = (x, y) R2 a 6 x 6 b, c 6 y 6 d = [a, b] [c, d] que significado geometrico
tiene dxdy?
R
ZZ

Y si ahora ponemos R = (x, y) R2 x2 + y 2 6 1 que significado piensas que tiene dxdy? (Es
R
mas facil que lo pienses en coordenadas polares).
Finalmente generaliza los resultados obtenidos al caso de un recinto D.
Para ilustrar las reflexiones que te hemos propuesto anteriormente te presentamos el siguiente ejemplo.
Ejemplo. Vamos a calcular el area del lobulo del folium de Descartes (ver Figura 7.2) de ecuacion en coordenadas
polares
3 sen cos
r= , 066 .
sen3 + cos3 2
Figura 7.2: Folium de Descartes.
En nuestro caso se tiene que el area vendra expresada por la siguiente integral doble:
3 sen cos

Z2 Z
sen3 +cos3 Z2 r= 3 sen cos
r2 sen3 +cos3
rdr
d =
2
d
r=0
0 0 0

Z2
9 sen2 cos2
= d
2(sen3 + cos3 )2
0

Z2
1 9 sen2 cos2
= d.
2 (sen3 + cos3 )2
0
210 MATEM ATICAS
Observa que por la simetra del recinto se tiene

Z2 Z4
1 9 sen2 cos2 9 sen2 cos2
d = d
2 (sen3 + cos3 ) (sen3 + cos3 )
0 0
1
y haciendo el cambio de variable tan = t, dt = cos2 d, obtenemos (intentando antes simplificar algo las
expresiones):

Z4 Z4
9 sen2 cos2 9 sen2 cos2
d = d
(sen3 + cos3 )2 cos6 (1 + tan3 )2
0 0

Z4
9 sen2
= d
cos4 (1 + tan3 )2
0
Z1
t2
= 9 dt
(1 + t3 )2
0
t=1
1 3
= 3 = .
1 + t3 t=0 2
2
2.2. Integrales triples
Procedemos de forma analoga a las integrales dobles, esta vez refiriendonos a funciones de tres variables definidas
sobre un recinto del espacio R. Sea f (x, y, z) una funcion contnua para los valores (x, y, z) R donde

R = (x, y, z) R3 a 6 x 6 b, c 6 y 6 d, e 6 z 6 f = [a, b] [c, d] [e, f ].
Con las consideraciones de continuidad para f (x, y, z) y las consecuencias posteriores de integrabilidad similares
a las hechas para la integral doble, se tiene que la integral triple sobre el paraleleppedo R de la funcion f (x, y, z)
se puede expresar como

ZZZ Zf Zd Zb
f (x, y, z)dxdydz = f (x, y)dx dy dz.
R
e c a
El Teorema de Fubini tambien se cumple ahora. Es decir, podremos cambiar el orden de las diferentes integrales
sin que esto afecte al valor final de la integral triple.
Ejemplo. Sea R = [0, 1] [0, 2] [0, 3] y f (x, y, z) = xyz. Entonces

ZZZ Z3 Z2 Z1
xyzdxdydz = xyzdx dy dz
R
0 0 0

Z3 Z2 2 x=1
x yz
= dy dz
2 x=0
0 0

Z3 Z2
= yz dy dz
2
0 0
Z3 y=2 Z3
y2 z
= dz = zdz
4 y=0
0 0
z=3
z2 9
= =
2 z=0 2
2
Siguiendo el procedimiento al que sometamos a la integral doble, pasamos a continuacion a introducir el concepto
de integral triple sobre conjuntos acotados mas generales D R3 , los llamados conjuntos medibles Jordan.
Figura 7.3: Conjunto medible Jordan.
Consideramos ahora el plano x = x0 (paralelo al plano coordenado Y Z) y supongamos ademas que el mencio-
nado plano corta a D en C(x0 ). En estas condiciones,supuestas las hipotesis de continuidad de la funcion en el
dominio y de las secciones C(x) al variar x entre [a, b], podemos calcular la integral triple de f (x, y, z) sobre D
de la siguiente forma:
ZZZ Zb "Z Z #
f (x, y, z)dxdydz = f (x, y, z)dydz dx
D C(x)
a
Si desarrollamos el calculo de la integral

ZZ
f (x, y, z)dydz,
C(x)
suponiendo que las paralelas al eje OZ cortan a C(x) en puntos en los que las cotas alcanzadas en el mencionado
eje sean z1 (x0 , y0 ) y z2 (x0 , y0 ), se tiene entonces

ZZ 2 (x)
yZ z2Z(x,y)

f (x, y, z)dydz = f (x, y, z)dz dy,
C(x)
y1 (x) z1 (x,y)
de donde finalmente tendremos que
ZZZ Zb "Z Z #
D C(x)
a

Zb 2 (x)
yZ z2Z(x,y)

= f (x, y, z)dz dy dx.
a y1 (x) z1 (x,y)
212 MATEM ATICAS
Observese que tambien aqu se puede intercambiar el orden de las integraciones, es decir, podemos partir de
secciones de D paralelas al plano XY (C(z0 )) o paralelas al plano XZ (C(y0 )), sin que esto vare nuestro
razonamiento en lo que al proceso se refiere.
Ejemplo. Vamos a calcular ZZZ

x2 yzdxdydz,
D
siendo
D = (x, y, z) R3 x2 + y 2 6 1, 0 6 z 6 1, x > 0, y > 0
(la parte del cilindro de base el crculo de centro el origen y radio 1 y de altura igual a 1, que esta contenida
en el primer octante). Consideremos ahora secciones C(z0 ) por planos paralelos al XY , de ecuaciones z = z0 ,
variando z en el intervalo [0, 1]. As obtenemos lo siguiente:
ZZZ Z1 "Z Z #
2 2
x yzdxdydz = x yzdxdy dz
D C(z)
0

Z1 Z1 Z1x2

= x2 yzdy dx dz
0 0 0

Z1 Z1 2 2 y=1x2
x y z
= dy dz
2 y=0
0 0
1
Z Z
1
2 2
(1 x )x z
= dx dz
2
0 0

Z1 Z1 3
5 x=1
z x x dz
=
2 3 5 x=0
0 0
Z1 z=1
z 1 z2 1 1 1
= dz = = =
15 15 2 z=0 15 2 30
0
2
Se puede pensar en intercambiar el orden de las integrales simples para intentar facilitar el proceso de calculo.
Veamos:
ZZZ Zb "Z Z #
D C(x)
a

Zb 2 (x)
yZ z2Z(x,y)

= f (x, y, z)dz dy dx
a y1 (x) z1 (x,y)

ZZ z2Z(x,y)

= f (x, y, z)dz dxdy,
XY (D)
z1 (x,y)
donde se puede observar que hemos empezado por una integral simple y despues integramos el resultado sobre
XY (D) que indica la proyeccion de D sobre el plano XY .
Naturalmente todo el anterior procedimiento se puede hacer analogamente integrando primero sobre x y des-
pues integrando sobre Y Z (D) (proyeccion de D sobre Y Z), o bien integrando primero sobre y y despues sobre
XZ (D).

xyzdxdydz
S
donde
S = (x, y, z) R3 x2 + y 2 + z 2 6 1, x > 0, y > 0, z > 0
(la parte de la esfera de centro en el origen de coordenadas y radio 1 que esta contenida en el primer octante).
Veamos: primero integramos sobre z y despues sobre la proyeccion
de S en el plano XY , XY (S) que en este
caso coincidira con S 0 = (x, y)| x2 + y 2 6 1, x > 0, y > 0 . De esta forma se tiene

1x2 y 2
ZZZ ZZ Z

xyzdxdydz = xyzdz dxdy

S S0
0

ZZ z= 1x2 y 2
xyz 2
= dxdy
S0 2 z=0
ZZ
xy(1 x y 2 )
2
= dxdy
0 2
S
Z1 Z1x2
xy(1 x2 y 2 )
= dy dx
2
0 0
Z1
x(x2 1)2 1
= dx =
8 48
0
2.2.1. Integrales triples en coordenadas cilndricas
Recordemos que las coordenadas cilndricas (r, , z) de un punto en el espacio representan con (r, ) a las co-
ordenadas polares de la proyeccion del punto en el plano XY y z el valor de la coordenada en el eje OZ. En
algunas ocasiones expresar en coordenadas cilndricas la funcion y el recinto sobre el que calculamos la integral
triple tiene notables ventajas, como veremos en el ejemplo que desarrollaremos a continuacion. Solo basta tener
en cuenta que ZZZ ZZZ
f (x, y, z)dxdydz = (r, , z)rdrddz
D D
Ejemplo. Vamos a calcular empleando el cambio a coordenadas cilndricas la integral triple

ZZZ
x2 yzdxdydz,
D

siendo D = (x, y, z) R3 x2 + y 2 6 1, 0 6 z 6 1, x > 0, y > 0 .
Primero de todo conviene observar la evidente

ventaja que proporciona el nuevo sistema
de coordenadas en la
expresion del recinto, ya que se tiene D = (r, , z)| 0 6 r 6 1, 0 6 6 2 , 0 6 z 6 1 , presentando las mismas
ventajas operativas para la integral triple que presentaba el paraleleppedo (el caso mas simple con el que nos
podamos encontrar). Ya solo nos queda efectuar el cambio de variable recordando que x = r cos , y = r sen .
Veamos:
ZZZ ZZZ
x2 yzdxdydz = r 3 (cos2 )(sen )zrdrddz
D D
214 MATEM ATICAS
ZZZ
= r 4 (cos2 )(sen )zdrd
D

Z1 Z1 Z2
4 2
= r (cos )(sen )zd dr dz
0 0 0
1
Z
Z1 3
= 2
cos
= r 4 z dr dz
3 =0
0 0

Z1 Z1 4
= r zdr dz
3
0 0
Z1 r=1 Z1
r5 z z 1
= dz = dz =
15 r=0 15 30
0 0
2.2.2. Integrales triples en coordenadas esfericas
Recordemos que un punto P de R3 , esta totalmente determinado por sus coordenadas esfericas (, , ) donde
indica la longitud de OP, el angulo que forma el plano determinado por OZ y P con el plano OXZ y el
angulo que forma la recta OP con el eje OZ, teniendose ademas las siguientes igualdades que relacionan las
coordenadas esfericas con las cartesianas rectangulares
x = sen cos ,
y = sen sen ,
z = cos .
Al igual que suceda con las coordenadas cilndricas, en determinadas ocasiones, bien sea por la expresion del pro-
pio recinto o por la propia funcion, nos conviene usar este sistema de coordenadas en detrimento de las cartesianas
o cilndricas. Tendremos no obstante que tener en cuenta lo siguiente:
ZZZ ZZZ
f (x, y, z)dxdydz = g(, , )2 sen ddd.
D D

xyzdxdydz
S
donde

S = (x, y, z) R3 x2 + y 2 + z 2 6 1, x > 0, y > 0, z > 0 .
Se tiene
ZZZ ZZZ
xyzdxdydz = ( sen cos )( sen sen )( cos )2 sen ddd
S
ZZZ S
= 5 (sen3 cos )(cos sen )ddd.

S
Observa quela gran ventaja que presenta en este ejercicio el nuevo sistema de coordenadas es la expresion del
recinto S = (, , )| 0 6 6 1, 0 6 6 2 , 0 6 6 2 , que produce el siguiente efecto a la hora de calcular
la integral triple:
ZZZ
5 (sen3 cos )(cos sen )ddd =

S

Z1 Z2 Z2
5 3
(sen cos )(cos sen )d d d =
0 0 0

Z1 Z2 5

cos sen d d =
4
0 0
Z1
5 1
d = .
8 48
0
2.2.3. Calculo de volumenes usando integrales triples
Al igual que usabamos las integrales dobles para calcular el area de determinados recintos planos, se puede utilizar
la expresion ZZZ
dxdydz
D
para calcular el volumen de un recinto D R3 .
Ejemplo. Vamos a calcular el volumen de una esfera de centro el origen y radio R. Sabemos que podemos
expresar los puntos de la esfera que esten en el primer octante como
n o
S = (, , )| 0 6 6 R, 0 6 6 , 0 6 6
2 2
(en coordenadas esfericas). Por simetra, el volumen que nos piden vendra expresado por
ZZZ ZZZ
8 dxdydz = 8 2 sen ddd
S

S

ZR Z2 Z2

= 8 2 sen d d d
0 0 0

ZR Z2 ZR 2
4
= 8 2 d d = 8 d = R3 .
2 3
0 0 0
A.7.1. Calcular las siguientes integrales dobles:

ZZ

(a) sen2 x cos ydxdy donde D = (x, y) R2 0 6 x 6 , 0 6 y 6
D
216 MATEM ATICAS
ZZ

(b) xydxdy donde D = (x, y) R2 0 6 x 6 3, 1 6 y 6 2
D
ZZ

(c) x2 ydxdy donde D = (x, y) R2 x + y 6 1, x > 0, y > 0
D
ZZ

(d) sen(x + y)dxdy donde D = (x, y) R2 0 6 x 6
2,0 6y6
D

ZZ n o
2
xydxdy donde D = (x, y) R2 x > 0, y > 0, xa2 + yb2 6 1
2
(a)
ZZ D n o
2 2
(b) (x2 y 2 )dxdy donde D = (x, y) R2 xa2 + yb2 6 1
ZZ D
1

2

(c) (x+y)2 dxdy donde D = (x, y) R x > 2, y > 2, x + y 6 3
D
ZZ
A.7.3. Calcular xydxdy donde D es el triangulo de vertices A(0, 1), B(1, 0) y C(0, 3).
D

ZZ

2 2 2

1+x2 +y 2 dxdy donde D = (x, y) R x 6 1, y 6 1, x + y > 1
xy
(a)
ZZ D
1

2

(b) (1+x+y)2 dxdy donde D = (x, y) R x > 0, y > 0, x + y 6 1
ZZ D p

(c) xy x2 + 4y 2 dxdy donde D = (x, y) R2 x > 0, y > 0, x2 + y 2 6 1
D
A.7.5. Calcular, usando la integral doble, la expresion del area encerrada por la elipse de ecuacion
x2 y2
2
+ 2 = 1.
a b
A.7.6. Calcular las siguientes integrales triples:

ZZZ

(a) zdxdydz donde D = (x, y, z) R3 x + z 6 1, x > 0, z > y 2 , y > 0
ZZZ D

(b) yzdxdydz donde D = (x, y, z) R3 y > x2 , z > 0, y + z 6 1
ZZZ D n o
2 2
xyzdxdydz donde D = (x, y, z) R3 xa2 + yb2 + zc2 6 1
2
(c)
ZZZ D

(d) z 2 dxdydz donde D = (x, y, z) R3 x2 + y 2 + z 2 6 1
D
A.7.7. Dadas la integrales sucesivas

Z1 Z2x Z1 Zx x+y
Z
f (x, y)dy dx y f (x, y, z)dz dy dx,
0 x 0 0 0
expresarlas respectivamente como una integral doble y otra triple de f (x, y) y f (x, y, z) sobre los recintos
apropiados.
A.7.8. Calcular las integrales introducidas en el ejercicio anterior para las funciones f (x, y) = ex+y y f (x, y, z) =
ex+y+z .
A.7.9. Calcular usando la integral triple una formula que calcule el volumen encerrado por el elipsoide de ecua-
cion
x2 y2 z2
2
+ 2 + 2 = 1.
a b c
J. DE BURGOS Calculo Infinitesimal, Editorial Alhambra. Captulo 6.

drid, 1995. Captulo 16.
E. LINES Principios de Analisis Matematico, Editorial Reverte SA. Captulo 31.
J. RIVAUD Ejercicios de Analisis, Editorial Aguilar. Captulo 9.
ZZ

E.7.1. Calcular (x2 + y 2 )dxdy donde D = (x, y) R2 x2 + y 2 6 1
D
ZZZ

E.7.2. Calcular 1
dxdydz donde D = (x, y, z) R3 x2 + y 2 + z 2 6 1
D x2 +y 2
E.7.3. Hallar el volumen del recinto limitado superiormente por la esfera de ecuacion x2 + y 2 + z 2 = 4, inferior-
mente por el plano XY y lateralmente por el cilindro x2 + y 2 = 1.
218 MATEM ATICAS
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 8
ESTADISTICA DESCRIPTIVA UNIDIMENSIONAL
a) Que es la Estadstica?
b) Como se organizan los datos de una muestra extrada de una poblacion?
c) Cuales son las representaciones graficas mas adecuadas para extraer conclusiones sobre el comportamiento
real de la variable estadstica?
d) Como se sintetiza la informacion aportada por un conjunto de datos en una serie de valores que nos fijen
el comportamiento global del experimento aleatorio?
2.1. Introduccion a la Estadstica
2.1.1. Definicion de Estadstica
Estadstica: ciencia que se ocupa de recoger, clasificar, representar y resumir los datos de muestras, y de hacer
inferencias (extraer conclusiones) acerca de las poblaciones de las que estas proceden.
1. Estadstica descriptiva: parte de la estadstica que se ocupa de recoger, clasificar, representar y resumir los
datos de las muestras.
2. Estadstica inferencial: parte de la estadstica que se ocupa de llegar a conclusiones (inferencias) acerca de
las poblaciones a partir de los datos de las muestras extradas de ellas.
2.1.2. Conceptos generales
Poblacion: conjunto de individuos con propiedades comunes sobre los que se realiza una investigacion de
tipo estadstico.
220 MATEM ATICAS
Muestra: subconjunto de la poblacion.
Tamano muestral: numero de individuos que forman la muestra.
Muestreo: proceso de obtencion de muestras representativas de la poblacion.
Variable: propiedad o cualidad que puede manifestarse bajo dos o mas formas distintas en un individuo de
una poblacion.
Modalidades, categoras o clases: distintas formas en que se manifiesta una variable.
Las variables se clasifican en:
1. Cuantitativas: se expresan numericamente. Se clasifican en:

(a) Discretas: toman valores numericos aislados, por lo que, fijados dos consecutivos, no pueden
tomar ningun valor intermedio.
(b) Continuas: pueden tomar cualquier valor dentro de unos lmites, por lo que entre dos valores
cualesquiera, por proximos que sean, siempre pueden encontrarse valores intermedios.
2. Cualitativas: no se expresan numericamente. Se clasifican en:
(a) Ordinales: admiten una ordenacion de menor a mayor aunque sus resultados no son numericos.
(b) Nominales: no admiten una ordenacion de menor a mayor.
2.2. Tabulacion de los datos
2.2.1. Variables cualitativas
Ejemplo de recogida (no ordenada) de unos datos cualitativos:
frances ingles frances ingles frances aleman ruso espanol frances ingles
frances ingles espanol frances espanol frances aleman ingles espanol ingles
ingles espanol ingles frances espanol ruso aleman frances ingles espanol
aleman ingles espanol frances aleman ingles ingles ingles espanol frances
Frecuencia absoluta de la clase i-esima: fi =numero de observaciones contenidas dentro de ella.

fi
Frecuencia relativa de la clase i-esima: hi = , siendo n el numero total de observaciones.
n
Porcentaje de la clase i-esima: %i = 100 hi .
Se verifican las propiedades siguientes:
f1 + f2 + + fk = n,
h1 + h2 + + hk = 1,
%1 + %2 + + %k = 100,
siendo k el numero de clases.
Distribucion de frecuencias: tabla conteniendo las distintas clases y las frecuencias correspondientes a cada
una de ellas.
ESTAD ISTICA DESCRIPTIVA UNIDIMENSIONAL 221
La distribucion de frecuencias de los datos cualitativos del ejemplo anterior es:
clases fi hi %i
0
aleman 5 0 125 120 5
espanol 9 00 225 220 5
frances 11 00 275 270 5
ingles 13 00 325 320 5
ruso 2 00 050 50 0
suma 40 10 000 1000 0
2.2.2. Variables discretas
Ejemplo de recogida (no ordenada) de unos datos cuantitativos discretos:
14 13 3 13 7 12 13 11 13 12 11 13
7 10 12 13 14 11 13 12 4 12 10 13
9 12 13 11 13 14 10 12 11 13 15 9
12 11 13 10 13 11 12 5 9 12 13 15
Los mismos criterios usados para el caso cualitativo sirven para el caso cuantitativo discreto a la hora de presentar
tabularmente los datos. Ademas se pueden calcular:
Frecuencia absoluta acumulada de la clase i-esima: Fi = f1 + f2 + + fi =numero de individuos que

caen dentro de dicha clase o cualquier clase anterior (una vez ordenadas las clases de menor a mayor).
Fi
Frecuencia relativa acumulada de la clase i-esima: Hi = h1 + h2 + + hi = .
n
La distribucion de frecuencias de los datos cuantitativos discretos del ejemplo anterior es:
xi fi hi Fi Hi
3 1 00 0208 1 00 0208
4 1 00 0208 2 00 0417
5 1 00 0208 3 00 0625
7 2 00 0417 5 00 1042
9 3 00 0625 8 00 1667
10 4 00 0833 12 00 2500
11 7 00 1458 19 00 3958
12 10 00 2083 29 00 6042
13 14 00 2917 43 00 8958
14 3 00 0625 46 00 9583
15 2 00 0417 48 10 0000
2.2.3. Variables continuas
Los datos procedentes de una variable continua se pueden tabular de la misma forma que los datos de una variable
discreta, pero lo usual en el caso de variables continuas es dividir el intervalo de valores posibles en intervalos
222 MATEM ATICAS
contiguos llamados intervalos de clase. Una vez agrupados los datos en intervalos, estos se tabulan de forma
analoga al caso de variables discretas.
Numero adecuado de intervalos (Regla de Sturges):

k = 1 + 30 322 log n,
siendo n el numero total de observaciones.
Amplitud del intervalo de clase (ì , ì+1 ): d = ì+1 ì .
ì + ì+1
Marca de clase del intervalo (ì , ì+1 ): xi = .
2
Ejemplo de recogida (no ordenada) de unos datos cuantitativos continuos:
30 9 40 1 40 2 30 2 10 6
20 5 10 1 80 1 50 1 20 7
10 9 70 3 20 4 40 9 10 6
50 0 20 5 60 5 10 9 50 2
60 3 10 2 30 3 10 8 40 4
Pasos para la agrupacion en intervalos de clase de igual amplitud:
1o ) Se calcula el recorrido de las observaciones (ver el apartado 2.5.1.):

R = xmax xmin = 80 1 10 1 = 7 .
2o ) El numero de intervalos de clase que podemos tomar para agrupar los datos es:
k = 1 + 30 322 log 25 = 50 64 ,
que aproximamos por el numero natural siguiente: k = 6.
3o ) Por tanto, la amplitud de cada intervalo es:

R 7
d== = 10 1667 .
k 6
Al no ser exacta, aproximamos la cantidad anterior a un numero ligeramente superior; por ejemplo, d =
10 17.
Como la amplitud de los intervalos la hemos tomado un poco mayor de lo que se obtiene en un principio, entonces
el nuevo recorrido es:
R0 = numero de intervalos amplitud = 6 10 17 = 70 02 .
Como el recorrido original es 7, entonces sobra 00 02, con lo cual repartimos este sobrante restando la mitad a la
observacion mnima y sumando la otra mitad a la observacion maxima; es decir:
xmin 00 01, xmax + 00 01 ,
con lo que obtenemos los seis intervalos de clase determinados por los valores siguientes:
xmin 00 01 = 10 10 00 01 = 10 09,
10 09 + 10 17 = 20 26,
20 26 + 10 17 = 30 43,
30 43 + 10 17 = 40 60,
40 60 + 10 17 = 50 77,
50 77 + 10 17 = 60 94,
60 94 + 10 17 = 80 11 = xmax + 00 01 .
Los intervalos son: (10 09, 20 26], (20 26, 30 43], (30 43, 40 60], (40 60, 50 77], (50 77, 60 94], (60 94, 80 11]. Agrupamos,
pues, los datos en los intervalos anteriores y damos su distribucion de frecuencias en la tabla siguiente:
(li , li+1 ] xi fi hi Fi Hi
0 0 0 0
(1 09, 2 26] 1 675 7 0 28 7 00 28
(20 26, 30 43] 20 845 6 00 24 13 00 52
(30 43, 40 60] 40 015 4 00 16 17 00 68
(40 60, 50 77] 50 185 4 00 16 21 00 84
(50 77, 60 94] 60 355 2 00 08 23 00 92
(60 94, 80 11] 70 525 2 00 08 25 10 00
La agrupacion en intervalos de clase tambien puede hacerse con una variable discreta si el numero de datos
distintos es muy grande.
2.3. Representaciones graficas
2.3.1. Variables cualitativas
1. Diagrama de barras: se situan en el eje horizontal las clases y sobre cada una de ellas se levanta un segmento
rectilneo (o un rectangulo) de altura igual a la frecuencia (absoluta o relativa) de cada clase (Figura 8.1 (a)).
2. Grafico de sectores: se divide el area de un crculo en sectores circulares de angulos proporcionales a las
frecuencias absolutas de las clases (Figura 8.1 (b)).
ruso
5% alemn
13%
14
12
10 ingls
32%
espaol
23%
8
0
francs
aleman espanol frances ingles ruso 27%
a) Diagrama de barras de frecuencias absolutas b) Grafico de sectores
Figura 8.1: Representaciones graficas de los datos cualitativos de la seccion 2.2.1.
2.3.2. Variables cuantitativas con datos no agrupados en intervalos
1. Diagrama de barras: igual que en el caso de variables cualitativas (Figura 8.2 (a)).
2. Polgono de frecuencias: se situan los puntos que resultan de tomar en el eje horizontal los distintos valores
de la variable y en el eje vertical sus correspondientes frecuencias (absolutas o relativas), uniendo despues
los puntos mediante segmentos rectilneos (Figura 8.2 (b)).
224 MATEM ATICAS
3. Grafico de frecuencias acumuladas: es la representacion grafica de las frecuencias acumuladas (absolutas

o relativas), para todo valor numerico. Indiquemos que la frecuencia acumulada (absoluta o relativa) de
un valor numerico que no aparezca en la distribucion de frecuencias es igual a la frecuencia acumulada
(absoluta o relativa) de la observacion inmediatamente anterior (ordenadas de menor a mayor). Por tanto, el
grafico de frecuencias acumuladas siempre tiene forma de escalera (Figura 8.2 (c)).
14
00 30
12
00 25
10
8 00 20
6 00 15
4
00 10
2
00 05
0
0 2 4 6 8 10 12 14 16 00 00
a) Diagrama de barras de frecuencias ab- 0 2 4 6 8 10 12 14 16
solutas b) Polgono de frecuencias relativas
50
40
30
20
10
0
0 2 4 6 8 10 12 14 16
c) Grafico de frecuencias absolutas acumu-
ladas
Figura 8.2: Representaciones graficas de los datos cuantitativos discretos de la seccion 2.2.2.
2.3.3. Variables cuantitativas con datos agrupados en intervalos
1. Histograma de frecuencias: se situan en el eje horizontal los intervalos de clase y sobre cada uno se levanta
un rectangulo de area proporcional a la frecuencia absoluta.
(a) Si todos los intervalos tienen la misma amplitud, entonces basta con hacer los rectangulos con una
altura igual a la frecuencia absoluta (Figura 8.4 (a)).
(b) Si los intervalos tienen distinta amplitud, la construccion del histograma presenta una importante va-
riacion. Una vez marcados sobre el eje horizontal los extremos de los intervalos, hay que calcular la
altura de los rectangulos de forma que su area sea igual o proporcional a la frecuencia absoluta del
intervalo. Veamoslo con un ejemplo.
Sea la siguiente distribucion de frecuencias:
intervalo fi
[0, 3] 11
(3, 50 5] 10
(50 5, 60 5] 2
(60 5, 8] 1
(8, 10] 1
Recordemos que la formula del area de un rectangulo es base altura y consideremos que los
rectangulos del histograma van a tener un area igual a la frecuencia absoluta. Por ejemplo, para averi-
guar la altura del primer rectangulo, tenemos en cuenta que la base es igual a 3 y el area del rectangulo
ha de ser igual a 11, por lo que la altura debe ser igual a 11/3 = 30 6667. Procediendo de forma
analoga con el resto de los intervalos, se tiene que el histograma de la distribucion de frecuencias dada
por la tabla anterior es la Figura 8.3.
0
0 3 50 5 60 5 8 10
Figura 8.3: Histograma (intervalos de distinta amplitud)
2. Polgono de frecuencias: se situan los puntos que resultan de tomar en el eje horizontal las marcas de clase
de los intervalos y en el eje vertical sus correspondientes frecuencias (absolutas o relativas), uniendo despues
los puntos mediante segmentos rectilneos (Figura 8.4 (b)).
3. Polgono de frecuencias acumuladas: se situan los puntos que resultan de tomar en el eje horizontal los ex-
tremos superiores de los intervalos de clase y en el eje vertical sus correspondientes frecuencias acumuladas
(absolutas o relativas), uniendo despues los puntos mediante segmentos rectilneos (Figura 8.4 (c)).
2.4. Medidas de posicion
Son valores que nos sirven para indicar la posicion alrededor de la cual se distribuyen las observaciones. Solo se
calculan cuando la variable es cuantitativa.
2.4.1. Moda
La denotaremos por Mo . No tiene que ser unica.

226 MATEM ATICAS
7 7
6 6
5 5
4 4
3 3
2 2
1 1
0 0
10 09 20 26 30 43 40 60 50 77 60 94 80 11 00 505 10 675 20 845 40 015 50 185 60 355 70 525 80 695
a) Histograma (intervalos de la misma amplitud) b) Polgono de frecuencias absolutas
25
20
15
10
0
10 09 20 26 30 43 40 60 50 77 60 94 80 11
c) Polgono de frecuencias absolutas acumuladas
Figura 8.4: Representaciones graficas de los datos cuantitativos continuos de la seccion 2.2.3.
1. Datos no agrupados en intervalos.

Mo es el dato (o datos) con mayor frecuencia absoluta.
2. Datos agrupados en intervalos.
Intervalo modal: el que tiene mayor frecuencia absoluta. No tiene que ser unico.
(a) Intervalo modal no unico.

Las modas son las marcas de clase de los intervalos modales.
(b) Intervalo modal unico.
Intervalos de la misma amplitud.
fi fi1
Mo = ì + (ì+1 ì ) ,
2fi fi1 fi+1
donde (ì , ì+1 ] es el intervalo modal, fi es su frecuencia absoluta, fi1 es la frecuencia absoluta
del intervalo anterior al modal, y fi+1 es la frecuencia absoluta del intervalo posterior al modal.
Intervalos de distinta amplitud.
ki ki1
Mo = ì + (ì+1 ì ) ,
2ki ki1 ki+1
donde (ì , ì+1 ] es el intervalo modal, ki es la altura del rectangulo del histograma que tiene
de base al intervalo modal, ki1 es la altura del rectangulo del histograma que tiene de base al
intervalo anterior al modal, y ki+1 es la altura del rectangulo del histograma que tiene de base al
intervalo posterior al modal.
2.4.2. Mediana
La denotaremos por Me . Es el valor que tiene la propiedad de dejar a su izquierda el 50% de las observaciones y
a su derecha el 50% restante, siempre que hayamos ordenado los datos de menor a mayor. Por tanto, la frecuencia
absoluta acumulada de la mediana es igual a n/2, siendo n el numero total de datos.
1. Datos no agrupados en intervalos.

(a) Si en la distribucion de frecuencias no aparece ninguna frecuencia absoluta acumulada igual a n/2
entonces se toma como mediana el valor cuya frecuencia absoluta acumulada sea la mas proxima a
n/2 por exceso. Un caso en que esto ocurre es cuando el numero total de datos es impar; en cuyo caso
tambien se puede hallar la mediana como el dato central, una vez que los datos estan ordenados de
menor a mayor.
Por ejemplo, sea la distribucion de frecuencias siguiente:
xi fi Fi
2 2 2
4 3 5
6 5 10
8 3 13
En este caso se verifica que n/2 = 13/2 = 60 5, por lo que no hay ningun dato cuya frecuencia
acumulada sea igual a n/2. Entonces, se toma como mediana el siguiente dato; es decir, el dato cuya
frecuencia acumulada es 10. Por tanto, Me = 6. Esto se puede observar mas claramente si recurrimos
al grafico de frecuencias absolutas acumuladas, que es la Figura 8.5.
13
10
60 5
0
0 2 4 6 8 10
Figura 8.5: Grafico de frecuencias absolutas acumuladas
(b) Si en la distribucion de frecuencias aparece la frecuencia absoluta acumulada igual a n/2 entonces
ocurre que hay todo un intervalo [a, b) de valores cuya frecuencia absoluta acumulada es igual a n/2.
En este caso se toma como mediana el valor Me = a+b 2 .
Para que esto ocurra es necesario que n sea par; en cuyo caso tambien se puede calcular la mediana
ordenando los datos de menor a mayor, y luego hallando el punto medio de los dos datos centrales.
Por ejemplo, sea la distribucion de frecuencias siguiente:
xi fi Fi
2 1 1
4 5 6
6 4 10
8 2 12
228 MATEM ATICAS
Todos los valores del intervalo [4, 6) tienen la frecuencia absoluta acumulada igual a n/2 = 6, de
forma que la mediana es Me = 4+6 2 = 5. Esto se puede observar mas claramente si recurrimos al
grafico de frecuencias absolutas acumuladas, que es la Figura 8.6.
12
10
1
0
0 2 4 6 8 10
Figura 8.6: Grafico de frecuencias absolutas acumuladas
2. Datos agrupados en intervalos.

Intervalo mediano: intervalo que contiene a la mediana. Es el primer intervalo cuya frecuencia absoluta
acumulada (Fi ) es igual o mayor que n/2.
n
2 Fi1
Me = ì + (ì+1 ì ) ,
fi
donde (ì , ì+1 ] es el intervalo mediano, fi es su frecuencia absoluta y Fi1 es la frecuencia absoluta
acumulada del intervalo anterior al mediano.
2.4.3. Percentil o cuantil
El percentil (o cuantil) al r% es aquel valor que deja a su izquierda el r% de las observaciones y a su derecha el
(100-r)% restante, siempre que hayamos ordenado los datos de menor a mayor. Se suele denotar por Pr (o por
Cr ).
El calculo de los percentiles se hace de modo similar al calculo de la mediana, teniendo en cuenta que el percentil
al r% verifica que su frecuencia absoluta acumulada es igual a:
nr
.
100
Cuando los datos estan agrupados en intervalos de clase, la formula del percentil al r% es:
nr
Fi1
Pr = ì + 100 (ì+1 ì ) ,
fi
donde (ì , ì+1 ] es el intervalo que contiene a Pr , fi es su frecuencia absoluta y Fi1 es la frecuencia absoluta
acumulada del intervalo anterior.
Algunos percentiles especiales son:

Cuartiles: Primer cuartil = Q1 = P25 , Segundo cuartil = Q2 = P50 = M e y Tercer cuartil = Q3 = P75 .
Deciles: Primer decil = D1 = P10 , Segundo decil = D2 = P20 , . . ., Noveno decil = D9 = P90 .
2.4.4. Media aritmetica
Si x1 , x2 , . . . , xn son los n valores de la muestra, su media aritmetica es:

x1 + x 2 + + x n
x= .
n
Si los valores de los datos son x1 , x2 , . . . , xk , y ellos aparecen con frecuencias absolutas respectivas f1 , f2 , . . .,
fk (con f1 + f2 + + fk = n) entonces la expresion de la media aritmetica es:
X
k
xi fi
x1 f1 + x2 f2 + + xk fk i=1
x= = .
n n
Si los datos estan agrupados en intervalos de clase, la formula de la media aritmetica es la misma, salvo que xi
representa la marca de clase del intervalo iesimo.
Dado que la media aritmetica es la mas comun, en adelante la llamaremos solo media.
Si disponemos de los datos de toda la poblacion, entonces representamos la media aritmetica por la letra griega
(que se lee mu).
Propiedades de la media
1. Si yi = a + bxi , siendo a y b constantes, entonces la media de la nueva variable es y = a + bx.
2. Si yi = xi x, entonces y = 0.
Calculo de la media por codificacion (para datos agrupados en intervalos de la misma amplitud)
Si a es la marca de clase del intervalo central (o una de las centrales, cuando el numero de ellos es par) y b es igual
a la amplitud de los intervalos, entonces realizamos la transformacion siguiente:
xi a
zi = ,
b
para todas las marcas de clase xi , y luego hallamos la media z. Como xi = a + bzi entonces por la propiedad 3
se cumple que la media deseada es x = a + bz.
2.4.5. Otras medias
De los otros tipos de medias, la de mayor interes practico es la media ponderada. Esta consiste en asignar a cada
valor xi de los datos un peso pi que depende de su importancia relativa bajo algun criterio. La definicion de la
230 MATEM ATICAS
media ponderada es:

X
k
xi p i
x1 p 1 + x 2 p 2 + + xk p k i=1
xp = = k .
p1 + p2 + + pk X
pi
i=1
Si los datos de la muestra son x1 , x2 , . . . , xk y ellos aparecen con frecuencias absolutas respectivas f1 , f2 , . . ., fk
(con f1 + f2 + + fk = n), entonces se definen:
Media geometrica:
q
n
xg = xf11 xf22 xfkk .
Media cuadratica: v
u k
uX
r u x2i fi
u
x21 f1 + x22 f2 + + x2k fk t i=1
xc = = .
n n
Media armonica:
n n
xa = = k .
f1
+
f2
+ +
fk X fi
x1 x2 xk x
i=1 i
En las tres definiciones anteriores, si los datos estan agrupados en intervalos entonces xi representa la marca de
clase del intervalo i-esimo.
Fijada una muestra cualquiera, siempre se verifica:
xa 6 xg 6 x 6 xc .
2.5. Medidas de dispersion
Son valores que miden el grado de separacion de las observaciones entre s o con respecto a ciertas medidas de
posicion. Solo se calculan cuando la variable es cuantitativa.
2.5.1. Recorrido
Es una medida de dispersion global que se define como la diferencia entre la observacion mayor, xmax , y la
observacion menor, xmin , y se denota por R; es decir:
R = xmax xmin .
Si el recorrido es pequeno entonces los datos estan poco dispersos.

2.5.2. Recorrido intercuartlico
Se denota por RI y se define como la diferencia entre el tercer cuartil y el primer cuartil; es decir:
RI = Q3 Q1 .
Si el recorrido intercuartlico es pequeno entonces los datos estan cerca de la mediana; en caso contrario, los datos
estan alejados de ella.
2.5.3. Desviacion mediana
(con f1 + f2 + + fk = n), entonces:
X
k
|xi Me |fi
i=1
DMe = .
n
Si los datos estan agrupados en intervalos, xi representa la marca de clase del intervalo iesimo.
Cuando DMe es pequena, entonces los datos estan cerca de la mediana. En caso contrario, los datos estan alejados
de la mediana.
2.5.4. Mediana de las desviaciones absolutas respecto de la mediana
La mediana de las desviaciones absolutas respecto de la mediana (M DA) es la mediana de los valores absolutos
de las diferencias entre los valores de la muestra y la mediana de todos los datos. Para determinar M DA se calcula
la mediana de todos los datos (Me ); se hallan las desviaciones de los datos respecto de la mediana:
x1 Me , x2 Me , . . . , xn Me ,
se toman los valores absolutos para eliminar los signos:
|x1 Me |, |x2 Me |, . . . , |xn Me | ,
y luego se calcula la mediana de estos valores.
Cuando M DA es pequena, entonces los datos estan cerca de la mediana. En caso contrario, los datos estan
alejados de la mediana.
Si los datos estan agrupados en intervalos, en vez de calcular M DA se calcula DMe , pues su interpretacion
descriptiva es la misma.
232 MATEM ATICAS
2.5.5. Desviacion media
(con f1 + f2 + + fk = n), entonces:
X
k
|xi x|fi
i=1
Dx = .
n
Si los datos estan agrupados en intervalos, xi representa la marca de clase del intervalo iesimo.
Cuando Dx es pequena, entonces los datos estan cerca de la media. En caso contrario, los datos estan alejados de
la media.
2.5.6. Varianza y desviacion tpica
Varianza (algunos autores la llaman varianza sesgada):
X
k X
k
(xi x)2 fi x2i fi
s2x = i=1
= i=1
x2 .
n n
Desviacion tpica: raz cuadrada de la varianza:

v v
u k u k
uX uX
u 2
(xi x) fi u x2i fi
u u
t i=1 t i=1
sx = = x2 .
n n
Cuasivarianza (algunos autores la llaman varianza insesgada, varianza corregida o solo varianza):
!
Xk Xk
2 2
(xi x) fi xi fi nx2
Sx2 = i=1
= i=1
.
n1 n1
Cuasidesviacion tpica: raz cuadrada de la cuasivarianza:

v v !
u k u k
uX u X
u 2
(xi x) fi u 2
xi fi nx2
u u
t i=1 t i=1
Sx = = .
n1 n1
En consecuencia, la varianza y la cuasivarianza estan relacionadas de la siguiente forma:
(n 1)Sx2 = ns2x ,
por lo cual se puede calcular una de ellas a partir de la otra.

Si los datos estan agrupados en intervalos de clase, las formulas anteriores son las mismas, salvo que xi representa
la marca de clase del intervalo iesimo.
Cuando la desviacion tpica (o la cuasidesviacion tpica) es pequena, entonces los datos estan cerca de la media.
En caso contrario, los datos estan alejados de la media.
Si disponemos de los datos de toda la poblacion, la varianza se denota por 2 y la desviacion tpica por (letra
griega que se lee sigma).
Propiedad de la varianza
Si yi = a + bxi , siendo a y b constantes, entonces la varianza de la nueva variable es s2y = b2 s2x y por tanto la
desviacion tpica es sy = |b|sx .
Calculo de la varianza por codificacion (para datos agrupados en intervalos de la misma amplitud)
Si a es la marca de clase del intervalo central (o una de las centrales, cuando el numero de ellos es par) y b es igual
a la amplitud de los intervalos, entonces realizamos la transformacion siguiente:
xi a
zi =
b
y despues calculamos la varianza de la nueva variable, s2z . Como xi = a + bzi entonces la varianza deseada es
s2x = b2 s2z y por tanto la desviacion tpica es sx = |b|sz .
2.5.7. Coeficiente de variacion
sx sx
CV = o CV = 100% .
|x| |x|
Algunos autores sustituyen sx por Sx en la formula anterior. Este coeficiente nos sirve para comparar la disper-
sion relativa de dos muestras distintas. La muestra que tenga un coeficiente de variacion mas grande es la mas
heterogenea (sus datos estan mas dispersos).
2.6. Momentos
Momento de orden k respecto del origen:

X
k
xki fi
i=1
ak = para k = 1, 2, 3, . . . .
n
Momento de orden k respecto de la media:

X
k
(xi x)k fi
i=1
mk = para k = 1, 2, 3, . . . .
n
234 MATEM ATICAS
Algunos casos particulares son:
a1 = x = media.
m1 = 0.
m2 = s2x = varianza.
Desarrollando el binomio (xi x)k se puede comprobar que existe una relacion entre los momentos respecto al
origen y los momentos respecto de la media; por ejemplo:
m2 = a2 a21
m3 = a3 3a2 a1 + 2a31
m4 = a4 4a3 a1 + 6a2 a21 3a41
2.7. Medidas de forma
A traves de las representaciones graficas (histogramas, diagramas de barras, etc.) podemos hacernos una idea
sobre la forma de las distribuciones, pero tambien resulta importante cuantificar esta caracterstica a traves de las
medidas de forma.
Figura 8.7: Curva normal
Las caractersticas bajo-ancho, alto-estrecho se miden respecto de una curva modelo llamada curva Normal (vease
la Figura 8.7). Esta curva es la representacion grafica de la siguiente funcion:
1 1 x 2
y= e 2 ( )
2
donde x, y son numeros reales, siendo ademas > 0; e es la base de los logaritmos neperianos (e =
20 718281829 . . .) y es la relacion de la longitud de una circunferencia a su diametro ( = 30 141592654 . . .).
Para cada par de valores de y tendremos una curva Normal distinta. Es decir, tenemos una familia de curvas.
Pero todas ellas coinciden en algunas propiedades, como, por ejemplo:
a) Tiene un unico maximo para x = .
b) Es simetrica respecto al eje vertical que pasa por x = .
c) Se acerca asintoticamente al eje horizontal. En otras palabras, se acerca mas y mas a ese eje, tanto por la
derecha como por la izquierda, sin llegar a tocarlo en ningun punto.
2.7.1. Asimetra
Se dice que una distribucion presenta una asimetra positiva o por la derecha cuando su polgono de frecuencias
(absolutas o relativas) es similar a la Figura 8.8 (a). Analogamente, se dice que una distribucion presenta una
asimetra negativa o por la izquierda cuando su polgono de frecuencias (absolutas o relativas) tiene una forma
parecida a la Figura 8.8 (b). Diremos que una distribucion presenta simetra cuando su polgono de frecuencias
(absolutas o relativas) es similar a la Figura 8.7.
(a) Distribucion asimetrica por la derecha (b) Distribucion asimetrica por la izquierda
Figura 8.8: Asimetra
Para las distribuciones unimodales, como medida de asimetra se suele utilizar el coeficiente de asimetra de
Pearson, que se define por la expresion:
x Mo
CA = ,
sx
que permite distinguir los casos:
a) CA = 0 (distribucion simetrica),
b) CA > 0 (distribucion asimetrica por la derecha),
c) CA < 0 (distribucion asimetrica por la izquierda).
Cuando la distribucion no es unimodal no se puede emplear el anterior coeficiente, por lo que se introduce el
coeficiente de asimetra de Fisher, que viene dado por:
m3
g1 = ,
s3x
que permite distinguir los casos:
a) g1 = 0 (distribucion simetrica),
b) g1 > 0 (distribucion asimetrica por la derecha),
c) g1 < 0 (distribucion asimetrica por la izquierda).
2.7.2. Apuntamiento
Si el polgono de frecuencias (absolutas o relativas) es analogo a la curva Normal, entonces se dice que la dis-
tribucion es mesocurtica (vease la Figura 8.7); si es mas elevado y estrecho que la curva Normal, entonces se
llama distribucion leptocurtica (vease la Figura 8.9 (a)); y si es menos elevado y mas ancho que la curva Normal,
entonces se llama distribucion platicurtica (vease la Figura 8.9 (b)).
236 MATEM ATICAS
(a) Distribucion muy apuntada o leptocurtica (b) Distribucion poco apuntada o platicurtica
Figura 8.9: Apuntamiento
Como medida del apuntamiento se utiliza el coeficiente de curtosis, dado por:

m4
g2 = 3,
s4x
permitiendo distinguir los casos:
a) g2 = 0 (distribucion mesocurtica),
b) g2 > 0 (distribucion leptocurtica),
c) g2 < 0 (distribucion platicurtica).
A.8.1. La tabla siguiente muestra la puntuacion obtenida por los alumnos de primero de una facultad en un examen
tipo test realizado en una determinada asignatura:
60 3 70 2 60 8 70 4 80 2 90 3 40 6 50 3 50 9 60 7
70 6 60 8 50 8 40 9 40 7 40 6 50 7 60 8 70 8 90 1
30 9 40 8 50 6 50 8 70 1 80 4 90 1 40 8 50 5 60 3
40 8 50 7 60 8 70 3 70 5 70 6 80 1 80 8 70 5 90 5
50 7 60 6 70 3 50 6 40 7 30 9 30 8 40 7 50 1 50 8
70 3 60 5 60 8 60 9 50 8 50 3 60 7 70 8 60 9 40 7
a) Agrupar los datos en los siguientes intervalos: [0,5) (suspenso), [5,7) (aprobado), [7,9) (notable) y
[9,10) (sobresaliente). A partir de esta agrupacion hacer lo siguiente:
b) Dibujar el histograma de frecuencias absolutas.
c) Hallar la moda, la media y la mediana.
A.8.2. La tabla siguiente muestra los salarios de 34 trabajadores elegidos al azar en una determinada empresa.
salario mensual (en pts) numero de trabajadores

20000 1
30000 3
40000 3
50000 15
60000 6
70000 2
80000 4
Hacer el diagrama de barras de frecuencias absolutas y el grafico de frecuencias acumuladas absolutas.

Calcular la mediana y la desviacion mediana. Estan los datos cerca de la mediana?
A.8.3. Los varones entre 20 y 60 anos que contrajeron matrimonio durante el ano 1961 en Espana presentan la
siguiente distribucion por edades.
edad numero de varones

[20,25] 41000
(25,30] 123000
(30,35] 44000
(35,40] 13000
(40,50] 7000
(50,60] 3000
Dibujar el polgono de frecuencias acumuladas absolutas. Calcular la moda, la mediana, los cuartiles, el
segundo decil y el percentil al 37 por ciento. Calcular la desviacion media y deducir si los datos estan cerca
de la media.
A.8.4. Se ha revisado un lote de 1000 piezas esmaltadas, obteniendose el numero de defectos de cada pieza, lo
que se indica en la siguiente tabla:
no de defectos frecuencia
0 600
1 310
2 75
3 13
4 2
Hacer el polgono de frecuencias absolutas. Determinar la media y la desviacion tpica. Deducir si los datos
estan cerca de la media.
A.8.5. Un fabricante de calzado quiere conocer la distribucion de las tallas de los zapatos demandados por los
hombres. Elige una muestra aleatoria de 50 hombres obteniendo los siguientes resultados.
talla numero de hombres

37 2
38 3
39 5
40 8
41 11
42 7
43 6
44 5
45 3
Se desea obtener:
a) El diagrama de barras y el grafico de frecuencias acumuladas.

b) La media, moda y mediana.
c) La mediana de las desviaciones absolutas respecto de la mediana. Estan los datos cerca de la media-
na?
d) La desviacion tpica. Estan los datos cerca de la media?
e) El coeficiente de asimetra de Pearson.
238 MATEM ATICAS
A.8.6. Un alumno muy previsorquiere escoger una asignatura de la que dan clases dos profesores diferentes
A y B. Segun datos del pasado ano, la nota media de los alumnos que tuvieron el profesor A fue de 60 1
y la desviacion tpica fue 00 95. En el curso del profesor B, la media fue 50 2 y la desviacion tpica 20 2.
Suponiendo que puede elegir al profesor que profesor debe elegir y por que, segun desee:
a) aprobar sin demasiadas complicaciones?
b) conseguir la nota mas alta?
A.8.7. A una competicion de tiro concurren seis tiradores, A, B, C, D, E y F, en tres modalidades de tiro, que
llamaremos 1, 2 y 3. El numero de blancos obtenidos por cada uno, en cada modalidad de tiro, puede verse
en la siguiente tabla.
tirador 1 2 3
A 44 29 12
B 44 27 13
C 46 28 13
D 43 27 17
E 47 25 14
F 46 26 15
Aparte de haber un primer premio en cada modalidad, el jurado debe conceder un premio especial al tirador
que considere globalmente mejor, lo cual es motivo de arduas discusiones (por que?). Un miembro del
jurado dice que basandose en Estadstica este premio debe ser para el tirador D. Por que?
A.8.8. Una empresa debe cubrir un cierto numero de puestos de trabajo de dos tipos, A y B. Se somete a los
aspirantes a dos pruebas, ambas puntuadas de 0 a 50, disenadas para valorar sus aptitudes en uno y en otro
tipo de trabajo. En la prueba A la media de calificaciones ha sido 28 y la desviacion tpica 30 4. En la prueba
B la media ha sido 24 y la desviacion tpica 20 1. Que tipo de puesto de trabajo asignaremos a un aspirante
que hubiese obtenido 33 puntos en la prueba A y 28 en la B?
A.8.9. a) Sea {x1 , x2 , . . . , x100 } una muestra de media aritmetica 215 y sean x101 = 22, x102 = 19, x103 =
200 5 tres observaciones mas. Calcular la media aritmetica de la nueva muestra {x1 , x2 , . . . , x100 , x101 , x102 , x1
b) Sea x la media aritmetica de la muestra {x1 , x2 , . . . , xn } y sea y la media aritmetica de la muestra
{y1 , y2 , . . . , ym }. Cual sera la media aritmetica de la union de ambas muestras?
A.8.10. Se pregunto a varias personas, elegidas al azar, el numero de periodicos distintos que lean trimestralmen-
te, y se obtuvieron las siguientes respuestas:
Numero de periodicos 0 1 2 3 4 5 6 7
Numero de personas 7 13 18 15 11 6 4 2
Determinar la distribucion de frecuencias relativas, acumuladas absolutas y acumuladas relativas. Hacer el

diagrama de barras de frecuencias absolutas, el polgono de frecuencias relativas y el grafico de frecuencias
acumuladas absolutas. Hallar las medidas de posicion, dispersion y forma e interpretar los resultados.
A.8.11. Se considera la variable cuantitativa peso, en kilogramos, de una muestra de 25 alumnos de una determi-
nada facultad:
530 5 550 5 530 0 760 5 520 5
510 5 560 0 730 5 510 0 490 5
570 0 530 0 720 0 520 5 510 5
680 5 680 0 650 0 530 0 680 5
530 5 550 5 530 0 510 5 530 0
Agrupar los datos en intervalos de la misma amplitud. Con los datos agrupados en intervalos: determinar
la distribucion de frecuencias absolutas, relativas, acumuladas absolutas y acumuladas relativas. Hacer
el histograma de frecuencias absolutas, el polgono de frecuencias relativas y el polgono de frecuencias
acumuladas absolutas. Hallar las medidas de posicion, dispersion y forma e interpretar los resultados.
A.8.12. A continuacion se dan los datos correspondientes al tiempo de espera (en minutos) hasta que son atendidos
40 personas que visitan una determinada caja de ahorros:
11 13 15 20 21 24 17 9 10 12
20 18 16 14 13 11 10 13 15 19
24 20 21 22 18 16 11 14 8 6
15 18 19 20 17 15 16 13 12 14
Agrupar los datos en intervalos. Con los datos agrupados en intervalos: determinar la distribucion de fre-
cuencias absolutas, relativas, acumuladas absolutas y acumuladas relativas. Hacer el histograma de frecuen-
cias absolutas y el polgono de frecuencias acumuladas relativas. Hallar las medidas de posicion, dispersion
y forma e interpretar los resultados.
A.8.13. Los datos siguientes corresponden al sueldo (en miles de pesetas) de una muestra de 25 empleados de
una determinada empresa.
sueldo numero de
(en miles de pesetas) empleados
[90,100] 12
(100,110] 7
(110,120] 4
(120,130] 2
Determinar la distribucion de frecuencias relativas, acumuladas absolutas y acumuladas relativas. Hacer el

histograma de frecuencias absolutas y el polgono de frecuencias relativas. Hallar las medidas de posicion,
dispersion y forma e interpretar los resultados.
4.1. Introduccion
La practica se va a realizar con el programa STATISTIX for Windows, version 1.0 (en ingles). Para ejecutar el
programa debemos acceder a la carpeta STATISTIX y ejecutar el programa STATISTIX. Una vez en el programa,
aparecera la pantalla de la Figura 8.10, con un menu en la parte superior que, de ahora en adelante, denominaremos
menu principal (File Edit Data Statistics Preferences Window Help).
Todas las opciones del menu principal son ellas mismas menus, los cuales ofrecen variadas posibilidades de
manipulacion de datos y de procedimientos estadsticos.
El menu File incluye procedimientos para abrir y grabar ficheros de datos, as como la posibilidad de importar
datos de otros programas o exportar datos en un formato predeterminado. El menu Data proporciona muchas fun-
ciones para manipular la hoja de datos, incluyendo las transformaciones de variables. El menu Statistics lista
varios menus que nos permiten realizar analisis estadsticos basicos y avanzados. Por ultimo, el menu Windows
lista las ventanas abiertas dentro de STATISTIX, que incluye la hoja de datos y las ventanas de resultados.
Para salir del programa debe seleccionarse la opcion Exit del menu File. Los usuarios de Windows 95 o
Windows NT pueden abandonar el programa pulsando el boton de la esquina superior derecha de la ventana
(boton ).
240 MATEM ATICAS
Figura 8.10: Pantalla inicial del programa donde aparece, ademas del menu principal del programa, una tabla en
blanco donde introduciremos los datos.
Antes de realizar ninguna operacion es necesario tener un conjunto de datos en uso, para lo cual podemos pro-
ceder de dos formas distintas: o introducirlos directamente a traves del teclado o recuperar un fichero con datos
previamente almacenado.
4.2. Entrada de datos a traves del teclado
Los datos en STATISTIX pueden ser considerados tablas de datos, donde las columnas se denominan varia-
bles y las filas casos. En primer lugar debemos declarar las variables, para lo que seleccionamos las opciones
Data|Insert|Variables. Antes de seguir adelante convendra hacer una aclaracion: cuando digamos que se
seleccionan varias opciones, como acabamos de hacer, se sobreentendera que cada opcion se encuentra en el
menu correspondiente a la opcion anterior, salvo la primera opcion que se encuentra en el menu principal. Una
vez elegidas las opciones anteriores aparece la ventana de introduccion de variables (ver Figura 8.11).
Figura 8.11: Pantalla de STATISTIX para la introduccion de nuevas variables.
En el recuadro New Variable Names debemos escribir los nombres de las variables y su tipo, ya que STATISTIX
distingue cuatro clases de datos: numeros reales, numeros enteros, fechas y cadenas de caracteres. Para indicar
los tres ultimos tipos, el nombre de la variable se acompana (entre parentesis) de las letras I, D o Sxx, donde xx
denota un numero que indica la longitud maxima de las cadenas.
El nombre de una variable es una cadena de caracteres con una longitud variable entre uno y nueve caracteres,
debe comenzar con una letra y solo puede estar formado por letras, numeros y el caracter de subrayado. Solamente
hay unas pocas palabras (como CASE, PI, RANDOM, etc.) que no se pueden utilizar como nombres de variables ya
que estan reservadas para otras tareas.
Supongamos que queremos introducir los datos de la siguiente tabla, que corresponde a una muestra de 25 alumnos
procedentes de la poblacion formada por todos los alumnos matriculados en la asignatura Estadstica de una
determinada licenciatura de la Universidad de Murcia.
Fecha de Nacimiento Sexo Opinion Edad Altura Peso Nota

15/02/79 M 2 18 1.62 53.5 3.9
17/09/78 M 3 19 1.64 55.5 4.1
23/05/77 M 1 20 1.63 53.0 4.2
02/01/72 V 1 25 1.78 76.5 3.2
31/10/75 M 0 22 1.62 52.5 1.6
12/09/77 M 1 20 1.65 51.5 2.5
09/11/77 M 1 20 1.64 56.0 1.1
21/12/78 V 4 19 1.74 73.5 8.1
16/06/78 M 3 19 1.63 51.0 5.1
12/07/78 M 2 19 1.61 49.5 2.7
05/08/77 M 1 20 1.64 57.0 1.9
03/04/78 M 3 19 1.62 53.0 7.3
19/02/76 V 2 21 1.75 72.0 2.4
14/05/78 M 3 19 1.66 52.5 4.9
29/06/77 M 2 20 1.63 51.5 1.6
17/09/78 V 4 19 1.70 68.5 5.0
23/03/73 V 2 24 1.72 68.0 2.5
22/10/78 V 3 19 1.74 65.0 6.5
01/09/78 M 1 19 1.66 53.0 1.9
09/07/78 V 3 19 1.71 68.5 5.2
12/10/78 M 3 19 1.65 53.5 6.3
13/11/74 M 2 23 1.66 55.5 1.2
25/04/77 M 2 20 1.64 53.0 3.3
28/07/78 M 3 19 1.60 51.5 1.8
15/11/78 M 2 19 1.61 53.0 4.4
Se ha realizado un experimento consistente en averiguar, de cada uno de los alumnos de la muestra, los siguientes
datos:
Fecha de Nacimiento: Esta en el formato dd/mm/aa (da/mes/ano).

Sexo: M=Mujer, V=Varon.
Opinion: La opinion del alumno respecto de la asignatura esta indicada segun la siguiente equivalencia: 0=Mala,
1=Regular, 2=Normal, 3=Buena, 4=Excelente.
Edad: En anos.
Altura: En metros.
Peso: En kilogramos.
242 MATEM ATICAS
Nota: La nota final de la asignatura es un numero comprendido entre 0 y 10.
En el recuadro New Variable Names podemos declarar mas de una variable, pero hemos de tener presente que
los nombres de las variables deben ir separados entre s por un espacio en blanco. Entonces una forma posible de
declarar las variables anteriores sera la siguiente:
FechaNac(d) Sexo(s1) Opinion(i) Edad(i) Altura Peso Nota
Aparece entonces en la tabla de la pantalla los nombres de nuestras variables situados en la primera fila. Debajo
de cada una de las variables, excepto de las cadenas de caracteres, aparece una letra M mayuscula, indicando que
debemos completar dicha casilla. Para desplazarnos por la tabla de datos podemos utilizar la tecla de entrada
( ) o las flechas: y para desplazarnos por las columnas, y y para hacerlo en la misma fila. Una vez
rellena, tendremos una tabla de datos como en la Figura 8.12.
4.3. Grabacion y lectura de ficheros de datos
Una vez introducidos los datos, estos pueden guardarse en un fichero para poder ser utilizados en cualquier otro
momento. En realidad, los datos deberan guardarse muy a menudo, no solo cuando hayamos terminado de
introducirlos todos (Que pasara si tenemos que introducir 1000 datos y cuando ya hemos introducido 950 se
produce un corte de energa electrica?)
Para grabar los datos se seleccionan las opciones File|Save o File|Save As. Por defecto, el programa nos
ofrece almacenar el fichero en el directorio del programa (usualmente c:\sxw), pero podemos cambiar de direc-
torio y guardarlo donde deseemos. Para distinguir los archivos creados con STATISTIX debemos recordar que
tiene la extension sx. Guardemos los datos anteriores en un archivo con nombre Datos1.sx para poder utilizarlos
en las practicas siguientes.
Para leer unos datos previamente almacenados debemos seleccionar las opciones File|Open. Aparece una ven-
tana en la que hay que seleccionar la unidad, el directorio y el nombre del archivo que queremos leer. Una vez
realizado lo anterior volvemos a tener disponibles los datos (ver Figura 8.12).
Figura 8.12: Pantalla del programa donde aparece la tabla de datos Datos1.
4.4. Edicion y modificacion de los datos
Una vez que tenemos disponibles los datos del archivo Datos1.sx, es posible que detectemos un error, o bien
que deseemos anadir nuevos datos y reorganizarlos. Todas estas operaciones se realizan seleccionando la opcion
Data del menu principal.
Para modificar un dato nos situaremos sobre el con el raton o bien utilizando las teclas , , y . Este quedara
recuadrado y podremos modificarlo. Despues de realizar cualquier modificacion no hay que olvidar volver a
grabar nuestra tabla de datos. Cualquier modificacion de un dato no surge efecto hasta que no es pulsada la tecla
de entrada ( ); en cualquier momento podemos abandonar la edicion de una dato pulsando la tecla de escape
(ESC).
Si queremos anadir una nueva fila de datos (lo que denominamos un nuevo caso) basta con que nos situemos en
la primera fila disponible y comencemos a rellenar las diferentes casillas. Por el contrario, si deseamos borrar una
fila completa de la tabla, o varias filas, podemos proceder de dos formas distintas. La manera rapida de hacerlo es
seleccionar con el raton las filas que deseamos eliminar (que deben ser contiguas) y pulsar la tecla Ctrl+X. La otra
forma de hacerlo es seleccionar las opciones Data|Delete|Cases y nos aparece una ventana (ver Figura 8.13)
solicitandonos los numeros de los casos primero y ultimo que deseamos eliminar (se borraran todos los casos entre
el primero y el ultimo, ambos incluidos). Una vez han sido borrados los casos, se vuelven a renumerar los casos,
de forma que siempre sean consecutivos.
Figura 8.13: Pantalla del programa donde aparecen los casos que deseamos borrar. Debemos recordar que esto
mismo se puede realizar con el uso de teclas calientes; concretamente debemos marcar las filas y
pulsar Ctrl+X.
Que ocurre si nos equivocamos al borrar los casos? Si no hemos guardado el archivo en el disco, podemos
volver a leer el archivo original de datos. Sin embargo, si las modificaciones ya han sido almacenadas entonces
solo podemos insertar nuevos casos (lneas de la tabla) y volver a introducir los datos. Esto se consigue con las
opciones Data|Insert|Cases con lo cual el programa nos solicita que introduzcamos el numero de casos que
queremos insertar y el caso por el que queremos comenzar (ver Figura 8.14).
Figura 8.14: Pantalla del programa que nos permite insertar nuevos casos.
Los datos numericos se pueden introducir de muchas maneras y con diferentes grados de exactitud. Pensemos,
por ejemplo, en la altura. Como estamos considerando el metro como unidad de medida, es posible que aparezcan
datos de la forma 2, 1.8, 1.75 o incluso 1.625. Sin embargo, lo razonable es que todos los datos tengan un
formato comun, por ejemplo 2 decimales. Esto se puede conseguir con las opciones Data|Column Formats
(ver Figura 8.15), que nos permite modificar el formato de las diferentes columnas, tanto numericas como de
244 MATEM ATICAS
caracteres. En el caso de la variable ALTURA lo razonable es seleccionar el formato numerico Decimal con 3
dgitos significativos (Significant Digits).
Figura 8.15: Pantalla del programa que nos permite modificar el formato de las diferentes columnas (tanto
numericas como de caracteres).
Otro problema que se nos puede plantear con los datos es la utilizacion de abreviaturas. Por ejemplo, en la columna
OPINION hemos utilizado 0, 1, 2, 3 y 4 para referirnos a Mala, Regular, Normal, Buena y Excelente; sin
embargo, dentro de varios meses es posible que pensemos que dichos numeros se refieren a otros datos. Por tanto,
sera conveniente poder asignarle a cada valor de la variable su significado; en nuestro caso, 0=Mala, 1=Regular,
2=Normal y as sucesivamente. Para ello debemos seleccionar las opciones Data|Labels|Value Labels y
rellenar los campos que nos ofrece (ver Figura 8.16). Por ejemplo, dentro de Define Label ponemos 4 en
Value y Excelente en Label; para que la asignacion sea efectiva debemos pulsar el boton I , con lo que se
almacena en la columna Value Labels.
Figura 8.16: Pantalla del programa que nos permite asignar etiquetas a los diferentes valores num ericos de una
variable. Esta posibilidad no esta presente para variables de fechas y de caracteres.
4.5. Edicion y modificacion de las variables
Hay ocasiones en que los datos estan correctos pero no nos termina de convencer el nombre que le hemos dado
a las variables. Tambien puede ocurrir que nos haya faltado una variable o, por el contrario, que hayamos intro-
ducido una variable de mas. Para solucionar estos problemas se utilizan las opciones Data|Rename Variables,
Data|Insert|Variables y Data|Delete|Variables (ver Figuras 8.11 y 8.17).
Figura 8.17: Pantallas del programa que permiten renombrar o borrar una variable.
Sin embargo, el nombre de las variables no refleja toda la informacion necesaria. Por ejemplo, el peso no indica
(aunque se sobreentiende) que esta computado en kilogramos y la altura esta, como es facil deducir, en metros.
Puede haber ejemplos en los que no sea tan facil deducirlo; en estos casos, lo conveniente es etiquetar las
variables. Para ello seleccionamos las opciones Data|Labels|Variable Labels y anadimos en metros y en
kilogramos a las variables ALTURA y PESO, respectivamente (ver Figura 8.18).
Figura 8.18: Pantalla del programa que permite etiquetar una variable.
Finalmente, otra modificacion que podemos hacer con las variables es reordenarlas. Para ello seleccionamos las
opciones Data|Reorder Variables y nos aparece una ventana similar a la ventana Delete Variables de la
Figura 8.17. Ahora solo es necesario ir seleccionando las variables en el nuevo orden.
246 MATEM ATICAS
Exponenciacion A^B
Multiplicacion A * B
Division A / B
Suma A + B
Resta A - B
Tabla 8.1: Operaciones aritmeticas que se pueden realizar con STATISTIX.
4.6. Transformacion aritmetica de variables
En la Tabla 8.1 se encuentran recogidas las expresiones aritmeticas que estan permitidas. Debemos tener presente
que las operaciones se evaluan de izquierda a derecha. Todas las expresiones entre parentesis se evaluan antes que
las que estan fuera de los parentesis y ante varios operadores en el mismo nivel, el orden de preferencia (de mayor
a menor) es el que figura en la Tabla 8.1.
Para construir una nueva variable mediante transformaciones de otras ya existentes, debemos seleccionar las op-
ciones Data|Transformations (basta pulsar Ctrl+T) y nos aparece la pantalla de la Figura 8.19. En esta
ventana tenemos tres partes fundamentales: a la izquierda aparece la lista de variables existentes, a la derecha
aparecen las funciones internas, y en el centro esta el lugar destinado a la definicion de la nueva variable.
Figura 8.19: Pantalla del programa que permite definir nuevas variables (o modificar variables ya existentes) me-
diante operaciones.
La expresion de la transformacion debe ser tecleada manualmente y solo podemos hacer uso de las variables y de
las funciones internas para insertarlas en los lugares adecuados (pulsando los correspondientes botones I y J ).
Solo esta permitida una transformacion, aunque esta puede ocupar varias lneas.
Una vez hemos terminado de teclear la expresion, pulsamos en Go. Si STATISTIX encuentra un error en nuestra
expresion nos lo indica convenientemente. Entonces debemos editar nuestra expresion y corregir el error, pulsando
la tecla Go de nuevo.
Supongamos que la variable NUEVAVAR es la variable que queremos crear para que almacene la transformacion.
Si la transformacion consiste en la suma de otras tres variables (por ejemplo, A, B y C) entonces debemos escri-
bir dentro del recuadro Transformation Expression la instruccion NUEVAVAR = A+B+C. Como STATISTIX
admite cuatro tipos de variables, podemos indicar el tipo de NUEVAVAR de la forma usual.
Por ejemplo, con datos1.sx vamos a crear una nueva variable, que llamaremos PesoTip con los pesos tipifica-
dos. La transformacion llamada tipificacion consiste en restar a cada dato la media aritmetica y despues dividir por
la desviacion tpica (o por la cuasidesviacion tpica). Para ello, en el recuadro Transformation Expression
escribimos: PesoTip=( Peso- MEAn( Peso ) )/ SD( Peso ). Cuando la expresion utiliza una variable, se puede es-
cribir su nombre o se puede trasladar dicho nombre desde el recuadro Variables. Analogamente, las expresiones
como MEAn (media aritmetica) o SD (cuasidesviacion tpica) se pueden teclear o se pueden seleccionar haciendo
doble clic sobre la expresion del recuadro Functions.
4.7. Medidas descriptivas de los datos
En primer lugar leemos el archivo que contiene los datos (datos1.sx) utilizando las opciones File|Open. En-
tonces nos aparece la tabla de datos de la Figura 8.20.
Figura 8.20: Pantalla del programa donde aparece la tabla de datos Datos1.
Para poder obtener las medidas descriptivas de una muestra de datos cuantitativos debemos seleccionar las opcio-
nes Statistics|Summary Statistics|Descriptive Statistics. Entonces nos aparece la ventana mos-
trada en la Figura 8.21.
Figura 8.21: Pantalla del programa que permite elegir las variables a las que vamos a calcular sus principales
medidas descriptivas.
248 MATEM ATICAS
En el recuadro Descriptive Variables seleccionamos las variables de las cuales queremos hallar las medidas
descriptivas y en el recuadro Statistics to Report seleccionamos las medidas descriptivas que queremos
calcular. El significado de las medidas descriptivas que aparecen viene dado en la Tabla 8.2.
N Numero total de observaciones (n)

Missing Numero de casos en los que se omite el valor de la variable
P
Sum Suma de todos los datos ( xi )
Mean Media aritmetica (x)
SD Cuasidesviacion tpica (S)
Variance Cuasivarianza (S 2 )

SE Mean S/ n
Conf. int. Intervalo de confianza para la media (no estudiado)
C.V. Coeficiente de variacion modificado (S/|x|)
Median Mediana (Me )
Min/max Mnimo/maximo valor de la variable
Quartiles Cuartiles (Q1 y Q3 )
MAD Mediana de las desviaciones absolutas respecto de la mediana
Biased var. Varianza (s2 )
Skew Coeficiente de asimetra
Kurtosis Coeficiente de curtosis o apuntamiento
Tabla 8.2: Significado de las medidas descriptivas que aparecen en el recuadro Statistics to Report de la
ventana Descriptive Statistics.
Figura 8.22: Pantalla del programa que muestra las medidas descriptivas seleccionadas de las variables elegidas.
Ejercicio. Calcula el numero total de observaciones, la suma de todos los datos, la media aritmetica, la cuasides-
viacion tpica, la cuasivarianza , el coeficiente de variacion modificado, la mediana, los valores maximo
y mnimo, los cuartiles y la varianza de la variable ALTURA. En la Figura 8.23 aparece la solucion.
Una opcion interesante consiste en calcular las medidas descriptivas de un subconjunto de datos de la muestra
original. Esto se consigue seleccionando la variable por la que queremos agrupar los datos, para lo cual debemos
escribir dicha variable en el recuadro Groupin Variable (0pt). En el ejercicio anterior podemos agrupar
segun la variable OPINION y el resultado obtenido (seleccionando las medidas Mean, Median y Biased var.)
aparece en la Figura 8.24.
El programa nos permite calcular cualquier percentil, medida descriptiva que generaliza a la mediana. Para ello
debemos seleccionar las opciones Statistics|Summary Statistics|Percentiles. Posteriormente debe-
Figura 8.23: Pantalla del programa que muestra las medidas descriptivas seleccionadas de la variable ALTURA.
mos indicar, en el recuadro Percentiles Variables, las variables a las cuales vamos a calcular los percentiles
y, en el recuadro Percentiles, aquellos que queremos determinar (ver Figura 8.25).
Ejercicio. Calcula el primer cuartil, el tercer cuartil y el segundo decil de la variable PESO.
4.8. Distribuciones de frecuencias
Con STATISTIX podemos calcular las distribuciones de frecuencias para una variable estadstica discreta o conti-
nua. El programa determina la frecuencia absoluta, el porcentaje (y por tanto la frecuencia relativa), la frecuencia
acumulada absoluta y el porcentaje acumulado (y por tanto la frecuencia relativa acumulada). Para conseguir la
distribucion de frecuencias debemos seleccionar las opciones Statistics|Summary Statistics|Frequency
Distribution y nos aparece una ventana para seleccionar las variables estadsticas de las cuales queremos calcu-
lar sus distribuciones de frecuencias (ver Figura 8.26).
Si queremos agrupar los datos en intervalos de la misma amplitud, en el recuadro Bin Size (Optional) se
especifica el valor mnimo de las observaciones (Low), el valor maximo (High) y la amplitud de los intervalos
(Step). Hay que indicar que los intervalos son cerrados por la izquierda y abiertos por la derecha, salvo el ultimo
que es cerrado por ambos lados. Si el recuadro Bin Size (Optional) se deja en blanco, entonces los datos no
se agruparan en intervalos. En la Figura 8.27 se muestra la distribucion de frecuencias de la variable ALTURA (con
datos sin agrupar en intervalos).
Ejercicio. Determina la distribucion de frecuencias de la variable PESO cuando los datos se agrupan en intervalos
de longitud 5 kilogramos comenzando en el valor 45 kilogramos.
Las posibilidades graficas del programa STATISTIX son muy reducidas: solo permite dibujar histogramas de fre-
cuencias absolutas y polgono de porcentajes acumulados, ya que trata las variables cuantitativas como si fuesen
250 MATEM ATICAS
Figura 8.24: Pantalla del programa que muestra las medidas descriptivas seleccionadas de la variable ALTURA pero
agrupadas segun la variable OPINION.
continuas (aunque sean discretas). Para conseguir las representaciones graficas debemos seleccionar las opcio-
nes Statistics|Summary Statistics|Histogram y nos aparece una ventana para seleccionar la variable
estadstica de la cual queremos representar graficamente su histograma (ver Figura 8.28).
En el recuadro X-Axis (Optional) el usuario puede especificar el valor mnimo (Low), el valor maximo (High)
y la amplitud de los intervalos (Step) que se van a utilizar en el histograma. En el recuadro Graph Type podemos
seleccionar Histogram o Cumulative Distribution, segun queramos dibujar el histograma de frecuencias
absolutas o el polgono de porcentajes acumulados, respectivamente. Finalmente, si queremos que se superponga
la grafica de la curva normal, debemos seleccionar la opcion Display Normal Curve. En la Figura 8.29 se
muestra el histograma de frecuencias absolutas para la variable EDAD.
Ejercicio. Dibuja el histograma de frecuencias absolutas y el polgono de porcentajes acumulados de la variable

ALTURA.
CANDEL, J.; MARIN, A. y RUIZ, J.M. Estadstica aplicada I: Estadstica descriptiva. Barcelona: DMPPU,
1991. Lecciones 1 y 2.
E.8.1. Para obtener informacion acerca del porcentaje de albumina en el suero proteico de personas normales, se
analizaron muestras de 40 personas, entre 2 y 40 anos de edad, con los siguientes resultados:
Figura 8.25: Pantalla del programa que permite seleccionar las variables estadsticas para las que vamos a calcular
determinados percentiles.
Figura 8.26: Pantalla del programa que permite seleccionar las variables para las que vamos a calcular las distri-
buciones de frecuencias.
700 2 620 4 620 8 680 4 650 2 660 3 700 7 720 8 680 7 710 9
640 4 600 4 670 0 620 9 650 9 670 5 660 6 670 8 730 5 630 1
720 3 730 4 700 1 700 0 680 3 650 0 720 1 660 1 650 5 620 0
630 3 720 4 690 4 710 3 700 2 700 4 640 1 690 1 660 4 650 2
a) Agrupar los datos en intervalos de la misma amplitud aplicando la regla de Sturges. Hay que es-
pecificar los extremos de los intervalos, la marca de clase, frecuencia absoluta, frecuencia relativa,
frecuencia acumulada absoluta y frecuencia acumulada relativa. Calcular la media y la desviacion
tpica, directamente y mediante codificacion.
b) Agrupar de nuevo los datos sabiendo que la amplitud de los intervalos es 1.
E.8.2. Los siguientes datos corresponden al nivel de glucosa en sangre de diez ninos:
56 62 63 65 65 65 65 68 70 72
a) Calcular la media, mediana y moda.

b) Calcular la desviacion media e interpretar el resultado.
252 MATEM ATICAS
Figura 8.27: Pantalla del programa que muestra la distribucion de frecuencias de la variable ALTURA.
Figura 8.28: Pantalla del programa que permite seleccionar la variable para la que vamos a representar su histo-
grama.
c) Calcular la desviacion mediana e interpretar el resultado.
E.8.3. En un mismo examen de una asignatura, pasado a dos clases de 40 alumnos, se han registrado las siguientes
calificaciones:
2 3 7 5 4 6 7 5 6 7
clase 8 4 3 7 5 6 9 5 7 2
A 7 4 8 5 6 5 7 8 5 3
6 5 8 4 2 5 4 5 6 7
2 5 3 4 7 9 5 2 7 4
clase 8 3 5 8 7 9 3 2 4 1
B 10 9 4 8 6 9 3 3 7 1
2 8 6 7 3 6 9 7 4 8
Realizar un estudio estadstico de las calificaciones en cada clase y decir que conclusiones pueden sacarse
de dicho estudio. Son ambas clases muy similares por lo que respecta a la variable calificacion, o por el
contrario son muy diferentes?
Histogram
15
10
Frequency
0
18 19 20 21 22 23 24 25
EDAD
Figura 8.29: Pantalla del programa que muestra el histograma de frecuencias de la variable EDAD.
E.8.4. Los siguientes datos corresponden a los precios (en cientos de pesetas) de una coleccion de 30 libros.
27 40 12 3 30 16 20 21 30 12
45 18 25 22 35 24 37 12 21 7
35 17 21 27 14 15 25 45 12 24
a) Agrupar los datos en intervalos de la misma amplitud (mediante la regla de Sturges) y clasificarlos
en una nueva tabla que contenga la marca de clase, la frecuencia absoluta, la frecuencia relativa y la
frecuencia acumulada. Dibujar el histograma de frecuencias absolutas.
b) Calcular el septimo decil. Compararlo con el valor que resultara si lo hallasemos a partir de los datos
agrupados en intervalos.
c) Calcular un coeficiente de asimetra e interpretarlo.
E.8.5. El numero de veces que fueron consultados 30 artculos de investigacion archivados en una hemeroteca
(durante el ano pasado) viene dado por la siguiente tabla.
18 25 20 24 19 23 21 22 20 22
23 19 21 24 21 22 20 21 22 21
20 24 21 19 23 21 22 23 22 23
a) Calcular la mediana y la mediana de las desviaciones respecto de la mediana. Deducir si los datos
estan cerca de la mediana.
b) Calcular la media y la desviacion tpica. Deducir si los datos estan cerca de la media.
E.8.6. a) Agrupar los datos del ejercicio anterior en intervalos de la misma amplitud y clasificarlos en una
nueva tabla en la que aparezca la marca de clase, la frecuencia absoluta y la frecuencia acumulada.
b) A partir de la agrupacion en intervalos anterior, calcular de nuevo la media y la mediana. Comparar
estos dos nuevos valores con los resultados obtenidos en el ejercicio anterior (datos no agrupados en
intervalos).
E.8.7. El numero de personas que visitan diariamente un centro de informacion fue observado durante 74 das
elegidos al azar, y los resultados fueron:
254 MATEM ATICAS
no de personas 47 59 62 64 71 76 78 80
no de das 4 6 10 17 16 10 7 4
a) Hacer el grafico de frecuencias acumuladas absolutas.

b) Hallar la moda, la mediana y el recorrido intercuartlico. Estan los datos cerca de la mediana?
c) Calcular el coeficiente de curtosis e interpretar el resultado.
E.8.8. Las personas que aprobaron una determinada oposicion tienen la siguiente distribucion por edades:
edad [20,25] (25,30] (30,35] (35,40] (40,50] (50,60]

frecuencia 41 123 44 13 7 3
a) Calcular la edad media. Es representativa de todos los datos?

b) Calcular la mediana. Es representativa de todos los datos?
c) Hacer el polgono de frecuencias acumuladas absolutas.
ANOTACIONES
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
....................................................................................................
CAPITULO 9
ESTADISTICA DESCRIPTIVA BIDIMENSIONAL
a) Cuando sobre cada individuo se observan simultaneamente dos caractersticas cuantitativas como se orga-
nizan y representan graficamente esos datos bidimensionales?
b) Como se puede saber si dos variables estadsticas estan relacionadas de forma lineal, exponencial, potencial
o parabolica?
c) Se puede predecir el valor de una variable sabiendo el valor de otra variable que esta relacionada con ella
de forma lineal, exponencial, potencial o parabolica?
2.1. Tabulacion de los datos
Cuando sobre cada individuo de una poblacion se observan simultaneamente dos caractersticas cuantitativas, que
unidimensionalmente podramos representar separadamente por las variables X e Y , entonces se dice que se esta
observando una variable estadstica bidimensional y se representa por (X, Y ).
El conjunto de valores bidimensionales de la variable junto con sus frecuencias asociadas dara lugar a la corres-
pondiente distribucion bidimensional de frecuencias.
En el caso de variables bidimensionales podemos distinguir dos tipos principales de tablas:
a) Tabulacion en dos columnas (o en dos filas)
Si el numero de datos bidimensionales es pequeno, los datos se disponen en dos columnas (o en dos filas)
sobre las que se emparejan los correspondientes valores unidimensionales de una misma realizacion de la
variable bidimensional, como se expresa en la tabla siguiente:
variable X variable Y
x1 y1
x2 y2
.. ..
. .
xn yn
ESTAD ISTICA DESCRIPTIVA BIDIMENSIONAL 257
X Y B1 B2 Bj Bk suma
A1 f11 f12 f1j f1k f1
A2 f21 f22 f2j f2k f2
.. .. .. .. .. ..
. . . . . .
Ai fi1 fi2 fij fik fi
.. .. .. .. .. ..
. . . . . .
Ar fr1 fr2 frj frk fr
suma f1 f2 fj fk n
Tabla 9.1: Tabla de doble entrada o de contingencia
b) Tabla de doble entrada o de contingencia
Si el numero de observaciones bidimensionales es grande, clasificamos los n individuos de la muestra en

r clases (A1 , . . . , Ar ) respecto de la variable X, y en k clases (B1 , . . . , Bk ) respecto de la variable Y .
Entonces los datos suelen organizarse en una tabla como la Tabla 9.1, que se denomina tabla de doble
entrada o de contingencia.
En la Tabla 9.1, fij es el numero de individuos que pertenecen a la clase Ai de la variable X y a la clase Bj
de la variable Y y se llama frecuencia absoluta conjunta de la clase Ai Bj de la variable bidimensional
(X, Y ).
La frecuencia relativa conjunta de la clase bidimensional Ai Bj es igual a:
fij
hij = . (9.1)
n
2.2. Distribuciones marginales y condicionadas. Independencia de variables
Supongamos que tenemos los datos bidimensionales organizados en una tabla de doble entrada como la Tabla 9.1.
La suma de las frecuencias absolutas conjuntas de la fila iesima, fi , es igual al numero de individuos en la clase
Ai de la variable X, independientemente del valor de Y , y se llama frecuencia absoluta marginal de la clase Ai
de la variable X:
fi = fi1 + fi2 + + fik .
La frecuencia relativa marginal de la clase unidimensional Ai es igual a:

fi
hi = . (9.2)
n
Analogamente, la suma de las frecuencias absolutas conjuntas de la columna jesima, fj , es igual al numero
de individuos en la categora Bj de la variable Y , y se llama frecuencia absoluta marginal de la clase Bj de la
variable Y :
fj = f1j + f2j + + frj .
La frecuencia relativa marginal de la clase unidimensional Bj es igual a:
fj
hj = . (9.3)
n
258 MATEM ATICAS
Si de la Tabla 9.1 consideramos la primera y la ultima columna obtenemos la distribucion marginal de frecuencias
absolutas de la variable X:
X fi
A1 f1
.. ..
. .
Ai fi
.. ..
. .
Ar fr
suma n
Analogamente, si consideramos la primera y la ultima fila de la Tabla 9.1, obtenemos la distribucion marginal de
frecuencias absolutas de la variable Y :
Y fj
B1 f1
.. ..
. .
Bj fj
.. ..
. .
Bk fk
suma n
Denotaremos por X/yj a la variable X condicionada a que Y tome el valor yj . La distribucion de frecuencias
absolutas condicionadas de X/yj se obtiene de la Tabla 9.1 considerando la primera columna y la columna de la
clase Bj ; es decir:
X/yj fij
A1 f1j
.. ..
. .
Ai fij
.. ..
. .
Ar frj
suma fj
Por tanto, la frecuencia relativa de X Ai condicionada a que Y tome el valor yj es:
fij
hi/j = . (9.4)
fj
Analogamente, denotaremos por Y /xi a la variable Y condicionada a que X tome el valor xi . La distribucion de
frecuencias absolutas condicionadas de Y /xi se obtiene de la Tabla 9.1 considerando la primera fila y la fila de la
clase Ai ; es decir:
Y /xi fij
B1 fi1
.. ..
. .
Bj fij
.. ..
. .
Bk fik
suma fi
En consecuencia, la frecuencia relativa de Y Bj condicionada a que X tome el valor xi es:
fij
hj/i = . (9.5)
fi
Teniendo en cuenta las formulas 9.4 y 9.5 se obtiene:
fij = hi/j fj = hj/i fi .
Dividiendo por n tenemos:

fij fj fi
= hi/j = hj/i .
n n n
Y teniendo en cuenta 9.1, 9.2 y 9.3 se tiene:
hij = hi/j hj = hj/i hi .
La variable X es independiente de la variable Y si las distribuciones de frecuencias relativas de X condicionada

a cualquier valor de Y son todas identicas; es decir, no dependen del valor que tome la variable condicionante Y ;
es decir:
hi/1 = hi/2 = = hi/k i ,
lo que es equivalente a:
fi1 fi2 fij fik
= = = = = i ,
f1 f2 fj fk
y por tanto:
fij fi1 + fi2 + + fij + + fik
= i, j ,
fj f1 + f2 + + fj + + fk
lo que tambien se puede escribir como:

fij fi
= i, j .
fj n
En consecuencia, la definicion de independencia entre las variables X e Y es equivalente a la siguiente propiedad:
fi fj
fij = i, j ,
n
o su equivalente:
hij = hi hj , i, j ,
es decir, las frecuencias relativas conjuntas son iguales al producto de las correspondientes frecuencias relativas
marginales.
260 MATEM ATICAS
Los metodos para determinar la existencia y el grado de relacion entre dos variables cuantitativas deben ser capaces
tambien de discriminar entre los tipos generales de relacion que hay:
a) Se dice que dos variables cuantitativas X e Y mantienen una relacion directa cuando los valores altos en
Y tienden a emparejarse con valores altos en X, los valores intermedios en Y tienden a emparejarse con
valores intermedios en X, y los valores bajos en Y tienden a emparejarse con valores bajos en X.
b) Se dice que dos variables cuantitativas X e Y mantienen una relacion inversa cuando los valores altos en
Y tienden a emparejarse con valores bajos en X, los valores intermedios en Y tienden a emparejarse con
valores intermedios en X, y los valores bajos en Y tienden a emparejarse con valores altos en X.
c) Se dice que no hay relacion entre dos variables cuantitativas cuando no existe un emparejamiento sistematico
entre ellas en funcion de sus valores.
En una buena representacion grafica conjunta de dos variables estadsticas cuantitativas debe apreciarse facilmente
si existe relacion entre las variables y de que tipo es. Una representacion grafica que cumple esta condicion es el
diagrama de dispersion, que tambien se puede llamar nube de puntos.
Si los datos no estan agrupados en intervalos (como en la tabla siguiente), entonces el diagrama de dispersion se
hace como se muestra en la Figura 9.1.
xi 61 118 57 123 125 122 122 85 85 85 83 78 76 76 73 70 97 107

yi 15 28 15 30 31 30 30 23 22 22 23 23 23 21 21 21 25 29
35
30
25
20
15
10
0 X
60 70 80 90 100 110 120 130
Figura 9.1: Diagrama de dispersion para datos no agrupados en intervalos
Si los datos estan agrupados en intervalos (como en la tabla siguiente), entonces el diagrama de dispersion se
hace como se muestra en la Figura 9.2.
X Y (0,10] (10,20] (20,30] (30,40] (40,50] suma

(25,75] 13 3 16
(75,125] 4 9 5 1 19
(125,175] 11 16 4 31
(175,225] 2 11 9 22
(225,275] 1 5 3 1 10
(275,325] 1 5 6
suma 17 26 38 22 1 104
50
40
30
20
10
0 X
25 75 125 175 225 275 325
Figura 9.2: Diagrama de dispersion para datos agrupados en intervalos
2.4. Covarianza
A partir de las distribuciones marginales de X y de Y se pueden calcular las medidas descriptivas de las variables
X eY.
De entre las medidas descriptivas bidimensionales, la mas utilizada es la Covarianza entre X e Y que se calcula
de la siguiente forma:
1) Si los datos se tabulan en dos columnas (o dos filas), la covarianza entre X e Y es:
X
n X
n
(xi x)(yi y) xi yi
i=1 i=1
sxy = = xy.
n n
2) Si los datos se organizan en una tabla de doble entrada como la Tabla 9.1, la covarianza entre X e Y es:
X
r X
k X
r X
k
(xi x)(yj y)fij xi yj fij
i=1 j=1 i=1 j=1
sxy = = x y,
n n
donde xi es la marca de clase de la clase Ai , yj es la marca de clase de la clase Bj y fij es la frecuencia
absoluta conjunta de la clase bidimensional Ai Bj .
Si en lugar de dividir por n dividimos por (n 1) tenemos la la Cuasicovarianza o Covarianza modificada o

corregida entre X e Y ; cuya definicion, por tanto, es la siguiente:
1) Si los datos se tabulan en dos columnas (o dos filas), la cuasicovarianza entre X e Y es:
X
n
(xi x)(yi y)
i=1
Sxy = .
n1
262 MATEM ATICAS
2) Si los datos se organizan en una tabla de doble entrada como la Tabla 9.1, la cuasicovarianza entre X e Y
es:
Xr X k
(xi x)(yj y)fij
i=1 j=1
Sxy = ,
n1
donde xi es la marca de clase de la clase Ai , yj es la marca de clase de la clase Bj y fij es la frecuencia
absoluta conjunta de la clase bidimensional Ai Bj .
En consecuencia, la covarianza y la cuasicovarianza estan relacionadas de la siguiente forma:

(n 1)Sxy = nsxy .
Por tanto, se puede calcular una de ellas a partir de la otra.
La covarianza (y, por tanto, la cuasicovarianza) es capaz de discriminar entre los dos tipos de relacion lineal pues:
a) si sxy > 0 entonces hay relacion lineal directa entre X e Y ,

b) si sxy < 0 entonces hay relacion lineal inversa entre X e Y , y
c) si sxy = 0 entonces no hay relacion lineal entre X e Y .
2.5. Regresion y correlacion. Coeficiente de determinacion
La regresion consiste en sustituir la nube de puntos correspondiente a una distribucion bidimensional por la funcion
matematica que mejor se ajuste a la nube de puntos. La correlacion estima la fuerza con que las variables estan
relacionadas.
La curva de regresion es la curva ideal hacia la que tienden los puntos del diagrama de dispersion.
El ajuste por el metodo de mnimos cuadrados consiste en lo siguiente:
Si tenemos una nube de puntos {(xi , yi ), i = 1, 2, . . . , n} y queremos ajustarle una curva cualquiera y =
f (x, a, b, . . .) con parametros a, b, . . ., la determinacion de estos se hace minimizando la siguiente expresion:
X
n
D= [yi f (xi , a, b, . . .)]2
i=1
Para saber si la curva y = f (x, a, b, . . .) se ajusta a los puntos {(xi , yi ), i = 1, 2, . . . , n} calculamos el coeficiente
de determinacion:
X n
[yi f (xi )]2
R2 = 1 i=1
.
Xn
2
(yi y)
i=1
Este coeficiente verifica:
1) 0 6 R2 6 1.
2) Si R2 = 1, entonces el ajuste es perfecto.
3) Si R2 = 0, entonces la funcion y = f (x) no se ajusta en absoluto a los puntos.
4) Cuanto mas se aproxime R2 a 1, mejor es el ajuste.
2.6. Regresion y correlacion lineal
2.6.1. Coeficiente de correlacion lineal de Pearson
La covarianza carece de unos valores maximo y mnimo estables, comunes a todos los casos, que permitan su
interpretacion directa. La solucion a este problema consiste en dividir la covarianza por el producto de las desvia-
ciones tpicas marginales. Este ndice se conoce con el nombre de coeficiente de correlacion lineal de Pearson, y
se denota por la letra r; o sea:
sxy
r= , (9.6)
sx sy
donde sx es la desviacion tpica de la variable X y sy es la desviacion tpica de la variable Y .
Si la tabulacion de los datos se ha hecho en dos columnas, entonces una formula alternativa equivalente a la
expresion 9.6 es la siguiente:
! n !
Xn Xn X
n xi yi xi yi
r=v i=1
!2 v
i=1 i=1
!2 .
u n u n
u X X
n u X X
n
tn x2i xi tn yi2 yi
i=1 i=1 i=1 i=1
La razon principal por la que la covarianza no puede considerarse un ndice de dependencia lineal entre dos
variables es la dificultad de su valoracion dado que carece de un maximo y un mnimo estables. Pero el coeficiente
de correlacion lineal no tiene esa dificultad ya que este ndice no puede valer mas de 1 ni menos de 1, es decir:
1 6 r 6 1 .
Ademas, la interpretacion descriptiva de r es la siguiente:
a) Si r = 1 entonces existe una dependencia lineal directa exacta entre las variables X e Y . Los puntos del
diagrama de dispersion estan sobre una lnea recta de pendiente positiva.
b) Si r = 1 entonces existe dependencia lineal inversa exacta entre X e Y . Los puntos del diagrama de
dispersion estan sobre una lnea recta de pendiente negativa.
c) Si r = 0 entonces no existe dependencia lineal entre X e Y .
d) Cuanto mas se aproxime r a 1 o a 1, mas dependencia lineal existe entre X e Y . Cuando esto ocurra, el
diagrama de dispersion se aproxima a una lnea recta.
e) Cuanto mas se aproxime r a 0, mas independencia lineal existe entre X e Y . Cuando esto ocurra, el
diagrama de dispersion no se aproxima a una recta.
f) Si r es positivo, entonces al aumentar el valor de la variable X, aumenta el valor de la variable Y .
g) Si r es negativo, entonces al aumentar el valor de la variable X, disminuye el valor de la variable Y .
2.6.2. Recta de regresion mnimo cuadratica
La recta de regresion mnimo cuadratica de Y sobre X es la recta Y = A + BX que mejor se ajusta (por el
metodo de mnimos cuadrados) a los puntos del diagrama de dispersion {(xi , yi ), i = 1, 2, . . . , n}. Esta recta nos
permitira predecir Y a partir de los valores de X.
264 MATEM ATICAS
Tenemos que minimizar la expresion:

X
n
D(A, B) = [yi (A + Bxi )]2 . (9.7)
i=1
Igualando a cero las derivadas parciales de D respecto de A y de B obtenemos las siguientes ecuaciones normales:
P P
y = B xi + nA
P i P P
xi yi = B x2i + A xi
Si los datos estan tabulados en dos columnas, las formulas de los coeficientes A y B que hacen mnima la expresion
9.7 son las siguientes:
! n !
X n Xn X
n xi yi xi yi
i=1 i=1 i=1
B = !2 ,
X
n X
n
n x2i xi
i=1 i=1
A = y Bx.
Estas formulas son equivalentes a las siguientes:
sxy sy
B = =r ,
s2x sx
A = y Bx.
Estas ultimas formulas se pueden aplicar tanto si los datos estan organizados en una tabla de dos columnas como
si lo estan en una tabla de doble entrada.
Analogamente, la ecuacion de la recta de regresion mnimo cuadratica de X sobre Y es:

sxy sx
X = A + B Y, donde B = 2 = r , A = x B y .
sy sy
2.6.3. Coeficiente de determinacion y coeficiente de correlacion lineal. Prediccion
En el caso del ajuste lineal (ajuste a una recta), el coeficiente de determinacion es igual a:
s2xy
R2 = .
s2x s2y
Por tanto, (solo en el caso del ajuste lineal) se cumple que el coeficiente de determinacion es igual al cuadrado del
coeficiente de correlacion lineal (R2 = r 2 ).
Si el coeficiente de correlacion lineal esta proximo a 1 o a 1 sabemos que existe bastante relacion lineal entre las
variables X e Y y por tanto los puntos del diagrama de dispersion estan proximos a la recta de regresion mnimo
cuadratica. En este caso, a partir de la ecuacion de la recta de regresion de Y sobre X se puede calcular, de forma
aproximada, el valor de la variable Y cuando se conoce el valor de la variable X. Esta aproximacion se conoce
tambien por el nombre de estimacion, prediccion o pronostico. Similarmente, a partir de la ecuacion de la recta
de regresion de X sobre Y se pueden predecir los valores de la variable X cuando se conocen los valores de la
variable Y .
Si el coeficiente de correlacion lineal no esta proximo a 1 o a 1, las ecuaciones de las rectas de regresion no nos
sirven para predecir los valores de una de las variables cuando se conocen los valores de la otra, pues los puntos
del diagrama de dispersion no estan proximos a la recta de regresion mnimo cuadratica.
2.7. Regresion exponencial
Ajuste a la curva Y = AeBX por el metodo de mnimos cuadrados.
Tomando logaritmos neperianos: ln Y = ln A + BX.
Se hace el cambio: Y 0 = ln Y , A0 = ln A. Entonces Y 0 = A0 + BX, con lo que se reduce a un ajuste lineal entre
las variables Y 0 y X (se pueden utilizar las ecuaciones normales). La bondad del ajuste nos lo da el coeficiente de
determinacion, que coincide con el cuadrado del coeficiente de correlacion lineal entre Y 0 y X.
2.8. Regresion potencial
Ajuste a la curva Y = AX B por el metodo de mnimos cuadrados.
Tomando logaritmos decimales: log Y = log A + B log X.
Se hace el cambio: Y 0 = log Y , A0 = log A , X 0 = log X. Entonces Y 0 = A0 + BX 0 , con lo que se reduce

a un ajuste lineal entre Y 0 y X 0 (se pueden utilizar las ecuaciones normales). La bondad del ajuste nos lo da el
coeficiente de determinacion, que coincide con el cuadrado del coeficiente de correlacion lineal entre Y 0 y X 0 .
2.9. Regresion parabolica
Ajuste a la curva Y = A + BX + CX 2 por el metodo de mnimos cuadrados.

P
Minimizar D(A, B, C) = [yi (A + Bxi + Cx2i )]2 .
Simplificando se obtiene:
P P P
P yi = An + B xi + C x2i
P P 2 P
xi yi = A xi + B xi + C x3i
P P P P
x2i yi = A x2i + B x3i + C x4i
La bondad del ajuste a la curva Y = A + BX + CX 2 nos lo da el coeficiente de determinacion:

P
2 [yi (A + Bxi + Cx2i )]2
R =1 P .
(yi y)2
A.9.1. Se esta estudiando la relacion existente entre los anos de estudios realizados por los padres (X) y los anos
de estudios realizados por los hijos (Y ). En una muestra de tamano 7 se obtienen los siguientes resultados:
266 MATEM ATICAS
xi yi
12 12
10 8
6 6
16 11
8 10
9 8
12 11
Dibujar el diagrama de dispersion o nube de puntos. Hallar la covarianza, sxy , entre las dos variables. Hallar
el coeficiente de correlacion lineal r. Hallar la ecuacion de la recta de regresion mnimo cuadratica de Y
sobre X. Predecir el numero de anos de estudio de un hijo cuyo padre ha estudiado 14 anos. Decir si esta
prediccion es fiable. Hallar la ecuacion de la recta de regresion mnimo cuadratica de X sobre Y . Predecir
el numero de anos de estudio de un padre cuyo hijo ha estudiado 15 anos.
A.9.2. Determinar el grado de dependencia existente entre los anos de estudio completados (X) y las faltas de
ortografa cometidas en un dictado (Y ) tal y como se encontro en la siguiente muestra de 10 entrevistados.
xi 10 3 12 11 6 8 14 9 10 2
yi 1 7 2 3 5 4 1 2 3 10
Cuantas faltas ortograficas tendra un entrevistado que hubiese completado 13 anos de estudio? Es fiable
esta prediccion?
A.9.3. Una factora de una cierta marca de refrescos ha tomado al azar 18 semanas de un ano, observando la
temperatura media, en grados centgrados (X) correspondiente a cada una de ellas y la cantidad de refrescos
pedidos durante cada uno de dichos perodos, en miles (Y ). La informacion obtenida es la siguiente:
xi 10 28 12 31 30 19 24 5 9 15
yi 21 65 19 72 75 39 67 11 12 24
Dibujar el diagrama de dispersion. Hallar el coeficiente de correlacion lineal r. Predecir la temperatura

media de un semana en la que se hubiesen pedido 50.000 refrescos. Decir si esta prediccion es fiable.
Predecir el numero de refrescos pedidos en una semana en la que la temperatura media fuese de 20 grados
centgrados.
A.9.4. Se esta estudiando la relacion existente entre la edad de los hombres (X) y de las mujeres (Y ) a la hora de
contraer matrimonio. Se recogen los datos del ano 1971 en la tabla siguiente:
X Y [10,20] (20,25] (25,30] (30,35] (35,40] (40,50] (50,60] (60,80]

[10,20] 4.187 16.272 7.401 864 175 127 5
(20,25] 1.125 55.505 69.151 8.138 1.358 354 26 2
(25,30] 134 8.731 37.480 11.668 2.715 779 64 10
(30,35] 16 485 2.845 4.142 2.602 1.153 120 21
(35,40] 3 104 517 1.110 1.886 1.871 266 57
(40,50] 5 31 142 327 730 2.265 1.176 410
(50,60] 4 12 32 56 314 867 792
(60,80] 1 2 6 33 151 828
Existe una dependencia lineal fuerte entre la edad de los hombres y la edad de las mujeres a la hora de
contraer matrimonio? Hacer una prediccion de la edad de la esposa cuyo esposo tiene 25 anos. Es fiable
esta prediccion? Hacer el diagrama de dispersion.
A.9.5. El precio, en pesetas, (X) y el numero de paginas (Y ) de los libros contenidos en un catalogo vienen dados
por:
xi yi xi yi xi yi xi yi
19.950 496 27.500 392 21.000 240 12.000 342
9.950 208 12.500 200 15.000 278 21.000 340
17.500 300 25.000 280 27.500 420 17.000 207
15.000 448 8.000 120 10.500 128 35.000 440
12.000 200 5.950 220 9.950 249 7.500 88
30.000 288 9.950 200 35.000 392 21.000 351
32.500 324 32.500 468 20.000 400 25.000 292
35.000 525 24.000 539 27.500 300 37.250 464
37.500 384 30.000 400 15.000 240 24.000 344
25.000 250 30.000 320 16.000 230 12.500 130
18.000 200 35.000 736 12.000 144 22.500 382
15.000 224 22.000 516 38.000 336 25.000 403
30.000 384 37.500 700 37.750 550 20.000 249
25.000 256 20.000 400 30.000 478 18.000 182
17.500 215 30.000 656 17.250 437 38.500 458
17.000 278 9.500 191 9.950 288 3.500 63
20.000 376 19.500 464 18.500 496 30.000 400
22.500 421 20.500 348 18.000 236 21.500 278
32.500 450 30.000 352 12.000 143 27.500 508
30.000 243 32.500 598 17.000 284 16.000 256
12.000 202 27.500 392 28.000 520 30.500 368
15.000 251 24.000 472 38.500 758 15.000 275
21.000 320 36.500 591 25.000 413 12.500 112
35.000 460 14.500 282 27.500 394 38.000 458
12.000 342 21.000 340 17.000 207 7.500 83
Agrupar los datos de ambas variables en intervalos de clase. Determinar la distribucion bidimensional de
frecuencias, as como las distribuciones marginales de X y de Y . Hallar el coeficiente de correlacion lineal.
Predecir el precio de un libro que tuviera 205 paginas. Decir si esta prediccion es fiable.
A.9.6. Las calificaciones obtenidas por un grupo de alumnos en Biologa y Fsica son:
Biologa 3 4 6 7 5 8 7 3 5 4 8 5 5 8 8 8 5
Fsica 5 5 8 7 7 9 10 4 7 4 10 5 7 9 10 5 7
a) Escribir la tabla de doble entrada de frecuencias absolutas.

b) Hallar las distribuciones marginales, as como la media y la varianza de dichas distribuciones unidi-
mensionales.
c) Existe relacion lineal entre las calificaciones de Biologa y Fsica?
A.9.7. Se han tomado cinco muestras de glucogeno, de una cantidad fija cada una. Se les ha aplicado una can-
tidad X de glucogensa (en milimoles/litro) anotando en cada caso la velocidad de reaccion Y , medida en
micromoles/minuto, obteniendose los siguientes datos:
X 1 2 3 02 05
Y 18 35 60 8 10
a) Se puede deducir que la velocidad de reaccion aumenta con la concentracion de glucogensa? Justifi-
car la respuesta.
b) Si a una de las muestras le hubiesemos aplicado una concentracion de glucogensa de 20 5 milimo-
les/litro cual hubiese sido la velocidad de reaccion? Con que grado de prediccion?
A.9.8. Un psicologo afirma en base a los datos obtenidos, que a medida que un nino crece, menor es el numero
de respuestas inadecuadas que da. Los datos son:
268 MATEM ATICAS
X 2 3 4 4 5 5 6 7 7 9 9 10 11 11 12
Y 11 12 10 13 11 9 10 7 12 8 7 3 6 5 5
donde X representa la edad en anos, e Y representa el numero de respuestas inadecuadas.

a) Determinar la validez de esta conclusion.
b) Si Alberto, de diez anos y medio, participa en el experimento cual sera el numero de respuestas
inadecuadas que dara?
A.9.9. Dada una variable bidimensional (X, Y ), cuya tabla de frecuencias relativas es:
X Y 4 7 10 13 16 17
0 0
1 0 03 0 04 00 03 0 0 0
2 0 00 07 00 09 00 04 0 0
3 0 0 00 04 00 12 00 04 0
4 0 0 00 04 00 12 00 04 0
5 0 00 07 00 09 00 04 0 0
6 00 03 00 04 00 03 0 0 0
Calcular:
a) Distribuciones marginales de frecuencias absolutas.
b) Medias y varianzas marginales.
c) Recta de regresion de Y sobre X.
d) Coeficiente de correlacion lineal.
A.9.10. Los datos de la tabla siguiente representan el resultado de un experimento consistente en exponer bacte-
rias, en perodos de 1 a 15 intervalos de 6 minutos, a la radiacion de rayos X a 200 kilovoltios y contabilizar
el numero de bacterias supervivientes. (X representa el numero de intervalos de 6 minutos, e Y representa
los cientos de bacterias supervivientes).
X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Y 355 211 197 166 142 106 104 60 56 38 36 32 21 19 15
Ajustar a los datos una curva exponencial; representar graficamente el resultado y comprobar la bondad del
ajuste.
A.9.11. Los datos de la tabla siguiente son el resultado de un estudio del efecto de la temperatura de cristalizacion
primaria (medida en grados centgrados) de una solucion, xi , sobre el contenido en fosforo (medido en
gramos por litro), yi .
xi yi
25 100 9
20 90 3
15 80 2
12 70 5
9 60 2
6 50 8
3 40 2
0 30 9
3 20 8
6 20 0
a) Representar graficamente la nube de puntos. Determinar el modelo de curva adecuado para representar
la relacion entre las variables y encontrar, por el metodo de mnimos cuadrados, los parametros de la
curva.
b) El ajuste anterior es bueno?
A.9.12. Los datos de la tabla siguiente pertenecen a la medida de la temperatura (X) y la presion (Y ) en diferentes
lugares del Himalaya.
xi yi xi yi xi yi
290 211 2100 8 200 480 1930 4 160 959 1840 1
280 559 2100 2 200 212 1930 6 160 881 1840 6
270 972 2080 4 190 758 1910 4 160 817 1840 1
240 697 2020 5 190 490 1910 1 160 385 1830 2
230 726 2000 6 190 386 1900 6 160 235 1820 4
230 369 2000 1 180 869 1890 5 160 106 1810 9
230 030 1990 5 180 356 1880 8 150 928 1810 9
210 892 1970 0 180 507 1880 5 150 919 1810 0
210 928 1960 4 170 267 1850 7 150 376 1800 6
210 654 1960 3 170 221 1860 0
210 605 1950 6 170 062 1850 6
Explicar la presion en funcion de la temperatura mediante una parabola (por el metodo de mnimos cuadra-
dos).
4.1. Diagrama de dispersion
Para una variable estadstica bidimensional, el grafico mas utilizado es el diagrama de dispersion. El progra-
ma dibuja estos diagramas si seleccionamos las opciones Statistics|Summary Statistics|Scatter Plot.
Entonces nos aparece una ventana como en la Figura 9.3 donde debemos seleccionar las variables implicadas
(X-Axis Variable e Y-Axis variable). Si deseamos agrupar los datos en intervalos (de una variable o de las
dos) entonces debemos rellenar los recuadros X-Axis (Optional) o Y-Axis (Optional), segun la variable
que queramos agrupar.
Ejercicio. Dibuja el diagrama de dispersion de la variable estadstica bidimensional (PESO,ALTURA).
4.2. Covarianza y coeficiente de correlacion lineal
Para una variable bidimensional es interesante hallar la matriz de varianzas y covarianzas corregidas. Dicha matriz
es la siguiente: 2
Sx Sxy
,
Sxy Sy2
donde Sx2 denota la cuasivarianza de X, Sy2 indica la cuasivarianza de Y , y Sxy representa la cuasicovarian-
za entre X e Y . La matriz de varianzas y covarianzas corregidas se puede obtener seleccionando las opciones
Statistics|Linear Models|Variance-Covariance. Entonces aparece una ventana (ver Figura 9.4) en la
que debemos seleccionar las variables estadsticas de las cuales queremos calcular su matriz de covarianzas corre-
gidas (en el recuadro Var-Covar Variables).
270 MATEM ATICAS
Figura 9.3: Pantalla del programa que permite seleccionar las variables para las que vamos a dibujar el diagrama
de dispersion.
Figura 9.4: Pantalla del programa que permite seleccionar las variables para las que vamos a calcular la matriz de
covarianzas.
Ejercicio. Calcula la matriz de varianzas y covarianzas corregidas de la variable bidimensional (PESO, ALTURA).
Para calcular el coeficiente de correlacion lineal de Pearson entre dos variables estadsticas debemos seleccionar
las opciones Statistics|Linear Models|Correlations (Pearson) y nos aparece una ventana como en la
Figura 9.5. Tras pulsar el boton OK surge la ventana de resultados, con los coeficientes de correlacion lineal entre
todas las variables seleccionadas. En nuestro ejemplo (ver Figura 9.6) el coeficiente entre las variables PESO y
ALTURA es de 00 9384, lo que significa que existe una dependencia lineal fuerte.
Ejercicio. Determina el coeficiente de correlacion lineal de Pearson entre las variables ALTURA y PESO.
Figura 9.5: Pantalla del programa que permite calcular el coeficiente de correlacion lineal de Pearson.
Figura 9.6: Pantalla con los resultados para la correlacion entre el PESO y la ALTURA.
4.3. Recta de regresion. Prediccion
La recta de regresion permite estimar el valor de una variable estadstica conocido el valor de otra variable, siem-
pre que entre las dos variables estadsticas exista dependencia lineal. Cuanto mayor sea esta dependencia lineal,
mejor sera la aproximacion que nos da la recta de regresion. Para calcular la ecuacion de la recta de regre-
sion mnimo cuadratica debemos seleccionar las opciones Statistics|Linear Models|Linear Regression
y nos aparece una ventana como en la Figura 9.7. En el recuadro Dependent Variable debemos poner la varia-
ble dependiente (la que esta representada en el eje vertical) y en el recuadro Independent Variables la variable
independiente (la que esta representada en el eje horizontal).
Por ejemplo, si en la variable dependiente ponemos ALTURA y en la variable independiente colocamos EDAD,
entonces se supone que queremos predecir la altura de un individuo conociendo su edad. La ventana de resultados
se muestra en la Figura 9.8. En dicha figura aparecen muchos valores que no estamos en condiciones de explicar
en este momento, ya que pertenecen a la parte de Estadstica Inferencial. Si la ecuacion de la recta de regresion
de ALTURA sobre EDAD es ALTURA = A + B EDAD, entonces A = 10 40089 y B = 00 01306.
Para hacer una prediccion debemos seleccionar las opciones Results|Prediction, escribiendo en el recuadro
Predictor Values el valor de la variable independiente para el cual queremos estimar el correspondiente va-
lor de la variable dependiente. En la casilla Specification Method debemos seleccionar la opcion Valued
Method (ver Figura 9.9). As, para una edad de 24.5 anos el valor correspondiente de la altura es de 1.7207
metros.
Una vez hemos calculado la recta de regresion podemos realizar una representacion grafica de la misma. Para
272 MATEM ATICAS
Figura 9.7: Pantalla del programa que permite seleccionar las variables para las que vamos a calcular la recta de
regresion.
Figura 9.8: Pantalla del programa que muestra la recta de regresion de ALTURA sobre EDAD.
ello seleccionamos las opciones Results|Plots|Simple Regression Plot. En el grafico resultante aparece
el diagrama de dispersion (con cruces), la recta de regresion (en color azul) y dos curvas (en color rojo), una por
cada lado de la recta de regresion, que delimitan una zona de confianza para los valores de la variable dependiente
(ver Figura 9.10).
Ejercicio. Halla la ecuacion de la recta de regresion mnimo cuadratica de ALTURA sobre PESO. Representala
graficamente y predice la altura de un alumno que pesa 60 kilogramos.
CANDEL, J.; MARIN, A. y RUIZ, J.M. Estadstica aplicada I: Estadstica descriptiva. Barcelona: DMPPU,
1991. Secciones 3.1, 3.3, 4.1, 4.2, 4.3, 4.4, 4.6.
Figura 9.9: Pantalla del programa que permite estimar el valor de ALTURA para un valor de EDAD.
Simple Regression Plot

1.79
1.74
ALTURA
1.69
1.64
1.59
18 20 22 24 26
EDAD
ALTURA = 1.4009 + 0.0131 * EDAD 95% conf and pred intervals
Figura 9.10: Pantalla del programa que representa la recta de regresion de ALTURA sobre EDAD.
E.9.1. En un grupo de alumnos de la Universidad de Murcia, se estudia el numero de asignaturas aprobadas en

Junio (X) y el numero de horas semanales dedicadas al estudio (Y). La informacion obtenida es la siguiente:
X Y (0, 10] (10, 20] (20, 30] (30, 40]

0 6 2 0 0
1 3 6 2 1
2 1 10 8 3
3 0 10 12 8
4 1 5 10 15
5 0 2 16 10
274 MATEM ATICAS
a) Obtener la distribucion marginal de frecuencias absolutas de Y. Cual es el tiempo medio semanal

dedicado al estudio? Cual es el tiempo semanal de horas de estudio que deja por debajo el 50 por
ciento de los tiempos semanales y por encima el 50 por ciento restante?
b) Obtener la distribucion marginal de frecuencias absolutas de X. Cual es el numero mas habitual
de asignaturas aprobadas por los alumnos? Cual es el numero medio de asignaturas aprobadas?
Calcular e interpretar la varianza de X. Dibujar un polgono acumulativo para la variable X y calcular
su recorrido intercuartlico.
c) Obtener la distribucion de frecuencias absolutas de Y condicionada a X= 1. Cual es el tiempo medio
semanal dedicado al estudio por los alumnos que han aprobado una asignatura? Cual es el tiempo
semanal mas habitual en los alumnos que han aprobado una asignatura? Calcular la mediana de esta
distribucion.
E.9.2. En una determinada empresa se ha realizado un estudio para determinar si la edad de los empleados esta
relacionada con el numero de das de ausencia en el trabajo. Estos son los resultados:
Edad (X)
Das de ausencia (Y ) (20,29] (29,38] (38,47] (47,56] (56,65]
(44,50] 0 1 8 7 16
(50,56] 2 6 10 2 4
(56,62] 5 9 5 0 1
(62,68] 14 6 2 2 0
a) Obtener la distribucion marginal de frecuencias absolutas y frecuencias acumuladas absolutas de X.

Hallar la mediana, la media y la desviacion tpica de X.
b) Obtener la distribucion marginal de frecuencias absolutas de Y . Hallar la moda, la media y la desvia-
cion tpica de Y .
c) Determinar el coeficiente de correlacion lineal entre X e Y . Existe una fuerte dependencia lineal
entre X e Y ?
E.9.3. Una empresa nacional dedicada a la produccion de videojuegos pretende sacar al mercado dos nuevos
productos: uno para el segmento de 13 a 15 anos y otro para el segmento de 16 a 18 anos. Antes de fijar
el precio, la empresa contacta con un centro de estudios sociologicos para conocer la asignacion semanal
de los jovenes. Para ello, el centro extrae una muestra de 10 jovenes y, entre otros datos, se les pregunta la
edad (X, en anos) y su asignacion semanal (Y , en miles de pesetas), obteniendo los siguientes datos:
Edad (X) 17 16 16 15 14 13 16 18 17 13
Asignacion (Y ) 3 4 3 4 1 2 2 5 4 0
a) Calcular recorrido intercuartlico y coeficiente de variacion de la asignacion semanal.

b) Cual es la asignacion semanal estimada para un joven de 16 anos? Es fiable dicha prediccion?
E.9.4. Un equipo investigador esta analizando el comportamiento de los jovenes espanoles respecto del matri-
monio. Para ello extrae una muestra de 10 jovenes parejas y les pasa un cuestionario. Entre las muchas
preguntas del cuestionario figura la edad a la que contrajeron matrimonio, obteniendose los siguientes da-
tos:
X: Edad de la mujer 26 25 25 24 23 22 25 27 26 22
Y : Edad del hombre 26 27 26 27 24 25 25 28 27 23
a) Calcular los cuartiles Q1 , Q2 y Q3 de la variable X.

b) Calcular el coeficiente de variacion de la variable Y .
c) Calcular la recta de regresion de Y sobre X. Si en una pareja de jovenes, la mujer tena 28 anos
cuando contrajo matrimonio, cual es la edad estimada del hombre? es fiable esta prediccion?
E.9.5. Una editorial esta interesada en conocer los habitos de lectura de los espanoles y determinar si existe alguna
relacion con otras variables (nivel cultural, nivel economico, edad, etc.). Para ello se extrae una muestra de
10 personas y, entre otros datos, se les pregunta por el numero de anos de estudio (X) y por el numero de
libros que suelen comprar cada trimestre (Y ). Los datos son los que recoge la siguiente tabla:
X 11 10 10 9 8 7 10 12 11 7
Y 3 4 3 4 1 2 2 5 4 0
a) Calcular la media y la mediana de Y .

b) Calcular la desviacion media y la desviacion mediana de Y .
c) Si una persona suele comprar 2 libros al trimestre, calcular una estimacion para el numero de anos de
estudio. Es fiable dicha prediccion?

Compendio Matematica PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Compendio Matematica PDF

Uploaded by

Copyright:

Available Formats

CAPITULO 1

1. INTERROGANTES CENTRALES DEL CAPITULO

Numeros racionales o irracionales. Ecuaciones de circunferencias, parabolas, elipses

2. CONTENIDOS FUNDAMENTALES DEL CAPITULO

2.1. Numeros, desigualdades y valores absolutos

2.1.1. Los numeros reales

(1) Si a < b y b < c entonces a < c (propiedad transitiva).

(1) El numero a es mayor que el numero b, y se escribe a > b, si a b es un numero positivo.

2.1.2. Los intervalos

(, b) Intervalo abierto de extremo b no acotado inferiormente es el conjunto (, b) = {x|x < b}.

2.1.3. El valor absoluto

Figura 1.1: Representacion del valor absoluto.

El valor absoluto satisface las siguientes propiedades:

(1) |ab| = |a||b|

(4) |an | = |a|n

(5) |a| 6 a 6 |a|

(6) |a| 6 r si, y solo si, r 6 a 6 r

(7) r 6 |a| si, y solo si, r 6 a o a 6 r

(8) |a + b| 6 |a| + |b| (desigualdad triangular)

2.2. Geometra plana: coordenadas y rectas

2.2.1. El plano cartesiano

Figura 1.2: Representacion de las coordenadas de un punto.

2.2.2. Rectas en el plano

Ecuacion pendiente-interseccion: Si conocemos la pendiente m y el punto de corte b con el eje de ordenadas,

Ecuacion general: Toda recta admite una ecuacion de la forma

donde A, B, C son constantes.

Utilizando la pendiente podemos saber si dos rectas son paralelas o perpendiculares.

2.3. Graficas de ecuaciones de segundo grado

2.3.1. Circunferencias: (x a)2 + (y b)2 = r 2

Figura 1.4: Representacion de una circunferencia.

2.3.2. Elipses: (x/a)2 + (y/b)2 = 1

Figura 1.5: Representacion grafica de una elipse.

2.3.3. Hiperbolas: (x/a)2 (y/b)2 = 1

Un calculo sencillo conduce a

2.3.4. Parabolas: y = ax2

Figura 1.6: Representacion grafica de una hiperbola.

Figura 1.7: Representacion grafica de una parabola.

siendo p la distancia del foco a la directriz.

Otras posibles ecuaciones de una parabola son las siguientes:

x2 = 2py: El eje de la parabola es el eje OY y el vertice es el origen.

2.4. Funciones y sus graficas

El grafo o grafica de una funcion f es el conjunto de pares ordenados dado por

2.4.1. Simetras de una grafica

Figura 1.8: Grafica simetrica respecto al eje OY .

Figura 1.9: Grafica simetrica respecto al eje OX.

Figura 1.10: Grafica simetrica respecto al origen.

2.5. Transformaciones y operaciones con funciones

Traslacion a la derecha: y = f (x c).

Traslacion a la izquierda: y = f (x + c).

Traslacion hacia arriba: y = f (x) + c.

Traslacion hacia abajo: y = f (x) c.

2.5.2. Alargamientos y reflexiones

Alargamiento vertical: y = cf (x).

Estrechamiento vertical: y = c1 f (x).

Alargamiento horizontal: y = f (x/c).

Estrechamiento horizontal: y = f (cx).

Reflexion respecto OX: y = f (x).

Reflexion respecto OY: y = f (x).

2.5.3. Operaciones con funciones

Suma: (f + g)(x) = f (x) + g(x), dominio=A B.

Resta: (f g)(x) = f (x) g(x), dominio=A B.

Producto: (f g)(x) = f (x)g(x), dominio=A B.

Cociente: (f /g)(x) = f (x)/g(x), dominio={x A B|g(x) 6= 0}.