Documente Academic
Documente Profesional
Documente Cultură
MATEM
ATICAS
SUPERIORES
(Primera edici on)
Fernando Revilla
Dedicado a los generosos en el esfuerzo.
Prologo
Este libro (admitamos tal categora) consta de una colecci on de algu-
nos de los problemas de matematicas explicados por m en distintos cursos
de preparaci on de asignaturas de Ingenieras y Facultades en academias de
ense nanza universitaria. Cada problema lleva un ttulo lo mas descriptivo
posible y aquellos que han sido propuestos en examen llevan una cita de su
procedencia. Se ir an a nadiendo problemas en sucesivas ediciones.
Madrid, a 8 de Mayo de 2012.
El autor.
3
4
Indice general
1. Estructuras algebraicas 9
1.1. Relaci on y operaciones en el plano . . . . . . . . . . . . . . . . 9
1.2. Grupo de funciones matriciales . . . . . . . . . . . . . . . . . 11
1.3. Conmutador y subgrupo derivado . . . . . . . . . . . . . . . . 14
1.4. Centro de un grupo . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5. Anillo y grupo de matrices . . . . . . . . . . . . . . . . . . . . 16
1.6. Cuerpo con funci on sobre los reales . . . . . . . . . . . . . . . 18
1.7. Cuaternios de Hamilton . . . . . . . . . . . . . . . . . . . . . 19
2. Espacios vectoriales. Homomorsmos 23
2.1. Subespacios transversales . . . . . . . . . . . . . . . . . . . . . 23
2.2. Base del espacio vectorial cociente . . . . . . . . . . . . . . . . 25
2.3. Suma S
4
= 1
4
+ 2
4
+ 3
4
+ . . . + n
4
. . . . . . . . . . . . . . . . 27
2.4. Sucesiones exactas . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5. Suma directa de dos subespacios . . . . . . . . . . . . . . . . . 30
2.6. Suma directa de varios subespacios . . . . . . . . . . . . . . . 32
2.7. Factorizacion can onica . . . . . . . . . . . . . . . . . . . . . . 34
2.8. Endomorsmo en un subespacio de c(R) . . . . . . . . . . . . 36
2.9. Espacio dual. Interpolacion . . . . . . . . . . . . . . . . . . . . 39
3. Formas can onicas 43
3.1. Logaritmo de una matriz . . . . . . . . . . . . . . . . . . . . . 43
3.2. Determinante con diagonalizaci on . . . . . . . . . . . . . . . . 45
3.3. Diagonalizaci on en un espacio complejo . . . . . . . . . . . . . 48
3.4. Potencia enesima por diagonalizaci on . . . . . . . . . . . . . . 50
3.5. Potencia enesima por Cayley-Hamilton . . . . . . . . . . . . . 52
3.6. C alculo de una base de Jordan . . . . . . . . . . . . . . . . . . 53
3.7. Formas de Jordan de AB y BA . . . . . . . . . . . . . . . . . 57
3.8. Endomorsmo con modelo de autopista . . . . . . . . . . . . . 58
5
6
INDICE GENERAL
3.9. Lmite de una sucesion de puntos . . . . . . . . . . . . . . . . 61
3.10. Forma can onica del operador derivaci on . . . . . . . . . . . . . 64
3.11. Coseno de una matriz . . . . . . . . . . . . . . . . . . . . . . . 65
3.12. Endomorsmo idempotente . . . . . . . . . . . . . . . . . . . 67
3.13. Involuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4. Formas bilineales. Producto escalar 71
4.1. Metodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2. Cociente de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . 73
4.3. Mnimo de una funcion cuadr atica en R
n
. . . . . . . . . . . . 77
4.4. Funciones convexas y formas cuadr aticas . . . . . . . . . . . . 78
4.5. N ucleo de una forma cuadratica . . . . . . . . . . . . . . . . . 80
4.6. Diagonalizaci on simultanea: sistema diferencial . . . . . . . . . 82
4.7. Forma cuadratica multiplicativa . . . . . . . . . . . . . . . . . 84
4.8. Descomposici on en valores singulares . . . . . . . . . . . . . . 86
4.9. Diagonalizaci on ortogonal . . . . . . . . . . . . . . . . . . . . 90
4.10. Semejanza, congruencia y equivalencia . . . . . . . . . . . . . 91
4.11. Forma bilineal y sistema diferencial . . . . . . . . . . . . . . . 93
4.12. Gram-Schmidt con integral impropia . . . . . . . . . . . . . . 96
4.13. Proyecci on ortogonal en R
2
[x] . . . . . . . . . . . . . . . . . . 99
4.14. Endomorsmo simetrico . . . . . . . . . . . . . . . . . . . . . 100
5. Miscelanea algebraica 103
5.1. Matrices magicas . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2. Matriz de Markov . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.3. Inversa generalizada o g-inversa . . . . . . . . . . . . . . . . . 109
5.4. Determinate por induccion y sistema lineal . . . . . . . . . . . 112
5.5. Determinante con n umeros combinatorios . . . . . . . . . . . . 114
5.6. Determinante e inversa de orden n . . . . . . . . . . . . . . . 115
5.7. Familia de polinomios p(x
2
) = p(x)p(x + 1) . . . . . . . . . . . 117
5.8. Seno de 72
o
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.9. Metodo del simplex: aplicacion . . . . . . . . . . . . . . . . . . 120
5.10. Curva plana . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.11. Supercie de revoluci on y c onica . . . . . . . . . . . . . . . . . 123
6. Analisis real univariable 127
6.1. Familia de sucesiones recurrentes . . . . . . . . . . . . . . . . 127
6.2. Valores intermedios y Bolzano. . . . . . . . . . . . . . . . . . . 129
6.3. Derivada simetrica . . . . . . . . . . . . . . . . . . . . . . . . 129
INDICE GENERAL 7
6.4. Teorema de Rolle . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.5. F ormula de Leibniz: derivada (uv)
(n)
. . . . . . . . . . . . . . 132
6.6. Di ametro de un subconjunto de R . . . . . . . . . . . . . . . . 134
6.7. F ormula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . 136
6.8. C alculo de un lmite por integrales . . . . . . . . . . . . . . . 137
6.9. Pi es irracional . . . . . . . . . . . . . . . . . . . . . . . . . . 138
6.10. Formula de Wallis . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.11. Integral de Euler-Poisson . . . . . . . . . . . . . . . . . . . . . 142
6.12. Derivaci on uniparametrica (I) . . . . . . . . . . . . . . . . . . 143
6.13. Derivaci on uniparametrica (II) . . . . . . . . . . . . . . . . . . 145
6.14. Funci on Gamma de Euler . . . . . . . . . . . . . . . . . . . . 146
6.15. Integral mediante las Gamma y Beta . . . . . . . . . . . . . . 150
6.16. Sucesion funcional con lmite (x) . . . . . . . . . . . . . . . . 151
6.17. Series de Bertrand . . . . . . . . . . . . . . . . . . . . . . . . 153
6.18. Criterio de Weierstrass: suma de una serie . . . . . . . . . . . 155
6.19. Sucesion de Fibonacci . . . . . . . . . . . . . . . . . . . . . . 156
6.20. Convergencia uniforme. Teorema de Dini . . . . . . . . . . . . 159
7. Analisis real multivariable 161
7.1. Espacio de funciones completo y no compacto . . . . . . . . . 161
7.2. Continuidad uniforme y teorema de Tychono . . . . . . . . . 162
7.3. Diferenciabilidad en R
2
. . . . . . . . . . . . . . . . . . . . . . 163
7.4. Derivada direccional m axima . . . . . . . . . . . . . . . . . . . 166
7.5. Invertibilidad local con integrales . . . . . . . . . . . . . . . . 167
7.6. Invertibilidad local con series . . . . . . . . . . . . . . . . . . 168
7.7. Funcion implcita en R R . . . . . . . . . . . . . . . . . . . 169
7.8. Funciones implcitas en R
n
R
m
. . . . . . . . . . . . . . . . 170
7.9. Puntos crticos: casos dudosos . . . . . . . . . . . . . . . . . . 173
7.10. Puntos crticos de g(x, y) = p(f(x)) + p(f(y)) . . . . . . . . . 176
7.11. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . 178
7.12. Integral doble impropia por cambio ortogonal . . . . . . . . . 182
7.13. Integral en el cubo unidad . . . . . . . . . . . . . . . . . . . . 183
7.14. Moviles sobre dos circunferencias . . . . . . . . . . . . . . . . 184
7.15. Integral de supercie de una funci on homogenea . . . . . . . . 185
7.16. Circulacion de un campo . . . . . . . . . . . . . . . . . . . . . 187
7.17. Potencial de un campo . . . . . . . . . . . . . . . . . . . . . . 188
8
INDICE GENERAL
8. Analisis complejo 191
8.1. Ecuaciones de Cauchy-Riemann . . . . . . . . . . . . . . . . . 191
8.2. Polinomio de Hurwitz . . . . . . . . . . . . . . . . . . . . . . . 192
8.3. Familia de racionales complejas . . . . . . . . . . . . . . . . . 193
8.4. Recurrente compleja por serie de potencias . . . . . . . . . . . 195
8.5. Desarrollos en serie de Laurent . . . . . . . . . . . . . . . . . . 198
8.6. Serie de Laurent con par ametros . . . . . . . . . . . . . . . . . 200
8.7. Integral compleja sobre una curva de Jordan . . . . . . . . . . 204
8.8. Lmite de promedios en un polgono regular . . . . . . . . . . 205
8.9. F ormula integ. de Cauchy y matriz exponencial . . . . . . . . 207
8.10. Integral trigonometrica en [0, ] . . . . . . . . . . . . . . . . . 209
8.11. Integral real por residuos . . . . . . . . . . . . . . . . . . . . . 211
8.12. Integrales de Fresnel . . . . . . . . . . . . . . . . . . . . . . . 214
8.13. Un problema de Dirichlet . . . . . . . . . . . . . . . . . . . . 215
8.14. Funci on entera y polinomio . . . . . . . . . . . . . . . . . . . 217
8.15.
Area de una imagen del crculo unidad . . . . . . . . . . . . . 218
8.16. Funci on holomorfa: representacion integral . . . . . . . . . . . 220
8.17. Funci on holomorfa biperi odica . . . . . . . . . . . . . . . . . . 221
8.18. Desigualdades de Cauchy . . . . . . . . . . . . . . . . . . . . . 223
8.19. Residuo en el punto del innito . . . . . . . . . . . . . . . . . 224
Captulo 1
Estructuras algebraicas
1.1. Relacion y operaciones en el plano
En el conjunto de los puntos del plano referidos a un par de ejes rectan-
gulares XOY se consideran: a) La ley de composici on A B = M siendo M
el punto de corte de la paralela por A a OX con la paralela por B a OY . b)
La relacion binaria P Q las coordenadas de P y Q suman lo mismo.
Se establece la aplicaci on f : R
2
de forma que al punto P(x, y) le
corresponde el par (x
3
, y
3
) de R
2
. Se dene en R
2
la ley de composicion
(a, b) (c, d) = (a, d). Se pide:
1. Es asociativa?
2. Hay neutro en para ?
3. Es una relacion de equivalencia? Si lo es, cuales son las clases de
equivalencia?
4. Es compatible con ? Si lo es, cual es la ley inducida en el conjunto
cociente?
5. Es f un isomorsmo entre las estructuras (, ) y (R
2
, )? [3]
Resolucion. 1. Sean A = (a
1
, a
2
) y B(b
1
, b
2
), por una simple consideraci on
geometrica deducimos que (a
1
, a
2
) (b
1
, b
2
) = (b
1
, a
2
).
A(a
1
, a
2
)
B(b
1
, b
2
)
M(b
1
, a
2
)
Y
X
La operacion es asociativa pues
9
10 CAP
i
= gc
i
g
1
son conmutadores
es decir, ghg
1
es producto de conmutadores y por tanto pertenece a D(G).
4. Sea G abeliano, entonces para todo par de elementos x, y G se verica:
[x, y] = x
1
y
1
xy = (x
1
x)(y
1
y) = ee = e
lo cual implica que D(G) = e.
Sea D(G) = e y sean x, y G. Entonces [x, y] D(G) es decir, x
1
y
1
xy =
e. Equivalentemente y
1
xy = x o bien yx = xy es decir, G es abeliano.
1.4. Centro de un grupo
Demostrar que el conjunto H de matrices de la forma
X =
_
_
1 x z
0 1 y
0 0 1
_
_
x, y, z K
forma un grupo con la operacion producto de matrices. Calcular su centro.
(Nota: se llama centro de un grupo al conjunto de sus elementos que conmu-
tan con todos los del grupo). [4]
Resolucion. Veamos que H es un subgrupo del grupo multiplicativo G for-
mado por las matrices invertibles 3 3. Toda matriz X de H tiene determi-
nante no nulo, en consecuencia, H G. Claramente H ,= , por tanto basta
demostrar que para todo par de matrices X, Y de H se verica XY
1
H.
Denotemos
X =
_
_
1 x z
0 1 y
0 0 1
_
_
Y =
_
_
1 x
0 1 y
0 0 1
_
_
Entonces
16 CAP
0 1 y
0 0 1
_
_
=
_
_
1 x x
(x
x) + z z
0 1 y y
0 0 1
_
_
H
Si A Z(H) (centro de H) sera de la forma:
A =
_
_
1 a c
0 1 b
0 0 1
_
_
(a, b, c R)
Entonces:
A Z(H) XA = AX X H
_
_
1 a + x c + bx + z
0 1 b + y
0 0 1
_
_
=
_
_
1 x + a z + ay + c
0 1 y + b
0 0 1
_
_
bx = ay x, y R a = b = 0
El centro de H es por tanto
Z(H) = A =
_
_
1 0 c
0 1 0
0 0 1
_
_
: c R
1.5. Anillo y grupo de matrices
Dada una matriz M M
n
(R) se consideran los siguientes subconjuntos:
/ = A M
n
(R) : AM = MA
A = A M
n
(R) : AM = MA y A regular
Se pide:
1. Analizar si (/, +, ) es un anillo.
2. Analizar si (A, ) es un grupo.
3. Si es n = 2 y M =
_
4 1
1 2
_
, hallar / y A. [3]
1.5. ANILLO Y GRUPO DE MATRICES 17
Resolucion. 1. Sabemos que (M
n
(R), +, ) es un anillo y adem as /
M
n
(R). Veamos si / es subanillo de M
n
(R) con lo cual estara demostrado
que es anillo. Usaremos la conocida caracterizaci on de subanillos.
(a) Como 0M = M0, se verica 0 / es decir, / , = .
(b) Sean A, B /, entonces:
(A B)M = AM BM = MA MB = M(A B) AB /
(c) Sean A, B /, entonces:
(AB)M = A(BM) = A(MB) = (AM)B = (MA)B = M(AB) AB /
En consecuencia, (/, +, ) es un anillo.
2. Sabemos que el conjunto de GL
n
(R) de las matrices cuadradas de or-
den n y con determinante no nulo es grupo con la operacion producto usual
(grupo lineal). Como A GL
n
(R), para demostrar que A es grupo bas-
tar a demostrar que es un subgrupo del grupo lineal. Usaremos la conocida
caracterizaci on de subgrupos.
(a) Como IM = MI = M siendo I regular, se verica I A es decir,
A , = . (b) Sean A, B A. Entonces B es invertible y BM = MB, por
tanto
BM = MB M = B
1
MB MB
1
= B
1
M
Como A A, A es invertible y AM = MA. Entonces
(AB
1
)M = A(B
1
M) = A(MB
1
) =
(AM)B
1
= (MA)B
1
= M(AB
1
)
Dado que A y B
1
son invertibles, tambien lo es el producto AB
1
. Hemos
demostrado que AB
1
A. Por tanto A es subgrupo de GL
n
(R) y como
consecuencia es grupo.
3. Si A =
_
x y
z t
_
e imponiendo AM = MA:
_
4 1
1 2
_ _
x y
z t
_
=
_
x y
z t
_ _
4 1
1 2
_
. . .
_
_
y + z = 0
x 2z t = 0
x 2y t = 0
y + z = 0
18 CAP
+ b +
)
en donde representa el producto escalar usual de R
3
y el producto vecto-
rial.
1. Demostrar que (1, +) es un grupo abeliano. Precisar el elemento neutro
E y el opuesto de A.
2. Demostrar que la multiplicacion es distributiva respecto de la suma.
3. Demostrar que 1 E es un grupo con la operacion producto de cua-
ternios. Precisar el elemento unidad U . Demostrar que el inverso A
1
de
A = (a, ) es:
A
1
=
_
a
a
2
+
2
,
a
2
+
2
_
4. A la vista de los resultados anteriores, que estructura tiene 1?
20 CAP
0)
cumple A+E = E +A = A para todo A 1. (d) Elemento opuesto. Dado
A = (a, ) 1, A = (a, ) 1 cumple A + (A) = (A) + A = E.
(e) Conmutativa. Se deduce de manera sencilla a partir de la conmutatividad
de la suma R y en R
3
.
2. Consideremos los elementos de 1 : A = (a, ), B = (b,
), A = (c, ) .
Usando conocidas propiedades del producto escalar y vectorial:
A(B + C) = (a, )(b + c,
+) =
(ab + ac
, a
+ a + b + c +
+ ) =
(ab
, a
+ b +
) + (ac , a + c + ) =
AB + AC
De manera an aloga se demuestra (X +Y )Z = XZ +Y Z para toda terna de
cuaterniones X, Y, Z.
3. (a) Interna. Es claro que si A, B 1 entonces AB 1. (b) Asociativa.
Basta desarrollar por separado (AB)C, A(BC) y usar u(v w) = (u w)v
(u v) w. (c) Elemento unidad. Para que U = (x,
, a
+ x +
) = (xa
, x + a
)
Es claro que la igualdad se cumple para U = (1,
0).
(d) Elemento inverso. Sea A = (a, ) 1 E, veamos que efectivamen-
te el cuaternio A
1
= (a/(a
2
+
2
), /(a
2
+
2
)) pertenece a 1 E y
cumple ademas AA
1
= A
1
A = U.
Como (a, ) ,= (0, 0) , a
2
+
2
,= 0 es decir A
1
est a bien denido. Por
otra parte, si a = 0 entonces ,=
0 y /(a
2
+
2
) ,=
0 . Esto prueba que
A
1
1E.
AA
1
= (a, )
_
a
a
2
+
2
,
a
2
+
2
_
=
_
a
2
a
2
+
2
+
2
a
2
+
2
,
a
a
2
+
2
+
a
a
2
+
2
+
_
a
2
+
2
__
= (1, 0)
1.7. CUATERNIOS DE HAMILTON 21
De manera an aloga se demuestra que A
1
A = U.
4. De los resultados anteriores concluimos que 1 es un cuerpo. Este cuerpo
no es conmutativo pues por ejemplo, (0, )(0,
) = (0,
), (0,
)(0, ) =
(0,
) y
=
.
22 CAP
_
1 1 0
0 0 1
1 0 0
0 1 0
_
_
= 3
Se concluye pues que de las nueve parejas, las que determinan subespacios
transversales son (U, W), (W, U), (V, W) y (W, V ).
b) Los subespacios 0 y E son transversales en E pues 0 + E = E.
Por hip otesis los subespacios f(0) y f(E) son transversales en F es decir,
f(0) + f(E) = F. Como f es lineal, f(0) = 0 y por tanto, f(E) = F.
En consecuencia, f es sobreyectiva.
c) La proposici on recproca es: Si f es sobreyectiva, entonces f transforma
subespacios transversales de E en subespacios transversales de F. Veamos
que es cierta. En efecto, sean U y V subespacios transversales en E es decir,
U + V = E. Tenemos que demostrar que f(U) y f(V ) lo son en F. Eviden-
temente f(U) + f(V ) F. Demostremos la otra inclusi on.
Como f es sobreyectiva para todo y F existe x E tal que y = f(x). Por
otra parte, al ser U +V = E, x se puede expresar en la forma x = u +v con
u U y v V. Dado que f es lineal:
y = f(x) = f(u + v) = f(u) + f(v) f(U) + f(V )
Es decir, F f(U) + f(V ), lo cual concluye la demostraci on.
2.2. BASE DEL ESPACIO VECTORIAL COCIENTE 25
2.2. Base del espacio vectorial cociente
1. Sea E un espacio vectorial sobre el cuerpo K de dimensi on n y sea
F E un subespacio vectorial. Supongamos que B
F
= u
1
, . . . , u
r
es
base de F y que B
E
= u
1
, . . . , u
r
, u
r+1
, . . . , u
n
es base de E. Demostrar
que una base de E/F es B
E/F
= u
r+1
+ F, . . . , u
n
+ F. Deducir que
dimE/F = dimE dimF, igualdad v alida tambien para los casos r = 0 o
r = n.
2. Se considera el subespacio de R
4
de ecuaciones
_
x
1
+ x
2
x
3
+ 2x
4
= 0
x
1
x
2
+ 3x
3
+ 6x
4
= 0
(i ) Hallar una base de F.
(ii ) Hallar una base de R
4
/F.
(iii ) Hallar las coordenadas del vector (1, 3, 2, 6) +F en la base hallada en
el apartado anterior.
Resolucion. 1. Veamos que efectivamente B
E/F
= u
r+1
+ F, . . . , u
n
+ F
es base de E/F. (a) B
E/F
es sistema libre:
r+1
(u
r+1
+ F) + . . . +
n
(u
n
+ F) = 0 + F
(
r+1
u
r+1
+ . . . +
n
u
n
) + F = 0 + F
r+1
u
r+1
+ . . . +
n
u
n
F
1
, . . . ,
r
K :
r+1
u
r+1
+ . . . +
n
u
n
=
1
u
1
+ . . . +
r
u
r
1
u
1
+ . . .
r
u
r
+
r+1
u
r+1
+ . . . +
n
u
n
= 0
Al ser B
E
= u
1
, . . . , u
r
, u
r+1
, . . . , u
n
sistema libre se concluye que todos los
i
son nulos y en particular
r+1
= . . . =
n
= 0.
(b) B
E/F
es sistema generador de E/F. Sea x+F E/F. Como x E y B
E
genera a E, existen escalares x
1
, . . . , x
n
tales x = x
1
u
1
+ . . . + x
n
. Tenemos:
x + F = (x
1
u
1
+ . . . + x
n
u
n
) + F =
[(x
1
u
1
+ . . . + x
r
u
r
) + F] + [(x
r+1
u
r+1
+ . . . + x
n
u
n
) + F] =
( pues x
1
u
1
+ . . . + x
r
u
r
F)
[0 + F] + [(x
r+1
u
r+1
+ . . . + x
n
u
n
) + F] =
(x
r+1
u
r+1
+ . . . + x
n
u
n
) + F =
x
r+1
(u
r+1
+ F) + . . . + x
n
(u
n
+ F)
26 CAP
_
1 2 1 0
4 2 0 1
0 0 1 0
0 0 0 1
_
_
= 4
Usando el teorema anterior concluimos que una base de R
4
/F es
B
R
4
/F
= (0, 0, 1, 0) + F, (0, 0, 0, 1) + F
(iii ) Expresemos el vector dado como combinaci on lineal de la base hallada
en el apartado anterior. Tenemos
(1, 3, 2, 6) + F =
1
[(0, 0, 1, 0) + F] +
2
[(0, 0, 0, 1) + F]
1, 3, 2, 6) + F = (0, 0,
1
,
2
) + F
(1, 3, 2
1
, 6
2
) F
(1, 3, 2
1
, 6
2
) L[(1, 2, 1, 0), (4, 2, 0, 1)]
La ultima condici on equivale a que
rg
_
_
1 2 1 0
4 2 0 1
1 3 2
1
6
2
_
_
= 2
Triangulando, obtenemos
rg
_
_
1 2 1 0
0 6 4 1
0 0 6
1
22 6
2
35
_
_
= 2
Las coordenadas pedidas son por tanto
(
1
,
2
) =
_
11
3
,
35
6
_
2.3. SUMA S
4
= 1
4
+ 2
4
+ 3
4
+ . . . + N
4
27
2.3. Suma S
4
= 1
4
+ 2
4
+ 3
4
+ . . . + n
4
1. Sea R
5
[x] el espacio vectorial real de los polinomios de grado menor que
6 con coecientes en R. Se considera la aplicaci on T : R
5
[x] R
5
[x] de-
nida por p(x) R
5
[x], T(p(x)) = p(x+1)p(x). Demostrar que T es lineal.
2. Estudiar si es cierto el siguiente enunciado: p ker T p es constante.
3. Hallar las imagenes por T de la base canonica de R
5
[x] y calcular T
1
(x
4
).
4. Utilizar el resultado anterior para deducir una expresi on de la suma
S
4
= 1
4
+ 2
4
+ 3
4
+ . . . + n
4
[2]
Resolucion. 1. El polinomio T(p(x)) = p(x + 1) p(x) es de grado menor
o igual que 5, en consecuencia pertenece a R
5
[x]. Por otra parte,
R, p(x)q(x) R
5
[x] tenemos:
T[(p(x) + q(x))] = p(x + 1) + q(x + 1) (p(x) + q(x)) =
(p(x + 1) p(x)) + (q(x + 1) q(x)) = T(p(x) + T(q(x))
2. Sea p = k R
5
[x] constante. Entonces, T(p(x)) = k k = 0 y en
consecuencia p(x) ker T. Reciprocamente, si p ker T entonces p(x+1)
p(x) = 0 o de forma equivalente p(x+1) = p(x). Supongamos que p no fuera
constante. Entonces sera de grado 1 y por el teorema fundamental del
_
y
1
y
2
y
3
y
4
y
5
y
6
_
_
=
_
_
0 1 1 1 1 1
0 0 2 3 4 5
0 0 0 3 6 10
0 0 0 0 4 10
0 0 0 0 0 5
0 0 0 0 0 0
_
_
_
_
x
1
x
2
x
3
x
4
x
5
x
6
_
_
Las coordenadas de x
4
en la base can onica B son (0, 0, 0, 0, 1, 0)
t
. Por tanto,
T
1
(x
4
) esta determinado por los (x
1
, . . . , x
6
)
t
tales que:
_
_
0
0
0
0
1
0
_
_
=
_
_
0 1 1 1 1 1
0 0 2 3 4 5
0 0 0 3 6 10
0 0 0 0 4 10
0 0 0 0 0 5
0 0 0 0 0 0
_
_
_
_
x
1
x
2
x
3
x
4
x
5
x
6
_
_
Resolviendo obtenemos (x
1
, x
2
, x
3
, x
4
, x
5
, x
6
)
t
= (, 1/30, 0, 1/3, 1/2, 1/5)
t
con R. Por tanto T
1
(x
4
) = x/30 + x
3
/3 x
4
/2 + x
5
/5 : R.
4. Consideremos cualquier polinomio h(x) T
1
(x
4
) (por ejemplo el corres-
pondiente a = 0). Tal polinomio cumple T(h(x)) = x
4
es decir h(x + 1)
h(x) = x
4
(). Dando a x los valores 1, 2, . . . , n en () obtenemos:
h(2) h(1) = 1
4
h(3) h(2) = 2
4
h(4) h(3) = 3
4
. . .
h(n + 1) h(n) = n
4
Sumando y cancelando obtenemos h(n+1) h(n) = 1
4
+2
4
+. . . +n
4
= S
4
.
Es decir:
S
4
= h(n + 1) h(1) =
n + 1
30
+
(n + 1)
3
3
(n + 1)
4
2
+
(n + 1)
5
5
+
1
30
1
3
+
1
2
1
5
Operando y simplicando obtenemos:
S
4
= 1
4
+ 2
4
+ 3
4
+ . . . + n
4
=
n(2n + 1)(n + 1)(3n
2
+ 3n 1)
30
2.4. SUCESIONES EXACTAS 29
2.4. Sucesiones exactas
Sean E, F, G, H espacios vectoriales, y sean f : E F, g : F G,
h : G H aplicaciones lineales. Se dice que la sucesi on E
f
F
g
G es
exacta en F cuando Imf = ker g.
(a) Supongamos que dimE = 0. Enunciar y demostrar una condici on nece-
saria y suciente que ha de cumplir g para que la sucesion E
f
F
g
G sea
exacta en F.
(b) Supongamos que dimH = 0. Enunciar y demostrar una condicion nece-
saria y suciente que ha de cumplir g para que la sucesion F
g
G
h
H sea
exacta en G.
(c) Supongamos que la sucesi on E
f
F
g
G
h
H es exacta en F y exacta
en G. Estudiar la validez de la proposici on f es sobreyectiva si y s olo si h es
inyectiva. Dar una demostraci on o construir un contraejemplo. [1]
Resolucion. (a) Por hip otesis dimE = 0, esto equivale a E = 0. Te-
nemos por tanto la sucesi on 0
f
F
g
G lo cual implica que f es ne-
cesariamente la aplicaci on cero al ser f lineal. Se deduce que Imf = 0.
Entonces
0
f
F
g
G es exacta en F Imf = ker g
0 = ker g g es inyectiva
Es decir, la sucesi on dada es exacta en F si y s olo si g es inyectiva.
(b) Por hipotesis dimH = 0. Esto equivale a H = 0. Tenemos por tanto
la sucesion F
g
G
h
0 lo cual implica que ker h = G. Entonces
F
g
G
h
0 es exacta en G Img = ker h
Img = G g es sobreyeciva
Es decir, la sucesi on dada es exacta en G si y s olo si g es sobreyectiva.
(c) Por hipotesis Imf = ker g e Img = ker h. Tenemos
f es sobreyectiva Imf = F = ker g
Img = 0 = ker h h es inyectiva
h es inyectiva ker h = 0 = Img
ker g = F = Imf f es sobreyectiva
La proposicion es por tanto v alida.
30 CAP
j=i
F
j
_
= 0 o dicho de
otra forma, la interseccion de cada subespacio con la suma de los dem as ha
de ser el vector nulo. Notas 1) Para m = 2 esta denici on coincide con la
conocida de suma directa de dos subespacios. 2) Si se cumplen las condiciones
(i ) y (ii ) anteriores se escribe E = F
1
F
2
. . . +F
m
.
Se pide:
1. Demostrar que las tres siguientes armaciones son equivalentes
(a) E = F
1
F
2
. . . F
m
.
(b) E = F
1
+ F
2
+ . . . + F
m
y la descomposici on de todo vector x E en la
forma x = v
1
+ v
2
+ . . . + v
m
con v
i
F
i
para todo i = 1, . . . , m es unica.
(c) E = F
1
+F
2
+. . . +F
m
y la igualdad v
1
+v
2
+. . . +v
m
= 0 con v
i
F
i
para todo i = 1, . . . , m implica v
i
= 0 para todo i = 1, . . . , m.
2. Demostrar que R
4
= F
1
F
2
F
3
, siendo F
1
, F
2
, F
3
los subespacios de R
4
F
1
= (, , 0, 0) : , R
F
2
= (0, 0, , 0) : R
F
3
= (0, 0, 0, ) : R
3. Sea E el espacio vectorial real de las funciones reales denidas sobre [0, 1].
Sean por otra parte los subespacios de E
2.6. SUMA DIRECTA DE VARIOS SUBESPACIOS 33
F
1
= f E : f es nula fuera de [0, 1/3]
F
2
= f E : f es nula fuera de (1/3, 2/3)
F
3
= f E : f es nula fuera de [2/3, 1]
Demostrar que E = F
1
F
2
F
3
.
Resolucion. 1. (a) (b). Sea v E. Como E = F
1
+ F
2
+ . . . + F
m
,
podemos expresar v = v
1
+ . . . v
m
con v
1
F
1
, . . . , v
m
F
m
. Supongamos
que v = v
1
+ . . . + v
m
con v
1
F
1
, ..., v
m
F
m
. Entonces v
1
v
1
=
(v
2
v
2
) + . . . + (v
m
v
m
). Ahora bien
v
1
v
1
F
1
y (v
2
v
2
) + . . . + (v
m
v
m
) F
2
+ . . . + F
m
Como F
1
(F
2
+. . . +F
m
) = 0 se deduce v
1
v
1
= 0, o sea v
1
= v
1
. Cam-
biando los ndices. concluimos de forma an aloga que v
2
= v
2
, . . . , v
m
= v
m
.
Queda demostrado (b).
(b) (c). Por hip otesis se verica E = F
1
+F
2
+. . .+F
m
. Sean ahora v
1
F
1
,
... ,v
m
F
m
tales que v
1
+. . . +v
m
= 0. La igualdad v
1
+. . . +v
m
= 0+. . . +0
y la hip otesis de unicidad en (b) implican que v
1
= 0 , ... , v
m
= 0. Queda
probado (c).
(c) (a). Sea w F
1
(F
2
+ . . . + F
m
). Como w F
2
+ . . . + F
m
po-
demos expresar w = v
2
+ . . . + v
m
con v
2
F
2
, . . . , v
m
F
m
. Entonces
(w) + v
2
+ . . . + v
m
= 0 con w F
1
, v
2
F
2
, . . . v
m
F
m
. La hipotesis
hecha en (c) implica w = 0 lo cual demuestra que F
1
(F
2
+. . .+F
m
) = 0.
Cambiando los ndices se demuestra de forma an aloga que F
i
j=i
F
j
_
=
0 para todo i.
2. Usemos la caracterizacion (c) del apartado anterior. Dado un vector generi-
co x = (x
1
, x
2
, x
3
, x
4
) de R
4
podemos expresarlo en la forma
(x
1
, x
2
, x
3
, x
4
) = (x
1
, x
2
, 0, 0) + (0, 0, x
3
, 0) + (0, 0, 0, x
4
)
en donde el primer, el segundo y tercer vector del segundo miembro perte-
necen a F
1
, F
2
y F
3
respectivamente. Es decir, R
4
= F
1
+ F
2
+ F
3
. Por otra
parte, de la igualdad
(, , 0, 0) + (0, 0, , 0) + (0, 0, 0, ) = (0, 0, 0, 0)
34 CAP
de R
3
es
A =
_
_
2 1 1 0
1 1 2 1
1 1 4 3
_
_
(a) Hallar unas bases c y T de E/ ker f e Imf respectivamente.
(b) Hallar la matriz N de n respecto de las bases B y c.
(c) Hallar la matriz
A de
f respecto de las bases c y T.
(d) Hallar la matriz I
1
de i respecto de las bases T y B
.
(e) Comprobar que A = I
1
AN . Por que ha de cumplirse necesariamente
esta igualdad?
Resolucion. (a) El n ucleo de f es
ker f
_
_
_
2x
1
x
2
+ x
3
= 0
x
1
x
2
+ 2x
3
x
4
= 0
x
1
x
2
+ 4x
3
3x
4
= 0
2.7. FACTORIZACI
ON CAN
ONICA 35
Escalonando el sistema obtenemos la base (1, 3, 1, 0), (1, 2, 0, 1. Comple-
tando esta con los vectores (0, 0, 1, 0), (0, 0, 0, 1) obtenemos una base de R
4
con lo cual una base de E/ ker f es c = (0, 0, 1, 0)+ker f, (0, 0, 0, 1)+ker f.
Por otra parte el rango de A es 2 y las dos primeras columnas son linealmente
independientes de lo cual obtenemos inmediatamente una base de la imagen
de f: T = (2, 1, 1), (1, 1, 1).
(b) Para calcular N hallemos los transformados de la base B en funci on de
la base c. Expresemos
n(1, 0, 0, 0) = (1, 0, 0, 0) +ker f = [(0, 0, 1, 0) +ker f] +[(0, 0, 0, 1) +ker f]
De la denici on de las operaciones y de igualdad de vectores en el espa-
cio vectorial cociente, para que se verique la igualdad anterior el vector
(1, 0, , ) ha de pertenecer a ker f o equivalentemente
rg
_
_
1 3 1 0
1 2 0 1
1 0
_
_
= 2 . . . = 2, = 3
Es decir, n(1, 0, 0, 0) = 2[(0, 0, 1, 0) +ker f] +3[(0, 0, 0, 1) +ker f]. Repitiendo
el proceso obtenemos:
_
_
n(1, 0, 0, 0) = 2[(0, 0, 1, 0) + ker f] + 3[(0, 0, 0, 1) + ker f]
n(0, 1, 0, 0) = [(0, 0, 1, 0) + ker f] [(0, 0, 0, 1) + ker f]
n(0, 0, 1, 0) = [(0, 0, 1, 0) + ker f] + 0[(0, 0, 0, 1) + ker f]
n(0, 0, 0, 1) = 0[(0, 0, 1, 0) + ker f] + [(0, 0, 0, 1) + ker f]
Transponiendo coecientes: N =
_
2 1 1 0
3 1 0 1
_
(c) Hallemos los transformados de los elementos de c en funci on de los de T
f[(0, 0, 1, 0)
t
+ ker f] = f[(0, 0, 1, 0)
t
] = A(0, 0, 1, 0)
t
=
(1, 2, 4)
t
= (2, 1, 1)
t
+ (1, 1, 1)
t
Resolviendo obtenemos = 3, = 1. Procedemos de manera an aloga para
el otro vector de c y obtenemos
_
f[(0, 0, 1, 0)
t
+ ker f] = (2, 1, 1)
t
+ 3(1, 1, 1)
t
f[(0, 0, 0, 1)
t
+ ker f] = 1(2, 1, 1)
t
2(1, 1, 1)
t
36 CAP
_
i(2, 1, 1) = (2, 1, 1) = 2(1, 0, 0) + 1(0, 1, 0) (0, 0, 1)
i(1, 1, 1) = (1, 1, 1) = 1(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)
Transponiendo coecientes: I
1
=
_
_
2 1
1 1
1 1
_
_
(e) Comprobemos que I
1
AN = A. En efecto:
I
1
AN =
_
_
2 1
1 1
1 1
_
_
_
1 1
3 2
_ _
2 1 1 0
3 1 0 1
_
=
_
_
1 0
2 1
4 3
_
_
_
2 1 1 0
3 1 0 1
_
=
_
_
2 1 1 0
1 1 2 1
1 1 4 3
_
_
= A
Era de esperar esta igualdad como consecuencia de la conocida f ormula que
relaciona la matriz de la composici on de aplicaciones lineales con el producto
de las respectivas matrices: [h g]
B
3
B
1
= [h]
B
3
B
2
[g]
B
2
B
1
.
2.8. Endomorsmo en un subespacio de c(R)
En el espacio vectorial c(R) de las funciones continuas de R en R se consi-
deran
1
,
2
,
3
denidas x R por:
1
(x) = 1,
2
(x) = x,
3
(x) = x log [x[ si x ,= 0,
3
(0) = 0
1. Probar que B = (
1
,
2
,
3
) es una familia libre en c(R). Si E es el subes-
pacio vectorial de c(R) generado por B, demostrar que la funcion : R R
denida por: (x) = 1 + x x log [x[ si x ,= 0, (0) = 0 pertenece a E y
hallar sus coordenadas en la base B.
2. Sea f el endomorsmo en E cuya matriz respecto de B es:
2.8. ENDOMORFISMO EN UN SUBESPACIO DE c(R) 37
M =
_
_
2 2 1
2 3 2
1 2 0
_
_
Estudiar si f es automorsmo y determinar en su caso f
1
. Resolver la ecua-
ci on f() = , donde es la funci on denida en el apartado anterior.
3. Calcular (M I)(M + 3I). Expresar M
2
y M
1
en funci on de M y de I.
Probar que n Z, u
n
, v
n
R tales que M
n
= u
n
I +v
n
M y que u
n
+v
n
es
constante.
4. Expresar u
n
, v
n
y M
n
en funcion de n para n 0. [2]
Resolucion. 1. Es sencillo comprobar que las funciones
1
,
2
,
3
son efecti-
vamente continuas en R. En cualquier caso y de la redacci on de este apartado
parece darse por supuesto que lo son. Veamos que forman un sistema libre.
Consideremos una combinaci on lineal de estas funciones igualada a la funci on
cero, es decir
1
1
+
2
2
+
3
3
= 0. Dando a x los valores 0, 1, e obtenemos:
_
_
_
1
= 0
1
+
2
= 0
1
+ e
2
+ e
3
= 0
de lo que se deduce que
1
=
2
=
3
= 0 y por tanto B es una familia
libre. Por otra parte de la denici on de se deduce inmediatamente que
=
1
+
2
3
. Esto prueba que E y ademas que las coordenadas de
en B son (1, 1, 1).
2. La ecuaci on matricial de f en la base B es:
_
_
y
1
y
2
y
3
_
_
=
_
_
2 2 1
2 3 2
1 2 0
_
_
_
_
x
1
x
2
x
3
_
_
(1)
Como det(M) = 3 ,= 0 tenemos que dim(ker f) = 3 rg(M) = 0, lo cual
implica que ker f = 0 y f es inyectiva. Por el teorema de las dimensiones
para aplicaciones lineales, dim(Imf) = 3 y f es sobreyectiva. En consecuen-
cia, f es automorsmo.
Si (x
1
, x
2
, x
3
)
t
son las coordenadas de en B entonces, usando (1) y que las
coordenadas de en B son (1, 1, 1)
t
se ha de vericar:
38 CAP
ON 39
x
n
= (x
2
+ 2x 3)q(x) + x + (, R) (2)
Sustituyendo x por M en (2), obtenemos M
n
= M + I. Para determinar
, sustituimos x por las races de x
2
+ 2x 3, es decir por 1 y por 3,
obteniendo un sistema de dos ecuaciones con dos incognitas que resuelto,
proporciona los valores:
=
1 (3)
n
4
, =
3 + (3)
n
4
Obtenemos M
n
en funcion de n:
M
n
=
1 (3)
n
4
M +
3 + (3)
n
4
I (n 0)
con lo cual quedan determinados u
n
y v
n
en funcion de n.
2.9. Espacio dual. Interpolaci on
Sea V el espacio vectorial de los polinomios con coecientes reales y de grado
menor o igual que 2. Se consideran las formas lineales f
0
, f
1
, f
2
: V R
denidas por
< f
0
, p(x) >= p(0), < f
1
, p(x) >= p
(0), < f
2
, p(x) >= p
(0)
Estas formas lineales son una base del espacio dual V
.
1. Encontrar una base de V cuya dual sea la base f
0
, f
1
, f
2
. Encontrar un
polinomio q(x) (de V ) tal que q(0) = 0!, q
(1) = 1!, q
(0) = 2!.
2. Encontrar un polinomio r(x) (de V ) tal que r(0) = 0!, r
(0)+r
(0) = 1!+2!,
r(0) + r
(0) + r
(0) + p
(0)
< g
2
, p(x) >= p(0) + p
(0) + p
(0)
Son una base de V
?
40 CAP
. Indicacion:
Expresar la posible soluci on en la base de E cuya dual es h
0
, h
1
, h
2
, . . . , h
n
.
4. Esta condici on es tambien necesaria? Dar una demostraci on o un contra-
ejemplo.
En el espacio V de los apartados 1. y 2. se considera la base s
0
(x) = 1,
s
1
(x) = 1 + x, s
2
(x) = 1 + x + x
2
.
5. Calcular los determinantes
< f
0
, s
0
> < f
1
, s
0
> < f
2
, s
0
>
< f
0
, s
1
> < f
1
, s
1
> < f
2
, s
1
>
< f
0
, s
2
> < f
1
, s
2
> < f
2
, s
2
>
< g
0
, s
0
> < g
1
, s
0
> < g
2
, s
0
>
< g
0
, s
1
> < g
1
, s
1
> < g
2
, s
1
>
< g
0
, s
2
> < g
1
, s
2
> < g
2
, s
2
>
< h
0
, e
0
> . . . < h
n
, e
0
>
.
.
.
.
.
.
< h
0
, e
n
> . . . < h
n
, e
n
>
para que el problema de interpolaci on tenga soluci on unica para cada con-
junto de n umeros z
0
, z
1
, . . . , z
n
. [1]
Resolucion. 1. Sea p
0
(x), p
1
(x), p
2
(x) la base de V cuya dual es f
0
, f
1
, f
2
.
Por denicion de base dual se ha de vericar < f
i
, p
j
(x) >=
ij
(deltas de
Kronecker). Llamando p
0
(x) = a + bx + cx
2
tenemos
2.9. ESPACIO DUAL. INTERPOLACI
ON 41
_
_
_
< f
0
, p
0
(x) >= 1
< f
1
, p
0
(x) >= 0
< f
2
, p
0
(x) >= 0
_
_
_
a = 1
b = 0
2c = 0
Obtenemos pues p
0
(x) = 1. Razonando de manera an aloga para p
1
(x) y
p
2
(x), obtenemos p
1
(x) = x y p
2
(x) = x
2
/2. Sea ahora q(x) = +x +x
2
,
imponiendo las condiciones dadas obtenemos = = = 1, es decir
q(x) = 1 + x + x
2
.
2. Sea r(x) = A + Bx + Cx
2
. Entonces
_
_
_
r(0) = 0!
r
(0) + r
(0) = 1! + 2!
r(0) + r
(0) + r
(0) = 0! + 1! + 2!
_
_
_
A = 1
B + 2C = 3
A + B + 2C = 4
Las soluciones del sistema son A = 1, B = 3 2, C = con R. El
sistema es indeterminado, por tanto r(x) no est a unvocamente determinado
por las condiciones dadas. Para = 0 (por ejemplo) obtenemos uno de ellos:
r(x) = 1 +3x. Es claro que g
2
= g
0
+g
1
lo cual implica que g
0
, g
1
, g
2
no es
sistema libre y por tanto no es base de V.
3. Supongamos que B
= h
0
, . . . , h
n
es base de E
y consideremos la
base B = u
0
, . . . , u
n
de E cuya dual B
. Consideremos el vector v =
z
0
u
0
+ . . . + z
n
u
n
. Entonces, por denicion de base dual
_
_
_
< h
0
, v >=< h
0
, z
0
u
0
+ . . . + z
n
u
n
>= z
0
. . .
< h
n
, v >=< h
n
, z
0
u
0
+ . . . + z
n
u
n
>= z
n
Esto implica que el problema de interpolaci on tiene soluci on para cada con-
junto de n umeros z
0
, . . . , z
n
. Adem as, es unica pues si otro vector u =
o
u
0
+ . . . + u
n
fuera soluci on, aplicando las condiciones < h
i
, u >= z
i
obtenemos inmediatamente
i
= z
i
para todo i = 0, . . . , n, es decir u = v.
4. Veamos que la condici on tambien es necesaria. Supongamos que para todo
conjunto de n umeros z
0
, . . . , z
n
, el problema de interpolaci on tiene soluci on.
Dado que dimE
0
h
0
+ . . . +
n
h
n
= 0
42 CAP
< f
0
, s
0
> < f
1
, s
0
> < f
2
, s
0
>
< f
0
, s
1
> < f
1
, s
1
> < f
2
, s
1
>
< f
0
, s
2
> < f
1
, s
2
> < f
2
, s
2
>
1 0 0
1 1 0
1 1 2
= 2
< g
0
, s
0
> < g
1
, s
0
> < g
2
, s
0
>
< g
0
, s
1
> < g
1
, s
1
> < g
2
, s
1
>
< g
0
, s
2
> < g
1
, s
2
> < g
2
, s
2
>
1 0 1
1 1 2
1 3 4
= 0
Veamos que una condici on necesaria y suciente para que el problema de in-
terpolaci on tenga soluci on unica para cada conjunto de n umeros z
0
, z
1
, . . . , z
n
es que ,= 0. Como consecuencia de los apartados 3. y 4., basta demostrar
que:
,= 0 h
0
, . . . , h
n
son linealmente independientes
) Sea
o
h
0
+ . . . +
n
h
n
= 0. Entonces
_
_
_
<
0
h
0
+ . . . +
n
h
n
, e
0
>= 0
. . .
<
0
h
0
+ . . . +
n
h
n
, e
n
>= 0
_
_
_
0
< h
0
, e
0
> +. . . +
n
< h
n
, e
0
>= 0
. . .
0
< h
0
, e
n
> +. . . +
n
< h
n
, e
n
>= 0
El determinante de la matriz del sistema homogeneo anterior es ,= 0, por
tanto la unica soluci on es
0
= . . . =
n
= 0.
) Por reduccion al absurdo. Si ,= 0, existe una columna combinacion
lineal de las demas. Podemos suponer sin perdida de generalidad que es la
ultima. Dado que las aplicaciones lineales est an determinadas conociendo los
transformados de una base del espacio inicial, tenemos que h
n
es de la forma
h
n
=
0
h
0
+ . . . +
n1
h
n1
y h
0
, . . . , h
n
no es base de E
.
Captulo 3
Formas canonicas
3.1. Logaritmo de una matriz
Sean:
(i ) A =
_
_
0 2 2
1 3 1
0 0 2
_
_
R
33
(ii ) o el conjunto formado por todas las matrices de R
33
tales que son
diagonalizables y tienen todos los valores propios mayores que cero.
(iii ) La funci on log : o R
33
que cumple las propiedades:
a) Si D = diag(a, b, c) entonces log D = diag(log a, log b, log c).
b) Si M, N o, P R
33
con P invertible y M = P
1
NP entonces
log M = P
1
(log N)P.
Se pide:
1. Estudiar si o es un subespacio vectorial de R
33
.
2. Comprobar que A o.
3. Calcular log A.
4. Estudiar si se verica la igualdad log(MN) = log M + log N. [2]
Resolucion. Observacion previa: Aunque no se pide explcitamente, de-
mostremos que la funcion log dada est a bien denida. En efecto, para D =
diag(a, b, c) con a, b, c positivos, existen log a, log b, log c y pertenecen a R.
Por tanto existe log D R
33
.
43
44 CAP
ONICAS
Sea ahora una matriz A o cualquiera. Entonces, existe una matriz P
R
33
invertible tal que P
1
AP = D y por la hip otesis b) ser a log D =
P
1
(log A)P o bien log A = P(log D)P
1
. Tenemos que demostrar que log A
no depende de la elecci on de P. En efecto, supongamos que A = QDQ
1
,
tenemos:
A = QDQ
1
PDQ
1
= QDQ
1
D = P
1
AP = P
1
QDQ
1
P =
(Q
1
P)
1
D(Q
1
P) (por b) log D = (Q
1
P)
1
(log D)(Q
1
P) =
P
1
Q(log D)Q
1
P P(log D)P
1
= Q(log D)Q
1
1. La matriz 0 de R
33
es diagonalizable (ella misma es diagonal) con valor
propio = 0 (triple). En consecuencia, 0 , o y por tanto o no es subespacio
de R
33
.
2. Polinomio caracterstico de A :
() =
2 2
1 3 1
0 0 2
= (2 )(
2
3 + 2) = ( 2)
2
( 1)
Los valores propios de A son
1
= 2 (doble) y
2
= 1 (simple). La dimensi on
de ker(A
2
I) es 1 por ser
1
simple. La dimensi on de ker(A
1
I) es:
dim(ker(A 2I)) = 3 rg
_
_
2 2 2
1 1 1
0 0 0
_
_
= 3 1 = 2
La matriz A es por tanto diagonalizable con matriz diagonal D = diag(2, 2, 1)
y como consecuencia, A o.
3. Hallemos bases de los subespacios propios:
ker(A 2I)
_
_
2 2 2
1 1 1
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
0
0
0
_
_
ker(A I)
_
_
1 2 2
1 2 1
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
0
0
0
_
_
3.2. DETERMINANTE CON DIAGONALIZACI
ON 45
Unas bases respectivas son B
2
= (1, 1, 0), (1, 0, 1) , B
1
= (2, 1, 0).
Por tanto, una matriz P tal que P
1
AP = D es:
P =
_
_
1 1 2
1 0 1
0 1 0
_
_
y la matriz log A = P(log D)P
1
es:
log A = P
_
_
log 2 0 0
0 log 2 0
0 0 log 1
_
_
P
1
= . . . =
_
_
log 2 2 log 2 2 log 2
log 2 2 log 2 log 2
0 0 log 2
_
_
4. Dadas M, N o para que se verique la igualdad log(MN) = log M +
log N es necesario que MN o . Veamos que esto no siempre ocurre. En
efecto, consideremos por ejemplo las matrices:
M =
_
_
2 0 0
0 2 0
0 0 1
_
_
, N =
_
_
0 2 2
1 3 1
0 0 2
_
_
La matriz M pertenece a o y la matriz N la hemos elegido de tal manera que
tenga el mismo polinomio car actrstico que M, es decir () = (2)
2
(1).
Es facil comprobar que N o, sin embargo la matriz
MN =
_
_
0 4 4
2 6 2
0 0 2
_
_
no es diagonalizable como facilmente se comprueba. Es decir, MN , o y por
tanto no es cierto en general que log(MN) = log M + log N.
3.2. Determinante con diagonalizaci on
Sea n N
, A
n
R
nn
y D
n
= [A
n
[. En todo lo que sigue supondremos la
existencia de p, q R tales que si n > 2, D
n
= pD
n1
+ qD
n2
. Se pide:
1. Si q = 0, hallar D
n
en funcion de p, n, D
2
.
46 CAP
ONICAS
2. Si q ,= 0 y r, s son las races que suponemos distintas de la ecuacion
x
2
px q = 0, hallar D
n
en funcion de D
1
, D
2
, r, s, n.
3. Si A
2
=
_
1 1
1 5
_
hallar [A
1
5
[ cuando p = 2, q = 0.
4. Calcular el determinante de la matriz:
_
_
7 5 0 . . . 0
2 7 5 . . . 0
0 2 7 . . . 0
.
.
.
.
.
.
0 0 0 . . . 7
_
_
2
R
nn
[2]
Resolucion. 1. Para q = 0 tenemos:
D
3
= pD
2
D
4
= pD
3
= p(pD
2
) = p
2
D
2
D
5
= pD
4
= p(p
2
D
2
) = p
3
D
2
. . .
Se deduce inmediatamente por inducci on que D
n
= p
n2
D
2
si n > 2.
2. La relaci on D
n
= pD
n1
+ qD
n2
se puede escribir en la forma:
_
D
n
D
n1
_
=
_
p q
1 0
_ _
D
n1
D
n2
_
= M
_
D
n1
D
n2
_
Llamando X
k
=
_
D
k
D
k1
t
obtenemos:
X
n
= MX
n1
= M
2
X
n2
= M
3
X
n3
= . . . = M
n2
X
2
= M
n2
X
2
Es decir, obtenemos la relacion:
_
D
n
D
n1
_
= M
n2
_
D
2
D
1
_
Hallemos M
n2
por diagonalizacion. Valores propios de M:
det(M xI) = det
_
p x q
1 x
_
= x
2
px q
3.2. DETERMINANTE CON DIAGONALIZACI
ON 47
cuyas races son por hip otesis r, s con r ,= s lo cual asegura que M es diago-
nalizable. Los subespacios propios son:
ker(M rI)
_
p r q
1 r
_ _
x
1
x
2
_
=
_
0
0
_
ker(M sI)
_
p s q
1 s
_ _
x
1
x
2
_
=
_
0
0
_
Unas bases son B
r
= (r, 1) , B
s
= (s, 1) respectivamente. Se verica
pues:
M = PDP
1
con D =
_
r 0
0 s
_
y P =
_
r s
1 1
_
Entonces:
_
D
n
D
n1
_
= M
n2
_
D
2
D
1
_
= PD
n2
P
1
_
D
2
D
1
_
=
_
r s
1 1
_ _
r
n2
0
0 s
n2
_
1
r s
_
1 s
1 r
_ _
D
2
D
1
_
=
1
r s
_
(r
n1
s
n1
)D
2
+ rs(s
n2
r
n2
D
1
)
(r
n2
s
n2
)D
2
+ rs(s
n3
r
n3
D
1
)
_
Queda por tanto:
D
n
=
(r
n1
s
n1
)D
2
+ rs(s
n2
r
n2
)D
1
r s
(1)
3. Por el apartado 1 tenemos D
5
= p
3
D
2
, en consecuencia:
A
1
5
=
1
[A
5
[
=
1
D
5
=
1
p
3
D
2
=
1
8 4
=
1
32
4. El determinante pedido es el cuadrado del determinante D
n
:
D
n
=
7 5 0 . . . 0
2 7 5 . . . 0
0 2 7 . . . 0
.
.
.
.
.
.
0 0 0 . . . 7
48 CAP
ONICAS
Desarrollando por la primera colummna obtenemos D
n
= 7D
n1
10D
n2
.
Es decir, estamos en el caso del apartado 2 con p = 7, q = 10. Las races de
x
2
7x + 10 = 0 son r = 5, s = 2. Teniendo en cuenta que D
2
= 39, D
1
= 7
y sustituyendo en (1):
D
n
=
1
3
[39(5
n1
2
n1
) + 70(2
n2
5
n2
)]
y la soluci on es D
2
n
.
3.3. Diagonalizaci on en un espacio complejo
Sea n N
. En el espacio vectorial C
n
[z] sobre C de los polinomios complejos
de grado menor o igual que n se considera la aplicaci on:
f
n
: C
n
[z] C
n
[z], f
n
[p(z)] = (1 + z)
n
p
_
1 z
1 + z
_
1. Estudiar la linealidad de f
n
.
2. Obtener f
n
(p
k
) siendo p
k
(z) = (1+z)
k
con 0 k n. Determinar f
n
f
n
.
3. Calcular los polinomios caracterstico y mnimo as como los valores pro-
pios de f
3
.
4. Determinar los subespacios propios de f
3
. Es diagonalizable f
3
? [2]
Resolucion. 1. Veamos que f
n
est a bien denida. Sea p(z) =
d
k=0
a
k
z
k
C
n
[z] de grado d n, entonces:
f
n
[p(z)] = (1 + z)
n
p
_
1 z
1 + z
_
= (1 + z)
n
d
k=0
a
k
_
1 z
1 + z
_
k
=
d
k=0
a
k
(1 z)
k
(1 + z)
nk
C
n
[z]
Veamos que f
n
es lineal. En efecto, para todo , C y para todo p(z), q(z)
C
n
[z] tenemos:
f
n
[p(z) + q(z)] = (1 +z)
n
(p + q)
_
1 z
1 + z
_
=
(1 + z)
n
_
p
_
1 z
1 + z
_
+ q
_
1 z
1 + z
__
=
(1 + z)
n
p
_
1 z
1 + z
_
+ (1 + z)
n
q
_
1 z
1 + z
_
=
f
n
[p(z)] + f
n
[q(z)]
3.3. DIAGONALIZACI
ON EN UN ESPACIO COMPLEJO 49
2. Tenemos:
f
n
[p
k
(z)] = (1 +z)
n
p
k
_
1 z
1 + z
_
= (1 + z)
n
_
1 +
1 z
1 + z
_
k
=
(1 + z)
n
2
k
(1 + z)
k
= 2
k
(1 + z)
nk
= 2
k
p
nk
(z)
Determinemos f
n
f
n
:
(f
n
f
n
)[p(z)] = f
n
[f
n
(p(z))] = f
n
_
(1 + z)
n
p
_
1 z
1 + z
__
=
(1 + z)
n
_
1 +
1 z
1 + z
_
n
p
_
1 ((1 z)/(1 + z))
1 + ((1 z)/(1 + z))
_
=
(1 + z)
n
2
n
(1 + z)
n
p(z) = 2
n
p(z) = 2
n
I[p(z)] f
n
f
n
= 2
n
I
3. Una base de C
3
[z] es:
B = p
0
(z) = 1, p
1
(z) = 1 + z, p
2
(z) = (1 + z)
2
, p
3
(z) = (1 + z)
3
Seg un el apartado 2:
f
3
(p
0
) = p
3
, f
3
(p
1
) = 2p
2
, f
3
(p
2
) = 2
2
p
1
, f
3
(p
3
) = 2
3
p
0
La matriz de f
3
en B es por tanto:
A =
_
_
0 0 0 8
0 0 4 0
0 2 0 0
1 0 0 0
_
_
Su polinomio caracterstico es:
() =
0 0 8
0 4 0
0 2 0
1 0 0
= ()
4 0
2 0
0 0
0 4
0 2
1 0 0
2
(
2
8) 8(
2
8) = (
2
8)
2
= ( + 2
2)
2
( 2
2)
2
50 CAP
ONICAS
Los valores propios de f
3
son
1
= 2
2,
2
= 2
2 (dobles). El polinomio
mmimo () de f
3
tiene que dividir a () y tener los mismos factores irre-
ducibles. El de menor grado que cumple esto es p() = (2
2)(+2
2) =
2
8. Ahora bien, por el apartado 2, tenemos f
3
f
3
= 2
3
I o bien f
2
3
8I = 0.
Esto implica que p(f
3
) = 0 y por tanto el polinomio mmimo de f
3
es
() = ( 2
2)( + 2
2).
4. Dado que (f
3
1
I)(f
3
2
I) = 0 siendo
1
,
2
los diferentes valores
propios de f
3
, se concluye que este endomorsmo es diagonalizable por apli-
caci on de un conocido teorema. Hallemos los subespacios propios:
V
1
= ker(f
3
1
I)
_
8 0 0 8
0
8 4 0
0 2
8 0
1 0 0
8
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0
0
0
0
_
_
V
2
= ker(f
3
2
I)
_
8 0 0 8
0
8 4 0
0 2
8 0
1 0 0
8
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
0
0
0
0
_
_
Resolviendo obtenemos sendas bases de V
1
y V
2
:
B
1
=
_
(2
2, 0, 0, 1), (0,
2, 1, 0)
_
, B
2
=
_
(2
2, 0, 0, 1), (0,
2, 1, 0)
_
bases que est an expresadas en coordenadas en B = p
0
(z), p
1
(z), p
2
(z), p
3
(z),
en consecuencia unas bases de los subespacios propios son:
B
1
=
_
2
2 + p
3
(z),
2p
1
(z) + p
2
(z)
_
B
2
=
_
2
2 + p
3
(z),
2p
1
(z) + p
2
(z)
_
3.4. Potencia enesima por diagonalizacion
1. Sea A una matriz cuadrada de orden n con elementos en un cuerpo K y
diagonalizable. Deducir una formula para A
n
en funci on de la correspondien-
te matriz diagonal y la matriz de paso.
2. Calcular la potencia enesima de la matriz
3.4. POTENCIA EN
ON 51
A =
_
_
1 3 3
3 5 3
6 6 4
_
_
Resolucion. 1. Si A es diagonalizable, sabemos que existe una matriz inver-
tible P K
nn
tal que P
1
AP = D siendo D = diag(
1
, . . . ,
n
) con
i
los
correspondientes valores propios de A. Despejando A obtenemos A = PDP
1
y elevando a n:
A
n
= (PDP
1
)(PDP
1
) . . . (PDP
1
) = PD
n
P
1
2. Valores propios de A:
1 3 3
3 5 3
6 6 4
2 3 3
2 5 3
0 6 4
2 3 3
0 2 0
0 6 4
= (2 )
2
(4 ) = 0
1
= 4 (simple) o
2
= 2 (doble)
(hemos sumado a la primera columna la segunda y posteriormente hemos
restado a la segunda la la primera). La matriz A tiene tres valores reales
en R (repetidos o no). Por otra parte la dimensi on del subespacio propio
asociado a
1
= 4 es 1 por ser
1
simple. La dimemsi on del subespacio
propio asociado a
1
= 2 es
dimV
2
= 3 rg(A + 2I) = 3 rg
_
_
3 3 3
3 3 3
6 6 6
_
_
= 3 1 = 2
Por tanto, A tiene tres valores propios reales y la dimensi on de cada subes-
pacio propio coincide con la multiplicidad del correspondiente valor propio:
A es diagonalizable en R. Las ecuaciones de los subespacios propios son
V
1
_
_
_
3x
1
3x
2
+ 3x
3
= 0
3x
1
9x
2
+ 3x
3
= 0
6x
1
6x
2
= 0
V
2
_
_
_
3x
1
3x
2
+ 3x
3
= 0
3x
1
3x
2
+ 3x
3
= 0
6x
1
6x
2
+ 6x
3
= 0
y unas bases respectivas B
1
= (1, 1, 2) y B
2
= (1, 1, 0), (1, 0, 1). Tras-
poniendo obtenemos la correspondiente matriz P:
52 CAP
ONICAS
P =
_
_
1 1 1
1 1 0
2 0 1
_
_
en consecuencia
A
n
= PD
n
P
1
=
_
_
1 1 1
1 1 0
2 0 1
_
_
_
_
4
n
0 0
0 (2)
n
0
0 0 (2)
n
_
_
_
_
1 1 1
1 1 0
2 0 1
_
_
1
= . . . =
1
2
_
_
4
n
+ (2)
n
4
n
+ (2)
n
4
n
(2)
n
4
n
(2)
n
4
n
+ 3(2)
n
4
n
(2)
n
2 4
n
2(2)
n
2 4
n
+ 2(2)
n
2 4
n
_
_
3.5. Potencia enesima por Cayley-Hamilton
Dada la matriz real A =
_
14 25
9 16
_
, calcular lm
n+
1
n
A
n
. [1]
Resolucion. Polinomio caracterstico de A:
() = det(A I) =
2
tr(A) + det A =
2
2 + 1 = ( 1)
2
El unico valor propio de la matriz es por tanto = 1 (doble). F acilmente
se comprueba que A no es diagonalizable. Usaremos el teorema de Cayley-
Hamilton. Efectuando la divisi on eucldea de
n
entre () obtenemos:
n
= q()( 1)
2
+ + (1)
Sustituyendo por A en (1) y usando el teorema de Cayley-Hamilton
A
n
= q(A)( I)
2
+ A + I = q(A) 0 + A + I = A + I (2)
Sustituyendo el valor propio = 1 en (1) obtenemos 1 = +. Derivando la
igualdad (1): n
n1
= q
()( 1)
2
+2( 1)q() +. Sustituyendo en esta
ultima expresi on de nuevo = 1 obtenemos n = , con lo cual = 1 n.
Como consecuencia de (2):
A
n
= nA+(1n)I = n
_
14 25
9 16
_
+(1n)
_
1 0
0 1
_
=
_
15n + 1 25n
9n 15n + 1
_
Por tanto
lm
n+
1
n
A
n
= lm
n+
1
n
_
15n + 1 25n
9n 15n + 1
_
=
_
15 25
9 15
_
3.6. C
_
0 2 2 1
2 3 1 1
2 1 1 1
4 3 3 4
_
_
R
44
y una matriz invertible P tal que P
1
AP = J
Resolucion. Exponemos previamente el metodo general:
1. Hallamos los valores propios de A.
2. Para cada valor propio tenemos que obtener tantos vectores como indica
su multiplicidad.
(i ) Si la dimensi on del subespacio propio asociado a coincide con la multi-
plicidad de elegimos sencillamente una base de dicho subespacio propio.
(ii ) Si la dimensi on del subespacio propio asociado a es menor que la mul-
tiplicidad de elegimos vectores e
1
, e
2
, e
3
, . . . satisfaciendo las condiciones:
_
_
(A I)e
1
= 0
(A I)e
2
= e
1
(A I)e
3
= e
2
(A I)e
4
= e
3
. . .
El hallar estos vectores equivale a resolver varios sistemas. Si llegado a un
sistema, este resulta ser incompatible, contamos el n umero de vectores ob-
tenido. Si es igual a la multiplicidad de hemos terminado con este valor
propio. Si no es as empezamos a construir una nueva cadena de vectores
e
1
, e
2
, e
3
, . . . satisfaciendo las condiciones:
_
_
(A I)e
1
= 0
(A I)e
2
= e
1
(A I)e
3
= e
2
. . .
El proceso se termina cuando el n umero de vectores obtenido coincide con la
multiplicidad de . Hay que tener la precaucion de elegir el conjunto cuyos
vectores son el primero de cada cadena de tal manera que formen sistema
libre. Se demuestra que repitiendo el proceso anterior para cada valor propio,
la union de todos los vectores elegidos es una base de K
n
. Esta base B
J
=
e
1
, e
2
, e
3
, . . . es ademas de Jordan pues:
54 CAP
ONICAS
_
_
(A I)e
1
= 0 Ae
1
= e
1
(A I)e
2
= e
1
Ae
2
= e
1
+ e
2
(A I)e
3
= e
2
Ae
3
= e
2
+ e
3
. . .
En consecuencia la matriz del endomorsmo dado por A en la base canonica
de K
n
sera en la base B
J
:
J =
_
_
1 0 . . . 0
0 1 . . . 0
0 0 . . . 0
.
.
.
.
.
.
0 0 0 . . .
_
_
Ahora, para la matriz dada seguimos el metodo anteriormente expuesto:
1. Hallamos los valores propios de A:
2 2 1
2 3 1 1
2 1 1 1
4 3 3 4
0 2 1
2 2 1 1
2 2 1 1
4 0 3 4
0 2 1
2 2 1 1
0 0 2 0
4 0 3 4
= (2 )
2 1
0 2 0
4 3 4
=
(2 )
2
1
4 4
= ( 2)
2
(
2
4 + 4) = ( 2)
4
= 0
El unico valor propio es = 2 (cu adruple).
2. Tenemos que hallar cuatro vectores asociados al valor propio 2. La dimen-
si on del subespacio propio asociado V
2
es:
dimV
2
= 4 rg(A 2I) = 4 rg
_
_
2 2 2 1
2 1 1 1
2 1 1 1
4 3 3 2
_
_
= . . . = 4 2 = 2
Buscamos pues vectores e
1
, e
2
, e
3
, . . . cunpliendo
3.6. C
_
(A I)e
1
= 0
(A I)e
2
= e
1
(A I)e
3
= e
2
. . .
Como los sistemas a resolver son todos del mismo tipo, en vez de resolverlos
uno a uno, resolvemos el sistema general:
(A 2I)x = h
_
_
2 2 2 1
2 1 1 1
2 1 1 1
4 3 3 2
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
h
1
h
2
h
3
h
4
_
_
(1)
Aplicando el metodo de Gauss obtenemos que el sistema (1) es compatible
si y s olo si se verica h
2
h
3
= 0 y h
1
h
2
+ h
4
= 0 (condiciones de
compatibilidad) y la soluci on general es
x
1
=
1
2
+
1
2
h
1
+ h
2
, x
2
= h
1
h
2
, x
3
= , x
4
=
con , R arbitrarios. Procedamos a hallar los vectores e
1
, e
2
, e
3
, . . .
Vector e
1
. En este caso, h
1
= h
2
= h
3
= h
4
= 0 y la soluci on general de
(1) es e
1
= (/2, , , ). Este vector x estar a de h en el siguiente sistema,
as que le imponemos las condiciones de compatibilidad, es decir = 0 y
/2+ = 0. En consecuencia podemos elegir = 1, = 2 y obtenemos
el vector e
1
= (1, 1, 1, 2)
t
.
Vector e
2
. En este caso, h
1
= 1, h
2
= h
3
= 1, h
4
= 2 y la solucion general
de (1) es e
2
= (/2 +1/2, , , ). Este vector x estar a de h en el siguiente
sistema, as que le imponemos las condiciones de compatibilidad, es decir
= 0 y /2 + 1/2 + = 0. En consecuencia podemos elegir
= 0, = 1 y obtenemos el vector e
2
= (1, 0, 0, 1)
t
.
Vector e
3
. En este caso, h
1
= 1, h
2
= h
3
= 0, h
4
= 1 y la soluci on general
de (1) es e
3
= (/2 + 1/2, 1, , ). Este vector x estar a de h en el
siguiente sistema, as que le imponemos las condiciones de compatibilidad.
Pero la primera condici on es 1 = 0 que no se cumple para ning un
valor de y . Por tanto el siguiente sistema no es compatible. Elegimos por
ejemplo = 0, = 1 y obtenemos el vector e
3
= (0, 1, 0, 1)
t
.
56 CAP
ONICAS
Hemos encontrado tres vectores asociados al valor propio 2 y necesitamos
cuatro. Construimos una nueva cadena de vectores e
1
, e
2
, e
3
, . . . satisfaciendo
las condiciones:
_
_
_
(A I)e
1
= 0
(A I)e
2
= e
1
. . .
(en realidad s olo necesitamos uno: e
1
)
Vector e
1
. En este caso, h
1
= h
2
= h
3
= h
4
= 0 y la solucion general de (1)
es e
1
= (/2, , , ). No imponemos condiciones de compatibilidad pues
no hay ning un vector mas que hallar. Elegimos por ejemplo = 1, = 0 y
obtenemos el vector e
1
= (0, 1, 1, 0)
t
que es linealmente independiente con
e
1
. Una base de Jordan B
J
es por tanto
e
1
= (1, 1, 1, 2)
t
, e
2
= (1, 0, 0, 1)
t
,e
3
= (0, 1, 0, 1)
t
, e
1
= (0, 1, 1, 0)
t
_
(A 2I)e
1
= 0 Ae
1
= 2e
1
(A 2I)e
2
= e
1
Ae
2
= e
1
+ 2e
2
(A 2I)e
3
= e
2
Ae
3
= e
2
+ 2e
3
(A 2I)e
1
= 0 Ae
1
= 2e
1
La forma can onica de Jordan de A es por tanto
J =
_
_
2 1 0 0
0 2 1 0
0 0 2 0
0 0 0 2
_
_
La matriz de cambio P sabemos que es aquella cuyas columnas son los vec-
tores de la nueva base B
J
, es decir
P =
_
_
1 1 0 0
1 0 1 1
1 0 0 1
2 1 1 0
_
_
3.7. FORMAS DE JORDAN DE AB Y BA 57
3.7. Formas de Jordan de AB y BA
Sean A y B dos matrices cuadradas de orden n. En general AB y BA son
matrices distintas, y sin embargo tienen atributos iguales. Por ejemplo, se
verica det(AB) = det(BA). El objetivo de este ejercicio es, ademas de eva-
luar a los alumnos, estudiar algunas otras caractersticas comunes.
a) Demostrar que AB y BA tienen el mismo polinomio caracterstico y los
mismos valores propios.
Indicaci on: Efectuar los productos por cajas CD y DC, y comparar det(CD)
con det(DC).
C =
_
I A
B I
_
, D =
_
I 0
B I
_
b) A la vista del resultado anterior es natural preguntar AB y BA tienen
la misma forma de Jordan?, y en particular, si una de ellas es diagonali-
zable, lo es tambien la otra?. Las respuestas son armativas al menos en el
caso particular de suponer A o B invertibles. En efecto, en este caso demos-
trar que si J es la forma canonica de Jordan de AB con matriz de paso P
(J = P
1
(AB)P), entonces J es tambien la forma normal de Jordan de BA.
Determinar una matriz invertible Q tal que J = Q
1
(BA)Q.
Indicaci on: Utilizar la igualdad AB = A(BA)A
1
cuando se supone A inve-
rible y otra igualdad analoga cuando se supone B invertible.
c) Construir un contraejemplo para mostrar que las respuestas a las preguntas
de b) no siempre son armativas. Estudiar si la condicion A o B invertible
es necesaria para que AB y BA tengan la misma forma normal de Jordan.
[1]
Resolucion. a) Hallemos los productos CD y DC:
CD =
_
I A
B I
_ _
I 0
B I
_
=
_
I + AB A
0 I
_
DC =
_
I 0
B I
_ _
I A
B I
_
=
_
I A
0 BA I
_
Usando que det(CD) = det(DC) obtenemos:
58 CAP
ONICAS
det(AB I)()
n
= ()
n
det(BA I)
Queda det(AB I) = det(BA I) es decir, AB y BA tienen el mismo
polinomio caracterstico y como consecuencia los mismos valores propios.
b) Por hipotesis J = P
1
(AB)P. Entonces:
J = P
1
(AB)P = P
1
[A(BA)A
1
] = P
1
A(BA)A
1
P =
(A
1
P)
1
(BA)(A
1
P)
Es decir, para Q = A
1
P tenemos J = Q
1
(BA)Q lo cual implica que la
forma de Jordan de BA es J (la misma que la de AB). El razonamiento es
totalmente an alogo si se considera B invertible.
c) Consideremos las matrices:
A =
_
1 0
0 0
_
, B =
_
0 1
0 0
_
Entonces:
AB =
_
0 1
0 0
_
, BA =
_
0 0
0 0
_
Las matrices AB y BA no tienen la misma forma de Jordan, lo cual implica
que la respuesta a la primera pregunta del apartado b) no siempre es ar-
mativa. Por otra parte, eligiendo A = 0 y B = 0 tenemos AB = BA = 0, es
decir AB y BA tienen la misma forma de Jordan sin ser necesario que A o
B sean invertibles.
3.8. Endomorsmo con modelo de autopista
Sea f el endomorsmo en R
2
cuya matriz respecto de la base can onica es
A =
_
1/4 1/2
3/4 1/2
_
y sean C
1
= x R
2
: x
1
0 , x
2
0, R
k
= x R
2
: x
1
+x
2
= k con
k R.
3.8. ENDOMORFISMO CON MODELO DE AUTOPISTA 59
Se pide:
1. Comprobar que C
1
es f-invariante. Idem para cada R
k
.
2. Comprobar que R
0
es un subespacio propio de f. Determinar los valores
propios y los subespacios propio de f.
3. Determinar A
n
para cada n natural y lm
n
A
n
.
4. La restricci on de f a C
1
R
1
sirve de modelo para el siguiente sistema:
En una autopista de dos carriles, la probabilidad de que un coche este en el
carril i en el instante n habiendo estado en el carril j en el instante anterior
n 1 es a
ij
. Si x
in
es la probabilidad de que un coche se encuentre en el
carril i en el instante n y s
n
= (x
1n
, x
2n
)
t
representa el estado de la autopis-
ta en el instante n, se cumple para todo n N que s
n+1
= f(s
n
). Determinar:
(a) Si existen estados estacionarios (es decir si existen s
e
tales que n
N s
n
= s
e
) y calcularlos en su caso.
(b) s
n
en funcion de n y s
0
.
(c) Si existe lm
n
s
n
para cada s
0
, y calcularlo en su caso.
(d) El carril que tendera a estar m as ocupado al crecer n. [2]
Resolucion. 1. Para todo x = (x
1
, x
2
)
t
R
2
hallemos su transformado
y = (y
1
, y
2
)
t
por medio de f
f(x) = f
__
x
1
x
2
__
= A
_
x
1
x
2
_
=
_
x
1
/4 + x
2
/2
3x
1
/4 + x
2
/2
_
=
_
y
1
y
2
_
Para todo x C
1
tenemos y
1
0, y
2
0 y para todo x R
k
, y
1
+ y
2
=
x
1
+ x
2
= k por tanto f(C
1
) C
1
y f(R
k
) R
k
. Es decir, C
1
y R
k
son
f-invariantes.
2. Los vectores x = (x
1
, x
2
)
t
de R
0
son los vectores de la forma (, )
con R y para estos vectores se verica A(, )
t
= (/4, /4) =
(1/4)(, )
t
. Esto implica que los vectores de R
0
son propios asociados al
valor propio 1/4. Hallemos todos los valores propios
det(A I) = 0
2
3
4
1
4
= 0
1
= 1
2
=
1
4
Los valores propios de f son por tanto
1
= 1 y
2
= 1/4 (ambos simples).
Hallemos una base de cada uno de los subespacios propios
60 CAP
ONICAS
ker(A 1I)
_
3
4
x
1
+
1
2
x
2
= 0
3
4
x
1
1
2
x
2
= 0
_
3x
1
+ 2x
2
= 0
3x
1
2x
2
= 0
_
3x
1
2x
2
= 0
ker(A + (1/4)I)
_
1
2
x
1
+
1
2
x
2
= 0
3
4
x
1
+
3
4
x
2
= 0
_
x
1
+ x
2
= 0
x
1
+ x
2
= 0
_
x
1
+ x
2
= 0 R
0
Unas bases respectivas son B
1
= (2, 3) y B
1/4
= (1, 1).
3. El endomorsmo f es diagonalizable y por tanto:
P
1
AP = D =
_
1 0
0 1/4
_
si P =
_
2 1
3 1
_
Aplicando la conocida formula para el c alculo de la potencia enesima de una
matriz diagonalizable
A
n
= PD
n
P
1
=
_
2 1
3 1
_ _
1 0
0 (1/4)
n
_ _
2 1
3 1
_
1
=
. . . =
1
5
_
2 + 3(1/4)
n
2 2(1/4)
n
3 3(1/4)
n
3 + 2(1/4)
n
_
Cuando n se verica (1/4)
n
0. En consecuencia
lm
n
A
n
=
1
5
_
2 2
3 3
_
4. (a) De la hip otesis s
n+1
= f(s
n
) deducimos
s
n+1
= As
n
= A
2
s
n1
= A
3
s
n2
= . . . = A
n+1
s
0
Si s
e
es estado estado estacionario, necesariamente se ha de cumplir s
e+1
= s
e
o bien A
e+1
s
0
= A
e
s
0
. Como A es invertible, esto implica As
0
= s
0
, es decir
s
0
ha de ser vector propio asociado al valor propio 1 o bien s
0
= (2, 3).
Dado que s
0
C
1
R
1
se ha de vericar 2 0, 3 0 y 2 + 3 = 1.
Esto se verica solamente si = 1/5. Concluimos pues que si existen estados
estacionarios, necesariamente ha de ser s
0
= (2/5, 3/5)
t
.
Por otra parte, para este s
0
, s
n
= A
n1
s
0
= A
n2
s
0
= . . . = As
0
= s
0
para
todo n N. Concluimos que s
0
= (2/5, 3/5)
t
es el unico estado estacionario.
3.9. L
ON DE PUNTOS 61
(b) Tenemos que s
n
= A
n1
s
0
con s
0
= (x
10
, x
20
)
t
un vector generico cum-
pliendo x
10
0, x
20
0 y x
10
+x
20
= 1 y la matriz A
n1
ya est a calculada.
Basta sustituir.
(c) Teniendo en cuenta que x
10
+ x
20
= 1:
lm
n
s
n
= lm
n
A
n1
s
0
=
1
5
_
2 2
3 3
_ _
x
10
x
20
_
=
1
5
_
2
3
_
(d) Cuando n la probabilidad de que un coche ocupe el carril 1 tiende
a 2/5 y de que ocupe el carril 2 tiende a 3/5. Esto signica que al crecer n
el carril 2 tender a a estar mas ocupado.
3.9. Lmite de una sucesion de puntos
Se consideran tres puntos p
1
, p
2
, p
3
sobre la recta real y se construye una
sucesi on del siguiente modo: p
4
es el punto medio del segmento p
1
p
2
, p
5
es
el punto medio de p
2
p
3
, p
6
es el punto medio de p
3
p
4
y as sucesivamente. Se
desea conocer el lmite de esta sucesion, para ello se pide:
1. Expresar p
k+3
en funcion de p
k
y p
k+1
. Hallar una matriz A de tal manera
que si x
k
= (p
k
, p
k+1
, p
k+2
)
t
, se cumpla x
k+1
= Ax
k
. Obtener una expresi on
que determine x
k
como funcion de A, k y x
1
, y demostrar que esta expresion
es cierta k N
.
2. Calcular el polinomio caracterstico y los valores propios de A en C. Jus-
ticar por que A es diagonalizable en C pero no en R, e indicar una matriz
diagonal semejante a ella.
3. Demostrar que si C es valor propio de una matriz M R
nn
C
nn
y
z = (z
1
, . . . , z
n
) C
nn
es vector propio de M correspondiente a , entonces
z = ( z
1
, . . . , z
n
) es un vector propio de M asociado a
. Hallar T C
33
tal
que T
1
AT sea la matriz indicada en el apartado anterior.
4. Calcular en funci on de p
1
, p
2
y p
3
, lm
n
x
n
y lm
n
p
n
. [2]
Resolucion. 1. Por denicion de la sucesi on, p
k+3
es el punto medio de p
k
y p
k+1
, en consecuencia p
k+3
= (p
k
+ p
k+1
)/2. Podemos por tanto escribir:
62 CAP
ONICAS
p
k+1
= p
k+1
, p
k+2
= p
k+2
, p
k+3
= (1/2)p
k
+ (1/2)p
k+1
Estas igualdades son equivalentes a la igualdad matricial:
_
_
p
k+1
p
k+2
p
k+3
_
_
=
_
_
0 1 0
0 0 1
1/2 1/2 0
_
_
_
_
p
k
p
k+1
p
k+2
_
_
De forma equivalente, x
k+1
= Ax
k
. Podemos escribir:
x
k
= Ax
k1
= A
2
x
k2
= A
3
x
k3
= . . . = A
k1
x
1
(k N
)
2. Valores propios de la matriz A:
1 0
0 1
1/2 1/2
=
3
+ (1/2) + (1/2) = 0
Resolviendo la ecuaci on obtenemos
1
= 1,
2
= (1+i)/2,
3
= (1i)/2.
Existe al menos un valor propio que no es real, por tanto la matriz no es dia-
gonalizable en R. Al ser los tres valores propios complejos y simples se puede
asegurar que es diagonalizable en C. Una matriz diagonal semejante a A es
por tanto D = diag(
1
,
2
,
3
).
3. Si C es valor propio de M entonces existe un vector z C
n
con
z ,= 0 tal que Mz = z. Tomando conjugados y teniendo en cuenta que
M = M, obtenemos M z =
z lo cual implica que z es vector propio de M
correspondiente a
. Determinemos los subespacios propios de A :
ker(A
1
I)
_
_
1 1 0
0 1 1
1/2 1/2 1
_
_
_
_
z
1
z
2
z
3
_
_
=
_
_
0
0
0
_
_
Como
1
es simple, dimker(A
1
I) = 1 y una base B
1
estar a formada por
un vector no nulo soluci on del sistema anterior, por ejemplo B
1
= (1, 1, 1).
ker(A
2
I)
_
_
(1 i)/2 1 0
0 (1 i)/2 1
1/2 1/2 (1 i)/2
_
_
_
_
z
1
z
2
z
3
_
_
=
_
_
0
0
0
_
_
3.9. L
ON DE PUNTOS 63
Como
2
es simple, dimker(A
1
I) = 1 y una base B
2
estar a forma-
da por un vector no nulo soluci on del sistema anterior, por ejemplo B
2
=
(2, 1 + i, i).
Como
3
=
2
, por lo demostrado en este mismo apartado, una base de
ker(A
3
I) se obtendra conjugando el vector obtenido anteriormente, es
decir B
3
= (2, 1 i, i. Transponiendo las coordenadas de los tres vectores
hallados, obtenemos la matriz T:
T =
_
_
1 2 2
1 1 + i 1 i
1 i i
_
_
4. De la igualdad T
1
AT = D se deduce A = TDT
1
y A
n1
= TD
n1
T
1
.
Por lo demostrado en el apartado 1. tenemos x
n
= A
n1
x
1
o bien x
n
=
TD
n1
T
1
x
1
. Tomando lmites:
lm
n
x
n
= lm
n
(TD
n1
T
1
x
1
) = T
_
lm
n
D
n1
_
T
1
x
1
Dado que
1
= 1 y que [
2
[ = [
3
[ =
2/2 < 1:
lm
n
D
n1
= lm
n
diag(
n1
1
,
n1
2
,
n1
3
) = diag(1, 0, 0)
Por otra parte:
T
1
= . . . =
1
10i
_
_
2i 4i 4i
1 + 2i 2 i 3 3i
1 + 2i 2 i 3 i
_
_
Operando obtenemos:
lm
n
x
n
= T
_
_
1 0 0
0 0 0
0 0 0
_
_
T
1
_
_
p
1
p
2
p
3
_
_
= . . . =
1
5
_
_
p
1
+ 2p
2
+ 2p
3
p
1
+ 2p
2
+ 2p
3
p
1
+ 2p
2
+ 2p
3
_
_
Como x
n
= (p
n
, p
n+1
, p
n+2
)
t
, concluimos que la sucesion dada (p
n
)
1
tiene
por lmite:
lm
n
p
n
=
p
1
+ 2p
2
+ 2p
3
5
64 CAP
ONICAS
3.10. Forma canonica del operador derivacion
Sea V el espacio vectorial real formado por los polinomios q(x) de grado
menor o igual que n , respecto de las operaciones usuales. Se considera la
aplicaci on lineal
D : V V, q(x) D(q(x)) = q
(x)
Hallar la matriz A de D respecto de la base de V : 1, x, x
2
, . . . , x
n
. Encon-
trar su forma canonica de Jordan A
= P
1
AP . Especicar la nueva
base. [1]
Resolucion. Hallemos los transformados por D de los elementos de la base
B = 1, x, x
2
, . . . , x
n
de V
_
_
D(1) = 0
D(x) = 1
D(x
2
) = 2x
. . .
D(x
n
) = nx
n1
Transponiendo coecientes obtenemos la matriz cuadrada de orden n + 1
pedida
A =
_
_
0 1 0 . . . 0
0 0 2 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
0 0 0 . . . n
0 0 0 . . . 0
_
_
El polinomio caracterstico de D es () =
n+1
, por tanto = 0 es el unico
valor propio y su multiplicidad algebraica es n + 1. Obviamente det(A) = 0
y eliminando la primera columna y ultima la de A obtenemos una subma-
triz con determinante n!, lo cual implica que rgA = n. En consecuencia la
multiplicidad geometrica de = 0 es (n + 1) n = 1 (una caja ) y la forma
can onica de Jordan de D es
3.11. COSENO DE UNA MATRIZ 65
A
=
_
_
0 1 0 . . . 0
0 0 1 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
0 0 0 . . . 1
0 0 0 . . . 0
_
_
Una base B
= p
1
(x), p
2
(x), . . . , p
n+1
(x) de V tal que la matriz de D
respecto de B
es A
ha de cumplir
_
_
D[p
1
(x)] = 0
D[p
2
(x)] = p
1
(x)
D[p
3
(x)] = p
2
(x)
. . .
D[p
n+1
(x)] = p
n
(x)
Teniendo en cuenta que D es el operador derivaci on, una base B
cumpliendo
las condiciones anteriores es
B
= 1, x , x
2
/2 , x
3
/(2 3) , x
4
/(2 3 4) , . . . , x
n
/(n!)
La matriz P pedida es por tanto la matriz de paso de B a B
:
P =
_
_
1 0 0 . . . 0
0 1 0 . . . 0
0 0 1/2 . . . 0
.
.
.
.
.
.
0 0 0 . . . 0
0 0 0 . . . 1/n!
_
_
Es decir, P = diag (1/0! , 1/1! , 1/2! , . . . , 1/n!).
3.11. Coseno de una matriz
Calcular cos
_
4
A
_
siendo A =
_
_
1/3 2/3 2/3
2/3 1/3 2/3
2/3 2/3 1/3
_
_
[2]
66 CAP
ONICAS
Resolucion. Podemos expresar
4
A =
12
B siendo B =
_
_
1 2 2
2 1 2
2 2 1
_
_
Hallemos los valores y vectores propios de B
det(B I) =
1 2 2
2 1 2
2 2 1
1 0 2
2 3 2
2 3 1
1 0 2
2 3 2
4 0 1
= (3 )(
2
9) = 0 ( 3)( + 3)
2
= 0
Los valores propios de B son
1
= 3 simple y
2
= 3 doble. Los subespacios
propios son
V
1
_
_
_
4x
1
+ 2x
2
2x
3
= 0
2x
1
4x
2
2x
3
= 0
2x
1
2x
2
4x
3
= 0
V
2
_
_
_
2x
1
+ 2x
2
2x
3
= 0
2x
1
+ 2x
2
2x
3
= 0
2x
1
2x
2
+ 2x
3
= 0
Hallando unas bases de estos subespacios obtenemos respectivamente
B
1
= (1, 1, 1)
t
, B
2
= (1, 1, 0)
t
, (1, 0, 1)
t
. La matriz B es por tanto
diagonalizable y ademas
P
1
BP = D =
_
_
3 0 0
0 3 0
0 0 3
_
_
si P =
_
_
1 1 1
1 1 0
1 0 1
_
_
Como consecuencia
B = PDP
1
4
A =
12
PDP
1
= P
_
_
/4 0 0
0 /4 0
0 0 /4
_
_
P
1
Es decir, la matriz (/4)A es diagonalizable y la funcion f(x) = cos x toma
sus valores en el espectro de (/4)A, por tanto
cos
_
4
A
_
= P(cos
_
_
/4 0 0
0 /4 0
0 0 /4
_
_
)P
1
= P
_
2
2
I
_
P
1
=
2
2
I
3.12. ENDOMORFISMO IDEMPOTENTE 67
3.12. Endomorsmo idempotente
Sea E un espacio vectorial sobre el cuerpo K y sea f : E E un endomor-
smo idempotente es decir, que cumple f
2
= f.
1. Demostrar que E = ker f Imf.
2. Demostrar que si f no es inyectiva entonces ker f es subespacio propio
asociado a f y si f ,= 0, Imf es subespacio propio asociado a f.
3. Supongamos ahora que dimE = n nita. Demostrar que f es diagonaliza-
ble. Determinar una base B de E formada por vectores propios de f y hallar
la matriz diagonal D correspondiente. [1]
Resolucion. (a) Si x ker f Imf entonces x ker f y x Imf. Es
decir, f(x) = 0 y u E : x = f(u). Pero f(x) = f
2
(u) = f(u) por ser f
idempotente. Es decir, x = f(u) = f(x) = 0. Hemos demostrado pues que
ker f Imf = 0.
(b) Sea x E. Por denicion de imagen, tenemos f(x) Imf. Por otra
parte x = (x f(x)) + f(x). Ahora bien f (x f(x)) = f(x) f
2
(x) =
f(x) f(x) = 0 es decir, (x f(x)) ker f, con lo cual E = ker f + Imf.
Concluimos pues que E = ker f Imf.
2. f no es inyectiva equivale a decir que existe 0 ,= v E tal que f(v) =
0 = 0v . Esto implica que
1
= 0 es valor propio del endomorsmo f . El
subespacio propio asociado a
1
= 0 es V
0
= x E : f(x) = 0 que es
precisamente la denicion de ker f . Es decir, V
0
= ker f.
La condici on f ,= 0 equivale a decir que Imf ,= 0. Existe por tanto 0 ,=
w Imf tal que w es de la forma w = f(x). Como f es nilpotente
f(w) = f[f(x)] = f
2
(x) = f(x) = w = 1w
Es decir,
2
= 1 es valor propio del endomorsmo f. Entonces el subespacio
propio asociado es V
1
= x E : f(x) = x . Por lo ya visto, Imf V
1
y
por otra parte si x V
1
se verica x = f(x) es decir x Imf. Se concluye
que Imf = V
1
.
3. Caso 1. Supongamos que f no es inyectiva y f ,= 0 entonces dim(ker f) =
r > 0 y dim(Imf) = n r > 0. Sea B
1
= e
1
, . . . , e
r
base de ker f y
B
2
= e
r+1
, . . . , e
n
base de Imf. Como E = ker f Imf, B = B
1
B
2
es
base de E. Ademas se verica
68 CAP
ONICAS
f(e
1
) = 0e
1
, . . . , f(e
r
) = 0e
r
, f(e
r+1
) = 1e
r+1
, . . . , f(e
n
) = 1e
n
Transponiendo coecientes obtenemos la matriz de f con respecto a la base
B:
D = diag (0, . . . , 0, 1 . . . , 1)
es decir, f es diagonalizable.
Caso 2. Si f es inyectiva, por el teorema de las dimensiones para aplicaciones
lineales se concluye que tambien es sobreyectiva, es decir f es un isomors-
mo. De la igualdad f
2
= f se deduce componiendo con f
1
que f = I
E
y la
matriz de f respecto de cualquier base de E es I = diag (1, 1, . . . , 1): f es
diagonalizable.
Caso 3. Si f = 0 la matriz de f respecto de cualquier base de E es la matriz
nula 0 = diag (0, 0, . . . , 0): f es diagonalizable.
3.13. Involuciones
Sea V un espacio vectorial real de dimension n y F : V V una aplicaci on
lineal. Se dice que F es una involucion cuando la aplicaci on compuesta F F
es la aplicaci on identidad de V en V.
1. Sean F y G las aplicaciones lineales de R
3
en R
3
representadas en la base
can onica por las matrices:
A =
_
_
4 20 0
1 5 0
2 8 1
_
_
, B =
_
_
9 40 0
2 9 0
4 16 1
_
_
Estudiar si F y G son involuciones en R
3
.
2. Sea F una involuci on en V. Se denen V
+
y V
mediante
V
+
= x V : F(x) = x , V
= x V : F(x) = x
Demostrar que V
+
y V
son subespacios de V.
3.13. INVOLUCIONES 69
3. Sea F una involuci on en V. Demostrar que V es suma directa de V
+
y V
.
4. Sea F una involuci on en V. Demostrar que F es diagonalizable. Escribir
la matriz diagonal de F.
5. Sean F y G dos involuciones en V. Estudiar si la funci on compuesta FG es
una involucion. En caso armativo dar una demostraci on y en caso contrario
construir un contraejemplo y dar una condici on necesaria y suciente que
han de cumplir F y G para que F G sea una involucion. [1]
Resolucion. 1. Por un conocido teorema, las matrices de F F y G G en
la base can onica son A
2
y B
2
respectivamente. Operando obtenemos A
2
,= I
y B
2
= I es decir, F no es involucion y G, s.
2. Como F es lineal, F(0) = 0 y por tanto 0 F. Sean x, y V
+
, entonces
F(x + y) = F(x) + F(y) = x + y es decir, x + y F. Sean R y x V
+
,
entonces F(x) = F(x) = x es decir, x F. Concluimos que V
+
es
subespacio de V. De manera analoga se demuestra que V
es subespacio de
V.
3. Sea x V
+
V
70 CAP
ONICAS
Es decir, V = V
+
+ V
. Concluimos que V = V
+
V
.
4. Dado que V = V
+
V
es una
base de V. Sea B
+
= u
1
, . . . , u
r
base de V
+
y B
= u
r+1
, . . . , u
n
base de
V
. Entonces
_
_
F(u
1
) = u
1
. . .
F(u
r
) = u
r
F(u
r+1
) = u
r+1
. . .
F(u
n
) = u
n
Por tanto, la base B
V
= u
1
, . . . , u
r
, u
r+1
. . . , u
r
de V diagonaliza a F
siendo su matriz diagonal en tal base D = diag (1, . . . , 1, 1, . . . , 1). Even-
tualmente pudiera ocurrir D = I si dimV
+
= 0 o D = I si dimV
= 0.
5. Sean F y G involuciones en V. Si ocurriera F G = G F tendramos
(F G)
2
= F G F G = F F G G = i i = i
Dado que la composicion de aplicaciones no es conmutativa, sospechamos
que F G no ser a en general involucion. Efectivamente, elijamos las aplica-
ciones lineales F y G de R
2
en R
2
cuyas matrices en la base can onica son
respectivamente
A =
_
2 3
1 2
_
, B =
_
0 1
1 0
_
F acilmente vericamos que A
2
= I, B
2
= I y (AB)
2
,= I es decir, F y G
son involuciones pero no as F G. Veamos en general que si F y G son
involuciones en V se verica:
F G es involuci on F G = G F
) Esta implicaci on ya esta demostrada. ) Dado que F y G son in-
voluciones se verica F
2
= i, G
2
= i. Si F G es involuci on entonces
F G F G = i y componiendo a la izquierda con F y a la derecha
con G obtenemos G F = F G.
Captulo 4
Formas bilineales. Producto
escalar
4.1. Metodo de Gauss
Diagonalizar las formas cuadr aticas
(i ) q : R
3
R , q(x
1
, x
2
, x
3
) = x
2
1
x
2
2
+ 7x
2
3
+ 2x
1
x
2
+ 4x
1
x
3
+ 8x
2
x
3
.
(ii ) q : R
4
R , q(x, y, z, t) = xy + xz + xt + yz + yt + zt
Resolucion. El problema es rutinario conociendo el metodo general. Con-
sideremos una forma cuadr atica q : R
n
R. Supondremos que la forma
cuadr atica q es no nula (trivialmente estara diagonalizada) y analizamos
dos casos:
Caso 1. La forma cuadratica contiene alg un cuadrado. Supondremos sin
perdida de generalidad que el termino que contiene un cuadrado es ax
2
1
(a ,=
0). Entonces podemos expresar q(x
1
, . . . , x
n
) = ax
2
1
+
1
x
1
+q
1
en donde q
1
es
una forma cuadratica que solamente contiene las n1 variables x
2
, . . . , x
n
y
1
es una forma lineal que solamente contiene las n 1 variables x
2
, . . . , x
n
.
q(x
1
, . . . , x
n
) = ax
2
1
+
1
x
1
+ q
1
= a
_
x
1
+
1
2a
_
2
2
1
4a
+ q
1
Por tanto tenemos expresada q como suma del cuadrado de una forma lineal
m as la forma cuadr atica
2
1
/4a+q
1
que solamente contiene n1 variables.
Caso 2. La forma cuadr atica no contiene cuadrados. Ordenando con respecto
a dos variables (por ejemplo x
1
y x
2
):
71
72 CAP
1
+ x
2
2
+ q
1
(x
3
. . . , x
n
) =
a
_
x
1
+
2
a
__
x
2
+
1
a
_
+ q
1
2
a
(a ,= 0)
Podemos introducir dos cuadrados aplicando AB = (1/4)[(A+B)
2
(AB)
2
]
al sumando a(x
1
+
2
/a)(x
2
+
1
/a) y la forma cuadr atica q
1
1
2
/a de-
pende de las n 2 variables x
3
, . . . , x
n
.
Dado que para n = 1 la forma cuadr atica es evidentemente diagonalizable,
los casos anteriores demuestran que podemos descomponer q en suma de
cuadrados de n formas lineales. La independencia de estas formas lineales es
f acilmente demostrable por recurrencia. Siguiendo el metodo anterior, proce-
damos a diagonalizar las formas cuadraticas dadas.
(i ) Estamos en el caso 1. Siguiendo el metodo general expuesto:
q(x
1
, x
2
, x
3
) = x
2
1
+ x
1
(2x
2
+ 4x
3
) x
2
2
+ 8x
2
x
3
+ 7x
2
3
= (x
1
+ x
2
+ 2x
3
)
2
(2x
2
+ 4x
3
)
2
4
x
2
2
+ 8x
2
x
3
+ 7x
2
3
= (x
1
+ x
2
+ 2x
3
)
2
2x
2
2
+ 4x
2
x
3
+ 3x
2
3
Ahora descomponemos 2x
2
2
+ 4x
2
x
3
+ 3x
2
3
:
2x
2
2
+ 4x
2
x
3
+ 3x
2
3
= 2x
2
2
+ x
2
(4x
3
) + 3x
2
3
= 2(x
2
x
3
)
2
(4x
3
)
2
8
+ 3x
2
3
= 2(x
2
x
3
)
2
+ 5x
2
3
La expresi on de q en suma de cuadrados de formas lineales independientes
es:
q(x
1
, x
2
, x
3
) = (x
1
+ x
2
+ 2x
3
)
2
2(x
2
x
3
)
2
+ 5x
2
3
Denotando x
1
= x
1
+ x
2
+ 2x
3
, x
2
= x
2
x
3
, x
3
= x
3
tambien podemos
expresar q en la forma :
q(x
1
, x
2
, x
3
) = x
2
1
2x
2
2
+ 5x
2
3
=
_
x
1
x
2
x
3
_
_
_
1 0 0
0 2 0
0 0 5
_
_
_
_
x
1
x
2
x
3
_
_
(ii ) Estamos en el caso 2. Siguiendo el metodo general expuesto:
4.2. COCIENTE DE RAYLEIGH 73
q(x, y, z, t) = xy + x(z + t) + y(2z + t) + 4zt
= (x + 2z + t)(y + z + t) + 4zt (z + t)(2z + t)
= (x + 2z + t)(y + z + t) 2z
2
t
2
+ zt
Usando la f ormula AB = (1/4)[(A + B)
2
(A B)
2
] obtenemos
(x + 2z + t)(y + z + t) =
1
4
(x + y + 3z + 2t)
2
1
4
(x y + z)
2
Ahora descomponemos 2z
2
t
2
+ zt :
2z
2
t
2
+ zt = t
2
+ t(z) 2z
2
=
_
t
z
2
_
2
z
2
4
2z
2
=
=
_
t
z
2
_
2
9
4
z
2
La expresi on de q en suma de cuadrados de formas lineales independientes
es:
q(x, y, z, t) =
1
4
(x + y + 3z + 2t)
2
1
4
(x y + z)
2
_
t
z
2
_
2
9
4
z
2
Denotando x
= x + y + 3z + 2t , y
= x y + z , z
= t z/2 , t
= z
tambien podemos expresar q en la forma :
q(x, y, z, t) =
1
4
x
2
1
4
y
2
z
2
9
4
t
2
=
_
x
_
_
_
_
_
1/4 0 0 0
0 1/4 0 0
0 0 1 0
0 0 0 9/4
_
_
_
_
_
_
_
_
x
_
_
_
_
4.2. Cociente de Rayleigh
Sean q
1
(x) = X
t
AX y q
2
(x) = X
t
BX dos formas cuadraticas de R
n
R,
siendo A y B matrices cuadradas de orden n, reales y simetricas. Se supone
que q
2
es denida positiva. Entonces se sabe (y lo admitiremos) que existe
un cambio de base de ecuaci on X = PY que permite diagonalizar simulta-
neamente las dos formas cuadr aticas, expresandolas en la forma:
74 CAP
2 1
1 2
= 0 3
2
+ 2 1 = 0
Las soluciones de la anterior ecuaci on son 1/3 y 1 . De acuerdo con el
apartado 1. existe un cambio de base de ecuaci on X = PY de tal manera
que:
q
1
(x) =
1
3
y
2
1
y
2
2
, q
2
(x) = y
2
1
+ y
2
2
3. Llamemos M = m axa
1
, . . . , a
n
. Usando el cambio X = PY tenemos:
X
t
AX
X
t
BX
=
(PY )
t
A(PY )
(PY )
t
B(PY )
=
Y
t
P
t
APY
Y
t
P
t
APY
=
Y
t
DY
Y
t
IY
=
a
1
y
2
1
+ . . . + a
n
y
2
n
y
2
1
+ . . . + y
2
n
My
2
1
+ . . . + My
2
n
y
2
1
+ . . . + y
2
n
=
M(y
2
1
+ . . . + y
2
n
)
y
2
1
+ . . . + y
2
n
= M
El razonamiento para m = mna
1
, . . . , a
n
es totalmente simetrico. Podemos
pues concluir que:
m = mn a
1
, . . . , a
n
X
t
AX
X
t
BX
M = m ax a
1
, . . . , a
n
(X ,= 0)
N otese que al ser q
2
denida positiva, si X ,= 0 entonces X
t
BX ,= 0 es decir,
el cociente anterior est a bien denido.
Por lo demostrado anteriormente, m F M. Veamos que F alcanza los
valores m y M. Supongamos sin perdida de generalidad que m = a
1
y que
M = a
n
. Observese que la condici on X
t
BX = 1 equivale a y
2
1
+. . . +y
2
n
= 1.
Si elegimos X
1
= PY
1
y X
n
= PY
n
con Y
1
= (1, 0, . . . , 0)
t
, Y
n
= (0, 0, . . . , 1)
t
tenemos X
t
1
AX
1
= a
1
= m y X
t
n
AX
n
= a
n
= M. Es decir, el maximo para
F es M y el mnimo m.
4. De P
t
AP = D se deduce AP = (P
t
)
1
D y de P
t
BP = I que BP = (P
t
)
1
.
Por tanto AP = BPD. Tenemos:
76 CAP
= B
_
a
1
v
1
, . . . , a
n
v
n
_
Av
1
, . . . , Av
n
=
_
a
1
Bv
1
, . . . , a
n
Bv
n
Av
i
= a
i
Bv
i
(i = 1, . . . , n)
Por otra parte:
P
t
BP = I
_
_
v
t
1
v
t
2
.
.
.
v
t
n
_
_
B
_
v
1
, v
2
, . . . , v
n
=
_
_
v
t
1
v
t
2
.
.
.
v
t
n
_
_
_
Bv
1
, Bv
2
, . . . , Bv
n
_
v
t
1
Bv
1
v
t
1
Bv
2
. . . v
t
1
Bv
n
v
t
2
Bv
1
v
t
2
Bv
2
. . . v
t
2
Bv
n
.
.
.
.
.
.
v
t
n
Bv
1
v
t
n
Bv
2
. . . v
t
n
Bv
n
_
_
= I v
t
i
Bv
j
=
ij
(i, j = 1, 2, . . . , n)
En donde
ij
son las deltas de Kronecker. Quedan pues demostradas las con-
diciones pedidas.
5. Llamando v
1
= (x, y)
t
, v
2
= (z, u)
t
obtenemos:
_
0 1
1 0
_ _
x
y
_
=
1
3
_
2 1
1 2
_ _
x
y
_
. . . (x, y) = (, ) ( R)
_
0 1
1 0
_ _
z
u
_
= (1)
_
2 1
1 2
_ _
z
u
_
. . . (z, u) = (, ) ( R)
Obligando a que v
t
i
Bv
i
= 1 (i = 1, 2):
(, )
_
2 1
1 2
__
_
= 1 =
6/6
(, )
_
2 1
1 2
__
_
= 1 =
2/2
Por otra parte, para todo , R se verica:
(, )
_
2 1
1 2
__
_
= 0
por tanto, eligiendo =
6/6 y =
2/2
6/6
2/2
_
4.3. M
ON CUADR
ATICA EN R
N
77
4.3. Mnimo de una funcion cuadratica en R
n
1. La condicion de mnimo para la funci on polinomica de segundo grado
p(x) =
1
2
ax
2
bx es ax = b y a > 0. Demostrar el siguiente resultado analogo
para matrices:
Si A es una matriz simetrica denida positiva (es decir, X
t
AX > 0 cuando
X ,= 0) y B es un vector columna, entonces p(X) =
1
2
X
t
AX X
t
B tiene
mnimo para X tal que AX = B.
Sugerencia: Si X verica AX = B e Y es un vector columna, estudiar el
signo de p(Y ) p(X) vericando que p(Y ) p(X) =
1
2
[(Y X)
t
A(Y X)].
2. Sea la funci on cuadr atica p(x
1
, x
2
) =
1
2
x
2
1
+ x
1
x
2
+ x
2
2
3x
2
. Aplicar el
resultado anterior para hallar el punto (, ) donde tiene mnimo. Vericar
que en ese punto se anulan las derivadas parciales
p
x
i
(i = 1, 2). [1]
Resolucion. 1. Veamos que si AX = B entonces
p(Y ) p(X) =
1
2
[(Y X)
t
A(Y X)]
Por una parte tenemos
p(Y ) p(X) =
1
2
Y
t
AY Y
t
B
1
2
X
t
AX + X
t
B =
1
2
Y
t
AY Y
t
B +
1
2
X
t
B
La matriz X
t
AY es simetrica (orden 1 1), y la matriz A es simetrica por
hip otesis. Entonces X
t
AY = (X
t
AY )
t
= Y
t
A
t
X = Y
t
AX = Y
t
B. Desarro-
llando el segundo miembro de la sugerencia:
1
2
[(Y X)
t
A(Y X)] =
1
2
[(Y
t
X
t
)A(Y X)] =
1
2
[(Y
t
AX
t
A)(Y X)] =
1
2
[Y
t
AY Y
t
B Y
t
B + X
t
B] = p(Y ) p(X)
Para todo Y ,= X y teniendo en cuenta que A es denida positiva, se verica:
p(Y ) p(X) =
1
2
[(Y X)
t
A(Y X)] > 0
Esto implica p(Y ) > p(X) para todo Y ,= X. Como consecuencia, la funci on
p tiene un mnimo (ademas estricto) en X.
2. Podemos escribir
78 CAP
ATICAS 79
Para f(x) = x
2
tenemos:
(x + (1 )y)
2
x
2
+ (1 )y
2
2
x
2
+ 2(1 )xy + (1 )
2
y
2
x
2
(1 )y
2
0
(
2
)x
2
+ (
2
)y
2
+ 2(
2
)xy 0
(
2
)(x + y)
2
0
La ultima desigualdad se verica pues
2
0 para todo en [0, 1]. He-
mos demostrado por tanto que la funci on f(x) = x
2
es convexa pero no lineal.
(b) Por hipotesis dimV = n nita y f(x) 0 para todo x de V . Por un
conocido teorema, existe una base B = u
1
, . . . , u
n
de V respecto de la cual
la expresion de f es:
f(x) = x
2
1
+ . . . + x
2
r
, (r n , x = x
1
u
1
+ . . . + x
n
u
n
)
Sean x = x
1
u
1
+ . . . + x
n
u
n
, y = y
1
u
1
+ . . . + y
n
u
n
elementos cualesquiera
de V y , R tales que 0, 0 y + = 1. Usando el apartado
anterior:
f(x + y) =
r
i=1
(x
i
+ y
i
)
2
i=1
(x
2
i
+ y
2
i
) =
i=1
x
2
i
+
r
i=1
y
2
i
= f(x) + f(y)
Es decir, toda forma cuadratica positiva es una funci on convexa.
(c) La proposici on recproca de la anterior es: Sea f : V R una forma
cuadr aticca. Si f es convexa, entonces es positiva. Veamos que es cierta.
En efecto, supongamos que la forma cuadratica f no fuera positiva. Existira
entonces una base en V respecto de la cual la expresi on de f es f(x) =
d
1
x
2
1
+ . . . + d
r
x
2
r
(r n) en donde alg un d
i
< 0. Podemos suponer sin
perdida de generalidad que d
1
< 0. Elijamos los escalares = 2/3 = 1/3 y
los vectores x, y V cuyas coordenadas en la base elegida son (1, 0, . . . , 0) y
(1, 0, . . . , 0) respectivamente. Entonces:
f(x + y) = d
1
/9 > d
1
= f(x) + f(y)
siendo 0, 0 y + = 1. Es decir, f no sera convexa. Podemos pues
concluir que una forma cuadr atica f : V R con V de dimensi on nita es
convexa s, y s olo si es positiva.
80 CAP
ATICA 81
x
2
x
1
M N
x
1
x
2
= 0 x
1
+ x
2
= 0
Elijamos los vectores (1, 1), (1, 1). Claramente pertenecen a ker Q, sin em-
bargo su suma (2, 0) no pertenece, en consecuencia ker Q no es subespacio
de R
2
.
2. A un no siendo obligatorio, demostremos la indicacion. Si Q : E R es
una forma cuadr atica, entonces existe una forma bilineal f : E E R tal
que Q(x) = f(x, x) para todo x E. Entonces:
Q(x + y) + Q(x y) = f(x + y, x + y) + f(x y, x y) =
f(x, x) + f(y, x) + f(x, y) + f(y, y)+
f(x, x) f(y, x) f(x, y) + f(y, y) =
2f(x, x) + 2f(y, y) = 2Q(x) + 2Q(y)
Veamos que ker Q es subespacio de E:
(i ) Q(0) = f(0, 0) = f(0, x x) = f(0, x) f(0, x) = 0 0 ker Q.
(ii ) Sean x, y ker Q. Entonces Q(x) = 0 y Q(y) = 0, en consecuencia se ve-
rica Q(x+y)+Q(xy) = 2(Q(x)+Q(y)) = 0. Como Q es forma cuadr atica
positiva, tenemos Q(x + y) 0 y Q(x y) 0. Esto implica Q(x + y) = 0
o de manera equivalente que x + y ker Q.
(iii ) Sean R y x ker Q. Entonces:
Q(x) = f(x, x) =
2
f(x, x) =
2
Q(x) =
2
0 = 0 x ker Q
Hemos demostrado pues que si Q es una forma cuadratica positiva, entonces
ker Q es un subespacio de E.
82 CAP
1
(t)
x
2
(t)
_
=
1
2
_
3 4
4 16
_ _
x
1
(t)
x
2
(t)
_
4.6. DIAGONALIZACI
1
(0) =
2, x
2
(0) =
2/4
Resolucion. Comentamos el metodo general. Sea el sistema diferencial
BX
= AX con A, B R
nn
simetricas y B denida positiva. Sabemos
que existe una matriz C R
nn
invertible tal que
_
C
t
AC = D
C
t
BC = I
n
(1)
siendo D = diag(
1
, . . . ,
n
) con
i
los valores propios generalizados. Efec-
tuando el cambio X = CY obtenemos
BX
= AX BCY
= ACY (C
t
)
1
Y
= (C
t
)
1
DY Y
= DY
(i ) Las matrices asociadas al sistema son:
A =
1
2
_
3 4
4 16
_
, B =
_
1 2
2 8
_
Ambas matrices son simetricas y B es denida positiva al tener todos sus
menores principales positivos. Los valores propios generalizados son
det(A B) =
3/2 2 2
2 2 8 8
= 4
2
12 + 8 = 0 = 1 = 2
Hallemos los subespacios propios generalizados
V
1
_
(1/2)x
1
= 0 , V
2
_
(1/2)x
1
2x
2
= 0
2x
1
8x
2
= 0
Unas bases estos subespacios son B
1
= v
1
= (0, 1)
t
y B
2
= v
2
= (4, 1)
t
.
Estos vectores corresponden a valores propios generalizados distintos, en
consecuencia son B-ortogonales. Sus normas son |v
1
| =
_
v
t
1
Bv
1
= 2
2,
|v
2
| =
_
v
t
2
Bv
2
= 2
2
4
_
0 4
1 1
_
84 CAP
= DY
Y
(t) = DY (t)
_
y
1
(t) = y
1
(t)
y
2
(t) = 2y
2
(t)
_
y
1
(t) = e
t
+ e
t
y
2
(t) = e
2t
+ e
2t
Por tanto
X(t) =
_
x
1
(t)
x
2
(t)
_
= CY (t) =
2
4
_
4e
2t
+ 4e
2t
e
t
+ e
t
e
2t
e
2t
_
(ii ) Imponiendo las condiciones X(0) = (0, 0)
t
, X
(0) = (
2,
2/4)
t
y
resolviendo el sistema obtenemos
X(t) =
1
8
_
4e
2t
+ 4e
2t
e
2t
e
2t
_
4.7. Forma cuadratica multiplicativa
Sean E = R
(22)
, I =
_
1 0
0 1
_
, J =
_
0 1
1 0
_
y
B = ( B
1
=
_
1 0
0 0
_
, B
2
=
_
0 1
0 0
_
, B
3
=
_
0 0
1 0
_
, B
4
=
_
0 0
0 1
_
)
Sea una forma cuadratica sobre E no nula tal que para todo A, B E
verica (AB) = (A)(B) y la forma bilineal simetrica asociada. Se pide:
1. Hallar (I), (B
2
), (B
3
) y (B
1
)(B
4
).
2. Si A es invertible, probar que (A) ,= 0.
3. Si A es singular demostrar que A
2
= 0 o bien existen P, Q E regulares
tales que
A = P
1
_
0
0 0
_
P y A = Q
1
_
0 0
0
_
Q
Sugerencia: Estudiar posibles polinomios mnimos de A.
4. Demostrar que si A es singular, entonces (A) = 0.
5. Calcular (I, J) y (J).
6. Calcular la matriz H de respecto de B. [2]
4.7. FORMA CUADR
ATICA MULTIPLICATIVA 85
Resolucion. 1. Como ,= 0, existe A E tal que (A) ,= 0. Entonces
(A) = (AI) = (A)(I) lo cual implica (I) = 1. Dado que B
2
2
= 0, y
es forma cuadr atica, se verica 0 = (0) = (B
2
2
) = ((B
2
))
2
de lo que se
deduce que (B
2
) = 0. Razonando de manera an aloga, (B
3
) = 0. Por otra
parte, (B
1
)(B
4
) = (B
1
B
4
) = (0) = 0.
2. Si A es invertible, entonces 1 = (I) = (AA
1
) = (A)(A
1
). Es decir,
(A) ,= 0.
3. Si A es singular, entonces 0 es valor propio de A. Si A
2
,= 0 entonces ni
() = ni () =
2
pueden ser polinomios mnimos de A (en ambos casos
tendramos A
2
= 0). Por tanto, el polinomio mnimo de A ha de ser de la
forma () = ( ) con ,= 0 real. Esto implica que A es diagonalizable
en R y semejante a la matriz diag (, 0) y a la matriz diag (0, ) con lo cual
hemos demostrado el aserto de este apartado.
4. Si A
2
= 0 entonces 0 = (A
2
) = ((A))
2
= 0 lo cual implica que (A) = 0.
Sea ahora A
2
,= 0. Si R E es invertible, entonces
1 = (I) = (RR
1
) = (R)(R
1
) (R
1
) = ((R))
1
Usando el apartado anterior
(A) = (P
1
(B
1
)P) = (P
1
)(
2
(B
1
))(P) =
2
(B
1
)
(A) = (Q
1
(B
4
)Q) = (Q
1
)(
2
(B
4
))(Q) =
2
(B
4
)
Multiplicando y usando el primer apartado, ((A))
2
=
4
(B
1
)(B
4
) = 0.
Como ,= 0, deducimos que (A) = 0.
5. Como I + J e I J son singulares:
0 = (I +J) = (I +J, I +J) = (I)+(J)+2(I, J) = 1+(J)+2(I, J)
0 = (I J) = (I J, I J) = (I)+(J)2(I, J) = 1+(J)2(I, J)
Resolviendo el correspondiente sistema, obtenemos inmediatamente que (J) =
1 y (I, J) = 0.
6. La matriz pedida es la matriz simetrica H = [(B
i
, B
j
)] i, j = 1, 2, 3, 4.
Usando la conocida f ormula de la forma polar y que (B
i
) = 0 (i = 1, 2, 3, 4) :
86 CAP
_
0 0 0 1/2
0 0 1/2 0
0 1/2 0 0
1/2 0 0 0
_
_
4.8. Descomposicion en valores singulares
Dada la matriz A =
2
6
_
_
4 0
5 3
2 6
_
_
calcular n umeros
1
,
2
y matrices U, V
que veriquen:
a)
1
0,
2
0.
b) U R
22
y V R
33
son ortogonales.
c) V
t
AU =
_
_
1
0
0
2
0 0
_
_
[2]
Resolucion. El problema es rutinario conociendo el metodo general. Pro-
cedemos a su exposicion:
Sea A C
mn
. Existen matrices unitarias Q
1
C
mm
, Q
2
C
nn
tales
que Q
1
AQ
2
= o R
mn
siendo
o =
_
1
0 . . . 0 0 . . . 0
0
2
. . . 0 0 . . . 0
.
.
.
.
.
.
0 0 . . .
m
0 . . . 0
_
_
si m < n
4.8. DESCOMPOSICI
ON EN VALORES SINGULARES 87
o =
_
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
0 0 . . .
n
0 0 . . . 0
.
.
.
.
.
.
0 0 . . . 0
_
_
si m > n
o =
_
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
0 0 . . .
n
_
_
si m = n
con
1
,
2
, . . . ,
p
todos 0 con p = mnm, n. A los n umeros
1
,
2
, . . . ,
p
se les llama valores singulares de A.
Efectivamente, la matriz A
A C
nn
cumple (A
A)
= A
(A
= A
A,
por tanto es hermtica. Como consecuencia del teorema espectral existe una
base ortonormal e
1
, . . . , e
n
en C
n
formada por vectores propios de A
A. Sea
i
valor propio de A
Ae
i
=
i
e
i
.
Tenemos
e
i
A
Ae
i
=
i
e
i
e
i
=
i
i
= (Ae
i
)
(Ae
i
) = Ae
i
, Ae
i
0
Supondremos sin perdida de generalidad que
1
> 0 , . . . ,
r
> 0 ,
r+1
= 0 , . . . ,
n
= 0
Llamemos
_
_
_
i
=
i
, v
i
=
1
i
Ae
i
C
m
(i = 1, . . . , r)
i
= 0 (i = r + 1, . . . , p) con p = mnm, n
La familia v
1
, . . . , v
r
es ortonormal. Efectivamente
(i) v
i
, v
j
=
_
1
i
Ae
i
_
_
1
j
Ae
j
_
=
1
j
e
i
A
Ae
j
=
j
e
i
e
j
=
j
j
e
i
, e
j
= 0 (si i ,= j)
(ii) |v
i
|
2
= v
i
, v
i
=
i
2
i
e
i
, e
i
= 1 |e
i
|
2
= 1
88 CAP
1
AQ
2
=
_
v
1
, . . . , v
m
A
_
e
1
, . . . , e
n
=
_
_
v
1
.
.
.
v
m
_
_
A
_
e
1
, . . . , e
n
=
_
_
v
1
.
.
.
v
m
_
_
_
Ae
1
, . . . , Ae
n
=
_
_
v
1
Ae
1
. . . v
1
Ae
n
.
.
.
.
.
.
v
m
Ae
1
. . . v
m
Ae
n
_
_
Veamos que matriz es Q
1
AQ
2
:
1) Si j > r, |Ae
j
|
2
= Ae
j
, Ae
j
= e
j
A
Ae
j
=
j
e
j
e
j
= 0. Es decir Ae
j
= 0.
2) Para todo i, j 1, . . . , r se verica
v
i
Ae
j
=
1
i
e
i
A
Ae
j
=
j
i
e
i
e
j
=
j
i
< e
i
, e
j
>= 0 si i ,= j
v
i
Ae
i
=
i
i
< e
i
, e
i
>=
i
3) i = r + 1, . . . , m y j = 1, . . . , r se verica
v
i
Ae
j
= v
i
(
j
v
j
) =
j
< v
i
, v
j
>= 0 (pues i ,= j)
En consecuencia tenemos
Q
1
AQ
2
=
_
0
0 0
_
con = diag (
1
, . . . ,
r
)
Apliquemos ahora este proceso general a la matriz dada.
A
A = A
t
A = . . . =
1
18
_
45 3
3 45
_
Hallemos los valores propios de 18A
45 3
3 45
45 3
48 + 48
42 3
0 48
=
(42 )(48 ) = 0 = 42 = 48
4.8. DESCOMPOSICI
ON EN VALORES SINGULARES 89
Los valores propios de A
A
ker(A
A
1
I)
_
3x
1
3x
2
= 0
3x
1
+ 3x
2
= 0
ker(A
A
2
I)
_
3x
1
3x
2
= 0
3x
1
3x
2
= 0
Unas bases respectivas son (1, 1)
t
y (1, 1)
t
. Una base ortonormal for-
mada por vectores propios de A
A es por tanto
e
1
= (1/
2)(1, 1)
t
, e
2
= (1/
2)(1, 1)
t
En consecuencia la matriz U es
U =
1
2
_
1 1
1 1
_
Los valores singulares son
1
=
_
7/3,
2
=
_
8/3. Los vectores v
1
, v
2
son
v
1
=
1
1
Ae
1
=
_
3
7
2
6
_
_
4 0
5 3
2 6
_
_
1
2
_
1
1
_
=
1
21
_
_
2
1
4
_
_
v
2
=
1
2
Ae
2
=
_
3
8
2
6
_
_
4 0
5 3
2 6
_
_
1
2
_
1
1
_
=
1
6
_
_
1
2
1
_
_
Extendemos v
1
, v
2
a una base ortonormal de R
3
. Un vector v
3
= (x
1
, x
2
, x
3
)
t
ortogonal a v
1
y v
2
ha de cumplir 2x
1
x
2
4x
3
= 0 y x
1
+ 2x
2
x
3
= 0. Elegimos por ejemplo (3, 2, 1), que normaliz andolo obtenemos v
3
=
(1/
14)(3, 2, 1)
t
. La descomposici on pedida es por tanto
_
_
2/
21 1/
21 4/
21
1/
6 2/
6 1/
6
3/
14 2/
14 1/
14
_
_
A
_
1/
2 1/
2
1/
2 1/
2
_
=
_
_
_
7/3 0
0
_
8/3
0 0
_
_
90 CAP
2 1 1
1 2 1
1 1 2
2 1 1
1 + 1 0
1 + 0 1
4 1 1
0 1 0
0 0 1
=
= (4 )(1 )
2
= 0 = 4 (simple), = 1 (doble)
Los valores propios son reales como era de esperar, pues sabemos por el teo-
rema espectral que para una matriz simetrica y real, estos son siempre lo son.
(ii ) Subespacios propios
ker(A 4I)
_
_
_
2x
1
+ x
2
+ x
3
= 0
x
1
2x
2
+ x
3
= 0
x
1
+ x
2
2x
3
= 0
ker(A I)
_
_
_
x
1
+ x
2
+ x
3
= 0
x
1
+ x
2
+ x
3
= 0
x
1
+ x
2
+ x
3
= 0
Entonces, dimker(A 4I) = 1 ( = 4 simple) y dimker(A I) = 3
rg(A I) = 2. Al coincidir las dimensiones con las multiplicidades, A es
diagonalizable como era de esperar seg un el teorema espectral. Unas bases
de los subespacios propios son:
B
4
= (1, 1, 1) , B
1
= (1, 1, 0), (1, 0, 1)
4.10. SEMEJANZA, CONGRUENCIA Y EQUIVALENCIA 91
(iii ) Tenemos
(1, 1, 1), (1, 1, 0) = 1 + 1 = 0, (1, 1, 1), (1, 0, 1) = 1 + 1 = 0
Como era de esperar, pues de acuerdo con el teorema espectral, vectores pro-
pios asociados a valores propios distintos son ortogonales. Por supuesto si
est an asociados a un mismo valor propio no tienen por que ser ortogonales.
Por ejemplo (1, 1, 0), (1, 0, 1) = 1 ,= 0.
(iv) Bastar a elegir en cada subespacio propio de dimensi on mayor que 1
una base ortogonal (luego se normalizara). Para ello basta elegir una ba-
se cualquiera y aplicar el metodo de Schmidt. Ahora bien, en nuestro ca-
so, una base de ker(A I) ortogonal encontrada por simple observaci on es
(1, 1, 0), (1, 1, 2). Dividiendo entre las normas obtenemos la base pedi-
da:
B =
_
1
3
(1, 1, 1),
1
2
(1, 1, 0),
1
6
(1, 1, 2)
_
(v) La matriz P de cambio es:
P =
_
_
_
_
_
_
_
1
3
1
2
1
6
1
3
1
2
1
6
1
3
0
2
6
_
_
_
_
_
_
_
Operando obtenemos P
t
P = . . . = I (o equivalentemente P
t
= P
1
) como
era de esperar, ya que la matriz de cambio de una base ortonormal a otra
ortonormal es ortogonal.
(vi ) Dado que P
1
AP = P
t
AP = D = diag(4, 1, 1), la base B no solo
diagonaliza el endomorsmo dado por la matriz simetrica A, tambien la forma
cuadr atica dada por A. Es decir, una reducida diagonal de q es D y en
consecuencia q es denida positiva.
4.10. Semejanza, congruencia y equivalencia
Se consideran las matrices reales
92 CAP
a 1 a
1 1
a 1 a
= . . . = ()(
2
2a 2) = 0
1
= 0,
2
= a +
a
2
+ 2,
3
= a
a
2
+ 2
Para todo a R se verica
1
= 0,
2
> 0 y
3
> 0 es decir, sigA = (1, 1, 1).
De manera an aloga obtenemos los valores propios de B:
1
= 0,
2
= 1 +
1 + 2a
2
y
3
= 1
1 + 2a
2
. Claramente obtenemos sigB = (1, 1, 1) si
a ,= 0 y sigB = (1, 0, 2) si a ,= 0. Podemos concluir que A y B son congruentes
si y s olo si a ,= 0.
Para a ,= 0 sabemos que existe una matriz Q R
33
invertible tal que
Q
t
AQ = D y una S R
33
invertible tal que S
t
AS = D siendo D =
diag (1, 1, 0). Igualando:
S
t
BS = Q
t
AQ B = (S
t
)
1
Q
t
AQS
1
B = (QS
1
)
t
A(QS
1
) B = (QS
1
)
t
A(QS
1
)
4.11. FORMA BILINEAL Y SISTEMA DIFERENCIAL 93
Basta elegir pues P = QS
1
. Aplicando (por ejemplo) el metodo de las
transformaciones elementales por las y columnas podemos f acilmente hallar
Q y S. Omitimos los calculos por lo rutinario de los mismos. Una soluci on
sera
P = QS
1
=
_
_
1
a
0
1
a
1
0 a
a 0
0 0 1
_
_
3. Las matrices A y B son equivalentes si y solo si tienen el mismo rango.
F acilmente vericamos que rgA = 2 para todo a R, rgB = 2 para a ,= 0
real y rgB = 1 para a = 0. Por tanto A y B son equivalentes si y solo si
a ,= 0. Del apartado anterior tenemos una igualdad B = P
t
AP, es decir
basta elegir como nuevas matrices P y Q la matriz del apartado anterior y
su traspuesta.
4.11. Forma bilineal y sistema diferencial
Sea E el espacio vectorial de las matrices reales y cuadradas de orden 2. Se
dene la aplicacion:
f : E E R , (A, B) det(A + B) det(A B)
1. Probar que f es una forma bilineal simetrica.
2. Encontrar una base B = (B
1
, B
2
, B
3
, B
4
) de E de vectores conjugados dos
a dos respecto de f tal que
f(B
1
, B
1
) = f(B
2
, B
2
) = f(B
3
, B
3
) = f(B
4
, B
4
) = 1
3. Sea M la matriz de f respecto de B. Encontrar una matriz real N tal que
N
2
= M. Sea x 0 y la funci on g(x) = x
1/2
. Existe g(M)?
4. Determinar la solucion del sistema de ecuaciones diferenciales X
= NX
sabiendo que (0, 0, 0, 0) = (1, 0, 1, 0). [2]
Resolucion. 1. Consideremos la matrices genericas de E :
A =
_
x
1
x
2
x
3
x
4
_
, B =
_
y
1
y
2
y
3
y
4
_
94 CAP
0 0 2
0 2 0
0 2 0
2 0 0
+ 2 0 0 2
0 2 0
0 2 0
2 0 0
+ 2 0 0 2
0 2 0
0 2 0
0 0 0 2
= ( + 2)( 2)(
2
4) = ( 2)
2
( + 2)
2
Es decir, 2 (doble) y -2 (doble). Los subespacios propios son:
V
2
_
_
2x
1
+ 2x
4
= 0
2x
2
2x
3
= 0
2x
2
2x
3
= 0
2x
1
2x
4
= 0
V
2
_
_
2x
1
+ 2x
4
= 0
2x
2
2x
3
= 0
2x
2
+ 2x
3
= 0
2x
1
+ 2x
4
= 0
Unas bases ortogomales de V
2
y V
2
con respecto del producto escalar usual
son
B
2
= (1, 0, 0, 1), (0, 1, 1, 0) , B
2
= (1, 0, 0, 1), (0, 1, 1, 0)
4.11. FORMA BILINEAL Y SISTEMA DIFERENCIAL 95
Como la matriz M es simetrica, vectores propios asociados a valores propios
distintos son ortogonales dos a dos. Esto implica que los cuatro vectores
anteriores forman una base ortogonal y de vectores propios asociados a M.
Dividiendo entre la norma de cada uno de los vectores, obtenemos una base
ortonormal y de vectores propios de R
4
:
c =
_
1
2
(1, 0, 0, 1),
1
2
(0, 1, 1, 0),
1
2
(1, 0, 0, 1),
1
2
(0, 1, 1, 0)
_
La matriz P de cambio de la base can onica a la c es por tanto ortogonal y
satisface
P
1
MP = P
t
MP = D = diag (2, 2, 2, 2)
Es decir, (
1
2
P)
t
M(
1
2
P) = diag (1, 1, 1, 1). Teniendo en cuenta que esta-
mos trabajando en coordenadas respecto de la base canonica de E, deducimos
que los vectores de la base B pedida son:
B
1
=
1
2
_
1 0
0 1
_
, B
2
=
1
2
_
0 1
1 0
_
, B
3
=
1
2
_
1 0
0 1
_
, B
4
=
1
2
_
0 1
1 0
_
Para hallar una matriz N tal que N
2
= M tengamos en cuenta que M se
puede expresar en cajas de la siguiente manera
M =
_
M
1
0
0 M
2
_
con M
1
= I
2
, M
2
=
_
cos sin
sin cos
_
Dado que M
2
representa un giro de angulo , es el cuadrado de un giro de
angulo /2. Teniendo en cuenta esto, hallamos N :
N =
_
_
_
_
1 0 0 0
0 1 0 0
0 0 cos /2 sin /2
0 0 sin /2 cos /2
_
_
_
_
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 0 1
0 0 1 0
_
_
_
_
4. Los valores propios de N son 1 (doble) y i (simples). Los subespacios
propios asociados a 1 e i son
V
1
_
x
3
x
4
= 0
x
3
x
4
= 0
V
i
_
_
(1 i)x
1
= 0
(1 i)x
2
= 0
ix
3
x
4
= 0
x
3
ix
4
= 0
96 CAP
Dado que N es real, una base el subespacio propio asociado al valor propio
i se obtiene conjugando e
3
. Por tanto, la matriz P = [e
1
e
2
e
3
e
3
] cumple
P
1
NP = T = diag (1, 1, i, i)
La funcion pedida es por tanto
(t) = e
tN
_
_
1
0
1
0
_
_
= Pe
tD
P
1
_
_
1
0
1
0
_
_
=
_
_
1 0 0 0
0 1 0 0
0 0 i i
0 0 1 1
_
_
_
_
e
t
0 0 0
0 e
t
0 0
0 0 e
it
0
0 0 0 e
it
_
_
_
_
1 0 0 0
0 1 0 0
0 0 i i
0 0 1 1
_
_
1
_
_
1
0
1
0
_
_
Teniendo en cuenta que P es diagonal por cajas, f acilmente obtenemos:
(t) =
_
_
e
t
0
cos t
sin t
_
_
4.12. Gram-Schmidt con integral impropia
Se considera el espacio vectorial E formado por las funciones
f : R R, f(x) = (a + bx)e
x
(a, b R)
Comprobar que < f(x), g(x) >=
_
+
0
f(x)g(x) dx es un producto escalar
que conere a E estructura de espacio eucldeo. Elegir una base de E y
ortonormalizarla por el metodo de Gram-Schmidt. [1]
4.12. GRAM-SCHMIDT CON INTEGRAL IMPROPIA 97
Resolucion. Veamos que la funcion < , >: E E R dada est a bien
denida, es decir que la integral que la dene es convergente. Para que el
problema sea m as autocontenido, no usaremos criterios de convergencia, ha-
llando directamente el valor de la integral.
Es claro que < f(x), g(x) > es de la forma I =
_
+
0
(Ax
2
+Bx +C)e
2x
dx.
Calculemos pues esta integral. Usamos el conocido metodo de identicacion
de coecientes para este tipo de funciones. Escribimos:
_
(Ax
2
+ Bx + C)e
2x
dx = (x
2
+ x + )e
2x
Derivando ambos miembros:
(Ax
2
+ Bx + C)e
2x
= [2x
2
+ 2( )x + 2]e
2x
Identicando coecientes y resolviendo:
=
A
2
, =
A + B
2
, =
A + B + 2C
4
Tenemos por tanto:
I(A, B, C) =
_
+
0
(Ax
2
+ Bx + C)e
2x
dx =
_
_
A
2
x
2
+
A + B
2
x +
A + B + 2C
4
_
1
e
2x
_
+
0
=
A + B + 2C
4
La funci on < , > est a por tanto bien denida. Veamos que es un producto
escalar.
(i ) < , > es forma bilineal. En efecto, para todo
1
,
2
n umeros reales y para
todo f
1
(x), f
2
(x), g(x) elementos de E:
<
1
f
1
(x) +
2
f
2
(x), g(x) >=
_
+
0
(
1
f
1
(x) +
2
f
2
(x))g(x)dx
1
_
+
0
f
1
(x)g(x)dx +
2
_
+
0
f
2
(x)g(x)dx
=
1
< f
1
(x), g(x) > +
2
< f
2
(x), g(x) >
De manera an aloga:
< f(x),
1
g
1
(x) +
2
g
2
(x) >=
1
< f(x), g
1
(x) > +
2
< f(x), g
2
(x) >
98 CAP
2
e
1
= 0 lo que implica
2
= 0.
Una base de E es por tanto B = u
1
(x) = e
x
, u
2
(x) = xe
x
. Hallemos
la base B
= v
1
(x), v
2
(x) obtenida de B al aplicarle el metodo de Gram-
Schmidt. Usaremos el valor hallado de I(A, B, C).
|u
1
(x)|
2
=< u
1
(x), u
1
(x) >=
_
+
0
e
2x
dx = I(0, 0, 1) =
1
2
Por tanto v
1
(x) = u
1
(x)/ |u
1
(x)| =
2e
x
. Por otra parte sabemos que:
v
2
(x) =
u
2
(x) < u
2
(x), v
1
(x) > v
1
(x)
|u
2
(x) < u
2
(x), v
1
(x) > v
1
(x)|
El valor de < u
2
(x), v
1
(x) > es:
< u
2
(x), v
1
(x) >=
_
+
0
(xe
x
)(
2e
x
)dx =
2I(0, 1, 0) =
2
4
El numerador de v
2
(x) es n(x) = xe
x
(
2/4)
2e
x
= (x 1/2)e
x
,
entonces:
|n(x)|
2
=< n(x), n(x) >=
_
+
0
n
2
(x)dx =
_
+
0
(x
2
x + 1/4)e
2x
dx = I(1, 1, 1/4) =
1
8
v
2
(x) =
n(x)
|n(x)|
=
8(x 1/2)e
x
=
2(2x 1)e
x
La base ortonormalizada de B por el metodo de Gram-Schmidt es:
B
2e
x
,
2(2x 1)e
x
4.13. PROYECCI
ON ORTOGONAL EN R
2
[X] 99
4.13. Proyecci on ortogonal en R
2
[x]
En el espacio vectorial real de los polinomios de grado menor o igual que 2
se dene el producto escalar
< p, q >=
1
2
_
1
1
p(x)q(x) dx
1. Hallar el coseno del angulo que forman los vectores p
1
= x y p
2
= x
2
.
2. Ortonormalizar la base B = 1, x, x
2
por el metodo de Schmidt.
3. Hallar la proyecci on ortogonal del vector x
2
sobre el subespacio M engen-
drado por 1 y x.
4. Determinar la distancia mnima de x
2
al subespacio M. [2]
Resolucion. 1. Dado que la integral esta denida en el intervalo simetrico
[1, 1], esta ser a nula para cualquier funci on impar. Tenemos < p
1
, p
2
>=
(1/2)
_
1
1
x
3
dx = 0. Al ser p
1
y p
2
no nulos, sus normas no son nulas y en
consecuencia, el coseno del angulo que forman estos dos vectores es
cos =
< p
1
, p
2
>
|p
1
| |p
2
|
= 0
2. Dada una base B = u
1
, u
2
, u
3
de un espacio eucldeo E sabemos que la
ortonormalizada por el metodo de Gram-Schmidt viene dada por
e
1
=
u
1
|u
1
|
, e
2
=
u
2
< u
2
, e
1
> e
1
|u
2
< u
2
, e
1
> e
1
|
e
3
=
u
3
< u
3
, e
2
> e
2
< u
3
, e
1
> e
1
|u
3
< u
3
, e
2
> e
2
< u
3
, e
1
> e
1
|
Procedemos a efectuar los calculos para u
1
= 1, u
2
= x, u
3
= x
2
.
|u
1
| =
_
1
2
_
1
1
dx = 1 e
1
= 1
u
2
< u
2
, e
1
> e
1
= x
_
1
2
_
1
1
xdx
_
1 = x |x| =
_
1
2
_
1
1
x
2
dx =
1
3
e
2
=
3x
u
3
< u
3
, e
2
> e
2
< u
3
, e
1
> e
1
= x
2
3
2
_
1
1
x
3
dx
_
3x
_
1
2
_
1
1
x
2
dx
_
1 = x
2
1
3
_
_
x
2
1
3
_
_
=
_
1
2
_
1
1
_
x
2
1
3
_
2
dx =
2
3
5
e
3
= (3
5/2)(x
2
1/3)
100 CAP
= 1,
3x, (3
5/2)(x
2
1/3).
3. Una base del subespacio M es 1, x, y de los c alculos efectuados en el
apartado anterior deducimos que una base ortonormal de M es 1,
3x.
Por un conocido teorema, la proyecci on de ortogonal de x
2
sobre M es
p =< x
2
, 1 > 1+ < x
2
,
3x >
3x =
_
1
2
_
1
1
x
2
dx
_
1
_
3
2
_
1
1
x
3
dx
_
3x =
1
3
4. La mnima distancia de un vector a un subespacio sabemos que es la
distancia del vector a su proyecci on ortogonal sobre el subespacio. Es decir
d(x
2
, M) = d(x
2
,
1
3
) =
_
_
x
2
1
3
_
_
=
_
1
2
_
1
1
(x
2
1/3)
2
dx =
2
3
5
=
2
5
15
4.14. Endomorsmo simetrico
Sea E = R
(2,2)
dotado del producto escalar < P, Q >= tr(P
t
Q). Dada la
matriz
A() =
_
1 + 1
1
_
( R)
se considera el endomorsmo T
de E en E denido por T
(X) = A() X.
Se pide:
1. Determinar la matriz M() de T
en la base
B =
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
_
un isomorsmo de E, y caracterizar
en este caso los subespacios ker T
e Im T
.
3. Demostrar que la matriz M() y el endomorsmo T
ETRICO 101
T(e
1
) = A()e
1
=
_
1 + 0
0
_
= (1 + )e
1
+ e
3
T(e
2
) = A()e
2
=
_
0 1 +
0
_
= (1 + )e
2
+ e
4
T(e
3
) = A()e
3
=
_
1 0
1 0
_
= (1 )e
1
e
3
T(e
4
) = A()e
4
=
_
0 1
0 1
_
= (1 + )e
2
e
4
Trasponiendo coecientes obtenemos la matriz M() de T
en la base B :
M() =
_
_
1 + 0 1 0
0 1 + 0 1
0 1 0
0 0 1
_
_
2. El endomorsmo T
0 0 1 0
0 1 + 0 1
1 0 1 0
0 0 1
=
( 1)
0 1 0
1 + 0 1
0 1
= ( 1)
2
1 + 1
1 1
=
( 1)
2
(
2
2 + 1) = ( 1)
4
= 0 = 1
Para = 1 la matriz del endomorsmo T
1
es
M(1) =
_
_
0 0 0 0
0 0 0 0
1 0 1 0
0 1 0 1
_
_
Unas ecuaciones de ker T
1
en coordenadas en la base B y una base ker T
1
son:
_
x
1
x
3
= 0
x
2
x
4
= 0
, B
ker T
1
= (1, 0, 1, 0)
t
, (0, 1, 0, 1)
t
102 CAP
1 + 0 1 0
0 1 + 0 1
0 1 0
0 0 1
=
(1 + )(1 )
1 + 1
1
(1 )
1 + 1
1
1 + 1
1
2
= [A() I[
2
Es decir, la matriz A() y el endomorsmo T
ITULO 5. MISCEL
ANEA ALGEBRAICA
4. Construir todas las matrices m agicas simetricas, comenzando por estudiar
el caso en el que la suma com un es nula.
5. Construir todas las matrices magicas. Demostrar que forman un espacio
vectorial sobre R. C ual es la dimensi on de este espacio?
6. Calcular A
2
, B
2
, C
2
, AC, BC, CA, CB. Demostrar que AB + BA es com-
binaci on lineal de C y de I.
7. C ual es la condici on necesaria y suciente para que el producto de dos
matrices m agicas sea m agica?. Determinar todas las matrices magicas que
son producto de dos magicas.
8. Demostrar que el producto de una matriz magica por una combinacion
lineal de I y de C es magica.
9. Demostrar que las potencias pares de una matriz m agica no son matrices
m agicas (salvo un caso particular a precisar), pero las potencias impares de
una matriz m agica son siempre m agicas.
10. Cuando una matriz m agica es invertible? En su caso hallar la inversa Es
la inversa una matriz magica? Estudiar si son m agicas las potencias negativas
de una matriz m agica.
Resolucion. 1. Supongamos que M se puede descomponer en la forma
M = M
1
+ M
2
con M
1
simetrica y M
2
antisimetrica. Transponiendo:
M = M
1
+ M
2
M
t
= M
1
M
2
Resolviendo, obtenemos necesariamente:
M
1
=
1
2
(M + M
t
), M
2
=
1
2
(M M
t
)
Es claro que M = M
1
+M
2
. Veamos que la matriz M
1
es simetrica y que M
2
es antisimetrica:
M
t
1
= [(1/2)(M + M
t
)]
t
= (1/2)[M
t
+ (M
t
)
t
] = (1/2)[M
t
+ M] = M
1
M
t
2
= [(1/2)(M M
t
)]
t
= (1/2)[M
t
(M
t
)
t
] = (1/2)[M
t
M] = M
2
5.1. MATRICES M
AGICAS 105
2. La vericaci on de estas propiedades es inmediata a partir de la denicion
de matriz m agica. Claramente A, B, C son magicas.
3. Cualquier matriz antisimetrica M
2
de orden 3 3 es de la forma:
M
2
=
_
_
0
0
0
_
_
(, , R)
La matriz ser a magica s, y solamente si:
= = = = = = 0
Resolviendo el sistema obtenemos:
M
2
=
_
_
0 1 1
1 0 1
0 1 0
_
_
( R)
4. Escribiendo una matriz simetrica magica, obligando que tenga suma com un
cero y resolviendo el correspondiente sistema, obtenemos las matrices de la
forma:
_
_
1 1 0
1 0 1
0 1 1
_
_
( R)
Las matrices magicas simetricas de suma com un s se obtendran sumando
s/3 a cada elemento de las matrices encontradas anteriormente. Llamando
= s/3 obtenemos la forma de todas las matrices m agicas simetricas:
M
1
=
_
_
1 1 0
1 0 1
0 1 1
_
_
+
_
_
1 1 1
1 1 1
1 1 1
_
_
(, R)
5. Toda matriz magica es de la forma M = M
1
+ M
2
:
M =
_
_
0 1 1
1 0 1
0 1 0
_
_
+
_
_
1 1 0
1 0 1
0 1 1
_
_
+
_
_
1 1 1
1 1 1
1 1 1
_
_
=
1
2
( )A
1
2
( + )B + C = A + B + C
106 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
Denominando por / al conjunto de todas las matrices magicas, hemos de-
mostrado que / = L[A, B, C]. Esto implica que / es subespacio de R
33
.
Es facil demostrar que A, B, C es sistema libre, en consecuencia es base de
/ y por tanto dim/ = 3.
6. Operando obtenemos:
A
2
= B
2
= AC = CA = BC = CB = 0, C
2
= 3C, AB + BA = 12I 4C
7. Usando la base A, B, C y los resultados del apartado anterior podemos
escribir la forma del producto de dos matrices m agicas:
(A + B + C)(A + B + C) = . . . =
3C +
_
_
2 + 6 4 2 6
4 8 4
2 6 4 2 + 6
_
_
La matriz 3C es magica. Obligando a que el segundo sumando sea matriz
m agica obtenemos (12 + 12 = 0) (12 12 = 0) con lo cual
el producto de dos matrices m agicas es magica s y solamente si = 0 y
= 0 son nulos. Tenemos:
= = 0 C(A + B + C) = 3C
= = 0 (B + C)(B + C) = 3C
= = 0 (A + C)(A + C) = 3C
= = 0 C(A + B + C) = 3C
En consecuencia, las unicas matrices magicas que son producto de dos m agi-
cas son las de la forma C con R.
8. Toda matriz m agica es de la forma A + B + C y toda combinacion
lineal de I y de C de la forma
I +
C . Multiplicando:
(A + B + C)(
I +
C) =
A +
B + (
+ 3
)C
es decir, el producto es una matriz magica.
9. El cuadrado de una matriz m agica M es M
2
= (A+B+C)
2
. Del apar-
tado 7 deducimos que M
2
es magica s y solamente si, = 0. Calculando
M
2
obtenemos:
5.2. MATRIZ DE MARKOV 107
M
2
= . . . = 12I + (3
2
4)C
M
3
es el producto de una magica ( M ) por una combinaci on lineal de I y de
C ( M
2
). Por el apartado 8 concluimos que M
3
es magica. Por recurrencia
obtenemos:
M
2n1
m agica M
2n
= hI + kC M
2n+1
m agica
Si = 0 entonces M
n
= 3
n1
n
C, que es magica. Para ,= 0 obtenemos:
M
2n
= (12)
n
I + (1/3)[(3)
2n
(12)
n
]C
M
2n+1
= (12)
n
(A + B) + (3)
n
C
10. Operando obtenemos det(M) = 36, entonces M es invertible s y
solamente si los escalares det(M), , son no nulos. Calculando obtenemos:
M
1
=
1
36
_
3
A +
3
B +
4
C
_
=
A +
B +
C
que es una matriz m agica. Dado que
n
i=1
x
i
= 1. Una matriz cuadrada n n es una matriz de Markov cuando
sus columnas son vectores probabilsticos. Se pide:
(a) Demostrar que una matriz cuadrada (n n) A es de Markov cuando y
s olo cuando para cualquier vector probabilstico (de R
n
) X el vector AX es
tambien probabilstico.
(b) Si A y B son matrices de Markov (nn) Es A+B de Markov? Es AB
de Markov Dar las demostraciones o construir contraejemplos. [1]
Resolucion. (a) Consideremos las matrices:
108 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
A =
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
, X =
_
_
x
1
.
.
.
x
n
_
_
.
Supongamos que A es matriz de Markov y que X es vector probabilstico.
Entonces
AX =
_
_
a
11
x
1
+ . . . + a
1n
x
n
.
.
.
a
n1
x
1
+ . . . + a
nn
x
n
_
_
Por ser A de Markov, a
ij
0 para todo i, j y por ser X probabilstico, x
i
0
para todo i. Esto implica que todas las componentes de AX son mayores o
iguales que cero. Por otra parte, teniendo en cuenta que la suma de las
componentes de cada columna de A es 1 y que la suma de las componentes
de X tambien es 1 obtenemos que la suma de todas las componentes de AX
es
(a
11
+. . .+a
n1
)x
1
+. . .+(a
1n
+. . .+a
nn
)x
n
= 1x
1
+. . .+1x
n
= x
1
+. . .+x
n
= 1
Es decir, AX es vector probabilstico. Recprocamente, supongamos que para
todo vector probabilstico X se verica que AX es probabilstico. Elijamos
los vectores de la base canonica de R
n
E
1
=
_
_
1
.
.
.
0
_
_
, . . . , E
n
=
_
_
0
.
.
.
1
_
_
Claramente estos vectores son probabilsticos y por hip otesis tambien lo son
AE
1
=
_
_
a
11
.
.
.
a
n1
_
_
, . . . , AE
n
=
_
_
a
n1
.
.
.
a
nn
_
_
Pero estos vectores son las columnas de A, lo cual implica que A es matriz
de Markov.
(b) Consideremos las matrices A = B = I
2
(matriz identidad de orden
2), claramente A y B son de Markov, sin embargo A + B = 2I
2
no es de
Markov. El primer enunciado es falso. Sean ahora A y B matrices de Mar-
kov siendo B
1
, . . . , B
n
las columnas de B. Entonces AB = A[B
1
, . . . , B
n
] =
[AB
1
, . . . , AB
n
]. Pero por lo demostrado en el apartado anterior, AB
1
, . . . , AB
n
son vectores probabilsticos lo cual implica que AB es de Markov. El segundo
enunciado es cierto.
5.3. INVERSA GENERALIZADA O G-INVERSA 109
5.3. Inversa generalizada o g-inversa
1. Sea A una matriz (cuadrada o rectangular). Se dice que una matriz G es
una g-inversa (o inversa generalizada) de A cuando AGA = A. Naturalmente
que G ha de ser de tipo n m en el caso de ser A del tipo m n. Si A es
cuadrada e invertible, entonces es f acil comprobar que la inversa A
1
es (la
unica) g-inversa de A, de manera que el concepto de g-inversa es una gene-
ralizaci on del concepto de inversa. Lo que sigue es, ademas de una prueba de
evaluacion una invitacion al estudio de las matrices g-inversas.
(a) C alculo de las g-inversas en un caso particular. Se
A la matriz mn que
escrita por cajas presenta la forma
A =
_
I
r
0
0 0
_
donde la submatriz I
r
es la matriz unidad de orden r, y siendo nulas las
otras tres submatrices. Comprobar que la traspuesta
A
t
es una g-inversa de
ITULO 5. MISCEL
ANEA ALGEBRAICA
Dar una demostracion o construir un contraejemplo.
(b) Resolucion Si el sistema es compatible, demostrar que x = Gb+(I
n
GA)z
es soluci on (donde I
n
es la matriz unidad de orden n, y z es un vector columna
n 1 arbitario). [1]
Resolucion. 1. (a) Veamos que
A
t
es g-inversa de
A es decir que
A
A
t
A =
A.
Para ello usamos la multiplicacion por cajas. Escribimos en cada caso el orden
de las matrices nulas que aparecen para comprobar que el producto por cajas
tiene sentido.
A
A
t
=
_
I
r
0
r(nr)
0
(mr)r
0
(mr)(nr)
_ _
I
r
0
r(mr)
0
(nr)r
0
(nr)(mr)
_
=
_
I
r
0
r(mr)
0
(mr)r
0
(mr)(mr)
_
A
A
t
A =
_
I
r
0
r(mr)
0
(mr)r
0
(mr)(mr)
_ _
I
r
0
r(nr)
0
(mr)r
0
(mr)(nr)
_
=
_
I
r
0
r(nr)
0
(mr)r
0
(mr)(nr)
_
=
A
Hallemos ahora todas las matrices G que son g-inversas de
A. Si G es g-
inversa de
A entonces G tiene orden n m y podemos expresarla por cajas
en la forma
G =
_
X
rr
Y
r(mr)
Z
(nr)r
T
(nr)(mr)
_
o abreviadamente G =
_
X Y
Z T
_
.
Entonces, G es g-inversa de
A si y s olo si
AG
A =
A. Equivalentemente
_
I
r
0
0 0
_ _
X Y
Z T
_ _
I
r
0
0 0
_
=
_
I
r
0
0 0
_
_
X Y
0 0
_ _
I
r
0
0 0
_
=
_
I
r
0
0 0
_
_
X 0
0 0
_
=
_
I
r
0
0 0
_
X = I
r
En consecuencia, todas las matrices g-inversas de
A son todas las matrices
n m de la forma
5.3. INVERSA GENERALIZADA O G-INVERSA 111
G =
_
I
r
Y
Z T
_
(b) Usando el apartado anterior tenemos
AGA = A(Q
A
t
P)A = (AQ)
A
t
(PA) =
(P
1
A)
A
t
(
AQ
1
) = P
1
(
A
A
t
A)Q
1
=
P
1
AQ
1
= A
Es decir, G = Q
A
t
P es g-inversa de A.
(c) Veamos que A es g-inversa de G, es decir GAG = A. Tenemos
GAG = (Q
A
t
P)A(Q
A
t
P) = (Q
A
t
)(PAQ)(
A
t
P)
Q(
A
t
A
A
t
)P = Q(
A
A
t
A)
t
P = Q
AP = G
El resultado no es general. Elijamos por ejemplo las matrices de ordenes nn
: A = 0 (matriz nula) y G = I (matriz unidad). Entonces
AGA = 0I0 = 0 = A , GAG = I0I = 0 ,= G
Es decir, G es g-inversa de A pero A no es g-inversa de G.
2. (a) Por hip otesis AGA = A. Si el sistema Ax = b es compatible, existe
x
0
R
n1
tal que Ax
0
= b. Entonces Ax
0
= b AGAx
0
= b AGb = b.
La condici on tambien es suciente pues si AGb = b, entonces x
0
= Gb es
soluci on del sistema.
(b) Tenemos
A(Gb + (I
n
GA)z) = AGb + Az AGAz = AGb + Az Az = AGb = b
lo cual demuestra que todo vector de la forma Gb + (I
n
GA)z es soluci on
del sistema Ax = b.
112 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
5.4. Determinate por inducci on y sistema li-
neal
Para cada n N
_
1 + a 1 0 . . . 0 0
a 1 + a 1 . . . 0 0
0 a 1 + a . . . 0 0
.
.
.
.
.
.
0 0 0 . . . 1 + a 1
0 0 0 . . . a 1 + a
_
_
C
(n,n)
y el sistema A
n
(a)X = (0, 0, . . . , 0, b)
t
, donde X C
(n,1)
. Se pide:
1. Calcular los determinantes de A
1
(a), A
2
(a) y A
3
(a).
2. Obtener una relaci on lineal entre los determinantes de A
n
(a), A
n+1
(a) y
A
n+2
(a).
3. Hallar, en funci on de a y n, una expresion del determinante de A
n
(a) y
demostrar su validez.
4. Determinar todos los valores de a y b para los que el sistema dado es
compatible determinado, indeterminado e incompatible. [2]
Resolucion. 1. Los determinantes pedidos son
det A
1
(a) = 1 + a, det A
2
(a) =
1 + a 1
a 1 + a
= 1 + a + a
2
det A
3
(a) =
1 + a 1 0
a 1 + a 1
0 a 1 + a
= 1 + a + a
2
+ a
3
2. Desarrollando por los elementos de la primera columna
det A
n+2
(a) = (1 + a)
1 + a 1 . . . 0 0
a 1 + a . . . 0 0
.
.
.
.
.
.
0 0 . . . 1 + a 1
0 0 . . . a 1 + a
1 0 . . . 0 0
a 1 + a . . . 0 0
.
.
.
.
.
.
0 0 . . . 1 + a 1
0 0 . . . a 1 + a
= (1 + a) det A
n+1
a det A
n
(a)
Esta igualdad equivale a
det A
n+1
(a) = (1 + a) det A
n
a det A
n1
(a) (n 2) (1)
3. El calculo de los determinantes del primer apartado permite conjeturar la
f ormula
det A
n
(a) = 1 + a + a
2
+ . . . + a
n
(2)
Veamos que la formula (2) es cierta aplicando el metodo de induccion.
Paso base La f ormula (2) es cierta para n = 1, 2, 3 como se vio en el primer
apartado.
Paso de induccion Supongamos que (2) es cierta para todo k n. Veamos
que es cierta para n + 1. Usando (1):
det A
n+1
(a) = (1 + a)(1 + a + a
2
+ . . . + a
n
) a(1 + a + a
2
+ . . . + a
n1
) =
1 + a + a
2
+ . . . + a
n
+ a + a
2
+ a
3
+ . . . + a
n+1
a a
2
a
3
. . . a
n
=
1 + a + a
2
+ a
3
. . . + a
n+1
La formula (2) es tambien cierta para n + 1.
4. Usando la formula de la suma de los terminos una progresi on geometrica
tenemos
det A
n
(a) = 1 + a + a
2
+ . . . + a
n
=
a
n+1
1
a 1
(a ,= 1)
es decir, los valores que anulan a det A
n
(a) son las races de orden n + 1 de
la unidad excluida la raz 1:
det A
n
(a) = 0 a = w
k
= cos
2k
n + 1
+ i sin
2k
n + 1
(k = 1, 2, . . . , n)
114 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
Llamemos B a la matriz ampliada. Si a ,= w
k
se verica rgA
n
(a) = n = rgB
siendo n el n umero de inc ognitas con lo cual el sistema es compatible y
determinado. Si a = w
k
entonces det A
n
(a) = 0 pero det A
n1
(a) ,= 0 pues
salvo la raz 1 las races de orden n + 1 de la unidad son distintas de las de
orden n (corresponden a los vertices de un polgono regular de n+1 y n lados
respectivamente con centro el origen). Es decir, rgA
n
(a) = n 1. Hallemos
el rango de la matriz ampliada
1 + a 1 0 . . . 0 0
a 1 + a 1 . . . 0 0
0 a 1 + a . . . 0 0
.
.
.
.
.
.
0 0 0 . . . 1 + a 0
0 0 0 . . . a b
= b det A
n1
(a)
Si b ,= 0 el rango de B es n y si b = 0 el rango de B es n 1. Podemos
concluir:
_
_
a ,= w
k
comp. determinado
a = w
k
_
b = 0 incompatible
b ,= 0 indeterminado
5.5. Determinante con n umeros combinato-
rios
Calcular el determinante de orden p + 1
(m, p) =
_
m
0
_ _
m
1
_ _
m
2
_
. . .
_
m
p
_
_
m+1
0
_ _
m+1
1
_ _
m+1
2
_
. . .
_
m+1
p
_
.
.
.
.
.
.
_
m+p
0
_ _
m+p
1
_ _
m+p
2
_
. . .
_
m+p
p
_
(m p)
%endej
Resolucion. Restando a cada la la anterior y usando la conocidas f ormulas
_
n
k
_
=
_
n1
k1
_
+
_
n1
k
_
,
_
n
0
_
= 1 y
_
n
1
_
= n obtenemos
5.6. DETERMINANTE E INVERSA DE ORDEN N 115
(m, p) =
_
m
0
_ _
m
1
_ _
m
2
_
. . .
_
m
p
_
0
_
m
0
_ _
m
1
_
. . .
_
m
p1
_
0
_
m+1
0
_ _
m+1
1
_
. . .
_
m+1
p1
_
.
.
.
.
.
.
0
_
m+p1
0
_ _
m+p1
1
_
. . .
_
m+p1
p1
_
=
1
_
m
0
_ _
m
1
_
. . .
_
m
p1
_
_
m+1
0
_ _
m+1
1
_
. . .
_
m+1
p1
_
.
.
.
.
.
.
_
m+p1
0
_ _
m+p1
1
_
. . .
_
m+p1
p1
_
= (m, p 1)
Por tanto
(m, p) = (m, p 1) = (m, p 2) = . . . = (m, 1) =
_
m
0
_ _
m
1
_
_
m+1
0
_ _
m+1
1
_
1 m
1 m + 1
= 1
5.6. Determinante e inversa de orden n
Se considera la matriz
M
n
=
_
_
a
1
+ a
2
a
2
0 0 . . . 0 0 0
a
2
a
2
+ a
3
a
3
0 . . . 0 0 0
0 a
3
a
3
+ a
4
a
4
. . . 0 0 0
.
.
.
.
.
.
0 0 0 0 . . . a
n1
a
n1
+ a
n
a
n
0 0 0 0 . . . 0 a
n
a
n
_
_
siendo a
1
, a
2
, . . . , a
n
n umeros reales no nulos y sea D
n
= det M
n
.
1. Calcular D
1
, D
2
, D
3
. ( N otese que M
1
= [a
1
] )
2. Encontrar una relaci on entre D
n
y D
n+1
.
3. Calcular D
n
.
4. Sean b
1
=
1
a
1
, b
i
= b
i1
+
1
a
i
, i = 2, 3, . . . n y sea
116 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
A
n
=
_
_
b
1
b
1
b
1
. . . b
1
b
1
b
1
b
2
b
2
. . . b
2
b
2
b
1
b
2
b
3
. . . b
3
b
3
.
.
.
.
.
.
b
1
b
2
b
3
. . . b
n1
b
n1
b
1
b
2
b
3
. . . b
n1
b
n
_
_
Hallar [A
n
[ en funcion de a
1
, a
2
, . . . , a
n
.
5. Calcular el producto M
n
A
n
y deducir M
1
n
. [2]
Resolucion. 1. Para hallar D
2
sumamos a la primera la la segunda y para
D
3
sumamos a la segunda la la tercera.
D
1
= det[a
1
] = a
1
, D
2
=
a
1
+ a
2
a
2
a
2
a
2
a
1
0
a
2
a
2
= a
1
a
2
,
D
3
=
a
1
+ a
2
a
2
0
a
2
a
2
+ a
3
a
3
0 a
3
a
3
a
1
+ a
2
a
2
0
a
2
a
2
0
0 a
3
a
3
= a
3
D
2
= a
1
a
2
a
3
2. Sumando a la pen ultima la la ultima:
D
n+1
=
a
1
+ a
2
a
2
0 0 . . . 0 0 0
a
2
a
2
+ a
3
a
3
0 . . . 0 0 0
0 a
3
a
3
+ a
4
a
4
. . . 0 0 0
.
.
.
.
.
.
0 0 0 0 . . . a
n
a
n
+ a
n+1
a
n+1
0 0 0 0 . . . 0 a
n+1
a
n+1
a
1
+ a
2
a
2
0 0 . . . 0 0 0
a
2
a
2
+ a
3
a
3
0 . . . 0 0 0
0 a
3
a
3
+ a
4
a
4
. . . 0 0 0
.
.
.
.
.
.
0 0 0 0 . . . a
n
a
n
0
0 0 0 0 . . . 0 a
n+1
a
n+1
= a
n+1
D
n
3. Los calculos efectuados en el primer apartado sugieren la formula D
n
=
a
1
a
2
. . . a
n
. Demostremosla por inducci on. Esta demostrado que es cierta para
n = 1. Se cierta para n, entonces por el apartado anterior, D
n+1
= a
n+1
D
n
=
a
1
a
2
. . . a
n
a
n+1
es decir, la f ormula es cierta para n + 1.
5.7. FAMILIA DE POLINOMIOS P(X
2
) = P(X)P(X + 1) 117
4. Sumando a la pen ultima la la ultima y usando las relaciones entre los
n umeros a
j
y b
j
obtenemos
[A
n
[ =
b
1
b
1
b
1
. . . b
1
b
1
0 b
2
b
1
b
2
b
1
. . . b
2
b
1
b
2
b
1
0 0 b
3
b
2
. . . b
3
b
2
b
3
b
2
.
.
.
.
.
.
0 0 0 . . . b
n1
b
n2
b
n1
b
n2
0 0 0 . . . 0 b
n
b
n1
=
b
1
(b
2
b
1
)(b
3
b
2
) . . . (b
n1
b
n2
)(b
n
b
n1
) =
1
a
1
1
a
2
1
a
3
. . .
1
a
n
5. Usando de nuevo las relaciones entre los n umeros a
j
y b
j
f acilmente obte-
nemos M
n
A
n
= I
n
de lo cual se deduce que M
1
n
= A
n
.
5.7. Familia de polinomios p(x
2
) = p(x)p(x + 1)
Se considera el conjunto
E = p(x) R[x] 0 : p(x
2
) = p(x)p(x + 1)
1. Demostrar que todo polinomio de E es normalizadizado, es decir el coe-
ciente de mayor grado es 1.
2. Demostrar que toda constante de E es igual a 1.
3. Demostrar que si a C es raz de un polinomio p(x) E entonces tambien
lo son a
2
y (a 1)
2
.
4. Calcular las posibles races complejas de cualquier p(x) E.
5. Aplicando el resultado anterior, determinar el conjunto E. [2]
Resolucion. 1. Todo polinomio p(x) E es de la forma p(x) = a
0
+a
1
x +
. . . + a
n
x
n
con a
n
,= 0. Adem as
p(x
2
) = a
0
+ a
1
x
2
+ a
2
x
4
+ . . . + a
n
x
2n
p(x + 1) = a
0
+ a
1
(x + 1) + a
2
(x + 1)
2
+ . . . + a
n
(x + 1)
n
Si p(x
2
) = p(x)p(x +1) entonces (igualando los coecientes de x
2
) se verica
a
n
= a
2
n
o de forma equivalente a
n
(a
n
1) = 0. Se deduce que a
n
= 0 o
a
n
= 1. Como a
n
,= 0, ha de ser a
n
= 1, es decir todo polinomio de E es
118 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
m onico o normalizado.
2. Si p(x) E es constante entonces es de la forma p(x) = a
0
. Como p(x) es
normalizado, ha de ser necesariamente a
0
= 1.
3. Si a es raz de p(x) entonces p(a) = 0. Usando p(x
2
) = p(x)p(x + 1)
obtenemos
p(a
2
) = p(a)p(a 1) = 0 p(a + 1) = 0
p ((a 1)
2
) = p(a 1)p(a) = p(a 1) 0 = 0
es decir, a
2
y (a 1)
2
son tambien races de p(x).
4. Del apartado anterior deducimos que si a es raz de p(x) entonces: (i )
a
2
, a
4
, a
8
, . . . son tamben races de p(x). (ii ) (a 1)
2
, (a 1)
4
, (a 1)
8
, . . .
son tamben races de p(x). Como el n umero de races de un polinomio no
nulo es nito, se ha de vericar
(a = 0 [a[ = 1) (a = 1 [a 1[ = 1)
Es decir, a = 0, a = 1 o a cumple [a[ = 1 y [a 1[ = 1. Llamando a = x+iy
con x, y R las condiciones [a[ = 1 y [a 1[ = 1 equivalen al sistema
_
x
2
+ y
2
= 1
(x 1)
2
+ y
2
= 1
Resolviendo obtenemos las soluciones x = 1/2, y =
3. Podemos concluir
que las unicas posibles races de cualquier polinomio p(x) E son 0 o 1 o
1/2
3i.
5. Sea p(x) un elemento de E. De los apartados 1. y 4. se deduce que p(x) es
de la forma p(x) = x
(x1)
__
x
2
1/2
3i
_ _
x
2
1/2 +
3i
_
con ,
y enteros no negativos. Operando obtenemos p(x) = x
(x1)
(x
2
x+1)
.
Por otra parte
p(x)p(x + 1) = x
(x 1)
(x
2
x + 1)
(x + 1)
(x
2
+ x + 1)
=
x
+
(x 1)
(x + 1)
(x
2
x + 1)
(x
2
+ x + 1)
p(x
2
) = x
2
(x + 1)
(x 1)
(x
4
x
2
+ 1)
5.8. SENO DE 72
o
119
El polinomio p(x)p(x + 1) lo tenemos expresado como producto de irreduci-
bles. Para expresar p(x
2
) en la misma forma, vamos a factorizar x
4
x
2
+ 1
en producto de irreducibles
x
4
x
2
+ 1 = (x
2
+ 1)
2
(
3x)
2
= (x
2
+
3x + 1)(x
2
3x + 1)
Ahora la igualdad p(x
2
) = p(x)p(x + 1) la podemos expresar:
x
+
(x 1)
(x + 1)
(x
2
x + 1)
(x
2
+ x + 1)
=
x
2
(x + 1)
(x 1)
(x
2
+
3x + 1)
(x
2
3x + 1)
(x 1)
o
bien p(x) = (x
2
x)
g + i(1 )
determinamdo el n umero real y los enteros p, q, m, e, f, n, g. [2]
Resolucion. 1) Multiplicando ambos miembros por z 1
(z 1)
_
z
2
+ z + 1 +
1
z
+
1
z
2
_
= . . . = z
3
1
z
2
= 0
Ecuaci on equivalente a la dada salvo por la raz z = 1.
2) Tenemos w
2
= (z + 1/z)
2
= z
2
+ 2 + 1/z
2
por consiguiente
120 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
z
2
+z+1+
1
z
+
1
z
2
=
_
z
2
+
1
z
2
_
+
_
z +
1
z
_
+1 = w
2
2+w+1 = w
2
+w1 = 0
3) La ecuaci on z
3
1/z
2
= 0 es equivalente a z
5
1 = 0. Hallemos sus races
z
k
=
5
1 =
5
_
1(cos 0
0
+ i sin 0
0
) = cos
360
0
k
5
+ i sin
360
0
k
5
(k = 0, 1, 2, 3, 4)
Para k = 1 obtenemos la raz z
1
= cos 72
0
+ i sin 72
0
= a + bi. Las races de
w
2
+ w 1 = 0 son w = (1
5
2
= a+bi+
1
a + bi
= a+bi+
a bi
a
2
+ b
2
= a+
a
a
2
+ b
2
+b
_
1
1
a
2
+ b
2
_
i
Como la parte imaginaria es nula obtenemos b = 0 o a
2
+ b
2
= 1. Si b =
0 entonces a = 1 y no coinciden las partes reales, por tanto ha de ser
a
2
+ b
2
= 1. Igualando partes reales obtenemos (1
5
4
_
2
=
_
10+2
5
16
=
1
4
_
10 + 2
5
Adem as, p = 1, q = 4, m = 2, e = 10, f = 2, n = 2, g = 5, = 1.
5.9. Metodo del simplex: aplicaci on
En el proceso semanal de fabricacion de una empresa se producen 43, 46 y
42 Tm de unas substancias S
1
, S
2
, S
3
que no se pueden venderse directamen-
te al mercado, pero permiten obtener unos productos P
1
, P
2
, P
3
que reportan
unos benecios unitarios de 3, 5, 2 respectivamente. Para cada Tm de P
1
se
necesitan 1, 3 y 1 Tm de S
1
, S
2
, S
3
respectivamente y analogamente 1, 2, 0
por Tm de P
2
y 2, 0, 4 por Tm de P
3
. Se pide:
(a) Plantear y resolver un problema de programaci on lineal para organizar
la produccion de P
1
, P
2
, P
3
de manera que se maximicen los benecios.
(b) Para evitar la contaminacion existen disposiciones legales que obligan a
consumir cada semana la totalidad de la substancia S
3
producida. Calcular
la perdida de benecios que el cumplimiento de dichas disposiciones supone
para la empresa. [1]
5.9. M
ON 121
Resolucion. (a) Llamemos x
1
, x
2
, x
3
al n umero de Tm a fabricar de los
productos P
1
, P
2
, P
3
respectivamente. Se trata de maximizar la funci on z =
3x
1
+ 5x
2
+ 2x
3
sujeta a las restricciones:
_
_
x
1
+ x
2
+ 2x
3
43
3x
1
+ 2x
2
46
2x
1
+ 4x
3
42
x
1
0, x
2
0, x
3
0
Introducimos las variables de holgura x
i
0 (i = 4, 5, 6) y expresamos el
problema en forma est andar:
_
_
x
1
+ x
2
+ 2x
3
+ x
4
= 43
3x
1
+ 2x
2
+ x
5
= 46
2x
1
+ 4x
3
+ x
6
= 42
3x
1
5x
2
2x
3
+ z = 0
x
1
0, x
2
0, x
3
0
Expresemos el problema en forma matricial escribiendo ordenadamente en
las los coecientes de x
1
, . . . , x
6
, z y los terminos constantes:
_
_
1 1 2 1 0 0 0 43
3 2 0 0 1 0 0 46
2 0 4 0 0 1 0 42
3 5 2 0 0 0 1 0
_
_
Una solucion factible basica es x = (0, 0, 0, 43, 46, 42)
t
para la cual z = 0.
La solucion no es m axima al existir alg un coeciente negativo para las x
i
.
Eliminemos el menor coeciente negativo es decir, 5. Como 2/46 > 1/46 >
0/42 elegimos como pivote a
22
= 2 y fabricamos ceros es la segunda columna:
_
_
1 1 2 1 0 0 0 43
3/2 1 0 0 1/2 0 0 23
2 0 4 0 0 1 0 42
3 5 2 0 0 0 1 0
_
_
_
_
1/2 0 2 1 1/2 0 0 20
3/2 1 0 0 1/2 0 0 23
2 0 4 0 0 1 0 42
9/2 0 2 0 5/2 0 1 115
_
_
122 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
Una solucion factible basica es x = (0, 23, 0, 20, 0, 42)
t
para la cual z = 115.
La soluci on no es m axima al existir alg un coeciente negativo para las x
i
.
Eliminemos el unico coeciente negativo es decir, 2. Como 2/20 > 4/42 >
0/23 elegimos como pivote a
13
= 2 y fabricamos ceros es la primera columna:
_
_
1/4 0 1 1/2 1/4 0 0 10
3/2 1 0 0 1/2 0 0 23
2 0 4 0 0 1 0 42
9/2 0 2 0 5/2 0 1 115
_
_
_
_
1/4 0 1 1/2 1/4 0 0 10
3/2 1 0 0 1/2 0 0 23
3 0 0 2 1 1 0 2
4 0 0 1 2 0 1 135
_
_
Una solucion factible basica es x = (0, 23, 10, 0, 0, 2)
t
para la cual z = 135.
La solucion es m axima al no existir coecientes negativos para las x
i
. En
consecuencia, se optimizan los benecios fabricando 0 Tm de P
1
, 23 Tm de
P
2
y 10 Tm de P
3
, siendo el benecio maximo de 135.
(b) Basta imponer que 2x
1
+4x
3
= 42. Despejando obtenemos x
1
= 21 2x
3
con lo cual el problema se reduce a usar el metodo gr aco en el plano x
2
x
3
.
5.10. Curva plana
Averiguar si es plana la curva de ecuaciones parametricas
x = t, y =
t
2
+ t + 2
t
, z =
t
2
t + 3
t
(t > 0)
En caso armativo, hallar la ecuaci on cartesiana del plano que la contiene.
[1]
Resolucion. La curva es plana si y solo si y existe un plano que la contiene
es decir, si y solo si existe un plano Ax + By + Cz + D = 0 tal que
At + B
_
t
2
+ t + 2
t
_
+
_
t
2
t + 3
t
_
+ D = 0 (t > 0)
5.11. SUPERFICIE DE REVOLUCI
ON Y C
ONICA 123
Multiplicando por t y agrupando terminos semejantes obtenemos equivalen-
temente
(A + B C)t
2
+ (B C + D)t + 2B + 3C = 0 (t > 0)
Las funciones t
2
, t, 1 son linealmente independientes en el espacio de las fun-
ciones reales en (0, +) como f acilmente se puede demostrar, en consecuen-
cia la igualdad anterior se verica exclusivamente para los A, B, C, D que
satisfacen el sistema lineal homogeneo
_
_
_
A + B C = 0
B C + D = 0
2B + 3C = 0
Resolviendo obtenemos A = D, B = 3D/5, C = 2D/5, D = D. Entonces,
para todo D R se verica Dx(3D/5)y +(2D/5)z +Dz = 0. Si D = 0 no
obtenemos ning un plano, si D ,= 0, dividiendo entre D y multilicando por 5
obtenemos el plano 5x 3y + 2z + 5 = 0
Podemos por tanto concluir que la curva es plana y el plano que la contiene
es 5x 3y + 2z + 5 = 0.
5.11. Supercie de revolucion y conica
Se consideran las rectas
r : x = y = z , s : x + z = 0, x + 4y + z 6 = 0
Se pide:
1) Obtener la ecuaci on de la supercie que engendra la recta s al girar alre-
dedor de la recta r.
2) Se corta la supercie anterior por el plano z = 1. Clasicar la c onica resul-
tante, indicando los elementos notables (centro, ejes y asntotas si las tiene),
si no es degenerada o calcular las rectas que la forman si es degenerada. [4]
Resolucion. 1) La supercie de revolucion R pedida esta formada por las
circunferencias que son perpendiculares al eje r, con centro un punto de este
eje y que ademas cortan a s. Las circunferencias C perpendiculares al eje
r con centro un punto del eje se obtienen por la interseccion de todas las
esferas con centro un punto del eje (por ejemplo el origen) con todos los
planos perpendiculares al eje. Es decir
124 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
C
_
x
2
+ y
2
+ z
2
=
1
x + y + z =
2
La recta s la podemos expresar en la forma z = x, y = 3/2x/2. Obliguemos
a que la circunferencias C corten a s
_
x
2
+ (3/2 x/2)
2
+ x
2
=
1
x + 3/2 x/2 + x =
2
Despejando x en la segunda ecuaci on y sustituyendo en la primera, obtene-
mos la relaci on que han de cumplir
1
y
2
para que las circunferencias C
pertenezcan a la supercie R
2
2
+ 2
2
1
+ 6 = 0
Sustituyendo
1
y
2
por sus valores en C
(x + y + z)
2
+ 2(x + y + z) x
2
y
2
z
2
+ 6 = 0
Simplicando obtenemos la ecuaci on de la supercie pedida
R xy + xz + yz + x + y + z + 6 = 0
2) Para z = 1 obtenemos la c onica xy + 2x + 2y + 7 = 0, su matriz es
A =
_
_
0 1/2 1
1/2 0 1
1 1 7
_
_
Tenemos = det A = 3/4 ,= 0 y = A
33
= 1/4 < 0. Se trata pues de
una hiperbola. Hallando las parciales respecto de x e y obtenemos el centro
de la c onica
_
y + 2 = 0
x + 2 = 0
_
x = 2
y = 2
El centro es por tanto el punto (2, 2). Las ecuaciones de los ejes de una
c onica f(x, y) = 0 en el caso elipse o hiperbola no degenerada con a
12
,= 0
sabemos que son
y y
0
=
i
a
11
a
12
(x x
0
) (i = 1, 2) (1)
5.11. SUPERFICIE DE REVOLUCI
ON Y C
ONICA 125
siendo (x
0
, y
0
) el centro de la c onica y
i
(i = 1, 2) los valores propios de la
matriz correspondiente a A
33
1/2
1/2
= 0
2
1/4 = 0 = 1/2
Sustituyendo en (1) obtenemos las ecuaciones de los ejes: xy = 0, x+y+4 =
0. Para hallar las asntotas homogeneizamos la ecuacion xy+2xt+2yt+7t
2
=
0. Si t = 0, entonces xy = 0. Es decir los puntos del innito de la c onica son
(1, 0, 0) y (0, 1, 0). Las ecuaciones de las asntotas son por tanto x = 2 e
y = 2. Teniendo en cuenta que la c onica esta contenida en el plano z = 1
podemos concluir que sus elementos notables son
Centro: (2, 2, 1)
Ejes:
_
x y = 0
z = 1
_
x + y + 4 = 0
z = 1
Asntotas:
_
x = 2
z = 1
_
y = 2
z = 1
126 CAP
ITULO 5. MISCEL
ANEA ALGEBRAICA
Captulo 6
Analisis real univariable
6.1. Familia de sucesiones recurrentes
Se consideran las sucesiones de n umeros reales (x
n
) de la forma
x
0
= a , x
n+1
=
1
2
_
x
n
+
b
x
n
_
(a > 0, b > 0)
Se pide:
(a) Si a = 3 y b = 9, estudiar razonadamente si la sucesi on (x
n
) es conver-
gente y en su caso, hallar el lmite.
(b) Comprobar que para a, b jos mayores que cero, la sucesi on (x
n
) esta aco-
tada inferiormente por por +
b.
(c) Comprobar que para a, b jos mayores que cero, la sucesi on (x
n
) es con-
vergente. Hallar su lmite. [1]
Resolucion. (a) Para a = 3, b = 9 tenemos
x
0
= 3, x
1
=
1
2
_
3 +
9
3
_
= 3, x
2
=
1
2
_
3 +
9
3
_
= 3
lo cual permite conjeturar que x
n
= 3 para todo n 0 natural. Demostremos
por induccion que la conjetura es cierta. Es cierta para n = 0 por la propia
construcci on de la sucesion. Supongamos que es cierta para n, entonces
x
n+1
=
1
2
_
x
n
+
9
x
n
_
=
1
2
_
3 +
9
3
_
= 3
127
128 CAP
ITULO 6. AN
b x
2
n
b. Demostremos que x
n
> 0
para todo n 0. Efectivamente x
0
= a > 0 por hipotesis. Supongamos que
x
n
> 0, entonces x
n+1
= (1/2)(x
n
+ b/x
n
) es el producto de dos n umeros
positivos y por tanto positivo.
Veamos ahora que para todo n 0 se verica x
2
n+1
b. Efectivamente
x
2
n+1
=
1
4
_
x
2
n
+
b
2
x
2
n
+ 2b
_
=
x
4
n
+ b
2
+ 2bx
2
n
4x
2
n
Entonces
x
2
n+1
b
x
4
n
+ b
2
+ 2bx
2
n
4x
2
n
b x
4
n
+ b
2
+ 2bx
2
n
4bx
2
n
x
4
n
+ b
2
2bx
2
n
0 (x
2
n
b)
2
0
igualdad esta ultima que es trivialmente cierta. Hemos demostrado pues que
para todo n 1 se verica x
n
+
b o L =
b.
6.2. VALORES INTERMEDIOS Y BOLZANO. 129
6.2. Valores intermedios y Bolzano.
Si < prueba que la ecuaci on
x
2
+ 1
x
+
x
6
+ 1
x
= 0 tiene al menos una
soluci on en el intervalo (, ). [7]
Resolucion. Consideremos la funcion
f(x) =
x
2
+ 1
x
+
x
6
+ 1
x
Esta funcion es racional y est a denida en el intervalo abierto (, ), en
consecuencia continua en dicho intervalo. Por otra parte
lm
x
+
f(x) = +, lm
x
f(x) =
Por el teorema de los valores intermedios de las funciones continuas, existen
1
,
1
tales que <
1
<
1
< con f(
1
) > 0 y f(
1
) < 0. Por el teorema
de Bolzano, existe [
1
,
1
] (, ) tal que f() = 0. Es decir, la ecuaci on
dada tiene al menos una solucion en el intervalo (, ).
6.3. Derivada simetrica
Sea f : R R una funci on. Se dene la derivada simetrica de f en un punto
x
0
y se designa por f
s
(x
0
), al siguiente lmite si existe y es nito
f
s
(x
0
) = lm
h0
f(x
0
+ h) f(x
0
h)
2h
(a) Estudiar la existencia en el punto x
0
= 0 de la derivada simetrica, y
calcularla en los casos que exista, para las siguientes funciones
f
1
(x) = e
x
, f
2
(x) = [x[ , f
3
(x) =
_
x sin
1
x
si x ,= 0
0 si x = 0
(b) Demostrar que si existe la derivada ordinaria f
(x
0
) de la funcion f en
el punto x
0
, entonces existe la derivada simetrica f
s
(x
0
), y hallar la relaci on
entre ambas. Enunciar el recproco y estudiar su validez, dando una demos-
traci on o construyendo un contraejemplo.
130 CAP
ITULO 6. AN
+
(x
0
)
y f
(x
0
) de la funci on f en el punto x
0
, entonces existe la derivada simetrica
f
s
(x
0
) y hallar la relaci on entre ambas. Enunciar el recproco y estudiar su
validez, dando una demostracion o construyendo un contraejemplo. [1]
Resolucion. (a) Tenemos
(f
1
)
s
(0) = lm
h0
e
h
e
h
2h
=
_
0
0
_
= lm
h0
e
h
+ e
h
2
= 1
Hemos usado la regla de LHopital.
(f
2
)
s
(0) = lm
h0
[h[ [ h[
2h
= lm
h0
0
2h
= lm
h0
0 = 0
(f
3
)
s
(0) = lm
h0
hsin
1
h
(h) sin
_
1
h
_
2h
= lm
h0
0
2h
= lm
h0
0 = 0
Hemos usado que el producto de un innitesimo por una funcion acotada es
tambien un innitesimo. Podemos concluir que existen las derivadas simetri-
cas de las tres funciones dadas en x
0
= 0.
(b) Podemos expresar
f(x
0
+ h) f(x
0
h)
2h
=
f(x
0
+ h) f(x
0
) + f(x
0
) f(x
0
h)
2h
=
1
2
f(x
0
+ h) f(x
0
)
h
+
1
2
f(x
0
h) f(x
0
)
h
Tomando lmites y teniendo en cuenta que existe f
(x
0
) :
f
s
(x
0
) =
1
2
f
(x
0
) +
1
2
f
(x
0
) = f
(x
0
)
Es decir, si existe la derivada ordinaria de una funci on en un punto, entonces
existe tambien su derivada simetrica en dicho punto y ambas coinciden. El
enunciado recproco es: Si existe la derivada simetrica f
s
(x
0
), entonces existe
la derivada ordinaria f
(x
0
). Este enunciado es falso. En efecto, es bien sa-
bido que para la funci on f
2
(x) = [x[ no existe la derivada f
2
(0), sin embargo
existe (f
2
)
s
(0) como se demostr o en el apartado anterior.
(c) Por hip otesis existen f
+
(x
0
) y f
(x
0
). Veamos que existe f
s
(x
0
). Tenemos:
6.4. TEOREMA DE ROLLE 131
lm
h0
+
f(x
0
+ h) f(x
0
h)
2h
=
lm
h0
+
f(x
0
+ h) f(x
0
) + f(x
0
) f(x
0
h)
2h
=
1
2
lm
h0
+
f(x
0
+ h) f(x
0
)
h
+
1
2
lm
h0
+
f(x
0
h) f(x
0
)
h
=
1
2
f
+
(x
0
) +
1
2
f
(x
0
)
En la ultima igualdad hemos usado que h < 0. Razonando de manera
an aloga obtenemos:
lm
h0
f(x
0
+ h) f(x
0
h)
2h
= . . . =
1
2
f
(x
0
) +
1
2
f
+
(x
0
)
Hemos demostrado por tanto que si existen f
+
(x
0
) y f
(x
0
), entonces existe
f
s
(x
0
) y adem as f
s
(x
0
) = (1/2)(f
+
(x
0
) +f
(x
0
)). El enunciado recproco es:
Si existe la derivada simetrica f
s
(x
0
), entonces existen las derivadas f
+
(x
0
) y
f
(x
0
). Este enunciado es falso. En efecto, para la funci on f
3
(x) del apartado
(a) existe la derivada simetrica en 0 seg un demostramos. Ahora bien,
f
3
(0 + h) f
3
(0)
h
=
hsin(1/h) 0
h
= sin(1/h)
Si h 0
+
entonces 1/h +, por tanto no existe (f
3
)
+
(0).
6.4. Teorema de Rolle
Sea f : [3, 5] R una funcion continua que es derivable en (3, 5) y tal que
f(3) = 6 y f(5) = 10.
(a) Consideremos la funcion g : [3, 5] R denida por g(x) =
f(x)
x
. De-
mostrar que existe un x
0
(3, 5) tal que g
(x
0
) = 0. Deducir que f
(x
0
)x
0
f(x
0
) = 0.
(b) Demostrar que entre todas las rectas tangentes a la graca de f, al menos
una de ellas pasa por el origen de coordenadas.
(c) Sea [a, b] un intervalo que no contiene al 0. Sea h : [a, b] R una fun-
ci on continua que es derivable en (a, b) y tal que
h(a)
a
=
h(b)
b
. Demostrar
que existe un x
0
(a, b) tal que la tangente a la graca de h en el punto
(x
0
, h(x
0
)) pasa por (0, 0). [1]
132 CAP
ITULO 6. AN
(x) = (xf
(x) f(x))/x
2
con x
2
,= 0 en (3, 5). (iii ) g(3) = f(3)/3 = 6/3 =
2, g(5) = f(5)/5 = 10/5 = 2, es decir g(3) = g(2).
Existe pues x
0
(3, 5) tal que g
(x
0
) = (x
0
f
(x
0
) f(x
0
))/x
2
0
= 0. Como
x
2
0
,= 0 concluimos que x
0
(3, 5) tal que f
(x
0
)x
0
f(x
0
) = 0.
(b) La ecuacion de la recta tangente a una curva y = f(x) en el punto de
abscisa x
0
es r y y
0
= f
(x
0
)(x x
0
). Si x
0
es el correspondiente al
apartado anterior entonces la recta r pasa por el origen de coordenadas pues
para x = y = 0 obtenemos la relaci on f(x
0
) = f
(x
0
)(x
0
) o equivalen-
temente f
(x
0
)x
0
f(x
0
) = 0, igualdad que se cumple seg un lo ya demostrado.
(c) Veamos que se verican las hipotesis del Teorema de Rolle para la fun-
ci on = h(x)/x en el intervalo [a, b]. (i ) es continua en [a, b] pues es
cociente de funciones continuas y el denominador no se anula (por hip ote-
sis 0 , [a, b]). (ii ) es derivable en (a, b) pues
(x) = (xh
(x) h(x))/x
2
con x
2
,= 0 en (a, b). (iii ) Tenemos por hipotesis h(a)/a = h(b)/b por tanto
(a) = h(a)/a = h(b)/b = (b).
Existe pues un x
0
(a, b) tal que
(x
0
) = 0 o bien (x
0
h
(x)
0
h(x
0
))/x
2
0
o
bien x
0
h
(x
0
) h(x
0
) = 0 (pues x
2
0
,= 0). La ecuaci on de la recta tangente
a la graca de h en este mismo x
0
es y h(x
0
) = h
(x
0
)(x x
0
). Pasa por
(0, 0) pues 0 h(x
0
) = h
(x
0
)(0 x
0
) equivale a x
0
h
(x
0
) h(x
0
) = 0.
6.5. F ormula de Leibniz: derivada (uv)
(n)
1. Hallar la derivada enesima de la funci on f(x) = e
x
x
2
.
2. [5] Dada la funci on y = (Argsh x)
2
a) Demostrar que se verica la igualdad (1 + x
2
)y
+ xy
= 2.
b) Utilizando la igualdad anterior y la formula de Leibniz hallar una expresi on
que proporcione la derivada de cualquier orden en x = 0.
Resolucion. Redordamos la f ormula de Leibniz: Sean u, v : I R dos fun-
ciones con derivadas hasta orden n en todos los puntos del intervalo I R.
Entonces se verica en este intervalo: (uv)
(n)
=
n
k=0
_
n
k
_
u
(nk)
v
(k)
en donde
6.5. F
_
u
(0)
(x) = e
x
u
(1)
(x) = e
x
u
(2)
(x) =
2
e
x
u
(3)
(x) =
3
e
x
. . .
u
(n)
(x) =
n
e
x
_
_
v
(0)
(x) = x
2
v
(1)
(x) = 2x
v
(2)
(x) = 2
v
(3)
(x) = 0
. . .
v
(n)
(x) = 0
(uv)
(n)
(x) =
_
n
0
_
n
e
x
x
2
+
_
n
1
_
n1
e
x
2x +
_
n
2
_
n2
e
x
2 =
n
e
x
x
2
+ 2n
n1
e
x
x + n(n 2)
n2
e
x
=
n2
e
x
(
2
x
2
+ 2nx + n
2
2n)
2. a) Tenemos y
= 2(Argsh x)
1
1 + x
2
o bien
1 + x
2
y
= 2Argsh x. Deri-
vando la ultima expresi on:
x
1 + x
2
y
1 + x
2
y
=
2
1 + x
2
Multiplicando ambos miembros por
1 + x
2
obtenemos
(1 + x
2
)y
+ xy
= 2 (1)
b) La f ormula de Leibniz para la derivada de orden n 2 del producto de
dos funciones u y v es
(uv)
(n2)
= u
(n2)
v +
_
n2
1
_
u
(n3)
v
+
_
n2
2
_
u
(n4)
v
+ . . . + uv
(n2)
Eligiendo u = y
, v = 1 + x
2
obtenemos
(y
(1 + x
2
))
(n2)
= y
(n)
(1 + x
2
) +
_
n2
1
_
y
(n1)
2x +
_
n2
2
_
y
(n2)
2 + 0 +. . . + 0
Para x = 0
(y
(1 + x
2
))
(n2)
(0) = y
(n)
(0) + 2
_
n2
2
_
y
(n2)
(0) =
y
(n)
(0) + (n 2)(n 3)y
(n2)
(0) (2)
Eligiendo ahora u = y
, v = x
134 CAP
ITULO 6. AN
x)
(n2)
= y
(n1)
x +
_
n2
1
_
y
(n2)
1 + 0 +. . . + 0
Para x = 0
(y
x)
(n2)
(0) =
_
n2
1
_
y
(n2)
(0) = (n 2)y
(n2)
(0) (3)
Derivando n2 veces la igualdad (1), sustituyendo x = 0 y usando (2) y (3)
y
(n)
(0) + (n 2)(n 3)y
(n2)
+ (n 2)y
(n2)
= 0
Despejando y
(n)
(0) obtenemos y
(n)
(0) = (n 2)
2
y
(n2)
(0). Por tanto, co-
nociendo y
(0), y
(0) = 0 y que y
(0) = 2.
Esto implica que las derivadas de orden impar son todas nulas. Hallemos las
de orden par
y
(0) = 2
y
(4)
(0) = (4 2)
2
2 = 2
2
2
y
(6)
(0) = (6 2)
2
(2
2
2) = 4
2
2
2
2
y
(8)
(0) = (8 2)
2
(4
2
2
2
2) = 6
2
4
2
2
2
2
. . .
y
(n)
(0) = (1)
n
2
+1
2(n 2)
2
(n 4)
2
. . . 2
2
Podemos pues expresar y
(n)
(0) (n 1) de la siguiente manera
y
(n)
(0) =
_
0 si n impar
(1)
n
2
+1
2((2n 2)!!)
2
si n par
6.6. Diametro de un subconjunto de R
Dado un subconjunto acotado A R, se dene el di ametro del conjunto A
como
d(A) = sup[x y[ : x, y R
Considerese una funci on derivable f : R R tal que existe M > 0 con
[f
() =
f(y)f(x)
yx
, por tanto
f(y) f(x)
y x
= [f
()[[y x[ M
r
M
= r
Es decir, r es cota superior del conjunto [f(y) f(x) : x, y A[. Como
el supremo de un conjunto es la menor de las cotas superiores del conjunto,
se concluye que
d (f(A)) = sup[f(y) f(x) : x, y A[ r
(b) Tenemos d (f
n
(S)) = sup[f
n
(x) f(y)[. Por otra parte
(f
2
)
(x) = f
[f(x)]f
(x) [(f
2
)
(x)[ = [f
[f(x)][[f
(x)[ < M M = M
2
Aplicando el metodo de inducci on es inmediato comprobar que [(f
n
)
(x)[ <
M
n
. Adem as, la funci on f
n
es derivable en R (composici on de derivables
en R) con lo cual podemos aplicar de nuevo el teorema del valor medio de
Lagrange a la funci on f
n
en el intervalo [x, y] con x < y elementos de S:
(x, y) :
f
n
(y) f
n
(x)
y x
= (f
n
)
()
Como S est a acotado, tiene supremo y por tanto existe d(S). Entonces:
[f
n
(y) f
n
(x)[ = (f
n
)
()[y x[ < M
n
[y x[ M
n
d(S)
Es decir, M
n
d(S) es una cota superior [f
n
(y) f
n
(x)[ : x, y S. En
consecuencia 0 d (f
n
(S)) = sup[f
n
(y) f
n
(x)[ : x, y S M
n
d(S).
Teniendo en cuenta que M < 1 y tomando lmites obtenemos
0 lm
n
d (f
n
(S)) 0
Por tanto, el lmite pedido es igual a 0.
136 CAP
ITULO 6. AN
(0)
1!
x +
f
(0)
2!
x
2
+ . . . +
f
(n)
(0)
n!
x
n
=
n
k=0
f
(k)
(0)
k!
x
k
f(x) = p
n
(x) +
f
(n+1)
()
(n + 1)!
x
n+1
con comprendido entre 0 y x. Por hipotesis f(0) = 1 y f
(k)
(0) = k!/2
k
, es
decir
p
n
(x) =
n
k=0
k!
2
k
1
k!
x
k
=
n
k=0
x
k
2
k
= 1 +
x
2
+
x
2
2
2
+ . . . +
x
n
2
n
Si x = 1/2 entonces (0, 1/2) y por la hipotesis dada sobre la acotaci on,
[f
(n+1)
()[ 2
n+3
(n + 1)!/3
n+2
. En consecuencia
f
(n+1)
()
(n + 1)!
_
1
2
_
n+1
2
n+3
(n + 1)!
3
n+2
(n + 1)!
1
2
n+1
=
4
3
n+2
Escribamos la f ormula de Taylor para x = 1/2
f(1/2) = 1 +
1/2
2
+
(1/2)
2
2
2
+ . . . +
(1/2)
n
2
n
+ E
n
=
1 +
1
4
+
1
4
2
+ . . . +
1
4
n
+ E
n
, E
n
=
f
(n)
()
(n + 1)!
_
1
2
_
n+1
6.8. C
ALCULO DE UN L
ITULO 6. AN
r=0
p
(r)
n
(0)
r!
x
r
=
n1
r=0
p
(r)
n
(0)
r!
x
r
+
2n
r=n
p
(r)
n
(0)
r!
x
r
(1)
Aplicando la f ormula del binomio de Newton:
P
n
(x) =
1
n!
x
n
n
k=0
(1)
k
_
n
k
_
q
nk
p
k
x
nk
=
n
k=0
(1)
k
n!
_
n
k
_
q
nk
p
k
x
2nk
(2)
Cuando k vara de 0 a n, 2nk vara de 2n a n. En consecuencia, P
(r)
n
(0) = 0
si 0 r < n. Falta pues demostrar que P
(r)
n
(0) Z si n r 2n. Haciendo
el cambio r = 2n k e identicando coecientes en (1) y (2) obtenemos:
P
(r)
n
(0) =
r!
n!
(1)
2nr
_
n
2n r
_
q
rn
p
2nr
Z
2. Se verica:
P
n
_
p
q
x
_
=
1
n!
_
p
q
x
_
n
(qx)
n
=
1
n!
(qx p)
n
x
n
= P
n
(x) (3)
6.9. PI ES IRRACIONAL 139
Derivando la igualdad P
n
(p/q x) = P
n
(x) deducida de (3) y sustituyendo
en 0 obtenemos:
P
(r)
n
_
p
q
x
_
= (1)
r
P
(r)
n
(x), P
(r)
n
_
p
q
_
= (1)
r
P
(r)
n
(0) Z
3. Podemos escribir [P
n
(x)[ = (1/n!) [x(qx p)[
n
, por tanto el maximo de
[P
n
(x)[ sobre [0, p/q] se obtiene en el mismo punto que el m aximo de [x(qx p)[.
La funcion f(x) = x(qx p) = qx
2
px representa una parabola. Tenemos:
f
(x) cos x dx =
Q() + Q(0)
_
0
Q
n
() + P
n
(0)] + . . . + (1)
n
[P
(2n)
n
() + P
(2n)
n
(0)]
Usando los resultados del segundo apartado:
P
(r)
n
() = P
(r)
n
_
p
q
_
= (1)
r
P
(r)
n
(0) Z
140 CAP
ITULO 6. AN
n
(0) + P
(4)
n
(0) . . . + (1)
n
P
(2n)
n
(0)] Z
Por otra parte, I
n
= P
n
(c) sin c con 0 < c < p/q. Del estudio hecho de
la par abola f(x) = x(qx p) deducimos que P
n
(c) ,= 0, adem as sin c ,= 0.
Esto implica que I
n
es un entero no nulo, en consecuencia [I
n
[ 1 para
todo n. Entonces, de la hip otesis de ser = p/q un n umero racional hemos
demostrado que existe una sucesi on [I
n
[ con lmite 0 tal que [I
n
[ 1 para
todo n lo cual es absurdo. Se concluye pues que es un n umero irracional.
6.10. F ormula de Wallis
Sea I
n
=
_
/2
0
sin
n
x dx, n N.
a) Establecer una relaci on de recurrencia entre I
n
e I
n2
.
b) Establecer una f ormula que permita calcular I
n
conocido n.
c) Demostrar que lm
n
I
2n+1
I
2n
= 1 y deducir que:
lm
n
1
n
(2n)!!
(2n 1)!!
=
/2
0
+ (n 1)
_
/2
0
sin
n2
x cos
2
x dx
= (n 1)
_
/2
0
sin
n2
x(1 sin
2
x) dx
= (n 1)I
n2
(n 1)I
n
Obtenemos por tanto la relaci on:
I
n
=
n 1
n
I
n2
(n 2)
6.10. F
2
=
(n 1)!!
n!!
2
Para n impar:
I
n
=
(n 1)(n 3) . . . 2
n(n 2) . . . 3
I
1
=
(n 1)(n 3) . . . 2
n(n 2) . . . 3
_
/2
0
sin x dx
=
(n 1)(n 3) . . . 2
n(n 2) . . . 3
1
=
(n 1)!!
n!!
c) Veamos que (I
n
) es una sucesion decreciente de terminos positivos. En
efecto, para todo x [0, /2] y para todo n 1 se verica 0 sin
n
x
sin
n1
x 1. Tenemos pues la relaci on 1/I
n1
1/I
n
1/I
n+1
. Multiplican-
do por I
n+1
y por el apartado a):
n
n + 1
=
I
n+1
I
n1
I
n+1
I
n
I
n+1
I
n+1
= 1 lm
n
I
n+1
I
n
= 1
Teniendo en cuenta que (a
2n
) = (I
2n+1
/I
2n
) es una subsucesion de (I
n+1
/I
n
),
se verica lm
n
a
2n
= 1. Es decir:
lm
n
I
2n+1
I
2n
= lm
n
(2n)
2
(2n 2)
2
. . . 2
2
(2n 1)
2
(2n 3)
2
. . . 3
2
2
(2n + 1)
Por otra parte, lm
n
1/(n + 1/2) = lm
n
1/n y la funci on f(x) =
x
es continua, por tanto:
lm
n
1
n
(2n)!!
(2n 1)!!
=
142 CAP
ITULO 6. AN
e
t
2
dt =
()
a) Se considera la funcion f denida para cada x 0 mediante
f(x) =
_
1
0
e
x(1+t
2
)
1 + t
2
dt
Calcular f(0) y determinar lm
x+
f(x).
b) Obtener una expresi on de la derivada de la funcion f en terminos de g y
g
(x) =
_
1
0
(1 + t
2
)e
x(1+t
2
)
1 + t
2
dt =
_
1
0
e
x(1+t
2
)
dt = e
x
_
1
0
e
xt
2
dt
6.12. DERIVACI
ON UNIPAR
(x) = e
x
1
2
x
0 =
e
x
2
x
Efectuando ahora el cambio t = u/
x tenemos dt = du/
x y por tanto:
_
1
0
e
xt
2
dt =
_
x
0
e
u
2
x
du =
g(x)
x
Esto nos permite encontrar la expresion pedida:
f
(x) = e
x
g(x)
x
= 2g
(x)g(x)
c) Integrando ambos miembros de la igualdad anterior obtenemos f(x) =
g
2
(x) + C. Para x = 0 obtenemos f(0) = g
2
(0) + C o bien /4 = 0 + C.
Es decir, tenemos f(x) = /4 g
2
(x) o bien g(x) =
_
/4 f(x). Teniendo
en cuenta el apartado a) queda:
_
+
0
e
t
2
dt = lm
x+
g(x) = lm
x+
_
4
f(x) =
2
Dado que h(t) = e
t
2
es par, queda:
_
+
e
t
2
dt =
ITULO 6. AN
=
1
( 3 cos x)
2
,
2
f
2
=
2
( 3 cos x)
3
Es decir, la funci on integrando es
1
(5 3 cos x)
3
=
1
2
2
f
2
(x, 5)
Hallemos ahora I() usando la substituci on t = tan(x/2)
I() =
_
+
0
2
1+t
2
3
1t
2
1+t
2
dt = 2
_
+
0
1
( + 3)t
2
+ 3
dt =
2
3
_
+
0
dt
__
+3
3
t
_
2
+ 1
=
2
2
9
_
arctan
_
+ 3
3
t
_
+
0
=
2
9
Hallemos I
()
I() = (
2
9)
1/2
I
() = (
2
9)
3/2
I
() = (
2
9)
3/2
+ 3
2
(
2
9)
5/2
=
(
2
9)
3/2
[1 + 3
2
(
2
9)
1
]
La derivada parcial
f
() =
_
0
f
dx =
_
0
dx
( 3 cos x)
2
dx
Por analogas consideraciones
I
() = 2
_
0
dx
( 3 cos x)
3
dx , (3, +)
La integral pedida es por tanto
_
0
dx
(5 3 cos x)
3
dx =
1
2
I
(5) = . . . =
59
2048
6.13. DERIVACI
ON UNIPAR
() =
_
/2
0
dx
1 +
2
sin
2
x
Usando la substituci on t = tan x
I
() =
_
+
0
dt
1 + t
2
1 +
2
t
2
1 + t
2
=
_
+
0
dt
(1 +
2
)t
2
+ 1
Usando la substituci on u =
1 +
2
t
I
() =
1
1 +
2
_
+
0
du
u
2
+ 1
=
1
1 +
2
2
Integrando ambos miembros
I() =
2
log [ +
2
+ 1[ + C
Para = 0 tenemos 0 = 0 + C es decir C = 0, entonces I() =
2
log [ +
2
+ 1[.
Como consecuencia
_
/2
0
arctan(sin x)
sin x
dx = I(1) =
2
log(1 +
2) =
2
sinh
1
(1)
146 CAP
ITULO 6. AN
n
() =
_
+
0
x
1
e
x
(log x)
n
dx
5. Para x > 0, demostrar
x
h
1 = hlog x +
h
2
2
(log x)
2
+
h
3
6
x
h
(log x)
3
(0 < < 1)
6. Cuando h tiende a 0 y p > 0 podemos elegir [h[ < p/2. Demostrar as que
I(p + h) I(p) h
1
(x)
h
2
2
2
(x) esta comprendido entre
h
3
6
3
_
p
2
_
y
h
3
6
3
_
3p
2
_
7. Demostrar que I(p) es continua y derivable para todo p > 0, que su
derivada es
1
(p) y su derivada segunda
2
(p).
Nota: La funcion I(p) as construida se denomina funci on gamma de Euler y
en general se escribe en la forma
(x) =
_
+
0
t
x1
e
t
dt
8. Demostrar la existencia de un p
0
(1, 2) tal que (dI/dp)(p
0
) = 0.
9. Estudiar el signo de d
2
I/dp
2
. Deducir el sentido de las variaciones de
dI/dp, el signo de dI/dp y el sentido de las variaciones de I.
10. Sea 0 < p < 1, comparar I(p) con I(p + 2) y demostrar que 1/2p <
I(p) < 2/p. Decucir el lmite de I(p) cuando p 0
+
.
6.14. FUNCI
+
0
+ (p 1)
_
+
0
x
p2
e
x
dx
Por otra parte, lm
x+
x
p1
e
x
= lm
x0
+ x
p1
e
x
= 0, lo cual implica que
I(p) = (p 1)I(p 1) si p > 1. Para n entero positivo y teniendo en cuenta
que I(1) =
_
+
0
e
x
dx = 1
I(n) = (n 1)(n 2) . . . 2 1 I(1) = (n 1)! I(1) = (n 1)!
4. Tenemos
lm
x+
e
x
1/x
+1
= 0 , lm
x+
log x
x
1/2n
= 0
148 CAP
ITULO 6. AN
1
x
+1
x
1/2
=
1
1/x
3/2
Como
_
+
1
dx/x
3/2
es convergente, concluimos por el criterio de comparaci on
que la integral
_
+
1
x
1
e
x
(log x)
n
dx tambien es convergente. Por otra parte
cuando x 0
+
, x
1
[ log x[
n
e
x
es equivalente a x
1
[ log x[
n
. Ahora bien,
[ log x[
n
es menor que x
/2n
, por tanto
x
1
[ log x[
n
<
1
x
1
2
Dado que 1 /2 < 1 la integral
_
1
0
dx/x
1/2
es convergente. Como conse-
cuencia tambien lo es
_
1
0
x
1
e
x
(log x)
n
dx. De todo lo anterior deducimos
que
n
() es convergente.
5. La funcion f(h) = x
h
se puede escribir en la forma f(h) = e
hlog x
. Entonces
f
(h) = (log x)
2
e
hlog x
, f
(h) = (log x)
3
e
hlog x
Tenemos pues
f(0) = 1, f
(0) = log x, f
(0) = (log x)
2
, f
(c) = (log x)
3
e
c log x
La formula de Mac-Laurin aplicada a f(h) proporciona
x
h
1 = hlog x +
h
2
2
(log x)
2
+
h
3
6
x
h
(log x)
3
(0 < < 1)
6. Multiplicando por x
p1
e
x
obtenemos
x
p+h1
e
x
x
p1
e
x
= hx
p1
e
x
log x +
h
2
2
x
p1
e
x
(log x)
2
+
h
3
6
x
p+h1
e
x
(log x)
3
Eligiendo [h[ < p/2 tenemos 0 < p/2 < p + h < 3p/2. Si 0 < x < 1 :
x
p
2
1
> x
p+h1
> x
3p
2
1
,
x
p
2
1
(log x)
3
< x
p+h1
(log x)
3
< x
3p
2
1
(log x)
3
6.14. FUNCI
_
0 < p < p
0
dI
dp
< 0 I decreciente
p > p
0
dI
dp
> 0 I creciente
150 CAP
ITULO 6. AN
1 + x x
2
x
3
Resolucion. Factorizando el radicando obtenemos 1 + x x
2
x
3
= (1
x)(x + 1)
2
con lo cual la integral pedida es
_
1
1
(1 x)
1/3
(x + 1)
2/3
dx
La substitucion t = (x + 1)/2 transforma la integral dada en
I =
_
1
0
(2 2t)
1/3
(2t)
2/3
2 dt = 2 2
1/3
2
_
1
0
(1 t)
12/3
(t)
11/3
dt =
B(1/3, 2/3) =
(1/3)(2/3)
(1/3 + 2/3)
= (1/3)(2/3)
Usando la f ormula del complemento (p)(1 p) = / sin(p) (0 < p < 1)
obtenemos
I = (1/3)(2/3) =
sin(/3)
=
3/2
=
2
3
6.16. SUCESI
ON FUNCIONAL CON L
1 e
(0 1)
y aplicar la desigualdad de Bernoulli, a saber: h > 1 (1 +h)
n
1 +nh.
[2]
Resolucion. (a) Usando la funci on beta de Euler
I
1
(x) =
_
1
0
t
x1
(1 t) dt = B(x, 2) =
(x)(2)
(x + 2)
=
(x)
(x + 1)x(x)
=
1
x(x + 1)
Efectuando el cambio u = t/2
I
2
(x) =
_
2
0
t
x1
_
1
t
2
_
2
dt =
_
1
0
(2u)
x1
(1 u)
2
2 dt =
2
x
_
1
0
u
x1
(1 u)
2
dt = 2
x
B(x, 3) = 2
x
(x)(3)
(x + 3)
=
2
x
(x) 2!
(x + 2)(x + 1)x(x)
=
2! 2
x
(x + 2)(x + 1)x
Efectuando el cambio u = t/3 y procediendo de manera an aloga obtenemos
152 CAP
ITULO 6. AN
k=n
k=0
(x + k)
(c) Si n +, entonces 1 (t/n) 1. Aplicando un conocido resultado
lm
n+
_
1
t
n
_
n
= e
lm
n+
_
t
n
n
_
= e
t
Suponiendo que los smbolos lmite e integral fueran intercambiables
lm
n+
_
n
0
t
x1
_
1
t
n
_
n
dt =
_
+
0
t
x1
e
t
dt = (x)
(d) Llamando = t/n tenemos 0 t/n 1 en el intervalo [0, n], por tanto
_
1
t
2
n
2
_
e
t/n
1
t
n
e
t/n
Elevando a n
_
1
t
2
n
2
_
n
e
t
_
1
t
n
_
n
e
t
Si t [0, n) entonces h = t
2
/n
2
> 1 y aplicando la desigualdad de
Bernoulli
_
1
t
2
n
2
_
n
1 + n
t
2
n
2
= 1
t
2
n
Deducimos de las desigualdades de este apartado
t
x1
_
1
t
2
n
_
e
t
t
x1
_
1
t
2
n
2
_
n
e
t
t
x1
_
1
t
n
_
n
t
x1
e
t
6.17. SERIES DE BERTRAND 153
Integrando
_
n
0
t
x1
_
1
t
2
n
_
e
t
dt
_
n
0
t
x1
_
1
t
n
_
n
dt
_
n
0
t
x1
e
t
dt
Por una parte tenemos lm
n+
_
n
0
t
x1
e
t
dt = (x) y por otra
lm
n+
__
n
0
t
x1
e
t
dt
_
n
0
t
x1
_
1
t
2
n
_
e
t
dt
_
=
lm
n+
1
n
_
n
0
t
x+1
e
t
dt =
(x + 1)
+
= 0
lo cual implica que
lm
n+
_
n
0
t
x1
_
1
t
2
n
_
e
t
dt = 0
Usando el teorema del sandwich concluimos que
lm
n+
_
n
0
t
x1
_
1
t
n
_
n
dt = (x)
6.17. Series de Bertrand
Se llaman series de Bertrand a las series de la forma:
S(, ) :
+
n=2
1
n
log
n
(, R)
El objetivo se este problema es estudiar su convergencia, para ello se pide:
(i ) Demostrar que si > 1 entonces S(, ) es convergente.
Sugerencia: Comparar con la serie de termino general v
n
= 1/n
para una
adecuada eleccion de
.
(ii ) Demostrar que si < 1 entonces S(, ) es divergente.
(iii ) Si = 1 , demostrar que S(, ) es convergente si > 1 y divergente
si 1 .
Sugerencia: Usar el criterio integral.
Resolucion. (i ) Llamemos u
n
=
1
n
log
n
, v
n
=
1
n
ITULO 6. AN
log
n
=
1
n
log
n
Supongamos que > 1, entonces existe
< . Si 0 es
claro que lm
n+
(u
n
/v
n
) = 0. Si < 0:
u
n
v
n
=
1
n
log
n
=
(log n)
( > 0)
Como la funci on potencial es un innito de orden mayor que la logartmica,
tambien en este caso u
n
/v
n
0. Al ser
.
(iii ) Para = 1 tenemos u
n
= 1/(nlog
x), veamos
que se cumplen para f las hipotesis del criterio integral.
1) f es continua en [2, +) por serlo x, log x, log
x y ademas no nulas.
2) f es positiva en [2, +) por serlo x y log
x.
3) Para demostrar que f es decreciente a partir de un x basta demostrar que
la funcion g(x) = x log
(x) = log
x + x(log
x)
1
x
= (log
1
x)(log x + )
Dado que log x + cuando x + se concluye que g
x
=
_
dt
t
=
t
1
1
=
(log x)
1
1
, ( ,= 1)
_
a
2
dx
x log
x
=
1
1
[(log a)
1
(log 2)
1
]
6.18. CRITERIO DE WEIERSTRASS: SUMA DE UNA SERIE 155
Si > 1 entonces (log a)
1
0 cuando a + y la integral
_
+
0
f(x) dx
es convergente. Si < 1 entonces (log a)
1
+ cuando a + y la
integral
_
+
0
f(x) dx es divergente. Falta estudiar el caso = 1:
_
dx
log x
= log [log x[
_
a
2
dx
log x
= log [log a[ log [log 2[
Entonces a + log [a[ + log [ log a[ + y la integral es
divergente.
6.18. Criterio de Weierstrass: suma de una
serie
Estudiar la convergencia de la serie numerica:
+
n=0
_
1
0
_
1
x
4
+ 2x
2
+ 2
_
n
dx
En caso de ser convergente, hallar su suma. [1]
Resolucion. Para todo x [0, 1] se verica 1/(x
4
+2x
2
+2) 1/2, entonces:
1
x
4
+ 2x
2
+ 2
1
2
_
1
x
4
+ 2x
2
+ 2
_
n
1
2
n
_
1
0
_
1
x
4
+ 2x
2
+ 2
_
n
dx
_
1
0
1
2
n
dx =
1
2
n
La serie de terminos positivos dada esta pues mayorada por la serie geometri-
ca convergente
+
n=0
(1/2)
n
, en consecuencia la serie dada es convergente.
Consideremos ahora la serie funcional:
S :
+
n=0
_
1
x
4
+ 2x
2
+ 2
_
n
Tenemos:
_
1
x
4
+ 2x
2
+ 2
_
n
_
1
2
_
n
, x [0, 1]
156 CAP
ITULO 6. AN
+
n=0
(1/2)
n
es convergente, por el criterio de Weierstrass
la serie S es uniformemente convergente en [0, 1], lo cual implica que se puede
integrar termino a termino en [0, 1]. Llamemos S(x) a la suma de la serie S,
entonces:
+
n=0
_
1
0
_
1
x
4
+ 2x
2
+ 2
_
n
dx =
_
1
0
S(x) dx
La serie S es geometrica de razon r < 1, su suma es por tanto:
S(x) =
+
n=0
_
1
x
4
+ 2x
2
+ 2
_
n
=
1
1
1
x
4
+ 2x
2
+ 2
=
x
4
+ 2x
2
+ 2
x
4
+ 2x
2
+ 1
= 1 +
1
x
4
+ 2x
2
+ 1
= 1 +
1
(x
2
+ 1)
2
Entonces:
_
S(x) dx = x +
_
dx
(x
2
+ 1)
2
= . . . = x +
1
2
x
x
2
+ 1
+
arctan x
2
+ C
Hemos omitido los calculos que corresponden al metodo de Hermite por lo
rutinario de los mismos. Tenemos pues:
_
1
0
S(x) =
_
x +
1
2
x
x
2
+ 1
+
arctan x
2
_
1
0
=
4
5
+
8
Es decir
+
n=0
_
1
0
_
1
x
4
+ 2x
2
+ 2
_
n
dx =
4
5
+
8
6.19. Sucesi on de Fibonacci
Consideremos la sucesi on de Fibonacci, esto es F
n
n=0,1,2,...
tal que:
F
0
= F
1
= 1, F
n+2
= F
n
+ F
n+1
()
6.19. SUCESI
ON DE FIBONACCI 157
Es conocido que existe: lm
n+
F
n+1
Fn
.
(a) Usando las condiciones (), calc ulese justicadamente dicho lmite.
(b) Considerese la serie
+
n=0
F
n
x
n
. Calcular su radio de convergencia R y
demostrar que f(x) xf(x) x
2
f(x) = 1 para todo x tal que [x[ < R siendo
f(x) =
+
n=0
F
n
x
n
.
(c) Representar gracamente la suma de la serie de potencias
+
n=0
F
n
x
n
. [1]
Resolucion. (a) Llamemos L al lmite pedido. Es claro que F
n
> 0 para
todo n natural. Dividiendo la segunda igualdad de () entre F
n+1
y tomando
lmites obtenemos:
F
n+2
F
n+1
=
F
n
F
n+1
+ 1 lm
n+
F
n+2
F
n+1
+ lm
n+
F
n
F
n+1
+ 1
L =
1
L
+ 1 L
2
L 1 = 0 L =
1
5
2
Dado que F
n
> 0 para todo n natural, necesariamente:
L = lm
n+
F
n+1
F
n
=
1 +
5
2
(b) Aplicando el criterio de DAlembert:
lm
n+
F
n+1
x
n+1
F
n
x
n
5 1
2
= R
La serie es absolutamente convergente para [x[ < R y divergente para [x[ >
R, en consecuencia el radio de convergencia de la serie es R = (
5 1)/2.
Por otra parte:
f(x) xf(x) x
2
f(x) =
+
n=0
F
n
x
n
n=0
F
n
x
n+1
n=0
F
n
x
n+2
=
_
F
0
+ F
1
x +
+
n=2
F
n
x
n
_
_
F
0
x +
+
n=2
F
n1
x
n
_
n=2
F
n2
x
n
=
F
0
+ F
1
x F
0
x +
+
n=2
(F
n
F
n1
F
n2
)x
n
= 1 + x x +
+
n=2
0x
n
= 1
158 CAP
ITULO 6. AN
5)/2. Se verica (1
5)/2 < R
y (1 +
(x) =
2x + 1
(1 x x
2
)
2
= 2
x (1/2)
(1 x x
2
)
2
Para x (R, 1/2) la funcion es decreciente y para x (1/2, R) cre-
ciente. Es decir, tenemos un mnimo local en P(1/2, 4/5) (absoluto en este
caso). Derivando de nuevo:
f
(x) = 2
3x
2
+ 3x + 2
(1 x x
2
)
3
El polinomio p(x) = 3x
2
+ 3x + 2 no tiene races reales y q(x) = 1 x x
2
no las tiene en (R, R). Esto implica que f
5
4
Esto implica que la graca de f se aproxima al punto S(R, (1 +
5)/4).
De todo el estudio anterior, podemos concluir que la gr aca pedida es:
y
x
R R
6.20. CONVERGENCIA UNIFORME. TEOREMA DE DINI 159
6.20. Convergencia uniforme. Teorema de Di-
ni
(a) Demostrar el Teorema de Dini: Sea (E, d) un espacio metrico compacto
y f
n
: E R una sucesi on de funciones continuas (monotona creciente o
mon otona decreciente). Entonces, si f
n
f en E y f es continua, la conver-
gencia es uniforme.
(b) Se considera la sucesi on de funciones f
n
: [0, 1] R denida de forma
recurrente por f
0
(x) = 1 y f
n
(x) =
_
xf
n1
(x). Demostrar que la sucesion
converge en [0, 1] y que la convergencia es uniforme.
Resolucion. (a) Supongamos que (f
n
) es mon otona creciente (el caso de-
creciente se demostrara de forma an aloga). Sea > 0 y x E, entonces
existe n(x) entero positivo tal que f(x) f
m
(x) < /3 para todo m n(x).
Como f y f
n(x)
son continuas, existe un entorno abierto V (x) de x tal que
si y V (x) se verica [f(x) f(y)[ < /3 y [f
n(x)
(x) f
n(x)
(y)[ < /3. Por
otra parte
f(y) f
n(x)
(y) = [f(y) f
n(x)
(y)[ =
[f(y) f(x) + f(x) f
n(x)
(x) + f
n(x)
(x) f
n(x)
(y)[
[f(y) f(x)[ +[f(x) f
n(x)
(x)[ +[f
n(x)
(x) f
n(x)
(y)[ <
/3 + /3 + /3 =
Es decir, en V (x) tenemos f(y) f
n(x)
(y) < . Dado que V (x) : x E es
un recubrimiento por abiertos del espacio compacto E, existe un subrecubri-
miento nito V (x
1
), . . . , V (x
p
). Sea n
0
= n(x
0
) = mnn(x
1
), . . . , n(x
p
).
Para cada x E, x pertenece a uno de los V (x
i
). Entonces, si n n
0
f(x) f
n
(x) f(x) f
n
0
(x) f(x) f
n(x
i
)
(x) < (x E)
Por tanto f
n
f en E uniformemente.
(b) Tenemos
f
0
(x) = 1, f
1
(x) =
x = x
1/2
, f
2
(x) =
x x
1/2
= x
3/4
f
3
(x) =
x x
3/4
= x
7/8
, f
4
(x) =
x x
7/8
= x
15/16
Esto sugiere la f ormula f
n
(x) = x
(2
n
1)/2
n
, f ormula esta f acilmente demos-
trable por inducci on, por tanto f(x) = lm
n
f
n
(x) = x
1
= x. La sucesi on
a
n
= (2
n
1)/2
n
= 1 1/2
n
es monotona creciente. En efecto
160 CAP
ITULO 6. AN
ITULO 7. AN
_
1
n
1
n + 1
_
2
= lm
n
_
1
n
1
n + 1
_
= 0
lm
n
d(f(a
n
), f(b
n
)) = lm
n
[f(a
n
) f(b
n
)[ = lm
n
_
1
1
n(n + 1)
_
= 1
Por tanto, para todo > 0 existe n
0
N tal que si n n
0
se verica
d(a
n
, b
n
) < . Para = 1/2, existe n
1
N tal que si n n
1
se verica
d(f(a
n
), f(b
n
)) > . La funci on f no es uniformemente continua, pues pa-
ra = 1/2 y para todo > 0, existe (a
n
, b
n
) cumpliendo d(a
n
, b
n
) < y
[f(a
n
) f(a
n
)[ > (para ello basta que elijamos n m axn
0
, n
1
).
c) El intervalo [1, 2] de R es cerrado y acotado, en consecuencia compacto.
Por el teorema de Tychono, as lo es [1, 2] [1, 2]. Por ser f continua en
este compacto y por un conocido teorema es uniformemente continua en el,
en particular en (1, 2) (1, 2).
7.3. Diferenciabilidad en R
2
Para las siguientes funciones, estudiar
(i ) Su continuidad en a = (0, 0).
(ii ) Existencia de derivadas parciales en a = (0, 0).
(iii ) Diferenciablildad en a = (0, 0).
1. f(x, y) =
_
_
_
xy
2
x
2
+ y
4
si (x, y) ,= (0, 0)
0 si (x, y) = 0
2. f(x, y) =
_
_
_
x sin
1
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = 0
3. f(x, y) =
_
_
_
xy
_
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = 0
4. f(x, y) =
_
_
_
(x
2
+ y
2
) sin
1
_
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = 0
5. f(x, y) = e
3x+2y
Resolucion. 1. (i ) Veamos que no existe lmite de la funci on cuando (x, y)
(0, 0). F acilmente podemos comprobar que los lmites seg un direeciones y
164 CAP
ITULO 7. AN
: x = y
2
.
lm
(x,y)(0,0) , (x,y)C
f(x, y) = lm
y0
y
4
2
y
4
+ y
4
=
2
+ 1
El lmite depende de lo cual implica que no existe lmite: la funci on no es
continua en a = (0, 0). (ii ) Derivadas parciales
f
x
(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
0/h
2
h
= lm
h0
0 = 0
f
y
(0, 0) = lm
h0
f(0, h) f(0, 0)
h
= lm
h0
0/h
4
h
= lm
h0
0 = 0
(iii ) Al no ser continua en (0,0), f no es diferenciable en este punto.
2. (i ) Para (x, y) (0, 0), x es innitesimo y sin( 1/(x
2
+y
2
) ) est a acotada,
en consecuencia lm
(x,y)(0,0)
f(x, y) = 0 = f(0, 0) : la funci on es continua en
(0, 0). (ii ) Derivadas parciales
f
x
(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
hsin(1/h
2
)
h
= lm
h0
sin(1/h
2
)
Como 1/h
2
+ cuando h 0, no existe al lmite anterior.
f
y
(0, 0) = lm
h0
f(0, h) f(0, 0)
h
= lm
h0
0
h
= lm
h0
0 = 0
(iii ) Al no existir todas las parciales en (0, 0), f no es diferenciable en este
punto.
3. (i ) Usando coordenadas polares, xy/
_
x
2
+ y
2
= cos sin . Pero 0
y cos sin est a acotado, en consecuencia lm
(x,y)(0,0)
f(x, y) = 0 = f(0, 0):
la funcion es continua en (0, 0). (ii ) Derivadas parciales
f
x
(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
0/
h
2
h
= lm
h0
0 = 0
f
y
(0, 0) = lm
h0
f(0, h) f(0, 0)
h
= lm
h0
0/
h
2
h
= lm
h0
0 = 0
7.3. DIFERENCIABILIDAD EN R
2
165
(iii ) La funcion puede ser diferenciable en a = (0, 0). Si es diferenciable, la
unica posible diferencial : R
2
R es
(h, k) =
_
f
x
(0, 0),
f
y
(0, 0)
_
_
h
k
_
= (0, 0)
_
h
k
_
= 0
La funcion ser a diferenciable en (0, 0) si y solo si
lm
(h,k)(0,0)
[f(h, k) f(0, 0) (h, k)[
h
2
+ k
2
= 0
Pero pasando a coordenadas polares tenemos
[f(h, k) f(0, 0) (h, k)[
h
2
+ k
2
= [ cos sin [
es decir, los lmites seg un varan y como consecuencia no existe lmite: f
no es diferenciable en (0, 0).
4. (i ) Para (x, y) (0, 0), x
2
+y
2
0 y sin(1/
_
x
2
+ y
2
) est a acotada, por
tanto lm
(x,y)(0,0)
f(x, y) = 0 = f(0, 0) : la funci on es continua en (0, 0). (ii )
Derivadas parciales
f
x
(0, 0) = lm
h0
f(h, 0) f(0, 0)
h
= lm
h0
h
2
sin
1
[h[
h
= lm
h0
hsin
1
[h[
= 0
f
y
(0, 0) = lm
h0
f(0, h) f(0, 0)
h
= lm
h0
h
2
sin
1
[h[
h
= lm
h0
hsin
1
[h[
= 0
(iii ) La funcion puede ser diferenciable en a = (0, 0). Si es diferenciable, la
unica posible diferencial : R
2
R es
(h, k) =
_
f
x
(0, 0),
f
y
(0, 0)
_
_
h
k
_
= (0, 0)
_
h
k
_
= 0
Pasando a coordenadas polares tenemos
lm
(h,k)(0,0)
[f(h, k) f(0, 0) (h, k)[
h
2
+ k
2
= lm
0
[ sin(1/)[ = 0
166 CAP
ITULO 7. AN
(a) ,= 0. Efectivamente
f
(a) =
_
f
1
x
(a)
f
1
y
(a)
f
2
x
(a)
f
2
y
(a)
_
=
_
2/2
2/2
1 1
_
det f
(a) =
2 ,= 0
Entonces
(f
1
)
(0, 0) = [f
(/4, /4)]
1
=
_
2/2
2/2
1 1
_
1
=
1
2
_
2 1
2 1
_
168 CAP
ITULO 7. AN
0
una sucesion de n umeros reales tales que a
n
> 0 para cada n =
0, 1, 2, . . .. Supongamos que la serie de potencias
n=1
a
n
x
n
tiene radio de
convergencia R > 1. Sea D = (x, y) R
2
: [x[ < R, [y[ < R y denimos
f : D R
2
por:
f(x, y) =
_
y
n=0
a
n
x
n
, x
n=0
a
n
y
n
_
a) Demostrar que f es de clase 1 en todos los puntos de D.
b) Demuestrese que f es localmente invertible en el punto (1, 1) s, y solo si,
la suma de la serie
n=1
a
n
es distinta de la suma de la serie
n=1
na
n
. [1]
Resolucion. a) Consideremos las funciones componentes de f:
f
1
(x, y) = y
n=0
a
n
x
n
, f
2
(x, y) = x
n=0
a
n
y
n
Teniendo en cuenta que toda serie de potencias se puede derivar termino a
termino en el interior del intervalo de convergencia, tenemos:
f
1
x
= y
_
n=0
a
n
x
n
_
= y
n=1
na
n
x
n1
f
1
y
=
n=0
a
n
x
n
Estas parciales son continuas en D pues la funci on a la que da lugar toda
serie de potencias es derivable en el interior del intervalo de convergencia.
En consecuencia, f
1
c
1
(D). An alogas consideraciones para f
2
. Por tanto,
f = (f
1
, f
2
) es de clase 1 en D.
b) Como R > 1, existe un abierto A tal que (1, 1) A D en el que la
funci on f es de clase 1. La matriz jacobiana de f en (1, 1) es:
f
(1, 1) =
_
_
f
1
x
(1, 1)
f
1
y
(1, 1)
f
2
x
(1, 1)
f
2
y
(1, 1)
_
_
=
_
n=0
na
n
n=0
a
n
n=0
a
n
n=0
na
n
_
_
7.7. FUNCI
ON IMPL
ICITA EN R R 169
Entonces:
det f
(0, 0) = 0
_
n=0
na
n
_
2
n=0
a
n
_
2
= 0
_
n=0
na
n
_
2
=
_
n=0
a
n
_
2
Como a
n
> 0 para todo n = 0, 1, 2, . . ., los n umeros
n=0
a
n
y
n=0
na
n
son postivos. En consecuencia det f
(0, 0) = 0
n=0
a
n
=
n=0
na
n
. De
acuerdo con el teorema de la funci on inversa, podemos asegurar que f es
localmente invertible en (1, 1) s, y s olo si
n=0
a
n
,=
n=0
na
n
.
7.7. Funcion implcita en R R
(a) Probar que la expresion
x
6
y + y
2
_
x
0
1
1 + sin
6
t
+ y
5
1 = 0
dene a y como una funcion implcita diferenciable y = f(x) en un entorno
del punto (0, 1).
(b) Calcular la ecuaci on de la recta tangente a la curva y = f(x) en el punto
(0, 1). [1]
Resolucion. (a) Denominemos
F(x, y) = x
6
y + y
2
_
x
0
1
1 + sin
6
t
dt + y
5
1.
Aplicando conocidas propiedades, es claro que F est a denida en R R y
que F(0, 1) = 0. Por otra parte y usando el teorema fundamental del C alculo
F
x
= 6x
5
y + y
2
1
1 + sin
6
x
,
F
y
= x
6
+ 2y
_
x
0
1
1 + sin
6
t
dt + 5y
4
Estas parciales son continuas en el abierto A = RR y adem as
F
y
(0, 1) = 5 ,=
0. Es decir, la ecuacion dada determina una funcion diferenciable y = f(x)
en un entorno del punto (0, 1).
(b) La ecuacion de la recta tangente a la curva y = f(x) en el punto (0, 1)
viene dada por y1 = f
(0)(x0). Pero f
(0) =
F
x
(0, 1)/
F
y
(0, 1) = 1/5,
con lo cual la ecuacion de la recta pedida es x + 5y 5 = 0.
170 CAP
ITULO 7. AN
2) ,
z
y
(0,
2).
(c) Demostrar que el sistema
_
7x
2
+ y
2
3z
2
= 1
4x
2
+ 2y
2
3z
2
= 0
dene funciones diferenciables y = y(x), z = z(x) de la variable independiente
x en un entorno del punto P(1, 2, 2). Hallar y
(1) , z
(1) , y
(1) , z
(1).
Resolucion. Recordamos el teorema de la funcion implcita en R
n
R
m
:
Sean A R
n
R
m
abierto, (a, b) A y F = (F
1
, . . . , F
m
) : A R
m
una
funci on. Supongamos que se verica
(i ) F(a, b) = 0.
(ii ) F c
1
(A).
(iii ) det
_
_
D
n+1
F
1
(a, b) D
n+2
F
1
(a, b) . . . D
n+m
F
1
(a, b)
D
n+1
F
2
(a, b) D
n+2
F
2
(a, b) . . . D
n+m
F
2
(a, b)
.
.
.
.
.
.
D
n+1
F
m
(a, b) D
n+2
F
m
(a, b) . . . D
n+m
F
m
(a, b)
_
_
,= 0.
Entonces, existe un conjunto abierto V R
n
que contiene a a y un conjunto
abierto W R
m
que contiene a b tales que para cada x V existe un unico
y W tal que F(x, y) = 0.
7.8. FUNCIONES IMPL
ICITAS EN R
N
R
M
171
La funci on f : V W denida por f(x) = y (llamada funci on implcita) es
de clase 1 en W. Ademas, si F es de clase k en A entonces f es de clase k en V .
(a) Consideremos la funci on F = (F
1
, F
2
) : R
2
R
2
R
2
denida por
F(x, y, z, u) = (xz
3
+ y
2
u
3
1, 2xy
3
+ u
2
z)
Veamos que se cumplen las hipotesis del teorema de la funci on implcita en
el punto dado. En efecto, como F(0, 1, 0, 1) = (0 + 1 1, 0 + 0) = (0, 0), se
cumple (i ). La parciales de las funciones componentes de F son
F
1
x
= z
3
,
F
1
y
= 2yu
3
,
F
1
z
= 3xz
2
,
F
1
u
= 3y
2
u
F
2
x
= 2y
3
,
F
2
y
= 6xy
2
,
F
2
z
= u
2
,
F
2
u
= 2uz
Estas parciales son continuas en todo R
2
R
2
y en particular en cualquier
abierto A que contenga al punto dado, es decir F c
1
(A) y por tanto se
verica (ii ). Veamos que se cumple (iii ):
det
_
_
F
1
z
F
1
u
F
2
z
F
2
u
_
_
=
3xz
2
3y
2
u
u
2
2uz
= 6xz
3
u 3y
2
u
3
Sustituyendo en (x, y, z, u) la coordenadas del punto dado (0, 1, 0, 1) obtene-
mos que el determinante es 3 ,= 0. Por tanto, tambien se cumple (iii ). Como
consecuencia el sistema dado dene una funci on (z, u) = (z(x, y), u(x, y)) de
clase 1 (y por tanto diferenciable) un entorno de P = (a, b) con a = (0, 1) y
b = (0, 1).
Derivando las igualdades dadas primero respecto de x y luego respecto de y
obtenemos
S
1
:
_
z
3
+ 3xz
2 z
x
+ 3y
2
u
2 u
x
= 0
2y
3
+ 2uz
u
x
+ u
2 z
x
= 0
S
2
:
_
3xz
2 z
y
+ 2yu
3
+ 3y
2
u
2 u
y
= 0
6xy
2
+ 2uz
u
y
+ u
2 z
y
= 0
Sustituyendo (x, y) por a = (0, 1) y (z, u) por b = (0, 1) en los sistemas S
1
y
S
2
obtenemos
172 CAP
ITULO 7. AN
1
:
_
3
u
x
(0, 1) = 0
2 +
z
x
(0, 1) = 0
S
2
:
_
2 + 3
u
y
(0, 1) = 0
z
y
(0, 1) = 0
Por tanto, las derivadas parciales pedidas son
z
x
(0, 1) = 2 ,
u
x
(0, 1) = 0 ,
u
y
(0, 1) = 2/3 ,
z
y
(0, 1) = 0
(b) Consideremos la funci on F : R
2
R R denida por
F(x, y, z) = x
2
y + y
2
x + z
2
cos(xz) 1
Se verica F(0,
2, 1) = 0. La parciales de F son
F
x
= 2xy + y
2
z
3
sin(xz),
F
y
= x
2
+ 2xy
F
z
= 2z cos(xz) xz
2
sin(xz)
Estas parciales son continuas en R
2
R, en particular en cualquier subcon-
junto abierto A que contiene al punto P(0,
2, 1). Es decir, F c
1
(A). Por
otra parte, tenemos det
_
F
z
(0,
2, 1)
2) y b = 1. Derivando
la ecuacion dada respecto de x y respecto de y obtenemos
2xy + y
2
+ 2z
z
x
cos(xz) + z
2
(sin(xz))(z + x
z
x
) = 0
x
2
+ 2xy + 2z
z
y
cos(xz) + z
2
(sin(xz))x
z
y
= 0
Para (x, y, z) = (0,
2, 1) obtenemos
z
x
(0,
2) = 1 y
z
y
(0,
2) = 0.
(c) Consideremos la funci on F = (F
1
, F
2
) : R R
2
R
2
denida por
F(x, y, z) = (7x
2
+ y
2
3z
2
+ 1, 4x
2
+ 2y
2
3z
2
)
Se verica F(1, 2, 2) = (0, 0). Las parciales de F
1
y F
2
son
F
1
x
= 14x ,
F
1
y
= 2y ,
F
1
z
= 6z
F
2
x
= 8x ,
F
2
y
= 4y ,
F
2
z
= 6z
Estas parciales son continuas en R R
2
, en particular en cualquier subcon-
junto abierto A que contiene al punto P(1, 2, 2). Es decir, F c
1
(A). Por
otra parte
7.9. PUNTOS CR
2y 6z
4y 6z
= 12yz
Sustituyendo en (x, y, z) la coordenadas del punto dado (1, 2, 2) obtenemos
que el determinante es 48 ,= 0. Concluimos que el sistema dado dene
una unica funci on implcita (y, z) = (y(x), z(x)) de clase 1 (y por tanto
diferenciable) un entorno de P = (a, b) con a = 1 y b = (2, 2). Derivando
las ecuaciones dadas respecto de x obtenemos
_
14x + 2yy
6zz
= 0
8x + 4yy
6zz
= 0
Resolviendo el sistema en las inc ognitas y
, z
obtenemos y
= 3x/y , z
=
(10x)/(3z). Derivando estas dos ultimas igualdades respecto de x
_
_
y
=
3x
y
z
=
10x
3z
_
y
= 3
y xy
y
2
z
=
10
3
z xz
z
2
Sustituyendo en (x, y, z) la coordenadas del punto dado (1, 2, 2):
y
(1) =
3
2
, z
(1) =
5
3
, y
(1) =
3
8
, z
(1) =
5
18
7.9. Puntos crticos: casos dudosos
A. Analizar el car acter del punto singular (0, 0) para la funci on
f(x, y) = y
2
3x
2
y + 2x
4
B. Dada la funci on f(x, y) = x
4
+y
4
2x
2
+axy 2y
2
, analizar el car acter
del punto crtico (0, 0) seg un los valores de a R. [2]
Resolucion. A. Tenemos:
f
x
= 6xy + 8x
3
,
f
y
= 2y 3x
2
f
x
(0, 0) =
f
y
(0, 0) = 0
174 CAP
ITULO 7. AN
2
f
x
2
= 6y + 24x
2
,
2
f
xy
=
2
f
yx
= 6x,
2
f
y
2
= 2
H(f, (0, 0)) =
_
2
f
x
2
(0, 0)
2
f
xy
(0, 0)
2
f
xy
(0, 0)
2
f
y
2
(0, 0)
_
_
=
_
0 0
0 2
_
Dado que det H(f, (0, 0)) = 0, tenemos caso dudoso. Procedemos a estudiar
el signo del incremento (x, y) = f(x, y) f(0, 0) en un entorno de (0, 0) :
(x, y) = y
2
3x
2
y + 2x
4
Fatorizamos el polinomio (x, y) resolviendo con respecto a y la ecuaci on de
segundo grado y
2
3x
2
y + 2x
4
= 0 :
y =
3x
2
9x
4
8x
4
2
=
3x
2
x
2
2
= 2x
2
, x
2
2
f
x
2
= 12x
2
4,
2
f
xy
=
2
f
yx
= a,
2
f
y
2
= 12y
2
4
El origen es por tanto punto crtico de la funci on. La matriz hessiana es:
H =
_
4 a
a 4
_
y sus menores principales son H
1
= 4, H
2
= 16 a
2
. Para H
2
< 0 o bien
[a[ > 4 no hay extremo. Para H
2
> 0 o bien [a[ < 4, y dado que H
1
< 0 la
forma cuadratica dada por H es denida negativa y tenemos m aximo local.
Para H
2
= 0 o bien a = 4 obtenemos caso dudoso. Para a = 4 analicemos
signo del incremento se la funcion en un entorno de (0, 0) :
(x, y) = f(x, y) f(0, 0) = x
4
+ y
4
2x
2
+ 4xy 2y
2
Los incrementos a lo largo de las rectas y = x e y = x son:
(x, x) = 2x
4
, (x, x) = 2x
2
(x
2
4)
Esto implica que (x, x) > 0 para todo x ,= 0 y para valores pr oximos de
x a 0, (x, x) < 0. En (0, 0) no hay extremo local. An alogo razonamiento
para a = 4. Podemos concluir:
[a[ 4 (0, 0) es punto de silla para f
[a[ < 4 (0, 0) es punto de maximo local para f
176 CAP
ITULO 7. AN
(x) > 0 x R.
Supongamos que lm
x+
f(x) = + y lm
x
f(x) = 0. Demostrar que
f(x) > 0 x R y que dado b > 0 existe un unico a R tal que f(a) = b.
b) Sea p(x) un polinomio de grado 3 (con coecientes reales) y con tres races
reales distintas y positivas. Sea una raz de p
entonces signo [p
()] = signo [p
()].
c) Sea g(x, y) = p(f(x)) + p(f(y)) siendo p un polinomio cumpliendo las
hip otesis del apartado b) y f una funcion cumpliendo las hipotesis del apar-
tado a). Calcular los puntos crticos de g(x, y).
d) Clasicar los puntos crticos obtenidos en c).
e) Calcular los m aximos y mnimos de g(x, y) bajo la restriccion f(x)f(y) =
0. [1]
Resolucion. a) Por hip otesis f
() > 0. Entonces
p tendra un mnimo local en con p() > 0.
Por otra parte, la funci on p : [a
1
, a
2
] R es continua, y por el teorema de
7.10. PUNTOS CR
s olo tie-
ne una raz en (a
1
, a
2
). An alogos razonamientos para p() < 0, p
() < 0.
Tambien an alogo razonamiento para (a
2
, a
3
). Podemos pues concluir que
signo [p()] = signo [p
()].
Las unicas races de p
(x) = (2x )
p
() = ( )
p
() = ( )
Como ,= se concluye que signo [p
()] = signo [p
()].
c) Teniendo en cuenta que f
(f(x))f
(x) = 0
g
y
= p
(f(y))f
(y) = 0
_
p
(f(x)) = 0
p
(f(y)) = 0
_
_
_
f(x) = f(x) =
f(x) = f(x) =
Por el apartado a) existen unicos
1
,
1
R tales que f(
1
) = y f(
1
) = .
Como < y f es estrictamente creciente, adem as se cumple
1
<
1
. Los
puntos crticos de g son por tanto
(
1
,
1
), (
1
,
1
), (
1
,
1
), (
1
,
1
)
d) En lo que sigue suponemos f c
2
(R). Las parciales segundas son
_
2
g
x
2
= p
(f(x))(f
(x))
2
+ p
(f(x))f
(x)
2
g
xy
= 0
2
g
y
2
= p
(f(y))(f
(y))
2
+ p
(f(y))f
(y)
La matriz hessiana en (
1
,
1
) es
H(
1
,
1
) =
_
p
()(f
(
1
))
2
0
0 p
()(f
(
1
))
2
_
An alogamente
178 CAP
ITULO 7. AN
()(f
(
1
))
2
0
0 p
()(f
(
1
))
2
_
Como signo [p
()] = signo [p
()(f
(
1
))
2
0
0 p
()(f
(
1
))
2
_
cuyo determinante es menor que cero lo cual implica que en (
1
,
1
) tenemos
punto de silla. An alogas consideraciones para el punto (
1
,
1
).
e) Como f es estrictamente creciente, la condici on f(x) = f(y) equivale a
x = y. Se trata pues de hallar los m aximos y mnimos de la funci on h(x) =
g(x, x) = 2p(f(x)). Tenemos
h
(x) = 2p
(f(x))f
(x) = 0 p
(f(x)) = 0
f(x) = f(x) = x =
1
x =
1
La derivada segunda de h es h
(x) = 2p
(f(x))(f
(x))
2
+2p
(f(x))f
(x), por
tanto
h
(
1
) = 2p
()(f
(
1
))
2
, h
(
1
) = 2p
()(f
(
1
))
2
Usando de nuevo que signo [p
()] = signo [p
_
_
_
1 + 2x = 0
2 + 2y = 0
x
2
+ y
2
5 = 0
Resolviendo obtenemos para = 1/2 el punto (x, y) = (1, 2), y para
= 1/2 el (x, y) = (1, 2). F acilmente se comprueba la condici on de rango
m aximo en estos puntos. Las parciales segundas de F son
2
F
x
2
= 2 ,
2
F
xy
=
0 ,
2
F
y
2
= 2 y las matrices hessianas correspondientes:
H(1, 2) =
_
1 0
0 1
_
(def. pos.) , H(1, 2) =
_
1 0
0 1
_
(def. neg.)
Por tanto, tenemos en (1, 2) mnimo local condicionado para f y en (1, 2)
m aximo local condicionado para f.
(b) Funci on de Lagrange: F(x, y) = xy + (x + y 1). Puntos crticos:
_
_
_
F
x
= 0
F
y
= 0
x + y = 1
_
_
_
y + = 0
x + = 0
x + y = 1
Resolviendo obtenemos para = 1/2 el punto (x, y) = (1/2, 1/2). F acil-
mente se comprueba la condicion de rango m aximo en estos puntos. Las
parciales segundas de F son
2
F
x
2
= 0 ,
2
F
xy
= 1 ,
2
F
y
2
y las matriz hessiana
correspondiente:
H(1/2, 1/2) =
_
0 1
1 0
_
Esta matriz no es ni denida positiva ni denida negativa, por tanto nada
asegura el teorema 2. Pero en este caso, la condici on x +y = 1 se expresa en
parametricas en la forma x = t, y = 1 t (t R). Sustituyendo en f(x, y)
obtenemos la funci on de una variable (t) = f(t, 1 t) = t t
2
. Procedemos
ahora al c alculo de los extremos de :
(t) = 1 2t = 0 t = 1/2 y
(1/2) = 2 < 0, lo cual implica que para t = 1/2 tenemos un maximo lo-
cal. Sustituyendo en las parametricas, concluimos que en (x, y) = (1/2, 1/2)
180 CAP
ITULO 7. AN
5 cuyas
ecuaciones parametricas son x =
5 cos t, y =
5(cos t + 2 sin t) y
(t) =
(t) =
(t
1
) < 0,
(t
2
) > 0, es
decir en t
1
tenemos maximo local para y en t
2
, mnimo. Hallemos aho-
ra los valores de x e y que corresponden a esos valores hallados de t. De
1+tan
2
t = cos
2
t obtenemos cos t =
_
1/(1 + tan
2
t). Teniendo en cuenta que
tan t
i
= 2 (i = 1, 2) deducimos cos t
1
= +1/
5, cos t
2
= 1/
5. Sustituyen-
do en las ecuaciones parametricas obtenemos respectivamente (x, y) = (1, 2)
(punto de maximo local condicionado para f) y (x, y) = (1, 2) (punto de
mnimo local condicionado para f).
(c) Funcion de Lagrange: F(x, y, z) = x +y +z +(x
2
+y
2
1) +(z 2).
Puntos crticos:
_
_
F
x
= 0
F
y
= 0
F
y
= 0
x
2
+ y
2
= 1
z 2 = 0
_
1 + 2x = 0
1 + 2y = 0
1 + = 0
x
2
+ y
2
= 1
z 2 = 0
Obtenemos para (, ) = (
2/2, 1) el punto P(
2/2,
2/2, 2) y para
(, ) = (
2/2, 1) el punto Q(
2/2,
2
F
x
2
= 2 ,
2
F
xy
= 0 ,
2
F
xz
= 0 .
2
F
y
2
= 2 ,
2
F
yz
= 0 ,
2
F
z
2
= 0
7.11. EXTREMOS CONDICIONADOS 181
y las matrices hessianas correspondientes:
H(P) =
_
_
2 0 0
0
2 0
0 0 0
_
_
, H(Q) =
_
_
2 0 0
0
2 0
0 0 0
_
_
Esta matrices no son ni denida positiva ni denida negativa, por tanto nada
asegura el teorema 2. Procedemos a usar las ecuaciones parametrcas de las
condiciones, es decir x = cos t, y = sin t, z = 2 (t [0, 2]). Obtenemos la
funci on
(t) = F(x(t), y(t), z(t)) = cos t + sin t + 2 (t [0, 2])
F acilmente deducimos que para t = /4 y t = 5/4 hay respectivamente
m aximo local y mnimo local para . Sustituyendo estos valores de t en las
parametricas obtenemos que (
2/2,
2/2,
2/2, 2) de mnimo.
(d) Sea (x, y, z) el vertice del paraleleppedo que est a en el primer cuadrante.
El volumen de este es por tanto V = 2x 2y 2z = 8xyz. Es decir, se trata
de hallar el m aximo de V
1
= xyz con la condici on x
2
/a
2
+y
2
/b
2
+z
2
/c
2
= 1
(x 0, y 0, z 0). Funcion de Lagrange:
F(x, y, z) = xyz + (x
2
/a
2
+ y
2
/b
2
+ z
2
/c
2
1)
Puntos crticos
_
_
F
x
= yz + 2x/a
2
= 0
F
y
= xz + 2y/b
2
= 0
F
z
= xy + 2z/c
2
= 0
x
2
/a
2
+ y
2
/b
2
+ z
2
/c
2
= 1
Siendo V
1
0, para x = 0 o y = 0 o z = 0 obtenemos mnimo absoluto. Por
tanto solo consideraremos soluciones para x, y, z positivas. Despejando :
=
yza
2
2x
=
xzb
2
2y
=
xyc
2
2z
_
y
2
a
2
= x
2
b
2
z
2
a
2
= x
2
c
2
182 CAP
ITULO 7. AN
3, b/
3, c/
3
9
abc
7.12. Integral doble impropia por cambio or-
togonal
Calcular I(a, b) =
__
R
2
e
(ax
2
+2bxy+cy
2
)
dxdy (a > 0 , ac b
2
> 0) [2]
Resolucion. Consideremos la forma cuadr atica
q(x, y) = ax
2
+ 2bxy + cy
2
= (x, y)
_
a b
b c
__
x
y
_
De las condiciones a > 0, ac b
2
> 0 deducimos que q es denida positiva.
Como consecuencia del teorema espectral, existe una matriz P ortogonal tal
que el cambio de coordenadas (x, y)
t
= P(u, v)
t
permite expresar la forma
cuadr atica de la siguiente manera:
q(u, v) = (u, v)
_
0
0
__
u
v
_
= u
2
+ v
2
( > 0, > 0)
siendo , los valores propios de la matriz de la forma cuadr atica. Adem as,
podemos elegir P de tal manera que represente un giro, y por tanto det(P) =
1. Por otra parte y dado que la tranformacion es de la forma:
_
x
y
_
=
_
p
11
p
12
p
21
p
22
__
u
v
_
=
_
p
11
u + p
12
v
p
21
u + p
22
v
_
el correspondiente jacobiano es:
7.13. INTEGRAL EN EL CUBO UNIDAD 183
J =
(x, y)
(u, v)
= det
_
x
u
x
v
y
u
y
v
_
= det
_
p
11
p
12
p
21
p
22
_
= 1
Aplicando el conocido teorema de cambio de variable para integrales dobles:
I(a, b) =
__
R
2
e
(ax
2
+2bxy+cy
2
)
dxdy =
__
R
2
e
(u
2
+v
2
)
dudv =
_
+
e
(
u)
2
du
_
+
e
(
v)
2
dv
Haciendo el cambio s =
u y usando
_
+
0
e
x
2
dx =
/2 obtenemos:
_
+
e
(
u)
2
du = 2
_
+
0
e
(
u)
2
du =
2
_
+
0
e
s
2
ds =
An alogamente
_
+
e
(
v)
2
dv =
/
. En consecuencia I(a, b) = /
.
Por otra parte sabemos que el producto de los valores propios de una matriz
es igual al determinante de la matriz. En nuestro caso =
ac b
2
. Queda
por tanto:
I(a, b) =
ac b
2
7.13. Integral en el cubo unidad
Calc ulese
I =
_
M
f(x, y, z) dxdydz
en donde M = [0, 1]
3
, f(x, y, z) = max x, y, z. [6]
Resolucion. Descomponemos la regi on M en tres subregiones:
M
1
= (x, y, z) [0, 1]
3
: y x , z x
M
2
= (x, y, z) [0, 1]
3
: x y , z y
M
3
= (x, y, z) [0, 1]
3
: x z , y z
Entonces
f(x, y, z) =
_
_
_
x si (x, y, z) M
1
y si (x, y, z) M
2
z si (x, y, z) M
3
184 CAP
ITULO 7. AN
ONHOMOG
ENEA185
_
_
x =
a
2
(cos 2 + 2 cos )
y =
a
2
(sin 2 + 2 sin )
( [0, 2])
El area encerrada por es A =
1
2
_
i +y
j +z
ITULO 7. AN
6
cos
4
sin d =
2
7
_
0
cos
4
sin d =
2
7
_
cos
5
5
_
0
=
4
35
___
S
x
2
z
2
dV =
_
2
0
d
_
0
d
_
1
0
6
cos
2
sin
3
cos
2
d =
1
7
_
2
0
cos
2
d
_
0
sin
3
cos
2
d
Por una parte tenemos
7.16. CIRCULACI
ON DE UN CAMPO 187
_
2
0
cos
2
d =
_
2
0
1
2
(1 + cos 2) d =
1
2
_
+
1
2
sin 2
_
2
0
=
y por otra
_
0
sin
3
cos
2
d = 2
_
/2
0
sin
3
cos
2
d = B(2, 3/2) =
(2)(3/2)
(7/2)
=
1!(1/2)
(5/2)(3/2)(1/2)
=
4
15
Es decir,
___
S
x
2
z
2
dV =
1
7
4
15
=
1
3
4
35
La integral pedida es por tanto
__
S
F(x, y, z) d =
4
5
_
A + B + C +
D + E + F
3
_
7.16. Circulaci on de un campo
Dados tres vectores a,
b y c de R
3
se considera el campo vectorial F(r) =ar
con r R
3
y la curva cerrada : [0, 2] R
3
dada por () =
b cos +c sin .
Calcular la circulaci on del campo F sobre y deducir la condici on que han
de cumplir los vectores a,
b sin +c cos ) d =
_
a (
b cos +c sin )
_
(
b sin +c cos ) d =
_
(a
b) cos + (a c) sin )
_
(
b sin +c cos ) d =
_
(a c)
b sin
2
+ (a
b) c cos
2
_
d =
_
(a
b) c
_
(cos
2
+ sin
2
) d = [ a,
b, c ] d
Por tanto
C =
_
F(r) dr =
_
2
0
[ a,
b, c ] d = 2[ a,
b, c ]
La circulaci on es nula cuando el producto mixto [ a,
b, c ] es nulo, es decir
cuando los vectores a,
b, c son coplanarios.
188 CAP
ITULO 7. AN
k
donde g(x, y) es una funcion continua en R
2
conocida, admite una funcion
potencial de la forma
V (x, y, z) = f(x, y)(y
i + x
j).
(a) Deducir la ecuacion que debe satisfacer f para que en todo punto se
cumpla rot(
V ) =
F .
(b) Determinar f cuando g sea una funci on homogenea de grado . Aplquese
al caso en que g(x, y) = x
2
+ 2xy + 3y
2
.
(c) Resolver en el caso general la ecuaci on obtenida en el apartado (a).
Aplquese al caso en que la funcion g viene dada por:
g(x, y) =
1
(1 + x
2
+ 2xy + 3y
2
)
2
Indicaci on: Dervese la funcion dada por (t) = f(tx, ty). [2]
Resolucion. (a) Tenemos:
rot(
V ) =
i
j
k
z
yf(x, y) xf(x, y) 0
=
_
f(x, y) + x
f
x
+ f(x, y) + y
f
y
_
k
Igualando rot(
V ) =
F obtenemos la ecuacion pedida:
x
f
x
+ f(x, y) + y
f
y
+ 2f(x, y) = g(x, y)
(b) Elijamos f(x, y) homogenea de grado , entonces por el teorema de Euler
se verica x
f
x
+y
f
y
= f(x, y) y la relacion obtenida en el apartado anterior
se puede expresar en la forma (+2)f(x, y) = g(x, y). Como g es continua en
R
2
, si es homogenea de grado entonces g(tx, ty) = t
(t) = x
x
f(tx, ty) + y
y
f(tx, ty)
Como la ecuacion diferencial homogenea se ha de vericar en todo punto,
sustituyendo x por tx e y por ty obtenemos:
tx
x
f(tx, ty) + ty
y
f(tx, ty) + 2f(tx, ty) = 0
Es decir, t
(t) + 2t(t) = 0
o bien (d/dt)(t
2
(t)) = 0, cuya soluci on general es t
2
(t) = K para todo
t R. Haciendo t = 0 queda K = 0 lo cual implica (t) = 0 para todo t ,= 0.
Como (t) es continua en R se deduce que es la funci on identicamente
nula. Dado que (1) = f(x, y) se concluye que f es identicamente nula. La
unica solucion de la ecuaci on completa es por tanto:
f(x, y) =
1
4
(x
2
+ 2xy + 3y
2
)
(c) Se trata ahora de resolver la ecuacion en el caso general. Hagamos
(t) = g(tx, ty). La funci on (t) ha de ser solucion de la ecuacion diferencial
t
1
0
= (1) = f(1x, 1y) = f(x, y)
190 CAP
ITULO 7. AN
1
u
_
1+a
2
1
=
1
2(1 + a
2
)
En consecuencia la funci on pedida es:
f(x, y) =
1
2(1 + x
2
+ 2xy + 3y
2
)
Captulo 8
Analisis complejo
8.1. Ecuaciones de Cauchy-Riemann
(a) Demostrar que la funcion f(z) = z con ,= 0 constante real no es
derivable en ning un punto de C.
(b) Determinar los puntos del plano complejo para los cuales es derivable la
funci on f(z) = [z[ Re z.
(c) Demostrar que si f(z) = e
z
entonces f
(z) = e
z
para todo z del plano
complejo.
Resolucion. (a) Tenemos u = x, v = y. Para todo punto del plano
complejo u
x
= y v
y
= . Como en todo punto del plano complejo
u
x
,= v
y
, no se cumplen las ecuaciones de Cauchy Riemann y por tanto f no
es derivable en ning un punto de C.
(b) f(z) = x
_
x
2
+ y
2
, por tanto u = x
_
x
2
+ y
2
, v = 0. Si (x, y) ,= (0, 0)
u
x
=
2x
2
+ y
2
_
x
2
+ y
2
, u
y
=
xy
_
x
2
+ y
2
, v
x
= 0 , v
y
= 0
Entonces u
x
,= 0 lo cual implica u
x
,= v
y
, es decir f no es derivable en
z = x + iy si (x, y) ,= (0, 0). Analicemos si es derivable en z = 0
u
x
(0, 0) = lm
h0
u(h, 0) u(0, 0)
h
= lm
h0
h
h
2
h
= 0
u
y
(0, 0) = lm
h0
u(0, h) u(0, 0)
h
= lm
h0
0
h
= lm
h0
0 = 0
191
192 CAP
ITULO 8. AN
ALISIS COMPLEJO
Las funciones u
x
, u
y
, v
x
, v
y
son por tanto
u
x
=
_
_
_
2x
2
+ y
2
_
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
u
y
=
_
_
_
xy
_
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
v
x
= v
y
= 0 , (x, y) R
2
Usando coordenadas polares facilmente vericamos que lm
(x,y)(0,0)
u
x
= 0 =
u
x
(0, 0) y lm
(x,y)(0,0)
u
y
= 0 = u
y
(0, 0), es decir se cumplen las condiciones
sucientes del Teorema 2, en consecuencia f es derivable en z = 0 y adem as
f
(0) = u
x
(0, 0) + iv
x
(0, 0) = 0 + 0i = 0
(c) Tenemos e
z
= e
x
(cos y + i sin y), por tanto u = e
x
cos y, v = e
x
sin y.
Adem as, u
x
= e
x
cos y, u
y
= e
x
sin y, v
x
= e
x
sin y, v
y
= e
x
cos y. Estas
parciales son continuas en todo R
2
y verican las ecuaciones de Cauchy-
Riemann, por tanto f es derivable en todo el plano complejo y su derivada
es f
(z) = u
x
+ iv
x
= e
x
cos y + ie
x
sin y = e
z
.
8.2. Polinomio de Hurwitz
Sea p(z) C[z]. Se dice que p(z) es un polinomio de Hurwitz si todos sus
ceros tienen parte real negativa. Demostrar que si p(z) es un polinomio de
Hurwitz, tambien lo es p
(z).
Resolucion. Sea p(z) = a
n
z
n
+ . . . + a
1
z + a
0
(a
n
,= 0) un polinomio de
Hurwitz, podemos escribir p(z) = a
n
(z z
1
) . . . (z z
n
) con Re z
j
< 0 para
todo j = 1, . . . , n. Hallemos el cociente p
(z)/p(z) :
p
(z)
p(z)
=
a
n
[(z z
2
) . . . (z z
n
) + . . . + (z z
1
) . . . (z z
n1
)]
a
n
(z z
1
)(z z
2
) . . . (z z
n
)
=
1
z z
1
+
1
z z
2
+ . . .
1
z z
n
8.3. FAMILIA DE RACIONALES COMPLEJAS 193
Sea z C tal que z ,= z
j
y supongamos que Re z 0. En este caso,
Re (z z
j
) > 0 y por consiguiente Re (1/(z z
j
)) > 0. Esto se deduce del
hecho de que si w C con w ,= 0 entonces 1/w = w/[w[
2
, es decir Re (1/w)
y Re w tienen el mismo signo. Entonces
Re
p
(z)
p(z)
= Re
1
z z
1
+ . . . + Re
1
z z
n
> 0
Es decir, si Re z 0 con z ,= z
j
entonces Re (p
(z) ,= 0 (z no es raz de p
(z) tienen
por tanto parte real negativa. Observese que si alg un z
j
fuera raz de p
(z),
ya tiene parte real negativa por hipotesis.
8.3. Familia de racionales complejas
Para cada n umero real t con [t[ < 1 se considera la funcion compleja denida
por
f(z) =
4 z
2
4 4tz + z
2
y se pide:
(a) Descomponer f(z) en fracciones simples.
(b) Obtener la expresion de las derivadas sucesivas en z = 0 de la funci on
f(z).
(c) Demostrar que el coeciente T
n
(t) de z
n
en el desarrollo en serie de Taylor
en z = 0 de f(z) es un polinomio de grado n en t y que se cumple la relacion
de recurrencia
4T
n+1
4tT
n
(t) + T
n1
(t) = 0 [2]
Resolucion. (a) Efectuando la divisi on eucldea:
f(z) = 1 +
4tz + 8
z
2
4tz + 4
Resolviendo z
2
4tz + 4 = 0 obtenemos a = 2t + 2i
1 t
2
y a = 2t
2i
1 t
2
. Expresando en fracciones simples:
194 CAP
ITULO 8. AN
ALISIS COMPLEJO
4tz + 8
z
2
4tz + 4
=
A
z a
+
B
z a
=
A(z a) + B(z a)
(z a)(z a)
Para z = a, tenemos 4ta+8 = A(a a) y para z = a, 4t a+8 = B( aa).
Entonces:
A =
4ta + 8
a a
=
8t
2
8ti
1 t
2
+ 8
4i
1 t
2
=
2t
2
2ti
1 t
2
+ 2
i
1 t
2
=
2t
2
i + 2t
1 t
2
+ 2i
1 t
2
= 2t
2(1 t
2
)
1 t
2
i = 2t 2
1 t
2
i = a
Operando de manera an aloga obtenemos B = a, por tanto la descomposi-
ci on en fracciones simples de f(z) es
f(z) = 1
a
z a
a
z a
(a = 2t + 2i
1 t
2
)
(b) Llamando f
1
(z) = a/(z a) y f
2
(z) = a/(z a) :
f
1
(z) =
1
1
z
a
=
+
n=0
z
n
a
n
=
+
n=0
f
(n)
1
(0)
n!
z
n
f
(n)
1
(0) =
n!
a
n
Razonando de manera analoga obtenemos f
(n)
2
(0) = n!/ a
n
. Por tanto, si
n 1
f
(n)
(0) = n!
_
1
a
n
+
1
a
n
_
=
n!(a
n
+ a
n
)
(a a)
n
=
n!(a
n
+ a
n
)
(4t
2
+ 4 4t
2
)
n
=
n!(a
n
+ a
n
)
4
n
(c) Veamos que efectivamente se verica la relacion de recurrencia dada. En
un entorno del origen podemos escribir
4 z
2
4 4tz + z
2
=
+
n=0
T
n
(t)z
n
o bien 4 z
2
= (4 4tz + z
2
)(T
0
(t) + T
1
(t)z + T
2
(t)z
2
+ . . .). Igualando
coecientes obtenemos
_
_
_
4 = 4T
0
(t)
0 = 4T
1
(t) 4tT
0
(t)
1 = 4T
2
(t) 4tT
1
(t) + T
0
(t)
8.4. RECURRENTE COMPLEJA POR SERIE DE POTENCIAS 195
De lo cual deducimos T
0
(t) = 1, T
1
(t) = t, T
2
(t) = t
2
1
2
. Estos polinomios
se han obtenido identicando en ambos miembros los coecientes de z
0
, z
1
y z
2
. Identicando en ambos miembros el coeciente de z
n+1
(para n 2) :
0 = 4T
n+1
4tT
n
(t) + T
n1
(t)
que es la relacion de recurrencia pedida. Demostremos por induccion que
T
n
(t) es un polinomio de grado n. Hemos visto que es cierto para n = 0, 1, 2.
Sea cierto para todo k n. De la relaci on de recurrencia tenemos que
T
n+1
(t) = tT
n
(t)
1
4
T
n1
(t), lo cual implica que T
n+1
(t) es un polinomio.
Como el grado de T
n
(t) es n se deduce que el grado de tT
n1
(t) es n +1 y al
ser el grado de
1
4
T
n1
(t) igual a n 1, concluimos que el grado de T
n+1
(t) es
n + 1.
8.4. Recurrente compleja por serie de poten-
cias
(a) Los terminos de una sucesion (a
n
) de n umeros complejos satisfacen la
relaci on de recurrencia de segundo orden 4a
n+2
+4a
n+1
+a
n
= 0. Encontrar
una acotacion de la forma [a
n
[ MK
n
.
(b) Demostrar que la serie de potencias f(z) =
n=0
a
n
z
n
tiene su radio de
convergencia no nulo.
(c) Resolver la ecuacion en diferencias 4a
n+2
+ 4a
n+1
+ a
n
= 4 con a
0
=
1, a
1
= 1. Indicacion: Multiplicar por z
n+2
ambos miembros de la ecuacion
en diferencias nitas y despejar f(z). Despues, desarrollar f(z) en serie de
potencias. [2]
Resolucion. (a) Tenemos a
n+2
= (a
n+1
+ a
n
/4). En consecuencia:
[a
n+2
[ =
a
n+1
+
a
n
4
[a
n+1
[ +
a
n
4
m ax [a
n+1
[ , [a
n
[ +
1
4
m ax [a
n+1
[ , [a
n
[ =
5
4
m ax [a
n+1
[ , [a
n
[
Para n = 0 las desigualdad se pueden escribir en la forma:
[a
2
[
5
4
m ax [a
1
[ , [a
0
[
Para n = 1 en la forma:
196 CAP
ITULO 8. AN
ALISIS COMPLEJO
[a
3
[
5
4
m ax [a
2
[ , [a
1
[
5
4
m ax
_
5
4
m ax [a
1
[ , [a
0
[ , [a
0
[
_
=
_
5
4
_
2
m ax [a
1
[ , [a
0
[
Usando el metodo de induccion, se llega inmediatamente a la acotacion:
[a
n
[
_
5
4
_
n1
m ax [a
1
[ , [a
0
[ =
_
4
5
m ax [a
1
[ , [a
0
[
__
5
4
_
n
En consecuencia tenemos [a
n
[ MK
n
siendo:
M =
4
5
m ax [a
1
[ , [a
0
[ , K =
5
4
(b) El radio de convergencia de la serie de potencias
n=0
a
n
z
n
sabemos
que viene dado por R = 1/ lmsup
n
_
[a
n
[. Por el apartado anterior tenemos
[a
n
[ MK
n
. Entonces:
lmsup
n
_
[a
n
[ lmsup
n
MK
n
= K lmsup
n
M
Por otra parte lm
n
n
M = lm
n
M
1/n
= M
0
= 1 si M ,= 0. Si M = 0
es decir, [a
1
[ = [a
2
[ = 0 entonces lm
n
n
n=0
a
n+2
z
n+2
+ 4z
n=0
a
n+1
z
n+1
+ z
2
n=0
a
n
z
n
= 4z
2
n=0
z
n
Las series del primer miembro tienen radio de convergencia R y la del segundo
miembro 1 (geometrica de raz on z). La igualdad tiene sentido pues para [z[ <
mn1, R. Al ser f(z) =
n=0
a
n
z
n
y f(z) =
n=0
z
n
= 1/(1 z) ([z[ < 1)
obtenemos:
4(f(z) a
0
a
1
z) + 4z(f(z) a
0
) + z
2
f(z) =
4z
2
1 z
8.4. RECURRENTE COMPLEJA POR SERIE DE POTENCIAS 197
igualdad v alida para [z[ < mn 1, R. Sustituyendo a
0
= 1, a
1
= 1, despe-
jando f(z) y simplicando obtenemos:
f(z) =
4z
2
4z + 4
(z + 2)
2
(1 z)
y efectuando la descomposici on en fracciones simples:
f(z) =
4/9
1 z
+
32/9
z + 2
+
28/3
(z + 2)
2
Desarrollemos en serie f
1
(z) = 1/(1 z), f
2
(z) = 1/(z + 2) y f
3
(z) =
1/(z + 2)
2
:
f
1
(z) =
1
1 z
=
n=0
z
n
([z[ < 1)
f
2
(z) =
1
z + 2
=
1
2
1
1 (z/2)
=
1
2
n=0
(z/2)
n
([z[ < 2)
Derivando la ultima igualdad respecto de z:
f
3
(z) =
1
(z + 2)
2
=
1
2
n=1
n
_
z
2
_
n1
1
2
_
=
n=1
(1)
n
n
2
n+1
z
n1
=
n=0
(1)
n+1
(n + 1)
2
n+2
z
n
Este ultimo desarrollo es v alido para [z[ < 2 pues toda serie de potencias y
su serie derivada tienen el mismo radio de convergencia. Adem as claramente
los desarrollos anteriores de f
1
, f
2
y f
3
son valido para [z[ < mn1, R. La
expresi on de f(z) para esos valores de z es por tanto:
f(z) =
4
9
n=0
z
n
32
9
1
2
n=0
(1)
n
2
n
z
n
28
3
n=0
(1)
n+1
(n + 1)
2
n+2
z
n
Operando y simplicando obtenemos:
f(z) =
n=0
_
4
9
+
(1)
n
2
n
_
7n
3
+
5
9
__
z
n
Con lo cual, la solucion de la ecuaci on en diferencias es:
a
n
=
1
9
_
4 +
(1)
n
(21n + 5)
2
n
_
198 CAP
ITULO 8. AN
ALISIS COMPLEJO
8.5. Desarrollos en serie de Laurent
Desarrollar en serie de Laurent las funciones
1. f(z) =
1
3z 7
en potencias enteras de z.
2. f(z) =
(4 + i)z + 3i
z
2
+ z 6
en potencias enteras de z.
3. f(z) =
z
(z + 1)(z + 2)
en una corona abierta de centro z
0
= 2.
4. f(z) =
e
2z
(z 1)
2
en una corona abierta de centro z
0
= 1.
5. f(z) =
1
(z 3)
2
en un entorno de z
0
= .
Resolucion. 1. La funci on es analtica en todo el plano complejo salvo en
z = 7/3. La funci on es pues analtica en las coronas abiertas 0 < [z[ < 7/3 y
7/3 < [z[ < +. Dividiendo el numerador y denominador de f(z) entre 7
y usando la suma de la serie geometrica obtenemos:
f(z) =
1
7
1
1
3
7
z
=
1
7
+
n=0
_
3
7
_
n
z
n
( [3z/7[ < 1 )
Tenemos por tanto los desarrollos
f(z) =
+
n=0
3
n
7
n+1
z
n
( 0 < [z[ < 7/3 )
f(z) =
+
n=0
3
n1
7
n
1
z
n+1
( 7/3 < [z[ < +)
2. (Resoluci on esquematica) La funcion racional dada es analtica en todos
los puntos del plano complejo salvo aquellos que anulan al denominador.
Resolviendo z
2
+ z 6 = 0 obtenemos z = 2, z = 3. La funci on es pues
analtica en la tres coronas abiertas
0 < [z[ < 2 , 2 < [z[ < 3 , 3 < [z[ < +
8.5. DESARROLLOS EN SERIE DE LAURENT 199
Descomponiendo en fracciones simples: f(z) = . . . = i
1
z 2
+ 4
1
z + 3
.
Llamando f
1
(z) =
1
z 2
, f
2
(z) =
1
z + 3
y procediendo como en el ejemplo
anterior obtendramos desarrollos de Laurent (I), (II), (III) y (IV ) :
f
1
(z) =
_
(I) si 0 < [z[ < 2
(II) si 2 < [z[ < +
, f
2
(z) =
_
(III) si 0 < [z[ < 3
(IV ) si 3 < [z[ < +
Entonces,
f(z) =
_
_
_
i(I) + 4(III) si 0 < [z[ < 2
i(II) + 4(III) si 2 < [z[ < 3
i(II) + 4(IV ) si 3 < [z[ < +
3. Efectuando el cambio u = z + 2 y usando la suma de la serie geometrica:
f(z) =
u 2
(u 1)u
=
u 2
u
1
1 u
=
_
1
2
u
_
(1 u u
2
u
3
. . .) =
2
u
+ 1 + u + u
2
+ u
3
+ . . . ([u[ < 1)
Por tanto podemos expresar
f(z) =
2
z + 2
+
+
n=0
(z + 2)
n
(0 < [z + 2[ < 1)
4. Efectuando el cambio u = z1 y usando el desarrollo en serie de la funci on
exponencial obtenemos para u ,= 0:
f(z) =
e
2(u+1)
u
2
=
e
2
u
2
e
2u
=
e
2
u
2
+
n=0
2
n
u
n
n!
=
e
2
u
2
+
2e
2
u
+
+
n=2
e
2
2
n
n!
u
n2
Podemos por tanto expresar
f(z) =
e
2
(z 1)
2
+
2e
2
z 1
+
+
n=0
e
2
2
n+2
(n + 2)!
(z 1)
n
(0 < [z 1[ < +)
5. Un entorno de es una regi on de la forma [z[ > a. La funci on f no
es analtica exactamente en z = 3, tenemos por tanto que desarrollar en la
corona abierta 3 < [z[ < +. Consideremos la funci on g(z) = 1/(z 3).
Entonces:
200 CAP
ITULO 8. AN
ALISIS COMPLEJO
g(z) =
1
z 3
=
1
z
1
1 3/z
=
1
z
+
n=0
3
n
z
n
=
+
n=0
3
n
z
n1
([3/z[ < 1)
Derivando
g
(z) =
1
(z 3)
2
=
+
n=0
(n 1)3
n
z
n2
(3 < [z[)
Podemos por tanto expresar
f(z) =
+
n=0
(n + 1)3
n
z
n+2
(3 < [z[ < +)
8.6. Serie de Laurent con parametros
Se considera la funci on compleja de variable compleja:
f(z) =
z
2
1
z
2
+ (
2
+ 1)z +
( C)
(a) Hallar y clasicar sus singularidades seg un los diferentes valores del
par ametro complejo .
(b) Para cada valor de C hallar los diferentes desarrollos en serie de
Laurent de f(z) en potencias de z y especicar sus respectivos dominios de
validez.
(c) Hallar el desarrollo en serie de Fourier de la funci on real de variable real
denida en [0, 2] :
(t) =
sin t
1 + a
2
2a cos t
(0 < a < 1)
Indicaci on La serie de Fourier es
c
n
e
int
con c
n
=
1
2
_
2
0
(t)e
int
dt.
Relacionar esta serie con alg un desarrollo de Laurent de f(z). [2]
8.6. SERIE DE LAURENT CON PAR
AMETROS 201
Resolucion. (a) Para = 0 la funcion es f(z) = (z
2
1)/z y por tanto
z = 0 es polo simple. Para ,= 0 facilmente vericamos que las races del
denominador de f(z) son z
1
= 1/ y z
2
= . Estas dos races son iguales
para = 1. Si ,= 1 el numerador de z no se anula y por tanto z
1
y
z
2
son polos simples. Si = 1 entonces f(z) = (z 1)/(z + 1) con lo cual
z = 1 es polo simple. Si = 1 entonces f(z) = (z +1)/(1 z) con lo cual
z = 1 es polo simple. Podemos concluir que
_
_
= 0 : 0 polo simple
= 1 : 1 polo simple
= 1 : 1 polo simple
,= 1 ,= 0 : , 1/ polos simples
(b) Para = 0 tenemos
f(z) =
z
2
1
z
=
1
z
+ z (0 < [z[ < +)
Para = 1 y usando el teorema relativo a la suma de la serie geometrica
f(z) =
z 1
z + 1
= 1
2
1 + z
=
_
_
1 2
+
n=0
(1)
n
z
n
(0 < [z[ < 1)
1
2
z
1
1 + 1/z
= 1 2
+
n=0
(1)
n
z
n+1
(1 < [z[ < +)
Para = 1
f(z) =
z + 1
1 z
= 1 +
2
1 z
=
_
_
1 + 2
+
n=0
z
n
(0 < [z[ < 1)
1
2
z
1
1 1/z
= 1 2
+
n=0
1
z
n+1
(1 < [z[ < +)
Para ,= 0, 1, efectuando la divisi on eucldea y descomponiendo en frac-
ciones simples
202 CAP
ITULO 8. AN
ALISIS COMPLEJO
f(z) =
1
2
+1
z + 2
_
z +
1
_
(z + )
=
1
_
A
z +
1
+
B
z +
_
=
. . . =
1
2
1
z +
1
1
z +
Hallemos los desarrollos en serie de Laurent de las fracciones simples ante-
riores.
1
z +
1
=
1
1 + z
=
+
n=0
(z)
n
([z[ < 1)
Queda
1
z +
1
=
+
n=0
(1)
n
n+1
z
n
(0 < [z[ < 1/[[) (desarrollo L
1
(z))
An alogamente
1
z +
1
=
1
z
1
1 +
1
z
=
1
z
+
n=0
_
1
z
_
n
(1/[z[ < 1)
1
z +
1
=
+
n=0
(1)
n
n
1
z
n+1
(1/[[ < [z[ < +) (desarrollo L
2
(z))
1
z +
=
1
1
1 +
z
=
1
n=0
_
_
n
([z/[ < 1)
1
z +
=
+
n=0
(1)
n
n+1
1
z
n
(0 < [z[ < [[) (desarrollo L
3
(z))
1
z +
=
1
z
1
1 +
z
=
1
z
+
n=0
_
z
_
n
([/z[ < 1)
1
z +
=
+
n=0
(1)
n
n
z
n+1
([[ < [z[ < +) (desarrollo L
4
(z))
Si 0 < [[ < 1 entonces, 0 < [[ < 1 < 1/[[. Tendramos los desarrollos
8.6. SERIE DE LAURENT CON PAR
AMETROS 203
f(z) =
1
2
L
1
(z) L
3
(z) (0 < [z[ < [[)
f(z) =
1
2
L
4
(z) L
1
(z) ([[ < [z[ < 1/[[)
f(z) =
1
2
L
2
(z) L
4
(z) (1/[[ < [z[ < +)
Si [[ > 1 entonces, 1/[[ < 1 < [[. Tendramos los desarrollos
f(z) =
1
2
L
1
(z) L
3
(z) (0 < [z[ < 1/[[)
f(z) =
1
2
L
2
(z) L
3
(z) (1/[[ < [z[ < [[)
f(z) =
1
2
L
2
(z) L
4
(z) ([[ < [z[ < +)
(c) Desarrollemos c
n
. Para ello efectuamos la sustituci on z = e
it
con lo cual
dz = izdt, sin t = (z
2
1)/2iz y cos t = (z
2
+ 1)/2z. Por tanto
c
n
=
1
2
_
2
0
(t)e
int
dt =
1
2
_
|z|=1
z
2
1
2iz
1 + a
2
2a
z
2
+1
2z
z
n
dz
iz
=
1
4
_
|z|=1
(z
2
1)z
n1
dz
az
2
(1 + a
2
)z + a
=
i
2
1
2i
_
|z|=1
z
2
1
az
2
(1+a
2
)z+a
dz
z
(n1)
=
i
2
A
n
en donde A
n
es el coeciente de 1/z
n
en el desarrollo en serie de Laurent de
la funcion f(z) del apartado (a) para = a < 1 < 1/a = 1/. Corresponde
al desarrollo
f(z) =
1
a
1
a
2
L
4
(z) L
1
(z) (a < [z[ < 1/a)
y el coeciente de 1/z
n
es (1/a
2
)(1)
n1
= (1)
n
a
n3
. El desarrollo pedido
es
(t) =
+
(1)
n+1
a
n3
i
2
e
int
204 CAP
ITULO 8. AN
ALISIS COMPLEJO
8.7. Integral compleja sobre una curva de Jor-
dan
Sean a, b y c tres puntos no alineados del plano complejo. Calcular la integral
_
T
z
2
dz
siendo T el borde del tri angulo determinado por los puntos anteriores y re-
corrido en el sentido positivo. Generalizar el resultado obtenido al caso en
el que se sustituya en la integral anterior el tri angulo T por una curva de
Jordan . [2]
Resolucion. Desarrollando la funcion integrando:
_
T
z
2
dz =
_
T
(x iy)
2
(dx + idy) =
_
T
(x
2
y
2
2xyi) (dx + idy) =
_
T
(x
2
y
2
) dx + 2xy dy + i
_
T
2xy dx + (x
2
y
2
) dy
Usando el teorema de Green
I
1
=
_
T
(x
2
y
2
) dx + 2xy dy = 4
__
D
y dxdy = 4M
x
I
2
=
_
T
2xy dx + (x
2
y
2
) dy = 4
__
D
x dxdy = 4M
y
en donde M
x
, M
y
son los momentos estaticos de la placa D que limita
el triangulo cuando la densidad es (x, y) = 1. Si (x
g
, y
g
) es el centro de
gravedad de D (es decir, el baricentro del tri angulo) entonces (x
g
, y
g
) =
(M
y
/A, M
x
/A) siendo A el area del triangulo. Por tanto
_
T
z
2
dz = I
1
+ iI
2
= 4A(x
g
+ iy
g
) =
4A(a + b + c)
3
El razonamiento es an alogo si sustituimos T por una curva de Jordan . La
integral es
_
z
2
dz = I
1
+ iI
2
= 4A(x
g
+ iy
g
)
siendo A el area del recinto D que limita y (x
g
, y
g
) el centro de gravedad
de la placa D para la densidad (x, 1) = 1.
8.8. L
e
inx
2
e
inx
2
e
ix
2
e
ix
2
e
inx
2
e
ix
2
= e
ix
2i sin
nx
2
2i sin
x
2
e
i(n1)x
2
=
sin
nx
2
sin
x
2
e
i
(n+1)x
2
=
sin
nx
2
sin
x
2
_
cos
n+1
2
x + i sin
n+1
2
x
_
Igualando partes imaginarias, obtenemos la suma pedida
sin x + sin 2x + . . . + sin nx =
sin
nx
2
sin
(n+1)x
2
sin
x
2
Nota: La relaci on e
ix
1 = 0 es equivalente a x = 2k con k Z. En este
caso, la suma pedida es claramente igual a 0.
206 CAP
ITULO 8. AN
ALISIS COMPLEJO
(b) Sabemos que las races enesimas de un n umero complejo corresponden
a los vertices de un polgono regular de n lados. Podemos suponer entonces
que los vertices son los ajos de las races enesimas de la unidad. Es decir, los
verices del polgono son w
k
= e
2k
n
i
con k = 0, 1, . . . , n 1. Tomando como
referencia el vertice w
0
= 1, la media aritmetica de las distancias del vertice
w
0
a los restantes vertices w
1
, w
2
, . . . , w
n1
vendr a dado por
p
n
=
n1
k=1
[1 w
k
[
n 1
Hallemos previamente [1 e
i
[ siendo R:
[1 e
i
[
2
= [1 cos +i sin [
2
= 1 +cos
2
2 cos +sin
2
= 2(1 cos )
Por otra parte
sin(/2) =
_
(1 cos )/2 sin
2
(/2) = (1 cos )/2
[1 e
i
[ =
_
4 sin
2
(/2) = 2[ sin(/2)[
Como consecuencia, [1 w
k
[ = [1 e
2k
n
i
[ = 2[ sin
k
n
[. Simpliquemos p
n
p
n
=
1
n 1
n1
k=1
2
sin
k
n
=
2
n 1
n1
k=1
sin
k
n
( pues 0
k
n
) =
2
n 1
sin
_
n1
2
n
_
sin
_
n
2
n
_
sin
2n
(apartado (a)) =
2
n 1
sin
_
2
2n
_
sin
2n
=
2
n 1
cos
2n
sin
2n
=
2
n 1
cot
2n
Para hallar este lmite consideremos la funci on auxiliar f(x) =
2
x1
cot
2x
.
Usando la regla de LHopital y el cambio u = x/2
lm
x+
f(x) = 2 lm
x+
cot
2x
x 1
=
_
+
+
_
= 2 lm
x+
1
sin
2
2x
2
_
1
x
2
_
1
= 2 lm
x+
_
1
x
_
2
2
sin
2
_
2x
_ = 2 lm
x+
_
2x
_
2
sin
2
_
2x
_ =
4
lm
u0
_
u
sin u
_
2
=
4
lm
n+
p
n
=
4
8.9. F
_
2
0
sin(t/2) dt ( pues 0 t/2 )
=
1
[2 cos(t/2)]
2
0
=
1
(2)(1 1)
=
4
k=1
[1 e
2k
n
i
[
= lm
n+
p
n
8.9. Formula integ. de Cauchy y matriz ex-
ponencial
La formula integral de Cauchy se puede generalizar a matrices de la siguiente
manera
f(M) =
1
2i
_
f(z)(zI M)
1
dz
208 CAP
ITULO 8. AN
ALISIS COMPLEJO
donde es la circunferencia [z[ = r, I es la matriz identidad y todos los
autovalores de zI M est an en el interior de .
(a) Calcular las integrales complejas
I
1
(t) =
_
|z|=r
ze
z
dz
z
2
+ t
2
, I
2
(t) =
_
|z|=r
te
z
dz
z
2
+ t
2
(t R, [t[ < r)
(b) Si A es la matriz A =
_
2 5
1 2
_
, calcular f(tA) = e
tA
. [2]
Resolucion. (a) Hallemos I
1
(t), Si t ,= 0, las singularidades son z = ti
(polos simples). Los residuos en estos polos son
Res [f, ti] = lm
zti
ze
z
(z ti)
(z ti)(z + ti)
=
tie
ti
2ti
=
e
ti
2
Res [f, ti] = lm
zti
ze
z
(z + ti)
(z ti)(z + ti)
=
tie
ti
2ti
=
e
ti
2
Aplicando el teorema de los residuos de Cauchy
I
1
(t) = 2i
_
e
it
2
+
e
it
2
_
= 2i cos t (1)
Si t = 0, tenemos I
1
(0) =
_
|z|=r
e
z
dz/z = 2ie
0
= 2i (f ormula integral de
Cauchy), por tanto tambien es valida la igualdad (1) en este caso. Procedemos
de manera an aloga para I
2
(t) :
Res [f, ti] = lm
zti
te
z
z + ti
=
te
ti
2ti
=
e
ti
2i
Res [f, ti] = lm
zti
te
z
z ti
=
te
ti
2ti
=
e
ti
2i
I
2
(t) = 2i
_
e
it
2i
e
it
2i
_
= 2i sin t (2)
Si t = 0, tenemos trivialmente I
2
(0) = 0, por tanto tambien es v alida la
igualdad (2) en este caso.
(b) Llamando M = tA :
8.10. INTEGRAL TRIGONOM
e
z
z
2
+ t
2
_
z + 2t 5t
t z 2t
_
dz =
1
2i
_
2i cos t + 4i sin t 10i sin t
2i sin t 2i cos t 4i sin t
_
_
cos t + 2 sin t 5 sin t
sin t 2 cos t 2 sin t
_
8.10. Integral trigonometrica en [0, ]
Se considera la funci on compleja denida por
f(z) =
+n
k=n
c
k
z
k
(a) Obtener la expresi on de la integral
_
2
0
[f(e
i
)[
2
d en terminos de los
coecientes c
k
de la funci on f.
(b) Aplicar el resultado anterior al c alculo de las integrales
_
0
_
sin 2n
sin
_
2
d (n = 1, 2, . . .) [2]
Resolucion. (a) Desarrollando [f(e
i
)[
2
:
[f(e
i
)[
2
= f(e
i
)f(e
i
) =
_
+n
k=n
c
k
e
ik
__
+n
l=n
c
k
e
il
_
=
+n
k=n
[c
k
[
2
+
k=l
c
k
c
l
e
i(kl)
Por otra parte
210 CAP
ITULO 8. AN
ALISIS COMPLEJO
_
2
0
e
i(kl)
d =
_
e
i(kl)
i(k l)
_
2
0
=
1
i(k l)
(e
2(kl)
e
0
) = 0
En consecuencia
_
2
0
[f(e
i
)[
2
d =
_
2
0
+n
k=n
[c
k
[
2
d = 2
+n
k=n
[c
k
[
2
(b) Como la funci on integrando es par y periodica de periodo 2, podemos
escribir
_
0
_
sin 2n
sin
_
2
d =
1
2
_
_
sin 2n
sin
_
2
d =
1
2
_
2
0
_
sin 2n
sin
_
2
d
Vamos a transformar la funci on integrando:
sin 2n
sin
=
1
2i
(e
2ni
e
2in
)
1
2i
(e
i
e
i
)
=
e
4ni
1
e
(2n+1)i
e
(2n1)i
=
e
4ni
1
e
(2n1)i
(e
2i
1)
Consideremos ahora la funci on
f(z) =
z
4n
1
z
2n1
(z
2
1)
=
1
z
2n1
(z
2
)
2n
1
z
2
1
Dado que y
2n
1 = (y 1)(y
2n1
+ y
2n2
+ . . . + y + 1), llamando y = z
2
:
f(z) =
1
z
2n1
((z
2
)
2n1
+ (z
2
)
2n2
+ . . . + z
2
+ 1) =
1
z
2n1
(z
4n2
+ z
4n4
+ . . . + z
2
+ 1) =
z
2n1
+ z
2n3
+ . . . + z
2n+3
+ z
2n+1
=
2n1
n=(2n1)
c
k
z
k
en donde los coecientes c
k
son o bien 1, o bien 0. Entonces
_
0
_
sin 2n
sin
_
2
d =
1
2
_
2
0
_
sin 2n
sin
_
2
d =
1
2
_
2
0
[f(e
i
)[
2
d
Usando el apartado (a) obtenemos
_
0
_
sin 2n
sin
_
2
d =
1
2
2
2n1
k=(2n1)
[c
k
[
2
= 2n
pues existen 2n coecientes entre los c
k
que valen 1 y el resto son nulos.
8.11. INTEGRAL REAL POR RESIDUOS 211
8.11. Integral real por residuos
(a) Para cada valor de n entero positivo calcular todas las races reales o
complejas de la ecuaci on (1 + z)
n
= (1 z)
n
.
(b) Para cada valor de n entero positivo, determinar y clasicar las singula-
ridades de la funci on compleja:
f(z) =
z
(1 + z)
n
(1 z)
n
(c) Aplicando la tecnica de residuos, calcular la siguiente integral real, de-
terminando previamente los valores de n (entero positivo) para los cuales es
convergente:
_
+
0
x dx
(1 + x)
n
(1 x)
n
[2]
Resolucion. (a) Claramente z = 1 no es solucion de la ecuaci on. Para z ,= 1
tenemos:
_
1 + z
1 z
_
n
= 1
1 + z
1 z
= e
2k
n
i
(k = 0, 1, 2, . . . , n 1)
1 + z = e
2k
n
i
ze
2k
n
i
z(1 + e
2k
n
i
) = e
2k
n
i
1 z =
e
2k
n
i
1
e
2k
n
i
+ 1
Si e
2k
n
i
= 1 (es decir, si n = 2k), no esta denido z. Multiplicando y divi-
diendo por e
k
n
i
obtenemos las soluciones de la ecuacion
z
k
=
e
2k
n
i
1
e
2k
n
i
+ 1
=
e
k
n
i
e
k
n
i
e
k
n
i
+ e
k
n
i
= i tan
k
n
para k = 0, 1, . . . , n 1 y 2k ,= n, es decir tenemos n races si n es impar y
n 1 races si n es par.
(b) Veamos que z
0
= 0 es singularidad evitable.
f(z) =
z
(1 + z)
n
(1 z)
n
=
z
1 + nz + p(z) (1 nz + q(z))
=
z
2nz + p(z) q(z)
=
1
2n + (p(z) q(z))/z
lm
z0
f(z) =
1
2n
212 CAP
ITULO 8. AN
ALISIS COMPLEJO
El lmite es nito y por tanto la singularidad es evitable. Veamos que las
otras races son polos simples.
lm
zz
k
f(z)(z z
k
) = lm
zz
k
z
(1 + z)
n
(1 z)
n
(z z
k
) =
_
0
0
_
=
lm
zz
k
z(z z
k
)
(z z
0
) . . . (z z
k
) . . . (z z
n
)
=
z
k
(z
k
z
0
) . . . (z
k
z
n
)
,= 0
El lmite es no nulo pues todas las races son distintas y estamos en el caso
z
k
,= 0.
(c) Para todo x R 0 tenemos:
f(x) =
x
(1 x)
n
(1 + x)
n
=
x
(1 + x)
n
(1 x)
n
= f(x)
Es decir, f es funcion par. Por otra parte I =
_
+
0
f(x)dx es impropia en +
y no es impropia en 0. Por un conocido teorema, la integral I ser a convergente
sii el grado del denominador es mayor o igual que 3. Es decir, I es convergente
sii n 3 y ademas I = (1/2)
_
+
f(z) dz =
_
R
R
f(x) dx +
_
f(z) dz ()
Hallaremos pues los residuos en los polos simples z
k
con 0 < k < n/2 (re-
cuerdese que z
0
= 0 es singularidad evitable).
8.11. INTEGRAL REAL POR RESIDUOS 213
k : 0 < k < n/2 Res(f, z
k
) = lm
zz
k
z(z z
k
)
(1 + z)
n
(1 z)
n
=
_
0
0
_
=
lm
zz
k
2z z
k
n(1 + z)
n1
+ n(1 z)
n1
=
z
k
n(1 + z
k
)
n1
+ n(1 z
k
)
n1
Como z
k
cumple (1+z
k
)
n
= (1z
k
)
n
, tenemos (1+z
k
)
n1
= (1z
k
)
n
/(1+z
k
)
y por tanto:
Res(f, z
k
) =
z
k
n
_
(1 z
k
)
n
1 + z
k
+ (1 z
k
)
n1
_ =
z
k
(1 + z
k
)
2n(1 z
k
)
n1
Simpliquemos la expresion anterior:
1 z
k
= 1 i tan
k
n
= 1
e
k
n
i
e
k
n
i
e
k
n
i
+ e
k
n
i
=
2e
k
n
i
2 cos
k
n
=
e
k
n
i
cos
k
n
1 + z
k
= 1 + i tan
k
n
= 1 +
e
k
n
i
e
k
n
i
e
k
n
i
+ e
k
n
i
=
2e
k
n
i
2 cos
k
n
=
e
k
n
i
cos
k
n
Entonces:
Res(f, z
k
) =
z
k
e
k
n
i
cos
n1
(k/n)
2ncos(k/n) (e
k
n
i
)
n1
=
z
k
2n
cos
n2
(k/n)e
(
k
n
+
k(n1)
n
)i
=
z
k
2n
cos
n2
(k/n)e
ki
=
(1)
k
z
k
cos
n2
(k/n)
2n
Tomando lmites en la igualdad [] cuando R + y aplicando una cono-
cida propiedad (Lema de Jordan):
2i
0<k<n/2
Res(f, z
k
) =
_
+
f(x) dx + 0
De forma equivalente:
2i
0<k<n/2
(1)
k
i
_
tan
k
n
_
(cos
k
n
)
n2
2n
=
_
+
f(x) dx
0<k<n/2
(1)
k+1
sin
k
n
_
cos
k
n
_
n3
= 2
_
+
0
f(x) dx
La integral pedida es por tanto:
_
+
0
x dx
(1 + x)
n
(1 x)
n
=
2n
0<k<n/2
(1)
k+1
sin
k
n
_
cos
k
n
_
n3
214 CAP
ITULO 8. AN
ALISIS COMPLEJO
8.12. Integrales de Fresnel
Se sabe que las integrales de Fresnel:
I
1
=
_
+
0
cos x
2
dx, I
2
=
_
+
0
cos x
2
dx
son convergentes. Calcular su valor.
Indicaci on: Usar la integral de Euler, es decir
_
+
0
e
x
2
dx =
2
.
Resolucion. Consideremos la funci on f(z) = e
iz
2
y el contorno OABO
de la gura
y
x
R
B
O
A
4
Tenemos
_
e
iz
2
dz =
_
R
0
e
ix
2
dx +
_
AB
e
iz
2
dz +
_
BO
e
iz
2
dz (1)
Se verica
_
e
iz
2
dz = 0 pues la funci on f(z) es holomorfa en C. Veamos que
lm
R+
_
AB
e
iz
2
dz = 0. Haciendo el cambio w = z
2
, obtenemos dz =
dw
2
w
y el arco AB se transforma en el DE
y
x
R
2
D
w
E
8.13. UN PROBLEMA DE DIRICHLET 215
Por tanto,
_
AB
e
iz
2
dz =
_
DE
e
iw
2
w
dz. Por otra parte y para [z[ = R :
1
2
=
1
2(R
2
)
1/2
=
1/2
(R
2
)
1/2
=
1/2
(R
2
)
k
(k = 1/2 > 0)
Por un conocido lema de acotacion:
lm
R
2
+
_
DE
e
iz
2
2
w
dw = lm
R+
_
AB
e
iz
2
dz = 0
Hallemos ahora
_
BO
e
iz
2
dz. Los puntos del segmento BO son de la forma
z = e
i/4
con [0, R], en consecuencia:
_
BO
e
iz
2
dz =
_
0
R
e
i
2
e
i/2
e
i/4
d =
2
2
(1 + i)
_
R
0
e
2
d
Tomando lmites en la igualdad (1) y usando que
_
+
0
e
2
d =
/2 :
0 =
_
+
0
cos x
2
dx + i
_
+
0
sin x
2
dx
2
2
(1 + i)
2
Igualando partes real e imaginaria:
_
+
0
cos x
2
dx =
_
+
0
sin x
2
dx =
2
4
8.13. Un problema de Dirichlet
Se considera una funci on compleja f(z) holomorfa en el semiplano Im z 0
y tal que [z[
p
[f(z)[ M en dicho semiplano con p > 0, M > 0 constantes.
Se pide:
(a) Para cada z
0
C : Im z
0
< 0 calcular la integral compleja curvilnea
_
R
f(z)
(z z
0
)(z z
0
)
dz
siendo
R
el circuito formado por la circunferencia z(t) = Re
it
con t [0, ]
y el segmento rectilneo [R, R], recorrido en sentido positivo.
(b) Si f(z) = u(x, y) + iv(x, y) con y > 0, calcular
216 CAP
ITULO 8. AN
ALISIS COMPLEJO
_
+
u(t, 0)
(t x)
2
+ y
2
dt
(c) Aplicando el apartado anterior a la funci on f(z) = 1/(z + i), resolver el
siguiente problema de Dirichlet en el semiplano y > 0 : Hallar una funci on
u(x, y) con y > 0 tal que u = 0, u(x, 0) =
x
x
2
+ 1
. [2]
Resolucion. (a) La funci on f(z)/(z z
0
) es holomorfa en el interior geometri-
co de
R
. Aplicando la f ormula integral de Cauchy:
_
R
f(z)
(z z
0
)(z z
0
)
dz =
_
R
f(z)
z z
0
(z z
0
)
dz =
2i
f(z
0
)
z
0
z
0
=
2if(z
0
)
2i Im z
0
=
f(z
0
)
Im z
0
(b) Llamando a la parte del circuito formado por la semicircunferencia:
y
x
R R
R
f(z) dz
(z z
0
)(z z
0
)
=
_
R
R
u(t, 0) + iv(t,0)
(t z
0
)(t z
0
)
dt +
_
f(z) dz
(z z
0
)(z z
0
)
(1)
En [z[ = R y teniendo en cuenta las hipotesis de acotacion dadas:
f(z)
(z z
0
)(z z
0
)
=
[f(z)[
[z z
0
[[z z
0
[
[f(z)[
[ [z[ [z
0
[ [ [ [z[ [ z
0
[ [
=
[f(z)[
(z z
0
) (R
2
[z
0
[
2
)
M/[z[
p
(R
2
[z
0
[
2
)
=
M
R
p
(R
2
[z
0
[
2
)
Entonces
f(z) dz
(z z
0
)(z z
0
)
MR
R
p
(R
2
[z
0
[
2
)
0 (si R +)
lo cual implica que la integral a lo largo de tiende a 0 cuando R +.
Tomando lmites en (1) cuando R + y usando que (t z
0
)(t z
0
) =
(t x
0
)
2
+ y
2
0
:
8.14. FUNCI
u(t, 0) dt
(t x
0
)
2
+ y
2
0
dt + i
_
+
v(t,0) dt
(t x
0
)
2
+ y
2
0
dt (2)
(en el supuesto de que las integrales sean convergente). Tomando partes reales
en (2) y denotando x
0
, y
0
por x, y :
_
+
u(t, 0) dt
(t x)
2
+ y
2
dt =
Re f(z
0
)
Im z
0
(c) La funci on f(z) = 1/(z +i) es holomorfa en Im z 0. Podemos expresar
f(z) =
1
z + i
=
1
x + (y + 1)i
=
x (y + 1)i
x
2
+ y
2
+ 2y + 1
=
x
x
2
+ y
2
+ 2y + 1
+ i
(y + 1)
x
2
+ y
2
+ 2y + 1
= u(x, y) + iv(x, y)
Al ser f(z) holomorfa para y > 0, u(x, y) es arm onica en y > 0, es decir
u = 0. Adem as, u(x, 0) = x/(x
2
+ 1).
8.14. Funcion entera y polinomio
Sea p(z) un polinomio complejo y f(z) una funcion entera de variable comple-
ja. Se considera una curva de Jordan sobre la que no se anula el polinomio
p(z). Deducir la expresion de la integral
_
f(z)
p
(z)
p(z)
dz
mediante los valores de la funci on f(z) en los ceros del polinomio. [2]
Resolucion. Sea p(z) = a
n
z
n
+ . . . + a
1
z + a
0
C[z] con a
n
,= 0 y sean
z
1
, . . . , z
p
los distintos ceros de este polinomio con multiplicidades n
1
, . . . , n
p
respectivamente. Entonces, p(z) = a
n
(z z
1
)
n
1
. . . (z z
p
)
np
. Derivando:
p
(z) = a
n
[n
1
(z z
1
)
n
1
1
. . . (z z
p
)
np
+ . . . + n
p
(z z
1
)
n
1
. . . (z z
p
)
np1
]
El cociente p
(z)
p(z)
=
n
1
z z
1
+ . . . +
n
p
z z
p
218 CAP
ITULO 8. AN
ALISIS COMPLEJO
Clasiquemos las singularidades z
1
, . . . , z
p
. Tenemos
lm
zz
k
f(z)
p
(z)
p(z)
(z z
k
) = lm
zz
k
_
n
1
z z
k
z z
1
+ . . . + n
p
z z
k
z z
p
_
=
f(z
k
)(0 + . . . + n
k
+ . . . + 0) = n
k
f(z
k
)
Si f(z
k
) ,= 0 entonces n
k
f(z
k
) ,= 0 y z
k
es polo simple con Res (f, z
k
) =
n
k
f(z
k
). Si f(z
k
) = 0 entonces f(z) = (z z
k
)(z) con holomorfa en C.
Se verica
lm
zz
k
f(z)
p
(z)
p(z)
= lm
zz
k
(z z
k
) (z)
p
(z)
p(z)
= 0
La singularidad es evitable y el residuo es 0 o lo que es lo mismo, n
k
f(z
k
).
Podemos entonces asegurar que
_
f(z)
p
(z)
p(z)
dz = 2i
n
k
f(z
k
)
en donde la suma se extiende sobre los ceros z
k
de p(z) en el interior geometri-
co de .
8.15.
Area de una imagen del crculo unidad
1. Se considera en el plano complejo una curva de Jordan con orientaci on
positiva. Expresar el area de la regi on interior a dicha curva en terminos de
la integral compleja curvilnea
_
w dw.
2. Calcular el area de la imagen del crculo unidad [z[ 1 bajo la transfor-
maci on w = z
_
z
1
2
z
_
.
3. Sea f(z) =
+
n=0
c
n
z
n
una funcion holomorfa e inyectiva del plano com-
plejo que contiene al crculo unidad. Expresar el area de la imagen bajo f
del crculo unidad en terminos de los coecientes c
n
. [2]
Resolucion. 1. Sea A el area pedida y w = x +iy con x, y R. Usando el
teorema de Green en el plano y la conocida f ormula del area en terminos de
una integral curvilnea:
8.15.
AREA DE UNA IMAGEN DEL C
w dw =
_
(x iy)(dx + i dy) =
_
x dx + y dy + i
_
x dy y dx =
0 + 2Ai = 2Ai A =
1
2i
_
w dw A =
i
2
_
w dw
2. Llamando A
1
al area pedida y usando el apartado anterior
A
1
=
i
2
_
w dw =
i
2
_
|z|=1
_
z
1
2
z
2
_
(1 z) dz
Efectuando la substitucion w = e
i
:
A
1
=
i
2
_
2
0
_
e
i
1
2
e
2i
_
(1 e
i
)ie
i
d =
1
2
_
2
0
_
1
1
2
e
i
e
i
+
1
2
_
d =
1
2
_
2
0
3
2
d =
3
2
3. Llamando A
2
al area pedida y usando el primer apartado
A
2
=
i
2
_
w dw =
i
2
_
|z|=1
_
+
n=0
c
n
z
n
__
+
n=1
nc
n
z
n1
_
dz
Efectuando la substitucion w = e
i
:
A
2
=
i
2
_
2
0
_
+
n=0
c
n
e
in
__
+
n=1
nc
n
e
(n1)i
_
ie
i
d =
1
2
_
2
0
_
+
n=0
c
n
e
in
__
+
n=0
nc
n
e
in
_
d
Usando que
_
2
0
e
ip
d = 0 si p Z 0, que
_
2
0
d = 2 y el conocido
teorema sobre la convergencia uniforme de las series de potencias:
A
2
=
1
2
+
n=0
_
2
0
n[c
n
[
2
d =
+
n=1
n[c
n
[
2
220 CAP
ITULO 8. AN
ALISIS COMPLEJO
8.16. Funcion holomorfa: representacion in-
tegral
Se considera la funcion compleja denida mediante la representacion integral
f(z) =
_
+
0
e
zt
2
dt
(a) Comprobar que la funcion esta bien denida en el semiplano de los n ume-
ros complejos con parte real estrictamente positiva y calcular el valor f(z)
cuando z es un n umero real positivo.
(b) Aceptando que la funci on f es holomorfa en ese semiplano, determinar
el valor de la integral
_
+
0
e
t
2
cos t
2
dt [2]
Resolucion. (a) Sea z = x + iy con x, y R. Entonces
e
zt
2
= e
(x+iy)t
2
= e
xt
2
e
iyt
2
= e
xt
2
[cos(yt
2
) + i sin(yt
2
)] =
e
xt
2
cos(yt
2
) ie
xt
2
sin(yt
2
)
Por otra parte, [e
xt
2
cos(yt
2
)[ e
xt
2
y [e
xt
2
sin(yt
2
)[ e
xt
2
lo cual im-
plica que si la integral
_
+
0
e
xt
2
dt es convergente para x > 0 tambien son
convergentes
_
+
0
e
xt
2
cos(yt
2
) dt y
_
+
0
e
xt
2
sin(yt
2
) dt (1)
Efectuando el cambio u =
xt y usando la integral de Euler
_
+
0
e
xt
2
dt =
_
+
0
e
u
2 1
x
du =
x
Al ser convergentes las integrales que aparecen en (1), lo es la integral
_
+
0
e
zt
2
dt, es decir f(z) esta bien denida en Re z > 0.
(b) Llamemos I =
_
+
0
e
t
2
cos t
2
dt y
_
+
0
e
t
2
sin t
2
dt. Entonces
8.17. FUNCI
ON HOLOMORFA BIPERI
ODICA 221
K = I iJ =
_
+
0
(e
t
2
cos t
2
ie
t
2
sin t
2
) dt =
_
+
0
e
t
2
[cos(t
2
) + i sin(t
2
)] dt =
_
+
0
e
t
2
it
2
dt =
_
+
0
e
(1+i)t
2
dt = f(1 + i)
Por el apartado anterior, f(x) =
/(2
z) en Re z > 0. Entonces
K = I iJ = f(1 + i) =
1 + i
=
2
4
2 e
i/8
=
2
4
2
e
i/8
=
2
4
2
_
cos
8
i sin
8
_
Igualando partes reales queda
_
+
0
e
t
2
cos t
2
dt =
2
4
2
cos
8
8.17. Funcion holomorfa biperiodica
Sea f una funci on holomorfa en C salvo por una cantidad nita de polos y
que verica
z C f(z + 1) = f(z), f(z + i) = f(z)
Diremos que f es doblemente periodica de periodos 1 e i. Consideremos un
paralelogramo de vertices z
0
+i, z
0
, z
0
+ 1, z
0
+ 1 +i cuyo borde llamamos
siendo z
0
C un punto cualquiera pero tal que f no tiene ning un polo en .
1. Calcular
_
f(z) dz.
2. Estudiar si g(z) = f
(f
(z)/f(z)) dz.
3. Si f tiene m polos en C, hallar el n umero de races de la ecuaci on f(z). [2]
222 CAP
ITULO 8. AN
ALISIS COMPLEJO
Resolucion. 1. Consideremos los lados orientados del paralelogramo:
1
: ( de origen z
0
+ i y extremo z
0
) z = z
0
+ i ti, t [0, 1]
2
: ( de origen z
0
y extremo z
0
+ 1) z = z
0
+ t, t [0, 1]
3
: ( de origen z
0
+ 1 y extremo z
0
+ 1 + i) z = z
0
+ 1 + ti, t [0, 1]
4
: ( de origen z
0
+ 1 + i y extremo z
0
+ i) z = z
0
+ 1 + i t, t [0, 1]
Entonces
_
f(z) dz =
_
1
f(z) dz +
_
2
f(z) dz +
_
3
f(z) dz +
_
4
f(z) dz
Teniendo en cuenta que f es periodica de periodo i :
_
2
f(z) dz +
_
4
f(z) dz =
_
1
0
f(z
0
+ t) dt +
_
1
0
f(z
0
+ 1 + i t)(dt) =
_
1
0
f(z
0
+ t) dt
_
1
0
f(z
0
+ 1 t) dt
Efectuando el cambio u = 1 t :
_
1
0
f(z
0
+ 1 t) dt =
_
0
1
f(z
0
+ u) (du) =
_
1
0
f(z
0
+ u) du
En consecuencia,
_
2
f(z) dz +
_
4
f(z) dz = 0. Teniendo en cuenta que f
es peri odica de periodo 1 deducimos de forma an aloga que
_
1
f(z) dz +
_
3
f(z) dz = 0. Es decir,
_
f(z) dz = 0.
2. Tenemos
_
f(z + 1) = f(z)
f(z + i) = f(z)
_
f
(z + 1) = f
(z)
f
(z + i) = f
(z)
_
_
g(z + 1) =
f
(z + 1)
f(z + 1)
=
f
(z)
f(z)
= g(z)
g(z + i) =
f
(z + i)
f(z + i)
=
f
(z)
f(z)
= g(z)
lo cual implica que g es doblemente periodica de periodos 1 e i. Adem as, si f
no tiene ceros sobre entonces g no tiene polos sobre . Usando el apartado
anterior concluimos que
_
(f
(z)/f(z)) dz = 0.
3. De acuerdo con el teorema del residuo logartmico y el apartado anterior:
8.18. DESIGUALDADES DE CAUCHY 223
0 =
1
2i
_
(z)
f(z)
dz = N P
siendo N el n umero de ceros de f(z) en el interior de y P el n umero de
polos de f(z) en el interior de (contando en ambos casos los ordenes).
Dado que podemos mover a placer z
0
en el plano complejo, concluimos que
el n umero de ceros de f(z) es m.
8.18. Desigualdades de Cauchy
Sea f(z) =
n=0
a
n
z
n
una funcion entera (holomorfa en todo el plano com-
plejo), tal que a
n
0,
n=0
a
n
= 1 y adem as satisface la desigualdad
[f(x)[ x para todo x 0. Se pide:
(a) Calcular f(0) y f(1).
(b) Demostrar que [f(z)[ [z[ para todo z C.
(c) Demostrar que f(z) = z para todo z C. Indicaci on: Utilizar las de-
sigualdades de Cauchy para las derivadas de f. [2]
Resolucion. (a) Tenemos [f(0)[ [0[ = 0, lo cual implica f(0) = 0.
Adem as, f(1) =
n=0
a
n
= 1.
(b) Expresando en forma exponencial z = e
i
:
[f(z)[ =
n=0
a
n
(e
i
)
n
n=0
a
n
n
e
in
n=0
a
n
n
[e
in
[ =
n=0
a
n
n
= f()
De 0 [f(z)[ f() deducimos f() = [f()[, y de 0 y [f(x)[ x
x 0 :
[f(z)[ f() = [z[
Es decir, [f(z)[ [z[ para todo z C.
(c) Recordamos el teorema de las desigualdades de Cauchy: Si f(z) es holo-
morfa en un abierto C y [f(z)[ M en la circunferencia [z a[ = r
contenida en , entonces
[f
(n)
(a)[
n!M
r
n
(n = 0, 1, 2, . . .)
224 CAP
ITULO 8. AN
ALISIS COMPLEJO
En nuestro caso, dado que f(z) es holomorfa en C y que [f(z)[ [z[ para
todo z C tenemos para todo r > 0
[a
n
n![ = [f
(n)
(0)[
n!r
r
n
=
n!
r
n1
(n = 0, 1, 2, . . .)
Es decir, 0 [a
n
[ 1/r
n1
. Para n 2 y tomando lmites cuando r +
obtenemos 0 [a
n
[ 0. Por tanto, a
2
= a
3
= . . . = 0. Como a
0
= 0 y a
1
= 1,
concluimos que f(z) = z.
8.19. Residuo en el punto del innito
Calcular la integral:
I =
_
|z|=3
z
17
dz
(z
2
+ 2)
3
(z
3
+ 3)
4
[6]
Resolucion. La funci on integrando f(z) tiene en la regi on [z[ < 3 dos polos
triples y tres cu adruples. Esto hace practicamente inviable calcular la integral
por medio de estos polos. Usaremos en su lugar el residuo en el punto del
innito. Concretamente aplicaremos la conocida propiedad: si una funci on
g(z) tiene en el plano extendido C = C un n umero nito de puntos
singulares, entonces la suma de todos los residuos, incluido el residuo en el
innito , es igual a 0. Es decir, si z
1
, . . . , z
m
son las singularidades nitas de
g(z) entonces:
Res(g, ) +
m
k=1
Res(g, z
k
) = 0
N otese que todos las singularidades nitas de la funci on integrando dada f(z)
est an en [z[ < 3. En consecuencia:
I =
_
|z|=3
f(z) dz = 2i Res(f, )
Para calcular Res(f, ) hallaremos el desarrollo en serie de Laurent de f(z)
en potencias enteras de z. Tenemos:
f(z) =
1
z
z
18
(z
2
+ 2)
3
(z
3
+ 3)
4
=
1
z
1
_
1 +
2
z
2
_
3
_
1 +
3
z
3
_
4
=
1
z
1
h(z)
8.19. RESIDUO EN EL PUNTO DEL INFINITO 225
Usando la serie geometrica es claro que el desarrollo en serie de Laurent de
h(z) en un entorno de es de la forma:
h(z) = 1 +
+
n=1
a
n
z
n
Efectuando la division de 1 entre h(z) seg un las potencias crecientes de z
obtenemos la forma del desarrollo de f(z):
f(z) =
1
z
1
h(z)
=
1
z
_
1 +
+
n=1
b
n
z
n
_
=
1
z
+
+
n=1
b
n
z
n+1
Por otra parte sabemos que Res(f, ) = coef(1/z) en el desarrollo de de
Laurent de f(z) en un entorno de . Podemos por tanto concluir que:
I =
_
|z|=3
z
17
dz
(z
2
+ 2)
3
(z
3
+ 3)
4
= 2i
226 CAP
ITULO 8. AN
ALISIS COMPLEJO
Referencias de examen
[1] ETS de Ingenieros de Montes de la UPM.
[2] ETS de Ingenieros Industriales de la UPM.
[3] ETS de Ingenieros Aerona uticos de la UPM.
[4] ETS de Ingenieros de Caminos de la UPM.
[5] ETS de Ingenieros Agronomos de la UPM.
[6] ETS de Ingenieros Industriales de la UNED.
[7] Facultad de Informatica de la UCM
227