Universidad Torcuato di Tella

Matemtica II-A a

Resumen de las Clases Tericas. o Curso de Verano 2011

Part I

Primitivas e Integrales
1. Primitivas de una Funcin o
F (x) es una primitiva de f (x) si, y solo si, F 0 (x) = f (x) para todo valor de x. Por ejemplo, F (x) = esin(x) es una primitiva de f (x) = esin(x) cos(x), ya que F 0 (x) = f (x). Como consecuencia directa de esta denicin obtenemos que si F (x) es una primitiva de f (x) entonces F (x) es o continua y derivable. Como dos primitivas de la misma funcin dieren en una cono stante (pues sus derivadas coinciden en todo punto), el conjunto de todas las primitivas de una funcin dada se obtiene sumndole constantes reales a una de sus primitivas. El s o a mbolo Z f (x) dx denota todas las primitivas de la funcin f (x). Por ejemplo, escribimos o Z cos(x) dx = sin(x) + C donde C recorre todos los valores reales.

2. Propiedades de las Primitivas

Z Tabla de Operaciones con Primitivas Z Z (f (x) + g(x)) dx = f (x) dx + g(x) dx [f (x) g(x)] dx = Z f (x) dx Z g(x) dx

1. 2. 3. 4. 5. 6. 7.

Z a f (x) dx = a f (x) dx u(x).v 0 (x) dx = u(x).v(x)

u0 (x).v(x) dx

f (g(x)).g 0 (x) dx = F (g(x)) + c donde F (x) es una primitiva de f (x) f 0 (x) dx = f (x) + c 0 f (x) dx = f (x)

3. Primitivas de Funciones Elementales

Z Tabla de Primitivas ua du = u + c (Si a 6= 1) a+1
a+1

1. 2. 3. 4. 5. 6. 7.

Z Z

u1 du = ln |u| + c au du = au + c ln(a)

Z Z

ln(u) du = u (ln(u) 1) + c eu du = eu + c sin(u) du = cos(u) + c cos(u) du = sin(u) + c

4. Cmo Hallar Primitivas? o

4.1. 1- Mtodo Directo: e Usando las propiedades de la primitivas y las primitivas de las funciones elementales. Por ejemplo: Z Z Z Z 1 1 x2 + 3 cos(x) 4 x 3 dx = x2 dx + 3 cos(x) dx 4 x 3 dx = = 4.2. 2- Sustitucin: o Usando la frmula (5) de la tabla de operaciones con primitivas, es decir que si substituimos o y = g(x), entonces dy = g 0 (x) dx. Por ejemplo: Z Z Z y dy ln(3x2 ) y dx = 2 . 6x = dy 4x 4x 3x2 8 y=ln(3x ) = 1 y2 ln2 (3x2 ) +c= +c 8 2 16
4 x3 + 3 sin(x) 3 x 3 + c 3

x3 x3 + 3 sin(x) 4 4 + c 3 3

4.3. 3- Partes: Usando la frmula (4) de la tabla de operaciones con primitivas, por ejemplo: o Z Z sin(x). |{z} dx = cos(x) |{z} ( cos(x)).|{z} dx x x 1 | {z } | {z } | {z } 0 v v v u u u0 Z = cos(x) x + cos(x) dx = cos(x) x + sin(x) + c pues tenemos las siguientes relaciones, 0 u = sin(x) u = cos(x)

5. Areas e Integrales

v=x

v0 = 1

Dada f (x) una funcin continua y positiva en el intervalo cerrado [a, b], denimos la integral o b R denida f (x) dx como el area limitada por el eje X, el grco de la funcin f (x) y las rectas a o
a

verticales x = a y x = b.

Dada una funcin f (x) continua pero no necesariamente positiva, la integral denida o

denota la suma de las reas de las regiones limitada por el eje X, el grco de la funcin f (x) a a o y las rectas verticales x = a y x = b pero con la salvedad que se considera positiva el rea de las a regiones que quedan por arriba del eje de las equis, y negativa el rea de las regiones que quedan a 2 R por debajo del eje de las equis. Por ejemplo, podemos calcular x dx de la siguiente manera: La regin limitada por el eje X, el grco de la funcin f (x) = x y las rectas verticales x = 1 o a o y x = 2 consiste de dos tringulos, el primero (que est situado debajo del eje de las equis) con a a 1 vrtices en los puntos (0, 0), (1, 0) y (1, 1) tiene area , y el segundo (situado por encima e 2 del eje de las equis) con vrtices en los puntos (0, 0), (2, 0) y (2, 2) tiene rea 2. Por lo tanto e a tenemos Z2 1 3 x dx = +2= 2 2
1 1

b R a

f (x) dx

6. Propiedades de la Integral Denida:

Tabla de Propiedades de la Integral Denida

1. 2. 3. 4. 5.

(f (x) + g(x)) dx =
b

Z b .f (x) dx = . f (x) dx
a

f (x) dx +

g(x) dx

f (x) dx = 0
b

0 x Z 6. f (t) dt = f (x)
a

f (x) dx =
b

f (x) dx +
a

f (x) dx =

f (x) dx
c

f (x) dx

7. Algunos teoremas y resultados

1. Desigualdad Principal: Si f (x) g(x) en el intervalo [a, b] entonces Zb
a

f (x) dx

Zb
a

g(x) dx

2. Corolario de la Desigualdad Principal: Si m y M son respectivamente el m nimo y el mximo de la funcin continua f (x) en el intervalo cerrado [a, b], entonces a o Zb 1 m . f (x) dx M (b a)
a

3. Teorema del Valor Medio para Integrales Denidas: Si f (x) es una funcin continua o en el intervalo [a, b], entonces existe un punto c en el intervalo (a, b) con Zb
a

f (x) dx = f (c).(b a)

4. Regla de Barrow (Versin 1): Si f (x) es una funcin continua, y se dene F (x) = o o Zx f (t) dt, entonces F (x) es derivable y F 0 (x) = f (x).
a

5. Corolario de la regla de Barrow (Versin 1): Toda funcin continua tiene primitiva. o o 5

6. Regla de Barrow (Versin 2): Si F (x) es cualquier primitiva de la f (x) (es decir : o 0 (F (x)) = f (x) ) , entonces Zb f (x) dx = F (b) F (a)
a

8. Integrales Impropias
Si f (x) es continua en el intervalo abierto (a, b] pero no en el punto a, el s mbolo Zb
a

f (x) dx no

est bien denido (este s a mbolo est denido solamente para funciones continuas en el intervalo a cerrado [a, b]). Pero podemos extender el concepto de la siguiente manera Zb
a

f (x) dx = lim+
sa

Zb
s

f (x) dx

De una manera anloga, si f (x) es continua en el intervalo [a, b) pero no en el punto b, escribimos a Zb
a

f (x) dx = lim
sb

Zs
a

f (x) dx

Por ejemplo, como x ln(x) x es una primitiva del ln(x), tenemos que Z1
0

ln(x) dx = lim+
s0

Z1
s

ln(x) dx = lim+ ((1 ln(1) 1) (s ln(s) s)) = 1

s0

O tambin, como e

1 1 es una primitiva de 3 , obtenemos que 2x2 x

+ Z 1

1 dx = lim s+ x3

Zs
1

1 dx = lim+ x3 s0

1 1 2) (2s (2)

1 2

Part II

Polinomios de Taylor.
9. Polinomios Aproximantes de grado uno:
Hab amos visto que si f (x) : R R es una funcin de una variable derivable en el punto x = a, o entonces la funcin lineal (o polinomio de grado uno) que mejor se aproxima a f (x) cerca del o punto a es l(x) = f (a) + f 0 (a)(x a)

es decir, la ecuacin de su recta tangente. Donde la expresin mejor se aproximaba a f (x) o o cerca del punto a signica que f (x) l(x) lim = 0. xa xa

10. Polinomios Aproximantes de grado dos:

Buscamos ahora el polinomio de grado dos (es decir la parbola) que mejor se aproxima a f (x) a cerca del punto a. En este caso la expresin mejor se aproxima a f (x) cerca del punto a o signica que f (x) P (x) = 0. lim 2 xa (x a) donde P (x) es ahora un polinomio de grado dos, y por lo tanto se puede escribir como P (x) = A + B(x a) + C(x a)2 Veamos cuales deber ser los coecientes A, B y C. Si planteamos el l mite
xa

lim

f (x) A B(x a) C(x a)2 (x a)

2

=0

observamos que el denominador tiende a cero, y que el numerador tiende a f (a) A (estamos suponiendo que f (x) es derivable y por lo tanto continua en a). Si f (a) A fuera distinto de cero, el l mite dar , por lo tanto, como el l a mite es cero, tenemos que A = f (a). Pero con este valor de A, tanto el numerador como el denominador tienden a cero, luego podemos usar la regla de L0 H opital para calcular cuanto valen B y C. En efecto,
xa

lim

f (x) A B(x a) C(x a)2 (x a)2

f 0 (x) B 2C(x a) =0 L0 H opital xa 2 (x a) = lim

Nuevamente tenemos que el denominador tiende a cero y el numerador tiende a f 0 (a) B (suponiendo que la derivada de f (x) sea continua). Esto implica que f 0 (a) = B. Con estos valores de A y B, nuevamente obtenemos que el denominador y el numerador del l mite tienden a cero, entonces podemos usar nuevamente la regla de L0 H opital para obtener f 0 (x) B 2C(x a) xa 2 (x a) lim f 00 (x) 2C =0 LHpital xa o 2 = lim 7

f 00 (a) lo que implica que C = . 2 Reemplazando, los valores de A, B y C, obtenemos que: Si f (x) es una funcin dos veces derivable en el punto a, entonces el polinomio de o grado 2 que mejor aproxima a f (x) cerca del punto a es P (x) = f (a) + f 0 (a)(x a) + f 00 (a) (x a)2 2

11. Polinomios Aproximantes de grado n: Polinomios de Taylor

Este mismo anlisis puede hacerse para polinomios de cualquier grado, y el resultado es similar a Si f (x) es una funcin n veces derivable en el punto a, entonces el polinomio de o grado n que mejor aproxima a f (x) cerca del punto a es Pn (x) = f (a) + f 0 (a)(x a) + f 00 (a) f 000 (a) f (n) (a) (x a)2 + (x a)3 + + (x a)n 2 3! n!

Donde n! signica que producto de todos los nmeros enteros entre uno y n (Por u ejemplo, 5! = 5.4.3.2.1 = 120). El polinomio Pn (x) de grado n se denomina Polinomio de Taylor de grado n de la funcin f (x) en el punto x = a. o Este Polinomio de Taylor de grado n de la funcin f (x) en el punto x = a cumple o que todas sus derivadas de orden menor o igual a n en el punto a coinciden con las derivadas de f (x).

12. Propiedades de los Polinomios de Taylor.

1. El polinomio de Taylor de la suma de dos funciones es la suma de los polinomios de Taylor de cada una de las funciones, es decir Pn,(f +g) (x) = Pn,f (x) + Pn,g (x) 2. El polinomio de Taylor del producto de dos funciones es el producto de los polinomios de Taylor de cada una de las funciones, es decir Pn,(f g) (x) = Pn,f (x) Pn,g (x) 3. El polinomio de Taylor de la composicin de dos funciones es la composicin de los o o polinomios de Taylor de cada una de las funciones (en los puntos correspondientes), es decir Pn,(f g),a (x) = Pn,f,g(a) Pn,g,a (x) 4. El polinomio de Taylor de la derivada de una funcin es la derivada del polinomio de o Taylor de la funcin, es decir o dPn,f Pn,f 0 (x) = (x) dx 8

13. Polinomios de Taylor de funciones conocidas

1. ex 7 1 + x + 2. sin(x) 7 x 3. cos(x) 7 1 4. x2 x3 x4 x5 xn + + + + + 2! 3! 4! 5! n! x3 x5 x7 x7 (1)n x2n+1 + + + 3! 5! 7! 9! (2n + 1)! x2 x4 x6 x8 (1) x2n + + + 2! 4! 6! 8! (2n)!
n

1 7 1 + x + x2 + x3 + x4 + x5 + + xn 1x

5. ln(x + 1) 7 x

x2 x3 x4 x5 (1) + + + 2 3 4 5 n

n+1

xn

Part III

Sumas y Valor Actual

14. Sumas y Sumatoria
14.1. S mbolo de Sumatoria: P El s mbolo (sumatoria) se usa para expresar en forma compacta una suma de muchos trminos, su forma general es e
m X i=n

f (i) = f (n) + f (n + 1) + f (n + 2) + f (m 1) + f (m)

y se lee: Sumatoria desde i igual a n hasta i igual a m de f (i). Ejemplo 1:

4 X i=1

i2

= (i2 )i=1 + (i2 )i=2 + (i2 )i=3 + (i2 )i=4 = 12 + 22 + 32 + 42 = 30

Ejemplo 2: i i+3 i=2

2 X

i i i i i + + + + i + 3 i=2 i + 3 i=1 i + 3 i=0 i+3 i + 3 i=2 i=1 2 1 0 1 2 = + + + + 2 + 3 1 + 3 0+3 1+3 2+3 37 = 20 =

Ejemplo 3: xn (n + 1) n=0
3 X

xn xn xn xn + + + = (n + 1) n=0 (n + 1) n=1 (n + 1) (n + 1) n=3 2 3 n=2 1 x x x = + + + 0+1 1+1 2+1 3+1 1 1 2 1 3 = 1 + 2x + 3x + 4x

15. Frmula para algunas sumatorias especiales: o

En algunos casos particulares, podemos obtener la frmula expl o cita de una sumatoria: 10

15.1. Sumatoria Aritmtica: e

n X i=0

i=

n(n + 1) 2

Demostracin: Si x = 1 + 2 + 3 + + (n 1) + n, podemos sumar dos veces este o nmero para obtener u + x = x = 1 n + 2 + 3 + + (n 1) + + (n 1) + (n 2) + + 2 + n 1

2x = (n + 1) + (n + 1) + (n + 1) + + (n + 1) + (n + 1) pero como esta suma se repite n veces, se tiene que 2x = n(n + 1) y por lo tanto x= 15.2. Sumatoria de Cuadrados:
n X i=0

n(n + 1) 2

i2 =

n (n + 1) (2n + 1) 6

15.3. Sumatoria Geomtrica: e

n X i=0 2

ai =

an+1 1 a1

Demostracin: Si x = 1 + a + a + + an1 + an , entonces o ax = a(1 + a + a2 + + an1 + an ) = a + a2 + a3 + + an + an+1 = 1 + a + a2 + + an1 + an + an+1 1 ax = x + an+1 1 ax x = an+1 1 x(a 1) = an+1 1 an+1 1 x = a1 an+1 1 a1

luego, como el nmero entre parntesis es igual a x, podemos poner u e

o, lo que es lo mismo (multiplicando numerador y denominador por 1) x=

Nota: Esto solo vale si a 6= 1, si a = 1 es evidente que 11

n X i=0

ai = n + 1.

16. Propiedades de la Sumatoria:

A partir de las propiedades elementales de la suma, podemos deducir las siguientes propiedades sobre la sumatoria. 1. Factor Comn: u Si f (i) es una funcin y a un nmero real, entonces o u m ! m X X a f (i) = a f (i)
i=n i=n

2. Sumatoria de una constante: Si f (i) = a es una funcin constante, entonces o m ! m m X X X f (i) = a=a 1 = a(m n + 1)
i=n i=n i=n

3. Sumatoria de una suma: Si f (i) y g(i) son dos funciones, entonces

m X i=n

(f (i) + g(i)) =

m X i=n

f (i) +

m X i=n

g(i)

12

17. Aplicaciones a la Econom a

17.1. Cuidado con los Porcentajes! Problema: El precio del barril del petrleo subi un 17% en el primer semestre del ao pasado, o o n y subi el 50% en el segundo semestre. En qu porcentaje subi el ao pasado? o e o n Respuesta Incorrecta: 17% + 50% = 67% Si el precio a principio de ao fue de 20$, a mediados de a o el precio era de n n 20$ + 17% de 20$ = 20$ + 3.4$ = 23.4$ y el precio a n de ao fue de n 23.4$ + 50% de 23.4$ = 23.4$ + 11.7$ = 35.1$ Luego el porcentaje en que subi el ao pasado fue de o n 35.1$ 20$ = 0. 755 = 75.5% 20$ Respuesta Correcta: 75.5% 17.2. Tasas de Inters en distintos plazos y su equivalencia. e Supongamos que un banco acepta depsitos con una tasa de inters mensual del 3%, cual es la o e tasa de inters anual que est pagando este banco?. e a Podemos reformular la pregunta de la siguiente manera: si hoy deposito 100$ en el banco, cuanto dinero tendr en el transcurso de un ao. e n despus de un mes, tendr en mi cuenta e e
capital inicial

z}|{ 100

z }| { 3 + 3% de 100 = 100 + 100 = 100(1 + 0.03) 100

inters e

despus de dos meses, tendr e e z }| { z }| { 3 100(1 + 0.03) + 3% de 100(1 + 0.03) = 100(1 + 0.03) + 100(1 + 0.03) = 100(1 + 0.03)2 100 despus de tres meses, tendr e e z }| { z }| { 3 100(1 + 0.03)2 +3% de 100(1 + 0.03)2 = 100(1+0.03)2 + 100(1+0.03)2 = 100(1+0.03)3 100 y continuando con este procedimiento, 13
capital inicial inters e capital inicial inters e

 despus de 12 meses, la suma de 100(1 + 0.03)12 = 142. 58. e En el transcurso de un ao, pase de tener 100$ a tener 142.58$, esto signica que mi capital n aumento un 42.58% : Un inters mensual del 3% equivale a un inters anual del 46.58% e e (y no a un inters anual del 36%). e Este razonamiento nos indica que para que la tasa anual a sea equivalente a la tasa mensual i y a la tasa diaria d debe pasar que (1 + a) = (1 + i)12 = (1 + d)360 pues el primer miembro de la igualdad nos indica cuanto obtenemos despus de un ao si pusimos e n 1$ en un banco con una tasa inters anual a, el segundo miembro nos indica cuanto obtenemos e despus de un ao si pusimos 1$ a una tasa de inters mensual i, y el tercer miembro cuanto e n e obtenemos si pusimos 1$ a una tasa de inters diario d. e Sabiendo alguna de las tres tasas podemos despejar el valor de las dems. a

Ejemplo 1: Si la tasa mensual es i = 1.3%, calcular las tasas anual y diaria equivalentes.
Tengo que la tasa anual a y la tasa diaria d equivalentes satisfacen (1 + a) = (1 + d)360 = (1 + 0.013)12 = 1. 1677 y por lo tanto a = 0.1677 = 16.77% y d = 360 1. 1677 1 = 0.00043075 = 0.043%.

Ejemplo 2: Si poniendo 300$ en un banco, obtengo despus de 2 aos 420$, cunto voy e n a a obtener si deposito 700$ por 56 d as? (suponiendo que la tasa de inters es constante). e Si llamo d a la tasa de inters diario, debe cumplirse la siguiente ecuacin e o
300(1 + d)720 = 420 pues el lado izquierdo es la suma que obtengo si deposito 300$ a un inters diario d por 720 d e as ( = 2 aos). Despejando obtengo n r 720 420 1 = 0.00046743 d= 300 Luego la suma que obtengo al depositar 700$ por 56 d es as 700(1 + 0.00046743)56 = 718. 56

Ejemplo 3: Si poniendo 300$ en un banco, obtengo despus de 6 meses 350$, cunto e a tengo que depositar hoy para obtener 1000$ en tres aos? (suponiendo que la tasa de inters es n e constante). Si llamo i a la tasa de inters mensual, debe cumplirse la siguiente ecuacin e o
300(1 + i)6 = 350 14

pues el lado izquierdo es la suma que obtengo si deposito 300$ a un inters diario d por 720 d e as ( = 2 aos). Despejando obtengo n r 6 350 i= 1 = 0.026025 300 Luego si hoy deposito M, en tres aos (36 meses) tendr M (1 + 0.026025)36 que deseo que n e sea igual a 1000$, es decir M (1 + 0.026025)36 = 1000 se cumple con M = 17.3. Valor Actual del Dinero (Introduccin) o Supongamos que los bancos prestan dinero y toman depsitos a la misma tasa de inters mensual o e i = 2%. La pregunta que quiero responder es la siguiente Que monto de dinero hoy es equivalente a 300$ dentro de 7 meses? Esta pregunta tiene dos interpretaciones posibles; 1. cunta plata debo poner en el banco hoy para obtener 300$ dentro de 7 meses? a 2. qu suma de dinero puedo pedir prestada de manera que pueda saldar el prstamo con e e 300$ dentro de 7 meses? La respuesta a cualquiera de las dos preguntas es una cantidad M de dinero satisface la siguiente ecuacin o M (1 + 0.02)7 = 300 300 = 261. 17 (1 + 0.02)7 Otra posible interpretacin de esta cantidad M es la siguiente, cul es el precio en que o a se puede vender el derecho a recibir 300$ en 7 meses?. El comprador no deber pagar mas a que 261.17$, pues si pusiera esta cantidad de dinero en el banco tambin obtendr 300$ en 7 e a meses, y el vendedor no tendr que vender este derecho a menos de 261.17$ pues si pidiera un a prstamo en el banco por esta cantidad, le alcanzar los 300$ dentro de 7 meses para saldar e a completamente el prstamo.. e M= 17.4. Valor Actual del Dinero (Denicin): o Si suponemos que los bancos prestan dinero y toman depsitos a la misma tasa de inters mensual o e i, el valor actual de una suma de M $ dentro de n meses es la cantidad de dinero que uno debe colocar en un banco para que despus de n meses se logre un capital M. (O, lo que lo e mismo, el monto del prstamo que se puede obtener hoy de manera que quede saldado pagando e M $ dentro de n meses). Este valor se puede calcular de la siguiente manera valor actual de una suma de M $ dentro de n meses = M (1 + i)n es decir 1000 = 396. 56 (1 + 0.026025)36

15

17.5. Ejemplo 1: Cul es el valor actual de 1000$ dentro de 10 meses con inters mensual i = 0.01 ( es decir: a e 1%)? Reemplazando en la frmula anterior, obtenemos o 1000 V = = 905. 29 n (1 + i) (1 + 0.01)10 17.6. Ejemplo 2: Cul es el valor actual de obtener un sueldo mensual de 1000$ en los prximos 12 meses con a o inters mensual i = 0.01? e Para resolver esto sumamos el valor actual de cada uno de los sueldos, 1000 1000 1000 + + + 1 2 (1 + i) (1 + i) (1 + i)12 =
12 X 1000 (1 + i)n n=1

12 X 1 n = 1000 1+i n=1

= 1000

= 1000

! 12 X 1 n 1 1+i n=0

= 1000 = 11255.

13 1 1 1+i 1 1 1 1+i

13 1 1 1 + 0.01 1 1 1 1 + 0.01

Notar, que el valor actual 11255$ es menor que 12000$. Esto sucede pues si nos dieran todo el dinero hoy, en los 12 meses siguientes tendr amos adems de los 1000$ por mes, los intereses a que los 12000$ iniciales producir an.

16

Part IV

Vectores y Matrices
Uno de los objetivos de esta seccin y las prximas es aprender a resolver problemas del siguiente o o tipo:

Problema 1: Un economista visit Zurich, Ginebra y Roma en viaje de negocios. Gast o o por d en Zurich $50 en hospedaje, $40 en comida y $10 en gastos varios, en Ginebra $40 en a hospedaje, $30 en comida, y $10 en gastos varios, y en Roma gast por d $30 de hospedaje, $30 o a en comida y $20 en gastos varios. Cuando tuvo que rendir sus gastos, pas $940 en hospedaje, o $760 en comida y $280 en gastos varios. Cmo hace su asistente para calcular con esos datos o cuntos d estuvo en cada lugar? a as Problema 2: La econom de un pa caribeo est basada en la produccin de cacao y a s n a o habanos. Parte de esa produccin se reinvierte en seguir produciendo esos productos, de la o siguiente forma: la produccin de un peso de cacao requiere de 40 centavos de la produccin del o o cacao y de 20 centavos de la produccin de habanos; mientras que la produccin de un peso de o o habanos requiere de 30 centavos de la produccin de cacao y de 25 centavos de la produccin o o de habanos. Si el pa tiene una demanda diaria de $4000 de cacao y $600 de habanos, cul s a es la produccin diaria necesaria para satisfacer esa demanda? o Problema 3: En un bioterio hay cobayos y hmsters.. El bioterio cuenta adems con tres a a tipos de jaulas especiales para el traslado de los animalitos hasta los laboratorios. Las jaulas tipo I tienen capacidad para trasladar 2 cobayos. Las jaulas tipo II tienen capacidad para trasportar un cobayo y un hmster. Las jaulas del tipo III tienen capacidad para transportar un cobayo y a dos hmsters. El bioterio tiene que hacer un env de 32 cobayos y 10 hmsters. Sabiendo que a o a se utilizan los tres tipos de jaulas y que cada una va completa, determinar la cantidad de jaulas que se requiere para el traslado.
Avancemos en la teor para resolver estos problemas y similares, con distintos n meros de a u variables en juego.

17

18. Denicin de Matriz o

Llamamos matriz a una tabla de elementos dispuestos en las y en columnas. Estas tablas ordenan y simplican los problemas y constituyen una herramienta interesante para resolverlos. Veamos un ejemplo Ejemplo: En las 12 fechas de un campeonato de ftbol, el equipo gan 5 partidos, empat u o o 6 y perdi 1, el equipo gan 3, empat 4 y perdi 5, el equipo gan 2, empat 3 y perdi 7 o o o o o o o y el equipo gan 9 y perdi 3. o o equipo equipo equipo equipo gan o 5 3 2 9 empat o 6 4 3 0 perdi o 1 5 7 3

En problemas en que la cantidad de variables y datos es muy grande, esta disposicin facilita o los clculos. a

si abstraemos el signicado de las l neas y 5 3 2 9

columnas este ordenamiento nos queda: 6 1 4 5 3 7 0 3

Denicin o
Llamamos matriz de m n a un arreglo rectangular las y n columnas a12 a13 .... a11 a21 a22 a23 .... Amn= .... .... .... .... am1 am2 am3 .... de nmeros reales, formado de m u a1n a2n . .... amn

En el ejemplo de ms arriba, la matriz es de 4 3. Para localizar un elemento de una matriz, a decimos la la y la columna (en ese orden) en que est. En ese mismo ejemplo, el elemento que a est en la primera la y primera columna es el a11 = 5, el que est en la la 3 columna 2 es el a a a32 = 3, el que est en la la 4 columna 1 es el a41 = 9, etc. a

19. Operaciones con matrices

Al utilizar matrices surge naturalmente la necesidad de efectuar ciertas operaciones. Por ejemplo, y siguiendo con el ejemplo de la introduccin, se sabe que en el campeonato posterior (tambin o e 18

Para tener una matriz que represente la cantidad de partidos ganados perdidos y empatados de los dos ultimos campeonatos, tenemos que sumar lugar a lugar las dos matrices, esto es, 9 10 5 4 4 4 5 6 1 3 4 5 6 4 2 9 8 7 2 3 7 + 0 7 5 = 2 10 12 16 2 6 7 2 3 9 0 3 denamos entonces esa operacin. o 19.1. Suma de Matrices Si A es una matriz de m n y B es una matriz de m n : a11 a12 a1n b11 a21 a22 a2n b21 A= . B= . . . .. . . . . . . . . . am1 am2 amn bm1

de 12 fechas) la matriz que representa cuntos partidos gan, perdi y empat cada equipo es a o o o la siguiente (son los mismos equipos): 4 4 4 6 4 2 0 7 5 7 2 3

b12 b22 . . . bm2

.. .

b1n b2n . . . bmn

entonces la nueva matriz C = A + B se calcula sumando las correspondientes coordenadas de las matrices A y B : a11 + b11 a12 + b12 a1n + b1n a21 + b21 a22 + b22 a2n + b2n C= . . . .. . . . . . . . am1 + bm1 am2 + bm2 amn + bmn Notar que si A es de m n y B es de m n entonces C = A + B tambin es de m n. Notar e tambin que no pueden sumarse matrices de distinto tipo. e Analogamente denimos la operacin diferencia: o 19.2. Diferencia de Matrices Si A es de m n y B es de m n : a11 a12 a21 a22 A= . . .. . . . . . am1 am2 19

a1n a2n . . . amn

B=

b11 b21 . . . bm1

b12 b22 . . . bm2

.. .

b1n b2n . . . bmn

entonces la nueva matriz C = A B se calcula restando las correspondientes coordenadas de las matrices A y B: a11 b11 a12 b12 a1n b1n a21 b21 a22 b22 a2n b2n AB = . . . .. . . . . . . . am1 bm1 am2 bm2 amn bmn Notar que si A es de m n y B es de m n entonces C = A B tambin es de m n. Como e en el caso anterior, slo pueden restarse matrices del mismo tipo. o

Retomemos el ejemplo. Si se sabe que cada partido ganado da 3 puntos, cada partido empatado da 1 punto y cada partido perdido da 0 puntos, cul es el puntaje de cada uno de a los equipos , , y al cabo del primer campeonato? Para poder responder esto deber amos hacer: para : la cuenta 5.3 + 6.1 + 1.0; para : 3.3 + 4.1 + 5.0, para : 2.3 + 3.1 + 7.0,para : 9.3 + 0.1 + 3.0. Esto podr organizarse as a : 21 5 6 1 5.3 + 6.1 + 1.0 3 3 4 5 1 = 3.3 + 4.1 + 5.0 = 13 2 3 7 . 2.3 + 3.1 + 7.0 10 0 27 9 0 3 9.3 + 0.1 + 3.0 lo que nos da los puntajes de , , y respectivamente. Generalizamos esta cuenta, que recibe el nombre de producto de matrices

19.3. Producto de Matrices Sean A es de m n y B es a11 a21 A= . . . am1 de k m : a12 a22 . . . am2 .. . a1n a2n . . . amn c12 c22 . . . ck2

entonces la matriz C = B.A C= c11 c21 . . . ck1

B= .. .

b11 b21 . . . bk1

b12 b22 . . . bk2

.. .

b1m b2m . . . bkm

c1n c2n . . . ckn

se obtiene de la siguiente manera:

c11 = (primer la de B ) (primer columna de A) c12 = (primer la de B ) (segunda columna de A) 20

 c1n = (primer la de B ) (n-sima columna de A) e c21 = (segunda la de B ) (primer columna de A) etctera. e Denicin: o La matriz C se calcula a partir de las matrices A y B por medio de la frmula o cij = (i-sima la de B) (j-sima columna de A) e e y se denota como C =BA Notar que los tama os de la matrices obedecen la siguiente regla: n B A C |{z} |{z} = |{z}
km mn kn

Esto nos dice que dos matrices cualesquiera no pueden multiplicarse: para hacer el producto A.B la cantidad de columnas de A debe coincidir con la cantidad de las de B.

20. Algunas matrices especiales

Hay algunas matrices que, por la cantidad de las o de columnas o por la disposicin de sus o elementos, tienen propiedades que las diferencian de una matriz cualquiera. matriz cuadrada: es aquella cuyo nmero de las es igual al nmero de columnas (m = n) u u 0 0 0 0 0 matriz nula: es aquella tal que aij =0 para todo i, j. Por ejemplo, 0 0 0 0 0 , 0 0 0 0 0 0 0 o tambin e 0 0 1 matriz columna: es aquella que posee una unica columna (n=1), como por ejemplo 5 , 2 8 o 2 matriz la: que posee una unica la, (m=1), por ejemplo 5 1 8 0 75 7 2 matriz diagonal: es una matriz cuadrada, tal que aij = 0 para i 6= j, esto es, los 3 0 0 elementos que no estn en la diagonal son nulos, como por ejemplo 0 a 5 0 , 0 0 2 2 0 o tambin e 0 5 21

 matriz inversa de una matriz cuadrada A es aquella matriz B que verica que al multiplicarla por A da la identidad. O sea, A.B = BA = I. Se suele utilizar la notacin A1 o para una tal B.

matriz identidad: 1 0 0 0 1 0 Ejemplos: 0 0 1 0 0 0 0 0 0

es una matriz cuadrada en la que aii = 1 y aij = 0 para i 6= j. 0 0 0 0 , o tambin 1 0 0 0 e 0 1 1 0 0 1

21. El planteo de los problemas usando matrices

Veamos de qu manera podemos usar estos conceptos para el planteo y la resolucin de los e o problemas 1 y 2. Cada uno de estos problemas tiene varias instancias en su resolucin. Primero o se busca el modelo matemtico que represente el problema (en este caso, esa tarea es plantear a algunas ecuaciones). A continuacin se opera con ese modelo (en este caso, se resuelven las o ecuaciones). A posteriori se interpretan los resultados de las operaciones para solucionar el problema inicial. Problema 1: Nos interesa saber cuntos d estuvo el economista en cada lugar. Llamemos a as z a la cantidad de d que estuvo en Zurich, g a la cantidad de d que estuvo en Ginebra y r as as a la cantidad de d que estuvo en Roma. Sabemos que l gast $940 en hospedaje, este gasto as e o se compone as 50z + 40g + 30r,ya que pag $50 por cada d que estuvo en Zurich, $40 por : o a cada d que estuvo en Ginebra y $30 por cada d que estuvo en Roma. Gast $760 en comida, a a o ese gasto es igual a la suma de lo que gast en comida en cada una de las tres ciudades, o sea, o 40z + 30g + 30r. En gastos varios utiliz $280, que se distribuyeron as 10z + 10g + 20r. o : Planteando estos datos nos queda un sistema con tres ecuaciones: 50z + 40g + 30r = 940 40z + 30g + 30r = 760 10z + 10g + 20r = 280 que reorganizndolo en forma matricial queda: a 50 40 30 z 940 40 30 30 . g = 760 10 10 20 r 280

Este sistema de tres ecuaciones con tres incgnitas no es dif de resolver y podemos hacerlo o cil a mano (por sustitucin, por ejemplo) o con la calculadora. Tiene solucin unica, o sea, un slo o o o valor para cada variable. Da z = 7, g = 11 y r = 5. En la prxima seccin nos ocuparemos de encontrar un mtodo para resolver sistemas indeo o e pendientemente de la cantidad de incgnitas y de ecuaciones. o

Problema 2: Para plantear este problema, pensemos cul es la demanda diaria de cacao y a de habanos para despus igualarla a su produccin (esa es la condicin que pide el problema). Es e o o
22

claro que la demanda diaria de cacao no es solamente $4000, ya que por cada peso de produccin o de cacao se requieren 40 centavos para seguir adelante con la produccin. Luego si llamamos c o a la produccin de cacao, tambin forma parte de la demanda de cacao la suma 0.40 c (el 40% o e de c) y tambin forma parte de la demanda del cacao aquella parte de la produccin que es e o requerida para la produccin de habanos. O sea, si h es la produccin de habanos, la suma que o o se requiere para la produccin de cacao es 0.20 h (o sea 20 centavos por cada peso de habanos). o Luego la demanda de cacao es 4000 + 0, 40c + 0, 20h donde c es la produccin diaria de cacao y h es la produccin diaria de habanos, que es o o justamente lo que deseamos averiguar. Del mismo modo se obtiene la ecuacin de la demanda o de habanos. El problema pide que la produccin sea tal que se satisfaga la demanda, luego las o ecuaciones que lo modelizan sern: a c = 4000 + 0.40 c + 0.20 h h = 600 + 0.20 c + 0.50 h lo ordenamos un poco: (1 0.40) c 0.20 h = 4000 0.20c + (1 0.50) h = 600

y en forma matricial queda 1 0, 40 0, 20 4000 c = . 600 h 0, 20 1 0, 50 que es un sistema de dos ecuaciones con dos incgnitas, cuyas soluciones ya sabemos hallar. o Las soluciones son, aproximadamente, c = 8153.85 y h = 4461.54 (en $)

Problema 3: Llamemos x1 a la cantidad de jaulas de tipo I, x2 a la cantidad de jaulas de

tipo II, x3 a la cantidad de jaulas de tipo III. Hay 32 cobayos que pueden transportarse as 2 : por cada jaula tipo I, uno por cada jaula tipo II, uno por cada jaula tipo III, esto es: 32 = 2x1 + 1x2 + 1x3 Hay 10 hmsters que van a trasladarse 1 por cada jaula tipo II y 2 por cada jaula tipo III, esto a es 10 = 1x2 + 2x3 Con lo que el sistema queda O, en forma matricial: 2x1 + x2 + x3 = 32 x2 + 2x3 = 10 x1 32 . x2 = 10 x3 23

2 1 1 0 1 2

Ya que este es un sistema pequeo, podemos hacer algunas cuentas y llegar a la conclusin n o de que a diferencia de los sistemas anteriores, no puede obtenerse un solo nmero para cada u incgnita, siempre las soluciones quedan en funcin de una de las variables. Por ejemplo, se puede o o obtener x2 = 10 2x3 , y x1 = 11 + 1 x3 , y en principio, matemticamente no hay restricciones a 2 para x3 . Esto dir que hay innitas ternas de soluciones (tantas como valores posibles para x3 ). a Sin embargo, en el contexto del problema, s hay ciertas restricciones, que limitan la cantidad de soluciones. Para empezar, estamos hablando de cantidad de jaulas y de que se utilizan los tres tipos, luego x1 , x2 y x3 deben ser nmeros enteros positivos. Entonces u x2 = 10 2x3 > 0 x3 < 5

adems x3 tiene que ser no nulo y par, ya que x1 = 11 + 1 x3 . Entonces x3 = 2 x3 = 4. Eso nos a o 2 indica que hay dos soluciones posibles: x3 = 2, x2 = 6, x1 = 12 o bien x3 = 4, x2 = 2, x1 = 13.

22. Vectores
Un vector es una coleccin x = (x1 , x2 , . . . , xn ) de n nmeros reales. Tambin podemos pensar o u e que un vector en una matriz de n 1 (es este caso lo denominamos vector columna) o un matriz de 1 n (es este caso lo denominamos vector la). El entero n se llama el largo del vector x y el nmero real xi se denomina coeciente i-simo del vector x. u e Notamos por Rn al conjunto de todos los vectores de largo n.

24

Part V

Sistemas de Ecuaciones Lineales:

23. Soluciones de Sistemas de Ecuaciones Lineales:
El sistema de m ecuaciones lineales con n incgnitas o a11 x1 + a12 x2 + + a1n xn a21 x1 + a22 x2 + + a2n xn . . . am1 x1 + am2 x2 + + amn xn

= = . . .

b1 b2 . . .

= bm

donde A es una matriz de m n, x es un n-vector columna o matriz de n 1 y b es un m-vector columna o matriz de m 1. Analicemos como son las soluciones x = (x1 , x2 , . . . , xn ) Rn de este sistema de ecuaciones diferenciales. Caso Homogneo: En el caso particular que el vector b sea cero, tenemos el siguiente e sistema 0 a11 a12 a1n 0 a21 a22 a2n . . x= . . .. . . . . . . . . . 0 am1 am2 amn | {z } | {z }
A 0

(las incgnitas son x1 , x2 , . . . , xn ), se puede escribir como producto de matrices de la siguiente o manera b1 a11 a12 a1n b2 a21 a22 a2n . . x= . . .. . . . . . . . . . am1 am2 amn bm | | {z } {z }
A b

el conjunto de todas las soluciones tienen una estructura particular. 1.

Si los vectores x1 e x2 son soluciones del sistema de ecuaciones A x = 0, entonces el vector x1 + x2 tambin es solucin del A x = 0. En efecto, e o A (x1 + x2 ) = A x1 + A x2 = 0 + 0 = 0 Si el vector x es solucin del sistema de ecuaciones A x = 0, entonces el vector x o tambin es solucin del A x = 0. En efecto, e o A (x) = (A x) = 0 = 0 25

o El vector x = 0 es solucin del sistema de ecuaciones A x = 0.

Caso No Homogneo: Si el vector b es cualquiera, tenemos el siguiente sistema e

| a11 a21 . . . am1 a12 a22 . . .
A

.. .

a1n a2n . . . amn

Hay dos posibilidades, 1.

am2 {z

x= |

b1 b2 . . .
b

bm {z }

Existe alguna solucin: Sea x1 una solucin cualquiera es decir (A x1 = b), si x2 o o es otra solucin, entonces x0 = x2 x1 es solucin del sistema homogneo, en efecto o o e A x0 = A (x2 x1 ) = A x2 A x1 = b b = 0 luego, se pueden encontrar todas las soluciones x2 de la siguiente forma x2 = x1 |{z} + x0 |{z}

No existe ninguna solucin. o

Solucin Particular o

Solucin del Homogneo o e

26

24. Solucin de Ecuaciones: Gauss-Jordan o

24.1. Introduccin y Ejemplo: o El objetivo es transformar un sistema de ecuaciones lineales en un sistema con las mismas soluciones pero mucho mas simple, y despus obtener las soluciones. e Para hacer esto, notamos que las siguientes operaciones no cambian el conjunto de soluciones de un sistema de ecuaciones lineales: Multiplicar a una ecuacin por un numero distinto de cero. o Cambiar las ecuaciones de orden. Sumar a una ecuacin un mltiplo (positivo o negativo) de otra. o u Veamos en un ejemplo como se pueden usar estas las mismas soluciones pero mas simple. Supongamos tener el sistema 2x1 + 4x2 6x3 x1 + 2x2 2x3 3x1 + 5x2 x3 1. Multiplicamos la primer ecuacin por o 1 , 2 = 4 = 4 = 11 la tercera tres veces la primera, = 4 = 0 = 1 operaciones para obtener un sistema con

= 8 = 4 = 11

Podemos hacer las siguientes operaciones para simplicar el sistema,

2. Le restamos a la segunda ecuacin la primera y a o x1 + 2x2 3x3 x3 x2 + 8x3

x1 + 2x2 3x3 x1 + 2x2 2x3 3x1 + 5x2 x3

3. Cambiamos el orden de la segunda y la tercera ecuacin, o 4 x1 + 2x2 3x3 = x2 + 8x3 = 1 x3 = 0

27

5. Le sumamos a la primer ecuacin tres veces la tercera y le sumamos a la segunda ecuacin o o ocho veces la tercera, x1 + 2x2 = 4 x2 = 1 x3 = 0 6. Le restamos a la primer ecuacin dos veces o x1 x2 x3 la segunda, = 2 = 1 = 0

4. Multiplicamos la segunda ecuacin por 1, o x1 + 2x2 3x3 x2 8x3 x3

= 4 = 1 = 0

De esta manera hemos llegado al mas simple de los sistemas de ecuaciones con las mismas soluciones, y de aqu sale que la unica solucin es o (x1 , x2 , x3 ) = (2, 1, 0) El mtodo de Gauss-Jordan consiste en hacer exactamente lo que hicimos con las ecuae ciones, pero trabajando simplemente con los coecientes. Para esto, denimos la matriz ampliada del sistema de ecuaciones lineales 2x1 + 4x2 6x3 = 8 x1 + 2x2 2x3 = 4 3x1 + 5x2 x3 = 11 como 2 4 6 8 1 2 2 4 3 5 1 11

Y tratamos de llegar a la matriz mas simple posible (lo mas parecido a la matriz identidad), usando las tres siguientes operaciones de las Multiplicar una la por un numero distinto de cero. Cambiar las las de orden. Sumar a una la un m ltiplo (positivo o negativo) de otra. u

28

En este caso, el procedimiento ser a 2 4 6 8 1 2 2 4 3 5 1 11 1 2 3 0 1 2 0 0 1 (1). Fila 2 1 2 3 0 1 2 0 0 1 4 1 0 4 1 0

Fila 1 2

1 2 3 4 1 2 2 4 3 5 1 11 1 2 3 4 0 0 1 0 0 1 2 1 1 2 0 4 0 1 0 1 0 0 1 0 Fila 1 2.Fila 2 1 0 0 2 0 1 0 1 0 0 1 0
Fila 2 Fila 1 Fila 3 3.Fila 1

Fila 3 Fila 2

Fila 1 +3 Fila 3 Fila 2 +2.Fila 3

Esto se termina aqu pues llegamos a una matriz aumentada de la forma , (Identidad) (Vector) que corresponde al sistema de ecuaciones x1 x2 x3 24.2. Mtodo de Gauss-Jordan: e

= 2 = 1 = 0

este sistema de ecuaciones es el mas simple de resolver.

El mtodo general para resolver un sistema de ecuaciones lineales es el siguiente: e 1. Escribir, a partir del sistema de ecuaciones, la matriz ampliada. 2. Usar las tres operaciones de las para llegar a la matriz mas simple (matriz de GaussJordan). 3. Escribir el sistema de ecuaciones correspondiente a la matriz de Gauss-Jordan ampliada, y hallar las soluciones. Para lograr esto debemos decir:

29

24.2.1. Adonde Llegar: Matriz de Gauss-Jordan Una matriz est en forma de Gauss-Jordan si cumple las siguientes condiciones. a 1. Las las nulas estn en la parte inferior de la matriz. a 2. Si una la no es nula, entonces el primer elemento (de izquierda a derecha) es un uno. Estos unos se llaman pivotes. 3. Los pivotes de mas arriba estn a la izquierda de los pivotes de abajo. a 4. Las columnas que contienen a los pivotes tienen ceros en los dems lugares. a Ejemplos: de matrices en forma de Gauss-Jordan, (los 1 1 0 0 0 0 0 1 0 0 (b) 0 (a) 0 0 1 0 0 0 0 0 1 0 1 7 0 1 2 0 1 (c) 0 0 1 2 2 0 1 0 0 0 0 0 1 3 1s marcados son los pivotes). 4 0 3 0 1 2 0 0 0 0 0 0 0 0 0

1 0 0 1 2 0 1 (d) 0 1 0 2 2 0 1 0 0 1 2 4 1 3

24.2.2. Como Llegar: 1. Si todos los elementos de la primer columna son ceros, aplicar el mtodo a la matriz que e se obtiene de la original sacando la primera columna. 2. Si no todos los elementos de la primer columna son nulos, intercambiar las para que el primer elemento no nulo aparezca en el borde superior izquierdo de la matriz. 3. Dividir la la de arriba por el primer elemento de la la (de esta manera el primer elemento de la primer la ser un uno: el pivot). a 4. Restar a las las de abajo un mltiplo de la primer la de manera de obtener ceros abajo u del pivot. 5. Aplicar todos los pasos anteriores a la matriz que se obtiene sacando la la y la columna donde est el pivot. a 6. Reiterando estos pasos, se obtiene una matriz que tiene ceros debajo y a la izquierda de los pivotes.. 7. Finalmente debemos lograr ceros arriba de cada pivot, para esto hacemos lo siguiente: 1. Empezamos con el pivot de abajo y de la derecha. 2. Restamos a cada la de arriba de este pivot, un mltiplo de la la del pivot para u obtener ceros en la columna del pivot. 30

3. Reiteramos este procedimiento con los pivotes de mas arriba y mas a la izquierda. Notar que solamente hemos usado las operaciones de las mencionadas anteriormente. 24.2.3. Como Hallar Todas las Soluciones: Una vez que llegamos a la matriz de Gauss-Jordan, encontrar todas las soluciones es fcil: a 1. Escribimos el sistema de ecuaciones correspondiente a la matriz aumentada de GaussJordan, marcando las incgnitas que corresponden a los pivotes. o 2. Si alguna de las ecuaciones es de la forma 0 = nmero distinto de cero u entonces el sistema de ecuaciones lineales no tiene solucin.. o 3. Si no hay ecuaciones como las mencionadas arriba el sistema va a tener solucin, y todas o las soluciones se obtienen de la siguiente manera: 1. Se despejan las incgnitas correspondientes a los pivotes. o 2. Se reemplaza en el vector de todas las incgnitas, las incgnitas despejadas. o o Ejemplo: Si llegamos a la matriz 1 0 0 de Gauss-Jordan aumentada 7 0 1 2 0 1 1 0 1 2 2 0 1 2 0 0 0 0 1 3 3 = 1 = 2 = 3

entonces el sistema de ecuaciones es x1 + 7x2 + x4 + 2x5 + x7 x3 + 2x4 + 2x5 + x7 x6 + 3x7

y por lo tanto la solucin general tiene la forma, o

Despejamos las variables marcadas para obtener, x1 = 1 7x2 x4 2x5 x7 x3 = 2 2x4 2x5 x7 x6 = 3 3x7

(x1 , x2 , x3 , x4 , x5 , x6 , x7 ) = (1 7x2 x4 2x5 x7 , x2 , 2 2x4 2x5 x7 , x4 , x5 , 3 3x7 , x7 ) = (1, 0, 2, 0, 0, 3, 0) + x2 (7, 1, 0, 0, 0, 0, 0) + x4 (1, 0, 2, 1, 0, 0, 0) + x5 (2, 0, 2, 0, 1, 0, 0) + x7 (1, 0, 1, 0, 0, 3, 1) 31

24.2.4. Interpretacin de las Soluciones: o De lo visto en la seccin anterior, se pueden deducir las siguientes propiedades: o 1. Si alguna de las ecuaciones es de la forma 0 = nmero distinto de cero u entonces el sistema de ecuaciones lineales no tiene solucin. o 2. Si la cantidad de Pivotes es igual a la cantidad de ecuaciones, entonces no pueden aparecer ecuaciones de la forma 0 = nmero distinto de cero, y por lo tanto el sistema siempre u tiene solucin. o 3. Si la cantidad de Pivotes es igual a la cantidad de incgnitas, entonces hay dos posibilidades o 1. El sistema no tiene solucin (alguna de las ecuaciones es de la forma 0 = nmero o u distinto de cero) 2. Existe una unica solucin (un ejemplo de esto es cuando la matriz de Gauss-Jordan o es la identidad). 4. Si la cantidad de Pivotes es menor a la cantidad de incgnitas entonces hay dos posibilio dades 1. El sistema no tiene solucin (alguna de las ecuaciones es de la forma 0 = nmero o u distinto de cero) 2. El sistema tiene innitas soluciones. 5. Como la cantidad de pivotes es siempre menor o igual a la cantidad de ecuaciones (no pueden aparecer dos pivotes en la misma la) entonces un sistema con mas incgnitas que o ecuaciones tiene, o bien innitas soluciones, o ninguna solucin.. o 6. La diferencia, cantidad de incognitas cantidad de pivotes se llama dimensin del conjunto de soluciones, y mide la cantidad de parmetros que o a se pueden variar en el conjunto de todas las soluciones. 24.3. Un Ejemplo Completo: Resolver el sistema de Ecuaciones: 2x2 + 4x3 + 6x4 + 8x5 2x1 + 2x4 + 2x5 2x1 2x2 4x3 2x5 x1 + x4 + x5

= 8 = 0 = 8 = 0

32

Buscamos el primer elemento no nulo de la primer columna las dos primeras las: 0 2 0 0 2 2 0 2 4 6 8 8 2 2 4 0 2 8 0 1 0 0 1 1 Dividimos la primer la por 2, 1 0 0 1 1 0 2 4 6 8 2 2 4 0 2 1 0 0 1 1

Escribimos la matriz (ampliada) del sistema de ecuaciones, 8 0 2 4 6 8 2 0 0 2 2 0 2 2 4 0 2 8 0 1 0 0 1 1

(el a21 = 2), e intercambiamos

Sumamos a la tercer la 2 veces la primera y logramos ceros en el resto de la primer columna, 1 0 0 1 0 2 4 6 0 2 4 2 0 0 0 0 Dividimos la segunda la por 2, 1 0 0 1 0 1 2 3 0 2 4 2 0 0 0 0 Le sumamos a la tercer la 2 veces 1 0 0 0 Dividimos la tercer la por 8, 1 0 0 0 0 1 0 0 0 2 0 0 1 3 8 0

restamos a la tercer la la primera, con esto 1 0 8 8 0 8 0 0 1 0 4 4 0 8 0 0

0 8 8 0

la segunda,

1 0 4 4 0 0 0 0 0 1 4 4 0 0 0 0

0 1 0 0

0 2 0 0

1 3 1 0 33

Hemos llegado a la forma de Gauss-Jordan, por lo tanto podemos volver al sistema de ecuaciones, marcando claramente los primeros unos de cada la. = 0 x1 + x5 x + 2x + x = 4
2 3 5

Le restamos a la primer la la tercera 1 0 0 1 0 0 0 0

y a la segunda dos veces la tercera, 0 0 1 0 2 0 4 4 0 1 0 0 0 0 0 0

Y nalmente, reemplazamos los valores despejados (x1 , x2 , x3 , x4 , x5) = (x5 , 4 2x3 x5 , x3 , 0, x5) = (0, 4, 0, 0, 0) + x3 (0, 2, 1, 0, 0) + x5 (1, 1, 0, 0, 1) Es decir que la solucin general tiene la forma o (x1 , x2 , x3 , x4 , x5) = (0, 4, 0, 0, 0) + a(0, 2, 1, 0, 0) + b(1, 1, 0, 0, 1) donde a y b son nmeros reales cualesquiera. En este caso el conjunto de soluciones tiene u dimensin 2. o

Despejamos, los elementos marcados x1 x2 x4

x4 0

= 0 = 0

= x5 = 4 2x3 x5 = 0

25. Aplicaciones de Gauss-Jordan:

25.1. Rango de una Matriz. Denamos el rango de la matriz A como la cantidad de pivotes de la matriz de Gauss-Jordan de A. Tenemos entonces, 1. Si el rango de A es n, entonces la matriz de Gauss-Jordan de A tiene la misma cantidad de columnas que de pivotes, luego el sistema de ecuaciones A x = b tiene o bien una sola solucin o no tiene soluciones . o 2. Si el rango de A es menor que n, entonces la matriz de Gauss-Jordan de A tiene mas columnas que pivotes, luego el sistema de ecuaciones A x = 0 tiene innitas soluciones . 34

3. Si el rango de A es m, entonces la matriz de Gauss-Jordan de A tiene la misma cantidad de las que de pivotes, luego no aparecen ecuaciones del tipo 0 = nmero distinto de cero u y por lo tanto el sistema de ecuaciones A x = b tiene soluciones para cualquier b. 4. Si el rango de A es menor que m, entonces la matriz de Gauss-Jordan de A tiene mas las que pivotes, luego aparecen las de ceros en la matriz de Gauss-Jordan de A y por lo tanto el sistema de ecuaciones A x = b no puede tener soluciones para todo b. 25.2. Matriz Inversa: Denamos la matriz identidad de n n como: 1 0 0 1 In = . . . .. . . . . 0 0 0 0 . . . 1

Si rango(A) = n (A matriz de nxn) entonces existir una matriz, que se denota como A1 a tal que cumple las siguientes dos propiedades, A A1 = In 25.3. Como hallar A1 : y A1 A = In

El mtodo es simple, e 1. Poner las matrices A e In juntas. 2. Realizar operaciones de la (Gauss-Jordan) a esta matriz doble hasta obtener In donde estaba originalmente A, la matriz que queda donde estaba In es A1 . El diagrama del mtodo es el siguiente, e . A . In .

Notar que esto se puede hacer solo si la matriz A tiene inversa, pues en cuyo caso la matriz a de Gauss-Jordan de A es In . Si A no tuviera inversa entonces nunca se llegar de A a In usando operaciones de las. De todas maneras, se puede aplicar el mtodo para cualquier matriz cuadrada A, e en el caso que se llegue a la matriz identidad A es inversible y su inversa es la matriz de al lado, y en el caso que se llegue a una matriz que no sea la identidad se concluye que A no es inversible. 35

Operaciones de Fila . 1 . A I .
n

25.3.1. Ejemplo:

2 2 es inversible, y si lo es hallar A1 . Determinar si la matriz A = 4 5 Lo resolvemos con el mtodo dado, e 2 2 1 0 4 5 0 1 Primer Fila 2 1 1 1 0 2 4 5 0 1 1 Segunda Fila - 4 Primer Fila 1 1 0 2 0 1 2 1 Primer Fila - Segunda Fila 5 1 0 1 2 0 1 2 1 5 1 1 2 Concluimos que A es inversible y que A = . 2 1 25.3.2. Ejemplo: 3 6 es inversible, y si lo es hallar A1 . 2 4 Lo resolvemos con el mtodo dado, e 1 0 3 6 0 1 2 4 Primer Fila 3 1 1 2 0 3 2 4 0 1 Segunda Fila + 2 Primer Fila 1 1 2 0 3 2 0 0 1 3

Determinar si la matriz A =

Hemos llegado a la matriz de Gauss-Jordan de A, y esta no es la identidad: Entonces A no es inversible. 25.4. Matriz Inversa y Sistemas de Ecuaciones Lineales: El caso especial de un sistema de ecuaciones lineales Ax=b

36

donde A es una matriz inversible es muy fcil de resolver, en efecto a Ax=b A A x = A1 b I x = A1 b x = A1 b

1

Multiplicando por A1 en ambos lados de la igualdad, Usando que A1 A = I, Usando que I x = x,

Es decir que si A tiene inversa, el sistema de ecuaciones lineales A x = b tiene como unica solucin a x = A1 b. o 25.4.1. Ejemplo: Resolver el sistema 2x + 2y 4x + 5y = 6 = 10

Este sistema se puede escribir como, 6 x 2 2 = 10 y 4 5 5 2 2 1 2 es inversible con inversa pero la matriz , luego la unica solucin es o 4 5 2 1 5 x 25 6 1 2 = = y 22 10 2 1

37

Part VI

Determinante de una Matriz Cuadrada

Dada A una matriz de tipo n n (cuadrada) el determinante va a ser un numero real que satisface la siguiente propiedad A es inversible si, y solo si, det(A) 6= 0 Empezamos deniendo el determinante para matrices de 11, 22 y de 33, luego deniremos el determinante para matrices cuadradas de cualquier tamao, y por ultimo estudiaremos n las propiedades del determinante.

26. Determinante de 1 1 :
Dada A = (a) , denimos det(A) = a

27. Determinante de 2 2 :
Dada A = a b c d , denimos det(A) = a.d b.c.

Ejemplos: 1 0 =1 1. det 0 1 4 7 = 29 2. det 3 2 4 2 =0 3. det 6 3

28. Determinante de 3 3 :
a Dada A = d g Esta frmula o

b c e f , denimos det(A) = aei + dhc + gbf ceg f ah idb. h i es bastante mas dicil de recordar, pero hay una ayuda-memoria:

38

 Escribir debajo de la matriz A, las dos primeras las a b c d e f g h i a b c d e f Los primeros tres trminos del determinante son los productos de las tres diagonales en el e sentido &, y los otros tres trminos son los productos de las tres diagonales en el sentido e . con signo negativo. Ejemplos: 1. 1 0 0 det 0 1 0 = 1 1 1 + 0 0 0 + 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 = 1 2. 1 2 3 det 2 0 5 = 1 0 1 + 2 4 3 + 3 2 5 3 0 3 5 4 1 1 2 2 3 4 1 = 30 2 3 2 3. det 1 4 3 = 0 3 7 5 1 3 2 8 3 = 130 4. det 0 3 5 5

29. Determinante de n n (Denicin) o

Si A es una matriz de tipo n n, la frmula se complica. Pero de todas maneras, con un poco o de tiempo, se puede calcular el determinante de la siguiente manera: Tomamos a11 , a12 , a13 , . . . , a1n los elementos de la primer la de A. 39

 Nos construimos las matrices A11 , A12 , A13 , . . . , A1n , donde cada matriz A1k es una matriz de tipo (n 1) (n 1) que se obtiene a partir de la matriz A sacndole la la 1 y la a columna k. Entonces det(A) = a11 det(A11 ) a12 det(A12 )+ a13 det(A13 ) a14 det(A14 ) . . . (mirar como son los signos: se empieza con + y se sigue alternando + y ), esta frmula o tambin se puede escribir como la siguiente sumatoria: e det(A) =
n X (1)i a1k det(A1k )

k=1

Ejemplo: 1 2 3 4 1 2 4 8 o Si A = 1 1 1 1 , aplicamos la frmula anterior : 1 0 0 0 2 4 8 1 4 8 1 2 8 1 2 4 1det 1 1 1 2 det 1 1 1 + 3 det 1 1 1 4 det 1 1 1 0 0 0 1 0 0 1 0 0 1 0 0 | {z } {z } {z } {z } | | |

0 12 6 6

y obtenemos

det(A) = 18

30. Determinante de n n (Denicin Alternativa) o

Lo que hicimos en la seccin anterior con la primer la, se puede hacer con cualquier la o o columna. En efecto, si A es una matriz de tipo n n, podemos calcular el determinante, 1. Eligiendo la la i: Tomamos ai1 , ai2 , ai3 , . . . , ain los elementos de la la i de A. Nos construimos las matrices Ai1 , Ai2 , Ai3 , . . . , Ain , donde cada matriz Aik es una matriz de tipo (n 1) (n 1) que se obtiene a partir de la matriz A sacndole la a la i y la columna k. Para calcular el det(A) se suman ai1 det(Ai1 ) , ai2 det(Ai2 ), ai3 det(Ai3 ), . . . , et ctera e pero con los siguientes signos: el signo del termino aij det(Aij ) es el que aparece en el lugar (i, j) de la + + + + Matriz de Signos = + + + + . . . . .. . . . . . . . . . 40

2. Eligiendo la columna j: Tomamos a1j , a2j , a3j , . . . , anj los elementos de la columna j de A.

Nos construimos las matrices A1j , A2j , A3j , . . . , Anj , donde cada matriz Aik es una matriz de tipo (n 1) (n 1) que se obtiene a partir de la matriz A sacndole la a la i y la columna k.

Para calcular el det(A) se suman a1j det(A1j ) , a2j det(A2j ), a3j det(A3j ), . . . , et ctera pero con los siguientes signos: el signo del termino aij det(Aij ) es el que e aparece en el lugar (i, j) de la + + + + Matriz de Signos = + + + + . . . . .. . . . . . . . . . Ejemplo: Es conveniente usar este mtodo cuando la matriz tiene muchos ceros: si uno elige las las e y las columnas adecuadamente, se puede calcular el determinante con pocas cuenta. 1 2 3 4 5 0 2 0 0 0 1 0 0 0 0 , podemos calcular el determinante de la siguPor ejemplo, si A = 1 0 1 0 1 0 0 0 0 3 iente manera, 1 2 3 4 5 1 2 3 4 0 2 0 0 0 0 2 0 0 0 det 1 0 0 0 = Fila 5 +(3) det 1 0 0 0 1 0 1 0 1 1 0 1 0 0 0 0 0 3 Pero 1 0 det 1 1 2 2 0 0 3 0 0 1 4 0 0 0 = 0 2 0 4 det 1 0 0 1 0 1 2det | 1 0 1 1 {z }
1

Columna 4

0 2 0 det 1 0 0 1 0 1

Fila 2

concluimos que

det (A) = (3)(4)(2)(1) = 24 41

Notar que si queremos calcular el determinante de una matriz de 5 5, al desarrollar la frmula deber o amos calculas 5 determinantes de matrices de 4 4, y para calcular cada uno de estos determinantes, debemos calculas 4 determinantes de 3 3. Por esto, es conveniente encontrar otra manera de calcular los determinantes de las matrices grandes: Usando GaussJordan. Antes de mostrar como se puede usar Gauss-Jordan para calcular determinantes debemos analizar como son los determinantes de algunas matrices especiales.

31. Determinantes de algunas matrices especiales.

1. El determinante de la matriz identidad es Uno. Pues si calculamos el determinante de In por medio de la primer la, obtenemos det (In ) = +1 det (In1 ) = det (In1 ) Y si seguimos as llegamos a , det (In ) = det (I2 ) = det 1 0 0 1 =1

2. El determinante de una matriz con una la de ceros o un columna de ceros es Cero. Esto se ve claramente si calculamos el determinante eligiendo la la o la columna de ceros.

32. Clculo de determinantes usando Gauss-Jordan: a

El mtodo de Gauss-Jordan consiste en llevar una matriz cuadrada A a una matriz de Gausse Jordan usando solamente las tres operaciones de las. Luego si conociramos e 1. Cmo var el determinante de una matriz al hacer operaciones de las? o a 2. Cunto valen los determinantes de las matrices de Gauss-Jordan? a podr amos encontrar el determinante de cualquier matriz cuadrada. Respondamos estas preguntas, 1. Operaciones de Filas y determinantes: Si la matriz B se obtiene de la matriz A multiplicando una la por , entonces det(B) = det(A). Si la matriz B se obtiene de la matriz A intercambiando dos las, entonces det(B) = det(A). Si la matriz B se obtiene de la matriz A sumndole a una la un mltiplo de otra, a u entonces det(B) = det(A).

42

2. Determinantes de Matrices de Gauss-Jordan: Si A es una matriz cuadrada de n n y B es su correspondiente matriz de Gauss-Jordan, entonces B tambin ser una matriz cuadrada de n n. e a El determinante de B depender del rango de la matriz A. a Si el rango de A es igual a n, B resulta ser una matriz de tamao n n con exacn tamente n pivotes, pero la unica matriz de Gauss-Jordan que satisface esta propiedad es la matriz identidad (cuyo determinante es 1), luego concluimos que det(B) = 1. Si el rango de A es menor que n, B resulta ser una matriz de tamao n n con n menos pivotes que las, pero como B es un matriz de Gauss-Jordan que, la ultima la de B est compuesta por ceros y por la propiedad que vimos anteriormente, a concluimos que det(B) = 0. Veamos en un ejemplo, como calcular el determinante de una matriz por Gauss-Jordan: Si tenemos que, 0 2 4 6 2 0 0 2 det 2 2 6 0 = d 1 0 0 2 Intercambiando las dos primeras las: 2 0 0 2 0 2 4 6 det 2 2 6 0 1 0 0 2 Dividiendo la primer la por 2, = d

Sumando a la tercer la 2 veces la primera y restando a la tercer la la primera: 1 0 0 1 0 2 4 6 d det 0 2 6 2 = 2 0 0 0 1 Dividiendo la segunda la por 2, 1 0 0 1 0 1 2 3 d det 0 2 3 2 = 4 0 0 0 1 43

1 0 0 1 0 2 4 6 d det 2 2 6 0 = 2 1 0 0 2

Restndole a la primer la la cuarta, a a cuarta , 1 0 det 0 0

Sumando a la tercer la 2 veces la segunda, 1 0 0 0 1 2 det 0 0 1 0 0 0 0 1 0 0 0 2 1 0

la segunda 3 veces la cuarta y a la tercera 8 veces la 0 0 d = 0 4 1 0 0 d = 0 4 1

1 3 d = 8 4 1

d Luego, como la matriz de Gauss-Jordan es la identidad tenemos que = 1 y por lo tanto 4 el determinante que quer amos calcular es d = 4.

Restando a la segunda la 2 veces la tercera, 1 0 0 0 1 0 det 0 0 1 0 0 0

33. Determinantes y Matrices Inversibles:

Con lo visto en la seccin anterior, podemos demostrar la propiedad del determinante que o hab amos anunciado en el comienzo del capitulo: A es inversible si, y solo si, det(A) 6= 0 Y esto ahora es claro, Si A es inversible, entonces la matriz de Gauss-Jordan de A (que se obtiene por medio de operaciones de las) es la identidad, entonces el determinante de A ser igual a un a numero distinto cero (que proviene de las operaciones de las) por el determinante de la identidad que es 1, luego det(A) 6= 0 Si A no es inversible, entonces la matriz de Gauss-Jordan de A (que se obtiene por medio de operaciones de las) tiene una la de ceros, entonces el determinante de A ser a igual a un numero distinto cero (que proviene de las operaciones de las) por cero (que es el determinante de una matriz con una la de ceros), luego det(A) = 0.

34. Resumen: Matrices Inversibles y Sistemas de Ecuaciones.

Podemos resumir todo lo visto hasta ahora con respecto a las matrices inversibles, en los siguientes teoremas.

44

Teorema 1:
Dada una matriz A de tipo n n, las siguientes armaciones son equivalentes: A tiene inversa. det(A) 6= 0 La matriz de Gauss-Jordan de A es la identidad. El rango de A es n. El sistema de ecuaciones A x = b siempre tiene una unica solucin (que se calcula como o x = A1 b). o El sistema de ecuaciones A x = 0 tiene como unica solucin a x = 0.

Teorema 2:
Dada una matriz A de tipo n n, las siguientes armaciones son equivalentes: A no tiene inversa. det(A) = 0 La matriz de Gauss-Jordan de A tiene una la de ceros El rango de A es menor que n. El sistema de ecuaciones A x = b tiene o bien innitas soluciones o bien no tiene soluciones. El sistema de ecuaciones A x = 0 tiene innitas soluciones.

35. Otras Propiedades de los Determinantes:

Las siguientes propiedades son muy importantes, la primera ya ha sido probada y la segunda la damos sin demostracin: o 1. Si In es la matriz identidad, entonces det(In ) = 1. 2. Si A y B son matrices cuadradas, entonces det(A B) = det(A). det(B). De estas dos propiedades uno puede concluir una tercera, 3. Si A es una matriz cuadrada inversible, entonces det(A1 ) = Pues, si A es inversible, entonces A A1 = In . Entonces, y despejando obtenemos det(A1 ) = 1 . det(A) 45 1 . det(A)

det(A). det(A1 ) = det(A A1 ) = det(In ) = 1

36. Regla de Cramer:

La regla de Cramer es un mtodo para obtener las soluciones de un sistema de ecuaciones lineales e de la forma: Ax=b

donde A es una matriz de n n inversible. (Este metodo no sirve si la matriz no es cuadrada o si la matriz no es inversible). En este caso, por lo visto anteriormente, existe siempre una unica solucin. La regla de o Cramer nos dice como encontrar esta solucin x = (x1 , x2 , , xn ) : o xi = det(Ai ) det(A)

donde Ai se obtiene a partir de la matriz A cambiando la columna i por b . Ejemplo: Resolver, el sistema ecuaciones lineales: x1 + 2x2 + 3x3 3x1 + 2x2 + x3 2x1 + 4x2 x3

que escrito como producto de matrices, resulta ser: 11 1 2 3 x1 3 2 1 x2 = 12 13 x3 2 4 1 1 2 3 1 es inversible, esto vale pues det(A) = Chequeamos primero que la matriz A = 3 2 2 4 1 28 6= 0. Luego la unica solucin x = (x1 , x2 , x3 ) se obtiene como o 11 2 3 1 det 12 2 13 4 1 det(A1 ) 50 25 x1 = = = = det(A) det(A) 28 14 1 11 3 1 det 3 12 2 13 1 det(A2 ) 75 = = x2 = det(A) det(A) 28 1 2 11 det 3 2 12 2 4 13 det(A1 ) 36 9 = = = x3 = det(A) det(A) 28 7 46

= 11 = 12 = 13

37. Determinantes e Inversas:

Un mtodo alternativo de calcular las inversas de las matrices cuadradas inversibles es el mtodo e e de determinantes, funciona de la siguiente manera: Dada una matriz A de tipo n n, denimos las siguientes matrices: matriz de tipo(n 1) (n 1) que se obtiene Aij = a partir de A sacando la la i y la columna j. Entonces, si A es inversible (es manera + det(A11 ) det(A12 ) + det(A13 ) det(A14 ) . . . A1 = Es importante notar dos cosas: Los signos de los determinantes estn dados por la a + + Matriz de Signos = + + . . . . . . Los sub- ndices de det(Aij ) estn al revs de lo usual. a e Ejemplos: 1. Hallar la inversa de A = a b c d (suponiendo que det(A) = ad bc es distinto de cero). decir si det(A) 6= 0 ), A1 se puede calcular de la siguiente det(A21 ) + det(A31 ) det(A41 ) + det(A22 ) det(A32 ) + det(A42 ) det(A23 ) + det(A33 ) det(A43 ) + det(A24 ) det(A34 ) + det(A44 ) . . . .. . . . . . . . det(A)

+ + . . .

+ + . . .

.. .

1 2 3 1 2 3 2. Hallar la inversa de A = 3 2 1 (tenemos que det 3 2 1 = 24 6= 0). 1 4 1 1 4 1 En este caso tenemos 47

En este caso tenemos A11 = d, A12 = c, A21 = b, A22 = a, como estas matrices son de 1 1, los determinantes son el unico coeciente, y por lo tanto + det(A11 ) det(A21 ) +d b det(A12 ) + det(A22 ) c +a A1 = = det(A) ad bc

 A11 = A12 = A13 = A21 = A22 = A23 = A31 = A32 = A33 =

2 1 4 1 3 1 1 1 3 2 1 4 2 3 4 1 1 3 1 1 1 2 1 4 1 2 3 2 1 3 3 1 1 2 3 2

, cuyo determinante es 2 , cuyo determinante es 2 , cuyo determinante es 10 , cuyo determinante es 10 , cuyo determinante es 2 , cuyo determinante es 2 , cuyo determinante es 4 , cuyo determinante es 8 , cuyo determinante es 4

y por lo tanto + det(A11 ) det(A21 ) + det(A31 ) +(2) (10) +(4) det(A12 ) + det(A22 ) det(A32 ) (2) +(2) (8) + det(A13 ) det(A23 ) + det(A33 ) +(10) (2) +(4) A1 = = det(A) 24 Es decir, A1
1 12 1 = 12 5 12

5 12 1 12 1 12

1 6
1 3 1 6

48

Part VII

Autovectores y Autovalores
Observamos que la ecuacin o A.v = v se puede re-escribir en la forma (A I).v = 0

ser un autovalor de A cuando esta ecuacin tenga una solucin v distinta de cero, esto ocurre a o o exactamente cuando el determinante de la matriz (A .I) es cero; concluimos entonces que: Los autovalores de A son las soluciones de la ecuacin det(A .I) = 0. o Ahora, jado un autovalor 0 , se obtiene que Los autovectores de A correspondientes al autovalor 0 , son las soluciones de la ecuacin lineal (A 0 I).v = 0 . o 37.1. Ejemplo : Dada la matriz 4 2 2 A = 4 2 4 0 0 2 1. Hallamos los autovalores de A, es decir las ra del polinomio ces 4 2 2 2 4 det(A .I) = det 4 0 0 2 = 3 + 42 4 = ( 2)( 2) Por lo tanto los autovalores son 2 y 0. 2. Hallamos los autovectores correspondientes a 2, es decir las ecuaciones lineales x 42 2 2 4 2 2 4 . y = z 0 0 22 49 soluciones del sistema de 0 0 0

Por Gauss-Jordan se obtiene que las soluciones son x 1 1 y =s 1 +t 0 z 0 1 3. Hallamos los autovectores correspondientes a 2, es decir las ecuaciones lineales 40 2 2 x 4 2 0 4 . y = 0 0 20 z Por Gauss-Jordan se obtiene que las soluciones son 1 x 2 y =s 1 z 0 soluciones del sistema de 0 0 0

50

Part VIII

Funciones de Varias Variables

Dados dos conjuntos A y B, una funcin f : A B es una regla que asigna a cada punto o a A un unico punto f (a) B. En este curso, solamente vamos a considerar funciones en las que A y B son conjuntos del tipo Rn . Este tipo de funciones se llaman funciones reales de varias variables, estos son algunos ejemplos: (a) f : R R, f (x) = x2 f (x, y) = x + y 2 f (t) = (2t 1, 2 t) f (t) = (sin(t), cos(t)) f (t) = (sin(t), cos(t), t)

(b) f : R2 R, (c) f : R R2 ,

(d) f : R R2 , (e) (f ) f : R R3 ,

f : R2 R2 , f (x, y) = (x 2y, y + x)

38. Cmo Dibujar Funciones? o

38.1. Caso f : R R : Este es el caso mas simple, uno dibuja en el plano R2 el grco de la funcin: a o Grf ico(f ) = (x, y) R2 tal que y = f (x) a Este grco es una curva en el plano R2 . a 38.2. Caso f : R2 R : Se podr generalizar el caso anterior y dibujar en el espacio R3 el grco de la funcin de dos a a o variables: Grf ico(f ) = (x, y, z) R2 tal que z = f (x, y) a

Este conjunto es una supercie en el espacio R3 cuyos puntos tienen tres coordenadas, en las primeras dos coordenadas se ponen el punto (x, y) de R2 en el que se evala la funcin y u o en la tercer coordenada el nmero f (x, y). u Dibujar este grco en R3 es bastante complicado, pero por suerte uno puede comprender a el comportamiento de una funcin de dos variables dibujando solamente curvas en el plano (la o idea de este mtodo es similar a la que usan los cartgrafos para dibujar en el plano mapas con e o relieve: se dibujan en el plano los puntos donde la funcin tiene altura constante). El conjunto o de los puntos donde la funcin vale M se puede escribir de la siguiente manera o (f = M ) = (x, y) R2 tal que f (x, y) = M 51

Este subconjunto del plano se denomina Curva de Nivel de valor M de la funcin f . o El nombre no est muy bien puesto: el conjunto no es siempre una curva (podr ser un punto a a o aun peor un conjunto con rea positiva). a Si se dibujan un n mero suciente de curvas de nivel, se puede visualizar donde la funcin u o es creciente, donde decreciente, cuales son los mximos y los m a nimos locales, et ctera. Ver en e Figuras 4 y 5, el grco y las curvas de nivel de la funcin a o f (x, y) =
1 2

1 + (x 1)2 + (y 1)2

1 2

1 + (x + 1)2 + (y + 1)2

52

53

39. Propiedades de las Funciones de Varias Variables

Casi todas las deniciones y propiedades de las funciones de una sola variable son fcilmente a extendibles a funciones de varias variables reales. 1. Dominio: Dada una funcin f : R2 R, denimos su dominio como o Dom(f ) = (x, y) R2 tal que f (x, y) est denida a

2. Imagen: Dada una funcin f : R2 R, denimos su imagen como o Im(f ) = z R tal que z = f (x, y) para algn (x, y) R2 u 54

40. Rectas en el Plano: Un Breve Repaso.

Hay dos maneras distintas de escribir la ecuacin de una recta en el plano: o 1. Ecuacin Impl o cita: Una recta es el conjunto de los puntos (x, y) R2 que satisfacen una ecuacin del tipo o a x+b y =c 1. Como encontrar la ecuacin impl o cita de la recta que pasa por dos puntos? Por ejemplo, hallar la ecuacin impl o cita de la recta que pasa por los puntos (1, 3) y (2, 4). Para hacer esto, como los dos puntos satisfacen la ecuacin tendremos o = 0 a + 3b c Por el mtodo de Gauss-Jordan obtenemos que a = e es: 1 3 10 c x + 10 c y = c o, simplicando x + 3y = 10 2. Como encontrar dos puntos distintos en la recta ax + by = c? La manera mas simple es buscar donde la recta corta los ejes X y Y: corta al eje X c en el punto ( a , 0) y al eje Y en el punto (0, c ) en el caso que a y b sean distintos b de cero. Si alguno es igual a cero es porque la ecuacin de la recta es x = c o y = c, o en el primer caso cualquier punto con primera coordenada c estar en la recta y en a el segundo caso cualquier punto con segunda coordenada c. 3. Como chequear si un punto (x0 , y0 ) est en la recta ax + by = c? a Para que el punto (2, 3) est en la recta 2x 5y = 9 debemos ver que al poner x = 2 e e y = 3 se satisfaga la igualdad: no en este caso 2 2 5 3 = 5 6= 9. 2. Ecuacin paramtrica: Una recta es el conjunto de los puntos (x, y) R2 que se o e pueden escribir como (x, y) = v1 + t v2 Donde v1 y v2 son dos puntos en el plano. El punto v1 es un punto perteneciente a la recta y el punto v2 se llama vector direccin de la recta. o 1. Como encontrar la ecuacin impl o cita de la recta que pasa por dos puntos? Por ejemplo, hallar la ecuacin impl o cita de la recta que pasa por los puntos (1, 3) y (2, 4). Para hacer esto, tomamos como v1 a uno de los puntos de la recta (v1 = (1, 3)) y como v2 a la diferencia entre dos puntos de la recta (v2 = (1, 3)(2, 4) = (3, 1)). La ecuacin paramtrica quedar o e a (x, y) = (1, 3) + t (3, 1) 55 2a + 4b c = 0
1 10 c

yb=

3 10 c.

Luego la ecuacin o

2. Como encontrar dos puntos distintos en la recta (x, y) = v1 + t v2 ? Dndole valores distintos de t: por ejemplo, al poner t = 0 obtenemos que v1 esta en a la recta, y al poner t = 1 obtenemos que v1 + v2 esta en la recta. 3. Como chequear si un punto (x0 , y0 ) est en la recta (x, y) = v1 + t v2 ? a Para que el punto (2, 4) est en la recta (x, y) = (1, 3) + t (3, 1) debemos ver que e existe un t que satisfaga la igualdad. Es decir, debe existir un valor t tal que 1 + 3t = 2 La solucin de este sistema es t = 2, por lo tanto el punto est en la recta. o a 3. Como pasar de un tipo de ecuacin a la otra. o 1. De paramtrica a impl e cita: Un mtodo para escribir la ecuacin impl e o cita de la recta (x, y) = (1, 3) + t (3, 1) es el siguiente: Despejar el valor de t de las ecuaciones x = 1+3t e y = 3t e igualarlos, obtenemos en este caso x1 = 3y 3 x 1 = 9 3y x + 3y = 10 3t = 4

2. De impl cita a paramtrica: e Se despeja el valor de x (o de y) de la ecuacin impl o cita y se lo reemplaza en el vector (x, y). Por ejemplo, de la ecuacin 2x 4y = 8 despejamos x = 4 + 2y, por lo tanto o (x, y) = (4 + 2y, y) = (4, 0) + y (2, 1) Notar que hay muchas ecuaciones paramtricas de una misma recta, pero sin embargo e todas las ecuaciones impl citas de un recta se obtienen de una de ellas multiplicando por un n mero distinto de cero. u

41. Derivadas Parciales:

Dados una funcin f (x, y) : R2 R y un punto (a, b) R2 , la derivada parcial de f (x, y) o con respecto a la variable x se dene como fx (a, b) = f f (a + x, b) f (a, b) (a, b) = lim x0 x x

Mirando la denicin es claro que, si ponemos o g(x) = f (x, b) 56

f entonces a (a, b) = g 0 (x). Esta propiedad, adems de darnos una manera de calcular las x derivadas parciales, nos da una interpretacin geomtrica, en efecto: o e Como se Calculan las Derivadas Parciales:

Se piensa en f (x, y) como en una funcin de una variable donde y es una constante, y o luego se la deriva con respecto a la variable x.

Interpretacin Geomtrica de la Derivada Parcial: o e

Piense en el grco de la funcin f (x, y) en el espacio R3 . Dibuje en el plano XY la recta a o y = b, los puntos del grco de f (x, y) que estn exactamente arriba de la recta y = b a a forman el conjunto {(x, b, f (x, b)) con x R}, es decir el grco de la funcin de una a o variable g(x) = f (x, b) corrido una distancia b en la direccin del eje de las Y . Luego la o derivada parcial de f (x, y) con respecto a x en el punto (a, b) es simplemente la pendiente de la recta tangente a g(x) en el punto a.

Mas an, si f (x, y) es diferenciable en el punto (a, b) (y por lo tanto existe el plano u tangente), al cortar el grco de la funcin f (x, y) y a su plano tangente con el plano a o y = b, se obtendr el grco de la funcin g(x) mas su recta tangente en el punto x = a. a a o

42. Rectas Tangentes a Curvas de Nivel

Sea F : R2 R una funcin y (a, b) un punto de R2 . Queremos hallar la recta tangente a la o curva de nivel F (x, y) = M en el punto (a, b). Notemos primero que como esta recta pasa por el punto (a, b) su ecuacin debe ser de la forma o y = m(x a) + b o x = a dependiendo si es vertical o no. Esta recta tiene ecuacin paramtrica o e (x, y) = (0, b ma) + x (1, m) o (x, y) = (a, 0) + y (0, 1) Por lo que vimos en el cap tulo anterior, esta recta debe ser perpendicular al gradiente grad F (a, b) = (Fx (a, b), Fy (a, b)) Entonces, como el vector direccin de la curva es (1, m) tenemos que o (Fx (a, b), Fy (a, b)) (1, m) = 0 y por lo tanto m= Fx (a, b) Fy (a, b)

si Fy (a, b) 6= 0. Si Fy (a, b) = 0 y Fx (a, b) 6= 0, es gradiente es horizontal, y por lo tanto la recta tangente es vertical (es decir x = a). Si Fy (a, b) =Fx (a, b) = 0, el gradiente es nulo, y por lo tanto la curva de nivel no tiene recta tangente. Podemos resumir todo esto en los siguiente: 57

1. La curva de nivel de F (x, y) no tiene recta tangente en el punto (a, b) si, o bien F (x, y) no es diferenciable o bien el gradiente grad F (a, b) = (0, 0). 2. Si la funcin F (x, y) es diferenciable en el punto (a, b) con gradiente no nulo, entonces o y = Fx (a, b) (x a) + b Si Fy (a, b) 6= 0 Recta T angente de la Curva de N ivel Fy (a, b) de F (x, y) en el punto (a, b) : x=a Si Fy (a, b) = 0 Esta ecuacin se puede escribir en forma compacta como o Recta T angente de la Curva de N ivel de F (x, y) en el punto (a, b) : Fx (a, b)(x a) + Fy (a, b)(y b) = 0

58

Part IX

Mximos y M a nimos con Restricciones (Introduccin): o

Empezamos dando un ejemplo .

43. Problema:
Un fabricante de caramelos encontr que la produccin mensual de caramelos P depende del o o nmero T de trabajadores y de la cantidad A de toneladas de azcar que se usa como materia u u prima segn la siguiente frmula: u o P = T2 A El sueldo mensual de cada trabajador es de 600$ y el precio de la tonelada de az car es u de 300$. Cul es la produccin mensual mxima que se puede obtener con un presupuesto a o a mensual de 18.000$? Cuntos trabajadores se deben contratar y cuntas toneladas de azcar a a u se deben comprar para obtener esta produccin mxima? o a

44. Solucin del Problema: o

Vamos a resolver este problema por dos mtodos distintos: e El primero consiste en escribir la variable a maximizar (en este caso la produccin P ) como o funcin de una sola variable (por ejemplo T ), y buscar el mximo de la funcin P (T ) en el o a o intervalo donde esta denida la variable T . El segundo mtodo (mtodo del Lagrangiano) es el que se usa con mas frecuencia en Econom e e a y aprender a usarlo es uno de los objetivos mas importantes de este curso. 44.1. Solucin I: o Como la funcin a maximizar P depende de dos variables (T y A), debemos buscar alguna o relacin entre estas dos variables y entonces, despejando una como funcin de la otra, podremos o o escribir P como funcin de una sola variable. La relacin es este caso es simple: o o 600 T + 300 A = 18000 despejamos A en funcin de T (tambin se podr haber despejado T en funcin de A): o e a o A= 18000 600 T = 60 2 T 300

y reemplazamos en la frmula de P para obtener una funcin de una sola variable: o o P (T ) = T 2 A = T 2 (60 2 T ) = 60 T 2 2 T 3

59

Veamos ahora en que intervalo est denida la variable T : Surge del enunciado que tanto T a como A deben ser mayores o iguales a 0. Deducimos entonces que T 0 y que A = 60 2 T 0 60 2 T 30 T Por lo tanto, debemos encontrar el mximo de la funcin P (T ) = 60 T 2 2 T 3 con la variable a o T en el intervalo cerrado [0, 30]. Como la funcin P (T ) es continua y derivable, este mximo o a solo se puede alcanzar en los extremos (T = 0 o T = 30), o en los puntos del intervalo abierto (0, 30) donde la derivada P 0 (T ) = 120 T 6 T 2 se anula (esto es T = 20). Como tenemos que P (0) = P (30) = 0, la produccin mxima ser de P (20) = 8000 y se o a a lograr con T = 20 trabajadores y A = 60 2T = 20 toneladas de azcar.. a u Vea en la Figura 1 el grco de la funcin P (T ) y la localizacin del mximo. a o o a

44.2. Solucin II (con el Mtodo del Lagrangiano) : o e Para usar este mtodo debemos mirar al problema de otro punto de vista: e En lugar de pensar en P como funcin de la variable T , pensamos en el par (T, A) como o punto del plano (es decir ahora el eje X ser el eje T y el eje Y sera el eje A). De a esta manera cada punto del plano sera una eleccin del nmero de trabajadores (primera o u coordenada) y de la cantidad de toneladas de azcar (segunda coordenada). u 60

 La solucin del problema ser el punto (T, A) del plano donde el valor T 2 A sea mximo, o a a pero el punto (T, A) no puede ser cualquier punto del plano: Debe satisfacer las siguientes condiciones: T 0 A0 600 T + 300 A = 18000

Las dos primeras condiciones nos dicen que el punto debe estar en el primer cuadrante, la tercer condicin nos dice que el punto debe estar en una recta. Para ver cual es esta o recta, vemos donde corta al eje A (los puntos donde T = 0) y donde corta al eje de los T (los puntos donde A = 0): Si T = 0 entonces A = 18000 = 60, y si T = 0 entonces 300 A = 18000 = 30. Por lo tanto, como T y A son mayores o iguales a cero, el punto (T, A) 600 que buscamos debe estar en el segmento que une los puntos (0, 60) y (30, 0). (Ver Figura 2).

Queremos ver ahora como se comporta la produccin P = T 2 A en cada punto (T, A) o del plano. Por ejemplo, veamos cuales son todos los puntos (T, A) del plano donde la produccin P = 10000: o Si un punto (T, A) satisface que T 2 A = 10000, entonces el punto debe estar en el grco a de la funcin A = 10000 . Con las herramientas usuales se puede ver que, en el intervalo o T2 61

(0, +), esta funcin es continua, derivable, decreciente y convexa; adems tiende a mas o a innito cuando T tiende a cero, y tiende a cero cuando T tiende a mas innito. (Ver Figura 2). El grco de esta funcin, que como vimos consiste de todos los puntos a o (T, A) del plano donde P = T 2 A = 10000, se llama curva de nivel P = 10000. De la misma manera, podemos construir las curvas de nivel P = 20000, P = 30000, et ctera y tener una idea de como se comporta la funcin de Produccin. Veamos algunas e o o propiedades de las curvas de nivel: 1. Son grcos de funciones continuas, derivables, decrecientes y convexas que tienden a a mas innito cuando T tiende a cero, y tienden a cero cuando T tiende a mas innito. 2. Las curvas de nivel de valores grandes estn arriba y a la derecha de las curvas de a nivel de valores pequeos. n 3. Dos curvas de nivel de valores distintos no se cortan (por qu?) e Desde este punto de vista, la solucin del problema es el par (TM , AM ) en el segmento o que une los puntos (0, 60) y (30, 0) que est en la curva de nivel de valor mas e grande. Notar (ver Figura 2) que las curvas de nivel de valores grandes no cortan al segmento y que las curvas de nivel de valores pequeos lo cortan en 2 puntos. Por lo tanto, n El par (TM , AM ) que soluciona el problema debe ser el punto donde el segmento y una curva de nivel son tangentes, el valor PM de esta curva de nivel es la produccin mxima que quer o a amos encontrar. En nuestro caso el punto (TM , AM ) = (20, 20) y la produccin mxima es PM = 80000. o a Veamos como se puede encontrar anal ticamente este punto (TM , AM ) donde la produccin o es mxima y cuanto es la produccin mxima PM correspondiente (ponemos el sub- a o a ndice M para distinguir las soluciones de las variables): 1. El punto (TM , AM ) debe estar en la segmento: Ecuacin 1: o 600 TM + 300 AM = 18000

2. En el punto (TM , AM ) la produccin es PM o Ecuacin 2: o

2 PM = TM AM

2 3. En el punto (TM , AM ) la recta es tangente a la curva de nivel PM = TM AM . Para escribir la ecuacin correspondiente a esta propiedad, escribimos primero la recta y o la curva de nivel como funciones de T :

Recta: Curva de Nivel: 62

A= A=

18000 600 T 300 PM T2

Como en el punto (TM , AM ) la recta y la curva de nivel deben ser tangentes, sus derivadas en el valor T = TM deber ser iguales: Ecuacin 3: o 600 2PM = 3 300 TM

Dejamos por un momento la Ecuacin 1 y operamos con las otras dos ecuaciones. o Si reemplazamos en la Ecuacin 3, el valor de TM obtenido de la Ecuacin 2, se o o obtiene: 2 600 2 TM AM = 3 300 TM
3 Pasando TM multiplicando, 600 dividiendo y simplicando el signo menos, obtenemos: 2 3 2 TM AM TM = 300 600

y, simplicando un TM , llegamos a
2 TM (2 TM AM ) = 300 600

Llamamos a cada uno de los miembros de la ecuacin (este valor tiene en problemas o de Econom una gran importancia). Esta ultima ecuacin se puede separar entonces a o en dos ecuaciones 2 TM = 300 2T A M M = 600 Hasta ahora no hemos hecho mas que transformar las Ecuaciones 2 y 3 en las nuevas ecuaciones: 2 Ecuacin 2: o TM 300 = 0 Ecuacin 3: o 2 TM AM 600 = 0

A primera vista no se ha mejorado mucho al pasar de las ecuaciones originales (1, 2 y 3) a las nuevas (1, 2 y 3) (seguimos teniendo tres ecuaciones con tres incgnitas), o pero la novedad es que estas nuevas ecuaciones pueden ser obtenidas de la funcin de o tres variables T 2 A (600 T + 300 A 18000) igualando a cero las derivadas parciales con respecto a las variables T , A y . Por ejemplo, si derivamos la funcin con respecto a (considerando T y M como o constantes) obtenemos la Ecuacin 1: o 600 T + 300 A 18000 = 0

63

si derivamos la funcin con respecto a A (considerando ahora y T como constantes), o obtenemos la Ecuacin 2: o T 2 300 = 0 y nalmente, si derivamos la funcin con respecto a T (considerando ahora y A o como constantes), obtenemos la Ecuacin 3: o 2 T A 600 = 0 4. Denicin y Notacin: Dada una funcin de varias variables F (x, y, ). Llamamos o o o F derivada parcial de F con respecto a x (y lo notamos Fx (x, y, ) o (x, y, )) x a la funcin que se obtiene al derivar F (x, y, ) considerando a x como o variable y a y y como constantes. 5. Ejercicio: Chequear que las soluciones obtenidas de las Ecuaciones 1, 2 y 3 coinciden realmente con las soluciones obtenidas por el mtodo alla Mate II. Las e soluciones deber ser an AM = 20 TM = 20 PM = 80000 con el dato extra de = 4 . 3

64

45. Mtodo del Lagrangiano: e

Resumamos ahora como funciona este mtodo en general: e El problema es buscar el mximo (o el m a nimo) de una funcin F (x, y) de dos vario ables, sujetas a la restriccin G(x, y)= 0. o Para encontrar este mximo (o m a nimo), lo que realmente buscamos es un punto de tangencia entre la curva restriccin G(x, y)= 0 y una curva de nivel F (x, y) = M. o (un punto de tangencia es un punto donde las rectas tangentes a las dos curvas coinciden) Para hacer esto, denimos una nueva funcin de tres variables o L(x, y, ) = F (x, y) G(x, y) entonces, todos los puntos de tangencia se encuentran resolviendo el siguiente sistema de ecuaciones Lx (x, y, ) = Fx (x, y) Gx (x, y) = 0 Ly (x, y, ) = Fy (x, y) Gy (x, y) = 0 L (x, y, ) = G(x, y) =0 (En el problema anterior: F (x, y) = x y 2 y G(x, y) =600x + 300y 18000). Es importante ver bajo que condiciones hay un solo punto (x, y) en el cual el grco de la a restriccin G(x, y)= 0 y el grco de alguna curva de nivel F (x, y) = M sean tangentes (observar o a que no estoy requiriendo que G(x, y) =0 sea un recta). La siguiente es una lista no exhaustiva de condiciones que aseguran la existencia y unicidad de este punto de tangencia: CASO (a) (b) (c) (d) (e) (f ) Curvas de Nivel F (x, y) = M Convexa Convexa Recta Recta Cncava o Cncava o Restriccin G(x, y) = 0 o Recta Cncava o Cncava o Convexa Recta Convexa

65

(ver Figura 3).

En la tabla anterior, queda sin resolver si el unico punto de tangencia es un mximo o un a m nimo de la funcin F (x, y). o Para resolver este problema debemos decir que signica que una funcin de dos variables sea o creciente o decreciente: Una funcin F (x, y) de dos variables es creciente si o x1 > x2 e y1 > y2 implica que F (x1 , y1 ) > F (x2 , y2 ) Es decir las curvas de nivel F = M van hacia arriba y hacia la derecha cuando M crece. Una funcin F (x, y) de dos variables es decreciente si o x1 > x2 e y1 > y2 implica que F (x1 , y1 ) < F (x2 , y2 ) Es decir las curvas de nivel F = M van hacia abajo y hacia la izquierda cuando M crece. 66

Con estas nuevas deniciones podemos aumentar la tabla anterior en CASO (a-1) (a-2) (b-1) (b-2) (c-1) (c-2) (d-1) (d-2) (e-1) (e-2) (f-1) (f-2) Curvas de Nivel F = M Convexa Convexa Convexa Convexa Recta Recta Recta Recta Cncava o Cncava o Cncava o Cncava o Restriccin G = 0 o Recta Recta Cncava o Cncava o Cncava o Cncava o Convexa Convexa Recta Recta Convexa Convexa F (x, y) Creciente Decreciente Creciente Decreciente Creciente Decreciente Creciente Decreciente Creciente Decreciente Creciente Decreciente Tangencia Mximo a M nimo Mximo a M nimo Mximo a M nimo M nimo Mximo a M nimo Mximo a M nimo Mximo a

Lo que podemos resumir de la siguiente manera: 1. Si F (x, y) es creciente y la curva de nivel de F (x, y) es mas convexa que la curva G(x, y) = 0, entonces el unico punto de tangencia es un mximo. a 2. Si F (x, y) es creciente y la curva de nivel de F (x, y) es menos convexa que la curva G(x, y) = 0, entonces el unico punto de tangencia es un m nimo. 3. Si F (x, y) es decreciente y la curva de nivel de F (x, y) es mas convexa que la curva G(x, y) = 0, entonces el unico punto de tangencia es un m nimo. 4. Si F (x, y) es creciente y la curva de nivel de F (x, y) es menos convexa que la curva G(x, y) = 0, entonces el unico punto de tangencia es un mximo. a Es importante notar que en todos estos casos se cumple lo siguiente: Propiedad Importante: Si el mximo (o el m a nimo) de f (x, y) restringido a G(x, y) = 0 se encuentra en el punto de tangencia, entonces el m nimo (o el mximo) se encontrar en alguno de los extremos de la curva de restriccin, si a a o estos extremos existen.

46. Ventajas y Desventajas del Mtodo del Lagrangiano e

Hay al menos una desventaja considerable: Tenemos que resolver un sistema de tres ecuaciones con tres incgnitas.. o Las ventajas son esencialmente tres: 1. No es necesario despejar el valor de y ni en la funcin F (x, y) ni en la restriccin G(x, y) = o o 0. Este hecho no solo evita el trabajo de despejar, tambin nos permite usar funciones e donde es dicil despejar y (por ejemplo: ex+y x2 = 0) o, lo que es mas importante, nos permite usar funciones donde es imposible despejar y (por ejemplo: ex+y x4 + y = 0). 67

2. El valor que uno obtiene como solucin del problema tiene una interpretacin econmica o o o importante. 3. El mtodo del Lagrangiano se puede extender fcilmente a problemas con mas variables y e a mas restricciones.

47. Comentario: Puntos de Tangencia.

El mtodo del Lagrangiano, es decir encontrar los puntos (x, y) donde las tres derivadas e parciales (con respecto a x, y y ) de la funcin o L(x, y, ) = F (x, y) (x, y) son cero, nos da solamente los puntos donde las curvas G(x, y) = 0 y F (x, y) = M son tangentes (puntos de tangencia). Por las razones que vimos anteriormente, si existen los mximos y m a nimos estos deben estar o bien en los extremos de la restriccin o bien en los puntos de tangencia, pero nada nos o asegura que todos los puntos de tangencia correspondan a mximos o m a nimos. Hasta que veamos mtodos mas sosticados para decidir si los puntos de tangencia son e mximos o m a nimos, la manera mas simple de decidir esto es dibujar la restriccin y algunas o curvas de nivel de la funcin y hacer el anlisis sobre el dibujo. o a

68

48. Resumiendo:
En los problemas de Mximos o M a nimos es importante encontrar un mtodo para hallar puntos e de tangencia, es decir: Dadas dos funciones F y G : R2 R, hallar los puntos (a, b) en el conjunto restriccin o (G = 0) = {(x, y) tal que G(x, y) = c} tal que la restriccin es tangente a alguna curva de nivel de F . o Esto signica que una curva de nivel de F (x, y) debe ser tangente a la curva de nivel G(x, y) = 0. Luego como los gradientes son perpendiculares a las curvas de nivel, se debe cumplir que tanto el gradiente grad F (a, b) = (Fx (a, b), Fy (a, b)) como el gradiente grad G(a, b) = (Gx (a, b), Gy (a, b)) son perpendiculares a la misma recta, luego uno de ellos es mltiplo del otro, u es decir que existe un nmero tal que u (Fx (a, b), Fy (a, b)) = (Gx (a, b), Gy (a, b)) Tenemos entonces que en el punto (a, b) se cumplen las siguientes tres condiciones: (1) Fx (a, b) Gx (a, b) = 0 (2) Fx (a, b) Gx (a, b) = 0 (3) G(a, b) = c O, lo que es equivalente, Las tres derivadas parciales de la funcin L(x, y, ) = F (x, y) (G(x, y) c) o deben ser cero. El se llama multiplicador de Lagrange y la funcin L(x, y, ) se llama Lagrangiano. o

69