AAA - Matematica Aplicada A La Economia - Glejberman David

FACULTAD DE CIENCIAS SOCIALES
DEPARTAMENTO DE ECONOMÍA
DIPLOMA EN ECONOMÍA PARA NO ECONOMISTAS
ASIGNATURA: MATEMÁTICA APLICADA A LA ECONOMÍA
MATERIAL DE CONSULTA Y CASOS PRÁCTICOS
CURSO 2004
PARTE I
Profesor: David Glejberman

INTRODUCCIÓN
Las notas que siguen han sido preparadas para el Profesor de Matemática
Aplicada a la Economía1 para ser utilizadas por los cursillistas como material de consulta
alternativo de los textos recomendados en la bibliografía. Estas notas difieren del
contenido de los clásicos textos de Matemática porque no se ocupan los fundamentos de
la ciencia ni de su construcción mediante métodos lógico-deductivos. Como el curso es
de matemática aplicada, el mismo no se ocupa de demostrar propiedades y teoremas, sino
de aplicar estos resultados para la resolución de problemas relevantes de la ciencia
económica.
Con ese objeto en estas notas se repasan diversos capítulos del análisis y del
álgebra que los cursillistas conocieron en la enseñanza media y en las carreras
universitarias de grado. Se hace especial hincapié en el álgebra matricial, el estudio de
funciones, la interpretación de la de la derivada, el cálculo integral, las funciones de
varias variables y los métodos de optimización.
Entre las aplicaciones a la Economía que se presentan en el curso cabe mencionar

la matriz de insumo-producto, la determinación del valor de las cuotas para cancelar una
deuda pactada a interés compuesto, la elasticidad de la demanda, la clasificación de
productos como complementarios o competitivos, la asignación óptima del presupuesto
entre los factores de la producción, la minimización del costo de producción, la
maximización de la utilidad sujeta a restricciones presupuestarias, entre otras.
Los ejercicios y casos prácticos han sido seleccionados de forma de contemplar

todos los temas del programa; se han depurado en ocasión de los sucesivos cursos y
complementado con los ejercicios propuestos en las últimas pruebas de examen. Estos
casos prácticos tienen el propósito de mostrar las aplicaciones a la Economía así como
ejercitar a los cursillistas en el uso de los conceptos del álgebra y el análisis y sus reglas
operatorias.
De esta forma se espera que los alumnos adquieran familiaridad con el

instrumental matemático para lograr un buen aprovechamiento en las siguientes
asignaturas del Diploma, y eventualmente de la Maestría, tales como Micro y
Macroeconomía, Estadística y Econometría.
1
Matemática Aplicada a la Economía es una asignatura del curso de posgrado Diploma en Economía
organizado por el Departamento de Economía de la Facultad de Ciencias Sociales, Universidad de la
República.
PROGRAMA DEL CURSO
1. Teoría de conjuntos.
2. Relaciones y funciones.
3. Conjuntos numéricos. Operaciones con números y sus propiedades.
4. Polinomios y expresiones algebraicas.
5. Ecuaciones. Sistemas de ecuaciones lineales.
6. Inecuaciones.
7. Matrices y determinantes.
8. Espacios vectoriales.
9. Valores y vectores propios. Diagonalización.
10. Funciones de una variable. Gráficas de funciones elementales.
Operaciones con funciones. Función inversa y función compuesta.
11. Límites y continuidad de funciones.
12. Derivación y diferenciación. Interpretación geométrica de la derivada.
Representación gráfica de funciones. Monotonía, extremos y concavidades.
13. Elasticidad.
14. Primitivas. Integrales indefinidas.
15. Integrales definidas. Integrales impropias.
16. Funciones de varias variables. Gráfico. Límites, continuidad.
17. Derivadas parciales, diferenciación, vector gradiente.
18. Elasticidad parcial.
19. Conjuntos convexos. Funciones convexas.
20. Extremos en funciones de varias variables.
21. Optimización con restricciones: Lagrange, Kuhn-Tucker.
22. Integrales definidas múltiples.
BIBLIOGRAFÍA
- Repartidos teóricos y prácticos del Profesor del curso.
- “Matemática para el Análisis Económico” – SYDSAETER y HAMMOND
- “Métodos fundamentales de economía matemática” – CHIANG
- “Matemáticas para Administración, Economía, Ciencias Sociales y de la Vida”
HAEUSSLER & PAUL (Prentice Hall)
1. TEORÍA DE CONJUNTOS
Los conceptos de conjunto y elemento de un conjunto pueden aceptarse como
primitivos, en el sentido que no requieren de una definición precisa para manejarlos y
operar con ellos. Conviene sí recordar algunas ideas sobre los conjuntos.
- Un conjunto queda bien definido cuando se conoce cuáles elementos le pertenecen.

La noción de pertenencia también es primitiva.
- Los elementos de un conjunto pueden ser muy diversos y no necesariamente han de
tener características comunes, como intuitivamente puede pensarse. Sin embargo, es
frecuente que las ciencias se refieran a conjuntos de elementos con características
comunes: la Sociología refiere a conjuntos humanos organizados en sociedad, la
Botánica trabaja con conjuntos de plantas, la Psicología con individuos o pequeños
grupos humanos y la Estadística estudia las características de ciertas poblaciones o
universos que no son otra cosa que conjuntos de elementos que poseen una o más
características medibles. En Matemática, los elementos que conforman un conjunto
no tienen por qué tener características comunes. Un conjunto puede estar formado por
los siguientes tres elementos: mi reloj, mi nombre y el pizarrón del salón de clase.
Obsérvese que el conjunto queda bien definido al mencionar todos los elementos que
lo componen. Pero los conjuntos más interesantes –sobre todo desde el punto de vista
estadístico– son los que permiten encontrar relaciones entre sus elementos, formando
clases o subconjuntos.
- En Matemática los conjuntos no tienen elementos repetidos. Esta aclaración es
relevante porque en Estadística los conjuntos pueden contener elementos repetidos.
- En Matemática el orden de los elementos de un conjunto es irrelevante. Si dos
conjuntos tienen los mismos elementos, entonces ambos conjuntos son iguales, sin
importar el orden en que se presentan sus elementos.
- En la historia de la Matemática, la formalización de la teoría de conjuntos es muy
posterior en el tiempo a la formalización del concepto de número. La teoría de
conjuntos es de fines del siglo XIX y su principal exponente fue el alemán J. Cantor2.
La teoría de números fue desarrollada por varias de las antiguas culturas (griega,
china, maya, egipcia) algunos siglos antes de Cristo.
- El pastor de ovejas en la Grecia antigua no sabe contar, pero cada vez que saca las
ovejas del corral para llevarlas a pastar, coloca una piedra en su morral. Cuando
vuelve con las ovejas, por cada una que ingresa al corral el pastor tira una piedra. Así,
si en el morral quedan piedras, sabe que se le han perdido ovejas. El pastor establece
una relación biunívoca entre dos conjuntos, piedras y ovejas, para resolver su
problema de conteo. ¡Y no sabe contar, pues no conoce los números!
Los conjuntos suelen denominarse en Matemática mediante las letras de nuestro

alfabeto, en mayúscula: A, B, C, etc. Los elementos se simbolizan con las mismas letras,
pero en minúscula. El símbolo ∈ indica pertenencia. Así, “a ∈ C” indica que el elemento
“a” pertenece al conjunto C, mientras que la expresión “b ∉ A” indica que el elemento
“b” no pertenece al conjunto A.
Se denomina conjunto vacío a un conjunto que no tiene elementos, y se lo
simboliza con la letra mayúscula griega φ.
2
George Cantor nació en San Petersburgo en 1845 y falleció en 1918 internado en un manicomio. Se cree
que enloqueció tratando de resolver una falla en la teoría de conjuntos que descubrió Bertrand Russell. La
falla se conoce hoy como “paradoja de Bertrand Russell” y fue precisamente este filósofo y matemático
británico (1872-1970) quien posteriormente resolvió la falla.
Existen diversas formas de representar los conjuntos: mediante texto y mediante
gráficas. Cuando se pueden enumerar uno a uno todos los elementos del conjunto, porque
se trata de un conjunto finito (y con pocos elementos), los elementos se separan con
comas dentro de un par de llaves.
Ejemplo: el conjunto de los resultados posibles de una tirada de un dado es:
D = {1,2,3,4,5,6}
Esta forma de presentación textual del conjunto se denomina “por extensión”.

Otra forma textual consiste en dar una regla que establezca qué elementos pertenecen al
conjunto (y cuáles no). Siguiendo con el ejemplo del dado, el conjunto de los resultados
posibles es una parte de los números naturales (N): los naturales comprendidos entre 1 y
6. La notación “por comprensión” sería:
D = {x:x∈N, 1 ≤ x ≤ 6}
que se lee así: “D es el conjunto de números x que cumplen con dos condiciones, x es un
número natural y x está comprendido entre 1 y 6”.
La forma gráfica más usual para representar un conjunto es el diagrama de Venn.

Consiste en dibujar dentro de un rectángulo, un círculo o de un óvalo todos los elementos
del conjunto.
P D D A
Números 2 3 1 Juan
Pares 2 Pedro
4 5 6 3 María
1 4
5
6
Cuando se trabaja con conjuntos de números, resulta muy útil la representación

gráfica mediante una recta en la que se establece un origen (O) y un sentido (→), el
sentido en el que crecen los números.
1 2 3 4 5 6
Los elementos de un conjunto pueden ser personas, nombres, números y también

conjuntos. Por ejemplo, sea el conjunto A formado por tres elementos: a, b, c.
A = {a,b,c}
Consideremos ahora el “conjunto de las partes del conjunto A”.
PA = {φ, {a}, {b}, {c},{a,b}, {a,c},{b,c},{a,b,c}}
Por convención, el conjunto vacío es “parte” de cualquier conjunto. ¿Qué

propiedades tienen los elementos del conjunto PA? En primer lugar, estos elementos son
a su vez conjuntos, y en segundo lugar, están incluidos o son una parte (en sentido
amplio) del conjunto A. La notación para la inclusión es el símbolo ⊆ (“inclusión en
sentido amplio”, implica que eventualmente los dos conjuntos pueden ser iguales). La
inclusión relaciona dos conjuntos, mientras que la pertenencia relaciona un elemento con
un conjunto.
En relación con el ejemplo anterior, la notación apropiada sería:
{a,b} ⊆ A
{a} ∈ PA
A ∈ PA
{a} ∉ A
La noción de “conjunto de conjuntos” es muy utilizada en Estadística. Por

ejemplo, cuando se quiere seleccionar una muestra de personas, pero no se tiene una lista
completa del universo a investigar, pero sí una lista de las viviendas donde viven dichas
personas, entonces se puede seleccionar una muestra de viviendas y luego seleccionar a
todas o algunas de las personas que habitan en las viviendas elegidas. El diseño de la
muestra consiste en seleccionar primero un conjunto de conjuntos (viviendas, como
conjuntos de personas) y en una segunda etapa seleccionar personas.
Definición: Se dice que el conjunto A está incluido en otro conjunto B si se

cumple que todo elemento de A es también un elemento de B.
A ⊆ B ⇔ (∀ a ∈ A ⇒ a ∈ B)
El símbolo “∀” significa “para todo”. Si el conjunto B

A está incluido en el B, también se dice que A es un A
subconjunto de B.
Definición: Si se cumple a la vez que A ⊆ B y que B ⊆ A, entonces A = B. Esta es

la definición matemática de igualdad de conjuntos. También se puede decir que dos
conjuntos son iguales si tienen los mismos elementos.
Las Ciencias Sociales tienen como objeto de estudio al Hombre, las relaciones
entre el Hombre y la Sociedad, las relaciones entre grupos sociales, etc. Obsérvese que la
Psicología y la sociología trabajan con conjuntos de individuos –pequeños grupos y
grandes grupos humanos llamados sociedades– y al analizar los grupos, estos se definen
en relación con el grupo más amplio posible, el cual se denomina “población” o
“universo”. Si se adopta la notación Ω para simbolizar al universo, entonces cualquier
subconjunto A de personas de ese universo determina una partición del universo en dos
clases:
- C1 = conjunto de individuos de Ω que pertenecen al conjunto A

- C2 = conjunto de individuos de Ω que no pertenecen al conjunto A
La clase C2 se denomina “conjunto complementario de A Ω

respecto de Ω” (notación: AC) y se puede definir también así:
AC
A
AC = {x: x∈Ω y x ∉A}
Las clases C1 y C2 determinan una partición de Ω si se cumple que ambas son no

vacías. Más formalmente, una partición del universo es una regla que clasifica a los
elementos del universo en clases separadas y no vacías. La partición puede determinar
sólo dos clases, como en el ejemplo anterior, o más de dos clases, incluso hasta un
número infinito de clases. Ejemplos:
1. El universo es el conjunto de todos los individuos residentes de un país, y las

clases son dos: sexo femenino y sexo masculino.
2. El universo es el conjunto de todos los individuos residentes de la India y las
clases son dos: consumidores de Campa-Cola y no consumidores del producto.
3. El universo es el conjunto de los hogares residentes de un país y las clases
están definidas por el número de miembros del hogar: hogares unipersonales,
hogares con 2 personas, etc. ¿Cuántas clases hay en Uruguay? ¿Cuál es la
clase más frecuente?
4. Ω = N
Ci = {x: x∈N y 5.(i-1) ≤ x ≤ 5.i-1} con i=1,2,3,…….
¿Cuántos elementos tiene cada clase?
Entre los conjuntos es posible definir ciertas operaciones. Una operación pone en
relación dos entidades –en este caso, dos conjuntos– y como resultado de dicha relación
se obtiene una nueva entidad –en este caso, un conjunto–.
Definición: Dados dos conjuntos, A y B, se llama unión de A con B a otro

conjunto que tiene todos los elementos de A y todos los elementos de B.
Notación: Unión de A con B = A ∪ B

A B
Propiedades de la unión de conjuntos
1. Conmutativa: A ∪ B = B ∪ A
2. Asociativa: (A ∪ B) ∪ C = A ∪ (B ∪ C)
3. A ⊆ B si y solo si A ∪ B = B
4. A ∪ Φ = A para todo conjunto A
5. A ∪ AC = Ω
Definición: Dados dos conjuntos, A y B, se llama intersección de A y B a otro

conjunto que tiene sólo los elementos comunes de A y B.
A B
Propiedades de la intersección de conjuntos

1. Conmutativa: A ∩B = B ∩ A
2. Asociativa: (A ∩B) ∩ C = A ∩ (B ∩ C)
3. A ⊆ B si y solo si A ∩ B = A
4. A ∩ φ = φ para todo conjunto A
5. A ∩ AC = φ
Si la intersección de dos conjuntos es vacía, se dice que ambos conjuntos son

disjuntos o mutuamente excluyentes.
Propiedades que combinan unión e intersección

1. Distributiva respecto de la intersección: A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
2. Distributiva respecto de la unión: A ∪ (B ∩C) = (A ∪ B) ∩ (A ∪ C)
3. Ley de De Morgan: (A ∪ B)C = AC ∩ BC
4. Ley de De Morgan: (A ∩ B)C = AC ∪ BC
Repartido Práctico 1: Teoría de conjuntos
Ejercicio 1
a) Escribir por extensión el conjunto: A = {x: x es natural, 2 < 2.x – 3 ≤ 11}
b) Hallar 5 elementos del conjunto B = {x: x es natural, x ∉ A}
c) Hallar 5 elementos del conjunto C = {(x, y): x es natural, y es natural, x-y = 3}
d) Con relación al conjunto anterior, ¿cuál de las siguientes expresiones es la
correcta: [10∈C y 7∈C], [(10,7) ∈C]?
e) Escribir por comprensión el conjunto de los números fraccionarios cuyos
denominadores son mayores que los numeradores.
f) Escribir por comprensión el conjunto de los divisores de 10.
g) Sea el conjunto formado por 5 personas: {Ana, Juana, Jorge, Pedro, Luis}.
Hallar el conjunto de todos los pares de personas (importa el orden) con la
condición que en cada par no haya dos varones.
h) Si a∈B y B∈Θ, ¿se deduce que a∈Θ?
i) Mostrar que el conjunto D = {x: x∈N, 1<x3<100} está incluido en el conjunto
E = {x: x∈N, 1<x2<100}.
j) ¿De qué otra manera se puede definir el conjunto F = {x: x∈N y x < 0}?
Ejercicio 2
a) Se tienen cuatro conjuntos, A es el conjunto de los múltiplos de 2, B es el
conjunto de los múltiplos de 3, C es el conjunto de los múltiplos de 6 y D es el
conjunto de los números impares. Calcular los conjuntos que resultan de las
siguientes operaciones:
i) A∩B= v) B ∩ C =
ii) B∪C= vi) B ∩ D =
iii) A∪D= vii) A ∩ φ =
iv) A∩D= viii) A ∪ φ =
b) Considere el conjunto de los números naturales como universo (N = Ω), y los
conjuntos A, B, C y D definidos en el literal anterior. Hallar los siguientes
conjuntos (definirlos por comprensión o en función de A, B, C ó D):
i) AC
ii) DC
iii) (A∪D)C
iv) (A∩D)C
c) Demostrar, usando diagramas de Venn, las propiedades distributivas.
Si A, B y C son tres conjuntos cualesquiera de Ω, entonces:
i) A∩(B∪C) = (A∩B)∪(A∩C)
ii) A∪(B∩C) = (A∪B)∩(A∩C)
d) Demostrar, usando diagramas de Venn, las leyes de De Morgan.

i) (A∪B)C = AC∩BC
ii) (A∩B)C = AC∪BC
Ejercicio 3
En una población de 100.000 habitantes el 20% lee el periódico La Noche, el 25%
lee el semanario El Encuentro, pero sólo el 5% lee ambas publicaciones. ¿Cuántos
pobladores no leen ninguna de las dos publicaciones?
2. RELACIONES Y FUNCIONES
Definición: Se llama producto cartesiano del conjunto de partida A por el
conjunto de llegada B (notación: AxB) a un conjunto de pares ordenados cuyo primer
componente es un elemento de A y cuyo segundo componente es un elemento de B.
Ejemplo: A = {a,b,c}
B = {1,2,3,4}
AxB = {(a,1), (a,2), (a,3), (a,4), (b,1), (b,2), (b,3), (b,4), (c,1), (c,2), (c,3), (c,4)}
Obsérvese que los elementos de AxB son ahora pares ordenados. Por ejemplo, el
par (a,3) pertenece al producto cartesiano, mientras que el par (3,a) no pertenece al
producto cartesiano. Por lo dicho, en general, AxB ≠ BxA.
Si A y B son finitos, entonces el número de elementos de AxB es el producto del

número de elementos de A por el número de elementos de B.
El producto AxB puede visualizarse en un diagrama de Venn, donde sus

elementos (los pares ordenados) están dados por el origen y la punta de cada flecha.
A B
a 1
b 2
c 3
Definición: Se llama relación de A en B a una terna ordenada [A, B, G] donde G

es un conjunto de pares ordenados de primera componente en A y segunda componente
en B. El conjunto G se llama gráfico de la relación de A en B.
El gráfico de la relación es, por definición, un subconjunto del producto cartesiano

de AxB. Se deduce que [A, B, AxB] es una relación.
Los siguientes ejemplos son los gráficos de cuatro relaciones, los cuales se
presentan expresados por extensión y luego mediante los diagramas de Venn. Los
conjuntos A y B de la terna [A, B, G] son los del ejemplo anterior.
G1 = {(a,1), (a,2), (b,1), (b,2), (c,1), (c,2)}

G2 = {(a,1), (b,2), (c,3)}
G3 = {(a,1), (b,1), (c,1)}
G1 = {(c,4)}
G1
A B
a 1
b 2
c 3
G2
A B
a 1
b 2
c 3
G3
A B
a 1
b 2
c 3
G4
A B
a 1
b 2
c 3
4
Algunas relaciones pueden definirse mediante la regla de formación de los pares,
por comprensión. Por ejemplo, en el gráfico G3 la relación consiste en hacer corresponder
a todo elemento de A el elemento “1” de B.
Otro ejemplo: sea A el conjunto de todos los países de la Tierra y sea B el

conjunto de todas las ciudades del mundo. Se definen dos relaciones:
R1 = a cada país de A se le hace corresponder su capital en B.
R2 = a cada país de A le corresponden en B todas las ciudades, de ese mismo país

con más de 1.000.000 de habitantes.
En el caso R1 todos los elementos de A son “origen” de una flecha, y solo una, en
el gráfico porque todos los países tienen una sola capital (Bolivia podría considerarse una
excepción del cual parten dos flechas). En el caso R2 algunos países podrían no figurar
como primera componente del gráfico por no tener mega-ciudades (Bolivia es un ejemplo
de este tipo). De Uruguay partiría una única flecha en el gráfico de R2 (pues Montevideo
es la única mega-ciudad), mientras que de Brasil, Argentina, México y EEUU partirían
varias flechas en el gráfico de R2 (tantas como ciudades que pasan del millón de
habitantes en dichos países).
Definición: Se llama función de A en B a toda “relación de A en B” que cumple

con dos condiciones:
a) Todo elemento de A tiene su correspondiente en B en el gráfico de la función.

b) Cada elemento de A tiene un único correspondiente en B en dicho gráfico.
Notación: [A, B, f ] donde A es el dominio o conjunto de partida, B es el

codominio o conjunto de llegada y “f” es el gráfico de la función.
Entonces una función no es más que una relación, pero una relación particular,
que debe cumplir las dos condiciones mencionadas en la definición. Veremos a
continuación algunos ejemplos de relaciones para identificar cuáles de ellas son también
funciones.
R1 R2 R3
X X X X X X
X X X X X X
X X X X X X
R4 R5
X X X X
X X X X
X X X X
R1, R2 y R3 son funciones. R4 no es función porque falla la condición a) y R5 no es
función porque falla la condición b).
Otro ejemplo: la relación que hace corresponder a cada número natural (A es el

conjunto de los naturales) su cuadrado (B es también el conjunto de los naturales) es una
función, pues todo número natural tiene un cuadrado natural, y éste es único. Esta función
tiene, además, una interpretación geométrica: relaciona el lado de un cuadrado con el área
del cuadrado.
En el gráfico de una función el primer componente del par se denomina

argumento de la función y el segundo componente es el valor o imagen de la función
para dicho argumento. Si dominio y codominio de la función son conjuntos de números,
entonces el argumento y valor se denominan también abcisa y ordenada respectivamente.
Notación: Si los conjuntos de partida y de llegada están sobreentendidos (por

ejemplo, porque ambos son el conjunto de números naturales), un argumento cualquiera
se simboliza con la letra “x” y al correspondiente de x según la función f se lo
simboliza con la expresión “f(x)”, entonces las notaciones más habituales para la función
del último ejemplo son:
f
x f(x) = x2
f: f(x) = x2
En caso que dominio y codominio de la función sean conjuntos de números,

resulta muy útil la represtación del gráfico en un par de ejes cartesianos3 ortogonales.
f(x)
16
1 2 3 4 x
En el gráfico precedente se representan, en la intersección de las líneas punteadas,

cuatro elementos del gráfico de la función f: f(x) = x2, los pares (1,1), (2,4), (3,9) y
(4,16). Los ejes se dicen “ortogonales” porque son perpendiculares.
3
René Descartes (1596-1650) filósofo, físico y matemático francés. Es el creador de la geometría analítica.
El conjunto de valores de f, elementos del codominio a los que llegan flechas, se
denomina conjunto imagen de f.
Imagen de f = {z: z pertenece a B y existe x en A tal que f(x) = z}= f(A)
Definición: f es una función inyectiva de A en B si dos elementos distintos de A

tienen imágenes distintas en B.
f es inyectiva ↔ [x ≠ y → f(x) ≠ f(y)]
Ejemplo: la función f: f(x) = x2 es inyectiva si el dominio es el conjunto N (pues a

dos naturales diferentes corresponden cuadrados diferentes) pero no es inyectiva si el
dominio es el conjunto de los enteros, pues por ejemplo +3 ≠ -3 y sin embargo (+3)2 =
(-3)2.
Definición: f es una función sobreyectiva si el conjunto imagen de f coincide con

el codominio.
f es sobreyectiva ↔ f(A) = B
Ejemplo: la función f: f(x) = x + 2, donde A y B son los números enteros, es

sobreyectiva, pues todo número entero de B es imagen de algún elemento en A. En
cambio, la función f: f(x) = x2, con dominio y codominio entero, no es sobreyectiva
porque por ejemplo el entero +3 en B no es imagen de ningún número entero de A.
Definición: Se dice que una función es biyectiva si es a la vez inyectiva y

sobreyectiva.
Definición: Sea f una función de A en B. Se denomina función inversa de f

(notación: f -1) a otra función tal que a cada imagen le hace corresponder su preimagen:
[B, A, f -1].
Observación: no siempre existe la función inversa. Para que exista la función

inversa de f se tiene que cumplir que todo elemento de B sea imagen, y que cada
elemento de B sea imagen de un único argumento. En otras palabras, para que exista f -1
se tiene que cumplir que f sea biyectiva.
A B B A
f f -1
Definición: Sean dos funciones [A, B, f] y [B, C, g]. Se dice que h es la función
compuesta de f y g si el conjunto de partida de h es el conjunto de partida de f , el
conjunto de llegada de h es el conjunto de llegada de g, y la imagen de un argumento x
por g se obtiene de aplicar a x la función f y al valor f(x) la función g.
[A, C, h] función compuesta de [A, B, f] y [B, C, g] ↔ h(x) = g[f(x)]

A B C
f g
h
Repartido Práctico 2: Relaciones y Funciones
Ejercicio 1
Sean dos conjuntos: A = {María, Juana, Laura, Anastasia}
B = {Pedro, Raúl, Bernardo}
a) Hallar el producto cartesiano AxB (conjunto de parejas heterosexuales posibles).

b) Hallar el gráfico de la relación “Nombre de la mujer es alfabéticamente anterior que
el nombre del varón”.
c) Hallar el gráfico de las relaciones de parejas posibles teniendo en cuenta las
siguientes restricciones simultáneamente:
• María y Raúl son hermanos
• Laura y Bernardo ya fueron pareja, se separaron y no pueden verse
• Anastasia es tía de los tres varones.
Ejercicio 2
Sean dos conjuntos: A = {1, 3, 5, 7}
B = {0, 2, 4, 6}
a) Hallar el producto cartesiano AxB.
b) ¿Es AxB = BxA?
c) Hallar el gráfico de la relación R1 = {(a, b): (a, b) ∈ AxB, a ≤ b}
d) Hallar el gráfico de la relación R2 = {(a, b): (a, b) ∈ AxB, a = b}
e) Hallar el gráfico de la relación R1 = {(a, b): (a, b) ∈ AxB, 2.a = b}
f) Hallar el gráfico de la relación R1 = {(a, b): (a, b) ∈ AxB, a2 > b}
Ejercicio 3
Indicar cuáles de las siguientes relaciones son también funciones.
a) R1 = A cada país le corresponde su capital

b) R2 = A cada ciudad le corresponde el país donde está asentada.
c) R3 = A cada mujer le corresponde su o sus hijos
d) R4 = Hijo de
e) R5 = Padre de
f) R6 = A cada empleado de la empresa le corresponde un cargo en la empresa
g) R7 = A cada cargo de la empresa le corresponde una persona de la PEA
h) R8 = A cada persona de la PEA le corresponde un cargo en una empresa
i) R9 = A cada consumidor de refrescos, la marca preferida de refrescos.
Ejercicio 4
De las relaciones del Ejercicio 3 que son también funciones, indicar si son
inyectivas, sobreyectivas y/o biyectivas.
Ejercicio 5
En los siguientes casos indicar si el gráfico corresponde o no a una función, con
dominio (conjunto de partida) y codominio (conjunto de llegada) de números reales.
Caso 1 Caso 2
Caso 3 Caso 4
Caso 5 Caso 6
Caso 7 Caso 8
Ejercicio 6
Escribir mediante fórmulas del tipo y = f(x) ó z = f(x, y) las siguientes
relaciones.
a) y = área de un cuadrado
x = medida del lado del cuadrado
b) y = área de un rectángulo, uno de cuyos lados mide 2

x = medida del otro lado del rectángulo
c) y = importe de la factura mensual del consumo eléctrico, que incluye solamente el

cargo fijo del medidor ($60) y un precio único del kwh de $2.
x = cantidad de kwh consumidos en el mes
d) y = importe de la factura mensual del consumo eléctrico, que incluye:

- cargo fijo de $60
- potencia contratada de $120
- precio unitario de los primeros 100 kwh = $2
- precio unitario de los kwh por encima de los primeros 100 = $2,50
- impuestos sobre todos los conceptos: 26,69%
x = cantidad de kwh consumidos en el mes
e) z = importe de la factura mensual de ANTEL, que incluye:

- cargo fijo de $150
- precio unitario de los cómputos = $0,90
- precio del minuto de conexión a Internet = $0,30
- exoneración de los primeros 50 cómputos
- impuestos sobre todos los conceptos: 26,69%
x = cantidad de cómputos consumidos en el mes
y = cantidad de minutos de conexión a Internet
3. CONJUNTOS NUMÉRICOS. OPERACIONES CON NÚMEROS
Vamos a suponer que Ud. ya conoce los números, las operaciones que pueden
realizarse con ellos y sus propiedades más importantes. Si esto no es cierto, algunas de las
dificultades que se le habrán de presentar, Ud. podrá resolverlas con la ayuda de una
computadora personal o con una calculadora de bolsillo. Pero algunos problemas
quedarán sin resolver, y otros resultarán demasiado complicados si se desconocen los
métodos para simplificarlos. Es con ese objeto –el resolver o simplificar algunos
problemas– que se escriben estas líneas.
Empecemos con los números naturales (notación: N). Ellos son:
0, 1, 2, 3, 4, 5, .....
Los puntos suspensivos indican que se trata de un conjunto infinito. Para un

natural dado (tan grande como se quiera), siempre es posible encontrar un natural más
grande. Sin embargo, entre dos naturales no siempre es posible encontrar otro natural
(entre el 4 y el 5 no hay ningún natural).
El resultado de sumar o multiplicar dos naturales es siempre otro número natural.

Pero la resta de naturales o la división no tienen, siempre, un resultado natural. Por
ejemplo, 3 – 5 = -2, que no es un número natural, y 3 : 5 = 3/5 = 0,6, que tampoco es un
número natural. Otro tanto ocurre con la radicación: 4 = 2, 3 125 = 5, pero 3 no tiene
un resultado “exacto” expresable en números naturales (ni siquiera en números
decimales). Estas limitaciones conducen a la ampliación de los conjuntos de números.
Pero volviendo a los números naturales y sus operaciones, es necesario fijar

algunas reglas. Si se tiene la expresión:
3 + 2 x 34
es necesario establecer en qué orden deben efectuarse las operaciones, porque según cual
sea el orden, el resultado es diferente. Supongamos que el orden consiste en realizar las
operaciones en el orden en que aparecen en la expresión. Entonces la primera operación a
realizar sería 3 + 2 = 5. La segunda, la multiplicación de este resultado por 3, 5 x 3 = 15.
Y la tercera, consistiría en elevar este resultado a la cuarta potencia: 154 = 15 x 15 x 15 x
15 = 50.625.
Sin embargo, sabemos que éste es un resultado “equivocado”, porque en

matemática las operaciones no se realizan en el orden en que aparecen, sino siguiendo
unas reglas de prioridad. En este sentido, las reglas establecen que:
- En primer lugar, deben realizarse las operaciones de potenciación y radicación

(ambas tienen la misma prioridad).
- En segundo lugar, las operaciones de multiplicación y de división (ambas tienen
la misma prioridad).
- En tercer lugar, las operaciones de suma y resta (ambas tienen la misma
prioridad).
En consecuencia, siguiendo con el ejemplo anterior, la primera operación a
realizar es 34 = 81. La expresión resulta ahora así:
3 + 2 x 81
Las reglas de prioridad establecen que a continuación se debe realizar la

multiplicación, obteniéndose: 2 x 81 = 162. La última de las operaciones es la suma, 3
+ 162 = 165, resultado final de la expresión original.
Para realizar las operaciones combinadas hemos aplicado, entre otras, la regla que
dice que los signos “+” y “menos” separan términos. Obsérvese que esta regla establece
que primero deben efectuarse las “otras” operaciones, y finalmente las de suma y resta.
Este es un caso particular de las reglas de prioridad que enunciamos más arriba.
¿Y si en realidad las operaciones que queríamos realizar en la expresión del

ejemplo eran las del orden de aparición? En este caso habría que cambiar el orden de
prioridad. El instrumento para hacerlo es el paréntesis.
[(3 + 2) x 3] 4
Los paréntesis permiten cambiar las reglas de prioridad introduciendo las

siguientes reglas adicionales.
- En primer lugar, deben efectuarse las operaciones indicadas dentro del paréntesis
curvo.
- En segundo lugar, deben efectuarse las operaciones indicadas dentro del
paréntesis recto.
- En tercer lugar, deben efectuarse las operaciones indicadas dentro de las llaves
(luego veremos un ejemplo).
- Al interior de cada paréntesis y fuera de ellos se siguen aplicando las reglas de
prioridad antes enunciadas.
En la última expresión, el paréntesis curvo indica que la primera operación a

efectuar es (3+2). El paréntesis recto, que la segunda operación consiste en multiplicar
por 3 el resultado de (3+2), (3+2)x3=15, y finalmente 154 = 50.625.
Otro ejemplo: 2 x{3 : [(5 − 2 )x 4]} = 2 x{3 : [3 x 4]} = 2 x{3 : 12} = 2 x{0,25} = 0,5.
Algunas computadoras y calculadoras de bolsillo no reconocen los paréntesis

rectos o las llaves, y trabajan combinando los paréntesis curvos. En el mismo ejemplo
anterior, las operaciones a efectuar se indicarían así:
2x(3:((5-2)x4))
La regla de prioridad en este caso es que se deben efectuar las operaciones
contenidas en los paréntesis en el orden de “adentro hacia fuera”. En el ejemplo, primero
se calcula (5-2), al resultado se lo multiplica por 4, etc.
Otra forma de alterar las reglas de prioridad consiste en extender los signos de
división o de radicación, como a continuación se explica. Si queremos efectuar la
6
operación 6:3, ésta también puede escribirse 6/3 ó . Si la operación a efectuar es
3
6
6:(3+2), ésta también puede expresarse 6/(3+2) ó . En consecuencia, la “raya
3+ 2
larga” de división opera de la misma forma que un paréntesis, indicando que tiene
primera prioridad la suma (3+2), y que luego debe efectuarse la división.
Otro tanto ocurre con la radicación. 4 + 5 indica que primero debe realizarse la
suma, y luego la raíz cuadrada. En cambio, en la expresión 4 + 5 , primero debe
efectuarse la raíz cuadrada y luego la suma.
En uno de los ejemplos anteriores introdujimos los números 0,25 y 0,50 que no
son números naturales. Veamos por qué se hace necesario introducir nuevas categorías de
números.
En primer lugar, la resta de dos números naturales no siempre da como resultado
un número natural. Por ejemplo, 3-5 no es natural y, en consecuencia, si se quiere
generalizar la resta, es necesario definir un conjunto de números que incluya, entre otros,
el resultado de 3-5. Tal conjunto es el de los números enteros. Ellos son los naturales
acompañados de un signo “más” o “menos”:
.....,-3, -2, -1, 0, +1, +2, +3, .....
Los números enteros se representan con la letra E y forman un conjunto infinito, y

para ahorrar esfuerzo, los números “positivos” se escriben sin el signo +. Este queda
sobreentendido. Porque en la práctica, los enteros positivos funcionan como los números
naturales. Esto es, se pueden realizar las mismas operaciones y gozan de las mismas
propiedades.
¿En qué se diferencian los enteros de los naturales? Entre los enteros siempre es
posible realizar la sustracción, es decir, la resta de dos enteros es un número entero.
Como consecuencia de ello, para cada entero, siempre existe un entero “opuesto”. El
opuesto de +3 es -3, el opuesto de -8 es +8, etc. Formalicemos esta propiedad junto
con otras de interés general.
Propiedades de la suma de enteros
1. Conmutativa: para todo par de enteros a y b, se cumple que a + b = b + a.
2. Asociativa: para todo a, b y c enteros se cumple que a + (b + c) = (a + b) + c.
3. Existencia de neutro: el cero es el único entero que, sumado con otro, da por resultado
ese otro. a + 0 = a ∀a entero.
4. Existencia de inverso: ∀a ∈ E, ∃ (-a) tal que a +(-a) = 0. Además el inverso es único.
Observaciones
a) Cuando la operación es la suma, el “inverso” se denomina “opuesto”.
b) En el conjunto de los naturales no se cumple la propiedad del inverso.
c) Cuando en un conjunto (C) se define una operación (+) que cumple con las
propiedades 2, 3 y 4, se dice que el par {C, +} tiene estructura de grupo. Si
además se cumple la propiedad 1, entonces se dice que el grupo es abeliano o
conmutativo.
d) {E, +}tiene estructura de grupo. Si consideramos los enteros y la multiplicación
.
(.), para {E, } se cumplen las tres primeras propiedades pero no la cuarta
(Existencia de inverso). ¿Por qué no se cumple?
Existe una propiedad que combina las dos operaciones de suma y multiplicación:
Distributiva: si a, b y c son enteros, entonces a.(b + c) = a.b + a.c
Indica que hay dos formas de realizar la operación combinada: en una de ellas
primero se suma (b + c) y al resultado se lo multiplica por a; en la otra, primero se
multiplican a con b y a con c, y luego ambos resultados se suman.
Cuando en un conjunto C se definen dos operaciones (“+” y “.”) que cumplen

ambas con las propiedades 1, 2, 3 y 4, más la distributiva, entonces se dice que (C, +, .)
tiene estructura de cuerpo.
Estructura de grupo Estructura de cuerpo

1. Conmutativa + .
2. Asociativa 1. Conmutativa 5. Conmutativa
3. ∃ de neutro 2. Asociativa 6. Asociativa
4. ∃ de inverso 3. ∃ de neutro 7. ∃ de neutro
4. ∃ de inverso 8. ∃ de inverso*
9. Distributiva
*Excepto para el neutro de +
.
Está claro que {E, +, } no tiene estructura de cuerpo, exclusivamente porque no
se cumple la propiedad 4 para el producto: en enteros no se verifica la existencia de
inverso. En general, dado un entero a, no existe otro entero a’ tal que a x a’ = 1 (donde
1 es el neutro del producto). Por ejemplo, el inverso de (-3) sería (-1/3) porque
(-3)x(-1/3) = 1. Pero (-1/3) no es un número entero.
Esta limitación de los enteros se levanta con la introducción de los números
racionales (también conocidos como “fracciones” o números “decimales”). Por
definición los números racionales son cocientes de la forma a/b, donde a y b son
enteros y b ≠ 0.
El conjunto de los números racionales (Q) es un conjunto con infinitos elementos,

pero con una propiedad que no tienen los naturales ni los enteros: entre dos racionales
diferentes, siempre hay otro racional. Probemos esta afirmación, conocida con el nombre
de “densidad”.
Sean a y b dos racionales diferentes, sea a < b. Si a es negativo y b positivo,

entonces entre ambos está el racional cero. Probemos que entre dos racionales positivos
siempre hay otro racional (la prueba es similar si ambos son negativos). Sean los
racionales positivos p/q y r/s. Probaremos que (p+r)/(q+s) es otro racional que está
entre aquellos dos. (p+r)/(q+s) es un racional porque (p+r) es un entero y (q+s)
también lo es, y además es (q+s) ≠ 0 (porque ambos son positivos). Se trata de un
cociente de enteros que, por definición, es un número racional.
(p+r)/(q+s) < r/s, si se cumple que (p+r).s < (q+s).r, o también, aplicando la
propiedad distributiva:
p.s + r.s < q.r + s.r
Por la propiedad conmutativa del producto resulta r.s = s.r. Si restamos a ambos
miembros de la desigualdad la cantidad r.s, entonces la desigualdad se mantiene.
Resulta: p.s < q.r, que es equivalente de p/q < r/s, que es la hipótesis de partida. La
cadena de silogismos vale también en el sentido contrario, y con ello queda demostrado
que si p/q < r/s, entonces (p+r)/(q+s) < r/s. La prueba se completa demostrando en
forma análoga que p/q < (p+r)/(q+s).
Cuando un conjunto numérico tiene la propiedad que entre dos elementos del
conjunto siempre hay otro, se dice que el conjunto es denso. Como el conjunto Q es
denso, parece razonable que podamos establecer una correspondencia (una función) entre
los elementos de Q y los puntos de una recta. Sobre una recta damos un sentido (en la
dirección de la flecha), un origen (el punto 0) y una unidad de medida (el segmento OA
tiene medida “1”). El sentido de la recta nos indica la dirección en la cual crecen los
números.
0 1
O A
Cualquier número de Q tiene un correspondiente punto sobre la recta. Para ubicar

el correspondiente de 2/3 se procede como sigue: se divide el segmento OA en tres
partes iguales, y luego se toma el doble de una de esas partes. El segmento resultante se
mide a partir de O en el sentido de la flecha, y el segundo extremo indica el punto
correspondiente a 2/3. Para ubicar el correspondiente del número -4/3 en la recta, se
divide OA en tres partes iguales y luego se toma un segmento cuatro veces más grande
que el tercio hallado. El segmento resultante se mide a partir de O en el sentido contrario
al de la flecha. El segundo extremo del segmento determina el punto correspondiente a
-4/3.
-4/3 0 2/3 1
O A
Cabe preguntarse si también se cumple el recíproco: ¿a todo punto sobre la recta

le corresponde un número racional? La respuesta es negativa. Como ejemplo, puede
tomarse el resultado de la radicación, una de las operaciones inversas de la potenciación.
25 = 5 porque 52 = 25
3
1000 10 ⎛ 10 ⎞ 1000
3 = porque ⎜ ⎟ =
27 3 ⎝3⎠ 27
1000
Entonces 25 y 3 son racionales. Pero 2 no tiene respuesta en el conjunto
27
de los racionales. Por el absurdo: si 2 fuera racional, entonces se podría escribir como
cociente de dos enteros: 2 = a/b, donde a y b son enteros sin factores comunes
(fracción reducida). Por definición, resulta 2 = (a/b)2. Se deduce: 2.b2 = a2. Como el
factor 2 aparece a la izquierda en la igualdad, a2 también debe contener el factor 2.
Entonces el número a puede escribirse de la forma a = 2.c. Entonces: a2 = (2.c)2 = 4.c2.
Entonces: 2.b2 = 4.c2, o lo que es lo mismo, b2 = 2.c2. Con el mismo razonamiento, b
contiene el factor 2, lo cual es absurdo porque a y b eran dos enteros sin factores
comunes. Conclusión: 2 no es un número racional. Lo mismo ocurre con muchos otros
resultados de la radicación, y también con los de la otra operación inversa de la
potenciación, la logaritmación.
Si se quiere ubicar el punto sobre la recta correspondiente a 2 , alcanza con

construir un cuadrado de lado 1. Por Pitágoras, las diagonales del cuadrado miden 2 .
Tomando la diagonal del cuadrado, con origen en O y en el sentido de la flecha, el
segundo extremo de la diagonal proyectada indica el punto de la recta correspondiente a
2.
0 1 2
Todos los puntos sobre la recta que no se corresponden con un número racional,
se denominan irracionales. Se define el conjunto de los números reales (R) como la
unión de Q con el conjunto de los irracionales.
Observaciones
a) El conjunto de los números reales completa la recta. A cada número de R le
corresponde un punto sobre la recta y viceversa. La relación entre R y los puntos
de la recta es una función biyectiva.
b) El conjunto R es infinito y denso.
c) ¿Todos los resultados de la radicación son números reales? La respuesta es
negativa –por ejemplo − 1 no es un número real– y este es el origen de una
nueva categoría de números, los números complejos, que nosotros no
estudiaremos.
Los números reales son, de los que hemos presentado, el conjunto más amplio en
el que se pueden definir las operaciones racionales –suma, resta, multiplicación y
división– sin restricciones (excepto la división entre cero), pero también la potenciación –
con algunas restricciones– y también sus operaciones inversas: radicación y
logaritmación. Dedicaremos estas últimas notas a presentar estas operaciones y sus
principales propiedades.
Potenciación
⎧a.a.a......a ( producto de n factores a, si n es natural )
Definición: a n = ⎨ 0
⎩ a =1
Observaciones
a) 00 no está definido, no es un número.
b) Si n no es natural, la definición de an es un poco más complicada y no nos
ocuparemos de ella. Digamos que podemos resolver los problemas que se nos
presenten usando la función xy que tienen todas las máquinas científicas. Así,
para calcular 1,053,5 se procede de la siguiente manera:
- se introduce en la máquina el número 1,05

- se aprieta la tecla “xy”
- se introduce 3,5
- se aprieta la tecla “=”
- se obtiene 1,186212638.
Algunas máquinas exigen que en el primer paso se introduzca 3,5 y en el tercer

paso el número 1,05. Algunas máquinas tienen un visor más pequeño (con menos
dígitos) y la respuesta podría ser 1,186213. En ambos casos se trata de aproximaciones
de un número real, cuya expresión decimal contiene infinitas cifras. 1,053,5 puede
interpretarse como el monto que genera un capital de $1 colocado a interés compuesto, a
la tasa del 5% anual durante 3,5 años. Obsérvese que 1,19 es una aproximación
suficiente para este último problema, dado que sólo existe la posibilidad de cobrar o
pagar con fracciones que llegan hasta los centésimos.
Propiedades de la potenciación
Sean: a, b, n y m números naturales, a y b ≠ 0.
1. an.am = an+m (producto de potencias de igual base)

an
2. = a n − m (cociente de potencias de igual base)
am
3. an.bn = (a.b)n (producto de potencias de igual exponente)
n
an ⎛ a ⎞
4. = ⎜ ⎟ (cociente de potencias de igual exponente)
bn ⎝ b ⎠
5. (an)m = an.m (potencia de potencia)
2 8.4 7.8 5
Ejemplo: utilizar las propiedades anteriores para simplificar .
(2.4) 7 .8 4
2 8.4 7.8 5 2 8.4 7.8 5 2 8 4 7 8 5
= = x x = 2 8−7 x 4 7 −7 x8 5− 4 = 21 x 4 0 x81 = 16.
(2.4) 7 .8 4 2 7.4 7.8 4 2 7 4 7 8 4
Radicación
Definición: n
a = b ⇔ a = bn
Ejemplo: 3 8 = 2 porque 8 = 2 3 . La forma más fácil de resolver los problemas de

radicación, consiste en transformarlos en problemas de potenciación, adoptando la
siguiente definición complementaria:
1
n
a = an
y utilizando la máquina de calcular con las teclas “xy” o “x1/y”.
Cuando se tienen varios radicales, resultan útiles los siguientes resultados.
Propiedades de la radicación
1. n
a .n b = n a.b
n
a a
2. n
=n
b b
3. n
a .m a = n.m a n + m
4. n m
a = n. m a
La expresión n
a está definida en el conjunto de los números reales si:
- n es impar y a un real cualquiera, o
- n es par y a es un real no negativo.
Que la expresión está definida significa que puede calcularse exactamente o con
una aproximación decimal (las más de las veces) por ejemplo, con la ayuda de una
calculadora. Que no existe la expresión para un radicando negativo y un índice par,
significa que se trata de una operación no permitida dentro del conjunto de los números
reales.
Logaritmación
Definición: logb x = a ⇔ x = ba
Para que tenga sentido (para que sea un número real) la expresión del logaritmo,
se requieren tres condiciones a saber:
x > 0, b > 0 y b ≠ 1.
De la definición se deduce que la logaritmación es una de las operaciones inversas
de la potenciación: se conoce la potencia de la base (b) y el resultado de la potencia (x), y
la incógnita es el exponente (a) al cual debe elevarse la base para obtener aquel resultado
(x). De la propia definición se deduce que:
1. logb b = 1
2. logb 1 = 0
3. logb bn = n. logb b
Con un poco de trabajo adicional se demuestran las siguientes propiedades.

4. logb a + logb c = logb (a.c)
5. logb a - logb c = logb (a/c)
log c a
6. logb a =
log c b
Problema
Un capital de $10.000 se coloca al 3% mensual efectivo de interés compuesto. Se
pide calcular los intereses acumulados luego de: a) 5 meses, y b) 5 meses y 18 días.
La fórmula del monto generado por un capital (C) colocado a interés compuesto a
la tasa i durante t períodos es:
t
M = C.(1 + i)
La fórmula es válida siempre que la tasa de interés y el período de la colocación
se midan en la misma unidad de tiempo (por ejemplo, en meses). La fórmula para
calcular el interés es:
I=M–C
Ahora es posible resolver los dos problemas antes planteados.
a) Interés generado en 5 meses: M – C = 10.000(1+0,03)5 – 10.000 = $1.592,74.

b) En 5 meses y 18 días: M – C = 10.000(1+0,03)5+(18/30) – 10.000 = $1.654,58.
Expresiones decimales y notación científica

Las calculadoras científicas, salvo excepciones, no devuelven los resultados de las
operaciones en forma fraccionaria, sino que lo hacen con notación decimal. Los
siguientes son algunos ejemplos:
1/3 = 0,33333333333
2 = 1,41421356
log 2 = 0,30103
L2 = 0,693147
Para aprovechar mejor el espacio del visor, la calculadora utiliza, cuando lo

necesita, la notación científica con potencias de 10. Ejemplos:
0,0000008 = 8 x 10-7
3.456.500.000 = 3,4565 x 109
Ejemplos de operaciones prohibidas en el conjunto de los números reales

5
00 2n
−a con a > 0 log1 a log −3 a log10 − 4
0
Origen de los números e y π

π es la constante por la que se debe multiplicar el diámetro de una circunferencia
para hallar el perímetro de dicha circunferencia. Los antiguos griegos creían que dicha
constante era igual al cociente 223 entre 71 (que es una excelente aproximación). Resulta
que π es un número real, no racional, que ni siquiera puede escribirse usando radicales.
Se dice que π es un número “trascendente”, lo que significa que dicho número no puede
ser raíz de ninguna ecuación polinómica de coeficientes enteros.
El número e (en honor del matemático Euler4) es otro real trascendente. Se lo

utiliza como base de los logaritmos “naturales” o “neperianos”. Puede obtenerse una
aproximación de dicho número tomando algunos términos de la suma infinita:
1 1 1 1
1+ + + + + ........
1! 2! 3! 4!
1
o tomando n grande en la expresión (1 + ) n . Por ejemplo: e ≅ (1+0,01)100 ≅ 2,7048.
n
Una mejor aproximación del número e es 2,718281828.
Una aplicación de logaritmos

En el problema de la colocación financiera teníamos un capital de $10.000
colocado al 3% de interés mensual efectivo. Nos preguntamos ahora por cuánto tiempo
deberá permanecer colocado el capital para generar $2.000 de interés.
4
Leonardo Euler (1707-1783) matemático suizo que además investigó en el campo de la física, la química,
la metafísica y la astronomía.
Solución: generar $2.000 de interés es lo mismo que generar un monto de
$12.000. El planteo es entonces así:
t
12.000 = 10.000.(1+0,03)
donde la incógnita a encontrar es “t”, el tiempo que debe permanecer colocado el capital
para generar $2.000 de interés. Operando en la ecuación resulta:
1,03t = 1,2
Pasando a logaritmos: log(1,03t) = log 1,2 y utilizando una de las propiedades de

logaritmos se obtiene:
t x log1,03 = log 1,2
log 1,03
t= = 6,168
log 1,2
Encontramos que el capital debe colocarse por aproximadamente 6 meses y 5 días

para generar $2.000 de interés.
Cotas y extremos de un conjunto

Los conjuntos de números pueden ser finitos o infinitos. N, E, Q y R son ejemplos
de conjuntos infinitos. En virtud de la densidad de los racionales y de los reales, sabemos
que entre dos racionales (reales) hay también infinitos racionales (reales).
Se dice que un conjunto es infinito numerable si sus elementos se pueden hacer

corresponder biunívocamente con el conjunto de los naturales. Aunque parezca una
paradoja, el conjunto de los números naturales pares (P) se puede poner en
correspondencia biunívoca con N; en consecuencia, P es un conjunto infinito numerable.
P N
0 0
2 1
4 2
6 3
8 4
. .
2.n n
. .
. .
No es fácil, pero se puede demostrar que Q es un conjunto infinito numerable. En

cambio, R es un conjunto infinito no numerable (tampoco es fácil la demostración), y
también es un conjunto infinito no numerable cualquier intervalo de números reales.
¿Cuáles son los conjuntos de números más usuales en Matemática? La respuesta
es: el conjunto N, el conjunto R y ciertos subconjuntos de R que se definen a
continuación.
Intervalo cerrado de extremos a y b: [a, b] = {x: x X R, a ≤ x ≤ b}

Intervalo abierto de extremos a y b: (a, b) = {x: x X R, a < x < b}
Intervalo semiabierto por izquierda: (a, b] = {x: x X R, a < x ≤ b}
Intervalo semiabierto por derecha: [a, b) = {x: x X R, a ≤ x < b}
Semi-recta de los puntos a la derecha de K, con K incluido = {x: x X R, x ≥ K}
Cuando K es “grande”, este conjunto también se conoce como “entorno de + infinito”.
Semi-recta de los puntos a la izquierda de H, con H excluido = {x: x X R, x ≤ H}
(Si H es negativo y “grande”, este conjunto se denomina “entorno de – infinito”).
Entorno de centro “a” y radio “r”: ∪a,r = {x: x X R, a – r < x < a + r}
Entorno reducido de centro “a” y radio “r”: ∪*a,r = {x: x X R, x ≠ a, a – r < x < a + r}
Definición: Se dice que un conjunto A de números está acotado si se cumplen a la

vez las dos condiciones siguientes:
a) ∃ un número K tal que x ≤ K ∀ x XA
b) ∃ un número H tal que x ≥ H ∀ x XA
No hay No hay
elementos de A Conjunto A elementos de A
H K
Se dice que el conjunto A está acotado superiormente si se cumple la condición a)

Se dice que el conjunto A está acotado inferiormente si se cumple la condición b). Se
dice que K es una cota superior del conjunto A, y que H es una cota inferior del conjunto
A.
Observaciones
1. Si el conjunto A es finito, entonces está acotado. Alcanza con ordenar los
elementos de A de menor a mayor, y entonces el menor es una cota inferior
mientras que el mayor valor de A es una cota superior.
2. Si K es una cota superior del conjunto A, entonces todo número mayor que K
también es cota superior de A. Si H es una cota inferior del conjunto A, entonces
todo número menor que H también lo es.
3. Si el conjunto A es infinito, entonces puede o no estar acotado. Ejemplos:
- N está acotado inferiormente pero no superiormente. 0 es una cota inferior.
No es posible encontrar un K: n ≤ K ∀ n XN. Entonces, N no está acotado.
- El conjunto E no está acotado inferior ni superiormente.
- [a, b] es un conjunto acotado. Por ejemplo, b y (b+1) son cotas superiores,
mientras que a y (a-3) son cotas inferiores.
- ∪a,r es un conjunto acotado. (a-r) y (a+r) son una cota inferior y otra
superior.
Si un conjunto A admite cotas superiores, la menor de las cotas superiores se
llama supremo del conjunto A. Si el supremo, además, pertenece al conjunto A, entonces
el supremo se llama máximo o extremo superior del conjunto A. Análogamente, si el
conjunto A admite cotas inferiores, la mayor de las cotas inferiores se llama ínfimo del
conjunto A, y si el ínfimo pertenece al conjunto A, entonces se llama mínimo o extremo
inferior del conjunto A.
Problema
En la Edad Media una viejita cuenta sus gallinas. Si cuenta de 2 en 2 le sobra una,
si cuenta de 3 en 3 le sobra una, si cuenta de 4 en 4 le sobra una y si cuenta de 5 en 5 le
sobra una. Hallar cuántas gallinas tiene la viejita. a) Hallar el conjunto de soluciones
posibles del problema. b) Hallar el mínimo de dicho conjunto.
El símbolo sumatoria
Los elementos de un conjunto, a veces, se pueden escribir mediante una fórmula,
lo que permite simplificar notablemente la notación. Por ejemplo, el conjunto de los
números naturales pares puede simbolizarse por “2.n” donde n XN. Análogamente, la
expresión “2.n + 1” simboliza un número natural impar cualquiera, y n2 representa a los
números naturales que son cuadrados perfectos.
En muchas aplicaciones es necesario realizar operaciones tales como la suma o el

producto de números que tienen “la misma forma” porque pertenecen a conjuntos cuyos
elementos están relacionados mediante una fórmula general. En estos casos, la suma de
dichos números puede escribirse utilizando la letra sigma mayúscula (n). La expresión:
∑ Fórmula(i)
i =1
indica que se deben sumar 8 sumandos los cuales resultan de sustituir el índice “i” en la
“Fórmula(i)” por los números naturales 1, 2, 3, 4, 5, 6, 7 y 8. Entonces:
∑ 2.i = 2.1 + 2.2 + 2.3 + 2.4 + 2.5 + 2.6 + 2.7 + 2.8

i =1
5
∑i
i =1
2
= 12 + 2 2 + 3 2 + 4 2 + 5 2
6
∑ (2.i − 1) = 5 + 7 + 9 + 11
i =3
¿Cómo puede escribirse la suma (17 + 21 + 25 + 29 + 33 + 37 + 41) mediante el

símbolo sumatoria? Es necesario explicitar la “Fórmula(i)” y determinar el recorrido del
índice “i”. Para encontrar la fórmula, puede observarse que se trata de sumandos impares,
que van saltando de 4 en 4. Entonces, una fórmula apropiada es (4.i + 1) con i = 4, 5, 6,
7, 8, 9 y 10.
10
17 + 21 + 25 + 29 + 33 + 37 + 41 = ∑ (4.i + 1)
i =4
Obsérvese que (4.i – 3) también sirve como fórmula para resolver el problema. En
tal caso, ¿qué valores debería tomar el índice i?
Sea el conjunto A con n números, cada uno de los cuales se simboliza con xi.
A = {x1, x2, x3, ….. , xn}
n
La suma de todos los elementos de A es: ∑x
i =1
i y el promedio de los elementos
de A es:
n
x1 + x 2 + x3 + ..... + x n ∑x i
= i =1
n n
Supongamos ahora que los elementos del conjunto se pueden disponer en un

cuadro de doble entrada (cuadro de filas y columnas), disposición que se conoce con el
nombre de “matriz”.
C1 C2 C3 …….. Cn
F1 x11 x12 x13 …….. x1n
F2 x21 x22 x23 …….. x2n
F3 x31 x32 x33 …….. x3n
…..
Fm xm1 xm2 xm3 …….. xmn
Esta matriz tiene m filas (F1, F2, ….. , Fm) y n columnas (C1, C2, ….. , Cn). La
n
suma de los elementos de la primera fila es ∑x
i =1
1i . La suma de los elementos de la tercera
m
columna es ∑x
i =1
i3 . Para facilitar la notación en este caso resulta conveniente utilizar
índices distintos para filas y columnas. Entonces, la suma de los elementos de la tercera
m
columna se puede expresar también así: ∑x
j =1
j3 .
Si se trata ahora de sumar todos los elementos de la matriz, entonces se puede

utilizar una “doble sumatoria”:
m n
Suma de todos los elementos de la matriz: ∑∑ x
j =1 i =1
ij
Propiedades de la sumatoria
1. Constante multiplicativa: ∑ (K .x ) = K .∑ x
i i
2. Sumatoria de una suma: ∑ (x + y ) = ∑ x + ∑ y

i i i i
3. Interversión del símbolo: ∑∑ x
i j
ij = ∑∑ xij
j i
Si en lugar de sumar los elementos xi se trata de multiplicarlos, entonces se utiliza

la expresión productoria mediante el símbolo pi mayúscula:
n
x1.x2.x3…..xn = ∏x
i =1
i
Por ejemplo, para representar el producto de 1x2x3x4x…..x25 mediante el

símbolo productoria, se tiene:
25
1x2x3x4x…..x25 = ∏i i =1
Se recuerda que para este producto particular – el producto de un número natural

por todos los menos que él hasta llegar al uno o también “factorial” del número– existe
una notación aún más simple usando el signo final de admiración:
1x2x3x4x…..x25 = 25!
Repartido Práctico 3.1: Operaciones con números. Uso de la calculadora
Ejercicio 1
Utilizando las propiedades de las operaciones racionales, indicar si las siguientes
afirmaciones son verdaderas (V) o falsas (F).
V F
a) 5a.(x+3) = 5a.x +15a ∀a,x
b) (2 – x) + y = 2 + (y – x) ∀x,y
c) (-2).(x – y) = -2x – 2y ∀x,y
d) 4 + 40 = 40
4
x.( x + 2) + x ( x + 2) + x
e) = ∀x
x.( x + 1) x +1
x.( x + 2) + x x + 3
f) = ∀x
x.( x + 1) x +1
g) (-1).(-2).(- 3 – 4) = - 10
h) (-1).(-2).(- 3 – 4) = - 14
i) 20 = 1
j) 21 = 0
k) 0 =0
l) 1 =1
m) 2 =2
1 2
n) =
2 2
−1
⎛ 1 ⎞ 1
o) ⎜ −1 ⎟ =
⎝2 ⎠ 2
−2
⎡ 1 ⎤ 1
p) ⎢ −1 ⎥
=
⎣ (−2) ⎦ 4
Ejercicio 2
Calcular con la calculadora, aproximando con dos decimales.
a) 3=
3
b) =
3
1
c) =
7
5
d) =
11
3
e) =
16
−3
f) 3
=
8
−2
g) =
3
−8
2
−
⎛ 1000 ⎞ 3
h) ⎜ ⎟ =
⎝ 9 ⎠
4
i) 2=
18
j) 3
=
18
k) (1 + 0,03)2,5 =
l) (1 + 0,02)24 =
m) 1/(1 + 0,02)24 =
n) log 23 =
o) log 2 + log 5 =
p) log 20 – log 2 =
q) log 10.000 =
r) 2,3 2,3 =
Repartido Práctico 3.2: Sumatoria, cotas y extremos de un conjunto

Ejercicio 1
Una canasta de consumo alimenticio se compone de 6 artículos, con los siguientes
datos.
ARTÍCULO(i) CANTIDAD(qi) PRECIO(pi) COSTO(ci)

Leche 20 6 5
Vino 12 20 16
Carne 10 30 20
Pan chico 40 2 1
Queso 4 48 30
Yerba 5 25 20
SE PIDE:
1. Calcular el valor de la canasta a precios de venta (presupuesto mensual).
2. Calcular el valor de la canasta a precios de costo.
3. Calcular el margen comercial total.
4. Calcular el margen de contribución por producto de la canasta.
5. Calcular el margen de contribución relativo por producto de la canasta.
Ejercicio 2
Una canasta de consumo alimenticio se compone de k artículos (k > 100), con los
siguientes datos.
ARTÍCULO CANTIDAD PRECIO COSTO

1 Q1 P1 C1
2 Q2 P2 C2
3 Q3 P3 C3
--- --- --- ---
k Qk Pk Ck
SE PIDE:
Plantear utilizando el símbolo de sumatoria.
1. El valor de la canasta a precios de venta.
2. El valor de la canasta a precios de costo.
3. El valor de la canasta a precios de venta de los primeros 20 artículos.
4. El valor de la canasta a precios de costo de los últimos 15 artículos.
5. El margen comercial total.
6. El margen de contribución relativo promedio, ponderando con el valor de cada
producto en el presupuesto mensual.
7. Calcular el margen de contribución relativo promedio, así ponderado, con los datos
del Ejercicio 1.
Ejercicio 3
Calcular las siguientes sumas.
12
a) ∑ i =
i =1
9
b) ∑ i 2 =
i =1
11
c) ∑ (2.i − 1) =
i=4
Ejercicio 4
Escribir utilizando el símbolo de sumatoria:
a) 2 + 4 + 6 + 8 + ... +100 =
b) 1 + 3 + 5 + 7 + ... +75 =
c) 1 + 2 + 4 + 8 + 16 + ... + 1024 =
d) 17 + 21 +25 +29 + 33 + 37 + 41 + 45 + 49 =
e) 1 – 2 + 4 – 8 + 16 - ... + 1024 =
f) 1 + 12 + 14 + 81 + ... + 2048
1
=
g) 1 + 12 + 14 + 18 + ... =
h) 1 + 12 + 13 + 14 + ... + 100
1
=
i) 1 + 2 + 42 + 86 + 1624
+ 120
32
+ ..... =
Ejercicio 5
Hallar, si existen, una cota inferior y una cota superior de los siguientes conjuntos.
A = {1,3,5,7,...,101}
B = {x: x = 1 + 1/n, con n ∈ N}
C = {x: x ∈ [0,2]}
D = {x: x ∈ N, x es divisible entre 2}
E = { x: x ∈ N, x es un divisor de 36}
F = {x: x ∈ N, x es el resto de dividir 36 entre un natural cualquiera}
G = {x: x ∈ R, x2 + 2.x – 3 = 0}
H = {x: x ∈ R, x2 + x + 1 = 0}
Ejercicio 6
Se tiene una cuerda de largo L. Se puede construir con la cuerda un cuadrado o un
hexágono regular, ambos de perímetro L. Se quiere saber cuál de los dos tiene mayor
área.
CURSO 2004
PARTE II

4. POLINOMIOS Y EXPRESIONES ALGEBRAICAS
Monomios
Se conocen como operaciones algebraicas5 a la suma, resta, multiplicación y
división. Vamos a concentrarnos en primer lugar en las operaciones de suma, resta y
multiplicación.
Definición: Se llama monomio al producto de números por letras. Los “números”

pertenecen al conjunto de los reales y las “letras” son números desconocidos o
“indeterminadas”.
Así, son monomios:

3.x.8.x
y.5.y.y
z.z.x.y.x.3.z.z.z
y.x
Por convención, se acostumbra utilizar las últimas letras del alfabeto. Como las
letras representan números, entonces es posible operar con ellos como si fueran números:
valen para los monomios todas las propiedades del producto de números reales. Por eso,
los ejemplos anteriores se pueden escribir colocando los números a la izquierda y las
letras a la derecha, por ejemplo, en orden alfabético, en virtud de la propiedad
conmutativa del producto de números:
24.x2
5.y3
3.x2.y.z5
x.y
En el monomio se pueden reconocer ciertas “partes”:

- el coeficiente: es la parte numérica del monomio (24, 5, 3 y 1 en los ejemplos)
- la parte literal: es el producto de las indeterminadas (x2, y3, x2.y.z5, x.y en los
ejemplos)
- el grado del monomio: es la cantidad de letras que figuran en la parte literal (2, 3,
8 y 2 en los ejemplos). Cuando el monomio es un número, no hay letras, el grado
del monomio es cero.
Polinomios
Definición: Se llama polinomio a la suma o resta de monomios.
Son ejemplos de polinomios:

24.x2 – y3
2.x1
x1 + y1 + z1
2.x0 + 3.x1 + 4.x2 – 5.x3 + 6.x4
x4 + x2 + x0
5
Álgebra proviene del árabe (algiabr) y se utiliza para denominar el estudio de operaciones y propiedades
de ciertos entes representados por símbolos, generalmente letras. El origen del álgebra parece que debe
situarse en India y Persia. Existen antecedentes entre los griegos (Diofanto, siglo III), aunque fueron los
árabes quienes la introdujeron en Europa en el siglo IX.
Los polinomios pueden depender de una o más indeterminadas (una o más letras).
El grado de un polinomio es el mayor de los grados de sus monomios.
Ejemplos: gr(24.x2 – y3) = 3

gr(2.x1) = 1
gr(x1 + y1 + z1) = 1
gr(2.x0 + 3.x1 + 4.x2 – 5.x3 + 6.x4) = 4
gr(x4 + x2 + x0) = 4
Definición: Un polinomio en varias indeterminadas es homogéneo de grado n si

todos sus monomios son de grado n.
Ejemplos:
x3 + y3 es homogéneo de grado 3
x2 + 2.x.y + y2 es homogéneo de grado 2
x3 es homogéneo de grado 3
x2 + 2.y no es un polinomio homogéneo.
Consideremos ahora polinomios en una sola indeterminada (sólo la letra x).

Algunas simplificaciones en la notación. Cuando un monomio tiene coeficiente cero,
entonces se lo elimina del polinomio. Cuando el grado de un monomio es 1, entonces no
se escribe el exponente 1 (3.x1 se escribe 3.x). El monomio 5.x0 se escribe simplemente 5.
Se dice que un polinomio (en una sola indeterminada) está reducido si todos sus
monomios son de distinto grado.
Ejemplos:
-3.x5 + 5.x3 – 2.x es un polinomio reducido
2.x4 + 4.x2 – 5.x4 no es un polinomio reducido
Para obtener un polinomio reducido en el segundo ejemplo, alcanza con realizar la

operación 2.x4 – 5.x4 = (2 – 5).x4 = -3.x4.
Se dice que un polinomio está ordenado si los monomios aparecen en orden

creciente o decreciente de sus grados.
Ejemplos:
2 + 3.x + 4.x2 – 5.x3 + 6.x4 es un polinomio ordenado
2.x4 + 4.x2 – 5.x3 no es un polinomio ordenado
Se dice que un polinomio de grado n es completo si en su desarrollo figuran todos

los monomios de grado menor o igual que n, con coeficientes diferentes de cero.
Ejemplos:
2 + 3.x + 4.x2 – 5.x3 + 6.x4 es un polinomio completo
-3.x5 + 5.x3 – 2.x no es un polinomio completo (los monomios de
grado 2 y de grado 0 tienen coeficiente 0)
El polinomio 2 + 3.x + 4.x2 – 5.x3 + 6.x4 es un polinomio reducido, ordenado y

completo.
Los polinomios son entidades matemáticas –como lo son los números y los
conjuntos–. Se acostumbra denominarlos con letras mayúsculas de nuestro alfabeto
–como a los conjuntos– y cuando es necesario se explicita el nombre de la indeterminada.
P = 2 + 3.x + 4.x2 – 5.x3 + 6.x4

P(x) = 2 + 3.x + 4.x2 – 5.x3 + 6.x4
Definición: Dos polinomios son iguales si tienen el mismo grado y, una vez
reducidos y ordenados, tienen iguales todos los coeficientes respectivos.
Ejemplo: Los polinomios P = 2 + 3.x + 4.x2 – 5.x3 + 6.x4 y Q = 2 + 3.x + 4.x2 –

5.x3 + a.x4 + b.x5, donde a y b son números, son iguales sólo si a = 6 y b = 0.
Si los coeficientes del polinomio se restringen a los números dígitos [0, 1, 2, 3, 4,

5, 6, 7, 8, 9] entonces un polinomio no es otra cosa que el desarrollo de la expresión de un
número en base “x”:
5x103 + 4x102 + 8x101 + 9x100 = 5489(10

3x56 + 2x54 + 1x53 + 3x52 + 4x51 = 3021340(5
En el segundo ejemplo los coeficientes se restringen al conjunto [0, 1, 2, 3, 4], que son
los únicos símbolos necesarios para trabajar en base 5. Muchas civilizaciones primitivas
trabajaban en base 5. Los mayas usaban la base 20. Los árabes fueron los primeros en
adoptar la base 10.
Operaciones con polinomios

Con los polinomios es posible definir operaciones. De hecho, se pueden realizar
con ellos todas las operaciones algebraicas. Y como un polinomio no es otra cosa que la
suma, resta y producto de números y letras –que, como ya dijimos, representan números–
entonces, todas las propiedades de los números son trasladables a los polinomios.
Así, el conjunto de los polinomios tiene estructura de grupo respecto de la suma.

Se cumplen las propiedades de la suma: conmutativa, asociativa, existencia de neutro y
existencia de opuesto. Para hallar el opuesto de un polinomio alcanza con cambiar todos
los signos de sus coeficientes.
Ejemplo: Para sumar los polinomios T = 3.x3 – 2.x + 8 y R = 4.x2 + 5.x – 6 se

procede como en el esquema que sigue (luego de ordenar y reducir los sumandos, si fuera
necesario).
3.x3 +0.x2 – 2.x + 8

+ 4.x2 + 5.x – 6
________________
3.x3 +4.x2 + 3.x + 2
El producto de polinomios es una operación que verifica las propiedades

conmutativa, asociativa y existencia de neutro –el neutro del producto es el polinomio 1–
pero no se cumple la existencia de inverso. Por este motivo, el conjunto de los polinomios
no tiene estructura de cuerpo. El inverso del polinomio (x + 1) es la expresión algebraica
1
, que no es un polinomio (no se puede escribir como suma o resta de monomios).
x +1
Para multiplicar dos polinomios se puede aplicar la propiedad distributiva

generalizada. Ejemplo: para multiplicar (3.x2 + 2.x – 1) por (x3 – 2.x – 3) es necesario
multiplicar cada monomio del primer factor por cada monomio del segundo factor, luego
sumar todos los productos y reducir el resultado.
3.x2 + 2.x – 1
X x3 – 2.x – 3
__________________________
3.x5 + 2.x4 – x3
- 6.x3 – 4.x2 +2.x
- 9.x2 – 6.x + 3
___________________________
3.x5 + 2.x4 – 7.x3 – 13.x2 – 4.x + 3
Función polinómica
A partir de la entidad polinomio es posible definir funciones de dominio y
codominio reales, haciendo corresponder a cada número real “x” el valor que resulta de
sustituir dicho número en P(x).
P
x P(x)
A estas funciones se las conoce como polinómicas y su gráfico suele ser bastante
fácil de representar en un par de ejes cartesianos ortogonales cuando el grado del
polinomio es bajo. En particular, cuando el polinomio es de grado 0 ó 1 el gráfico de la
función polinómica es una recta, y cuando el grado es 2 el gráfico es una parábola.
(A) (B) (C)
P(x) P(x) P(x)
x -1 x 1 2 x
Raíces del polinomio
Se denomina raíz de la función polinómica al valor de la indeterminada (en el
lenguaje de funciones se le llama “variable”) que hace que el valor de la función
polinómica sea nulo.
α es raíz de P ↔ P(α) = 0
Gráficamente, la raíz de P es un valor de x donde el gráfico de la función corta al

eje Ox. En el gráfico (A) no hay raíces, en el gráfico (B) la única raíz es α = -1 y en el
gráfico (C) la función polinómica tiene dos raíces: α1 = 1 y α2 = 2.
Dado un polinomio, los problemas que pueden presentarse respecto de sus raíces
son:
- cuántas raíces reales tiene
- cómo encontrar todas sus raíces reales
- cómo aproximarlas cuando son reales irracionales.
Estos problemas, que ya se habían planteado griegos y árabes a comienzos de

nuestra era, recién tuvieron respuesta a partir del siglo XVI y siguientes. La propiedad
más relevante sobre raíces de polinomios expresa: Todo polinomio de grado n tiene a lo
sumo n raíces reales. El teorema proporciona una cota superior del número raíces, pero
no resuelve los problemas arriba enunciados. Para encontrar las raíces reales existen
varios métodos que permiten obtenerlas exactamente: el teorema de la raíz racional, la
propiedad que relaciona coeficientes del polinomio con sus raíces, el teorema de la
descomposición factorial y el método de Ruffini para “bajar” el grado del polinomio.
Cuando las raíces son reales irracionales existen métodos para aproximarlas mediante
números decimales prefijando el máximo error tolerable. En este curso no trataremos
ninguno de estos métodos. Veremos sí algunos casos particulares.
Cuando el polinomio es de primer grado, siempre admite una raíz real (única).
P(x) = a + b.x
α = -a/b
Cuando el polinomio es de segundo grado, admite raíces reales si la expresión

denominada “discriminante” es mayor o igual que 0.
P(x) = a.x2 + b.x + c
∆ = b2 – 4.a.c es el discriminante
−b+ ∆ −b− ∆
Las expresiones α 1 = y α2 = proporcionan las dos raíces
2.a 2.a
de la función polinómica, en caso que ∆ sea mayor que cero. Si ∆ = 0, entonces las dos
raíces son iguales. Pero si el discriminante es negativo, entonces la función no tiene
raíces. Estas situaciones se pueden visualizar gráficamente.
∆>0 ∆=0 ∆<0
El coeficiente del monomio de grado 2 cumple un papel relevante en la forma del

gráfico: si a > 0 entonces la parábola “mira” hacia arriba, y si a < 0 entonces los cuernos
de la parábola miran hacia abajo.
De acuerdo con el Teorema de Descomposición Factorial, si α1 y α2 son las

raíces del polinomio P(x) = a.x2 + b.x + c, entonces el polinomio también se puede
expresar así:
P(x) = a.(x - α1).(x - α2)
Más en general, si el polinomio es de grado n y admite las raíces α1, α2, α3, …., αn
y an es el coeficiente del monomio de mayor grado, entonces el polinomio puede
expresarse como producto así:
P(x) = an.(x - α1).(x - α2).(x – α3)…..(x – αn)
Si el polinomio P es de grado n y admite sólo k raíces reales (k < n), entonces

todavía P se puede factorizar así:
P(x) = an.(x - α1).(x - α2).(x – α3)…..(x – αk). Q(x)
donde Q es un polinomio de grado (n – k). Se puede demostrar que el polinomio Q es de

grado par (y que sus raíces son pares de números complejos conjugados).
Ejemplo: El polinomio P(x) es de grado 6, el monomio de 6º grado es (-4) y

admite las raíces 1, 2, 2, 3, -1 y -2. Expresar el polinomio en forma factorial.
P(x) = -4.(x – 1).(x – 2).(x – 2).(x – 3).(x-(-1)).(x –(-2))

P(x) = -4.(x – 1).(x – 2)2.(x – 3).(x +1).(x +2)
Signo del polinomio
¿Cómo es aproximadamente el gráfico de la función polinómica?
-2 -1 1 2 3
Las raíces de P son puntos de corte del gráfico con el eje Ox. Las raíces
consecutivas determinan intervalos: (-∞, -2), (-2, -1), (-1, 1), (1, 2), (2, 3) y (3, +∞).
Obsérvese que en esos intervalos el signo de P es o bien positivo o bien negativo (no hay
cambios de signo dentro de esos intervalos). De acuerdo con el gráfico precedente, el
esquema del signo de P es:
- 0 + 0 - 0 + 0 + 0 -
Sgn P
-2 -1 1 2 3
En el esquema se colocan todas las raíces y en los intervalos que éstas determinan
se señala el signo del gráfico (+ ó – según corresponda). ¿Existe alguna regla general para
hallar el signo de un polinomio de grado cualquiera? La respuesta es afirmativa si se
conocen todas las raíces y el signo del coeficiente del monomio de más alto grado (an).
En este caso el polinomio se puede factorizar y hallar el signo en cada intervalo mediante
la regla del producto de números. Si se trabaja de derecha a izquierda, el primer intervalo
tiene el signo de an. Al pasar de un intervalo al siguiente –siempre de derecha a
izquierda– si la raíz es simple o de multiplicidad6 impar, entonces se produce un cambio
de signo al pasar al nuevo intervalo. Si la raíz es de multiplicidad par, entonces el nuevo
intervalo mantiene el signo del contiguo a la derecha.
Fracciones algebraicas
El cociente de polinomios da origen a una nueva entidad matemática denominada
fracción algebraica.
P
Definición: F = es una fracción algebraica si P y Q son dos polinomios y Q no
Q
es el polinomio nulo.
6
Se denomina “multiplicidad” a la cantidad de veces que se repite la misma raíz en el polinomio. En el
ejemplo precedente la raíz 2 es de multiplicidad 2, mientras que las restantes raíces son de multiplicidad 1.
2.x + 1 1 x − 3 4.x 3 − 2.x 2 + 8.x − 1
Ejemplos: ; ; ; .
x2 −1 x + 2 2 3.x 2 − x − 9
El conjunto de las fracciones algebraicas tiene estructura de cuerpo pues el

cociente de fracciones algebraicas es otra fracción algebraica, a condición que el
denominador no sea la fracción nula.
La suma, resta, producto y cociente de fracciones algebraicas siguen las mismas

reglas operatorias de las fracciones numéricas.
Ejemplos:
2.x x + 2 2.x.( x + 1) + ( x + 2).( x − 1) 3.x 2 + 3.x − 2
a) + = =
x −1 x +1 ( x − 1).( x + 1) x2 −1
2.x x + 2 2.x.( x + 1) − ( x + 2).( x − 1) x 2 + x + 2
b) − = =
x −1 x +1 ( x − 1).( x + 1) x2 −1
2.x x + 2 2.x.( x + 2) 2.x 2 + 4.x
c) × = =
x − 1 x + 1 ( x − 1).( x + 1) x 2 −1
2.x x + 2 2.x x + 1 2.x.( x + 1) 2.x 2 + 2.x
d) ÷ = × = = 2
x − 1 x + 1 x − 1 x + 2 ( x − 1).( x + 2) x + x − 2
¿Es posible definir nuevas funciones a partir de las fracciones algebraicas? Por
ejemplo, consideremos la relación que a cada valor de “x” le asigna el valor de 2.x/(x-1).
Si el dominio y el codominio son los números reales, entonces esta relación no es una
función porque el valor x = 1 del dominio no tiene correspondiente en el codominio (pues
para x = 1 se anula el denominador). Para que la relación x → 2.x/(x-1) sea una función,
es necesario restringir el dominio eliminando el o los valores de x que hacen que la
fracción tenga denominador nulo. En este ejemplo, x = 1 es el único valor que debe ser
excluido del dominio de la función:
Dominio de F = D(F) = {x: x X R y x ≠ 1}
¿Cómo es el gráfico de la función fracción algebraica? El gráfico es un poco más

complicado que el de las funciones polinómicas, y este problema lo abordaremos más
adelante. Pero sí podemos hallar el esquema del signo de F. Si F = P/Q, entonces resulta
que Sgn F = Sgn (PxQ), excepto en los puntos tales que Q(x) = 0. En tales puntos no
existe el signo de la fracción (recordar que tales puntos quedan excluidos del dominio de
la función).
4.x 2 − 20.x + 24
Ejemplo: Hallar el esquema del signo de F = .
x2 − 4
El polinomio del numerador tiene raíces α1 = 2 y α2 = 3. El polinomio del

denominador tiene raíces β1 = 2 y β2 = -2. El polinomio PxQ tiene las raíces -2, 2, 2 y 3
y su primer coeficiente es +4. En consecuencia:
+ 0 - 0 - 0 +
Sgn PxQ
-2 2 3 x
+ ∃ - ∃ - 0 +
Sgn F
-2 2 3 x
Productos notables
Sean P y Q dos polinomios. Se denomina binomio a las expresiones (P+Q) y
(P-Q). Se denominan productos notables a las siguientes expresiones.
(P+Q)2 = P2 + 2.P.Q + Q2
(P–Q)2 = P2 - 2.P.Q + Q2
(P+Q).(P–Q) = P2 – Q2
(P+Q)3 = P3 + 3.P2.Q + 3.P.Q2 + Q3
¿Y si fuera necesario elevar el binomio a un exponente más alto, por ejemplo,

7
(P+Q) ? Para resolver este problema existe un resultado general, conocido como el
desarrollo del binomio de Newton7. Recordando el significado de la expresión “n
n!
factorial”, n!, y adoptando la notación Cin = (que se lee “combinaciones de n
i!.(n − i )!
en i”) se tiene el siguiente resultado:
n
(P+Q)n = ∑C
i =0
i
n
.P i .Q n−i
Ejemplos:
1. (x2 + 3.x)2 = (x2)2 + 2.(x2).(3.x) + (3.x)2 = x4 + 6.x3 + 9.x2
2. (x2 +3.x)5
( x 2 + 3.x) 5 = C05 .( x 2 ) 0 .(3.x) 5 + C15 .( x 2 )1 .(3.x) 4 + C 25 .( x 2 ) 2 .(3.x) 3 +
C35 .( x 2 ) 3 .(3.x) 2 + C 45 .( x 2 ) 4 .(3.x)1 + C55 .( x 2 ) 5 .(3.x) 0 =
= 243.x5 + 405.x6 + 270.x7 + 90.x8 + 15.x9 + x10
Repartido Práctico 4: Polinomios y expresiones algebraicas
7
Isaac Newton (1642-1727) físico, astrónomo y matemático inglés, famoso por su descubrimiento de las
leyes de gravedad.
Ejercicio 1
Sean los polinomios: P(x) = 2x3 – 3x2 + x – 1 y S(x) = x2 + 2x – 3.
a) Calcular P + S.
b) Calcular – 2S y ½.S.
c) Calcular 3.P – 6.S.
d) Calcular P – (2x).S.
e) Calcular P.S.
Ejercicio 2
Hallar el desarrollo de:
a) (x2 – 2x)2
b) (2x3 – x)2
c) (x2 + ½.x)3
d) (x2 – 2x). (x2 + 2x)
Ejercicio 3
Realizar las siguientes operaciones.
1 1
a) + =
x x2
1 1
b) − =
x x −1
x x −1
c) + =
x +1 x
x x −1
d) 2 + =
x −1 x +1
Ejercicio 4
a) Hallar raíces y signo del polinomio S(x) = x2 + 2x – 3.
b) Hallar raíces y signo de T(x) = (x2 – 2x)2.
2x − 5 x − 1
c) Hallar raíces y signo de M(x) = 2 + .
x −1 x +1
Ejercicio 5
Escribir las siguientes expresiones como polinomios reducidos y ordenados.
a) (2x+1)4
b) (x2 – 2x)6
5. ECUACIONES. SISTEMAS DE ECUACIONES LINEALES

Ecuaciones
Sean f y g dos funciones cuyos dominios son conjuntos de números (cuando
dependen de una sola variable) o cuyos dominios son conjuntos de pares, ternas, etc.
(cuando las funciones dependen de dos, tres o más variables). En todos los casos, los
codominios de las funciones son conjuntos de números.
Considérese una nueva entidad matemática llamada ecuación que tiene la forma
f =g
Si las funciones dependen de una sola variable, entonces f(x) = g(x) es una
ecuación “en x”. Si las funciones dependen de de dos variables, entonces f(x, y) = g(x, y)
es una ecuación “en x e y”; en tres variables se tiene la ecuación f(x, y, z) = g(x, y, z).
En polinomios las letras se conocen como “indeterminadas”, en funciones se las

denomina “variables”, mientras que en ecuaciones se les llama “indeterminadas”.
Definición: Resolver la ecuación f = g consiste en encontrar todos los elementos

comunes de los dominios de f y g que hacen que los valores de las funciones (las
imágenes) coincidan. El conjunto de elementos que satisfacen la igualdad f(x) = g(x), o
bien las igualdades f(x, y) = g(x, y) ó f(x, y, z) = g(x, y, z), se denomina conjunto
solución de la ecuación y cada elemento del conjunto solución se llama raíz de la
ecuación.
Ejemplo 1: Si f(x) = 2.x +1 y g(x) = -x + 7, es fácil demostrar que la ecuación

2.x + 1 = -x + 7 tiene por única raíz x = 2. El conjunto solución es S = {x: x = 2}.
Ejemplo 2: Si f(x, y) = 3.x + 3.y y g(x, y) = x + y + 2, entonces la ecuación

3.x + 3.y = x + y + 2 tiene como conjunto solución S = {(x, y): y = -x + 1}, el cual
contiene infinitos pares de reales.
Desde el punto de vista geométrico, el conjunto solución de una ecuación es el

conjunto de puntos (de la recta, del plano, del espacio de 3 dimensiones o de un
hiperespacio) donde se intersectan los gráficos de las funciones f y g.
Así, en el Ejemplo 1, la única raíz (x = 2) es la abcisa del punto donde se

intersectan las funciones f(x) = 2.x +1 y g(x) = -x +7, cuyos gráficos se representan por
dos rectas en un par de ejes cartesianos ortogonales.
En el Ejemplo 2, los gráficos de las funciones f(x, y) = 3.x + 3.y y g(x, y) = x +

y + 2 se representan por dos planos en el espacio tridimensional. El conjunto solución
S = {(x, y): y = -x + 1} es el conjunto de los puntos de una recta en el plano
bidimensional.
Consideremos ahora, en particular, las funciones de una sola variable, las que dan
origen a ecuaciones de la forma f(x) = g(x). Resolver la ecuación es encontrar los valores
de la incógnita que satisfacen la igualdad de las dos funciones.
Si f es un polinomio y g(x) = 0, entonces resolver la ecuación f(x) = g(x)

equivale al problema de encontrar las raíces de un polinomio. Para resolver ecuaciones
más generales es necesario enunciar algunas propiedades.
Definición: Dos ecuaciones son equivalentes si sus conjuntos solución son

iguales.
Observación: si dos ecuaciones no tienen raíces, entonces son equivalentes, pues

en ambos casos, el conjunto solución es el conjunto vacío.
Propiedades de las ecuaciones

1. Las ecuaciones f(x) = g(x) y f(x) + K = g(x) + K son equivalentes para todo K X R
2. Las ecuaciones f(x) = g(x) y f(x) – g(x) = 0 son equivalentes
3. Las ecuaciones f(x) = g(x) y K.f(x) = K.g(x) son equivalentes para todo K ≠ 0
4. Las ecuaciones f(x) = g(x) y f(x).h(x) = g(x).h(x) son equivalentes si h(x) ≠ 0 y se
cumple que [D(f) W D(g)] T D(h)
5. La ecuación f(x).h(x) = g(x).h(x) tiene todas las raíces de la ecuación f(x) = g(x) a
condición que [D(f) W D(g)] T D(h).
6. La ecuación [f(x)]2 = [g(x)]2 tiene todas las raíces de la ecuación f(x) = g(x)
Las reglas 5. y 6. se aplican cuando las ecuaciones f(x).h(x) = g(x).h(x) o

[f(x)] = [g(x)]2 son más fáciles de resolver que la ecuación f(x) = g(x). Pero en estos
2
casos habrá que tener un cuidado especial porque las ecuaciones no son equivalentes y las
primeras pueden tener raíces que no son raíces de f(x) = g(x) (se pueden introducir
“raíces extrañas”). Obtenidas las raíces de f(x).h(x) = g(x).h(x) o [f(x)]2 = [g(x)]2, para
resolver la ecuación f(x) = g(x) alcanzará con verificar cuáles de aquellas son también
raíces de esta última.
Aplicando estas reglas, las ecuaciones en las que intervienen sólo polinomios,
resultan equivalentes a ecuaciones de la forma P(x) = 0.
Como casos particulares tenemos:

a.x + b = 0
a.x2 + b.x + c = 0
cuya resolución ya hemos visto. En el segundo caso, las raíces se obtienen utilizando
radicales.
Los casos a.x3 + b.x2 + c.x + d = 0 y a.x4 + b.x3 + c.x2 + d.x + e = 0 también se
pueden resolver por radicales (de índices 3 y 4), resultados obtenidos principalmente por
la escuela matemática italiana8 recién en el siglo XVI (la ecuación polinómica de
segundo grado ya la habían resuelto los griegos de la antigüedad).
¿Qué puede decirse de las ecuaciones polinómicas de quinto grado o más, por
ejemplo, a.x5 + b.x4 + c.x3 + d.x2 + e.x + f = 0? ¿También se pueden resolver por
radicales? Recién en la tercera década del siglo XIX dos matemáticos muy jóvenes, Nils
Abel9 y Evariste Galois10, aunque por métodos distintos, lograron demostrar que estas
ecuaciones no pueden resolverse en general11 mediante radicales.
Pero las ecuaciones pueden contener expresiones más complejas que los
polinomios. Los siguientes son algunos ejemplos.
3.x 2.x + 1
Ecuación con fracciones algebraicas (E1) =
x −1 x +1
Ecuación con radicales (E2) x − 3 = x 2 − 4.x + 1
Ecuación trigonométrica (E3) sen(x + π) = cos2(x + π)
Ecuación logarítmica (E4) log(x2 + 9) = 1 + log(x + 2)
Para resolver (E1) se puede aplicar la propiedad 5 enunciada más arriba,

multiplicando ambos miembros de la ecuación por la expresión h(x) = (x – 1).(x + 1),
obteniéndose la solución S = {0, -2}. Para resolver la (E2) se puede aplicar la propiedad
6, lo que conduce a una ecuación polinómica con solución S = {1, 4}. Sin embargo, la
ecuación (E2) sólo admite como raíz x = 4, pues para x = 1 los radicandos son negativos
y no están definidos en el campo real. La raíz x = 1 es “extraña” y se introdujo en el
problema al elevar al cuadrado ambos miembros de la ecuación. No son objeto del curso
la resolución de ecuaciones trigonométricas, logarítmicas u otras más complicadas.
Sistemas de ecuaciones lineales

Un sistema de ecuaciones es un conjunto de ecuaciones de las cuales interesan las
raíces comunes. Sean S1, S2, S3,.….., Sk los conjuntos solución de de un sistema con K
ecuaciones. Resolver un sistema de ecuaciones es encontrar la intersección de sus
conjuntos solución.
Conjunto solución del sistema = S = S1 W S2 W S3 W.…..W Sk
Un sistema de ecuaciones es lineal cuando todas las funciones que intervienen en
las ecuaciones son funciones polinómicas de hasta grado 1. Los siguientes son ejemplos
de sistemas de ecuaciones no lineales.
⎧ y = x 3 − 2. x ⎧ y = x 2 + 2. x + 3
⎨ ⎨
⎩ y = e −1 ⎩ y = 2. x + 1
2. x
8
Trabajaron en la solución de estos problemas Jerónimo Cardano (1501-1576) italiano, Nicolás Tartaglia
(1499-1557) italiano, y Francisco Vieta (1540-1603) francés.
9
Nils Abel (1802-1829) matemático noruego.
10
Evariste Galois (1811-1832) matemático francés.
11
Sí se pueden resolver por radicales algunos casos particulares. Por ejemplo, la ecuación x5 – 2 = 0 tiene
5
por única raíz real x = 2.
La llave a la izquierda indica que el par de ecuaciones forma un sistema, esto es,
que interesa encontrar el conjunto de pares (x, y) que satisfacen a la vez ambas
ecuaciones.
Definición: Dos sistemas de ecuaciones son equivalentes si sus conjuntos solución

son iguales.
Propiedades de los sistemas de ecuaciones

1. Si se aplican las propiedades 1 a 4 de ecuaciones a cualquiera de las ecuaciones
del sistema, se obtiene un sistema equivalente.
2. Si se cambia el orden de las ecuaciones del sistema, se obtiene un sistema
equivalente.
3. Si a una ecuación se le suma o resta un múltiplo de otra, se obtiene un sistema
equivalente.
4. La forma de un sistema lineal con n incógnitas y m ecuaciones es la siguiente:
⎧ a11 .x1 + a12 .x2 + ........ + a1n .xn = b1

⎪ a .x + a .x + ........ + a .x = b
⎪ 21 1 22 2 2n 2
⎨
n
⎪ ..............................................
⎪⎩am1 .x1 + am 2 .x2 + ........ + amn .xn = bn
4.1. Si b1, b2, … , bm son todos nulos, entonces el sistema lineal se dice
homogéneo. Si el sistema lineal es homogéneo, entonces el conjunto
solución no es vacío (siempre tiene raíces).
4.2. Todo sistema lineal de ecuaciones puede clasificarse en una y solo una
de tres categorías:
a) Sistema compatible determinado: el conjunto solución tiene una única
raíz.
b) Sistema compatible indeterminado: el conjunto solución admite
infinitas raíces.
c) Sistema incompatible: el conjunto solución es el conjunto vacío.
Para resolver un sistema lineal de ecuaciones se pueden utilizar varios

métodos. La aplicación reiterada de la propiedad 3, generando ceros en los
coeficientes aij por debajo de los elementos a11, a22, a33, etc. es conocido como el
método de Gauss12 o método de la escalera.
Ejemplo: Sea el sistema

⎧2x + 3 y − 2z = 1
⎪
⎨ x + 2y + z = 7
⎪3 x − 4 y − z = −1
⎩
Vamos a resolver el sistema por el método de la escalera. En primer lugar, vamos

a colocar la segunda ecuación como primera, para facilitarnos los cálculos.
12
Carlos Federico Gauss (1777-1855) astrónomo, físico y matemático alemán. Fue apodado “Príncipe de la
Matemática” por los colegas de su época. El gráfico de la función de densidad normal (estadística) se
conoce como “campana de Gauss”.
⎧ x + 2y + z = 7
⎪
⎨2x + 3 y − 2z = 1
⎪3 x − 4 y − z = −1
⎩
A continuación, vamos a generar un cero en el primer coeficiente de la segunda

ecuación, sumándole a la segunda ecuación la primera multiplicada por (-2).
⎧ x + 2y + z = 7
⎪
⎨ − y − 4 z = −13
⎪ 3 x − 4 y − z = −1
⎩
En el siguiente paso, generamos un cero en el primer coeficiente de la tercera

ecuación, sumándole a ésta la primera multiplicada por (-3).
⎧ x + 2y + z = 7
⎪
⎨ − y − 4 z = −13
⎪ − 10 y − 4 z = −22
⎩
Se puede sumar a la tercera ecuación la segunda multiplicada por (-10) para

generar un cero en el coeficiente de “y” en la tercera ecuación, y entonces se obtiene:
⎧ x + 2y + z = 7
⎪
⎨ − y − 4 z = −13
⎪ 36 z = 108
⎩
Ahora puede verse el sistema completamente escalerizado. En virtud de las propiedades

enunciadas más arriba, este sistema es equivalente del primero, es decir, tiene el mismo
conjunto solución. En el último peldaño de la escalera se puede despejar el valor de la
incógnita z: z = 108/36 = 3. Si se sube un peldaño y se sustituye la z por el valor
calculado, entonces se obtiene: - y – 4.3 = - 13, y despejando la y resulta: y = 1.
Finalmente, subiendo un peldaño más se tiene: x + 2.1 + 3 = 7, y despejando la x resulta:
x = 2. Encontramos una única raíz (x, y, z) = (2, 1, 3). Por tanto, el sistema es
compatible determinado.
En el capítulo sobre Matrices volveremos sobre el método de Gauss, para resolver

sistemas lineales, pero utilizando el enfoque matricial.
Repartido Práctico 5: Ecuaciones y Sistemas de Ecuaciones
Ejercicio 1
Un capital de $1.000 es colocado a interés simple a la tasa del 3% mensual.
a) ¿Cuál es el interés generado al cabo de 6 meses?
b) ¿Cuál es el monto generado al cabo de 6 meses?
c) ¿Cuántos meses deberá permanecer colocado el capital para generar $195 de interés?
Ejercicio 2
Dos capitales, uno de $10.000 y otro de $15.000 son colocados a interés simple, el
primero a la tasa del 4% y el segundo a la tasa del 2% mensual. ¿Al cabo de cuánto
tiempo ambos capitales habrán generado el mismo monto?
Ejercicio 3
Un capital de $1.000 es colocado a interés compuesto a la tasa del 3% mensual
efectivo.
a) Calcular el monto generado al cabo de un año.
b) Calcular el tiempo que debe permanecer colocado el capital hasta generar un monto
de $1.500.
c) Otro capital de $1.200 es colocado al mismo momento, a una tasa del 5% mensual
efectivo. ¿En qué momento se igualarán los dos montos?
Ejercicio 4
Un rectángulo tiene un perímetro de 960 mts. y un largo de 360 mts. ¿Cuál es el
ancho?
Ejercicio 5
Un rectángulo tiene un área de 75 cms.2 y una base de 15 cms. ¿Cuál es la altura
del rectángulo?
Ejercicio 6
Las siguientes son dos reglas para determinar la dosis de un medicamento para un
niño a partir de la dosis de un adulto.
Regla de Young Regla de Cowling

E E +1
d= .D d= .D
E + 12 24
donde: d = dosis para el niño

D= dosis para el adulto
E= edad del niño
a) Si un niño tiene 8 años y la dosis para el adulto es de 3 comprimidos por día, ¿cuál es
la dosis para el niño según las reglas de Young y Cowling?
b) Si un niño tiene 12 años y la dosis para el adulto es de 2 comprimidos por día, ¿cuál
es la dosis para el niño según las reglas de Young y Cowling?
c) ¿Para qué edades del niño coinciden las dosis para ambas reglas? (Redondear al año
más cercano).
Ejercicio 7
1 1 1
Resolver la ecuación + = redondeando la solución con un decimal.
x 120 − x 24
Ejercicio 8
Un objeto es lanzado hacia arriba hasta que cae al piso. La altura (en metros) que
describe el objeto desde que es lanzado hasta que cae al piso es h = 50.t – 25.t2, donde t
es el tiempo en segundos que transcurre desde el momento del lanzamiento.
a) ¿Cuánto tarda el objeto en tocar el piso?

b) ¿En qué momento alcanza el objeto su altura máxima?
c) ¿En qué momento, cuando está cayendo, se encuentra a 18,75 metros del piso?
Ejercicio 9
Un capital de $10.000 fue colocado durante 3 años a interés compuesto a una tasa
efectiva anual del 25%. Al inicio del período el dólar costaba $10 y la tasa de devaluación
en cada año fue del 12%, 15% y 18% respectivamente.
a) ¿Cuál fue la rentabilidad en dólares en cada año?

b) ¿Cuál fue la rentabilidad anual en dólares de la colocación?
Ejercicio 10
La canasta de consumo de un grupo de trabajadores aumentó en el año 1998
un 15% y en 1999 un 20%. En diciembre de 1997 el salario medio del grupo de
trabajadores era de $5.000, que coincidía con el costo de una canasta de consumo.
En 1998 y 1999 hubo los siguientes aumentos de salarios:
MES AUMENTO
Enero/98 8%
Junio/98 8%
Enero/99 7%
Junio//99 7%
¿Cuántas canastas de consumo se pudieron comprar con los salarios medios de

diciembre/98 y de diciembre/99?
Ejercicio 11
Un local de Policlínica funciona con los siguientes costos:
- El alquiler de $15.000 por mes
- El salario de un administrativo por $5.000
- Salarios médicos:
• $20.000 de sueldos fijos de 5 médicos
• $50 adicional por cada paciente por encima de los primeros 50 pacientes
atendidos por cada médico
Si la orden a consultorio cuesta $150 y éste es el único ingreso del local, ¿cuántos
pacientes deberán atender los 5 médicos para cubrir todos los costos de la Policlínica?
Ejercicio 12
Un terreno rectangular, de 4 mts. por 8 mts., será destinado como jardín
(rectángulo exterior). Se decide poner una vereda en la orilla interior del rectángulo, de
modo que las flores del jardín ocupen 12 mt2 (rectángulo interior). ¿De qué ancho debe
construirse la vereda?
Ejercicio 13
Una fábrica de cacao elabora chocolate en barras de 10x5x2 cm3. A raíz de los
aumentos en los costos, y con el ánimo de no incrementar los precios, la fábrica decide
achicar el ancho y el largo de las barras en la misma longitud, manteniendo el grosor (2
cm) de forma que el volumen de la barra se reduzca un 10%. ¿Cuál será el ancho y el
largo de la nueva barra? (Aproximar con dos decimales en cm)
Ejercicio 14
Un comerciante compró en la feria 20 Kg de naranjas a $12 el Kg. Más tarde
encontró en otro puesto naranjas a $10 el Kg. ¿Cuántos Kg debe comprar a $10 para que
el costo promedio de todas las naranjas compradas en la feria sea de $10,50?
Ejercicio 15
El costo de atender 20 camas diarias de Sanatorio es de $80.000, mientras que el
costo de atender 30 camas diarias en el mismo Sanatorio es $110.000. ¿Cuál es el costo
fijo diario y cuál es el costo variable unitario por día-cama?
Ejercicio 16
El Kg de helado de crema se vende a $50 y el de chocolate a $60. Se sabe que por
cada 2 Kg de crema se venden 3 Kg de chocolate. ¿Cuántos Kg de crema y de chocolate
hay que vender para recaudar $14.000?
Ejercicio 17
Una encuesta dirigida a 250 personas se realizó para conocer sus preferencias
entre Coca y Pepsi. Entre las que contestaron, el 55% prefirió Coca. Si los que prefirieron
Pepsi fueron 90, ¿cuántos no contestaron a la encuesta?
Ejercicio 18
Un vendedor cobra por mes un sueldo fijo más una comisión como porcentaje de
las ventas que realiza. En un mes vendió $100.000 y cobró un salario total de $7.000. Al
mes siguiente vendió $150.000 y obtuvo un salario de $8.000. ¿Cuál es el sueldo fijo y
cuál el porcentaje de la comisión sobre las ventas?
Ejercicio 19
Demostrar que si un capital K se presta a interés compuesto en n cuotas iguales,
mensuales y consecutivas, y la tasa de interés efectiva mensual es i, entonces, la cuota
mensual a pagar se obtiene mediante la fórmula:
i
C =K *
1 − (1 + i )
−n
6. INECUACIONES
Consideremos sólo el caso de funciones con una variable. Sean f y g dos

funciones cuyos dominios y codominios son conjuntos de números. Considérese una
nueva entidad matemática llamada inecuación que tiene alguna de las formas siguientes:
f≤g
f<g
f≥g
f>g
Definición: Resolver la inecuación f ≤ g (o alternativamente alguna de las otras)

consiste en encontrar todos los elementos comunes de los dominios de f y g que
satisfacen la desigualdad en los valores de las funciones. El conjunto de elementos que
satisfacen la desigualdad se denomina conjunto solución de la inecuación y cada
elemento del conjunto solución se denomina raíz de la inecuación.
S = {x: f(x) ≤ g(x)}

Si α es tal que f(α) ≤ g(α), entonces α es una raíz de la inecuación.
Si en particular f es un polinomio y g es la función nula, entonces, resolver la

inecuación f ≤ g (o cualquiera de las otras) es el problema de hallar el signo de f y
determinar los puntos e intervalos sobre la recta donde el signo de f es menor o igual que
0.
Para resolver inecuaciones en general resultan útiles la siguiente definición y

propiedades asociadas.
Definición: Dos inecuaciones son equivalentes si sus conjuntos solución son

iguales.
Propiedades de las inecuaciones

(Aunque se utiliza el símbolo ≤, las propiedades son válidas también en los otros 3 casos)
1. Las inecuaciones [f(x) ≤ g(x)] y [f(x) + K ≤ g(x) + K] son equivalentes para todo K
2. Las inecuaciones [f(x) ≤ g(x)] y [f(x) – g(x) ≤ 0] son equivalentes
3. Las inecuaciones [f(x) ≤ g(x)] y [K.f(x) ≤ K.g(x)] son equivalentes para todo K > 0
4. Las inecuaciones [f(x) ≤ g(x)] y [f(x).h(x) = g(x).h(x)] son equivalentes si h(x) > 0
y se cumple que [D(f) W D(g)] T D(h).
5. Las inecuaciones [f(x) ≤ g(x)] y [K.f(x) ≥ K.g(x)] son equivalentes para todo K < 0
3.x 2.x + 1
Ejemplo: Resolver la inecuación +1 ≥
x −1 x +1
Como primera observación, lo que no puede hacerse es “pasar multiplicando” los

denominadores al otro miembro. Esto es válido en ecuaciones, según ya hemos visto, a
riesgo de introducir raíces extrañas. Pero no es válido en inecuaciones, porque se podría
estar multiplicando por expresiones negativas, y en tal caso, se pierde la equivalencia
(observar cómo funciona la equivalencia en la propiedad 5).
Por la propiedad 2 la siguiente inecuación es equivalente de la primera.
3.x 2.x + 1
+1− ≥0
x −1 x +1
Operando con las expresiones algebraicas se obtiene:

3 x( x + 1) + ( x − 1)( x + 1) − (2 x + 1)( x − 1)
≥0
( x − 1)( x + 1)
2x2 + 4x
≥0
( x − 1)( x + 1)
2 x ( x + 2)
≥0
( x − 1)( x + 1)
Como la última inecuación es equivalente de la primera, la solución de ésta puede

obtenerse resolviendo la última. El esquema de signo de la última inecuación es como
sigue.
+ 0 - ∃ + 0 - ∃ +
-2 -1 0 1
En consecuencia, el conjunto solución de la primera inecuación es:
S = {x: (x ≤ -2) ó (-1 < x ≤ 0) ó (x > 1)}
Repartido Práctico 6: Inecuaciones
Ejercicio 1
Sea la parábola de ecuación y = 3.x2 – 15.x + 18. Encontrar los valores de x que
hacen que la parábola se dibuje por encima del eje de las abcisas.
Ejercicio 2
Un presupuesto mensual de $600 debe asignarse a una canasta de dos productos:
pan y leche. El precio del pan es $6 el Kg. y el precio de la leche es $8 el litro. Plantear la
restricción presupuestaria, graficarla e indicar cuántos Kg. de pan se pueden comprar si:
a) la canasta debe incluir 40 litros de leche
b) la canasta debe incluir 75 litros de leche
c) ese mes no se consume leche.
Ejercicio 3
Resolver la inecuación: (x + 1).x2.(x – 1)3 ≤ 0.
Ejercicio 4
Resolver la inecuación: (x2 – 4).(9 – x2) ≥ 0
Ejercicio 5
x 2 − 3. x + 2
Resolver la inecuación: ≥0
x 2 − 2. x + 1
Ejercicio 6
x 2 − 2.x − 27
Resolver la inecuación: <1
x 2 + 2.x + 1
Ejercicio 7
Resolver la inecuación: ex ≥ x + 1
CURSO 2004
PARTE III

7. MATRICES Y DETERMINANTES13
Las matrices se utilizan para presentar resultados estadísticos en forma

de cuadros de doble entrada, para elaborar presupuestos y flujos de caja,
para resolver problemas de cálculo numérico, sistemas de ecuaciones
lineales, ecuaciones diferenciales y problemas de optimización.
Obsérvese que la “planilla electrónica” no es otra cosa que una gran
matriz.
MATRICES
Una matriz es una tabla ordenada generalmente de números reales aij

(también llamados “escalares”) de la forma:
La matriz anterior se denota también por su elemento genérico: (aij ) con i

=1, ..., m, j =1, ..., n. El primer subíndice (i) indica la “fila” y el segundo
(j) la “columna” de la tabla. “aij” indica el elemento de la matriz que se
encuentra en la intersección de la fila “i” y de la columna “j”.
Los términos horizontales son las filas de la matriz y los verticales son sus
columnas. Una matriz con m filas y n columnas se denomina matriz “m por
n”, matriz m × n, o también matriz de tamaño mxn.
Las matrices se denotarán usualmente por letras mayúsculas, A, B, ..., y

los elementos de las mismas por minúsculas, a, b, ...
Ejemplo:
⎛ 1 ⎞ ⎛ − 3⎞ ⎛ 4 ⎞
donde sus filas son (1, -3, 4) y (0, 5, -2) y sus columnas ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟ y⎜⎜ ⎟⎟.
⎝ 0⎠ ⎝ 5 ⎠ ⎝ − 2⎠
Se denomina “diagonal principal” de una matriz a los elementos que

ocupan las celdas en las que coincide el número de fila y el número de
columna. En una matriz 3x4:
⎛ a11 a12 a13 a14 ⎞
⎜ ⎟
A = ⎜ a 21 a 22 a23 a 24 ⎟
⎜a ⎟
⎝ 31 a32 a33 a34 ⎠
la diagonal principal está formada por los elementos: a11, a22, a33.
13
Extraído del sitio web “El paraíso de las matemáticas”. Corregido y ampliado por el profesor del curso.
Se denomina “traza de la matriz” a la suma de los elementos de la
diagonal principal. En el ejemplo anterior: Traza(A) = a11 + a22 + a33. En el
⎛1 − 3 4 ⎞
caso de la matriz ⎜⎜ ⎟⎟ la traza es: 1 + 5 = 6.
⎝ 0 5 − 2⎠
Cuando una matriz tiene una sola fila se dice que es un “vector fila” y
cuando tiene una sola columna se denomina “vector columna”.
Clasificación de matrices
Según el aspecto de las matrices, éstas pueden clasificarse en:
a) Matrices cuadradas
Una matriz cuadrada tiene el mismo número de filas que de columnas. Se
dice que una matriz cuadrada (n × n) es de orden n y se denomina matriz
n-cuadrada.
Ejemplo: Sean las matrices
Entonces, A es una matriz cuadrada de orden 3 y B es una matriz

cuadrada de orden 2. Si una matriz no es cuadrada, entonces se dice que
es rectangular.
b) Matriz identidad
La matriz n-cuadrada con “unos” en la diagonal principal y “ceros” en
cualquier otra posición, denotada por I, se conoce como matriz identidad
(o unidad). Como veremos más adelante, la matriz identidad tiene la
propiedad de actuar como neutro en la multiplicación de matrices. Si la
matriz A cumple ciertas condiciones, entonces:
A x I = I x A = A.
c) Matrices triangulares
Una matriz cuadrada es una matriz triangular superior o simplemente una
matriz triangular, si todos los elementos bajo la diagonal principal son
iguales a cero. Así pues, las matrices:
son matrices triangulares de órdenes 2, 3 y 4.

d) Matrices diagonales
Una matriz cuadrada es diagonal, si todos sus elementos no diagonales
son cero. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo:
son matrices diagonales que pueden representarse, respectivamente, por

diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).
e) Matriz nula
Se denomina matriz nula a una matriz que tiene todos sus elementos
iguales a cero. Ejemplos:
⎡0 0 0 0⎤
⎢ 0 0 0⎥ ⎛ 0 0 0 ⎞
⎛ 0 0 ⎞ ⎢0 ⎥; ⎜
⎜⎜ ⎟⎟; ⎟
⎝ 0 0 ⎠ ⎢0 0 0 0⎥ ⎜⎝ 0 0 0 ⎟⎠
⎢ ⎥
⎣0 0 0 0⎦
son matrices nulas 2x2, 4x4 y 2x3.
f) Traspuesta de una matriz

La traspuesta de una matriz A es otra matriz que se obtiene
intercambiando en A las filas por las columnas y se denota por AT.
Así, la traspuesta de
⎛ 2 − 1⎞
⎜ ⎟
⎛ 2 0 1 2⎞ T ⎜0 3 ⎟
La traspuesta de B = ⎜⎜ ⎟⎟ es B = ⎜ .
⎝ −1 3 1 4⎠ 1 1⎟
⎜ ⎟
⎜2 4 ⎟
⎝ ⎠
En otras palabras, si A = (ai j ) es una matriz m × n, entonces AT = (aji) es
una matriz n × m.
g) Matriz simétrica
Se dice que una matriz cuadrada es simétrica, si la matriz es igual a su
traspuesta: AT = A.
Ejemplos:
A es simétrica. Para B los elementos simétricos son opuestos entre sí, y

por tanto no es simétrica (cuando aih = -ahi se dice que la matriz es
“antisimétrica”). La matriz C no es cuadrada; en consecuencia, no es
simétrica.
h) Matriz inversa
Se llama inversa de una matriz cuadrada A, a otra matriz B, también
cuadrada y del mismo orden, tal que su producto (tal como se define más
adelante) es igual a la matriz identidad. Notación: B = A-1.
i) Matriz ortogonal
Se dice que una matriz cuadrada A es ortogonal si su traspuesta es igual
a su inversa: A-1 = AT.
j) Matriz idempotente
Se dice que una matriz cuadrada A es idempotente si su cuadrado es
igual a la matriz original: A2 = A.
Obsérvese que si una matriz es idempotente, entonces se cumple que: An

= A para todo n natural.
Operaciones con matrices
Suma y resta de matrices

Para poder sumar o restar matrices, éstas deben tener el mismo número
de filas y de columnas. Es decir, si una matriz es de orden 3 × 2 y otra de
3 × 3, no se pueden sumar ni restar. Esto es así ya que, tanto para la
suma como para la resta, se suman o se restan los términos que ocupan
el mismo lugar en las matrices.
Si A = (aih) y B = (bih), entonces:

SUMA: A + B = (aih + bih)
RESTA: A - B = (aih - bih)
Ejemplo:
Las matrices a sumar o restar no tienen por qué ser cuadradas. Las
propiedades de la suma y resta de matrices son las mismas que para la
suma y resta de números: asociativa, existencia de neutro (matriz nula),
existencia de opuesto –A = (-aih) y conmutativa. En otras palabras, el
conjunto de las matrices con la operación de suma tiene estructura de
grupo.
Ejemplo: Dadas las tres matrices A, B, C, calcular (A+B+C) y (A-B+C).
Producto escalar de vectores

Sean A y B dos vectores del mismo tamaño (filas, columnas, o una fila y una
columna) de números reales. Se denomina “producto escalar” de los dos vectores a un
número real que resulta de multiplicar ordenadamente los elementos de A y de B, y
luego sumarlos. Si A = (a1, a2, ... , an) y B = (b1, b2, ... , bn), entonces:
n
PRODUCTO ESCALAR14 A(x)B = a1.b1 + a2.b2 + ..... + an.bn = ∑ a .b
i =1
i i
Ejemplo: A = (1 2 3 4), B = (2 0 -1 3).

A(x)B = 1.2 + 2.0 + 3.(-1) + 4.3 = 11.
El producto escalar de vectores tiene la propiedades conmutativa y distributiva

respecto de la suma de vectores.
Conmutativa: A(x)B = B(x)A

Distributiva: A(x)[B+C] = A(x)B + A(x)C
14
En la literatura no hay uniformidad para simbolizar el producto escalar. Aquí hemos optado por la
notación (x).
Producto de matrices
La multiplicación de matrices puede parecer, a primera vista, rebuscada.
Para poder multiplicar dos matrices, la primera debe tener el mismo
número de columnas que filas la segunda. La matriz resultante del
producto quedará con el mismo número de filas de la primera y con el
mismo número de columnas de la segunda.
Ejemplo:
Si tenemos una matriz 2 × 3 y la multiplicamos por otra de orden 3 × 5, la
matriz resultante será de orden 2 × 5.
A (2 × 3) × Β (3 × 5) = C (2 × 5)
Se puede observar que el producto de matrices no cumple, en general,

con la propiedad conmutativa; en el ejemplo anterior, el producto BxA no
se puede realizar, puesto que la primera matriz no tiene el mismo número
de columnas que filas la segunda. Cuando se cumple que el número de
columnas de la matriz A coincide con el número de filas de la matriz B,
entonces se dice que A y B son “conformables”.
Supongamos que A = (aij) y B = (bij) son matrices tales que el número de

columnas de A coincide con el número de filas de B; es decir, A es una
matriz m × p y B una matriz p × n. Entonces el resultado del producto de
matrices AxB (A.B o simplemente AB) es otra matriz C (m × n) cuyo
elemento genérico (ci j) se obtiene multiplicando (producto escalar) la fila i
de A por la columna j de B. Esto es:
Ejemplos:
1.
2.
Producto por un escalar
El producto de un escalar k (número real k) por la matriz A, se escribe k.A
o simplemente kA, es la matriz que se obtiene de multiplicar cada
elemento de A por k:
Ejemplo:
Entonces:
Inversa de una matriz

La inversa de una matriz cuadrada A es otra matriz del mismo orden,
A-1, que cumple con la condición siguiente:
A x A-1 = A-1 xA = I.
Decimos “la inversa” y no “una inversa”, porque si la matriz A es

invertible, entonces su inversa es única. Sin embargo, la inversa de A no
siempre existe. Más adelante veremos la condición que tiene que cumplir
una matriz cuadrada para ser invertible.
Ejemplo:
⎛1 0⎞
El lector verificará que B.A = ⎜⎜ ⎟⎟ = I.
⎝0 1⎠
Puesto que AB = BA = I, entonces resulta que B = A-1 (B es la inversa de

A) o también que A = B-1 (A es la inversa de B). Obsérvese que hemos
probado que B es la inversa de A, pero no hemos dado un método para
encontrar las matrices inversas. El método que se presenta a continuación
es uno de los varios algoritmos que permiten encontrar la inversa de una
matriz dada. Este método se conoce con el nombre de “escalerización o
método de Gauss”.
Sea A = (aij) una matriz cuadrada de orden n. Para calcular la matriz

inversa de A, que denotaremos como A-1, seguiremos los siguientes
pasos:
Paso 1. Construir la matriz n × 2n, M = (A I ), esto es, A está en la mitad
izquierda de M y la matriz identidad en la mitad derecha.
Paso 2. Se deja tal y como está la primera fila de M, y mediante

combinaciones lineales apropiadas de las filas, se van generando ceros
por debajo de la diagonal principal de M, hasta trasformarla en una matriz
triangular. Las “combinaciones lineales apropiadas” son las siguientes:
i) Multiplicar o dividir toda la fila por un número distinto de cero
ii) Sumar a una fila una combinación lineal de las restantes.
Paso 3. También mediante combinaciones lineales apropiadas, la parte

izquierda de la matriz M (donde antes figuraba la matriz A) se transforma
en una matriz diagonal.
Paso 4. Se dividen las filas de la nueva matriz entre números apropiados,

hasta lograr que la matriz de la izquierda resulte la identidad. Entonces, la
matriz de la derecha, resultará ser la inversa de la matriz A.
Ejemplo:
Consideremos una matriz 3 × 3 arbitraria
Paso 1.
Paso 2.
El siguiente paso es igual que el anterior, pero esta vez se elige como
pivote el segundo término de la diagonal principal.
Ejemplo: Supongamos que queremos encontrar la inversa de
Primero construimos la matriz M = (A I),

La mitad izquierda de M tiene forma triangular. Todos los elementos de la
diagonal principal son diferentes de cero, por consiguiente, A es invertible.
Si hubiera quedado toda una fila con ceros en la mitad izquierda de M, la
operación habría terminado (A no es invertible).
A continuación, tomamos como pivote a33, ponemos ceros encima de éste

y seguimos operando hasta que nos quede una matriz diagonal.
Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que

operar más. Transformamos la matriz diagonal en una matriz identidad;
para ello hay que multiplicar la segunda fila por -1:
La matriz que ha quedado en la mitad derecha de M es precisamente la

matriz inversa de A:
Para comprobar si el resultado es correcto, se multiplica AxA-1, lo que

debe dar como resultado la matriz identidad I.
Comprobación:
A x A-1 = I
Igualdad de matrices
Dos matrices Amxn(aij) y Bpxq(bij) son iguales si las matrices son del
mismo tamaño (m=p y n=q) y los elementos correspondientes de ambas
matrices, celda a celda, son iguales (aij = bij ∀ij).
Ejemplo: Sean dos matrices A y B del mismo tamaño (2x2):
⎛x+ y y+z ⎞ ⎛ y + 2 7⎞
A = ⎜⎜ ⎟ y B = ⎜⎜ ⎟⎟
⎝x−z y + 2.z ⎟⎠ ⎝ z + 2 7 ⎠
Las condiciones para que las matrices sean iguales son,
simultáneamente, que:
⎧x + y = y + 2
⎪ y+z=7
⎪
⎨
⎪x − y = z + 2
⎪⎩ y + 2.z = 7
La igualdad de las matrices A y B conduce en este caso a un sistema
lineal de ecuaciones, cuya solución es {x=2, y=7, z=0}.
Propiedades de las operaciones con matrices

1. El conjunto de matrices (mxn) con la operación de suma, tiene
estructura de grupo. Esto es, se cumplen las propiedades:
Conmutativa: A + B = B + A para todo par de matrices sumables

Asociativa: A + (B + C) = (A + B) + C para toda terna de matrices
Existencia de neutro: Existe una matriz, la matriz nula (mxn) que opera
como neutro de la suma, A + 0 = A para toda
A
Existencia de opuesto: Para toda matriz A existe su opuesta A + (-A) = 0
2. El producto de matrices tiene las siguientes características:
• El producto es asociativo: Ax(BxC) = (AxB)xC
• Existe neutro del producto, pero no es único: hay uno a izquierda y
otro a derecha, que solo coinciden cuando la matriz dada es
cuadrada.
Neutro a izquierda: ImxAmxn = Amxn para toda matriz A
Neutro a derecha: AmxnxIn = Amxn para toda matriz A.
• No siempre existe la inversa de la matriz A. Por lo pronto, se requiere
que la matriz sea cuadrada para tener chance de tener inversa.
Volveremos sobre este punto más adelante
• En general no se cumple la propiedad conmutativa del producto.
Muchas veces es posible hacer AxB, pero no es posible hacer BxA,
porque B y A no son conformables. Otras veces, se puede efectuar
BxA, pero las dimensiones de AxB y de BxA son diferentes.
Finalmente, si A y B son cuadradas y del mismo orden, AxB y
BxA también son del mismo orden, pero aún en estos casos, en
general no se cumple que AxB = BxA.
Ejemplo:
⎛1 2⎞ ⎛ 1 1⎞ ⎛1 3 ⎞
AxB = ⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 3 4 ⎠ ⎝ 0 2 ⎠ ⎝ 5 11⎠
⎛1 1 ⎞ ⎛1 2⎞ ⎛ 4 6⎞
BxA = ⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝0 2⎠ ⎝3 4⎠ ⎝ 6 8⎠
En consecuencia, AxB ≠ BxA en este caso.
• Tampoco se cumplen en el caso del producto de matrices dos
propiedades de los conjuntos de números:
a) Si el producto de dos matrices es la matriz nula, no
necesariamente uno de los factores tiene que ser la matriz nula.
b) Propiedad cancelativa: en general, si AxB = AxC, no
necesariamente tiene que ser B =C. La propiedad cancelativa se
cumple si la matriz A tiene inversa.
3. Se cumple la propiedad distributiva del producto respecto de la suma,

tanto a izquierda como a derecha.
Distributiva a izquierda: Ax(B + C) = AxB + AxC

Distributiva a derecha: (A + B)xC = AxC + BxC
4. Propiedades de las matrices traspuestas
(A + B)T = AT + BT.
(AT)T = A.
(kA)T = kAT (si k es un escalar).
(AB)T = BTAT
5. Propiedades de las matrices inversas
(A-1)-1 = A
(AxB)-1 = B-1xA-1
(AxBxC)-1 = C-1xB-1xA-1
(AT)-1 = (A-1)T
6. Propiedades de la traza de matrices
Tr(A + B) = Tr(A) + Tr(B)

Tr(A - B) = Tr(A) - Tr(B)
Tr(AxB) = Tr(BxA) si existen ambos productos
Tr(AxBxC) = Tr(BxCxA) = Tr(CxBxA)
Ejemplos de operaciones con matrices

Sean:
a) ¿Qué clase de matrices son?

b) Calcular: - A - B + C, A + B - C y 3A + C/2.
c) Calcular: (AxB)xC-1.
d) Calcular la inversa de A y comprobar el resultado.
Resolución:
a) Las tres matrices son cuadradas y de orden tres. A su vez, B es una

matriz triangular, ya que todas las entradas debajo de la diagonal principal
son ceros, y C es antisimétrica porque los elementos simétricos son
opuestos entre sí.
b)
c)
• Puesto que se trata de calcular A ⋅ B ⋅ C-1, calcularemos primero la
inversa de C y luego haremos el producto.
• Dividimos la primera fila entre -6, la segunda entre 3 y la tercera entre -3

para que en la mitad izquierda quede la matriz identidad,
• Por lo tanto, la matriz inversa de C es:
• A continuación, se calcula el producto de las matrices A y B,
• Por último, calculamos (A⋅B)⋅C-1.

.
• Sacando factor común 1/3, el resultado puede escribirse como:
d)
• Primero se construye la matriz M = (A I) y luego se va desarrollando por
Gauss. Así pues:
• Se simplifica un poco para que las operaciones no sean tan costosas,

dividiendo la tercera fila entre cuatro. De este modo, se tiene
.
Se vuelve a simplificar, dividiendo la primera fila entre dos y la segunda
entre cuatro,
• Puesto que ya ha quedado una matriz diagonal en la mitad izquierda de

M, se procede a transformar esta mitad izquierda en una matriz identidad,
dividiendo la primera fila entre -3042, la segunda entre -78 y la tercera
entre 39,
Así pues, la matriz que ha quedado en la mitad derecha es precisamente

la matriz identidad, que sacando factor común 1/78 se puede escribir
como:
• Para comprobar el resultado, la matriz inversa de A tiene que cumplir:

AA-1 = I.
Procedamos a la comprobación:
MATRICES Y SISTEMAS DE ECUACIONES LINEALES
¿Cómo puede escribirse un sistema lineal de ecuaciones mediante
notación matricial? Sea el sistema:
⎧ a11 .x1 + a12 .x2 + ........ + a1n .xn = b1

⎪ a .x + a .x + ........ + a .x = b
⎪ 21 1 22 2 2n 2
⎨
n
⎪ ..............................................
⎪⎩am1 .x1 + am 2 .x2 + ........ + amn .xn = bn
Utilizando la definición de igualdad de matrices y la siguiente notación:
⎛ a11 a12 ..... a1n ⎞ ⎛ x1 ⎞ ⎛ b1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a a22 ..... a2 n ⎟ ⎜x ⎟ ⎜b ⎟
A = ⎜ 21 X =⎜ 2 ⎟ b=⎜ 2 ⎟
..... ..... ..... ..... ⎟ ..... .....
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a ..... amn ⎟⎠ ⎜x ⎟ ⎜b ⎟
⎝ m1 am 2 ⎝ n⎠ ⎝ n⎠
entonces el sistema lineal de ecuaciones es equivalente a la expresión:

A.X = b. La matriz A se denomina “matriz de coeficientes del sistema”, el
vector X representa las incógnitas y el vector b da los términos
independientes de las ecuaciones del sistema. Si a la matriz A se le
agrega como columna adicional final el vector b, entonces se obtiene la
“matriz ampliada” M del sistema.
Cada fila de M corresponde a una ecuación del sistema y cada columna a

los coeficientes de una incógnita, excepto la última, que corresponde a las
constantes del sistema.
Un sistema de ecuaciones lineales puede resolverse trabajando con su

matriz ampliada, específicamente, reduciéndola a forma escalonada
mediante el método de Gauss.
Método de Gauss para resolver sistemas de ecuaciones lineales

El método de Gauss, ya presentado anteriormente, tiene una notación
simplificada si se utiliza la notación matricial. El procedimiento se ilustra en
el siguiente ejemplo.
Ejemplo: Sea el sistema,
su matriz ampliada asociada es:
Ahora resolvemos por el método de Gauss sabiendo que la primera

columna corresponde a los coeficientes de la x, la segunda a los de la y, la
tercera a los de la z y la cuarta a los términos independientes:
De este modo, el sistema tiene la solución única: {x = 2, y = -1, z = 3}.
Ejemplos de resolución de sistemas de ecuaciones lineales por matrices

Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones
lineales aplicando matrices:
a) La matriz M asociada al sistema de ecuaciones es:
La tercera fila se suprime, puesto que es múltiplo de la segunda. Así, el

sistema queda formado por dos ecuaciones con cuatro incógnitas. El
sistema es compatible e indeterminado, esto es, tiene infinitas raíces.
Despejando en la segunda ecuación se obtiene z = 7t – 7. En la segunda
ecuación se puede despejar x en función de t e y: x = -9 - y + 10t. El
conjunto de raíces del sistema tiene la forma: {x = -9-y+10t, y, z = 7t -7, t}.
Dependiendo de qué valores se escojan para y y t, se obtienen todas las

raíces posibles del sistema. Así, para y = t = 0 tendremos la raíz del
sistema: {x = -9, y = 0, z = -7, t = 0}.
b) La matriz M asociada al sistema de ecuaciones es:
No hay necesidad de continuar calculando nada más, puesto que la matriz

escalonada ya nos indica que el sistema es incompatible (SI), es decir,
que no hay raíces. Específicamente, la tercera fila de la matriz escalonada
corresponde a la ecuación:
0x + 0y + 0z + 0t = -5
obteniendo como resultado 0 = -5, que es absurdo. Por lo tanto, decimos

que no tiene raíces o que el conjunto solución es vacío.
DETERMINANTES
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular
denominado determinante de A. Notación: | A |, Det (A) ó
(con m = n, pues la matriz es cuadrada).

Una tabla ordenada n×n de escalares situada entre dos líneas verticales,
llamada determinante de orden n, no es una matriz, sino un número. La
función determinante apareció por primera vez en el estudio de los
sistemas de ecuaciones lineales. Veremos que se trata de una
herramienta muy útil para la resolución de dichos sistemas.
Determinantes de orden 1 y 2
Los determinantes de orden uno y dos se definen como sigue:
= a11
Así, el determinante de una matriz 1×1, A = (a11), es el propio escalar

a11, es decir, det (A) = |a11| = a11. El determinante de una matriz de
orden 2 se obtiene de restar, al producto de los elementos de la diagonal
principal, el producto de los elementos de la diagonal secundaria.
Ejemplos:
a) Dado que el determinante de orden uno es el mismo escalar, tenemos

det (24) = 24, det(-3) = -3, det (3x+5) = 3x+5.
b)
c)
Determinantes de orden 3
Consideremos una matriz 3 × 3 arbitraria A = (ai j ). El determinante de A

se define como sigue:
-a a a – a32a23a11
12 21 33
Obsérvese que hay seis términos, cada uno producto de tres elementos
de la matriz. Tres de los términos aparecen con signo positivo (conservan
su signo) y tres con signo negativo (cambian su signo). Para calcular los
determinantes de orden tres, el siguiente diagrama, conocido como “Regla
de Sarrus”, puede ayudar a resolverlos:
Ejemplo:
3 2 1
Calcular el valor del determinante: 0 2 − 5 .
−2 1 4
= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63
El determinante de la matriz 3×3, A = (ai j ), puede escribirse como:
det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 -

a22a31) =
que es una combinación lineal de tres determinantes de orden dos, cuyos

coeficientes (con signos alternantes) constituyen la primera fila de la
matriz dada. Nótese que cada matriz 2 × 2 se obtiene suprimiendo en la
matriz inicial la fila y la columna que contienen su coeficiente.
Ejemplo:
Para mostrar que la propiedad anterior se cumple, volvemos sobre el

ejemplo anterior, en el que el determinante resultaba igual a 63.
= 3(8+5) - 2(0-10) + 1(0+4) = 39 + 20 + 4 = 63
Determinantes de orden 4 o superior

Este procedimiento de cálculo se puede generalizar. Obsérvese que el
determinante de orden 3 se ha reducido al problema de resolver tres
determinantes de orden 2, mediante una suma algebraica de los
elementos de la primera fila, multiplicada por determinantes que resultan
de suprimir en la matriz original una fila y una columna (las
correspondientes a los elementos de la primera fila). El procedimiento es
válido también si se toma como “pivote” cualquier otra fila o cualquier
columna. La generalización más importante tiene relación con el orden del
determinante. Un determinante de orden 4 se puede obtener mediante el
mismo procedimiento anterior, calculando 4 determinantes de orden 3. Si
el desarrollo de la suma algebraica se hace, por ejemplo, a partir de la
segunda columna, se obtiene:
a11 a12 a13 a14

a21 a23 a24 a11 a13 a14
a21 a22 a23 a24
= −a12 . a31 a33 a34 + a22 . a31 a33 a34 −
a31 a32 a33 a34
a41 a43 a44 a41 a43 a44
a41 a42 a43 a44
a11 a13 a14 a11 a13 a14
− a32 . a21 a23 a24 + a42 . a21 a23 a24
a41 a42 a44 a31 a33 a34
Propiedades de los determinantes

1. Si todos los elementos de una fila o columna son ceros, entonces el
determinante de la matriz vale cero.
2. Si dos líneas (filas o columnas) paralelas son iguales, el determinante
es cero.
3. Si la matriz es triangular, entonces el determinante es igual al producto
de los elementos de la diagonal principal.
4. Si a una línea de una matriz se le suma una combinación lineal de las
restantes líneas paralelas, entonces el determinante de la nueva matriz
es igual al determinante de la matriz original.
5. Si en una matriz se intercambian de lugar dos líneas paralelas,
entonces la nueva matriz tiene el mismo determinante que la original,
pero cambiado de signo.
6. Si una línea de la matriz se multiplica por una constante K, entonces la
nueva matriz tiene el mismo determinante que la original, multiplicado
por K.
7. Si una matriz de orden “n” se multiplica por la constante K, entonces el
determinante de la nueva matriz es el determinante de la matriz
original multiplicado por Kn.
8. El determinante de una matriz A y el de su traspuesta AT son iguales,
es decir,
9. Si A y B son dos matrices cuadradas de orden n, entonces:

AxB = A x B
10. La inversa de la matriz cuadrada A existe, si y sólo si, el det(A) ≠ 0.
11. Todo determinante de orden n se puede calcular como suma
algebraica de n determinantes de orden n-1, mediante el desarrollo de
los elementos de una fila o columna, con el signo que corresponde a
(-1)i+j, donde i y j son los subíndices de fila y columna, multiplicados
por los determinantes de orden n-1 que resultan de suprimir la fila i y
la columna j de la matriz original.
Sea A = (ann) una matriz de orden arbitrario n × n (siendo n un número

par). Para calcular el det(A) mediante el desarrollo (por ejemplo) de la
primera columna, se procede de la siguiente manera:
Los signos se van alternando según los subíndices de los elementos de la

primera columna.
Ejemplo:
Si observamos la matriz, podemos ver que en la tercera columna hay dos

ceros. Así pues, si elegimos la tercera columna para calcular el
determinante por la propiedad 11, nos ahorramos de calcular dos
determinantes, ya que el producto de un determinante por cero es cero.
+ = -1(-35) + 3(35) = 35 + 105 = 140.
Ejemplos de cálculo de determinantes

Calcular los siguientes determinantes:
= 2(-6-24+16+2)+ 5(-4-24+6)-1(4+12-16-3) = -24-110+3 = -131.
= 1·(16+0+24-(-4)-(-30)-0) -2·(-128-2+30-(-40)-12-(-16)) = 74-2·(-56) =

= 74+112 = 186.
Matriz adjunta
Consideremos una matriz n-cuadrada A = (aij). Se denomina “submatriz”
de A, a cualquier matriz que se obtiene suprimiendo alguna fila, algunas
filas, alguna columna o algunas columnas de A.
Si al suprimir alguna(s) fila(s) y/o columna(s) de la matriz A, se obtiene

una submatriz cuadrada, entonces el determinante de esta submatriz se
llama un “determinante menor de A” o simplemente un “menor” asociado a
la matriz A.
Si en la matriz n-cuadrada A se suprimen la fila h y la columna g, entonces

se obtiene una submatriz cuadrada de orden (n-1). Se llama adjunto (o
cofactor) del elemento ahg, y se lo anota Ahg, al determinante menor que
resulta de suprimir en A la fila h y la columna g, multiplicado por el factor
(-1)h+g.
Si se calculan todos los adjuntos posibles, es posible definir una nueva

matriz de orden n, tal que en lugar de los elementos de A, figuren los
adjuntos (cofactores) correspondientes. Si esta matriz se traspone,
entonces se obtiene la matriz adjunta o matriz de cofactores.
Ejemplo:
Los cofactores de los nueve elementos de A son:
La matriz de los cofactores traspuesta proporciona la matriz adjunta de A:
Aplicación de la matriz adjunta para hallar la matriz inversa

Propiedad 12. Para toda matriz cuadrada A se cumple que:
Ax(adj A) = (adj A)xA = |A|xI
Posmultiplicando por A-1 se obtiene:
(adj. A)xAxA-1 = |A|.IxA-1
(adj. A)xI = |A|xA-1
(adj. A) = |A|xA-1
De este modo, si |A| ≠ 0, es posible despejar la inversa de A y resulta:
Observemos que esta propiedad nos permite hallar por otro método la
inversa de una matriz, y también explica por qué es necesario que el
determinante de A no se anule para que exista la inversa de A.
Ejemplo: Consideremos la matriz A y la matriz adj A.
Calculamos el det A:
Entonces, aplicando la propiedad anterior:
Ejemplos de cálculo de la matriz inversa

Calcular, por la propiedad anterior, la inversa de las siguientes matrices:
Primero hallaremos el determinante de las matrices A y B:
El siguiente paso es hallar la matriz adjunta de la matriz B. Los cofactores

de los cuatro elementos de B son:
B11 = 5 B12 = -2
B21 = 1 B22 = 3
y la matriz adjunta de B será:
Para el caso de la matriz A de orden 3, empezaremos por hallar el det A
Los cofactores de los nueve elementos de A son:

La traspuesta de la matriz de los cofactores anteriores proporciona la
matriz adjunta de A:
Aplicando la propiedad de la matriz inversa obtenemos A-1:
Rango de una matriz

Sea la matriz A = (aij):
Consideremos todas las submatrices cuadradas posibles de A. Hay mxn

submatrices cuadradas de orden 1, mx(m-1)xnx(n-1)/4 submatrices
cuadradas de orden 2, mx(m-1)x(m-2)nx(n-1)x(n-2)/36 submatrices
cuadradas de orden 3. El orden de las submatrices de mayor orden es
mín(m,n). Consideremos todos los determinantes menores de la matriz A
y sus respectivos órdenes. Interesa saber si existen menores distintos de
cero, y de ellos, el de mayor orden.
Definición: Se llama rango de una matriz al mayor orden de un menor no

nulo.
La definición parece un trabalenguas. La idea es identificar en la matriz

original una submatriz cuadrada, del mayor orden posible, de forma que
su determinante no sea nulo. El orden de esta submatriz es el rango de la
matriz original. Veamos algunos ejemplos.
⎛ 1 − 1⎞
a) Sea la matriz ⎜⎜ ⎟⎟ de orden 2, cuyo determinante es
⎝ 2 3 ⎠
1x3 – (-1)x2 = 5 ≠ 0. Como no es posible obtener una submatriz de
orden mayor que dos, entonces el rango de la matriz es 2.
⎛ 1 − 1⎞
b) Sea la matriz ⎜⎜ ⎟⎟ . El determinante de esta matriz es cero, por
⎝ 0 0 ⎠
lo que el rango de la matriz es menor que 2. ¿Existe alguna submatriz
cuadrada de orden 1 cuyo determinante no sea cero? Como la
respuesta es positiva, |1| = 1 ≠ 0, el rango de la matriz es 1.
⎛0 0⎞
c) Sea la matriz ⎜⎜ ⎟⎟ . El determinante de la matriz es cero, y todos
⎝ 0 0 ⎠
los menores de orden 1 también valen cero. Se conviene que el rango
de esta matriz es cero.
Hay varios procedimientos para hallar el rango de una matriz en general.

Un método consiste en buscar menores no nulos de orden cada vez más
alto, hasta que no sea posible encontrar uno no nulo de orden mayor. Otro
procedimiento consiste en calcular todos los menores de mayor orden
posible (por ejemplo, si la matriz es 4x5, se evaluarán todos los menores
posibles de orden 4, que son 5) y si alguno es no nulo, el rango es 4 (está
dado por el mayor orden posible). Si todos los de mayor orden son nulos,
entonces se probará con todos los menores del orden inmediato inferior
(en el ejemplo, con todos los menores de orden 3). Finalmente, un
procedimiento bastante más rápido, consiste en aplicar las propiedades
que refieren a los determinantes nulos. En esta variante se trabaja así:
primero se eliminan de la matriz en cuestión, todas las filas y columnas de
ceros. Luego se eliminan todas las filas o columnas repetidas. Luego se
eliminan todas las filas o columnas que son proporcionales a otras líneas
paralelas. Todavía se puede simplificar más eliminando las filas o
columnas que son combinaciones lineales de las restantes. Resultará así
una submatriz de orden más chico que la original, pero que, en virtud de
las propiedades de los determinantes, tendrá el mismo rango que la
original.
⎛1 −1 2 0⎞
⎜ ⎟
⎜2 2 4 0⎟
Ejemplo: Se quiere calcular el rango de la matriz .
⎜3 − 3 6 0⎟
⎜⎜ ⎟⎟
⎝4 4 8 0⎠
Se observa que la cuarta columna puede eliminarse por ser toda de ceros.
Se observa que la tercera columna puede eliminarse porque es
proporcional a la primera columna. Se obtiene entonces la submatriz:
⎛ 1 −1⎞
⎜ ⎟
⎜ 2 2 ⎟
⎜ 3 − 3⎟
⎜⎜ ⎟⎟
⎝ 4 4 ⎠
Obsérvese que la tercera fila es proporcional a la primera, y la cuarta es
proporcional a la segunda, por lo que se puede eliminar las dos últimas
⎛ 1 − 1⎞
filas, y resulta: ⎜
⎜ ⎟⎟ , cuyo determinante es 4, diferente de cero. Esta
⎝ 2 2 ⎠
es la submatriz de mayor orden (aunque no la única) con determinante
distinto de cero, por lo que la matriz original (y también esta submatriz)
tiene rango 2.
Ejemplos:
a) Sea A una matriz de orden 3. Hallar el rango (A).
Como A es una matriz cuadrada de orden 3, como máximo el rango (A)

puede valer tres. Veamos primero si existe alguna submatriz cuadrada de
orden 2 con determinante no nulo.
Ya que el resultado es cero, probaremos con otras submatrices de orden 2

hasta encontrar una cuyo determinante no sea cero.
1 −5
= 1.5 − (−5).3 = 5 + 15 = 20 ≠ 0
3 5
Puesto que el resultado de calcular el determinante de esta submatriz de
A no es nulo, podemos afirmar de momento que el rango de A es mayor o
igual que 2. Para ver si el rango puede ser tres, tenemos que calcular el
determinante de A:
Dado que el determinante de A no es nulo y a su vez es de orden 3, el

rango (A) = 3.
La definición del rango no requiere que las matrices sean cuadradas. En
ese sentido va el siguiente ejemplo.
b) Calcular el rango de la matriz B de orden 3 × 4:
Como hay un determinante de orden dos no nulo, el rango de la matriz B

es mayor o igual que 2. Calculamos a continuación los determinantes de
orden superior:
Probamos con un segundo determinante de orden tres:
Así pues, como hay un determinante de orden tres que no es nulo, el

rango (B) = 3. El rango de B no puede ser mayor que 3, ya que no se
puede formar un determinante de orden 4. Recuérdese que para poder
calcular el determinante de una matriz o de una submatriz, éstas tienen
que ser cuadradas.
Propiedades del rango

1. Si la matriz A es mxn, entonces el rango de A es: r(A) ≤ mín(m,n).
2. En general es r(AxB) ≠ r(BxA).
3. r(AxB) ≤ mín(r(A),r(B)).
4. Si A es cuadrada de rango máximo (|A| ≠ 0), entonces para
cualesquiera matrices B y C se cumple: r(AxB) = r(B) y r(CxA) =
r(C).
5. Sea An.n simétrica e invertible. Entonces existe una matriz Q tal que
QTxAxQ es diagonal (se dice que Q “diagonaliza” la matriz A).
6. Si Xn.k es de rango máximo, entonces r(XTxX) = r(X).
Uso de los determinantes para resolver sistemas lineales

Ya hemos visto cómo utilizar las matrices y su aplicación a los sistemas
de ecuaciones lineales. La siguiente regla muestra cómo usar los
determinantes para resolver sistemas compatibles determinados.
Regla de Cramer
Los pasos a seguir para resolver los sistemas de ecuaciones según la
regla de Cramer son los siguientes. Se supone que el sistema es
cuadrado de orden n, esto es, que existen tantas ecuaciones como
incógnitas.
1. Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones.

2. Calcular el determinante de A (el cual se supone diferente de cero).
3. Aplicar la regla de Cramer, que consiste en sustituir cada columna de la
matriz A por el vector b. Se obtienen así tantas matrices cuadradas como
incógnitas tiene el sistema. Para cada matriz así obtenida se calcula el
correspondiente determinante. Si se denomina |A1| al determinante de la
matriz A donde se ha sustituido la primera columna por b, |A2| al
determinante de la matriz A donde se ha sustituido la segunda columna
por b, etc., entonces la solución del sistema se obtiene dividiendo cada
uno de estos determinantes entre el determinante de A:
⎧ A1 A A A ⎫
SOLUCIÓN = ⎨ x1 = , x2 = 2 , x3 = 3 ,....., xn = n ⎬
⎩ A A A A⎭
Ejemplo:
Sea el sistema de ecuaciones lineales formado por dos ecuaciones con

dos incógnitas:
Encontrar el valor de x e y mediante la regla de Cramer.
Empezaremos con el primer paso, que consiste en hallar la matriz

ampliada (A b) asociada al sistema de ecuaciones lineales:
El segundo paso es calcular el determinante de A. Así pues:
Y el tercero y último paso consiste en calcular las incógnitas:

Discusión de los sistemas de ecuaciones lineales
A continuación, se analiza si un sistema de ecuaciones lineales tiene o no
raíces y si tiene una única o infinitas raíces.
El estudio o discusión de los sistemas de ecuaciones se efectúa aplicando

el teorema de Rouché-Fröbenius. Éste dice que con un sistema de
ecuaciones lineales pueden ocurrir dos cosas:
1. Que el sistema de ecuaciones sea un sistema compatible (S.C.), esto

es, que tenga solución no vacía.
2. Que el sistema de ecuaciones sea un sistema incompatible (S.I.) o que

el conjunto solución sea vacío.
El primer caso puede dividirse en dos:
a) que sea un sistema compatible y determinado (S.C.D.), esto es, que

tenga una única raíz;
b) que el sistema sea compatible e indeterminado (S.C.I.), es decir, que

tenga infinitas raíces.
Sea un sistema no homogéneo:
En consecuencia, la matriz ampliada (A∴b) asociada al sistema de

ecuaciones es:
El sistema es compatible cuando rango (A) = rango (A b), lo que suele

expresarse diciendo que el rango de la matriz de coeficientes coincide con
el rango de la matriz ampliada.
Si el sistema anterior es compatible y rango (A) = rango (A b) = número

de incógnitas, el sistema es compatible y determinado, es decir, tiene una
única raíz.
Si, por el contrario, tenemos que rango (A) = rango (A b) < número de
incógnitas, el sistema es compatible e indeterminado, es decir, tiene
infinitas raíces.
Si rango (A) ≠ rango (A b), el sistema es incompatible y no tiene solución.
Ejemplos:
Discutir, sin resolver, los siguientes sistemas de ecuaciones:
Puesto que rango(A) = 1 ≠ rango(A b) = 2, el sistema es incompatible; el

conjunto solución es vacío.
Ya que rango(A) = rango(A b) = 2 = número de incógnitas, el sistema es

compatible y determinado; es decir, existe una única raíz.
Puesto que rango(A) = rango(A b) = 1 < número de incógnitas, el sistema
es compatible e indeterminado; existen infinitas raíces.
Otro ejemplo: Probar que el sistema siguiente es compatible determinado

y calcular el valor de las incógnitas.
Calculamos a continuación el rango de A y el rango de la matriz ampliada

(A b):
El rango de la matriz A será:
3 2 −1
2 −1 2 = −6 + 4 − 6 − 1 − 8 − 18 = −35 ≠ 0 ⇒ r ( A) = 3
1 3 2
El rango de la matriz ampliada (A b) también es 3 pues a lo sumo puede

ser 3 y ya tenemos una submatriz (A) con determinante no nulo.
Dado que rango (A) = rango (A b) = 3 = número de incógnitas, el sistema

es compatible y determinado; tiene, pues, una única raíz.
Resolvamos el sistema mediante la regla de Cramer:
Ya conocemos el det (A) = -35
Aplicando la regla de Cramer:

4 2 −1 3 4 −1
3 −1 2 2 3 2
−5 3 2 − 68 68 1 −5 2 53 − 53
x= = = y= = =
− 35 − 35 35 − 35 − 35 35
3 2 4
2 −1 3
1 3 −5 42 − 42
z= = =
− 35 − 35 35
Raíz = {x = 68/35; y = -53/35; z = -42/35}.
La matriz de insumo-producto
Sea una economía con dos sectores productivos A y B. Una parte de

su producción es consumida dentro de los sectores productivos (insumos
de la producción) y otra parte se destina a satisfacer la demanda de los
consumidores finales (hogares, gobierno, demandantes del exterior). El
siguiente cuadro, denominado MATRIZ DE INSUMO-PRODUCTO, muestra
el monto de las transacciones entre los sectores, medido en unidades
monetarias.
Matriz de Insumo-Producto
Demanda Total
A B final
A 200 1600 200 2000
B 600 800 2600 4000
Otros factores 1200 1600 -----
Total 2000 4000
Los “Otros factores” de la producción son otros integrantes del costo, que
no son producto de los sectores productivos. Integran los “Otros factores”: las
retribuciones personales (y las cargas sociales), la depreciación de los bienes de
activo fijo utilizados en la producción y el excedente de explotación (concepto
similar al beneficio empresario).
Si se dividen los valores de las columnas de los sectores productivos por

el total de cada columna, se obtiene la MATRIZ DE COEFICIENTES DE
INSUMO-PRODUCTO para esa economía. En el ejemplo numérico el 10% de la
producción de A es consumida por A, mientras que las compras de insumos al
sector B representa el 30% de la producción de A. El 40% de la producción de B
es consumido por A y un 20% en B.
Matriz de coeficientes Matriz de Leontief
A B A B
A 0,1 0,4 A 0,1 0,4
B 0,3 0,2 B 0,3 0,2
Otro 0,6 0,4
s
La industria A destina el 40% del valor de su producción a pagar el costo

de sus insumos (10% en la propia industria A y 30% en el sector productivo B) y
el 60% restante se podría distribuir así:
- 38% en Remuneraciones y Cargas Sociales

- 6% en Depreciaciones
- 16% Excedente de Explotación.
Si no hay variación de stocks (se produce exactamente lo que se

demanda), entonces se cumple la siguiente relación para cada uno de los
sectores productivos:
Producción en A = Consumido en A + Consumido en B + Demanda Final

de productos A de productos A de productos A
Producción en B = Consumido en A + Consumido en B + Demanda Final

de productos B de productos B de productos B
⎛X ⎞
Si el vector X = ⎜⎜ A ⎟⎟ representa la producción de ambos sectores, y el
⎝XB ⎠
⎛ DF ( A) ⎞
vector ⎜⎜ ⎟⎟ la demanda final de la producción de ambos sectores, las
⎝ DF ( B ) ⎠
⎧ X A = 0,1. X A + 0,4. X B + DF ( A)
relaciones anteriores pueden escribirse así: ⎨
⎩ X B = 0,3. X A + 0,2. X B + DF ( B )
⎛ X ⎞ ⎛ 0,1 0,4 ⎞ ⎛ X A ⎞ ⎛ DF ( A) ⎞
En notación matricial: ⎜⎜ A ⎟⎟ = ⎜⎜ ⎟.⎜ ⎟+⎜ ⎟
⎝ X B ⎠ ⎝ 0,3 0,2 ⎟⎠ ⎜⎝ X B ⎟⎠ ⎜⎝ DF ( B ) ⎟⎠
⎡ ⎛ 0,1 0,4 ⎞⎤ ⎛ X A ⎞ ⎛ DF ( A) ⎞
⎢ I − ⎜⎜ ⎟⎟⎥.⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎣ ⎝ 0,3 0, 2 ⎠⎦ ⎝ B ⎠ ⎝
X DF ( B ) ⎠
−1
⎛X ⎞ ⎡ ⎛ 0,1 0,4 ⎞⎤ ⎛ DF ( A) ⎞
Despejando resulta: ⎜⎜ A ⎟⎟ = ⎢ I − ⎜⎜ ⎟⎥ .⎜⎜ ⎟⎟ .
⎝XB ⎠ ⎣ ⎝ 0,3 0,2 ⎟⎠⎦ ⎝ DF ( B ) ⎠
Se puede verificar que la matriz inversa en este caso resulta igual a
1 ⎛8 4⎞ ⎛ 2000 ⎞ 1 ⎛ 8 4 ⎞ ⎛ 200 ⎞
.⎜⎜ ⎟⎟ y que se cumple que: ⎜⎜ ⎟⎟ = .⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ .
6 ⎝3 9⎠ ⎝ 4000 ⎠ 6 ⎝ 3 9 ⎠ ⎝ 2600 ⎠
¿Qué utilidad tiene la matriz de insumo-producto? Podemos resolver

fácilmente el problema de determinar el nivel de la producción en cada sector
para satisfacer diferentes vectores de demanda final (suponiendo que se
mantienen constantes los coeficientes de insumo-producto). Ejemplo: ¿cuánto
deberán producir los sectores A y B para satisfacer una demanda de 500
unidades monetarias de productos A y 3200 unidades monetarias de productos
B?
⎛X ⎞ 1 ⎛8 4 ⎞ ⎛ 500 ⎞ 1 ⎛ 16800 ⎞ ⎛ 2800 ⎞

Respuesta: ⎜⎜ A ⎟⎟ = .⎜ ⎟.⎜ ⎟ = .⎜ ⎟=⎜ ⎟.
⎝XB ⎠ 6 ⎜⎝ 3 9 ⎟⎠ ⎜⎝ 3200 ⎟⎠ 6 ⎜⎝ 30300 ⎟⎠ ⎜⎝ 5050 ⎟⎠
Repartido Práctico 7: Matrices y Determinantes
Ejercicio 1
⎛1 0 2⎞
⎛ 1 − 1⎞ ⎛0 2 ⎞ ⎜ ⎟
Sean las matrices: A = ⎜⎜ ⎟⎟ , B = ⎜⎜ ⎟⎟ y C = ⎜ 0 1 − 1⎟ .
⎝2 3 ⎠ ⎝ 1 − 3⎠ ⎜−1 2 1 ⎟
⎝ ⎠
2 3
a) Calcular: 2.A, -2.B, ½.(A+B), A – B, A , A y A.B.
b) Calcular: det.(A), det.(B), det.(A+B), det.(A-B) y det.(A.B).
c) Calcular: det.(C), det.(C´) y det.(5.C).
Ejercicio 2
⎛1 2⎞ ⎛ − 1 1⎞
Sean las matrices: A = ⎜⎜ ⎟⎟ y B = ⎜⎜ ⎟⎟ . Resolver las siguientes
⎝3 4⎠ ⎝ 2 0⎠
ecuaciones en la matriz X:
a) A+X=B
b) A–B=X
c) 3.A + 4.X = 5.A
d) A.B = X
e) A.X = B
f) X.A = B
g) A.X = I
Ejercicio 3
Probar las propiedades conmutativa y distributiva del producto escalar de
vectores.
Ejercicio 4
⎛ − 1 1⎞ ⎛0 0⎞
Encontrar dos matrices B2.2 ≠ Ο tal que: ⎜⎜ ⎟⎟ xB = ⎜⎜ ⎟⎟
⎝ − 2 2⎠ ⎝0 0⎠
Ejercicio 5
⎛1 2⎞ ⎛ − 1 1⎞
Probar que A.B = A . B en el caso particular A = ⎜⎜ ⎟⎟ y B = ⎜⎜ ⎟⎟ .
⎝3 4⎠ ⎝ 2 0⎠
Ejercicio 6
1
Demostrar que si la matriz A es invertible, entonces: A −1 = .
A
Ejercicio 7
1 ⎛ −1 − 3 ⎞
Sea A = .⎜⎜ ⎟. Probar que A3 = I. Usar este resultado para calcular A-1.
2 ⎝ 3 − 1 ⎟⎠
Ejercicio 8
⎛ 1 0 1⎞
⎜ ⎟
Hallar la inversa de la matriz: T = ⎜ 0 2 0 ⎟ .
⎜ − 1 0 1⎟
⎝ ⎠
Ejercicio 9
⎛ 0 1 0⎞
⎜ ⎟
Sea la matriz A = ⎜ 0 1 1 ⎟.
⎜1 0 1⎟
⎝ ⎠
2 3
a) Calcular det.(A), A y A .
b) Probar que A3 – 2A2 + A – I = O, donde I es la identidad de orden 3 y O es la
matriz nula.
c) Demostrar que A tiene inversa y que A-1 = (A – I)2.
d) Hallar una matriz P tal que P2 = A. ¿Hay otras matrices con esta propiedad?
Ejercicio 10
⎛2 1 4⎞
Sea la matriz M = ⎜⎜ ⎟⎟.
⎝ 0 − 1 3⎠
a) Calcular M.M´, det.( M.M´) y (M.M´)-1.
b) Las matrices M.M´ y (M.M´)-1 son simétricas. ¿Es una coincidencia?
Ejercicio 11
Supongamos que A, P y D son matrices cuadradas tales que A = P.D. P-1.
a) Probar que A2 = P.D2.P-1.
b) Probar por inducción completa que An = P.Dn.P-1 para todo natural n.
Ejercicio 12
⎛ − 1/ 2 5 ⎞
Sea la matriz C =⎜⎜ ⎟⎟.
⎝ 1 / 4 − 1 / 2 ⎠
Calcular C2+C, C3-2C+I, y luego hallar C-1.
Ejercicio 13
Sea B una matriz cuadrada de orden 3 tal que B2 + 2.B + I = O. Probar que B
tiene inversa y que B-1 = – B – 2.I.
Ejercicio 14
Sea D una matriz cuadrada de orden n que verifica la ecuación: D2+D=I.
a) Probar que D tiene inversa y que D-1 = I + D.
b) Probar que D3 = - I + 2D y que D4 = 2I – 3D.
Ejercicio 15
Sea X una matriz m.n tal que det.(X´.X) ≠ 0. Sea A = Im – X.(X´.X)-1.X´.
a) Demostrar que la matriz A es idempotente ( que A2 = A).
⎛1 1 ⎞
⎜ ⎟
b) Verificar que A es idempotente en el caso particular X = ⎜1 2 ⎟.
⎜1 1 ⎟
⎝ ⎠
Ejercicio 16
Una economía tiene dos sectores productivos A y B. El 40% de la producción de
A es consumida por A, mientras que las compras de insumos al sector B representa el
30% de la producción de A. El 40% de la producción de B es consumo proveniente del
sector A y un 20% de la producción de B es autoconsumida por B. La demanda final de
los consumidores es de 1.000 unidades monetarias de A y 2500 unidades monetarias de
B.
a) Hallar la matriz de Leontief en este problema.

b) Hallar el vector de producción que satisface la demanda agregada total.
Ejercicio 17
Sean las matrices:
⎛0 0 0 1⎞ ⎛0 0 1 1⎞ ⎛1 1 1 1⎞
⎛1 0 0⎞ ⎛0 0 1⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜0 0 1 0⎟ ⎜0 0 1 2⎟ ⎜1 1 1 1⎟
⎜ 0 2 0 ⎟ = A, B = ⎜ 0 2 0⎟ C = ⎜ D=⎜ E =⎜
⎜ 0 0 3⎟ ⎜ 3 0 0⎟ 0 1 0 0⎟ 1 1 0 0⎟ 1 1 1 1⎟
⎝ ⎠ ⎝ ⎠ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜1 0 0 0 ⎟⎠ ⎜1 2 0 0 ⎟⎠ ⎜1 1 1 1⎟⎠
⎝ ⎝ ⎝
a) Calcular los determinantes de las 5 matrices.

b) Hallar el rango de las 5 matrices.
Ejercicio 18
⎛ 1 − 1 − 1⎞
⎛1 2 ⎞ ⎜ ⎟
Sean las matrices: A = ⎜⎜ ⎟⎟ y B = ⎜ − 2 2 α ⎟ .
⎝3 α ⎠ ⎜ 3 1 β ⎟⎠
⎝
a) Hallar el rango de A, discutiendo según α.
b) Hallar el rango de B, discutiendo según α y β.
CURSO 2004
PARTE IV

8. ESPACIOS VECTORIALES
Definición: Sea V un conjunto de entes a los que llamaremos vectores. Se cumple:

a) Es posible definir la suma de dos elementos cualesquiera de V, el resultado de
la suma también es un elemento de V y se verifica que {V, +} es un grupo.
b) Es posible multiplicar los elementos de V por escalares15 o números reales, el
resultado de la multiplicación es un elemento de V, y el producto por un
escalar verifica las siguientes propiedades:
* Existencia de neutro: el neutro es el real 1 y se cumple que 1.v = v, ∀ v XV
* Asociativa: (λ.ρ).v = λ.(ρ.v) ∀ λ,ρ XR y ∀ v XV
* Distributiva respecto de la suma de escalares: (λ + ρ).v = λ.v + ρ.v
∀ λ,ρ XR y ∀ v XV
* Distributiva respecto de la suma de vectores: λ.(u + v) = λ.u + λ. v
∀ λ XR y ∀ u,v XV
Entonces, {V, +, R, .} tiene estructura de espacio vectorial.
Un ejemplo fácil de visualizar gráficamente es el caso en que V es el conjunto de

las “flechas” del plano con origen en el origen de coordenadas. Las “flechas” o vectores
se pueden identificar por su “punta”, que no es otra cosa que un punto del plano o
también un par ordenado de números reales.
Vector (1,2) Vector (-3, -1)
La suma de estos vectores se obtiene sumando sus coordenadas.
u = (a, b)
v = (c, d)
_______________
u + v = (a+c, b+d)
y del punto de vista gráfico, la suma de dos vectores es otro vector que se obtiene como
diagonal de un paralelogramo.
b+d
b
15
Los escalares podrían ser también números complejos. Nosotros trabajaremos sólo con los reales.
a c a+c
El producto de estos vectores por un número es otro vector que se obtiene

multiplicando por ese número las coordenadas del primer vector.
λ.(a, b) = (λ.a, λ.b)
Gráficamente el producto de λ por (a, b) consiste en “estirar” la flecha en la

misma dirección si λ > 1, “achicar” la flecha si 0 < λ < 1 y cambiar la dirección de la
flecha si λ < 0. Si λ = 0 entonces la flecha se transforma en el vector nulo:
0.(a, b) = (0, 0) = Ø = Vector nulo
(a,b) (0,5a, 0,5b) (3.a, 3.b)
3.b
b
0,5.b
a 0,5.a 3.a
(-a, -b)
-a
-b
El lector puede verificar que, el conjunto de las flechas, utilizando como escalares
los números reales y con las definiciones que hemos dado de suma y producto por un
escalar, es un Espacio Vectorial, es decir, se verifican las 8 propiedades que definen dicha
estructura. A modo de ejemplo, el neutro de la suma en este espacio vectorial es el vector
(0, 0), pues si se suma a cualquier otro vector, se obtiene éste último.
Por definición, (0, 0) es el neutro si para todo vector (a, b) es: (a, b) + (0,0) = (a, b)
Demostración: (a, b) + (0,0) = (a + 0, b + 0) = (a, b). Efectivamente, (0, 0) es neutro de la
suma.
El opuesto del vector (a, b) es el vector (-a, -b), pues se cumple que la suma de
ambos es el neutro de la suma.
Otro ejemplo de Espacio Vectorial es {Ρ2, +, R, .} donde Ρ2 es el conjunto de los
polinomios (en una sola indeterminada) de coeficientes reales con grado menor o igual
que 2, y las operaciones de suma y producto corresponden a las definiciones ya
introducidas de suma de polinomios y multiplicación de un polinomio por un número. El
resultado de las operaciones es siempre un polinomio de hasta grado 2 (un vector de Ρ2) y
es fácil verificar que se cumplen las 8 propiedades. El neutro de la suma en este Espacio
Vectorial es el polinomio nulo.
Consideremos ahora el conjunto de los polinomios de grado 2 (sólo los de grado
2) Ρ2 . ¿Por qué {Ρ2*, +, R, .} no es un Espacio Vectorial?
*
Otros ejemplos de espacios vectoriales:
{Ρ3, +, R, .}: Vectores = Polinomios de hasta grado 3

{Ρn, +, R, .}: Vectores = Polinomios de hasta grado n
{Ρ, +, R, .}: Vectores = Polinomios
{R , +, R, .}: Vectores = Pares ordenados
2
{R3, +, R, .}: Vectores = Ternas ordenadas

{Rn, +, R, .}: Vectores = Énuplas ordenadas
{M2.2, +, R, .}: Vectores = Matrices 2 por 2
{Mm.n, +, R, .}: Vectores = Matrices m por n
El Espacio Vectorial con vectores de R3 tiene como interpretación geométrica el

espacio de tres dimensiones, donde los vectores son flechas con origen en el centro de
coordenadas. En Rn los vectores también son flechas con origen en el centro de
coordenadas, pero en un hiperespacio n-dimensional.
A partir de ahora supondremos que {V, +, R, .} es un Espacio Vectorial, y por

abuso de lenguaje diremos que V es un Espacio Vectorial (donde las operaciones de suma
y producto por un escalar son las definiciones usuales en los respectivos espacios).
Definición: Dados el conjunto U = {u1, u2, u3, … , uk}, U ⊆ V, y el vector v ∈ V,

se dice que v es combinación lineal de U si existen los escalares λ1, λ2, λ3, … , λk ∈ R
tales que el vector v se puede escribir así:
k
v= ∑ λ .u
i =1
i i
Observaciones
1. Los λi se llaman los coeficientes de la combinación lineal.
2. Cuando todos los λi son iguales a 0, la combinación lineal se llama trivial.
3. Una combinación lineal de vectores es no trivial cuando uno por lo menos de los
λi es distinto de 0.
Ejemplo: Sea V = R2 y U = {u1 = (1, 2), u2 = (2, 1)}. El vector v1 = (0, 3) es

combinación lineal de U porque existen λ1 y λ2 ∈ R tales que λ1.(1, 2) + λ2.(2, 1) = (0, 3).
Dichos λ1 y λ2 son: λ1 = 2 y λ2 = 1.
¿v2 = (5, -2) es combinación lineal de U? Para responder tenemos que averiguar si
existen λ1 y λ2 ∈ R tales que λ1.(1, 2) + λ2.(2, 1) = (5, -2). Veamos si existen dichos
escalares.
Partimos de la combinación lineal: λ1.(1, 2) + λ2.(2, 1) = (5, -2)
Por definición de producto por un escalar: (λ1, 2. λ1) +(2. λ2, λ2) = (5, -2)
Por definición de suma de vectores: (λ1 + 2. λ2, 2. λ1 + λ2) = (5, -2)
Para que ambos vectores sean iguales, deben ser iguales componente a
componente. Es decir que las igualdades λ1 + 2. λ2 = 5 y 2. λ1 + λ2 = -2 deben
satisfacerse a la vez. Entonces, v2 es combinación lineal de U si el siguiente sistema de
ecuaciones lineales es compatible:
⎧ λ1 + 2.λ2 = 5
⎨
⎩2.λ1 + λ2 = −2
Y para ello, según hemos visto, alcanza con que la matriz de coeficientes del sistema,
⎛ 1 2⎞ 1 2
⎜⎜ ⎟⎟ sea de rango 2, lo cual se cumple en este caso pues ≠ 0. Entonces, v2 es
⎝ 2 1⎠ 2 1
combinación lineal de U.
Ejemplo: Sea V = R3 y U = {u1 = (1, 1, 0), u2 = (1, 1, 1)}. ¿Es v = (1, 2, 3)

combinación lineal de U? Veamos si existen λ1 y λ2 ∈ R que satisfacen la definición.
λ1.(1, 1, 0) + λ2.(1, 1, 1) = (1, 2, 3)

(λ1, λ1, 0) +(λ2, λ2, λ2) = (1, 2, 3)
⎧ λ1 + λ2 = 1
⎪
⎨ λ1 + λ2 = 2
⎪ λ2 = 3
⎩
El sistema es incompatible (las dos primeras ecuaciones no tienen raíces en

común) y por tanto v no es combinación lineal de U.
Observación: el vector nulo (Ø) es combinación lineal de cualquier conjunto U no

vacío. Si U = {u1, u2, u3, … , uk}, el vector nulo es C. L. de U si existen λ1, λ2, λ3, … , λk
k
∈ R tales que ∑ λ .u
i =1
i i = Ø. Los λi existen, alcanza con tomar todos los λi = 0
(combinación lineal trivial). En el problema que nos planteamos a continuación, el asunto

es otro: saber si además de la combinación lineal trivial, existe alguna combinación no
trivial que origine el vector nulo.
Definición: Un conjunto de vectores U es linealmente independiente cuando la

única forma de obtener el vector nulo como combinación lineal de U es mediante la
combinación lineal trivial.
Ejemplo: Sea U = {u1 = (1, 1, 0), u2 = (1, 1, 1)}. ¿U es linealmente independiente

(L. I.). Para averiguarlo nos planteamos la combinación lineal de los vectores de U, la
igualamos al vector nulo y estudiamos si la única forma de la combinación es la
combinación lineal trivial o si existe una combinación no trivial de U que permita
expresar el vector nulo.
λ1.(1, 1, 0) + λ2.(1, 1, 1) = (0, 0, 0)
(λ1, λ1, 0) +(λ2, λ2, λ2) = (0, 0, 0)
(λ1 + λ2, λ1+ λ2, λ2) = (0, 0, 0)
⎧ λ1 + λ2 = 0
⎪
⎨ λ1 + λ2 = 0
⎪ λ2 = 0
⎩
El sistema es compatible determinado con única raíz λ1 = 0) y λ2 = 0. Entonces, la
única forma de obtener el vector nulo como combinación lineal de U es mediante la
combinación lineal trivial. Entonces, el conjunto U es L. I.
Ejemplo: Sea T = {t1 = (1, 1, 0), t2 = (1, 1, 1), t3 = (-1, -1, 2)}. ¿Es T un conjunto
de vectores L. I.?
λ1.(1, 1, 0) + λ2.(1, 1, 1) + λ3.(-1, -1, 2) = (0, 0, 0)

(λ1, λ1, 0) +(λ2, λ2, λ2) +(-λ3, -λ3, 2.λ3) = (0, 0, 0)
(λ1 + λ2 - λ3, (λ1 + λ2 - λ3, λ2 + 2.λ3) = (0, 0, 0)
⎧ λ1 + λ2 − λ3 = 0
⎪
⎨ λ1 + λ2 − λ3 = 0
⎪ λ2 + 2.λ3 = 0
⎩
La segunda y tercera ecuaciones son iguales, por lo que una de ellas puede
eliminarse obteniendo un sistema equivalente con dos ecuaciones y tres incógnitas.
⎧
⎪
⎨ λ1 + λ2 − λ3 = 0
⎪ λ2 + 2.λ3 = 0
⎩
El sistema es compatible indeterminado. Existen λ1, λ2 y λ3 no todos nulos tales

que λ1.t1 + λ2.t2 + λ3.t3 = (0, 0, 0). Por ejemplo, λ1 = 3, λ2 = -2 y λ3 = 1. Entonces, el
conjunto T no es L. I. Se dice que el conjunto T es linealmente dependiente.
Definición: Un conjunto U de vectores es linealmente dependiente (L.D.) cuando

no es L. I.
Observaciones
1. Si el conjunto U está formado sólo por el vector nulo, U = { Ø }, entonces U es L. D.
2. Si un conjunto U tiene como elemento el vector nulo, U = {Ø, u2, u3, … }, entonces el
conjunto U es L. D.
Teorema1: H) U tiene dos o más vectores

U es L. D.
T) Uno por lo menos de los vectores de U es combinación lineal de
los restantes vectores de U.
Teorema2: Si a un conjunto L. D. se le agrega un vector cualquiera, entonces el

nuevo conjunto también es L. D.
Teorema3: Si a un conjunto L. I. con dos o más vectores se le quita un vector

cualquiera, entonces el nuevo conjunto también es L. I.
Observación: Si a un conjunto L. D. se le quita un vector, entonces no puede
afirmarse nada de la dependencia lineal del nuevo conjunto. Otro tanto ocurre con un
conjunto L. I. al cual se le agrega un vector.
Definición: El conjunto G de vectores es un generador de V si todo vector de V

puede escribirse como combinación lineal de G.
Ejemplo: Un vector cualquiera de R3 es de la forma (a, b, c) donde las letras son

parámetros independientes. Sea G = {u1 = (1, 0, 0), u2 = (0, 1, 0), u3 = (0, 0, 1)}. ¿Es G un
generador de R3?
(a, b, c) = a.(1, 0, 0) + b.(0, 1, 0) + c.(0, 0, 1) ∀ a, b, c X R
Entonces todo vector de R3 puede escribirse como combinación lineal de G, y por
tanto G es un generador de R3.
Observación: Si a un generador se le agregan vectores, sigue siendo generador.

Pero si a un generador se le quitan vectores, entonces no puede afirmarse nada acerca de
si el nuevo conjunto sigue siendo generador.
Definición: El conjunto de vectores B es base del Espacio Vectorial V si se

cumple a la vez que B es generador de V, y B es un conjunto L. I.
Ejemplo: El conjunto G = {u1 = (1, 0, 0), u2 = (0, 1, 0), u3 = (0, 0, 1)} es generador
de R3 y como además es L. I. (el lector habrá de probarlo), entonces G es base de R3.
Teorema4: H) Existe una base en V con un número finito de vectores.

T) Todas las bases de V tienen el mismo número de vectores.
Definición: Se llama dimensión del Espacio Vectorial al número de vectores de

una base cualquiera del espacio.
Notación: Dim(V). Por ejemplo, Dim(R3) = 3.
Observación: La dimensión del espacio puede ser finita, pero también existen
espacios de dimensión infinita. Nosotros estaremos interesados en los espacios de
dimensión finita.
Teorema5: H) Dim(V) = n
T) Todo conjunto de V con más de n vectores es L. D.
Ejemplo: Consideremos el Espacio Vectorial R3. Ya sabemos que Dim(R3) = 3.

En consecuencia, todos los conjuntos de R3 con más de 3 vectores son L. D. Sabemos
que en R3 las bases tienen 3 vectores. Entonces, ¿puede haber conjuntos L. I. con dos o
menos vectores? La respuesta es afirmativa. Dichos conjuntos L. I. con 2 o menos
vectores, ¿pueden ser generadores de R3? La respuesta es NO, pues si hubiera
generadores L. I. con dos vectores, entonces serían bases del E. Vectorial, y la dimensión
no sería 3.
Es fácil demostrar que en el Espacio Vectorial de los polinomios Ρ2, la dimensión

es 3, que en el Espacio Vectorial Ρn la dimensión del espacio es (n + 1) y que en el
Espacio Rn la dimensión es n.
El último concepto que introducimos en esta sección es el de subespacio.
Definición: Sea el conjunto de vectores V’ incluido en el Espacio Vectorial V,

V’ ⊆ V, tal que {V’, +, R, .} es también un Espacio Vectorial. Entonces V’ es un
subespacio vectorial de V.
Ejemplo: Sea V = R2 y sea V’ = {(a, b): a = b}, es decir, V’ es el conjunto de

vectores de R2 que tienen iguales sus coordenadas. Probaremos que V’ es un subespacio
vectorial de R2. Como los vectores de V’ son también vectores de V, y las operaciones de
suma y multiplicación por un escalar son las mismas, todas las propiedades del espacio
vectorial V se cumplen en V’ a condición que las operaciones sean cerradas, esto es, que
la suma de vectores de V’ sea un vector de V’ y que la multiplicación de un vector de V’
por un escalar cualquiera también sea un vector de V’.
Dos vectores cualesquiera de V’ tienen la forma: (α, α) y (β, β). La suma de estos
dos vectores es (α + β, α + β) que también es un vector de V’ (pues tiene iguales sus
coordenadas). El producto de un vector por un escalar tiene la forma: λ.(α, α) = (λ.α, λ.α)
que también tiene sus coordenadas iguales. Entonces, V’ es un subespacio vectorial de
R2.
Teorema6: H) V’ es un subespacio vectorial de V

T) Dim(V’) ≤ Dim(V)
Ejemplo: Demostrar que en el ejemplo precedente es Dim(V’) = 1.
Teorema7: H) U es un conjunto de vectores finito en el espacio vectorial V

W = {w: w es combinación lineal de U}
T) {W, +, R, .} es un subespacio vectorial de V
El conjunto W es el conjunto de todas las combinaciones posibles del conjunto U.

Lo que afirma el teorema es que este conjunto es un subespacio vectorial de V. ¿Qué pasa
si el conjunto U es una base de V? Lo que ocurre es que el conjunto W coincide con V,
pues el conjunto U por ser base es también generador, entonces los vectores de W son
todos los que pueden escribirse como combinación lineal de un generador, o sea, todo el
Espacio Vectorial V. El subespacio vectorial W se conoce como el subespacio vectorial
generado por U.
Ejemplo: Sean V = R3 y U = {u1 = (1, 1, 0), u2 = (1, -1, 0)}. El subespacio

vectorial generado por U es W = {w: w = a.(1, 1, 0) + b.(1, -1, 0)}. W es un conjunto de
vectores de la forma (a + b, a – b, 0) donde a y b son parámetros independientes. Es
fácil probar que Dim(W) = 2 pues el conjunto U es generador de W y además es L. I.
Repartido Práctico 8: Espacios Vectoriales
Ejercicio 1
Verificar que el conjunto de las matrices 2x2 con las operaciones de suma de
matrices y producto por un escalar (real) es un Espacio Vectorial.
Ejercicio 2
Sea el conjunto U = {u1, u2, u3, u4} y sea un vector v tal que:
4.u3 + 2.v = u1 + 2.u2 – 6.u4.
Hallar los coeficientes λi que permiten expresar al vector v como combinación

lineal de U.
Ejercicio 3
⎧⎛ 1 ⎞ ⎛ 2 ⎞ ⎛ 1 ⎞ ⎛1⎞⎫
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎪
Sea U = ⎨⎜ 1 ⎟; ⎜ 1 ⎟; ⎜ 0 ⎟; ⎜1⎟⎬ .
⎪⎜ 0 ⎟ ⎜ 0 ⎟ ⎜ 2 ⎟ ⎜1⎟⎪
⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎭
a) Hallar 5 vectores que sean combinaciones lineales de U.
⎛1⎞
⎜ ⎟
b) ¿El vector v = ⎜ 0 ⎟ es combinación lineal de U?
⎜1⎟
⎝ ⎠
c) ¿El vector nulo es combinación lineal de U?
⎛a⎞
3 ⎜ ⎟
d) ¿Existe algún vector de R , ⎜ b ⎟ que no sea combinación lineal de U?
⎜c⎟
⎝ ⎠
Ejercicio 4
⎧⎛ 1 ⎞ ⎛ 1 ⎞ ⎛ 0 ⎞⎫
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎪
Sea U = ⎨⎜ 2 ⎟; ⎜ 0 ⎟; ⎜ 0 ⎟⎬ . ¿Es posible escribir el vector nulo como combinación
⎪⎜ 3 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟⎪
⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎭
lineal no trivial de U?
Ejercicio 5
⎧⎛ 1 ⎞ ⎛ 1 ⎞ ⎛ 0 ⎞⎫
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎪
Sea U = ⎨⎜ 1 ⎟; ⎜ 0 ⎟; ⎜ 1 ⎟⎬ .
⎪⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 1 ⎟⎪
⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎭
a) Probar que U es LI.
b) ¿Qué ocurre con la dependencia lineal del conjunto U si se le quita uno cualquiera de
los tres vectores?
Ejercicio 6
Probar que U = {Ο} es LD.
Ejercicio 7
Sea U = {u1, u2, u3, u4}. Se sabe que u2 = 4.u1 – 3.u3 + 5.u4. ¿Qué puede decirse
de la dependencia lineal del conjunto U?
Ejercicio 8
Sea el conjunto U = {(1,1,0) (−1,2,0) (2,−1,0)}.
a) Escribir el tercer vector de U como combinación lineal de los dos restantes.
b) El conjunto U ¿es LI?
c) Considere el conjunto de vectores W = {(a, b, c) tales que c = 0}. Los vectores
de W ¿pueden escribirse como combinación lineal de los vectores de U?
d) ¿W es un espacio vectorial?
e) ¿U es un generador de W?
f) ¿U es una base de W?
g) ¿Cómo puede obtenerse una base de W a partir del conjunto U?
Ejercicio 9
⎧⎛ 1 ⎞ ⎛1⎞ ⎛ 1 ⎞ ⎛ 1 ⎞⎫
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎪
Sea U = ⎨⎜ 2 ⎟; ⎜1⎟; ⎜ 1 ⎟; ⎜ 0 ⎟⎬ .
⎪⎜ − 3 ⎟ ⎜1⎟ ⎜ 0 ⎟ ⎜ 0 ⎟⎪
⎩⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎭
a) Probar que el primer vector de U puede escribirse como combinación lineal de los
tres restantes.
b) Estudiar la dependencia lineal del conjunto formado por U excluyendo el primer
vector.
c) Probar que dicho conjunto es un generador de R3.
d) ¿Qué dimensión tiene el espacio vectorial R3?
e) El conjunto definido en b) ¿es una base de R3?
Ejercicio 10
Considere los espacios vectoriales V1 = Polinomios de hasta grado 2, y V2 =
Matrices dos por dos.
a) Hallar un generador de V1.

b) Hallar un generador de V2.
c) Hallar una base y la dimensión de V1.
d) Hallar una base y la dimensión de V2.
Ejercicio 11
⎧⎛ a ⎞ ⎫
⎪⎜ ⎟ ⎪
a) Probar que V ' = ⎨⎜ b ⎟ : a + b + c = 0⎬ es un SEV de R3.
⎪⎜ c ⎟ ⎪
⎩⎝ ⎠ ⎭
b) Hallar una base de V’ y calcular la Dim(V’).
c) ¿Cuántos vectores, por lo menos, tiene que tener un generador de V’?
d) ¿Cuántos vectores tienen todas las bases de V’?
Ejercicio 12
⎧⎛ 1 ⎞⎫
Sea V = R2 y sea W el subespacio generado por U = ⎨⎜⎜ ⎟⎟⎬ .
⎩⎝ − 1⎠⎭
a) Hallar una base de W.
b) Hallar Dim(W).
Ejercicio 13
⎧⎛ a c ⎞⎫
Considere el espacio de las matrices 2x2: M = ⎨⎜⎜ ⎟⎟⎬ y el subconjunto P tal
⎩⎝ b d ⎠⎭
⎧⎛ a c ⎞ ⎫
que P = ⎨⎜⎜ ⎟⎟ con b + c = 0⎬ .
⎩⎝ b d ⎠ ⎭
a) Probar que P un subespacio de M.
⎧⎛ 1 2 ⎞ ⎛ 0 − 2 ⎞ ⎛ 3 1 ⎞ ⎛ − 3 0 ⎞⎫
b) Sea el conjunto A = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬ . Estudiar si el A
⎩⎝ − 2 − 1 ⎠⎝ 2 1 ⎠⎝ − 1 2 ⎠⎝ 0 2 ⎠⎭
conjunto es un generador de P.
c) Hallar una base de P y calcular Dim (P).
9. VALORES Y VECTORES PROPIOS. DIAGONALIZACIÓN.
Polinomio característico
Consideremos una matriz n-cuadrada:
La matriz (A - λ.In), donde In es la matriz identidad n-cuadrada y λ un
escalar indeterminado, se denomina matriz característica de A a la matriz:
Su determinante, det (A - λ·In) , que es un polinomio en λ, recibe el

nombre de polinomio característico de A.
La expresión det (A - λ·In) = 0 se llama ecuación característica de A.
Ejemplo: Hallar la matriz característica y el polinomio característico de la

matriz A.
La matriz característica es (A - λ.In). Luego:
y el polinomio característico:
Así pues, el polinomio característico es λ 2 - λ + 4.
Valores propios y vectores propios
Sea A una matriz n-cuadrada y sea X un vector columna de n

componentes tal que:
⎛ x1 ⎞
⎜ ⎟
⎜x ⎟
X =⎜ 2⎟≠Ο
...
⎜⎜ ⎟⎟
⎝ xn ⎠
Definción: Se llaman valores propios (ó característicos) de la matriz A
todos los escalares λ que verifican la ecuación AxX = λ.X, o la ecuación
equivalente: (A - λ.I)xX = Ø.
⎛1 2 1⎞
⎜ ⎟
Ejemplo: Hallar los valores propios de la matriz A = ⎜ 0 1 3 ⎟ . Como la
⎜0 0 2⎟
⎝ ⎠
matriz es 3x3, el vector X tiene tres componentes. Para hallar los valores
propios se plantea la ecuación característica.
⎛ 1 2 1 ⎞ ⎛ x1 ⎞ ⎛ x1 ⎞ ⎛1 − λ 2 1 ⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
AxX = λxX ⇒ ⎜ 0 1 3 ⎟ x⎜ x2 ⎟ = λx⎜ x2 ⎟ ⇒ ⎜ 0 1 − λ 3 ⎟ = ⎜ 0⎟
⎜0 0 2⎟ ⎜ x ⎟ ⎜x ⎟ ⎜ 0 0 2 − λ ⎟⎠ ⎜⎝ 0 ⎟⎠
⎝ ⎠ ⎝ 3⎠ ⎝ 3⎠ ⎝
Como el vector X no puede ser el vector nulo, y el sistema lineal es

homogéneo, es necesario que el sistema tenga otras raíces. Para ello, el
sistema debe ser indeterminado. Entonces, alguna punta de escalón debe
ser diferente de cero. Los valores propios son, entonces,
λ1 = 1 y λ2 = 2. De otra forma, el polinomio característico es (1 – λ)2.(2 − λ)
y la ecuación característica tiene las raíces 1 y 2.
Los λ que resuelven la ecuación característica pueden ser números reales

o complejos
Definción: Sea λ0 un valor propio real de A. Se llama vector propio de la

matriz A asociado a λ0 a cualquier vector X ≠ 0 tal que AxX = λ0.X.
Los términos valor característico y vector característico (o autovalor y

autovector) se utilizan con frecuencia en lugar de valor propio y vector
propio.
Ejemplo:
Así pues, v1 y v2 son vectores propios de A asociados, respectivamente,

a los valores propios λ1 = 4 y λ2 = -1 de A. En este ejemplo hemos visto
que los vectores v1 y v2 verifican la definición de vector propio, pero no
hemos resuelto el problema de encontrar los vectores propios asociados a
una matriz.
Los valores y vectores propios cumplen las siguientes propiedades:
1. λ es un valor propio de A si y solo si |A - λ.I| = 0.
2. Si X es un vector propio de A, entonces el vector k.X (k es un escalar

no nulo) también es un vector propio de A.
3. Si A es una matriz simétrica, entonces todos los valores propios de A

son reales.
4. Si A es simétrica, entonces los vectores propios correspondientes a

diferentes valores propios tienen su producto escalar nulo.
5. Sea A una matriz cuadrada y Q otra matriz cuadrada invertible. La

matriz B = Q-1.A.Q tiene los mismos valores propios de la matriz A.
Demostración: El polinomio característico de la matriz B es │B - λ.I│ =

│Q-1.A.Q-λ.I │. Pero la matriz identidad I es igual al producto Q-1.I.Q y por
tanto: │B - λ.I│ = │Q-1.A.Q-λ.Q-1.I.Q │= │Q-1.(A-λ.I).Q │=
│Q-1│.│A-λ.I│.│Q │= │A-λ.I│.
Ejemplo: Nos planteamos ahora el problema de encontrar los vectores

⎛1 2 1⎞
⎜ ⎟
propios de la matriz A = ⎜ 0 1 3 ⎟ . Ya vimos que los valores propios son
⎜0 0 2 ⎟⎠
⎝
λ1 = 1 y λ2 = 2.
- Cuando es λ1 = 1, los vectores propios asociados se obtienen de la

ecuación AxX = λ1.X. Entonces:
⎛ 1 2 1 ⎞ ⎛ x1 ⎞ ⎛ x1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 1 3 ⎟.⎜ x2 ⎟ = 1.⎜ x2 ⎟
⎜0 0 2⎟ ⎜ x ⎟ ⎜x ⎟
⎝ ⎠⎝ 3 ⎠ ⎝ 3⎠
que conduce al sistema:
⎧ 2. x 2 + x 3 = 0
⎪
⎨ 3. x 3 = 0
⎪ 2. x 3 = 0
⎩
⎛ x1 ⎞
⎜ ⎟
cuyas raíces son de la forma ⎜ 0 ⎟ .
⎜0⎟
⎝ ⎠
- Cuando es λ2 = 2, los vectores propios asociados se obtienen de la

ecuación AxX = λ2.X. Entonces:
⎛ 1 2 1 ⎞ ⎛ x1 ⎞ ⎛ x1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 1 3 ⎟.⎜ x2 ⎟ = 2.⎜ x2 ⎟
⎜ 0 0 2⎟ ⎜ x ⎟ ⎜x ⎟
⎝ ⎠⎝ 3 ⎠ ⎝ 3⎠
que conduce al sistema:
⎧ − x1 + 2.x2 + x3 = 0
⎪
⎨ − x 2 + 3. x 3 = 0
⎪ 0. x 3 = 0
⎩
⎛ 7.x3 ⎞
⎜ ⎟
cuyas raíces son de la forma ⎜ 3.x3 ⎟ .
⎜ x ⎟
⎝ 3 ⎠
Como puede observarse en el ejemplo, en virtud de la propiedad 2 antes
enunciada, para cada valor propio existen infinitos vectores propios, los
cuales difieren entre sí solamente por una constante multiplicativa. En el
⎛1⎞
⎜ ⎟
ejemplo, para λ1 = 1 un vector propio asociado es ⎜ 0 ⎟ y se puede obtener
⎜ 0⎟
⎝ ⎠
otro cualquiera (asociado al mismo valor propio) multiplicando dicho vector
por un número real cualquiera. Lo mismo ocurre en el caso de
λ2 = 2: cualquier vector propio asociado a dicho valor propio tiene la forma:
⎛ 7. x 3 ⎞ ⎛7⎞
⎜ ⎟ ⎜ ⎟
⎜ 3.x3 ⎟ = x3 .⎜ 3 ⎟ .
⎜ x ⎟ ⎜1⎟
⎝ 3 ⎠ ⎝ ⎠
Teorema1: H) A es una matriz simétrica n.n con n valores propios distintos

Q es una matriz que tiene en las columnas vectores propios
correspondientes a distintos valores propios de la matriz A
T) Q es una matriz ortogonal (es decir, QT = Q-1).
Teorema2: H) A es simétrica
λi son valores propios de A
vi es un vector propio de A asociado al valor propio λi
⎛⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎞
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎟
Q = ⎜ ⎜ v1 ⎟ ⎜ v2 ⎟ ... ⎜ vn ⎟ ⎟
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎟
⎝⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎠
-1
T) Q .A.Q es una matriz diagonal
⎛ 2 0 − 1⎞
⎜ ⎟
Ejemplo: Sea la matriz simétrica A = ⎜ 0 2 0 ⎟ . El lector demostrará
⎜ −1 0 2 ⎟
⎝ ⎠
que la matriz tiene tres valores propios diferentes, 1, 2 y 3, y vectores
⎛1⎞ ⎛ 0⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
propios asociados a dichos valores ⎜ 0 ⎟, ⎜ 1 ⎟ y⎜ 0 ⎟ respectivamente.
⎜ 1 ⎟ ⎜ 0 ⎟ ⎜ − 1⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛1 0 1 ⎞
⎜ ⎟
Entonces de acuerdo al teorema anterior, la matriz Q = ⎜ 0 1 0 ⎟
⎜ 1 0 − 1⎟
⎝ ⎠
-1
diagonaliza a la matriz A, pues Q .A.Q es una matriz diagonal. Para
comprobarlo alcanza con hallar la inversa de Q y realizar el producto
Q-1.A.Q. Al realizar las operaciones se encuentra que:
⎛1 0 0⎞
-1 ⎜ ⎟
Q .A.Q = ⎜ 0 2 0 ⎟
⎜ 0 0 3⎟
⎝ ⎠
¿Es una casualidad que la matriz Q-1.A.Q tenga en su diagonal los
valores propios de A?
Definición: Se dice que un vector u está normalizado16 si se cumple que

el producto escalar del vector por sí mismo es igual a la unidad.
u está normalizado si: u (x) u = 1

Observaciones
1. El vector nulo es el único que no se puede normalizar.
2. Para normalizar un vector diferente del vector nulo alcanza con
u
transformarlo así: .
u ( x)u
⎛ 1 ⎞
⎛1⎞ ⎜ ⎟
⎜ ⎟ ⎜ 14 ⎟
Ejemplo: Sea u = ⎜ 2 ⎟ ⇒ u ( x)u = 1x1 + 2 x 2 + 3 x3 = 14 ⇒ ⎜ 2 ⎟ es un
⎜ 3⎟ ⎜ 14 ⎟
⎝ ⎠ ⎜3 ⎟
⎝ 14 ⎠
vector normalizado.
Teorema3: H) A es una matriz simétrica n.n

λi son valores propios de A
vi son vectores propios de A normalizados
⎛⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎞
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎟
Q = ⎜ ⎜ v1 ⎟ ⎜ v2 ⎟ ... ⎜ vn ⎟ ⎟
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎟
⎝⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎠
-1
T) Q .A.Q contiene en su diagonal principal a los λi.
Entonces, el resultado que obtuvimos en el ejemplo de la página anterior

no era una casualidad.
16
No en todos los espacios vectoriales es posible definir la norma de un vector. Los que tienen esta
propiedad se denominan espacios normados. R, R2, R3 y en general Rn son espacios normados.
Definición: Dos matrices An.n y Bn.n se dicen semejantes si existe una
tercera matriz Q tal que: B = Q-1.A.Q.
Observación: Si A es una matriz simétrica, ¿cómo se puede obtener una

matriz B semejante a A y diagonal? De acuerdo con el último teorema,
alcanza con encontrar los valores propios de A. Una matriz B diagonal
que tenga en la diagonal principal los valores propios de A es semejante
a A.
⎛ 2 0 − 1⎞
⎜ ⎟
Ejemplo: la matriz simétrica A = ⎜ 0 2 0 ⎟ , según ya hemos visto,
⎜ −1 0 2 ⎟
⎝ ⎠
tiene los valores propios 1, 2 y 3. En consecuencia, la matriz diagonal B
⎛1 0 0⎞
⎜ ⎟
= ⎜ 0 2 0 ⎟ es semejante a A.
⎜ 0 0 3⎟
⎝ ⎠
Formas cuadráticas
⎛ x1 ⎞
⎜ ⎟
⎜x ⎟
Definición: Sea An.n una matriz simétrica y sea X = ⎜ 2 ⎟ un vector de n
....
⎜ ⎟
⎜x ⎟
⎝ n⎠
indeterminadas. La expresión XT.A.X es una forma cuadrática en las
indeterminadas x1, x2, … ,xn. A se llama la matriz de la forma cuadrática.
⎛1 1 ⎞ ⎛ x⎞
Ejemplo: A = ⎜⎜ ⎟⎟ y X = ⎜⎜ ⎟⎟ . Entonces, XT.A.X = x2 + 2.x.y + 2.y2.
⎝1 2 ⎠ ⎝ y⎠
Observaciones
1. La forma cuadrática es un polinomio homogéneo de grado 2 en las
indeterminadas x1, x2, … ,xn.
2. A partir de la forma cuadrática puede definirse una función de varias
variables, cuya representación gráfica no es fácil de visualizar.
⎛1 0⎞ ⎛ x⎞
Ejemplo 1: A = ⎜⎜ ⎟⎟ y X = ⎜⎜ ⎟⎟ . Entonces, XT.A.X = x2 + y2.
⎝0 1⎠ ⎝ y⎠
2 2
Sea z = f(x, y) = x + y . ¿Cómo es el gráfico de esta función? Sean x, y, z las
coordenadas en el espacio de tres dimensiones. Cuando nos posicionamos
en el plano xy es z = 0. Pero si z = 0, entonces x2 + y2 = 0 y esta ecuación se
satisface sólo si x = y = 0. Entonces la función f(x, y) corta al plano xy sólo en
el centro de coordenadas. En el semiespacio donde z < 0 no hay gráfico, pues
no existen valores (x, y) para los cuales x2 + y2 < 0. Si z > 0, entonces la
ecuación x2 + y2 = z representa para cada z una circunferencia de radio z
que va aumentando de diámetro a medida que aumenta el valor de z. La
intersección del gráfico con el plano xz (y = 0) tiene la forma z = x2, que es una
parábola, y otro tanto ocurre al intersectar el gráfico con el plano yz,
resultando una parábola de la forma z = y2. El gráfico se denomina
paraboloide.
⎛1 0 ⎞ ⎛ x⎞
Ejemplo 2: A = ⎜⎜ ⎟⎟ y X = ⎜⎜ ⎟⎟ . Entonces, XT.A.X = f(x, y) = x2 - y2.
⎝ 0 − 1⎠ ⎝ y⎠
¿En qué puntos gráfico de la función corta al plano xy? z = 0 = x2 - y2 = (x –
y).(x + y). Esta condición equivale a las condiciones (x = y) ó (x = -y).
Entonces el gráfico corta al plano xy en dos rectas, que son las bisectrices de
los cuadrantes del plano. Es difícil visualizar qué ocurre con el gráfico cuando
z < 0 o cuando z > 0.
Ejemplo 3: Sea la forma cuadrática f(x1, x2, … ,xn) = x12 + x22 + … + xn2. El
gráfico es un paraboloide en un espacio de n+1 dimensiones. ¿Alguien lo
puede imaginar?
Observaciones
1. Cuando Xn.1 y An.n, la forma cuadrática XT.A.X tiene dimensiones 1.1 y su
expresión general es:
n
XT.A.X = ∑ a .x
i =1
ii
2
i + 2.∑ aij .xi .x j
i< j
n
2. Cuando la forma cuadrática admite la expresión XT.A.X = ∑ a .x
i =1
ii
2
i
(intervienen sólo los cuadrados de las indeterminadas) la forma cuadrática

se llama canónica.
3. ¿Existe algún procedimiento para pasar de la forma general a una forma
cuadrática canónica de tal forma que la nueva matriz de la forma tenga
los mismos valores propios de la matriz original? La respuesta es
afirmativa, y el procedimiento para lograrlo es una transformación lineal.
⎛2 1⎞ ⎛ x ⎞
Ejemplo: Sea la forma cuadrática f(x, y) = (x y ).⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ = 2.x 2 + 2.x. y + 2. y 2
⎝1 2⎠ ⎝ y ⎠
⎧ 1
⎪⎪ x' = 2 .( x + y )
Si se hace la transformación lineal ⎨ se obtiene la nueva
1
⎪ y' = .(− x + y )
⎩⎪ 2
forma f(x’, y’) = 3.x’2 + y’2, que tiene la forma canónica.
Observaciones
⎛2 1⎞
1. En el ejemplo precedente se observa que la matriz A = ⎜⎜ ⎟⎟ y la matriz
⎝1 2⎠
⎛ 3 0⎞
de la nueva forma ⎜⎜ ⎟⎟ tienen los mismos valores propios.
⎝0 1⎠
2. En una forma cuadrática canónica, la matriz de la forma es una matriz
diagonal.
3. Diagonalizar una forma cuadrática consiste en obtener una nueva forma
cuya matriz sea a la vez diagonal y semejante a la matriz de la forma
original.
Teorema1: H) Sea XT.A.X una forma cuadrática

Sea X = Q.Y transformación del vector X donde Q es la matriz
de vectores propios de A normalizados
T) (Q.Y)T.A.(Q.Y) es una forma cuadrática canónica en el vector Y

n
T
(Q.Y) .A.(Q.Y) = ∑ λ .y
i =1
i
2
i donde los λi son los valores propios
de la matriz A.
La demostración del Teorema se basa en las propiedades ya vistas sobre

valores y vectores propios. (Q.Y)T.A.(Q.Y) = YT.(QT.A.Q).Y y ya sabemos que
la matriz QT.A.Q es diagonal, semejante a A y tiene en la diagonal principal a
los valores propios de la matriz A.
En consecuencia, la transformación lineal X = Q.Y, o lo que es lo mismo,

Y = Q-1.X, permite pasar de una forma cuadrática general a una forma
canónica, de manera que las matrices de ambas formas (A y QT.A.Q) sean
semejantes.
Definición:
(A) Una forma cuadrática f(x1, x2,...,xn) se llama DEFINIDA POSITIVA
si para todo vector X = (x1, x2,...,xn) ≠ Ø es f(x1, x2,...,xn) > 0.
(B) Una forma cuadrática f(x1, x2,...,xn) se llama SEMIDEFINIDA POSITIVA
si para todo vector X = (x1, x2,...,xn) ≠ Ø es f(x1, x2,...,xn) ≥ 0.
(C) Una forma cuadrática f(x1, x2,...,xn) se llama DEFINIDA NEGATIVA
si para todo vector X = (x1, x2,...,xn) ≠ Ø es f(x1, x2,...,xn) < 0.
(D) Una forma cuadrática f(x1, x2,...,xn) se llama SEMIDEFINIDA NEGATIVA
si para todo vector X = (x1, x2,...,xn) ≠ Ø es f(x1, x2,...,xn) ≤ 0.
(E) Una forma cuadrática se llama INDEFINIDA si no es de ninguna de las
formas anteriores.
Teorema2: H) Sea una forma cuadrática XT.A.X
T1) La forma cuadrática es definida positiva si mediante una
trasformación apropiada se puede llevar a la forma canónica
n
∑b .y
i =1
i
2
i con todos los bi > 0.
T2) La forma cuadrática es semidefinida positiva si mediante una

n
∑b .y
i =1
i
2
i con todos los bi ≥ 0.
T3) La forma cuadrática es definida negativa si mediante una

n
∑b .y
i =1
i
2
i con todos los bi < 0.
T4) La forma cuadrática es semidefinida negativa si mediante una

n
∑b .y
i =1
i
2
i con todos los bi ≤ 0.
T5) La forma cuadrática es indefinida si mediante una

n
∑b .y
i =1
i
2
i con algún bi > 0 y algún bi < 0.
Proyección de población (aplicación de cadenas de Harkov)

Supongamos que la población de un país se puede clasificar en tres
categorías según la localidad donde residen:
- mega ciudades
- localidades urbanas medianas y pequeñas
- área rural.
En el país se realizan censos de población cada 5 años. En los censos,

entre otras variables, se pregunta a las personas por el lugar donde residían 5
años antes. Al analizar varios censos consecutivos se observa un
comportamiento estable con las siguientes características:
i) Los movimientos de migración internacional no tienen significación

en la distribución poblacional por categoría de la localidad.
ii) Si una persona residía hace 5 años en una mega ciudad, tiene
actualmente las siguientes probabilidades:
* 70% de seguir residiendo en una mega ciudad
* 20% de pasar a residir en otra localidad urbana
* 10% de pasar a residir en el área rural.
iii) Si una persona residía hace 5 años en una localidad urbana
mediana o pequeña, entonces actualmente tiene:
* 20% de probabilidad de pasar a residir en una mega ciudad
* 60% de permanecer en una localidad urbana mediana o pequeña
* 20% de pasar a residir en el área rural.
iv) Si una persona residía hace 5 años en el área rural, entonces
actualmente tiene:
* 10% de probabilidad de pasar a residir en una mega ciudad
* 20% de pasar a residir en otra localidad urbana
* 70% de permanecer en el área rural.
Con estas probabilidades es posible construir una matriz de transición (T).
RESIDENCIA ACTUAL
Mega ciudad Otra urbana Área rural
RESIDENCIA Mega ciudad 0,7 0,2 0,1
HACE 5 Otra urbana 0,2 0,6 0,2
AÑOS Área rural 0,1 0,2 0,7
Actualmente, la población se distribuye por categoría de localidad de

acuerdo con el siguiente vector (X0):
Mega ciudad Otra urbana Área rural

0,40 0,45 0,15
Si se espera que la matriz de transición permanezca estable y que el

crecimiento natural de la población sea similar en las tres categorías de
localidades, ¿cuál será la distribución de la población dentro de 100 años?
Se demuestra que el vector que estamos buscando, X20 = (x1, x2, x3) tiene
la propiedad siguiente:
X20 = X0*T20
El problema a resolver, bastante pesado, es el cálculo de T20. Una forma

de resolverlo es hacer [(T5)2]2 lo que no deja de ser complicado en virtud que los
elementos de T son números decimales. Otra forma de resolverlo consiste en
diagonalizar la matriz T.
Sea Q la matriz que diagonaliza T. Entonces: B = QT*T*Q, es una matriz

diagonal que tiene en la diagonal principal los valores propios de T si Q tiene en
cada columna un vector propio de T normalizado y asociado a cada valor propio.
Como se sabe, Q es una matriz ortogonal, esto es: QT = Q-1. Entonces:
B20 = (QT*T*Q)20 = (Q-1*T*Q)20 = (Q-1*T*Q)*(Q-1*T*Q)*(Q-1*T*Q)*…..*(Q-1*T*Q)
y aplicando la propiedad asociativo del producto de matrices resulta:
B20 = (Q-1*T)*(Q*Q-1)*T*(Q*Q-1)*T*…..(Q*Q-1)*(T*Q)
y como Q*Q-1 = I, se deduce B20 = Q-1*T20*Q y, por tanto: T20 = Q*B20*Q-1.
⎛ λ1 0 0⎞ ⎛ λ120 0 0 ⎞
⎜ ⎟ ⎜ ⎟
Es fácil demostrar que si B = ⎜ 0 λ2 0 ⎟; entonces B 20 = ⎜ 0 λ20
2 0 ⎟.
⎜0 0 λ3 ⎟⎠ ⎜ 0 0 λ320 ⎟⎠
⎝ ⎝
Resulta entonces que, para hallar T20, alcanza con encontrar los valores
propios de T, λ1, λ2, λ3, (y ello resuelve el problema B20) y los vectores propios
normalizados asociados (y ello permite encontrar la matriz Q) y finalmente
multiplicar Q*B20*QT.
⎛ 0,7 0,2 0,1 ⎞

⎜ ⎟
En nuestro ejemplo es T = ⎜ 0,2 0,6 0,2 ⎟ que es una matriz simétrica.
⎜ 0,1 0,2 0,7 ⎟
⎝ ⎠
Por tanto, todos sus valores propios son números reales. La ecuación
característica es (λ - 0,6)*( λ2 – 1,4*λ + 0,4) que tiene por raíces: 1; 0,6 y 0,4.
Para cada uno de ellos se calcula un vector propio normalizado y resultan:
⎛ 1⎞
1 ⎜ ⎟
- Para λ = 1, el vector propio * ⎜ 1⎟ .
3 ⎜ ⎟
⎝ 1⎠
⎛1⎞
1 ⎜ ⎟
- Para λ = 0,6, el vector propio *⎜ 0 ⎟.
2 ⎜ ⎟
⎝ − 1⎠
⎛ 1 ⎞
1 ⎜ ⎟
- Para λ = 0,4, el vector propio * ⎜ − 2⎟ .
6 ⎜ ⎟
⎝ 1 ⎠
Entonces, T20 =
T
⎛ 1 1 1 ⎞ ⎛ 1 1 1 ⎞
⎜ ⎟ 0 ⎞ ⎜ ⎟
⎜ 3 2 6 ⎟ ⎛⎜ 1 0
⎟ ⎜ 3 2 6⎟
⎜ 1 0 − 2 ⎟ * ⎜ 0 0,6 20 0 ⎟*⎜ 1 0 −2 ⎟ =
⎜ 3 6⎟ ⎜ 20 ⎟ ⎜
3 6⎟
⎜ 1 −1 1 ⎟ ⎝0 0 0,4 ⎠ ⎜ 1 −1 1 ⎟
⎝ 3 2 6⎠ ⎝ 3 2 6⎠
⎛ 0,333352 0,333333 0,333315 ⎞

⎜ ⎟
= ⎜ 0,333333 0,333333 0,333333 ⎟
⎜ 0,333315 0,333333 0,333352 ⎟
⎝ ⎠
Finalmente, el vector de la distribución de la población 100 años después

resulta igual a:
⎛ 0,333352 0,333333 0,333315 ⎞

⎜ ⎟
(0,40 0,45 0,15)* ⎜ 0,333333 0,333333 0,333333 ⎟ = (0,333338, 0,333333, 0,333329)
⎜ 0,333315 0,333333 0,333352 ⎟
⎝ ⎠
Este resultado sugiere que la población en el largo plazo tiende a

repartirse en partes iguales en las tres categorías de localidades, si se
mantienen los supuestos y en particular la estabilidad de la matriz de transición.
Se demuestra que el vector X de la distribución en el largo plazo (cuando el
número de censos se hace tan grande como se quiera) se obtiene resolviendo la
ecuación: X*T = X. Esta ecuación vectorial conduce al siguiente sistema lineal de
ecuaciones:
⎛ 0⎞
⎜ T ⎟
⎜T −I 0⎟
⎜ 0⎟
⎜ ⎟
⎝1 1 1 1⎠
Como en nuestro caso T es simétrica, TT – I = T – I. La resolución del

sistema conduce a la raíz: (1/3, 1/3, 1/3), tal como podía intuirse. Obsérvese que
este resultado es independiente de la situación de partida (X0), sólo depende de
la forma de la matriz de transición.
Repartido Práctico 9: Valores y vectores propios.
Diagonalización. Formas cuadráticas.
Ejercicio 1
Se recuerda que una matriz A es ortogonal si AT = A-1. Se pide:
a) Demostrar que si A es ortogonal, entonces A-1 también lo es.
b) Demostrar que el producto de una matriz ortogonal por su traspuesta es conmutativo.
c) Demostrar que si A y B son matrices ortogonales, entonces el producto A.B es
también una matriz ortogonal.
d) Demostrar que si la matriz A es ortogonal, entonces: A = ±1 .
Ejercicio 2
Normalizar los siguientes vectores:
⎛ 3⎞ ⎛1⎞
⎜ ⎟ ⎜ ⎟
u1 = (1 2 − 1) u2 = ⎜ 4⎟ u3 = ⎜ 0 ⎟
⎜0⎟ ⎜0⎟
⎝ ⎠ ⎝ ⎠
Ejercicio 3
⎛ 1 0⎞
a) ¿La matriz Q = ⎜⎜ ⎟⎟ es ortogonal?
⎝ − 2 − 1⎠
b) Normalizar los vectores columna de Q.
Ejercicio 4
⎛ 1 − 2⎞
Sea la matriz A = ⎜⎜ ⎟⎟ .
⎝− 2 4 ⎠
a) Hallar sus valores propios.
b) Hallar sus vectores propios normalizados.
c) Hallar una matriz Q tal que Q-1.A.Q sea diagonal.
Ejercicio 5
En los casos que siguen, explicitar la matriz de la forma cuadrática.
a) 4.x2 + 9.y2
b) x2 + y2 + z2
c) 2.x2 + 4.x.y – y2
Ejercicio 6
⎛ 1 − 1⎞ ⎛ x1 ⎞
Sea la forma cuadrática ( x1 x 2 ).⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ .
⎝ − 1 4 ⎠ ⎝ x2 ⎠
a) Escribirla como un polinomio homogéneo de segundo grado.
b) Escribirla de la forma: λ1 . y12 + λ 2 . y 22 , hallando λ1 y λ2.
Repartido Práctico 10: Valores y vectores propios.
Diagonalización. Formas cuadráticas.
Ejercicio 7
⎛ x1 ⎞
⎜ ⎟
Clasificar las siguientes formas cuadráticas correspondientes al vector X = ⎜ x 2 ⎟ .
⎜x ⎟
⎝ 3⎠
a) x12 + 2.x 22 + 3.x 32
b) x12 + x 22
c) − x12 + −5.x 22 − 7.x32
d) − x12 − x32
e) ( x1 + x 2 + x3 ) 2
f) x12 + ( x 2 − x 3 ) 2
g) x12 + x 22 − x 32
Ejercicio 8
⎛ x1 ⎞
⎜ ⎟
Clasificar las siguientes formas cuadráticas correspondientes al vector X = ⎜ x 2 ⎟
⎜x ⎟
⎝ 3⎠
utilizando el Teorema2.
a) x12 − 2.x1 .x2 + 3.x22 − 4.x2 .x3 + 5.x32

b) − 3.x12 − 8.x1 .x2 + 3.x22
c) 5.x12 − 8.x1 .x2 + 5.x22
CURSO 2004
PARTE V

10. FUNCIONES DE UNA VARIABLE
GRÁFICAS DE FUNCIONES ELEMENTALES
OPERACIONES CON FUNCIONES
FUNCIÓN INVERSA Y FUNCIÓN COMPUESTA
En esta parte del curso centramos nuestra atención en las funciones que tienen por
dominio y codominio conjuntos numéricos, es decir, funciones que dependen de una sola
variable (a la que simbolizamos con la letra x). En consecuencia, la representación gráfica
más apropiada es la que utiliza un par de ejes cartesianos ortogonales: al eje horizontal se
le llama eje de las abcisas y al vertical eje de las ordenadas.
f(x) Ordenada
Abcisa x
Incluso vamos a restringir el estudio a las funciones donde la correspondencia

puede expresarse mediante una fórmula que involucra una ecuación o a lo sumo un
número reducido de ecuaciones (la función puede expresarse en un renglón o en un par de
renglones). Ejemplos:
f(x) = 3.x2 – x + 1
⎧ x + 1 si x ≥ 0
f(x) = ⎨
⎩− x + 1 si x < 0
El dominio de la función es el conjunto de los números reales o una parte de los

números reales, porque en algunos casos la fórmula que define la función sólo es válida
para una parte de los números reales. El problema de encontrar para qué números reales
es válida la fórmula se conoce como determinación del dominio de existencia de la
función.
x+2
Ejemplo: Sea f: f(x) = . La fórmula que define la correspondencia es, en
x2 −1
este caso, una fracción algebraica, la cual tiene sentido si el denominador no se anula. Y
en este caso el denominador se anula si x = ± 1. Por tanto, el dominio de la función es:
D(f) = {x: x XR y x ≠ ± 1}.
Definición: Una función se dice elemental si en la fórmula la variable x interviene

una sola vez.
Ejemplos de funciones elementales: x, x2, x3, ex, e –x, │x│, entre otras.
Vamos a considerar a continuación el problema de hallar el gráfico de las

funciones de una variable. Comenzamos con las funciones elementales y luego
introduciremos las herramientas para el estudio de funciones cualesquiera.
Restringimos el conjunto de las funciones elementales a las siguientes (dejamos
fuera, por ejemplo, a las funciones trigonométricas).
f(x) = x f(x) = x2 f(x) = x3
1
f(x) = x f(x) = x f(x) =
x
f(x) = ex f(x) = e - x f(x) = Lx
Observaciones
1. El gráfico de f(x) = x es una recta que pasa por el origen. Se trata de un caso
particular de las funciones del tipo f(x) = a + b.x (donde a y b son dos números
reales que no dependen de x) cuyo gráfico también es una recta cuyo
comportamiento depende de los parámetros a y b. Por la forma del gráfico, estas
funciones se llaman lineales.
2. El gráfico de f(x) = x2 es una parábola con los “brazos” hacia arriba. Se trata de
un caso particular de de las funciones cuadráticas de la forma f(x) = a.x2 + b.x + c
(donde a, b y c son parámetros que no dependen de x) cuyo comportamiento
depende de ciertas relaciones entre los parámetros como veremos más adelante.
3. El dominio de f(x) = x es el conjunto de los reales mayores o iguales que 0.
4. La fórmula de la función f(x) = x (valor absoluto de x) también puede
expresarse en dos renglones:
⎧ x si x ≥ 0
f(x) = ⎨
⎩− x si x < 0
1
5. El dominio de la función f(x) = es el conjunto de los números reales con
x
exclusión del cero.
6. Las funciones ex y e –x se dibujan por encima del eje de las abcisas, es decir, las
funciones nunca toman valores negativos ni se anulan.
7. La función f(x) = Lx = logex restringe su dominio a los reales positivos (el
logaritmo de cero o de un número negativo no están definidos).
Las funciones lineales cumplen un importante papel en los modelos de análisis

económicos simplificados. Se trata de funciones con gráficos muy sencillos, los cuales se
comentan a continuación.
f(x) = a + b.x
El parámetro “a” se llama ordenada en el origen porque indica la ordenada del

punto donde la recta corta al eje Oy. El parámetro “b” se llama coeficiente angular de la
recta y determina si la recta es creciente, constante o decreciente, según que su valor sea
positivo, cero o negativo.
a a
b>0 b=0 b<0
Las funciones cuadráticas también tienen una fórmula y un gráfico sencillos.
f(x) = a.x2 + b.x + c
La representación gráfica es siempre una parábola, cuyos brazos miran hacia arriba si
a > 0 y hacia abajo en caso contrario. El eje de simetría de la parábola corta al eje Ox en
el punto x = -b/2a. La parábola corta al eje Ox si el discriminante de la ecuación
a.x2 + b.x + c = 0 es no negativo (el discriminante es ∆ = b2 – 4.a.c).
a > 0, ∆ > 0 a > 0, ∆ = 0 a > 0, ∆ < 0 a < 0, ∆ > 0 a < 0, ∆ = 0 a < 0, ∆ < 0
Se podrían denominar cuasi-lineales a las funciones cuyo gráfico contiene
segmentos de recta y/o semirrectas. Ya hemos visto un ejemplo: la función valor
absoluto, cuyo gráfico se compone de dos semirrectas. Veamos ahora dos ejemplos más.
Escalera Poligonal
La primera se suele utilizar en Economía para representar en el eje horizontal el

tiempo y en el eje vertical el nivel de los salarios (en este caso el gráfico se denomina
“dientes de sierra”). Los salarios se mantienen constantes por un cierto tiempo (3 meses,
6 meses, 12 meses) y luego pegan un salto igual al aumento recibido por los trabajadores.
Las líneas verticales que unen los escalones no son, estrictamente hablando, parte del
gráfico de la función, pero se dibujan para mostrar la magnitud del aumento en cada
período.
La segunda suele utilizarse en Estadística para representar distribuciones

acumuladas. En Economía, la poligonal puede utilizarse para representar el ingreso
acumulado por las personas o los hogares. Si por ejemplo un trabajador gana $20 la hora
normal y $40 la hora extra, entonces el ingreso acumulado por el trabajador según el
tiempo trabajado (t) es una poligonal que tiene la siguiente fórmula:
⎧ 20.t si 0 ≤ t ≤ 8
Y(t) = ⎨
⎩160 + 40.t si t > 8
Recordemos algunas definiciones ya introducidas en el curso.

• La función f es inyectiva si para todo x1 ≠ x2 del dominio resulta f(x1) ≠ f(x2)
• La función f es sobreyectiva si para todo elemento del codominio hay al menos
una preimagen en el dominio.
• La función f es biunívoca o biyectiva si es a la vez inyectiva y sobreyectiva.
• La función f es par si para todo x del dominio es f(-x) = f(x)
• La función f es impar si para todo x del dominio es f(-x) = -f(x)
Observaciones
1. Si una función es inyectiva, entonces su gráfico es cortado una sola vez por cada
paralela al eje Ox.
2. Si la función es sobreyectiva y el codominio es el conjunto de los reales, entonces
el gráfico de la función se dibuja a lo largo de todo el eje Ox.
3. Si la función es par, su gráfico es simétrico respecto del eje Oy.
4. Si la función es impar, su gráfico es simétrico respecto del centro de coordenadas.
A continuación enunciamos algunos resultados útiles para graficar funciones
relacionadas con las funciones elementales.
Relación entre la gráfica de y = f(x) y las gráficas de funciones relacionadas
y = f(x) + c La gráfica se desplaza hacia arriba a distancia c.
y = f(x) - c La gráfica se desplaza hacia abajo a distancia c.
y = f(x - c) La gráfica se desplaza hacia la derecha a distancia c.
y = f(x + c) La gráfica se desplaza hacia la izquierda a distancia c.
y = - f(x) La gráfica es simétrica respecto del eje Ox.
y = f(-x) La gráfica es simétrica respecto del eje Oy.
y = c.f(x) con c>1 La gráfica se estira verticalmente, alejándose del eje Ox.
y = c.f(x) con c<1 La gráfica se contrae verticalmente, acercándose al eje Ox.
Ejemplo:
y = f(x) y = f(x) - c
Los siguientes resultados de la geometría analítica son útiles para construir e

interpretar el gráfico de las funciones.
Fórmulas relacionadas con las rectas del plano

a) Distancia entre dos puntos
A = (x1, y1) B = (x2, y2)
d(A,B) = ( x1 − x 2 ) 2 + ( y1 − y 2 ) 2
b) Ecuación de la recta que pasa por el punto P = (x0, y0)
y = m.(x – x0) + y0
c) Ecuación de la recta que pasa por dos puntos

A = (x1, y1) B = (x2, y2)
y − y1
y – y1 = 2 . (x – x1)
x 2 − x1
d) Ecuaciones del haz de rectas que pasan por el punto P = (x0, y0)
y = m.(x – x0) + y0
x = x0
e) Ecuaciones de rectas paralelas
y = m.x + n0
y = m.x + n1
f) Ecuaciones de rectas perpendiculares que se cortan en el punto P = (x0, y0)
y = m.(x – x0) + y0
y = (-1/m).(x – x0) + y0
Fórmulas de la circunferencia y de la parábola

a) Ecuación de la circunferencia de radio r y centro en el punto P(x0, y0)
(x – x0)2 + (y – y0)2 = r2
b) Ecuación de la parábola de eje paralelo a Oy con foco en (x1, y1) y vértice en (x1, y2)
4.(y – y2).( y1 – y2) = (x – x1)2
c) Ecuación de la parábola de eje paralelo a Oy que corta al eje Ox en x=x1 y en x=x2
y = m.(x – x1).(x – x2)
Función inversa
Recordemos la definición ya introducida en el curso, para funciones en general.
Definición: Sea f una función de A en B. Se denomina función inversa de f

(notación: f -1) a otra función tal que a cada imagen le hace corresponder su preimagen:
[B, A, f -1].
En la definición de la función inversa, f -1, el dominio es el codominio de la

función f, el codominio de la función f -1 es el dominio de la función f y la
correspondencia va en el sentido inverso.
¿Cómo se obtiene la fórmula de la función inversa? Cuando existe la función

inversa, la fórmula se obtiene de la ecuación y = f(x) despejando la “x” en función de
“y”.
Observaciones
1. La función inversa no siempre existe. La condición necesaria y suficiente para que
exista la función inversa es que la función f sea biyectiva.
2. No siempre es fácil explicitar la fórmula de la función inversa. Y ello es así
porque no siempre es posible despejar la “x” en función de “y”.
3. Es necesario tener en cuenta que función inversa e inversa de la función son
conceptos diferentes.
Ejemplo: La inversa de la función f(x) = ex es la función g(x) = 1/ex = e -x

mientras que la función inversa es la que resulta de despejar la “x” en la ecuación y = ex
(y luego intercambiar los nombres de las variables, para poder representar ambas
funciones en el mismo gráfico).
y = ex
Tomando logaritmos: Ly = Lex = x
Resulta: x = Ly
Cambiando los nombres: y = Lx
La función inversa de y = ex es la función y = Lx. Los gráficos de una función y

de la función inversa tienen la propiedad de ser simétricos respecto de la bisectriz del
primer y tercer cuadrantes.
y = f(x)
y = f -1(x)
Función compuesta
Este concepto también fue introducido en el curso con anterioridad.
Definición: Sean dos funciones [A, B, f] y [B, C, g]. Se dice que h es la función
compuesta de f y g si el conjunto de partida de h es el conjunto de partida de f , el
conjunto de llegada de h es el conjunto de llegada de g, y la imagen de un argumento x
por g se obtiene de aplicar a x la función f y al valor f(x) la función g.
[A, C, h] función compuesta de [A, B, f] y [B, C, g] ↔ h(x) = g[f(x)]
La composición de funciones se una herramienta muy potente para generar nuevas

fórmulas de funciones. Por ejemplo, si en la función elemental g(x) = ex se sustituye el
argumento x por una función lineal como f(x) =2.x +1, se obtiene una nueva función cuya
fórmula es: h(x) = g[f(x)] = e2.x + 1. En general, los gráficos de g y h no presentan
similitudes ni relaciones interesantes. En cuanto al dominio de h, éste muchas veces debe
restringirse (respecto del conjunto más amplio posible, el conjunto de los números reales)
porque se requiere a la vez que: a) los valores de x pertenezcan al dominio de f, y b) los
valores f(x) pertenezcan al dominio de g.
Ejemplo 1: Sean g(x) = x – 3 y f(x) = x . Resulta: h(x) = g[f(x)] = x - 3. En

este caso la única restricción proviene de la función f: su dominio es el conjunto de los
reales no negativos, y éste es también el dominio de la función h.
1 1
Ejemplo 2: Sean g(x) = y f(x) = x . Resulta: h(x) = g[f(x)] = . En este
x x
caso el dominio de f es el conjunto de los reales no negativos, pero la forma funcional de
g agrega otra restricción: la x no puede tomar el valor 0. Entonces, en el dominio de la
función h intervienen las dos restricciones y resulta: D(h) = {x: x XR y x > 0}.
Operaciones con funciones
Dadas dos funciones f y g, es posible obtener nuevas funciones a partir de las
operaciones algebraicas. Por ejemplo, la función suma de f y g se obtiene haciendo
corresponder a la abcisa x el resultado de la suma de las imágenes según f y g.
f+g
x [f+g](x) = f(x) + g(x)
El dominio de la función suma depende de los respectivos dominios de las

funciones sumandos. El siguiente esquema muestra las restricciones que es necesario
imponer al dominio en cada operación para que el resultado siga siendo una función.
OPERACIÓN FUNCIÓN DOMINIO

Suma y = f(x) + g(x) D(f) ∩ D(g)
Resta y = f(x) – g(x) D(f) ∩ D(g)
Producto y = f(x).g(x) D(f) ∩ D(g)
Cociente y = f(x) / g(x) D(f) ∩ D(g) ∩ {x: g(x) ≠ 0}
Potencia y = [f(x)]k D(f)
Inversa de la función y = 1 / f(x) D(f) ∩ D(g) ∩ {x: f(x) ≠ 0}
Exponencial y = ef(x) D(f)
Logaritmo y = Lf(x) D(f) ∩ {x: f(x) > 0}
Raíz cuadrada y = f (x) D(f) ∩ {x: f(x) ≥ 0}
Raíz cúbica y = 3 f (x) D(f)
Potencial exponencial y = [f(x)]g(x) D(f) ∩ D(g) ∩ {x: f(x) > 0}
Repartido Práctico 10: Funciones

Ejercicio 1
Indicar si las siguientes funciones son o no inyectivas, sobreyectivas o
biyectivas. El codominio en todos los casos es R (conjunto de los números reales), y
el dominio D(f) se explicita en cada caso.
a) f(x) = x D(f) = R
b) f(x) = x2 D(f) = R
c) f(x) = ex D(f) = R
d) f(x) = 1/x D(f) = R+
e) f(x) = x D(f) = {x: x ≥ 0}
f) f(x) = (x – 1)2 D(f) = {x: x ≥ 1}
Ejercicio 2
Estudiar si las siguientes funciones son o no pares o impares.
a) f(x) = x
b) f(x) = x2
c) f(x) = x2 + α.x + 1 (discutir según α real)
d) f(x) = 1/x
e) f(x) = x
f) f(x) = x2 + 4
2
g) f(x) = e − x
Ejercicio 3
Sea la recta de ecuación: (r) y = 2.x + 2.
a) Mostrar que la recta pasa por el punto (1,4).

b) Hallar la ecuación de la recta paralela a (r) que pasa por el punto (1,3) y representarla
en un mismo gráfico junto con (r).
c) Hallar la ecuación de la recta perpendicular a (r) que pasa por (1,4).
d) Hallar las ecuaciones del haz de rectas que pasan por (1,4).
Ejercicio 4
a) Hallar la ecuación de la parábola que corta al eje Ox en los puntos (1,0) y (2,0)
y tiene su vértice en el punto (3/2, -1/2).
b) Hallar la ecuación de la parábola que corta al eje Ox en los puntos (-1,0) y (1,
0) y corta al eje Oy en el punto (0, 2).
c) Hallar la ecuación de la parábola con foco en (1,1) y vértice en (1,0).
d) Dibujar aproximadamente los gráficos de las tres parábolas.
Ejercicio 5
a) Hallar la ecuación de la circunferencia con centro en (0,0) y radio 2.
b) Hallar la ecuación de la circunferencia con centro en (1,1) y radio 1.
c) Dibujar aproximadamente los gráficos de las dos circunferencias.
Repartido Práctico 10: Funciones
Ejercicio 6
Hallar la representación gráfica aproximada de las funciones:
(a) y = f(x) + c (con c>0)
(b) y = f(x + c) (con c>0)
en los siguientes casos.
1. f(x) = x
2. f(x) = x2
3. f(x) = 1/x
4. f(x) = x
5. f(x) = ex
6. f(x) = Lx
7. f(x) = |x|
8. f(x) = |x| - x
Ejercicio 7
Hallar la función inversa en cada uno de los siguientes casos. Si la inversa existe
sólo para una parte del dominio, calcular la función inversa restringiendo el dominio de f
a R+. Explicitar D(f--1) en cada caso.
a) f(x) = 3.x – 3
b) f(x) = ex
c) f(x) = x
d) f(x) = x2 – 1
e) f(x) = x/x – 1
Ejercicio 8
Hallar g[f(x)] y explicitar el dominio de la función compuesta en cada uno de
los siguientes casos.
1. g(x) = x2 + 2.x + 1
f(x) = x – 1
2. g(x) = x2
f(x) = 1/x
3. g(x) = Lx
f(x) = ex
4. g(x) = x
f(x) = x2
11. LÍMITES Y CONTINUIDAD DE FUNCIONES

El concepto de límite de una función (f) en un punto (x = a) refiere al
comportamiento del gráfico en las vecindades, en un entorno reducido centrado en dicho
punto. ¿Qué comportamiento podría tener el gráfico de f en un entorno de x = a?
(A) (B) (C)
f(x)
f(x) b+2 f(x)
b
b-1 b
b
a a a
(D) (E) (F)
f(x) f(x) f(x)
a a a
(G) (H) (I)
f(x) f(x) f(x)
a a a
(J)
f(x)
¿En qué difieren los gráficos precedentes en relación a lo que ocurre en las
vecindades de de x=a?
En algunos de ellos el punto x=a no es parte del D(f).
Marcarlos con una A B C D E F G H I J
cruz.
En algunos de ellos el D(f) excluye un entorno o un entorno reducido centrado en a.

cruz.
En algunos de ellos el D(f) excluye los valores de x en un semientorno reducido (a

izquierda o a derecha) centrado en x=a.

cruz.
En algunos de ellos los valores de f(x) en un entorno reducido de centro a difieren entre
sí tan poco como se desee, a condición de reducir los suficiente el radio del entorno.

cruz.
En algunos de ellos el gráfico de la función se puede dibujar sin levantar el lápiz al pasar
por x=a.

cruz.
En algunos de ellos los valores de f(x) en un entorno reducido de centro a difieren tanto
como se quiera, aunque se reduzca el radio del entorno.

cruz.
Definición: Límite finito de una función en un punto lím f(x) = b

x→a
El límite de la función f en el punto x=a es b, si dado un entorno pequeño
centrado en b y de radio ε (∪b,ε), existe un entorno reducido de centro a (∪’a,δ), tal que
para todos los x pertenecientes a este último entorno, se cumple que f(x) pertenece al
entorno centrado en b.
Que el límite de la función f en el punto x=a es b implica que f(x) está tan
cercano a b como se quiera, cuando x se aproxima a a sin tocar a a.
Ejemplo 1: lím(2.x + 1) = 5 porque existe δ tal que si x X ∪’a,δ → f(x) X ∪b,ε.

x→2
¿Se puede probar la existencia del δ? La respuesta es afirmativa.
- ε < (2.x + 1) – 5 < ε
- ε < 2.x – 4 < ε
- ε/2 < x – 2 < ε/2
Entonces δ = ε/2, pues cuando │x - 2│< ε/2 se cumple que │(2.x + 1) – 5│< ε.
x2 −1
Ejemplo 2: Sea f(x) = . ¿Qué pasa con la función en x=1? El punto x=1 no
x −1
pertenece al dominio de la función. Sin embargo, se puede calcular el límite de la función
x 2 − 1 ( x − 1).( x + 1)
cuando x se acerca a 1. Obsérvese que si x≠1, es f(x) = = = x + 1.
x −1 x −1
Es decir, que salvo en x=1, la función se comporta como la recta y = x + 1. Por tanto:
lím f ( x) = 2
, porque en un entorno reducido de centro a=1, los valores de x tienen
x →1
imágenes muy cercanas a b=2.
Observaciones
1. Según la definición de límite en el punto x=a, lo que hay que saber es qué ocurre
con los valores de f(x) cuando la variable x recorre los puntos de un entorno
reducido de centro a. Es decir, no importa lo que ocurre en el punto x=a, sino lo
que ocurre en los puntos vecinos a a.
2. Podría ocurrir que f(a) = b, que f(a) ≠ b ó también que x=a no sea parte del D(f).
lím f ( x) = b
3. Si: ¿qué debería ocurrir con f(x) cuando vamos achicando el radio
x→a
del entorno reducido de centro a y radio δ? En tal caso, el entorno ∪b,ε también se
va achicando. En otras palabras, cuando nos acercamos a a por izquierda y por
derecha, los valores de f(x) se van acercando a b tanto como se quiera.
lím f ( x) = b
4. ¿Por qué en el caso (B) no es ? Porque no importa qué tan cerca de
x→a
a estén los valores de x –uno por izquierda y otro por derecha– los f(x) siempre
estarán a una distancia mayor o igual que 3 del valor b.
5. ¿Qué significa en la definición que ε es dado? Significa que ε es un número fijo,
arbitrariamente pequeño, pero fijo.
Definición: Límite infinito de una función en un punto lím f(x) = + ∞

x→a
El límite de la función f en el punto x=a es + ∞, cuando f(x) > K (K arbitrario y
tan grande como se quiera) cuando la variable x se acerca a a sin tocar a a.
f(x)
a
1
Ejemplo: lím =+∞
x
x→0
De manera análoga se define el límite -∞ de una función en un punto. En este caso

lo que ocurre con la función es que en las cercanías del punto a toma valores grandes
(en valor absoluto) pero con signo negativo: f(x) < -H (con H positivo y arbitrariamente
grande) cuando los valores de x se acercan a a.
Definición: Límite lateral por izquierda de una función en un punto lím f(x) = b
x → a-
-
centrado en b y de radio ε (∪b,ε), existe δ tal que si 0 < a – x < δ, entonces se cumple
que: │f(x) - b│< ε. Para que el límite de f en “a por izquierda” sea b se tiene que
cumplir que cuando x está cerca de a, pero con valores más pequeños que a, los valores
de f(x) estén cerca de b.
Definición: Límite lateral por derecha de una función en un punto lím f(x) = b
x → a+
+
centrado en b y de radio ε (∪b,ε), existe δ tal que si 0 < x – a < δ, entonces se cumple
que: │f(x) - b│< ε. Para que el límite de f en “a por derecha” sea b se tiene que cumplir
que cuando x está cerca de a, pero con valores más grandes que a, los valores de f(x)
estén cerca de b.
lím f(x) = b lím f(x) = b

x → a- x → a+
b+ε b+ε
b b
b-ε b-ε
( )
a-δ a a a+δ
Ejemplos:
⎛1⎞ ⎛1⎞ ⎛1⎞
Lím⎜ ⎟ no existe, pero : lím⎜ ⎟ = +∞ y lím⎜ ⎟ = −∞
⎝ x⎠ ⎝ x⎠ ⎝ x⎠
x→0 x → 0+ x → 0−
Definición: Límite finito de una función cuando x→ + ∞ lím f(x) = b

x→+∞
El límite de la función f cuando x→ + ∞ es b, si dado un entorno pequeño
centrado en b y de radio ε (∪b,ε), existe K tal que si x > K, entonces se cumple que:
│f(x) - b│< ε.
Definición: Límite finito de una función cuando x→ - ∞ lím f(x) = b
x→-∞
El límite de la función f cuando x→ - ∞ es b, si dado un entorno pequeño
centrado en b y de radio ε (∪b,ε), existe H tal que si x < -H, entonces se cumple que:
│f(x) - b│< ε.
lím f(x) = b lím f(x) = b

x → +∞ x → -∞
b+ε b+ε
b b
b-ε b-ε
K -H
Definición: Límite más infinito de una función cuando x→ ±∞ lím f(x) = +∞

x → ±∞
El límite de la función f cuando x→ + ∞ (x→ - ∞ ) es +∞, si dado L (positivo y
arbitrariamente grande), existe K (H) tal que si x > K (x < -H), entonces se cumple que:
f(x) > L.
Definición: Límite menos infinito de una función cuando x→ ±∞ lím f(x) = -∞

x → ±∞
El límite de la función f cuando x→ + ∞ (x→ - ∞ ) es -∞, si dado L (positivo y
arbitrariamente grande), existe K (H) tal que si x > K (x < -H), entonces se cumple que:
f(x) < -L.
lím f(x) = +∞ lím f(x) = +∞

x → +∞ x → -∞
L L
K -H
lím f(x) = -∞ lím f(x) = -∞
x → +∞ x → -∞
-H
K
-L
-L
Propiedades de los límites de funciones

Sean dos funciones, f y g, tales que: lím f(x) = b1 y lím g(x) = b2 donde α puede
x→α x→α
ser un número finito (a) o infinito (+∞ ó -∞). Entonces se cumplen las siguientes
propiedades.
Lím [f(x) + g(x)] = b1 + b2

Lím [f(x) - g(x)] = b1 - b2
Lím [f(x) * g(x)] = b1 * b2
Lím [f(x) ÷ g(x)] = b1 ÷ b2 (si b2 ≠ 0)
Estas propiedades resuelven el problema de calcular el límite de una suma, resta,

etc., cuando ambos límites son finitos. Pero, ¿qué ocurre cuando el límite de un sumando,
por ejemplo, es infinito? Si uno de los sumandos tiene límite finito y el otro límite
infinito, entonces el límite de la suma es infinito. Si los dos sumandos tienen límite
infinito y del mismo signo, entonces la suma también tiende a infinito, y con el mismo
signo. Pero si los sumandos tienen límite infinito y de diferente signo, el límite de la
suma no puede obtenerse como un resultado general, y hay que estudiar caso por caso.
Resulta de mucha utilidad, para este propósito, la siguiente definición.
Infinitos
Definición: Se dice que una función f es un infinito cuando x → +∞ si se
cumple que: lím f(x) = +∞.
x → +∞
Entre los “infinitos” los hay más lentos y los que más rápidamente se “disparan” a
valores altos.
Infinito rápido Infinito lento

f ( x)
Lím =∞
Definición: Se dice que un infinito f es de mayor orden que otro g, si g ( x)
x → +∞
f ( x)
Lím =0
Definición: Se dice que un infinito f es de menor orden que otro g, si g ( x)
x → +∞
f ( x)
Lím =1
Definición: Se dice que dos infinitos f y g son equivalentes, si g ( x)
x → +∞
Se puede demostrar que la suma de infinitos de distinto orden es equivalente al

término de mayor orden. Si el límite del cociente no es el número uno, sino otro número
distinto de cero, entonces los dos infinitos son de igual orden. Un resultado importante:
Ord (infinito log) < Ord (infinito potencial) < Ord (infinito exponencial)
Entre dos infinitos potenciales –por ejemplo, x2 y x5– el de mayor orden es el que
tiene exponente más alto. Aplicando estas reglas se pueden resolver muchos problemas
de límites.
Ejemplos
1. x2 + ex ∼ ex con x→+∞. Este resultado expresa que el primer infinito es
equivalente al segundo. ¿Por qué? Porque la suma de infinitos de distinto orden –
en este caso, uno potencial más uno exponencial– es equivalente al de mayor
orden.
(Lx )100
2. Lím 0, 01 = 0 . En este caso tenemos el cociente de dos infinitos, uno
x
x → +∞ logarítmico y otro potencial. Como el del numerador es de
menor orden que el del denominador, el cociente tiende a 0.
Aunque el límite de la expresión tiende a 0, conviene observar que esta tendencia
es muy lenta. Por ejemplo, para x=100, el cociente toma el valor 2.1066 que es un
número muy grande.
x + Lx x
3. lím = lím = ½.
2.x − Lx 2.x
x → +∞
4. Lím x.e-x = lím x/ ex = 0

x → +∞
Límite de sucesiones
Las sucesiones son un caso particular de funciones. Lo que tienen de particular es
que su dominio no es el conjunto de los números reales sino el conjunto de los números
naturales. Por ejemplo, la sucesión f(n) = n2 asocia a cada número natural su cuadrado.
La notación más habitual es de la forma an = n2 o bien bn = 1/n. En estos casos no tiene
sentido estudiar el límite en un punto del dominio, porque en un entorno reducido del
punto no hay función. El único límite que puede definirse es el caso en que n → +∞. Las
propiedades relativas al orden y equivalencia de funciones en general, son aplicables al
caso del límite de sucesiones.
2.n 2 − 5.n + 8 2.n 2

Ejemplo: Lím 2 = lím 2 = 2 , donde no se anota n → +∞, porque
n + 3.n − 2 n
está sobreentendido.
Infinitésimos
Definición: Se dice que una función f es un infinitésimo cuando x → +∞ si se
cumple que: lím f(x) = 0.
x → +∞
También entre los infinitésimos los hay más lentos y más rápidos, pero la lentitud
o rapidez refiere a la velocidad con que se acercan a 0. Por ejemplo, 1/x2 tiende a cero
más rápido que 1/x. También se puede establecer reglas sobre el orden de los
infinitésimos. Cuando x → +∞:
Ord (infinitésimo potencial) < Ord (infinitésimo exponencial)
Por ejemplo: ord(x-1/2) < ord(1/x) < ord(1/x2) < ord(1/x3) < ord(e-x).
También se pueden definir infinitésimos cuando x → 0. Son ejemplos de

infinitésimos en este caso: x , x, x2, x3, 1 – ex, L(1+x), pues todos ellos tienden a cero
cuando x → 0. En el caso de los potenciales, el orden crece con el exponente.
La equivalencia se define en los mismos términos que la equivalencia de infinitos.

Pero en el caso de la suma de infinitésimos de distinto orden, la suma es equivalente al de
menor orden (obsérvese la diferencia con la propiedad en infinitos), y esto es así, porque
el más lento enlentece la suma. Se puede demostrar que los infinitésimos (1 – ex) y
L(1+x) son equivalentes del infinitésimo x, cuando x → 0.
Los “límites tipo”

Como consecuencia de la última propiedad enunciada más arriba, y de otras
propiedades, se tienen los siguientes resultados “tipo”.
x
⎛ 1⎞
a) Lím ⎜1 + ⎟ = e cuando x → +∞
⎝ x⎠
b) Lím (1 + x ) x = e cuando x → 0 +
1
L(1 + x)
c) Lím = 1 cuando x → 0
x
ex −1
d ) Lím = 1 cuando x → 0
x
sen x
e) Lím = 1 cuando x → 0
x
Ejemplo:
x 2 + 2.L(1 + x 2 ) 2.L(1 + x 2 ) 2.x 2
Lím = lím = lím = −2
x3 − x2 − x2 − x2
x→0
Los argumentos para resolver este ejemplo son la equivalencia de la suma de
infinitos (por ejemplo, x3 – x2 ∼ - x2) y una propiedad que permite extender los resultados
de los límites tipo cuando x → 0 sustituyendo al infinitésimo “x” por otro infinitésimo.
En este ejemplo, dado que L(1 + x) ∼ x, la aplicación de la propiedad permite afirmar que
L(1 + x2) ∼ x2.
El último de los límites tipo no será utilizado en el curso porque hemos optado por
dejar de lado las funciones trigonométricas. Sin embargo, por su valor didáctico, lo
habremos de aplicar en el siguiente ejemplo17.
Considérese un polígono regular inscrito en una circunferencia de radio 1.
r=1
Nos interesa calcular el área del polígono inscrito y observar lo que ocurre cuando
aumenta el número de lados. Es intuitivo que el área aumenta a medida que aumenta el
número de lados del polígono. ¿Qué ocurre con el área del polígono si hacemos tender a
+∞ el número de lados? El límite del área de los polígonos, cuando el número de lados
tiende a +∞, debería coincidir con el área del círculo, π.r2, π en este caso. Vamos a
demostrarlo.
Supongamos que el polígono tiene n lados, y que la medida del lado es L. El

polígono no es otra cosa que la unión de n triángulos de la forma:
1 1
h
17
Este ejemplo puede ser omitido en una primera lectura.
El área del triángulo se puede expresar en función de su altura (h) y de la base. A
su vez, podemos calcular la altura del triángulo en función de L. La mitad del triángulo
tiene un ángulo recto y, por tanto, se puede aplicar el teorema de Pitágoras.
h 1
L/2
Por Pitágoras: h2 + (L/2)2 = 12. Entonces: h2 + L2/4 = 1. Entonces: h = 1 − L2 / 4 .

Resulta que el área del medio triángulo es: (L/2* 1 − L2 / 4 )/2, el área del triángulo es
L/2* 1 − L2 / 4 y el área del polígono es n* L/2* 1 − L2 / 4 .
¿Existe alguna relación entre n y L? Por ejemplo, sabemos que si el polígono

inscrito es un hexágono (n = 6) el lado mide 1. Pero si n es un natural cualquiera, la
relación entre n y L es un poco más complicada. Si hay n lados en el polígono,
entonces hay n triángulos cuyo ángulo al centro mide 360º/n o lo que es lo mismo en
radianes, 2.π/n. Por tanto, el medio triángulo tiene ángulo al centro α = π/n.
h 1
L/2
cateto opuesto L / 2 L ⎛π ⎞ L ⎛π ⎞
Por definición: sen α = = = ⇒ sen⎜ ⎟ = ⇒ L = 2.sen⎜ ⎟ .
hipotenusa 1 2 ⎝n⎠ 2 ⎝n⎠
Esta es la relación entre L y n. Ahora podemos expresar el área del polígono
exclusivamente en función de n.
Área del polígono =

2
⎛π ⎞ ⎡ π⎤
2.sen⎜ ⎟ ⎢⎣2.sen n ⎥⎦
⎝ n ⎠ * 1− π ⎛π ⎞ ⎛π ⎞ ⎛π ⎞
n* = n * sen * 1 − sen 2 ⎜ ⎟ = n * sen⎜ ⎟ * cos⎜ ⎟
2 4 n ⎝n⎠ ⎝n⎠ ⎝n⎠
¿Qué ocurre con el área del polígono cuando n → +∞? Ocurre que π/n tiende a 0,
también sen(π/n) tiende a 0, cos(π/n) tiende a 1, y por límites tipo se cumple que:
⎛π ⎞
sen⎜ ⎟
Lím ⎝ n ⎠ =1
π
n
π
→0
n
Por tanto:
n ⎛π ⎞
Lím * sen⎜ ⎟ = 1
π ⎝n⎠
π
→0
n
En consecuencia:
⎛π ⎞
Lím n * sen⎜ ⎟ = π
⎝n⎠
π
→0
n
⎛π ⎞ ⎛π ⎞
Y finalmente: Lím n * sen⎜ ⎟ * cos⎜ ⎟ = π , que era lo que queríamos probar.
⎝n⎠ ⎝n⎠
Continuidad
Recordamos que entre los ejemplos iniciales de esta sección nos interesó
identificar aquellos casos en que el gráfico de la función se puede dibujar sin levantar el
lápiz al pasar por x=a. Ahora vamos a centrar nuestro interés en este concepto.
Definición: Se dice que f es una función continua en el punto x=a si se cumple

que lím f(x) = f(a).
x→a
¿Qué tiene que ocurrir para que una función sea continua en el punto x=a? Tienen
que ocurrir tres cosas: primero, que exista el límite de la función en el punto, segundo, el
punto debe pertenecer al dominio de f, es decir, f(a) es un número, y en tercer lugar,
deben coincidir el límite en el punto con el valor funcional.
Por tanto, una función no es continua en el punto x=a si el punto no pertenece al

dominio de la función, si no existe el límite de la función en el punto, por ejemplo,
porque los límites laterales son diferentes o porque no existe uno de los límites laterales.
Cuando una función no es continua en un punto, se dice que es discontinua.
Indicar en cuáles de los ejemplos del inicio de esta sección, la función f es

discontinua.

cruz.
Definición: Se dice que f es una función continua en el punto x=a- si se cumple
que lím f(x) = f(a). En tal caso se dice que la función f es continua lateralmente por izq.
x → a-
Definición: Se dice que f es una función continua en el punto x=a+ si se cumple

que lím f(x) = f(a). En tal caso se dice que la función f es continua lateralmente por der.
x → a+
Revisando las definiciones se deduce que si una función es continua también es

continua lateralmente por izquierda y por derecha. También puede asegurarse el
recíproco: si una función es lateralmente continua en un punto por izquierda y por
derecha, entonces es continua en el punto. También se puede hablar de discontinuidad
lateral.

continua por izquierda.

cruz.

continua por derecha.

cruz.
Cuando en un punto los límites laterales de la función son iguales y finitos, pero
no coinciden con el valor funcional o éste no está definido, se dice que la discontinuidad
en el punto es evitable.
Indicar en cuáles de los ejemplos del inicio de esta sección, la función f presenta
una discontinuidad evitable.

cruz.
Cuando en un punto los límites laterales de la función son finitos y diferentes, se

dice que la función presenta en el punto una discontinuidad con salto finito.
una discontinuidad con salto finito.

cruz.
Cuando en un punto uno de los límites laterales de la función es infinito, se dice

que la función presenta una discontinuidad con salto infinito.
una discontinuidad con salto infinito.

cruz.
Definición: Se dice que f es una función continua en el intervalo (a, b) si es

continua en cada punto del intervalo abierto (a, b).
Definición: Se dice que f es una función continua en el intervalo cerrado [a, b]

si es continua en cada punto del intervalo abierto (a, b), es continua en x=a por derecha y
es continua en x=b por izquierda.
Entonces, una función es continua en un intervalo cerrado si el gráfico de la

función en dicho intervalo se dibuja sin levantar el lápiz.
(I) (II) (III)
f f f
a b a b a b
(I) f es continua en (a, b) y en [a, b].

(II) f es discontinua en (a, b) y en [a, b].
(III) f es continua en (a, b) pero es discontinua en [a, b].
¿Qué ocurre con la propiedad de continuidad en un intervalo abierto o cerrado

cuando se opera con funciones? La propiedad de continuidad se extiende sin dificultad a
la suma, resta y multiplicación de funciones. En el caso de la división, radicación y
logaritmación se presentan algunas dificultades. En el siguiente cuadro se presentan los
resultados más importantes. Donde aparece la expresión “intervalo cerrado” puede
sustituirse por “intervalo abierto” y la propiedad enunciada sigue siendo válida.
Sean f y g dos funciones continuas en el intervalo [a, b]. Entonces:

a) La suma (f + g) es una función continua en el intervalo [a, b].
b) La resta (f - g) es una función continua en el intervalo [a, b].
c) La multiplicación (f * g) es una función continua en el intervalo [a, b].
d) El cociente (f / g) es una función continua en el intervalo [a, b] si g(x)≠0 en [a, b].
e) Las funciones ef y eg son funciones continuas en el intervalo [a, b].
f) La función f es una función continua en el intervalo [a, b] si f(x) ≥ 0 en [a, b].
g) La función L(f) es una función continua en el intervalo [a, b] si f(x) > 0 en [a, b].
Definición: Máximo (o máximo absoluto) de una función en un intervalo [a, b] es
el mayor valor que toma la función al recorrer x todos los valores del intervalo. Se
llama punto de máximo al valor de x donde f presenta un máximo absoluto.
Definición: Mínimo (o mínimo absoluto) de una función en un intervalo [a, b] es

el menor valor que toma la función al recorrer x todos los valores del intervalo. Se llama
punto de mínimo al valor de x donde f presenta un mínimo absoluto.
Dada una función en un intervalo cerrado, ¿siempre existen el mínimo y el

máximo? La respuesta es negativa. Sin embargo, si la función es continua en dicho
intervalo, la respuesta es afirmativa, y este importante resultado es el que se enuncia a
continuación.
Teorema de Weierstrass: Toda función continua en un intervalo cerrado tiene

mínimo y máximo absolutos (el teorema no es cierto si el intervalo es abierto, como lo
prueba el ejemplo III).
Que el gráfico de una función continua en un intervalo cerrado se puede dibujar

sin levantar el lápiz es otra forma de enunciar el siguiente teorema.
Teorema de Darboux: Si una función es continua en un intervalo cerrado,

entonces la función toma, por lo menos una vez, todos los valores comprendidos entre el
mínimo y el máximo absolutos.
Este teorema proporciona un método para aproximar raíces reales en el caso de

funciones continuas. Por ejemplo, la función polinómica P(x) = x4 – 3.x + 1 toma los
valores P(1) = -1 y P(2) = +11. Como los polinomios son funciones continuas para todo
x real, P es también una función continua en el intervalo [1, 2]. Más adelante
demostraremos que P es una función que crece en el intervalo [1, 2]. En consecuencia, en
x=1 la función presenta el mínimo absoluto (-1) y en x=2 presenta el máximo absoluto
(+11), y por el Teorema de Darboux la función pasa por todos los valores intermedios
entre -1 y +11. En particular, la función toma, en algún punto del intervalo, el valor 0. Por
tanto, en el intervalo [1, 2] el polinomio tiene una raíz. El Teorema no asegura que haya
una sola raíz en el intervalo, afirma que hay por lo menos una.
Repartido Práctico 11.1: Límites de funciones
Ejercicio 1
Calcular los siguientes límites de funciones.
1. Lím (3.x2 + 2.x +1)

x → -1
2. Lím 5x
x→2
x +1
3. Lím
x −1
x→2
4. Lím (x + 3).ex+2
x → -1
5. Lím x2 – x + Lx
x→1
6. Lím Raíz(x)
x→4
7. Lím Raíz(x)
x→0
8. Lím Raíz(x)
x → 0+
9. Lím 1/x
x → 0+
10. Lím 1/x

x → 0-
11. Lím 1/x

x→0
x +1
12. Lím
x−2
x → 2+
x2 −1
13. Lím
x−2
x→2
14. Lím (x2 + 4.x + 4)/(x + 2)
x → -2
Ejercicio 1 (cont.)
15. Lím 2.x2 + 2.x + 3
x2 – 2.x + 1
x → +∞
16. Lím x2 + 3.x

x+5
x → +∞
Lx
17. Lím
x
x → +∞
Lx
18. Lím
x2
x → +∞
3x
19. Lím
x2 +1
x → +∞
3x
20. Lím
x2 +1
x → -∞
21. Lím L(x2 + 1)

x → -∞
22. Lím L(1 + 1/x2)

x → -∞
23. Lím x – 4/x

x → +∞
24. Lím x – 4/x

x → -∞
x+3
25. Lím
x +1
x → +∞
26. Lím (x + 1/x)x

x → +∞
27. Lím L(1+x)

x
x →0
Ejercicio 2
En cada uno de los gráficos que siguen indicar si existe el límite de la función
cuando x→ a, cuando cuando x→ a+ y cuando x→ a-, y en caso afirmativo, indicar su
valor.
CASO 1 CASO 2 CASO 3
c
b f(a) = b
b d
a a a
b b
b
a a a
f(a)=b
b
a a
a
b b
a
a a
Ejercicio 3
Calcular el límite, cuando n → +∞, de las siguientes sucesiones.
1
1. f(n) = 1 +
n
n −1
2
2. f(n) = 2
n +1
3. f(n) = n2 – n
4. f(n) = n2 – n.Ln
5. f(n) = n.e-n
6. f(n) = n – n
7. f(n) = 3 n − n
8. f(n) = L(n2 – 5n +1) – L(n2 + 4n + 1)
n
⎛ 1⎞
9. f(n) = ⎜1 + ⎟
⎝ n⎠
2 n +1
⎛ 2⎞
10. f(n) = ⎜1 + ⎟
⎝ n⎠
Repartido Práctico 11.2: Continuidad de Funciones
Ejercicio 1
Con relación a los 12 casos del Ejercicio 2 del Repartido 12 de Límites, estudiar la
continuidad y la continuidad lateral de la función del gráfico en x = a.
Ejercicio 2
Estudiar la continuidad de la función del gráfico en los intervalos (a, b) y [a, b]
en cada uno de los siguientes casos.
CASO A CASO B CASO C CASO D
x x x x x
x x x
a b a b a b a b
CASO E CASO F CASO G CASO H
x x x
x
x a
a b a b b a b
CASO I CASO J CASO K CASO L
x x
x x
x x
a b a b a b a b
Repartido Práctico 11.2: Continuidad de Funciones
Ejercicio 3
Estudiar la continuidad y la continuidad lateral en todo el dominio de las
funciones elementales: x, x 2 , x , e x , Lx.
Ejercicio 4
Estudiar para todo x real la continuidad de las siguientes funciones.
a) f(x) = x2 – 4
x2 − 4
b) f(x) =
x+2
⎛ x2 − 4
⎜
c) f(x) = ⎜ x + 2 si x ≠ −2
⎜ −4 si x = −2
⎝
d) f(x) = x2 − 4
x −1
e) f(x) =
x−3
f) f(x) = L(x2 – 4)
Ejercicio 5
Estudiar la continuidad de las funciones que siguen en el intervalo [1, 2].
a) f(x) = x2 – 9
x2 − 4
b) f(x) =
x+2
c) f(x) = 9 − x2
d) f(x) = L(4 – x2)

CURSO 2004
PARTE VI

12. DERIVACIÓN Y DIFERENCIACIÓN. INTERPRETACIÓN GEOMÉTRICA
DE LA DERIVADA. REPRESENTACIÓN GRÁFICA DE FUNCIONES.
MONOTONÍA, EXTREMOS Y CONCAVIDADES.
En esta sección se introducen dos conceptos claves para el estudio de las

funciones: derivada de una función en un punto y función derivada.
Optamos por introducir el primer concepto apelando a la interpretación

geométrica, para luego presentar la definición analítica.
¿Qué es la tangente a una curva en un punto? Si la curva es una circunferencia,

entonces la tangente a la circunferencia en un punto es la única recta que pasa por ese
punto y toca a la circunferencia sólo en ese punto.
r2
r1
r2 no es tangente a la circunferencia en P, porque la corta en dos puntos (P y S). r2

es una cuerda de la circunferencia. r1 es la tangente en P. ¿Qué sucede si el punto S se
mueve en la dirección de P, y éste permanece fijo? A medida que S se acerca a P, la recta
r2 se acerca a la posición de r1, de tal forma que cuando S coincide con P, entonces r2 se
superpone con r1.
Consideremos ahora el gráfico de una función (la circunferencia no es el gráfico

de ninguna función).
r2 r1
f(x) r3
Por el punto P pasan muchas rectas que cortan el gráfico de la función en un solo
punto. Estamos interesados en encontrar una recta que corte al gráfico en P pero que,
además, “se parezca” al gráfico en las vecindades de P tanto como sea posible. Tal recta
es, en la figura, r1. Para encontrar la fórmula analítica de r1 vamos a considerar una
cuerda de la curva que pase por P (tal como hicimos en el caso de la circunferencia).
f(x) r2
f(a + h) S
f(a) P
a a+h x
Las coordenadas de los puntos son P = (a, f(a)) y S = (a + h, f(a + h)) donde “h”
es una variable que no depende de a (el punto P está fijo y por tanto a es también un
número fijo). La diferencia entre las abcisas de los dos puntos es h = (a + h) – a y esta
diferencia en las abcisas origina una diferencia de ordenadas f(a + h) – f(a). En el gráfico
de la figura se ha tomado h > 0, pero h puede ser negativa si se elige el punto S a la
izquierda del punto P.
Hagamos tender el punto S hacia el punto P, con lo que la recta r2 tenderá hacia
la posición de la tangente a la curva en el punto P. Se observa que para que S tienda a P
alcanza con que h → 0.
¿Cuál es la ecuación de la recta r2? Es la ecuación de la recta que pasa por dos
puntos:
f ( a + h) − f ( a )
Ecuación de r2: y = * ( x − a) + f (a)
( a + h) − a
Cuando h → 0, r2 tiende a la posición de la tangente a la curva por P:
f ( a + h) − f ( a )
Ecuación de la tangente a la curva en P: y = [ Lím + *( x − a) + f (a ) ]
h
h→0
f ( a + h) − f ( a )
Entonces, la expresión Lím cuando h → 0 es el coeficiente
h
angular de la recta tangente a la curva f en el punto P.
Definición: Se llama derivada en el punto x=a de la función f, y se anota f ’(a), al

f ( a + h) − f ( a )
resultado de la expresión Lím .
h
h→0
Observaciones
1. No siempre existe la derivada de la función en un punto. Ello depende de la
existencia del límite que define f ’(a).
2. Si existe f ’(a), entonces f ’(a) es el coeficiente angular de la recta tangente a la
curva f en el punto de abcisa x=a. En tal caso, la ecuación de la tangente se
puede escribir así:
y = f ’(a)*(x – a) + f(a).
f ( a + h) − f ( a )
3. La expresión es un cociente (denominado cociente incremental)
h
cuyo denominador es un infinitésimo cuando h → 0. Entonces, para que el límite
de dicha expresión sea un número finito, el numerador también tiene que ser un
infinitésimo del mismo orden que h o de orden superior. Entonces, Lím [f(a + h) –
f(a)] = 0 cuando h → 0 que es lo mismo que afirmar que Lím f(x) = f(a) cuando
x → a, que es la definición de función continua en el punto x=a. En otras palabras,
para que exista y sea finita la derivada de la función en un punto, es condición
necesaria que la función sea continua en dicho punto.
f ( a + h) − f ( a )
4. Cuando Lím = ∞, la interpretación geométrica es que en el punto
h
h→0
de abcisa x=a no hay tangente a la curva y el gráfico tiende a comportarse como la
recta x = a.
5. Cuando el límite de la expresión no existe, entonces la curva no tiene una tangente
en el punto x=a. Sin embargo, bien podrían existir los límites laterales cuando
h→0+ y cuando h→0-. En este caso la curva tiene tangentes laterales diferentes a
izquierda y derecha del punto x=a.
r1 r1 r’1
a a a a
f ( a + h) − f ( a )
Lím =
h
h→0
+∞ -∞ f ’(a-) si h → 0- f ’(a-) ≠ f ’(a+)
f ’(a) no existe f ’(a) no existe
Tangente
x=a x=a tg en a-) r1 tg laterales: r1 y r2
f ( a + h) − f ( a )
Cuando existen y son finitos los Lím cuando h → 0+ y h → 0-, se
h
dice que f tiene en x=a derivadas laterales. Una condición necesaria para la existencia
de f ’(a) es que existan f ’(a-) y f ’(a+) y que sean iguales. Cuando f ’(a-) y f ’(a+) existen,
son finitos y distintos, se dice que la curva f presenta en x=a un punto anguloso.
Ejemplo: Considérese la función f:f(x) = x2. Se quiere calcular, si existe, f ’(2).

f ( 2 + h ) − f ( 2) ( 2 + h) 2 − 2 2 h 2 + 4.h
f ' (2) = lím = lím = lím = lím (h + 4) = 4.
h h h
h→0 h→0 h→0 h→0
Entonces f ’(2) = 4. ¿Cuál es la interpretación geométrica de este resultado? La tangente

a la curva y = x2 en el punto x=2 tiene coeficiente angular igual a 4.
y = x2 tg
La tangente tiene coeficiente angular 4 y pasa por el punto (2, 4). Por tanto, la
ecuación de la tangente a la curva en el punto x=2 es:
y = 4.x – 4
∂f
Definición: Se llama derivada de la función f (notación: f ’ o bien ) a una
∂x
función que a cada punto del dominio de f le hace corresponder el valor de la derivada
en dicho punto.
f ’: x → f ’(x)
Ejemplo: Considérese la función f:f(x) = x2. Se quiere calcular f ’(x).

f ( x + h) − f ( x ) ( x + h) 2 − x 2 h 2 + 2.x.h
f ' (2) = lím = lím = lím = lím (h + 2.x) = 2.x.
h h h
h→0 h→0 h→0 h→0
Con el mismo argumento se puede demostrar que si f(x) = x3, entonces f ’(x) = 3.x2
y más en general, que si f(x) = xm, entonces f ’(x) = m.xm-1.
Ya sabemos derivar un monomio. ¿Cómo se hace para obtener la derivada de una

función polinómica? Necesitamos saber cómo se obtiene la derivada de una suma de
funciones y la derivada del producto de una función por una constante. Para hallar la
derivada de funciones cualesquiera, se pueden aplicar los siguientes métodos:
I) Utilizando la definición de función derivada, mediante límites. Así se obtienen las

derivadas de las funciones elementales que aparecen en la tabla más abajo.
II) Utilizando una “tabla de derivadas”
III) Utilizando las reglas de derivación para operaciones con funciones y para funciones
compuestas.
Reglas para la derivación
Derivada de una suma de funciones: [ f ( x) + g ( x)]' = f ' ( x) + g ' ( x)
Derivada de una resta de funciones: [ f ( x ) − g ( x ) ]' = f ' ( x) − g ' ( x)
Derivada de una constante por una función: [K.f(x)]’ = K.f ’(x)
Derivada de un producto de funciones: [ f ( x).g ( x)]' = f ' ( x).g ( x) + f ( x).g ' ( x)
'
⎡ f ( x) ⎤ f ' ( x).g ( x) − f ( x).g ' ( x)
Derivada de un cociente de funciones: ⎢ ⎥ =
⎣ g ( x) ⎦ g 2 ( x)
f ' ( x)
Derivada de un logaritmo neperiano: [Lf ( x)] ' =
( x)
Derivada de una exponencial de base e: e f ( x ) [ ] '
= e f ( x ) . f ' ( x)
Derivada de una raíz cuadrada: [ f ( x) =] ' f ' ( x)

2. f ( x)
Derivada de una función de función: { f [g ( x)]} ' = f ' [g ( x)].g ' ( x)
Derivada de la derivada = Derivada segunda = f ”(x) = [f ’(x)] ’
Tabla de derivadas elementales

f(x) f ’(x)
K 0
x 1
x2 2.x
x3 3.x2
xm m.xm-1
1/x -1/x2
1
x 2. x
x
e ex
ax ax.La
Lx 1/x
L|x| 1/x
Aplicando las tres primeras reglas y la fórmula para la derivada de xm se puede
calcular la derivada de cualquier función polinómica. Las dos primeras reglas establecen
que la derivada de una suma es la suma de las derivadas, y que la derivada de una resta es
la resta de las derivadas. El producto y la división de funciones no tienen esta sencilla
propiedad.
Aunque resulte obvio, para que exista la derivada de una suma (de una resta o de
un producto) deben existir las derivadas de los sumandos (del minuendo y el sustraendo o
de los factores, respectivamente). En el caso de la derivada de un cociente o de una
función compuesta, es necesario imponer condiciones adicionales a la derivabilidad de
numerador y denominador o de las funciones que intervienen en la composición.
Ejemplo: Hallar la derivada de la función polinómica P(x) = 3.x4 + 2.x3 – ½.x2 + 8
P ’(x) = 3.(4.x3) + 2.(3.x2) – ½.(2.x) + 0 = 12.x3 + 6.x2 – x
¿Qué es la derivada segunda de una función? Es la derivada de la función

derivada. Notación: f ’’(x) = [f ’(x)]’.
Ejemplo: P(x) = 3.x4 + 2.x3 – ½.x2 + 8

P ’(x) = 12.x3 + 6.x2 – x
P ’’(x) = 12.(3.x2) + 6.(2.x) – 1 = 36.x2 + 12.x – 1
Aplicación de las derivadas para el estudio gráfico de funciones
En el estudio analítico y representación gráfica de funciones interesa conocer:

- el dominio de existencia de la función
- la continuidad de la función
- las raíces de la función, es decir, el conjunto solución de la ecuación f(x) = 0
- los límites laterales en los puntos donde hay discontinuidad
- el comportamiento (asintótico o no) de la función cuando x → ± ∞
- los intervalos de monotonía de la función (intervalos donde f crece o decrece)
- la existencia de extremos relativos (máximos y mínimos relativos)
- la existencia de extremos absolutos
- la forma de la curva en cada intervalo: concavidad y convexidad
- la existencia de puntos de inflexión
- la existencia de puntos donde no existe la tangente a la curva.
En Economía las variables más usuales son no negativas18 (por ejemplo, precios y
cantidades). Entonces, buena parte de los problemas a estudiar tienen la restricción x ≥ 0,
es decir, el dominio de la función incluye sólo valores no negativos y el gráfico se
concentra en un semiplano, y muchas veces, en el primer cuadrante del par de ejes
cartesianos ortogonales. Además, los precios y las cantidades no pueden crecer
indefinidamente, por lo que en Economía el lím f(x) cuando x → +∞ presenta poco
interés. Los problemas en los que nos vamos a concentrar principalmente son: identificar
18
Excepciones a esta regla son las variables que miden la utilidad monetaria en las empresas o las que
miden variaciones periódicas.
intervalos de monotonía y estudiar la eventual existencia de extremos, relativos y
absolutos. Para resolver estos problemas, el concepto de función derivada resulta muy
útil.
Monotonía
Si para todo x1 y x2, x1 < x2, pertenecientes al intervalo [a, b] es:

- f(x1) ≤ f(x2), entonces f es creciente en sentido amplio en [a, b]
- f(x1) < f(x2), entonces f es estrictamente creciente en [a, b]
- f(x1) ≥ f(x2), entonces f es decreciente en sentido amplio en [a, b]
- f(x1) > f(x2), entonces f es estrictamente decreciente en [a, b]
Una función es monótona (creciente o decreciente) en un intervalo cuando cumple

con alguna de las cuatro definiciones anteriores. En el primer caso, por ejemplo, se dice
que f es monótona creciente en sentido amplio.
Extremos absolutos
Máximo (o máximo absoluto) de una función en un intervalo [a, b] es el mayor
valor que toma la función al recorrer x todos los valores del intervalo. Se llama punto
de máximo al valor de x donde f presenta un máximo absoluto.
Mínimo (o mínimo absoluto) de una función en un intervalo [a, b] es el menor

valor que toma la función al recorrer x todos los valores del intervalo. Se llama punto de
mínimo al valor de x donde f presenta un mínimo absoluto.
Extremos relativos
La función f presenta un máximo relativo (en sentido amplio) en x = a si existe

un entorno de a de radio δ, tal que para todo x perteneciente a la intersección del
entorno con el D(f) es f(x) ≤ f(a).
La función f presenta un máximo relativo (en sentido estricto) en x = a si existe

entorno con el D(f), x ≠ a, es f(x) < f(a).
La función f presenta un mínimo relativo (en sentido amplio) en x = a si existe

entorno con el D(f) es f(x) ≥ f(a).
La función f presenta un mínimo relativo (en sentido estricto) en x = a si existe

entorno con el D(f), x ≠ a, es f(x) > f(a).
Aplicación de las derivadas
Vamos a suponer por un momento que en el intervalo donde interesa estudiar la

función, [a, b] ó [a, +∞), existe la derivada en todo el dominio de la función. Entonces, se
tienen los siguientes resultados:
- f es monótona creciente en un intervalo, si f ’ es positiva en dicho intervalo

- f es monótona decreciente en un intervalo, si f ’ es negativa en dicho intervalo
- f presenta un mínimo relativo en x=α, si se cumple que: f ’(α) = 0, el signo de f es
negativo a la izquierda de α y positivo a la derecha de α.
- f presenta un máximo relativo en x=α, si se cumple que: f ’(α) = 0, el signo de f es
positivo a la izquierda de α y negativo a la derecha de α.
En los dos últimos casos, la tangente a la curva es horizontal (pues su coeficiente

angular es nulo).
- f presenta concavidad positiva o convexidad en un intervalo, si f ’’ es positiva en dicho

intervalo
- f presenta concavidad negativa en un intervalo si f ’’ es negativa en dicho intervalo
Que una función presenta concavidad positiva en un punto significa que la

tangente a la curva en dicho punto se dibuja por debajo del gráfico de la función. Que una
función presenta concavidad negativa en un punto significa que la tangente a la curva en
dicho punto se dibuja por encima del gráfico de la función.
Ejemplo:
f(x)
α b
a c β d
-2 -1 1 1.3 1.8 2 3 x
La función del gráfico presenta tres máximos relativos, en los puntos x=a, x=c y
x=d, y un mínimo relativo en x=b. La función es monótona creciente en los intervalos:
(-∞, a), (b, 1.3), (1.3, c) y (2, d). La función es monótona decreciente en los intervalos: (a,
b), (c, 1.8), (1.8, 2) y (d, +∞). De acuerdo con las definiciones dadas, la función presenta
un máximo absoluto en x=d y no existe punto de mínimo absoluto. La función tiene
concavidad negativa en los intervalos (-∞, α), (1.3, 1.8) y (β, 3) y presenta concavidad
positiva o convexidad en los intervalos (α, 1.3), (1.8, β) y (3, +∞). Por tanto, a dicho
gráfico le corresponden los siguientes esquemas de signo de f ’ y f ’’.
++0 ------ 0+++ ∃+0--∃--0++ 0----

Sgn f ’
a b 1.3 c 1.8 2 d
0 ∃ ∃ 0 0
Sgn f ’’ ------ ++++++ ----- ++++ ---- +++++
α 1.3 1.8 β 3
¿Por qué puede no existir la derivada de la función en un punto? Por varios
motivos, entre los cuales podemos mencionar:
a) Porque el punto no pertenece al dominio de existencia de la función. Como

f(a) interviene en la fórmula de f ’(a), si no existe f(a) entonces tampoco existe
f ’(a).
b) Porque a la izquierda o a la derecha del punto no está definida la función. Es el
caso, por ejemplo, de f(x) = x , que no está definida a la izquierda de 0 y por
tanto no existe f ’(0).
c) Porque las derivadas laterales en el punto existen, son finitas, pero son
diferentes. Es el caso de la función f(x) = |x| en el punto x = 0.
Ejemplo: Hallar el gráfico de la función f(x) = L(1 + x2).

Dominio de existencia
El logaritmo está definido si el argumento es mayor que cero. Y (1 + x2) es mayor
que cero para todo x real. Entonces: D(f) = R.
Ceros
L(1 + x2) = 0 ⇔ 1 + x2 = e0 ⇔ 1 + x2 = 1 ⇔ x2 = 0 ⇔ x = 0.
Signo de f
L(1 + x2) ≥ 0 ⇔ 1 + x2 ≥ 1 ⇔ x2 ≥ 0, lo cual se cumple ∀ x ∈ R
0
Sgn f +++++++++ ++++++
0
Límite de la función cuando x →±∞
Lím L(1 + x2) = + ∞
x →±∞
Monotonía y extremos
1 1 2.x
f ’(x) = .(1 + x 2 )' = .(2.x) =
1+ x 2
1+ x 2
1+ x2
Sgn f ’ 0
------------ ++++++ f(0) = L1 = 0
0
f Decrece Crece
Mín
No hay máximos relativos ni absolutos. En x = 0 hay un mínimo relativo que es,

además, punto de mínimo absoluto. El valor mínimo de la función es f(0) = 0.
Concavidad
2.(1 + x 2 ) − 2.x.(2.x) − 2.( x 2 − 1)
f ’’(x) = =
(1 + x 2 ) 2 (1 + x 2 ) 2
----- 0+++++ 0------

Sgn f ’’ f(1) = f(-1) = L(1 + 1) = L2
-1 +1
Concavidad de f : Negat. Positiva Negat.
Ahora estamos en condiciones de bosquejar el gráfico de f.
L(1 + x2)
-1 +1 x
Interpretación económica de la derivada
Considérese una función de costos, C(q), que representa el costo total de producir
C (q)
q unidades de un único producto. El costo medio de la producción es . ¿Cuál es el
q
incremento del costo al pasar a producir una unidad adicional a partir de q? Este
concepto se denomina incremento de costo y es igual a C(q + 1) – C(q). Si las unidades
de producto son divisibles –por ejemplo, porque el producto se mide en quilos, y es
posible producir 2,3 quilos–, entonces se puede pensar en un incremento infinitesimal
de la producción. Si dicho incremento se simboliza ∆q, entonces se define el costo
marginal en q como la derivada de la función del costo total en el punto q:
C (q + ∆q) − C (q)
Costo marginal en q: C’(q) = lím
∆q
∆q → 0
Si ∆q ≈ 1, entonces: C’(q) ≈ C(q + 1) – C(q) y el costo marginal se puede utilizar

como aproximación del incremento de costo. El costo marginal puede interpretarse,
entonces, como una aproximación de lo que cuesta producir una unidad más, por encima
del nivel de producción q.
Ejemplo: Sea la función del costo total C(q) = 1000 – 5.q + 0,02.q2 ∀ q ≥ 125.
a) ¿Cómo se comporta la función de costos?

0+++++ C(q)
C’(q) = -5 + 0,04.q Sgn
-5 + 0,04.q = 0 125 q 687,5
El costo es creciente ∀ q ≥ 125.

125 q
b) Si se están produciendo 200 unidades, ¿cuál es el incremento del costo de

producir una unidad más? ¿Cuál es el costo marginal en q = 200?
C(201) – C(200) = [1000 – 5.(201) + 0,02.(201)2] - [1000 – 5.(200) + 0,02.(200)2]
= 3,03 = costo de producir una unidad adicional por encima de 200.
C’(q) = -5 + 0,04.q ⇒ C’(200) = 3, costo aproximado de producir una unidad

adicional por encima de 200.
c) Definir la función de costo medio.
C (q ) 1000 − 5.q + 0,02.q 2 1000

CM(q) = = = 0,02.q − 5 +
q q q
d) ¿Cómo se comporta la función de costo medio?
CM(125) = 687,5/125 = 5,5

q 2 − 50.000
CM’(q) = 0,02 – 1000/q2 =
50.q 2
0 5,5
Sgn CM’(q) ----- +++ 3,94
125 223,6
CM(q) en el intervalo: Decrece Crece 125 223,6
CM(223,6) = 3,94
e) Costo medio mínimo
Si las unidades de producto se pueden fraccionar, entonces el mínimo costo medio

se obtiene para un nivel de producción q = 223,6. Si las unidades de producto no
se pueden fraccionar, entonces está claro por el gráfico que el mínimo costo
medio se obtiene en un número entero próximo a 223, 6.
CM(223) = 3,94430
CM(224) = 3,94429
El costo medio mínimo se obtiene para un nivel de producción de 224 unidades.
Considérese ahora la función B(q) que mide el beneficio total de producir q

unidades de producto. Entonces el beneficio medio por unidad de producto es B(q)/q y
la derivada B’(q) es el beneficio marginal que mide aproximadamente el beneficio de
producir una unidad adicional por encima de q unidades.
Concepto de Diferencial
En Economía resulta relevante conocer de qué manera se ve afectada una variable
por un cambio producido en otra variable relacionada. Si aumenta $1 el precio del kilo de
pan, ¿cómo se verá afectada la demanda de pan?
Si la relación entre dos variables puede explicitarse mediante la fórmula y = f(x)

donde f es una función derivable, y utilizamos la notación “∆x” para representar el
cambio en el valor de la variable independiente, y “∆y” para notar la modificación en la
y al pasar de x a x+∆x, entonces:
∆y = f(x+∆x) – f(x)
A veces la forma funcional de la f es complicada o resulta laborioso evaluar

dicha función en el punto x+∆x. En tales casos se obtiene una buena aproximación de ∆y
mediante la introducción de un nuevo concepto.
Definición: dy = f ’(x).∆x = Diferencial de y en el punto x.
Considérese el caso particular en que y = f(x) = x. Resulta f ’(x) = 1. Entonces:

dy = 1.∆x, pero como es y = x, también es dy = dx y resulta dx = ∆x. Como es más
usual la notación “dx” para la variación de la variable independiente, escribiremos:
dy = f ’(x).dx
y esta igualdad justifica una de las notaciones usuales de la función derivada:
dy
= f ' ( x).
dx
Observaciones
2) dy es una función de dos variables, dy = g(x,dx), donde x es la variable
independiente de la función y = f(x), y dx es otra variable que indica el
cambio producido o deseado en la variable x.
3) Para hallar el diferencial de una función alcanza con saber derivar.
4) B D = f ( x + ∆x) − f ( x) = ∆y A D = dx
f(x+dx) B
f(x) C
A D
x x+dx
El cociente CD/AD es el coeficiente angular de la tangente a la curva f en
el punto x, y por tanto, es igual a f ’(x). Por tanto, CD/dx = f ’(x), entonces
CD = f ’(x).dx y finalmente: CD = dy.
5) ¿Qué ocurre con dy y ∆y cuando dx tiende a cero? Si la función f es
derivable en el punto x, entonces dy y ∆y tienden también a cero, son
infinitésimos. En otras palabras, dy es una aproximación de ∆y cuando dx
tiende a cero. Este es el uso que haremos de dy en los siguientes dos
ejemplos.
Ejemplo 1: Sea y = f(a) = a3

Interpretación geométrica: f es el volumen de un cubo de lado a. Se quiere
saber aproximadamente cuánto se incrementa el volumen del cubo cuando
el lado pasa de 5 dm a 5,01 dm.
La respuesta exacta es ∆y = 5,013 – 53 = 0,751501. Una aproximación de

∆y puede obtenerse fácilmente con dy = 3a2.da = 3.52.0,01 = 75.0,01 = 0,75.
Obsérvese que en este caso la aproximación es muy buena (error de 1,5 por
mil) y el resultado se obtiene mediante operaciones sencillas.
Ejemplo 2: La proporción de lamparitas que fallan antes de un cierto tiempo t (en

horas) puede estimarse mediante la función P:
2
⎛ 100 ⎞
P (t ) = 1 − ⎜ ⎟ .
⎝ 100 + t ⎠
a) Hallar la proporción de lamparitas que fallan antes de las 100 horas.
b) Hallar aproximadamente la proporción de lamparitas que fallan antes de
las 99 horas.
a) El cálculo es elemental: 1 – (1/2)2 = 0,75.

b) El cálculo exacto se hace engorroso porque se necesita hacer el cociente
100/199. Trabajemos con la aproximación.
P(99) – P(100) = ∆P ≅ dP = P’(100).dt, donde dt=-1.

20.000
P ' (t ) = ⇒ P' (100) = 0,0025
(100 + t ) 3
⇒ P(99) − P(100) = 0,0025.(−1) = −0,0025
⇒ P(99) = P(100) − 0,0025 = 0,7475
Calcúlese el valor de P(99) con 5 decimales utilizando la fórmula de P(t)
y verifíquese que el error de la aproximación es inferior al 2 por diez mil.
6) La expresión dy = f ’(x).dx indica que dy es un infinitésimo cuando dx

tiende a cero. Si f ’(x) ≠ 0, entonces dy es un infinitésimo del mismo orden
que dx, y f ’(x) actúa como una constante de proporcionalidad. Obsérvese
que dy no es la variación de la función f cuando x pasa a x+dx, sino la
variación que tendría si la función se comportara como lo hace la tangente a
la curva en el punto x.
Repartido Práctico 12.1: Derivadas de Funciones

Ejercicio 1
En cada una de las funciones siguientes calcular la función derivada y el
dominio de existencia de la f ’(x).
1 1
a) f ( x) = x 5 − .x 4 + 3.x 3 − .x 2 + 5.x + 4
4 2
x
b) f(x) = 5
c) f(x) = x2 - Lx
d) f(x) = x.Lx
e) f ( x)= e x − x.e x
2
f) f (t ) = e ( t )
g) f ( x)= 4. x
h) f ( x)= x 2 − 1
5
i) f (q) =
q +1
2.x + 1
j) f ( x) =
3.x − 2
p2 −1
k) f ( p) =
p+2
l) f ( x) = L(1 + x 2 )
m) f(x) = e2.x+3
n) f ( x) = L x 2 − 1
Ejercicio 2
Hallar las derivadas segundas de las siguientes funciones.
1 1
a) f ( x) = x 5 − .x 4 + 3.x 3 − .x 2 + 5.x + 4
4 2
b) f(x) = 5x
c) f(x) = x2 - Lx
d) f(x) = x.Lx
e) f ( x)= e x − x.e x
2
f) f (t ) = e ( t )
g) f ( x)= 4. x
h) f ( x)= x 2 − 1
5
i) f (q) =
q +1
2.x + 1
j) f ( x) =
3.x − 2
Repartido Práctico 12.2: Aplicación de las derivadas para el estudio de
funciones
Ejercicio 1
Indicar en cada caso los intervalos de monotonía de la función y, si existen, los puntos de extremos relativos y absolutos.
CASO I CASO II
a b
a b c d
CASO III CASO IV
a b a b c d
CASO V CASO VI
a b c a
CASO VII CASO VIII
a
b
a b c d e f g
Repartido Práctico 12.2: Aplicación de las derivadas para el estudio de funciones
Ejercicio 2
Estudiar y graficar las siguientes funciones.
x 2
a) f ( x) = −
2 x
x2
b) f ( x) =
x −1
c) f(x) = x – Lx
d) f(x) = L|x2 – 1|
Ejercicio 3
Se tiene una cuerda de 36 metros para delimitar un rectángulo. Si el rectángulo ha
de tener un perímetro de 36 metros, ¿cuál debe ser el largo y el ancho para que el área del
rectángulo sea máxima?
Ejercicio 4
Encontrar dos números reales tales que su suma sea 20 y su producto sea
máximo.
Ejercicio 5
En una fábrica el costo total de producir q unidades de producto es:
CT(q) = 0,05.q2 + 5.q + 500
¿Cuál debe ser el nivel de producción para que el costo medio sea mínimo?
Ejercicio 6
La empresa Cable TV tiene actualmente 2000 suscriptores que pagan una cuota
mensual de $350. Una encuesta reveló que tendrían 50 suscriptores más por cada $ 5 de
disminución en la cuota. ¿Cuál es la cuota de ingreso máximo y cuántos suscriptores se
tendría entonces?
Ejercicio 7
Un artículo en una revista de Sociología afirma que si ahora se iniciase un
programa específico de servicios de salud, en t años n miles de personas adultas
recibirían beneficios directos, donde:
t3
n= − 6.t 2 + 32.t 0 ≤ t ≤ 12
3
¿Para qué valor de t es máximo el número de beneficiarios?
Ejercicio 8
La función de demanda de un mercado monopólico es p = 400 – 2.q, y la función
del costo medio es CM(q) = 0,2.q +4 + (400/q).
a) Determinar el nivel de producción que maximiza la utilidad.
b) Determinar el precio al que ocurre la utilidad máxima.
c) Determinar la utilidad máxima.
d) Si como medida regulatoria, el gobierno impone un impuesto de $22 por unidad al
monopolista, ¿cuál es el nuevo precio que maximiza la utilidad?
13. ELASTICIDAD
Volvamos sobre la demanda como función del precio: q = f(p). La derivada de la

dq
función, = f ' ( p) , nos permite saber, en cantidades absolutas, cómo variará
dp
aproximadamente la demanda ante una variación unitaria en el precio, por cuanto f ’(p0)
es el coeficiente angular de la tangente a la curva f en el punto p=p0. El diferencial dq =
f ’(p).dp nos permite saber, en cantidades absolutas, cómo variará aproximadamente la
demanda ante una variación “dp” en el precio. Pero las variaciones en cantidad
proporcionan a veces información poco interesante: un aumento de $1 en el kilo de pan
puede incidir en forma importante en la demanda de pan, mientras que el mismo aumento
en el precio de una casa es insignificante (no mueve la demanda). Entonces, sería
deseable disponer de un instrumento que permita conocer qué tan sensible es la demanda
ante variaciones porcentuales de precio.
dy
Definición: Elasticidad puntual de y respecto de x: ε = dx .
y
x
Si se utiliza la notación y = f(x) entonces la elasticidad también puede
definirse así:
f ' ( x)
ε=
f ( x)
x
Definición: Se dice que f es elástica en el punto x si: |ε |> 1.
Se dice que f es de elasticidad unitaria en el punto x si: |ε | = 1.
Se dice que f es inelástica en el punto x si: |ε | < 1.
¿Qué significa que una función de demanda es inelástica en el punto p=p0?

Significa que en ese punto la variación porcentual de la cantidad demandada es menor, en
valor absoluto, que la variación porcentual en el precio a partir de p=p0.
dq dq
dp q dq dp
q = f ( p) es inelástica ⇒ p1⇒ p1⇒ p
q dp q p
p p
La elasticidad tiene una interesante interpretación geométrica.
y=f(x)
A
f(x)
α β
O B x
tgα = f ' ( x)
f ( x)
tgβ =
x
f ' ( x) tgα
En con sec uencia : ε = =
f ( x) tgβ
x
La elasticidad depende entonces de la relación entre los ángulos que

determinan con el eje Ox: la tangente en el punto x a la curva y = f(x) (recta AB) y
la cuerda que une el punto A con el origen de coordenadas. Por ejemplo, la
elasticidad es unitaria en un punto de la curva donde |tg α|=|tg β|. En el gráfico
precedente (donde la curva f es creciente), la igualdad se cumple en un punto x
donde la tangente a la curva pasa por el origen de coordenadas. Si la curva f es
decreciente, se tiene elasticidad unitaria en un punto donde α + β = 180º.
Repartido Práctico 13: Elasticidad
Ejercicio 1
Sea la función f: f(x) = α.xβ. Probar que la elasticidad puntual de f es igual a β ∀
x. (Si la función f es una potencia de x, entonces la elasticidad es igual al exponente).
Ejercicio 2
Sea f: f(x) = C ≠ 0. Calcular la elasticidad puntual de f ∀ x. Interpretar el
resultado obtenido en el caso que f sea una función de demanda.
Ejercicio 3
Sea f: f(x) = x . Calcular la elasticidad puntual de f ∀ x > 0.
Ejercicio 4
Sea la función de demanda: q = f(p) = 1000/p2
a) Hallar la elasticidad puntual de la demanda.
b) ¿Depende la elasticidad del nivel del precio en este caso?
c) ¿Cuál sería el cambio relativo aproximado en la demanda si el precio p aumenta un 10
%?
Ejercicio 5
Sea la función de demanda: q = f(p) = 500/(p+2)
a) Hallar la elasticidad puntual de la demanda.
b) ¿Existe algún nivel de precio para el cual la elasticidad es unitaria?
c) ¿Cuál sería el cambio relativo aproximado en la demanda si el precio p aumenta un 10
%?
Ejercicio 6
Sea la función de demanda: q = 2.400 − p .
a) ¿Para qué valores del precio la demanda es elástica?
b) ¿Qué pasa con la variación relativa en la demanda si el precio es de 1.600 y se desea
incrementarlo un 20%?
Ejercicio 7
Si la función de demanda es q = K/pn, demostrar que la elasticidad de la demanda
depende sólo de n.
Ejercicio 8
Un fabricante de bicicletas puede vender actualmente 500 por mes a un precio de
$ 800 cada una. Si el precio se baja a $ 750, podrían venderse 50 bicicletas adicionales
por mes. Estimar la elasticidad de la demanda para el precio actual.
Ejercicio 9
Si q(p) es una función de demanda con relación al precio de un producto,
entonces el ingreso del productor al vender q unidades al precio p es: Y(p) = p.q(p). Si
denominamos εq a la elasticidad de la demanda con relación al precio, y εy a la
elasticidad del ingreso con respecto al precio, probar que se cumple que: εy = 1 + εq.
14. PRIMITIVAS. INTEGRALES INDEFINIDAS
Ya hemos visto cómo, a partir de las funciones elementales, es posible definir

nuevas funciones mediante las operaciones algebraicas, la inversa o la composición de
funciones. También mediante la derivación es posible obtener nuevas funciones.
Una propiedad importante de la derivación es que, dada una función, la función

derivada, si existe es única.
Nos preguntamos ahora si es posible encontrar nuevas funciones mediante la

operación contraria a la derivación, llamada primitivación. Por ejemplo, la función
derivada de f: f(x) = x2 es f ’(x) = 2.x. ¿Existe alguna función tal que su derivada es x2?
x3
Una respuesta posible es: F(x) = . Efectivamente, la derivada de esta función es
3
x3
F’(x) = x2. Se dice que F(x) = es una primitiva de f(x) = x2. Se plantean entonces
3
cuatro preguntas relevantes.
a) Dada una función, ¿siempre existe una primitiva?

b) La primitiva de una función, ¿es única?
c) Supuesto que existe una primitiva de una función, ¿siempre se puede calcular?
d) ¿Existen métodos generales de primitivación?
Respuesta de la primera pregunta: si una función es continua en su dominio,

entonces siempre existe primitiva de la función. De las funciones no continuas no puede
afirmarse nada en general.
Respuesta de la segunda pregunta: si una función admite una primitiva, entonces

tiene infinitas primitivas. En otras palabras, no se puede hablar de “la” primitiva, porque
x3 x3 x3
ésta no es única. En el ejemplo precedente, , ( + 2) y ( - 8) son tres
3 3 3
primitivas distintas de la función x2.
Si una función admite infinitas primitivas, ¿existe alguna relación entre todas
ellas? La respuesta es afirmativa y viene dada por el siguiente teorema.
Teorema: Si dos funciones son primitivas de una misma función, entonces son
iguales o difieren en una constante.
Si F ' ( x) = f ( x)⎫
⎬ ⇒ F ( x) = G ( x) + C
y G ' ( x) = f ( x) ⎭
En otras palabras, las infinitas primitivas de una función se obtienen a partir de

una de ellas, sumándole una constante cualquiera.
Definición: Se llama integral indefinida de la función f (notación: ∫ f ( x)dx ) al

conjunto de primitivas de la función f.
∫ f ( x)dx = {F(x) + C: F’(x) = f(x) y C ∈ R}
El símbolo ∫ se utiliza para indicar una integral, la función f se denomina

integrando, y el símbolo dx se utiliza para indicar cuál es la variable de primitivación
(esto es especialmente importante cuando se trabaja con varias variables).
⎛ 1⎞
Ejemplo: Hallar ∫ ⎜ 2.x − e x + ⎟dx
⎝ x⎠
⎛ 1⎞
∫ ⎜⎝ 2.x − e + ⎟dx = {x2 – ex + L|x| + C, C ∈ R}
x
x⎠
Respuesta de la tercera pregunta: no siempre es posible calcular primitivas en

2
forma explícita. Por ejemplo: e x admite una primitiva (porque es una función continua)
pero no es posible expresarla mediante un número finito de funciones elementales.
Respuesta de la cuarta pregunta: existen métodos generales de primitivación.

Además de la primitivación “inmediata” (que consiste en mirar una tabla de derivadas “al
revés”), y de observar que para primitivar una suma alcanza con obtener primitivas de los
sumandos, los métodos más conocidos son: integración por partes, integración por
sustitución y descomposición en fracciones simples. En aplicación de estos métodos se
obtienen unos cuántos resultados interesantes que se presentan en las conocidas tablas de
integrales.
Supongamos que las funciones que aparecen en el integrando, en los siguientes

casos, son funciones derivables (y por tanto, continuas).
Método de integración por partes
∫ f ( x).g ' ( x)dx = f ( x).g ( x) − ∫ f ' ( x).g ( x)dx
El método es útil cuando hallar una primitiva de f ’(x).g(x) es más sencillo que
hallar una primitiva de f(x).g’(x).
Ejemplo: ∫ x.e dx = x.e x − ∫ 1.e x dx = x.e x − (e x + C )

x
En este caso hemos tomado f(x) = x y g’(x) = ex.
Integración por sustitución
∫ f [u ( x)].u' ( x)dx = ∫ f (u)du

⎤u ( x) = x 3 + 1⎡ x3 + 1 ( )
7
∫( )6 u7
Ejemplo: x + 1 .(3.x )dx = ⎥
3 2
2 ⎢
= ∫ u du =
6
+C = +C
⎦ u ' ( x) = 3.x ⎣ 7 7
En el primer paso se hace el cambio de variable u = u(x), y en el último paso se

“deshace” el cambio de variable.
Descomposición en fracciones simples
Sea f una fracción algebraica que sólo tiene raíces reales en el denominador (el
resultado, con variantes, es también aplicable cuando las raíces del denominador son
complejas). Entonces, la fracción algebraica se puede descomponer en la suma algebraica
A
de fracciones de la forma donde m es un número natural mayor o igual que 1
( x − α )m
y α es una de las raíces del denominador. Como una primitiva de una suma se puede
obtener sumando primitivas de los sumandos, hallar la integral indefinida de una fracción
algebraica (con raíces reales en el denominador) se resuelve hallando primitivas de
A
fracciones de la forma . Sólo dos casos son interesantes:
( x − α )m
A
- Si m = 1: ∫ x − α dx = A.L x − α + C
A A 1
∫ A.( x − α )
−m
- Si m > 1: ∫ = dx = . +C
(x − α ) m
m − 1 ( x − α ) m −1
El método de descomposición en fracciones simples permite calcular los

coeficientes “A”, como en el ejemplo que sigue.
x
Ejemplo: Hallar ∫x 2
−1
dx .
⎛ 1 1 ⎞
x ⎛ A B ⎞ ⎜ 2 + 2 ⎟dx = 1 .L x − 1 + 1 .L x + 1 + C
∫ x 2 − 1 ∫ ⎜⎝ x − 1 x + 1 ⎟⎠ ∫ ⎜ x − 1 x + 1 ⎟ 2
dx = + dx =
2
⎝ ⎠
¿De dónde surge que A = B = 1/2? De resolver la identidad de fracciones

algebraicas:
A B x
+ = 2
x −1 x +1 x −1
A.( x + 1) + B.( x − 1) x
= 2
x −1
2
x −1
( A + B).x + ( A − B) x
= 2
x −1
2
x −1
⎧ A + B = 1 ⎧A = 1
⎪ ⎪ 2
⎨ ⇒⎨
A − B = 0 1
⎪⎩ B = 2
⎪⎩
Las tablas de integrales indefinidas proporcionan muchos más ejemplos de

aplicación de los métodos precedentes. Incluso la tabla de derivadas puede ser utilizada
para calcular integrales leyéndola “al revés”, esto es, buscando en la columna de la
derecha la función que se quiere primitivar.
dx
Ejemplo: Hallar ∫ x
.
Mirando la columna de la derecha de la tabla de derivadas se encuentra la función

1
, que es la derivada de x . Digamos que nos está “sobrando” el factor 2 en el
2. x
1
denominador. Entonces, 2. x es una primitiva de .
x
⇒∫
dx
x
{
= 2. x + C }
Repartido Práctico 14: Integrales Indefinidas
Ejercicio 1
Calcular las siguientes integrales.
a) ∫ 3dx b) ∫ 2 xdx c) ∫ (3x − 2)dx d ) ∫ (4 y 2 − 3 y + 2)dy e) ∫ (2q 4 − 3q − 2 )dq
dx 4dy
f ) ∫ 3 x dx g )∫ h) ∫ ( x + 2) 3 dx i ) ∫ 3x 2 ( x 3 + 2)dx j)∫
x2 y
dp 1
k ) ∫ x.e x dx l )∫ m) ∫ (e x − e − 2 x )dx n) ∫ x dx o) ∫ ( t −
2
)dt
p+2 t
Ejercicio 2
Calcular las siguientes integrales.
a )∫ x 2 .e 2. x dx
b) ∫ x.Lx dx
c) ∫ 2.x.e x dx
2
d ) ∫ x 4 .( x 5 − 1) 6 dx
2
e) ∫ dx
x −4
2
15. INTEGRALES DEFINIDAS. INTEGRALES IMPROPIAS
Vamos a introducir el concepto de integral definida en un intervalo (notación:

b
∫ f ( x)dx )
a
a partir de su interpretación geométrica. Sea f una función continua en el
intervalo [a, b]. Para facilitar la interpretación, supongamos que f(x) ≥ 0 en dicho
intervalo.
f(x)
Q
f
P
A B
a b x
Consideremos la figura del plano ABQP delimitada por las rectas y = 0, x = a,

x = b y la función f. Dicha figura se denomina trapezoide. Si la función f fuera una
recta, entonces el trapezoide sería un trapecio birrectángulo. Nos interesa calcular el área
del trapezoide. Se obtienen dos aproximaciones de este número si partimos el intervalo
[a, b] en subintervalos, calculamos en cada uno de ellos el mínimo y el máximo de la
función f 19, y luego calculamos la suma de las áreas de los rectángulos inferiores por un
lado, y de los rectángulos superiores, por otro lado.
f(x) Q
f
P
A B
a b x
f(x) Q
f
P
A B
a b x
19
La existencia del mínimo y el máximo en cada subintervalo queda asegurada por el teorema de
Weierstrass.
Es claro que una aproximación es por defecto (suma de rectángulos inferiores) y
otra por exceso (suma de rectángulos superiores). Si denominamos a = x0, x1, x2, ….., xn-
1, xn = b a los puntos en que se ha dividido al intervalo [a, b], entonces xi – xi-1
representa la base del i-ésimo rectángulo. Si denominamos mi y Mi al mínimo y
máximo de la función f en el i-ésimo intervalo, entonces las aproximaciones por defecto
y por exceso del área del trapezoide se pueden formular así:
n n
s n = ∑ mi .(xi − xi −1 ) S n = ∑ M i .( xi − xi −1 )
i =1 i =1
denominadas sumas inferiores y sumas superiores respectivamente.
¿Cómo se pueden obtener buenas aproximaciones? Parece bastante evidente que

se obtienen mejores aproximaciones cuando aumenta el número de subintervalos.
¿Qué ocurre si el número de subintervalos (n) tiende a infinito? Se puede

demostrar en ciertas condiciones que:
lím sn = lím Sn = Área del trapezoide
Dicho límite se denomina integral definida de la función en el intervalo [a, b] y se

b
simboliza ∫ f ( x)dx , donde:
a
- f es el integrando
- a es el límite inferior de integración
- b es el límite superior de integración
- dx indica cuál es la variable de integración
b
El cálculo de ∫ f ( x)dx
a
mediante el paso al límite de sn o de Sn resulta bastante
engorroso. Necesitamos una herramienta más sencilla para el cálculo de integrales

definidas. Dichas herramientas las proporcionan los conceptos y teoremas que siguen a
continuación.
Observaciones
b
1. ¿Qué diferencias hay entre ∫ f ( x)dx y ∫ f ( x)dx ? El primer símbolo representa el
a
conjunto de primitivas de la función f, es decir, es un conjunto de funciones. El

segundo símbolo corresponde a un número, que tiene una interpretación geométrica
en términos del área de un trapezoide si a < b y f es no negativa.
b b
2. ¿Qué diferencias hay entre ∫ f ( x)dx
a
y ∫ f (t )dt ?
a
No hay ninguna diferencia,
ambas expresiones representan el mismo número, que es el área del trapezoide. Esto
es válido, por ahora, si a < b y f ≥ 0. Pero como veremos más adelante, también es
válido para a, b y f cualesquiera. Como el valor de la integral no depende de la
variable de integración, se dice que ésta es “muda”.
3. Si hacemos variar el límite superior de integración, en el intervalo donde el
integrando es una función continua, podemos definir una nueva función,
denominada función integral:
x
F: x → F(x) = ∫ f (t )dt
a
con dominio en [a, b]
Desde el punto de vista geométrico, ¿quiénes son F(x), F(a) y F(b)? F(b) es el área
del trapezoide, F(a) = 0 y F(x) proporciona el área del trapezoide en el intervalo [a, x].
f(x)
Q
f
P
A B
a x b
Teorema Fundamental
H) f continua en [a, b]
x
F(x) = ∫ f (t )dt
a
T) F’(x) = f(x) ∀ x ∈ [a, b]
¿Qué es lo que afirma el teorema? Que si el integrando es una función continua en

[a, b], entonces la función integral F es una primitiva del integrando, pues F’(x) = f(x).
Entonces, el Teorema Fundamental proporciona un método para calcular áreas en

forma exacta. Si podemos encontrar F, el área del trapezoide viene dada por F(b).
F es una primitiva muy especial: la que hace que F(a) = 0. Nos preguntamos si
b
para calcular ∫ f ( x)dx
a
se puede utilizar una primitiva cualquiera de f. La respuesta es
afirmativa.
Regla de Barrow (teorema)

H) f continua en [a, b]
G es una primitiva cualquiera de f
b
b
T) ∫ f ( x)dx = G(b) – G(a) = G(x) .
a
a
Este teorema resuelve el problema del cálculo del área del trapezoide en forma
exacta. Para ello, alcanza con encontrar una primitiva cualquiera de f, evaluarla en x = a
b
y x = b, y restar ambos valores: G(x) = G(b) – G(a).
a
x
2
x 2 4 1 3
2
Ejemplo: ∫ x dx = = − =
1
2 1 2 2 2
1 2
1
1
Ejemplo: ∫ e dx = e = e1 − e −1 ≅ 2,35
x x
−1
−1
[ ]
2
2
Ejemplo: ∫ (2.x − 3)dx = x 2 − 3.x 0 = 4 − 6 = −2
0
¿Es posible que el área de un trapezoide sea negativa? No, no es posible. Porque
por definición, el área de una figura es mayor o igual que cero. Entonces, ¿por qué
2
∫ (2.x − 3)dx
0
tiene resultado negativo? Porque el integrando no es una función positiva, y
en consecuencia, la interpretación geométrica de la integral no es el área de un

trapezoide. En el intervalo [0, 3/2] la función f(x) = 2.x – 3 es negativa y el área del
3x 3
trapezoide en [0, 3/2] es 2 = 9 (porque el trapezoide es un triángulo). En el intervalo
2 4
[3/2, 2] la función f(x) = 2.x – 3 es positiva y el área del trapezoide (también un
1 x1
1
triángulo) en dicho intervalo es 2 = . El área del trapezoide en [0, 2] es 10/4. ¿Qué
2 4
2
interpretación puede darse al resultado ∫ (2.x − 3)dx
0
= - 2? Si se admite poner signo
positivo o negativo al área del trapezoide, según que la función f se dibuje por encima o
por debajo del eje Ox, entonces el área del trapezoide del ejemplo sería ¼ - 9/4 = - 2.
2.x – 3
1
+
– 3/2 2 x
Observaciones
b
1. ∫ f ( x)dx
a
es un número que representa el área de un trapezoide si a < b y f(x) ≥ 0.
b
2. ∫ f ( x)dx
a
se puede definir para a, b y f cualesquiera, pero si a > b, entonces no hay
una interpretación geométrica interesante. Si a < b y f(x) ≤ 0 en [a, b], entonces

b
– ∫ f ( x)dx
a
proporciona el área del trapezoide que se dibuja por debajo del eje Ox.
Finalmente, si a < b y la función cambia de signo (una o más veces) en el intervalo [a, b]
b
entonces ∫ f ( x)dx
a
es un número que representa la resta de áreas de trapezoides
definidos en subintervalos del [a, b], con signo positivo cuando f(x) ≥ 0 en el
b
subintervalo y con signo negativo cuando f(x) ≤ 0. Por este motivo, ∫ f ( x)dx
a
puede
tomar valores negativos o incluso anularse aunque f(x) no sea la función nula.
3
3
⎡ x2 ⎤ ⎡9 ⎤ ⎡1 ⎤
Ejemplo: ∫ ( x − 1)dx = ⎢ − x ⎥ = ⎢ − 3⎥ − ⎢ − (−1)⎥ = 0 -1 1
−1 ⎣2 ⎦ −1 ⎣ 2 ⎦ ⎣ 2 ⎦
Propiedades de la integral definida

b
1. ∫ 0 dx = 0
a
b a
2. ∫
a
f ( x)dx = – ∫ f ( x)dx
b
b c b
3. Si f es continua en [α, β] y a, b, c ∈ [α, β] ⇒ ∫ f = ∫ f + ∫ f
a a c
Si f ≥ 0 y a < c < b, entonces esta propiedad tiene una fácil interpretación geométrica:
cada una de las integrales representa el área de un trapezoide, las dos últimas como
resultado de partir el intervalo [a, b] en los subintervalos [a, c] y [c, b]. Sin embargo, la
propiedad es más general: se cumple no importa el signo de f y no importa la posición
relativa de a, b y c.
b b b
4. ∫ ( f + g) = ∫ f + ∫ g
a a a
b b
5. ∫ K. f
a
= K .∫ f
a
La propiedad 3 se conoce como Teorema de Chasles y las 4 y 5 se conocen como

propiedades de linealidad.
Para calcular integrales definidas en un intervalo se utilizan los métodos de
integración indefinida. Porque de acuerdo con la Regla de Barrow alcanza con hallar una
primitiva del integrando para resolver el problema. A continuación se presentan algunos
ejemplos de aplicación de los métodos de integración indefinida: primitivación inmediata
(tabla de integrales o tabla de derivadas), integración por sustitución, integración por
partes, descomposición en fracciones simples.
Ejemplos
1
x3 1 2 ⎛ − 2 ⎞ 4
∫ 2.x dx = 2. = −⎜ ⎟=
2
a)
−1
3 −1 3 ⎝ 3 ⎠ 3
3 3
5 x −2 3 − 5 3 − 5 ⎛ − 5 ⎞ 20
b) ∫ 3 dx = ∫ 5.x dx = 5.
−3
= = −⎜ ⎟=
1 x 1
− 2 1 2.x 2 1 18 ⎝ 2 ⎠ 9
⎤ 4 + x2 = u ⎡
⎥ ⎢
1
2. x ⎥ 2.x.dx = du ⎢ 5 du 5 5
c) ∫ dx = = ∫ = Lu = L5 − L 4 = L
0 4+ x
2
⎥ x = 0 ⇒ u = 4⎢ 4 u 4 4
⎥ ⎢
⎦⎥ x = 1 ⇒ u = 5 ⎣⎢
Obsérvese que para calcular una integral definida utilizando integración por
sustitución, no es necesario “deshacer” el cambio de variable.
d)
⎤ 1− x2 = u ⎡
⎥ ⎢
1 ⎥ − 2.x.dx = du ⎢ 1 1 3
2
⎥ x.dx = −
du ⎢
2
du 1 2 12 1 u 2 1
∫0 − = ⎢= ∫ u .(− ) = − . ∫ u du = . ≅ 0,215
2
x. 1 x dx ⎥ 2 2 2 1 2 3 12
⎥ x = 0 ⇒ u =1 ⎢ 1
2
⎥ 1 1⎢
⎥x = ⇒u=
2 ⎢⎣
⎦ 2
e)
2
e 2. x 2
2 2
⎡ e 2. x 2 2 e 2. x ⎤
∫ x .e dx = x .
2 2. x 2
2 0 0
( )
− ∫ x 2 '.
e 2. x
dx = 2.e 4 − ∫ x.e 2. x dx = 2.e 4 − ⎢ x. −∫ dx ⎥ =
0
2 0 ⎢⎣ 2 0 0 2 ⎥⎦
5 1
= .e 4 −
4 4
1 1 1
dx ⎛ A B ⎞ ⎛ −1 1 ⎞ 1
f) ∫ = ∫⎜ + ⎟dx = ∫ ⎜ + ⎟dx = − L x − 2 + L x − 3 =
0
( x − 2).( x − 3) 0 ⎝ x − 2 x − 3 ⎠ 0⎝
x − 2 x − 3⎠ 0
= -L1 + L2 – (-L2 + L3) = 2.L2 – L3 = L4 – L3 = L(4/3) ≈ 0,288.
Cálculo de áreas comprendidas entre dos curvas
Se quiere calcular el área comprendida entre dos funciones en el intervalo [a, b],
como en la figura A.
f f
g
g
a b a b a b
FIGURA A FIGURA B FIGURA C
El área de la figura A se puede calcular como diferencia de las áreas de los

b b
trapezoides de las figuras B y C, las cuales pueden calcularse mediante ∫f
a
y ∫g
a
b b b
respectivamente. Entonces, el área de la figura A es: ∫ f − ∫ g = ∫ ( f − g ).
a a a
Ejemplo: Hallar el área comprendida entre la parábola de ecuación y = x2 – 2.x, y

la recta y = x.
Las abcisas de los puntos de corte de ambas curvas

se obtienen resolviendo la ecuación: x2 – 2.x = x.
Dichas abcisas son x = 0 y x = 3. Entonces, el área
comprendida entre ambas curvas es:
⎡ x3 x2 ⎤ 3 9
[ ]
3
∫0 x − (x − 2.x ) dx = ⎢⎣− 3 + 3. 2 ⎥⎦ 0 = 2
2
2 3
Aplicación de las integrales a problemas de Economía

A) Ganancia o pérdida de salario real
Supongamos que en el año 2003 los salarios promedio se incrementaron un 5% al
inicio de cada semestre, permaneciendo constantes en los restantes meses del año,
mientras que los precios del consumo crecieron continuamente a una tasa instantánea del
1,4567227% mensual. El salario promedio de diciembre de 2002 permitía comprar
exactamente una canasta de consumo (valor 100). ¿Cuál fue la ganancia o pérdida de
salario real den 2003?
Tanto precios como salarios varían a lo largo del tiempo. Tomamos el tiempo (t)
como variable independiente. Entonces, la evolución temporal de precios (Pt) y salarios
(St) se puede modelar mediante las siguientes expresiones:
⎧100 en diciembre de 2002
⎪
St = ⎨ 106 si t ∈ [0, 6)
⎪
⎩ 112,36 si t ∈ [6, 12)
106
Pt = 100.e 0 , 014567227. t
si t ∈ [0, 12] 100
4 6 8 12
El gráfico de los salarios se denomina dientes de sierra porque los salarios crecen
a saltos. El gráfico de los precios al consumo se modelan mediante una curva
exponencial. Los puntos de corte de ambos gráficos se obtienen como solución de las
ecuaciones: 106 = 100.e0,014567227.t y 112,36 = 100.e0,014567227.t. Las abcisas de estos
puntos de corte son t = 4 y t = 8. Se observa que en el intervalo [0, 4] los salarios se
mantienen por encima del costo de la canasta de consumo, por lo que en ese período se
verifica una “ganancia” del salario real. La situación se invierte en el período [4, 6], pues
los precios superan a los salarios. En este intervalo se produce una “pérdida” de salario
real. La situación se reproduce en el semestre siguiente en los intervalos [6, 8] y [8, 12].
La ganancia o pérdida de salario real se mide por el área comprendida entre las curvas de
salarios y precios. Pero lo interesante es que la ganancia puede identificarse con la
integral definida en el intervalo en que los salarios superan a los precios y la pérdida con
la integral definida en el intervalo donde los precios superan a los salarios.
Si interesa calcular la ganancia o pérdida en cada intervalo, entonces la solución

4 6 8 12
consiste en calcular las integrales: ∫ (S t − Pt )dt , ∫ ( Pt − S t )dt , ∫ (S t − Pt )dt y ∫ ( Pt − S t )dt.
0 4 6 8
Pero si lo que interesa calcular es la ganancia o pérdida en el año 2003, entonces el

problema es más sencillo y se resuelve sumando las áreas “positivas” y “negativas” que
determinan ambas curvas al restar St – Pt. El signo indicará si en el año hubo ganancia o
pérdida de salario real:
12 6 12
(
∫ (S t − Pt ) dt = ∫ 106 − 100.e
0 , 014567227. t
) ( )
dt + ∫ 112,36 − 100.e 0, 014567227. t dt = ... = −1,1 .
0 0 6
El resultado obtenido se interpreta así: en el año 2003 los asalariados perdieron

poder de compra por un equivalente del 1,1% del salario mensual (en promedio perdieron
un 0,09% por mes).
B) Excedente de productores y consumidores
p
B Oferta p=f(q)
p1 A
p0 Demanda p=g(q)
O q1 q0 q
El gráfico precedente muestra las curvas de oferta y demanda, explicitando el

precio p de un producto en función de la cantidad q (a suministrar o a comprar,
respectivamente). La curva de oferta indica el precio al que el fabricante está dispuesto a
vender q unidades de producto. La curva de demanda muestra el precio al que los
consumidores comprarán q unidades. El punto A de intersección de ambas curvas se
llama punto de equilibrio e indica el precio a cual los consumidores comprarán la misma
cantidad de producto que los fabricantes desean vender a dicho precio. Hay consumidores
que estarían dispuestos a pagar un precio más alto, p1 > p0, pero demandarían menos
unidades (q1). Estos consumidores se benefician de un precio de equilibrio menor que p1.
Para estos consumidores el beneficio es (p1 - p0).q1. Pero este razonamiento es válido
para cualquier valor de p en el intervalo [B, p0), para cualquier valor de q entre O y
q0. Si los valores de q fueran numerables, entonces el beneficio total de los
q0
consumidores sería ∑(p − p
q =0
0 ).q. Si q es una variable continua, entonces:
q0
Excedente de los consumidores = ∫ [ f (q) − p ] dq

0
0
que no es otra cosa que el área delimitada por el eje Op, la curva de demanda y la recta p
= p0.
Mediante un razonamiento análogo se obtiene:
q0
Excedente de los productores = ∫ [p

0
0 − g (q )] dq
que representa el área delimitada por el eje Op, la curva de oferta y la recta p = p0.
Integrales impropias de primera especie
Nos planteamos ahora si será posible hallar el área de una figura infinita del plano,
similar al trapezoide. Se trata de calcular el área de la figura comprendida entre el eje Ox,
1
la recta x = 1 y la función f: f(x) = 2 , o sea, el área del trapezoide en el intervalo
x
[1, +∞].
1
x2
Podría pensarse que el área de una figura infinita debería ser también infinita. Sin
embargo, a veces, ocurre que el área es finita. El método que vamos a utilizar para
+∞ t
calcular ∫
a
f ( x)dx consiste en definir la función integral F (t ) = ∫ f ( x)dx y luego
a
calcular el límite de F(t) cuando t → +∞.
+∞
1
Ejemplo 1: Calcular ∫x
1
2
dx
t
1 1t 1 Lím F (t ) = 1 +∞ dx
F(t) = ∫1 x 2 dx = −
x1
= 1 −
t
⇒
t → +∞
⇒ ∫ 2 =1
1 x
+∞
dx
Ejemplo 2: Calcular ∫ x −1
2
t
dx t
F(t) = ∫ x − 1 = L x − 1 2 = L t − 1 − L1 = L t − 1 = L(t − 1)
2
pues t ≥ 2
Lím F (t ) = Lím L(t − 1) = +∞

t → +∞ t → +∞
1
x −1
En este caso el área del trapezoide tiende
a infinito, y ello se debe a que el infinitésimo
1
tiende muy lentamente a cero.
x −1
Cuando el Lím F(t), con t → +∞, tiende a un número finito, se dice que la integral
impropia converge. Cuando dicho límite es infinito, se dice que la integral diverge o que
no converge.
Integrales definidas de funciones no continuas
a c b a c b a c b
Cuando en un punto x = c del intervalo [a, b] se tiene una discontinuidad de la

b
función f, evitable o con salto finito, entonces la integral ∫f
a
se puede plantear como
c b t b
una suma, ∫ f + ∫ f , y el resultado se obtiene haciendo
a c
lím ∫f
a
y lím ∫f.
t
Si ambos
t→c- t→c+
b
límites existen y son finitos, entonces ∫f
a
converge a la suma de ambos límites. Si uno al
menos de los límites tiende a infinito, entonces se dice que la integral no converge. Si
existen ambos límites y la suma tiende a +∞ o a -∞, se dice que la integral diverge.
1
dx
Ejemplo: Calcular ∫x
−1
2
. Observar que la función presenta una discontinuidad en
0 1
dx dx
el punto x = 0. Entonces hay que estudiar las integrales ∫−1 x 2 y ∫x
0
2
.
t
dx 1 t 1
Lím ∫−1 x 2 = lím −
x −1
= lím(−1 − ) = +∞
t
- - -
t→0 t→0 t→0
1
dx
Con el mismo argumento se prueba que la integral ∫x 0
2
diverge a +∞. En
1
dx
consecuencia, ∫x
−1
2
también diverge a +∞.
En Econometría, en Modelos Lineales, un supuesto bastante frecuente es que los

residuos del modelo se distribuyen normales. Sin entrar en mayores detalles sobre el
significado del concepto estadístico de “distribución”, presentamos a continuación la
función de densidad normal estándar:
x2
1 −
f(x) = .e 2
2π
Esta función tiene un gráfico con forma de campana, y se conoce en la literatura

estadística como campana de Gauss.
-1 1
Se define la función de distribución normal estándar mediante la fórmula:

x x t2
1 −
Φ(x) = ∫ f (t )dt = ∫
−∞ −∞ 2π
.e dt , que para cada valor de x proporciona el área del
2
trapezoide limitado por el eje Ox, la curva f y la recta paralela al eje Oy en la abcisa x.
-1 x 1
El problema es que no es posible calcular una primitiva de la función f. Por ello,

para calcular Φ(x) se utiliza una tabla que proporciona una aproximación con 4 decimales
del área acumulada en el intervalo (-∞, x). La tabla proporciona una aproximación para
cada valor centesimal de x en el intervalo [-3,5; +3,5], pues a la izquierda de -3,5 y a la
derecha de +3,5 la curva normal prácticamente se pega al eje Ox.
Algunos valores usuales de la tabla:
Φ(-1,96) = 0,025 Φ(1,96) = 0,975

Φ(-1,645) = 0,05 Φ(2,326) = 0,99
Φ(0) = 0,50 Φ(2,576) = 0,995
Φ(1,28) = 0,90 Φ(3,090) = 0,999
Φ(1,645) = 0,95 Φ(3,291) = 0,9995
Repartido Práctico 15: Integrales Definidas e Integrales Impropias
Ejercicio 1
Calcular las siguientes integrales. En la Práctica 14 ya se calcularon
primitivas.
3 2 4 3 −1
a) ∫ 3dx b) ∫ 2 xdx c) ∫ (3x − 2)dx d ) ∫ (4 y − 3 y + 2)dy
2
e) ∫ (2q 4 − 3q − 2 )dq
0 −1 0 1 −2
1 1/ 3 1 1 9
dx 4dy
f ) ∫ x dx
3
g) ∫ 2 h) ∫ ( x + 2) dx 3
i ) ∫ 3x ( x + 2)dx
2 3
j)∫
−1 1/ 4 x −1 0 5
y
2 4 1 2 x
dp 1
k ) ∫ x.e dx x2
l )∫ m) ∫ (e − e
x −2 x
)dx n) ∫ x dx o) ∫ ( t − )dt
1 0
p+2 0 −1 0 t
Ejercicio 2
Hallar el área del trapezoide formado por:
a) El eje Ox, las rectas x=1, x=3, y la función f(x) = 2.x.

b) El eje Ox, las rectas x=0, x=2, y la función f(x) = x2.
c) El eje Ox, las rectas x=-1, x=1, y la función f(x) = x.
Ejercicio 3
Hallar el área comprendida entre el eje Ox y las curvas f(x)=ex y g(x)=e-x.
Ejercicio 4
Dibujar las funciones integrando, calcular las integrales impropias e
interpretar geométricamente.
+∞
dx
a) ∫
1 x2
+∞
dx
b) ∫
1
x
+∞
dx
c) ∫ 4
−∞ x
Ejercicio 5
Calcular las integrales impropias.
+∞
2 xdx
a) ∫
0 1+ x
2
+∞
x 2 dx
b) ∫
0 x3 + 2
Repartido Práctico 15: Integrales Definidas e Integrales Impropias
Ejercicio 6
Sea la función de costo marginal de la producción C ’(q) = 0,2.q + 2.
Actualmente se producen 80 unidades por día.
a) ¿Cuánto más costará producir 90 unidades por día?

b) Si el costo fijo diario de producción es 50 unidades monetarias, explicitar la
función de producción C(q).
Ejercicio 7
En el primer semestre del año 2002 la inflación en una ciudad evolucionó de
acuerdo con la función: I(t) = e0,02.t, donde t se mide en meses. En el mismo semestre el
salario S(t) permaneció constante durante los tres primeros meses y en el mes 4 se
produjo un incremento del 11%, único del semestre.
a) Explicitar la función que muestra la evolución de los salarios en el semestre,

partiendo de la condición S(0) = 1.
b) Hallar los puntos de intersección de I(t) y S(t) en el intervalo [0, 6].
c) Los asalariados, ¿ganaron o perdieron salario real en el primer semestre de 2002?
Ejercicio 8
Las siguientes funciones corresponden a la demanda y la oferta de un producto,
ambas expresadas como funciones de q:
Demanda: p = (1/6).(12 – q)2

Oferta: p = q2/6
a) Dibujar ambas curvas en un mismo gráfico.

b) Encontrar el punto de equilibrio: (q0, p0).
c) Calcular el excedente de los consumidores.
d) Calcular el excedente de los productores.
Ejercicio 9
Sea una población de preceptores de ingresos, ordenados en forma creciente,
por su nivel de ingresos. Sea la variable p que mide la proporción de preceptores, 0
≤ p ≤ 1, y sea Y(p) la proporción de ingresos acumulados hasta el punto p: 0 ≤ Y(p)
≤ 1.
a) Demostrar que: Y(p) ≤ p, ∀p.

1
b) Se define el Índice Sintético de Gini como: G = 2. ∫ [ p − Y ( p )] dp .
0
8 2 p
c) Dibujar Y(p) = p + y calcular G.
9 9
CURSO 2004
PARTE VII

16. FUNCIONES DE VARIAS VARIABLES
El ahorro mensual de una familia (A) es una función de dos variables: el ingreso
mensual (Y) y el gasto mensual (G). Además, se conoce la forma funcional, la forma en
que se relacionan estas variables:
A = f(Y, G) = Y – G
La demanda de un bien depende del precio del bien en el mercado, del nivel de
ingreso de los consumidores, de las preferencias de los consumidores, de los precios de
los bienes sustitutivos (aceite de oliva y aceite de girasol) y de los precios de los bienes
complementarios (automóvil y combustible), entre otras variables.
Diferentes teorías económicas hacen depender el nivel de desempleo (D) de

variables como el salario real (S), el nivel de actividad (Y), el tamaño de la población (P),
la edad en que la gente empieza a buscar empleo (E), el comportamiento de la migración
(M) y una tasa de desempleo friccional (DF), entre otras variables. Entonces, el nivel de
desempleo puede expresarse así:
D = f(S, Y, P, E, M, DF)
Sin embargo, la forma en que se relacionan estas variables para explicar el nivel
de desempleo –el modelo explicativo– depende de la teoría económica que se elija.
En Economía interesa conocer la forma en que se relacionan diferentes variables y

el efecto o la repercusión que tiene un cambio (un incremento, una variación) en una
variable sobre otra u otras. Por ejemplo, podría esperarse que un aumento en el nivel de
actividad generara una reducción en el nivel de desempleo. ¿Cuánto debería aumentar el
nivel de actividad para que el desempleo se redujera un 1%?
En Economía es muy difícil encontrar que el comportamiento de una variable se

explique exclusivamente por una sola variable. Es decir, las relaciones del tipo y = f(x)
son muy poco frecuentes. ¿Acaso el gasto de los hogares no puede explicarse
exclusivamente por el ingreso familiar? La respuesta es claramente negativa: el gasto se
explica por el ingreso actual, por la propensión a ahorrar, por el stock de capital
acumulado y por los ingresos esperados (las expectativas de ingresos futuros), entre otras
variables. En consecuencia, se hace imprescindible el estudio de las relaciones del tipo
y = f(x1, x2, x3, ….. , xk).
La mayor parte de las complicaciones para el estudio de funciones de varias

variables se generan al pasar de una a dos, es decir, al pasar de las relaciones del tipo
y = f(x) a las del tipo z = f(x, y). Entonces, los principales resultados se presentarán para
el caso de dos variables, y por excepción, se hará referencia al caso más general. En
particular, cuando se trabaja con funciones que dependen sólo de dos variables, es
posible imaginar una representación gráfica en tres dimensiones, mientras que no hay
representación gráfica posible cuando la relación incluye más de dos variables.
En la representación gráfica de tres dimensiones, los planos xy, xz, zy, forman un
“triedro” con 8 “octantes”, en uno de los cuales se cumple a la vez que x ≥ 0, y ≥ 0, z ≥ 0.
z = f(x, y)
Definición: Una función f en las variables x1, x2, x3, ….. , xk con dominio D(f)
es una correspondencia que a cada punto (x1, x2, x3, ….. , xk) ∈ D(f) le asigna un número
real que simbolizamos f(x1, x2, x3, ….. , xk).
En el caso de dos variables, usaremos la notación z = f(x, y), donde z es el valor

de la función f en el punto (x, y).
Ejemplo1: El interés I generado por un capital C colocado por t períodos a la tasa

de interés compuesto i es una función de las tres variables: I = f(C, t, i) = C.(1+i)t – C.
El dominio de f, D(f), está dado por los valores lógicos de las tres variables: C > 0, t > 0,
i > 0.
Ejemplo2: En una Institución de Asistencia Médica los médicos de Medicina

General son observados si el número medio de medicamentos por consulta supera el 20%
del promedio de los k médicos de la especialidad. Si x1, x2, x3, ….. , xk son las
cantidades de medicamentos recetados en un mes por los k médicos, y y1, y2, y3, …. , yk
son las cantidades de pacientes atendidos en el mes, ¿cómo se puede plantear la regla que
obliga a observar un médico en función de las 2.k variables?
xi
Número medio de medicamentos por consulta del médico i: .
yi
k
∑x
1
i
Promedio general: f(x1, x2, x3, ….. , xk, y1, y2, y3, ….. , yk) = k
∑y
1
i
x ∑x
1
i
Regla: El médico i debe observarse si i > 1,2 * k
.
∑y
yi
i
1
Ejemplo3: Sea la función f(x, y, z) = L(1 + x) + 2.L(1 + y) + 3. L(1 + z) la cual

mide la utilidad que un consumidor de cultura asigna al consumo mensual de “x”
películas de video, “y” películas de cine y “z” obras de teatro al mes. ¿Qué vector de
consumo produce más utilidad al consumidor: (0, 3, 1) ó (3, 3, 0)?
f(0, 3, 1) = L1 + 2.L4 + 3.L2 = L128

f(3, 3, 0) = L4 + 3.L4 + 3.L1 = L256
Como L256 > L128, la combinación (3, 3, 0) produce más utilidad.
Gráfico
¿Cómo es el gráfico de una función de dos variables en el espacio tridimensional?
Consideremos una función del tipo z = f(x, y). El gráfico de esta relación es una
superficie en el espacio. Un caso particular se tiene cuando f es una función lineal:
z = a.x + b.y + c
En estos casos el gráfico es un plano. Para representar mediante una sola fórmula
todos los planos del espacio de tres dimensiones, la fórmula es:
a.x + b.y + c.z = d
pues permite considerar también el caso c = 0. Si por ejemplo es a ≠ 0 y b = c = 0,

entonces la relación anterior es de la forma x = d/a. ¿Qué puntos del espacio de tres
dimensiones satisfacen esta relación? Todos los puntos de coordenadas (d/a, y, z), es
decir, todos los puntos de un plano paralelo al plano zy que corta al eje Ox en (d/a, 0, 0).
z = f(x, y)
d/a
Con el mismo razonamiento, y = d/b es un plano paralelo al plano xz que corta al

eje Oy en (0, d/b, 0), mientras que la relación z = d/c es un plano paralelo al plano xy
que corta al eje Oz en (0, 0, d/c).
El caso más general, a.x + b.y + c.z = d, tiene una interesante interpretación económica.
Si x, y, z son las cantidades a consumir de tres tipos de productos y a, b, c son los
precios a los que se pueden adquirir en el mercado, entonces (a.x + b.y + c.z) es el costo
de la canasta de consumo conformada por los tres productos. Si d es el gasto que el
consumidor está dispuesto a realizar para comprar la canasta, entonces a.x + b.y + c.z = d
es una ecuación que establece una restricción para el consumidor. Si a, b, c, d son dados
(números fijos), entonces pueden existir muchos puntos (x, y, z) que satisfacen la
restricción, pero de todos ellos interesan solamente los que cumplen adicionalmente las
condiciones: x ≥ 0, y ≥ 0, z ≥ 0. Entonces, aunque a.x + b.y + c.z = d representa un plano
en el espacio tridimensional, desde el punto de vista económico, entendida como una
restricción presupuestaria, interesa sólo la parte de ese plano que se encuentra en el
primer octante.
d/c
d/b y
d/a
x
Los puntos de corte del plano a.x + b.y + c.z = d con cada eje coordenado se
obtienen haciendo cero alternativamente cada par de variables. Incluso, si los productos
no son perfectamente divisibles, sólo interesan algunos de los puntos de la intersección
del plano con el octante: aquellos que tienen coordenadas enteras.
Ejemplo: La entrada al teatro cuesta $100, la entrada de cine cuesta $75 y el

alquiler de una película de video cuesta $50. Encontrar todas las combinaciones posibles
de una canasta formada por “x” entradas de teatro, “y” entradas de cine y “z” películas de
video, si el consumidor tiene decidido gastar exactamente $30020.
Solución:
x y z
3 0 0
2 0 2
1 2 1
1 0 4
0 4 0
0 2 3
0 0 6
Cuando abandonamos las funciones lineales para introducir formas funcionales

más complejas (polinomios de cualquier grado, fracciones algebraicas, exponenciales,
logaritmos, radicales), la interpretación geométrica de funciones de dos variables se
vuelve más difícil. Una excepción es el caso de la superficie esférica dada por la ecuación
x2 + y2 + z2 = r2 (con r > 0)
20
Esta restricción puede parecer un tanto artificial, sería más razonable plantear la restricción de forma que
el consumidor decida gastar “a lo sumo” $300. Veremos más adelante cómo tratar también estos casos.
Esta ecuación también se puede escribir así: ( x − 0) 2 + ( y − 0) 2 + ( z − 0) 2 = r que
recuerda la fórmula de la distancia entre dos puntos, (x, y, z) y (0, 0, 0). Si hacemos
variar (x, y, z) de forma que la distancia al centro de coordenadas (r) se mantenga
constante, entonces los puntos (x, y, z) son los que equidistan del centro de coordenadas,
y por tanto, definen una superficie esférica con centro en (0, 0, 0) y radio r. Si en la
ecuación se cambia el signo de igual por el de menor o igual que, entonces el conjunto de
puntos de la relación x2 + y2 + z2 ≤ r2 es la esfera de centro (0, 0, 0) y radio r.
Está claro que la relación x2 + y2 + z2 = r2 no define unívocamente una función

⎛ r r ⎞
de la forma z = f(x, y). Por ejemplo, al par (x, y) = ⎜⎜ , ⎟⎟ corresponden dos valores
⎝ 3 3⎠
r
de z: ± .
3
¿Cómo es el gráfico de la relación x2 + y2 = 3? En el plano xy es una

circunferencia con centro en (0, 0) y radio 3 . Al variar z esta forma queda incambiada
y, por tanto, el gráfico de la relación es la superficie de un cilindro con eje en el eje Oz y
radio 3 .
Límites
La definición de límite en un punto en funciones de dos variables es una simple
extensión de la definición para funciones con una sola variable. El entorno de la variable
independiente se transforma ahora en un rectángulo en el plano xy.
Definición: Lím f(x, y) = c ⇔ Dado ε > 0, existe δ > 0 tal que si ⏐x – a⏐< δ ,
x→a ⏐y – b⏐< δ , (x, y) ≠ (a, b), se cumple que:
y→b ⏐f(x, y) – c⏐< ε.
En el punto (a, b) la función f(x, y) tiene límite c si en las proximidades del

punto (en un rectángulo formado por los puntos que cumplen a la vez: a - δ < x < a + δ,
b - δ < y < b + δ), excluido el punto, la función f toma valores tan cercanos a c como se
desee. Las técnicas para el cálculo de límites son similares a las utilizadas en el caso de
funciones de una sola variable.
Ejemplo:
(x − 1)(. x + y − 3) = lim (x − 1)(. x + y − 3) = lim
(x − 1) =
lim x
[
(e − e) (x + y ) − 9
2
] (e − e)(x + y − 3)(. x + y + 3)
x x −1
e.(e − 1).( x + y + 3)
x →1
y→2
Si ahora se hace el cambio de variable u = x -1 resulta:
u 1
lim =
( )
e. e − 1 .(u + y + 4) 6.e
u
u→0
y→2
eu − 1
Habiéndose utilizado el límite tipo: lim = 1 cuando u → 0.
u
Así como hemos definido el lím f(x, y) en el punto (a, b), es posible extender la
definición para los casos en que las variables → ± ∞. Valen, para dos o más variables, las
propiedades relacionadas con órdenes de infinitud y de infinitésimos.
Continuidad
Definición: f: f(x, y) es una función continua en el punto (a, b) si se cumple que
lím f(x, y) = f(a, b) cuando x → a, y → b.
La definición es análoga a la de continuidad en un punto de funciones de una sola

variable. También es análoga la definición de continuidad en un dominio cualquiera: f es
continua en D(f) si lo es en cada punto del D(f).
No hay problema en generalizar la definición de continuidad en un punto o en un

dominio cualquiera para más de dos variables.
Definición: f: f(x1, x2, …, xk) es continua en el punto (a1, a2, …, ak) si se cumple
que lím f(x1, x2, …, xk) = f(a1, a2, …, ak) cuando todas las xi → ai.
¿Cuál es la interpretación geométrica de una función continua en dos variables?

Una función continua con dos variables tiene un gráfico que puede dibujarse como una
sábana sin agujeros en su dominio. Una función continua en dos o más variables tiene la
propiedad que pequeñas variaciones en cualesquiera de las variables independientes
ocasionan pequeños cambios en el valor de la función. Si f es continua, entonces,
cuando ∆x1≅ 0, ∆x2≅ 0, ….., ∆xk≅ 0, resulta que:
f(x1+∆x1, x2+∆x2, ….., xk+∆xk) ≅ f(x1, x2, ….., xk)
La suma, la resta, la multiplicación, la división y la composición de funciones

continuas, en varias variables, originan funciones que también son continuas, allí donde
la suma, resta, multiplicación, división o función compuesta están definidas.
Funciones homogéneas de grado k
Definición: La función f: f(x, y) es homogénea de grado k en su dominio D(f) si
se cumple que f(t.x, t.y) = tk.f(x, y) ∀ (x, y)∈ D(f) y ∀ t > 0.
(x, y ).⎛⎜⎜
a b⎞ ⎛ x ⎞
Ejemplo: La forma cuadrática f(x, y) = ⎟⎟.⎜⎜ ⎟⎟ es una función
⎝ b c ⎠⎝ y⎠
homogénea de grado 2. Efectivamente, f(x, y) = a.x + 2.b.x.y + c.y2. Entonces:
2
f(t.x, t.y) = a.(t.x)2 + 2.b.(t.x).(t.y) + c.(t.y)2 = t2.f(x, y)

Repartido Práctico 16: Funciones de Varias Variables
Ejercicio 1
En los siguientes casos, hallar el valor de la función en los puntos indicados.
Punto Valor
Función
a) f(x,y) = 3x –4y2 + 5 (2, -1) f(2,-1)
b) g(x,y,z)=(2x+3y).ez (1,2,0) g(1,2,0)
2t -u
c) h(t,u) = e – e (1/2,-2) h(1/2,-2)
x −y
2 2
d) j(x,y,z)= (-1,1,-2) j(-1,1,-2)
xy − z 3
e) k(pA,pB)=pA-1/pB+ p A . p B (10,20) k(10,20)
f) f(x,y) = 3x –4y2 + 5 (x0+h, y0) f(x0+h, y0)
Ejercicio 2
Se seleccionan R peces de un lago y se marcan convenientemente. Un día después
se capturan nuevamente P peces, de los cuales M están marcados. Una estimación de la
población total de peces del lago, N, se obtiene mediante la fórmula: N = f(R,P,M) =
(R.P)/M. Hallar f(1000, 500, 160) e interpretar el resultado obtenido.
Ejercicio 3
Si una pareja, ambos de ojos marrones, tiene exactamente k hijos, la
probabilidad P(x,k) de que x hijos tengan ojos celestes está dada por la fórmula:
k! 3k −x
P ( x, k ) = . k
x! (k − x)! 4
a) Hallar la probabilidad que si la pareja tiene tres hijos, los tres tengan ojos
celestes.
b) Hallar la probabilidad que si la pareja tiene 4 hijos, exactamente 2 de ellos tengan ojos
celestes.
Ejercicio 4
Visualizar gráficamente (en el espacio de tres dimensiones), las superficies
dadas por las siguientes ecuaciones.
a) x=1
b) x–y=0
c) x2 + y2 + z2 = 1
d) y = x2
Ejercicio 5
Indicar cuáles de las siguientes funciones son homogéneas y su grado, si corresponde.
a) f(x,y) = 3x2 – 5xy + 4y2

b) g(x,y) = 5x3y – 8y4 + 3
3x 3
c) h(x,y) = xy – + 2y2
y
17. DERIVADAS PARCIALES, DIFERENCIACIÓN, VECTOR GRADIENTE.
Derivadas parciales
Definición: Función derivada parcial respecto de x
∂f ( x, y ) f ( x + h, y ) − f ( x , y )
= f x ( x, y ) = lím
∂x h
h→0
Función derivada parcial respecto de y
∂f ( x, y ) f ( x, y + h ) − f ( x, y )
= f y ( x, y ) = lím
∂y h
h→0
Función derivada parcial respecto de x en el punto (x0, y0)
∂f ( x, y ) f ( x 0 + h, y 0 ) − f ( x 0 , y 0 )
( x = x0 ) = f x ( x0 , y 0 ) = lím
∂x h
( y = y0 )
h→0
Función derivada parcial respecto de y en el punto (x0, y0)
∂f ( x, y ) f ( x0 , y 0 + h) − f ( x0 , y 0 )
( x = x0 ) = f y ( x 0 , y 0 ) = lím
∂y h
( y = y0 )
h→0
Las derivadas parciales en el punto, si existen, son números. Las funciones

derivadas parciales son en general funciones que dependen de ambas variables.
¿Qué mide fx(x, y)? Mide el cambio que se opera en f ante un cambio
infinitesimal en x, manteniéndose constante la y. Obsérvese que según la definición, el
cambio en x es h, y el cambio en f es la diferencia entre f(x+h, y) y f(x, y).
Análogamente para fy(x, y): mide el cambio que se opera en f ante un cambio
infinitesimal en y, manteniéndose constante la x.
Esta interpretación de la derivada parcial proporciona una regla sencilla para su

cálculo: para hallar fx(x, y) alcanza con derivar la f respecto de una sola variable, la “x”,
pues la “y” opera como una constante. Lo mismo vale para fy(x, y).
Ejemplo: Sea f: f(x, y) = x2.y3 + x2 – y. Calcular las derivadas parciales primeras.
fx(x, y) = 2.x.y3 + 2.x

fy(x, y) = 3.y2.x2 – 1
¿Cuánto valen las derivadas parciales en el punto (1, 2)?
fx(1, 2) = 20
fy(1, 2) = 13
Interpretación geométrica de las derivadas parciales en un punto
fx(x0, y0) mide la tasa de variación de f(x, y) en la dirección del eje Ox a partir del
punto (x0, y0). fy(x0, y0) mide la tasa de variación de f(x, y) en la dirección del eje Oy a
partir del punto (x0, y0).
Interpretación económica de las derivadas parciales en un punto

Productividad, Utilidad y Costo marginales
∂Z
1) Sea Z = f(x,y). Entonces es la razón de cambio de Z con respecto a x cuando y
∂x
∂Z
se mantiene constante. Análogamente: es la razón de cambio de Z con respecto a
∂y
y cuando x se mantiene constante.
2) Sea C = f(x,y) una función del costo conjunto de producir “x” unidades de un
∂C
producto y “y” unidades de otro producto. Entonces se llama el costo marginal
∂x
con respecto a x, y se interpreta como la razón de cambio de C con respecto a x
∂C
cuando y se mantiene fija. El costo marginal expresa cómo varía
∂x
aproximadamente el costo total al aumentar la producción de x en una unidad
∂C
manteniendo constante la producción de y. En forma análoga, es el costo
∂y
marginal con respecto a y.
Ejemplo: C(x, y) = 100 + 5.x + 10.y + 0,01.(x – 1)2.(y – 2). Hallar el costo marginal de
producir una unidad adicional de X si actualmente se produce x=10 y y=20.
Cx(x, y) = 5 + 0,01.2.(x – 1).(y – 2)

Cx(10, 20) = 5 + 0,02.9.18 = 8,24
¿Cuál es el incremento del costo al pasar de la combinación (10, 20) a producir

(11, 20)?
C(11, 20) – C(10, 20) = 8,42. Entonces la derivada parcial respecto de x, en el punto,
es una buena aproximación del incremento del costo de producción.
3) Sea Q = f(t,k) una función que expresa el nivel de la producción dependiendo de las
∂Q
cantidades a utilizar de dos factores: trabajo (t) y capital (k). Entonces se llama la
∂k
productividad marginal con respecto a k, es la razón de cambio de Q con respecto a k
cuando “t” permanece constante, y expresa aproximadamente cómo varía el nivel de la
producción al aumentar la dotación de capital en una unidad manteniendo constante el
factor “t”. En forma similar se define la productividad marginal con respecto a t
(productividad marginal del trabajo).
4) Una función de utilidad indica un valor (utilidad) que el consumidor asigna al
consumo de ciertas cantidades de una canasta de productos. Sea U = f(x,y) una
función de utilidad, donde x e y son las cantidades a consumir de dos productos X e
∂U
Y. Se denomina utilidad marginal de X a , y representa aproximadamente el
∂x
cambio en la función de utilidad que resulta de aumentar en una unidad el consumo de
X, manteniendo constante el consumo de Y.
Si el consumidor dispone de un presupuesto C para gastar en ambos productos y los

precios de X e Y son px y py, entonces un problema interesante consiste en
maximizar la función de utilidad sujeta a la restricción presupuestaria: x.px+y.py = C.
Productos competitivos y complementarios

Dos productos pueden estar relacionados de forma que los cambios en el
precio de uno de ellos tengan influencia en la demanda del otro producto y
viceversa. Tal puede ser el caso del precio del gas-oil y la demanda de autos
gasoleros. Supongamos que las funciones de demanda de los dos productos, A y B,
dependen, ambas, de los precios de A y B.
Función de demanda de A: qA = f(pA, pB)
Función de demanda de B: qB = g(pA, pB)
A y B son productos competitivos cuando para ambos un aumento en el precio

de uno de ellos hace aumentar la demanda del otro, si el precio del otro no cambia.
∂q A ∂q B
A y B son competitivos ⇔ f0 y f0
∂p B ∂p A
A y B son productos complementarios cuando para ambos un aumento en el

precio de uno de ellos hace disminuir la demanda del otro, si el precio del otro no cambia.
∂q A ∂q B
A y B son complementarios ⇔ p0 y p0
∂p B ∂p A
Ejemplos: El gas-oil y los autos con ese combustible son productos

complementarios. El aceite de oliva y el aceite de girasol son productos competitivos.
Regla de la cadena
Esta regla se utiliza para hallar las derivadas parciales de funciones
compuestas.
Supongamos que las siguientes funciones son derivables en sus respectivos

dominios.
z = f(x, y)
x = g(t, w)
y = h(t, w)
¿Cuál es la derivada parcial de z con respecto a t? La regla de la cadena para
derivación de funciones compuestas expresa que si z = f[g(t, w), h(t, w)], entonces:
∂z ∂f ∂g ∂f ∂h
= . + . = f g .g t + f h .ht
∂t ∂g ∂t ∂h ∂t
De la misma forma, la derivada parcial de z con respecto a w es:
∂z ∂f ∂g ∂f ∂h
= . + . = f g .g w + f h .hw
∂w ∂g ∂w ∂h ∂w
Ejemplo: Sea f: f(x, y) = x2 + 2.x.y donde x = et.w, y = t2 + w. Para hallar ft se

podría expresar f como función de t y w, f(t, w) = (et.w)2 + 2.(et.w).(t2 + w), y luego
derivar con respecto a t, o bien aplicar la regla de la cadena, así:
=
( .
) ( +
) ( .
) (
∂f ∂ x 2 + 2.x. y ∂ e t .w ∂ x 2 + 2.x. y ∂ t 2 + w )
= (2 x + 2 y ).e t .w + (2 x )(
. 2 y)
∂t ∂x ∂t ∂y ∂t
resultado que puede expresarse, si se desea, exclusivamente como función de t y w:
∂f
= 2.e t .w.(e t .w + t 2 + w) + 4.e t .w.t
∂t
Derivadas de orden superior

Las derivadas parciales que hemos definido en relación a la función f(x, y), se
denominan derivadas parciales de primer orden, y son dos: fx(x, y) y fy(x, y). A
continuación se definen las derivadas parciales de segundo orden. La derivada segunda
respecto de x de la función f(x, y) se obtiene derivando respecto de x la función
fx(x, y). Notación:
∂2 f
fxx(x, y) = = [ f x ( x, y )] 'x
∂x 2
Análogamente:
fyy(x, y) =
∂2 f
∂y 2
[
= f y ( x, y ) ] '
y
∂2 f
fxy(x, y) = = [ f x ( x, y )] 'y
∂x∂y
fyx(x, y) =
∂2 f
∂y∂x
[
= f y ( x, y ) ] '
x
En condiciones muy generales se cumple que fxy(x, y) = fyx(x, y). Una condición
suficiente para que se cumpla la igualdad es que ambas derivadas segundas sean
funciones continuas.
La derivada tercera de f(x, y) respecto de x se obtiene derivando respecto de x

la función fxx(x, y). Otras derivadas terceras se obtienen con definiciones similares.
Ejemplo: Sea f: f(x, y) una función definida como forma cuadrática.
⎛a b⎞ ⎛ x ⎞
f(x, y) = (x, y ).⎜⎜ ⎟⎟.⎜⎜ ⎟⎟ . Queremos conocer las derivadas parciales primeras y
⎝b c⎠ ⎝ y⎠
segundas de la forma. f(x, y) también se puede escribir así: f(x, y) = a.x2 + 2.b.x.y + c.y2.
Entonces:
∂f ∂f
= 2.a.x + 2.b. y = 2.b.x + 2.c. y
∂x ∂y
∂2 f ∂2 f
= 2.a = 2.c
∂x 2 ∂y 2
∂2 f ∂2 f
= 2.b = 2.b
∂x∂y ∂y∂x
A partir de las derivadas de segundo orden se puede definir una matriz cuadrada
denominada matriz hessiana, concepto sobre el que volveremos al tratar los problemas
relacionados con la determinación de los extremos de la función. La matriz hessiana para
el caso de dos variables es:
⎛ f xx ( x, y ) f xy ( x, y ) ⎞
H(x, y) = ⎜⎜ ⎟
⎝ f yx ( x, y ) f yy ( x, y ) ⎟⎠
y su correspondiente determinante es:
f xx ( x, y ) f xy ( x, y )
H ( x, y ) =
f yx ( x, y ) f yy ( x, y )
Diferenciación
El diferencial de una función, cuando se trabaja en una variables, es una función
de dos variables: x y dx.
y = f(x)
dy = f ’(x).dx
Cuando se trabaja con dos variables, z = f(x, y), el diferencial es una función de
cuatro variables: x, y, dx, dy.
Definición: Si z = f(x, y), entonces: dz = fx(x, y).dx + fy(x, y).dy
Condición suficiente de diferenciabilidad: f es diferenciable si fx y fy son

funciones continuas.
El diferencial dz mide aproximadamente el cambio que se origina en la función

z como consecuencia de las variaciones dx y dy en las variables independientes.
Ejemplo: Una empresa produce dos productos, X e Y, mediante un proceso de

producción que tiene la siguiente función de costos:
C = 1000 + 5.x +6.y + 0,2.x.y
El diferencial de C es: dC =(5 + 0.2.y).dx + (6 + 0.2.y).dy, para todo (x,y). Si

actualmente se producen 10 ton. de X y 12 ton. de Y, ¿Cómo incide aproximadamente en
el costo total un incremento de la producción a 10,5 y 12,2 respectivamente?
dx = 0,5 fx(10,12) = 7,4

dy = 0,2 fy(10,12) = 8
dC = 7,4x0,5 +8x0,2 = 5,3
¿Cuál es el incremento verdadero de C? ∆C = C(10,5; 12,2) – C(10, 12) = 5,32.
Teorema: H) z = f(x, y) diferenciable T) dz = ft.dt + fw.dw

x = g(t, w) diferenciable
y = h(t, w) diferenciable
Por definición es dz = fx(x, y).dx + fy(x, y).dy. El teorema prueba que si x e y

son a su vez funciones de otras dos variables, entonces el dz puede expresarse con la
misma fórmula de la definición, pero en función de las variables últimas: t, w. Esta
propiedad se conoce con el nombre de invariancia del diferencial y expresa que el dz
tiene la misma forma tanto si x e y son variables independientes o si a su vez son
funciones de otras variables.
Ejemplo: Sea f: f(x, y) = x2 + 2.x.y donde x = et.w, y = t2 + w. Anteriormente

calculamos la derivada parcial respecto de t. Para calcular dz necesitamos conocer
también la derivada parcial respecto de w.
∂f
= 2.e t .w.(e t .w + t 2 + w) + 4.e t .w.t
∂t
∂f
= 2.(2.e t .w + t 2 + w)
∂w
[ ]
Entonces: dz = 2.e t .w.(e t .w + t 2 + w) + 4.e t .w.t .dt + 2.(2.e t .w + t 2 + w).dw
Derivación parcial implícita

La relación z2 = x2 + y2 permite despejar la z como función de las otras dos
variables: z = f(x, y)21. Pero en muchos otros ejemplos el “despeje” es bastante difícil o
imposible. En condiciones muy generales se pueden calcular las derivadas parciales de f
sin necesidad de hacer explícita la relación funcional. El método consiste en derivar
ambos miembros de la relación asumiendo que z es una función (derivable) de las otras
dos variables. Para hallar zx en el ejemplo, se procede como sigue.
21
En rigor, la relación planteada da origen a dos funciones, f1(x, y) = x 2 + y 2 y f2(x, y) = -
x2 + y2 .
( )
∂ z2
=
(
∂ x2 + y2 )
∂x ∂x
2.z.z x = 2.x
2.x x
zx = =
2.z z
y
Análogamente se obtiene: zy =
. Ambas derivadas parciales quedaron
z
expresadas como funciones de z. En muchos problemas esto no presenta dificultad, pues
se sabe, por ejemplo, que z debe ser positiva, y lo que interesa es conocer el signo de las
derivadas parciales.
Ejemplo: Sea C una función del costo conjunto de producción de x unidades del
producto X y y unidades del producto Y, definida implícitamente por la ecuación:
C2 + C = (10 + x2).y2 + 40.y. 21 + x 2 + 400
a) ¿Cuál es el costo total de producir 10 unidades de X y 8 unidades de Y?
C2(10, 8) + C(10, 8) = (10 + 102).82 + 40.8. 21 + 10 2 + 400 = 10.960
C2 + C = 10.960
C2 + C - 10.960 = 0
− 1 ± 1 + 4.10960 − 1 ± 209,4
C(10, 8) = =
2 2
La única raíz positiva es C(10, 8) = 104,2.
b) Hallar los costos marginales respecto de X e Y cuando x = 10, y = 8.
Se trata de hallar Cx(10, 8) y Cy(10, 8). Para ello calculamos las funciones
derivadas parciales, y luego las evaluamos en el punto.
(C 2
+C ) x' = y 2
.2.x + 40. y.
2.x
2. 21 + x 2
2.x
2.C.C x + C x = y 2 .2.x + 40. y.
2. 21 + x 2
(2.C + 1).C x = y 2 .2.x + 40. y. 2.x 2
2. 21 + x
2.x
y 2 .2.x + 40. y.
2. 21 + x 2
Cx =
2.C + 1
Al evaluar en el punto (10, 8) se obtiene: Cx(10, 8) = 4,54. Con el mismo
procedimiento se calcula la función Cy(x,y) y al evaluar en el punto se obtiene
Cy(10, 8) = 6, 36. Interpretación: $4,54 es aproximadamente el costo incremental
al pasar de 10 unidades de X y 8 unidades de Y a producir 11 unidades de X y 8
unidades de Y. $6,36 es aproximadamente el costo incremental de producir una
unidad adicional de Y dejando constante la cantidad de X.
Derivada total
En algunos problemas de Economía, las variables no son independientes, es decir,
x e y están relacionadas de alguna manera.
Sea la función z = f(x, y) donde a su vez y = g(x). Se trata de calcular la tasa de

cambio de z teniendo en cuenta que las variables no son independientes sino que están
relacionadas a través de la función g. Para calcular la derivada de z respecto de x se
aplica la regla de la cadena.
z x' = f x' ..x x' + f y' . y x' = f x' + f y' .g ' ( x)
Ejemplo: La función de demanda del producto A es función del precio del

producto A y del precio de un sustituto B, mediante la relación:
1
z = qA = .( p B − 2) 2
pA
donde a su vez los precios de ambos productos se relacionan así: pB = 2.(1 – e-pA). Se
quiere calcular la derivada de la función de demanda con relación al precio del producto
A.
' '
⎡ 1 2⎤ ⎡ 1 2⎤
z' pA =⎢ [
( p B − 2) ⎥ + ⎢ ( p B − 2) ⎥ . 2(1 − e ) p A =
− pA '
2
]
− ( p B − 2) 2 2( p B − 2)
+ .2.e − p A
⎣ pA ⎦ pA ⎣ p A ⎦ pB pA pA
Luego, si el precio actual del producto A es 2, ¿cuál es aproximadamente la incidencia en

la demanda del producto A de un incremento del 10% en su precio?
pA = 2. Entonces, pB = 2.(1-e-2) = 1,73.
⎡ − (1,73 − 2)2 2.(1,73 − 2) −2

⎤
dz = dqA = z’pA .dpA = ⎢ + .2.e ⎥.0,20 = −0,018
⎣ 22 2 ⎦
La incidencia de un incremento en el precio de A del 10% es aproximadamente una
disminución de la demanda del 1,8%.
Vector gradiente
Dada una función de n variables, diferenciable respecto de todas sus variables, se
llama vector gradiente de f al vector que tiene por componentes, en forma ordenada, las
funciones derivadas respecto de cada una de las variables.
⎛ ∂f ⎞
⎜ ⎟
⎜ ∂x1 ⎟
⎜ ∂f ⎟
z = f ( x1 , x2 ,....., xn ) Vector gradiente : ∇f = ⎜ ∂x2 ⎟
⎜ ⎟
⎜ ..... ⎟
⎜ ∂f ⎟
⎜ ∂x ⎟
⎝ n⎠
En el caso particular de funciones de dos variables, f: f(x, y), el vector gradiente

es:
⎛ ∂f ⎞
⎜ ⎟
∇f = ⎜ ∂∂fx ⎟
⎜ ⎟
⎜ ∂y ⎟
⎝ ⎠
Repartido Práctico 17.1: Derivadas Parciales
Ejercicio 1
En cada uno de los siguientes casos calcular las funciones derivadas parciales
respecto de todas las variables.
a) f(x,y) = 3x2 – 4y4 + 5y – 8 e) k(p,q) = p.q

b) g(x,y,z) = 6xy – y2 + 2yz f) r(l,k) = 5.l0,2.k0,8
c) h(z,t) = 5tz – 4z + 1 g) s(x,y) = e2(x+y)
d) j(w,v) = ew – e-w + (1/2)v h) m(u,v) = L(u2+v3)
Ejercicio 2
Calcular las derivadas parciales en los puntos que se indican a continuación, en
relación con las funciones del Ejercicio 1.
a) fx(1,1) b) fy(-1,-1) c) gz(2,2,-2) d) ht(5,6)

e) jw(2,0) f) jv(2,0) g) kq(10,100) h) rk(50,40)
i) sy(-3,-3) j) mv(1,1)
Ejercicio 3
∂z ∂z
Demostrar que si z = x.ex-y – y.ey-x, entonces: + = e x− y − e y− x
∂x ∂y
Ejercicio 4
Sea el polinomio P(x,y) = 3x2 + 4xy – 5y2.
a) Demostrar que P(λx,λy) = λ2.P(x,y).
b) Hallar las dos derivadas parciales de P.
c) Hallar las cuatro derivadas segundas, y verificar que dos de ellas son iguales.
d) Calcular todas las derivadas terceras de P, y verificar que son todas iguales.
Ejercicio 5
En los siguientes problemas C(x,y) es una función del costo de producción y “x”
e “y” son las cantidades a producir de dos artículos. Hallar la función del costo marginal
para cada uno de los artículos.
a) C(x,y) = 4x + 0,3y2 + 2y + 500

b) C(x,y) = x x + y + 1000
c) C(x,y) = 0,03(x+y)3 – 0,6(x+y)2 + 4,5(x+y) + 7700
Ejercicio 6
Sea f(x,y) = 3x2 – 6xy – 4y3 + 5x2y – 4.
a) Calcular fxx(1,2).
b) Calcular fxyy(1,2).
Repartido Práctico 17.1: Derivadas Parciales
Ejercicio 7
Sea la función del costo de producción de dos productos A y B:
C(qA,qB) = 3.q A2 + 4.q B2 + 500
∂ 2C
Hallar cuando qA=10 y qB=15.
∂q A ∂q B
Ejercicio 8
∂2 f ∂2 f
Sea f(x,y) = L(x2 + y2). Demostrar que + 2 = 0.
∂x 2 ∂y
Ejercicio 9 (Teorema de Euler)

Probar que si f de dos variables, admite derivadas parciales continuas y es
∂f ∂f
homogénea de grado k, entonces se cumple que x. + y. = k . f ( x, y ) .
∂x ∂y
Ejercicio 10
En cada caso, hallar las derivadas que se indican.
Función original Relaciones entre variables Derivadas a calcular

a) f(x,y) = x3 + 2xy – 3y2 x=t2-2u y=5u2 ft, fu
b) f(x,y) = ex+y x=t +3 y=t3/2
2
ft
c) f(x,y,z) = L(x2+y2+z2) x=2-3t y= t2+3 z=4-t ft
d) f(x,y) = 5 x + 2 y x=4t+7 y= t2-3t+4 ft cuando t=1
Ejercicio 2
La siguiente información corresponde a dos productos relacionados, A y B.
Función de costos: C(qA,qB) = (3qA2 + qB2 +4)1/3
⎧ q = 10 − p A + p B2
Funciones de demanda: ⎨ A
⎩q B = 20 + p A − 11 p B
Calcular, usando la regla de la cadena, las derivadas parciales de la función de costos

respecto de los precios, en el punto (pA=25, pB=4).
Ejercicio 3
Sean Z = f(x,y), con x=g(t) y y=h(t).
a) Hallar, usando la regla de la cadena, Zt’.

b) Hallar Zt’ en el caso particular h(t)=t.
Repartido Práctico 17.2: Productos Competitivos y Complementarios
Ejercicio 1
Hallar el costo marginal del artículo “y” para el nivel de producción dado en cada
uno de los casos siguientes casos.
Función del costo de producción Nivel de la producción
a) C(x,y) = 4x + 0,3y2 + 2y + 500 x=20, y=30
b) C(x,y) = x x + y + 1000 x=40, y =60
c) C(x,y) = 0,03(x+y)3 – 0,6(x+y)2 + 4,5(x+y) + 7700 x=50, y=50
Ejercicio 2
En los siguientes casos P(t,k) es una función de producción, y “t” y “k” son
los factores de la producción (t= trabajo y k=capital). Hallar las funciones de
producción marginales respecto de los factores.
a) P(t,k) = 20.t.k – 2.t2 – 4.k2 + 800

b) P(t,k) = 10.t0,2.k0,8
Ejercicio 3 (Función de producción de Cobb-Douglas)

En Economía, una función de producción Cobb-Douglas tiene la forma:
P(t,k) = a.tb.kc
donde a, b y c son constantes, a>0 y b+c=1. Para una función de producción de

esta forma demostrar las siguientes proposiciones.
∂P b.P
a) =
∂t t
∂P c.P
b) =
∂k k
c) P es una función homogénea de grado 1.
∂P ∂P
c) t. + k. = P. Esta proposición demuestra que en una función Cobb-Douglas de
∂t ∂k
producción, al sumar las productividades marginales de cada factor multiplicadas por la
cantidad de ese factor se obtiene la producción total.
Ejercicio 4
En los siguientes problemas qA y qB son las funciones de demanda para los
productos A y B, donde pA y pB son los respectivos precios. Hallar las derivadas
parciales y determinar si A y B son “competitivos”, “complementarios” o ninguno de
los dos.
a) qA = 1000 – 50pA + 2pB

qB = 500 + 4pA – 20pB
b) qA = 20 – pA – 2pB
qB = 50 – 2pA – 3pB
100 500
c) q A = ; qB =
p A pB pB 3 p A
Repartido Práctico 17.2: Productos Competitivos y Complementarios
Ejercicio 5
k .t
Sea la función de producción P(t,k) = .
k +t
a) Hallar las funciones de productividad marginal.
b) Demostrar que cuando t = k, la suma de las productividades marginales es
constante.
Ejercicio 6
Los ingresos anuales de los egresados universitarios, diez años después de
recibidos, puede modelarse actualmente por la ecuación:
Y = 10.000 + 800.t + 600.u
donde t y u son los años de experiencia en el trabajo antes y después de recibir el

título universitario. Hallar las derivadas parciales de Y e interpretar los resultados
obtenidos.
Ejercicio 7
Las siguientes son las funciones de demanda de dos productos relacionados A
y B.
16
q A = e − p A / pB qB =
p A . p B2
a) Estudiar si A y B son competitivos o complementarios.
b) Si los precios de A y B son $1 y $2 respectivamente, estimar el cambio en
la demanda de A cuando el precio de B disminuye $0,04 y el precio de A se
mantiene constante.
Ejercicio 8
La siguiente es la función del costo de producción de dos productos A y B.
q A2 . q B3 + q A
C (q A , q B ) = + q A .3 q B + 600
17
a) Encontrar las funciones de costos marginal respecto de las cantidades a
producir.
b) Calcular el costo marginal respecto de qA cuando qA=17 y qB=8.
c) Estimar el cambio en el costo si la producción del producto A disminuye de
17 a 16 unidades, mientras que la producción del producto B se mantiene en
8.
18. ELASTICIDAD PARCIAL
Definición: Sea z = f(x1, x2, ….., xk). Se denomina elasticidad parcial de z con
respecto a xi a la elasticidad de z con respecto a xi cuando las otras variables se
consideran constantes.
∂f
∂xi
εx =
i
f ( x1 , x 2 ,..., x k )
xi
ε(xi) es aproximadamente la variación porcentual de f como consecuencia de un

incremento del 1% en xi, manteniéndose constantes las demás variables.
Ejemplo: Sea f: f(x, y) = α.xβ.yγ. Calcular la elasticidad de f con respecto a x e y.
β-1 γ α .β .x β −1 . y γ
fx(x, y) = α.βx .y . Entonces: ε x = = β . Análogamente resulta ε y = γ .
α .x β . y γ
x
Sea una función de demanda para un producto A, qA = f(pA, pB), donde qA es la

cantidad demandada de A cuando su precio por unidad es pA y el precio por unidad de
otro producto relacionado B es pB. La elasticidad parcial de la demanda de A con
respecto a pA se define así:
∂q A
∂p
εp = A
A
qA
pA
La elasticidad parcial de la demanda de A con respecto a pB se define

análogamente así:
∂q A
∂p
εp = B
B
qA
pB
En términos generales, ε(pA) es la razón de cambio (porcentual) en la cantidad

demandada de A, frente a un cambio porcentual en el precio de A cuando el precio de B
está fijo. En forma similar, ε(pB) puede interpretarse como la razón de cambio porcentual
en la cantidad demandada de A frente a un cambio porcentual en el precio de B cuando el
precio de A está fijo.
Repartido Práctico 18: Elasticidad Parcial
Ejercicio 1
Sea f: f(x1, x2, …, xk) = A.x1α1 .x 2α 2 .....x kα k . Calcular ε(xi).
Ejercicio 2
En los siguientes tres casos encontrar ε(pA) y ε(pB) para los valores dados de pA
y pB.
Caso 1: qA = 1000 – 50.pA + 2.pB, con pA = 2 y pB =10.
Caso 2: qA = 20 – pA – 2.pB, con pA = 2 y pB = 2.
Caso 3: qA = 100/(pA.pB0,5), con pA = 1 y pB = 4.
Ejercicio 3
Sea la función de demanda del producto A, q A = e − p A / pB . Calcular ε(pA) y
ε(pB).
19. CONJUNTOS CONVEXOS Y FUNCIONES CONVEXAS
Conjunto convexo
Definición: Un conjunto es convexo si el segmento que une dos puntos cualesquiera
del conjunto, también pertenece al conjunto.
Convexo Convexo No es convexo
Aunque los gráficos corresponden a conjuntos definidos en el plano, la definición

es válida para puntos con cualquier número de coordenadas. Ejemplos de conjuntos
convexos: una semirrecta, un intervalo abierto, un intervalo cerrado, un cuadrado, un
círculo, una esfera. Si x e y son dos puntos cualesquiera del conjunto, entonces la
expresión:
z = [λ.x + (1 – λ).y] con λ ∈ [0,1]
representa el conjunto de puntos del segmento xy. En particular, cuando λ = 1 resulta

z = x, y cuando λ = 0 resulta z = y.
z = [λ.x + (1 – λ).y]
Observaciones
1. Los espacios vectoriales son conjuntos convexos (pues toda combinación lineal de dos
vectores es un vector del espacio).
2. Como casos particulares en R2, R3 y Rn: son conjuntos convexos las rectas, los planos,
los hiperplanos, las semirrectas, los semiplanos y los semiespacios.
3. Propiedad: La intersección de dos conjuntos convexos también es un conjunto
convexo.
Convexidad y concavidad
Definición: Una función f con dominio convexo es una función convexa si para
todo par de puntos del dominio, x e y, se cumple que:
f[λ.x + (1 – λ).y] ≤ f(λ.x) + (1 – λ).f(y) ∀ λ ∈ [0,1]

Una función f con dominio convexo es una función cóncava si para
todo par de puntos del dominio, x e y, se cumple que:
f[λ.x + (1 – λ).y] ≥ f(λ.x) + (1 – λ).f(y) ∀ λ ∈ [0,1]
La interpretación geométrica que se realiza a continuación también es válida para

superficies (dos variables) o hiper superficies (tres o más variables).
Sea una función y = f(x) definida en el intervalo [a, b]. Se dice que f es convexa
en [a, b] (o con concavidad positiva o cóncava “hacia arriba”) cuando para todo par de
puntos del intervalo, la cuerda (el segmento de recta) que determinan se dibuja por
encima de la gráfica de f.
Se dice que f es cóncava en [a, b] (o con concavidad negativa o cóncava “hacia

abajo”) cuando para todo par de puntos del intervalo, la cuerda (el segmento de recta) que
determinan se dibuja por debajo de la gráfica de f.
a b a b
La función es cóncava La función es convexa
Propiedades
Para funciones de una sola variable
1. Si f: f(x) con D(f) = R y con derivada segunda, entonces f es convexa si f ”(x) > 0
∀ x ∈ R.
2. Si f: f(x) con D(f) = [a,b] y con derivada segunda, entonces f es convexa si

f ”(x) > 0 ∀ x ∈ [a,b].
Para funciones de una, dos o más variables
1. Si f es cóncava, entonces (-f) es convexa, y viceversa.
2. Si f y g son cóncavas (convexas), entonces (f+g) es cóncava (convexa).
3. Si f(x1,x2,.....,xn) está definida en un dominio convexo, entonces es una función

convexa si todos los valores propios de la matriz hessiana Hf son ≥ 0. (Si f es una
función de varias variables, entonces, el elemento genérico de la matriz H es
∂2 f
hij = ).
∂x i .∂x j
4. Si f(x,y) está definida en un dominio convexo, entonces es una función convexa si se

cumplen a la vez las dos condiciones siguientes:
⎧⎪ H f ≥ 0, ∀( x, y ) ∈ D( f )
⎨
⎪⎩Traza ( H f ) ≥ 0, ∀( x, y ) ∈ D( f )
5. Toda función lineal es convexa.
6. Si f(x1,x2,.....,xn) es una función convexa, entonces el conjunto formado por los puntos
(x1,x2,.....,xn) que verifican f(x1,x2,.....,xn) ≤ 0 es un conjunto convexo.
La existencia de la derivada segunda no es una condición necesaria para el estudio

de la concavidad / convexidad de una función. Los siguientes ejemplos ilustran la manera
de estudiar esta propiedad de las funciones, en dos casos bien sencillos.
Ejemplo 1: Estudiar la concavidad / convexidad de la función f: f(x) = x2 en todo

su dominio.
Aplicando la definición, probaremos que se trata de una función convexa.
f[λ.x + (1 – λ).y] = [λ.x + (1 – λ).y]2 ≤ λ.x2 + (1 – λ).y2 ⇔

⇔ λ2.x2 + 2.λ.(1 – λ).x.y + (1 – λ)2.y2 ≤ λ.x2 + (1 – λ).y2 ⇔
⇔ λ.(1 – λ).(-x2 + 2.x.y – y2) ≤ 0 ⇔
⇔ - λ.(1 – λ).(x – y)2 ≤ 0
lo cual es cierto para todo x e y reales, λ ∈ [0, 1].
Ejemplo 2: Estudiar la concavidad / convexidad de la función f: f(x) = 2.x en

todo su dominio.
f[λ.x + (1 – λ).y] = 2.[λ.x + (1 – λ).y] = . λ.(2.x) + (1 – λ).(2.y)
En este caso se cumple la igualdad, y por tanto valen las dos definiciones, f(x) = 2.x es a
la vez cóncava y convexa. La convexidad de una función lineal estaba expresada
previamente en la propiedad 5.
Cuasiconcavidad y cuasiconvexidad
Se supone a continuación que el dominio de la función f es un conjunto convexo
(por ejemplo, un intervalo en funciones de una variable, un rectángulo en el caso de
funciones de dos variables).
Definición: Una función es cuasicóncava si para todo par de valores del dominio
de f, x e y, tales que f(y) ≥ f(x), resulta f[λ.x + (1 – λ).y] ≥ f(x), con λ ∈ [0,1].
Definición: Una función es cuasiconvexa si para todo par de valores del dominio
de f, x e y, tales que f(y) ≥ f(x), resulta f[λ.x + (1 – λ).y] ≤ f(y), con λ ∈ [0,1]. También
se puede definir una función f como cuasiconvexa si se cumple que -f es cuasicóncava.
Definición: Una función es cuasicóncava en sentido estricto si para todo par de

valores del dominio de f, x e y, tales que f(y) ≥ f(x), resulta f[λ.x + (1 – λ).y] > f(x), con
λ ∈ [0,1].
Definición: Una función es cuasiconvexa en sentido estricto si para todo par de

valores del dominio de f, x e y, tales que f(y) ≥ f(x), resulta f[λ.x + (1 – λ).y] < f(y), con
λ ∈ [0,1].
Propiedades
1. Si f es cóncava ⇒ f es cuasicóncava. El recíproco es falso.
2. Si f es convexa ⇒ f es cuasiconvexa. El recíproco es falso.
Observación: Según estas propiedades, las condiciones de cuasiconcavidad y de
cuasiconvexidad son más débiles que las condiciones de concavidad y convexidad
respectivamente.
3. Si f es cuasicóncava (cuasiconvexa) y F es estrictamente creciente ⇒ La función
compuesta, F[f(x)] es cuasicóncava (cuasiconvexa).
4. Sea z = α.xβ.yγ con α, β y γ> 0 (función de Cobb-Douglas). Se cumple que:
a) z es cuasicóncava
b) z es cóncava si β + γ ≤ 1
c) z es estrictamente cóncava si β + γ < 1.
Ejemplos de funciones en el intervalo [a, b]:
a b a b
Cóncava Convexa
Cuasicóncava Cuasiconvexa
Cuasicóncava en sentido estricto Cuasiconvexa en sentido estricto
a b a b
No es cóncava No es convexa
No es convexa No es cóncava
Es cuasicóncava Es cuasiconvexa
Es cuasiconvexa Es cuasicóncava
No es cóncava
No es convexa
No es cuasicóncava
No es cuasiconvexa
a b
Repartido Práctico 19: Conjuntos y funciones convexas
Ejercicio 1
Indicar cuáles de los siguientes conjuntos definidos en R son convexos.
a) [a,b]
b) (a,b)
c) { x : x ≥ a}
d) Entorno de centro a y radio r
e) Entorno reducido de centro a y radio r.
Ejercicio 2
Indicar cuáles de los siguientes conjuntos definidos en R2 son convexos.
a) {(x,y) : x2 + y2 ≤ 4}
b) {(x,y) : 1 ≤ x2 + y2 ≤ 4}
c) {(x,y) : x2 + y2 ≥ 4}
d) {(x,y) : a ≤ x ≤ b, c ≤ y ≤ d }
e) R2
f) {(x,y) : y ≤ ex}
Ejercicio 3
Indicar cuáles de las siguientes funciones son convexas en los dominios respectivos.
a) f(x) = 2 + 3x D(f) = R
b) f(x,y) = 5 + 3x – y D(f) = R2
c) f(x,y) = 5 + 2x + 4y D(f) = {(x,y) : x.y > 0}
d) f(x,y) = ex+y D(f) = R2
e) f(x,y) = x + y – L(x+y) D(f) = {(x,y) : x ≥ 1, y ≥ 1}
1
f) f(x,y) = D(f) = {(x,y) : x ≥ 1, y ≥ 1}
x+ y
g) f(x,y,z) = x2 + y2 + z2 – x – y – z + 1 D(f) = R3
1
− ( x2 + y2 )
h) f(x,y) = e 2
D(f) = R2
Ejercicio 4
Probar que si f(x1,x2,.....,xn) es una función lineal y tiene por dominio Rn, entonces
f es convexa.
20. EXTREMOS EN FUNCIONES DE VARIAS VARIABLES
Los comentarios que siguen refieren a funciones de dos variables, aunque

pueden generalizarse a funciones de tres o más variables. Cuando éste no sea el caso,
se hará mención expresa del enunciado correspondiente para más de dos variables.
Definiciones de puntos extremos

z = f(x,y) presenta un mínimo relativo en el punto (x0,y0) si para todo punto (x,y) de la
intersección del D(f) con un entorno centrado en (x0,y0) se cumple que: f(x,y) ≥ f(x0,y0).
z = f(x,y) presenta un máximo relativo en el punto (x0,y0) si para todo punto (x,y) de la
intersección del D(f) con un entorno centrado en (x0,y0) se cumple que: f(x,y) ≤ f(x0,y0).
Si la función z = f(x,y) presenta un mínimo o máximo relativos en el punto (x0,y0),

entonces se dice que (x0,y0) es un punto de extremo relativo.
z = f(x,y) presenta un mínimo absoluto en el punto (x0,y0) si para todo punto (x,y) del
dominio de la función f, D(f), se cumple que: f(x,y) ≥ f(x0,y0).
z = f(x,y) presenta un máximo absoluto en el punto (x0,y0) si para todo punto (x,y) del
dominio de la función f, D(f), se cumple que: f(x,y) ≤ f(x0,y0).
Si la función z = f(x,y) presenta un mínimo o máximo absolutos en el punto (x0,y0),

entonces se dice que (x0,y0) es un punto de extremo absoluto.
Las definiciones precedentes corresponden a puntos extremos en sentido amplio. Si en

las mismas se cambian los signos “≤” y “≥” por “<” y “>”, entonces se tienen extremos
en sentido estricto.
Conjuntos abiertos y cerrados

Sea C un conjunto de puntos del plano, C ∈ R2. Un punto de C es interior del conjunto,
si existe un entorno del punto totalmente incluido en C.
El conjunto C es abierto si todos sus puntos son interiores.
Un punto es frontera del conjunto C si todo entorno centrado en el punto contiene

elementos de C y elementos que no son de C.
Un conjunto C es cerrado si contiene todos sus puntos frontera.
Un conjunto del plano es acotado si existe un círculo (de radio finito) que lo contiene.
Se llama interior de C al conjunto de sus puntos interiores. Se llama frontera de C al

conjunto de sus puntos frontera.
Observaciones
Los puntos frontera no necesariamente deben pertenecer al conjunto. Existen
conjuntos que contienen sólo una parte de sus puntos frontera. Estos conjuntos no son
abiertos ni cerrados. De acuerdo con las definiciones presentadas, un conjunto es cerrado
si su complemento respecto de R2 es abierto. Vale también el recíproco. Todo triángulo,
rectángulo, círculo o circunferencia del plano son conjuntos acotados. El primer
cuadrante del plano no es un conjunto acotado. Todas las definiciones y resultados
precedentes son válidos si C ∈ Rn.
Teorema de Weierstrass
H) Sea f: f(x, y) continua en su dominio, con D(f) cerrado y acotado.
T) Existen mínimo y máximo absolutos de f en su dominio.
Este resultado puede extenderse sin ninguna dificultad a funciones con dominio en
n
R . El teorema afirma que, en ciertos casos (función continua en un dominio cerrado y
acotado) existen mínimo y máximo absoluto. En primer lugar las condiciones no son
necesarias sino suficientes para asegurar la existencia de los extremos. En segundo lugar,
el teorema sólo hace afirmaciones sobre la existencia de extremos, pero no proporciona
un método para hallarlos.
Algunas cuestiones básicas

1. ¿Todas las funciones presentan extremos relativos y/o absolutos?
Tal como ocurre con las funciones de una variable, en las de dos o más variables,
no todas las funciones presentan extremos relativos. Ejemplo: z = x + y, cuyo
gráfico es un plano en el espacio de tres dimensiones, no tiene extremos relativos.
Tal como ocurre con las funciones de una variable, una función de varias
variables puede presentar extremos relativos y no presentar extremos absolutos,
y viceversa. La función z = 3 representa un plano paralelo al plano Oxy, a
distancia 3 en el sentido positivo de la cota. Todos los puntos (x,y) cumplen con
las definiciones de extremos relativos y absolutos en sentido amplio. Dicha
función no presenta extremos en sentido estricto.
2. ¿Cómo pueden obtenerse los puntos de extremos relativos?

El problema es bastante complicado si no existe alguna de las derivadas parciales
de la función. Supongamos que z = f(x,y) es derivable ∀(x,y) ∈ D(f). Entonces,
puede haber puntos de extremos relativos en los puntos interiores de D(f) que son
solución del sistema:
⎧ f x ( x, y ) = 0
⎨ (A)
⎩ f y ( x, y ) = 0
Los puntos que satisfacen las condiciones (A) se llaman puntos estacionarios. Si en
un punto una de las derivadas parciales no existe y las restantes derivadas se
anulan, entonces dicho punto se denomina punto crítico. Aunque no analizaremos
estos problemas en el curso (funciones con puntos críticos), la detección de estos
puntos es relevante porque también son candidatos a ser puntos extremos
(relativos o absolutos).
Obsérvese que –si existen fx y fy– las condiciones (A) en los puntos interiores de
D(f) son necesarias, pero no suficientes para la existencia de extremos relativos.
En otras palabras, para encontrar los extremos relativos, estos se pueden
encontrar resolviendo el sistema (A), pero no todas las raíces del sistema son de
puntos extremos.
3. ¿Cómo se puede saber si los puntos que satisfacen (A) son o no puntos de
extremos relativos, y en caso afirmativo, si son mínimos o máximos? Para
responder a esta pregunta vamos a hacer un nuevo supuesto (que si no se cumple,
entonces el problema se complica). Supuesto: z = f(x,y) admite derivadas
segundas continuas ∀(x,y) ∈ D(f). Entonces se definen la matriz hessiana y su
correspondiente determinante:
f xx ( x, y ) f xy ( x, y )
H ( x, y ) =
f yx ( x, y ) f yy ( x, y )
y se sigue la siguiente regla general para cada punto (x0,y0) que satisface (A):
- Si ⎜H(x0,y0) ⎜ > 0 y fxx(x0,y0) > 0 ⇒ f presenta un mínimo relativo en (x0,y0).

- Si ⎜H(x0,y0) ⎜ > 0 y fxx(x0,y0) < 0 ⇒ f presenta un máximo relativo en (x0,y0).
- Si ⎜H(x0,y0) ⎜ < 0 ⇒ f no tiene extremos relativos en (x0,y0).
- Si ⎜H(x0,y0) ⎜ = 0 ⇒ no se puede saber qué ocurre en (x0,y0) por aplicación de esta
regla, y se necesitan otros instrumentos para seguir analizando.
Si la función es de más de dos variables, entonces la regla del hessiano se generaliza

así:
H) f(x1,x2,.....,xn)
p es un punto estacionario de la función
∂2 f
H es la matriz hessiana, donde hij =
∂x i .∂x j
λi son los valores propios de H
T) Si λi > 0 para todo i, entonces f tiene un mínimo relativo en p

Si λi < 0 para todo i, entonces f tiene un máximo relativo en p
Si algún λi > 0 y otro λj < 0 , entonces f tiene un punto de silla en p
Si algún λi = 0 y los restantes valores propios son de igual signo, entonces
no se sabe qué ocurre en p y se necesitan otros instrumentos de análisis.
4. Hasta aquí hemos visto cómo encontrar extremos relativos. Ahora, ¿cómo se pueden
obtener los puntos de extremos absolutos de la función? Supuesto: z = f(x,y) admite
derivadas primeras y segundas continuas ∀(x,y) ∈ D(f). Entonces, para obtener
extremos absolutos se pueden seguir las siguientes reglas.
Regla 1: Dominio cualquiera
z = f(x,y) presenta en (x0,y0) un único mínimo relativo y f es convexa en
D(f). Entonces, en (x0,y0) f presenta un mínimo absoluto.
z = f(x,y) presenta en (x0,y0) un único máximo relativo y (-f) es convexa en
D(f). Entonces, en (x0,y0) f presenta un máximo absoluto.
Regla 2: Dominio cerrado
- Se estudia la existencia de extremos relativos en el interior del dominio.
- Se estudia el comportamiento de f en la frontera del dominio, para
encontrar candidatos a mínimo o máximo absolutos.
- Se encuentran los extremos absolutos comparando los extremos
relativos del interior con los candidatos de la frontera.
Regla 3: Dominio restringido con restricciones de igualdad

- Se aplica el método de los Multiplicadores de Lagrange para encontrar
puntos de extremos relativos.
- Se estudia la concavidad / convexidad de la f o algún método alternativo
(como por ejemplo el signo de la función en un entorno de los puntos
que proporciona el método) para determinar si los extremos relativos
son también absolutos.
Regla 4: Dominio restringido con restricciones de desigualdad
- Se aplica el Teorema de Kuhn-Tucker para obtener puntos de extremos
relativos.
- Si f y las funciones que definen las restricciones son convexas y
diferenciables, entonces Kuhn-Tucker proporciona los puntos de
extremos absolutos.
Veremos a continuación algunos ejemplos de aplicación de las Reglas 1 y 2. En la

Sección 21 se estudian los métodos de Lagrange y Kuhn-Tucker.
Ejemplo 1: Sea f: f(x, y) = x2 – x.y + y2 con D(f) = R2. Se trata de hallar

mínimos y máximos relativos y absolutos. En primer lugar observamos que el dominio de
f es convexo. En segundo lugar, observamos que la función f es diferenciable por tratarse
de una función polinómica. En consecuencia, si existen extremos relativos, los mismos se
encuentran en los puntos estacionarios. ¿Cuántos puntos estacionarios hay?
⎧ f x ( x , y ) = 0 ⎧ 2. x − 1 = 0
⎨ ⇒⎨
⎩ f y ( x , y ) = 0 ⎩ 2. y − 1 = 0
Hay un único punto estacionario: (½, ½). Probaremos, mediante la regla del
hessiano, que se trata de un punto de mínimo relativo.
f xx ( x, y ) f xy ( x, y ) 2 0
H ( x, y ) = = 4 > 0 ∀ (x, y) ∈ R2. En particular, el
=
f yx ( x, y ) f yy ( x, y )
0 2
determinante hessiano es mayor que cero en el punto (½, ½). Como además, en dicho
punto la derivada de segundo orden con respecto a x es positiva, fxx(½, ½) = 2, entonces
la función f presenta en dicho punto un mínimo relativo. Además, no existen máximos
relativos, porque si los hubiera, deberían estar en los puntos estacionarios.
Finalmente, el punto de mínimo relativo, ¿es también de mínimo absoluto? De

acuerdo con la Regla 1, alcanzaría con verificar que f es una función convexa. Y
efectivamente, f es convexa porque se cumple que el determinante hessiano es ≥ 0 y
también la Traza(Hf) es ≥ 0. Entonces el punto (½, ½) es de mínimo absoluto, y el valor
mínimo de la función es: f(½, ½) = ¼.
Ejemplo 2: Sea f: f(x, y) = x2 – y2 con D(f) = R2. Se trata de hallar mínimos y

máximos relativos y absolutos, si existen.
Es fácil advertir que la función no está acotada. Por ejemplo, si y = 0, f(x, 0) = x2

toma valores tan grandes como se desee, y si x = 0 entonces f(0, y) = - y2 toma valores
tan grandes como se desee, pero con signo negativo. Entonces, si f no está acotada, no
tiene ni máximo ni mínimo absolutos. Pero podría tener extremos relativos. Para
hallarlos, calculamos los puntos estacionarios (no hay puntos críticos, por tratarse de una
función polinómica).
⎧ f x ( x , y ) = 0 ⎧ 2. x = 0
⎨ ⇒⎨
⎩ f y ( x , y ) = 0 ⎩ − 2. y = 0
Entonces, el único punto estacionario es (0, 0). Se cumple que f(0, 0) = 0. ¿Se
trata de un punto de extremo relativo? Si aplicamos la regla del hessiano resulta:
f xx ( x, y )
f xy ( x, y ) 2 0
H ( x, y ) = = = −4 < 0 , y de acuerdo con dicha regla, en
f yy ( x, y ) 0 − 2
f yx ( x, y )
(0, 0) no hay puntos extremos.
¿Qué es lo que ocurre con la función en (0, 0)? Ocurre que en cualquier bola22
centrada en (0, 0) hay puntos donde la función es mayor que f(0, 0) y también hay puntos
donde la función es menor que f(0, 0). Como en (0, 0) la función se anula, alcanza con
observar que en todo círculo centrado en (0, 0) hay puntos donde la función toma valores
positivos y negativos. Si (x, y) ≠ (0, 0) y x = 0, entonces f(0, y) = - y2, que toma siempre
valores negativos. Si (x, y) ≠ (0, 0) y y = 0, entonces f(x, 0) = x2, que toma siempre
valores positivos. Entonces en (0, 0) no hay extremos relativos.
Cuando un punto estacionario no es de extremo relativo, se dice que es un punto

de silla.
Ejemplo 3: Sea f: f(x, y) = x2 – x.y + y2 con D(f) = {(x, y): 0 ≤ x ≤ 1, 0 ≤ y ≤ 1}.

Se trata de hallar mínimos y máximos relativos y absolutos. Como vimos en el Ejemplo 1
la función tiene un único punto estacionario, (½, ½), que corresponde a un mínimo
relativo, y que cae dentro del dominio de esta nueva función. Como además, la función es
convexa (en un dominio convexo), (½, ½) es también un punto de mínimo absoluto. Por
el Teorema de Weierstrass sabemos, además, que la función tiene máximo absoluto
porque f es una función continua en un dominio cerrado y acotado (el dominio de f es un
cuadrado de lado 1). Como no existen otros puntos estacionarios, el punto de máximo
absoluto debe estar sobre la frontera del dominio. En este caso la frontera está formada
por cuatro segmentos:
I) 0 ≤ x ≤ 1, y = 0
22
Se denomina así al interior de un círculo, de una esfera o, en más de tres variables, para referirse al
conjunto de puntos que dista menos de una cierta distancia de un punto que se toma como centro.
II) 0 ≤ x ≤ 1, y = 1
III) 0 ≤ y ≤ 1, x = 0 1
IV) 0 ≤ y ≤ 1, x = 1
1
Analicemos el comportamiento de la función f en los puntos de la frontera.
I) 0 ≤ x ≤ 1, y = 0 ⇒ f(x, y) = f(x, 0) = x2, que tiene su máximo en x = 1.
Entonces, candidato a punto de máximo absoluto: (1, 0). Es f(1, 0) = 1.
II) 0 ≤ x ≤ 1, y = 1 ⇒ f(x, y) = f(x, 1) = x2 – x + 1. Su derivada se anula en ½,
donde de acuerdo con el signo presenta un mínimo. El signo de la derivada de
la función con respecto a x es negativo entre 0 y ½, y positivo entre ½ y 1. La
función es decreciente entre 0 y ½, y creciente entre ½ y 1. En consecuencia,
los candidatos a punto de máximo están en x = 0 y en x = 1. Resultan: f(0, 1)
= f(1, 1) = 1
III) 0 ≤ y ≤ 1, x = 0; se prueba que (0, 1) es candidato a máximo y resulta f(0, 1) =
1.
IV) 0 ≤ y ≤ 1, x = 1; se prueba que los candidatos son (1, 0) y (0, 1), donde la
función toma el valor 1.
En resumen, la frontera agrega tres puntos candidatos a máximo absoluto, en los

cuales la función toma el mismo valor: f(0, 1) = f(1, 0) = f(1, 1) = 1. Por tanto, el máximo
absoluto de la función es 1, y dicho máximo se alcanza en tres puntos, que son tres de los
cuatro vértices del cuadrado que define el dominio.
Repartido Práctico 20: Extremos en Funciones de Varias Variables
Ejercicio 1
Hallar, si existen, los extremos relativos de las siguientes funciones. Mediante
la regla de la derivada segunda decidir si se trata de máximos o mínimos relativos.
a) f(x,y) = x2 + 4y2 – 6x + 4y
1 1
b) f ( x, y ) = x. y − −
x y
c) f(x,y) = y – y – 3x – 6x2
2
d) f(x,y) = x2 + y2 +xy – 9x + 1
e) f(x,y) = x2 + y2 – xy + x3
f) f(t,k) = -3.t.k + t3 +k3
g) f(x,y) = (y2 – 4).(ex – 1)
Ejercicio 2
Una fábrica de calzado produce pares de zapatos (Z) y botas (B), con costos
medios de producción constantes iguales a $60 y $70 respectivamente. Las funciones
de demanda de los productos dependen de los precios de venta de ambos:
qZ = 5.pB – 5.pZ qB = 5.pZ – 10.pB + 500
Hallar los precios de venta de ambos productos que maximizan la ganancia de la fábrica
Ejercicio 3
Una piscina rectangular debe tener un volumen de 40 m3. El costo del m2 del
material para el fondo de la piscina es $80. El costo del m2 del material del frente y la
parte de atrás es $64 y el costo del m2 del material para las paredes laterales es $27.
Hallar las dimensiones de la piscina (x=largo, y=frente, z=profundidad) de costo mínimo.
x
z
y
Ejercicio 4
A y B son las únicas dos empresas en un mercado que producen el mismo
producto (A y B forman un duopolio). Las empresas deciden ponerse de acuerdo en un
precio único y en los niveles de producción (en este caso se dice que entran en colusión).
La función de demanda del producto es p = 92 – qA – qB. Las funciones de costo para A
y B son respectivamente: CA = 10qA y CB = qB2/2.
a) Demostrar que la función de utilidad del duopolio es: U = p.qA – CA + p.qB – CB.
b) Determinar cómo debe distribuirse la producción entre A y B para maximizar la
utilidad del duopolio.
CURSO 2004
PARTE VIII

21. OPTIMIZACIÓN CON RESTRICCIONES: LAGRANGE, KUHN-TUCKER
Restricciones con igualdades
Los precios y las cantidades no pueden tomar valores cualesquiera. Los precios no
pueden ser negativos y las cantidades, además de la condición de no negatividad, suelen
estar acotadas por la capacidad máxima de producción. El presupuesto implica una
restricción adicional al nivel de la producción, conocida como restricción presupuestaria.
Estos son sólo algunos ejemplos de las restricciones que pueden aparecer en los
problemas de optimización.
a c α d e β b
En el gráfico precedente la función depende de una sola variable. En el intervalo

[a, b] el máximo absoluto de la función f se encuentra en x = b, fMAX = f(b); mientras
que el mínimo absoluto de la función en el mismo intervalo se encuentra en x = c, siendo
el valor del mínimo, fMIN = f(c). Pero si el dominio de la función se restringe al intervalo
[α, β], el máximo y el mínimo de la función cambian, y se encuentran ahora en los puntos
de abcisas x = d y x = e respectivamente. Cuando se restringe el dominio, como en este
caso, se encuentra que:
MAX de f en [a, b] ≥ MAX de f en [α, β]

MIN de f en [a, b] ≤ MIN de f en [α, β]
En los problemas de optimización que se presentaron en la sección anterior, el

supuesto implícito era que las variables de la función a optimizar eran independientes.
Ahora nos ocuparemos de problemas de optimización donde eventualmente las variables
del problema están relacionadas entre sí, como en el ejemplo que sigue.
Supongamos que una canasta de consumo está formada por k artículos. Un

consumidor puede decidir cuántas unidades de cada artículo, xi, habrá de adquirir en un
período de tiempo. Los precios por unidad son pi y el presupuesto para consumo es C.
Supongamos que existe una función de utilidad que a cada combinación posible de
cantidades de artículos, a cada vector (x1, x2, ….. , xk), le asigna un valor. El problema
consiste en elegir el vector (x1, x2, ….. , xk) que maximiza la función de utilidad, sujeto a
la restricción presupuestaria:
MAX U(x1, x2, ….. , xk)

k
Restricción: ∑ p .x
i =1
i i =C
k
La restricción con el signo de desigualdad, ∑ p .x
i =1
i i ≤ C , podría ser más
apropiada en éste y otros problemas en que las cantidades a adquirir no son perfectamente
divisibles. Las restricciones con desigualdades aparecen naturalmente al tomar en cuenta
que las cantidades a adquirir no pueden ser negativas. En este problema habría que
introducir k restricciones de la forma xi. Por el momento postergaremos el tratamiento de
los problemas de optimización con restricciones de desigualdad.
Un problema de optimización con restricciones de igualdad se conoce como un

problema lagrangiano23 . Los problemas lagrangianos más generales son del tipo que
sigue.
⎧ g 1 ( x1 , x 2 ,....., x k ) = C1
MAXIMIZAR ⎫ ⎪ g ( x , x ,....., x ) = C
⎪ 2 1 2 k 2
⎬ f ( x1 , x 2 ,....., x ) sujeto a las condiciones ⎨
− − − − − − − − − − − − −
k
MINIMIZAR ⎭ ⎪
⎪⎩ g r ( x1 , x 2 ,....., x k ) = C r
Para resolver el problema de optimización Lagrange plantea introducir nuevas

variables, λj, una por cada restricción, de manera que el problema de encontrar un vector
de k variables que optimice la función f se transforma en un problema de optimización
con (k + r) variables: x1, x2, ….. , xk, λ1, λ2, ….. , λr. Las variables λj se conocen con el
nombre de multiplicadores de Lagrange, y se introducen para definir una nueva función,
llamada función lagrangiana:
∑ λ .[C ]
r
F(x1, x2, ….. , xk, λ1, λ2, ….. , λr) = f(x1, x2, ….. , xk) + j j − g j ( x1 , x 2 ,....., x r
j =1
( )
Se demuestra que si x1* , x 2* ,....., x k* es un punto estacionario de f, es decir, se
(
verifica que ∇f = 0, entonces ∃ λ1, λ2, ….. , λr tales que x1* , x 2* ,....., x k* , λ1 , λ2 ,....., λr es )
un punto estacionario de F (es decir, ∇F = 0). Aunque parezca paradójico, al introducir r
variables adicionales, muchas veces resolver el sistema ∇F = 0 es más sencillo que
resolver ∇f = 0.
Observaciones
1. La aplicación del método lagrangiano exige que la función f y las funciones gj
sean diferenciables (que admitan derivadas parciales de primer orden continuas
respecto de x1, x2, ….. , xk.
2. El problema lagrangiano más sencillo consta de sólo dos variables y una
restricción. El mismo puede formularse así:
MAXIMIZAR⎫
⎬ f ( x, y ) sujeto a la condición g ( x, y ) = C.
MINIMIZAR ⎭
3. Algunos autores prefieren escribir la función lagrangiana como función sólo de las
variables xi, por cuanto las λj pueden verse como parámetros más que como
variables o bien porque se trata de variables de una naturaleza diferente. Algunos
23
José Luis Lagrange (1736-1813) notable matemático francés, conocido principalmente como geómetra.
autores prefieren escribir dentro del paréntesis recto la expresión con signo
cambiado: g j ( x1 , x2 ,....., xr ) - Cj. La opción que hemos hecho quedará plenamente
justificada más adelante con la interpretación económica. En el caso de
restricciones con desigualdades se plantearán variantes.
El método lagrangiano consiste en:

1º) Hallar las derivadas parciales de primer orden de la función lagrangiana respecto de
∂F
las variables x1, x2, ….. , xk e igualarlas a cero: = 0.
∂xi
∂F
2º) Resolver el sistema formado por las k ecuaciones = 0 y las r restricciones
∂xi
gj(x1, x2, ….. , xk) = Cj. Se tiene un sistema de (k + r) ecuaciones con (k + r)
incógnitas.
3º) Si (x , x ,....., x , λ , λ ,....., λ ) es una raíz del sistema, entonces el vector

*
1
*
2
*
k 1 2 r
(x , x ,....., x ) es un candidato para resolver el problema de optimizar f sujeto a las

*
1
*
2
*
k
restricciones.
Observaciones
1. El sistema puede no tener raíces.
2. Si existen raíces del sistema, puede ser difícil encontrarlas (las ecuaciones podrían
contener expresiones complicadas como fracciones algebraicas, radicales,
exponenciales o polinomios de grados altos).
( )
3. Si existen raíces del sistema, x1* , x 2* ,....., x k* , λ1 , λ2 ,....., λr , puede que el vector
(x , x ,....., x ) no resuelva el problema de optimización. Por ejemplo, el vector
*
1
*
2
*
k
podría resolver un problema de minimización cuando el objetivo es maximizar f.
La siguiente proposición levanta, en algunos casos particulares, la limitación que

se plantea en la tercera observación.
Condición suficiente para la existencia del óptimo
(x , x ,....., x , λ , λ ,....., λ ) es raíz del sistema con (k + r) incógnitas

*
1
*
2
*
k 1 2 r
F es cóncava F es convexa
⇓ ⇓
( * *
)
x1 , x 2 ,....., x k* resuelve el ( )
x1 , x 2 ,....., x k* resuelve el
* *
problema de maximización. problema de minimización.
Ejemplo 1: Un consumidor debe decidir cómo distribuye un presupuesto semestral

de $1.750 entre entradas de cine (x) y entradas de teatro (y), las cuales cuestan $50 y
$100 respectivamente. Se conoce la función de utilidad del consumidor, U(x,y). Es
U(x, y) = 150 – 0,1.x2 – y – 0,25.y2. Hallar la combinación de entradas de cine y de teatro
que maximiza la función de utilidad sujeta a la restricción presupuestaria.
Por razones de simplicidad, vamos a transformar el problema de maximización en

un problema de mínimo. Obsérvese que MAX U(x, y) = MIN – U(x, y).
MIN – U(x, y) = MIN [- 150 + 0,1.x2 + y + 0,25.y2]
Restricción: 50.x + 100.y = 1.750
F(x, y, λ) = - 150 + 0,1.x2 + y + 0,25.y2 + λ.[1.750 – 50.x – 100.y]
⎧ ∂F
⎪ ∂x = 0,2.x − 50.λ
⎪⎪ ∂F
⎨ = 1 + 0,5. y − 100.λ ⇒ Punto estacionario (x0, y0) = (15, 10) con λ = 3.
⎪ ∂y
⎪ 50.x + 100. y = 1750
⎪⎩
¿F es convexa? λ.[1.750 – 50.x – 100.y] es convexa por ser una función lineal.
Entonces, para que F sea convexa, alcanza con probar que –U lo es (pues suma de
⎛ 0,2 0 ⎞
funciones convexas es convexa). La matriz hessiana de –U(x, y) es ⎜⎜ ⎟⎟ con todos
⎝ 0 0,5 ⎠
sus valores propios positivos, por tanto –U(x, y) es una función convexa, y también lo es
F. Entonces, (15, 10) minimiza –U(x, y). Entonces, (15, 10) maximiza U(x, y). ¿Cuál es
el máximo de la función de utilidad? U(15, 10) = 92,5.
Ejemplo 2: Una empresa industrial tiene tres establecimientos para la producción

de un único producto. Sean x, y, z las cantidades mensuales que producen los tres
establecimientos. El costo de producción en cada establecimiento es:
C(x) = 100 + 0,025.x2

C(y) = 100 + 0,5 y + 0,01.y2
C(z) = 100 + z2
Se trata de minimizar el costo total mensual de producción, C(x, y, z) = C(x) + C(y) +

C(z) sabiendo que en el mes se necesita producir 1.385 unidades de producto.
MIN C(x, y, z) = 300 + 0,025.x2 + 0,5 y + 0,01.y2 + z2

Restricción: x + y + z = 1.385
Definimos F(x, y, λ) = 300 + 0,025.x2 + 0,5 y + 0,01.y2 + z2 + λ.[1.385 – (x + y + z)],

calculamos las derivadas parciales y seguimos los pasos del método lagrangiano.
⎧ ∂F
⎪ ∂x = 0,05.x − λ = 0
⎪ ∂F
⎪ = 0,5 + 0,02. y − λ = 0
⎨ ∂y ⇒ Punto estacionario (400, 975, 10) con λ = 20.
⎪ ∂F
⎪ = 2.z − λ = 0
⎪ ∂z
⎩ x + y + z = 1.385
⎛ 0,05 0 0⎞
⎜ ⎟
Como la matriz hessiana de C es ⎜ 0 0,02 0 ⎟ , sus valores propios son todos
⎜ 0 0 2 ⎟⎠
⎝
positivos (son los valores de la diagonal principal) y por tanto la función C es convexa.
Entonces, en el punto (400, 975, 10) la función C presenta un mínimo absoluto. El costo
mínimo de producción es: C(400, 975, 10) = 13.593,75.
Ejemplo 3: Se trata de MINIMIZAR f(x, y, z) = x2 + y2 + z2 sujeto a las

condiciones: x + y + z = 1; 2.x – y – z = 5.
Definimos F(x, y, z, λ, ρ) = x2 + y2 + z2 + λ.[1 – x – y – z] + ρ.[5 – 2.x + y + z].
⎧ Fx = 2.x − λ − 2.ρ = 0
⎪ F = 2. y − λ + ρ = 0
⎪⎪ y
⎨ Fz = 2.z − λ + ρ = 0 ⇒ Punto estacionario (2, -1/2, -1/2) con λ = 2/3 y ρ = 5/3.
⎪ x + y + z =1
⎪
⎪⎩ 2.x − y − z = 5
Sabemos que (2, -1/2, -1/2) es un punto estacionario, pero por la convexidad de F,
podemos asegurar que se trata de un punto de mínimo absoluto. El mínimo de la función
F es: F(2, -1/2, -1/2) = 9/2. ¿Cuál habría sido el mínimo de F si no hubiera restricciones?
El mínimo de (x2 + y2 + z2) se da en el punto (0, 0, 0) y es F(0, 0, 0) = 0.
Interpretaciones económicas de los multiplicadores de Lagrange

A) Consideremos el problema MAX f(x, y) sujeto a la restricción g(x, y) = C.
Supongamos que el vector (x0, y0) resuelve el problema. ¿Qué pasa si cambia el valor de
C? En general, también cambia la solución. Entonces las coordenadas del vector (x0, y0)
dependen del valor de C. Supongamos que x0(C) y y0(C) son funciones diferenciables
de C. Entonces, el máximo de la función f, f[x0(C), y0(C)] es una función de C. Pero al
aplicar el método de Lagrange ocurre que, en general, también la variable λ depende de
C. La propiedad relevante, que se cumple en condiciones muy generales, es que:
∂f [x0 (C ), y 0 (C )]
= λ (C )
∂C
Por tanto, el multiplicador de Lagrange, λ, es la tasa de variación del valor óptimo

de f cuando varía la constante de la restricción. Si simbolizamos una pequeña variación
de C con la expresión dC, entonces:
f[x0(C+dC), y0(C+dC)] – f[x0(C), y0(C)] ≅ λ(C).dC
Si f es una función de utilidad o de ganancias y C es una restricción presupuestaria

entonces, un incremento de los recursos en dC origina un aumento aproximado de
λ(C).dC en la utilidad o beneficio.
En el Ejemplo 1 teníamos un presupuesto de $1.750 para gastar en cine y teatro.

El óptimo se obtenía para 15 entradas de cine y 10 de teatro, con λ = 3. La utilidad
máxima era 92,5. Si las cantidades de producto fueran perfectamente divisibles
(obsérvese que no es éste el caso), entonces un aumento de $1 (dC) en el presupuesto
generaría un incremento de la utilidad del consumidor de aproximadamente 3 unidades
(en las que se mide la utilidad): λ(C).dC = 3.1 = 3.
En Economía, cuando el problema es de recursos, λ se denomina el precio

sombra de una unidad del recurso C.
B) Supongamos que en el mismo problema MAX f(x, y) sujeto a la restricción

g(x, y) = C, la función f es una función de utilidad, que x e y son las cantidades de una
canasta de consumo de dos artículos, y g(x, y) = p1.x + p2.y es la restricción
presupuestaria, donde p1 y p2 son los precios de los respectivos artículos de la canasta.
La función lagrangiana es: F(x, y, λ) = f(x, y) + λ[C - p1.x - p2.y]. El método

lagrangiano conduce al sistema de ecuaciones:
⎧ f x ( x, y ) − λ. p1 = 0
⎪
⎨ f y ( x, y ) − λ . p 2 = 0
⎪ p .x + p . y = C
⎩ 1 2
El punto (x0, y0) que resuelve el problema verifica las tres ecuaciones. Trabajando
con las dos primeras se deduce:
f x ( x0 , y 0 ) f y ( x0 , y 0 )
λ= =
p1 p2
Como ya hemos visto, fx(x0, y0) y fy(x0, y0) proporcionan la utilidad marginal de
un incremento en el consumo de una unidad adicional de uno de los artículos
(permaneciendo el consumo del otro constante) a partir del vector de consumo (x0, y0).
Entonces se deduce que si (x0, y0) maximiza la utilidad del consumidor sujeto a la
restricción presupuestaria, entonces el cociente entre la utilidad marginal de un artículo y
su precio unitario tiene que ser el mismo para los dos artículos de la canasta (para todos
los artículos de la canasta, si hay más de dos). En el problema de optimizar la función de
utilidad del consumidor, la cantidad demandada de un producto compite con la demanda
por otros productos por disponerse de un presupuesto restringido. En consecuencia, la
cantidad demandada de un producto depende de:
- el precio del producto

- el presupuesto
- el precio de otros productos
- las utilidades marginales del producto y de los otros que integran la canasta.
Obsérvese que el multiplicador de Lagrange es justamente la constante que resulta

de dividir la utilidad marginal de un producto (en el óptimo) sobre su precio unitario.
Cuando la canasta de consumo tiene k productos:
∂f ( x1 , x 2 ,....., x k )
∂xi
λ= i = 1,2,....., k
pi
Restricciones con desigualdades
Cuando se trata de optimizar una función de utilidad del consumidor sujeta a la

k
restricción presupuestaria, la condición ∑ p .x
i =1
i i = C parece poco realista por cuanto el
consumidor muchas veces no piensa en gastar una cantidad C exacta sino que está
dispuesto a gastar hasta C, de manera que una formulación más apropiada para la
k
restricción sería ∑ p .x
i =1
i i ≤ C . Las restricciones del tipo xi ≥ 0 para las cantidades
también deberían ser incluidas en las condiciones del problema. En esta sección
abordaremos este tipo de cuestiones.
El problema más general de optimización sujeto a restricciones con desigualdades

es como sigue.
Teorema de Kuhn-Tucker (Caso general)

⎧ g1 ( x1 , x 2 ,....., x k ) ≤ C1
MAXIMIZAR ⎫ ⎪ g ( x , x ,....., x ) ≤ C
⎪ 2 1 2 2
(P) ⎬ f ( x1 , x 2 ,....., x k ) sujeto a las condiciones ⎨
k
MINIMIZAR ⎭ ⎪− − − − − − − − − − − − −
⎪⎩ g r ( x1 , x 2 ,....., x k ) ≤ C r
H) Se define
∑ λ .[g ]
r
F(x1, x2,…, xk, λ1, λ2,..., λr) = f(x1, x2, ….. , xk) + j j ( x1 , x 2 ,....., x r ) − C j
j =1
Se cumple:
⎧ ∂F
⎪ ∂x = 0 i = 1,2,....., k
⎪
[ ]
i
⎪λ j . g j ( x1 , x 2 ,..., x k ) − C j = 0 j = 1,2,....., r
(C) ⎨
⎪ g j ( x1 , x 2 ,..., x k ) ≤ C j
⎪ λj ≥ 0 j = 1,2,....., r
⎪
⎩
T) ( )
Si existen puntos x1* , x 2* ,....., x k* que satisfacen todas las condiciones (C) y el
(
problema tiene solución, entonces alguno de los puntos x1* , x 2* ,....., x k* resuelve el )
problema de optimización.
Observaciones
1. El conjunto de puntos que verifican todas las restricciones se denomina conjunto
admisible o conjunto factible. El conjunto factible no es otra cosa que un dominio
restringido para f donde interesa hallar el máximo absoluto y/o el mínimo
absoluto de la función.
2. Alguna o algunas de las restricciones g pueden ser tan sencillas como xi ≥ 0 que
expresa la condición de no negatividad de la variable xi.
3. Alguna de las restricciones podría tener la forma g(x1, x2, ….. , xk) ≥ C (con la
desigualdad “mayor o igual que”). Para tener un problema en la forma (P) esta
restricción se modificará multiplicando la desigualdad por (-1) así:
- g(x1, x2, ….. , xk) ≤ - C
4. Alguna de las restricciones podría tener la forma g(x1, x2, ….. , xk) = C. Para
llevar el problema a la forma (P), dicha restricción se ha de sustituir por las dos
desigualdades g(x1, x2, ….. , xk) ≥ C y -g(x1, x2, ….. , xk) ≤ -C. Esta equivalencia
de las restricciones con desigualdad con las restricciones con igualdad permite
llevar cualquier problema lagrangiano a un problema de optimización con
restricciones con desigualdades del tipo (P).
5. Cuando el vector que resuelve el problema de optimización verifica la condición
g(x1, x2, ….. , xk) < C (con el signo de menor estricto), se dice que la restricción
g(x1, x2, ….. , xk) ≤ C está inactiva o no saturada. Interpretación económica: si
g(x1, x2, ….. , xk) ≤ C es una restricción presupuestaria y en el óptimo es
g(x1, x2, ….. , xk) = C ello significa que para alcanzar el óptimo hay que gastar
todo el presupuesto disponible.
6. Si la función objetivo f es lineal y las restricciones gj son todas funciones lineales,
entonces el problema (P) se conoce con el nombre de problema de programación
lineal. Para este tipo de problemas existen métodos específicos que no veremos en
el curso, pues también se pueden resolver, como los problemas de programación
no lineal, por el método que se expone a continuación.
El método general establece condiciones necesarias para la existencia del óptimo,

pero las mismas no son suficientes: los puntos raíces del sistema pueden ser óptimos,
pero también pueden ser puntos de silla. Por otra parte, la resolución del sistema de
ecuaciones e inecuaciones exige una importante cantidad de trabajo.
Por los motivos expuestos, y con la intención de simplificar la tarea de encontrar

solución en los problemas de optimización con restricciones con desigualdad, vamos a
considerar algunos casos particulares para los cuales las condiciones de Kuhn-Tucker
garantizan la obtención del óptimo. Los casos particulares refieren a la concavidad /
convexidad24 de las funciones f y gj y a la no negatividad de las variables xi.
Problema 1 MINIMIZAR f(x1, x2, ….. , xk)

⎧ g j ( x1 , x 2 ,....., x k ) ≤ C j con j = 1,2,..., r
⎪
⎪
sujeto a las condiciones ( A) ⎨
⎪
⎪⎩ xi ≥ 0 con i = 1,2,..., k
Caso particular de Kuhn-Tucker
H) f, g1, g2, … , gr son diferenciables y convexas
∑ λ .[g ]
r
F(x1, x2,…, xk, λ1, λ2,..., λr) = f(x1, x2, ….. , xk) + j j ( x1 , x 2 ,....., x r ) − C j
j =1
24
El mismo análisis, con casos un poco más generales, implican analizar la cuasiconcavidad /
cuasiconvexidad de las funciones objetivo y de restricciones (Ver SYDSAETER y HAMMOND, obra
citada en la bibliografía del curso).
(x , x ,....., x ) es un punto estacionario de F que verifica las condiciones (A) y
*
1
*
2
*
k
las condiciones (B):
⎧ ∂F
⎪ = 0 i = 1,2,....., k
∂xi
⎪
[ ]
(B) ⎨λ j . g j ( x1 , x 2 ,..., x k ) − C j = 0 j = 1,2,....., r
⎪ λ j ≥ 0 j = 1,2,....., r
⎪
⎩
(
T) x1* , x 2* ,....., x k* ) es el mínimo absoluto de f sujeto a las restricciones.
Para aplicar el método de Kuhn-Tucker al Problema 1 es necesario:

- verificar que las funciones f, g1, g2, … , gr son diferenciables y convexas
- encontrar los puntos que satisfacen las condiciones (A) y (B).
Observación
Cuando el problema es de minimización, el planteo de la función lagrangiana exige que
en el paréntesis recto se registre gj(x1, x2, ….. , xk) – Cj, y no con los signos cambiados,
tal como registramos en los problemas de optimización con restricciones de igualdad.
Problema 2 MAXIMIZAR f(x1, x2, ….. , xk)

⎧ g j ( x1 , x 2 ,....., x k ) ≤ C j con j = 1,2,..., r
⎪
⎪
sujeto a las condiciones ( A) ⎨
⎪
⎪⎩ xi ≥ 0 con i = 1,2,..., k
Obsérvese que el problema MAX f es el mismo problema que MIN (-f). Entonces
el Problema 2 se puede transformar en un Problema 1, lo que exige verificar que (-f), g1,
g2, … , gr son diferenciables y convexas.
Ejemplo 1: Minimizar la función f(x, y) = (x – 4)2 + (y – 4)2 sujeto a las

⎧ 2.x + 3. y ≥ 6
restricciones ⎨ , x e y no negativas.
⎩3.x + 2. y ≤ 12
En primer lugar, vamos a llevar el problema a la forma (P). Para ello, la primera
restricción se trasforma en: - 2.x – 3.y ≤ - 6. En segundo lugar analicemos si f, g1 y g2 son
funciones diferenciables y convexas. g1 y g2 lo son porque se trata de funciones lineales.
Para saber si f lo es:
fx = 2.(x – 4)
fy = 2.(y – 4)
fxx = 2
fxy = 0
fyy = 2
f es diferenciable por ser un polinomio y también es convexa porque el

2 0
determinante de la matriz hessiana es positivo, H f = = 4 > 0 ∀(x,y) y la traza de
0 2
Hf también es positiva: Hf = 4 ≥ 0 ∀(x,y). Ahora se trata de encontrar los puntos (x, y)
que satisfagan a la vez las condiciones (A) y (B) según el teorema de Kuhn-Tucker. La
forma habitual de trabajo consiste en analizar las condiciones con signo de igualdad, y
luego, para los puntos obtenidos, verificar que se cumplan las condiciones con signo de
desigualdad.
Definimos: F(x, y, λ1, λ2) = (x – 4)2 + (y – 4)2 + λ1.(-2.x - 3.y + 6) + λ2.(3.x + 2.y - 12).
El mínimo absoluto debe satisfacer todas las condiciones siguientes.
⎧ ∂F
⎪ ∂x = 2.( x − 4) − 2.λ1 + 3.λ 2 = 0
⎪ ∂F
⎪ = 2.( y − 4) − 3.λ1 + 2.λ 2 = 0
⎪ ∂y
⎪ λ1 .(−2.x − 3. y + 6) = 0
⎪
⎪ λ 2 .(3.x + 2. y − 12) = 0
⎨ x≥0
⎪
⎪ y≥0
⎪ λ1 ≥ 0
⎪
⎪ λ2 ≥ 0
⎪ 2.x + 3. y ≥ 6
⎪
⎩ 3.x + 2. y ≤ 12
Se observa que la resolución del sistema de ecuaciones e inecuaciones si se trabaja

en forma ordenada analizando los siguientes casos exhaustivos y excluyentes:
CASO 1: λ1 = 0, λ2 = 0
CASO 2: λ1 = 0, λ2 ≠ 0
CASO 3: λ1 ≠ 0, λ2 = 0
CASO 4: λ1 ≠ 0, λ2 ≠ 0
CASO 1: λ1 = 0, λ2 = 0
Sistema de ecuaciones (las inecuaciones se verifican a posteriori)
⎧ 2.( x − 4) = 0
⎪2.( y − 4) = 0
⎨
⎪⎩
Se obtiene la raíz única: (x, y, λ1, λ2) = (4, 4, 0, 0), la cual no verifica la condición:
3.x + 2.y ≤ 12.
CASO 2: λ1 = 0, λ2 ≠ 0
⎧ 2.( x − 4) + 3.λ 2 = 0
⎪2.( y − 4) + 2.λ = 0
⎨ 2
⎪⎩ 3.x + 2. y − 12 = 0
⎛ 28 36 16 ⎞
Se obtiene la única raíz: ⎜ , ,0, ⎟ que verifica todas las condiciones dadas por las
⎝ 13 13 13 ⎠
inecuaciones del sistema.
CASO 3: λ1 ≠ 0, λ2 = 0
⎧2.( x − 4) − 2.λ1 = 0
⎪2.( y − 4) − 3.λ = 0
⎨ 1
⎪⎩ 2.x + 3. y − 6 = 0
Resulta en la única raíz λ1 < 0, y por tanto no verifica todas las condiciones del sistema.
CASO 4: λ1 ≠ 0, λ2 ≠ 0
⎧3.x + 2. y − 12 = 0
⎪
⎨
⎪⎩ 2.x + 3. y − 6 = 0
Resulta que en la única raíz es y = -6/5 < 0, y por tanto no verifica todas las condiciones
del sistema.
⎛ 28 36 16 ⎞
Entonces, la solución del problema es (x, y, λ1, λ2) = ⎜ , ,0, ⎟ . El valor
⎝ 13 13 13 ⎠
2 2
⎛ 28 36 ⎞ ⎛ 28 ⎞ ⎛ 36 ⎞ 832 64
mínimo de la función objetivo es: f ⎜ , ⎟ = ⎜ − 4 ⎟ + ⎜ − 4 ⎟ = = ≅ 4,9 .
⎝ 13 13 ⎠ ⎝ 13 ⎠ ⎝ 13 ⎠ 169 13
Interpretación geométrica: la función f(x, y) = (x – 4)2 + (y – 4)2 representa en el

espacio de tres dimensiones un parabaoloide cuyo vértice se ubica sobre el plano xy, en el
punto (4, 4). Como la función es f(x, y) ≥ 0 ∀(x, y), por ser suma de cuadrados, el
mínimo de la función sin restricciones se encuentra en (4, 4) y el valor mínimo de la
función es f(4, 4) = 0.
4 (4, 4)
36/13
2
3 4
28/13
Las restricciones determinan un dominio restringido para f en forma de

cuadrilátero con vértices en los puntos (3, 0), (4, 0), (0, 2) y (0, 6). El paraboloide crece
en todas las direcciones a medida que se aleja del punto (4, 4). El paraboloide encuentra
su mínimo en el dominio restringido en el punto (28/13, 36/13), que es un punto frontera,
dado por la restricción 3.x + 2.y ≤ 12, el más “cercano” al punto (4, 4).
Si el problema del Ejemplo 1 fuera de maximización en lugar de minimización,

¿cómo se podría resolver? ¿Se trata de un problema del tipo Problema 2? La respuesta es
negativa, porque la función (- f) en este caso no es convexa. Entonces, para resolver el
problema de maximizar f(x, y) = (x – 4)2 + (y – 4)2 sujeto a las condiciones del ejemplo,
sólo podría resolverse aplicando los resultados del caso general. En tal caso, la función
lagrangiana es:
F(x, y, λ1, λ2) = (x – 4)2 + (y – 4)2 + λ1.(- 6 + 2.x + 3.y) + λ2.(12 - 3.x - 2.y) + λ3.x + λ4.y
Los dos últimos multiplicadores corresponden a las restricciones x ≥ 0, y ≥ 0, que

en el caso general deben incorporarse en la función objetivo. Al resolver este problema se
encuentra que el máximo de la función es 20 y que hay dos puntos de máximo: en (0, 2) y
en (0, 6).
Ejemplo 2: El costo de producción de un producto industrial depende

exclusivamente de la horas de trabajo utilizadas y del capital disponible para la
producción (capital fijo más capital de giro). Las cifras refieren a un mes de producción.
Los costos unitarios son:
(t) = Horas de trabajo pt = U$S 4, precio de la hora de trabajo

(k) = Capital en miles pk = U$S 8, costo de U$S1.000 de capital en un mes
Se quiere minimizar el costo mensual de producción, C(t, k) = 4.t + 8.k. La

función de producción es del tipo Cobb-Douglas. La cantidad de unidades a producir (Q)
se expresa mediante la fórmula Q(t, k) = 5.t0,4.k0,6. Si se deben producir por lo menos
1.000 unidades por mes (por ejemplo, porque los clientes exigen ese mínimo mensual),
entonces las restricciones del problema son:
5.t0,4.k0,6 ≥ 1.000
t≥0
k≥0
Se trata de saber cuál es la dotación de capital y de trabajo a contratar para

minimizar el costo de producción. Se trata entonces de un problema de optimización con
restricciones de desigualdad. Veamos si es del tipo del Problema 1.
Función objetivo: C(t, k) = 4.t + 8.k
Restricciones: 5.t0,4.k0,6 ≥ 1.000

t≥0
k≥0
La función objetivo es diferenciable y convexa por ser una función lineal. La

función Q(t, k) = 5.t0,4.k0,6 es diferenciable a condición que t > 0 y que k > 0, lo que no
genera ningún problema desde el punto de vista de la interpretación: si no hay capital o
trabajo se supone que no hay producción. Sin embargo, estaríamos en problemas si la
solución implicara t = 0 o bien k = 0. Para que el problema sea del tipo 1 la primera
restricción la trasformamos así: - 5.t0,4.k0,6 ≤ - 1.000. Entonces la función g de la primera
restricción es g(t, k) = - 5.t0,4.k0,6. ¿Es convexa?
gt(t, k) = - 2.t-0,6.k0,6 gtt(t, k) = 1,2.t-1,6.k0,6 gtk(t, k) = - 1,2.t-0,6.k-0,4

gk(t, k) = - 3.t0,4.k-0,4 gkk(t, k) = 1,2.t0,4.k-1,4
Resulta ⎪Hg⎪= 1,44. t-1,2.k-0,8 ≥ 0 para todo t > 0, k > 0, y Traza(Hg) = 1,2.t-1,6.k0,6
+ 1,2.t .k-1,4 también no negativo para todo t > 0, k > 0. Entonces, g es una función
0,4
convexa. Estamos en las hipótesis del Problema 1.
F(t, k, λ) = 4.t + 8.k + λ.[- 5.t0,4.k0,6 – (-1.000)]
El método conduce al sistema:
⎧ 4 − λ.2.t −0,6 .k 0,6 = 0

⎪
⎪ 8 − λ.3.t .k
−0, 4
0, 4
=0
⎪
(
⎪λ . 1.000 − 5.t .k0 , 4 0
), 6
=0
⎨ 5.t .k ≥ 1.000
0, 4 0,6
⎪ t>0
⎪
⎪ k >0
⎪
⎩ λ≥0
El sistema tiene la raíz dada por t = 200.(4/3)0,6 ≅ 237,68 y k ≅ 178,26 con

λ ≅ 2,38. El mínimo de la función objetivo es C(237,68; 178,26) = U$S2.376,80. La
cantidad a producir en el óptimo es Q = 1.000 unidades. La producción de 1.000 unidades
a costo mínimo requiere contratar por mes unas 238 horas de trabajo y disponer de un
capital de U$S178.260.
Repartido Práctico 21.1: Optimización con restricciones de igualdad
(Lagrange)
Ejercicio 1
En los siguientes casos hallar los extremos absolutos de las funciones,
condicionados por las restricciones que se indican.
Función Restricciones
a) f(x,y) = x2 + 4y2 + 6 2x – 8y = 20
b) f(x,y,z) = x2 + y2 +z2 2x + y – z = 9
c) f(x,y,z) = x2 + y2 +z2 x+y+z=1 x-y+z=1
d) f(x,y,z) = x.y.z x + y + z = 12 x+y– z=0
e) f(x,y) = 4x2 – 4xy + y2 X+y=2
Ejercicio 2
Para cumplir con un pedido de 100 automóviles, una fábrica decide distribuir
la producción entre sus dos plantas de montaje. La función de costos es:
C(q1,q2) = 2q12 + 140q1 + 300q2 + 20.000
donde: q1 = cantidad de automóviles a producir en la planta 1

q2 = cantidad de automóviles a producir en la planta 2.
Determinar el número de automóviles a producir en cada planta de montaje de

forma de minimizar el costo de producción.
Ejercicio 3
La función de producción de una empresa es: f(t,k) = 12t +20k – t2 – 2k2. Los
costos de una unidad de trabajo (t) y capital (k) son respectivamente 4 y 8.
a) Si el presupuesto de la empresa es 88, determinar la combinación de factores que

maximiza la producción.
b) Calcular la producción máxima dada por la restricción.
c) Si la restricción fuera una desigualdad, del tipo Presupuesto ≤ 88, ¿se podría
obtener una producción aún mayor que la determinada en el punto anterior a
menor costo?
Ejercicio 4
Una empresa tiene un presupuesto para publicidad de $60.000 por mes, a repartir
entre radio y televisión. Si se gastan “x” pesos en radio y “y” pesos en televisión, se
estima que las ventas mensuales ascenderán a V = 90.x1/4.y3/4. ¿Cómo se deben asignar
los $60.000 del presupuesto publicitario para maximizar las ventas?
Repartido Práctico 21.1: Optimización con restricciones de igualdad
(Lagrange)
Ejercicio 5
La función de producción de un fabricante es: q = (1/16).[65 – 4(t-4)2 – 2(k-5)2],
con un costo de $4 por unidad de trabajo (t) y $8 por unidad de capital. El precio de venta
del producto es $32 por unidad.
a) Expresar la Utilidad en función de t y k.

b) Hallar el máximo relativo de la función de utilidad.
c) Maximizar la utilidad como función de q, t y k, mediante el método de los
multiplicadores de Lagrange, asumiendo como restricción la relación dada por la
función de producción.
d) El máximo relativo hallado en b), ¿es también el máximo absoluto?
Ejercicio 6
Un consumidor dispone de 48 unidades monetarias para gastar en cine y teatro en
el año. La entrada de cine cuesta 2 u. m. y la de teatro 3 u. m. La función de utilidad del
consumidor, en relación con estos productos es U(x,y) = x3.y3, donde x = número de
entradas de cine a consumir en el año y y = número de entradas de teatro en el año.
¿Cómo debe distribuir su presupuesto el consumidor para maximizar la utilidad?
Ejercicio 7
Sea U = f(x,y) una función de utilidad sujeta a la restricción presupuestaria C =
x.pX + y.py. Demostrar que para maximizar la satisfacción es necesario que:
f x ( x, y ) f y ( x, y )
λ= =
px py
donde fx(x,y) y fy(x,y) son las utilidades marginales de los productos X e Y. Se deduce
de lo anterior que la satisfacción máxima se obtiene cuando el consumidor distribuye su
presupuesto de forma que la utilidad marginal por unidad monetaria de X sea igual a la
utilidad marginal por unidad monetaria de Y. λ se denomina la utilidad marginal del
ingreso.
Repartido Práctico 21.2: Optimización con restricciones de desigualdad
(Kuhn-Tucker)
Ejercicio 1
Sea la función objetivo a minimizar: f(x,y) = 4.x2 + y2
sujeta a las restricciones: x + 2.y ≤ 4, x ≥ 0, y ≥ 1.
a) Probar que f es una función convexa

b) Hallar el mínimo absoluto de f sujeto a las restricciones.
Ejercicio 2
Sea la función objetivo a maximizar: f(x,y) = 20 - 4.x2 - y2
sujeta a las restricciones: x + 2.y ≤ 4, x ≥ 0, y ≥ 1.
a) Probar que -f es una función convexa.

b) Hallar el máximo absoluto de f sujeto a las restricciones.
Ejercicio 3
Sea la función de costos: C(t,k) = t2 + k2, sujeta a las restricciones: t + k ≥ 2, t ≥ 0
y k ≥ 0. Hallar la combinación de factores de costo mínimo.
Ejercicio 4
Retomar el Ejercicio 3 del Repartido Práctico 20.1. Maximizar la función de
producción, aplicando Kuhn-Tucker, utilizando la restricción presupuestaria con el
signo “≤”.
22. INTEGRALES DEFINIDAS MÚLTIPLES
Consideremos en primer lugar el caso de funciones que dependen de dos

variables.
El problema de las derivadas parciales consiste en encontrar unas funciones fx y

fy a partir de una función f dada. Podemos pensar en el problema inverso, que consiste
en encontrar alguna función cuya derivada parcial es fx ó fy.
Ejemplo: Sea fx(x, y) = 2.x.y + x2 + y2. ¿Es posible encontrar alguna función f
tal que fx(x, y) = 2.x.y + x2 + y2? La respuesta es afirmativa, pero la solución no es única.
Por ejemplo, f(x, y) = x2.y + x3/3 + x.y2 es una respuesta al problema. Pero f(x, y) =
x2.y + x3/3 + x.y2 + 5 es otra respuesta posible, y f(x, y) = x2.y + x3/3 + x.y2 + P(y),
donde P(y) es un polinomio cualquiera (que depende de “y” pero no de “x”) es otro
conjunto de respuestas posibles.
Entonces, las funciones de dos variables admiten varias primitivas respecto de una
variable y todas ellas no difieren en una constante tal como ocurre con funciones de una
sola variable.
La integral doble de una función f en un intervalo cerrado [a, b] para la variable

b d
“x”, y un intervalo cerrado [c, d] para la variable “y” se simboliza ∫ ∫ f ( x, y)dy.dx .
a c
Obsérvese que para identificar cuál es el intervalo de integración que corresponde a cada
variable, los límites de integración se escriben en un orden y los diferenciales en el orden
⎡
b d
⎤
inverso. Así, la integral doble también admite la notación: ∫ ⎢ ∫ f ( x, y )dy ⎥dx .
a ⎣c ⎦
Consideremos el caso particular: a < b, c < d y f(x, y) ≥ 0 ∀(x, y) del rectángulo
{a ≤ x ≤ b, c ≤ y ≤ d}. Desde el punto de vista geométrico, la integral doble de la función
en el rectángulo representa el volumen de un prismoide limitado por debajo por el plano
xy, lateralmente por los cuatro planos x = a, x = b, y = c, y = d, y en la parte superior por
el gráfico de la función f.
f(x, y)
c d
y
a
b
El procedimiento de cálculo de la integral doble en un rectángulo sigue las
siguientes reglas.
1º) Primitivar la función f(x, y) respecto de una de las variables (la que se indica en el
paréntesis recto o la primera que aparece en el orden de los diferenciales) tomando la
otra variable como constante. Sea F(x, y) tal que Fy(x, y) = f(x, y).
y=d
2º) Evaluar la primitiva F en y = c y en y = d: F ( x, y ) = g ( x) .
y=c
b
3º) Calcular ∫ g ( x).dx .
a
Observaciones
⎡d
b
⎤ ⎡
d b
⎤
1. En condiciones muy generales es ∫a ⎢⎣∫c f ( x , y ) dy ⎥
⎦
dx = ∫ ⎢ ∫ f ( x, y )dx ⎥dy . De
c ⎣a ⎦
manera que el cálculo se puede realizar primitivando primero respecto de “y” y
luego de “x” o viceversa.
2. El resultado de la integral doble en el rectángulo es un número. Si a < b, c < d y
f(x, y) ≥ 0, entonces dicho número se puede interpretar geométricamente como el
volumen de un prismoide.
3. La integral doble puede calcularse también si no se cumple alguna de las
condiciones a < b, c < d ó f(x, y) ≥ 0. En tales casos, la interpretación geométrica
no es tan obvia.
4. La existencia de la integral doble depende, como en el caso de integrales en una
sola variable, de la existencia de primitivas. El cálculo de la integral doble
depende de la factibilidad de encontrar primitivas, porque aún cuando existan, a
veces no es posible explicitarlas.
5. Las integrales dobles se pueden calcular en cualquier dominio de integración. El
rectángulo {(x, y): a ≤ x ≤ b, c ≤ y ≤ d}es sólo un caso particular.
Ejemplo 1: Calcular la integral doble de f(x, y) = (x – y)2 en el dominio de

integración {(x, y): x ≥ 0, y ≥ 0, x + y ≤ 1}.
La base del prismoide es ahora un

Triángulo. Cuando la “x” toma valores en
intervalo [0, 1], la “y” toma valores en el
intervalo [0, 1-x]. Entonces la integral y
⎡
1 1− x
⎤
∫0 ⎢⎣ ∫0 ( x − y) dy ⎥⎦ dx resuelve el problema.
2
1
1-x
x 1
⎡1− y
1
⎤
Obsérvese que ∫ ⎢ ∫ ( x − y ) 2 dx ⎥ dy también resuelve el problema. En este caso el
⎢0
0⎣ ⎦⎥
cálculo tiene el mismo grado de dificultad en cualquiera de las dos soluciones planteadas.
En otros ejemplos, una solución podría resultar más sencilla que otra. Calculemos la
integral propuesta en primer lugar como solución del problema.
1
⎡1− x ⎤ 1
⎡ (x − y )3 y = 1 − x ⎤ 1
⎡ (2.x − 1)3 x 3 ⎤ (2.x − 1)
4
x4 1 1
∫0 ⎣ ∫0 − = ∫0 ⎣ 3
− = ∫0 ⎣ − + = − + =
2
⎢ ( x y ) dy ⎥ dx ⎢ ⎥ dx ⎢ ⎥ dx
⎦ y=0 ⎦ 3 3⎦ 24 24 0 12
Ejemplo 2: Se trata de calcular el volumen de un cilindroide, cuya base es un

círculo de centro (0, 0) y radio 1 y que tiene por “tapa” el plano z = 1 + x + y. El dominio
de integración es el conjunto {(x, y): x2 + y2 ≤ 1}. Para plantear el problema se puede
utilizar la notación: ∫∫ (1 + x + y )dx.dy . Para calcular la integral es necesario explicitar
x 2 + y 2 ≤1
los límites de integración para cada variable.
+ 1− x2
-1 1 x
- 1− x 2
Obsérvese que si se hace variar la “x” en el intervalo [-1, +1], entonces la variable
“y” varía entre - 1 − x 2 y + 1 − x 2 . Entonces, el cálculo de la integral doble procede
así:
[ ]
1 ⎡ + 1− x 2 ⎤ 1 ⎡
y2 y = 1− x2 ⎤
1
∫−1 ⎢⎢ ∫ (12 + x + y)dy ⎥⎥ dx = −∫1 ⎢⎢ y + xy + 2 y = − 1 − x 2 ⎥⎥dx = −∫1 2. 1 − x + 2.x. 1 − x dx

2 2
⎣ − 1− x ⎦ ⎣ ⎦
Observando que el primer sumando del integrando es una función par y que el segundo es
impar, y que el intervalo de integración es simétrico, entonces la integral es igual a:
1
= ∫ 2. 1 − x 2 dx . Esta integral puede resolverse mediante el método de sustitución
0
π
utilizando el cambio de variable x = sen t. El resultado es π/4: ∫∫ (1 + x + y )dx.dy = 4 .
x 2 + y 2 ≤1
No hay inconveniente en generalizar el cálculo de las integrales dobles a dominios

infinitos. Las técnicas de primitivación se combinan con el cálculo de límites, tal como en
+∞+∞ +∞ 2
x
integrales de funciones con una sola variable. Ejemplos: ∫ ∫ e − x− y
dy.dx; ∫ ∫ 2 dx.dy .
0 0 −∞ 0 y + 1
El cálculo de integrales triples o con un número mayor de variables utiliza las
mismas técnicas de las integrales dobles: primitivación de la función integrando respecto
de una variable, tomando las demás como constantes. Por ejemplo, la integral triple
2 5 12
∫ ∫ ∫ (x )
− y.z + 4.x. y dz.dy.dx se debe entender así: primero se debe primitivar respecto
2
0 3 10
de la “z” y evaluar en el intervalo [10, 12], luego primitivar respecto de la “y” y evaluar
en el intervalo [3, 5], y finalmente primitivar respecto de la “x” y evaluar en [0, 2].
Repartido Práctico 22: Integrales Múltiples
Ejercicio 1
Calcular las siguientes integrales definidas.
2 2 1 3 1 1 2 3 2 2
a ) ∫ ∫ 4.x. y dydx b) ∫ ∫ y dydx c) ∫ ∫ 4 x dxdy d ) ∫ ∫ 8 x 3 dydx e) ∫ ∫ ( x + 2 y )dydx
1 0 −1 1 0 0 0 0 −2 0
3 t 3 x 2 4− y 2 2 x
f ) ∫ ∫ ( x 2 + xy )dxdy g ) ∫ ∫ (3.x 2 + 2.xy )dydx h) ∫ ∫ x dxdy i) ∫ ∫ ( x + y)dydx
0 0 0 0 0 0 −2 − x
2 3 2 y 1 2 3
j)∫ ∫ e x+ y
dxdy k )∫ ∫ e x+ y
dxdy m) ∫ ∫ ∫ 12.x. y 2 .z 2 dxdydz
0 1 0 1 0 0 0
Ejercicio 2
En Estadística, una función de densidad conjunta z = f(x,y), definida en una
región del plano Oxy, se representa por una superficie en el espacio de tres dimensiones.
Dicha función permite calcular probabilidades en cualquier rectángulo del plano Oxy, (a
≤ x ≤ b, c ≤ y ≤ d), mediante la fórmula:
d b
P(a ≤ x ≤ b, c ≤ y ≤ d) = ∫ ∫ f ( x, y ) dx dy
c a
La cual representa el volumen comprendido entre la superficie, el plano xy, y los cuatro
planos perpendiculares al xy determinados por: x=a, x=b, y=c, y=d.
a) Hallar P(0 ≤ x ≤ 1/2, 1/2 ≤ y ≤ 3/4) si f(x,y) = 1 definida en el cuadrado

(0 ≤ x ≤ 1, 0 ≤ y ≤ 1). Interpretar el resultado a partir del gráfico.
b) Hallar P(0 ≤ x ≤ 2, 1 ≤ y ≤ 2) si f(x,y) = e-x-y definida en el primer cuadrante del
plano xy.
c) Hallar P(3 ≤ x ≤ 4, 0 ≤ y ≤ 2) si f(x,y) = 12.e-4x-3y definida en el primer
cuadrante del plano xy.
d) Hallar P(x ≥ 1, y ≥ 2) si f(x,y) = 12.e-4x-3y definida en el primer cuadrante del
plano xy.
SOLUCIONES
REPARTIDO PRACTICO 1: TEORIA DE CONJUNTOS
EJERCICIO 1
a) A = { 3,4,5,6,7 }
b) B = { 8,9,10,11,12 }
c) C = { (4,1) , (5,2) , (6,3) , (7,4) , (8,5) }
d) (10, 7) ∈ C
e) E = { x/y / x es entero, y es entero , y > x , y ≠ 0 }
f) F = { x / 10/x ∈ N} por extensión F= { 1,2,5,10 }
g) G = { (A, Ju) , ( Ju ,A) , ( A, Jo ) , ( Jo, A ) , ( A, P ) , ( P, A ) , ( A, L ) , ( L, A ) ,
( Ju,J ) , ( J, Ju ) , ( Ju, P ) , ( P, Ju ) , ( Ju, L ) , (L, Ju ) , ( A, J ), (A,A) ,
(Ju,Ju) }
h) No
i) D = { 2,3,4} E = { 2,3,4,5,6,7,8,9 } D ⊂ E
j) F= φ
EJERCICIO 2
a) i) C A={x/x=2}
ii) B B={x/x=3}
iii) N C = { x / x = 6}
iv) φ D = { x / x es impar }
v) B
vi) { x/x = 3 e impar }
vii) φ
viii) A
b) i) D
ii) A
iii) ( N ) = φ
iv) ( φ ) = N
EJERCICIO 3
1
REPARTIDO PRACTICO 2: RELACIONES Y FUNCIONES
EJERCICIO 1
a) A x B = { ( M, P), (M,R), ( M, B) , (J,P), ( J, B) , (L,P), (L,R) , (L,B), ( A, P) ,

(A,R), ( A, B) }
EJERCICIO 2
a) AxB = { (1,0) , (1,2),(1,4),(1,6),(3,0),(3,2),(3,4),…………….(7,6)}

b) No
c) R1= { (1,29,(1,4),(1,6),(3,4),(3,6),(5,6)}
d) R2 = o
e) R3 = {(1,2),(3,6)}
f) R4= {(1,0),83,0),(3,4),(3,6),(5,0),(5,2),(5,4),(5,6),(7,0),(7,2),(7,4),(7,6)}
EJERCICIOS 3 Y 4
a) Función biyectiva
b) Función sobreyectiva , no es función inyectiva
c) d) e) No función
f) g) h) i)
EJERCICIO 5
Casos 1, 2, 3, 4, 5 - Si función
Casos 6, 7, 8 – No función
EJERCICIO 6
2
REPARTIDO PRACTICO 3.1: OPERACIONES CON NÚMEROS.
EJERCICIO 1
V F
a- x
b- x
c- x
d- x
e- x
f - x
g- x
h- x
i - x
j - x
k- x
l - x
m- x
n - x
o - x
p - x
EJERCICIO 2
a - 1.73
b - 1.73
c - 0.38
d - 1.51
e - 0.75
f - -1.5
g- 1
h - 0.04
i - 1.19
j - 1.62
k - 1.08
l - 1.61
m - 0.62
n - 1.36
o, p - 1
q - 4
r - 6.79
3
REPARTIDO PRACTICO 3.2: SUMATORIAS, COTAS Y EXTREMOS DE UN
CONJUNTO.
EJERCICIO 1
6
1. ∑ pi . qi = 1057
i=1
6
2. ∑ ci .qi = 752
i=1
6
3. ∑ (pi – ci) qi = 305
i=1
4. pi - ci
leche 1
vino 4
carne 10
pan chico 1
queso 18
yerba 5
5. (pi – ci) / pi (%)
leche 17
vino 20
carne 33
pan chico 50
queso 37.5
yerba 20
EJERCICIO 2
k
1. ∑ pi . qi
i=1
k
2. ∑ ci . qi
i=1
20
3. ∑ pi . qi
i=1
k
4. ∑ ci . qi
i=k-16
5. ∑ (pi – ci ) qi
i=1
6
6. ∑ (pi – ci ) / pi
i=1
7. 0.89
4
EJERCICIO 3
a) 78 ; b) 285 ; c) 112
EJERCICIO 4
50
a) ∑ 2i
i=1
38
b) ∑ (2i – 1)
i=1
10
c) ∑ 2i
i=0
12
d) ∑ (4i + 1)
i=4
10
e) ∑ (-2)i
i=1
11
f) ∑ ½ i
i=0
∞
g) ∑ ½ i
i=0
100
h) ∑ 1/i
i=1
∞
i) ∑ 2i/i!
i=0
EJERCICIO 5
Inferior superior
A 1 101
B 1 2
C 0 2
D 2 no existe
E 1 36
F 0 35
G -3 1
H no existe no existe
EJERCICIO 6
Area del hexágono = 0.072 L2 ; Area cuadrado = 0.062 L2
5
REPARTIDO PRACTICO 4: POLINOMIOS Y EXPRESIONES ALGEBRAICAS
EJERCICIO 1
a. 2x3 - 2x2 +3x – 4

b. -2x2 - 4x + 6; ½ x2 + x –3/2
3 2
c. 6x - 15x - 9x + 15
d. - 7x2 + 7x – 1
e. 2x5 + x4 - 11x3 + 10x2 - 5x + 3
EJERCICIO 2
a. x4 - 4x3 + 4x2
b. 4x6 - 4x4 + x2
c. x6 + 3/2 x5 + ¾ x4 + 1/8 x3
d. x4 - 4x2
EJERCICIO 3
a. (x + 1) / x2
b. 1 / x (x – 1)
c. (2x2 – 1) / (x + 1) x
d. (x2 – x +1) / (x2 - 1)
EJERCICIO 4
a. raíces: x = 1, x = -3; sgn (desde la derecha): + - +

b. raíces: x = 0, x = 2; sgn (desde la derecha): + + +
c. raíces: x = ±2, x = ±1; sgn (desde la derecha): + - + - +
EJERCICIO 5
a. 16x4 + 32x3 + 24x2 + 8x + 1

b. x12 - 12x11 + 60x10 - 160x9 + 240x8 - 192x7 + 64x6
6
REPARTIDO PRACTICO 5: ECUACIONES Y SISTEMAS DE ECUACIONES
EJERCICIO 1
a. I = 180
b. M = 1180
c. t = 6.5 (6 meses y medio)
EJERCICIO 2
t = 50
EJERCICIO 3
a. M = 1425.76
b. t = 13.71 (13 meses y 22 dias)
c. no se igualan nunca
EJERCICIO 4
A = 120
EJERCICIO 5
H=5
EJERCICIO 6
d Young d Cowling
a. 1.2 1.125
b. 1 1.083
c. E ≅ 10 y 1
EJERCICIO 7
x = 86.8; x = 33.2
EJERCICIO 8
a. t = 2
b. t = 1 (h = 25)
c. t = 1.5
EJERCICIO 9
a. año 1 = 11.6 %; año 2 = 8.7 %; año 3 = 5.6 %

b. i = 8.7 %
7
EJERCICIO 10
DIC 97 = 1 canasta/salario
DIC 98 = 1.014
DIC 99 = 0.967
EJERCICIO 11
x = 275
EJERCICIO 12
x=1
EJERCICIO 13
x = 0.34
Ancho = 9.66
Largo = 4.66
EJERCICIO 14
x = 60
EJERCICIO 15
CV = 3000
CF = 20000
EJERCICIO 16
x = 100
EJERCICIO 17
No contesta = 50
EJERCICIO 18
comisión = 2 % sobre ventas

salario fijo = 5000
EJERCICIO 19
8
REPARTIDO PRACTICO 6: INECUACIONES
EJERCICIO 1
raíces: x = 3, x = 2; sgn (desde la derecha): + - +

solución = { x / x < 2 o x > 3 }
EJERCICIO 2
RP = 6P + 8L = 600; a) p ≅ 47; b) p = 0; c) p = 100
EJERCICIO 3
raíces: x = -1, x = 0, x = 1; sgn (desde la derecha): + - - +

solución = { x / -1 ≤ x ≤ 1 }
EJERCICIO 4
raíces: x = ±2, x = ±3; sgn (desde la derecha): - + - + -

solución = { x / -3 ≤ x ≤ -2 o 2 ≤ x ≤ 3 }
EJERCICIO 5
raíces: x = 1, x = 2; sgn (desde la derecha): + - +

solución = { x / x < 1 o 2 ≤ x }
EJERCICIO 6
raíces: x = -1, x = 7; sgn (desde la derecha): + - -

solución = { x / -7 < x < -1 o x > -1 }
EJERCICIO 7
ex > x + 1 ∀x
9
PRACTICO 7: MATRICES Y DETERMINANTES
EJERCICIO 1
a) A2 = ⎡ -1 -4 ⎤
⎣
8 7 ⎦
A3 = A*A2 = ⎡ -9 -11 ⎤
⎣
22 13 ⎦
A*B = ⎡ -1 5 ⎤
⎣
3 -5 ⎦
b) det (A) = 5; det (B) = -2; det (A+B) = -3; det (A-B) = 9; det (A*B) = -10
c) det (C) = 5; det (C’) = 5; det (5C) = 625
EJERCICIO 2
a) X = ⎡ -2 -1 ⎤
⎣
-1 -4 ⎦
b) X = ⎡ 2 1 ⎤
⎣
1 4 ⎦
c) X = ⎡ 1/2 1 ⎤
⎣
3/2 2 ⎦
d) X = ⎡ 3 1 ⎤
⎣
5 3 ⎦
e) X = ⎡ 4 -2 ⎤
⎣
-5/2 3/2 ⎦
f) X = ⎡ 7/2 -3/2 ⎤
⎣
-4 2 ⎦
g) X = ⎡ -2 1 ⎤ = A-1
⎣
3/2 -1/2 ⎦
EJERCICIO 3
Se cumplen las propiedades conmutativa y distributiva del producto escalar de vectores

por cumplirse las propiedades en los números
EJERCICIO 4
B= ⎡ a b ⎤ matrices que cumplan: a = c y b = d

⎣
c d ⎦
EJERCICIO 5
det (A) = -2; det (B) = -2; det (A)*det (B) = 4 = det (A*B)
EJERCICIO 6
det (A*A-1) = det (A)*det (A-1) = det (I) ⇒ det (A)*det (A-1) = 1 ⇒
det (A-1) = 1 / det (A)
10
EJERCICIO 7
A2 = ½ * ⎡ -1 3 ⎤
⎣
- 3 -1 ⎦
A = A * A2 = I ;
3
A-1 = A2
EJERCICIO 8
T-1 = ⎡ 1/2 0 -1/2 ⎤

0 1/2 0
⎣
1/2 0 1/2 ⎦
EJERCICIO 9
a) A2 = ⎡ 0 1 1 ⎤ det (A) = 1
1 1 2
⎣
1 1 1 ⎦
3
A = ⎡ 1 1 2 ⎤
2 2 3
⎣
1 2 2 ⎦
3 2
b) A - 2A + A – I = 0
c) A-1 = (A – I)2
d) P = (A – I)-1 ; también verifica P = - (A – I)-1
EJERCICIO 10
a) M * M’ = ⎡ 21 11 ⎤ det (M * M’) = 89
⎣ ⎦
11 10
(M * M’) = 1/89 ⎡ 10 -11 ⎤
-1
⎣
-11 21 ⎦
b) se demuestra que no es una coincidencia; se verifica en matrices mxn y sus inversas
EJERCICIO 11
a) A2 = P D2 P-1 ; se demuestra haciendo A2

b) An = P Dn P-1 ; se demuestra haciendo An+1
EJERCICIO 12
C2 + C = I; C3 - 2C + I = 0 ; C + I = C-1
EJERCICIO 13
EJERCICIO 14
a) det (D)*det (D + I) = 1 ⇒ det (D) ≠ 0 ⇒ ∃ D-1

D-1 (D2 + D) = D-1 I ⇒ D + I = D-1
b) D3 = -I + 2D; D4 = 2I - 3D
11
EJERCICIO 15
a) A es idempotente (A = A2 ); se demuestra haciendo A2

b) A es idempotente en el caso particular
EJERCICIO 16
a) matriz de Leontief M= ⎡ 0.4 0.4 ⎤

⎣
0.3 0.2 ⎦
b) XA = 5000; XB ≅ 3333
EJERCICIO 17
a) det (A) = 6; det (B) = -6; det (C) = 1; det (D) = 1; det (E) = 0
b) r(A) = 3; r(B) = 3; r(C) = 4; r(D) = 4; r(E) = 1
EJERCICIO 18
a) si α ≠ 6 ⇒ det (A) ≠ 0 ⇒ r(A) = 2

si α = 6 ⇒ det (A) = 0 ⇒ r(A) = 1
b) si α ≠ 2 ⇒ det (B) ≠ 0 ⇒ r(B) = 3 ∀β
si α = 2 ⇒ det (B) = 0 ⇒ r(B) = 2 ∀β
12
PRACTICO 8: ESPACIOS VECTORIALES
EJERCICIO 1
Es un EV porque la suma de matrices verifica las propiedades asociativa, conmutativa,

existencia de neutro y opuesto; y el producto por un escalar verifica la asociativa, la
existencia de neutro y la distributiva (respecto a la suma de escalares y a la suma de
matrices)
EJERCICIO 2
λ1 = ½; λ2 = 1; λ3 = -2; λ4 = -3
EJERCICIO 3
a) por ej: v1 = (1 1 1 1); v2 = (-1 -1 -1 -1); v3 = (0 0 0 0); v4 = 2v1; v5 = 3v1

b) v1 = (1 0 1) combinación lineal (cl) de U; sistema compatible indeterminado (SCI)
c) si
d) no, todo vector de R3 es cl de U; SCI; U es generador de R3
EJERCICIO 4
Si, con λ1 = λ2 = 0 y λ3 ≠ 0
EJERCICIO 5
a) U es LI; sistema compatible determinado (SCD) con λ1 = λ2 = λ3 = 0

b) U continua siendo LI (teorema)
EJERCICIO 6
U es LD (puede ser λ ≠ 0)
EJERCICIO 7
U es LD
EJERCICIO 8
a) SCD con λ1 = 1 y λ2 = -1
b) U no es LI
c) SCI, vectores de W c.l. de U
d) W es un EV
e) si
f) no (porque es LD)
g) sacando vectores de U (hasta que sea LI)
13
EJERCICIO 9
a) SCD, con λ1 = 3, λ2 = 5 y λ3 = -3
b) U’ es LI; SCD con λ1 = λ2 = λ3 = 0
c) SCI ∀a b y c; U’ es generador
d) D(R3) = 3
e) U’ es LI y generador ⇒ U’ es base
EJERCICIO 10
a) generador de V1 = {x2, x, 1}
b) generador de V2 = { A, B, C, D }
A= ⎡ 1 0 ⎤
⎣
0 0 ⎦
B= ⎡ 0 1 ⎤
⎣
0 0 ⎦
C= ⎡ 0 0 ⎤
⎣
1 0 ⎦
D= ⎡ 0 0 ⎤
⎣
0 1 ⎦
c) V1 = { x2, x, 1} es LI (SCD) ⇒ base de V1 = { x2, x, 1}; D(V1) = 3
d) V2 = { A, B, C, D }es LI (SCD) ⇒ base de V2 = { A, B, C, D }; D(V2) = 4
EJERCICIO 11
a) V’ es un SEV
b) U = {( 1 0 -1), ( 0 1 -1)} es generador de V’ y es LI ⇒ U base de V’ (D(V’) = 2)
c) 2
d) 2
EJERCICIO 12
a) U = { ( 1 -1) } es generador de W y es LI ⇒ U base de W

b) D(W) = 1
EJERCICIO 13
a) P es SE de M
b) SCI si se cumple b + c = 0 (condición que define el SE) ⇒ A generador de P
c) SCI; es LI; D(P) = 4
14
PRACTICO 9: VALORES Y VECTORES PROPIOS. DIAGONALIZACION.
FORMAS CUADRATICAS
EJERCICIO 1
a) (A-1) T = (A-1) -1
b) AT *A = A* AT
c) (A*B)T = (A*B)-1
d) det (A) = ± 1
EJERCICIO 2
u = (1 2 -1); con a = ± 1 / 6 se normaliza

u = (3 4 0); con a = ± 1/5 se normaliza
u = (1 0 0); con a = ±1 se normaliza
EJERCICIO 3
a) La matriz Q es ortogonal
b) con:
a = ± 1 / 5 se normaliza el primer y segundo elemento del primer vector columna
respectivamente
a=±1 se normaliza el primer y segundo elemento del segundo vector columna
respectivamente
EJERCICIO 4
a) valores propios: λ1 = 0; λ2 = 5
b) vectores propios normalizados: asociado a λ1 = 0 : v1 = x2 (2 1)
asociado a λ2 = 5 : v2 = x1 (1 -2)
c) matriz Q diagonal: las columnas son los vectores propios normalizados
EJERCICIO 5
Matriz de la forma cuadrática X T A X

a) A= ⎡ 4 0 ⎤
⎣
0 9 ⎦
b) A= ⎡ 1 0 0 ⎤
0 1 0
⎣
0 0 1 ⎦
c) A= ⎡ 2 2 ⎤
⎣
2 -1 ⎦
EJERCICIO 6
a) x12 - 2 x1 x2 + 4x22 = 0
b)
15
EJERCICIO 7
a) definida +
b) definida +
c) definida -
d) definida -
e) semidefinida +
f) semidefinida +
g) indefinida
EJERCICIO 8
16

AAA - Matematica Aplicada A La Economia - Glejberman David

Cargado por

Copyright:

Formatos disponibles

AAA - Matematica Aplicada A La Economia - Glejberman David

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

AAA - Matematica Aplicada A La Economia - Glejberman David

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS SOCIALES

DIPLOMA EN ECONOMÍA PARA NO ECONOMISTAS

ASIGNATURA: MATEMÁTICA APLICADA A LA ECONOMÍA

MATERIAL DE CONSULTA Y CASOS PRÁCTICOS

Profesor: David Glejberman

Entre las aplicaciones a la Economía que se presentan en el curso cabe mencionar

Los ejercicios y casos prácticos han sido seleccionados de forma de contemplar

De esta forma se espera que los alumnos adquieran familiaridad con el

- Un conjunto queda bien definido cuando se conoce cuáles elementos le pertenecen.

Los conjuntos suelen denominarse en Matemática mediante las letras de nuestro

Ejemplo: el conjunto de los resultados posibles de una tirada de un dado es:

Esta forma de presentación textual del conjunto se denomina “por extensión”.

La forma gráfica más usual para representar un conjunto es el diagrama de Venn.

Cuando se trabaja con conjuntos de números, resulta muy útil la representación

Los elementos de un conjunto pueden ser personas, nombres, números y también

PA = {φ, {a}, {b}, {c},{a,b}, {a,c},{b,c},{a,b,c}}

Por convención, el conjunto vacío es “parte” de cualquier conjunto. ¿Qué

En relación con el ejemplo anterior, la notación apropiada sería:

La noción de “conjunto de conjuntos” es muy utilizada en Estadística. Por

Definición: Se dice que el conjunto A está incluido en otro conjunto B si se

El símbolo “∀” significa “para todo”. Si el conjunto B

Definición: Si se cumple a la vez que A ⊆ B y que B ⊆ A, entonces A = B. Esta es

- C1 = conjunto de individuos de Ω que pertenecen al conjunto A

La clase C2 se denomina “conjunto complementario de A Ω

Las clases C1 y C2 determinan una partición de Ω si se cumple que ambas son no

1. El universo es el conjunto de todos los individuos residentes de un país, y las

Definición: Dados dos conjuntos, A y B, se llama unión de A con B a otro

Notación: Unión de A con B = A ∪ B

Definición: Dados dos conjuntos, A y B, se llama intersección de A y B a otro

Propiedades de la intersección de conjuntos

Si la intersección de dos conjuntos es vacía, se dice que ambos conjuntos son

Propiedades que combinan unión e intersección

d) Demostrar, usando diagramas de Venn, las leyes de De Morgan.

Si A y B son finitos, entonces el número de elementos de AxB es el producto del

El producto AxB puede visualizarse en un diagrama de Venn, donde sus

Definición: Se llama relación de A en B a una terna ordenada [A, B, G] donde G

El gráfico de la relación es, por definición, un subconjunto del producto cartesiano

G1 = {(a,1), (a,2), (b,1), (b,2), (c,1), (c,2)}

Otro ejemplo: sea A el conjunto de todos los países de la Tierra y sea B el

R1 = a cada país de A se le hace corresponder su capital en B.

R2 = a cada país de A le corresponden en B todas las ciudades, de ese mismo país

Definición: Se llama función de A en B a toda “relación de A en B” que cumple

a) Todo elemento de A tiene su correspondiente en B en el gráfico de la función.

Notación: [A, B, f ] donde A es el dominio o conjunto de partida, B es el

Otro ejemplo: la relación que hace corresponder a cada número natural (A es el

En el gráfico de una función el primer componente del par se denomina

Notación: Si los conjuntos de partida y de llegada están sobreentendidos (por

En caso que dominio y codominio de la función sean conjuntos de números,

En el gráfico precedente se representan, en la intersección de las líneas punteadas,

Imagen de f = {z: z pertenece a B y existe x en A tal que f(x) = z}= f(A)

Definición: f es una función inyectiva de A en B si dos elementos distintos de A

f es inyectiva ↔ [x ≠ y → f(x) ≠ f(y)]

Ejemplo: la función f: f(x) = x2 es inyectiva si el dominio es el conjunto N (pues a

Definición: f es una función sobreyectiva si el conjunto imagen de f coincide con

Ejemplo: la función f: f(x) = x + 2, donde A y B son los números enteros, es

Definición: Se dice que una función es biyectiva si es a la vez inyectiva y

Definición: Sea f una función de A en B. Se denomina función inversa de f

Observación: no siempre existe la función inversa. Para que exista la función

[A, C, h] función compuesta de [A, B, f] y [B, C, g] ↔ h(x) = g[f(x)]