Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CalcDifAp PDF
CalcDifAp PDF
Enseanza de la Matemtica
Clculo Diferencial
y Aplicaciones
Prefacio
La importancia del Clculo en el mundo actual es enorme, ya que la ciencia
y la tecnologa modernas sencillamente seran imposibles sin l. Las leyes de
la naturaleza se expresan mediante ecuaciones que involucran funciones y sus
derivadas, y el anlisis de stas ecuaciones se realiza mediante las herramientas
del clculo. Por esa razn los cursos de esta disciplina aparecen en los planes de
estudio de todas las carreras cientficas y tcnicas.
Para la enseanza del Clculo existe una gran cantidad de libros de texto,
materiales audiovisuales y software educativo, todo lo cual se incrementa cada
ao ya que su comercializacin parece ser un buen negocio. Tambin hay abundante material disponoble gratuitamente en Internet. Sin embargo los resultados
alcanzados en los cursos por lo general no son satisfactorios. Un gran nmero de
aplazados, repitientes crnicos y desercin escolar parecen ser las caractersticas
constantes de estos cursos.
Estas notas se han escrito con el propsito de contribuir a la enseanza
del Clculo y lograr mejores rendimientos y logros acadmicos en los cursos.
Estn dirigidas a profesores de enseanza media y primeros aos de educacin
superior que estn dictando cursos de Clculo o tengan proyectado hacerlo. La
concepcin educativa que las anima es la siguiente:
1. No creemos que la funcin del profesor sea transmitir conocimientos, ni
que dicha transmisin sea posible. El conocimiento es algo que se construye em cada individuo a travs de un complejo proceso que el profesor
debe estimular, proponiendo diversas experiencias educativas. En el caso
de la matemtica, la resolucin de problemas por parte del alumno es una
actividad insustituible que el profesor debe propiciar cuanto pueda.
2. Es imposible que alguien aprenda algo si no desea aprenderlo. Es por eso
que la motivacin juega un papel sumamente importante en el proceso de
enseanza-aprendizaje.
3. El profesor de matemtica debe poseer un conocimiento profundo de su
materia, an cuando la enseanza deba adaptarse al nivel de sus alumnos.
Reconocemos, en algunos casos, la necesidad de la transposicin didctica,
pero sta debe partir de una seria formacin cientfica de los profesores.
4. Muchos conceptos matemticos actuales son el resultado de la evolucin
del pensamiento matemtico durante siglos. El conocimiento del proceso
histrico puede en muchos casos contribuir a la comprensin de esos conceptos, adems de mostrar que la matemtica es una actividad realizada
por los seres humanos y no una especie de verdad revelada e inmutable.
5. La tecnologa moderna, bien usada, puede aportar mucho al proceso de
enseanza-aprendizaje.
En base a las ideas anteriores se ha estructurado un curso con el nfasis
puesto en los siguientes aspectos, que lamentablemente se suelen descuidar:
1. La clarificacin de los conceptos y resultados bsicos.
2. Las aplicaciones, tanto dentro como fuera de la propia matemtica.
3. El desarrollo histrico de la disciplina y las implicaciones del mismo sobre
su enseanza.
4. Las posibilidades didcticas de algunos recursos tecnolgicos modernos.
Aunque se han hecho esfuerzos por escribir un texto autocontenido, no se
trata de un curso introductorio. Se da por supuesto que el lector est familiarizado al menos con el clculo elemental de lmites y las reglas de derivacin. Por
razones de tiempo y espacio no se cubre el clculo integral, aunque hay numerosas referencias al mismo e incluso se tratan y resuelven por vas alternativas
algunos problemas que se consideran tpicos del clculo integral.
Como material de apoyo y para mostrar su potencial didctico se han diseado algunas plantillas en GeoGebra que ilustran varios de los conceptos y
problemas estudiados. Las mismas se hallan disponibles en
http://mipagina.cantv.net/jhnieto/apcal/
(GeoGebra es un software libre y de plataformas mltiples que permite interactuar dinmicamente con la matemtica, en un mbito en que se renen la
Geometra, el Algebra y el Clculo. Su sitio web es http://www.geogebra.org)
El signo
al comienzo de un prrafo o en un ejercicio advierte de una curva
peligrosa en el curso del pensamiento. El material as marcado puede pasarse
por alto en una primera lectura.
El autor.
iii
ndice general
1. Perspectiva histrica
1.1. Antecedentes . . . . . . .
1.2. El nacimiento del Clculo
1.3. Crecimiento y desarrollo .
1.4. Rigor y Fundamentacin .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
5
8
8
2. Conceptos Bsicos
2.1. Los nmeros reales . . . . . . . . . . . . . . . . . . . . . . .
2.2. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1. Operaciones con funciones . . . . . . . . . . . . . . .
2.2.2. Extremos, crecimiento y decrecimiento de funciones
2.3. Lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Lmites laterales e infinitos . . . . . . . . . . . . . .
2.3.2. Operaciones con lmites . . . . . . . . . . . . . . . .
2.3.3. Asntotas . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4. Lmites de sucesiones . . . . . . . . . . . . . . . . . .
2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1. Operaciones con funciones continuas . . . . . . . . .
2.4.2. Propiedades de las funciones continuas . . . . . . . .
2.5. Derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1. Derivadas laterales . . . . . . . . . . . . . . . . . . .
2.5.2. Interpretacin geomtrica . . . . . . . . . . . . . . .
2.5.3. Interpretacin cinemtica . . . . . . . . . . . . . . .
2.5.4. Propiedades de las funciones derivables . . . . . . .
2.5.5. Derivadas de orden superior . . . . . . . . . . . . . .
2.5.6. Infinitsimos e infinitos . . . . . . . . . . . . . . . .
2.5.7. Frmula de Taylor . . . . . . . . . . . . . . . . . . .
2.6. Funciones convexas . . . . . . . . . . . . . . . . . . . . . . .
2.7. Teorema fundamental del Clculo . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
18
19
20
21
21
23
26
27
28
30
30
33
34
34
35
36
43
44
45
48
51
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. Mximos y mnimos
55
3.1. Crecimiento y decrecimiento de una funcin . . . . . . . . . . . . 55
3.2. Extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3. Extremos globales . . . . . . . . . . . . . . . . . . . . . . . . . . 57
iv
58
62
64
4. Aplicaciones matemticas
4.1. Grficas de funciones . . . . . . . . . . . . . . . . . .
4.2. Races de ecuaciones . . . . . . . . . . . . . . . . . .
4.3. Longitud de arco . . . . . . . . . . . . . . . . . . . .
4.4. Funciones vectoriales . . . . . . . . . . . . . . . . . .
4.5. Curvas parametrizadas . . . . . . . . . . . . . . . . .
4.5.1. Curvas regulares . . . . . . . . . . . . . . . .
4.5.2. Involutas y evolutas . . . . . . . . . . . . . .
4.5.3. Trayectorias de una bicicleta . . . . . . . . .
4.5.4. Envolvente de una familia de rectas . . . . .
4.5.5. Coordenadas polares . . . . . . . . . . . . . .
4.6. Desigualdades . . . . . . . . . . . . . . . . . . . . . .
4.6.1. Desigualdad de Jensen . . . . . . . . . . . . .
4.6.2. Desigualdad aritmtico-geomtrica . . . . . .
4.6.3. Desigualdad entre medias generalizadas . . .
4.6.4. Desigualdades de Young, Hlder y Minkowski
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
69
70
72
73
75
77
80
84
86
89
90
90
91
93
5. Aplicaciones fsicas
5.1. Movimiento en un campo constante .
5.2. Desintegracin radioactiva . . . . . .
5.3. Ecuaciones diferenciales . . . . . . .
5.4. Ecuacin de la catenaria . . . . . . .
5.5. El Teorema de Torricelli . . . . . . .
5.6. La cicloide es tautcrona . . . . . . .
5.7. El problema de la braquistcrona . .
5.8. Las leyes de Kepler . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
96
96
98
100
105
106
108
110
111
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
116
116
116
117
118
120
121
121
.
.
.
.
.
.
.
123
Bibliografa
131
ndice alfabtico
132
vi
Captulo 1
Perspectiva histrica
La derivada fue primero usada; luego fue descubierta; luego
fue explorada y desarrollada y finalmente fue definida.
Judith V. Graviner [4]
El clculo infinitesimal, o simplemente el Clculo, como se le llama comnmente, es sin duda alguna uno de los grandes logros intelectuales de la humanidad. La amplitud y alcance de sus aplicaciones ha hecho que sea materia
obligada en los planes de estudio de casi todas las carreras cientficas y tcnicas.
A pesar de que existe una inmensa variedad de libros de texto y recursos de
todo tipo para su estudio, su enseanza y aprendizaje no estn libres de escollos, sobre todo debido a la dificultad que presenta, para muchos estudiantes, la
comprensin de algunos de sus conceptos fundamentales, como el de lmite.
Ahora bien, resulta interesante comprobar que la mayor parte del desarrollo
del clculo y sus primeros xitos en la resolucin de variados problemas matemticos y de otras disciplinas, durante los siglos XVII y XVIII, se realiz antes de
disponer de definiciones precisas de los conceptos fundamentales. Varios ejemplos particulares de lo que hoy llamamos derivadas fueron usados por Fermat y
otros para resolver diversos problemas durante la primera mitad del siglo XVII.
Durante la segunda mitad de ese siglo, Newton y Leibniz identificaron los conceptos subyacentes a los ejemplos mencionados, dando as origen al nacimiento
del clculo. Durante el siglo XVIII el clculo continu desarrollndose vigorosamente, as como sus aplicaciones matemticas y fsicas. Y fue recin en el siglo
XIX cuando Cauchy y Weierstrass dieron definiciones precisas de los conceptos
bsicos y convirtieron el clculo en una teora matemtica rigurosa.
En este captulo nos ocuparemos brevemente de estos aspectos histricos, que
tienen implicaciones de inters para la enseanza del clculo. En efecto, conocer
la gnesis de un concepto o resultado, puede ayudar a motivarlo. Conocer el
orden en el cual una disciplina se desarroll (que, en el caso del Clculo, es
prcticamente el inverso al que siguen los libros de texto) ayuda a entender el
porqu de las definiciones bsicas. El orden expositivo es sin duda lo que le da
Perspectiva histrica
1.1.
Antecedentes
1.1 Antecedentes
Perspectiva histrica
curva al que se aplicaba era la circunferencia, para la cual una recta es tangente
si y slo si tiene un nico punto en comn con ella (las rectas secantes tienen dos
puntos en comn con la circunferencia y las exteriores ninguno). Pero ya para
la parbola la situacin es ms complicada, ya que las rectas paralelas al eje la
cortan en un solo punto, igual que las tangentes. Se agreg entonces a la nocin
de tangente la condicin de que la recta no atravesara la curva. Para curvas
ms generales, esta definicin tampoco resulta apropiada. Intuitivamente, las
tangente comenzaron entonces a considerarse como secantes para las cuales los
puntos de contacto se aproximaban indefinidamente uno al otro hasta coincidir.
A pesar de que nadie era capaz de explicar con precisin este proceso mediante el cual las secantes se convertan en tangentes, Fermat (y otros matemticos
del siglo XVII como Descartes, John Wallis e Isaac Barrow) utilizaron la idea
para calcular efectivamente tangentes.
El mtodo, aplicado a una curva de ecuacin y = f (x), consista en considerar la recta secante que pasa por dos puntos (x, f (x)), (x + h, f (x + h)) y
calcular su pendiente
f (x + h) f (x)
.
h
(1.1)
f (x) = x3 x + 3 calculaban
f (x + h) f (x)
h
=
=
=
(x + h)3 (x + h) + 3 (x3 x + 3)
h
x3 + 3x2 h + 3xh2 + h3 x h + 3 (x3 x + 3)
h
3x2 h + 3xh2 + h3 h
= 3x2 + 3xh + h2 1,
h
1.2.
Perspectiva histrica
R
notacin dy/dx.R Del mismo modo su notacin y dx para la integral sugiere una
suma (el signo es una S estilizada) de cantidades infinitesimales y dx.
En segundo lugar, tanto Newton como Leibniz establecieron lo que ahora se
llama el Teorema Fundamental del Clculo, segn el cual la derivacin y la integracin son operaciones mutuamente inversas. Veamos cmo Newton visualizaba
este resultado.
K(x,v)
H(x+h,v)
C(x,y)
x+h
1.3.
Perspectiva histrica
Crecimiento y desarrollo
Aunque las crticas de Berkeley eran correctas, a la mayor parte de los matemticos de su poca no les preocupaban: estaban ms interesados en aplicar
las nuevas y poderosas herramientas a la solucin de problemas matemticos
y fsicos de todo tipo. Por ejemplo, la segunda ley de Newton expresada en el
lenguaje del clculo afirma que F = m
x, donde F representa la fuerza que acta
sobre una masa puntual m en la posicin x y x representa la aceleracin. Por
otra parte Robert Hooke (16351703) haba hallado la ley de la elasticidad que
hoy lleva su nombre, la cual, como se acostumbraba en la poca, public en
forma de anagrama en latn: ceiiinosssttuv, cuyo significado es Ut tensio sic vis
(como la extensin, as la fuerza). En otras palabras, la fuerza de recuperacin
F de un resorte estirado es proporcional al estiramiento x, o F = kx. Igualando estas dos expresiones, Euler (17071783) estableci en 1739 la ecuacin
diferencial de un resorte vibrante
m
x + kx = 0,
y la resolvi, hallando que la solucin involucra a las funciones trigonomtricas
seno y coseno. Euler tambin estudi, al igual que DAlembert, Daniel Bernoulli
y otros matemticos, la ecuacin diferencial de las cuerdas vibrantes (que involucra una funcin de dos variables y sus derivadas parciales). Este problema
condujo a extensas discusiones sobre la definicin de funcin y la naturaleza de
la continuidad.
Aunque el concepto de funcin es uno de los ms
importantes de toda la matemtica, en su sentido tcnico no aparece sino hasta fines del siglo XVII, en la
correspondencia entre Leibniz y Johann Bernoulli. La
notacin f (x) se debe a Euler, en cuya obra Introductio in analysin infinitorum, publicada en 1748, este
concepto ocupa un rol central, aunque aparece todava ligado al de representacin analtica. En 1755, en
su Institutiones calculi differentialis, el mismo Euler
da una definicin ms general.
Algunos otros temas atacados con xito durante
esta poca fueron la mecnica de los cuerpos rgidos,
la mecnica celeste y la hidrodinmica. As, a mediaFigura 1.7: Euler
dos sel siglo XVIII, las ecuaciones diferenciales ya se
haban convertido en la herramienta matemtica ms
importante de la fsica.
1.4.
Rigor y Fundamentacin
10
Perspectiva histrica
lmite, tratando de evitar las dificultades lgicas que encerraban los incrementos
evanescentes, pero nunca propuso una definicin aceptable de esta nocin. El
primero en precisar el concepto de lmite fue Cauchy, en su Cours dAnalyse
(Paris, 1821). A diferencia de sus predecesores, Cauchy evit la cuestin de si
una variable poda alcanzar o sobrepasar su lmite. Y aunque su definicin es
todava verbal, en sus demostraciones utiliza la caracterizacin algebraica de los
lmites, mediante desigualdades. De hecho, Cauchy es quien utiliza por primera
vez la hoy famosa notacin -. Y entonces, en 1823, define la derivada como el
lmite (cuando existe) del cociente de diferencias (f (x + h) f (x))/h cuando h
tiende a 0.
Despus de Cauchy, el Clculo comenz a ser visto desde una perspectiva
diferente. De mero conjunto de poderosos mtodos se convirti en una disciplina
matemtica rigurosa, con buenas definiciones y teoremas cuyas pruebas se basan
en las definiciones.
En 1856 Karl Weierstrass (18151897) comenz
a trabajar en la Universidad de Berlin. En el curso de Introduccin al Anlisis que dict entre 1859
y 1860 encar el problema de los fundamentos. En
sus teoremas utiliz la tcnica - de Cauchy, pero
reemplazando la definicin verbal de los lmites por
desigualdades, y haciendo una distincin clara entre
la convergencia puntual y la uniforme, lo cual a Cauchy se le haba pasado por alto. De esta manera logr una presentacin sistemtica y completamente rigurosa del Clculo. Aunque Weierstrass no public
sus conferencias, sus alumnos (entre quienes estaban
Georg Cantor, Eduard Heine, Mittag-Leffler, Salvatore Pincherle, Hermann Schwartz y Sofia Kowalevska- Figura 1.10: Weierstrass
ya, entre otros) diseminaron su enfoque riguroso por
toda Europa. Su publicacin en 1872 de un ejemplo de funcin continua que no
es derivable en ningn punto muestra su completo y profundo dominio de los
conceptos fundamentales del anlisis matemtico. Este descubrimiento perturb
a muchos matemticos, que consideraban a este tipo de funciones contrarias a la
intuicin como patolgicas. En una direccin contraria el mismo Weierstrass
prob, a los 70 aos de edad, que toda funcin continua en un intervalo cerrado
y acotado puede ser aproximada uniformemente, con la precision que se desee,
por medio de funciones polinmicas.
Para finalizar esta breve resea histrica es interesante mencionar que el
punto de vista original de los creadores del clculo ha resurgido modernamente en el llamado anlisis no estndar de Abraham Robinson (ver [10]), teora
matemticamente rigurosa que se desarrolla en un cuerpo no arquimediano de
nmeros hiperreales que, junto a los reales estndar, contiene infinitsimos e infinitos. Incluso se ha argumentado que la presentacin del clculo basada en este
punto de vista es ms intuitiva y fcil de comprender que el enfoque tradicional
- (ver por ejemplo [7]).
Captulo 2
Conceptos Bsicos
En este captulo se revisan los conceptos y resultados bsicos del clculo
diferencial. Su contenido no refleja la forma en que el autor piensa que debe
ensearse el Clculo, sino ms bien lo que ste cree que un profesor de Clculo
debera saber.
Un curso de Clculo para estudiantes que lo vean por primera vez requerira
de mucha ms motivacin, ejemplos y ejercicios. Adems, el grado de formalidad
y rigor debera adaptarse al nivel y objetivos del curso. No debe olvidarse que
la mayor parte del Clculo se desarroll antes de poseer definiciones formales
de los conceptos bsicos (como los de nmero real y lmite), y por lo tanto un
curso para estudiantes interesados en aplicar el clculo no necesita detenerse en
los aspectos ms sutiles de su fundamentacin.
Como se supone que el lector ya est ms o menos familiarizado con estos
temas, las demostraciones que se incluyen son bastante concisas y esquemticas.
Los ejercicios, ms que a desarrollar habilidades especficas, estn destinados a
refrescar la memoria del lector o a llamar la atencin sobre puntos interesantes
o delicados. Para una exposicin ms completa el lector puede consultar la
bibliografa, por ejemplo [2], [9] o [13].
2.1.
Para el desarrollo riguroso del clculo son imprescindibles los nmeros reales.
Pero hasta la segunda mitad del siglo XIX no hubo una definicin formal ni
un tratamiento riguroso de los nmeros reales, de modo que se puede decir
que los creadores del clculo y los matemticos que lo desarrollaron en sus
primeros dos siglos, lo hicieron a pesar de poseer tan slo una comprensin
intuitiva de los nmeros reales. Esta nocin intuitiva asimilaba un nmero real a
la medida de una magnitud (longitud, rea, tiempo, etc.) e inclua la posibilidad
de aproximarlo con cualquier grado de precisin mediante fracciones, o mediante
expresiones decimales finitas. Tambin se aceptaba que, fijados un origen O y un
punto A en una recta, a cada punto B de la recta se le puede hacer corresponder
12
Conceptos Bsicos
13
14
Conceptos Bsicos
A9. 1 6= 0.
A10. a (b + c) = a b + a c para todos los a, b, c R.
A11. Para a, b, c R, si a < b y b < c entonces a < c.
A12. Si a, b R, una y slo una de las siguientes afirmaciones es cierta:
(i) a < b, (ii) a = b, (iii) b < a.
A13. Para a, b, c R, si a < b entonces a + c < b + c.
A14. Para a, b, c R, si a < b y 0 < c entonces a c < b c.
A15. Cualquier subconjunto de R no vaco y acotado superiormente tiene una
cota superior mnima.
La mayora de estos axiomas corresponden a conocidas propiedades: A1 y
A2 son las propiedades asociativa y conmutativa de la suma, A3 dice que el 0
es neutro para la suma, A4 afirma la existencia de un opuesto aditivo para cada
a R, A5 y A6 son las propiedades asociativa y conmutativa para el producto,
A7 dice que 1 es neutro para el producto, A8 afirma la existencia de un inverso
multiplicativo para cada a 6= 0, A10 es la propiedad distributiva, A11 es la
transitividad de <, A12 es la tricotoma, A13 y A14 son la monotona de <
respecto a la suma y el producto, y A15 es el axioma de completitud, tambin
llamado principio del supremo.
Los axiomas A1...A10 caracterizan la estructura algebraica llamada cuerpo.
A11 y A12 son los axiomas de una relacin de orden. A13 y A14 relacionan
el orden con la estructura algebraica. Los axiomas A1...A14 caracterizan a los
llamados cuerpos ordenados. Si se pone el cuerpo Q de los nmeros racionales
en lugar de R en los axiomas A1...A14, todos se satisfacen. El axioma A15 en
cambio es caracterstico de los nmeros reales, y enseguida lo trataremos con
mayor detenimiento.
El enfoque axiomtico plantea varias preguntas importantes, entre las cuales
cabe destacar: (1) Existe algn conjunto R con las propiedades especificadas
por los axiomas? (2) Admitiendo que exista, es esencialmente nico? (3) Los
axiomas son consistentes?, es decir, no podr derivarse de ellos alguna contradiccin?
La respuesta a la primer pregunta es que, a partir del sistema de los nmeros
naturales o de la teora de conjuntos, se pueden construir modelos de R que
satisfacen todos los axiomas. Esto da una respuesta parcial a la tercera pregunta,
ya que reduce la consistencia del sistema de los nmeros reales a la consistencia
de la aritmtica, o de la teora de conjuntos. Y decimos que la respuesta es
parcial porque estas dos ltimas teoras no se sabe si son consistentes.
La respuesta a la segunda pregunta es que estos axiomas realmente caracterizan a los nmeros reales, en el sentido de que cualquier par de sistemas que los
satisfagan son isomorfos, tanto algebraicamente como desde el punto de vista
del orden.
15
16
Conceptos Bsicos
17
supuesto es 2).
Sean a, b R con a b. Llamaremos intervalo abierto con extremos a y b al
conjunto
(a, b) = {x R : a < x < b}.
Anlogamente se define el intervalo cerrado con extremos a y b como
[a, b] = {x R : a x b},
y los intervalos semiabiertos (o semicerrados): [a, b) = {x R : a x < b} y
(a, b] = {x R : a < x b}.
Tambin consideraremos los intervalos no acotados abiertos (a, +) = {x
R : a < x} y (, a) = {x R : x < a}, y los cerrados: [a, +) = {x R : a
x} y (, a] = {x R : x a}. En general llamaremos intervalo a cualquiera
de los anteriores y al propio R. El interior de un intervalo I es el mayor intervalo
abierto contenido en l, y se denota I . Por ejemplo [a, b] = [a, b) = (a, b] =
(a, b), [a, +) = (a, +).
Un subconjunto A de R se dice que es convexo si para cualquier par de
elementos a < b de A se cumple [a, b] A.
Ejercicio 2.3. Pruebe que los subconjuntos convexos de R son precisamente
los intervalos.
Si a R y > 0, se llamar entorno abierto de centro a y radio al intervalo
Ua () = (a , a + ). Aunque el trmino entorno se utiliza a veces en un sentido
ms general, en estas notas se entender siempre por entorno de a un entorno
abierto de centro a. Llamaremos semientorno derecho (resp. izquierdo) de a a
un intervalo de la forma [a, a + ) (resp. (a , a]).
Se llamar entorno reducido abierto de centro a y radio al conjunto Ua () =
Ua ()\ {a} = (a , a)(a, a+ ), que se obtiene de Ua () suprimiendo al propio
a. Anlogamente, se llama semientorno reducido derecho (resp. izquierdo) de a
a un intercalo de la forma (a, a + ) (resp. (a , a)).
Ejercicio 2.4. Si A R llamemos A al conjunto {x : x A}. (a) Pruebe
que c R es cota superior de A si y slo si c es cota inferior de A. (b) Pruebe
que c = sup A si y slo si c = nf A.
Ejercicio 2.5. Demuestre el Principio del nfimo a partir del Principio del
supremo, y viceversa.
Ejercicio 2.6. Si A, B R son acotados superiormente, entonces sup(A+B) =
sup A + sup B.
18
2.2.
Conceptos Bsicos
Funciones
2.2 Funciones
19
1 x2
,
2x 1
y se pide hallar el dominio. Estrictamente hablando esto no tiene mucho sentido, pues para que una funcin est bien definida, se debe especificar cules son
su dominio y su codominio. En realidad lo que se pretende en estos casos es que
se halle el subconjunto ms grande posible de R en el cual la expresin dada
permita definir una funcin. Por ejemplo la expresin anterior tiene sentido si
1 x2 0 y 2x 1 6= 0, es decir si |x| 1 y x 6= 1/2. Por lo tanto se puede
definir una
funcin f con dominio [1, 1/2) (1/2, 1] y codominio R mediante
f (x) = 1 x2 /(2x 1).
2.2.1.
Las funciones a valores reales pueden combinarse mediante operaciones aritmticas para formar nuevas funciones. As, si f es una funcin y c R una
constante, se definen las funciones f y cf (con el mismo dominio que f ) mediante (f )(x) = f (x) y (cf )(x) = cf (x). Si f y g son funciones reales con
dominios Df y Dg , respectivamente, se definen f + g y f g en Df Dg mediante
(f + g)(x) = f (x) + g(x) y (f g)(x) = f (x)g(x). Tambin se puede definir f /g
mediante (f /g)(x) = f (x)/g(x), en Df {x Dg : g(x) 6= 0}.
20
Conceptos Bsicos
1. f es inyectiva si y slo si existe g : B A tal que g f = IdA .
2. f es sobreyectiva si y slo si existe g : B A tal que f g = IdB .
2.2.2.
2.3 Lmites
2.3.
21
Lmites
2.3.1.
22
Conceptos Bsicos
23
2.3 Lmites
2.3.2.
Los lmites se comportan bien con respecto a las operaciones que se pueden
realizar con funciones, tales como suma, producto, composicin, etc. Sin embargo, hay algunos detalles que hay que tomar en cuenta para no incurrir en
errores.
Teorema 2.1. Dadas f : Uc R y g : Ua Uc , si lmxa g(x) = c y
lmxc f (x) = L, entonces lmxa f (g(x)) = L.
Demostracin. Dado un entorno W de L, como lmxc f (x) = L, existe un
entorno reducido Vc Uc tal que f (Vc ) W . Y como lmxa g(x) = c, existe
un entorno reducido Va Ua tal que g(Va ) Vc , y ms an g(Va Vc .
Entonces (f g)(Va ) = f (g(Va )) f (Vc ) W .
Ejercicio 2.23. Sea f : R R definida como f (x) = 1 si x 6= 0 y f (0) = 0,
y sea g : R R la funcin constante g(x) = 0. Entonces lmx0 g(x) = 0 y
lmx0 f (x) = 1, pero lmx0 f (g(x)) = 0. Contradice esto al Teorema 2.1?
Teorema 2.2. Sean f y g funciones reales definidas en un entorno reducido de
c. Si existen lmxc f (x) = K y lmxc g(x) = L, entonces
lm (f (x) + g(x))
= K + L,
lm (f (x) g(x))
= K L,
xc
xc
lm (f (x)g(x))
xc
= KL.
Y si K > 0, entonces
lm f (x)g(x) = K L .
xc
24
Conceptos Bsicos
La prueba de este teorema es estndar y puede hallarse en cualquier texto.
25
2.3 Lmites
26
Conceptos Bsicos
x
1
<
.
sen x
cos x
(a) lm
1 cos x
1
= ,
2
x0
x
2
(b) lm
1 cos x
= 0.
x0
x
(c) lm
2.3.3.
Asntotas
27
2.3 Lmites
Ejemplo 2.10. Sea f (x) = x/(1 + ex ) + x/(x 1). Obviamente hay una
asntota vertical x = 1. Como
lm
x+
f (x)
1
1
= lm
+ lm
= 1 + 0 = 1,
x
x+
x+
x
1+e
x1
lm (f (x) x)
x+
=
=
x
x
lm
+
x
x+ 1 + ex
x1
xex
x
lm
+
= 0 + 1 = 1,
x+ 1 + ex
x1
1
1
f (x)
= lm
+ lm
= 0 + 0 = 0,
x 1 + ex
x+ x 1
x
lm f (x) = lm
x
x
+
x
1+e
x1
= 0 + 1 = 1,
2.3.4.
Lmites de sucesiones
28
Conceptos Bsicos
2.4.
Continuidad
2.4 Continuidad
29
30
2.4.1.
Conceptos Bsicos
x0
log(1 + x)
= 1.
x
2.4.2.
A continuacin se enuncian algunos de los resultados ms importantes relacionados con funciones continuas.
Teorema 2.6 (Constancia local del signo).
Si f : I R es continua, c I y f (c) > 0, entonces existe un entorno V de
c tal que f (x) > 0 para todo x V . Anlogamente, si f (c) < 0 entonces existe
un entorno V de c tal que f (x) < 0 para todo x V .
La prueba es muy sencilla. Si f (c) > 0 entonces, tomando = f (c), por
la continuidad de f se tiene que existe > 0 tal que, si |x c| < , entonces
|f (x) f (c)| < = f (c), es decir f (c) < f (x) f (c) < f (c), de donde
0 < f (x) < 2f (c). Por lo tanto si |x c| < , ewntonces f (x) > 0. La prueba
para el caso f (c) < 0 es anloga.
2.4 Continuidad
31
32
Conceptos Bsicos
lancha a las 4pm y regresa a las 6pm. Pruebe que en algn momento entre las
4pm y las 5pm Francisca y Gabriel se encuentran a igual distancia del muelle.
Ejercicio 2.34. Pruebe que si f : I R es continua, entonces tiene la Propiedad de Darboux , es decir que dado cualquier intervalo [a, b] I, f toma en
[a, b] todos los valores comprendidos entre f (a) y f (b).
Ejercicio 2.35. Pruebe que si I es un intervalo y f : I R es continua (o
ms en general, si tiene la propiedad de Darboux) entonces f (I) es tambin un
intervalo.
Ejercicio 2.36. Sea f : I R continua e inyectiva. Pruebe entonces que f es
estrictamente montona, y que su inversa f 1 : f (I) I tambin es continua.
Ejercicio 2.37. Podra pensarse que la Propiedad de Darboux caracteriza a las
funciones continuas. Pruebe que no es as, construyendo una funcin que tenga
dicha propiedad pero que no sea continua, al menos en un punto.
Existir alguna funcin f : [0, 1] R con la propiedad de Darboux que no
sea continua en ningn punto?
Ejercicio 2.38. Sea f : I R una funcin continua. Sean x1 , x2 , . . . , xn puntos
de I. Pruebe que existe un punto c I tal que
f (c) =
Teorema 2.8.
Si f : [a, b] R es continua entonces es acotada.
Demostracin. Sea A = {x [a, b] : f ([a, x]) es acotado}. Como a A, A no
es vaco, y est acotado superiormente por b. Entonces existe c = sup A. Por la
continuidad de f existe un > 0 tal que |f (x) f (c)| < 1 si |x c| < . Por la
proiedad del supremo debe existir x (c, c]A. Como f est acotada en [a, x]
y tambin en [x, c+)[a, b], se sigue que est acotada en [a, c+)[a, b]. Si fuese
c < b entonces f estara acotada en un intervalo [a, d] con d > c, contradiciendo
la definicin de c. Por lo tanto c = b f est acotada en [a, b].
Una consecuencia importante de este resultado es el siguiente:
Teorema 2.9 (Weierstrass).
Si f : [a, b] R es continua entonces tiene mximo y mnimo en [a, b].
Demostracin. Como f ([a, b]) es acotado, existen M = sup f ([a, b]) y m =
nf f ([a, b]). Hay que probar que f efectivamente toma los valores M y m. Supongamos por absurdo que f (x) 6= M para todo x [a, b]. Entonces la funcin
g(x) = 1/(M f (x)) sera continua en [a, b], pero obviamente no acotada, contradiciendo el teorema anterior. Anlogamente se llega a una contradiccin si se
supone que f (x) 6= m para todo x [a, b].
Finalmente enunciaremos sin demostracin el siguiente teorema:
33
2.5 Derivadas
2.5.
Derivadas
Definicin 2.7. Sea f una funcin definida en un intervalo abierto que contenga
al nmero real a. Si existe
f (x) f (a)
lm
xa
xa
y es finito, se dice que f es derivable en a; al valor del lmite se le llama derivada
de f en a y se denota f (a). Si el lmite es infinito se dice que f tiene derivada
infinita en a.
Efectuando el cambio de variable h = x a, la derivada puede definirse en
forma equivalente como
f (a) = lm
h0
f (a + h) f (a)
.
h
xa
f (x) f (a)
xa
xa
f (x) f (a)
lm (x a) lm
= 0 f (a) = 0.
xa
xa
xa
lm (x a)
h0
(x + h) (x)
= lm 0 = 0.
h0
h
h0
x+hx
f (x + h) f (x)
= lm
= lm 1 = 1.
h0
h0
h
h
g (x) = lm
34
Conceptos Bsicos
k (x) = lm
e) Sea h(x) = sen x. Como sen(x + h) = sen x cos h + sen h cos x se tiene
h(x + h) h(x)
sen h
1 cos h
=
cos x
sen x
h
h
h
y por lo tanto
h (x) = lm
h0
sen h
1 cos h
cos x lm
sen x = 1 cos x 0 sen x = cos x.
h0
h
h
Ejercicio
2.39. Calcular, a partir de la definicin, las funciones derivadas de
2.5.1.
Derivadas laterales
xa+
f (x) f (a)
,
xa
2.5.2.
Interpretacin geomtrica
35
2.5 Derivadas
a2
a2
+ a(x a) = ax .
2
2
Ahora bien, si es el ngulo que forma la recta F P con el eje Ox, entonces
tg = (a2 /2 1/2)/a = a/2 1/(2a), y si es el ngulo que forma la tangente
con el eje Ox, entonces tg = a. Por lo tanto
tg(M P N ) = tg( ) =
=
a + a1
1 + a2
tg() tg()
=
1 + tg() tg()
a
2
1
2
+
+
1
2a
a2
2
y entonces M P N = N P Q.
De aqu se deduce la conocida propiedad de los espejos parablicos: los rayos
paralelos al eje, una vez reflejados pasan por el foco. Segn Plutarco, Arqumedes
utiliz esta propiedad para defender a Siracusa, su ciudad natal, de los romanos:
hizo construir grandes espejos en forma de paraboloides de revolucin, capaces
de concentrar los rayos solares sobre las naves enemigas hasta quemarlas.
2.5.3.
Interpretacin cinemtica
36
Conceptos Bsicos
y(t)).
2.5.4.
Reglas de derivacin
Las siguientes afirmaciones son bien conocidas y se prueban fcilmente a
partir de la definicin de la derivada y las propiedades de los lmites.
1. Si f es derivable en a y k es una constante, entonces kf es derivable en a
y (kf ) (a) = kf (a).
2. Si f y g son derivables en a entonces f + g es derivable en a y (f + g) (a) =
f (a) + g (a).
37
2.5 Derivadas
x0
(f g)(a + h) (f g)(a)
h
g(a + h) g(a)
f (a + h) f (a)
lm g(a + h) + f (a) lm
= lm
x0
x0
x0
h
h
= f (a)g(a) + f (a)g (a).
Las dos primeras propiedades nos dicen que la derivacin es una operacin
lineal. De ellas se deduce, por induccin, que si f1 , f2 ,. . . ,fn son funciones derivables en a y k1 , k2 ,. . . ,kn son constantes, entonces
(k1 f1 + k2 f2 + + kn fn ) (a) = k1 f1 (a) + k2 f2 (a) + + kn fn (a).
Ejemplo 2.17. Como (sen x) = cos x y (cos x) = sen x, entonces
(tg x)
=
=
sen x
y f (c) = 0.
Teorema 2.11 (Teorema de Rolle).
Si f es una funcin continua en el intervalo [a, b], derivable en (a, b) y tal que
f (a) = f (b) = 0, entonces existe un c (a, b) tal que f (c) = 0.
38
Conceptos Bsicos
39
2.5 Derivadas
equivalentes ya que se puede demostrar el teorema del valor medio a partir del
teorema de Rolle. Para ello consideremos la funcin auxiliar
g(x) = (b a)(f (x) f (a)) (f (b) f (a))(x a).
Como g(a) = g(b) = 0, por el teorema de Rolle g (c) = 0 para algn c (a, b).
Pero g (x) = (ba)f (x)(f (b)f (a)), por lo tanto (ba)f (c)(f (b)f (a)) =
0, y f (c) = (f (b) f (a))/(b a).
Ejemplo 2.18. Los excesos de velocidad en las carreteras generalmente se detectan mediante sistemas de radar basados en el efecto Doppler, o mediante
rayos infrarrojos, pero se ha propuesto otro sistema basado en el teorema del
valor medio. Si se colocan en una autopista dos cmaras fotogrficas separadas,
por ejemplo, 10 kilmetros, y se detecta que un automvil tarda menos de 5
minutos en recorrer esos 10 km, sabremos que su velocidad media es mayor que
120 km/h, y entonces en algn punto del recorrido su velocidad instantnea
habr tenido que superar los 120 km/h.
Ejercicio 2.40. Pruebe que la funcin derivada no puede tener discontinuidades
evitables. Ms precisamente: si f es derivable en (a, b) y para un c (a, b) existe
lmxc f (x) = L, entonces f (c) = L.
Derivacin de funciones compuestas
Teorema 2.13 (Regla de la cadena).
Si g es derivable en a y f es derivable en g(a), entonces f g es derivable en
ay
(f g) (a) = f (g(a))g (a).
Demostracin. Por el teorema del valor medio, para cada h existe algn (h)
comprendido entre g(a) y g(a + h) tal que
f (g(a + h)) f (g(a)) = f ((h))(g(a + h) g(a)),
por lo tanto
lm
h0
g(a + h) g(a)
f (g(a + h)) f (g(a))
= lm f ((h)) lm
= f (g(a))g (a).
h0
h0
h
h
Ejemplo 2.19. Como (sen x) = cos x y (x2 +1) = 2x, por la regla de la cadena
se tiene que (sen(x2 + 1)) = 2x cos(x2 + 1).
Ejercicio 2.41. Es vlido probar la regla de la cadena tomando lmites cuando
h 0 a ambos lados de la igualdad
f (g(a + h)) f (g(a))
f (g(a + h)) f (g(a)) g(a + h) g(a)
=
?
h
g(a + h) g(a)
h
40
Conceptos Bsicos
=
=
f 1 (f (x)) f 1 (f (c))
xc
f (x) f (c)
xc
1
lm
= .
xc f (x) f (c)
f (c)
lm
1
1
=
.
1 + x2
1 + tg2 (arc tg x)
ex ex
2
ex + ex
= ch x,
2
se tiene
(argsh x) =
1
1
1
=p
=
.
2
ch(argsh x)
1 + x2
1 + (sh(argsh x))
41
2.5 Derivadas
f (x)
f (a)
=
.
xa g(x)
g (a)
lm
(b) Si las derivadas f y g existen y no se anulan ni se hacen infinitas simultneamente en un entorno reducido de a y existe lmxa f (x)/g (x), entonces
tambin existe lmxa f (x)/g(x) y se cumple
f (x)
f (x)
= lm
.
xa g(x)
xa g (x)
lm
Demostracin. (a)
f (x)
(f (x) f (a))/(x a)
f (a)
= lm
=
.
xa g(x)
xa (g(x) g(a)/(x a)
g (a)
lm
42
Conceptos Bsicos
Ejemplo 2.22.
x tg x
1 (1 + tg2 x)
1
= lm
= lm
3
x0
x0
x0
x
3x2
3
lm
tg x
x
2
1
= .
3
x0
x sen x
1 cos x
sen x
1
= lm
= lm
= .
x0
x0 6x
x3
3x2
6
x
1
x2 + 1
= lm
.
lm
=
l
m
2x
x+
x+
x
x2 + 1 x+ 2
2 x +1
x
x2 + 1
,
= lm
lm
x+
x+
x
x2 + 1
y volvemos al principio. Sin embargo este lmite es elemental:
x
1
lm
= lm q
2
x+
x +1
1+
x+
1
x2
= 1.
x0 (sen x)
x0
cos x
lm
2.5 Derivadas
43
Primitivas
Teorema 2.17. Si f : I R es continua y derivable en I , entonces f (x) = 0
para todo x I si y slo si f es constante.
Demostracin. Ya vimos que una funcin constante tiene derivada nula. Recprocamente, si f (x) = 0 para todo x I y f no fuese constante, entonces
existiran reales a < b tales que f (a) 6= f (b), y por el teorema del valor medio
para algn punto c entre a y b se tendra f (c) = (f (b) f (a))/(b a) 6= 0, lo
cual es absurdo.
Definicin 2.8. Una funcin F es primitiva de otra f , si F es derivable y
F = f.
Teorema 2.18. Si F es una primitiva de f , entonces G tambin lo es si y slo
si G F es constante.
Demostracin. Si F es primitiva de f y G F = C (constante) entonces G =
(F + C) = F = f , y G es tambin primitiva de f . Recprocamente, si tanto F
como G son primitivas de f , entonces (G F ) = G F = f f = 0, y por el
corolario anterior G F es constante.
Este teorema nos muestra que para conocer todas las primitivas de una funcin f , es suficiente conocer una cualquiera de ellas, digamos F . Todas las dems
son de la forma F + C, donde C R es una constante arbitraria.
Ejemplo 2.23. x2 es una primitiva de 2x, ya que (x2 ) = 2x. Entonces las
primitivas de 2x son todas las funciones de la forma x2 + C, donde C es una
constante arbitraria.
Ejercicio 2.44. Halle una primitiva de 3x2 5 que en 2 tome el valor 7.
2.5.5.
44
Conceptos Bsicos
(uv)
n
X
n (nk) (k)
=
u
v .
k
k=0
2.5.6.
Infinitsimos e infinitos
1/ x es un infinito para x 0+ .
Comparacin de infinitsimos e infinitos
Si f y g son funciones definidas en un entorno reducido de a (que puede
ser , + o ), la notacin de Landau f = O(g) para x a significa que
existen un entorno reducido V de a y una constante K tales que |f (x)| K|g(x)|
para todo x V . Por ejemplo sen x = O(x) para x 0 ya que | sen x| |x| para
todo x 6= 0. Hay que tener algo de cuidado con esta notacin, ya que muchas
funciones pueden ser O(g), pero esto no quiere decir que sean iguales!
Si f y g son infinitsimos o infinitos definidos en un entorno reducido de a,
entonces se dice que son del mismo orden si f es O(g) y g es O(f ) . Esto sucede,
en particular, si existe lmxa f (x)/g(x) 6= 0.
f es de orden n respecto a g si f es del mismo orden que g n . Por ejemplo
1 cos x es de segundo orden respecto a x, para x 0, ya que lmxa (1
cos x)/x2 = 1/2 6= 0.
Si lmxa f (x)/g(x) = 1 entonces se dice que f y g son equivalentes y se
escribe f g. Observe que si lmxa f (x)/g(x) = 6= 0 entonces f (x) g(x).
45
2.5 Derivadas
=
=
f (x)
f (x)
=
l
m
=
xa n(x a)n1
xa n(n 1)(x a)n2
lm
1
f (n1) (x) f (n1) (a)
f (n1) (x)
=
lm
xa n!(x a)
n! xa
xa
lm
= f (n) (a) = 0.
2.5.7.
Frmula de Taylor
n
X
(x a)k (k)
f (a)
k!
k=0
(x a)2
(x a)n (n)
f (a) + +
f (a)
2!
n!
46
Conceptos Bsicos
Rn;f ;a (x) se ha definido para que se cumpla. Pero si se logra identificar alguna
propiedad interesante de Rn;f ;a (x) entonces se tiene una forma del Teorema de
Taylor. Aqu slo veremos dos variantes de este teorema.
Teorema 2.20 (Teorema de Taylor I).
Si f es n veces derivable en un entorno de a, entonces
f (x) = Tn;f ;a (x) + o((x a)n ).
(j)
Tn;f ;a (x) =
n
X
(x a)kj
k=j
(k j)!
f (k) (a)
(j)
f (n+1) (c)
(x a)n+1 .
(n + 1)!
(x t)2
(x t)n (n)
(x t)n+1
f (t) + +
f (t) +
R.
2!
n!
(x a)n+1
(x t)2
f (t)
2!
(x t)n1 (n)
(x t)n (n+1)
(x t)n
f (t) +
f
(t) (n + 1)
R
(n 1)!
n!
(x a)n+1
(x t)n (n+1)
(x t)n
f
(t) (n + 1)
R.
n!
(x a)n+1
47
2.5 Derivadas
Pero observemos que F (a) = F (x) = f (x), entonces por el teorema del valor
medio F (c) = 0 para algn c entre a y x, es decir que
0=
y finalmente
(x c)n (n+1)
(x c)n
f
(c) (n + 1)
R
n!
(x a)n+1
R=
(x a)n+1 (n+1)
f
(c).
(n + 1)!
X
(x a)k (k)
(x a)2
f (a) = f (a) + (x a)f (a) +
f (a) +
k!
2!
k=0
x
(1 x)2
1+x
(1 + x)
ex
log(1 + x) =
sen x =
cos x =
arc tg x =
n=0
n=1
xn = 1 + x + x2 +
(1)n (2n)!
x x2
x3
n
x
=
1
+
+
para |x| < 1
(1 2n)4n (n!)2
2
8
16
n=0
X
( 1) ( n + 1) n
x
n!
n=0
X
xn
x
x2
x3
=1+ +
+
+
n!
1!
2!
3!
n=0
para todo x R
X
(1)n n
x2
x3
x4
x =x
+
+
n
2
3
4
n=1
X
x
x3
x5
(1)n
x2n+1 =
+
(2n + 1)!
1!
3!
5!
n=0
X
(1)n 2n
x2
x4
x =1
+
(2n)!
2!
4!
n=0
para todo x R
X
(1)n 2n+1
x3
x5
x
=x
+
2n + 1
3
5
n=0
para |x| 1
48
Conceptos Bsicos
f (x) = 3 e
, f (x) = 4 + 6 e1/x ,
x
x
x
f (x) =
24 36
8
7+ 9
x5
x
x
e1/x , . . .
2
e1/x
um
=
l
m
= 0,
u+ eu
x0 x2m
lm
lm Pn (1/x)e1/x = 0.
x0
Esto prueba que f tiene derivadas de todos los rdenes en 0, y todas son nulas.
Por lo tanto la serie de Taylor de f es 0 + 0 + 0 + = 0, y no es igual a f sino
en 0.
2.6.
Funciones convexas
49
yu
ux
f (x) +
f (y),
yx
yx
.
ux
yu
Si b, d > 0 entonces las desigualdades entre fracciones a/b < c/d, a/b < (a +
c)/(b + d) y (a + c)/(b + d) < c/d son equivalentes, por lo tanto se tiene que:
Teorema 2.22. f : I R es convexa si y slo si para puntos x, u, y cualesquiera en I tales que x < u < y, se cumple alguna de las desigualdades equivalentes
siguientes
f (u) f (x)
ux
f (u) f (x)
ux
f (y) f (u)
yu
f (y) f (x)
,
yx
f (y) f (u)
,
yu
f (y) f (u)
.
yu
50
Conceptos Bsicos
f (y) f (x)
f (y ) f (y + )
yx
51
2.7.
52
Conceptos Bsicos
y = f(x)
K(x,v)
H(x+h,v)
C
A(x)
a
x+h
53
54
Conceptos Bsicos
por lo tanto
ab
sen(2t)
(t
) + C,
2
2
donde C es constante. Evaluando en t = 0 se tiene 0 = A(0) = C, y entonces
A(a sen t) =
ab
sen()
ab
)= (
)=
,
2
2 2
2
4
Captulo 3
Mximos y mnimos
En este captulo se aplican las herramientas bsicas del clculo para estudiar
los extremos locales y globales de las funciones. ste es un tema de enorme
importancia en las aplicaciones, que se presenta cada vez que se desea maximizar
el rendimiento de un proceso, o minimizar las prdidas o los riesgos. Incluso las
leyes naturales se expresan muchas veces en trminos de mximos y mnimos.
3.1.
56
Mximos y mnimos
Ejercicio 3.2.
Si f : [a, b] R es continua y estrictamente creciente y
derivable en (a, b), puede afirmarse que f (x) > 0 para todo x (a, b)?
Si se puede descomponer el dominio de una funcin en intervalos tales que,
en cada uno de ellos, la funcin sea creciente o decreciente, se logra una buena
comprensin del comportamiento de la funcin. Sin embargo esto no siempre es
posible. Por ejemplo la funcin
(
x2 sen(1/x) si x 6= 0,
f (x) =
0
si x = 0,
no es creciente ni decreciente en ningn intervalo abierto o semiabierto que
contenga al 0.
3.2.
Extremos locales
Hay varios mtodos para hallar los extremos locales de una funcin. El primero se basa en una observacin trivial:
Si a < c < b y f es montona creciente en (a, c] y montona decreciente en [c, b), entonces f alcanza un mximo local en c.
Anlogamente, si f es montona decreciente en (a, c] y montona
creciente en [c, b), entonces f alcanza un mnimo local en c.
Ejemplo 3.2. Los intervalos de crecimiento y decrecimiento hallados para
f (x) = x3 + 3x2 24x + 7 en el Ejemplo 3.1 nos permiten afirmar que esta
funcin tiene un mximo local en 4 y un mnimo local en 2.
En el captulo anterior, lema 2.1, vimos que si f : (a, b) R es una funcin derivable y presenta un extremo local en c (a, b), entonces f (c) = 0.
Lamentablemente el recproco de este resultado no se cumple. Por ejemplo si
f (x) = x3 entonces f (x) = 3x2 y f (0) = 0, pero f es creciente en todo R y no
tiene ningn extremo local. Sin embargo, en el caso de que exista f (c) se tiene
el siguiente resultado.
Teorema 3.2 (Criterio de la segunda derivada).
Si f (c) = 0 y f (c) > 0 (resp. f (c) < 0), entonces f tiene un mnimo (resp.
mximo) local en c.
Demostracin. Probemos el caso f (c) > 0. Como f (x) = f (c) + f (c)(x c) +
f (c)(x c)2 + o((x c)2 ) y f (c) = 0, se tiene que f (x) f (c) f (c)(x c)2 =
o((xc)2 ). As lmx0 (f (x)f (c)f (c)(xc)2 )/(xc)2 = 0, por lo tanto existe
> 0 tal que si |xc| < entonces |(f (x)f (c))/(xc)2 f (c)| < f (c)/2, de
donde se sigue que (f (x)f (c))/(xc)2 > f (c)/2 > 0.Entonces f (x)f (c) > 0
si |x c| < y f tiene un mnimo local en c.
Ms en general, se puede probar que
57
3.3.
Extremos globales
51 x + 49 x si 0 x 1,
f (x) = 5 x 1 + 4 9 x si 1 x 9,
5 x 1 + 4 x 9 si 9 x 10,
58
Mximos y mnimos
1 x 4/ 9 x si 0 < x < 1,
5/
f (x) = 5/ x 1 4/ 9 x
si 1 < x < 9,
5/ x 1 + 4/ x 9
si 9 < x < 10.
fp
(0) = 17, f (10)
=
19,
f
(1)
=
4
8
11,31,
f
(9)
=
5
8
y
f (241/41) =
p
p
5 200/41
+
4
128/41
=
82
2/41
18,11,
se
concluye
que
el
mnimo es
3.4.
59
2500
2500
< 625 <
+4
a
b
+
.
sen cos
El mnimo de esta funcin en (0, /2) nos dar la longitud mxima que puede tener una barra para pasar por el codo. Como f es continua en (0, /2)
y lmx0+ f () = lmx/2 f () = +, debe tener mnimo absoluto y se
alcanza en un punto crtico de f . Ahora bien, la derivada
f () =
a cos b sen
a cos3 + b sen3
+
=
2
2
sen
cos
sen2 cos2
60
Mximos y mnimos
q
q
b
a
+
= a 1 + ctg2 1 + b 1 + tg2 1
sen 1
cos 1
q
q
2 3
2
2
2
2
2
2
2
3
3
3
3
a
a +b +b
b 3 + a 3 = (a 3 + b 3 ) 2 ,
61
El problema de Heron
En el plano se dan dos puntos A y B a un mismo lado de una recta r. Para
qu punto P de r es mnima la suma AP +P B? Este problema tiene una solucin
Es claro que f (x) < 0 si x < 0 y f (x) > 0 si x > 0. Por lo tanto el punto mnimo
debe pertenecer al intervalo [0, b]. Para hallarlo hay que resolver la ecuacin
x
bx
= p
,
2
2
x +a
(x b)2 + c2
62
Mximos y mnimos
3.5.
Ley de Snell
(x b)2 + c2
AP
PB
x2 + a2
+
=
+
.
f (x) =
v1
v2
v1
v2
Como f es positiva y tiende a + cuando x podemos asegurar que tiene
mnimo, y ste se alcanza en un punto singular. Derivando resulta
f (x) =
y derivando una vez ms
f (x) =
x
xb
+ p
2
2
v1 x + a
v2 (x b)2 + c2
a2
c2
+
> 0.
v1 (x2 + a2 )3/2
((x b)2 + c2 )3/2
63
Por lo tanto f es
estrictamente creciente, y como f (0) = b/(v2 b2 + c2 ) < 0
= p
,
(3.1)
v1 x2 + a2
v2 (x b)2 + c2
que se reduce a una ecuacin de cuarto grado, y se puede resolver por mtodos
numricos.
Es interesante observar que, si llamamos i y r a los ngulos que forman AP
y P B con la normal a s por P , entonces la ecuacin 3.1 equivale a
sen i
sen r
=
.
v1
v2
Esta relacin es idntica a la ley de la refraccin de la luz al pasar de un medio
transparente a otro, llamada Ley de Snell en honor al astrnomo y matemtico holands Willebrord Snell (15801626). Llamando ndice de refraccin al
cociente n = c/v entre la velocidad c de la luz en el vaco y la velocidad v de la
luz en el medio cuyo ndice se calcula, la Ley de Snell puede enunciarse como
n1 sen i = n2 sen r,
donde n1 y n2 son los ndices de refraccin de los medios 1 y 2 (el ndice de
refraccin del vaco naturalmentte es 1, el del aire es 1,00029, el del diamante
2,417 y el del agua, a 20 C, es 1,333).
Fermat dedujo la ley de Snell como lo hicimos nosotros ms arriba, a partir
del hoy llamado Principio de Fermat, segn el cual la luz viaja de un punto a
otro siguiendo una trayectoria que minimiza el tiempo empleado.
64
3.6.
Mximos y mnimos
Con todo y lo poderoso que es el Clculo para resolver problemas de extremos, algunas veces mediante mtodos elementales se pueden resolver con menor
esfuerzo. Por eso es bueno estar atentos y reflexionar un poco sobre la naturaleza del problema antes de lanzarse a calcular derivadas mecnicamente. A
continuacin examinaremos algunos ejemplos.
Ejemplo 3.12. Hallar el mnimo absoluto de f (x) = |x3 3x2 + 4|.
Solucin: Como f (1) = 0 y el valor absoluto es siempre mayor o igual que
cero, el mnimo absoluto es 0.
Ejemplo 3.13. Con 4 m de alambre formar un rectngulo de rea mxima.
Solucin: Si los lados del rectngulo son x e y, entonces 2x + 2y = 4, y = 2 x
y el rea es A(x) = x(2 x) = 1 (x 1)2 , por lo tanto el mximo es 1 y se
alcanza para x = 1, es decir para el cuadrado. La nica tcnica que usa esta
solucin es la de completar cuadrados, que es efectiva para cualquier polinomio
de segundo grado.
Ejemplo 3.14. Construir una caja en forma de prisma recto de base rectangular, con volumen 1 y superficie total mnima.
Solucin: Si los lados del prisma son x, y, z entonces hay que minimizar S(x, y, z)
= 2(xy + yz + zx), con la condicin xyz = 1. Este es un problema de extremos
condicionados en varias variables, que no hemos tratado en estas notas, sin embargo para resolverlo es suficiente conocer la desigualdad aritmtico-geomtrica
(si no la recuerda vea el Teorema 4.4, pg. 91). En efecto,
p
xy + yz + zx 3 3 (xyz)2 = 3,
Captulo 4
Aplicaciones matemticas
En este captulo se ilustran varias aplicaciones del clculo diferencial a diversas cuestiones matemticas.
4.1.
Grficas de funciones
66
Aplicaciones matemticas
2E-14
1,5E-14
1,2E-14
1E-14
8E-15
5E-15
4E-15
0
-1,004
-1,002
-1
-0,998
-0,996
x
-5E-15
0
-1,004
-1,002
-1
-0,998
-0,996
67
cada dos de ellos consecutivos la funcin mantendr su signo, por lo cual es fcil
determinarlo calculando el valor de la funcin en un punto intermedio.
Simetras
Se dice que la funcin f : R R es par si f (x) = f (x) para todo x R.
Geomtricamente, esto significa que la grfica de f es simtrica respecto al eje
Oy.
Se dice que la funcin f : R R es impar si f (x) = f (x) para todo
x R. Geomtricamente, esto significa que la grfica de f es simtrica respecto
al origen O.
Ejercicio 4.1. Pruebe que la grfica de f es simtrica respecto a una recta
vertical x = a si y slo si f (2a x) = f (x) para todo x R.
Ejercicio 4.2. Pruebe que la grfica de f es simtrica respecto al punto (a, b)
si y slo si f (2a x) = 2b f (x) para todo x R.
Periodicidad
Recordemos que una funcin f : R R es peridica de perodo T > 0
si f (x + T ) = f (x) para todo x R. Para graficar una funcin peridica es
suficiente hacerlo en un intervalo [a, a + T ], de longitud igual al perodo, ya que
la grfica se repite idntica en los intervalos [a + T, a + 2T ], [a + 2T, a + 3T ],
[a + 3T, a + 4T ],. . . y tambin en [a T, a], [a 2T, a T ], [a 3T, a 2T ],. . . En
otras palabras, la grfica es invariante bajo una traslacin de vector (T, 0).
Los ejemplos ms conocidos de funciones peridicas son las trigonomtricas
seno y coseno, las cuales tienen perodo 2.
Comportamiento para x
Cualquier grfica que hagamos, manualmente o con un computador, se limitar siempre a un intervalo acotado de R. Por eso es importante tratar de hallar
lmx f (x) y lmx f (x), si existen, para conocer el comportamiento de la
funcin para valores grandes de la variable. Si alguno de esos lmites es finito,
tendremos una asntota horizontal (ver 2.3.3). Si alguno es infinito, se pueden
buscar asntotas oblicuas o al menos direcciones asintticas.
Crecimiento y decrecimiento
Si la funcin es derivable, el estudio del signo de la primera derivada nos
permitir sacar conclusiones sobre los intervalos de crecimiento y decrecimiento
de la funcin. Adems en los puntos donde la funcin cambie de creciente a
decreciente habr un mximo local (y donde cambie de decreciente a creciente
habr un mnimo local).
68
Aplicaciones matemticas
x2
1
x2 + 1 2x(x + 2)
2 4x
+
= 2
,
2
2
+1
(x + 1)
(x + 1)2
de donde f (x) > 0 para x < 1/2, f (1/2) = 0 y f (x) < 0 para x > 1/2. Por
lo tanto f es estrictamente creciente en (, 1/2] y estrictamente decreciente
en [1/2, +), presentando un mximo absoluto en 1/2. El valor mximo es
f (1/2) = arc tg(1/2) + 2 2,46.
Como f (1) = /4 + 1/2 < 0 y f (0) = 2 > 0, f tiene una raz entre 1 y
0. De hecho es la nica, ya que para x > 0 es f (x) > 0. Por mtodos numricos
(ver seccin siguiente) puede verse que esa raz es aproximadamente 0,83. La
derivada segunda es
f (x)
=
=
5)/2, +),
es
cncava
en
((1
5)/2,
(1
+
5)/2) y tiene puntos de inflexin
en (1 5)/2 y (1 + 5)/2.
69
0
-6
-4
-2
x
-1
4.2.
Races de ecuaciones
Sea f una funcin continua en [a, b] y supongamos que f (a)f (b) < 0. Por
el teorema de Bolzano sabemos que existe al menos una raz de la ecuacin
f (x) = 0 entre a y b. Una primera aproximacin a esta raz es el punto medio
(a + b)/2. El error cometido con esta aproximacin es menor que (b a)/2.
Otra posibilidad consiste en tomar el punto s en que la recta que pasa por
(a, f (a)) y (b, f (b)) corta al eje Ox. La ecuacin de esta recta es y = f (a) +
(f (b) f (a))(x a)/(b a), y al igualar a 0 y despejar resulta s = a (b
a)f (a)/(f (b) f (a)) = (af (b) bf (a))/(f (b) f (a)). Esto se conoce como
mtodo de la falsa posicin, o regula falsi. En general da mejores resultados que
el punto medio, pero no siempre. De hecho slo se puede asegurar que el error
es menor que b a.
En lugar de aproximar la funcin por la secante, como en la regula falsi, se
puede aproximar por la recta tangente. Esto se conoce como mtodo de Newton, o de Newton-Raphson. Para aplicarlo se comienza por elegir una primera
aproximacin a la raz, digamos x1 . Si f es derivable en x1 , la ecuacin de la
recta tangente es y = f (x1 ) + f (x1 )(x x1 ), que si f (x1 ) 6= 0 corta al eje Ox
en x2 = x1 f (x1 )/f (x1 ).
Generalmente este mtodo se emplea de forma iterativa, es decir que se
calcula una sucesin de valores xn+1 = xn f (xn )/f (xn ).
70
Aplicaciones matemticas
4.3.
Longitud de arco
Ejercicio 4.4.
71
p
p
(xi+1 xi )2 + (f (xi+1 ) f (xi ))2 1 + M 2 (xi+1 xi ),
Pi Pi1
n1
Xp
i=0
1 + M 2 (xi+1 xi ) =
p
1 + M 2 (b a).
1 + M 2 (b a).
y = f(x)
z(x)
A
a
x+h
p
h2 + (f (x + h) f (x))2 .
72
Aplicaciones matemticas
p
s(x + h) s(x) p
1 + (f ())2
1 + (f ())2 ,
h
y como lmh0 = lmh0 = x, la conclusin se sigue del teorema del sndwich.
Ejemplo 4.3. Calcular
la longitud de la curva y = ch x entre 0 y x.
p
Solucin: s (x) = 1 + (sh x)2 = ch x, por lo tanto s(x) = sh x + C y como
s(0) = 0 debe ser C = 0 y s(x) = sh x.
Ejemplo 4.4. Usar
el teorema 4.2 para calcular la longitud del cuarto de circunferenciay = 1 x2 para
0 x 1.
Solucin: ( 1 x2 ) = x/ 1 x2 , por lo tanto
s
2 r
x
x2
1
= 1+
.
s (x) = 1 +
=
2
2
1x
1x
1 x2
4.4.
Funciones vectoriales
73
4.5.
Curvas parametrizadas
74
Aplicaciones matemticas
t [0, 2].
Observe que dos curvas diferentes P (t) y Q(t) pueden tener el mismo recorrido
en R2 . Por ejemplo
Q(t) = (a + R sen t, b + R cos t),
t [0, 2]
tiene como recorrido la misma circunferencia de radio R y centro (a, b) que P (t).
Ejercicio 4.6. Pruebe que el recorrido de la curva
1 t2
2t
P (t) =
,
,
t R,
1 + t2 1 t2
es la circunferencia de centro en el origen y radio 1 excepto el punto (1, 0).
Ejercicio 4.7. Halle una parametrizacin de la elipse
x2
y2
+ 2 = 1.
2
a
b
La cicloide es la curva generada por un punto de una circunferencia que
rueda sin deslizar sobre una recta. Supongamos que la circunferencia de radio
R se halla inicialmente tangente al eje Ox en el origen. Despus de girar un
ngulo t, el centro de la circunferencia se hallar en Q y el punto de la misma
que inicialmente estaba en el origen se habr movido hasta P . El nuevo punto
de contacto B de la circunferencia con el eje Ox debe hallarse a una distancia
del origen igual a la longitud del arco BP , es decir OB =P B= Rt. Por lo tanto
75
y(t) =
R
)t ,
r
R
= (R + r) sen(t) r sen (1 + )t ,
r
= (R + r) cos(t) r cos (1 +
4.5.1.
Curvas regulares
e y(t)
son continuas y no se
anulan simultneamente, se dice que la curva es regular. El vector tangente a
la curva es P (t) = (x(t),
y(t)).
76
Aplicaciones matemticas
y(t),
z(t))
no es nulo, en
p cuyo caso la curva es rectificable, y la
2 + (y(t))
2 + (z(t))
2 = |P (t)|.
longitud de arco s(t) satisface s(t)
= (x(t))
Ejemplo 4.5. Para calcular la longitud del arco de cicloide P (t) = (Rt
R sen t, R R cos t) para 0 t 2, calculamos P (t) = (R R cos t, R sen t),
de donde
t
|P (t)|2 = (R R cos t)2 + (R sen t)2 = 2R2 (1 cos t) = (2R sen )2 ,
2
de donde se obtiene
s(t)
= 2R sen
t
2
1
s
1
s
cos , sen ),
R
R R
R
77
Si se puede derivar
una vez ms entonces
P (t) = Q (s(t))s 2 (t) + Q (s(t))
s(t),
por lo tanto
P P = s 3 Q Q = s 3 t n,
|P P |
.
|P |3
Ejercicio 4.11. Sea Q(s) una curva alabeada parametrizada por la longitud de
arco, T = Q y T = Q = T. El vector B = TN es llamado vector binormal.
Pruebe que B es colineal con N, y que si B = N entonces N = T + B.
El conjunto ortonormal {T, N, B} se llama triedro de Frenet y las igualdades
T = N, N = T + B, B = N se conocen como frmulas de Frenet.
4.5.2.
Involutas y evolutas
Sea P (s) una curva plana parametrizada por la longitud de arco. Su involuta
o evolvente, con origen P (s0 ), es la curva I(s) = P (s) (s s0 )P (s), que intuitivamente se puede describir como el resultado de desenrrollar un hilo pegado
a la curva a partir del punto P (s0 ), mantenindolo tenso en todo momento.
Si la curva est dada por una parametrizacin cualquiera P (t) entonces la
involuta viene dada por I(t) = P (t) ((s(t) s(t0 ))/s(t))
P (t).
78
Aplicaciones matemticas
0 t 2,
a partir del punto P () = (R, 2R). Recordemos del Ejemplo 4.5 que
t
t
t
P (t) = (R R cos t, R sen t) = (2R sen2 , 2R sen cos )
2
2
2
y s(t)
s(t)
2 cos(t/2)
P (t) = P (t)
P (t)
s(t)
sen(t/2)
2 cos(t/2)
= P (t) +
(2R sen2 (t/2), 2R sen(t/2) cos(t/2))
sen(t/2)
= P (t)
79
s(t)
|P P |
ab
= 2
,
2
3
I (s) =
I
|I (s)| = |s(s)|,
80
Aplicaciones matemticas
4.5.3.
1
T(s) = P (s) sT(s) + sT(s) = P (s).
I (s)
81
82
Aplicaciones matemticas
d
Q(t).
|Q(t)|
Por ejemplo la trayectoria de la rueda trasera en la figura 4.10 se obtuvo a partir de la parametrizacin Q(t) =
|Q(t)|
|Q(t)|
Mucho ms difcil es el problema inverso, es decir determinar la trayectoria de la rueda trasera Q(t) conociendo d y la trayectoria P (t) de la rueda delantera. Un ejemplo sencillo de esta situacin se presenta cuando la bicicleta tiene inicialmente la rueda delantera en el origen, la
rueda trasera en (1, 0) y se mueve de modo que la rueda delantera recorra el eje Oy positivo. Es claro que la
trayectoria de la rueda trasera ser una curva que pasa
por (1, 0) y tiene al eje Oy como asntota vertical. Los
segmentos de tangente desde un punto (x, f (x) de esta
curva hasta el punto de interseccin con el eje Oy sern
de longitud constante igual a 1. Como la recta tangente
en (x, f (x)) tiene ecuacin Y = f (x) + f (x)(X x), el Figura 4.12: Tracpunto de interseccin con el eje Oy ser (0, f (x)xf (x)). triz
Entonces x2
+ (xf (x))2 = 1, de donde 1 + f (x)2 = 1/x2
y f (x) = 1 x2 /x.
83
1 x2
1
1
1
x
1 x2
=
=
+ +
2
2
x
x x
x 1x
x 1x
1 x2
1 1 x2
1
x
=
+
x
x 1 x2
1 x2
x
1
x
+
=
2
2
x
1x 1+ 1x
1 x2
p
p
=
log 1 + 1 x2
log(x)
1 x2 ,
84
4.5.4.
Aplicaciones matemticas
(4.2)
para todo t. Para expresar la condicin de tangencia recordemos que (a(t), b(t))
es un vector normal a la recta de ecuacin a(t)x + b(t)y = c(t), mientras que
el vector (x(t),
y(t))
= 0.
(4.3)
a(t)x(t)
+ a(t)x(t)
+ b(t)y(t)
+ b(t)y(t))
= c(t),
a(t)x(t)
+ b(t)y(t)
= c(t).
(4.4)
b(t)c(t)
b(t)c(t)
a(t)b(t) a(t)b(t)
y(t) =
a(t)c(t)
a(t)c(t)
a(t)b(t) a(t)b(t)
(4.5)
85
(4.6)
(4.7)
sen(t) sen(2t) +
1
2
1
2
cos(t) cos(2t),
1
(3 cos(t) cos(3t)),
4
1
(3 sen(t) sen(3t)).
4
(4.8)
(4.9)
86
Aplicaciones matemticas
Para este ejemplo el parmetro t vara en el intervalo
[/2, /2], pero si se le hace variar en el intervalo [, ]
se obtiene una curva cerrada llamada nefroide, por su
parecido con la forma de un rin. La nefroide no es
ms que una epicicloide generada por un punto de una
circunferencia que rueda sin deslizar sobre otra de radio
doble, de hecho las ecuaciones (4.8) son idnticas a las
del Ejercicio 4.8 (pg. 75) con R = 1/2, r = 1/4.
Ejercicio 4.12. Pruebe que la envolvente de los dimetros de una circunferencia que rueda sin deslizar sobre
otra de igual radio es una nefroide.
4.5.5.
Coordenadas polares
87
88
Aplicaciones matemticas
=
=
=
donde ~er es el vector unitario radial y ~e es el vector unitario tangencial, ortogonal al anterior.
Si se identifica el punto (x, y) R2 con el nmero complejo x + iy C, la
curva r = r() se puede expresar en la forma P () = r()ei , y derivando se
tiene
P () = r ()ei + r()iei .
Observe que en esta presentacin ms compacta el complejo ei = cos +i sen
corresponde al vector ~er , mientras que iei = sen + i cos corresponde al
vector ~e .
Por ejemplo la ecuacin de la espiral logartmica r = aeb en forma compleja
es P () = ae(b+i) , y el vector tangente es P () = a(b + i)e(b+i) .
Ejercicio 4.16. Pruebe que si se aplica una homotecia, una rotacin o una
inversin de centro en el origen a la curva r = aeb , se vuelve a obtener una
espiral logartmica.
Ejercicio 4.17. Pruebe que la espiral logartmica r = aeb forma ngulo constante con el radio vector, y exprese ese ngulo en funcin de b.
Ejercicio 4.18. Pruebe que la involuta de la espiral logartmica r = aeb es
tambin una espiral logartmica.
Ejercicio 4.19. Pruebe que la ortptica de una espiral logartmica, es decir
el lugar geomtrico de los puntos desde los cuales pueden trazarse dos rectas
tangentes a la curva que sean perpendiculares entre s, es tambin una espiral
logartmica.
Ejercicio 4.20. Pruebe que la podaria de la espiral logartmica r = aeb
r4specto al origen, es decir el lugar geomtrico de las proyecciones del origen
sobre las tangentes a la curva, es tambin una espiral logartmica.
89
4.6 Desigualdades
4.6.
Desigualdades
90
Aplicaciones matemticas
4.6.1.
Desigualdad de Jensen
i=1
Si f es estrictamente convexa entonces la desigualdad anterior es tambin estricta, excepto cuando x1 = x2 = = xn . Para funciones cncavas se invierte
el sentido de la desigualdad.
Demostracin. Por induccin en n. Para n = 2 la desigualdad de Jensen es la
propia definicin de convexidad. Si n > 2 y suponemos que es cierta para n 1,
entonces
f
n
X
i=1
ri xi
n1
X
f (1 rn )
ri
xi + rn xn
1 rn
(1 rn )f
ri
xi + rn f (xn )
1 rn
(1 rn )
i=1
n1
X
i=1
n1
X
i=1
X
ri
f (xi ) + rn f (xn ) =
ri f (xi ).
1 rn
i=1
4.6.2.
Desigualdad aritmtico-geomtrica
1X
A=
xi ,
n i=1
y su media geomtrica es
v
u n
uY
n
G= t
xi .
i=1
Una de las desigualdades ms conocidas y famosas es la desigualdad aritmticogeomtrica, que afirma que A G, con igualdad si y slo si x1 = x2 = = xn .
Existen varias demostraciones elementales de esta desigualdad, aunque todas
requieren algo de ingenio. Aqu demostraremos, a partir de la desigualdad de
Jensen, una versin ms general.
91
4.6 Desigualdades
a1
x1
a2
x2
1
+ +
an
xn
4.6.3.
92
Aplicaciones matemticas
Nota: Generalmente se permite que algunos pesos ai sean nulos, pero eso complica las demostraciones sin ninguna ventaja a cambio.
Ejercicio 4.22. Probar que
a) lm0 m (x1 , x2 , . . . , xn ) =
Qn
i=1
xai i ,
m1 (x1 , x2 , . . . , xn ) =
1X 1
n i=1 xi
!1
es la media armnica y
v
u n
u1 X
m2 (x1 , x2 , . . . , xn ) = t
x2
n i=1 i
m (x1 , x2 , . . . , xn ) m (x1 , x2 , . . . , xn ),
con igualdad si y slo si x1 = x2 = = xn .
Demostracin. Supongamos primero que 0 < < . Entonces la funcin f (x) =
x/ es estrictamente convexa en (0, +), ya que f (x) = (/)x/1 es
estrictamente creciente, y la desigualdad de Jensen aplicada a los nmeros x
1,
x
,.
.
.
,x
nos
dice
que
2
n
n
X
i=1
ai x
i
!/
n
X
i=1
/
ai (x
=
i )
n
X
ai xi ,
i=1
93
4.6 Desigualdades
1
m
1
1
x1 , . . . , xn
= m (x1 , . . . , xn ),
1
m
1
1
x1 , . . . , xn
n
X
i=1
ai x
i
!1/
n
X
ai M
i=1
!1/
= M = m+ (x1 , . . . , xn ),
4.6.4.
ap
bq
+ .
p
q
Demostracin. La prueba consiste en aplicar la desigualdad de Jensen a la funcin f (x) = log x, que es cncava para x > 0:
log(ab) = log(a) + log(b) =
log(ap ) log(bq )
ap
bq
+
log( + ),
p
q
p
q
94
Aplicaciones matemticas
|xi yi |
n
X
|xi |p
i=1
! p1
n
X
i=1
Demostracin. Sea
kxkp =
X
|xk |p
p1
|yi |q
! 1q
Entonces
P
X |xk | |yk |
| k xk yk |
1 X |xk |p
1 X |yk |q
1 1
= + = 1.
p +
kxkp kykq
kxkp kykq
p
kxkp
q
kykqq
p q
k
|xi + yi |
! p1
n
X
i=1
|xi |
! p1
n
X
i=1
|yi |
! p1
Demostracin. Para p = 1 esta desigualdad se reduce a la desigualdad triangular. Supongamos entonces p > 1 y sea q = p/(p1). Entonces por la desigualdad
de Hlder se tiene
! p1
! 1q
n
n
n
X
X
X
p1
p
(p1)q
|ak ||ak + bk |
|ak |
|ak + bk |
k=0
k=0
k=0
n
X
k=0
n
X
|bk |p
k=0
! p1
n
X
k=0
|ak + bk |(p1)q
! q1
! p1
! p1 n
! 1q
n
n
n
X
X
X
X
p
p
p
(p1)q
|ak + bk |
|ak |
+
|bk |
|ak + bk |
,
k=0
k=0
k=0
k=0
k=0
|ak + bk |
! p1
n
X
k=0
|ak + bk |
!1 1q
n
X
k=0
|ak |
! p1
n
X
k=0
|bk |
! p1
95
4.6 Desigualdades
Si p > 0, a = (a1 , a2 , . . . , an ) y b = (b1 , b2 , . . . , bn ) son puntos en Rn , sea
dp (a, b) = ka bkp =
n
X
k=0
|ak bk |
! p1
Captulo 5
Aplicaciones fsicas
La mecnica es el paraso de las ciencias matemticas, porque
por medio de ella uno llega a los frutos de la matemtica.
Leonardo da Vinci, Cuadernos de apuntes, vol. 1, cap. 20.
5.1.
.
t2
~a tP (0)) = P (t) t~a P (0) = 0,
2
97
por lo tanto P (t) (t2 /2)~a tP (0) es constante, y poniendo t = 0 resulta que
esa constante es P (0). En conclusin la trayectoria del punto P es
P (t) =
t2
~a + tP (0) + P (0).
2
.
Como (P 2 ) = 2P P , poniendo v = |P | la ecuacin anterior se puede escribir
como
.
1
( mv 2 + mgz) = 0,
2
es decir que
1
mv 2 + mgz = E (constante).
2
sta es la llamada ley de conservacin de la energa mecnica. A T = 12 mv 2 se
le llama energa cintica y a U = mgx energa potencial, por lo cual la ley se
puede expresar como E = T + U , donde la energa total E es constante.
Ejemplo 5.1. Un punto material comienza a moverse desde un punto con altura
h, con velocidad inicial 0. Qu velocidad lleva cuando llega al piso? Y si se lanza
hacia arriba desde el suelo, qu velocidad inicial hay que imprimirle para que
alcance una altura mxima igual a h?
98
Aplicaciones fsicas
y = 0,
z = g.
= (v cos )t,
= 0,
1
z(t) = (v sen )t gt2 .
2
Esto muestra que el movimiento est contenido en el plano Oxz. La forma
de la trayectoria se puede obtener eliminando t entre la primera ecuacin y la
tercera, y se obtiene
g
z = x tg 2
x2 ,
2v cos2
que es la ecuacin de una parbola.
5.2.
Desintegracin radioactiva
(5.1)
99
Es fcil verificar que la funcin ekt satisface (5.1), pero podra haber otras
soluciones. Para hallarlas observemos que, como ekt 6= 0 para todo t R,
cualquier funcin f (t) se puede escribir en la forma f (t) = g(t)ekt (basta
poner g(t) = f (t)ekt ). Por lo tanto f (t) = kf (t) equivale a
(g(t)ekt ) = kg(t)ekt ,
o sea
g (t)ekt g(t)kekt = kg(t)ekt
que se reduce a g (t)ekt = 0, o sea g (t) = 0. Como las nicas funciones
con derivada idnticamente nula son las constantes (Cap. 2 pg. 43), debe ser
g(t) = A (constante) y entonces f (t) = Aekt . Poniendo t = 0 se ve que
f (0) = A, por lo tanto la funcin masa es en definitiva
f (t) = f (0)ekt .
La semivida (tambin llamada perodo de semidesintegracin o vida mitad) de
una sustancia radiactiva se define como el tiempo t1/2 que tarda en reducirse a
la mitad. Es decir que f (t1/2 ) = f (0)/2, o sea f (0)ekt1/2 = f (0)/2, de donde
ekt1/2 = 1/2, kt1/2 = log(1/2) = log(2) y finalmente
t1/2 =
log(2)
,
k
k=
log(2)
.
t1/2
100
Aplicaciones fsicas
5.3.
Ecuaciones diferenciales
Si x0 , y0 , y0 ,. . . ,y0
son nmeros reales dados, el problema de condiciones
iniciales para una EDO de orden n consiste en hallar una solucin f (x) tal que
(n1)
f (x0 ) = y0 , f (x0 ) = y0 ,. . . ,f (n1) (x0 ) = y0
. Existen teoremas que, bajo
condiciones muy generales, aseguran que este problema tiene solucin nica, al
menos localmente.
Una EDO es lineal si es de la siguiente forma
y (n) = an1 (x)y (n1) + + a2 (x)y + a1 (x)y + a0 (x)y + b(x).
Para estas ecuaciones se puede probar que si a0 , a1 ,. . . , an1 y b(x) son funciones continuas en un intervalo abierto I y x0 I, entonces el problema de
101
102
Aplicaciones fsicas
y0 ,
r1 A + r2 B
y0
=
=
=
(A iB)e(+i)x + (A + iB)e(i)x
ex (A iB)eix + (A + iB)eix
ex (A iB)(cos(x) + i sen(x)) + (A + iB)(cos(x) i sen(x))
ex 2A cos(x) + 2B sen(x)
103
= B, es decir
que la solucin con x(0) = x0 , x(0)
= x 0 es
x(t) = x0 cos(t) +
x 0
sen(t).
104
Aplicaciones fsicas
1
x = 0.
C
(5.4)
2
Su
p ecuacin caracterstica es Lr +pRr + 1/C = 0, que tiene 2races r1 = (R +
R2 4L/C)/(2L) y r2 = (R R2 4L/C)/(2L). Si R > 4L/C entonces
las races r1 y r2 son reales y negativas, y la solucin general de (5.4) es
1
x = E.
C
105
5.4.
Ecuacin de la catenaria
A la forma que adopta una cuerda colgada por sus extremos, cuando est sometida a
un campo gravitatorio uniforme, se le llama
catenaria (del latn catena, cadena). Galileo
crey que esa forma era la de la parbola,
pero Christiaan Huygens (16291695), a los
17 aos, demostr que no era as. En 1691
la ecuacin de la catenaria fue obtenida por
Leibniz, Huygens y Johann Bernoulli (1667
1748), en respuesta a un desafo planteado por
Jakob Bernoulli (16541705).
La catenaria invertida tiene la propiedad Figura 5.3: La Sagrada Familia
esttica de sostenerse a s misma, y permite
construir arcos arquitectnicos estructuralmente estables. Estos arcos fueron
utilizados con especial maestra por el arquitecto cataln Antoni Gaud, por
ejemplo en las columnas de la catedral La Sagrada Familia, en Barcelona. El
Gateway Arch en la ciudad de Saint Louis, estado de Missouri (USA), es una
colosal estructura de acero inoxidable, de 192 metros de altura y 192 metros de
ancho en la base, en forma de catenaria invertida.
Para hallar la ecuacin de la catenaria supongamos que la cuerda est suspendida de dos puntos a la misma altura, y tomemos un sistema de coordenadas
con el origen en el punto ms bajo A de la cuerda (ver Figura 5.4). Sea AB un
trozo de cuerda en equilibrio. Las fuerzas que actan sobre AB son: la tensin
S de la cuerda en A, que es horizontal, la tensin T de la cuerda en B, que
tiene la misma direccin de la tangente a la curva en ese punto, y el peso del
trozo de cuerda P , que tiene direccin vertical. Como se supone que la cuerda
es homognea, si su densidad lineal es entonces la magnitud de su peso es
gl, donde l es la longitud del arco AB y g la aceleracin de la gravedad. La
~ + T~ + P~ = ~0, que proyectada sobre cada
condicin para que haya equilibrio es S
eje nos da
S
gl
=
=
T cos
T sen
Por lo tanto
f (x) = tg =
gl
.
S
f (x)
p
= a,
1 + (f (x))2
106
Aplicaciones fsicas
1
1
ch(ax) .
a
a
5.5.
El Teorema de Torricelli
107
V (t) = s
,
S
que se puede escribir en la forma
Por lo tanto
p
V (t)
( V (t)) = p
= s
2 V (t)
p
V (t) = s
p
g
t + V0 .
S
g
.
S
(5.5)
Ahora estamos en condiciones de dar respuesta al problema planteado inicialmente: para hallar el tiempo t que tarda el recipiente en vaciarse por completo
hay que resolver la ecuacin V (t) = 0, lo que nos da
V0 S
t= .
s g
Ahora, si se mide el volumen en litros y el tiempo en segundos, tenemos los
datos V0 = 30 y V (30) = 30 1 = 29. Por lo tanto, evaluando (5.5) en t = 30
se tiene
r
g
29 = 30s
+ 30,
S
108
Aplicaciones fsicas
de donde se obtiene
S
30
=
s g
30 29
y finalmente
30 30
= 30 30( 30 29) 1785 seg = 29 min 45 seg.
t=
30 29
5.6.
La cicloide es tautcrona
0 2
(usamos como parmetro porque deseamos reservar t para representar el tiempo). Supongamos que el plano de la cicloide es vertical, y que un punto material
de masa m est obligado a moverse por la cicloide (sin friccin) bajo la accin
de un campo gravitatorio uniforme. Si el punto se coloca inicialmente en la posicin P (0 ), cunto tiempo tardar en llegar al punto ms bajo de la cicloide,
P () = (, 0)?
y(t))
R(t)
sen (t))
y su mdulo es
v(t) =
p
p
x 2 + y 2 = R 2 2 cos = 2R sen .
2
109
y entonces
r
0
cos2
.
2R sen = v(t) = 2 gR cos2
2
2
2
De aqu se obtiene
r
sen 2
g
p
.
0
=
2
2
R
cos 2 cos 2
1 g
=
arc sen
cos
= p 2
,
a
2
2 R
2 a cos2 2
de donde
arc sen
cos
a
2
t
=
2
+ ,
R
2
g
+ C.
R
t g
arc sen
cos
=
+ ,
a
2
2 R
2
y poniendo t = t1 queda
0=
de donde
t1
2
t1 =
R
.
g
Lo notable de este resultado es que no depende de 0 , es decir que desde cualquier punto de la cicloide que se deje caer el punto, siempre tarda lo mismo
en llegar al punto ms bajo! Esto le vali a la cicloide el apelativo de curva
tautcrona (o iscrona), que significa tiempos iguales.
Huygens utiliz esta propiedad de la cicloide para construir un pndulo iscrono, es decir un pndulo en el cual el perodo de las oscilaciones no depende
de la amplitud de las mismas, como en los pndulos ordinarios. Para lograr que
la lenteja del pndulo siguiera una trayectoria cicloidal, Huygens aprovech el
hecho de que la involuta de una cicloide es otra cicloide (ver Ejemplo 4.8, pg.
78).
110
Aplicaciones fsicas
5.7.
El problema de la braquistcrona
111
(constante).
(5.6)
Pero (2u sen 2u) = (2 2 cos 2u)u , y la ecuacin anterior se puede escribir
como (2u sen 2u) = 2/k, de donde 2u sen 2u = (2/k)x + C. Pero como para
x = 0 es u = 0, resulta C = 0 y nos queda
x = ku
k
sen 2u,
2
y = k sen2 u =
k
(1 cos 2u).
2
y = R(1 cos t)
5.8.
112
Aplicaciones fsicas
GM m
P,
|P |3
(5.7)
(constante).
(5.9)
Esta relacin se conoce como conservacin del momento angular, y tiene como
consecuencia inmediata que el movimiento se efecta en el plano perpendicular
al vector ~k que pasa por el origen. Tomando un sistema de coordenadas polares
r, en ese plano se puede representar el punto como P = rei , y entonces
P
P
=
=
re
i + rie
i ,
2
(
r r )e
(5.10)
i
+ (2r + r)ie
(5.11)
113
GM
,
r2
2r + r = 0.
(5.12)
(5.13)
De (5.13) se obtiene
.
(r2 )
= 2rr + r2 = r(2r + r)
= 0,
y por lo tanto
r2 = k
(constante)
(5.14)
114
Aplicaciones fsicas
p
2GM/R 12,5 107 m2 /(s2 ) y 2GM/R 11,2 km/s, o 40320 km/h. sta es
la llamada velocidad de escape, pues en ausencia de otros cuerpos celestes (como
el Sol) permitira al cohete alejarse de la Tierra indefinidamente. La tecnologa
actual permite lanzar cohetes que alcanzan una velocidad de 50000 km/h, lo
que hace posible enviar misiones a planetas lejanos.
Ejercicio 5.7. Sabiendo que la masa del Sol es aproximadamente 2 1030 kg, y
la distancia de la Tierra al Sol aproximadamente 150 106 km, qu velocidad
debera alcanzar un cohete lanzado desde la Tierra para escapar del sistema
solar?
En lo sucesivo supondremos que no se anula. Entonces de (5.14) se puede
deducir la segunda ley de Kepler. En efecto, sea A() el rea barrida por el radio
vector OP medida a partir de 0 = (0). Para t pequeo, el rea barrida por
el radio vector OP desde el instante t hasta el t + t es aproximadamente igual
al rea del tringulo de vrtices O, P (t) y P (t + t), es decir
A((t + t)) A((t)) 12 r(t)r(t + t) sen(),
siendo = (t + t) (t). Dividiendo entre t y tomando lmites para
t 0 resulta
.
A((t)) = lm
1
r(t)r(t
t0 2
+ t)
sen()
1
k
= r2 (t)(t)
= .
t
2
2
Por lo tanto A((t)) = kt/2, lo que muestra que en tiempos iguales el radio
vector barre reas iguales.
Pongamos ahora p = k 2 /(GM ) y u = p/r. Entonces r = p/u y = k/r2 =
(k/p2 )u2 . Usando para denotar la derivada respecto a se tiene
r =
p
k
u = u ,
u2
p
k 2 2 k 2 3
GM 2
k2 2
u
u
u
=
u
=
u ,
p3
p3
p2
p3
115
la cual ya hemos visto cmo se resuelve. Puesto que tiene la solucin particular
u = 1, la solucin general ser u = 1 + cos( 0 ), donde y 0 son constantes
arbitrarias. Por lo tanto
r=
p
,
1 + cos( 0 )
p
2p
p
+
=
,
1+ 1
1 2
4 2 a2 b2
4 2 a2 b2
4 2 a3
=
=
,
2
k
pGM
GM
Captulo 6
Modelos Ecolgicos
6.1.1.
Modelo Exponencial
La ecuacin diferencial
y = ky,
que se analiz en el captulo precedente a propsito de la desintegracin radioactiva, puede aplicarse a muchos otros fenmenos naturales, entre ellos a las
reacciones qumicas de primer orden, como por ejemplo la descomposicin del
perxido de hidrgeno H2 O2 en agua y oxgeno.
El mismo modelo se aplica a la reproduccin de organismos vivos. En efecto,
si n es la tasa de natalidad (nmero de nacimientos per cpita en la unidad de
tiempo) y m la tasa de mortalidad (nmero de muertes per cpita en la unidad
de tiempo), entonces la variacin y del tamao de la poblacin en un intervalo
de tiempo t es
y = nyt myt,
es decir que
y
= ny my
t
y tomando lmites cuando t 0 queda
y = (n m)y.
Si k = n m entonces la solucin, como ya sabemos, es de la forma y =
y0 ekt , donde y0 es la poblacin en el instante t = 0. Si n > m el crecimiento
de la poblacin es exponencial, como observ Thomas Malthus (17661834)
para el caso de la especie humana. Si n = M entonces la poblacin permanece
estacionaria, y si n < m entonces decae exponencialmente.
En el caso de las bacterias, cuando una poblacin se encuentra en un nuevo
ambiente, pasa primero por una fase de adaptacin, con lento crecimiento y elevada tasa de biosntesis de las protenas necesarias para un rpido crecimiento.
117
En una segunda fase, si hay una elevada concentracin de nutrientes, las bacterias crecen hasta un tamao fijo y luego se reproducen en forma asexuada,
por fisin binaria. Este proceso tarda, segn el tipo de bacteria, entre 15 y 30
minutos. El crecimiento es exponencial, y en pocas horas pueden llegar a miles
de millones.
Ejemplo 6.1. Las bacterias de cierta colonia, en su perodo exponencial, se
dividen en dos cada 23 minutos. Si inicialmente hay 100 bacterias, cuntas
habr al cabo de 8 horas?
Solucin: Se tiene y(t) = 100ekt , y como y(23) = 100e23k = 200 se tiene e23k = 2.
La respuesta es y(480) = 100e480k = 100(e23k )480/23 = 1002480/23 191586598.
6.1.2.
Modelo logstico
(6.1)
118
por lo tanto
(log(y) log(b y)) =
y
y
by
+
=
= k,
y
by
y(b y)
es decir
log(y) log(b y) = kx + C
bekx+C
.
1 + ekx+C
6.1.3.
by0 ekx
by0 ekx
=
.
(b y0 )(1 + ekx eC )
b + y0 (ekx 1)
Modelo predador-presa
x(a by),
y(c dx),
(6.2)
(6.3)
119
x(a by),
y(c dx),
que tiene la solucin trivial (0, 0) y la solucin x = c/d, y = a/b, las cuales se
interpretan como puntos de equilibrio del sistema.
Para a = b = c = d = 1 la figura siguiente muestra las grficas de las
soluciones x(t) e y(t)) en funcin del tiempo, para las condiciones iniciales x(0) =
1 e y(0) = 1,5 (fueron obtenidas con el programa MAPLE). Como se puede
apreciar son funciones peridicas desfasadas (una parece seguir, con retardo, a
la otra). Puede probarse que en general este es el tipo de comportamiento del
modelo.
1,4
1,2
x
1
0,8
0,6
0
10
12
120
(1, 2), (1, 5/2) y (1, 3). Como se ve son rbitas peridicas alrededor del punto
de equilibrio (1, 1).
2,5
1,5
0,5
0,5
1,5
2,5
6.2.
Economa
121
6.2 Economa
6.2.1.
6.2.2.
122
6.2 Economa
123
Por lo tanto slo nos queda pensar que los defensores de la teora de la mano
invisible lo hacen por ignorancia o porque sus intereses polticos o econmicos
privan sobre su honestidad intelectual.
Soluciones a ejercicios
seleccionados
Ejercicio 2.1 (pg. 15)
1
ab 2
a
b
=
= 2
2 Q( 2).
2
2
2
a 2b
a 2b
a+b 2
(a + b 2)(a b 2)
Ejercicio 2.2 (pg. 15)
Si c = sup A entonces c es cota superior de A y, como es la mnima cota
superior, si b < c entonces b no es cota superior de A; por lo tanto existe a A
tal que b < a, y como a c se tiene b < a c. Recprocamente, si c es una cota
superior de A y para todo b < c existe a A tal que b < a c, entonces c es
la mnima cota superior de A. En efecto, si existiese una cota superior c < c,
entonces en el intervalo (c , c) no habra ningn elemento de A.
Anlogamente se prueba que d = nf A si y slo si d es cota inferior de A y,
para todo b > d, existe a A tal que d a < b.
Ejercicio 2.3 (pg. 17)
Es inmediato que todo intervalo es convexo. Recprocamente, sea A R un
convexo. Si A es vaco entonces A = (0, 0) = . Supongamos A 6= y sea a A.
Si A no es acotado superiormente, entonces para cualquier x > a existe y A
tal que y x, por lo tanto x [a, y] A . Como esto ocurre para todo x > a,
concluimos que [a, +) A. Anlogamente, si A no es acotado inferiormente,
entonces (, a) A. Supongamos ahora que A es acotado superiormente y
sea c = sup A. Si a < x < c entonces por el ejercicio anterior existe un a A
tal que x < a c, y por la convexidad de A se tiene x [a, a ] A. Por lo
tanto [a, c) A, y si c A entonces [a, c] A. Esto prueba que A [a, +)
es un intervalo (ya que es [a, +), o [a, c) o [a, c]). Del mismo modo se prueba
que A [, a) es un intervalo y entonces A es la unin de dos intervalos con
el extremo comn a, que es un intervalo.
j = 3: En este caso a < b c < d. Si f (b) f (c) entonces f (a) > f (b) < f (d).
Si en cambio f (b) > f (c), entonces f (a) > f (c) < f (d).
p
Sean f (x) = 1/x, g(x) = x, h(x) =
|x|, k(x) = x sin(1/x). Entonces
lmx0 f (x) = , lmx0 g(x) = lmx0 h(x) = lmx0 k(x) = 0,
lmx0 f (x)g(x) = 1, lmx0 f (x)h(x) = y lmx0 f (x)k(x) no existe.
Ejercicio 2.27 (pg. 26)
1
1
a) lmx0 (1 + x) x2 no existe, ya que lmx0 (1 + x) x2 = 0 pero
1
lmx0+ (1 + x) x2 = +.
1
b) lmx0 (1 + x) x = e.
1
c) lmx0+ (1 + |x|) x2 = +.
Ejercicio 2.28 (pg. 28)
Es inmediato si se usa la caracterizacin del supremo dada en el Ejercicio
2.2 (pg. 15).
Ejercicio 2.29 (pg. 28)
sen x si x 6= 0,
0 si x = 0,
xc
f (x) f (c)
= lm f ((x)) = lm f (x).
xc
xc
xc
lm
= lm
t0
f (1/t)(1/t2)
f (1/t)
f (x)
=
l
m
=
l
m
g (1/t)(1/t2 ) t0 g (1/t) x g (x)
d
dt f (1/t)
d
dt g(1/t)
f (x)
.
x g (x)
= lm
x+
x
(log x)n
=
=
1
x
= lm
x+ n(log x)n1
n(log x)n1 x1
x
x
lm
= = lm
= +.
x+ n(n 1)(log x)n2
x+ n!
lm
x+
pb2 pa2
(x a) = pa2 + p(a + b)(x a).
ba
Como
pa2 + p(a + b)(x a) px2 = p(x
a+b 2
ab 2
) + p(
) ,
2
2
El rea del trapecio limitado por la recta AB, el eje Ox y las rectas x = a y
x = b es (pa2 + pb2 )(b a)/2. Como (px3 /3) = px2 , por la regla de Barrow el
rea limitada por la parbola, el eje Ox y las rectas x = 1 y x = b es p(b3 a3 )/3.
Efectuando la diferencia resulta que el rea del segmento parablico es
1
1
1
p(a2 + b2 )(b a) p(b3 a3 ) = p(b a)3 ,
2
3
6
que son precisamente dos tercios del rea del tringulo ABC.
Ejercicio 3.1 (pg. 55) Si a = 1 obviamente se cumple la igualdad para todo
x 1, Supongamos entonces a > 1 y sea f (x) = (1 + x)a (1 + ax). Como
f (x) = a((1 + x)a1 1) es negativa en [1, 0), nula en x = 0 y positiva en
(0, +), es claro que para todo x 1 se tiene f (x) f (0 == 0, con igualdad
si y slo si x = 0.
Ejercicio 3.2 (pg. 56) No, slo puede afirmarse que f (x) 0. Por ejemplo
f (x) = x3 es estrictamente creciente en [1, 1] pero f (0) = 0.
Ejercicio 3.3 (pg. 60) Sean h la altura y r el radio del envase cilndrico.
Entonces el volumen es r2 h = 1, y h = 1/(r2 ). El rea total es la suma del
rea de las bases, 2r2 , con el rea lateral 2rh = 2/r, es decir A(r) = 2r2 +2/r.
Como A(r) es diferenciable en (0, +) y lmr0+ A(r) = lmr+ A(r) = +,
se concluye que A(r) tiene mnimo en (0, +) y ste se alcanza en un punto
crtico.pAhora bien, como A (r) =p4r 2/r2 , el nico punto crtico corresponde
a r = 3 1/(2), y entonces h = 3 4/ = 2r.
Ejercicio 3.4 (pg. 60) Sean C = (x, 0), = ACB y = OCA. Como el
problema es obviamente simtrico respecto al origen, supondremos x 0. Como
tg = OA/OC = 1/x y tg( + ) = OB/OC = 3/x se tiene
tg = tg(( + ) ) =
3
1
tg( + ) tg
2x
= x 3x = 2
,
1 + tg( + ) tg
x +3
1 + x2
por lo tanto
2(x2 + 3) (2x)(2x)
2(3 x2 )
= 2
2
2
(x + 3)
(x + 3)2
y se observa que (tg ) es positiva en[0, 3) y negativa en ( 3, +), en consecuencia tg alcanza su mximo en 3. Lo mismo ocurre con (ya que tg
es una funcin creciente de ). Como el valor mximo de tg es 3/3, el valor
mximo de es 30 .
(tg ) =
Ejercicio 3.5 (pg. 64) Recordemos que se trata de hallar el mximo de V (x) =
x(a 2x)2 en el intervalo [0, a/2]. Pero por la desigualdad aritmtico-geomtrica
se tiene
4x(a 2x)2
4x + (a 2x) + a 2x)
3
3
8a3
,
27
con igualdad si y slo si 4x = a 2x, por lo tanto V (x) 2a3 /27, con igualdad
slo para x = a/6.
Ejercicio 4.22 (pg. 92) a) Por LHpital,
lm log(m ) =
!
Pn
n
X
a x log(x )
1
i=1
Pni i i
lm log
ai xi = lm
0
0
i=1 ai xi
i=1
!
Pn
n
n
Y
ai log(xi ) X
ai
i=1
Pn
xi ,
=
ai log(xi ) = log
i=1 ai
i=1
i=1
Qn
de donde lm0 m = i=1 xai i .
b) Supongamos que max{x1 , x2 , . . . , xn } = xj . Entonces para cualquier > 0
se tiene
!1/
n
X
1/
aj xj
m (x1 , x2 , . . . , xn )
ai xj
,
i=1
es decir que
1/
aj
xj m (x1 , x2 , . . . , xn ) xj
Bibliografa
[1] Aguilera, J., Lizana, M., Estudio Cualitativo de Ecuaciones Diferenciales
Ordinarias, Imprenta Universitaria UCV, Caracas, 1990. Hay una versin
revisada: Ecuaciones Diferenciales Ordinarias, II Talleres de Formacin
Matemtica, Universidad Centroccidental Lisandro Alvarado, Barquisimeto, 2001.
[2] Courant, R., John, F. Introduccin al Clculo y al Anlisis Matemtico,
Ed. Limusa, Mxico, 1976.
[3] Courant, R., Robbins, H., revised by Stewart, I., What is Mathematics?,
Oxford University Press, New York, 1996.
[4] Graviner, J. V., The Changing Concept of Change: the Derivative from
Fermat to Weierstrass, Mathematics Magazine, 56(4) (1983), pp. 195206.
[5] Guzman, M. de, Ecuaciones Diferenciales Ordinarias - Teora de Estabilidad y Control, Ed. Alhambra, Madrid, 1975.
[6] Hirsch, M., Smale, S., Differential Equations, Dynamical Systems and Linear Algebra, Academic Press, 1974.
[7] Keisler, H. J., Elementary Calculus: An Approach Using Infinitesimals, 2nd
ed., Prindle, Weber & Schmidt, 1986. Ahora disponible en http://www.
math.wisc.edu/~keisler/calc.html
[8] Landau, E., Foundations of Analysis, Chelsea, New York, 1966.
[9] Rey Pastor, J., Pi Calleja, P., Trejo, C. A., Anlisis Matemtico vol. I,
Kapelusz, Buenos Aires, 1958.
[10] Robinson, A., Non-standard analysis, Revised edition, Princeton University
Press, 1996.
[11] Rossi, H., Mathematics Is an Edifice, Not a Toolbox, Notices of the AMS,
43(10) (1996), p. 1108.
[12] Saari, D., Mathematical Complexity of Simple Economics, Notices of the
AMS, 42(2) (1995), p. 222230.
[13] Spivak, M., Calculus, 2a. edicin, Ed. Revert, 1992.
ndice alfabtico
abscisa, 3
anlisis no estndar, 10
rea, 51
Arqumedes, 53
asntota, 26
Barrow, Isaac, 52
Beltrami, Eugenio, 83
Berkeley, George, 7
Bernoulli, Jakob, 55, 87, 105
Bernoulli, Johann, 41, 105, 110
braquistcrona, 110
Cantor, Georg, 12
cardioide, 86, 87
catenaria, 105
Cauchy, Augustin Louis, 9, 12
custica por reflexin, 84
centro de curvatura, 76
cicloide, 74
composicin, 19
condiciones iniciales, 100
continuidad, 28
uniforme, 33
coordenadas polares, 86
cortaduras, 12
cotas, 15
Courant, Richard, 5
curva
alabeada, 73
plana, 73
rectificable, 70
regular, 75
curvatura, 76
Darboux, Jean Gaston, 32
Dedekind, Richard, 12
derivada, 33
de funcin compuesta, 39
de funcin inversa, 40
de orden superior, 43
infinita, 33
lateral, 34
Descartes, Ren, 3
desigualdad
aritmtico-geomtrica, 90
de Bernoulli, 55
de Hlder, 94
de Jensen, 90
de Minkowski, 94
de Young, 93
discontinuidad, 29
de salto, 29
evitable, 29
ecuacin
caracterstica, 101
diferencial, 100
lineal, 100
EDO, 100
elipse
rea de la, 53
ecuacin polar, 89
entorno, 17
reducido, 17
envolvente, 84
epicicloide, 75
espiral
de Arqumedes, 87
Logartmica, 87
Euclides, 2
Eudoxo, 2
Euler, Leonhard, 8, 9
evoluta, 79
evolvente, 77
excentricidad, 89
extremo local, 20
Fermat, Pierre de, 3, 63, 110
fluxin, 5
frmula
de Euler, 102
de Taylor, 45
frmulas de Frenet, 77
Frenet, Jean Frdric, 77
funcin, 18
biyectiva, 18
cncava, 50
continua, 29
convexa, 48
derivada, 33
discontinua, 29
impar, 67
inversa, 18
inyectiva, 18
montona, 20
creciente, 20
decreciente, 20
par, 67
peridica, 67
sobreyectiva, 18
Galileo, 105
Gateway Arch, 105
Gaud, Antoni, 105
Graviner, Judith V., 1
Heron de Alejandra, 62
hipocicloide, 75
Hlder, Otto L., 94
Hooke, Robert, 8, 103
Huygens, Christiaan, 105, 109
imagen, 18
nfimo, 15
infinitsimo, 44
infinito, 44
inflacin, 121
interior, 17
intervalos, 17
involuta, 77
iscrona, 109
Kepler, Johannes, 7, 111
LHpital, Guillaume de, 41
lmite, 21
Lagrange, Joseph-Louis, 8, 38
Le Verrier, Urbain, 115
Leibniz, Gottfried W., 5, 105
Leonardo da Vinci, 96
ley
de Hooke, 103
de Snell, 63, 110
leyes
de Kepler, 7, 111
de Newton, 96, 112
longitud de arco, 70
Lotka, Alfred J., 119
Mray, Charles, 12
Maclaurin, Colin, 47
Malthus, Thomas, 116
mximo
de un conjunto, 15
de una funcin, 20
local, 20
media
aritmtica, 90
pesada, 91
armnica, 92
pesada, 91
cuadrtica, 92
de orden , 91
geomtrica, 90
pesada, 91
mtodo de Newton, 69
mnimo
de un conjunto, 15
de una funcin, 20
local, 20
Minkowski, Hermann, 94
modelo
exponencial, 116
logstico, 117
predador-presa, 118
nefroide, 86
Newton, Isaac, 5, 69, 112
notacin de Landau, 44
ortptica, 88
pndulo iscrono, 109
parmetro, 73
podaria, 88
polinomio
de Taylor, 45
preimagen, 18
primitiva, 43
Principio
de Fermat, 63, 110
del nfimo, 16
del supremo, 15
producto
cartesiano, 18
escalar, 73
vectorial, 73
Propiedad de Darboux, 32
punto
crtico, 34
de inflexin, 50
radio de curvatura, 76
regla
de Barrow, 52
de LHpital, 41
de la cadena, 39
de Leibniz, 44
regula falsi, 69
relacin, 18
Robbins, Herbert, 5
Robinson, Abraham, 10
Sagrada Familia, 105
semientorno, 17
serie, 28
de Maclaurin, 47
de Taylor, 47
seudoesfera, 83
sistema dinmico, 120
Snell, Willebrord, 63, 110
sucesin, 28
supremo, 15
tautcrona, 109
Taylor, Brook, 45
teorema
de Cauchy, 40
de Heine-Cantor, 33
de Rolle, 37
de Taylor, 46
de Torricelli, 107
del sndwich, 25
del valor medio, 38
fundamental del Clculo, 6, 51
Torricelli, Evangelista, 107
tractriz, 83
triedro de Frenet, 77
vector
binormal, 77
normal, 76
tangente, 75
velocidad
de escape, 114
instantnea, 36
media, 36
Volterra, Vito, 118
Weierstrass, Karl, 10, 12