Matematica PDF

Juan Mayorga-Zambrano
Calculo Diferencial
para Ingeniera
con ayuda de Maxima
Version
preliminar al 28 de octubre de 2015
[ NOMBRE INSTITUCIN AUSPICIANTE ]
Resumen.
En este trabajo se presentan topicosXXX
XXX xXXX
[Sello Institucion
Auspiciante]
Matematica Superior para Ingeniera

con ayuda de Maxima
c
2015
Juan Ricardo Mayorga Zambrano
Publicado por [Nombre Editorial]
http://www.XXXXXX [Pagina web Editorial]
Primera edicion.
Este trabajo esta amparado por la Ley de Propiedad Intelectual, ninguna parte podra ser reproducida, transmitida, almacenada o utilizada en cualquier forma o por cualquier medio, ya sea grafico, electronico
o mecanico,
incluyendo, pero sin limitarse a lo siguiente: fotocopiado, reproduccion,

escaneo, digitalizacion,
grabacion
en audio, distribucion
en Internet, distribucion
en redes de informacion
o almacenamiento y recopilacion
en
sistemas de informacion
sin el consentimiento por escrito del autor.
Este libro ha sido preparado de manera tal que el estudiante apoye su trabajo con Maxima, un Sistema
Computacional Algebraico del tipo software libre. Se
ha trabajado con la version
5.27 usando la interface
wxMaxima version
15.04.0.
Logo de Maxima.
Preparado por Sven Hodapp
Este texto ha sido preparado con LATEX. Se ha adaptado

la plantilla svmono disponible en la pagina web de la
casa Springer-Verlag.
CTAN lion drawing by Duane Bibby;
thanks to www.ctan.org
Dedicado a mis hijos Daniel, Keren, Jaya y Jaim.

!M K
Se cuenta...
Sin la paciencia XXXX XXXX
vi
Existe una opinion

muy generalizada segun
la cual
la matematica es la ciencia mas difcil cuando
en realidad es la mas simple de todas.
La causa de esta paradoja reside en el hecho de que,
precisamente por su simplicidad,
los razonamientos matematicos equivocados quedan a la vista.
En una compleja cuestion
de poltica o arte,
hay tantos factores en juego y tantos desconocidos o inaparentes,
que es muy difcil distinguir lo verdadero de lo falso.
El resultado es que cualquier tonto se cree en condiciones de discutir
sobre poltica y arte - y en verdad lo hace mientras que mira la matematica desde una respetuosa distancia.
Ernesto Sabato, Uno y el Universo.
Presentacion
de los pares revisores
La obra sadsad dsadsad as dasdas dasdas
Borys Alvarez
Samaniego, Ph.D.
Nucleo
de Investigadores Cientficos
Universidad Central del Ecuador
Par revisor
Paul
Medina Vasquez, Ph.D.
Instituto Gregorio Millan Barbany
Universidad Carlos III de Madrid
Par revisor
vii
Tabla resumida de contenidos
Presentacion
Prefacio
vii
xi
Breve resena
del autor
xiii
Detalle de contenidos
xviii
Introduccion
general
Deduccion
Natural
Teora intuitiva de conjuntos
33
El cuerpo de los numeros
reales
63
Funciones reales
79
Funciones polinomicas
y racionales
127
Sucesiones reales
153
Lmites y continuidad
189
La derivada y sus aplicaciones
225
A El cuerpo de los numeros
complejos
261
Soluciones y/o pautas para los problemas
273
Referencias
277
ix
Prefacio
Este texto tiene su genesis en

R6
Crticas, ideas y observaciones son siempre bienvenidas. Para ello me puede escribir a jrmayorgaz@gmail.com
Juan Mayorga Zambrano

CIUDAD POR DEFINIR, MES 2015
xi
Breve resena
del autor
Juan Mayorga Zambrano nacio en Ambato - Ecuador, 1976. Se graduo con summa cum laude como mejor estudiante de la promocion
2001 de la Escuela Politecnica Nacional obteniendo el ttulo de Matematico. En 2006 obtuvo el ttulo de PhD en Ciencias de
la Ingeniera (mencion
en Modelacion
Matematica) en
Universidad de Chile. Cuenta con dos postdoctados:
Universidad de Talca (Chile, 2006 - 2007) y Technion
(Israel, 2007 - 2008).
Ha sido profesor, investigador y/o directivo en Technion - Israel Institute of Technology (Israel), Universite
Paris Dauphine (Francia), ICTP - International Centre for Theoretical Physics (Italia), Universitat Wien (Austria), Universidad de Chile (Chile), Universidad de Talca (Chile), Yachay Tech - Universidad de Investigacion
de
Tecnologa Experimental (Ecuador), ESPE - Universidad de las Fuerzas Armadas (Ecuador), Pontificia Universidad Catolica
del Ecuador (Ecuador), Escuela Politecnica Nacional (Ecuador), Universidad Tecnica de Ambato
(Ecuador), Universidad Tecnologica

Indoamerica (Ecuador) y Universidad Tecnologica
Israel (Ecuador).
Juan Mayorga Zambrano es observante de las Siete Leyes de los Hijos de Noe, Codigo
de Etica
universal
que les corresponde a las naciones no-judas de la tierra. Sobre este topico
ha traducido del ingles al espanol
los libros The Seven Colors of the Rainbow (Bindman) y The Path of the Righteous Gentile (Clorfene &
Rogalsky). Fue Coordinador para Chile (2006) y Coordinador Internacional (2007) de la Fundacion
Luz de Vida
Internacional; miembro del staff de Universidad Noajida (2009 - 2011).
xiii
Presentacion
vii
Prefacio
xi
Breve resena
del autor
xiii
xviii
Introduccion
general
Deduccion
Natural: una introduccion
a la Logica
1.1 Conceptos basicos y principios fundamentales . . . . . . . . . . . . . . . . . . . . . .

1.1.1 Solidez de un razonamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2 Principios de la Logica
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3 Jerarqua de conectores logicos

. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Reglas de Inferencia Fundamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1 Conjuncion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3 Disyuncion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.4 Negacion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Analisis de la validez de una estructura de razonamiento mediante tablas de verdad
1.4 Falacias formales o estructurales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Falacia de la Negacion
del Consecuente . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Falacia de la Afirmacion
del Antecedente . . . . . . . . . . . . . . . . . . . . .
1.5 Conectores logicos
derivados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Bicondicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2 Disyuncion
Exclusiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Conjuncion
Negativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Reglas de Inferencia Derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1 Silogismo Hipotetico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Mutacion
de las Premisas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.3 Conmutatividad y Asociatividad de la Conjuncion
. . . . . . . . . . . . . . .
1.6.4 Introduccion
de la Doble Negacion
. . . . . . . . . . . . . . . . . . . . . . . . .
1.6.5 Principio del Tercer Excluido y Principio de Contradiccion
. . . . . . . . . . .
1.6.6 Modus Tollens y Contrapositiva . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.7 Inferencia Alternativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.8 Silogismo Disyuntivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.9 Conmutatividad y Asociatividad de la Disyuncion
. . . . . . . . . . . . . . .
1.7 Equivalencia e implicacion

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
logicas
1.7.1 Definicion
del Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Leyes de Reemplazo por Equivalencia . . . . . . . . . . . . . . . . . . . . . . .
1.7.3 Leyes Distributivas y de Absorcion
. . . . . . . . . . . . . . . . . . . . . . . . .
1.7.4 Leyes de De Morgan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.5 Contrarrecproca. Metodo de Demostracion
Indirecto . . . . . . . . . . . . . .
1.8 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xv
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
4
5
7
12
12
12
14
18
20
23
25
26
28
29
29
30
31
31
32
33
33
34
34
35
36
38
39
40
41
43
43
44
45
46
xvi

2.1 Introduccion
. . . . . . . . . . . . . . .
2.2 Contenencia e igualdad de conjuntos .
2.3 Cuantificadores universal y existencial
2.4 Union
e interseccion
de conjuntos . . .
2.5 Relaciones . . . . . . . . . . . . . . . .
2.6 Grupos, anillos y cuerpos . . . . . . .
2.7 Problemas . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
53
55
56
61
65
68
69
reales
3.1 Axiomatizacion
de R . . . . . . . . . . . .
3.1.1 Axiomas de Campo o Cuerpo . . .
3.1.2 Axiomas de Orden . . . . . . . . .
3.1.3 Axioma del Supremo . . . . . . . .
3.2 Propiedades . . . . . . . . . . . . . . . . .
3.2.1 Resultados sobre la adicion
. . . .
3.2.2 Propiedades de la multiplicacion
.
3.2.3 Propiedades combinadas . . . . .
3.2.4 Otras propiedades . . . . . . . . .
3.2.5 Teorema del binomio de Newton .
3.3 Induccion
Matematica y Signo Sumatorio
3.4 Problemas . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
73
73
73
74
75
76
77
77
78
78
80
82
84
.
.
.
.
.
.
.
Funciones reales
4.1 Introduccion
. . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Dominio de definicion
. . . . . . . . . . . . . .
4.1.2 Graficacion
ingenua de funciones . . . . . . .
4.1.3 Funcion
lineal afn . . . . . . . . . . . . . . . .
4.1.4 Funcion
raz cuadrada . . . . . . . . . . . . . .
4.2 Algebra de funciones . . . . . . . . . . . . . . . . . . .
4.3 Ecuaciones e inecuaciones reales . . . . . . . . . . . .
4.4 Paridad . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Funciones signo y valor absoluto . . . . . . . . . . . .
4.6 Densidad de Q en R. Numeros
de punto flotante . . .
4.7 Funcion
cuadratica . . . . . . . . . . . . . . . . . . . .
4.8 Composicion
de funciones . . . . . . . . . . . . . . . .
4.8.1 Definicion
. . . . . . . . . . . . . . . . . . . . .
4.8.2 Invertibilidad . . . . . . . . . . . . . . . . . . .
4.9 Traslacion
y cambio de escala . . . . . . . . . . . . . .
4.9.1 Traslacion
en la variable independiente . . . .
4.9.2 Traslacion
en la variable dependiente . . . . .
4.9.3 Cambio de escala en la variable independiente
4.9.4 Cambio de escala en la variable dependiente .
4.9.5 Graficacion
via traslacion
y escalamiento . . .
4.10 Monotona . . . . . . . . . . . . . . . . . . . . . . . . .
4.10.1 Monotona y composicion
. . . . . . . . . . . .
4.10.2 Criterio de la tasa de variacion
. . . . . . . . .
4.11 Funciones trigonometricas . . . . . . . . . . . . . . . .
4.11.1 Axiomatizacion
y propiedades basicas . . . . .
4.11.2 Periodicidad e Inyectividad . . . . . . . . . . .
4.11.3 Otras funciones trigonometricas . . . . . . . .
4.11.4 Funciones trigonometricas inversas . . . . . .
4.11.5 Propiedades derivadas . . . . . . . . . . . . . .
4.11.6 Graficacion
de funciones sinusoidales . . . . .
4.11.7 Resolucion
de Ecuaciones Trigonometricas . .
4.12 Problemas . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
89
89
89
90
92
94
95
96
98
99
103
104
105
106
108
108
109
109
111
111
112
112
116
116
117
117
120
120
122
123
124
124
128
y racionales
5.1 Introduccion
. . . . . . . . . . . .
5.1.1 Leyes de los exponentes .
5.1.2 Propiedades elementales .
5.2 Division
de polinomios . . . . . .
5.2.1 Division
sintetica . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
137
137
137
138
139
139
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
xvii
5.2.2 Division
por coeficientes indeterminados
Divisibilidad . . . . . . . . . . . . . . . . . . . . .
5.3.1 Factores divisores . . . . . . . . . . . . . .
5.3.2 Teorema del Residuo . . . . . . . . . . . .
5.3.3 Regla de Horner-Ruffini . . . . . . . . . .
5.4 Teorema Fundamental del Algebra

. . . . . . . .
5.5 Factorizacion
de polinomios . . . . . . . . . . . .
5.5.1 Extraccion
de monomios . . . . . . . . . .
5.5.2 Cocientes notables . . . . . . . . . . . . .
5.5.3 Polinomios de segundo grado . . . . . .
5.5.4 Polinomios de tercer grado . . . . . . . .
5.5.5 Polinomios de cuarto grado . . . . . . . .
5.5.6 Metodo de Inspeccion
. . . . . . . . . . .
5.6 Maximo Comun
Divisor . . . . . . . . . . . . . .
5.6.1 Definiciones y propiedades . . . . . . . .
5.6.2 Calculo por factorizacion
. . . . . . . . .
5.6.3 Calculo por el Algoritmo de Euclides . .

5.6.4 Mnimo Comun
. . . . . . . . .
Multiplo
5.7 Forma irreducible . . . . . . . . . . . . . . . . . .

5.8 Fracciones propias . . . . . . . . . . . . . . . . .
5.9 Fracciones parciales . . . . . . . . . . . . . . . . .
5.10 Problemas . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
140
141
141
142
143
144
147
147
149
149
150
151
152
152
152
153
153
155
156
157
157
159
Sucesiones reales
6.1 Introduccion
. . . . . . . . . . . . . . . . . . . .
6.2 Acotamiento y entornos . . . . . . . . . . . . .
6.3 Convergencia . . . . . . . . . . . . . . . . . . .
6.4 Divergencia . . . . . . . . . . . . . . . . . . . .
6.5 Monotona . . . . . . . . . . . . . . . . . . . . .
6.6 Las funciones exponencial y logartmica . . . .
6.7 Propiedades importantes . . . . . . . . . . . . .
6.8 Equivalencia de sucesiones . . . . . . . . . . .
6.9 Propiedades importantes (II) . . . . . . . . . .
6.10 Subsucesiones . . . . . . . . . . . . . . . . . . .
6.11 Propiedades importantes (III) . . . . . . . . . .
6.12 Completitud de R . . . . . . . . . . . . . . . . .
6.13 Criterio del cociente . . . . . . . . . . . . . . . .
6.14 Otros criterios para convergencia y divergencia
6.15 Relaciones recurrentes . . . . . . . . . . . . . .
6.16 Problemas . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
163
163
165
166
169
171
173
175
178
179
182
184
186
187
188
190
190
7.1 Introduccion
. . . . . . . . . . . . . . . .
7.2 Definiciones de lmites . . . . . . . . . .
7.3 Teoremas y Proposiciones sobre lmites
7.4 Continuidad . . . . . . . . . . . . . . . .
7.4.1 Tipos de discontinuidad . . . . .
7.4.2 Teoremas sobre continuidad . . .
7.4.3 El Metodo de las Bisectrices . . .
7.5 Calculo de lmites . . . . . . . . . . . . .
7.5.1 Lmites Fundamentales . . . . .
7.5.2 Cambio de Variable . . . . . . . .
7.5.3 Infinitesimos . . . . . . . . . . .
7.5.4 Infinitos . . . . . . . . . . . . . .
7.6 Ejercicios resueltos . . . . . . . . . . . .
7.7 Problemas . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
199
199
205
208
208
209
210
212
213
214
215
216
218
220
227
5.3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

235
8.1 Introduccion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
8.2 Reglas y formulas
para derivar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
8.3 La Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
xviii
8.4
8.5
8.6
8.7
8.8
8.9
8.10
8.11
8.12
8.13
Derivadas de orden superior . . . . . .

La regla de Bernoulli - LHopital
. . . .
Derivacion
de una funcion
implcita . .
Monotona y Puntos Crticos . . . . . . .
Convexidad y puntos de inflexion
. . .
Extremos de una funcion

. . . . . . . . .
Rectas Tangente y Normal . . . . . . . .
Asntotas oblcuas . . . . . . . . . . . . .
Calculos aproximados via diferenciales
Problemas . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
complejos
A.1 Introduccion
. . . . . . . . . . . . . . . . . .
A.2 El cuerpo C . . . . . . . . . . . . . . . . . . .
A.2.1 Operaciones con numeros
complejos
A.2.2 Propiedades de cuerpo . . . . . . . .

A.2.3 Notacion
imaginaria . . . . . . . . .
A.3 Funciones complejas elementales . . . . . .
A.3.1 Funcion
. . . . . . . . . . .
modulo
A.3.2 Funcion
de conjugacion
. . . . . . .
A.4 Leyes de los exponentes . . . . . . . . . . .
A.5 Formula
de Euler. Forma polar . . . . . . .
A.6 Problemas . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
241
242
244
246
249
252
255
256
256
259
.
.
.
.
.
.
.
.
.
.
.
271
271
271
271
273
274
275
275
277
278
279
281
B Falacias materiales o informales
283
287
Smbolos
289
Referencias
291
Indice
alfabetico
293
Fuentes adicionales
295
Introduccion
general
Porque las cosas de este mundo no pueden llegar a entenderse

sin un conocimiento de matematicas
Roger Bacon
NECESARIA!!!!
ACTUALIZACION
La Ensenanza
de Matematicas para Ingeniera ha experimentado una transicion
desde los anos

ochenta. En
buena medida estos cambios surgieron de la posibilidad de aprovechar recursos computacionales cada vez
mas poderosos.
Hoy en da es indudable que el estudiante de Ingeniera debe conectarse temprano en su carrera con software
matematico que le permita resolver problemas con efectividad y eficiencia; pero, al mismo tiempo, estamos
convencidos de que e l debe ser amo de su software y no en el otro sentido. Por tanto, en este libro tenemos
presente que, para saltar al computador, el estudiante debe primero tener cimentados sus conocimientos con
un numero
apropiado de horas de trabajo con papel y lapiz.
Enfoque
A lo largo del texto se mantiene un enfoque orientado hacia la Ingeniera. Creemos que, en general, un
Ingeniero no demuestra teoremas; pero debe ser capaz de administrarlos y aplicarlos a la resolucion
de
problemas. Por tanto, presentamos solo
las demostraciones que, a nuestro criterio, son relevantes para mejorar
la comprension
t indica que se da por terminada una demostracion.
de la materia. El smbolo u
indicadas con el buho que aparece a la izquierda.

Observaciones importantes seran
La notacion
usada a lo largo del texto es casi siempre la estandar. Se ha hecho un esfuerzo por enunciar
explcitamente los dominios de las funciones; esto se debe a que una funcion
es el ejemplo mas simple de
modelo matematico y a un hecho practico: problemas que los estudiantes encuentran casi imposibles se
resuelven, a menudo, simplemente aclarando el universo de estudio donde trabajan las funciones.
Topicos
y prerequisitos
Los temas tratados en esta obra se presentan habitualmente en el los primeros niveles de Matematicas en
las carreras de Ingeniera. Se sugiere tanto al estudiante como al profesor que apoyen su trabajo con otros
libros de texto como [XXX] y [XXXX]. Un mismo tema que un estudiante encuentra claro en un libro puede
resultar obscuro para otro estudiante. Y no hay tiempo para desperdiciar! Un estudiante de Ingeniera esta
normalmente sometido a una gran presion
y exigencia.
Al final de cada uno de los captulos se presenta un conjunto de problemas seleccionados. No afirmamos que
los problemas presentados sean originales (si bien hay un buen numero
de nuestra autora); mas bien hemos
tratado de seleccionarlos a partir de varias fuentes y adaptarlos a nuestro curso. Los ejercicios marcados con
Introduccion
general
un asterisco, *, tienen un grado de dificultad mayor. Al final del libro se presentan las soluciones y/o pautas
para la mayora de ellos. El material presentado en este curso supone que el estudiante trae XXX.
Maxima
Escogimos el software Maxima para apoyar el estudio de la materia bajo tres consideraciones. Por un lado,
Maxima es un Sistema Computacional Algebraico (CAS) de manera que permite obtener soluciones analticas
(cuando es posible) y hacer un seguimiento paso a paso del procedimiento de resolucion
de un problema
determinado. Como consecuencia, a mas de tener una forma rapida para verificar el dominio propio de las
herramientas matematicas, permite una aplicacion
fluida de las competencias1 matematicas a materias de
Ingeniera (Termodinamica, Teora de Control, etc.). Por otro lado, si bien Maxima es un CAS y por tanto no
tiene el poder numerico de una Plataforma de Calculo Cientfico (como Scilab o Matlab), permite trabajar
numericamente a un buen nivel. Finalmente, Maxima es software libre de manera que los estudiantes pueden
instalarlo en sus computadores de forma gratuita. Esta ultima
consideracion
es importante pues piratear

software es un delito y el profesor debe buscar alternativas de calidad para los estudiantes que no tienen los
recursos economicos
suficientes para invertir en software licenciado.
En la preparacion
de la primera edicion
de este libro se ha usado la version
5.27 de Maxima con apoyo de la
interface wxMaxima. El codigo
Maxima presentado para resolver un determinado problema ha sido probado y
preparado de manera tal que sea claro para el estudiante al punto que lo motive a adaptarlo para la resolucion
de otros problemas.
Tip de Maxima No. 1.

Por mi experiencia docente he evitado presentar una introducci
on a Maxima; es m
as efectivo dar tips y
requerir de los estudiantes la resoluci
on de problemas concretos.
A lo largo del libro el codigo

de Maxima se presenta sombreado:
(%i1)
( %o1)
sin(%pi/4);
1
Descripcion
de captulos
En el Captulo YYYY se hace

Se han incluido NNN apendices. En el Apendice XXX se presenta una breve introduccion
a
En este libro por competencia se entiende la capacidad para resolver un problema.
Captulo 1
Deduccion
a la Logica
Porque las cosas de este mundo no pueden llegar a entenderse

sin un conocimiento de matematicas
Roger Bacon
La Ciencia requiere de un mecanismo de construccion

que sea robusto y aceptable por el sentido comun
y que permita distinguir con rigurosidad la validez de sus procesos internos para su aplicacion
a situaciones
1 con su formalismo, constituye este mecanismo, [17].
practicas como las de la Ingeniera. La Logica,
Debe tenerse presente que la Logica

es aquella parte de la Matematica que permite aplicar, construir y sus
tentar el conocimiento. En todo caso, si bien es indispensable que un procedimiento ingenieril sea logicamente
correcto, esta no es una condicion

suficiente para su e xito pues queda un amplio campo para la intuicion
y la
creatividad. Recuerde que las palabras ingeniero e ingeniera se derivan de la palabra ingenio.
En el presente trabajo abordamos los rudimentos de la Logica
desde la perspectiva del Calculo Proposicional
de Gentzen y Jaskowski ([13], [28] y [16]), mejor conocido como Deduccion

Natural. A nuestro criterio, esta
es una herramienta que debera trabajarse en las carreras de Ingeniera y Ciencias, ya que la habilidad para
manejar los procesos argumentativos son esenciales para que un profesional sea eficaz, eficiente y cuestionador;
pues, no puede haber discusion alguna con sentido cuando no hay sujecion a las normas de la logica, [18].
Para este captulo nuestra referencia principal es [5]. Muy entretenida es la presentacion
mediante historias
que utilizan [8] y [7]. Una resena
sobre la Deduccion
historica
Natural se encuentra en [25].

Nuestra construccion
de la Deduccion
Natural refleja un Sistema Axiomatico,2 esto es: i) se establecen
los conceptos fundamentales: proposicion,
valor de verdad, razonamiento, solidez y validez (Secciones 1.1 y
1.1.1); ii) se establecen las reglas de juego fundamentales, es decir, un conjunto consistente de principios y/o
axiomas: principios de la logica
y reglas de inferencia fundamentales (Secciones 1.1.2 y 1.2); iii) se construye
el conocimiento, es decir, se demuestran y/o enuncian teoremas, lemas, corolarios, etc. con uso de los puntos
anteriores: reglas de inferencia derivadas, Leyes de De Morgan, etc. (Secciones 1.6 y 1.7). La identificacion
de las
principales Falacias Formales o Estructurales es abordada en la Seccion
1.4. En adicion
a la Deduccion
Natural,
en la Seccion
2.3 se introducen, ya en el contexto conjuntista, los cuantificadores universal y existencial que
permiten extender el rango de proposiciones que se usan en Matematicas.
Para varios de los ejemplos del presente captulo se han usado informalmente numeros
reales y sus propie
dades, apoyandonos en los conocimientos que debe tener el estudiante de sus estudios de bachillerato. Esta
tematica es abordada formalmente en el Captulo 3.
Del griego o (logike) que significa dotado de razon,

intelectual, dialectico, argumentativo.
El ejemplo mas conocido de sistema deductivo es la Geometra de Euclides, que se estudia usualmente en el bachillerato. Para
Euclides un punto es una realidad concreta que no necesita (ni puede) ser probada. Todo el conocimiento geometrico de los griegos
se deriva logicamente
a partir de los Cinco Postulados. En particular el Quinto Postulado refleja la concepcion
antigua de un
mundo plano.
1
2
1 Deduccion
a la Logica
1.1.
Conceptos basicos y principios fundamentales
Los elementos basicos de la Logica

son la proposicion
y el razonamiento. Empecemos con el primero de

ellos:
Definicion
1.1 [Proposicion
y declaracion]
es un enunciado del que se puede establecer su valor de verdad, es decir se puede verificar si
Una proposicion
es una oracion o una parte de una
es verdadero (denotado por V o 1) o falso (denotada F o 0). Una declaracion
oracion que expone una proposicion.
De la Definicion
declaraciones; de
1.1 se deduce que una proposicion
puede ser expresada con multiples
manera que una declaracion

es como la envoltura con la que se presenta una proposicion.
Ejemplo 1.1 Las siguientes oraciones

Carlos H. es culpable de homicidio en primer grado.
Carlos H. is guilty of first degree murder.
Del cargo de asesinato en primer grado, Carlos H. es culpable.
son declaraciones que expresan el mismo contenido y, puesto que el mismo expresa algo que es necesariamente verdadero
o falso, corresponden a una misma proposicion.
Ejemplo 1.2 Las siguientes declaraciones
x , 5;
x>5
x < 5;
no es cierto que x = 5;
x R \ {5};
expresan una misma proposicion: que el numero
x no es igual al numero
5.
Observacion
1.1 Cuando se busca discernir entre lo verdadero y lo falso lo fundamental es el contenido (la proposicion),
mas alla del envoltorio (la declaracion). Por tanto, de aqu en adelante nuestra presentacion considera unicamente
proposiciones.
Preguntas, suposiciones y exhortaciones no son declaraciones pues de los contenidos de estas no se puede
establecer un valor de verdad.
Ejemplo 1.3 Ninguna de las siguientes oraciones es una declaracion:
El abogado defensor debera ser claro y conciso en la presentacion de sus argumentos.
Podras ser claro?
Supongamos ahora que los zombies existen.
Una proposicion
simple es una proposicion
enunciado. Las proposiciones
que esta formada por un unico
simples son usualmente representadas por letras. Por otro lado, una proposicion
compuesta esta formada por
dos o mas simples vinculadas entre s por conectores logicos
como la conjuncion,
la disyuncion,
el condicional,
etc. En el Cuadro 1.1 se presentan los principales conectores y operadores logicos.
Como se puede ver en el
Ejemplo 1.4 se usan habitualmente letras mayusculas

para representar proposiciones.
Ejemplo 1.4 Representemos algunas proposiciones:
1.1 Conceptos basicos y principios fundamentales
Conector Operador Aplicacion

Interpretacion
1 Interpretacion
2
Conjuncion
PQ
PyQ
QyP
Disyuncion
PQ
PoQ
QoP
Condicional
PQ
Si P entonces Q
Q si P
Negacion
P
No P
Es falso P
Cuadro 1.1 Conectores y operadores logicos

principales junto con interpretaciones basicas.
P: El pizarron es negro.
P S: El pizarron es negro y rosado.
Q: Mi nombre es Pedro.
W Q: Mi nombre es Juan o Pedro.
U: 3 + 6 = 9.
U U: 3 + 6 = 9 y 3 + 6 , 9.
L M: Si llueve en mi barrio entonces el patio de mi casa se moja.
Es claro que las proposiciones P, Q, W, L, M y U son proposiciones simples.
1.1.1.
Solidez de un razonamiento
Abordemos ahora el proceso esencial en el estudio de la Logica,

el razonamiento o argumento; donde, a
partir de un input, las premisas, se obtiene un output, la conclusion.
Definicion
1.2 [Razonamiento o argumento]
Un razonamiento o argumento es un proceso en el que a partir de un conjunto de proposiciones - llamadas
o inferencia.
premisas, se obtiene otra proposicion - llamada conclusion
En el esquema simple (1.1), a
partir de las premisas P1 , P2 , P3 y P4
se obtiene la conclusion
C, sin enunciarse paso intermedio alguno. Sin
embargo, en un razonamiento es
habitual sacar conclusiones parciales antes de obtener la conclusion
final; esto se refleja en el esquema

(1.2) donde se obtienen las conclusiones parciales Q1 y Q2 , antes de
alcanzar la conclusion
final C.
P1
P2
P3
4
5
(1.1)
P4
C
P1
P2
P3
P4
Q1
6
7
Q2
C
(1.2)
Observe que la Definicion

1.2 incluye los procesos de deduccion
de personas mentalmente desequilibradas,
de ninos
etc.; dicho de otra manera, no se establecen condiciones sobre la solidez o no-solidez de un
pequenos,
argumento.
La siguiente definicion
es estandar y puede ser encontrada e.g. en [5] y [2]:
Definicion
1.3 [Solidez de un argumento]
Un razonamiento o argumento es solido

si y solo si su estructura es valida y, al mismo tiempo, sus premisas son
verdaderas. Un argumento que no es solido se dice que es defectuoso, equivocado o no-solido.

De la Definicion
cuando a partir de un conjunto de premisas
1.3, se deduce que un razonamiento es solido
verdaderas se deriva necesariamente la conclusion.
1 Deduccion
a la Logica
Definicion
1.4 [Validez de la estructura de un argumento]
La estructura de un argumento es valida

si y solo si la negacion de su conclusion es incompatible con las premisas.
La Definicion
estoico griego Crisipo de Solos (aproxi 1.4, enunciada como en [5], tiene su origen en el filosofo
madamente 281 AEC - 208 AEC).

Como veremos en la Seccion
nos ayudan a identificar la
1.1.2, la mayora de los Principios de la Logica
no-solidez de un razonamiento, (en la mayora de los casos) mediante la identificacion

de la no-validez de su
estructura. Por otro lado, para establecer la solidez de un argumento es necesaria la aplicacion
de reglas de
inferencia; esto es abordado en las Secciones 1.2 y 1.6 y tiene que ver con la estructura del razonamiento (en
tanto que las premisas sean todas verdaderas).
Observacion
1.2 No se deben confundir los terminos verdadero y falso - que se aplican a una proposicion - con los
terminos valido y no valido - que se aplican a la estructura de un razonamiento.
Ejemplo 1.5 [Hipotesis]

En el a mbito tecnico - cientfico, especialmente cuando esta inmerso un estudio experimental que requiere el analisis
estadstico de un conjunto de datos, es habitual terminar el proceso mediante una Prueba de Hipotesis. Pero, que es una
hipotesis? y que es una prueba de hipotesis? Una hipotesis es una proposicion. Entonces, estrictamente, una prueba de
hipotesis corresponde a la determinacion del valor de verdad de la hipotesis. Sin embargo, cuando no se cuenta con la
poblacion bajo estudio y solo se cuenta con una muestra, la conclusion mantiene el sentido pero se anade
el concepto de
confianza de la prueba. Por ejemplo, en lugar de concluir que
La tasa de analfabetismo digital es mayor en Ecuador que en Francia;
se concluye algo como
Con un 97 % de confianza, la tasa de analfabetismo digital es mayor en Ecuador que en Francia.
Como se evidenciara en la Seccion 1.2.4.2, el mecanismo que sigue una prueba (estadstica) de hipotesis corresponde a una
version (probabilstica) del metodo de demostracion conocido como Reduccion al Absurdo.
Como lo establece la Definicion
1.3, los conceptos de solidez de un razonamiento y de validez de su estructura
son equivalentes en tanto que las premisas sean todas verdaderas. Esto es consecuencia del hecho que la logica
formal es aquella parte de la teora de la ciencia3 que proporciona la tecnica de la prueba cientfica... que resulta aplicable
a todo contenido posible, [18], es decir, a grosso modo, la Logica
se ocupa de la validez de las estructuras.
Ejemplo 1.6 Consideremos los siguientes razonamientos:

R1: Toda musica
se compone de sonidos. El tango es musica.
Por lo tanto, el tango se compone de sonidos.4

R2: Mi recinto tiene una nueva carretera y puedo sacar mis productos agrcolas a la venta sin que mi vehculo se dane.
La carretera fue construida por el gobierno. Por tanto, el gobierno es bueno.

R3: Todos los perros ladran. Yo soy un perro. Por tanto, yo ladro.
En tanto que R1 es un razonamiento solido, R2 y R3 no lo son.
Si bien la conclusion del razonamiento R2 podra ser verdadera, tal conclusion, el gobierno es bueno, no es consecuencia
de las premisas; es decir, la estructura del razonamiento R2 no es valida. Podra suceder que el gobierno haya construido
multiples
carreteras pero que todas ellas hayan involucrado acciones de corrupcion y sobreprecios.
3
La teora de la ciencia es la teora sobre el metodo cientfico o la tecnica para la investigacion,

es decir para la generacion
de
conocimiento.
4 Tomado de [10].
La estructura de los razonamientos R1 y R3 es la misma y es valida. Sin embargo, R3 no es razonamiento solido pues la
segunda premisa, Yo soy un perro, no es verdadera.
1.1.2.
Principios de la Logica
A base de razonamientos - solidos

o equivocados - nuestra mente toma decisiones. Por tanto, es fundamental
conocer bajo que condiciones o principios un razonamiento es o no solido,

es decir debemos contestar a la
siguiente pregunta: bajo que condiciones podemos asegurar que las conclusiones obtenidas estan sustentadas
por las premisas?
Ejemplo 1.7 El Dr. Ignacio R. es uno de los endocrinologos mas prestigiosos del Ecuador; vive y trabaja en Quito. En el
a mbito medico es conocido que practicamente no acepta los resultados de examenes clnicos realizados en provincia a sus
pacientes. Tendra probabilidades de exito una posible demanda de un Colegio de Medicos de provincia que lo acusara de
discriminar a los profesionales de provincia que realizan los examenes clnicos que requiere el mencionado profesional?5
La respuesta es no. Esta justificada su postura.
Para poder tomar decisiones que ayuden a establecer un diagnostico correcto - en otras palabras que la conclusion sea
correcta - y, a posteriori, el tratamiento mas idoneo para uno de sus pacientes, el Dr. Ignacio R. necesita que la informacion
presente en los resultados de los examenes clnicos reflejen la realidad - dicho de otra manera que las premisas sean
verdaderas. Lastimosamente, en la gran mayora de los casos de pacientes que traen examenes realizados en provincia, este
no es el caso. Por tanto, para poder brindar el servicio medico de la mejor calidad posible el profesional se ve en la necesidad
de tomar una poltica inflexible de no confiar en los resultados de examenes practicados en provincia.
Por que se da este problema? A pesar de que para cualquier examen medico existen protocolos preestablecidos y probados,
no siempre el equipo medico utilizado esta calibrado tecnicamente y, lastimosamente, para ahorrar recursos muchas veces
no se usan los reactivos apropiados o se saltan etapas del protocolo o simplemente no se cumplen todas las etapas con el
rigor necesario.
En esta seccion,
enunciamos los principios que deberan guiar nuestra mente cuando razonamos. Por ello
recalcamos que, al analizar un argumento,los conceptos de solidez y validez (de su estructura) son equivalentes
en tanto que todas las premisas sean verdaderas.
Principio 1. Un razonamiento que usa alguna premisa falsa no es solido.
Por tanto, para que no perdamos el tiempo con un razonamiento, es una costumbre sana verificar primero
que las premisas sean todas verdaderas. Al principio anterior se le refiere como el Principio de Pureza de las
Premisas.
Ejemplo 1.8 En una escena de la pelcula Monty Python and the Holy Grail (1975), el Rey Arturo nombra caballero
al juez Bedevere y lo recluta para su divina mision, gracias a las dotes logicas mostradas por este ultimo.
Bedevere logra
demostrar la hipotesis de que una mujer es bruja al evidenciar (en una balanza fraudulenta) que pesa lo mismo que
un pato. Para ello, ayuda a un grupo de ignorantes campesinos (que denunciaron a la mujer) a establecer el siguiente
razonamiento:
Premisa 1: Si ella pesa lo mismo que un pato entonces esta hecha de madera.
Premisa 2: Si ella esta hecha de madera entonces es una bruja.
Conclusion: Por tanto, si ella pesa lo mismo que un pato entonces es una bruja.
5
En el siguiente ejemplo mostramos la conexion

entre los conceptos de calidad de la informacion,
protocolo y solidez de un
argumento. De acuerdo a [11], por protocolo es un plan escrito y detallado de un experimento cientfico, un ensayo clnico o una actuacion
medica.
1 Deduccion
a la Logica
Como veremos mas adelante, en la Seccion 1.6.1, la estructura del razonamiento anterior (esquematizada al lado derecho)
es valida y recibe el nombre de Silogismo Hipotetico. Sin embargo el razonamiento no es solido pues, evidentemente, las
premisas son falsas.
1
PM
2
3
MB
PB
Observacion
1.3 Tenga presente que para esquemas como el del Ejemplo 1.8 se eligen letras que ayuden a entender y
recordar rapidamente las proposiciones que se estan representando. En el caso mencionado se tiene:
P: Ella pesa lo mismo que un pato;
M: Ella esta hecha de madera.
B: Ella es una bruja.
En Ingeniera muchas de las decisiones se toman con apoyo de calculos matematicos, los cuales son basicamente razonamientos. El siguiente ejemplo nos ayuda a apreciar la importancia de evitar premisas falsas.
distinto a 1. Sin embargo, usando un razonamiento

Ejemplo 1.9 Es claro que 2 = 1.414213562373095... es un numero
no-solido podemos llegar erroneamente a la conclusion de que 2 = 1:
Premisa 1:
Para cualesquiera numeros
positivos x, y se cumple que
x + y = x + y.
Premisa 2: x = 2 es un numero
positivo.
Premisa 3: y = 2 es un numero
positivo.
Conclusion parcial 1:
2 + 2 = 2 + 2.
Conclusion parcial 2:
4 = 2 2.
Conclusion parcial 3: 2 = 2 2.
Conclusion: 1 = 2.
El razonamiento anterior no es solido porque la primera premisa es falsa.
Para establecer el siguiente principio de la Logica,
necesitamos el concepto de consistencia.
Definicion
1.5 [Consistencia]
Un conjunto de premisas es inconsistente si de ellas se puede inferir una contradiccion; caso contrario, se dice
a la conjuncion de una proposicion con
que el conjunto de premisas es consistente. Se denomina contradiccon
su opuesta, es decir a una proposicion de la forma P P.
El siguiente principio, conocido como el Principio de Consistencia de las Premisas, establece que un argumento
no puede ser solido
cuando sus premisas provocan contradicciones.
Principio 2. Un razonamiento que usa un conjunto inconsistente de premisas no es solido.
Ejemplo 1.10 El siguiente razonamiento no es solido porque las premisas provocan una conclusion parcial que contradice
la primera premisa.
Premisa 1:
Pedro es ambateno.
Premisa 2: Si alguien es ambateno,

es tungurahuense.
Premisa 3: Pedro no es tungurahuense
Conclusion parcial: Pedro no es ambateno
Conclusion: Por tanto, Pedro es ambateno

pero no tungurahuense.
Como veremos mas adelante, en la Seccion 1.6.6, la conclusion parcial resulta de las premisas 2 y 3 mediante la aplicacion
del Modus Tollens.
Ejemplo 1.11 Consideramos un numero
real x, es decir x R. El siguiente conjunto de premisas es inconsistente:

Premisa 1:
Premisa 2:
1
x< .
4
2x 1 > 0.
En efecto, se tiene lo siguiente:

1
x .
4
Premisa 2: 2x 1 > 0.

1
Conclusion parcial 1: x > .
4
Conclusion parcial 2: 2x > 1.
1
2
1 1
Hecho:
> .
2 4
1
4

1
1
Conclusion parcial 5: x >
x> .
4
4
Premisa 1:
Ahora bien, podra lo falso estar contenido en lo verdadero? Es decir, es logicamente

aceptable que se
obtenga una conclusion

falsa a partir de premisas verdaderas? Esto nos lleva a un nuevo principio de la Logica,
el Principio de Pureza de la Conclusion:
Principio 3. Si premisas verdaderas producen una conclusion falsa entonces la estructura del argumento no es valida.
Entonces, el Principio de Pureza de la Conclusion

es una primera herramienta para determinar cuando una
estructura de razonamiento no es valida.
Ejemplo 1.12 La estructura del siguiente razonamiento no es valida porque lleva de premisas verdaderas a una conclusion
falsa:
Premisa 1: Pedro es ambateno.
Premisa 2: Si alguien es ambateno,

es tungurahuense.
Conclusion: Por tanto, Pedro no es tungurahuense.
2
3
AT
T
Ejemplo 1.13 [El caso de Carlos H.]

Mara W. es asesinada un sabado en torno a las 23h30 por alguien que entro en su domicilio, violento sus pertenencias y
dejo residuos de marihuana. En el juicio pertinente, el principal sospechoso, Carlos H., es condenado a 25 anos
de reclusion
basicamente por el siguiente razonamiento (respecto al da del evento):
10
Premisa 1:
Premisa 2:
Premisa 3:
Premisa 4:
Premisa 5:
Conclusion:
1 Deduccion
a la Logica
Carlos H. tuvo hasta hace poco una relacion sentimental con Mara W.
Carlos H. es un consumidor esporadico de marihuana.
Carlos H. estuvo en el Mall Los Andes entorno a las 20h10.
Mara W. estuvo en el Mall Los Andes entorno a las 20h20.
Carlos H. estuvo en el condominio donde vive Mara W. entorno a las 22h00.
Por tanto, Carlos asesino a Mara W.
Las cinco premisas del razonamiento anterior fueron presentadas por el abogado acusador; su veracidad fue establecida por
el testimonio del medico de Carlos H., por registros de video del condominio y del mall, y por el registro de una compra
que realizo Carlos H. con su tarjeta de credito. Sin embargo, realmente es suficiente el conjunto de hechos para establecer
la culpabilidad de Carlos H.?
He aqu lo que realmente sucedio. Carlos H. compro dos entradas para ver una pelcula que arranco a las 20h15 y que
presencio con Andrea X., su nueva enamorada. Mara W. llego al mall y realizo un reclamo en una empresa de telefona
entre las 20h18 y las 20h30. Carlos H. y Mara W. nunca se encontraron. Tan pronto termino la pelcula, Carlos H. dejo
en su domicilio a Andrea X. quien, coincidencialmente, vive en el mismo condominio que Mara W.
Jose U., el asesino y adicto a la marihuana, es el conserje del condominio. Al tener un impulso de consumo y al no tener
dinero, ingresa al departamento de Mara W. tratando de conseguir algo de dinero pensando que ella no estaba presente.
Al tratar de evitar el robo, Mara establece un enfrentamiento con el agresor que llevo al desenlace fatal.
Como contraparte al Principio de Pureza de la Conclusion,
necesitamos una herramienta que nos permita
establecer la no-validez de la estructura de un razonamiento donde partiendo de premisas verdaderas se llega
a una conclusion
que tambien es verdadera. Los dos principios que se enuncian a continuacion
salvan esta
situacion.
Principio 4. La validez o no-validez de la estructura de un razonamiento es independiente de los contenidos.
Al principio anterior se le conoce como Principio de Validez. Recuerde que por estructura nos referimos a la
forma en que se enuncia un razonamiento.
Cuando la estructura de un razonamiento admite un cambio de contenidos que provoca que las premisas
sean verdaderas y la conclusion
sea falsa, a la nueva situacion
se la refiere como un contraejemplo.
Principio 5. Si la estructura de un razonamiento admite un contraejemplo, entonces no es valida.
Por tanto, si intuimos que la estructura de un razonamiento no es valida y queremos probar que ese es
efectivamente el caso, deberamos extraer tal estructura y buscar un contraejemplo. Al principio anterior se le
conoce como el Principio del Contraejemplo.
Ejemplo 1.14 Retomemos el caso de Carlos H., Ejemplo 1.13. Observemos, desde otra perspectiva, el razonamiento que
establece que la culpabilidad del acusado:
Premisa 1: Si Carlos H. es el asesino, entonces hay hechos
que respaldan la culpabilidad.
Premisa 2: Hay hechos que respaldan la culpabilidad.
Conclusion: Por tanto, Carlos H. es el asesino.
Es mas, este razonamiento parecera ser respaldado por el siguiente:
AH
2
3
H
A
Premisa 1: Si llueve en mi barrio entonces mi jardn se

moja.
Premisa 2: Mi jardn esta mojado.
Conclusion: Por tanto, ha llovido.
11
LM
2
3
M
L
Sin embargo, los dos razonamientos anteriores son no-solidos pues el siguiente razonamiento es un contraejemplo, se tiene
la misma estructura pero se obtiene una conclusion falsa.
Premisa 1: Si hago mucho ejercicio entonces sudo.
Premisa 2: Estoy sudando (porque estoy en un sauna).
Conclusion: Por tanto, he hecho mucho ejercicio.
ES
2
3
S
E
Ejemplo 1.15 [La voz del pueblo, es la voz de Dios?]6

Abu Hanifa fue un teologo y jurista que dejo una huella profunda en el Islam. Mansur, un Califa descendiente de Mahoma,
admiraba mucho a Abu Hanifa y le ofrecio varias veces ser parte de su corte, cada vez sin exito.
Un zapatero, vecino de Abu Hanifa, tena tan mala apariencia que la gente deca: Quien se encuentre con el zapatero
en ayunas, se quedara todo el da con hambre. Para comprobar la veracidad de este dicho, Mansur hizo traer al
zapatero a su palacio para que duerma all. Al da siguiente, lo primero que hizo Mansur fue ver al zapatero para entonces
ocuparse en las actividades de gobierno. A la hora del almuerzo, una lagartija cayo del techo sobre el plato de Mansur al
punto que este perdio completamente el apetito. Mansur ordeno que colgaran al zapatero justificando su decision de la
siguiente manera: El zapatero es un pecador: apenas lo mire y todo el da no pude comer!.
Al no escuchar los tpicos gritos de su vecino, Abu Hanifa indago sobre su suerte. Al conocer sobre su condena, fue
inmediatamente al palacio. Tratando de honrar a Abu Hanifa, Mansur le pregunto: Como
puedo presentarte mis
respetos?. La respuesta le sorprendio: Mi vecino zapatero ha sido condenado y pido su inmediata libertad.
Mansur indico que era imposible: El proverbio dice que si alguien se encuentra con un pecador en ayunas, se
quedara todo el da con hambre. Mire al zapaterio esta manana
y todo el da no pude comer. Por Ala que ese
hombre es un gran pecador!.

Con respeto y firmeza Abu Hanifa presento el siguiente contraejemplo: Y dice otro proverbio que si alguien se
encuentra con un hereje por la manana,
por la tarde estara en la horca. Hoy por la manana
el zapatero vio al
Califa y en unos minutos sera condenado. Por tanto, el Califa es un hereje.

Mansur comprendio que cometio varios errores en su razonamiento. Los detecta usted?
Movido por el arrepentimiento, Mansur absolvio al zapatero y a todos los prisioneros que haba en el Imperio. Fue correcta
esta decision?
El siguiente principio, conocido como el Principio de las Reglas de Inferencia enuncia que existen herramientas que permiten administrar un conjunto de premisas verdaderas para obtener - de una forma solida
conclusiones verdaderas.
Principio 6. La validez de la estructura de un razonamiento se puede establecer con la ayuda de las Reglas de Inferencia.
Adaptado a partir de [8].
12
1.1.3.
1 Deduccion
a la Logica
Jerarqua de conectores logicos
A partir de la Seccion
1.2.1 abordaremos las Reglas de Inferencia. En el Cuadro 1.1 se presentaron los
conectores logicos
basicos y los operadores que los representan. Con respecto al orden o jerarqua de los
operadores se deben tener en cuenta los siguientes puntos.

1) Cuando hay parentesis la ubicacion
de estos indicara cual es el operador dominante.
2) Cuando hay signos de puntuacion
se los puede reemplazar por signos de agrupacion.
3) Cuando no hay puntuaciones ni parentesis se mantiene el siguiente orden de jerarqua:7 a) , b) , c) ,

d) , , Y y .
4) Si la proposicion
tiene el mismo tipo de operador o de igual fuerza se colocan los parentesis de izquierda a
derecha.
Ejemplo 1.16 La proposicion
P S Q R
se puede escribir como
[(P S) Q] R
La proposicion
P Q R S
[(P Q) R] S
1.2.
Reglas de Inferencia Fundamentales
En la Seccion
1.1.2 mencionamos que existen Reglas de Inferencia que permiten a nuestra mente realizar
razonamientos solidos,
es decir obtener (de una forma logicamente
correcta) conclusiones verdaderas a partir de
premisas verdaderas. Las reglas que presentaremos a partir de esta seccion

constituyen la base de la Deduccion
Natural.
Conector basico Operador Aplicacion
Interpretacion
1 Interpretacion
2
Conjuncion
PQ
PyQ
QyP
Disyuncion
PQ
PoQ
QoP
Condicional
PQ
Si P entonces Q
Q si P
Negacion
P
No P
Es falso P
Para cada uno de los cuatro conectores logicos

basicos se tiene una regla para justificar su aparicion
o
introduccion
y una regla para justificar su desaparicion
o eliminacion.
Esto es presentado en la Secciones 1.2.1.1
- 1.2.4.1. En la Seccion
1.2.2.3 se explica el significado de las frases P es condicion
necesaria de Q y P es
condicion
suficiente de Q, que aparecen con asiduidad en Matematicas.
1.2.1.
Conjuncion
Empezamos nuestro estudio con el conector logico

llamado conjuncion.
Es representado por el operador

de manera que la proposicion
compuesta P Q se interpreta como P y Q.
7
Los operadores , Y y se definen en la Seccion

1.5.
1.2 Reglas de Inferencia Fundamentales
13
Ejemplo 1.17 Consideremos las siguientes proposiciones:
EO CF: Ecuador esta en Oceana y Chile esta en Africa;

EU CA: Ecuador esta en Europa y Chile esta en America;
EA CS: Ecuador esta en America y Chile esta en Asia;
EA CA: Ecuador esta en America y Chile esta en America.
Nuestra mente identifica como verdadera unicamente
la cuarta proposicion, EA CA. Por que? Porque tanto la primera

componente, EA (Ecuador esta en America), como la segunda componente, CA (Chile esta en America), son verdaderas.
Las otras tres proposiciones son falsas pues al menos una de las dos componentes es falsa.
Lo mostrado en el Ejemplo 1.17 es caracterstico de la conjuncion,
independiente de los contenidos involucrados en las proposiciones. Por tanto, para que P Q sea verdadera es condicion
necesaria y suficiente que
tanto P como Q sean verdaderas. Esto se expresa mediante las tablas de verdad esquematizadas en el Cuadro
1.2.
P Q PQ
0
0
1
1
0
1
0
1
0
0
0
1
PQ P Q
1
1 1
Cuadro 1.2 Tablas de verdad de la conjuncion.

La veracidad de P y Q es necesaria (tabla derecha) y suficiente (tabla izquierda)
para establecer la veracidad de P Q.
1.2.1.1.
Introduccion
de la conjuncion
Nos apoyamos en el siguiente ejemplo para mostrar el mecanismo que permite introducir la conjuncion.
Ejemplo 1.18 Es verdad que

P:
5 es un numero
entero
y tambien que
Q:
5 es un numero
real positivo;
por tanto
P Q:
5 es un numero
entero y 5 es un numero
real positivo
Q P:
5 es un numero
real positivo y 5 es un numero
entero
y tambien es cierto que
La estructura del razonamiento utilizado en el Ejemplo 1.18 es valida, independiente de sus contenidos, y
se esquematiza de la siguiente manera:
14
1 Deduccion
a la Logica
2
3
Q
PQ
2
3
Q
QP
I, 1, 2
(1.3)
I, 1, 2
donde el smbolo I, 1, 2 se interpreta como introduccion

de la conjuncion
entre los pasos 1 y 2.
Observacion
1.4 El concepto de igualdad no tiene aplicacion para proposiciones; en su lugar, corresponde el concepto
de equivalencia. En ese sentido, mas adelante veremos que las proposiciones P Q y Q P son equivalentes, lo cual se
denota
P Q Q P.
1.2.1.2.
Eliminacion
de la conjuncion
Nos apoyamos en un ejemplo para mostrar el mecanismo que permite eliminar una conjuncion.
Ejemplo 1.19 Sabemos que

es un numero
irracional y positivo;
PQ :
por tanto es cierto que
es un numero
irracional
P:
Q:
es un numero
positivo
1
2
PQ
P
1
2
E, 1
PQ
Q
(1.4)
E, 1
donde el smbolo E, 1 se interpreta como eliminacion

de la conjuncion
en el paso 1.
1.2.2.
Condicional
El conector logico
llamado condicional es representado por el operador . La proposicion
compuesta
PQ
(1.5)
se interpreta como si P entonces Q.

La proposicion
compuesta (1.5) es verdadera cuando establece sin lugar a dudas una relacion
de causa efecto; es decir, siempre que se tenga el antecedente P se puede inferir el consecuente Q.
Usaremos el siguiente ejemplo para explicar el contenido de las tablas de verdad esquematizadas en el
Cuadro 1.3. Usaremos una situacion
en que la relacion
causa - efecto C E sea clara.
15
P Q PQ
0
0
1
1
0
1
0
1
1
1
0
1
PQ P Q
0
1 0
Cuadro 1.3 Tablas de verdad del condicional. La veracidad del antecedente y la falsedad del consecuente son condiciones necesarias
(tabla derecha) y suficientes (tabla izquierda) para la falsedad del condicional.
Ejemplo 1.20 Es claro que existe una relacion de causa efecto entre las siguientes proposiciones:
C:
E:
Llueve en mi barrio;
Se moja el jardn de mi casa.8
Causa verdadera y efecto verdadero. En caso de que tanto C como E sean verdaderas, es decir, al mismo tiempo, llueve en
mi barrio y se moja mi jardn, es claro que la proposicion C E debe ser verdadera.
Causa verdadera y efecto falso. Es claro que la situacion en que C sea verdadera y E sea falsa, es decir, al mismo tiempo,
llueve en mi barrio y no se moja mi jardn, es imposible; por tanto, la proposicion C E debe ser falsa.
Causa falsa y efecto verdadero. La situacion en que C es falsa y E es verdadera no es imposible; en efecto, el jardn puede
estarse mojando con una manguera. Puesto que se mantiene en vigencia la relacion de causa - efecto, la proposicion C E
es verdadera.
Causa falsa y efecto falso. La situacion en que tanto C como E son falsas, es decir cuando ni se moja el patio ni llueve, es
la mas habitual. Puesto que se mantiene en vigencia la relacion de causa - efecto, la proposicion C E es verdadera.
1.2.2.1.
Eliminacion
del condicional (Modus Ponens)
Para presentar el mecanismo de eliminacion

del condicional (Modus Ponens) nos valemos de un ejemplo.
PQ:
Si x es un numero
distinto a cero entonces x
1
= 1.
x
Ahora bien, observamos que

P:
x = 2 es un numero
distinto a cero.
Por tanto, podemos concluir, con toda seguridad, que
Q:
La estructura del razonamiento utilizado en el

Ejemplo 1.21 es valida, independiente de sus contenidos, y se esquematiza como a la derecha; donde el
smbolo E, 1, 2 se interpreta como eliminacion
del
condicional entre los pasos 1 y 2.
1
= 1.
2
1
PQ
2
3
P
Q
E, 1, 2
Alternativamente, se podra simbolizar como MP, 1, 2 que se interpreta como Modus Ponens entre los pasos
1,2.
8
Que no tiene techo.
16
1 Deduccion
a la Logica
Ejemplo 1.22 En un cuerpo legal, las sanciones son consecuencia de faltas cometidas; es decir que se utiliza el Modus
Ponens. Consideremos, por ejemplo, un artculo del Reglamento de Estudiantes de una Universidad:
En caso de que un profesor o estudiante incurriera por primera vez
en alguna accion
u omision
que constituya fraude academico,
recibira una amonestacion
escrita por parte del Consejo Universitario.
En particular, esta disposicion legal establece que
Si un estudiante comete por primera vez fraude academico
entonces recibira una amonestacion
escrita por parte del Consejo Universitario.
Por tanto, si el Consejo Universitario constata que el estudiante Carlos H. comete plagio (e.g. en un trabajo de consulta)
y que (hasta donde conoce) es su primera vez, debe emitirle una amonestacion por escrito.
1.2.2.2.
Introduccion
del condicional. Metodo Directo de Demostracion
Aprovechamos un ejemplo simple para mostrar el mecanismo con el que se consigue introducir un condicional. Este es un mecanismo para demostrar que es verdadera una relacion
de causa - efecto entre dos
proposiciones.
Ejemplo 1.23 Nos interesa demostrar la siguiente proposicion:
Teorema. Si n es un numero
natural entonces n es un numero
positivo.
Demostremos el Teorema. Supongamos que
N:
n es un numero
natural.
Por definicion, lo anterior quiere decir que:

EP :
n es un numero
entero y n es un numero
positivo
por tanto, en particular se tiene que

P:
n es un numero
positivo
Por tanto, hemos probado que

NP:
Si n es un numero
natural entonces n es un positivo.

smbolo I, 1 n se interpreta como introduccion
del
condicional desde el paso 1 hasta el paso n.
1
..
.
P
..
.
n
n+1
Q
PQ
Suposicion,
(1.6)
I, 1n
17
Observacion
1.5 El mecanismo usado para demostrar la veracidad del teorema del Ejemplo 1.23 se denomina Metodo
Directo y no es mas que la estructura de Introduccion del Condicional. en terminos generales, cuando se tiene un teorema
de la forma:9
H T:
Si Hipotesis entonces Tesis
se parte suponiendo que la Hipotesis, H, es verdadera y se avanza con el analisis hasta obtener la tesis, T. De hecho, puesto
que la estructura de un Teorema10 es H T, H representa la conjuncion de todas las hipotesis o condiciones del Teorema.
Ejemplo 1.24 Probemos un teorema bastante simple utilizando el Metodo Directo.
Teorema. Si n Z es impar entonces n2 es impar.
Demostremos el teorema por el Metodo Directo. Supongamos que n Z es impar. Entonces, por definicion de numero
impar, existe un k Z tal que

n = 2k + 1.
Se tiene entonces que
n2 = 2m + 1,
donde
m = 2k2 + 2k
que tambien es un numero
entero (pues es el resultado de sumas y multiplicaciones de enteros). Por tanto, por definicion
de numero
impar, se sigue que n2 Z es impar.
1.2.2.3.
Condiciones necesaria y suficiente
En esta seccion
tratamos de aclarar el uso de algo terminologa con que el estudiante se encontrara en textos
de matematicas.
Consideremos las proposiciones R y S. Se dice que
S es condicion
suficiente para R
si cada vez que S ocurre inmediatamente sabemos que tambien ocurre R, es decir S es causa del efecto R. Como
ya vimos esto quiere decir que la proposicion
SR
es verdadera.
Ejemplo 1.25 Es claro que
x es un numero
natural
es condicion suficiente para concluir que
x es un numero
entero.
La gran mayora de teoremas tienen esta forma.

Que es la misma estructura de los Lemas, Corolarios y Proposiciones matematicas.
10
18
1 Deduccion
a la Logica
Se dice que S es condicion

necesaria para R si cada vez que R ocurre inmediatamente sabemos que tambien
ocurre S; equivalentemente, quiere decir que si no tenemos S no podemos tener R. Esto quiere decir que la
proposicion
RS
es verdadera.
Ejemplo 1.26 Retomamos el Ejemplo 1.13. Se tiene que
Carlos H. es el asesino
es condicion suficiente para concluir que
hay hechos que respaldan la culpabilidad.
Por tanto, que existan hechos que sugieran la culpabilidad de Carlos H. es condicion necesaria (pero no suficiente!) para
tenerlo como sospechoso.
1.2.3.
Disyuncion
El conector logico
llamado disyuncion
es representado por el operador . La proposicion

compuesta
PQ
se interpreta como P o Q.
Ejemplo 1.27 Consideremos las siguientes proposiciones:
EO CF: Ecuador esta en Oceana o Chile esta en Africa;

EU CA: Ecuador esta en Europa o Chile esta en America;
EA CS: Ecuador esta en America o Chile esta en Asia;
EA CA: Ecuador esta en America o Chile esta en America.
Nuestra mente identifica como falsa unicamente
la primera proposicion, EA CA. Por que? Porque tanto la primera

componente, EA (Ecuador esta en America), como la segunda componente, CA (Chile esta en America), son falsas. Las
otras tres proposiciones son verdaderas pues al menos una de las dos componentes es verdadera.
Lo mostrado en el Ejemplo 1.27 es caracterstico de la disyuncion,
independiente de los contenidos involucrados en las proposiciones. Por tanto, para que P Q sea falsa es condicion
necesaria y suficiente que tanto P
como Q sean falsas. Esto se expresa mediante las tablas de verdad esquematizadas en el Cuadro 1.4.
P Q PQ
0
0
1
1
0
1
0
1
0
1
1
1
PQ P Q
0
0 0
Cuadro 1.4 Tablas de verdad de la disyuncion.

La falsedad de P y Q es condicion
necesaria (tabla derecha) y suficiente (tabla
izquierda) para establecer la falsedad de P Q
1.2.3.1.
19
Introduccion
de la disyuncion
Nos apoyamos en un ejemplo para mostrar el mecanismo que permite introducir una disyuncion.
Ejemplo 1.28 Consideremos la siguiente ecuacion

x2 x 20
= 0,
x+4
Observemos que
x R.
(1.7)
x2 x 20 = (x 5)(x + 4).
Es claro que
P:
x1 = 5 es solucion de la ecuacion (1.7).
por tanto
P Q:
x1 = 5 es solucion de la ecuacion (1.7) o x3 = 1000 es solucion de la ecuacion

R P:
x3 = 1000 es solucion de la ecuacion (1.7) o x1 = 5 es solucion de la ecuacion (1.7)
1
2
P
PQ
I, 1
1
2
Q
PQ
I, 1
donde el smbolo I, 1 se interpreta como introduccion

de la disyuncion
sobbre el paso 1.
adelante, las proposiciones P Q y Q P son equivalentes.
Como se vera mas
Ejemplo 1.29 Volvamos a considerar la ecuacion (1.7). Observe que el siguiente razonamiento no es solido pues la
premisa es falsa. En efecto, el valor x2 = 4 provocara division por cero en el primer miembro de la ecuacion (1.7).
Premisa, R: x2 = 4 es solucion de la ecuacion (1.7).
Conclusion, R Q: x2 = 4 es solucion de la ecuacion (1.7) o x3 = 1000 es solucion de la ecuacion.
1.2.3.2.
Eliminacion
de la disyuncion
(Dilema)
Como se puede ver en el siguiente ejemplo, un dilema se presenta cuando se tienen dos opciones, pero las
dos llevan a un mismo resultado; la conclusion
es que necesariamente se tendra dicho resultado.
Ejemplo 1.30 Consideremos el polinomio definido por la formula
p(x) = x2 x 20.
Se tiene que
20
1 Deduccion
a la Logica
x=5
PQ :
Ademas,
PR:
y que
x = 4.
Si x = 5 entonces p(x) = 52 5 20 = 0;
Si x = 4 entonces p(x) = (4)2 (4) 20 = 0.
QR:
Por tanto,
R:
p(x) = 0.

smbolo E, 1, 2, 3 se interpreta como eliminacion
de
la disyuncion
entre los pasos 1, 2 y 3.
PQ
PR
3
4
QR
R
E, 1, 2, 3
Alternativamente se podra simbolizar como DIL, 1, 2, 3 que se interpreta como Dilema entre los pasos 1, 2 y
3.
1.2.4.
Negacion
El conector logico
llamado negacion
es representado por el operador . La proposicion

compuesta P se
interpreta como no P o lo contrario de P o no es cierto P. Es clara la validez de las tablas de verdad
esquematizadas en el Cuadro 1.5.
P P
0
1
1
0
P P
0
1
1
0
Cuadro 1.5 Tablas de verdad de la Negacion.

Es necesario y suficiente conocer el valor de verdad de P para conocer el valor de
verdad de P.
Es importante entender bajo que circunstancias se puede introducir una negacion

y, de la misma manera,
saber cuando se la puede eliminar.
1.2.4.1.
Eliminacion
de la Negacion
Mediante un par de ejemplos motivamos el mecanismo de la eliminacion

de la negacion.
Ejemplo 1.31 Leemos en una enciclopedia que

M :
Es falso que el terreno de Marte no tiene nutrientes.
Entonces estamos en condiciones de concluir que

M:
El terreno de Marte tiene nutrientes.
Ejemplo 1.32 Escuchamos a un profesor decir que
P :
21
No es posible que el conjunto A no tenga elementos.
Entonces estamos en condiciones de concluir que

P:
El conjunto A tiene elementos.
La estructura de razonamiento utilizada en los

Ejemplos 1.31 y 1.32 es valida, independiente de sus
contenidos, y se esquematiza como a la derecho; donde el smbolo E, 1 se interpreta como eliminacion
de
la negacion
en el paso 1.
1.2.4.2.
E, 1
Introduccion
de la negacion.
Metodo de Demostracion
por Reduccion
al Absurdo
Mediante un ejemplo motivamos el mecanismo de Introduccion

de la Negacion,
tambien conocido como
Reduccion
al Absurdo.
Ejemplo 1.33 Supongamos que
C:
El rey de Chile es tolerante.
Ahora bien, es claro que

CE:
Si el rey de Chile es tolerante, el rey existe.
Pero entonces, por el Modus Ponens,

E:
El rey de Chile existe.
Pero, puesto que Chile es una Republica,
E :
El rey de Chile no existe.
Entonces tenemos que

E E :
El rey de Chile existe y el rey de Chile no existe
que es una contradiccion. Estamos entonces autorizados a concluir que

C :
No es cierto que el rey de Chile es tolerante.

Ejemplo 1.33 es valida, independiente de sus contenidos, y se esquematiza de la siguiente manera:
1
..
.
P
..
.
n
n+1
E E
P
I, 1n
22
1 Deduccion
a la Logica
La Reduccion
al Absurdo11 establece que si se parte de una suposicion
y se llega a una contradiccion,
entonces
podemos negar tal suposicion.
La Reduccion
al Absurdo es un Metodo Indirecto para la demostracion
de
teoremas, proposiciones, etc.
Ejemplo 1.34 En el Ejemplo 1.9 usamos el hecho de que la
Para cualesquiera numeros

Proposicion.
x + y = x + y.
es falsa. Pero no demostramos que efectivamente sea falsa! Aprovechamos la Reduccion al Absurdo para probarlo.
Empecemos recordando que
1,
2 = 1.414213562373095...
(1.8)
Supongamos que la Proposicion es verdadera. Tomamos x = 2, y = 2 que son numeros
positivos. Se tiene entonces que
2+2 = 2+ 2
4=2 2
2=2 2
1= 2
(1.9)
Pero entonces, por (1.8) y (1.9) se tiene que
1,
1=
que es una contradiccion. Por tanto la proposicion es falsa. De hecho, hemos probado que es verdadero el siguiente
Teorema. No es cierto que para cualesquiera numeros

x + y = x + y.
Ejemplo 1.35 Corra el ano
399 EC cuando Meleto, motivado por la envidia, llevo a juicio a Socrates bajo la siguiente
acusacion:12
Socrates
corrompe a los jovenes:
no cree en los dioses en los que cree la ciudad y,
creencias relacionadas con genios.
en cambio, tiene extranas
En la votacion final de los miembros del jurado, 281 declararon culpable a Socrates en tanto que 275 votaron por su
inocencia. Como resultado, Socrates fue condenado a muerte por envenenamiento y tuvo que beber la cicuta. En su
defensa, Socrates dejo en evidencia la falsedad de la acusacion de Meleto mediante el metodo de Reduccion al Absurdo:13
Quien cree en cosas de genios, cree en genios.
Quien cree en genios, necesariamente cree en dioses (pues los genios son hijos bastardos de los dioses).
de Meleto, yo no creo en los dioses pero s creo en cosas de genios.
Suponiendo verdadera la acusacion
Pero, bajo este supuesto, yo creo en dioses y, al mismo tiempo, no creo en dioses.
de Meleto es falsa.
Por tanto, la acusacion
Ejemplo 1.36 Probemos usando el Metodo de Reduccion al Absurdo un teorema que tradicionalmente se le ha atribuido
a Pitagoras.
11
El nombre Reduccion
al Absurdo es el que tradicionalmente se le ha dado a la correspondiente estructura de razonamiento. Sin
embargo, por la forma en que funciona, mas bien se le podra denominar Derivacion
de Contradiccion.
12 Esta es una adaptacion

de la obra de Platon,
Apologa de Socrates, a partir de [8].
13 En su defensa, Socrates
uso lo que se conoce como el metodo Socratico: mediante una secuencia de preguntas se provoca que el
interlocutor se contradiga a s mismo, [6].
1.3 Analisis de la validez de una estructura de razonamiento mediante tablas de verdad
Teorema. El numero
23
2 es irracional.
Empecemos la demostracion suponiendo que 2 es un numero
racional. Por la defincion de numero
racional, existen
a Z y b Z \ {0}, enteros primos entre s14 tales que
a
2= .
b
a2 = 2b2 ,
(1.10)
de manera que a2 es par y, por tanto, a tambien es par. Entonces existe un k Z tal que
a = 2k,
de manera que, por (1.10), se tiene que
es decir
4k2 = 2b2 ,
b2 = 2k2 ,
as que b2 es par y b tambien lo es. Tenemos

una contradiccion pues si a y b son numeros
pares, no pueden ser primos entre
s. Por tanto, se ha demostrado que 2 es racional.
Ejemplo 1.37 [Prueba de Hipotesis]

Retomamos la discucion iniciada en el Ejemplo 1.5. Para demostrar que una hipotesis H0 es falsa, la Reduccion al Absurdo
nos provee el siguiente esquema:
Suponemos H0 .
Mediante las Reglas de Inferencia, se estable una contradiccion.
Por tanto, se rechaza H0 , estableciendo que es falsa.
Como consecuencia H0 es verdadera.
Teniendo presente que las Pruebas (estadsticas) de Hipotesis tienen un factor probabilstico de confianza, no se puede
establecer en terminos absolutos la verdad o falsedad de una hipotesis H0 . Por ello, se la contrasta o pone a competir con
una hipotesis alternativa Ha . Lo anterior se puede esquematizar de la siguiente manera:
Suponemos H0
Mediante la aplicacion de la Estadstica, se estable informacion que contradice H0 y favorece Ha .
Por tanto, con un cierto nivel de confianza (por ejemplo 95 %), se rechaza H0 , estableciendo que es probablemente falsa.
Como consecuencia se acepta Ha pues probablemente es verdadera.
Lo expuesto nos permite decir que las Pruebas (estadsticas) de Hipotesis no son mas que versiones probabilsticas del
Metodo de Reduccion al Absurdo.
1.3.
Analisis de la validez de una estructura de razonamiento mediante

tablas de verdad
En la Seccion
cuando, al mismo tiempo, la estructura es valida y
1.1.1 vimos que un razonamiento es solido
todas las premisas son verdaderas. Tambien indicamos que esto es equivalente a decir que de un conjunto de
premisas verdaderas se deriva necesariamente la conclusion,
es decir que el conjunto de premisas es causa del
efecto conclusion.
14
Esto quiere decir que se han simplificado el numerador y el denominador de manera que no queden factores enteros comunes.
24
1 Deduccion
a la Logica
P1
2
3
P2
..
.
4
5
Pn
C
Estas observaciones nos permiten establecer que

una estructura de razonamiento con n premisas P1 ,
P2 ,...,Pn y conclusion
C, es valida si y solo
si es verdadera la proposicion
(P1 P2 ... Pn )
Si bien este metodo no es una demostracion,

puede ser
util
en ciertas situaciones para verificar la validez de
una estructura.

El comando load se utiliza para cargar alg
un paquete adicional, normalmente con extenci
on .mac, a
Maxima.

El paquete logic.mac prov
ee comandos para manejar L
ogica en Maxima. El comando
characteristic vector (expr, var 1, ..., var n)
entrega la
ultima columna de la tabla de verdad de la expresi
on l
ogica expr en las variables var 1,
var 2, ... var n.
Ejemplo 1.38 Verifiquemos mediante una tabla de verdad

la validez del Modus Ponens. La ultima
columna de la tabla correspondiente (Cuadro 1.6) presenta solo numeros
1
(verdadero). Esto, referido como una tautologa, indica que
siempre se concluye Q a partir de las premisas P Q y P.
PQ
2
3
P
Q
E, 1, 2
P Q P Q (P Q) P [(P Q) P] Q
0
0
1
1
0
1
0
1
1
1
0
1
0
0
0
1
1
1
1
1
Cuadro 1.6 Tabla de verdad para verificar la validez del Modus Ponens.
Con ayuda de Maxima podemos obtener, directamente los valores de la ultima
columna:
(%i1)
load("logic.mac");
( %o1)
C:/Program Files (x86)/Maxima-sbcl-5.36.1/share/maxima/5.36.1/share/logic/logic.mac
(%i2)
( %o2)
(1.11)
characteristic_vector(((P implies Q) and P) implies Q, P, Q);

[ true,true,true,true]
Ejemplo 1.39 Verifiquemos con ayuda de Maxima la validez del Dilema o Eliminacion de la Disyuncion. La tabla de
verdad del Dilema se presenta en el Cuadro 1.7.
PQ
PR
3
4
QR
R
E, 1, 2, 3
1.4 Falacias formales o estructurales
(%i1)
25
load("logic.mac");
( %o1)
(%i2)
characteristic_vector(
((P or Q) and (P implies R) and (Q implies R)) implies R,
P,Q,R);
( %o2)
[ true,true,true,true,true,true,true,true]
P Q R P Q P R Q R (P Q) (P R) (Q R) [(P Q) (P R) (Q R)] R
0
0
0
0
1
1
1
1
0
0
1
1
0
0
1
1
0
1
0
1
0
1
0
1
0
0
1
1
1
1
1
1
1
1
1
1
0
1
0
1
1
1
0
1
1
1
0
1
0
0
0
1
0
1
0
1
1
1
1
1
1
1
1
1
Cuadro 1.7 Tabla de verdad para verificar la validez del Dilema.
1.4.
Falacias formales o estructurales
Una falacia es un argumento o razonamiento que a simple vista parecera solido

pero que no lo es. Podemos
pensar que un argumento es un edificio y que una falacia es un problema de construccion;

en ese sentido, las
falacias se pueden clasificar en a) falacias estructurales o formales; y, b) falacias materiales o informales. En esta
seccion
abordaremos las principales falacias estructurales. Matematicos, cientficos y otros academicos cuidadosos
son particularmente habiles para detectar y evadir estas falacias, [2].
Las falacias materiales son mas difciles de detectar pues tienen que ver con el contexto del razonamiento y los
contenidos especficos. Su estudio es de particular importancia para profesionales como abogados, que usan el
discurso como herramienta. Ademas, como lo senala
Augustus de Morgan (1806 - 1871), las falacias materiales
no pueden ser clasificadas, [9]. Al lector interesado le recomendamos las propuestas de ordenamiento de [2] y
[26].
Un argumento presenta una falacia formal o estructural cuando se le puede aplicar el Principio del Contraejemplo; es decir, manteniendo su estructura, se puede construir una situacion
en que las premisas son
verdaderas y la conclusion
es falsa.
impropia]
Ejemplo 1.40 [Falacia de generalizacion
El siguiente tipo de razonamiento, que se escucha a menudo, presenta una falacia formal:
Todos los fascistas son derechistas.
Todos los liberales son derechistas.
Por tanto, todos los liberales son fascistas.
Para evidenciarlo, consideremos el siguiente contraejemplo:
26
1 Deduccion
a la Logica
Todos los nazis (extrema derecha) son totalitarios.

Todos los estalinistas (extrema izquierda) son totalitarios.
Por tanto, todos los nazis son estalinistas.
Las dos falacias formales que presentamos a continuacion
son muy comunes y es importante reconocerlas
para evitar caer en ellas y detectar cuando alguien mas cae en ella.
1.4.1.
Falacia de la Negacion
del Consecuente
Se presenta cuando se utiliza la siguiente estructura:

1
PQ
2
3
P
Q
NC, 1, 2
La tabla de verdad de la Falacia de la Negacion

del Consecuente se presenta en el Cuadro 1.8. Como se puede
apreciar no todos los elementos de la ultima
columna son verdaderos o unos; as que al no ser una tautologa,
no es una estructura valida. De hecho, el falso o cero que aparece en la ultima

columna nos senala
que existe
un contraejemplo: cuando P es falsa y Q es verdadera.

P Q P Q P (P Q) P Q [(P Q) P] Q
0
0
1
1
0
1
0
1
1
1
0
1
1
1
0
0
1
1
0
0
1
0
1
0
1
0
1
1
Cuadro 1.8 Tabla de verdad para verificar la no-validez de la Falacia de la Negacion

del Consecuente.
Con Maxima obtenemos directamente la ultima

columna de la tabla de verdad:
(%i1)
load("logic.mac");
( %o1)
(%i2)
characteristic_vector(((P implies Q) and not(P)) implies not(Q), P, Q);
( %o2)
[ true,false,true,true]
Ejemplo 1.41 En el sistema de control de procedimientos administrativos de un pas se tiene la siguiente premisa:
CI FPP: Si la Contralora encuentra indicios de actividades de fraude o corrupcion por parte de un funcionario
publico
entonces la Fiscala podra iniciar un proceso en contra de el.

Como tenemos evidencia de que Carlos H. ha incurrido en malas practicas que podran interpretarse como actos de
corrupcion, acudimos a la Fiscala a poner una denuncia... Nos responden que:
CI:
La Contralora no ha encontrado indicios de fraude o estafa en las actividades de Carlos H.
1.4 Falacias formales o estructurales
FPP:
27
Por tanto, la Fiscala no puede iniciar un proceso en contra de Carlos H.
En este caso, la respuesta de la Fiscala configura una Falacia de Negacion del Consecuente.
Ejemplo 1.42 En el siguiente razonamiento no-solido, las dos premisas son verdaderas pero la conclusion es falsa pues
la estructura no es valida - configura la Falacia de Negacion del Consecuente.
Premisa: Si x > 0 entonces |x| = x.
Premisa: x = 0, de manera que (x > 0).
Conclusion: |0| , 0.
De hecho, s se cumple que |0| = 0.
Ejemplo 1.43 Una vez mas retomamos el Ejemplo 1.13.
Premisa 1: Si Jose U. tuvo una relacion sentimental con Mara W. entonces tendra algun
motivo para asesinarla.
Premisa 2: Jose U. nunca tuvo una relacion sentimental con Mara W.
Conclusion: Por tanto, Jose U. no tuvo motivo alguno para asesinarla.
Este razonamiento es incorrecto pues usa una estructura falaz: es un caso de la Falacia de la Negacion del Consecuente.
Ejemplo 1.44 Sean a, b, c numeros
reales con a , 0. Consideramos la ecuacion de segundo grado

ax2 + bx + c = 0,
x R.
(1.12)
Recordemos que asociado al polinomio definido por la formula

p(x) = ax2 + bx + c
le corresponde el discriminante
= b2 4ac.
En el siguiente razonamiento no-solido, las dos premisas son verdaderas pero la conclusion es falsa pues la estructura no
es valida - configura la Falacia de Negacion del Consecuente.
b +
es solucion de la ecuacion (1.12).
Premisa: Si > 0 entonces x1 =
2a
Premisa: = 0, de manera que ( > 0).
Conclusion: x1 no es solucion de (1.12).
De hecho, cuando = 0 el numero
x1 =
b +
es (la unica)
solucion de la ecuacion (1.12).

2a
Ejemplo 1.45 En el caso: French versus Indiana (266 Ind. 276, 362 N.E.2d 834, 842-43, 1977), el Jurado concluyo, por
mayora de votos, que:
Es legtima la aplicacion
de la pena
de muerte al acusado.
Para ello, aplico: a) la Quinta Enmienda a la Constitucion de los EEUU:
Nadie podra ser privado de la vida
sin el debido proceso legal.
28
1 Deduccion
a la Logica
y, b) el hecho de que
Al acusado no se le nego
el debido proceso legal.
En este caso tenemos las siguientes proposiciones simples:
M: El acusado es privado de la vida.
NP: Al acusado se le niega el debido proceso legal.
El razonamiento de la mayora de miembros del Jurado sigue la siguiente estructura:
1
NP M
2
3
NP
M
Puesto que las premisas son verdaderas, la solidez del argumento depende solo de la validez de la estructura. Para probar
que la estructura no es valida, basta con darnos cuenta que corresponde a un caso de la Falacia de la Negacion del
Consecuente.
1.4.2.
Falacia de la Afirmacion
del Antecedente
Se presenta cuando se utiliza la siguiente estructura:
PQ
2
3
Q
P
AA, 1, 2
Ejemplo 1.46 Como vimos en los Ejemplos 1.13 y 1.14, el siguiente argumento no es solido:
Premisa 1: Si Carlos H. es el asesino entonces hay hechos que respaldan la culpabilidad.
Premisa 2: Hay hechos que respaldan la culpabilidad.
Conclusion: Por tanto, Carlos H. es el asesino.
Es evidente que se trata de un caso de la Falacia de la Afirmacion del Antecedente.
Ejemplo 1.47 Retomemos el Ejemplo 1.44. En el siguiente razonamiento no-solido, las dos premisas son verdaderas pero
la conclusion (aun
si fuera cierta) no se deriva de las premisas pues la estructura no es valida - configura la Falacia de
Afirmacion del Antecedente.
b +
Premisa: Si > 0 entonces x1 =
2a
b +
Premisa: x1 =
2a
Conclusion: > 0.
b +
De hecho, cuando = 0 el numero
x1 =
es (la unica)
solucion de la ecuacion (1.12).

2a
1.5 Conectores logicos

derivados
29
Ejemplo 1.48 En el siguiente razonamiento no-solido, las dos premisas son verdaderas pero la conclusion (aun
si fuera
cierta) no se deriva de las premisas pues la estructura no es valida - configura la Falacia de Afirmacion del Antecedente.
Premisa: Si x > 0 entonces |x| = x.
Premisa: |x| = x
Conclusion: x > 0.
El caso en que x = 0 provee un contraejemplo al razonamiento anterior.
1.5.
Conectores logicos
derivados
Los cuatro conectores logicos

basicos, junto con las correspondientes reglas de introduccion
y eliminacion
de los mismos, fueron presentados en la Seccion

1.2. Por su utilidad suelen considerarse, adicionalmente, tres
conectores logicos
derivados; esa es la materia de esta seccion.
1.5.1.
Bicondicional
Dadas las proposiciones P y Q se escribe

PQ
(1.13)
(P Q) (Q P)
(1.14)
para abreviar la proposicion
En este caso, se suele utilizar alguna de las frases siguientes

P ocurre cuando y solo
cuando Q ocurre;
P es condicion
necesaria y suficiente de Q (y viceversa);
P ocurre si y solo
si Q ocurre. Esto suele abreviarse
P ssi Q.
Ejemplo 1.49 En una universidad se tiene que
Un estudiante aprueba una materia de la malla curricular
si y solo
si
obtiene una nota final mayor o igual a 6.0 sobre 10.
Esto quiere decir que si Jose K. comenta a un amigo que aprobo en una determinada materia, inmediatamente su amigo
entendera que la nota final en dicha materia fue de al menos 6.0. De la misma manera, si la nota final hubiera sido de 5.9,
inmediatamente se sabra que Jose K. no aprobo dicha materia.
Para que P Q sea verdadera es condicion
necesaria y suficiente que P y Q tengan el mismo valor de
verdad. Esto quiere decir que si una de las proposiciones es verdadera, la otra debe serlo; y, que si una de las
proposiciones es falsa, la otra tambien lo es. Observe la tabla de verdad presente en el Cuadro 1.9.
Ejemplo 1.50 Por definicion se tiene que
x es un numero
no-negativo ssi x 0.
30
1 Deduccion
a la Logica
P Q PQ
0
0
1
1
0
1
0
1
1
0
0
1
Cuadro 1.9 El bicondicional P Q establece que P es condicion

necesaria y suficiente para Q y viceversa.
y
x es un numero
positivo ssi x > 0.
1.5.2.
Disyuncion
Exclusiva

PYQ
(P Q)
o bien P ocurre o bien Q ocurre;
ocurre P o Q ocurre;
ocurre P o Q, pero no las dos.
Ejemplo 1.51 Arturo y Rodrigo piensan seguir estudios universitarios. Arturo tiene claro que seguira Ingeniera Mecatronica en tanto que a Rodrigo le gusta Ciencias Polticas y Matematicas. Basado en sus indagaciones previas, Arturo
le dice:
O bien estudias Ciencias Polticas o bien estudias Matematicas.
Esto quiere decir que (correctamente segun
Arturo), Rodrigo puede estudiar una de las dos carreras pero no las dos (pues
tienen perfiles profesionales muy distintos).
Para que P Y Q sea verdadera es condicion
necesaria y suficiente que P y Q tengan diferente valor de verdad.
Observe la tabla de verdad esquematizada en el Cuadro 1.10.
P Q PYQ
0
0
1
1
0
1
0
1
0
1
1
0
Cuadro 1.10 Tabla de verdad de la Disyuncion

Exclusiva.
Ejemplo 1.52 Dado x un numero
real cualquiera, la Propiedad de Tricotoma establece que

x>0
x=0
x < 0.
En particular, esto implica que un numero
no puede ser al mismo tiempo positivo y negativo. Tambien dice que el numero
cero es el unico
numero
que no es ni positivo ni negativo.
1.6 Reglas de Inferencia Derivadas
1.5.3.
31
Conjuncion
Negativa

PQ
P Q
ni P ocurre ni Q ocurre;
no ocurre P y tampoco ocurre Q.
Ejemplo 1.53 Ante una serie de crmenes que conmocionaron a una comunidad, una Corte establecio que el acusado,
Carlos H., era culpable. Lo condeno a cadena perpetua y, adicionalmente:
Carlos H. ni tendra derecho a reduccion
de pena
ni podra acogerse a otros tipos de beneficios por buena conducta.
Esta declaracion establece, por un lado, que Carlos H. pasara en resto de su vida en prision y que, por otro lado, no podra
obtener ningun
paliativo por buena conducta.
Para que P Q sea verdadera es condicion
necesaria y suficiente que tanto P como Q sean falsas. Observe
las tablas de verdad esquematizadas en el Cuadro 1.11.
P Q PQ
0
0
1
1
0
1
0
1
1
0
0
0
PQ P Q
1
0 0
Cuadro 1.11 Tabla de verdad de la Conjuncion

Negativa. La falsedad de P y de Q es condicion
necesaria (tabla derecha) y suficiente
(tabla izquierda) para establecer la veracidad de P Q.
Ejemplo 1.54 Complementamos el Ejemplo 1.52. La afirmacion

x=0
x < 0,
indica que el numero
real x ni es negativo ni es el cero. Por tanto, por la Propiedad de Tricotoma, necesariamente se tiene
que
x > 0.
1.6.
Reglas de Inferencia Derivadas
A partir de las Reglas de Inferencia Fundamentales, que fueron presentadas en la Seccion

1.2, se derivan
una serie de reglas que le permiten a nuestra mente alcanzar las conclusiones de una manera mas rapida. Las
reglas derivadas que son particularmente utiles
son marcadas con un asterisco (*).
32
1 Deduccion
a la Logica
1.6.1.
Silogismo Hipotetico (*)
Nos apoyamos en un par de ejemplos para introducir la estructura del Silogismo Hipotetico.
Ejemplo 1.55 Es claro que
PQ:
Si alguien es quiteno
entonces es pichinchano.
Tambien es claro que

QS:
Si alguien es pichinchano entonces es ecuatoriano.
Concluimos entonces que

PS:
Si alguien es quiteno
entonces es ecuatoriano.
Ejemplo 1.56 Se tiene que

x Z x Q:
Si x es un numero
entero entonces x es un numero
racional.
Tambien es claro que

x Q x R:
Si x es un numero
racional entonces x es un numero
real.
Concluimos entonces que

x Z x R:
Si x es un numero
entero entonces x es un numero
real.
Una vez que las premisas son verdaderas (vease el

Ejemplo 1.8), los razonamientos descritos en los Ejemplos 1.55 y 1.56 son solidos
por su estructura y no por
sus contenidos. Esquematizamos ahora esta estructura

de razonamiento, denominada Silogismo Hipotetico,
e inmediatamente demostramos su validez a partir de
las ocho reglas de inferencia basicas.
Demostracion.
1
PQ
QR
P
Suposicion,
E, 1, 3
E, 2, 4
PR
PQ
QR
PR
SIL, 1, 2
Observe que los pasos 1 y 2 corresponden a las

premisas, que se separan del resto por una lnea horizontal. Se puede asumir que este es el primer piso de
la construccion.
I, 35
El paso 3 es una suposicion,

por lo que, mientras
dura, se trabaja con una identacion
hacia la derecha;
se puede asumir que este es el segundo piso de la construccion.
Una vez que termina esta suposicion
(paso
6) se devuelve la informacion
al primer piso.
1.6.2.
33
Mutacion
de las Premisas
Nos apoyamos en un ejemplo para introducir la estructura de Mutacion

de las Premisas.
Ejemplo 1.57 Consideremos las siguientes premisas
P:
Q:
R:
Pedro estudio mucho.

Pedro esta tranquilo.
Pedro obtiene buena nota en el examen.
Es claro que
P (Q R):
Si Pedro estudio mucho, Pedro obtiene buena nota en el examen si esta tranquilo.
Por tanto tambien es cierto que

Q (P R):
Si Pedro esta tranquilo, Pedro obtiene buena nota en el examen si estudio mucho.
Una vez que las premisas son verdaderas, el razonamiento descrito en el Ejemplo 1.57 es solido
por su
estructura y no por sus contenidos. Esquematizamos

ahora este tipo de estructura, denominado Mutacion
de las Premisas.
Demostracion.
1
2
1.6.3.
P (Q R)
Q (P R)
MUT, 1
Observe que el paso 1 corresponde a la premisan

que vive en el primer piso de la construccion.
P (Q R)
Q
Suposicion,
Suposicion,
QR
E, 1, 3
E, 4, 2
PR
I, 35
Q (P R)
I, 26
El paso 2 es una suposicion,

por lo que, mientras
dura, se aplica una identacion
hacia la derecha, estamos en el segundo piso de la construccion.
El paso 3
es una suposicion,
por lo que, mientras dura, se aplica
una segunda identacion
hacia la derecha, estamos en
el tercer piso de la construccion.
Una vez que termina la suposicion

P (paso 6) se devuelve la informacion
al segundo piso. Una vez que
termina la suposicion
Q (paso 7) se devuelve la informacion
al primer piso.
Conmutatividad y Asociatividad de la Conjuncion

(*)
Ejemplo 1.58 El autor de este texto comenta que

PQ :
su nombre es Juan y su nombre es Ricardo.
QP :
su nombre es Ricardo y su nombre es Juan.
34
1 Deduccion
a la Logica

3
4
>0
3
4
Q:
3
4
es un numero
positivo y
3
4
es un numero
racional.
3
4
es un numero
positivo.

3
4
3
4
>0:
3
4
es un numero
racional y
Una vez que las premisas son verdaderas, los razonamientos descritos en los Ejemplos 1.58 y 1.59 son
solidos
por su estructura y no por sus contenidos. Es
quematizamos ahora este tipo de estructura, denominada Conmutatividad de la Conjuncion.
PQ
QP
CC, 1
Demostracion.
1
PQ
E, 1
E, 1
QP
I, 2, 3
La validez de la estructura que a continuacion
esquematizamos, referida como Asociatividad de la

Conjuncion,
es clara.
1.6.4.
P (Q R)
(P Q) R
1
2
AC, 1
Introduccion
de la Doble Negacion
(*)
Ejemplo 1.60 Es cierto que

P:
Mi nombre es Juan.
Por tanto, aun cuando suena latoso, podemos concluir que

P :
No es cierto que mi nombre no es Juan.
Una vez que las premisas son verdadera, el razonamiento descrito en el Ejemplo 1.58 es solido
por su

ahora este tipo de estructura, denominada Introduccion
de la Doble Negacion.
1.6.5.
IDN, 1
Principio del Tercer Excluido (*) y Principio de Contradiccion
Si bien el Principio del Tercer Excluido es presentado en nuestro contexto como una regla de inferencia
derivada, es sumamente importante pues establece que dada cualquier proposicion,
solo
hay dos opciones
(por eso su nombre): que sea verdadera o que sea falsa.
35

J J: Mi nombre es Juan o mi nombre no es Juan.
M M: Soy matematico o no soy matematico.
Los razonamientos descritos en el Ejemplo 1.61 son validos por su estructura y no por sus contenidos. Esquematizamos ahora este tipo de razonamiento, denominado Principio del Tercer Excluido, e inmediatamente
demostramos su validez.
P P
Demostracion.
1
(P P)
Suposicion,
Suposicion,
P P
I, 2
(P P) (P P)
I, 1, 3
I, 24
P P
I, 5
(P P) (P P)
I, 1, 6
(P P)
TE,
La demostracion
del Principio del Tercer Excluido es particularmente difcil pues es un razonamiento
donde no existen premisas. Para su demostracion
se
procede por Reduccion
al Absurdo y constituye un
excelente ejercicio.
I, 17
Puesto que una contradiccion

es falsa, su negacion
tiene que ser (por el principio del tercer excluido), necesariamente verdadera. Ese es el contenido del Principio de Contradiccion
que a continuacion
esquematizamos.
1
(P P)
Demostracion.
1.6.6.
La demostracion
del Principio de Contradiccion
es
muy simple al usar la Reduccion
al Absurdo.
P P
Suposicion,
P P
reuso, 1
PC,
(P P)
I, 12
Modus Tollens (*) y Contrapositiva
Ejemplo 1.62 Retomamos el Ejemplo 1.13. Paul

F. vive en un departamento justo al lado del de Mara W.
PA EC (premisa): Si Paul
F. es el asesino, entonces hay evidencias que respaldan la culpabilidad.
EC (premisa): No hay evidencias que respaldan la culpabilidad.
PA (conclusion): Por tanto, Paul
F. no es el asesino.
Este tipo de razonamiento es solido y es usado habitualmente por la polica.
36
1 Deduccion
a la Logica
por su

ahora este tipo de estructura de razonamiento, denominado Modus Tollens.
PQ
2
3
Q
P
MT, 1, 2
Demostracion.
1
PQ
Suposicion,
E, 1, 3
Q Q
I, 4, 2
I, 35
Una vez que conocemos el Modus Tollens, es facil

entender que la siguiente estructura de razonamiento,
referida como Contrapositiva, es tambien valida.
P Q
2
3
Q
P
Cp, 1, 2
Ejemplo 1.63 Sean a, b, c, d, e R con a , 0 y d , 0. Consideramos la ecuacion

p(x)
= 0,
q(x)
donde
p(x) = ax2 + bx + c
x R,
(1.15)
q(x) = dx + e.
La siguiente proposicion es verdadera:

de la ecuacion
(1.15).
Sea x0 R. Si q(x0 ) = 0 entonces x0 no es solucion
Proposicion.
Ahora bien, escogemos el numero
x0 de manera que
x0 R
de la ecuacion
(1.15).
es solucion
Por tanto, se tiene que
(1.16)
e
(de manera que q(x0 ) = dx0 + e , 0).
(1.17)
d
Observe que la conclusion (1.17) se obtiene por Contrapositiva entre la Proposicion y la informacion / premisa (1.16).
x0 ,
1.6.7.
Inferencia Alternativa (*)
Usamos un par de ejemplo para motivar el uso de la estructura de la Inferencia Alternativa.

M S:
Soy matematico o soy sociologo
37
Ahora bien, es claro que

Q:
no soy sociologo
por lo que se puede concluir que

P:
soy matematico.
Ejemplo 1.65 Retomamos el Ejemplo 1.13. Al considerar, entre otros factores, que en la escena del crimen haba residuos
de marihuana y que los unicos
sospechosos que la consumen son Jose U. y Carlos H. se establece que

El asesino es Carlos H. o el asesino es Jose U.
Si en el proceso se hubieran hecho todas las indagaciones pertinentes muy probablemente se hubiera establecido que
Carlos H. no es el asesino.
En este caso, la conclusion hubiera sido la correcta, es decir que
Jose U. es el asesino.
Una vez que las premisas son verdaderas, los razonamiento descritos en los Ejemplos 1.64 y 1.65 son solidos
por su estructura y no por sus contenidos. Esquematizamos ahora este tipo de estructura de razonamiento,
denominada Inferencia Alternativa.
PQ
2
3
P
Q
IA, 1, 2
Demostracion.
1
PQ
Q
P
Suposicion,
reuso, 1
PP
PQ
2
3
Q
P
IA, 1, 2
La demostracion
de la Inferencia Alternativa que
presentamos usa varias reglas de inferencia. U n buen
ejercicio para el estudiante es construir una demostracion
alternativa.
I, 34
Los pasos 1 y 2 contienen las premisas, estan en el

primer piso. Tambien estan en el primer piso los pasos
5, 11 y 12.
Los pasos 3 y 4 viven en el segundo piso de un
edificio.
Suposicion,
Suposicion,
Q Q
I, 6, 2
E, 78
10
E, 9
11
QP
I, 610
12
E, 1, 5, 11
Los pasos 6 - 10 estan en otro edificio: los pasos 6,

9 y 10 en el segundo piso en tanto que los pasos 7 y 8
estan en el tercer piso.
38
1 Deduccion
a la Logica
Ejemplo 1.66 En el Captulo 2 abordaremos el estudio del cuerpo de los numeros
reales, R. All, en particular, veremos

que el siguiente teorema es verdadero:
Teorema. Sean a, b R. Se tiene que
ab = 0
(a = 0 b = 0).
Consideramos nuevamente la ecuacion presentada en el Ejemplo 1.28:

x2 x 20
= 0,
x+4
x R.
Puesto que el numerador se factoriza como

x2 x 20 = (x 5)(x + 4)
se tiene, por el Teorema, que
PQ :
x1 = 5 es solucion de (1.18)
x2 = 4 es solucion de (1.18).
Pero puesto que el denominador de (1.18) no puede hacerse cero:

Q:
x2 = 4 no es solucion de la ecuacion (1.18).
Por tanto, por Inferencia Alternativa, es verdad que

x1 = 5 es solucion de la ecuacion (1.18).
P:
De esta manera, el conjunto solucion de la ecuacion (1.18) es

CS = {5},
es decir, la ecuacion (1.18) tiene una unica
solucion, x1 = 5.
1.6.8.
Silogismo Disyuntivo (*)
Motivamos el uso de la estructura del Silogismo Disyuntivo mediante un ejemplo.

MS :
Carlos es medico o sociologo
Por un lado, es claro que

M CH :
Si alguien es medico entonces es un profesional de las Ciencias Humanas.
Por otro lado, tambien es claro que

S CS :
Si alguien es sociologo entonces es un profesional de las Ciencias Sociales.
(1.18)
39
Por tanto podemos concluir que

CH CS :
Carlos es un profesional de las Ciencias Humana o de las Ciencias Sociales.
por su

ahora este tipo de estructura de razonamiento, denominada Silogismo Disyuntivo.
PQ
PR
3
4
QS
RS
SILD, 13
Ejemplo 1.68 Consideramos el siguiente sistema de dos ecuaciones con dos incognitas reales:
x2 8 = 0,
3x + 2y = 2.
Puesto que x2 8 = (x 2 2)(x + 2 2), de la ecuacion (1.19) se sigue que
x1 = 2 2
PQ :
x1 = 2 2
Ahora bien, teniendo presente que (1.20) es equivalente a

y=

1
2 3x .
2
se tiene que
PR:
QS:
5 2
entonces y1 =
.
2
7 2
Si x2 = 2 2 entonces y2 =
.
2
Si x1 = 2 2
Por tanto, podemos concluir que
RS :
1.6.9.
y1 = 5 2 2
y2 =
7 2
2 .
Conmutatividad y Asociatividad de la Disyuncion

(*)
Con un ejemplo simple mostramos como funciona la Conmutatividad de la Disyuncion.

JP :
Me llamo Juan o me llamo Pedro.
P J :
Me llamo Pedro o me llamo Juan.
Por tanto podemos concluir que
(1.19)
(1.20)
40
1 Deduccion
a la Logica
La estructura del razonamiento presentado en el Ejemplo 1.69 es valida, independiente de los contenidos, y
la esquematizamos ahora:
PQ
QP
1
2
CD, 1
Demostracion.
1
PQ
Suposicion,
QP
I, 2
P (Q P)
I, 23
Suposicion,
QP
I, 5
Q (Q P)
I, 56
QP
I, 1, 4, 7
La validez de la estructura que a continuacion

esquematizamos, referida como Asociatividad de la Disyuncion,
es clara.
1.7.
1
2
P (Q R)
(P Q) R
AD, 1
Equivalencia e implicacion
logicas
Los conceptos de implicacion

que a continuacion
y equivalencia logicas,
definimos, son sumamente importantes y permiten aumentar las estructuras de razonamiento validas.
Definicion
1.6 [Equivalencia logica]
Existe equivalencia logica entre dos proposiciones (posiblemente compuestas) P y Q, denotado

P Q,
si es verdadera la proposicion P Q.
Cuando P Q, se pueden utilizar como reglas de inferencia
1
2
P
Q
EQ, 1
1
2
Q
P
EQ, 1
(1.21)
y
(1.22)
es decir, a grosso modo, donde se tiene P se puede reemplazar con Q y viceversa. Esto se ve reflejado en las
Secciones 1.7.2 - 1.7.5.
Definicion
1.7 [Implicacion
logica]
Se dice que la proposicion Q es una implicacion logica de P si la proposicion P Q es verdadera.

logicas
41
En este caso se puede utilizar como regla de inferencia (1.21).

Ejemplo 1.70 Consideramos las proposiciones P y P Q. Probemos que P Q es una implicacion logica de P:
1
Suposicion,
PQ
I, 2
P (P Q)
I, 12
Ejemplo 1.71 Complementemos el Ejemplo 1.70. All se probo que P Q es una implicacion logica de P. Un mecanismo
alternativo, que no es una demostracion estricta, pero que ayuda a visualizar la veracidad de implicaciones y equivalencias
logicas apela a las tablas de verdad.
Entonces, si sospechamos que P Q es una implicacion logica de P, construimos la tabla de verdad de P (P Q) (vease
el Cuadro 1.12).
P Q P Q P (P Q)
0
0
1
1
0
1
0
1
0
1
1
1
1
1
1
1
Cuadro 1.12 Tabla de verdad de P (P Q). Si en la ultima

columna aparecen solo unos, se trata de una tautologa.
Puesto que la tabla de verdad de P (P Q) es una tautologa podemos aseverar (aunque sin demostracion) que
efectivamente P Q es una implicacion logica de P.
Con Maxima podemos obtener directamente la ultima
columna de la tabla de verdad:

(%i1)
load("logic.mac");
( %o1)
(%i2)
characteristic_vector(P implies (P or Q), P, Q);
( %o2)
[ true,true,true,true]
1.7.1.
Definicion
del Condicional (*)
Apelamos a un ejemplo para presentar la estructura de Definicion

del Condicional.
PQ:
Por tanto
Si llueve en mi barrio entonces mi patio se moja.
42
1 Deduccion
a la Logica
(P Q) :
No es cierto que, al mismo tiempo, ha llovido y el patio no este mojado.
La estructura del razonamiento presentado en el Ejemplo 1.72 es valida, independiente de los contenidos y
la esquematizamos ahora:
1
2
PQ
(P Q)
DC, 1
De hecho tambien es valido el camino de regreso, es decir:
1
2
(P Q)
PQ
DC, 1

(P Q)
P Q.
(1.23)
Probemos (1.23), es decir probemos que es verdadera la proposicion
(P Q)
Demostracion ((P Q) (P Q)).
(P Q).
(P Q)
Suposicion,
PQ
Suposicion,
P Q
Suposicion,
Suposicion,
Suposicion,
E, 2
P Q
I, 2, 3
E, 2
(P Q) (P Q)
I, 1, 4
E, 1, 3
I, 35
Q Q
I, 4, 5
I, 26
I, 17
6
7
8
Q
PQ
(P Q) (P Q)
(P Q)
(P Q) (P Q)
I, 26
I, 17
Para finalizar esta seccion,

visualicemos que la equivalencia (1.23) es correcta mediante tablas de verdad.
P Q Q P Q (P Q) P Q (P Q) (P Q)
0
0
1
1
0
1
0
1
1
0
1
0
Cuadro 1.13 Tabla de verdad de (P Q)
0
0
1
0
1
1
0
1
1
1
0
1
1
1
1
1
(P Q).

El comando logic equiv
(expr 1,
contrario, devuelve false.
expr 2) devuelve true si expr 1 es equivalente a expr 2 o, en caso

logicas
43
Con ayuda de Maxima podemos verificar que la equivalencia (1.23) es efectivamente correcta:
(%i1)
load("logic.mac");
( %o1)
(%i2)
logic_equiv( not(P and not(Q)), P implies Q);
( %o2)
true
1.7.2.
Leyes de Reemplazo por Equivalencia
Cuando se cumple que

P Q,
son validas las siguientes reglas de Reemplazo por Equivalencia:
1
2
1
2
PR
QR
PR
QR
1
2
RE, 1
1
2
RE, 1
PR
QR
RE, 1
RP
RQ
RE, 1
Entonces, en cualquier proposicion

compuesta donde aparezca P se la puede reemplazar por Q y viceversa.
1.7.3.
Leyes Distributivas y de Absorcion
La conjuncion
es distributiva respecto de la disyuncion:
P (Q R)
(P Q) (P R)
(1.24)
La disyuncion
es distributiva respecto de la conjuncion:
P (Q R)
(P Q) (P R)
(1.25)
Tambien se cumplen las siguientes equivalencias, conocidas como Leyes de Absorcion:
P P (P Q)
(1.26)
P P (P Q)
(1.27)
44
1 Deduccion
a la Logica
1.7.4.
Leyes de De Morgan
Con el siguiente ejemplo introducimos una de las Leyes de Morgan. Uno podra creer que las leyes de De
Morgan son una excentricidad academica, pero realmente nuestro cerebro funciona normalmente as.
Ejemplo 1.73 El siguiente es un extracto de la novela La Conspiracion de Dan Brown:
Por lo visto, el presidente espera que se sienta usted (Rachel) impresionada o intimidada
Pickering la observo
Le sugiero que no se muestre ni lo uno ni lo otro.
Las proposiciones simples que intervienen son
P: Rachel esta impresionada;
T: Rachel esta intimidada.
De acuerdo con Pickering, el presidente espera que sea verdadera la proposicion
P T.
Pero Pickering quiere lo contrario, es decir
(P T)
o, equivalentemente,
P T,
que corresponde al mensaje presente en el texto:
No se muestre ni impresionada ni intimidada.
La equivalencia, (P T) (P T), usada en el razonamiento presentado en el Ejemplo 1.73 corresponde
a una de las Leyes de Morgan que a continuacion
enunciamos:
DM1:
DM2:
DM3:
DM4:
DM5:
P Q P Q
(P Q) P Q
(P Q) P Q
(P Q) P Q
(P Q) P Q
Observacion
1.6 Por las leyes de De Morgan se evidencia que realmente no son necesarios cuatro conectores logicos
basicos sino, solamente, dos; e.g. la negacion y la conjuncion o la negacion y la disyuncion. De la misma manera,
estrictamente no son necesarias ocho reglas de inferencia fundamentales sino, solamente, cuatro.
Probemos la validez de DM1. Los otros puntos se requeriran como ejercicio al lector. Probemos entonces que
PQ
P Q.

logicas
45
PQ
Suposicion,
P P
TE,
Suposicion,
E, 2, 4
P Q
I, 4
P (P Q)
Observe que en la demostracion

se ha utilizado el
Dilema junto con el Tercer Excluido. Un excelente ejercicio para el estudiante es intentar hacer esta demostracion
con alguna estrategia alternativa.
I, 35
P Q
Suposicion,
Suposicion,
Suposicion,
P Q
I, 7
IDN, 2
P (P Q)
I, 79
IA, 3, 1
10
P Q
E, 2, 6, 9
I, 110
11
1.7.5.
(P Q) (P Q)
PQ
(P Q) (P Q)
I, 24
I, 15
Contrarrecproca. Metodo de Demostracion

Indirecto
La siguiente equivalencia ayuda a establecer en algunos casos relaciones de causa efecto de forma indirecta.
PQ
Q P
El Metodo Indirecto de Demostracion

no es mas que una aplicacion
efectiva de la Contrarrecproca.
Ejemplo 1.74 Probemos un teorema bastante simple utilizando el Metodo de la Contrarrecproca.
Teorema. Sea a Z. Si a2 es impar entonces a Z es impar.
En lugar de probar directamente el teorema, usemos la Contrarrecproca, es decir probemos que:
Si a no es impar entonces a2 no es impar.
o, lo que es lo mismo:
Si a es par entonces a2 es par.
Supongamos entonces que a Z es par. Por definicion de numero
par, existe un k Z tal que

a = 2k.
donde
a2 = 2m,
m = 2k2
tambien es un numero
entero (pues es el resultado de multiplicaciones de enteros). Por tanto, por definicion de numero
par, se sigue que a2 Z es par.
46
1.8.
1 Deduccion
a la Logica
Ejercicios propuestos
1.1. (*) Trate de sustentar la validez del Principio de Consistencia de las Premisas a partir del Principio de
Pureza de las Premisas.
1.2. Para cada una de las siguientes estructuras, realice la tabla de verdad para visualizar su validez: Conmutatividad de la Conjuncion,
Asociatividad de la Conjuncion,
Modus Tollens, Contrapositiva, Inferencia
Alternativa, Silogismo Disyuntivo, Dilema Destructivo y Asociatividad de la Disyuncion.
Sugerencia. Tome como referencia los Ejemplos 1.38 y 1.39.

1.3. Para cada una de las siguientes estructuras, utilice Maxima para visualizar su validez: Conmutatividad
de la Conjuncion,
Asociatividad de la Conjuncion,
Modus Tollens, Contrapositiva, Inferencia Alternativa,
Silogismo Disyuntivo, Dilema Destructivo y Asociatividad de la Disyuncion.

1.4. Para la estructura de la Falacia de la Afirmacion
del Antecedente, visualice su no-validez usando la tabla
de verdad y con apoyo de Maxima.
1.5. Demuestre la validez de la Asociatividad de la Conjuncion.
Solo
puede usar las ocho reglas de inferencia
fundamentales y las reglas derivadas presentadas antes de la Conmutatividad de la Conjuncion.
1.6. Demuestre la validez de la Introduccion

Solo
fundamentales y las reglas derivadas presentadas antes de la Introduccion
Sugerencia. Usar la Reduccion

al Absurdo.
1.7. Demuestre la validez del Modus Tollens. Solo
puede usar las ocho reglas de inferencia fundamentales y
las reglas derivadas presentadas antes del Modus Tollens.
1.8. Demuestre la validez de la Contrapositiva. Solo
puede usar las ocho reglas de inferencia fundamentales y
las reglas derivadas presentadas antes de la Introduccion
de la Contrapositiva.
1.9. El siguiente esquema,
1
2
P
QP
CP, 1
Demuestre la validez de la Carga de Premisa. Solo
puede usar las ocho reglas de inferencia fundamentales y las reglas derivadas presentadas antes de la
Inferencia Alternativa.
denominado Carga de Premisa, establece que la verdad es consecuencia de cualquier premisa, independiente de si es verdadera o falsa.
1.10. Demuestre la validez de la Inferencia Alternativa. Solo
puede usar las ocho reglas de inferencia fundamentales y las reglas derivadas presentadas antes de la Introduccion
de la Inferencia Alternativa.
1
PQ
PR
3
4
QS
RS
SILD, 13
denominado Silogismo Disyuntivo, establece que si se

tienen dos opciones y cada una de ellas lleva a un resultado, entonces necesariamente se debe tener uno
de los resultados. Demuestre la validez del Silogismo
Disyuntivo. Solo
puede usar las ocho reglas de inferencia fundamentales y las reglas derivadas presentadas
antes del Silogismo Disyuntivo.
1.8 Ejercicios propuestos
47

1
P Q
RP
3
4
RQ
R
se denomina Dilema Destructivo. Pruebe que el Dilema Destructivo es una estructura de razonamiento
valida.
DILD, 13
1.13. Demuestre la validez de la Ley Asociativa de la Disyuncion.

Solo
fundamentales y las reglas derivadas presentadas antes de la Ley Asociativa de la Disyuncion.
1.14. Considere las Leyes Distributivas:

P (Q R) (P Q) (P R)
P (Q R) (P Q) (P R).
1) Visualice la veracidad de las Leyes Distributivas usando tablas de verdad.

2) Verifique la veracidad de las Leyes Distributivas con ayuda de Maxima.
3) Demuestre la veracidad de las Leyes Distributivas.
Sugerencia. Tome como referencia el procedimiento seguido en las Seccion
1.7.1.
1.15. Considere las Leyes de Absorcion:
P P (P Q)
P P (P Q).
1) Visualice la veracidad de las Leyes de Absorcion

usando tablas de verdad.
2) Verifique la veracidad de las Leyes de Absorcion
con ayuda de Maxima.
3) Demuestre la veracidad de las Leyes de Absorcion.
Sugerencia. Tome como referencia el procedimiento seguido en la Seccion

1.7.1.
1.16. Considere las Leyes de De Morgan.
1) Visualice la veracidad de las Leyes de De Morgan usando tablas de verdad.
2) Verifique la veracidad de las Leyes de De Morgan con ayuda de Maxima.
3) Demuestre la veracidad de las Leyes de De Morgan.
Sugerencia. Tome como referencia el procedimiento seguido en la Seccion
1.7.1.
1.17. Considere el argumento de Socrates
presente en el Ejemplo 1.35.
1)
2)
3)
4)
Formalice el argumento.
Verifique la validez de la estructura correspondiente mediante la tabla de verdad.
Verifique la validez de la estructura correspondiente con ayuda de Maxima.
Demuestre la solidez del razonamiento de Socrates.
1.18. Es solido
el siguiente razonamiento? Justifique su respuesta.
Si Pedro es ambateno
entonces conoce la Fiesta de la Fruta y de las Flores.
Si Pedro es ambateno
entonces nacio en Ambato.
Pedro ni conoce la Fiesta de la Fruta y de las Flores ni nacio en Ambato.
Por tanto, Pedro no es ambateno.
48
1 Deduccion
a la Logica
Sugerencia. Formalice el razonamiento y compare la estructura con la del Ejercicio 1.12.

1.19. En la mancion
15 de Lady Arundell algunos objetos de valor han sido robados. La duena
de la casa ha
contratado a un detective para dar con el ladron.
Una vez realizada la investigacion,
el detective llego a
averiguar lo siguiente:
Algun
delincuente robo varios objetos de valor que se guardaban dentro de la caja fuerte en la casa de Lady
Arundell.
Nadie puede robar la mansion
de Lady Arundell, a menos que engane
al guardian.
Si el delincuente logro enganar
al guardian, debe haber sido un actor genial.
O bien el ladron
a la dama de compan
persona que, a mas de Lady
tena como complice
a (pues era la unica
Arundell, conoca la combinacion

de la caja fuerte), o bien tuvo que acceder, por s mismo, al interior de la caja
fuerte.
Para acceder al interior de la caja fuerte o bien era necesario perforar la puerta, o bien abrir la cerradura.
Solamente una persona con un odo extremadamente fino puede abrir la cerradura de una caja fuerte sin conocerla. (Tal persona podra, al girar la perilla, distinguir el sonido ligeramente diferente de aquellos engranajes
que, al encajar, hacen que se abra la puerta de la caja fuerte).
Si el ladron
hubiera perforado la puerta de la caja fuerte, e sta presentara un orificio. Pero la puerta esta sin
orificio alguno.
El detective esta firmemente convencido que ningun
delincuente puede tener, al mismo tiempo, un odo
extremadamente fino y ser un actor genial.
De todo esto el detective ha concluido que la dama de compan
del delincuente. Crees
a haba sido complice
que esta acusacion

es procedente?
1.20. Represente simbolicamente
el razonamiento, analice su solidez y la validez de su estructura.
La materia es divisible y, por tanto, destruible;

pues, cualquier cosa que esta dividida esta destruida, (Leibniz).
1.21. Represente simbolicamente
el razonamiento, analice su solidez y la validez de su estructura.
El pacifismo total sera un buen principio si todos estuvieran dispuestos a seguirlo.

Pero no todos lo siguen, de manera que no es (un buen principio), (Harman).
1.22. Demuestre las siguientes equivalencias logicas
y verifique su validez con tablas de verdad y con apoyo
de Maxima.
P (Q Y P) P Q
(P R) (Q R) (P Q) R
[(R S) R] T R T
1.23. El Zar Ivan el Terrible (Z) fue uno de los reyes europeos mas crueles de la historia. En una ocasion
afirmo:
Z:
Me han informado que en Rusia hay mas suicidios que en otros reinos. Por ello, he decidido expedir el siguiente
edicto: quien desee suicidarse debera primero pagar un kopek al Imperio.
Los presentes se asustaron cuando el escribano (E) dijo en voz alta:

E:
15
Esta ley es inutil.
Tomado de [7] con autorizacion

del responsable de la edicion
Juan Carlos Trujillo.
49
Enfurecido el zar (Z) a gritos exigio una explicacion

a su escribano (E). El dialogo se desarrollo de la siguiente
manera:
E:
Z:
E:
Z:
E:
Z:
E:
Estas de acuerdo en que para que un castigo sea eficaz, las personas deben temerlo?
S.
Estas de acuerdo en que quien decide suicidarse no teme a la muerte?
S.
Estas de acuerdo en que quien no teme a la muerte no podra temerle a un impuesto?
S.
Entonces la unica
conclusion aceptable es que el nuevo edicto es inutil.
1) Formalice el razonamiento del escribano.

2) Pruebe su solidez apoyandose en el Metodo de Reduccion
al Absurdo.
3) Pruebe su solidez sin usar el Metodo de Reduccion
al Absurdo.
1.24. Usando tablas de verdad y con apoyo de Maxima, analice la validez de las siguientes estructuras de
razonamiento. Para las estructuras validas demuestre tal validez mediante las reglas de inferencia, justificando
los pasos.
Q S
PQ
PR
S R
P (Q R)
P (Q R)
M (E N)
(L M) P
M E
IP
M N
MI
TA
AB
AE
AC
U E
D B
U T
CD
1.25. Usando tablas de verdad y con apoyo de Maxima, analice la validez de las siguientes estructuras de
razonamiento. Para las estructuras validas demuestre tal validez mediante las reglas de inferencia, justificando
los pasos.
1
P (S Q)
T (R T)
QT
R P
T S
T S
S (R T)
(P Q) (S Q)
(R S) T
PQ
(S (P Q)) Q
S (P Q)
50
1 Deduccion
a la Logica
(S Q) T
P (R T)
P T
R Q
(S B) P
RT
B S
S Q
Q S
T R
T S
R T
T Q
Q R
1.26. (*) Un sultan de Persia16 tena tres ministros, dos videntes y uno ciego. en cierta ocasion
necesitaba mandar
un embajador al pas vecino para firmar un tratado de paz, y decidio poner a prueba a los subditos.
Los llamo
a su presencia y les dijo:

He decidido que mi embajador sera aquel de ustedes tres que salga mejor de la siguiente prueba. Les
pondre a cada uno de ustedes uno de estos cinco turbantes que ven aqu. Como pueden apreciar, hay tres
blancos y dos negros. Ninguno sabra el color del turbante que tendra puesto. Seran encerrados juntos en una
celda durante todo el da. Y por ningun
motivo nadie podra sacarse el turbante ni decir a otro de que color es
el turbante que lleva puesto. Luego vendran a contarme como
se han sentido.
Les ordeno que se pusieran de espaldas hacia e l y les coloco personalmente un turbante a cada uno, sin que
pudieran percatarse de su color. Luego los tres fueron encerrados en una celda.
Dentro de poco tiempo el primer ministro dijo:
No puedo dejar de pensar en el color de mi turbante. La curiosidad me consume. He tratado de averiguarlo,
mirando los colores de los turbantes de ustedes, pero no he podido concluir nada con certeza.
El segundo dijo:
A m tambien me carcome la impaciencia por saber de que color es el turbante que cubre mi cabeza. Ya
lo he intentado de todas las maneras posibles viendo los turbantes de ustedes, pero no he logrado saber nada
seguro.
El ciego no dijo nada. Estaba sentado, con el rostro apacible y sereno, sin contagiarse en lo mas mnimo por
la ansiedad y el desasosiego de sus companeros.
Por fin llego la noche. Los tres se presentaron ante el sultan.

Como
se han sentido durante el encierro? pregunto el monarca.
Yo no pude dejar de pensar en el color de mi turbante dijo el primer ministro Intente averiguarlo
mirando a mis companeros,
pero no pude saber nada.
A m tambien me consuma el ansia por saber de que color es el turbante que llevo en mi cabeza dijo
el segundo Lo intente de todas las maneras posibles, pero no pude saber nada.
Y tu?
pregunto el rey al ministro ciego.
16
Extrado de [7] con autorizacion

del responsable de la edicion
Juan Carlos Trujillo.
51
A m no me interesaba en lo mas mnimo el color de mi turbante puesto que soy ciego contesto este
Pero, por lo que mis companeros
dijeron, conclu que mi turbante era blanco.
Todos quedaron estupefactos. Era cierto! El turbante que el rey haba colocado sobre la cabeza de su ministro
invidente... era, efectivamente, blanco!
1) Formaliza el razonamiento del ministro ciego.
2) Usando tablas de verdad y con apoyo de Maxima verifica la validez de la estructura.
3) Demuestra la validez de la estructura usando las reglas de inferencia.
Captulo 2
La esencia de las matematicas radica en su libertad

Georg Cantor
2.1.
Introduccion
Estrictamente, la construccion
de la Teora de Conjuntos se realiza como un sistema axiomatico (vease la
introduccion
del Captulo 1) donde el conjunto de postulados se denomina sistema ZFC, en referencia a los
Axiomas de Zermelo - Fraenkel y el Axioma de Eleccion.
El sistema ZFC ha funcionado bien para la Teora de
Conjuntos desde hace aproximadamente cien anos
como un paraguas que nos protege de las contradicciones
o paradojas; sin embargo, es sumamente tecnico y sale por fuera de los intereses de un libro dedicado a
estudiantes de Ingeniera, donde la Matematica es eminentemente una herramienta.
En efecto, no se puede hacer Ingeniera sin aplicar herramientas de la Matematica. A su vez, el 99.9 % de
estas herramientas usan la maquinaria de la Teora de Conjuntos, creada originalmente por Georg Cantor. Por
ello, en este captulo introducimos al lector en el manejo intuitivo de los conjuntos evitando un formalismo
excesivo. Como se vera, hay una fuerte conexion
desarrolladas en el captulo
entre las tematicas de Logica,
anterior, y los topicos

del presente. En particular, se puede decir que la Logica
y la Teora de Conjuntos son dos
presentaciones del mismo producto.1 Para ejemplificar esto, consideremos la definicion

de la interseccion
de
dos conjuntos, A y B que viven en un universo U:
A B = {x U / x A x B},
(2.1)
es decir, A B es el conjunto de todos los elementos del universo U que pertenecen tanto a A como a B. Otra
forma de escribir (2.1) es
x A B x A x B.
(2.2)
Entonces, la operacion
interseccion del mundo de los Conjuntos tiene su contraparte en la conjuncion del mundo
de la Logica,
y viceversa.
No se puede definir el concepto de conjunto. No se lo puede definir porque para ello se necesitaran usar
terminos previamente definidos. Al hacer este ejercicio nos encontraramos con terminos como agrupacion,
grupo, clase, etc. pero terminariamos con todos ellos. En todo caso, la idea de conjunto es clara, es una coleccion
de elementos. A lo largo del texto usaremos la notacion

conjuntivista estandar. Un conjunto normalmente sera
denotado por letras mayusculas
(e.g. A, B, C, X) en tanto que se usaran habitualmente minusculas
(e.g. a, b, c,
x) para representar a los elementos. Por a A o equivalentemente A 3 a indicamos que a pertenece al conjunto
A.

El comando : se utiliza para cualquier tipo de asignaci
on a un objeto.

El comando elementp(x,Y) devuelve verdadero si el elemento x pertenece al conjunto Y.
1
Hay una tercera presentacion,

el Algebra
de Boole, que queda por fuera del alcance del presente libro.
53
54
2 Teora intuitiva de conjuntos
Ejemplo 2.1 Verifiquemos en Maxima la pertenencia de algunos elementos al conjunto A = {1, 2, 3, 4}.
(%i1)
( %o1)
A: {1,2,3,4};
{1, 2, 3, 4}
(%i2)
( %o2)
elementp(1,A);
true
(%i3)
( %o3)
elementp(5,A);
f alse
a: 3;
(%i4)
( %o4)
(%i5)
( %o5)
3
elementp(a,A);
true
Un conjunto se puede descibir por Extension

o Tabulacion.
Por este metodo se deben enumerar todos los
elementos que conforman el conjunto. Por ejemplo, el conjunto de los dgitos es
A = {1, 2, 3, 4, 5, 6, 7, 8, 9, 0}.

El comando makelist permite generar listas de datos.

El comando makeset permite generar un conjunto a partir de una lista de datos.
Ejemplo 2.2 En Maxima se puede definir el conjunto de los dgitos, mostrado en (2.3), mediante:
(%i1)
( %o1)
(%i2)
( %o2)
a: makelist([i],i,0,9);
[[0], [1], [2], [3], [4], [5], [6], [7], [8], [9]]
A: makeset(x, [x], a);
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
Ejemplo 2.3 Describamos por tabulacion los siguientes conjuntos

P = {x / x es letra de la palabra pizarra},
R = {x N / x es par x 14},
donde N representa al conjunto de los numeros
naturales, es decir los enteros positivos. Se tiene que
(2.3)
2.2 Contenencia e igualdad de conjuntos
(%i1)
P: {p,i,z,a,r};
{a, i, p, r, z}
( %o1)
(%i2)
p: makelist([2*i],i,1,7);
[[2], [4], [6], [8], [10], [12], [14]]
( %o2)
(%i3)
( %o3)
55
R: makeset(x, [x], p);

{2, 4, 6, 8, 10, 12, 14}
Para describir a un conjunto por Comprension,

se usan frases descriptivas que se refieren a los elementos y
unicamente
a aquellos que cumplen con la propiedad. Por ejemplo, el conjunto mostrado en (2.3) es:
A = {los dgitos} = {x N : x < 10}.

Ejemplo 2.4 Definamos por comprension al siguiente conjunto:
B=

1 1 1 1 1
.
, , , ,
2 4 8 6 10
Una forma es la siguiente:

1
B=
: kNk<5 .
2k

2.2.
Contenencia e igualdad de conjuntos
Por
CB
BC
indicamos que C es un subconjunto de B o que C esta contenido en B, esto es, todos los elementos de C tambien
estan en B. Entonces, se tiene que
CB
ssi
x C x B.
(2.4)
Alternativamente, usando el cuantificador universal (que sera introducido en la Seccion
2.3), la contenencia de
conjuntos se puede caracterizar de la siguiente manera:
CB
ssi
x C : x B.
(2.5)
Observacion
2.1 Todo conjunto tiene por subconjunto a , el conjunto vaco.
Por definicion,
dos conjuntos son iguales cuando tienen los mismos elementos, es decir, cuando cada uno
de ellos es subconjunto del otro:
A=B
ssi
A B B A.
(2.6)
Ejemplo 2.5 Probemos que los siguientes conjuntos son iguales
S1 = {x R : x4 + x3 x 1 = 0}
y
S2 = {1, 1}.
56
1) Probemos que S2 S1 .
Tomemos x1 = 1. Se tiene que
x41 + x31 x1 1 = (1)4 + (1)3 (1) 1 = 0,
de manera que
x1 = 1 S1 .
Tomemos x2 = 1. Se tiene que
(2.7)
x42 + x32 x2 1 = (1)4 + (1)3 (1) 1 = 0,
de manera que
x2 = 1 S1 .
Por (2.7) y (2.8) se ha probado que
(2.8)
x S2 x S1 ,
es decir, se ha probado que
S2 S1 .
2) Probemos que S1 S2 .
Supongamos que x S1 . Puesto que
x4 + x3 x 1 = (x 1)(x + 1)(x2 + x + 1),
se tiene que
x1 = 0
x+1 = 0
x2 + x + 1 = 0.
(2.9)
Ahora bien, puesto que el discriminante (vease el Ejemplo 1.44) de x2 + x + 1 es = 3, se tiene que
x2 + x + 1 , 0.
Por (2.9) y (2.10) se tiene entonces que
es decir,
Se tiene que
Asimismo,
x1 = 0
(2.10)
x + 1 = 0,
x=1
x = 1.
(2.11)
x=1
x S2 .
(2.12)
x = 1
x S2 .
(2.13)
Entonces, por (2.11), (2.12) y (2.13) se concluye que x S2 , de manera que

x S1 x S2 ,
es decir se ha probado que
2.3.
S1 S2 .
Cuantificadores universal y existencial
En esta seccion
introducimos los cuantificadores universal y existencial, que permiten abrir el rango de
proposiciones manejables en el a mbito de la Ingeniera. Empecemos con la siguiente funcion
proposicional:
P(x): x verifica la igualdad x 4 = 1.
Es P(x) una proposicion?
No, pues no podemos afirmar que expresa algo que sea siempre verdadero o siempre
falso. Sin embargo, las siguientes s son proposiciones:
P(5):
P(2):
P(0):
57
x = 5 verifica la igualdad x 4 = 1;.

x = 2 verifica la igualdad x 4 = 1;
x = 0 verifica la igualdad x 4 = 1.
En efecto, P(5) es una proposicion

verdadera en tanto que P(0) y P(2) son proposiciones falsas.
Observacion
2.2 La caracterstica de una funcion proposicional es que dependiendo del elemento especfico x, en un
cierto contexto, P(x) se transforma en una proposicion.
Otra manera en que las funciones proposicionales pueden producir proposiciones es mediante cuantificacion
del contenido en un cierto contexto o conjunto.

para todo o para cada. Al smbolo se le conoce
Al smbolo se le conoce como cuantificador universal y se lee
existe.
como cuantificador existencial y se lee
Ejemplo 2.6 La proposicion

El cuadrado de todo numero
real es no-negativo
puede formalizarse como:

Q:
x R :
x2 0
que es verdadera. En este caso se usa la funcion proposicional

x2 0.
Q(x) :
Ejemplo 2.7 La expresion
La ecuacion
x2 1 = 0 tiene solucion
real
puede formalizarse como la proposicion
P:
x R :
x2 1 = 0
que es verdadera. En este caso se usa la funcion proposicional

P(x) :
x2 1 = 0.
Ejemplo 2.8 Consideremos la siguiente funcion proposicional:

Q(x):
x es Juez de la Suprema Corte;
y la siguiente clase o conjunto

E = {y / y es ciudadano ecuatoriano}.
1) Consideremos la siguiente proposicion donde se usa el cuantificador existencial, denotado , que se lee existe:
x E :
Esto se lee as:
Q(x).
(2.14)
58
Existe algun
x, ciudadano ecuatoriano, (x E)
tal que (:)
x es Juez de la Suprema Corte. (Q(x))
Es evidente que (2.14) es una proposicion verdadera pues hay al menos un ciudadano ecuatoriano que ejerce las funciones
de Juez de la Suprema Corte. Dicho de otra manera, basta con que haya un ciudadano ecuatoriano x para el cual Q(x) sea
verdadera.
2) Consideremos la siguiente proposicion donde se usa el cuantificador universal, denotado , que se lee todos o para
todos o cada:
x E : Q(x).
(2.15)
Esto se lee as:
Todo x, ciudadano ecuatoriano, (x E)
es tal que (:)
x es Juez de la Suprema Corte. (Q(x))
Es evidente que (2.15) es una proposicion falsa pues no es cierto que todo ciudadano ecuatoriano ejerce funciones de Juez de
deberan
la Suprema Corte. Dicho de otra manera, para que sea verdadera (2.15) todos los ecuatorianos, sin excepcion,
ser Jueces de la Suprema Corte.
Las equivalencias logicas
que presentamos a continuacion
para poder evidenciar la falsedad
son muy utiles
de una proposicion
que sea construido con apoyo de cuantificadores.:
(x C : P(x))
x C : P(x)
(2.16)
(x C : P(x))
x C : P(x)
(2.17)
Ejemplo 2.9 En el Ejemplo 2.8 es evidente que

(x E : Q(x))
No es cierto que todo ciudadano ecuatoriano es Juez de la Suprema Corte;
es equivalente a
x E : Q(x))
Existe algun
ciudadano ecuatoriano que no es Juez de la Suprema Corte.
Ejemplo 2.10 Consideramos el caso Hashimoto vs. Dalton (870 F. Supp. 1544, D. Hawaii 1994). Una de las premisas
usadas por la parte acusadora era que
El senor
Hinman considera que (todas) las mujeres asiatico americanas
deberan ser sumisas y serviles.
Esta proposicion se puede formalizar como
x A :
donde,
A: denota al conjunto de mujeres asiatico americanas;
U: denota al conjunto de mujeres sumisas;
E: denota al conjunto de mujeres serviles.
x U x E,
59
Para probar que la premisa de la parte acusadora es falsa, la defensa debe probar que
(x A :
x U x E)
que, por (2.16), corresponde a

x A :
(x U x E)
que, por las Leyes de De Morgan, es equivalente a

x A :
x < U x < E.
Por tanto, a la defensa le basta evidenciar que

El senor
Hinman acepta que haya mujeres asiatico americanas
que pueder ser no-sumisas o no-serviles.
La Corte acepto como evidencia innegable el hecho de que Hinman estaba casado con una mujer asiatico americana que
era conocida por su fuerte temperamento y voluntad.
Observacion
2.3 Consideramos una proposicion de la forma
x U :
P(x),
(2.18)
Para probar de forma directa que (2.18) es verdadera, se toma un elemento generico x U y, mediante argumentos validos,
se establece que P(x) es verdadera. Entonces, puesto que x fue elegido arbitrariamente, se concluye que la proposicion
(2.18) es verdadera.
Para probar por reduccion al absurdo que (2.18) es verdadera, se supone que (2.18) es falsa y, mediante argumentos validos,
se alcanza una contradiccion.
Observacion
2.4 Consideramos una proposicion de la forma
x U :
P(x),
(2.19)
Para probar de forma directa que (2.19) es verdadera, se construye un x0 U tal que que P(x0 ) es verdadera.
Para probar por reduccion al absurdo que (2.19) es verdadera, se supone que (2.18) es falsa y, mediante argumentos validos,
se alcanza una contradiccion.

El comando integerp(w) devuelve verdadero si w es un n
umero entero.

El comando every(f,S) devuelve verdadero si la proposici
on f (S) es verdadera. Si S representa un
conjunto, se devuelve verdadero si es verdadera la proposici
on s S : f (s).
Ejemplo 2.11 Consideremos la funcion proposicional

P(x) :
x es entero.
Identifiquemos el valor de verdad de las proposiciones

x A : P(x);
donde
x B : P(x);
x C : P(x);
60
(%i1)
( %o1)
A: {1,2,3,4};
1, 2, 3, 4
(%i2)
( %o2)
B: {1,2,3,%pi};
1, 2, 3,
(%i3)
( %o3)
C: {%e,%i,3,a};
3, e, i, a
Se tiene que
(%i4)
( %o4)
every(integerp, A);
true
(%i5)
( %o5)
every(integerp, B);
f alse
(%i6)
( %o6)
every(integerp, C);
f alse

El comando some(f,S) devuelve verdadero si la proposici
on f (S) es verdadera. Si S representa un
conjunto, se devuelve verdadero si es verdadera la proposici
on s S : f (s).
Ejemplo 2.12 Consideremos la funcion proposicional

P(x) :
x es entero.
Identifiquemos el valor de verdad de las proposiciones

x A : P(x);
donde
(%i1)
( %o1)
A: {1,2,3,4};
1, 2, 3, 4
(%i2)
( %o2)
B: {1,2,3,%pi};
1, 2, 3,
(%i3)
( %o3)
C: {%e,%i,3,a};
3, e, i, a
Se tiene que
x B : P(x);
x C : P(x);
2.4 Union
e interseccion
de conjuntos
(%i4)
some(integerp, A);
true
( %o4)
(%i5)
some(integerp, B);
true
( %o5)
(%i6)
some(integerp, C);
true
( %o6)
2.4.
61
Union
e interseccion
de conjuntos
La interseccion
de A y B, subsconjuntos de U, denotada A B, es el conjunto cuyos elementos estan tanto
en A como en B, es decir,
A B = {x U : x A x B}.
(2.20)
Se dice que dos conjuntos A y B son disjuntos si A B = .

El comando disjointp (U, S) devuelve verdadero si los conjuntos U y S son disjuntos.
Ejemplo 2.13 Consideremos los conjuntos

A = {las primeras cuatro letras del alfabeto castellano},
B = {las vocales del alfabeto castellano},
C = {las primeras cuatro consonantes del alfabeto castellano},
que en Maxima corresponden a
(%i1)
( %o1)
(%i2)
( %o2)
(%i3)
( %o3)
A: {a,b,c,d};
a, b, c, d
B: {a,e,i,o,u};
a, e, i, o, u
C: {b,c,d,f};
b, c, d, f
y verifiquemos si son disjuntos de dos en dos:

(%i4)
( %o4)
disjointp(A,B);
f alse
62
(%i5)
( %o5)
(%i6)
( %o6)
disjointp(B,C);
true
disjointp(A,C);
f alse
La union
de A y B, subconjuntos de U, denotada A B, es el conjunto cuyos elementos estan en A o en B, es
decir,
A B = {x X : x A x B}.
(2.21)
En el siguiente Teorema se establecen las Propiedades Conmutativa y Distributiva de las operaciones union
e interseccion.
En su demostracion
se hace evidente el fuerte vnculo que existe entre la Teora de Conjuntos y
la Logica.
Teorema 2.1 [Operaciones con conjuntos]

Sean A, B y C subconjuntos de U. Entonces
A B = B A;
(2.22)
A B = B A;
(2.23)
(A B) C = (A C) (B C);
(2.24)
(A B) C = (A C) (B C).
(2.25)
Demostracion. Probemos (2.24). Los puntos (2.22), (2.23) y (2.25) quedan como ejercicio para el lector.
i) Probemos que
(A B) C (A C) (B C).
(2.26)
Sea x (A B) C, cualquiera. Se tiene que

x (A B) C (x A B) (x C)
(x A x B) (x C)
(x A x C) (x B x C)
(x A C) (x B C)
x (A C) (B C).
Puesto que x fue elegido arbitrariamente, se sigue que
x (A C) (B C),
para todo x (A B) C,
de manera que se tiene (2.26).

ii) Puesto que en todos los pasos del procedimiento anterior se tienen bicondicionales, se tiene inmediatamente
que
(A C) (B C) (A B) C.
(2.27)
Entonces, en virtud de (2.6), (2.26) y (2.27), se concluye (2.24).
t
u
El complemento de B con respecto a A, denotado A \ B, es el conjunto de elementos que estando en A, no

estan en B, esto es
A \ B = {x A : x < B}.
(2.28)
2.4 Union
e interseccion
de conjuntos
63
A veces se refiere a A \ B como la diferencia entre A y B. En particular, Bc = U \ B representa el complemento

de B.

rdenes intersection(A1,...,An)
En Maxima un conjunto se declara con objetos contenidos entre llaves. Las o
y union(A1,...,An) permiten calcular, respectivamente, A1 A2 ... An y A1 A2 ... An . La orden setdifference(A,B) calcula A \ B.

(%i1)
( %o1)
A: {a,b,c,d,m,n,o,p};
B: {b,c,d,p,u,v,w};
C: {a,c,d,m,o,w};
{a, b, c, d, m, n, o, p}
( %o2)
{b, c, d, p, u, v, w}
( %o3)
{a, c, d, m, o, w}
Verifiquemos que para estos conjuntos efectivamente se cumple que (A B) C = (A C) (B C):

(%i4)
( %o4)
(%i5)
( %o5)
E1: union(intersection(A,B), C);

{a, b, c, d, m, o, p, w}
E2: intersection(union(A,C), union(B,C));
{a, b, c, d, m, o, p, w}
Asimismo calculemos los dos lados de A \ (B C) = (A \ B) (A \ C):

(%i6)
( %o6)
(%i7)
( %o7)
D1: setdifference(A,intersection(B,C));
{a, b, m, n, o, p}
D2: union(setdifference(A,B),setdifference(A,C));
{a, b, m, n, o, p}
No se ha mencionado nada sobre la naturaleza de los elementos de un conjunto; estos podran ser letras, numeros
e
incluso otros conjuntos.

(%i1)
( %o1)
(%i2)
( %o2)
A: { {0}, {1,2}, {1,3}, {3,4} };

{{0}, {1, 2}, {1, 3}, {3, 4}}
B: { {1,2}, {1,3}, {5,8}, {1,2,3} };
{{1, 2}, {1, 2, 3}, {1, 3}, {5, 8}}
64
Se tiene que
(%i3)
( %o3)
(%i4)
( %o4)
intersection(A,B);
{{1, 2}, {1, 3}}
union(A,B);
{{0}, {1, 2}, {1, 2, 3}, {1, 3}, {3, 4}, {5, 8}}
Ejemplo 2.16 Se definen los siguientes conjuntos:

0 = ,
1 = {0} = {},
2=
3=
.. ..
. .
{0, 1} = {, {}},
{0, 1, 2} = {, {}, {, {}}},
.. ..
. .
n = {0, 1, 2, ..., n 1}.
(2.29)
Se define N, el conjunto de los numeros

naturales, mediante
A veces se usa
N = {1, 2, 3, ...},
(2.30)
N = N {0}
(2.31)
para denotar al conjunto de los enteros no-negativos. La construccion (2.29)-(2.30) es congruente con los Axiomas de
Peano que fueron disenados
originalmente para caracterizar a los numeros
naturales. El lector interesado puede ver e.g.

[14] y [15].
Se define la diferencia simetrica de dos conjuntos A y B mediante
AB = (A B) \ (A B).
Proposicion
2.1 Dados los conjuntos A, B y C en el universo U, se tiene que
AA = ;
(2.32)
A = A;
(2.33)
A A = A;
(2.34)
A A = A;
(2.35)
A U = U;
(2.36)
A U = A;
(2.37)
A = A;
(2.38)
A = ;
(2.39)
A A = U;
(2.40)
A A = ;
(2.41)
(Ac )c = A;
(2.42)
= U.
(2.43)
La demostracion
de esta proposicion
se deja como ejercicio para el lector.
2.5 Relaciones
65
Proposicion
2.2 Dados los conjuntos A, B y C en el universo U, se tiene que
Uc = ;
(2.44)
A\B = AB ;
(2.45)
A (A B) = A;
(2.46)
A (A B) = A;
(2.47)
AB = (A \ B) (B \ A).
(2.48)
La demostracion
de esta proposicion
se deja como ejercicio para el lector.
En el siguiente Teorema se establece un mecanismo para intercambiar las operaciones de union
e interseccion
con ayuda de la complementacion.
Teorema 2.2 [Leyes de De Morgan]

Sean A, B y C conjuntos en el universo U. Entonces
A \ (B C) = (A \ B) (A \ C);
(2.49)
A \ (B C) = (A \ B) (A \ C).
(2.50)
Si A = U, entonces (2.49) y (2.50) se escriben como

(B C)c = Bc Cc ,
(2.51)
(B C) = B C .
(2.52)
Demostracion. Probemos (2.51). Los puntos (2.49), (2.50) y (2.52) quedan como ejercicio para el lector.
i) Probemos que
Sea x
(B C)c ,
(B C)c Bc Cc .
(2.53)
cualquiera. Entonces x < B C o, equivalentemente,

(x B x C)
x<B
x<C
x Bc
x Cc ,
de manera que x Bc Cc . Por la arbitrariedad de x se sigue (2.53).

ii) Puesto que en el proceso anterior se tienen bicondicionales en todos los pasos se sigue que
(B C)c Bc Cc .
(2.54)
Por (2.53), (2.54) y (2.6) se concluye (2.51).

t
u
2.5.
Relaciones
Cuando el orden de los elementos es importante tenemos que valernos de algun

truco que permita distinguir
cual elemento es el primero, el segundo, etc.
66
Definicion
2.1 [Par ordenado. Producto Cartesiano.]
Sean A y B dos conjuntos no-vacos. Se define el producto cartesiano de A y B, denotado A B, mediante
A B = {(a, b) : a A b B},
donde,
(a, b) {a, {a, b}} = {{a, b}, a}.
(2.55)
Se dice que (a, b) A B es el par ordenado con primera componente a A y segunda componente b B.
La formula
(2.55) permite establecer un orden en conjuntos de dos elementos. en efecto, en (2.55) el primer
elemento de (a, b) A B, es aquel que pertenece al segundo elemento de (a, b). Se sigue inmediatamente que
(a, b) = (c, d)
ssi
(a = c) (b = d).
(2.56)
De manera similar se define el producto ordenado de los conjuntos no-vacos A1 , A2 ,..., An :

A1 A2 ... An = (A1 A2 ... An1 ) An .
En particular se pone
An = A A ... A
(n veces).

La orden cartesian product(A1,...,An) calcula A1 A2 ... An .

(%i1)
( %o1)
A: {a,b,c};
B: {1,2};
C: {u,v};
{a, b, c}
( %o2)
{1, 2}
( %o3)
{u, v}
Calculamos A B C:
(%i4)
cartesian_product(A,B,C);
( %o4) {[a, 1, u], [a, 1, v], [a, 2, u], [a, 2, v], [b, 1, u], [b, 1, v], [b, 2, u],
[b, 2, v], [c, 1, u], [c, 1, v], [c, 2, u], [c, 2, v]} .
Definamos a continuacion
el concepto de relacion.
Definicion
2.2 [Relacion]
Dados dos conjuntos no-vacos X e Y, llamamos relacion de X en Y a todo subconjunto r de X Y.

Se suele escribir x r y para indicar que el par ordenado (x, y) pertenece a la relacion
r A B, es decir
xr y
(x, y) r.
(2.57)
(2.58)
2.5 Relaciones
67
Puesto que los elementos de r son pares ordenados, al conjunto X de las primeras componentes se le denomina
conjunto de salida, en tanto que al conjunto Y de las segundas componentes se le denomina conjunto de
llegada.
2.2, si X = Y, se dice que r es una relacion
en X.
En el marco de la Definicion
Definicion
2.3 [Dominio. Codominio. Rango]
Sea f una relacion de X en Y.
Se dice que x X esta en el dominio de f , denotado Dom(r) X, si existe algun
y Y tal que (x, y) f .
Se dice que Y es el codominio de f y se denota Codom(r) = Y.
Se dice que y Y esta en el rango de f , denotado Rg( f ) Y, si existe algun
x X tal que (x, y) f .
Ejemplo 2.18 Consideremos la relacion r en R definida mediante
(
)
x2 y2
r = (x, y) R R :
+
=1 .
4
9
Determinemos el dominio, codominio y rango de r. Se tiene que
Dom(r) = [2, 2] = {x R : 2 x 2},
Codom(r) = R,
Rg(r) = [3, 3] = {y R : 3 y 3}.
Si bien en el Captulo 4 empezaremos a trabajar con funciones reales, presentamos aqu una introduccion
elemental al concepto abstracto de funcion

que es fundamental para un ingeniero.
(o aplicacion),
Definicion
2.4 [Funcion
/ Aplicacion]
Sean X y Y dos conjuntos no-vacos. Se dice que la relacion f X Y es una funcion (o aplicacion) de X en Y si
se cumplen las siguientes condiciones:
i) Dom( f ) = X.
ii) Para cada x X, existe un unico
y Y tal que (x, y) f , es decir,

x X, !y Y :
(x, y) f.
Una funcion
de X en Y se denota
f : X Y
x 7 y = f (x)
(2.59)
X 3 x 7 f (x) Y.
(2.60)
A veces en lugar de la notacion

(2.59), se escribe
Las notaciones (2.59) y (2.60) son especialmente utiles

cuando la correspondencia entre x X e y = f (x) Y esta
dada por alguna regla o formula

especfica. En ese sentido puede pensarse que f (x) Y es el producto que
resulta de aplicar el proceso f a la materia prima x X. Tambien se dice que la variable dependiente y = f (x)
resulta de aplicar f a la variable independiente x X.
Ejemplo 2.19 Ejemplo completo con
68
2.6.
Grupos, anillos y cuerpos
Los conceptos de grupo, anillo y cuerpo son fundamentales en las Matematicas aplicadas a la Ingeniera.
A partir del Captulo 3 empezaremos a trabajar con el cuerpo de los numeros
reales en tanto que ahora
introduciremos los conceptos abstractos de grupo, anillo y cuerpo.2 Para abordar estas estructuras algebraicas
es indispensable el concepto de operacion
interna.
Definicion
2.5 [Operacion
interna]
Sea un conjunto no-vaco. Llamamos operacion interna sobre a toda funcion
: .
A la imagen de (a, b) se le denota a b.
En la siguiente definicion
uno puede pensar que Z es el conjunto de los enteros, Z, y que es la suma
habitual de numeros
enteros.
Definicion
2.6 [Grupo]
Sea una operacion interna sobre Z. Se dice que (Z, ) es un grupo si se cumplen las siguientes condiciones
a) [Asociatividad aditiva] Dados a, b, c Z, se tiene que
(a b) c = a (b c).
(2.61)
b) [Existencia del neutro aditivo] Existe un elemento 0 Z tal que

a 0 = a,
para todo a Z.
(2.62)
c) [Existencia de inversos aditivos] Para cada a Z existe un elemento b Z tal que

a b = 0.
(2.63)
Un tipo muy importante de grupos corresponde a aquellos donde se cumple la propiedad conmutativa.
Definicion
2.7 [Grupo Abeliano]
Se dice que un grupo (Z, ) es Abeliano (o Conmutativo) si se verifica
d) [Conmutatividad aditiva] Dados a, b Z,
a b = b a.
(2.64)
Ejemplo 2.20 El rango de aplicaciones de los Grupos es vasta. En particular, los grupos cristalograficos son grupos de
simetra bidimensional que normalmente reflejan patrones. Tales patrones ocurren con frecuencia en Arquitectura y en el
Arte Decorativo, vease la Figura 2.1.
uno puede pensar que P es el conjunto de los polinomios, y que y son,
respectivamente, la suma y multiplicacion
habituales en P.
2 A estas estructuras algebraicas hay que anadir

el concepto de espacio vectorial para tener el esqueleto matematico sobre el
cual trabaja el Ingeniero.
2.7 Problemas
69
Figura 2.1 Un diseno

egipcio con el grupo cristalografico p4m.
Definicion
2.8 [Anillo]
Sean y dos operaciones internas sobre P. Se dice que (P, , ) es un anillo si (P, ) es un grupo Abeliano y se
verifican las condiciones
e) [Asociatividad multiplicativa] Dados a, b, c Z, se tiene que
(a b) c = a (b c).
(2.65)
f) [Propiedad distributiva] Dados a, b, c Z, se tiene que

a (b c) = (a b) (a c).
(2.66)
reales, R, y que, respecti uno puede pensar que R es el conjunto de los numeros
vamente, y representan la suma y multiplicacion

habituales en R.
Definicion
2.9 [Cuerpo / campo]
Se dice que un anillo (R, , ) es un cuerpo (o campo) si se verifican las siguientes condiciones
g) [Existencia del neutro multiplicativo] Existe un elemento 1 R tal que
a 1 = 1 a = a,
para todo a R.
(2.67)
h) [Existencia de inversos multiplicativos] Para cada a Z \ {0} existe un elemento b Z tal que
a b = b a = 1.
(2.68)
i) [Conmutatividad multiplicativa] Dados a, b Z,

a b = b a.
(2.69)
Por supuesto, el conjunto de los numeros

reales tiene muchas mas propiedades que las presentadas en la
Definicion
2.9. Estas propiedades son estudiadas en el siguiente captulo.
2.7.
Problemas
2.1. Sean A, B y C, conjuntos no-vacos. Pruebe que A (B C) = (A B) (A C).

2.2. Sean A y B dos conjuntos. Indique el valor de verdad de las siguientes proposiciones
A B ssi A B = A;
AB
ssi Bc Ac ;
AB
ssi Ac Bc .
2.3. Una fabrica produce 100 artculos por hora, de los cuales 60 pasan el control de calidad. Las fallas en el
resto fueron de tipo A, B y C, y se repartieron del modo siguiente:
70
a) 8 artculos con fallas A y B;

b) 12 artculos solo
con fallas tipo A;
c) 3 artculos con fallas tipo A, B y C;
d) 5 artculos con fallas tipo A y C;
e) 2 artculos con fallas tipo B y C.
El numero
de artculos que tuvieron una sola falla de tipo C o de tipo B fue el mismo. Cuantos artculos
tuvieron fallas tipo B? Cuantos artculos tuvieron una sola falla?

2.4. Sean A, B y C conjuntos. Pruebe que
A B = B A;
A B = B A;
(A B) C = (A C) (B C).
2.5. Sean A, B y C conjuntos. Pruebe que
A \ (B C) = (A \ B) (A \ C);
A \ (B C) = (A \ B) (A \ C).
2.6. Usando las propiedades de las operaciones, simplificar los siguientes conjuntos
[C \ (A B)] [C \ (A B)],
(A Bc ) (A B)c ,
[(A B) Bc ] [Bc (A B)]c ,
(C B)c \ [A (B \ C)].
2.7. Demostrar las siguientes identidades para conjuntos
[Dc (D \ Cc )c ] Cc = (C D)c ;
(A B C) \ C = (A B) \ C;
2.8. (*) Determine los siguientes conjuntos
"
[
1
#
cos(n/2)
;
n
n
n=1
!n2 n+1

\
2 + n1/n
cos(n)
;
B=
;
1
+
n
n2 + 1
A=
, +
n=1
C = A B;
D = A B;
E = A \ B;
F = B \ A.
2.9. Sea r una relacion

de X en X. Se dice que r es
i) reflexiva si x X : x r x;
ii) simetrica si x, y X : x r y y r x;
iii) antisimetrica si x, y X : x r y y r x x = y;
iv) transitiva si x, y, z X : x r y y r z x r z.
Se dice que una relacion
r sobre el conjunto X es de equivalencia si es reflexiva, simetrica y transitiva. Se define
la clase de equivalencia de x X como
[x] {y : xry}.
(2.70)
2.7 Problemas
71
1) Sea M Z. Definimos sobre Z, la relacion
M, denotada , como
de congruencia modulo
ab
a b es multiplo
de M.
Pruebe que esta es una relacion

de equivalencia sobre Z. En particular, si M = 2 tenemos la clasificacion
de los
numeros
enteros en pares e impares:
Z = [1] [2].
2) Sea Z = Z \ {0}. Definimos sobre Z Z una relacion
, mediante
(a1 , b1 ) (a2 , b2 )
ssi a1 b2 = a2 b1 .
(2.71)
Pruebe que la relacion

definida sobre Z Z mediante (2.71) es una relacion
de equivalencia. A cada clase de
equivalencia
a
[(a, b)]
b
= {(c, d) Z Z : (a, b) (c, d)}
de le refiere como numero
racional y al conjunto

a
:
Q=
b
(2.72)

(a, b) Z Z .
(2.73)
se le denomina conjunto de los numeros

racionales.
2.10. Sea (G, ) un grupo de n 4 elementos. Pruebe que G es un grupo Abeliano.
2.11. Recordemos que los numeros

racionales se definieron en (2.72). Dados dos numeros
racionales
define su suma y su multiplicacion,

mediante las siguientes formulas
a c
y se
b d
a c ad + bc
+ =
,
b d
bd
(2.74)
a c ac
= .
b d bd
(2.75)
Probar que (Q, +, ) es un cuerpo.

2.12. Indique si el conjunto A = {a, b, c} junto con la operacion
definida a la derecha es un grupo. Si es el caso,
es grupo abeliano?
2.13. Indique si el conjunto E = {0, 1} junto con la operacion

definida a la derecha es un grupo.
2.14. Consideramos el conjunto

a
b
c
abc
abc
bc a
c ab
01
0 00
1 01
Z4 = {0, 1, 2, 3},
junto con las operaciones internas y definidas, para x, y Z4 , mediante

x y = (x + y)mod 4,
x y = (x y)mod 4,
donde las operaciones + y son la suma y multiplicacion
x Z, la notacion
habituales en Z, y para un numero
x mod 4 representa el residuo de la division

(entera) de x para 4. Verifique que (Z4 , , ) es un anillo.
2.15. Indique si las siguientes parejas constituyen grupos. Si ese es el caso, es un grupo abeliano?
72
a) (Z, )
b) (Q, )
c) (Q \ {0}, )
2.16. Sea (G) un grupo en el cual

a G :
a2 = e,
donde e G es el elemento neutro. Pruebe que (G, ) es abeliano.

2.17. Sea (G) un grupo abeliano. Pruebe que
(a b)n = an bn ,
a, b G, n N.
2.18. [*] Sea (G) un grupo tal que

(ab)3 = a3 b3 (ab)5 = a5 b5 ,
Pruebe que (G, ) es abeliano
a, b G.
Captulo 3
reales
La matematica es la ciencia del orden y la medida, de bellas

cadenas de razonamientos, todos sencillos y faciles.
Rene Descartes
3.1.
Axiomatizacion
de R
Los griegos estaban al tanto de las propiedades de Q y tambien del hecho de que faltaban numeros
para
suplir las necesidades manifiestas en su estudio de la Geometra. Por ejemplo, segun
el Teorema de Pitagoras,
la longitud de la hipotenusa correspondiente a un triangulo rectangulo cuyos catetos son de longitud 1 es 2;

sin embargo, el mismo Pitagoras probo el siguiente resultado.
Teorema 3.1
[Pitagoras]
2 no es racional.
El numero
La demostracion
del Teorema 3.1 fue presentada en el Ejemplo 1.36.
El conjunto de los numeros
reales, R, nos permitira llenar los huecos dejados por Q. En principio se pensaba
que tales huecos, posteriormente llamados numeros

irracionales, eran pocos pues para las necesidades
practicas de la antiguedad
Q se defenda bastante bien; sin embargo, hoy se sabe, mediante el concepto de
cardinalidad, que hay mas numeros

irracionales que racionales.1
Introduciremos el conjunto de los numeros

reales como un sistema deductivo. Es posible construir R a partir
de Q de diferentes formas (e.g. por los mecanismos de Dedekind, Weierstrass, Meray y Cantor-Heine) evitando
de esa manera una axiomatizacion.
Sin embargo esto requiere un tiempo que normalmente no esta disponible
en los programas de Matematicas para Ingeniera. Al lector interesado le recomendamos [22] para un primer
acercamiento al tema. En [12] se presenta una version
asequible de la construccion
de Dedekind.
3.1.1.
Axiomas de Campo o Cuerpo
Para el conjunto de los numeros

reales supondremos su existencia junto con dos operaciones internas
(adicion
y multiplicacion)
que verifican un conjunto de postulados o axiomas. No se demuestra la existencia de
R, el conjunto de numeros
reales, ni la veracidad de tales axiomas pero se exige que sean consistentes. Todos
los resultados que se prueben a partir de entonces constituyen teoremas, corolarios, lemas y proposiciones.
1. Existen un conjunto no vaco, R, y dos operaciones internas sobre R, + (llamada adicion)
Suposicion
y (llamada multiplicacion),
de manera que (R, +, ) es un campo.
Si #(A) representa la cardinalidad de un conjunto, entonces #[Q] = 0 < #[R \ Q].

73
74
3 El cuerpo de los numeros

reales
Las condiciones establecidas por la Suposicion

1, suelen referirse como Axiomas de Campo o Cuerpo y
corresponden a los puntos a)-i) que se exponen a continuacion.
a) [Asociatividad aditiva]
(a + b) + c = a + (b + c).
a, b, c R :
(3.1)
b) [Existencia del neutro aditivo]

0 R, a R :
a + 0 = 0 + a = a.
(3.2)
a R, b R :
a + b = b + a = 0.
(3.3)
c) [Existencia de inversos aditivos]
d) [Conmutatividad aditiva]
a + b = b + a.
a, b R :
e) [Asociatividad multiplicativa]
(a b) c = a (b c).
(3.5)
a (b + c) = (a b) + (a c).
(3.6)
a, b, c R :
f) [Propiedad distributiva]
a, b, c R :
(3.4)
g) [Existencia del neutro multiplicativo]

a 1 = 1 a = a.
1 R, a R :
(3.7)
h) [Existencia de inversos multiplicativos]

a b = b a = 1.
a R \ {0}, b R :
i) [Conmutatividad multiplicativa]
a b = b a.
a, b R :
(3.8)
(3.9)
Observacion
3.1 Las propiedades a)-d) establecen que la pareja (R, +) es un grupo abeliano o conmutativo. Al anadir
e)
y f), la terna (R, +, ) se constituye en un anillo. Finalmente, las propiedades g)-i) transforman a (R, +, ) en un campo o
cuerpo.
3.1.2.
Axiomas de Orden
2. Existe un conjunto R+ R, llamado conjunto de numeros

Suposicion
positivos, tal que la relacion
de
orden , definida sobre R mediante
a b ssi b a R+ {0},
(3.10)
tiene las siguientes propiedades (llamadas Axiomas de Orden)

a) [Orden total]
a, b R :
ab
b a.
(3.11)
b) [Compatibilidad con la suma]

a, b, c R :
ab
a + c b + c.
(3.12)
c) [Compatibilidad con la multiplicacion]
a, b, c R :
ab0c
ac bc.
Notacion
3.1 Los smbolos <, > y se introducen de la siguiente manera: dados x, y R,
(3.13)
3.1 Axiomatizacion
de R
75
x < y y x R+ ;
(3.14)
x > y y < x;
(3.15)
x y y x.
(3.16)
Intervalos
Sean a, b R con a < b. A los conjuntos
[a, b] = {x R : a x b},
]a, b[= (a, b) = {x R : a < x < b},
]a, b] = (a, b] = {x R : a < x b},
[a, b[= [a, b) = {x R : a x < b},
se les conoce como intervalos finitos. A [a, b] se le llama intervalo cerrado. A los conjuntos (a, b), [a, b) y (a, b] se
les llama, respectivamente, intervalo abierto, intervalo cerrado a la izquierda e intervalo cerrado a la derecha.
A los conjuntos
[a, +) = {x R : a x},
(a, ) = {x R : a < x},
(, b) = {x R : x < b},
(, b] = {x R : a x},
se les conoce como intervalos infinitos.
3.1.3.
Axioma del Supremo
Recordemos que nuestro objetivo era tapar los hoyos dejados por Q.2 Esta tarea queda concluida cuando
se presenta el Axioma del Supremo (o su equivalente el Axioma de Completitud), que es la materia de esta
seccion.
A diferencia de Q podemos identificar los elementos de R con los puntos en una recta; para ello, basta con asignar a un
punto en la recta el numero

0 y escoger una escala de unidades al asignar a un punto (a la derecha del 0) el numero
1.
Una vez hecho esto, uno bien puede preguntarse si efectivamente es valido escribir la relacion
R Q.
Intuitivamente, esto se consigue de la siguiente manera. Para empezar, usando la Suposicion
1 tenemos la
existencia del elemento 1+1 R, al que lo denotamos 2. Luego denotamos 3 = 2+1 y procediendo as obtenemos
N = {1, 2, ...}. Si a los elementos de N les anadimos
sus inversos aditivos y 0 R obtenemos Z. Finalmente
ponemos Q = {p/q : p Z q Z \ {0}}. Al conjunto

I = R\Q
se le conoce como el conjunto de los numeros
irracionales. Son numeros

irracionales
Que verifica los axiomas de campo y de orden al reemplazar R+ por Q+
(3.17)
76

reales
2 = 1, 414213562373...
= 3, 1415926535...
e = 2, 718281828459....
Introduzcamos el concepto de cota para poder presentar el Axioma del Supremo.

Definicion
3.1 [Acotamiento superior]
Sea M R. Se dice que M esta acotado superiormente si existe un b R tal que
x b,
x M.
En este caso se dice que b es una cota superior de M.

De manera analoga se definen los conceptos de acotamiento inferior y cota inferior. Se dice que un conjunto
M R esta acotado si esta acotado superior e inferiormente.
Axioma del Supremo.
Sea M R un conjunto acotado superiormente. Entonces, existe sup(M) R tal que
1) sup(M) es cota superior de M;
2) si r R, es una cota superior de M arbitraria, se tiene que
sup(M) r.
Se dice que sup(M), la menor de las cotas superiores de M, es el supremo de M. En caso de que sup(M) M se
dice que M tiene maximo y lo denotamos max(M) = sup(M).
De manera analoga
se define el nfimo de un conjunto acotado inferiormente: sera la mayor de las cotas inferiores. Si un
conjunto acotado inferiormente contiene a su nfimo se dice que tiene mnimo.
si A R no esta acotado superiormente se escribe sup(A) = . De la misma manera, si A no esta acotado

Por convension,
inferiormente se escribe nf(A) = .
Teorema 3.2 [Propiedad Arquimediana]

Se tiene que
x R+ , y R, n N :
3.2.
nx > y.
(3.18)
Propiedades
En esta seccion
se presentan propiedades adicionales de R que se derivan de los axiomas expuestos en la
Seccion
3.1. Para ello es importante tener presente las siguientes reglas de la suma y multiplicacion:
x=a y=b
x=a y=b
x + y = a + b;
(3.19)
x y = a b.
(3.20)
3.2 Propiedades
3.2.1.
77
Resultados sobre la adicion
Teorema 3.3 [Unicidad del neutro aditivo]

Se tiene que
! 0 R, a R :
a + 0 = 0 + a = a.
(3.21)
Demostracion. Puesto que en (3.2) se establece la existencia de un elemento neutro aditivo, 0 R, basta probar
que no existe 00 R \ {0} que tambien sea neutro aditivo.
Supongamos entonces que s existe un neutro aditivo 00 R \ {0}. Puesto que tanto 0 como 00 son neutros
aditivos se tiene por (3.2) que
00 + 0 = 0,
(3.22)
0 +0 = 0 .
(3.23)
Entonces por (3.22) y (3.23) se sigue que
0 = 00 ,
lo cual contradice nuestra suposicion

de que 0 , 00 .
Teorema 3.4 [Unicidad de los inversos aditivos]
Se tiene que
a R, !b R :
a + b = b + a = 0.
(3.24)
Por el Teorema 3.4 de aqu en adelante se denotara al inverso aditivo de un numero

a R como a. Se define
asimismo la operacion
resta en R mediante
a b = a + (b),
a, b R.
(3.25)
Teorema 3.5
Sean a, b, c R. Se tiene que
a=b
a + c = b + c,
(3.26)
a=b
a c = b c,
(3.27)
a = b b = a,
(3.28)
(a + b) = a b.
(3.29)
a+b = 0
El Teorema 3.5 nos permite establecer que

(a) = a,
3.2.2.
a R.
(3.30)
Propiedades de la multiplicacion
Teorema 3.6 [Unicidad del neutro multiplicativo]

Se tiene que
! 1 R, a R :
a 1 = 1 a = a.
Teorema 3.7 [Unicidad de los inversos multiplicativos]

Se tiene que
a R \ {0}, !b R :
a b = b a = 1.
(3.31)
(3.32)
78

reales
Por el Teorema 3.7, de aqu en adelante se denotara al inverso multiplicativo de un numero

a R \ {0} como
a1 . Se define asimismo la operacion

en R mediante
division
a
= a b1 ,
b
a R, b R \ {0}.
(3.33)
Teorema 3.8
Sean a, b, c R. Se tiene que
a=b
a c = b c,
(3.34)
a = b,
a b
a=bc,0
= ,
c c
a b = 1 a = b1 b = a1 ,
(3.35)
(3.36)
=a b .
(3.38)
ac = bc c , 0
a,0b,0
(a b)
1 1
(3.37)
El Teorema 3.8 nos permite establecer que

(a1 )1 = a,
3.2.3.
a R \ {0}.
(3.39)
Propiedades combinadas
Teorema 3.9
Se tiene que
b 0 = 0,
(3.40)
ab = 0 a = 0 b = 0,
(3.41)
ab = a b = 1,
(3.42)
(ab) = (a)b,
a
= 1,
a R \ {0} :
a
(3.43)
b R :
a, b R :
a R \ {0} :
a, b R :
(3.44)
Teorema 3.10 [Suma de fracciones]

Sean a, c R y b, d R \ {0}. Entonces se tiene que
a c ad + bc
+ =
.
b d
bd
3.2.4.
(3.45)
Otras propiedades
Empezamos estableciendo un conjunto de propiedades que equivalen a los Axiomas de Orden.

Teorema 3.11 Se tiene que
x, y R+ :
x + y R+ x y R+ ;
x R \ {0} :
x R Y x R ;
+
0<R .
(3.46)
(3.47)
(3.48)
3.2 Propiedades
79
Como consecuencia del Teorema 3.11 se tiene la propiedad de Tricotoma.

Corolario 3.1 [Tricotoma]
Se tiene que
x < y Y y < x Y x = y.
x, y R :
(3.49)
El siguiente resultado es muy importante.

Teorema 3.12 [Intercalacion]
Sean a, b R tales que a < b. Entonces, existe un c R tal que

a < c < b.
(3.50)
En el siguiente resultado se caracteriza al supremo de un conjunto.

Teorema 3.13 [Caracterizacion
del Supremo]
Sea S R. Entonces
b = sup(S) <
Demostracion. i) Supongamos que
es decir que
> 0, x S : x > b .
(3.51)
b = sup(S) < ,
(3.52)
b = mn{c R / c es cota superior de S},
(3.53)
> 0, x S : x > b .
(3.54)
y probemos que
Sea > 0, cualquiera. Supongamos que
(x S : x > b ) ,
es decir que
x b .
x S :
(3.55)
Por (3.55) se tiene que b es cota superior de S y, puesto que > 0, se tiene que
b < b,
lo cual contradice (3.53). Por tanto, hemos probado que
x S : x > b .
Puesto que fue elegido arbitrariamente, se ha probado (3.54).
ii) Supongamos ahora (3.54) y probemos (3.52).

Supongamos que b R es cota superior de S pero que b , sup(S). Se tiene entonces que
sup(S) < b
b sup(S) > 0.
(3.56)
Por (3.56) y la definicion

de supremo se tiene que
x S :
x sup(S) < b.
(3.57)
b < x sup(S) < b.
(3.58)
Entonces, por (3.54) y (3.57), se sigue que

> 0, x S :
80

reales
Ahora, por (3.56), podemos elegir

que reemplazado en (3.58) implica
= b sup(S) > 0,
sup(S) < x sup(S),
que es una contradiccion.

Se ha probado entonces (3.52).
t
u
Corolario 3.2 [Caracterizacion

del Infimo]
Sea S R. Entonces
b = nf(S) >
3.2.5.
> 0, x S : x < b + .
(3.59)
Teorema del binomio de Newton
Dados n, k N, k n, se define el coeficiente binomial de n sobre k, como el numero
!
n
n!
.
=
k!(n k)!
k
Proposicion
3.1 [Coeficiente binomial]
Sean n, k N, k n. Se tiene que
!
n
0
!
n
1
!
n
k
!
n+1
k+1
(3.60)
= 1;
(3.61)
= n;
(3.62)
!
n
;
nk
!
!
n
n
=
+
,
k
k+1
=
(3.63)
si k < n.
(3.64)

Observacion
3.2 nk corresponde al numero
de subconjuntos de tamano
k que posee un conjunto de tamano
n. Para su
calculo se puede utilizar

(3.64)
mediante
el
tri
angulo
de
Pascal.
En
el
tri
a
gulo
de
Pascal,
los
bordes
se
rellenan con

unos, el valor de nk aparece en la fila n y columna k como la suma del elemento que se encuentra por encima y del que se
encuentra en su diagonal superior izquierda.
Figura 3.1 Triangulo de Pascal.
Ejercicio 3.1 Pruebe la Proposicion 3.1.
3.2 Propiedades
81
Teorema 3.14 [Binomio de Newton]

Sean x, y R y n N. Entonces
!
n
X
n k nk
(x + y) =
x y .
k
n
(3.65)
k=0
Para terminar esta seccion

de la forma
probaremos que todo numero
a, donde a > 0 y n N, esta en R.
Teorema 3.15 [Raz n-esima de un positivo]

Sean a > 0 y n N. Entonces existe un unico
x > 0 tal que

xn = a.
(3.66)
Demostracion. i) Es evidente que x = 1 es raz n-esima de a = 1. Ahora bien, si el Teorema 3.15 esta probado
para el caso en que a > 1 inmediatamente lo estara para 0 < a < 1. En efecto, si 0 < a < 1, se tiene que a1 > 1 de
manera que existe un unico
y > 0 tal que yn = a1 y, entonces, x = y1 verifica xn = a.
ii) Probemos la unicidad de x en (3.66). Supongamos entonces que existe y > 0, x , y, tal que yn = a. Se tiene
entonces que
0 = xn yn
= (x y) (xn1 + xn2 y + ... + xyn2 + yn1 ).
Puesto que
xn1 + xn2 y + ... + xyn2 + yn1 > 0,
se tiene que x y = 0 lo que contradice la suposicion
de que x , y.
iii) Sea a > 1. Por i) y ii) nos basta probar que existe un x > 0 tal que xn = a. Sea
M = {y [0, ) / yn a}.
Puesto que 0 M, se tiene que M , . Puesto que a > 1, se tiene que
y a,
para todo y M,
de manera que M esta acotado superiormente. Sea

x = sup(M).
iii.a) Supongamos que xn < a. Tomamos
= a xn > 0.
Elegimos R de manera que

n
o
0 < < mn 1, c1 ,
donde
!
n1
X
n k
c=
x > 0.
k
k=0

!
n1
X
n k nk
x
(x + ) = x +
k
n
k=0
< xn + c
< xn +
= a,
(3.67)
82

reales
de manera que x + M, con > 0, lo cual contradice (3.67). Por tanto no es posible que xn < a.
iii.b) Supongamos que xn > a. Tomamos
= xn a > 0
y un numero
y (0, x)
tal que
x y <
(3.68)

.
nxn1

xn yn = (x y)(xn1 + xn2 y + ... + xyn2 + yn1 )

< n1 (xn1 + xn2 x + ... + x xn2 + xn1 )
nx
=
y, por tanto, yn > a.
Si w M verificara w y se tendra que wn yn > a de manera que, necesariamente,
w y,
para todo w M;
pero esto contradice (3.68). Por tanto no es posible que xn > a.

t
u
3.3.
Induccion
El signo sumatorio permite describir sumas de forma abreviada:

p
X
ai = an + an+1 + ... + ap1 + ap ,
(3.69)
i=n
donde n, p N , n p y ai R, i = n, ..., p. Se dice que i {n, n + 1, ..., p} es el ndice del sumatorio (3.69) y que ai
es el i-esimo termino de (3.69).
Es claro que se cumplen las propiedades enunciadas en el siguiente Teorema.
3.3 Induccion
83
Teorema 3.16 [Propiedades del Sumatorio]

Sean c R, n, p N , n p y ai R, para i = n, ..., p + 1. Se tiene que
p
X
c ai = c
ai ,
(3.70)
bi ,
(3.71)
bi ai ,
(3.72)
ai + ap+1 ,
(3.73)
i=n
p
X
(ai + bi ) =
i=n
p
X
ai +
i=n
p
X
a i bi =
ai =
i=n
nqp
p
X
i=n
p
X
i=n
p
X
i=n
p+1
X
p
X
i=n
p
X
i=n
ai =
i=n
q
X
p
X
p
X
ai ,
(3.74)
c = c (p n + 1),
(3.75)
i=n
ai +
i=q+1
i=n
p+1
X
i=n+1
ai1 =
p
X
ai .
(3.76)
i=n
El Principio de Induccion
es un metodo de demostracion
que parte de casos particulares para llegar a una
propiedad general; tiene una fuerte relacion
con el conjunto N y es de suma utilidad en demostraciones sobre
este conjunto.
Un conjunto A R se dice que es inductivo si se cumplen las siguientes condiciones
1) 1 A;
2) x A x + 1 A.
Teorema 3.17 Sea A R un conjunto inductivo. Entonces N A.
Este resultado establece que N es el mas pequeno
de los conjuntos inductivos.
Corolario 3.3 [Principio de Induccion]
Si A N es un conjunto inductivo, entonces N = A.
Corolario 3.4 [Principio de Induccion]
Consideremos una funcion proposicional N 3 n 7 Pn , esto es, para cada n N, Pn es una proposicion. Si se
cumplen las siguientes condiciones
1) P1 es verdadera;
2) Pk Pk+1 .
Entonces Pn es verdadera, para todo n N.
iniciadora. A Pk se le refiere como la hipotesis
A P1 suele llamarsele
proposicion
inductiva y a Pk+1 como la tesis
inductiva.
84

reales
Example 3.1. Probemos por Induccion

Matematica que
n
X
i=
i=1
n(n + 1)
,
2
Denotemos
n
X
Pn :
n N.
n(n + 1)
.
2
i=
i=1
1) Para n = 1 se tiene que

1
X
1 (1 + 1)
,
2
i=1=
i=1
es decir que P1 se cumple.

2) Supongamos que se cumple Pk . Se tiene que
k+1
X
i=
i=1
k+1
X
i=1
k
X
i + (k + 1)
i=1
k(k + 1)
+k+1
2
(k + 1)(k + 2)
=
,
2
=
es decir que se cumple Pk+1 . Por tanto hemos probado que

Pk Pk+1
En virtud de 1) y 2), por induccion
matematica hemos probado (3.77).
3.4.
Problemas
3.1. Pruebe que
2 R.
3.2. Suponga que los conjuntos A R+ y B R+ verifican

a = sup(A) <
Pruebe que
b = sup(B) < .
sup{xy / x A y B} = ab.
3.3. Probar que es valida la propiedad Arquimediana de las numeros

reales.
3.4. Pruebe el Teorema 3.4.

(3.77)
3.4 Problemas
85

3.10. Pruebe el Corolario 3.1.
3.12. Sea A R. Pruebe que
nf(A) sup(A).
3.13. Pruebe que
a Q+ , b I :
ab I.
(3.78)
Concluya que el producto de un numero

racional y un irracional es un irracional.
3.14. Pruebe que para un conjunto A R se tiene que

nf(A) = sup{x : x A};
(3.79)
sup(A) = nf{x : x A}.
(3.80)
3.15. Usando el Teorema 3.13 pruebe el Corolario 3.2.

3.17. Pruebe que
n
X
i=1
1
i2 = n(n + 1)(2n + 1),
6
n N.
(3.81)
3.18. Pruebe que

n
X
(6i 3) = 3n2 ,
n N.
(3.82)
i=1
3.19. Probar que para cada n N, el numero

52n 1 es divisible por 24.
3.20. Probar que

n
: n N = 1;
n+1

1
nf
: n N = 0;
n

n
1
nf
: nN = ;
n+1
2

n+1
nf
: n N = 1.
n

sup
(3.83)
86

reales
3.21. Indique el error (o los errores) en el siguiente razonamiento. Suponga que b real.
a = b ab = a2 ,
ab b2 = a2 b2
(a b)b = (a + b)(a b)
b = a+b
b = 2b
1 = 2.
3.22. Sean a, c R y b, d R \ {0} tales que a + b , 0 y c + d , 0. Pruebe que
ab cd
=
.
a+b c+d
3.23. Sean x, y R. Indique el valor de verdad de la siguiente proposicion:
4xy 2x 4
=2
x 2y
x = 1 Y y = 1.
3.24. Pruebe que

a, b, c R :
a + b + c = 0 a3 + b3 + c3 = 3abc.
3.25. Sean a, b, c R. Pruebe que

x, y, z R+ :
a b c
= = = k (ax + by + cz)2 = (a2 + b2 + c2 )(x2 + y2 + z2 ).
x y z
3.26. Sea k R. Indique el valor de verdad de la siguiente proposicion:
a, c R, b, d R \ {0} :
3.27. Pruebe que
a c
2a + 3c
= =k
= k.
b d
2b + 3d
x R+ x > 0.
(3.84)
3.28. Pruebe las siguientes proposiciones:

a R , b R+ :
a, b R :
a < b;
(3.85)
a + b 2ab;
(3.86)
3.29. Pruebe las siguientes proposiciones:

a a+c c
a c
< <
< ;
b d
b b+d d
a, b R : a2 + ab + b2 0;
b
a
(a, b R+ ) Y (a, b R ) :
4 .
b
a
b, d R+ :
3.30. Sean A R y B R conjuntos acotados. Pruebe que A B y A B son conjuntos acotados.

3.31. Suponga que A B R. Pruebe que
sup(B) < sup(A) < .
(3.87)
(3.88)
(3.89)
3.4 Problemas
3.32. Sea R A , . Pruebe que
87
sup{x y : x, y A} = sup(A) nf(A).
3.33. Sean A y B subconjuntos de R. Pruebe que en general

sup{xy : x A y B} , sup(A) sup(B).
3.34. Calcule el supremo e nfimo de los siguientes conjuntos.
A1 = {x Q : x2 < 2},

1
n
A2 =
+ (1) : n N .
n
3.35. Sean A y B subconjuntos de R tales que
x A, y B :
Pruebe que
x y.
< sup(A) nf(B) < .
3.36. Pruebe las siguientes proposiciones

n
X
i=1
1
i3 = n2 (n + 1)2 ,
4
n N;
(3.90)
(2i 1) = n2 ,
n N;
(3.91)
2i = 2 (2n 1),
n N.
(3.92)
n
X
i=1
n
X
i=1



(2n + 1)2 1 es divisible por 8.

10n + 3 4n+2 + 5 es divisible por 9.

2 7n + 3 5n 5 es divisible por 24.
3.42. Suponga que 0 a < b. Pruebe que
0 an < bn ,
n N.
(3.93)
3.43. Probar que para cada n N, se cumple que

n+1
X
5
1
.
n+k 6
(3.94)
k=1
3.44. Probar que para cada n N, n 10, se verifica que

n3 < 2n .
(3.95)
88

reales
3.45. Se define la sucesion

(rn )nN R mediante
rn =
n
X
1
k=1
1) Pruebe que
r2n 1 + n,
n N.
2) Demuestre que
n
X
rk = (n + 1)rn n,
n N.
k=1
3.46. Sean k, p, n N , 0 k p n. Pruebe que

!
!
! !
n nk
n p
=
;
k pk
p k
!
!
!
p
X
n n j
n
= 2p ;
p
j p j
j=0
!
!
!
n
n+1
n
=
.
k
k+1
k+1
(3.96)
(3.97)
(3.98)
Captulo 4
Funciones reales
En tanto que las leyes de las matematicas se refieren a la

realidad, son falsas; y, en tanto que sean ciertas, no se refieren a
la realidad
Albert Einstein
4.1.
Introduccion
Como se comento en lecciones anteriores, las funciones representan la clase mas simple de modelos matematicos. A una funcion
f : I R J R
x
7 f (x)
(4.1)
se le denomina funcion
real de variable real, esto es cuando tanto su dominio (por eso la frase variable real)
como su codominio (por eso la frase funcion real) son subconjuntos de R.
Observacion
4.1 En ese mismo sentido, se dice que
Z I 3 p 7 f (p) R
es una funcion real de variable entera y que
R I 3 t 7 f (t) C
es una funcion compleja de variable real.
Por comodidad por funciones reales nos referiremos a funciones reales de variable real.
Como textos de apoyo el estudiante puede usar e.g. [4], [20], [23]. Parte del material presentado aqu fue preparado para
versiones preliminares de [24].
4.1.1.
Dominio de definicion
Como se ha visto, al tratar con una funcion

se requiere de un dominio (de donde se toma la materia prima),
un codominio (que contiene a los productos) y una regla (o proceso) que permite asociar a cada elemento del
dominio un unico
elemento del codominio. Por tanto, expresiones (o reglas de calculo) como
f (x) = x2 5x + 4,
g(x) = 10x ,
h(x) = sen x,
no son funciones pues no prescriben los correspondientes dominios y codominios.
89
90
4 Funciones reales
Definicion
4.1 [Dominio de Definicion]
Sea f (x) una regla de calculo. Se define Dom( f ), el Dominio de Definicion (o Maximo Dominio) de f (x), como
el mas grande subconjunto de R donde la regla tiene sentido, esto es, donde se respetan las propiedades de los
numeros
reales y donde f (x) transforma reales en reales.

La siguiente regla nos permitira manejar funciones definidas por formulas.
Regla del Maximo Dominio

Dada una regla de calculo f (x), si no se proveen explcitamente dominio ni codominio debera trabajarse
con la funcion
f : Dom( f ) R R
x
7 f (x),
(4.2)
esto es, f definida sobre el dominio de definicion

de f (x), y cuyo codominio es R.
definida por la formula
Se dice que (4.2) es la funcion

f (x).
Example 4.1. Consideramos la formula
ln(4 x)
.
f (x) =
x1
Para que, conforme a la Regla del Maximo Dominio, tenga sentido la formula
f (x) necesitamos que
el denominador este bien definido o sea que

x1 > 0
x > 1,
4x > 0
x < 4.
el numerador este bien definido o sea que
Por tanto,
Dom( f ) = (1, 4)
y se debe trabajar con la funcion
f : (1, 4) R
x
4.1.2.
ln(4 x)
7 f (x) =
.
x1
Graficacion
ingenua de funciones
Puesto que una funcion

real (de variable real) es un subconjunto de R2 , usualmente es posible describir un
grafico representativo. En lo mas basico, para construir la grafica de una funcion
f,
i) se establece una red suficientemente nutrida de puntos
Mi = (xi , yi ),
donde
i = 0, 1, 2, ..., N,
4.1 Introduccion
91
Figura 4.1 Grafico de la funcion

f (x) =
ln(4x)
.
x1
xi Dom( f ),
i = 0, 1, ..., N
x0 < x1 < x2 < ... < xN ,

yi = f (xi ),
i = 1, ..., N;
ii) se une con lneas los puntos sucesivos.

Si hay un numero
suficientemente grande de puntos, la grafica de f tendera a ser una curva suave. 1 En el caso
en que Dom( f ) = [a, b], a < b, se podra tomar
x0 = a,
(4.3)
xi = a + i h, i = 1, 2, ..., N,
donde
ba
;
N
de esta manera se hace un grafico aproximado con N + 1 puntos.
h=
de funciones en calculadoras y computadoresl. Los

Recomendamos al estudiante aprender los rudimentos de graficacion
graficos
presentados a lo largo de este trabajo han sido preparados con el paquete Maxima que puede ser obtenido gratuitamente
en
http://maxima.sourceforge.net/es/

En Maxima listas pueden transformarse en gr
aficos usando el comando graph2d. El comando graph2d es
parte del paquete graph2d que se carga con el comando load.
Ejemplo 4.1 Consideramos la funcion definida en el Ejemplo 4.1 atraves de la formula

ln(4 x)
f (x) =
.
x1
Apliquemos (4.3) para construir, con ayuda de Maxima, una grafica de f en el intervalo [1.1, 3.9] con 11 puntos.
(%i1)
( %o1)
1
load(graph2d);
C : /PROGRA 1/MAXIMA 1.0/share/maxima/5.27.0/share/contrib/graph2d.lisp
Esto bajo el supuesto de que f es una funcion

continua. El concepto de continuidad se introducira mas adelante en este curso.
92
4 Funciones reales
a: 1.1;
(%i2)
( %o2)
1.1
(%i3)
( %o3)
b: 3.9;
3.9
N:10;
(%i4)
( %o4)
(%i5)
( %o5)
(%i6)
( %o6)
(%i7)
( %o7)
10
h: (b-a)/N;
0.28
x[i]:= a+i*h;
xi := a + i h
f(x):= log(4-x)/sqrt(x-1);
f (x) :=
log (4 x)
x1
(%i8)
s1: makelist([x[i],f(x[i])], i,0,N);
(%i9)
graph2d(s1);
Comparese la Figura 4.2 que usa 11 puntos con el grafico real de la funcion f , disponible en la Figura 4.21.
Figura 4.2 Grafico aproximado de la funcion

f (x) =
4.1.3.
ln(4x)
x1
Funcion
lineal afn
Llamamos funcion
lineal afn a toda funcion
de la forma
L : I R R
x
7 y = L(x) = mx + b,
con 11 puntos equidistantes.
4.1 Introduccion
93
donde m y b son constantes reales. Debe tenerse presente que

el grafico de L cruza el eje de las Y en (0, b);
si m , 0, el grafico de L cruza el eje de las X en (b/m, 0);
si m = 0, la grafica de L es una recta paralela al eje de las X;
se tiene que
R, si m , 0,
Rg(L) =
{b}, si m = 0.
Al numero
m R se le conoce como la pendiente de la recta descrita por L. Al numero
b R se le refiere usualmente
como el intersecto de L.
Grafiquemos en Maxima funciones lineales afines considerando los casos en que la pendiente es positiva. Vease
la Figura 4.3.
(%i1)
( %o1)
(%i2)
( %o2)
b: 1;
(%i3)
( %o3)
m: 2;
f(x):= m*x + b;
f (x) := m x + b
(%i4)
plot2d([f(x)],[x,-3,3]);
( %o4)
Figura 4.3 Funcion

lineal afn con pendiente positiva
De la misma manera construimos los gr`aficos para los casos en que la pendiente es negativa y nula. Veanse las
Figuras 4.4 y 4.5.
94
4 Funciones reales
Figura 4.4 Funcion

lineal afn con pendiente negativa
Figura 4.5 Funcion

lineal afn con pendiente nula
4.1.4.
Funcion
raz cuadrada
La relacion
r = {(x, y) R2 : y2 = x}
no es funcion.
Sin embargo su grafico corresponde a unir los graficos de dos funciones:
xR
R+ {0} 3 x 7 r (x) = x R
R+ {0} 3 x 7 r+ (x) =
r+ se le conoce como la funcion

raz cuadrada.
A la funcion
Observese que
Dom(r) = Dom(r+ ) = Dom(r ) = {x R : x 0},
y que
Rg(r) = R,
Rg(r+ ) = {y R : y 0},
Rg(r ) = {y R : y 0},
(4.4)
(4.5)
4.2 Algebra de funciones
95
Figura 4.6 Funcion

raz cuadrada.
4.2.
Algebra de funciones
Dadas dos funciones reales, f y g, definidas sobre I R, i.e.,

R I 3 x 7 f (x) R,
R I 3 x 7 g(x) R,
se definen las funciones suma f + g y producto f g mediante
f + g : I R
x 7 ( f + g)(x) = f (x) + g(x);
f g : I R
x 7 ( f g)(x) = f (x) g(x);
Se define la funcion
cociente f /g mediante
f /g : I R
!
f (x)
f
(x) =
,
x 7
g
g(x)
donde I = {x I : g(x) , 0}.
Observacion
4.2 Cuando solo se provee dos reglas de calculo f (x) y g(x) se usa la anterior definicion poniendo
I = Dom( f ) Dom(g).
Example 4.2. Consideremos las funciones definidas por las formulas
f (x) = sen(10 x),
g(x) = ex ,
cuyos graficos se presentan en las Figuras 4.7 y 4.8. Observese en la Figura 4.9 como se mezcla el efecto de
estas funciones al hacer su producto.
96
4 Funciones reales
Figura 4.7 La funcion

f (x) = sen(10x).

g(x) = ex .

h(x) = sen(10x) ex .
4.3.
Ecuaciones e inecuaciones reales
Muchos problemas en Ingeniera se pueden reducir a la busqueda

de soluciones de una ecuacion
o de una
inecuacion.
En forma estandar, una ecuacion

real (de variable real) se escribe como
f (x) = 0,
El conjunto solucion
de la ecuacion
(4.6) es
x A R.
(4.6)
4.3 Ecuaciones e inecuaciones reales
97
CS = {x A Dom( f )/ f (x) = 0}.
(4.7)
Observacion
4.3 Tenga presente que si bien se busca soluciones de (4.6) en el conjunto A se requiere que los candidatos
a solucion vivan en el dominio de definicion de f (x).
Example 4.3. Consideramos la ecuacion
x3 2x2 = x 2,
x > 0.
(4.8)
En forma estandar esta ecuacion

x3 2x2 x + 2 = 0,
x (0, ).
Es claro que Dom( f ) = R, donde

f (x) = x3 2x2 x + 2
= (x + 1)(x 1)(x 2)
de manera que el conjunto solucion
de (4.8) es
CS = {1, 2}.
En forma estandar, una inecuacion

real (de variable real) se escribe como
f (x) > 0,
x B R.
(4.9)
El conjunto solucion
de la inecuacion
(4.9) es
CS = {x B Dom( f )/ f (x) > 0}.
(4.10)
Observacion
4.4 Tenga presente que si bien se busca soluciones de (4.9) en el conjunto B se requiere que los candidatos
a solucion vivan en el dominio de definicion de f (x).
Ejemplo 4.2 Consideramos la inecuacion
x3 2x2 > x 2,
La solucion de (4.11) tiene la forma
donde S es la solucion de la inecuacion
x > 0.
CS = S (0, ),
x3 2x2 x + 2 > 0,
x R.
Es claro que Dom( f ) = R, donde

f (x) = x3 2x2 x + 2
= (x + 1)(x 1)(x 2)
En la siguiente tabla analizamos los signos de f (x) y de sus terminos constitutivos.
Por tanto,
y el conjunto solucion de (4.11) es
S = (1, 1) (2, )
CS = (0, 1) (2, ).
(4.11)
98
4 Funciones reales
1 1 1 1 2 2 +
x+1
x1
x2
f (x)

f (x) = x3 2x2 x + 2.
4.4.
Paridad
Recordemos que una funcion

es el ejemplo mas sencillo de modelo matematico. Puesto que un buen modelo
es un reflejo bastante aproximado del comportamiento real de un fenomeno
fsico, financiero, biologico,
etc.,
es importante extraer y utilizar el maximo de informacion

a partir del modelo.
posible sobre el fenomeno
Entonces los conceptos de paridad, periodicidad, monotona, invertibilidad, etc. son muy importantes porque
permiten tomar decisiones con un ahorro de tiempo considerable. Por ejemplo,
si una funcion
es par o impar, basta con manejar la mitad derecha o izquierda de la funcion;
si una funcion
basta con manejar la funcion
es periodica,
en una region
mucho mas pequena
que el dominio;
si una funcion
es invertible, entonces existe un proceso (la funcion
inversa) por el que los productos pueden
reconvertirse en materia prima;
si una funcion
entonces las imagenes solo
es monotona,
crecen o decrecen cuando nos desplazamos hacia la

derecha.
El primer concepto que introducimos es el de paridad.
Definicion
4.2 [Paridad]
Supongamos que I = R o bien I = [l, l] para algun
l > 0. Se dice que la funcion f : I R es par si se cumple
que
f (x) = f (x), x I.
(4.12)
Se dice que f es impar si
f (x) = f (x),
x I.
(4.13)
puede no ser par ni impar.

Observese
que una funcion
Graficamente una funcion

par es simetrica respecto al eje de las Y en tanto que una funcion
impar es
antisimetrica.
Ejercicio 4.1 Pruebe que para una funcion impar, f , tal que 0 Dom( f ), se cumple que f (0) = 0.
4.5 Funciones signo y valor absoluto
99
Figura 4.11 Las funciones pares son simetricas respecto al eje vertical.
Figura 4.12 Las funciones impares son antisimetricas respecto al eje vertical.
Proposicion
4.1 Sean f y g dos funciones reales.
1) Si
2) Si
3) Si
4) Si
f
f
f
f
y g son ambas pares o ambas impares, entonces f g y f /g son pares.

es par y g es impar (o viceversa), entonces f g y f /g son impares.
y g son pares, entonces f + g es par.
y g son impares, entonces f + g es impar.
4.5.
Funciones signo y valor absoluto
valor absoluto | | : R R mediante
|x| = x2 .
(4.14)
Esta funcion
es de suma importancia pues mide el tamano
de su argumento y permite establecer la distancia
entre dos numeros
reales a y b:
dist(a, b) = |a b|.
(4.15)
es claro que la funcion

valor absoluto es par.
De su definicion
Ejercicio 4.3 Pruebe que
100
4 Funciones reales

valor absoluto.
si x 0,
x,
|x| =
x, si x < 0,
(4.16)
de manera que
dist(x, y) =
(x y)2 .
(4.17)
Proposicion
4.2 Dados a, b R, se tiene que
|a b| = |a| |b|;

a = |a| , b , 0.
b
|b|
(4.18)
(4.19)

Proposicion
4.3 Sea M > 0. Entonces el conjunto solucion de la ecuacion
|x| = M,
esta dado por
x R,
CS = {M, M}.

Proposicion
4.4 Sea a 0. Entonces
|x| a a x a,
(4.20)
|x| a x a x a.
(4.21)
De la Proposicion
anterior se sigue que, dada a 0, el conjunto solucion
de la desigualdad
|x| a,
es
CS = [a, a].
Y el conjunto solucion
de la desigualdad
|x| a,
es
CS =] , a] [a, [.
4.5 Funciones signo y valor absoluto
101
Observacion
4.5 Sea a > 0. Entonces
|x| < a a < x < a,
(4.22)
|x| > a x > a Y x < a.
(4.23)
Ejemplo 4.3 EL conjunto solucion de la inecuacion

|x + 5| 2,
x R,
es CS = .
Ejemplo 4.4 Resolvamos la inecuacion
Se tiene que (4.24) es equivalente a
es decir,
|x + 9| > 7,
x R.
(4.24)
x+9 > 7
x + 9 < 7,
x > 2
x < 16.
Por tanto el conjunto solucion de (4.24) es

CS = (, 16) (2, ).
Ejemplo 4.5 Resolvamos la ecuacion
|x + 3| + |x 5| = 0,
x R.
(4.25)
Puesto que
|a| 0,
a R,
se sigue que (4.25) tendra solucion si solo si se cumpliera que

x+3 = 0
es decir,
x 5 = 0,
x = 3
x = 5.
Puesto que esto es una contradiccion, el conjunto solucion de (4.25) es

CS = .
/
En el siguiente ejemplo presentamos un metodo
basado en el analisis
de los terminos
constitutivos de una ecuacion
que normalmente es muy efectivo.
inecuacion
Ejemplo 4.6 Resolvamos la inecuacion
|x + 4| |2x 5| < 4,
x R.
(4.26)
Para poder resolver (4.26) utilizamos (4.16). Para ello, analizamos el signo de los terminos constitutivos de (4.26):
4 4 5/2 5/2 +
x+4
2x 5
Observese que
donde
R = I1 I2 I3 ,
I1 = (, 4),
I2 = [4, 5/2),
(4.27)
I3 = [5/2, ).
102
4 Funciones reales
i) Buscamos soluciones de (4.26) en I1 . Aqu (4.26) es equivalente a

(x + 4) + (2x 5) < 4,
es decir
x < 13,
x I1 ,
x I1 ,
de manera que una solucion parcial de (4.26) es

S1 = {x I1 : x < 13}
= (, 4) (, 13)
= (, 4).
ii) Buscamos soluciones de (4.26) en I2 . Aqu (4.26) es equivalente a
(x + 4) + (2x 5) < 4,
es decir
x < 5/3,
x I2 ,
x I2 ,

S2 = {x I2 : x < 5/3}
= [4, 5/2) (, 5/3)
= [4, 5/3).
iii) Buscamos soluciones de (4.26) en I3 . Aqu (4.26) es equivalente a
(x + 4) (2x 5) < 4,
es decir
x > 5,
x I2 ,
x I3 ,

S3 = {x I3 : x > 5}
= [5/2, ) (5, )
= (5, ).
Por tanto, en virtud de (4.27), el conjunto solucion de (4.26) es
CS = S1 S2 S3
= (, 5/3) (5, ).
Ejercicio 4.6 Resuelva la inecuacion
| 3|x| 1 | 5,
x R.
Ejercicio 4.7 Resuelva la inecuacion

| |x 3| 2 | 7,
x R.
La funcion
signo sgn : R R se define mediante
1, si x < 0,
sgn(x) =
0,
si x = 0,
1,
si x > 0.
(4.28)
4.6 Densidad de Q en R. Numeros

de punto flotante
103

signo.
|x|
,
sgn(x) =
x
0,
si x , 0,
si x = 0,
(4.29)
de manera que sgn es una funcion par.

Terminamos esta seccion
con el siguiente resultado que establece que la longitud del lado de un triangulo
es menor o igual que la suma de las longitudes de los otros dos lados.
Teorema 4.1 [Desigualdad triangular]

Para todo x, y R se cumple que
|x + y| |x| + |y|.
(4.30)
La igualdad se alcanza si y solo si sgn(x) = sgn(y).

Ejercicio 4.9 Pruebe el Teorema 4.1.
Corolario 4.1 Dados x, y, a R se tiene que

||x| |y|| |x y|,
(4.31)
|x y| |x a| + |a y|.
(4.32)
Ejercicio 4.10 Usando la desigualdad triangular pruebe el Corolario 4.1.
4.6.
Densidad de Q en R. Numeros
de punto flotante
Los smbolos 2, (pi) y e (la base de los logaritmos neperianos) aparecen en todas las calculadoras cientficas
y son usualmente encontrados en los lenguajes de programacion
como constantes dadas. Sin embargo, trabajan
realmente estos dispositivos electronicos
con estos numeros
irracionales? La respuesta es no.
Como mencionamos en una clase anterior, una calculadora toma truncaciones, usualmente referidas como
numeros
de tipo flotante (tipo de datos float o double float); esto es, puesto que todo dispositivo tiene (por
limitaciones de memoria) una restriccion

de cifras decimales que puede manipular, digamos n,
en el numero
entonces un numero
irracional (que necesariamente tiene infinitas cifras decimales) se aproxima con el numero
racional que resulta de tomar solo

las primeras n cifras decimales.
104
4 Funciones reales
De hecho, las computadoras no trabajan ni siquiera con Q. Es natural preguntarse entonces que tanto
podemos confiar en los resultados obtenidos? La respuesta depende del grado de certeza necesario en el
fenomeno
bajo estudio. Por ejemplo, una variacion
pero
de 0.1 voltios podra ser fatal para un chip electronico;
si un astronomo
se equivocara en 0.1 kilometros
al calcular el radio de una estrella lejana a nadie le importara.
Todo lo anterior tiene que ver con el hecho de que Q es denso en R; es decir, dado un numero
real x se puede
hallar un numero
racional r tan cercano a x como se quiera. Esto se expone en el siguiente resultado.
Teorema 4.2 [Densidad de Q en R]

Sea x R, dado. Para cada > 0, existe r Q tal que
|x r| .
(4.33)
4.7.
Funcion
cuadratica
Sean b, c R y a R \ {0}. A la funcion
R 3 x 7 f (x) = ax2 + bx + c R,
se le denomina funcion
cuadratica. Su grafico corresponde a una parabola. Aqu
si a > 0,
[ f (x0 ), ),
Rg( f ) =
(, f (x0 )], si a < 0,
(4.34)
(4.35)
donde al valor
b
(4.36)
2a
se le conoce como el punto crtico de f . Para bosquejar rapidamente el grafico de f necesitamos ademas conocer
el signo de su discriminante, f , definido como
x0 =
f = b2 4ac.
Figura 4.15 Funcion

cuadratica, a > 0, D > 0.
(4.37)
4.8 Composicion
de funciones
105
Figura 4.16 Funcion

cuadratica, a < 0, D > 0.
Figura 4.17 Funcion

cuadratica, a > 0, D < 0.
Figura 4.18 Funcion

cuadratica, a < 0, D < 0.
4.8.
Composicion
de funciones
Continuamos en esta leccion

nuestro estudio de las funciones reales.
Como textos de apoyo el estudiante puede usar e.g. [4], [20], [23]. Parte del material presentado aqu fue preparado para
versiones preliminares de [24].
106
4 Funciones reales
Figura 4.19 Funcion

cuadratica, a > 0, D = 0.
Figura 4.20 Funcion

cuadratica, a < 0, D = 0.
4.8.1.
Definicion
Recordemos que una forma de interpretar una funcion

es verla como un proceso que transforma materia
prima en un cierto tipo de productos. La idea de proceso compuesto, esto es un proceso que resulta de aplicar
sucesivamente procesos mas simples, se expresa matematicamente a traves de la siguiente Definicion.
Definicion
4.3 [Funcion
compuesta]
Dadas dos funciones reales
f : I R R
x
g : J R R
7 f (x),
7 g(x),
dos funciones tales que

J Rg( f ),
se define la funcion compuesta de g con f , denotada g f , mediante
g f : I R R
x
7 (g f )(x) = g( f (x)).
Luego, si existen n funciones f1 , f2 ,..., fn tales que

Rg( f1 ) Dom( f2 ), ...,
Rg( fn1 ) Dom( fn ),
(4.38)
4.8 Composicion
de funciones
se pone
107
( fn fn1 ... f2 f1 )(x) = fn ( fn1 (...( f2 ( f1 (x))))),
x Dom( f1 ).
En el siguiente ejemplo se presenta un metodo para el calculo del rango de una funcion.
Example 4.4. Consideramos las funciones

[0, 5] 3 x 7 f (x) = 2x 1 R,
(3, 8] 3 x 7 g(x) = 2x2 3x + 5 R,
(3, 10) 3 x 7 h(x) = 2x2 3x + 5 R.
Nos preguntamos si es posible definir las funciones g f y h f . Para dar una respuesta necesitamos calcular el
rango de f .
Sea y Rg( f ), cualquiera. Escogemos un x Dom( f ) tal que
y = f (x) = 2x 1.
Se tiene que
0 x 5,
0 2x 10,
1 2x 1 9,
1 y 9.
Puesto que y fue elegido arbitrariamente, se tiene que
1 y 9,
y Rg( f ),
de manera que
Rg( f ) [1, 9].
(4.39)
Esta informacion
es suficiente para concluir que s existe la funcion
h f pues
Dom(h) = (3, 10) [1, 9] Rg( f ).
h f : [0, 5] R R
x
7 (h f )(x) = 2(2x 1)2 3(2x 1) + 5.
Para verificar si es o no posible definir g f necesitamos teminar el calculo de Rg( f ). Sea y [1, 9], cualquiera.
Se tiene que
1 y 9,
0 y + 1 10,
y+1
5.
0
2
De manera que el numero
x0 =
y+1
2
vive en Dom( f ) y se tiene que

!
y+1
f (x0 ) = 2x0 1 = 2
1 = y,
2
de manera que y Rg( f ). Puesto que y fue elegido arbitrariamente, hemos probado que
y [1, 9] :
y Rg( f ),
108
4 Funciones reales
es decir
[1, 9] Rg( f ).
Por (4.39) y (4.40) se sigue que
(4.40)
[1, 9] = Rg( f ).
Puesto que
Rg( f ) = [1, 9] * (3, 8] = Dom(g),
es claro que no existe la funcion

g f.
Ejercicio 4.12 Consideramos las funciones
(3, 7] 3 x 7 f (x) = 3x + 2 R,
(3, 25] 3 x 7 g(x) = cos(x2 ) 2x + 1 R,
(12, 25) 3 x 7 h(x) = cos(x2 ) 2x + 1 R.
Defina, caso de ser posible, g f y h f .
4.8.2.
Invertibilidad
La relacion
entre la composicion
de funciones con los conceptos de inyectividad y sobreyectividad se
establece en el siguiente Teorema.
Teorema 4.3 [Relacion

entre inyectividad y sobreyectividad con la composicion]
Sean f : A B y g : B C.
1) Si
2) Si
3) Si
4) Si
f y g son inyectivas, entonces g f es inyectiva.

f y g son sobreyectivas, entonces g f es sobreyectiva.
g f es inyectiva, entonces f es inyectiva.
g f es sobreyectiva, entonces g es sobreyectiva.

Ejercicio 4.14 Indique si la funcion
[3, 5] 3 x 7 f (x) =
3
[3, 1]
2x
es biyectiva. Si es el caso, defina la funcion inversa
4.9.
Traslacion
y cambio de escala
Al trabajar con graficos en un computador uno usualmente necesita trasladar o mover el grafico de izquierda a
derecha o de arriba hacia abajo para captar alguna informacion
que no se ve en pantalla. De la misma manera, a
veces uno requiere hacer un zoom es decir hacer un cambio de escala para resaltar algun
detalle (un acercamiento)
o para tener una perspectiva mas global (un alejamiento). Como
hace el computador para producir tales efectos?
La respuesta es bastante simple: hace una composicion

de funciones.
Presentamos a continuacion
este recurso matematico en su version
mas simple. En toda esta seccion
trabajaremos con una funcion
4.9 Traslacion
y cambio de escala
109
f : R R
x 7 f (x),
que suponemos que esta descrita por la Figura 4.21.
Figura 4.21 Funcion

original que se va a someter a escalamiento / traslacion,
definida por f (x).
4.9.1.
Traslacion
en la variable independiente
Dado a R, a , 0, se dice que la funcion
fa : R R
x 7 fa (x) = f (x a),
es la traslacion
de f en x con centro en x = a. Graficamente se tiene un desplazamiento de tamano
|a|: a) hacia
la derecha si a > 0, b) hacia la izquierda si a < 0.
Figura 4.22 Traslacion

definida por f (x 1): hacia la derecha de la funcion
original.
4.9.2.
Traslacion
en la variable dependiente
Dado b R, b , 0, se dice que la funcion
110
4 Funciones reales

definida por f (x + 1): hacia la izquierda de la funcion
original.
f b : R R
x 7 f b (x) = f (x) + b,
es la traslacion
de f en y con centro en y = b. Graficamente se tiene un desplazamiento de tamano
|b|: a) hacia
arriba si b > 0, b) hacia abajo si b < 0.

definida por f (x) + 1: hacia arriba respecto de la funcion
original.

definida por f (x) 1: hacia abajo respecto de la funcion
original.
4.9 Traslacion
y cambio de escala
4.9.3.
111
Cambio de escala en la variable independiente
Dado a > 0, se dice que la funcion
fa : R R
x 7 fa (x) = f (a x),
es el cambio de escala de f en x con factor a. Graficamente se tiene una contraccion
si a > 1, y una expansion
si 0 < a < 1.
Figura 4.26 Contraccion

en el eje x, respecto de la funcion
original, definida por f (x 1.5).
Figura 4.27 Expansion

en el eje x, respecto de la funcion
original, definida por f (x/1.5).
4.9.4.
Cambio de escala en la variable dependiente
Dado b > 0, se dice que la funcion
fb : R R
x 7 fb (x) = b f (x),
es el cambio de escala de f en y con factor b. Graficamente se tiene una contraccion
si 0 < b < 1, y una expansion
si b > 1.
112
4 Funciones reales
Figura 4.28 Contraccion

en el eje y, respecto de la funcion
original, definida por f (x)/1.5.
Figura 4.29 Expansion

en el eje y, respecto de la funcion
original, definida por f (x) 1.5.
4.9.5.
Graficacion
via traslacion
y escalamiento
Supongamos que b y son numeros

reales y que a y son positivos. Para graficar la funcion
g definida por
la formula
g(x) = f (ax b) + ,
cuando se supone conocido el grafico de la funcion
f , se puede proceder de la siguiente manera:
1) se grafica g1 = fa ;
2) se grafica g2 = (g1 )b ;
d
3) se grafica g3 = (g
2) ;
4) se grafica g = g4 = (g3 ) .
2
Ejemplo 4.7 La funcion y = ex , llamada campana de Gauss, es una funcion con multiples
aplicaciones en Ingeniera,
2
(x+1)
Fsica, Estadstica, etc. A partir de su grafico podemos graficar funciones como g(x) = 2 e
+ 1, siguiendo los pasos
recien descritos:
4.10.
Monotona
Consideramos una funcion

real f . Diremos que f es creciente, denotado f %, si se cumple que
4.10 Monotona
113
Figura 4.30 Campana de Gauss, definida por f (x) = ex .
Figura 4.31 Funcion

definida por g2 (x) = e(x+1) .
Figura 4.32 Funcion

definida por g3 (x) = 2 e(x+1) .
x1 , x2 Dom( f ) :
x1 < x2 f (x1 ) f (x2 ).
Diremos que f es estrictamente creciente, denotado f %%, si se cumple que

x1 , x2 Dom( f ) :
x1 < x2 f (x1 )< f (x2 ).
Diremos que f es decreciente, denotado f &, si se cumple que

x1 , x2 Dom( f ) :
x1 < x2 f (x1 ) f (x2 ).
Diremos que f es estrictamente decreciente, denotado f &&, si se cumple que

x1 , x2 Dom( f ) :
x1 < x2 f (x1 )> f (x2 ).
114
4 Funciones reales
Figura 4.33 Funcion

definida por g3 (x) = 2 e(x+1) + 1.
A una funcion
que es creciente o decreciente se dice que es monotona.

En la Figura 4.34 se presenta un ejemplo de funcion
creciente. Vease la diferencia con el comportamiento de
una funcion
estrictamente creciente como la esquematizada en la Figura 4.35.
Figura 4.34 Esquema de una funcion

creciente.

estrictamente creciente.
En la Figura 4.36 se presenta un ejemplo de funcion

decreciente. Vease la diferencia con el comportamiento
de una funcion
estrictamente decreciente como la esquematizada en la Figura 4.37.
4.10 Monotona
115

decreciente.

estrictamente decreciente.
Observacion
4.6 Los conceptos de Monotona recien expuestos se pueden referir a subconjuntos del dominio de una
funcion. Analizar la monotona de una funcion f quiere decir que se establezcan las regiones de crecimiento y decrecimiento
de f .
Example 4.5. Sean m , 0 y b R. La funcion
f (x) = mx + b
es estrictamente creciente cuando m > 0 y estrictamente decreciente cuando m < 0. En efecto, consideremos el
caso en que m > 0 de manera que para x1 < x2 se sigue que
mx1 < mx2
mx1 + b < mx2 + b
f (x1 ) < f (x2 ).
Ejercicio 4.15 Pruebe que la funcion definida por la formula

f (x) = x2 ,
es creciente en [0, ) y decreciente en (, 0].
116
4 Funciones reales
4.10.1.
Monotona y composicion
En el siguiente resultado se establece la relacion

entre la monotona y el proceso de composicion
de funciones.
Teorema 4.4 [Relacion
entre monotona con la composicion]
Sean f : A B y g : B C funciones reales.

1) Si
2) Si
3) Si
4) Si
f
f
f
f
y g son crecientes, entonces g f es creciente.

es creciente y g es decreciente, entonces g f es decreciente.
y g son decrecientes, entonces g f es creciente.
es decreciente y g es creciente, entonces g f es decreciente.

En el siguiente Corolario se establece que los cambios de escala y las traslaciones expuestas en la Seccion
4.9
mantienen la monotona de la funcion
original.
Corolario 4.2 [Monotona de escalamiento y traslacion]
Sean a > 0, b R y f un funcion real que es creciente (o decreciente). Entonces las funciones definidas por las
formulas
g(x) = f (ax + b),
(4.41)
h(x) = a f (x) + b,
(4.42)
son crecientes (respectivamente decrecientes).

Ejercicio 4.17 Pruebe el Corolario 4.2. Tenga cuidado al establecer los dominios de definicion de las funciones g y h.
4.10.2.
Criterio de la tasa de variacion

real f . Para analizar la monotona de f en una region
I Dom( f ) es util
el
siguiente criterio: dados x1 , x2 I tales que x1 < x2 , arbitrarios, se calcula la tasa de variacion
f (x2 ) f (x1 )
x2 x1
(4.43)
y se tiene que:
si 0, entonces
si > 0, entonces
si 0, entonces
si < 0, entonces
f
f
f
f
es creciente;
es estrictamente creciente;
es decreciente;
es estrictamente decreciente.
Para analizar la monotona de una funcion

tambien es util
la siguiente Proposicion.
Proposicion
4.5 Sean f y g dos funciones reales definidas en I R. Se tiene que
1) si f y g son ambas crecientes (o ambas decrecientes), entonces f + g es decreciente (respectivamente decreciente);
2) si f es creciente y g estrictamente creciente, entonces f + g es estrictamente creciente;
3) si f es decreciente y g estrictamente decreciente, entonces f + g es estrictamente decreciente.
4.11 Funciones trigonometricas
117

Example 4.6. Analicemos la monotona de la funcion
f : R R
x 7 f (x) = x2 + 1.
Puesto que la funcion
h : R R
x 7 g(x) = 1
es tanto creciente como decreciente, por la Proposicion
4.5, se tiene que la monotona de f viene dada por la
monotona de
g : R R
x 7 g(x) = x2 .
Tomamos x1 , x2 R tales que x1 < x2 , cualesquiera. Se tiene que
=
=
g(x2 ) g(x1 )
x2 x1
2
x2 x21
x2 x1
= x2 + x1 .
Ahora bien,
en tanto que
0 x1 < x2
> 0,
x1 < x2 0
< 0,
entonces, por el criterio de la tasa de variacion,

se tiene que f es estrictamente creciente en [0, ) y estrictamente
decreciente en (, 0].
Mediante la siguiente Proposicion
se puede utilizar el criterio de la tasa de variacion
para establecer la
inyectividad de una funcion.
Proposicion
4.6 [Relacion
entre monotona e inyectividad]
Una funcion real estrictamente creciente o estrictamente decreciente es inyectiva.
4.11.
Funciones trigonometricas
4.11.1.
Axiomatizacion
y propiedades basicas
Si bien se pueden definir las funciones seno y coseno de diferentes maneras, incluyendo el uso del crculo
trigonometrico, optamos por una axiomatizacion
puesto que el estudiante ya ha tenido contacto previo con la
Trigonometra y/o Geometra.
Postulamos la existencia de dos funciones reales, sen : R R y cos : R R, tales que
P1:
P2:
sen(/2) = 1;
cos(0) = 1 y cos() = 1;
118
4 Funciones reales
P3:
Para todo x, y R,
P4:
Para todo x (0, /2),
cos(x y) = cos(x) cos(y) + sen(x) sen(y);

0 < cos(x) <
sen(x)
1
<
.
x
cos(x)
Figura 4.38 Funcion

seno.
Figura 4.39 Funcion

coseno.
Teorema 4.5 [Propiedades Basicas (I)]

Sean x, y R. Se tiene que
cos2 (x) + sen2 (x) = 1;
(4.44)
sen(0) = 0;
(4.45)
sen() = 0;
(4.46)
cos(/2) = 0;
(4.47)
cos(x) = cos(x);
(4.48)
cos( x) = cos(x);
(4.49)
cos(/2 x) = sen(x);
(4.50)
cos(/2 + x) = sen(x);
(4.51)
sen(x) = sen(x).
(4.52)
par en tanto que la funcion

seno es impar.
Tenga presente que (4.48) y (4.52) establecen que el coseno es una funcion
A la identidad (4.44) se le conoce como la identidad trigonometrica

fundamental.
119
Teorema 4.6 [Propiedades Basicas (II)]

Sean x, y R. Se tiene que
cos(x + y) = cos(x) cos(y) sen(x) sen(y);
(4.53)
cos(2x) = cos (x) sen (x);
(4.54)
sen(/2 + x) = cos(x);
(4.55)
sen(x + y) = sen(x) cos(y) + sen(y) cos(x);
(4.56)
sen(2) = 0;
(4.57)
cos(2) = 1;
(4.58)
sen(2x) = 2 sen(x) cos(x);
(4.59)
sen(x y) = sen(x) cos(y) sen(y) cos(x).
(4.60)
Teorema 4.7 [Propiedades Basicas (III)]

Sea x R. Se tiene que
sen(3x) = 3 sen(x) 4 sen3 (x);
cos(3x) = 4 cos3 (x) 3 cos(x);
(4.61)
(4.62)
sen(/6) = 1/2;
cos(/4) = 2/2.
(4.63)
(4.64)
Corolario 4.3 [Propiedades Basicas (IV)]

1 cos(x)
;
2
1 + cos(x)
.
cos2 (x/2) =
2
sen2 (x/2) =
(4.65)
(4.66)
Ejercicio 4.22 Pruebe el Corolario 4.3.
Consideremos un triangulo
cualquiera de vertices
A, B y C, con lados a = BC, b = AC y c = AB. Se cumple la Ley de los
Senos,
a
b
c
=
=
,
sen(A) sen(B) sen(C)
(4.67)
a2 = b2 + c2 2bc cos A,
(4.68)
b = a + c 2ac cos B,
(4.69)
c2 = a2 + b2 2ab cos C.
(4.70)
la Ley de los Cosenos,

y tambien
120
4 Funciones reales
4.11.2.
Periodicidad e Inyectividad
Teorema 4.8 [Periodicidad (I)]

sen(x + 2n) = sen(x),
n N;
(4.71)
cos(x + 2n) = cos(x),
n N.
(4.72)
En particular, las funciones sen y cos no son inyectivas.

Con ayuda del Teorema 4.8 se puede probar que
Rg(sen) = Rg(cos) = [1, 1].
(4.73)
Teorema 4.9 [Raz de Seno y Coseno]

Se tiene que
sen(x) = 0
cos(x) = 0
4.11.3.
x Z[sen] = {n / n N};
(4.74)
x Z[cos] = {/2 + n / n N}.
(4.75)
Otras funciones trigonometricas
Se definen las funciones tangente, cotangente, secante y cosecante mediante

sen(x)
, x R \ Z[cos];
cos(x)
cos(x)
cotg(x) =
, x R \ Z[sen];
sen(x)
1
sec(x) =
, x R \ Z[cos];
cos(x)
1
cosec(x) =
, x R \ Z[sen].
sen(x)
tan(x) =
(4.76)
(4.77)
(4.78)
(4.79)
Se tiene que
Rg(tan) = R;
(4.80)
Rg(cotg) = R;
(4.81)
Rg(sec) = (, 1] [1, );
(4.82)
Rg(cosec) = (, 1] [1, ).
(4.83)
Cono consecuencia de (4.48) y (4.52) se sigue que las funciones tangente, cotangente y cosecante son impares en tanto
secante es par.
que la funcion
121
Figura 4.40 Funcion

tangente.
Figura 4.41 Funcion

cotangente.
Figura 4.42 Funcion

secante.
Figura 4.43 Funcion

cosecante.
Teorema 4.10 [Periodicidad (II)]

Se tiene, para todo n N, que
cosec(x + 2n) = cosec(x),
x R \ Z[sen];
(4.84)
sec(x + 2n) = sec(x),
x R \ Z[cos];
(4.85)
tan(x + n) = tan(x),
x R \ Z[cos];
(4.86)
cotg(x + n) = cotg(x),
x R \ Z[sen].
(4.87)
En particular, las funciones tan, cotg, sec y cosec no son inyectivas.
122
4 Funciones reales
Tenga presente que el perodo de las funciones tan y cotg es en tanto que el perodo de las funciones sec y cosec es
2.
4.11.4.
Funciones trigonometricas inversas
Como ya se vio,
es inyectiva y, por tanto, tampoco son
ninguna de las seis funciones trigonometricas
biyectivas. Sin embargo, si redefinimos conseguimos biyectividad a la vez que se mantiene toda la informacion
esencial.
Cuando hablamos de las funciones ArcoSeno, arcsin = sin1 , ArcoCoseno, arc cos = cos1 y ArcoTangente,
arctan = tan1 nos referimos a las inversas de
sin : [/2, /2] [1, 1]
cos :
7 sin(x),
[0, ]
[1, 1]
7 cos(x),
tan : (/2, /2) R

x
Figura 4.44 Funcion

arco seno.
Figura 4.45 Funcion

arco coseno.
7 tan(x),
123
Figura 4.46 Funcion

arco tangente.
4.11.5.
Propiedades derivadas
Como consecuencia de las propiedades basicas presentadas en la Seccion

4.11.1 se tienen otras propiedades
que presentamos a continuacion.
Corolario 4.4 [Propiedades derivadas (I)]

Se tiene que
tan2 (x) + 1 = sec2 (x),
x R \ Z[cos];
(4.88)
1 + cotg (x) = cosec (x),
x R \ Z[sen].
(4.89)

Corolario 4.5 [Propiedades derivadas (II)]
En el dominio de definicion se cumple que
tan(x) + tan(y)
;
1 tan(x) tan(y)
tan(x) tan(y)
tan(x y) =
;
1 + tan(x) tan(y)
2 tan(x)
tan(2x) =
;
1 tan2 (x)
1 cos(x)
tan2 (x/2) =
.
1 + cos(x)
tan(x + y) =
(4.90)
(4.91)
(4.92)
(4.93)
Ejercicio 4.26 Pruebe las igualdades del Corolario 4.5 y halle los respectivos dominios de definicion.
Corolario 4.6 [Propiedades derivadas (III)]
Para todo x, y R se tiene que
sen(x) + sen(y) = 2 sin
x+ y
x y
,
2
x y
sen(x) sen(y) = 2 cos
sen
,
2
2
x+ y
x y
cos(x) + cos(y) = 2 cos
cos
,
2
2
x+ y
x y
cos(x) cos(y) = 2 sen
sin
.
2
2
2
x+ y
cos
(4.94)
(4.95)
(4.96)
(4.97)
124
4.11.6.
4 Funciones reales
Graficacion
de funciones sinusoidales
Para graficar funciones sinusoidales, es decir funciones definidas por una formula
de la forma
h(x) = D + sin(ax) + cos(ax),
(4.98)
donde D R y a > 0, ponemos

q
2 + 2 ,
!
= arctan
.
A=
(4.99)
No es difcil comprobar que entonces se tiene que

h(x) = D + A sin(ax + ),
(4.100)
que puede ser graficada usando la tecnica de traslacion-escalamiento.

Al parametro A > 0 se le conoce como
amplitud, a D R se le llama desplazamiento vertical. Al valor

O=
,
a
se le conoce como punto de referencia. Ademas se tiene que que el perodo de h es 2/a, as que a > 0 es un
factor de escalamiento.
Es importante recalcar que < 0 corresponde a un desfase positivo, es decir una traslacion
hacia la derecha,
en tanto que > 0 corresponde a un desfase negativo, es decir una traslacion
hacia la izquierda.
Figura 4.47 Funcion

sinusoidal dada por h(x) = D + A sen(ax + ), con a = /2, = /2, A = 2, D = 4.
4.11.7.
Resolucion
de Ecuaciones Trigonometricas
Todas las ecuaciones se pueden reducir a los casos que resumimos a continuacion.
4.11.7.1.
125
Ecuaciones basicas que involucran a sen
Dado R, buscamos el conjunto solucion,

CS R, de la ecuacion
sen(x) = ,
x R.
(4.101)

vez el punto mas alto, sen(/2) = 1, alcanza una unica
vez el
sen en el intervalo [0, 2] alcanza una unica
punto mas bajo, sen(3/2) = 1 y atravieza tres veces el eje horizontal, sen(0) = sen() = sen(2) = 0.
Caso: || > 0.
Puesto que Rg(sen) = [1, 1] se tiene que
CS = .
(4.102)
Caso: = 1.

Puesto que en cada perodo, la funcion

vez el punto mas bajo y sen = 1, se tiene
sen alcanza una unica
2
que:

CS = + 2k : k Z .
(4.103)
2
Caso: = 1.

= 1, se tiene
vez el punto mas alto y sen
sen alcanza una unica
2
que

CS =
+ 2k : k Z .
(4.104)
2
126
4 Funciones reales
Caso: = 0.
Puesto que en el intervalo [0, 2], la funcion
sen cruza el eje de horizontal en los puntos x1 = 0, x2 = y
x3 = 2, se tiene que
CS = {k : k Z} .
(4.105)
Caso: [1, 1] \ {1, 0, 1}.
Denotamos
= arc sen().
Puesto que sen( ) = sen() = , se tiene (vease la Figura 4.48) que

CS = { + 2k : k Z} {( ) + 2k : k Z} .
4.11.7.2.
(4.106)
Ecuaciones basicas que involucran a cos

cos(x) = ,
x R.
(4.107)

vez el punto mas alto, cos(0) = 1, alcanza una unica
vez
cos en el intervalo [/2, 3/2] alcanza una unica
el punto mas bajo, cos() = 1 y atravieza tres veces el eje horizontal, cos(/2) = cos(/2) = cos(3/2) = 0.
Caso: || > 0.
Puesto que Rg(cos) = [1, 1] se tiene que
CS = .
(4.108)
127
Caso: = 1.
vez el punto mas bajo y cos () = 1, se tiene
cos alcanza una unica
que:
CS = { + 2k : k Z} .
(4.109)
Caso: = 1.
vez el punto mas alto y cos (0) = 1, se tiene que
cos alcanza una unica
CS = {2k : k Z} .
(4.110)
Caso: = 0.
i
h
Puesto que en el intervalo 2 , 2 , la funcion
cos cruza el eje de horizontal en los puntos x1 = 2 , x2 = 2 y
3
x3 = 2 , se tiene que

CS =
+ k : k Z .
(4.111)
2
Caso: [1, 1] \ {1, 0, 1}.
Denotamos
= arc cos().
Puesto que cos() = cos() = , se tiene que

CS = { + 2k : k Z} { + 2k : k Z} .
4.11.7.3.
(4.112)
Ecuaciones basicas que involucran a tan

tan(x) = ,
Denotando
x R.
(4.113)
= arctan()
y puesto que la funcion

tan tiene perodo , se tiene que:
CS = { + k : k Z} .
(4.114)
128
4 Funciones reales

tan en el intervalo (/2, /2).
4.12.
Problemas
4.1. Indique si A = (, 1/3] (2, ) es el conjunto solucion

de
x+5
2,
x2
x R.
4.2. Indique si A = (4, ) es el conjunto solucion

de
x+5 x6
,
x+4 x+4
x R.
4.3. Sea p > 0. Pruebe que

|x 2| p
|x2 4| p2 + 4p.
4.4. Indique si A R es el conjunto solucion

de la ecuacion
indicada
1) A = ,
o
2) A = 21 , 11
2 ,
|x + 3| |2x 5| = 7,
x R,
o
3) A = 8, 16
3 ,0 ,
|x| + |x 5| = 6,
x R,
o
4) A = 21 , 21 ,
|x + 4| + |x 3| |3x + 8| = 1,
x R,
5) A = {3, 1, 5},
| 2|x| 2 | = 1,
x R,
|x2 9| = 2x + 6,
x R.

de la inecuacion
indicada
4.12 Problemas
129
1) A = ,
|2x 1| + |x 2| 1,
x R,
2) A = (, 8] [2, 2] [8, ),
| |x| 5 | 3,
3) A = R,
x R,
|x 4| + |x + 3| 3 |x|,
4) A = (9, 3/5] \ {2},
5) A = (, 0) (6/5, 3/2) (3/2, ),
x R,
|2x 3|
3,
|x + 2|
x R,
1
|x 1|
> ,
|2x 3| 3
x R.

de la inecuacion
indicada
1) A = R \ {3},
2) A = (2, 1/6] (5/3, ),
3) A = [11/8, 5/2) (7, ),
4) A = (4, 7],
x+b x+b
,
x+3 x+3
x R,
3x 2 x + 1
,
3x 5 x + 2
x R,
1 2x x + 3
,
2x 5 7 x
x R,
x+2
3,
x4
5) A = (2/5, 1],
6) A = (, 3) (2, ),
x R,
x + 3 5 4x
<
,
x1
x1
x R,
x
x+1
<
,
2x 3+x
x R.

de la inecuacion
indicada
1) A = R \ [1, 2],
2) A = [1, 1/2],
3) A = (0, 9/4),

4) A = , (4

20)/6 (4 + 20)/6, ,
5) A = [5, ),
x2 3x + 2 > 0,
x R,
1 x 2x2 0,
x R,
4x2 9x < 0,
x R,
(3x 2)2 > 5,
x R,
x2 5x + 4 x 3,
6) A = [2/3, 18/5],
7) A = (, 3) (1, 1) (1, ),
x R,
p

(x + 3)(x + 6) 2x 3x 2,
|x2 + x 2| > |x 1|,
x R,
x R,
130
4 Funciones reales
8) A = [1, 3] \ {1},
|x + 1| |x 3|
2,
x1
x R.
4.8. Mediante la Regla del Maximo Dominio defina las funciones asociadas a las siguientes formulas.
3x + 2
f (x) =
,
1 2x2

x
,
g(x) = f
1+x
h(x) = f ( f (x)),
1
w(x) = f (x) +
.
( f (x)2
4.9. Mediante la Regla del Maximo Dominio defina las funciones asociadas a las siguientes formulas.
f (x) =
1
x
1+
1
1+ 1x
(x2 1)(x + 1)
,
(1 x2 )(x2 + 1)
r
1
h(x) = x + ,
x
p
w(x) = x4 5x2 + 4.
g(x) =
4.10. Resuelva las siguientes inecuaciones

2x2 + x 1 > 0,
x R;
2x + x 15 < 0,
x R;
x + x + 7 0,
3
,
x1
x+1
1
x 1,
x
4(x 1) x(3x 4),
3
1
x2 + x < 0,
2
2
4(x 1) x(3x 4),
x R;
x R;
x R;
x R;
x R;
x R.
4.11. Indique si el conjunto A R es el conjunto solucion

de la inecuacion
indicada.
1) A = (5; 6],
x1
6 x > 1,
x R.
2) A = ,
r
1x
x,
x3
x R.
4.12. Considere la funcion

3
g(x) = |x 2| + |2x 3| x.
2
1) Defina la funcion
g.
(4.115)
4.12 Problemas
131
2) Grafique la funcion
g y calcule su rango.
3) Resuelva la inecuacion
1 g(x) 4,
x R.
4.13. Consideramos las funciones

(3, 7] 3 x 7 f (x) = 3x + 2 R,
(3, 25] 3 x 7 g(x) = cos(x2 ) 2x + 1 R,
(12, 25) 3 x 7 h(x) = cos(x2 ) 2x + 1 R.
Defina, en caso de ser posible, g f y h f .
[3, 5) 3 x 7 g(x) = sen(|x 3| + 1) R,
(1, 4) 3 x 7 h(x) = sen(|x 3| + 1) R,
[5, 0) 3 x 7 f (x) = x + 4 R.
(2, 2] 3 x 7 f (x) = 5x 1 R,
p
(13, 40] 3 x 7 g(x) = x3 |x| R,
p
(11, 9) 3 x 7 h(x) = x3 |x| R.
4.16. Calcule el rango de la funcion
definida (mediante la Regla del Maximo Dominio) por la formula
f (x) = |x 4| |x + 3| +
|x2 + 2x 8|
.
|x + 4| |x 2|
Analice la monotona de f .
4.17. Considere la formula
f (x).
Defina la funcion
real de variable real asociada a f (x).
Calcule Rg( f ).
Grafique f .
1)
2)
3)
4)
5)
f (x) = |3x + 2| 3x + 8;
f (x) = |x 3| + |x + 2| + 1;
f (x) = 2|x| |x 3|;
f (x) = |2x2 5x + 4|;
f (x) = w(x) g(x), donde
g(x) = |2x 5|
y
2
|x 4|
x2 , si x > 2,
w(x) =
x + 2, si x 2;
6) f (x) = x3 4x2 + 5x 1.
132
4 Funciones reales

f (x).
Defina la funcion
real de variable real asociada a f (x).
Calcule Rg( f ).
Grafique f .
1) f (x) =
1
2;
1+x
x,
2
2) f (x) =
x ,
8 x,
x2 + 1,
0,
3x + 4,
3) f (x) =
5,
x2 ,
4,
si x < 1,
si 1 x 4, ;
si x > 4.
si x < 0,
si x = 0,
si 0 < x < 2,
;
si x = 2,
si x > 3,
si 2 < x 3
4) f (x) = 1 + x12 .
f (x). Es inyectiva? Es sobreyectiva? En caso de ser inyectiva,
modificando el codominio (de ser necesario) defina una funcion

biyectiva.
f (x) = 2x 3,
f (x) = x 3x3 + 3x 1,
x
f (x) =
,
x
+
1
si x < 3,
x 2,
f (x) =
x + 1, si x 3,
3
f (x) =
x+1
.
x1
4.20. Indique si la funcion
[3/2, ) 3 x 7 f (x) = x2 3x + 2 [1/4, )

es biyectiva. Si es el caso, defina la funcion
inversa
4.21. Analice la monotona la funcion
f (x).
f (x) = ax2 + bx + c,
a , 0,
f (x) = x,
1
f (x) = x + .
x
4.22. Pruebe que la funcion

f : R (1, 1) definida mediante
f (x) =
x
1 + |x|
es biyectiva.
f : R R definida mediante
(4.116)
4.12 Problemas
133
si x 0,
x,
f (x) =
x, si x > 0.
es biyectiva.
N 3 n 7 2n {p N : p es par} es biyectiva.
4.25. Halle el conjunto D R donde se cumple la igualdad indicada.
sec(x) cotg(x) = cosec(x);
1
= sen(x) cos(x);
tan(x) + cotg(x)
1 + cos(x)
sen(x)
=
;
sen(x)
1 cos(x)
cos4 (x) sen4 (x) = 2 cos2 (x) 1;
2 cotg(x) + 1
sec(x)
sen(x) tan(x)
+
+
=
.
cos(x) cotg(x) cosec(x)
cotg2 (x)
(4.117)
(4.118)
(4.119)
(4.120)
(4.121)

cos(x)(tan(x) + 2)(2 tan(x) + 1) = 2 sec(x) + 5 sen(x);
1
1 + 2 tan2 (x) + tan4 (x) =
;
2
(1 sen (x)) cos2 (x)
1
cos6 (x) sen6 (x) = cos(2x) (4 sen2 (2x));
4
3 cos(x) tan(x) sen(x)
= tan(3x);
cos(x) cotg(x) 3 sen(x)
(4.122)
(4.123)
(4.124)
(4.125)

tan(x)
1
+
= cosec(x) sec(x);
sec(x) cosec(x)
sec(x) cos(x)
+ tan(x) = sec(x) + sen2 (x) 1;

cos(x)
x
sen3 (x) + cos3 (x)
= 1 sen(x) cos(x);
sen(x) + cos(x)
1 cos(x)
1 + sen(x)
tan(x) =
cotg(x);
1 + cos(x)
1 sen(x)
(4.126)
(4.127)
(4.128)
(4.129)
4.28. Pruebe que para todo x, y R se cumple que

cos(x + y) cos(x y) + (sen(y) sen(x))(sen(y) + sen(x)) = cos(2x);
(4.130)
1 + sen(x) + cos(x) = 2(1 2 sen (x/4))(cos(x/2) + sen(x/2)).
(4.131)
4.29. Resuelva la ecuacion

indicada para x R:
134
4 Funciones reales
sen2 (x) + sen(x) = 2;
(4.132)
tan(2x 3) = 0;
(4.133)
cotg(5x 1) = 0;
(4.134)
sec (x) 4 = 0;
13
5
3
cos3 (x) cos2 (x) + cos(x) + = 0;
4
8
8
sen(x)
sen(x)
= 4;
1 + cos(x) cos(x) 1
3 sen(x) + 4 cos(x) = 0;
cotg2 (10x) 1
= 0;
2 cotg(10x)
tan(9x) + tan(x) = 0;
(4.135)
(4.136)
(4.137)
(4.138)
(4.139)
(4.140)
4 cotg(4x) cotg(2x) = 0;
(4.141)
tan(5x) = tan(3x).
(4.142)

indicada para x R:
cos2 (x) cosec(x) (2 cosec(x) sen(x) tan2 (x) + 2 cotg(x) + 2 tan(x) sen(x) + 2 tan2 (x) cosec(x)) = 0;
(4.143)
cosec(x/2) 4 = 0;
(4.144)
3 sen(x) + 4 cos(x) = 0;
r
1 + cos(x)
2 = 0;
1 cos(x)
(4.145)
(4.146)
sen2 (2x) + cos2 (x) 1 = 0;
(4.147)
4 cos(x) = ;

3
tan
tan(3x) = ;
2
4
sen( sen(2x)) = 0;
(4.148)
cos( cos(3x)) = 0.
(4.151)
(4.149)
(4.150)

indicada para x R:
p
1 + tan2 (x)
= 4, x (0, 2);
tan(x)
1
1
+ p
= 0;
p
2
sec (x) 1
cosec2 (x) 1
1
1
p
= 0, x (, 3);
p
sec2 (x) 1
cosec2 (x) 1
cotg2 (x/2) + 1 = 2 cotg(x/2);
tan(8x) tan(4x)
= 5.
1 + tan(8x) tan(4x)
(4.152)
(4.153)
(4.154)
(4.155)
(4.156)

indicada para x R:
2 sen4 (x) + 21 sen3 (x) + 59 sen2 (x) = 15 sen(x) + 25;
p
1 + tan2 (x)
= 4, x (0, 2);
tan(x)
sen2 (x) 1

= 0.
sen(x) cos(x) 15 cos(x) + 51
(4.157)
(4.158)
(4.159)
4.12 Problemas
135

indicada para x R:
tan(x) + sec(x)
= 4;
cos(x)
sen(x) sec(x)
= 1;
tan(x)
1 sec2 (x)
= 8;
sen2 (x)
1
1
+ p
= 0;
p
2
sec (x) 1
cosec2 (x) 1
cos(x)
= 100;
cosec(x) sen(x) cos(x)
(4.160)
(4.161)
(4.162)
(4.163)
(4.164)
sec2 (x) + sec(x) = 2;
(4.165)
6 cosec( x) + cosec(x) = 2.
(4.166)

indicada para x R:
18 cos3 (2x) = 3 cos(2x) 3 cos2 (2x);
(4.167)
sec (x) = 4 sec(x) + 3;

1
cotg(x) cos(x) + 2 cos(x) = 1 cotg(x);
2
cosec3 (x) 2 cosec2 (x) 7 cosec(x) + 12 = 0;
(4.168)
4.35. Resuelva los siguientes sistemas para x, y R:
5 tan(2y)
,
tan(x) =
5 tan(x) 4 tan(2y) = 10;
5 + cos(y)
,
sen(x) =
5 sen(x) + 8 cos(y) = 5;
12 sec(3y) 8 sec(2x) = 1,
sec(2x) 3 sec(3y) = 2.
(4.169)
(4.170)
(4.171)
(4.172)
(4.173)
Captulo 5
y racionales

la realidad
Albert Einstein
5.1.
Introduccion
Continuamos en esta leccion

nuestro estudio de las funciones reales. Sugerimos al estudiante manejar una
referencia adicional a este apunte, como por ejemplo [27] y [19].
Las funciones polinomicas
(o simplemente polinomios) son, luego de la funcion
valor absoluto, las funciones

mas importantes; pues, finalmente, todos los calculos de funciones reales o complejas corresponden a evaluacion
de polinomios. Por ejemplo, la funcion

exponencial1 que se define mediante
exp(x) = ex ,
x R.
se aproxima en las computadoras y calculadoras mediante

exp(x) 1 + x +
1 2 1 3
1
x + x + ... + xn ,
2!
3!
n!
x R,
para un n N suficientemente grande.
5.1.1.
Leyes de los exponentes
Denotemos por K a uno de los cuerpos C o R. Para a K \ {0} y n N se define

an = a an1
= a ... a
(5.1)
n veces;
se pone asimismo
a0 = 1,
1
an = n .
a
(5.2)
(5.3)
Proposicion
5.1 [Leyes de los exponentes]
Sean m, n N y a, b K. Se tiene que
am an = am+n ,
(5.4)
(ab)n = an bn ,
(5.5)
(an )m = amn .
(5.6)
Que se estudiara mas adelante.
137
138
5 Funciones polinomicas
y racionales
Ejercicio 5.1 Pruebe la Proposicion A.2.
5.1.2.
Propiedades elementales
Empecemos con la definicion

de polinomio.
Definicion
5.1 [Funcion
polinomial o polinomio]
Se denomina funcion polinomial (o polinomio) de grado n N a una funcion p : R R tal que
p(x) =
n
X
ak xk = a0 + a1 x + a2 x2 + ... + an xn ,
(5.7)
k=0
donde an R \ {0} y ak R, k = 1, 2, ..., n 1 son los coeficientes de p. A

grad(p) = n
se le denomina grado del polinomio p.
En (5.7) se dice que ak es el coeficiente de orden k {0, 1, ..., n} de p. A a0 y an se les refiere como el coeficiente de menor
orden y coeficiente de mayor orden, respectivamente.
Por convencion
se denomina polinomio de grado nulo o polinomio constante de valor c R a la funcion
R 3 x 7 p(x) = c R.
Se denota usualmente
cf = p
(5.8)
y se dice que c f es la c funcion.

En particular, cuando c = 0, se denota
0 f : R R
x 7 0 f (x) = 0,
y se refiere a 0 f como la cero funcion.
es un objeto matematico
Tenga presente que la cero funcion

distinto del numero
0 R.
A los polinomios de primer grado se les refiere habitualmente como monomios. En particular se dice que el
polinomio definido mediante
d(x) = x c, x R,
es el monomio centrado en c R.
Observacion
5.1 [Criterio para la igualdad de polinomios]
Recordemos que dos funciones reales p y q son iguales si
Dom(p) = Dom(q);
Codom(p) = Codom(q);
p(x) = q(x), para todo x Dom(p).
En el caso en que p y q son polinomios de grado n N con coeficientes ak y bk , respectivamente, se tiene que
p=q
ak = bk , k = 0, 1, ..., n.
(5.9)
5.2 Division
de polinomios
139
Definicion
5.2 [Funcion
racional]
Se denomina funcion racional a una funcion real f definida por la formula
f (x) =
p(x)
,
d(x)
(5.10)
donde p y d son polinomios. En este caso,

Dom( f ) = {x R : d(x) , 0}.
(5.11)
Tenga presente que para una funcion

racional f = p/d se tiene que
f (x) = q(x) +
r(x)
,
d(x)
x Dom( f ),
(5.12)
donde q y r son polinomios tales que

grad(q) = grad(p) grad(d),
(5.13)
grad(r) < grad(d).
(5.14)
A (5.12) suele escribrsele en la forma

p(x) = d(x)q(x) + r(x),
x Dom(f).
(5.15)
En este contexto a los polinomios p, d, q y r se les denomina dividendo, divisor, cociente y residuo, respectivamente.
tiene sentido para x Dom( f ).
Tenga presente que (5.15) tiene sentido para todo x R en tanto que (5.12) solo
5.2.
Division
de polinomios
Empezamos esta seccion

con los metodos de division
sintetica y por coeficientes indeterminados.
sintetica
Los metodos
de division
y de coeficientes indeterminados son apropiados para el caso en que el divisor es de
grado mayor a 1. Cuando el divisor es de grado 1, es preferible usar la Regla de Horner-Ruffini.
5.2.1.
Division
sintetica
Queremos hallar el cociente y el residuo asociados a la funcion

racional definida por la formula
f (x) =
3x3 x2 + 6
.
x2 + 1
Puesto que
p(x) = 3x3 x2 + 0x + 6,
se tiene que
d(x) = 1x2 + 0x + 1,
x Dom( f ),
140
y racionales
3 1 0 6 1 0 1
0 -1 -3 6 3 -1
0 -3 7
por tanto,
q(x) = 3x 1,
r(x) = 3x + 7,
x Dom( f ).
Ejercicio 5.2 Halle por division sintetica el cociente y residuo de la funcion racional definida por la formula
f (x) =
5.2.2.
5x5 4x3 + 3x2 + x 7

.
x3 2x + 1
Division
por coeficientes indeterminados
Queremos hallar el cociente y el residuo asociados a la funcion

f (x) =
p(x) 2x4 x2 + 6
= 2
.
d(x)
x +x1
En virtud de (5.13) y (5.14) ponemos

q(x) = ax2 + bx + c,
r(x) = mx + n,
x Dom( f ),
donde los coeficientes a, b, c, m, n se determinaran a continuacion.

Se tiene que
p(x) = d(x)q(x) + r(x),
x Dom( f ),
es decir
2x4 x2 + 6 = (x2 + x 1)(ax2 + bx + c) + (mx + n)
= ax4 + (b + a)x3 + (c + b a)x2 + (c b + m)x + (n c).
Entonces, por el criterio para la igualdad de polinomios, se tiene que
2=a
x4
x3
0 = b+a
x2 1 = c + b a
x1 0 = c b + m
x0
6 = nc
de donde se sigue que
Por tanto,
a = 2,
b = 2,
q(x) = 2x2 2x + 3,
c = 3,
m = 5,
r(x) = 5x + 9,
n = 9.
x Dom( f ).
Ejercicio 5.3 Halle por por coeficientes indeterminados el cociente y residuo de la funcion racional definida por la formula
f (x) =
5x5 4x3 + 3x2 + x 7

.
x3 2x + 1
5.3 Divisibilidad
5.3.
5.3.1.
141
Divisibilidad
Factores divisores
Es usual usar la siguiente notacion

P = p : R R / p es polinomio ,
(5.16)

Pn = p P/ grad(p) n .
(5.17)
y, para n N,
Definicion
5.3 [Divisibilidad]
Sean p, d P \ {0 f }. Se dice que p es divisible por d si el residuo de dividir p por d es 0 f , es decir si
p(x) = d(x)q(x),
x R.
Se dice tambien que d es un factor o divisor de p y se denota

dkp.
(5.18)
Observacion
5.2 En el marco de la Definicion 5.3 es claro que, para R \ {0}, el polinomio definido por la formula
d (x) = d(x),
x R,
tambien es factor de p.
Ejercicio 5.4 Justifique la Observacion 5.2.
Observacion
5.3 Recordemos que una funcion cuadratica (o polinomio de segundo grado) dada por la formula
f (x) = ax2 + bx + c
tiene races reales ssi
= b2 4ac 0.
En este caso, son factores de f , los monomios definidos por las formulas
f1 (x) = x x1 ,
f2 (x) = x x2 ,
donde
b
x1 =
,
2a
b +
x2 =
.
2a
(5.19)
(5.20)
Example 5.1. Consideramos el polinomio real definido por la formula
p(x) = x3 x2 + x 1.
No es difcil verificar que los unicos
factores de p son los multiplos
de los polinomios definidos por las formulas
f1 (x) = x 1,
f2 (x) = x2 + 1.
142
y racionales
Example 5.2. Consideramos el polinomio complejo definido por la formula
p(z) = z3 z2 + z 1.
No es difcil verificar que los factores de p son los multiplos
de los polinomios definidos por las formulas
f1 (z) = z 1,
f2 (z) = z + i,
f3 (z) = z i.
Teorema 5.1 [Propiedades de la divisibilidad]

Sean f, g, h P \ {0 f }.
1) Si hkg y gk f , entonces hk f .
2) Si hk f y hkg, entonces hk( f + g) y hk( f g).
3) Si gk f , entonces gk( f h).
4) f es divisible por todo d P0 \ {0 f }.
5) Si f kg y gk f , entonces existe un R \ {0} tal que f = c g.
5.3.2.
Teorema del Residuo
El siguiente resultado constituye el fundamento para establecer el Teorema del Factor y la Regla de HornerRuffini.
Teorema 5.2 [Teorema del Residuo]
Sea p un polinomio de grado mayor que cero y d el monomio centrado en c R. Entonces,
p(x) = (x c) q(x) + p(c),
x R,
(5.21)
es decir que el residuo de la division de p por el monomio centrado en c R es un polinomio constante de valor
p(c).
Demostracion. Escogemos los polinomios q y r de manera que
p = d q + r,
donde r es un polinomio constante de valor k R. Entonces, se tiene que
p(x) = (x c) q(x) + k,
En particular, haciendo x = c, se encuentra que
x R.
p(c) = k.
Como consecuencia del Teorema 5.2 se tiene el siguiente resultado.

Corolario 5.1 [Teorema del Factor]
Sea p un polinomio de grado mayor que cero. Entonces c R es raz del polinomio p ssi p es divisible por el
monomio centrado en c.
5.3 Divisibilidad
5.3.3.
143
Regla de Horner-Ruffini
Consideramos el polinomio de grado n N definido por la formula
p(x) = a0 xn + a1 xn1 + ... + an1 x + an .

Dado c R, fijo, se tiene que
p(x) = (x c)q(x) + p(c),
x R,
(5.22)
(5.23)
donde q Pn1 esta definido por la formula
q(x) = b0 xn1 + b1 xn2 + ... + bn2 x + bn1 .
(5.24)
Nos proponemos calcular los coeficientes

i = 0, ..., n 1.
bi R,
Por (5.22)-(5.24) se tiene que
a0 = b0
xn
xn1
a1 = b1 cb0
xn2
a2 = b2 cb1
..
..
.
.
x1 an1 = bn1 cbn2
x0 an = p(c) cbn1
Por tanto se tiene que
b0 = a0 ,
bk = cbk1 + ak , k = 1, 2, ..., n 1,
(5.25)
p(c) = cbn1 + an .
(5.26)
y, ademas,
A las formulas
(5.25)-(5.26) se les conoce como la Regla de Holder-Ruffini. En tanto que (5.25) provee los
coeficientes del cociente q, (5.26) provee el valor de p evaluado en c R. Para la aplicacion

de (5.25)-(5.26)
normalmente se usa una tabla como la siguiente (donde los valores en negrita inicializan el algoritmo):
a0 a1 a2 . . . an1 an
c b0 b1 b2 . . . bn1 p(c)
Ejemplo 5.1 Usando la Regla de Horner-Ruffini dividamos el polinomio definido por la formula
p(x) = 2x5 x4 3x3 + x 3
por el monomio
d(x) = x 3.
Se tiene
2 1 3 0 1 3
3 2 5 12 36 109 324
Por tanto, el cociente es el polinomio dado por la formula
q(x) = 2x4 + 5x3 + 12x2 + 36x + 109
y el residuo es el polinomio constante de valor
p(3) = 324.
144
y racionales
Cuando se quiere dividir p P \ {0 f } por un monomio de la forma

d(x) = mx d,
x R,
con m , 0, se aplica (5.25)-(5.26) con

d
m
y entonces se divide al cociente obtenido, q1 , por m. En efecto, para x R,

m
m
q1 (x) + p
p(x) = x
d
d

m
= (mx d) q(x) + p
,
d
c=
donde
q(x) =
1
q1 (x).
m
Ejemplo 5.2 Usando la Regla de Horner-Ruffini dividamos el polinomio definido por la formula
p(x) = x4 + 3x3 6x + 1
por el monomio
d(x) = 3x + 2.
Se tiene
1 3
0
6
1
2/3 1 7/3 14/9 134/27 349/81
Por tanto, para x R,
14
134
7
,
q1 (x) = x3 + x2 x
3
9
27
1
7
14
134
q(x) = x3 + x2 x
3
9
27
81
y

2
349
p =
.
3
81
Ejercicio 5.7 Dividir mediante la Regla de Horner-Ruffini el polinomio p por el monomio d definidos por las formulas
indicadas
p(x) = x3 4x + 2, d(x) = 2x 1;
p(x) = 5x4 + 2x2 3x + 6, d(x) = x + 1.
5.4.
Teorema Fundamental del Algebra
Este teorema es uno de los adelantos mas grandiosos de toda la matematica y encuentra aplicacion en las mas diversas
ramas de la ciencia... Todas sus demostraciones emplean las llamadas propiedades topologicas de los numeros
reales y
complejos - propiedades ligadas a la continuidad, [19]. Por conveniencia, presentamos aqu este resultado y lo
aplicamos.
Teorema 5.3 [Teorema Fundamental del Algebra]

Todo polinomio de cualesquiera coeficientes complejos, cuyo grado no sea menor que la unidad, tiene por lo menos
una raz, generalmente compleja.

5.4 Teorema Fundamental del Algebra
145
Es decir que para un polinomio p : C C definido por la formula
p(z) = a0 + a1 z1 + ... + an zn ,
donde n N, ai C, i = 0, 1, ..., n, y an , 0, se puede hallar un z0 C que es solucion
de la ecuacion
p(z) = 0,
z C.

La sintaxis solve(eqn, var) se puede usar para buscar soluciones anal
ticas de la ecuaci
on eqn en la
variable var.

El comando allroots sirve para buscar num
ericamente las raices de un polinomio.
Ejemplo 5.3 Consideramos el polinomio p : C C definido por la formula

p(z) = z3 5z2 + 17z 15.
Calculemos algebraicamente las races de p = p(z).
(%i1)
p(z):= z3-5*z2+17*z-15;
p (z) := z3 5 z2 + 17 z 15
( %o1)
(%i2)
sol: solve(p(z)=0, z), rectform;
!1
!1
3
3

763
763
55
55
3
3
3
27
27
5
13
13
32
i 3 2
+ ,
+
( %o2) [z =
1
1
!
!
2
2
3
3
3
3
55
55
3 2 763
9 763
3 27
3 27
2
32
3
!1
!1
3
3

763
3 763 55
55
3
3 27
27
2
13
13
5
3
32
z =
+
+
! 1 i
!1 + 3,
2
2
3
3
55
55
3 2 763
9 763
3 27
3 27
z=
763
3
3
2
32
55
27
! 13
26
763
3
32
55
27
32
5
!1 + 3]
3
Calculemos numericamente las races de p = p(z):

(%i3)
nsol: allroots(p(z));
( %o3) [z = 1.207734257895888,
z = 2.970628028470036 i + 1.896132871052056,
z = 1.896132871052056 2.970628028470036 i]
Para verificar numericamente si en el objeto nsol estan almacenadas realmente buenas aproximaciones z1 , z2 , z3 de las
races de p(z) debera tenerse que
p(zi ) 0, i = 1, 2, 3.
146
y racionales
(%i4)
i = 1;
i = 2;
i = 3;
for i:1 thru length(nsol) do

print("i=",i,"; |p(zi)|=", ev(abs(p(z)),nsol[i],expand));
|p(zi)| = 1.7763568394002505 1015

|p(zi)| = 1.4210854715202004 1014
|p(zi)| = 1.4210854715202004 1014
( %o4)
done
Observese que para las tres soluciones numericas, la distancia a cero es menor a 1.3 1014 .
Races de la unidad
Consideremos para cada n N el polinomio pn : C C definido por la formula
pn (z) = zn 1.
Hallar los ceros de pn corresponde a hallar las races n-esimas de la unidad. Gracias al Teorema Fundamental
se puede probar que existen n numeros

complejos distintos zk , k = 0, 1, 2, ..., n 1, tales que
del Algebra
(zk )n = 1.
Si denotamos por z0 = 1, la solucion
obvia, nos encontramos con que en el plano complejo hay n 1 races
adicionales de la unidad. Como
hallarlas?
Supongamos que z = rei verifica pn (z) = 0. se tiene entonces que

rn en = 1,
de manera que r = 1 y
(
)
2k
: k = 0, 1, ..., n 1 .
n
Se tiene entonces el siguiente resultado.
Corolario 5.2 [Races de la unidad]

Sea n N. Las n raices n-esimas de la unidad son
zk = e
2k i
n
k = 0, 1, ..., n 1.
Ejemplo 5.4 Calculemos las 7 races septimas de la unidad:

(%i1)
( %o1)
(%i2)
( %o2)
ec: z7 - 1 = 0;
z7 1 = 0
solve(ec, z);
[z = e
2i
7
,z = e
4i
7
,z = e
6i
7
, z = e
6i
7
, z = e
4i
7
, z = e
2i
7
, z = 1]
(5.27)
5.5 Factorizacion
de polinomios
5.5.
147
Factorizacion
de polinomios
5.5.1.
Extraccion
de monomios
Sea n N. Dado el polinomio complejo definido por la formula
p(z) = a0 + a1 z + a2 z2 + ... + an zn ,
(5.28)
se puede hallar, por el Teorema Fundamental del Algebra

y el Teorema del Residuo, numeros
z1 , z2 , ..., zn C
de manera que
p(z) = an (z z1 ) (z z2 )...(z zn ).
(5.29)
El proceso de factorizacion
de un polinomio complejo consiste en hallar la descomposion
(5.29), que equivale
a hallar
Z[p] = {z C : p(z) = 0} = {z1 , z2 , ..., zn },
(5.30)
el conjunto de los races del polinomio p. En caso de que una raz z Z[p] se repita m N veces en (5.29) se
dice que tiene multiplicidad m .
Ejercicio 5.8 Pruebe que el polinomio definido por (5.28) se puede escribir en la forma (5.29).
Por otro lado, para un polinomio real p Pn , n N, definido mediante

p(x) = a0 + a1 x + a2 x2 + ... + an xn ,
no siempre se puede hallar una descomposicion
en monomios como (5.29). En todo caso se tiene el siguiente
resultado que asegura que los polinomios reales de grado impar siempre tienen un monomio factor.
Teorema 5.4 [Factorizacion
de polinomios reales]
Sean n N impar y p Pn un polinomio real. Entonces existe x R tal que el monomio centrado en x es un
factor de p, es decir que se puede escribir
p(x) = (x x ) q(x),
x R,
(5.31)
donde q Pn1 .
Tenga presente que x0 R en el Teorema 5.4 puede (o no) ser la unica

raz (real) del polinomio p.
Observacion
5.4 [Criterio para extraer un factor monomio (CEM)]
Si el polinomio p del Teorema 5.4 tiene la forma
p(x) = a0 + a1 x + a2 x2 + ... + an xn ,
con
x R,
a0 , an Z \ {0},
ak Z,
k = 1, ..., n 1,
entonces x sera uno de los factores enteros (positivos o negativos) de a0 . Se lo puede detectar mediante la Regla de
Holder-Ruffini.
Ejemplo 5.5 Consideramos el polinomio real definido por la formula
p(x) = x3 + 2x2 17x 10.
148
y racionales
Buscamos un monomio factor de p, es decir buscamos un x0 R tal que

p(x) = (x x )q(x),
x R,
donde q P2 . Por el CEM se tiene que

x0 {1, 1, 2, 2, 5, 5, 10, 10}.
Verifiquemos si p(1) = 0. Se tiene
1 2 17 10
1 1 3 14 24
de manera que p(1) = 24 , 0.
1 2 17 10
1 1 1 18 8
1 2 17 10
2 1 4 9 28
1 2 17 10
2 1 0 17 24
1 2 17 10
5 1 7 18 80
1 2 17 10
5 1 3 2 0
de manera que p(5) = 0 y se tiene que
p(x) = (x + 5) (x2 3x 2),
x R.
adelante, las races de un polinomio de grado n {2, 3, 4} se pueden hallar con un numero
Como se vera mas

finito de
sumas, restas, multiplicaciones, divisiones y raices. Por otro lado, el Teorema de Abel-Ruffini establece que, en general, esto es
imposible para n 5.
5.5 Factorizacion
de polinomios
5.5.2.
149
Cocientes notables
Como una aplicacion

de lo expuesto en la Seccion
5.5.1 se tienen los siguientes cocientes notables.
Si n es par:
n
xn yn X
=
(1)k+1 xnk yk1
x+ y
k=1
n1
=x
(5.32)
xn2 y + xn3 y2 + ... yn1
Si n es impar:
n
xn + yn X
=
(1)k+1 xnk yk1
x+ y
k=1
n1
=x
(5.33)
xn2 y + xn3 y2 ... + yn1
Si n es par o impar:
n
xn yn X nk k1
x y
=
x y
k=1
n1
=x
5.5.3.
(5.34)
+ xn2 y + xn3 y2 + ... + yn1
Polinomios de segundo grado
Las races del polinomio complejo

p(z) = az2 + bz + c,
donde a , 0, son
z1 =
de manera que
b +
b2 4ac
,
2a
z C,
(5.35)
z2 =
p(z) = a(z z1 )(z z2 ),
b2 4ac
.
2a
(5.36)
z C.
(5.37)
x R,
(5.38)
Por otro lado, el polinomio real

p(x) = ax2 + bx + c,
tiene races ssi tiene discriminante no-negativo, es decir ssi
= b2 4ac 0.
En este caso
donde
p(x) = a(x x1 )(x x2 ),
b +
x1 =
,
2a
(5.39)
x R,
b
x2 =
.
2a
Example 5.3. Consideramos el polinomio definido por la formula
q(x) = x2 3x 2.
(5.40)
(5.41)
150
y racionales
Puesto que
= (3)2 4(1)(2) = 17 > 0
se tiene que
q(x) = (x x1 )(x x2 ),
donde
x1 =
5.5.4.
3+
17
,
2
x2 =
17
.
2
Polinomios de tercer grado
Para factorizar un polinomio de tercer grado,

p(x) = a0 + a1 x + a2 x2 + Ax3 ,
x R,
se puede intentar extraer un monomio de manera que

p(x) = (x x )(Ax2 + Bx + C),
x R,
y se analiza el polinomio de segundo grado

q(x) = Ax2 + Bx + C,
x R.
Example 5.4. El polinomio definido por la formula
p(x) = x3 + 2x2 17x 10

es analizado en los Ejemplos 5.5 y 5.3.
Si la estrategia recien mencionada no es viable se puede intentar la descomposicion
p(x) = x3 + ax2 + bx + c
= (x2 + ex + f )(x + u),
con c , 0. Se escogen e, f, u de manera
y
(
e
donde
a+
x R,
(5.42)
f u = c,
(5.43)
a
,
,
2
2
(5.44)
= a2 4(b f ).
(5.45)
es apropiada.
Tenga presente que hay varias descomposiciones tipo (5.42) de manera que hay que comprobar cual
Example 5.5. Consideremos el polinomio definido por la formula
p(x) = x3 + 2x2 17x 10.

Planteamos una descomposicion
del tipo (5.42). Tomemos
f = 2,
p = 5,
5.5 Factorizacion
de polinomios
151
de manera que
e {3, 5}.
Para e = 5, tenemos, para x R, que
(x2 + 5x 2)(x + 5) = x3 + 10x2 23x 10 , p(x).
Para e = 3, tenemos, para x R, que
(x2 3x 2)(x + 5) = x3 + 2x2 17x 10 = p(x).
5.5.5.
Polinomios de cuarto grado
Consideramos un polinomio definido por la formula
p(x) = x4 + ax3 + bx2 + cx + d,
(5.46)
con d , 0. Lo primero que debemos intentar es extraer un monomio. Si esto no es posible, se puede intentar la
descomposicion
p(x) = (x2 + e1 x + u) (x2 + e2 x + v), x R,

(5.47)
donde
y para k = 1, 2
(
ek
con
a+
uv = d
(5.48)
)
a
,
,
2
2
(5.49)
= a2 4[b (u + v)].
(5.50)
Este metodo es util

cuando el coeficiente d es un entero primo o cuando varios de los coeficientes de p son
nulos.
es apropiada.
Tenga presente que hay varias descomposiciones tipo (5.47) de manera que hay que comprobar cual
Example 5.6. Consideramos el polinomio definido por la formula
p(x) = x4 + 8x3 25x2 + 130x 33.

Planteamos una descomposicion
de la forma (5.47). Tomemos
u = 3,
de manera que
ek {3, 11} ,
v = 11,
k = 1, 2.
Para e1 = 3 y e2 = 11, se tiene, para x R, que

(x2 3x 3)(x2 + 11x + 11) = x4 + 8 x3 25 x2 66 x 33 , p(x).
Para e1 = 11 y e2 = 3, se tiene, para x R, que
(x2 + 11x 3)(x2 3x + 11) = x4 + 8 x3 25 x2 + 130 x 33 = p(x).
152
y racionales
5.5.6.
Metodo de Inspeccion
Sea n N. Para factorar un polinomio p Pn definido por la formula
p(x) = a0 + a1 x + a2 x2 + ... + xn ,
x R,
se recomienda intentar primero extraer un monomio de la forma

d1 (x) = (x x1 ),
x R,
como se vio en la Seccion

5.5.1. Si esto es posible, tenemos que
p(x) = d1 (x) q1 (x),
x R,
e intentamos extraer un monomio de q1 de la forma

d2 (x) = (x x2 ),
Si esto es posible, tenemos que
x R.
p(x) = d1 (x) d2 (x)q2 (x),
x R.
En tanto que sea posible se continua extrayendo monomios de los polinomios qk .

Cuando alguno de los polinomios qk es de grado menor o igual a cuatro se pueden aplicar los criterios expuestos
en las Secciones 5.5.3, 5.5.4 y 5.5.5.
5.6.
Maximo Comun
Divisor
5.6.1.
Definiciones y propiedades
Dados u, v, w P \ {0 f }, se dice que w es un divisor comun

2 de u y v ssi wku y wkv, es decir que
u = q1 w,
v = q2 w,
donde q1 , q2 P \ {0 f }.
Definicion
5.4 [Maximo Comun
Divisor]
Sean u, v P \ {0 f }. Se dice que d P \ {0 f } es el Maximo Comun
Divisor de u y v si se cumplen las siguientes
condiciones
i) d es un divisor comun
de u y v;
ii) si w es un divisor comun
de u y v, entonces wkd;
iii) el coeficiente de mayor orden de d es 1.
Se denota
d = MCD[u, v].
(5.51)
Se dice que los polinomios u, v P \ {0 f } son primos entre s si sus unicos

divisores comunes son los
polinomios no-nulos de grado cero. Por tanto, u, v son primos entre s ssi MCD[u, v] = 1 f .
El concepto de factor o divisor se establecio en la Definicion

5.3.
5.6 Maximo Comun

Divisor
153
Proposicion
5.2 [Propiedades del MCD]
Sean u, v, w P \ {0 f }.
1) Si w no es factor comun
de u y v, entonces
MCD[uw, v] = MCD[u, v].
2) Si w es factor de u pero no de w, entonces

MCD
3) Se tiene que

u
, v = MCD[u, v].
w
MCD[u, v] = MCD[u, v] = MCD[u, v].
5.6.2.
Calculo por factorizacion
Sean u, v P \ {0 f }. Cuando u y v son facilmente factorables se puede proceder de la siguiente manera para
calcular MCD[u, v].
1) Se factoran los polinomios u y v;
2) Se define w0 P como el producto de los factores comunes de u y v.
w0
, donde a es el coeficiente de mayor orden de w0 .
3) Se tiene que MCD[u, v] =
a
Example 5.7. Consideramos los polinomios definidos por las formulas
p(x) = x3 + x2 5x 2,
q(x) = x3 8x 2.
Al factorizar p y q se tiene que
p(x) = (x 2)(x2 + 3x + 1),
q(x) = (x 3)(x2 + 3x + 1),
de manera que
MCD[u, v](x) = x2 + 3x + 1,
5.6.3.
x R.
Calculo por el Algoritmo de Euclides
Sean u, v P \ {0 f } tales que

grad(u) grad(v).
(5.52)
Por (5.14) se tiene que el grado del residuo de la division

de dos polinomios es menor que el grado del divisor;
por tanto esta garantizado que un numero
k N de pasos se obtiene la ultima
lnea de (5.53):
154
y racionales
u = v q1 + r1 ,
v = r 1 q2 + r 2 ,
r1 = r2 q3 + r3 ,
.. .. .. .. ..
. . . . .
k3 = rk2 qk1 + rk1 ,
rk2 = rk1 qk + rk ,
r = r q .
k1
k k+1
(5.53)
Tenga presente que, en (5.53), el divisor del paso j se transforma en el dividendo del paso j + 1. Asimismo el
residuo del paso j se transforma en el divisor del paso j + 1.
Observese que
grad(r1 ) > grad(r2 ) > ... > grad(rk ) 0.
I) De la ultima
lnea de (5.53) se tiene que
rk krk1 .
Por tanto, por el Teorema 5.1, la penultima

lnea de (5.53) implica que
rk krk2 .
Siguiendo este analisis se encuentra que rk es divisor comun
de u y v.
II) Por otro lado, si P \ {0 f } es un divisor comun
de u y v, se tiene, por el Teorema 5.1, que
k r1 = u v q1 .
Pero entonces
k r2 = v r1 q2 .
Continuando con el analisis se encuentra que

k rk = rk2 rk1 qk .
Por tanto, por I) y II),

MCD[u, v] =
rk
,
a
(5.54)
donde a es el coeficiente de mayor orden de rk .
A (5.53)-(5.54) se le conoce como el Algoritmo de Euclides para el calculo

del MCD de dos polinomios.
Observacion
5.5 Para la aplicacion practica del Algoritmo de Euclides se pueden reemplazar u, v, r1 , r2 , ..., rk2 , y rk1
por multiplos
de ellos.
Ejemplo 5.6 Buscamos el MCD de los polinomios definidos por las formulas
u(x) = x4 + 3x3 x2 4x 3,
v(x) = 3x3 + 10x2 + 2x 3.
Aplicamos el Algoritmo de Euclides en combinacion con la Observacion 5.5.

Multiplicamos u por 3:
5.6 Maximo Comun

Divisor
155
3 9 3 12 9 3 10 2 3
0 -1 -5 -9 -9 1 -1/3
0 -5/3 -25/3 -10
Multiplicamos el residuo por 3/5:

3 10 2 3 1 5 6
0 -5 -16 -3 3 -5
0 9 27
Multiplicamos el residuo por 1/9:

156 13
026 12
00
Por tanto,
5.6.4.
MCD[u, v](x) = x + 3,
x R.
Mnimo Comun
Multiplo
Dados u, v, w P \ {0 f }, se dice que w es un multiplo
comun
de u y v ssi ukw y vkw, es decir que
w = q1 u,
w = q2 v,
donde q1 , q2 P \ {0 f }.
Definicion
5.5 [Mnimo Comun
Multiplo]
Sean u, v P \ {0 f }. Se dice que m P \ {0 f } es el Mnimo Comun

Multiplo
de u y v si se cumplen las siguientes

condiciones
i) m es un multiplo
comun
de u y v;
ii) si w es un multiplo
comun
de u y v, entonces mkw;
iii) el coeficiente de mayor orden de m es 1.
Se denota
m = MCM[u, v].
(5.55)
El siguiente teorema caracteriza al MCM de dos polinomios y provee una manera de calcularlo.
Teorema 5.5 [Calculo del MCM]
Sean u, v P \ {0 f }. Se tiene que
MCM[u, v] = MCD[u, v]
Q1 Q2
,
a1 a2
(5.56)
donde Q1 , Q2 P son tales que

u = Q1 MCD[u, v],
v = Q2 MCD[u, v].
Aqu a1 y a2 son los coeficientes de mayor orden de u y v, respectivamente.
(5.57)
156
y racionales

Por el Teorema anterior, el MCM tambien se puede calcular como
!
!
1
u
v
1
MCM[u, v] =
v=
u.
a1 a2 MCM[u, v]
a1 a2 MCM[u, v]
(5.58)
Observacion
5.6 Sean u, v P \ {0 f }. Cuando u y v son facilmente factorables se puede proceder de la siguiente manera
para calcular MCM[u, v].
1) Se factoran los polinomios u y v;
2) Se define w0 P como el producto de los factores comunes y no-comunes de u y v.
w0
, donde a es el coeficiente de mayor orden de w0 .
3) Se tiene que MCM[u, v] =
a
Example 5.8. Buscamos el MCM de los polinomios definidos por las formulas
u(x) = 2x4 7x3 + 5x2 + x 1,
v(x) = x3 4x2 + 3x + 2.
Tenemos que
MCD[u, v](x) = x2 2x 1,
Por tanto,
Por tanto,
5.7.
Q1 (x) = 2x2 3x + 1,
x R.
Q2 (x) = x 2,
x R.
1
MCM[u, v](x) = (x2 2x 1)(2x2 3x + 1)(x 2).
2
Forma irreducible
Recordemos que se denomina funcion racional a una funcion

real f definida por la formula
f (x) =
p(x)
,
d(x)
(5.59)
donde p y d son polinomios. En este caso,

Dom( f ) = {x R : d(x) , 0}.
(5.60)
Se dice que la formula

(5.59) es irreducible si p y q son factores primos entre s.
Proposicion
5.3 [Forma irreducible de una funcion
racional]
Dada la funcion racional f = p/d, existen polinomios p1 y d1 tales que
f (x) =
p1 (x)
,
d1 (x)
x Dom( f ),
y la formula fraccionaria (5.61) es irreducible.

Demostracion. Basta tomar
p1 =
p
,
MCD[p, d]
d1 =
p
.
MCD[p, d]
(5.61)
5.9 Fracciones parciales
5.8.
157
Fracciones propias
Se dice que una funcion

racional es propia si el grado del numerador es mayor que el grado del denominador;
caso contrario se dice que es impropioa. Por convencion
se acepta que 0 f es una funcion
racional propia.
Proposicion
5.4 Toda funcion racional se representa de un modo unico
como la suma de un polinomio y una

funcion racional propia.
Demostracion. Basta recordar que para funcion
racional f = p/d se cumple que
r
f = q+ ,
d
donde
grad(q) = grad(p) grad(d),
grad(r) < grad(d),
de manera que r/d es una funcion
racional propia.
5.9.
Fracciones parciales
Se dice que un polinomio p P \ {0 f } es no-factorable si se cumple alguna de las siguientes condiciones

i) p P1 ;
ii) grad(p) = 2 y < 0.
Definicion
5.6 [Fraccion
parcial]
simple o fraccion
parcial si d es la potencia
Se dice que una funcion racional propia f = p/d es una fraccion
de un polinomio no-factorable, es decir si
d(x) = wk (x),
x R,
donde k N y w es no-factorable.
Se tiene el siguiente resultado.
Teorema 5.6 [Expansion

en fracciones parciales]
Toda funcion racional propia se puede escribir como la suma de fracciones parciales.
Para una demostracion

del Teorema 5.6 vease e.g. [19, pg.165-167]. Como una consecuencia se tiene el
siguiente Corolario.
158
y racionales
Corolario 5.3 [Metodo para expandir en Fracciones Parciales]

Sea f = p/d una funcion racional propia donde p(x)/d(x) es irreducible y
d(x) =
m
Y
kj
w j (x),
x R,
(5.62)
j=1
donde los polinomios w j , j = 1, 2, ..., m, son distintos y no-factorables. Entonces f se puede escribir como la suma
de fracciones parciales
f (x) =
kj
m X
X
si, j (x)
j=1 i=1
(5.63)
wij (x)
m
X
s1,j (x) s2,j (x)
s
(x)
s
(x)
k
,j
3,j
j
=
+ 2
+ ... + k
++ 3
w j (x) w (x)
j
w
(x)
w (x)
j
j
j=1
j
para x Dom( f ).
El Corolario anterior establece implcitamente que
grad(si,j ) < grad(w j ),
i {1, ..., k j }, j {1, ..., m}.
(5.64)
Observacion
5.7 Puesto que (5.62) corresponde a la factorizacion del polinomio real d, las relaciones (5.63) y (5.64)
proveen un metodo para expandir f en fracciones parciales mediante el uso de coeficientes indeterminados en los polinomios
si, j .
racional f = p/d es impropia, su descomposicion

en fracciones parciales corresponde a hallar su cociente
Si una funcion
propia r/d, donde r es el residuo.
y descomper en fracciones parciales la funcion
Example 5.9. Buscamos descomponer la funcion

racional f = p/d donde los polinomios p y d estan determinados
por las formulas
p(x) = 2x4 10x3 + 7x2 + 4x + 3,

(5.65)
y
d(x) = x5 2x3 + 2x2 3x + 2.
Se tiene que
d(x) = (x + 2)(x 1)2 (x2 + 1),
Por tanto,
x R.
Dom( f ) = R \ {2, 1},
y no es compllicado verificar que
p(2) = 135 , 0,
p(1) = 6 , 0,
(5.66)
de manera que los monomios centrados en 2 y en 1 no son factores de p. Asimismo se verifica que el polinomio
definido por la formula
u(x) = x2 + 1 no es factor de p. Entonces f es una funcion
racional irreducible. Aplicamos

el metodo para expandir f en fracciones parciales de manera que
f (x) =
A
B
C
Dx + E
+
+
+ 2
.
2
x + 2 (x 1)
x1 x +1
(5.67)
Por (5.67) se tiene que

p(x) = A(x 1)2 (x2 + 1) + B(x + 2)(x2 + 1) + C(x + 2)(x 1)(x2 + 1)
+Dx(x + 2)(x 1)2 + E(x + 2)(x 1)2 .
(5.68)
Al aplicar el criterio de igualdad de polinomios a (5.65) y (5.68) se obtiene un sistema de cinco ecuaciones con
cinco incognitas.
Sin embargo podemos aprovechar la estructura (5.68) y (5.66). En efecto, tomando x = 2 en
5.10 Problemas
159
(5.68) se tiene que
135 = 45A
A = 3.
Tomando x = 1 en (5.68) se encuentra que

6 = 6B
B = 1.
Asimismo, tomando sucesivamente x = 0 y x = 1 en (5.68) se obtiene el sistema
2C + 2E = 2,
4C 4D + 4E = 8,
as que
(5.69)
D = 1.
Tomando x = 2 en (5.68) obtenemos la ecuacion

adicional
20C + 4E = 52
que junto con (5.69) no permite obtener
Por tanto,
f (x) =
5.10.
C = 2,
E = 3.
1
2
x3
3
+
+
+ 2
,
2
x + 2 (x 1)
x1 x +1
x R \ {2, 1}.
Problemas
5.1. Halle por division

sintetica y por coeficientes indeterminados el cociente y residuo de la funcion
racional
f (x).
2x3 3x2 + 1
,
x2 + x 1
x5 x3 + x 1
f (x) =
,
x2 2x + 1
5x6 13x3 + 3x2 + x 7
f (x) =
,
x4 2x + 1
7x4 + 8x3 + 3x2 + x 10
f (x) =
,
x4 + 3x3 2x + 1
x7 + 2x5 + 3x3 34x 1
f (x) =
.
x6 x3 2x + 1
f (x) =
5.2. Dividir mediante la Regla de Horner-Ruffini el polinomio p por el monomio d definidos por las formulas
indicadas
p(x) = 2x2 3x 4, d(x) = x + 2;
p(x) = x5 + x3 3x, d(x) = x 2;
p(x) = 4x3 4x + 2, d(x) = 3x + 1;
p(x) = 5x4 12x2 3x + 4, d(x) = x + 6.
5.3. Factorice el polinomio definido por la formula
p(x).
160
y racionales
p(x) = 5x2 + 7x 9xy 2y2 3y + 2,

p(x) = x4 24 x3 23 x2 24 x + 1,
p(x) = x4 12x3 + x2 + 13,
p(x) = 4x4 + y4 ,
5.4. Factorice el polinomio definido por la formula
p(x).
p(x) = x4 x3 x + 1,
p(x) = x4 + 10x3 + 14x2 34x + 105,
p(x) = x8 8x7 + 22x6 16x5 31x4 + 56x3 8x2 32x + 16,
p(x) = 6x3 31x2 + 25x + 12,
p(x) = x3 + 5x2 9x 45,
p(x) = x3 (b + c)x2 (a + b)2 x + (b + c)(a + b)2 ,
p(x) = x3 3x2 10x + 24,
p(x) = x4 2x2 + 3x 2.
5.5. Halle el MCD y el MCM de los polinomios definidos por las formulas
u(x) y v(x).
1) u(x) = 3x3 + x2 8x + 4, v(x) = 3x3 + 7x2 4.

2) u(x) = x2 x + 2, v(x) = 2x2 + x 1.
3) u(x) = x3 + ax2 2bx2 + b2 x + ab2 + 2bx, v(x) = x3 + 2ax2 + bx2 + a2 x + 2abx + a2 b.
4) u(x) = x4 x3 3x2 + 17x 30, v(x) = 2x3 9x2 + 20x 25.
5.6. Halle el MCD y el MCM de los polinomios definidos por las formulas
u(x) y v(x).
1)
2)
3)
4)
5)
6)
u(x) = x3 4x2 + 3x + 2, v(x) = 2x4 7x3 + 5x2 + x 1.

u(x) = x4 + x3 + 6x2 + 5x + 5, v(x) = x5 x4 + 2x3 5x2 3x 5.
u(x) = 2x3 + 3x2 52x + 15, v(x) = 2x3 + 5x2 39x + 18.
u(x) = x3 + x2 5x 2, v(x) = x3 8x 3.
u(x) = 40x2 101x + 63, v(x) = 144x3 298x2 + 273x 135.
u(x) = x4 9x2 + 42x 29, v(x) = 2x4 + 6x3 9x2 + 15x 35.
5.7. Sea n N. Pruebe que (Pn , +, ) es un anillo.
5.8. Pruebe que (P, +, ) es un anillo.
f (x) = p(x)/d(x).
1) Factorice los polinomios p y q.

2) Halle Dom( f ).
3) Halle MCD[p, d] y MCM[p, d].
4) Descomponga f en fracciones parciales.
5) Defina f con una formula
irreducible.
f (x) =
f (x) =
x7 2x6 2x5 + 5x4 5x3 + 7x2 2x

x8 2 x7 + x6 2 x5 + x4 2 x3 + x2 2 x
x6 + 2 x5 6 x4 + 4 x3 15 x2 + 2 x 8
.
x7 + 2 x6 10 x5 3 x4 + 15 x3 13 x2 + 26 x 8
5.10 Problemas
161
5.10. Descomponer en fracciones parciales la funcion

f (x).
3x + 6
;
(x + 2)2
x2 + x 1
f (x) = 3
;
x + 2x2
x4 + 3x 2
;
f (x) = 2
(x + 1)2 (x 2)
2x2 x + 4
;
f (x) =
(x + 3)3
2x3 + x 3
f (x) =
;
a(x2 + x)(x 2)
2x3 6x2 + 7
f (x) =
.
bx(x2 + 1)
f (x) =
5.11. Descomponer en fracciones parciales la funcion

f (x).
x3 x2 + 2x 2
;
x3 + 5x2 + 6x
x4 x3 + x 1
f (x) = 4
.
x 2x2 + 3x 2
f (x) =
Captulo 6
Sucesiones reales

la realidad
Albert Einstein
6.1.
Introduccion
Cuando se quiere resolver un problema de Ingeniera con ayuda de un computador, se recurre habitualmente a aproximaciones discretas del modelo matematico seleccionado; por ello, el concepto de sucesion
es
fundamental en Matematica Aplicada. No es nuestra intension
entrar en demasiados detalles sobre el excitante
tema de las sucesiones, pero creemos que es una herramienta importante que debe manejar un Ingeniero pues,
finalmente, todas las tareas que realiza un computador son procesos contables (en un numero
finito de pasos
el computador presenta al usuario una solucion

aproximada) es decir, truncaciones de sucesiones.
al Analisis
Una excelente introduccion

Matematico,
en particular al estudio de sucesiones reales, es [12]. El estudiante
debera repasar la clase sobre el cuerpo de los numeros

reales.
Definicion
6.1 [Sucesion]
en A a toda funcion cuyo dominio es N o N y cuyo codominio

Dado A un conjunto no-vaco, llamamos sucesion
es A.
cuyo codominio es R se le denomina sucesion

real.
A una sucesion
Es claro que el rango de una sucesion

1 es un conjunto discreto; por ello, a las sucesiones en un conjunto A
se las suele denotar
(xn )nN A, (yn )nN A, (zn )nN A, etc.
(6.1)
o, alternativamente,
(xn )nN A ,
(yn )nN A ,
(zn )nN A ,
etc.
(6.2)
(xn )nN A permite interpretar a una sucesion

como una generalizacion
de los conjuntos ordenados
La notacion
(x1 , x2 ) A2 , (x1 , x2 , x3 ) A3 , (x1 , x2 , x3 , x4 ) A4 , ..., (x1 , x2 , x3 , x4 , ..., xn ) An , ...
Ejemplo 6.1 A los enteros pares positivos se los puede expresar de forma ordenada mediante la sucesion
(2, 4, 6, 8, ...) = (2n)nN R.

La orden fib(n) calcula el n-
esimo elemento de la serie de Fibonacci.
1
En terminos mas generales, el dominio puede ser cualquier conjunto con cardinalidad 0 , e.g. Z.
163
164
6 Sucesiones reales

La orden map(f, expr1, expr2,...,exprn) devuelve una expresi
on cuyo operador principal es el mismo que
aparece en las expresiones expr1 , ..., exprn pero cuyas subpartes son los resultados de aplicar f a
cada una de las subpartes de las expresiones.
Ejemplo 6.2 Supongamos, que se quiere empezar un negocio de cra de conejos. Una funcion que modela matematicamente
tal fenomeno o proceso es la sucesion de Fibonacci. En la naturaleza, hay muchos elementos relacionados con la sucesion
de Fibonacci: la cantidad de petalos de una flor y la cantidad de espirales en una pina,
etc. El negocio tiene perspectivas de
ser rentable pues la poblacion de conejos crece a buen ritmo. En efecto, la sucesion de Fibonacci
(Fn )nN R,
esta definida por
0,
si n = 0,
Fn =
1,
si n = 1,
Fn1 + Fn2 , si n 2.
La formula anterior nos dice que a partir de n = 2 se obtiene F(n) al sumar los dos elementos anteriores de la sucesion. Los
primeros elementos de la sucesion de Fibonacci son:
(%i1)
( %o1)
map( fib, [0,1,2,3,4,5,6,7,8,9,10]);

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
Los computadores no trabajan con R, el conjunto de los numeros

reales, y, de hecho, ni siquiera lo hacen con
Q, el conjunto de numeros
racionales. A pesar de que con cada dia que pasa la capacidad de almacenamiento
de memoria que tienen los computadores se incrementa y el tamano

fsico de los dispositivos se reduce, un
computador no es siquiera capaz de manejar un unico
numero
como
3.14159...
Esto equivale a decir que un computador no es capaz de manejar el rango de la sucesion
(xn )nN donde
x0 = 3,
x1 = 1,
x2 = 4,
x3 = 1,
x4 = 5,
x5 =
..
.
9,
..
.
Los computadores trabajan con numeros

de tipo flotante, que constituyen subconjunto finito de Q. El numero
tiene infinitas cifras decimales en tanto que la capacidad de memoria de cualquier computador es finita puede ser muy grande pero no deja de ser finita!2 Por tanto, cuando se alcanza el tope de la capacidad de
memoria del computador, al ir introduciendo mas y mas cifras decimales del numero
, se recibe el mensaje
de error por underflow.

Si un computador no puede manejar un numero
real como , como
puede manejar una funcion
real de
variable real? La respuesta es que no lo hace: se vale de truncaciones y procesos de aproximacion.
Estas dos
herramientas tienen que ver directamente con el concepto matematico de sucesion.
Example 6.1. Consideremos un numero

fijo x R. Si bien en una calculadora se puede ver el smbolo ex , en
x
realidad no se calcula e . En su lugar, dado un cierto tamano
de error aceptable > 0, se escoge un n N de
Si no se puede introducir una cosa infinita (como el numero
) en algo finito (como la memoria de un computador), sera
concecible que el Infinito (o sea Dios) pueda introducirse en un cuerpo finito (como el de un ser humano)?
6.2 Acotamiento y entornos
165
manera que
|sn ex | < ,
donde la sucesion
(sn )nN R esta definida mediante
sn =
n
X
1 k
x.
k!
k=0
6.2.
Acotamiento y entornos
Para el estudio de lmites y continuidad de funciones reales as como para establecer la convergencia de
sucesiones reales es indispensable el concepto de entorno.
Definicion
6.2 [-entorno de un punto]
Sea > 0. Se denomina -entorno de x0 R al conjunto de puntos que menos que de x0 , esto es al conjunto
B(x0 , ) = (x0 , x0 + )
= {x R / |x x0 | < } .
(6.3)
Al punto x0 y al numero
en (6.3) se les refiere como el centro y el radio.
Cuando se generaliza (6.3) al cuerpo C, se refiere a B(x0 , ) como el -disco centrado en x0 C = R2 . Cuando se generaliza
(6.3) a dimensiones n 3 se refiere a B(x0 , ) como la -bola centrada en x0 Rn .
Se dice que una sucesion

real esta acotada inferiormente (o superiormente) si su rango es un conjunto
acotado inferiormente (o superiormente); esto es,
i) (xn )nN R esta acotada inferiormente si
c R, n N :
xn c.
(6.4)
C R, n N :
xn C.
(6.5)
ii) (xn )nN R esta acotada superiormente si

esta acotada si esta, a la vez, acotada superior e inferiormente.
Proposicion
6.1 La sucesion (xn )nN R esta acotada ssi existen x R y r > 0 tales que
xn B(x , r),
n N.
Por tanto, una sucesion

esta acotada cuando sus elementos estan contenidos en algun
entorno.
Example 6.2. Consideramos la sucesion
(xn )nN R definida mediante
xn = 2n .
(6.6)
166
6 Sucesiones reales
Puesto que
xn 0,
n N,
se tiene que (xn )nN R esta acotada inferiormente.

xn =
1
.
n
Puesto que
1 xn 2,
n N,
se tiene que (xn )nN R esta acotada.
6.3.
Convergencia
Establezcamos los conceptos de convergencia y lmite de una sucesion.
Definicion
6.3 [Convergencia y Lmite de una sucesion]
Se dice que la sucesion (xn )nN R es convergente ssi existe un numero
x R tal que
> 0, N N :
n N |xn x| < .
(6.7)
En este caso se lice que x es el lmite de (xn )nN R y se denota

lm xn = x
o, alternativamente,
xn xn .
(6.8)
(6.9)
Tenga presente que (6.7) puede escribirse

> 0, N N :
n N xn B(x, ),
de manera que cualquiera que sea el grado de cercana > 0, el entorno B(x, ) atrapa todos los elementos de la
sucesion
finito de ellos.
(xn )nN R, salvo un numero
6.3 se dice que (xn )nN R converge a x R por la izquierda o por debajo si se cumple
En en marco de la Definicion
que
xn x,
n N.
(6.10)
Asimismo, se dice que (xn )nN R converge a x R por la derecha o por encima si se cumple que
xn x,
n N.
(6.11)
Ejemplo 6.3 Consideramos la sucesion (xn )nN R definida mediante

1
xn = 1 + .
n
(6.12)
Estudio intuitivo. Como se puede ver en la tabla, a medida que n se hace cada vez mas grande, es decir cuando n tiende
a +, xn tiende a 1.
6.3 Convergencia
167
n 1 2 4 10 100 1000 1000000 1 1020

xn 2 1.5 1.25 1.1 1.01 1.001 1.000001 1 + 1 1020
|xn 1| 1 0.5 0.25 0.1 0.01 0.001 0.000001 1 1020
En otras palabras, a medida que el argumento n se hace mas y mas grande, el valor xn se aproxima mas y mas a 1. Intuimos
entonces que
lm xn = 1.
(6.13)
n
Adicionalmente, por lo expuesto en la tabla anterior parecera que dada cualquier distancia > 0 - por mas que sea muy
pequena
- siempre se puede hallar un N = N() N de manera que la distancia entre xn y 1 sea menor que a partir de
N, es decir,
> 0, N = N() N : n N |xn 1| < .
(6.14)
Por ejemplo, observese que para 1 = 0.5, se puede tomar N(1 ) = 2. Para 2 = 0.001, funciona N(2 ) = 1000.
Estudio analtico. Ahora probemos que (6.13) - o equivalentemente (6.14) - se cumple. Sea > 0, cualquiera. Por la
Propiedad Arquimediana de los nuemros
reales, existe un N Z tal que

N > 1,
es decir
1
.
N
En virtud de (6.15), si n N es tal que n N, se cumple que

1

|xn 1| = 1 + 1
n

1
=
n
1
=
n
1
N
.
<
(6.15)

Observacion
6.1 Por lo visto en el Ejemplo 6.3 se tiene que
lm
1
= 0.
n
(6.16)
De manera que si en un cociente se mantiene fijo el numerador y se hace tender el denominador a (o a ), entonces el
cociente tiende a cero.
Ejercicio 6.2 Sea (1, 1). Pruebe que
lm ||n = 0.
(6.17)
Sugerencia. Considere los casos (0, 1) y [1, )

Teorema 6.1 [Unicidad del lmite]
Si una sucesion real es convergente, su lmite es unico.
Demostracion. Sea (xn )nN R convergente y supongamos que

lm xn = L1 ,
(6.18)
lm xn = L2 ,
(6.19)
168
6 Sucesiones reales
con
L1 , L2 .
Tomamos
Por (6.18), existe un N1 N tal que

Por (6.19), existe un N2 N tal que

|L2 L1 |
1 , 2 0,
.
2
(6.20)
n N1 |xn L1 | < 1 .
(6.21)
n N2 |xn L2 | < 2 .
(6.22)
Entonces, por (6.20), (6.21) y (6.22) se sigue, para n max{N1 , N2 }, que

|L2 L1 | = |L2 L1 + xn xn |
|L2 xn | + |L1 xn |
< 1 + 2
|L2 L1 | |L2 L1 |
<
+
2
2
= |L2 L1 |
que es una contradiccion.
Por tanto, L1 = L2 .
El siguiente Teorema es muy importante por sus aplicaciones.
Teorema 6.2 [Teorema Fundamental]

Sea c R y sea (xn )nN R tal que lm xn = L. Se tiene que:
n
i) si L > c, entonces
N N :
n N xn > c.
N N :
n N xn < c.
ii) si L < c, entonces
Demostracion. Puesto que lm xn = L se tiene que

n
> 0, N = N() N :
n N L < xn < L + .
(6.23)
i) Tomamos = L c y N = N(L c) de manera que por (6.23) se tiene que

n N xn > L = L (L c) = c.
ii) Tomamos = c L y N = N(c L) de manera que por (6.23) se tiene que
n N xn < L + = L + (c L) = c.
La siguiente Proposicion
establece que
1) el lmite de una suma es igual a la suma de los lmites; y,
2) el lmite de una sucesion
multiplicada por una constante es igual a la constante multiplicada por el lmite de la
sucesion.
Proposicion
6.2 [Linealidad del lmite]
Sea c R. Sean (xn )nN R y (yn )nN R tales que lm xn = y lm yn = . Entonces se tiene que
n
lm (cxn + yn ) = c + .
(6.24)
6.4 Divergencia
169
6.2 establece que la suma de sucesiones convergentes es una sucesion

convergente.
La Proposicion
Proposicion
6.3 Toda sucesion (xn )nN R convergente es acotada.
Demostracion. Puesto que (xn )nN R es convergente, para algun
L R se tiene que
> 0, N = N() N :
n > N |xn L| < .
Tomamos = 1. Entonces si n > N se tiene que

|xn | = |xn + L L| |xn L| + |L| < 1 + |L|.
Por tanto,
donde
6.4.
|xn | < R,
n N,
R = max{1 + |L|, |x1 |, |x2 |, ..., |xn |}.
Divergencia
Si una sucesion
no es convergente se dice que es divergente.
Definicion
6.4 [Divergencia al infinito]
Se dice que la sucesion (xn )nN R diverge a + si se cumple que
K > 0, N N :
En este caso denotamos
lm xn = +,
n N xn > K.
o
xn .
(6.25)
(6.26)
Se dice que la sucesion (xn )nN R diverge a si se cumple que

K > 0, N N :
En este caso denotamos
lm xn = ,
n N xn < K.
o
xn .
(6.27)
(6.28)
Observacion
6.2 Tenga presente que una sucesion tiene lmite ssi es convergente. Las notaciones (6.26) y (6.28) no
indican que existe un lmite sino que expresan un tipo de divergencia.
Ejemplo 6.4 Consideramos la sucesion
(Sn )nN = ( n)nN R.
Calculamos los primeros elementos de la sucesion:
170
6 Sucesiones reales
n
n
1 1.000000...
2 1.414213...
3 1.732050...
4 2.000000...
5 2.236067...
n
7
8
9
10
11
.
6 2.449489... ..
n
2,645751...
2.828427...
3.000000...
3.162277...
3.316624...
..
.
Se puede observar que, a medida que n crece, Sn tambien crece.

Probemos que
lm Sn = .
(6.29)
Sea K > 0, cualquiera. Por la Propiedad Arquimediana de los numeros
reales, existe N N tal que

N 1 > K2 .
Por tanto, si n N es tal que n N, se tiene que
n N > K2 ,
es decir,
n > K.
Sn =
Puesto que K fue elegido arbitrariamente, se ha probado que

K > 0, N N :
n N Sn > K,
es decir que se tiene (6.29).

Example 6.4. La sucesion
xn = (1)n ,
n N,
es divergente. Esta divergencia no es hacia + ni hacia .

Proposicion
6.4 Sea (xn )nN R tal que lm xn = +. Entonces se tiene que
n
>0
<0
lm (xn ) = +;
(6.30)
lm (xn ) = .
(6.31)

Proposicion
6.5 Sean (xn )nN R y (yn )nN R. Se tiene que
lm xn = + lm yn = +
lm xn = lm yn =
lm (xn + yn ) = +;
(6.32)
lm (xn + yn ) = .
(6.33)
anterior considera la suma de sucesiones que convergen ambas hacia + o ambas

Tenga presente que la Proposicion
hacia . Con respecto a la resta no se puede afirmar nada a priori y esto lo evidenciamos en los Ejemplos 6.5 y 6.6.
Ejercicio 6.6 Consideramos la sucesion (xn )nN R definida por la formula
6.5 Monotona
171
xn = n2 n
Observe que
lm n2 = +,
Pruebe que
lm (n) = +.
lm xn = +.
6.5.
Monotona

(xn )nN R es
i) creciente si
ii) estictamente creciente si
iii) decreciente si
iv) estictamente decreciente si
xn xn+1 ,
n N;
(6.34)
xn < xn+1 ,
n N;
(6.35)
xn xn+1 ,
n N;
(6.36)
xn > xn+1 ,
n N.
(6.37)
si es creciente o decreciente.
(xn )nN R es monotona
Tenga presente que las sucesiones constantes son, a la vez, crecientes y decrecientes.
Teorema 6.3 [Convergencia y monotona]

Sea (xn )nN R monotona. Entonces (xn )nN R es convergente ssi es acotada.
Demostracion. En virtud de la Proposicion
6.3 basta probar que el acotamiento de (xn )nN R implica su
convergencia.
i) Supongamos que (xn )nN R es creciente. Puesto que (xn )nN R esta acotada, existe un R > 0 tal que
R < xn < R,
de manera que el conjunto
n N,
U = {xn / n N}
esta acotado superiormente. Entonces, por el Axioma del Supremo,

sup(U) = L R.
(6.38)
Entonces, por la caracterizacion

del supremo, se tiene que
> 0, N N :
L < aN .
Ahora, puesto que (xn )nN R es creciente y puesto que (6.38) implica que
an L,
se sigue por (6.39) que
> 0, N N :
n N,
n > N L < aN an L < L + .
(6.39)
172
6 Sucesiones reales
Por tanto
> 0, N N :
n > N |an L| < ,
(6.40)
as que (xn )nN R es convergente.

ii) El caso en que (xn )nN R es decreciente queda como ejercicio para el lector.
Ejercicio 6.7 Sea > 0. Pruebe que
lm
1
= 0.
n
(6.41)
Recuerde que dados n, k N con k n se escribe

!
n
n!
=
.
k
k! (n k)!
(6.42)
Observacion
6.3 [Smbolo producto]
Recuerde el smbolo producto
n
Y
ak = a1 a2 ... an .
(6.43)
k=1

2n1 n!,
Proposicion
6.6 [El numero
e]
La sucesion (xn )nN R definida mediante
n N.
(6.44)

1 n
,
xn = 1 +
n
(6.45)
e = 2.718281828459045...
(6.46)
es convergente y a su lmite se le denota
Demostracion (Esquema de la Demostracion). Aplicamos el Teorema 6.3.

i) Por el Teorema del Binomio de Newton se tiene para n N:

1 n
xn = 1 +
n
!
n
X
n 1
=
k nk
k=0
n! 1
n!
1
n!
1
n! 1
+
+
+ ... +
2
3
(n 1)! n (n 2)! 2! n
(n 3)! 3! n
0! n! nn

1
1
1
1
2
1
1
2
n1
1 +
1
1 + ... +
1
1 ... 1
= 2+
2!
n
3!
n
n
n!
n
n
n
!
n
k1
X
Y
j
1
= 2+
1 .
k!
n
= 1+
k=2
Aplicando (6.47) se tiene que
j=1
(6.47)
6.6 Las funciones exponencial y logartmica
xn+1
173
!
k1
n+1
X
j
1Y
1
= 2+
k!
n+1
= 2+
k=2
j=1
n
X
k1
Y
k=2
1
k!
j=1
!
j
1
+
1
.
n+1
(n + 1)n+1
(6.48)
Puesto que
1
j
j
1
,
n
n+1
se sigue por (6.47) y (6.48) que
xn xn+1 ,
n, j N,
n N,
es decir que (xn )nN R es creciente.

ii) Por (6.44) y (6.47) se tiene, para n N, que
!
k1
n
X
j
1Y
xn = 2 +
1
k!
n
j=1
k=2
n
X
1
2+
k!
k=2
n1
X
1
2+
2k
k=1
(1/2)n 1
1
(1/2) 1
n
1
= 32
2
< 3,
= 2+
as que (xn )nN R esta acotada.

Ejercicio 6.9 Calcule

1 1/n
L = lm 1
n
n
Idea. Tenga presente que

6.6.
n1
n
n
=
1
1+

1 n1
1
1 + n1
n1
Las funciones exponencial y logartmica
exponencial, exp : R R, mediante

x n
exp(x) = lm 1 +
,
n
n
y se denota
exp(x) = ex ,
Ejercicio 6.10 Pruebe que el lmite en (6.49) existe.

Idea. Para x , 0, considere el cambio de variable m = n/x.
x R.
(6.49)
(6.50)
174
6 Sucesiones reales

exponencial.
Observe que la funcion

exponencial es estrictamente creciente (y por tanto inyectiva) y que
Adicionalmente se tiene que
Rg(exp) = (0, ).
(6.51)
lm exp(n) = lm en = .
(6.52)
Se tiene que
exp(x + y) = exp(x) exp(y),
x, y R.
(6.53)
logartmica, ln : (0, ) R, como la funcion
inversa de la funcion
R 3 x 7 exp(x) (0, ).
ln(exp(x)) = x,
exp(ln(x)) = x,
En virtud de (6.53) se tiene que
x R;
(6.54)
x (0, ).
(6.55)
ln(x y) = ln(x) + ln(y),
x, y (0, ).
(6.56)
Ejercicio 6.11 Pruebe (6.56).

Sea a > 0. Se define la funcion
exponencial en base a, expa : R R, mediante
y se denota
expa (x) = ex ln(a)
(6.57)
expa (x) = ax .
(6.58)
Sea a > 0, a , 1. Se define la funcion

exponencial en base a, loga : (0, ) R, mediante
loga (x) =
ln(x)
.
ln(a)
(6.59)
Proposicion
6.7 [Propiedades de la funcion
exponencial]
Sea a > 0. Se tiene que
ax+y = ax a y ,
x, y R;
(6.60)
expa (x) = 1 x = 0.
(6.61)
6.7 Propiedades importantes
175

logartmica.

Observacion
6.4 Tenga presente que para a > 1, la funcion expa es estrictamente creciente; en tanto que para 0 < a < 1,
expa es estrictamente decreciente.
Proposicion
logartmica (I)]
Sea a (0, ) \ {1}. Se tiene que
loga (x y) = loga (x) + loga (y),
x, y (0, );
(6.62)
x > 0, y R;
(6.63)
loga (x) = 0 x = 1.
(6.64)
loga (x ) = y loga (x),

y

El siguiente resultado permite resolver inecuaciones que involucran a la funcion
logartmica.
Proposicion
logartmica (II)]
Si a > 1, se tiene que
loga (x) > 0 x (1, );
(6.65)
loga (x) < 0 x (0, 1).
(6.66)
loga (x) > 0 x (0, 1);
(6.67)
loga (x) < 0 x (1, ).
(6.68)
Si 0 < a < 1, se tiene que
6.7.
Propiedades importantes
El siguiente resultado establece el comportamiento de una sucesion

compuesta por un termino que converge
y uno que diverge.
176
6 Sucesiones reales
Proposicion
6.10 Sean (xn )nN R acotada y (yn )nN R divergente. Se tiene que
i) (xn + yn )nN R es divergente;
ii) si lm yn = +, entonces lm (xn + yn ) = +;
n
iii) si lm yn = , entonces lm (xn + yn ) = .

En la siguiente Proposicion
se establece como calcular el lmite de una sucesion
cuyos elementos son los
inversos multiplicativos de otra sucesion.
Proposicion
6.11 [Inversion
de un lmite]
Sea (xn )nN R tal que
lm xn = L , 0.
Entonces,
lm
n xn
1
.
L
(6.69)
Demostracion (Esquema de la demostracion). i) Se prueba que

n > N |xn | >
N N :
ii) Se tiene que
1 > 0, N1 N :
iii) Sea > 0, cualquiera. Tomamos

1 =
|L|
.
2
(6.70)
n > N1 |xn L| < 1 .
|L|2
,
2
y N = max{N , N1 } de manera que

1 1 |xn L|
xn L = |L| |xn |
21
< 2
|L|
= .
El siguiente resultado complementa la Proposicion
6.2; establece, a grosso modo, que el lmite de un producto
se puede calcular como el producto de los lmites (cuando estos existen).
Proposicion
6.12 [Lmites de productos y cocientes]
Sean (xn )nN R y (yn )nN R tales que
lm xn = ;
lm yn = .
(6.71)
Entonces se tiene que

lm xn yn = ;
lm
xn
= ,
yn
(6.72)
si , 0.
(6.73)
6.7 Propiedades importantes
177
Demostracion. Basta probar (6.72).

i) Puesto que (xn )nN R es convergente, es acotada, es decir, existe un M > 0 tal que
|xn | M,
n N.
(6.74)
ii) Por (6.71) se tiene que
Por tanto,
1 > 0, N1 N :
n > N1 |xn | < 1 ;
1 > 0, N2 N :
n > N2 |yn | < 1 ;
1 > 0, N = max{N1 , N2 } N :
n>N
iii) Sea > 0, cualquiera. Tomamos

1 =
|xn | < 1 |yn | < 1 .
(6.75)

.
M + ||
Entonces por (6.74) y (6.75) se tiene, para n > N, que

|xn yn | = |xn yn xn + xn |
= |xn (yn ) + (xn )|
|xn | |yn | + || |xn |
< M1 + ||1
= .
El siguiente resultado continua
avanza las propiedades establecidas en las Proposiciones 6.2 y 6.12
Teorema 6.4 [Lmite de una potencia]

Sea (0, ) \ {1}. Si lm xn = , entonces
n
lm xn = .
(6.76)
Demostracion. Puesto que (xn )nN R converge a , se tiene que

1 > 0, N1 N :
Caso > 1.
n > N 1 < xn < + 1 ,
(6.77)
La funcion
exp es estrictamente creciente de manera que (6.77) implica que
1 > 0, N1 N :
n > N 1 < xn < +1 .
(6.78)
Sea > 0, cualquiera. Tomamos 1 > 0 de manera que

1 = 1 +
Se tiene que
1 =

.
2
2 2
=
>
= .
+
+
1 +
(6.79)
Asimismo se tiene que

+1 = 1 +
!

= + .
Entonces por (6.78), (6.79)y (6.80) y por la arbitrariedad de , se tiene que
(6.80)
178
6 Sucesiones reales
n > N1 |xn | < ,
> 0, N1 N :
es decir que (6.76) se cumple.

Caso 0 < < 1. La funcion
exp es estrictamente decreciente de manera que (6.77) implica que
n > N 1 > xn > +1 .
1 > 0, N1 N :
(6.81)
Sea > 0, cualquiera. Tomamos 1 > 0 de manera que

1 =
Se tiene que
1 =
Asimismo se tiene que
+1
.
+
+
= + .
2 2
>
= .
+
+
(6.82)
(6.83)
Entonces por (6.81), (6.82)y (6.83) y por la arbitrariedad de , se tiene que

n > N1 |xn | < ,
> 0, N1 N :
es decir que (6.76) se cumple.
6.8.
Equivalencia de sucesiones
Por Analisis del Comportamiento al Infinito de una sucesion

entendemos que se busca establecer si dicha
sucesion
es convergente (en cuyo caso en lo posible debe calcularse su lmite) o divergente (en cuyo caso
debera establecerse si existe divergencia hacia + o ).
Definicion
6.5 [Equivalencia de sucesiones]
Se dice que dos sucesiones (xn )nN R y (yn )nN R son equivalentes si se cumple que
lm
xn
= 1,
yn
(6.84)

lm xn yn = 0.
(6.85)
Criterio de equivalencia de sucesiones.

Para el analisis del comportamiento al infinito de una sucesion
aparece xn ,
(rn )nN R en cuya formula
se puede reemplazar xn por cualquier formula

yn tal que (xn )nN R y (yn )nN R sean equivalentes.
Example 6.5. Sea > 0. Consideramos la sucesion

(rn )nN R definida por la formula
rn =
Se tiene que
lm
n + n,
n + 1 = +,
n N.
lm ( n) = .
Probemos que las sucesiones definidas por las formulas
xn =
n + ,
yn =
6.9 Propiedades importantes (II)
179
son equivalentes. Para ello, probemos que

lm

n + n = 0.
(6.86)
Sea > 0. Por la Propiedad Arquimediana de los numeros

reales, existe un N N tal que
42 N > 1.
Por tanto, si n > N, se tienen que
42 n > 42 N > 1.
(6.87)
Por (6.87) se tiene que

n + n = n + n

n+ n
n++ n
=
n++ n
n++ n
<
2 n
< .
Puesto que fue elegido arbitrariamente, se sigue que
> 0, N N :
de manera que se tiene (6.86) y, por tanto,
n > N | n + n| < ,
n+
lm
= 1.
n
n
Proposicion
6.13 Sean > 0 y 1 , ..., k (, ). Se tiene que
n
= 1.
n n + n1 + ... + nk
lm
6.9.
(6.88)
Propiedades importantes (II)
Recuerde que la funcion

real mas importante es la funcion
valor absoluto. El siguiente resultado establece,
a grosso modo, que el lmite de un valor absoluto es igual al valor absoluto del lmite.
Proposicion
6.14 [Convergencia absoluta]
Si la sucesion (xn )nN R es convergente, entonces (|xn |)nN tambien es convergente y se cumple que

lm |xn | = lm xn .
n
n
(6.89)

Example 6.6. El recproco de la Proposicion
6.14 no es verdadero. considere e.g. la sucesion
definida por la
formula
xn = (1)n , n N.
180
6 Sucesiones reales
Los siguientes dos resultados son importantes para estudiar el comportamiento de una sucesion
al infinito.
Teorema 6.5 Sea (xn )nN R una sucesion convergente. Entonces,

(n N : xn 0)
L = lm xn 0.
(6.90)
Demostracion. Supongamos que L < 0. Se tiene que

n > N < xn L < .
, N N :
(6.91)
Ahora, tomando = L en (6.91) se sigue, para n > N, que

xn L < L,
de manera que
xn < 0,
n > N.
En particular,
n N :
xn < 0.
Corolario 6.1 Sean (xn )nN R y (yn )nN R convergentes. Entonces,

(n N : xn yn )
lm xn lm yn .
(6.92)
Teorema 6.6 [Teorema del Sanduche]

Sean (xn )nN R, (yn )nN R y (wn )nN R tales que
xn wn yn ,
Se tiene que
lm xn = lm yn = L
n N.
(6.93)
lm wn = L.
Corolario 6.2 Sea (xn )nN R. Se tiene que

lm |xn | = 0
lm xn = 0.
(6.94)

Ejercicio 6.19 Sea R. Pruebe que
lm
sen(n)
= 0.
n
El siguiente resultado establece, a grosso modo, que el lmite de un logaritmo es el logaritmo del lmite de
una sucesion.
6.9 Propiedades importantes (II)
181
Teorema 6.7 [Lmite de la funcion

logartmica]
xn > 0,
n N;
(6.95)
lm xn > 0.
(6.96)
Entonces,

lm ln(xn ) = ln lm xn .
(6.97)
Para probar el Teorema 6.7 necesitamos el Teorema Fundamental.
Teorema 6.8 [Teorema Fundamental]

Sea c R y sea (xn )nN R tal que lm xn = L. Se tiene que:
n
i) si L > c, entonces
N N :
n N xn > c.
N N :
n N xn < c.
ii) si L < c, entonces
Demostracion (Demostracion del Teorema 6.7). Sea > 0, cualquiera. Denotemos = lm xn . Tenemos que
n
lm
Puesto que
xn
= 1.
0 < e < 1
(6.98)
e > 1
se sigue, por (6.98) y el Teorema Fundamental, que existe un N N tal que

n>N
e <
xn
< e
y, puesto que la funcion

ln es estrictamente creciente,
!
xn
< ,
< ln
| ln(xn ) ln()| < .
Corolario 6.3 Sean (xn )nN R y (yn )nN R sucesiones convergentes tales que
lm xn = > 0,
lm yn = R.
Entonces,
y
lm x n
n n
= .
Ejercicio 6.20 Justifique los pasos siguientes que demuestran el Corolario 6.3:
y
lm x n
n n
= lm e yn ln(xn )
n
lm(yn ln(xn ))
=e
= elm yn lm ln(xn )
= eln()
= .
(6.99)
(6.100)
182
6 Sucesiones reales
Ejercicio 6.21 [Un lmite fundamental]

Sea a R \ {0}. Pruebe que
lm n sen

1
= 1.
n
(6.101)
Idea. Puede usar el hecho que

lm cos

1
= 1.
n
(6.102)

Pruebe que

1
lm n ln 1 +
= 1.
n
n
(6.103)
n
= 0.
n n!
(6.104)
lm
n
decreciente y acotada inferiormente.
n!
Idea 2. Descomponga, para n > N, xn = xN g(n, N) y aplique el Teorema del Sanduche.
Idea 1. Pruebe que la sucesion definida por xn =
Proposicion
6.15 Sea (xn )nN R. Se tiene que
0 < lm xn < 1
lm (xn )n = 0.
(6.105)
6.10.
Subsucesiones
Consideramos una sucesion

de (xn )nN R a toda sucesion
(xn )nN R. Se denomina subsucesion
de la
forma
(xnm )mN R,
(6.106)
donde la indexacion
(nm )mN N,
es estrictamente creciente.
Observacion
6.5 Tenga presente que
nm m,
m N.
es subsucesion
de s misma.
Toda sucesion

real
(xn )nN =

1
1 1 1
= (x1 , x2 , x3 , x4 , ...) = 1, , , , ... .
n nN
2 3 4
La indexacion
define la siguiente subsucesion

de (xn )nN R:
nm = 2m
(6.107)
6.10 Subsucesiones
183
(xnm )mR =
1
2m

mR
= (x2 , x4 , x6 , ...) =

1 1 1
, , , ... .
2 4 6
La indexacion
nk = k2
define la siguiente subsucesion
de (xn )nN R:
(xnk )kR =
1
k2

1 1 1
= (x1 , x4 , x9 , x16 , ...) = 1, , , , ... .
4 9 16
kR
Proposicion
6.16 [Convergencia de subsucesiones]
Sea (xnm )mN R una subsucesion de (xn )nN R. Se tiene que
lm xn = L
lm xnm = L.
(6.108)

Observacion
6.6 [Criterio para establecer la divergencia de una sucesion]
La Proposicion 6.16 establece que todas las subsucesiones de una sucesion convergente son convergentes y tienden
al mismo lmite. Por tanto, cada una de las siguientes condiciones son suficientes para establecer que una sucesion
(xn )nN R es divergente.
1) Existe alguna subsucesion (xnm )mN R divergente.
2) Existen dos subsucesiones (xnm )mN R y (xnk )kN R tales que
lm xnm , lm xnk .

n

sen 2 + n
.
xn = 1 +
n
La subsucesion
definida por la indexacion
nm = 2m,
verifica
m N,
lm xnm = e.
(6.109)
La subsucesion
definida por la indexacion
nk = 2k + 1,
verifica
k N,
lm xnk = e1 .
(6.110)
Por (6.109) y (6.110) se sigue que (xn )nN R es divergente.

Recordemos que una sucesion
convergente es necesariamente acotada. Por otro lado, como ya hemos visto
en ejemplos, una sucesion
acotada puede ser divergente. Sin emabrgo se tiene el siguiente resultado importante.
Teorema 6.9 [Teorema de Bolzano-Weierstrass]
Una sucesion acotada tiene una subsucesion convergente.
del Teorema de Bolzano-Weierstrass vease e.g. [12].
184
6 Sucesiones reales
6.11.
Propiedades importantes (III)
Proposicion
6.17 Sea r > 1. Se tiene que
lm rn = +.
(6.111)
Demostracion. Sea K > 0, cualquiera. Por la Propiedad Arquimediana de los numeros

reales, existe un N N tal
que
N logr (K).
(6.112)
Por tanto, para n > N, se tiene por (6.112) y que
rn > rN > K,
pues la funcion
expr es estrictamente creciente. Entonces, puesto que K fue elegido arbitrariamente se tiene que
K > 0, N N :
n > N rn > K,
es decir que sem tiene (6.17).

Teorema 6.10 Sea (xn )nN R. Se tiene que
lm |xn | = +
1
= 0.
n xn
lm
(6.113)

Corolario 6.4 Sea (xn )nN R tal que lm xn = 0. Se tiene que
n
i) si
1
entonces lm
= +;
n xn
ii) si
N N, n > N :
xn > 0,
N N, n > N :
xn < 0,
1
entonces lm
= .
n xn
Proposicion
6.18 Sean (xn )nN R y (yn )nN R tales que
lm xn = +,
N N, n > N :
Entonces,
yn c > 0.
(6.114)
(6.115)
lm xn yn = +.

lm n = +.
(6.116)
6.11 Propiedades importantes (III)
185
Teorema 6.11 [Lmite y equivalencia de un polinomio]

Sea m N y p Pm definido mediante
p(x) = am xm + am1 xm1 + ... + a2 x2 + a1 x + a0 .
Se tiene que
lm p(n) = .
(6.117)
Asimismo,
lm
p(n)
n am nm
= 1.
(6.118)
Proposicion
6.19 Sean (xn )nN R y (yn )nN R. Se tiene que
i) si lm xn = y
n
N N, n > N :
xn yn ,
N N, n > N :
yn xn ,
entonces lm yn = +;
n
ii) si lm xn = y
n
entonces lm yn = .
n

lm (1 + )n = +.
Observacion
6.7 Tenga presente que una sucesion creciente que no esta acotada superiormente diverge a +. Analogamente, una sucesion decreciente que no esta acotada inferiormente diverge a .
El siguiente resultado es muy util
para calcular lmites de la forma 1 .
Teorema 6.12 [Indeterminacion
1 ]
Sean (xn )nN R y (yn )nN R tales que
lm yn = , 0,
(6.119)
lm xn = +.
(6.120)

yn xn
= e .
lm 1 +
n
xn
(6.121)
Entonces

de este Teorema v`ease e.g. [29].
Ejercicio 6.32 Calcule
!3n2 +n1
n2 + 1 + n n
L = lm
.
n
n2 + 1
186
6 Sucesiones reales

Sean a, b R+ \ {1}. Pruebe que

h
i
a
.
lm n a1/n b1/n = ln
n
b
0 < lm xn < 1
lm (xn )n = 0.
lm xn > 1
lm (xn )n = +.
6.12.
(6.122)
Completitud de R
En esta seccion
establecemos que toda sucesion
que cumple el criterio de Cauchy es convergente; esta propiedad es referida como la completitud de R. Mas adelante en sus estudios el estudiante tendra la oportunidad
de encontrarse con otros conjuntos que son completos, e.g. C, R3 , Rn , etc.
Definicion
6.6 [Sucesion
de Cauchy]
Se dice que (xn )nN R es de Cauchy si
> 0, N N :
n.m > N |xn xm | < .
(6.123)
Observe que en la definicion

anterior se compara la distancia entre elementos de la sucesion;
por otro lado, en
la definicion
de convergencia se compara la distancia entre los elementos de la sucesion
y un elemento externo,
su lmite. Por esta razon,
el siguiente resultado establece un mecanismo para establecer la convergencia (o
divergencia) de una sucesion
sin conocer a priori un candidato a ser su lmite.
Teorema 6.13 [Criterio de Cauchy]
Una sucesion (xn )nN R es convergente ssi es de Cauchy.
Demostracion. i) Supongamos que (xn )nN R es convergente. Existe entonces L R tal que
1 > 0, N N :
n > N |xn L| < 1 .
Sea > 0, cualquiera. Tomamos

1 =
(6.124)

2
en (6.124) de manera que si n, m > N se cumple que

|xn xm | = |xn xm + L L|
|xn L| + |xm L|

< +
2 2
= .
Puesto que fue elegido arbitrariamente se ha probado que (xn )nN R es de Cauchy.
ii) Supongamos ahora que (xn )nN R es de Cauchy. Entonces
1 > 0, N N :
Tomando 1 = 1 y m = N + 1 en (6.125) se sigue que
m, n > N |xn xm | < 1 .
(6.125)
6.13 Criterio del cociente
187
|xn | |xN+1 | |xn xN+1 | < 1,

es decir,
|xn | 1 + |xN+1 |,
Ahora, tomando
n > N,
n > N.
(6.126)
R = max{1 + |xN+1 |, |x1 |, |x2 |, ..., |xN |}
se tiene por (6.126) que

|xn | R,
n N,
es decir que (xn )nN R es acotada. Por el Teorema de bolzano-Weierstrass existe entonces una subsucesion
(xnm )mN que converge a algun

L R, es decir que
2 > 0, N N :
Sea > 0, cualquiera. Tomando 1 =

2
m > N |xnm L| < 2 .
en (6.125) y 2 =

2
(6.127)
en (6.127) se sigue, para n, m > N, que
|xn L| = |xn L + xnm xnm |

|xn xnm | + |xnm L|

< +
2 2
= .
Puesto que fue elegido arbitrariamente, se ha probado que
lm xn = L.
Ejercicio 6.36 Pruebe que la sucesion (xn )nN R es de Cauchy.

xn =
xn = rn ,
6.13.
1
n2 + 1
si 0 < r < 1.
Criterio del cociente
Tenga presente que en el siguiente resultado no se establece nada respecto al caso L = 1.

Teorema 6.14 [Criterio de Cociente (I)]

xn+1
lm
= L < 1.
n xn
Entonces
lm xn = 0.
Demostracion. Se tiene que

> 0, N N :

xn+1
n > N L <
< L + .
xn
Ahora, puesto que 0 < L < 1, tomamos r (L, 1) y = r L > 0. Entonces por (6.128) se tiene que

xn+1
xn < r, n > N.
Pero entonces se tiene, para m N, que
(6.128)
(6.129)
188
6 Sucesiones reales

xn+m
0
< rm ,
xn
n > N.
(6.130)
Puesto que lm rm = 0, se tiene que

m
lm xn+m = 0.
Teorema 6.15 [Criterio de Cociente (II)]

xn+1
= L > 1,
xn
lm
N N, n > N :
Entonces
xn > 0.
lm xn = +.
Ejercicio 6.37 Analice el comportamiento al infinito de la sucesion definida por la formula

xn =
6.14.
2n
.
n!
Otros criterios para convergencia y divergencia
En esta seccion
se presentan algunos criterios adicionales para convergencia o divergencia de sucesiones
reales.
Proposicion
6.20 [Media aritmetica]
Se tiene
lm xn = L
1X
lm
xn = L.
n n
(6.131)
k=1
Ejercicio 6.38 Usando la definicion de lmite pruebe la Proposicion 6.20.

lm (xn+1 xn ) = L
lm
xn
= L.
n
Idea. Estudie la sucesion definida por yn = xn+1 xn .

Teorema 6.16 [Media geometrica]
Sea (xn )nN R+ . Entonces,
lm xn = L
lm
v
t n
Y
n
ak = L.
(6.132)
k=1
Como una consecuencia del Teorema 6.16 se tiene el siguiente resultado.

Corolario 6.5 [Criterio de DAlambert]
Sea (xn )nN R+ . Entonces,
xn+1
lm
=L
n xn
lm
an = L.
(6.133)
6.14 Otros criterios para convergencia y divergencia
189

Idea. Considere la sucesion definida mediante
si n = 1,
a1 ,
bn =
aan , si n 2.
n1
Proposicion
6.21 Sean (xn )nN R y (yn )nN R tales que
lm Xn = ,
lm Yn = ,
donde
Xn =
n
X
xn ,
Yn =
k=1
Suponga que existe un K > 0 tal que
n
X
n
X
(6.134)
yn
k=1
|yn | < K,
n N.
k=1

lm
n
X
Xk ynk+1 = .
(6.135)
k=1
Teorema 6.17 Sean (xn )nN R y (yn )nN R+ tales que
lm
Entonces,
lm xn = ,
(6.136)
yk = +.
(6.137)
n
n
X
k=1
n
X
xk yk
k=1
lm n
n X
= .
(6.138)
yk
k=1
Corolario 6.6 [Criterio de Stolz]

Sean (xn )nN R y (yn )nN R+ tales que
xn
= ,
yn
(6.139)
yk = +.
(6.140)
lm
lm
Entonces,
n
X
k=1
n
X
k=1
lm n
n X
k=1
xk
= .
yk
(6.141)
190
6.15.
6 Sucesiones reales
Relaciones recurrentes
Dada una sucesion

(xn )nN R se dice que tiene una forma recurrente de orden k N si existe una funcion
f : Rk R tal que
xn = f (xn1 , xn2 , ..., xnk ),
n > k.
(6.142)
Ejemplo 6.5 La sucesion de Fibonacci se expresa en forma recurrente de orden 2:
F1 = 0,
F = 1,
Fn = Fn1 + Fn2 , n > 2.

Example 6.9. [Progresion
geometrica]
Sean c, r R. La progresion
geometrica
(xn )nN = (c rn1 )nN
se puede escribir con una forma recurrente de orden 1:
x1 = c,
xn = rxn1 , n > 1.
6.16.
Problemas
6.1. Usando la definicion

de lmite pruebe que
5
= 0,
(6.143)
= 1,
n2
15n
15
lm
= .
n 2n + 3
2
(6.144)
lm
lm
n n
n2 + 1
(6.145)

de lmite pruebe que
lm n n = 0,
si (1, 1),
1 2n
= 2,
n+3 !
n2
lm
= 2.
n n 1
n+1
lm
n
n2
(6.146)
(6.147)
(6.148)

de lmite pruebe que
lm a1/n = 1, a > 0,

lm ln 1 + a1/n = ln(2).
n
Sugerencia. Puede ser util

considerar primero a = e.
6.4. Que problema puede presentarse si en las hipotesis
del Teorema 6.4 no se asume que , 1?
(6.149)
(6.150)
6.16 Problemas
191
6.5. Sea (xn )nN R tal que lm xn = L. Pruebe que lm x2n = L2 .

n
6.6. Analice el comportamiento al infinito de la sucesion

(xn )nN R.
6n + 2
;
7n 3
n
n
(2) + 3
xn =
;
(2)n+1 + 3n+1
n1
X
i
;
xn =
n2
i=1
xn =
(6.151)
(6.152)
(6.153)
n1 2
X
i
.
n3
i=1
xn =
(6.154)
6.7. Sea (xn )nN R una sucesion convergente, entonces se cumple la propiedad telescopica:
lm
n
X
(xi xi+1 ) = x1 lm xn .
n
i=1
Use la propiedad telescopica

para calcular los siguientes lmites
n
X
L1 = lm
1
,
(2i 1)(2i + 1)
i=1
n
X
(1)i1 (2i + 1)
L2 = lm
i(i + 1)
i=1
6.8. Verifique si los siguientes lmites son correctos.

n
X
1
= 1;
n
2i
i=1
lm
lm
n
X
ri =
i=0
1
,
1r
si |r| < 1;
n
X
i
1
= ;
2
n
2
n
i=1
lm
lm
n
X
i(i + 1)
i=1
n3
1
= .
3

lm
n
X
(2i 1)3i
n 3n
i=1
lm
n
X
3i 2
n
n
X
i=1
n2
= 3;
3
= ;
2
1
1
= ;
i(i + 1)(i + 2) 4
i=1

n
X
(1)i i2 1
= .
lm
n
n2 2
lm
i=1
(6.155)
192
6 Sucesiones reales

n
X
3i
1
= ;
n
3n 2
lm
i=1
lm
n
X
i=1
1
1
= ,
(a + i 1)(a + i) a
si a , 0;
n

nY
1
1
1 = ;
n 2
i
2
lm
i=2
lm
n
Y
i=2

1
1
= .
2
i2
6.11. analizar el comportamiento al infinito de las sucesion

(xn )nN R.
!n
n3 2n2 + 1
;
xn = 3
n + 8n2 + n + 3
! n2
n3 2n2 + 1
xn = 3
;
n + 8n2 + n + 3
!n
n3 2n2 + 1
xn = 3
;
n 2n2 + n + 3
2n2 + 5n + 1 n2 + 1
xn =
.
n
6.12. Halle el dominio de definicion
f (x).
de la formula

2+x
;
2x

f (x) = ln x4 + 5 x3 13 x2 53 x + 60 ;

f (x) = ln x2 1 .
f (x) = ln

f (x) =
1) Halle el dominio de definicion
de f (x).
2) Resuelva la ecuacion
3) Halle el conjunto

1+x
.
1x
f (x) = 0,
x R.
x+ y
I = (x, y)R : f (x) + f (y) = f
1 + xy
(
!)
.
6.14. Las funciones seno hiperbolico,
denotada sinh, y coseno hiperbolico,
denotada cosh, se definen mediante

1
sinh(x) = (ex ex ),
2
1
cosh(x) = (ex + ex ).
2
1) Halle Dom(sinh) y Dom(cosh).
sinh(x) = 0,
x R.
(6.156)
(6.157)
6.16 Problemas
193
cosh(x) = 0,
x R.
4) Pruebe que
cosh2 (x) senh2 (x) = 1,
x R.
(6.158)
5) Pruebe que
senh(x) cosh(x) =
1
senh(2x),
2
x R.
(6.159)

f (x) = ln(ln(x)).
1) Halle Dom( f ).
f (x) = 0,
x R.
f (x a) > 0,
donde a R.
Solucion:
CS =]a + e, [.
f (x) = ln(5x 3) ln(2x + 3).
1) Halle Dom( f ).
f (x) = 0,
x R.
f (x) > 0.
Solucion:
CS =]4/5, [.
6.17. Sea (0, ) \ {1}. Pruebe que
lm xn > 0

lm log (xn ) = log lm xn .
Idea. Considere los casos 0 < < 1 y > 1.

6.18. Sea > 0. Pruebe que
n
= 1.
(6.160)
lm n1/n = 1;
(6.161)
ln(n)
= 0.
n
(6.162)
lm
Idea. Considere los casos (0, 1), = 1 y (1, ).

6.19. Pruebe los siguientes lmites
n
lm
Idea. a) Para probar (6.162), use (6.161). b) Para probar (6.161) aplique el Teorema del Binomio de Newton a
(1 + xn )n , donde xn = n1/n 1. Luego aplique el Teorema del Sanduche para probar que lm bn = 0.
n
6.20. Calcule el lmite de la sucesion

(xn )nN R:
194
6 Sucesiones reales

2n + 1 n
;
3n + 5
r
3n+5
45n
1
n
xn =
;
1 2n

50n + 1 n
xn =
;
n2 + 1
(2n + 1)3 (2n 1)3
;
xn =
3n2 + 1

3
n3 + n + 2n
xn =
.
n2 2n5/2
xn =
6.21. Verifique si el lmite es correcto.

ln(1 + ean ) a
= , a, b > 0;
n ln(1 + ebn )
b

lm log2 n n2 n = 1;
lm
n + cos(n/3) 1
= ;
2n + 3
2

3
n2 3n n2 1 = ;
lm
n
2
h
i
2
1/2
lm (n 2n) n = 1;
n

3
3
lm
n + 1 n = 0;
n
h
i
2
lm (n3 2n2 )1/3 n = ;
n
3
(4)n (3)n
1
= .
lm
n (4)n+1 + 3n+1
4
lm
6.22. Pruebe que la sucesion

definida por
xn =
nn
en n!
n N,
es convergente.
Idea. Pruebe que (xn )nN R es decreciente y acotada inferiormente.
(xn )nN R:
!n
n2 + 1
xn =
;
n2
3n2 +5

4n 1 45n
xn =
;
4n

1 2 n
xn = 1 + 2 ;
n n
(n + 5)n (n + 3)n
xn =
;
(n + 4)n (n + 2)n
(n3 2n2 n + 2)n
.
xn =
n3n
6.24. Sea 0 < r < 1. Pruebe que la sucesion

n
xn = r + sen
+ n
2
6.16 Problemas
195
es divergente.
6.25. Estudie el comportamiento al infinito de la sucesion
(xn )nN R. Si (xn )nN R es divergente pero acotada,
extraiga una subsucesion
convergente.
xn = (1)n ;
(1)n
xn =
;
n
n

3 2n
.
xn =
2n
convergente.

n
n
xn = 1 +
;
cos
n+1
2

1n n
xn =
;
n
(n2 + 4n 3)n
xn =
.
n2n
convergente.

1n
n
n
+
cos
;
n
n3
2

n
2 5n 5n + 7
xn =
sen
;
2
n
2
n +1
!n2 +n+1
5 n2
.
xn =
n2
xn =

convergente.
n
;
en (n2 + 1)
xn = n rn , |r| < 1;
!
n
+ n+1
, || < ||.
+ n+1
xn =
xn =
n
n+1 + n+1

convergente.
(n!)2
;
(2n)!
3n
xn =
;
5 + 3n
xn =
xn =
nn
,
an n!
a R \ {0}, |a| , e;
n
Y
xn =
(2k 1)
k=1
n! 2n

convergente.
196
6 Sucesiones reales
n
n;
n
xn = n!.
xn =
6.31. Encuentre la forma recurrente de la sucesion

dada por la formula
xn = n2 ,
n N.
6.32. Verifique si lmn xn = L.
xn +xn1
, n > 1,
2x2 + x1
xn+1 =
2
L=
;
x1 , x2 R,
3
xn = 6 + xn1 , n > 1,
L = 3;
x1 = 6 R,
xn = 2 + xn1 , n > 1,
L = 2;
x1 > 0 R,
6.33. Pruebe que (xn )nN R es convergente y trate de calcular su lmite.
q
xn = 1 + xn1 , n > 1,
x = 1 R.
1
3(1+xn1 )
xn = 3+xn1 , n > 1,
x1 = 3 R.
xn = 1 1 xn1 , n > 1,
0 < x1 < 1.
xn = c + xn1 , n > 1, c 0,
x1 = c.
6.34. Sean > 0 y x1 >
. Pruebe que lm xn =
xn =
(6.163)
donde

1
xn1 +
,
2
xn1
n > 1.

(xn )nN R tal que
x1 =
2,
q
x2 =
2 2,
r q
x3 = 2 2 2,
s r
q
x4 = 2 2 2 2, ...
6.36. Calcule los siguientes lmites

1 1 1
1
+ + + ... + n ;
n 2
4 8
2
!
(1)n1
1 1 1
lm 1 +
+ ... + n1 ;
n
3 9 27
3
n sen(n!)
lm
.
n n2 + 1

lm
6.37. Consideramos la sucesion

(xn )nN R, definida mediante
(6.164)
(6.165)
(6.166)
6.16 Problemas
197
x1 = x2 = 1,
xn = 3(xn1 + xn2 ) + 1,
Pruebe que para cada n N,
1) x3n+2 1 es divisible por 2;
2) 3x3n+1 + 5 es divisible por 8;
3) x3n + x3n+1 es divisible por 32.
n 3.
Captulo 7

la realidad
Albert Einstein
7.1.
Introduccion
Recomendamos como apoyo adicional un texto clasico, por ejemplo [3] y [21].
Usamos una serie de ejemplos para pasar revista a los casos de lmites que se pueden presentar.
Los ejemplos 7.1 y 7.2 corresponden a lmites finitos, esto es existe convergencia.
En los ejemplos 7.3, 7.4, 7.1, 7.2 y 7.3 no hay convergencia, es decir hay divergencia.
Los ejemplos 7.3 y 7.4 corresponden a una divergencia hacia o , estos casos suelen referirse como lmites
infinitos.
Finalmente en los Ejemplos 7.1, 7.2 y 7.3 la funcion
respectiva diverge (no tiene lmite donde se analiza) pero
no se presentan lmites infinitos.
Ejemplo 7.1 Consideremos la funcion f : R R definida mediante
f (x) = 1 + x.
Queremos analizar el comportamiento de f (x) cuando x se acerca a x = 0, es decir, queremos ver si de alguna manera
tiene sentido escribir
lm f (x) = L,
(7.1)
xx
para algun
numero
real L. Sera posible hacer un analisis como el que hicimos sobre la sucesion definida por la formula
yn = 1 + 1/n?
Para empezar, si reemplazamos la variable independiente x por el camino (xn )nN =

1
n nN
R, tenemos que
lm xn = x = 0
y se puede observar el siguiente comportamiento de f (x) cuando x se acerca a x = 0 siguiendo el camino xn :

n
1
x = xn 1
f (x) 2
| f (x) 1| 1
2 4 10 100
0.5 0.25 0.1 0.01
1.5 1.25 1.1 1.01
0.5 0.25 0.1 0.01
1000 100000
1 1020
0.001 0.000001 1 1020
1.001 1.000001 1 + 1 1020
0.001 0.000001 1 1020
Al ver esta tabla nos sentimos tentados a afirmar la veracidad de la formula (7.1) con L = 1. Sin embargo, esto es prematuro
pues, en tanto que xn es un camino que tiende a x = 0; y lo que buscamos es el comportamiento de f (x) cuando x se
acerca a x = 0 siguiendo cualquier camino.
Indaguemos entonces un poco mas. Analicemos el comportamiento de f (x) cuando x se acerca a x = 0 siguiendo el
camino (xn )nN = (sin(1/n))nN R, que claramente cumple
199
200
7 Lmites y continuidad
lm xn = x = 0.
Aqu se tiene:
n
1
2
4
10
100 100000
1 1020
x = xn
1
0.5
0.25
0.1 0.01 0.000001 1 1020
f (x) 1.8415 1.4794 1.2474 1.0998 1.001 1.000001 1 + 1 1020
| f (x) 1| 0.8415 0.4794 0.2474 0.0998 0.001 0.000001 1 1020
Viendo esta tabla reforzamos nuestra intuicion de que (7.1) es valido, es decir conforme a la informacion disponible
parecera que
lm f (x) = 1,
x0
pero sigue sin ser suficiente! Recordemos que lo que necesitamos es que a traves de todo camino (xn )nN tal que a
lmn xn = x = 0 se cumpla que
lm f (xn ) = L = 1.
n
Vamos mas alla y veamos si el grafico de la funcion f refuerza esta intuicion:

dada por f (x) = 1 + x tiene lmite finito cuando x 0.
En el grafico anterior observamos que cuando x se va acercando a x = 0 desde la izquierda el valor de f (x) se acerca a
L = 1. Esto se denota mediante
lm f (x) = lm f (x) = 1.
x0
x0
Asimismo cuando x se va acercando a x = 0 desde la derecha el valor de f (x) se acerca a L = 1. Esto se denota mediante
lm f (x) = lm f (x) = 1.
x0+
x0
Para estas instancias nuestra confianza en la validez de (7.1) es alta. Sin embargo, no hemos probado la validez de (7.1)
pues para ello se necesita definir matematicamente que es un lmite. Esto sera abordado en la siguiente seccion.
Ejemplo 7.2 Aprovechemos los caminos (xn )nN R y (xn )nN R usados en el Ejemplo 7.1 para estudiar el comportamiento de la funcion definida por la formula
g(x) = (1 + x)1/x ,
(7.2)
cuando x tiende a x = 0. Para empezar, observese que
Dom(g) = R \ {0},
7.1 Introduccion
201
es decir, no es necesario que la funcion g este definida en x = 0, pero necesitamos que s lo este en torno a x . Llamamos la
atencion sobre la similitud de la formula (7.2) con la formula

1 n
lm 1 +
= e.
n
n
Sospechamos entonces que
lm g(x) = e 2.718281828
x0
(7.3)
Para el camino (xn )nN R la tabla de valores es

x = xn
aprox.
1
1.0000000
2
0.5000000
3
0.3333333
4
0.2500000
5
0.2000000
10
0.1000000
50
0.0200000
100 0.0100000
1000 0.0010000
1000000 0.0000010
1 1012 1 1012
..
..
.
.
n
f (x)
| f (x) e|
aprox.
aprox.
2.000000000 0.7182818285
2.250000000 0.4682818285
2.370370370 0.3479114581
2.441406250 0.2768755785
2.488320000 0.2299618285
2.593742460 0.1245393684
2.691588029 0.0266937994
2.704813829 0.0134679990
2.716923932 0.0013578962
2.718280469 1.35913966 106
2.718281828
1.35 1012
..
..
.
.
Para el camino (xn )nN R, la tabla de valores es

x = xn
aprox.
1
0.8414710
2
0.4794255
3
0.3271947
4
0.2474040
5
0.1986693
10
0.0998334
50
0.0199987
100 0.0099998
1000 0.0010000
1000000 0.0000010
..
..
.
.
n
f (x)
aprox.
2.0659540
2.2635248
2.3753259
2.4437576
2.4896172
2.5939326
2.6915898
2.7048141
2.7169239
2.7182805
..
.
| f (x) e|
aprox.
0.6523278
0.4547570
0.3429560
0.2745242
0.2286646
0.1243492
0.0266921
0.0134678
0.0013579
0.0000014
..
.
A partir de las dos tablas anteriores nos sentimos mas confiados sobre la validez de (7.3); sin embargo, vamos mas alla
y veamos si el grafico de la funcion g refuerza esta intuicion.
En el grafico observamos que cuando x se va acercando a x = 0 desde la izquierda el valor de f (x) se acerca a
L = e 2.718281828, esto se denota mediante
lm f (x) = lm f (x) = e.
x0
x0
Asimismo cuando x se va acercando a x = 0 desde la derecha el valor de f (x) se acerca a L = e 2.718281828, esto se
denota mediante
lm+ f (x) = lm f (x) = e.
x0
x0
Recalquemos que no hemos probado la validez de (7.3); en todo caso, s estamos en condiciones de pronosticar tal validez.
202

dada por g(x) = (1 + x)1/x tiene lmite finito cuando x 0.
Ejemplo 7.3 Consideremos la funcion h : R R definida mediante

h(x) = x3 2x2 x + 2.
Tanteemos con algunos valores para obtener alguna informacion sobre como se comporta h(x) a medida que x crece a +.
x 1 3 4 10 100
1000
h(x) 0 8 30 792 979902 9.98 108
|h(x)| 0 8 30 792 979902 9.98 108
Como se puede ver en la tabla, a medida que x tiende a +, h(x) tambien tiende a +. En otras palabras, a medida que el
argumento x se hace mas y mas grande, el valor h(x) tambien se hace mas y mas grande. Esto se denota como
lm h(x) = +.
Tambien se puede escribir
h(x) +,
cuando x +.
Finalmente observese que dado cualquier tamano

M > 0 - por mas que sea muy grande - siempre se puede hallar un
x0 = x0 (M) R de manera que h(x) sea mas grande que M a partir de x0 , es decir,
M > 0, x0 = x0 (M) R :
x > x0 h(x) > M.
Por ejemplo, observese que para M1 = 10, se puede tomar x0 (M1 ) = 4. Para M2 = 9000, funciona x0 (M2 ) = 100.
Ahora veamos como se comporta h(x) a medida que x decrece a .
1000
100
10 4 2 1 x
9
1.002 10 1019898 1188 90 12 0 h(x)
1.002 109 1019898 1188 90 12 0 |h(x)|
Como se puede ver en la tabla, a medida que x tiende a , h(x) tiende a . Esto se denota como
lm h(x) = .
Tambien se puede escribir

h(x) ,
cuando x .
7.1 Introduccion
203
Finalmente observese que dado cualquier tamano

M > 0 - por mas que sea muy grande - siempre se puede hallar un
x0 = x0 (M) R de manera que h(x) sea menor que M a partir de x0 , es decir,
M > 0, x0 = x0 (M) R :
x < x0 h(x) < M.
Por ejemplo, observese que para M1 = 10, se puede tomar x0 (M1 ) = 2. Para M2 = 9000, funciona x0 (M2 ) = 100.
Con la informacion que hasta ahora tenemos hemos deducido que
lm h(x) = y
lm h(x) = .
Pero, como en los ejemplos anteriores, recalquemos que no hemos probado la validez de estos lmites - ni siquiera hemos
definido que es estrictamente un lmite! De hecho, aun
con la informacion provista por el grafico (que a continuacion
presentamos) no contamos con una demostracion de tal validez; lo que s, nuestra conviccion aumenta...

dada por h(x) = 2 x 2x2 + x3 .
Ejemplo 7.4 Consideremos la funcion : R R definida mediante

(x) =
1
.
|x 1|
Nos interesa saber como comporta (x) a medida que x se acerca a x0 = 1. Para empezar observemos que Dom() = R \ {1}.
Nuevamente, no importa que la funcion no este definida en x0 , el punto donde buscamos lmite, pero necesitamos que tal
funcion s este definida en torno a x0 .
204
x
(x)
0.9000000000
10
0.9900000000
100
0.9990000000
1000
0.9999000000 10000
0.9999999999 1 1010
..
..
.
.
1.0000000000 no definido
..
..
.
.
1.0000000001 1 1010
1.0001000000 10000
1.0010000000
1000
1.0100000000
100
1.1000000000
10
Como se puede ver en la tabla, a medida que x tiende a x0 = 1 desde la izquierda, (x) crece hacia +, es decir,
lm (x) = lm (x) = +.
x1
x1
Asimismo, a medida que x tiende a x0 = 1 desde la derecha, (x) crece hacia +, es decir,
lm (x) = lm+ (x) = +.
x1
x1
Si a esta informacion numerica le sumamos el grafico de la funcion sentimos (pero no probamos!) que
lm (x) = +.
x1

dada por (x) =
1
|x1| .
Example 7.1. Si f : R R es una funcion

que no es constante, entonces no existen
periodica
lm f (x),
A este caso pertenecen las funciones trigonometricas.
lm f (x).
7.2 Definiciones de lmites
205

seno no converge en ni en .
Example 7.2. A partir del grafico de las funcion

signo es claro que no existe el lmite cuando x tiende a 0.
1,
si x > 0,
sgn(x) =
0,
si x = 0,
1, si x < 0.

signo no converge cuando x tiende a x0 = 0.
Example 7.3. A partir del grafico de las funcion

tangente es claro que no existe el lmite cuando x tiende a
con k Z.

tangente es divergente en los puntos
7.2.
+ k,
+ k, k Z, pero no existen lmites infinitos.
Definiciones de lmites
En la Seccion
7.1 presentamos intuitivamente la idea de lmite. Mencionamos tambien que no siempre existe
el lmite buscado. Todo fue intuitivo y apelando al sentido comun.
Pero, como tambien fue mencionado, nunca
206
se probo la existencia o no-existencia de tales lmites pues, para ello, se necesitan definiciones precisas sobre lo
que se esta buscando - ese es el tema de esta seccion.
Observacion
7.1 De la definicion de continuidad de una funcion (Definicion 7.7) se hara evidente que necesitamos
conocer como calcular lmites para establecer la continuidad de una funcion. Por esta razon una variedad de tecnicas para
el calculo de lmites se presentan recien en la Seccion 7.5. De esta manera buscamos que el estudiante optimice su tiempo
dedicado a ejercicios.
Definicion
7.1 [Lmite finito de una funcion
real]
Sean x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Se dice que L R es el lmite de la funcion f
cuando x tiende a x si para toda sucesion (xn )nN I \ {x } se cumple que
lm xn = x
En este caso escribimos
lm f (xn ) = L.
(7.1)
lm f (x) = L.
(7.2)
xx
7.1 tambien
se dice que la funcion
f converge a L cuando x tiende a x .
En la Definicion
Observacion
7.2 La Definicion 7.1 equivale a
> 0, > 0 :
|x x | < | f (x) L| < .
(7.3)
Definicion
7.2 [Lmite infinito de una funcion
real]
Sean x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Se dice que f diverge a cuando x tiende a x
si para cada sucesion (xn )nN I \ {x } se cumple que
lm xn = x ,
lm f (xn ) = .
(7.4)
lm f (x) = .
(7.5)
xx
De forma analoga
se define lm f (x) = .
xx
Observacion
K > 0, > 0 :
|x x | < f (x) > K.
(7.6)
Observacion
7.4 En las Definiciones 7.1 y 7.2 necesitamos que a traves de todo camino (xn )nN tal que lm xn = x se
n
cumpla que
lm f (xn ) = L
para concluir que
lm f (x) = L,
xx
donde L R {+, }. Veanse los Ejemplos 7.1, 7.2 y 7.4.
Finalmente establezcamos que es exactamente un lmite lateral.
7.2 Definiciones de lmites
207
Definicion
7.3 [Lmite lateral por la izquierda]
Sean x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Se dice que L R es el lmite por la izquierda
de la funcion f cuando x tiende a x si para toda sucesion (xn )nN I \ {x } se cumple que

lm xn = x (n N : xn < x )
lm f (xn ) = L.
(7.7)
n
lm f (x) = lm f (x) = L.
xx
(7.8)
xx
Definicion
7.4 [Lmite lateral por la derecha]
Sean x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Se dice que L R es el lmite por la derecha de
la funcion f cuando x tiende a x si para toda sucesion (xn )nN I \ {x } se cumple que

lm xn = x (n N : xn > x )
lm f (xn ) = L.
(7.9)
n
lm f (x) = lm f (x) = L.
xx+
xx
(7.10)
Presentamos ahora la definicion

de lmite al infinito de una funcion
real. Vease el Ejemplo 7.3.
Definicion
7.5 [Lmite al infinito (I)]
Sea f una funcion real tal que Dom( f ) no esta acotado superiormente. Decimos que f diverge a cuando x
tiende a , lo cual se denota
lm f (x) = ,
x
si para toda sucesion (xn )nN Dom( f ) se tiene que

lm xn = +
lm f (xn ) = .
(7.11)
De la misma manera se definen lm f (x) = , lm f (x) = y lm f (x) = .

x
Observacion
K > 0, M > 0 :
M < x Dom( f ) f (x) > K.
(7.12)
Definicion
7.6 [Lmite al infinito (II)]
Sea f una funcion real tal que Dom( f ) no esta acotado superiormente. Decimos que f converge a L R cuando
x tiende a , lo cual se denota
lm f (x) = L,
x
si para toda sucesion (xn )nN Dom( f ) se tiene que

lm xn = +
lm f (xn ) = L.
(7.13)
De la misma manera se define lm f (x) = L.

x
Observacion
> 0, M > 0 :
M < x Dom( f ) | f (x) L| < .
(7.14)
208
7.3.
Teoremas y Proposiciones sobre lmites
Para empezar veamos de que manera los conceptos de lmite finito y lmite lateral se vinculan.
Proposicion
7.1 Sean L R, x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Se tiene que
!
lm f (x) = L lm f (x) = L
lm f (x).
xx0
xx0
xx0
(7.1)
Cuando un lmite existe, es unico;

ese es el contenido de la siguiente Proposicion.
Proposicion
7.2 [Unicidad del lmite]
Sean L R, x I = (a, b) y f una funcion real tal que I \ {x } Dom( f ). Si
L1 = lm f (x)
xx0
entonces
L2 = lm f (x),
xx0
L1 = L2 .

En la siguiente proposicion
establecemos como se puede operar con los lmites finitos.
Proposicion
7.3 [Operaciones con lmites]
Sean L1 , L2 R, x I = (a, b) y f, g funciones reales tales que I \ {x } Dom( f ) Dom(g). Supongamos que
L1 = lm f (x) y L2 = lm g(x). Se tiene que
xx0
xx0
lm ( f + g)(x) = L1 + L2 = lm f (x) + lm g(x);
(7.2)
lm ( f g)(x) = L1 L2 = lm f (x) lm g(x).
(7.3)
xx0
xx0
xx0
xx0
Si L2 , 0,
lm
xx0
xx0
!
lm f (x)
f
L1 xx0
(x) =
=
.
g
L2
lm g(x)
(7.4)
xx0
Si L2 > 0,
L
lm g(x) f (x) = L2 1 =
xx0
xx0
! lm f (x)
lm g(x)
xx0
xx0
(7.5)
7.4.
Continuidad
Cuando hablamos de continuidad de una funcion

en un punto nos referimos intuitivamente al hecho de
que el grafico de la funcion
se puede trazar de manera continua o de un solo trazo - sin levantar el lapiz cuando nos movemos en las cercanas de tal punto. Viendolo as es claro que, en tanto que la funcion
seno es
continua en el punto x = 0, la funcion
signo no lo es.
7.4 Continuidad
209
Definicion
7.7 [Continuidad]
Una funcion real f es continua en el punto x0 Dom( f ) si se cumple que
lm f (x) = f (x0 );
(7.1)
xx0
caso contrario decimos que f es discontinua en x0 . Decimos que f es continua en la region A si es continua en
todo punto x A Dom( f ).
Observacion
7.7 Las funciones mas comunes como polinomios, exponenciales, logartmicas, trigonometricas son continuas en su dominio.
7.4.1.
Tipos de discontinuidad
Ejemplo 7.5 Hay varios tipos de discontinuidad y para hacer un apronte a ello, consideremos la funcion real f cuyo
grafico se presenta a continuacion.
y
6
q
-4
]
JJ
J
J
J
J
J
J
J
Js
q
q
q
-3
-2
-1
c
q3
q2
c
q
1,5
q1
q
q
q
0,5
-0,5
q
1
s
q -1
q -2
Veamos lo que sucede en torno a los puntos

x1 = 1.0, x2 = 1.0,
x3 = 2.0, x4 = 2.5.
i xi lm f (x) lm f (x)
xxi
1
2
3
4
-1.0
1.0
2.0
2.5
0.5
-0.5
-2.0
2.0
xxi
-0.5
-0.5
+
2.0
f (xi )
Continuidad
0.5
-0.5
-2.0
no existe
No
S
No
No
Observese que para concluir que una funcion es continua en el punto x2 = 1.0 necesitamos que f (x2 ) y lm f (x)
xx2
existan y sean iguales. En el punto x1 = 1.0 coinciden lm f (x) y f (x1 ) pero no lm f (x); lo mismo acontece con x3 . En
xx1
xx1
el punto x4 coinciden los dos lmites laterales pero x4 < Dom( f ). Para clasificar los tipos de discontinuidad que presenta
la funcion en los puntos x1 , x3 y x4 , introducimos la siguiente Definicion.
210
Definicion
7.8 [Tipos de discontinuidad]
Sea f una funcion real de variable real y sea x0 R. Supongamos que f es discontinua en x0 . Decimos entonces
que f tiene una discontinuidad de primera especie en x0 si
lm f (x) R
xx0
lm f (x) R;
xx0
caso contrario decimos que f tiene una desigualdad de segunda especie en x0 . Si

lm f (x) = lm f (x) R,
xx0
xx0
decimos que f tiene una desigualdad evitable en x0 .

Observacion
7.8 Observese que la discontinuidad evitable es un caso particular de la discontinuidad de primera especie.
Observacion
7.9 Sea f una funcion real de variable real y sea x0 R. Supongamos que se cumple que
lm f (x) = lm f (x) = L R;
xx0
xx0
f (x0 ) , L
pero
x0 < Dom( f ),
entonces f tiene una discontinuidad evitable en x0 . En este caso se puede definir una nueva funcion f que mantendra casi
toda la informacion que trae consigo la funcion original f pero que elimina la discontinuidad en x0 (por eso el termino
evitable):
f : Dom( f ) {x0 } R
f (x), si x Dom( f ) \ {x0 }
x 7 f (x) =
L,
si x = x0 .
En el Ejemplo 7.5, en x3 la funcion

f tiene una discontinuidad de segunda especie. La funcion
f tiene
discontinuidades de primera especie en los puntos x1 = 1.0 y x4 = 2.0. De hecho, en x4 hay una discontinuidad
evitable y entonces la funcion
f : Dom( f ) {x4 } R
f (x), si x Dom( f ) \ {x4 }

x 7 f(x) =
2.0, si x = x4 ,
es continua en x4 .
7.4.2.
Teoremas sobre continuidad
Al analizar la continuidad de funciones, hay que tener presente que

i) La suma y el producto de un numero
finito de funciones que son continuas en una region
determinada es, a su
vez, una funcion
continua en esa misma region.
ii) El cociente de dos funciones continuas en una region

determinada, es tambien una funcion
continua, para
todos los valores del argumento (en la misma region)
en que no se anula el denominador.
Observacion
7.10 Consideramos una funcion f : X Y.
1) Se denomina imagen directa de A X al conjunto
7.4 Continuidad
211
f (A) = {y = f (x) Y/ x A}.
(7.2)
2) Se denomina imagen inversa de B Y al conjunto

f 1 (B) = {x X/ y B : y = f (x)}.
(7.3)
En el siguiente teorema se establece que la composicion

de funciones continua es continua.
Teorema 7.1 Sea f y g dos funciones reales tales que
1) g es continua en A Dom(g);
2) f es continua en g(A) Rg(g) Dom( f ).
Entonces g f es continua en A.
El siguiente resultado es de suma importancia - resume las propiedades de una funcion
que es continua en
un intervalo cerrado.
Teorema 7.2 [Continuidad sobre un intervalo cerrado]
Sea f una funcion continua en [a, b] Dom( f ), donde a < b. Se cumplen los siguientes puntos.
i) La funcion f esta acotada en [a, b], es decir, existe un cierto numero
M > 0 tal que

| f (x)| M,
x [a, b].
ii) La funcion f alcanza en [a, b] su valor maximo y su valor mnimo, es decir, existen puntos xmin y xmax en [a, b]
tales que
fmax f (xmax ) f (x), x [a, b],
fmin f (xmin ) f (x),
x [a, b].
iii) La funcion f toma todos los valores entre fmin y fmax , es decir,
y0 [ fmin , fmax ], x0 [a, b] :
f (x0 ) = y0 .
En el marco del Teorema 7.2,

f ([a, b]) = [ fmin , fmax ].
(7.4)
Como consecuencia del punto iii) del Teorema 7.2 tenemos el siguiente corolario que nos dice que una
funcion
continua que tiene diferente signo en los extremos de un intervalo debe pasar por cero.
Corolario 7.1 [Teorema de Bolzano]
Sea f una funcion continua en [a, b] Dom( f ), donde a < b. Si f (a) f (b) < 0, entonces existe al menos un
x0 [a, b] tal que f (x0 ) = 0.
Recordemos que dado x0 R y r > 0 se denota

B(x0 , r) = (x0 r, x0 + r) = {x R/ |x x0 | < r}.
212
Finalmente senalemos
la siguiente importante propiedad de las funciones continuas. A grosso modo esta
establece que si una funcion

continua tiene signo en un punto, en todos los puntos cercanos tambien tendra el
mismo signo.
Proposicion
7.4 Sea f una funcion real que es continua en (a, b) Dom( f ) y sea x0 (a, b). Entonces,
1) Si f (x0 ) > 0, existe > 0 tal que
2) Si f (x0 ) < 0, existe un > 0 tal que
f (x) > 0,
x B(x0 , ).
f (x) < 0,
x B(x0 , ).
7.4.3.
El Metodo de las Bisectrices
Supongamos que se quiere resolver la ecuacion
f (x) = 0,
x I R.
(7.5)
donde f (x) es una formula

que no permite despejar x, esto es no existe un metodo analtico que permita
hallar los valores de x I Dom( f ) que verifican (7.5). En este caso, antes de ponerse a buscar una solucion
de la ecuacion
- que pudiera no existir - se debera usar el Corolario 7.1, esto es, deberamos inspeccionar si
existen puntos a y b en I Dom( f ) de manera que
i) f es continua en [a, b] y
ii) f (a) y f (b) tienen diferente signo, o sea f (a) f (b) < 0.
y 6
q
q f(a)
q
0
q
q f(b)
q Xssol q
Bajo estas condiciones tenemos la seguridad de que existe una solucion

xsol a nuestro problema en el intervalo
[a, b] sin siquiera haber empezado a buscar mecanicamente alguna solucion
de (7.5).
Tenga presente que

de una solucion
en el intervalo [a, b]. El Teorema de Bolzano simplemente nos garantiza que existe al menos
podra haber mas
una solucion.
Ahora podramos aplicar algun

metodo numerico para obtener un valor aproximado de xsol . Describimos a
continuacion
un algoritmo conocido como el Metodo de las Bisectrices.
7.5 Calculo de lmites
213
1) Iniciamos el proceso poniendo

xI = x1 ;
(7.6)
xF = x2 ;
(7.7)
2) Para cada paso i 3, ponemos

xi =
Si
xI + xF
.
2
sgn f (xi ) = sgn f (xI ),
ponemos
xI = xi ,
caso contrario,
xF = xi .
La sucesion
(xn )nN R definida de esta manera es tal que
lm xn = xsol ,
donde xsol es una solucion

de la ecuacion
(7.5) que yace en el intervalo [a, b].
En pseudocodigo
el Metodo de las Bisectrices se puede presentar de la siguiente manera.
Require: f (x)
Require: xI , xF R
Ensure: xI < xF f (xI ) f (xF ) < 0
Require: R
Ensure: > 0
1: xsol (xI + xF )/2
2: F f (xsol )
3: while |F| > do
4:
if f (xI ) f (xsol ) > 0 then
5:
xI xsol
6:
else
7:
xF xsol
8:
end if
9:
xsol (xI + xF )/2
10:
F f (xsol )
11: end while
12: return xsol
En el algoritmo anterior, el valor > 0 corresponde al maximo valor de error aceptable. Entonces, la busqueda
continua mientras la distancia entre el valor aproximado f (xsol ) sea mayor que .
7.5.
Calculo de lmites
Para calcular lmites nos valemos de varios recursos. La nocion

intuitiva juega un rol importante as como
el manejo de los teoremas y proposiciones sobre lmites. Por otro lado hay un buen numero
de lmites que
aparecen con frecuencia y que deben ser bien conocidos por el estudiante para que pueda confrontar ejercicios
con un mayor grado de complejidad - como cuando hay que tratar con indeterminaciones 00 , 00 , 1 , etc.
214
7.5.1.
Lmites Fundamentales
En lo que sigue, las letras x e y representan siempre variables reales.
Proposicion
7.5 Se tiene que

sin x
= lm y sin 1/y = 1.
x0 x
y
lm
(7.1)
El primer lmite que aparece en (7.1) corresponde a una indeterminacion

del tipo 0/0, es decir el lmite del
cociente de dos funciones que tienden a 0 en tanto que el argumento tiende a su objetivo. El segundo lmite
que aparece en (7.1) corresponde a una indeterminacion
del tipo 0, es decir el lmite del producto de dos
funciones, una de las cuales tienden a cero y la otra tiende a cuando el argumento tiende a su objetivo.
La siguiente proposicion
corresponde al caso mas basico de indeterminaciones de la forma 1 .
Proposicion
7.6 Se tiene que

lm
x+
1+
1
x
x

= lm 1 + y 1/y = e = 2.71828...
y0
(7.2)

La proposicion
anterior es equivalente a la siguiente que corresponde a una indeterminacion
0/0.
Proposicion
7.7 Se tiene que
ln(1 + x)
= 1.
x
x0
lm
(7.3)

Los siguientes lmites tambien son muy utiles.
Proposicion
7.8 Se tiene que

ex 1
= lm y e1/y 1 = 1;
x0 x
y
(7.4)
arcsin(x)
= 1.
x
x0
(7.5)
lm
lm
lm xp ln(x) = 0,
x0
(1 + x) 1
= 1,
x0
x
lm
p 1,
(7.6)
R \ {0},
(7.7)
215
Proposicion
7.9 Sean a R {, }, k > 0 y f, g funciones reales tales que
lm f (x) = k,
xa
lm g(x) = .
xa

lm f (x)
g(x)
xa
, si k > 1
=
0, si 0 < k < 1.
(7.8)

Observacion
7.11 Tenga presente que varios resultados que se estudiaron sobre lmites de sucesiones son inmediatamente
aplicables a funciones cuando x tiende a o, como se vera en la siguiente seccion, previo un cambio apropiado de variable.
7.5.2.
Cambio de Variable
La mejor manera de presentar esta estrategia es via ejemplos.

Example 7.4. Supongamos que queremos saber si el siguiente lmite existe, en cuyo caso nos interesa su valor:
sin(x2 )
.
x0
x2
lm
Este lmite no aparece entre los lmites fundamentales presentados en la Seccion

7.5.1. Sin embargo, si observamos con detenimiento, caemos en cuenta que x2 aparece tanto en el numerador como en el denominador. Se
vuelve natural entonces que hagamos el cambio de variable
y = x2 .
Entonces, puesto que
y 0,
cuando x 0,
se tiene, en virtud de la Proposicion

7.1, que
sin(y)
sin(x2 )
= lm
= 1.
2
y
x0
y0
x
lm
Veamos un ejemplo un poquito mas complicado.

Example 7.5. Supongamos que queremos saber si el siguiente lmite existe, en cuyo caso nos interesa su valor:
lm(x 2)3 cos(x 2) ln(x 2).
x2
Este lmite no aparece entre los lmites fundamentales presentados en la Seccion

7.5.1. Sin embargo, si observamos con detenimiento, caemos en cuenta que x 2 aparece en mas de una ocasion.
Se vuelve natural entonces
que hagamos el cambio de variable
y = x 2.
Entonces, puesto que
y 0,
se tiene, en virtud de las Proposiciones 7.8 y 7.3, que
cuando x 2,
216
lm(x 2)3 cos(x 2) ln(x 2) = lm y3 cos(y) ln(y)

x2
(7.9)
y0
= lm cos(y) lm y3 ln(y)
(7.10)
= 10
(7.11)
= 0.
(7.12)
y0
y0
A partir de los lmites presentados en la Seccion

7.5.1 se pueden obtener, a traves de cambios de variable
apropiados, otros lmites que tambien son de gran utilidad. Por ejemplo, el siguiente resultado generaliza la
Proposicion
7.6.
Proposicion
7.10 Sea k R y sean f y g dos funciones tales que
lm g(x) = k R,
xa
lm f (x) = .
xa
Entonces,
g(x)
lm 1 +
f (x)
xa
! f (x)
= ek .
(7.13)
El siguiente resultado generaliza (7.4).

Proposicion
7.11 Sean a, b > 0. Se tiene que

a
ax bx
= ln
.
x
b
x0
lm
(7.14)
7.5.3.
Infinitesimos
Sea f una funcion

real. Se dice que f tiene un infinitesimo en a R {, } si
lm f (x) = 0.
xa
(7.15)
De esta definicion
es claro que la suma y producto de infinitesimos (cuando x a) es un infinitesimo (cuando
x a).
Example 7.6. Puesto que
lm xp = 0,
x0
p > 0,
se tiene que la funcion

p (x) = xp es un infinitesimo cuando x 0+ .
0.
tiene que ver con la rapidez con que un infinitesimo se acerca al numero
(7.16)
217
Definicion
7.9 [Rapidez de un infinitesimo]
Supongamos que f y g son funciones reales que tienen infinitesimos en a R {, }. Se dice que
i) el infinitesimo de f es de orden superior al de g si
lm
xa
f (x)
= 0;
g(x)
(7.17)
ii) los infinitesimos son del mismo orden si

f (x)
= c , 0;
xa g(x)
(7.18)
lm
iii) en particular, se dice que los infinitesimos son intercambiables si

f (x)
= 1.
xa g(x)
lm
(7.19)
Cuando f y g son funciones reales que tienen infinitesimos

intercambiables en a R {, } se denota
f (x) g(x),
cuando x a.
(7.20)
es de equivalencia.
La relacion
cos(x + /4) (ex 1)

2
lm
=
,
x
2
x0
se sigue que las funciones definidas por las formulas
(x) = cos(x + /4) (ex 1),
(x) = x
tienen infinitesimos del mismo orden cuando x 0.

Observacion
7.12 Si 0 < p < q se tiene claramente que
lm
x0
xq
= lm xqp = 0.
xp x0
Entonces q > p > 0 implica que xq converge a 0 mas rapido que xp cuando x 0.
Teorema 7.3 Sean f y g funciones reales que tienen infinitesimos en a R {, }. Si el infitesimo de f es de
orden menor al de g, entonces
f (x) + g(x) f (x), cuando x a.
(7.21)
Corolario 7.2 [Uso de infinitesimos]

Sean f y g funciones reales que tienen infinitesimos en a R {, }. Sea H una funcion real para la que
existe lm H(x).
x0
i) Si los infinitesimos de f y g son intercambiables, entonces

lm H( f (x)) = lm H(g(x)).
xa
xa
(7.22)
ii) Si el infitesimo de f es de orden menor al de g, entonces

lm H( f (x) + g(x)) = lm H( f (x)).
xa
xa
(7.23)
Example 7.8. Usamos el Corolario 7.2, la Observacion

7.12 y el cambio de variable y = sin2 (x) para calcular
218
L = lm
arctan(sin2 (x))
sin2 (x) sin4 (x)

arctan(y)
= lm
y0 y y2
arctan(y)
= lm
y
y0
= 1.
x0
Example 7.9. Usando el cambio de variable y = x2 calculamos

ln(1 + x2 )
x0 tan(x2 )
ln(1 + y)
lm
y0 tan(y)
ln(1 + y)
lm cos(y)
sin(y)
y0
ln(1 + y)
lm cos(y) lm
y0
y0 sin(y)
y
1 lm
y0 y
1.
L = lm
=
=
=
=
=
(7.24)
Example 7.10. Nuevamente usando infinitesimos calculamos
x3 + 5x4
x0 ln(1 + 2x)
3
x3
= lm
x0 2x
1
=
2
L = lm
7.5.4.
Infinitos
Sea f una funcion

real. Se dice que f tiene un infinito en a R {, } si
lm f (x) = .
xa
(7.25)
De esta definicion
se hace inmediato que la suma (no la resta) y el producto de infinitos (cuando x a) es un
infino (cuando x a).
Ejemplo 7.6 Puesto que
lm xp = 0,
p > 0,
se tiene que la funcion definida por la formula p (x) = xp es un infinito cuando x .

tiene que ver con la rapidez con que crece un infinito.
(7.26)
219
Definicion
7.10 Sea a R{, } y sean y dos funciones que tienen infinitos cuando x a. Supongamos
que
(x)
= C R.
lm
xa (x)
i) Si C , 0, decimos que y tienen infinitos del mismo orden cuando x a.
ii) En particular, si C = 1 decimos que y tienen infinitos equivalentes o intercambiables cuando x a, esto
se denota como
(x) (x), cuando x a.
(7.27)
iii) Si C = 0 decimos que tiene un infinito de orden superior al de cuando x a.
definida en (7.27) es de equivalencia.

La relacion
Observacion
7.13 La definicion anterior es analoga a la definicion de infinitesimo que presentamos en la seccion anterior.
Sin embargo observese que cuando C = 0 el infinito de orden superior es el denominador (para el caso de infinitesimos era
el numerador).
lm
cos
1
x

+ /4 /(e1/x 1)
x
se sigue que las funciones definidas por las formulas

cos x1 + /4
(x) =
,
e1/x 1
2
,
2
(x) = x
tienen infinitos del mismo orden cuando x .

Observacion
7.14 Si 0 < p < q se tiene claramente que
xp
1
= lm qp = 0.
q
x x
x x
lm
Entonces q > p > 0 implica que xq crece mas rapidamente que xp cuando x .
El siguiente resultado es sumamente util
pues permite reemplazar un infinito complicado por otro mas
simple en tanto que sean equivalentes.
Teorema 7.4 Sean f y g funciones reales que tienen infinitos en a R {, }. Si el infinito de f es de orden
mayor al de g, entonces
f (x) + g(x) f (x), cuando x a.
(7.28)
Corolario 7.3 Sean f y g funciones reales que tienen infinitos en a R {, }. Sea H una funcion real para
la que existe lm H(x).
x
i) Si los infinitos de f y g son intercambiables, entonces

lm H( f (x)) = lm H(g(x)).
xa
xa
(7.29)
ii) Si el infinito de f es de orden mayor al de g, entonces

lm H( f (x) + g(x)) = lm H( f (x)).
xa
xa
(7.30)
220
Observacion
7.15 Las potencias xp con p 1 son infinitos de orden superior con respecto a ln(x), es decir,
lm
ln(x)
= 0..
xp
Example 7.12. Usando el cambio de variable y = 1 + x2 calculamos

ln(1 + x2 )
x 1 + x2
ln(y)
= lm
y y
= 0.
L = lm
Example 7.13. Usamos la proposicion

anterior y los cambios de variable y = ln(x) y z = y2 para calcular

2
L = lm (ln2 (x) + ln(x)) 1 e1/ ln (x)
x

2
= lm (y2 + y) 1 e1/y
y

2
= lm y2 1 e1/y
y
ez 1
z
z0
= 1.
= lm
7.6.
Ejercicios resueltos
Example 7.14. Consideremos los polinomios definidos por las formulas
p(x) = 1 + 2x2 5x3 ,

q(x) = 2 + 2x3 ,
r(x) = 3 + 4x2 + 2x4 ,
s(x) = 2 + x + x2 .
Usamos infinitos para calcular
p(x)
x q(x)
L1 = lm
1 + 2x2 5x3
x
2 + 2x3
5x3
= lm
x 2x3
5
= .
2
= lm
(7.31)
7.6 Ejercicios resueltos
221
p(x)
x r(x)
1 + 2x2 5x3
= lm
x 3 + 4x2 + 2x4
5x3
= lm
x 2x4
5
1
= lm
2 x x
= 0.
L2 = lm
p(x)
x s(x)
1 + 2x2 5x3
= lm
x 2 + x + x2
5x3
= lm
x x2
= lm 5x
L3 = lm
= .
Example 7.15. Usando infinitos calculamos
3
L = lm
x3 + 5x4
x4/3 x
5x4
= lm 4/3
x x
3
= 5
Para el analisis del cociente de dos polinomios p y q se recomienda simplificarlo de manera que quede el numerador y el denominador sean primos relativos. Esta estrategia puede aplicarse frecuentemente a expresiones
irracionales a traves de un cambio de variable apropiado. Veamos un par de ejemplos al respecto.
Example 7.16. Calculamos
L = lm
2x2 8
x2 x2 3x + 2
2(x 2)(x + 2)
x2 (x 2)(x 1)
2(x + 2)
= lm
x2 x 1
= 8.
= lm
Example 7.17. Usamos el cambio de variable

para calcular
1 + 2x = y6 ,
222
1 + 2x 1
L = lm
x0 3 1 + 2x 1
y3 1
= lm 2
y1 y 1
y2 + y + 1
y+1
y1
3
= .
2
= lm
Example 7.18. Usamos los cambios de variable y =
x
2
y z = 2y2 e infinitesimos equivalentes para calcular

2
L = lm (cos(x))1/x
x0
= lm [1 + (1 + cos(x))]1/x
x0
= lm [1 2 sin2 (x/2)]1/x
x0
2)
= lm [1 2 sin2 (y)]1/(4y
y0
2)
= lm [1 2y2 ]1/(4y
y0
= lm [1 + z]1/(2z)
z0

1/2
= lm [1 + z]1/z)
z0
1
= .
e
(7.32)
Example 7.19. Calculemos el lmite

x5 4x4 + 2x3 x2 + 2x + 1
L = lm
x
x5 2x4 + x3 + x2 x + 2
!x+1
.
(7.33)
Puesto que
x5 4x4 + 2x3 x2 + 2x + 1
x5
=
l
m
=1
x x5 2x4 + x3 + x2 x + 2
x x5
lm
lm x + 1 = ,
estamos tratando con una indeterminacion

1 , que esta relacionada con el lmite clasico

1 x
e = lm 1 +
= lm 1 + y 1/y .
x
y0
x
Entonces, escribimos (7.33) como
"
! #x+1
x5 4x4 + 2x3 x2 + 2x + 1
L = lm 1 +
1
.
x
x5 2x4 + x3 + x2 x + 2
Ponemos
x5 4x4 + 2x3 x2 + 2x + 1
1
x5 2x4 + x3 + x2 x + 2
2x4 + x3 2x2 + 3x 1
= 5
x 2x4 + x3 + x2 x + 2
y=
(7.34)
223
y puesto que
2x4 + x3 2x2 + 3x 1
2x4
=
l
m
= 0,
x x5 2x4 + x3 + x2 x + 2
x x5
lm y = lm
tenemos a partir de (7.34) que

h
i(y(x+1))
L = lm 1 + y 1/y
x
y0
#(y(x+1))
"
= lm lm 1 + y
1/y
x y0
= lm e y(x+1) .
(7.35)
Ahora, puesto que

(x + 1)(2x4 + x3 2x2 + 3x 1)
x
x5 2x4 + x3 + x2 x + 2
2x5 x4 x3 + x2 + 2x 1
= lm 5
x x 2x4 + x3 + x2 x + 2
2x5
= lm 5
x x
= 2,
lm y(x + 1) = lm
se sigue, a partir de (7.35), que

L = e2 .

h

i7/(arctan(ex2 1))
L = lm 1 + ln 1 + sin2 (x)
.
x0
(7.36)
Es claro que tratamos con una indeterminacion

de la forma 1 . Puesto que sin(x) x, cuando x 0, tenemos
que
h

i7/(arctan(ex2 1))
L = lm 1 + ln 1 + x2
.
(7.37)
x0
Ponemos ahora
y = x2 ,
x0
as que
y 0,
y

L = lm 1 + ln 1 + y 7/(arctan(e 1)) .
y0
Ahora, puesto que cuando y 0, se tiene que

ln(1 + y) y,
e y 1 y,
arctan(y) y,
se sigue a partir de (7.38) que
L = lm 1 + y
y0
= e7 .
7/y
(7.38)
224

2ex ln(x)
L = lm x 2
x e + x 5x + 1
Puesto que
!3x+1ln(x)
.
2ex ln(x)
2ex
= 2,
=
l
m
x ex + x2 5x + 1
x ex
lm
lm (3x + 1 ln(x)) = +,
se sigue por la Proposicion

7.9 que
L = .

x3 + x2 ln(x)
L = lm
x
3x3 + 1
!ln(x2 )
.
Puesto que
x3 + x2 ln(x)
x3
1
=
l
m
= ,
3
3
3
x
x 3x
3x + 1
lm
y
lm ln(x2 ) = lm 2 ln(x) = +,

7.9 que
L = 0.
ln(cxp x + ln(x))
,
x ln(axq + bx2 ln(x))
L = lm
donde p > 1, q ]1; 2[, a, b, c R+ . Tenemos que
ln(cxp x + ln(x))
x ln(axq + bx2 ln(x))
ln(cxp )
lm
x ln(bx2 )
ln(c) + p ln(x)
lm
x ln(b) + 2 ln(x)
p ln(x)
lm
x 2 ln(x)
p
.
2
L = lm
=
=
=
=
Example 7.24. Estudiemos la continuidad de la funcion

determinada por la formula
2 ln(1 + 3 sin(x 1))
3 tan(e2(x1) 1)
f (x) =
q,
si x [0.8; 2.5] \ {1},

si x = 1,
donde q R. Conforme al Teorema 7.1, la funcion

f es continua en [0.8; 2.5] \ {1} (por que?). Por lo que solo
resta analizar si f es o no continua en x = 1. Calculemos entonces
225
2 ln(1 + 3 sin(x 1))

.
3 tan(e2(x1) 1)
L = lm f (x) = lm
x1
x1
Para ello, hacemos el cambio de variable

y = x 1,
x 1
as que
L = lm
y 0,
2 ln(1 + 3 sin(y))
3 tan(e2y 1)
y0
(7.39)
Ahora, observamos que cuando y 0,

sin(y) y;
ln(1 + y) y
ln(1 + 3y) 3y;
ey 1 y
tan(y) y
e2y 1 2y;
tan(2y) 2y;
por lo cual
L = lm
2 ln(1 + 3 sin(y))
3 tan(e2y 1)
2 ln(1 + 3y)
= lm
y0 3 tan(2y)
2 3y
= lm
y0 3 2y
= 1.
y0
Entonces, puesto que f (0) = q, se tiene que

a) f es continua en [0.8; 2.5] \ {1} si q , 1;
b) f es continua en [0.8; 2.5] si q = 1.
Para finalizar esta seccion
presentamos un ejercicio resuelto que abarca muchos de los puntos tratados.
Ejemplo 7.7 Considere la ecuacion
donde
f (x) = 0,
xR
x2 + 6x 5,
f (x) =
(x 5)2 ln(x 5) sin(x 5),
(7.40)
si x 5,
si x > 5.
a) Existe una solucion de (7.40) en [3.0, 5.8]?

b) Existe una solucion de (7.40) en [5.8, 8.0]?
c) Existe una solucion de (7.40) en ] , 3.0]?
d) Para el literal a): si existe solucion halle una aproximacion con error aceptable = 0.15.
Empecemos observando que Dom( f ) = R. Es bastante claro que f es continua en R \ {5}.

Es f continua en x = 5? A partir de (7.41) es claro que
f (5) = 0 = lm f (x).
x5
Por tanto, para concluir que f es continua en x = 5 (y entonces en todo R) nos basta probar que
(7.41)
226
lm f (x) = 0.
x5
Lo ultimo
es cierto. Para ello hacemos el cambio de variable y = x 5 y usamos la indicacion:

lm f (x) = lm(x 5)2 ln(x 5) sin(x 5)
x5
x5
= lm y2 ln(y) sin(y)
y0
= lm y2 ln(y) lm sin(y)
y0
y0
= 0.
Concluimos entonces que f es continua en R.
Se tiene que
f (3.0) = 4 > 0,
f (5.8) = 0.86017 < 0,
f (8.0) = 9.7464 > 0.
a) Puesto que f es continua en [3.0, 5.8] y ademas f (3.0) y f (5.8) tienen diferente signo, concluimos por el Teorema de
Bolzano (vease Corolario 7.1) que existe xsol1 (3.0, 5.8) tal que
f (xsol1 ) = 0.
b) Puesto que f es continua en [5.8, 8.0] y ademas f (8.0) y f (5.8) tienen diferente signo, concluimos por el Teorema de
Bolzano (vease Corolario 7.1) que existe xsol2 (5.8, 8.0) tal que
f (xsol2 ) = 0.
b) Puesto que f es continua en (, 3.0] y ademas f (3.0) = 4 > 0, podremos concluir que existe un xsol3 (, 3.0) tal que
f (xsol3 ) = 0
si encontramos un x (, 3.0) tal que f (x ) < 0. Poniendo x = 0 estamos listos pues
f (0) = 5 < 0.
d) Para calcumar aproximadamente xsol3 (, 3.0) usamos el Metodo de las Bisectrices con = 0.15. Tenemos:
i
xi
1 0.00000
2 3.00000
3 1.50000
4 0.87500
5 1.18750
6 1.03125
..
..
.
.
f (xi )
| f (xi )|
-5.00000000 5.00000000
+4.00000000 4.00000000
+1.75000000 1.75000000
-0.51562500 0.51562500
+0.71484375 0.71484375
+0.12402300 0.12402300
..
..
.
.
Entonces
xsol3 1.03125.
Este valor cumple con el error maximo aceptable que impusimos al aplicar el metodo de las bisectrices, = 0.15. Por otro
lado, observese que la solucion exacta es
xsol3 = 1.00000.
7.7 Problemas
7.7.
227
Problemas

x 3x+2
x2 , si x , 2,
f (x) =
A,
si x = 2.
Que valor debe tomar A para que la funcion
f sea continua? Construya la grafica de f .
si x ,
ax2 ,
f (x) =
2x + b, si x > ,
donde R. Que relacion
deben verificar a y b para que la funcion
f sea continua?
f (x). Halle su dominio de definicion
y analice la continuidad de la funcion

correspondiente. Cuando sea posible, redefina la funcion
para que resulte continua.
f (x) =
(1 + x)n 1
,
x
donde n N.
1 cos x
.
x2
ln(1 + x) ln(1 x)
f (x) =
.
x
5x 2x
f (x) =
.
x
f (x) =
x2
f (x) =
.
x2
7+x3
f (x) =
.
x2 4
x
f (x) = .
|x|
x
f (x) =
.
sen x
1
f (x) = e 1+x .
12
f (x) = e x .

1
f (x) = (1 + x) arctan
.
1 x2
7.4. Hallar lm f (x).
x
(7.1)
(7.2)
(7.3)
(7.4)
(7.5)
(7.6)
(7.7)
(7.8)
(7.9)
(7.10)
(7.11)
228
f (x) = r
x
;
q
x+ x+ x
x2 5x + 6
;
7x 3
(4x + 1)3 (2x 1)2
f (x) =
;
x5 2x2 + 1
5x2 4
f (x) =
;
x4 + 1
x2 5x + 6
f (x) =
;
7x 3
(4x + 1)3 (2x 1)2
.
f (x) =
x5 2x2 + 1
f (x) =
(7.12)
(7.13)
(7.14)
(7.15)
(7.16)
(7.17)

x

;
x

2
x+1 x
f (x) =
;
2x 3
!x3
x2 1
;
f (x) =
2x2 3
!1/ sin(x)
cos(x + /8) arctan(x)
f (x) = 1
.
x2 5
f (x) = x sin
(7.18)
(7.19)
(7.20)
(7.21)

x
f (x) = (cos(1/x))1/ sin (x) ;

2x + 1
f (x) = ln
;
x+2
x
;
f (x) =
x2 x3/2 1
ex ex
f (x) = x x ;
e +e

x+1
f (x) = x ln
;
x
sin(ex 1)
f (x) =
.
ln(1 + x)
x0
(7.22)
(7.23)
(7.24)
(7.25)
(7.26)
(7.27)
7.7 Problemas
229
(y + x)3 y3
;
x
1 + 1 + x2
f (x) =
;
3
1 + 1 + x2
1 + x3 1 x3
;
f (x) =
x3
3
y+x 3 y
f (x) =
;
x
1 cos(sin2 (x))
f (x) =
;
sin4 (x)
tan(x2 ) sin(x2 )
;
f (x) =
x6
p
1 cos(sin(x))
;
f (x) =
sin2 (x)
p
p
1 + sin(x) 1 tan(x)
f (x) =
;
arctan(x)
!arctan(x)/ sin(x)
x2 2x + 3
f (x) = 2
;
x 3x + 2
r
1 1 + x
f (x) = ln
.
x
1x
f (x) =
(7.28)
(7.29)
(7.30)
(7.31)
(7.32)
(7.33)
(7.34)
(7.35)
(7.36)
(7.37)

xa
f (x) =
f (x) =
x4 1
x4 + 3x2 + 2
x2 (a + 1)x + a
,
x3 a3
a = 1;
(7.38)
a R;
(7.39)
1
3
f (x) =
,
1 x 1 x3
3
3
x4 2 x2 + 1
,
f (x) =
(x2 1)2
x2 2x + 6 x2 + 2x 6
f (x) =
,
x2 4x + 3
sin(x)
f (x) =
,
sin(3x)

x
,
f (x) = (1 x) tan
2

cos x
2
f (x) =
,
1 x
7.9. Hallar lm f (x) y lm f (x).
xa
xa
a = 1;
(7.40)
a = 1;
(7.41)
a = 3;
(7.42)
a = 1;
(7.43)
a = 1;
(7.44)
a = 1.
(7.45)
230
1
, a = 0;
1 + e1/x
| sin(x)|
f (x) =
, a = 0;
x
x1
f (x) =
, a = 1;
|x 1|
x
f (x) =
, a = 2.
x2
f (x) =
7.10. La ecuacion
x3 3x + 1 = 0,
(7.46)
(7.47)
(7.48)
(7.49)
x R,
tiene una solucion

aproximadamente mediante el Metodo de las
x0 en el intervalo [1, 2]. Por que? Calculela
Bisectrices.
Indicacion.x0 1.5320888.
7.11. La ecuacion
h(x) = 0,
x R,
tiene una solucion

x0 en el intervalo [a, b]. Grafique h(x) en [a,b] y calcule
la solucion
aproximadamente.
1) h(x) = x tan x + 1, con a = 0, b = 1.74;
2) h(x) = x esen x + 2, con a = 3, b = 0.
(x) = x ln x x.
1) Halle el dominio de definicion

de (x) y grafque la funcion
correspondiente.
2) Analice la continuidad de y, en caso de ser posible, extiendala a una funcion
continua sobre [0, [.
(x) + 0.5 = 0,
en el intervalo [0, 1].
anterior en [1, 3].
7.13. Denotemos por r1 y r2 a las races de la ecuacion
ax2 + bx + c = 0,
x R.
Si los coeficientes b y c se mantienen constantes, que pasa con r1 y r2 cuando a 0?

7.14. El punto X1 divide al segmento AB = l en dos partes iguales; el punto X2 divide al segmento AX1 en dos
partes tambien iguales; el punto X3 divide, a su vez, el segmento X2 X1 en dos partes iguales; el punto X4 hace
lo propio con el segmento X2 X3 y as sucesivamente. Determinar la posicion
lmite de Xn , cuando n .
7.15. Halle las constantes k y b de manera que se cumple que
!
x3 + 1
= 0.
lm kx + b 2
x
x +1
7.16. Calcule el lmite indicado
7.7 Problemas
231
!x
x4 2x3 + x
;
x x4 2x3 x2 + 2x + 1
!x2
x4 2x3 + 1
L = lm 4
;
x x 3x3 x2 + 2
!x
5x10 + ln(x)
;
L = lm
x 2x10 5x2 ln(x) + 2
L = lm
ln(xp 2x2 + 1)
,
x ln(3xq x + 2)
L = lm
p ]2; [, q ]1; [;
3
L = lm [1 2 arctan(x + 2)] ln(1+2 sin(x+2)) ;

x2
h
i 3
L = lm 1 + ln(1 + sin(x3 )) x3 ;
x0
!x
x2 + 3ex + ln(x)
L = lm
.
x
4ex + ln(x)
(7.50)
(7.51)
(7.52)
(7.53)
(7.54)
(7.55)
(7.56)
7.17. Dada la funcion

f (x), analice su continuidad, es decir, halle el conjunto donde la
funcion
es continua.
arctan(3 sin(x))
3 tan(ex 1) , si x [1; 1] \ {0},

f (x) =
,
si x = 0;
3
ln(1 + 3 sin(x 1))
, si x [0.9; 2.0] \ {1},
3 arctan(e2(x1) 1)
f (x) =
0,
si x = 1;
2
2x + 2x 12
2x2 12x + 16 , si x R \ {2},

f (x) =
,
si x = 2.
2
(7.57)
(7.58)
(7.59)

f (x), analice su continuidad, es decir, halle el conjunto donde la
funcion
es continua.
3 sin(x) arctan(2x)
e
e
5 arcsin(ex 1) , si x [0.5; 0.0[,
5
f (x) =
(7.60)
,
si x = 0;
3 ln(1 + 2x2 )
si x ]0.0; 0.5[;
10 ln(1 + 3x2 ) ,
3 sin(x1) arctan(2(x1))
e
e
, si x [0.5; 1.0[,
(x1) 1)
5
arcsin(e
1
f (x) =
(7.61)
,
si x = 1;
3 ln(1 + 2(x 1) )
,
si x ]1.0; 1.5[.
10 ln(1 + 3(x 1)2 )

7.19. Calcule el lmite indicado
232
2
5x 2x
L = lm
;
x0 sin(x2 )
p
p
1 + sin(x3 ) 1 ln(1 + x3 )
;
L = lm
3
x0
arctan(ex 1)

1/ arctan2 (x1)
L = lm cos(sin(ex1 1))
.
x1
lm r
x
;
q
x+ x+ x
x2 (a + 1)x + a
lm
;
xa
x3 a3

1
3
.
lm
x1 1 x
1 x3
1+x1
lm
;
x0 3 1 + x 1
3
x1
lm
;
x1 4 x 1
3
x2 2 3 x + 1
lm
.
x1
(x 1)2
(7.62)
(7.63)
(7.64)
(7.65)
(7.66)
(7.67)
p

x(x + a) x ;
x
3 5+x
;
lm
x4 1 5 x
1+x 1x
lm
.
x0
x
lm
x+ x
lm
;
0
3
x+ 3 x
lm
;
0

3
lm x + 1 x3 .
(7.68)
(7.69)
(7.70)
(7.71)
(7.72)
(7.73)

x
lm(1 x) tan
;
2
x1

lm cotg(2x) cotg
x ;
x0
2
1 2 cos(x)
lm
;
3x
x/3
cos(mx) cos(nx)
;
x2
tan(x) sen(x)
lm
;
x0
x3
sen(x) sen(a)
.
lm
xa
xa
(7.74)
lm
(7.77)
x0
(7.75)
(7.76)
(7.78)
(7.79)
tan(x)
;
x2 x + 2
1 x2
lm
;
x1 sen(x)

cos x
2
lm
;
x1 1 x
lm
(7.80)
lm
lm
x0
(7.82)
p
cos(x)
(7.83)
;
x3
cos(x) cos(a)
lm
.
xa
xa
(7.84)
x2
p
p
1 + sen(x) 1 sen(x)
x0
(7.81)
(7.85)
7.7 Problemas
233
ln(cos(x))
;
x0
x2
senh(x)
;
lm
x0
x
cosh(x) 1
;
lm
x0
x2
lm
lm tanh(x);
(7.86)
(7.87)
x0
(7.88)
1
;
1 + e1/x
x
lm
.
x2+ x 2
lm
(7.89)
(7.90)
(7.91)
7.25. Hallar numeros

enteros p Z y q Z \ {0}, primos entre s y tales que x = p/q.
x = 0.1355555...
(7.92)
x = 5.34457457457457...
(7.95)
x = 0.3711111...
(7.93)
x = 4.1913913913913....
(7.96)
x = 4.8799999...
(7.94)
x = 4.599999999...
(7.97)
7.26. Hallar el lmite de los permetros de los polgonos regulares de n lados inscritos en una circunferencia de
radio R, si n .
7.27. El segmento AB = a de la Figura 7.8 esta dividido en n partes iguales. Sobre cada una de ellas, tomandola
como base, se ha construido un triangulo isosceles,
cuyos a ngulos en la base son igaules a = /4. Demostrar
que el lmite del permetro de la lnea quebrada as formada es diferente de la longitud del segmento AB, a
pesar de que, pasando al lmite cuando n , la lnea quebrada se confunde geometricamente con el segmento
AB.
Figura 7.8
Captulo 8

la realidad
Albert Einstein
8.1.
Introduccion
El lector puede apoyar el estudio de la presente seccion

con [21] y [3]. En el apunte anterior se estudiaron
los conceptos de continuidad y lmite de una funcion
real de variable real. A grosso modo dijimos que una
funcion
es continua cuando su grafica no presenta cortes o saltos. El objetivo de este captulo es estudiar el
concepto de derivabilidad. Intuitivamente, una funcion
f sera derivable en un punto x0 Dom( f ) si la grafica
de f es continua en x0 y, ademas, el cambio de f (x) es suave cuando x esta en las cercanas de x0 - dicho de otra
manera, cuando la grafica de f no presenta una punta en x0 .
y 6
q
s
q
q
q
qb
q
c
Conforme a la nocion
intuitiva que acabamos de mencionar, tenemos que la funcion
representada en el grafico
es derivable en x = a pero no lo es en los puntos x {b, c, d}.
La nocion
recien presentada es consistente con la siguiente Definicion.
Definicion
8.1 [Derivabilidad en un punto y en una region]
Sea f una funcion continua en el intervalo (a, b) y sea x0 (a, b). Se dice que f es derivable en x0 Dom( f ) si
lm
h0
f (x0 + h) f (x0 )
f 0 (x0 ) R.
h
(8.1)
En este caso, se dice que f 0 (x0 ) es la derivada de f en el punto x = x0 . Si f es derivable en todo punto x I Dom( f ),
decimos que f es derivable en I.
Observacion
8.1 Tambien suelen encontrarse las siguientes notaciones alternativas para la derivada de una funcion f
en un punto x0 :
235
236
8 La derivada y sus aplicaciones
df
(x0 ) = f(x0 ) = fx (x0 ) = Dx f (x0 ).
(8.2)
dx
Nosotros usaremos principalmente la primera notacion y, solo cuando hace las cosas mas intuitivas, la segunda notacion.
f 0 (x0 ) =
Nuestra primera proposicion

nos dice que para que f 0 (x0 ) exista, la suavidad de la curva de la funcion
f,
cuando x tiende a x0 tiene que ser la misma si nos movemos desde la derecha o desde la izquierda. Para medir
la suavidad desde la izquierda introducimos la idea de derivada por la izquierda de f en x = x0 :
f0 (x0 ) lm
h0
f (x0 + h) f (x0 )
.
h
Para medir la suavidad desde la derecha introducimos la idea de derivada por la derecha de f en x = x0 :
f+0 (x0 ) lm
h0
f (x0 + h) f (x0 )
.
h
Proposicion
8.1 [Derivadas laterales]
Para que exista la derivada de una funcion f en x0 Dom( f ) es necesario y suficiente que
i) f sea continua en x = x0 ;
ii) f+0 (x0 ) = f0 (x0 ) R.
En este caso,
f 0 (x0 ) = f+0 (x0 ) = f0 (x0 ).
Example 8.1. Consideremos la funcion

valor absoluto:
si x 0,
x,
Abs(x) =
x, si x < 0.
A partir de su definicion
podemos ver que
si x > 0,
1,
Abs (x) =
1, si x < 0;
0
pero, puesto que
Abs0+ (0) = 1 , 1 = Abs0 (0),
la funcion
valor absoluto no es derivable en x = 0.

valor absoluto es derivable en todos los puntos de R \ {0}.
En los siguientes dos ejemplos derivamos mediante la formula

(8.1) las funciones seno y logartmica.
Example 8.2. Sea f (x) = ln(x), si x > 0. Usamos el cambio de variable = h/x0 para calcular f 0 (x0 ):
(8.3)
8.2 Reglas y formulas

para derivar
237
f (x0 + h) f (x0 )
h
h0
ln(x0 + h) ln(x0 )
= lm
h
h0
ln((x0 + h)/x0 )
= lm
h
h0
ln(1 + xh0 )
= lm
h
h0
ln(1 + )
= lm
x0
0
ln(1 + )
1
=
lm
x0 0
1
= .
x0
f 0 (x0 ) = lm
Example 8.3. Sea f (x) = sen(x), x R. Usamos el hecho que

sen(A + B) sen(A B) = 2 sen(B) cos(A),
A, B R,
y el cambio de variable = h/2, para calcular f 0 (x0 ), cuando x = x0 R:

f (x0 + h) f (x0 )
h
sen(x0 + h) sen(x0 )
lm
h
h0
2 sen(h/2) cos(x0 + h/2)
lm
h
h0
!

sen(h/2)
lm cos(x0 + h/2) lm
h/2
h0
h0
sen()
cos(x0 ) lm
0
cos(x0 ).
f 0 (x0 ) = lm
h0
=
=
=
=
=
8.2.
Reglas y formulas
para derivar
Usando las herramientas vistas en el apunte de lmites y la formula

(8.1) se puede proceder como en los
Ejemplos 8.2 y 8.3 para obtener las siguientes reglas de derivacion.
238
Proposicion
8.2 [Reglas de derivacion]
Sean c R una constante, u y v dos funciones reales y x Dom(u) Dom(v). Se tiene que
i) (c)0 = 0;
ii) (x)0 = 1;
iii) (u + v)0 (x) = u0 (x) + v0 (x);
iv) (c u)0 (x) = c u0 (x);
v) (u v)0 (x) = u0 (x) v(x) + u(x) v0 (x);
0
u0 (x) v(x) u(x) v0 (x)
u
(x) =
, si v(x) , 0;
vi)
v
v2 (x)
0
v0 (x)
1
vii)
(x) = 2 , si v(x) , 0;
v
v (x)

v(x)
v
0
viii) (u ) (x) = (uv )(x) v0 (x) ln(u(x)) + u(x) u0 (x) , si u(x) > 0.
Las formulas
para las derivadas de las funciones basicas se presentan en la siguiente tabla:
f(x)
xp
sen(x)
cos(x)
tan(x)
cotg(x)
arc sen(x)
arc cos(x)
arctan(x)
ex
ax
ln(x)
loga (x)
f0 (x)
Observacion
p1
px
p,0
cos(x)
sen(x)
sec2 (x)
x Dom(tan)
csc2 (x) x Dom(cotg)
1
|x| < 1
1 x2
1
|x| < 1
1 x2
1
1 + x2
ex
x
a ln(a)
a>0
1/x
x>0
1
x > 0, a R+ \ {1}
x ln(a)
Example 8.4. Usamos la Proposicion

8.2 para calcular la derivada de la funcion
f (x) = x4 cos(x) arctan(x) ln(x).

Tenemos, para x Dom( f ) Dom( f 0 ), que

0
f 0 (x) = x4 cos(x) arctan(x) ln(x)

0
= x4 cos(x) (arctan(x) ln(x))0
0
= x4 cos(x) + x4 (cos(x))0 (arctan(x))0 ln(x) arctan(x) (ln(x))0
1
1
ln(x) arctan(x)
x
1 + x2
ln(x)
arctan(x)
= 4x3 cos(x) x4 sen(x)
.
x
1 + x2
= 4x3 cos(x) x4 sen(x)
Example 8.5. Calculemos la derivada de la funcion

2 +5x1
f (x) = (sen(x) + ex )x
Para aplicar el punto 8 de la Proposicion
8.2, escribimos
8.3 La Regla de la Cadena
239
f (x) = (u(x))v(x) ,
donde
u(x) = sen(x) + ex ,
v(x) = x2 + 5x 1.
Tenemos, para x Dom( f ) Dom( f 0 ), que

u0 (x) = (sen(x) + ex )0
= (sen(x))0 + (ex )0
= cos(x) + ex ,
(8.1)
y

0
v0 (x) = x2 + 5x 1
= (x2 )0 + (5x)0 + (1)0
= 2x + 5.
(8.2)
Entonces, por (8.1) y (8.2), tenemos que

f 0 (x) = (sen(x) + ex )x
8.3.
2 +5x1
(2x + 5) ln(sen(x) + ex ) +
!
x2 + 5x 1
x
(cos(x)
+
e
)
.
sen(x) + ex
La Regla de la Cadena
En la siguiente proposicion
que permite derivar funciones
presentamos la Regla de la Cadena, formula
compuestas. La idea es simple: si y = f (u) y u = g(x) entonces podemos escribir

Y = f (g(x)),
donde usamos Y en vez de y para recordarnos que ha cambiado la variable u por la variable x; entonces
dY dy du
=
.
dx du dx
(8.1)
Observese
que en el lado derecho de (8.1) uno intuivamente puede pensar que se simplica el factor du para obtener el
lado izquierdo.
240
Proposicion
8.3 [Regla de la Cadena]
Consideremos las funciones reales
g : Dom(g) R
x
7 u = g(x),
(8.2)
y
f : Dom( f ) R
u
7 y = f (u).
(8.3)
Supongamos que g es derivable en x0 ]a, b[ Dom(g) y que f es derivable en u0 = g(x0 ) ]c, d[ Dom( f ).
Entonces,
( f g)0 (x) = f 0 (g(x0 )) g0 (x0 ),
(8.4)
o, denotando Y = f g,
dy
dY
du
(x0 ) =
(u0 ) (x0 ).
dx
du
dx
(8.5)
Observacion
8.2 [Estrategia para derivar funciones compuestas (ERC)]
En la practica, cuando derivamos una funcion h que resulta de la composicion de dos o mas funciones, trabajamos de afuera
hacia adentro, es decir detectamos cual es la ultima

operacion que se ejecuta para calcular h(x) y empezamos a derivar
por la funcion que le corresponde, respetando el argumento que aparece en su interior. A este resultado multiplicamos por
la derivada de la funcion correspondiente a la penultima

operacion ejecutada para calcular h(x), respetando el argumento
que aparece en su interior. Continuamos este proceso hasta agotar las operaciones.
Example 8.6. Derivemos la funcion
h(x) = tan3 (x).

Para ello, observemos como trabaja h(x): toma x y calcula su tangente, para entonces elevar ese resultado al
cubo. Ahora aplicamos (ERC), para x Dom(h) Dom(h0 ):

0
h0 (x) = tan3 (x)
= 3 tan2 (x) (tan(x))0
= 3 tan2 (x) sec2 (x).

h(x) = arctan(x7 + 4x3 + 5).

Para ello, observemos como trabaja h(x): toma x y calcula x7 + 4x3 + 5, para entonces obtener el arco tangente
de este resultado. Ahora aplicamos (ERC), para x Dom(h) Dom(h0 ):

0
h0 (x) = arctan(x7 + 4x3 + 5)
1
(x7 + 4x3 + 5)0
1 + (x7 + 4x3 + 5)2
1
=
(7x6 + 12x2 )
7
1 + (x + 4x3 + 5)2
7x6 + 12x2
.
=
1 + (x7 + 4x3 + 5)2
=

8.4 Derivadas de orden superior
241
h(x) = sen5 (ln(x)).

Para ello, observemos como trabaja h(x): toma x y calcula su logaritmo; entonces calcula el seno de ese resultado
para finalmente elevarlo a la potencia 5. Ahora aplicamos (ERC), para x Dom(h) Dom(h0 ):

0
h0 (x) = sen5 (ln(x))
= 5 sen4 (ln(x)) (sen(ln(x)))0
= 5 sen4 (ln(x)) cos(ln(x)) (ln(x))0
1
= 5 sen4 (ln(x)) cos(ln(x))
x
5 sen4 (ln(x)) cos(ln(x))
=
.
x
de las reglas y formulas
la regla de la cadena, permiten derivar

Una apropiada aplicacion
descritas anteriormente, mas
(derivable). Para adquirir esta capacidad el estudiante debe desarrollar tantos ejercicios como sean
practicamente
toda funcion
mismo sienta dominio sobre la tecnica.
necesarios hasta que el

Al final de este captulo hay un numero
moderado de ejercicios
- para algunos estudiantes puede ser un numero

apropiado de ejercicios, para otros pueden ser demasiados ejercicios y para
otros pueden no ser suficientes, el estudiante debe autoevaluarlo!
8.4.
Derivadas de orden superior
Como ya hemos visto, la derivada f 0 de una funcion

f es tambien una funcion.
Si f 0 es a su vez derivable,
denotamos
f 00 = ( f 0 )0
o, lo que es lo mismo,
!
d2 f
d df
=
,
d x2 dx d x
d2 f
y se dice que f 00 = d x2 es la derivada de segundo orden de f . En tanto que se pueda seguir derivando, la
derivada de orden m N de f estara dada por
!
dm f
d dm1 f
=
.
d xm dx d xm1
Example 8.9. Hallemos la derivada de segundo orden de la funcion
h(x) =
tan3 (x)
+ tan(x) + x.
3
Tenemos, para x Dom(h) Dom(h0 ), que

!0
tan3 (x)
h (x) =
+ tan(x) + x
3
1
= (tan3 (x))0 + (tan(x))0 + (x)0
3
= tan2 (x) (tan(x))0 + sec2 (x) + 1
0
= tan2 (x) sec2 (x) + sec2 (x) + 1

= sec2 (x) (tan2 (x) + 1) + 1
= sec4 (x) + 1;
y, entonces, para x Dom(h) Dom(h0 ) Dom(h00 ),
(8.1)
242
h00 (x) = (h0 (x))0

= (sec4 (x) + 1)0
= (cos4 (x) + 1)0
= 4 cos5 (x) ( sen(x))
= 4 sec4 (x) tan(x).
Example 8.10. Sea R. Calculemos la derivada de segundo orden de la funcion

!
x sen()
f (x) = arctan
.
1 x cos()
Por (ERC) tenemos, para x Dom( f ) Dom( f 0 ), que
"
f (x) = arctan
0
x sen()
1 x cos()
1
1+
x sen()
1x cos()
!#0
!0
x sen()
2 1 x cos() .
(8.2)
Sacamos aparte
x sen()
1 x cos()
!0
(x sen())0 (1 x cos()) (x sen())(1 x cos())0

(1 x cos())2
sen()
=
.
(1 x cos())2
=
(8.3)
Entonces, reemplazando (8.3) en (8.2) y operando se alcanza

f 0 (x) =
sen()
.
2(1 x cos())
Entonces
!0
sen()
2(1 x cos())
sen()
cos()
=
2
(1 x cos())2
sen(2)
=
.
4(1 x cos())2
f 00 (x) =
8.5.
La regla de Bernoulli - LHopital
La Regla de Bernoulli - LHopital,
(BH), es una herramienta muy util

que permite en muchos casos levantar
indeterminaciones de la forma 0/0 y / cuando tanto el numerador como el denominador de r = f /g son
funciones diferenciables.
8.5 La regla de Bernoulli - LHopital
243
Regla (BH)
Sea r = f /g una funcion
diferenciable en (a, b). Supongamos que L R {, }, x0 (a, b) y que
f 0 (x0 )
= L.
g0 (x0 )
Si
lm f (x) = lm g(x) = 0,
xx0
lm |g(x)| = +,
xx0
entonces,
lm
xx0
xx0
f (x)
= L.
g(x)
En la Regla (BH) se puede considerar el caso en que x0 es + o .
Demostracion. Consideremos unicamente

el caso en que L R y lm f (x) = lm g(x) = 0. Puesto que f (x0 ) =
xx0
g(x0 ) = 0, se tiene que
xx0
f (x) f (x0 )
xx0
g(x)g(x0 )
xx0
f (x0 +h) f (x0 )
h
lm
h0 g(x0 +h)g(x0 )
h
f 0 (x0 )
g0 (x0 )
f (x)
lm
= lm
xx0 g(x)
xx0
=
=
= L.
Observacion
8.3 A veces es necesario aplicar sucesivamente mas de una vez (BH) para calcular un lmite planteado
como una una indeterminacion 0/0 o /.
Example 8.11. Tenemos que
sen(x)
(sen(x))0
= lm
x
(x)0
x0
x0
cos(x)
= lm
1
x0
= 1.
lm
Example 8.12. Tenemos que

ln(1 + x)
(ln(1 + x))0
= lm
x
(x)0
x0
x0
lm
= lm
x0
= 1.
Example 8.13. Queremos calcular
1
1+x
244
x3 3x2 + x + 1
.
x
2x3 2
Por supuesto, podramos recurrir al uso de infinitos como lo mencionamos en el captulo anterior pero preferimos en esta ocasion
usar (BH) para ejemplificar su uso. En este caso, es necesaria la aplicacion
sucesiva de
(BH).
lm
(x3 3x2 + x + 1)0

x3 3x2 + x + 1
=
l
m
x
x
2x3 2
(2x3 2)0
2
3x 6x + 1
= lm
x
6x2
2
(3x 6x + 1)0
= lm
x
(6x2 )0
6x 6
= lm
x 12x
(6x 6)0
= lm
x (12x)0
1
= .
2
lm
Example 8.14. Queremos calcular

x3 2x2 x + 2
.
x1
x3 7x + 6
Observemos que tanto el numerador como el denominador tienden a cero cuando x 1, es decir estamos
tratando con una indeterminacion
0/0. Por supuesto, podramos dividir tanto el numerador como el denominador por el factor (x 1) para intentar levantar la indeterminacion
pero preferimos usar (BH) para ejemplificar
su uso.
lm
(x3 2x2 x + 2)0

x3 2x2 x + 2
=
l
m
x1
x1
x3 7x + 6
(x3 7x + 6)0
3x2 4x 1
= lm
x1 3x2 7x
3 (1)2 4 (1) 1
=
3 (1)2 7
1
= .
2
lm
8.6.
Derivacion
de una funcion
implcita
A veces la funcion
que establece la dependencia entre las variables x e y no esta dada de manera explcita,
esto es mediante una formula
y = f (x),
sino de manera implcita,
F(x, y) = cte.,
(8.1)
dy
lo cual quiere decir que posiblemente no se puede despejar y en terminos de x. En este caso, para hallar y0 = dx
derivamos (8.1) con respecto a x considerando que y es funcion
de x, es decir usamos la regla de la cadena.
dy
0
Como segundo paso, despejamos y = dx .
8.6 Derivacion
de una funcion
implcita
245
Observacion
8.4 Ahora, si lo que buscamos es
dx
dy ,
podemos proceder de manera analoga, es decir derivando (8.1) con
respecto a y considerando a x como funcion de y. Como alternativa, para cuando ya se tiene calculado
dy
dx ,
se puede hacer:
dx
1
= .
dy dy
(8.2)
dx
Example 8.15. Buscamos y0 =

formula
dy
dx
cuando las variables x e y estan ligadas por la funcion

determinada por la
x5 + y5 5a xy = 1,
(8.3)
donde a R es una constante. Para ello derivamos (8.3):

d
d 5
x + y5 5a xy =
(1)
dx
dx
5x4 + 5y4 y0 5a(y + xy0 ) = 0,
de donde, despejando y0 , obtenemos
y0 =
Ahora, si buscamos
dx
dy ,
ay x4
.
y4 ax
aplicamos (8.2) y obtenemos

dx
1
=
=
dy dy
dx
Example 8.16. Buscamos x0 =
dx
dy
1
ayx4
y4 ax
y4 ax
.
ay x4
cuando las variables x e y estan ligadas por la relacion
y sen(x) ln(x2 5x + 4) = 0.
(8.4)
Una primera estrategia para proceder sera derivar directamente con respecto a y en (8.4), lo cual involucra
varias veces la aplicacion
de la regla de la cadena (tema en el que suele tener dificultades el principiante). Por
otro lado, observamos que es mas facil derivar (8.4) con respecto a x, as que optamos por esta va para entonces
aplicar (8.2):

d
d
y sen(x) ln(x2 5x + 4) =
(0)
dx
dx
dy
2x 5
cos(x) 2
= 0,
dx
x 5x + 4
de donde obtenemos
dy
2x 5
= cos(x) + 2
,
dx
x 5x + 4
y finalmente

dx
2x 5 1
= cos(x) + 2
.
dy
x 5x + 4
Observacion
8.5 El metodo de derivacion de una funcion dada implcitamente es una alternativa al punto 8 de la
dy
Proposicion 8.2, cuando se busca dx y las variables x e y estan ligadas por la funcion definida por la formula
y = (u(x))v(x) ,
(8.5)
donde, a su vex, u y v son funciones de x. La nueva estrategia requiere tomar ln en (8.5) para entonces derivar con respecto
a x.
Example 8.17. Buscamos
dy
dx
cuando las variables x e y estan ligadas por la formula

dada por la formula
246

2 5x+4
y = (sen(x))x
Tenemos que

2
ln(y) = ln (sen(x))x 5x+4
= (x2 5x + 4) ln(sen(x)).
(8.6)
Entonces, derivando con respecto a x en (8.6):

y0
cos(x)
= (2x 5) ln(sen(x)) + (x2 5x + 4)
,
y
sen(x)
as que
"
#
cos(x)
y = y (2x 5) ln(sen(x)) + (x 5x + 4)
sen(x)
#
"
cos(x)
2
x 5x+4
2
.
= (sen(x))
(2x 5) ln(sen(x)) + (x 5x + 4)
sen(x)
0
Example 8.18. Buscamos
dy
dx
cuando las variables x e y estan ligadas por la funcion

dada por la formula
y = (arctan(x))x
sen(x)
Tenemos que

sen(x)
ln(y) = ln (arctan(x))x
= xsen(x) ln(arctan(x)).
(8.7)
Puesto que en (8.7) todava tenemos el problema de una funcion

eleveda a otra funcion
volvemos a tomar ln:

ln(ln(y)) = ln xsen(x) ln(arctan(x)) ,
= sen(x) ln(x) + ln(ln(arctan(x))).
(8.8)
Entonces, derivando con respecto a x en (8.8):

y0
1
1
= cos(x) ln(x) + sen(x) +
,
2
y ln(y)
x (1 + x ) arctan(x) ln(arctan(x))
as que
"
#
sen(x)
1
y = y ln(y) cos(x) ln(x) +
+
.
x
(1 + x2 ) arctan(x) ln(arctan(x))
0
8.7.
Monotona y Puntos Crticos
Para empezar, consideremos una funcion

real de variable real f cualquiera, no requerimos su derivabilidad.
Recordemos que
f es creciente, denotado f %, si se cumple que
f (x1 ) f (x2 ),
x1 , x2 Dom( f ), x1 < x2 .
f es estrictamente creciente, denotado f %%, si se cumple que
8.7 Monotona y Puntos Crticos
247
f (x1 )< f (x2 ),
x1 , x2 Dom( f ), x1 < x2 .
f es decreciente, denotado f &, si se cumple que

f (x1 ) f (x2 ),
x1 , x2 Dom( f ), x1 < x2 .
f es estrictamente decreciente, denotado f &&, si se cumple que

f (x1 )> f (x2 ),
x1 , x2 Dom( f ), x1 < x2 .
que es creciente o decreciente se dice que es monotona.
Recuerde a una funcion
real f se denota Z[ f ], es decir

El conjunto de ceros de una funcion
Z[ f ] = {x Dom/ f (x) = 0}.
(8.1)
Para una funcion,

aquellos puntos donde la derivada se anula son importantes tanto para el analisis de
monotona como para el estudio de extremos locales.
Definicion
8.2 [Puntos crticos]
Sea f una funcion real derivable en x0 Dom( f ). Decimos que x0 es un punto crtico de f si se tiene que
f 0 (x0 ) = 0. Al conjunto de puntos crticos de f se le denota K [ f ], es decir,
K [ f ] = {x Dom( f ) : f 0 (x) = 0}.
(8.2)
Observacion
8.6 Dada una funcion f , para hallar K [ f ] hay que resolver la ecuacion
f 0 (x) = 0,
x Dom( f ).
Proposicion
8.4 Sea f una funcion derivable en I Dom( f ). Entonces, f es creciente en I si y solo si
f 0 (x) 0,
x I.
(8.3)
f 0 (x) 0,
x I.
(8.4)
Asimismo, f es decreciente en I si y solo si
En la proposicion
anterior, podemos hablar de crecimiento o decrecimiento estrictos en tanto que las desigualdades (8.3) y (8.4) sean tambien estrictas. Tambien se deduce que los puntos crticos de una funcion
probablemente son aquellos donde el signo de su derivada cambia.

Example 8.19. Consideramos la funcion
1
2
1
f (x) = x4 x3 x2 + 2x.
4
3
2
Los puntos cr`ticos de f son las soluciones de la ecuacion
`
f 0 (x) = x3 2x2 x + 2 = 0,
es decir,
K [ f ] = {1, 1, 2}.
Para conocer donde la funcion

es creciente o decreciente, consideramos los intervalos
I1 = (, 1],
I2 = [1, 1],
I3 = [1, 2],
I4 = [2, )
248
(observese que son intervalos cerrados) y evaluamos f 0 en puntos de cada uno de estos intervalos; por ejemplo
en los puntos
x1 = 1.5 I1 , x2 = 0.0 I2 , x3 = 1.5 I3 , x4 = 2.5 I4 .
Tenemos que
f 0 (x1 ) = 4.375 < 0,

f 0 (x3 ) = 0.625 < 0,
Por tanto, la funcion

f es creciente en
y decreciente en
f 0 (x2 ) = 2.0 > 0,

f 0 (x4 ) = 2.625 > 0.
I2 I4 = [1, 1] [2, [,
I1 I3 =] , 1] [1, 2].

definida mediante
f (x) = x ln(x) x,
x (0, ).
Los puntos cr`ticos de f son las soluciones de la ecuacion
f 0 (x) = ln(x) = 0,
es decir,
x (0, ),
K [ f ] = {1}.
Para conocer donde la funcion

es creciente o decreciente, consideramos los intervalos
I1 = (0, 1],
I2 = [1, +)
(observese que son intervalos cerrados) y evaluamos f 0 en puntos de cada uno de estos intervalos; por ejemplo
en los puntos
x1 = 0.5 I1 , x2 = 1.5 I2 .
Tenemos que
f 0 (x1 ) = 0.69314 < 0,
Por tanto, la funcion

f es creciente en
y decreciente en
f 0 (x2 ) = 0.40546 > 0.
I2 = [1, ),
I1 = (0, 1].
Example 8.21. Puesto que para la funcion

ln se tiene que
(ln(x))0 =
1
> 0,
x
x > 0,
es claro que ln no tiene puntos crticos y ademas es estrictamente creciente en todo su dominio.
Example 8.22. Puesto que para la funcion
exp se tiene que
exp0 (x) = ex > 0,
x R,
es claro que exp no tiene puntos crticos y ademas es estrictamente creciente en todo su dominio de definicion.
8.8 Convexidad y puntos de inflexion
8.8.
249
Convexidad y puntos de inflexion
El concepto de convexidad es muy util

para determinar en variadas situaciones la existencia de un unico
mnimo local. Para hablar de convexidad no se requiere en principio la derivabilidad de la funcion

bajo
estudio; pero, cuando la funcion
tiene derivada de segundo orden, el estudio de la convexidad se ve reducido
al signo de la segunda derivada.
Definicion
8.3 [Convexidad de una funcion]
Se dice que una funcion real es convexa en [a, b] Dom( f ) si se cumple que
(tx + (1 t)y) t(x) + (1 t)(y),
x, y [a, b], t ]0; 1[.
(8.1)
Si en (8.1) la desigualdad cambia de sentido, diremos que es una funcion concava en [a, b].
Si en la definicion
anterior, la desigualdad es estricta diremos que es estrictamente convexa. De la misma
manera definimos el concepto de concavidad estricta.
f es convexa (respectivamente concava)
Intuitivamente, podemos decir que una funcion

en un intervalo I = [a, b] Dom( f )
cuando su grafica
presenta una abertura hacia arriba (respectivamente hacia abajo).
Definicion
8.4 [Puntos de inflexion]
Sea f una funcion real y sea x0 Dom( f ). Se dice que x0 es un punto de inflexion de f si existe un intervalo
[a, b] Dom( f ), tal que x0 (a, b) y tal que se cumple una de las siguientes condiciones
a) f es concava en [a, x0 ] y convexa en [x0 , b];
b) f es convexa en [a, x0 ] y concava en [x0 , b].
Al conjunto de puntos de inflexion de f se le denota por I[ f ].
En las cuatro graficas que siguen se presentan funciones que no tienen puntos de inflexion;
en las Figuras 8.2
y 8.4 las funciones son estrictamente convexa y en la Figuras 8.3 y 8.5 las funciones son estrictamente concavas.

definida por f (x) = x2 + 1 es es estrictamente convexa.
Ejemplo 8.1 A partir de la grafica de la funcion
f (x) = x3 1
(Figura 8.6) podemos intuir que es concava en ] ; 0] y convexa en [0, [ as que x0 = 0 es un punto de inflexion de f .
Ejemplo 8.2 Las funciones pueden cambiar su comportamiento de convexo a concavo (o viceversa) varias veces y por
tanto pueden tener varios (incluso infinitos) puntos de inflexion. Veanse por ejemplo Figuras 8.7 y 8.8 de las funciones
definidas por las formulas f (x) = x3 2x2 x + 2 y g(x) = sen(x).
250

definida por f (x) = x2 1 es es estrictamente concava.

definida por f (x) = ex + 1 es estrictamente convexa.

definida por f (x) = ex 1 es es estrictamente concava.

f (x) = x3 1 tiene un punto de inflexion
dada por la formula
en x = 0.
Para encontrar los puntos de inflexion

de una funcion
que tiene derivada de segundo orden es util
la
siguiente proposicion.
Proposicion
8.5 Sea f una funcion real que tiene derivada de segundo orden en x0 (a, b) Dom( f ). Si
f 00 (x0 ) = 0 y existe un > 0 (probablemente pequeno)
tal que una de las relaciones siguiente se cumple
a) f 00 (x) > 0, x (x0 ; x0 )
b) f 00 (x) < 0, x (x0 ; x0 )
entonces x0 es un punto de inflexion de f .
f 00 (x) < 0, x (x0 ; x0 + );

f 00 (x) > 0, x (x0 ; x0 + ),
8.8 Convexidad y puntos de inflexion
251

f (x) = x3 2x2 x + 2 tiene un punto de inflexion
dada por la formula
en x = 2/3.

g(x) = sen(x) tiene puntos de inflexion
dada por la formula
en x = k, k Z.

f (x) = x3 1 cuyo grafico fue presentado en el
Ejemplo 8.1 y a partir del cual intuimos que debera haber un punto de inflexion
en x0 = 0. Veamos si a traves
de la Proposicion
8.5 confirmamos nuestra intuicion
y si quiza existen mas puntos de inflexion.
Tenemos que
f 00 (x) = 6x,
as que f 00 (0) = 0. Es bastante claro que
y que
as que por la Proposicion
8.5 se tiene que
x R,
f (x) < 0,
x < 0,
f (x) > 0,
x > 0,
I[ f ] = {0}.

f (x) = x3 2x2 x + 2 cuyo grafico fue
presentado en el Ejemplo 8.2 y a partir del cual podemos intuir que hay un punto de inflexion
en las cercanas
de x = 1. Tenemos que
f 00 (x) = 6x 4, x R,
as que f 00 (2/3) = 0. Es bastante claro que
y que
as que por la Proposicion
8.5 se tiene que
La siguiente Proposicion
es tambien util.
f (x) < 0,
x < 2/3,
f (x) > 0,
x > 2/3,
I[ f ] = {2/3}.
252
Proposicion
8.6 Sea f una funcion real y sea x0 (a, b) Dom( f ). Si f 00 (x0 ) = 0 y f 000 (x0 ) , 0, entonces x0 es
un punto de inflexion de f .
f (x) = sen(x) cuyo grafico fue presentado en el
Ejemplo 8.2 y a partir del cual podemos intuir que deberan haber infinitos puntos de inflexion.
Tenemos que
f 00 (x) = sen(x),
as que
f 00 (k) = 0,
f 000 (x) = cos(x),

k Z.
Ahora bien, puesto que
1, si k es par,
f 000 (k) =
+1, si k es impar,
8.6 que
8.9.
I[ f ] = {k : k Z}.
Extremos de una funcion
Presentamos en la Seccion
8.7 el concepto de punto crtico y dijimos que el calculo de puntos crticos de
una funcion
es una buena herramienta para encontrar los puntos donde localmente se optimiza (minimiza o
maximiza) la funcion.
En efecto, como veremos mas adelante, un punto crtico es un punto de maximo, de
mnimo o es un punto de ensilladura.
Definicion
8.5 [Maximos y mnimos]
Sea f una funcion real y sea x0 Dom( f ). Se dice que x0 es un punto de maximo local de f si existe una region
I = (a, b) Dom( f ) tal que
i) x0 I;
ii) f (x) f (x0 ), para todo x I.
Se dice que x0 es un punto de mnimo local de f si se cumple que
i) x0 I;
ii) f (x) f (x0 ), para todo x I.
Observacion
8.7 Si en la definicion anterior se tiene que I = Dom( f ), cambiaremos el termino local por global.1
Llamamos punto de extremo a todo punto de maximo

o mnimo, ya sea local o global. A un punto crtico que no es punto
de maximo
ni de mnimo se le llama punto de ensilladura.
Teorema 8.1 [Criterio para extremos y puntos de ensilladura]

Sea x0 un punto crtico de la funcion f . Supongamos que la primera de las derivadas de f , que no se anula en x0
es de orden n. Entonces,
i) Si n es impar, x0 es un punto de ensilladura;
ii) caso contrario, si n es par, x0 es un punto de extremo y mas aun
a) x0 es un punto de maximo local si f (n) (x0 ) < 0;

b) x0 es un punto de mnimo local si f (n) (x0 ) > 0.
1
En estas definiciones se puede cambiar la palabra local por relativo), y global por absoluto.
8.9 Extremos de una funcion
253
Observacion
8.8 En el teorema anterior lo mas frecuente es tratar con n = 2. Entonces, para encontrar los extremos de
una funcion f (usualmente) se debera
1) Hallar los puntos crticos de f , es decir hallar el conjunto K ( f ) = {x Dom( f ) : f 0 (x) = 0}.
2) Para cada x0 K( f ), verificar el signo de f 00 (x0 ):
a) x0 es un punto de maximo local si f 00 (x0 ) < 0;
b) x0 es un punto de mnimo local si f 00 (x0 ) > 0.
2
1
1
f (x) = x4 x3 x2 + 2x.
4
3
2
Como vimos en el Ejemplo 8.19, los puntos cr`ticos de f son las soluciones de la ecuacion
`
f 0 (x) = x3 2x2 x + 2 = 0,
es decir,
K [ f ] = {1, 1, 2}.
Para ver de que tipo son estos puntos crticos tenemos que evaluar
f 00 (x) = 3x2 4x 1
en tales puntos:
f 00 (1) = 6.0 > 0,
f 00 (1) = 2.0 < 0,
f 00 (2) = 3.0 > 0.
Por tanto, por el Teorema 8.1, tenemos que

1) f (x1 ) = f (1.0) =
19
12
2) f (x2 ) = f (1.0) =
13
12
3) f (x3 ) = f (2.0) =
2
3
es un mnimo local de f ;
es un maximo local de f ;
es un mnimo local de f .
Ademas, observando el grafico de f esta claro que no tiene maximo global.

determinada por f (x) = 41 x4 23 x3 12 x2 + 2x.

f (x) = x ln(x) x.
Como vimos en el Ejemplo 8.20, los puntos crticos de f son las soluciones de la ecuacion
`
254
f 0 (x) = ln(x) = 0,
es decir,
K [ f ] = {1}.
Puesto que al evaluar

1
f 00 (x) = ,
x
en x1 = 1 tenemos f 00 (1) = 1 > 0, tenemos por el Teorema 8.1 que f (x1 ) = f (1) = 1 es un mnimo local de f .
Viendo la grafica de f nos damos cuenta que de hecho es un mnimo global.

determinada por f (x) = x ln(x) x.

f (x) = x3 1 que fue estudiada parcialmente en los Ejemplos 8.1 y 8.23.
Tenemos que
f 0 (x) = 3x2 , f 00 (x)6x, f 000 (x) = 6,
as que
f 0 (0) = f 00 (0) = 0,
f 000 (0) = 6 , 0,
y entonces, por el Teorema 8.1, se sigue que x1 = 0 es un punto de ensilladura para f .

f (x) =
x
.
1 + x2
Los puntos crticos de f son las soluciones de la ecuacion
f 0 (x) =
es decir,
1 x2
= 0,
(1 + x2 )2
K [ f ] = {1, 1}.
Evaluando
f 00 (x) =
2x5 4x3 6x
(1 + x2 )4
en los puntos crticos de f tenemos

f 00 (1) =
1
> 0,
2
1
f 00 (1) = < 0,
2
as que f tiene un mnimo local en x1 = 1 y un maximo local en x2 = 1.
8.10 Rectas Tangente y Normal
255

determinada por f (x) =
8.10.
x
.
1 + x2
Rectas Tangente y Normal
Consideremos una funcion

real f y supongamos que en x0 Dom( f ) se tiene
f (x0 ) = ,
f 0 (x0 ) = .
Recta tangente
Busquemos en primer lugar la ecuacion
de T, la recta tangente a la grafica de f en el punto x = x0 . Escribimos
T(x) = m1 x + b1 ,
x Dom( f ).
(8.1)
Puesto que en el punto x0 tanto f como T tienen la misma pendiente se sigue que
m1 = f 0 (x0 ) = ,
(8.2)
y entonces, puesto que T(x0 ) = f (x0 ) = se sigue que

m1 x0 + b1 = ,
de donde
b1 = x0 .
(8.3)
La ecuacion
de la recta tangente a f en el punto x = x0 esta dada entonces por
T(x) = (x x0 ) + ,
x Dom( f ).
(8.4)
Recta normal
Busquemos ahora la ecuacion
de la recta normal N a la grafica de f en el punto x = x0 . Para ello debemos
suponer adicionalmente que
, 0.
Escribimos
N(x) = m2 x + b2 ,
x Dom( f ).
(8.5)
Puesto que en el punto x0 las graficas de f y T se cortan ortogonalmente, se sigue que

m2 =
1
1
= ,
m1
(8.6)
256
y entonces, puesto que N(x0 ) = f (x0 ) = se sigue que

m2 x0 + b2 = ,
de donde
b2 = +
x0
.
(8.7)
La ecuacion
de la recta normal a f en el punto x = x0 esta dada entonces por
1
N(x) = (x x0 ) + ,
8.11.
x Dom( f ).
(8.8)
Asntotas oblcuas

f (x). Si existen los lmites
dada por la formula
m1 = lm
f (x)
= lm f 0 (x),
x
x
b1 = lm ( f (x) m1 x)
x
entonces la recta dada por
y = m1 x + b1
es una asntota oblicua a la derecha para f . Si existen los lmites

m2 = lm
f (x)
= lm f 0 (x),
x
x
b2 = lm ( f (x) m2 x)
x
entonces la recta dada por
y = m2 x + b2
es una asntota oblicua a la izquierda para f .

rango, continuidad, derivabilidad, puntos
Analisis
de una funcion.Corresponde a establecer el dominio de definicion,
asntotas, maximos,
crticos, puntos de inflexion,

mnimos, monotona, inyectividad y sobreyectividad.
8.12.
Calculos aproximados via diferenciales
En su calculadora electronica
encuentra el smbolo correspondiente a la funcion
exponencial, exp(x) = ex ,
cierto? Y quizas al usar esa funcion,
lo mismo que sen, cos, etc., usted esta convencido de que usa realmente
tal funcion.
Pero, es realmente cierto? No. Su calculadora hace una aproximacion
apropiada del valor ex para
un x introducido por el usuario.2 Si x es un valor cercano a 0, entonces se puede usar un polinomio de Taylor /
McClaurin para aproximar ex :
n
X
1 k
ex
x,
k!
k=0
Aqu la palabra apropiada es un tanto subjetiva pues depende del contexto del problema bajo estudio. Por poner un ejemplo,
un error de 1 milmetro en el diseno
de la estructura de un avion
puede provocar que este se estrelle pero esa misma distancia sera
despreciable si lo que se esta midiendo es la distancia entre dos estrellas.
8.12 Calculos aproximados via diferenciales
257
para una cierta n N. En particular, para n = 1,

ex 1 + x.
Veamos en la siguiente tabla que tan buena es la aproximacion.
Para ello definimos como error cometido,
denotado E, a la distancia entre el valor real y el valor aproximado.
x
-1.00000
-0.50000
-0.10000
-0.01000
-0.00100
-0.00010
+0.00000
+0.00010
+0.00100
+0.01000
+0.10000
+1.00000
..
.
ex
0.3678794412
0.6065306597
0.9048374180
0.9900498337
0.9990004998
0.9999000050
1.0000000000
1.0001000050
1.0010005000
1.0100501670
1.1051709180
2.7182818280
..
.
1+x
0.0000000000
0.5000000000
0.9000000000
0.9900000000
0.9990000000
0.9999000000
1.0000000000
1.0001000000
1.0010000000
1.0100000000
1.1000000000
2.0000000000
..
.
E
0.3678794412
0.1065306597
0.0048374180
0.0000498337
0.0000004998
0.0000000049
0.0000000000
0.0000000050
0.0000005001
0.0000501670
0.0051709180
0.7182818285
..
.
Cuadro 8.1 Aproximacion

polinomial de la funcion
exponencial
Como se puede ver en el Cuadro 8.1, la aproximacion

1 + x de ex es buena cuando los valores de x son mas y
mas cercanos a 0.
El tipo de aproximacion
que acabamos de presentar es la materia de esta seccion.
De hecho nuestra maquinaria servira no solo para la funcion
exponencial sino para toda funcion
derivable en torno a un punto x = x0
(no necesariamente entorno a 0). Para ello necesitamos introducir el concepto de diferencial.
Recordemos que si una funcion
real f es derivable en un punto x0 , se tiene que
f (x0 + h) f (x0 )
h
f (x) f (x0 )
= lm
xx0
x x0
f 0 (x0 ) = lm
h0
(8.1)
Ahora bien, si denotamos la variacion en x0 por

x0 = x x0
y la correspondiente variacion
de los valores de la funcion
por
y0 = y y0 ,
donde
y0 = f (x0 ),
y = f (x),
entonces (8.1) se transforma en

f 0 (x0 ) = lm
xx0
y0
.
x0
(8.2)
Entonces se tiene, para |x0 | es pequeno,

que
f 0 (x0 )
es decir
y0
,
x0
(8.3)
258
y0 f 0 (x0 ) x0 ,
(8.4)
f (x0 + x0 ) f (x0 ) + f 0 (x0 ) x0 .
(8.5)
En virtud de la notacion
f 0 (x0 ) =
df
(x0 )
dx
a (8.4) se le representa usualmente mediante

dy = f 0 (x0 ) dx
(8.6)
y se dice que dy es el diferencial de y en el punto x0 .
de (8.4) y (8.5) se le refiere como una aproximacion

mediante diferenciaA un calculo
realizado mediante la aplicacion
les.
Example 8.30. Queremos aproximar via el uso de diferenciales el valor

V = (1.01)3 2 (1.01)2 4.
Para ello, consideramos la funcion
definida por la formula,
f (x) = x3 2x2 4,
y ponemos
x0 = 1.00,
Para usar (8.5) calculamos
x0 = 0.01.
f 0 (x) = 3x2 4x,
as que
V Vaprox
= f (1.00) + f 0 (1.00) (0.01)
= 5 + (1) (0.01)
= 5.01
Si comparamos esta aproximacion
con el valor,
V = 5.009899,
tenemos un error
E = |V Vaprox | = 0.000101.

V = e0.01 ,
valor que aparece en el Cuadro 8.1 que presentamos al inicio de esta seccion.
Para ello consideramos la funcion
f (x) = ex ,
y ponemos
as que
x0 = 0.00,
x0 = 0.01.
f 0 (x) = ex ,
8.13 Problemas
259
V Vaprox
= f (1.00) + f 0 (1.00) (0.01)
= 1 + (1) (0.01)
= 1.01
con el valor,
V = 1.010050167,
tenemos un error
E = |V Vaprox | = 0.00005016708416.

V = sen(0.02) +
0.98.
Para ello consideramos la funcion

f (x) = sen(x) +
y ponemos
x0 = 0.00,
1 + x,
x0 = 0.02.

1
,
f 0 (x) = cos(x) +
2 1+x
as que
V Vaprox
= f (0.00) + f 0 (0.00) (0.02)
= 1 + (1.5) (0.02)
= 0.97
con el valor,
V = 0.969950827,
tenemos un error
8.13.
E = |V Vaprox | = 0.0004917303217
Problemas

de derivada calcule f 0 (x).
f (x) = x3 ;
f (x) = x;
1
f (x) = 2 ;
x
f (x) = tan(x);
f (x) = x ,
n
n N.
(8.1)
(8.2)
(8.3)
(8.4)
(8.5)
260
8.2. Sean , , a, b, constantes positivas. Considere la formula

y = f (x).
1) Halle Dom( f ).
2) Calcule f 0 (x).
3) Halle Dom( f 0 ).
q
y = sen2 (x) + cos2 (x);

1
y = arc sen(x2 ) arc cos(x);
2
!
x
y = arc sen
;
1 + x2
!
q
x
2
2
2
y = x x + arc sen
;
y = arc sen(ln(x));
y = esen
2 (x)
(8.6)
(8.7)
(8.8)
(8.9)
(8.10)
(8.11)
y = eax cos(bx);
p
y = a cos(x) cos(x);

x1
y = ln cos
;
x
y = ln(ln(3 2x3 ));
(8.12)
y = ln (ax + b);
1
y = arctan(ln( ));
x
g(x)
y= 0 .
g (x)
(8.13)
(8.14)
(8.15)
(8.16)
(8.17)
(8.18)

y = f (x).
1) Halle Dom( f ).
2) Calcule f 0 (x) y f 00 (x).
3) Halle Dom( f 0 ) y Dom( f 00 ).
y = ex ;
(8.19)
y = sen (x);

3
y = ln 1 + x2 ;

y = ln x + a2 + x2 ;
(8.20)
y = (1 + x ) arctan(x);
g(x)
y= 0 .
g (x)
2

!
x sen()
f (x) = arctan
.
1 x cos()
1) Halle Dom( f ).
(8.21)
(8.22)
(8.23)
(8.24)
8.13 Problemas
261
2) Halle f 0 (x), f 00 (x) y f 000 (x).

3) Halle los dominios de definicion
de f 0 , f 00 y f 000 .
8.5. Calcule la derivada de n-esimo orden de la funcion
y = f (x).
y = sen(x);
(8.25)
y = cos(x);
(8.26)
8.6. Sean a, b R constantes. Halle

la formula
indicada.
dx
dy
dy
dx
y=e ;
(8.27)
y = ln(1 + x);
1
y=
;
1+x
y = sen2 (x);
(8.28)
y = ln(x + );
1+x
y=
.
1x
(8.31)
(8.29)
(8.30)
(8.32)
cuando las variables x e y estan ligadas por funcion

determinada por
y = 3x + x3 + a;
(8.33)
y ln(x) + sen(xy) = a;
(8.34)
2x 5y + 10 = b;
(8.35)
x2
y2
+
= 1;
a2 b2
x3 + x2 y + y2 = 0;
x y
= y3 ;
x+ y
(8.36)
(8.37)
(8.38)
x2 y2
+
= 1;
a2 b2
a cos2 (x + y) = b;
!
x
xy = arctan
;
y
e y = x + y;
y=x
(x 5)
8.7. Halle
dx dy
dy , dx
d2 y
dx2
cos(x)
(8.41)
(8.42)
(8.43)
sen(x)
(8.44)
= a.
(8.45)
(8.40)
sen(x)
y = (cos(x))
2
(8.39)
cuando las variables x e y estan ligadas por funcion

indicada.
y = x7 + sen(x) + ln(tan(x));
y = arctanp (x),
p , 0;
y = (1 + x ) e
2
sen(x)
(8.46)
(8.47)
(8.48)
5y sen(xy) + x2 = 0;
(8.49)
ln(y) + sec(xy) = x;
(8.50)
arc sen(x) + arc cos(xy) = x y .
(8.51)
2 3
8.8. Halle la derivada de orden n de la funcion

y = f (x).
262
y = (ax + b)n ,
a , 0, b R;
(8.52)
y = sen(x);
(8.53)
y = ln(ax + b),
a , 0, b R;
a+x
y=
,
a, b R.
bx
(8.54)
(8.55)
8.9. Halle dn y/dxn en el punto P = (x0 , y0 ).

x2 + 5xy + y2 2x + y 6 = 0,
n = 2, P = (1, 1);
(8.56)
x xy + y = 1,
n = 2, P = (0, 1);
(8.57)
x2 + 2xy + y2 4x + 2y 2 = 0,
n = 3, P = (1, 1).
(8.58)
8.10. La ley del movimiento de un punto esta dada por la funcion

x(t) = 3t2 t + 5,
donde la distancia x se da en centmetros y el tiempo t, en segundos. A que sera igual la velocidad media de
este punto durante el intervalo de tiempo comprendido entre t = 1 y t = 2?
8.11. Una partcula se mueve siguiendo la ley
X(t)
P(t) = Y(t) ,
Z(t)
t I,
donde t representa el tiempo, I R es un intervalo. Aqu, la posicion

P de la partcula viene dada por las
coordenadas (x, y, z) que son (cada una) funcion
del tiempo. Calcule la velocidad y aceleracion
de la partcula
para el tiempo t, es decir, calcule
0
00
X (t)
X (t)
Y0 (t)
v(t) =
y a(t) = Y00 (t)
0
00
Z (t)
Z (t)
1) X(t) = 2t2 + 3t + 5, Y(t) = t2 + 2t + 2, Z(t) = 5 t, I = R;
2) X(t) = ln(t) + 1, Y(t) = t2 + 2, Z(t) = sen(t), I = R+ ;
3) X(t) = sen(t), Y(t) = cos(t), Z(t) = t, I = [0, );
4) X(t) = a sen(t), Y(t) = b cos(t), Z(t) = c, I = (0, ), donde a, b, c R son constantes.
8.12. Grafique la trayectoria de una partcula que se mueve siguiendo la ley X(t) = sen(t), Y(t) = cos(t), Z(t) = t,
para t [0, ).
8.13. Determinar puntos crticos, extremos (locales y/o globales si es que existen) y regiones de crecimiento /
decrecimiento de la funcion
y = f (x)
1) y = x2 2x + 5;
2) y = 1/(x + a), donde a > 0;
3
3) y = 2x + 3 x2 ;
x
4) y = x2
;
xa
5) y = xb , donde a, b R;
6) y = x ln(x) x;
2
7) y = ex ;
8) y = arc sen(1 + x);
8.13 Problemas
263
9) y = ex ;
10) y = 2x3 + 3x2 12x + 5;
11) y =
12) y =
x3
;
x2 +3
4
;
x2 +8
p
3
(x2 1)2
13) y =
;
14) y = 2 sen(2x) + sen(4x);

15) y = 2 cos x2 + 3 cos x3 ;
16)
17)
18)
19)
y = x ln2 (x);
y = x2 ex ;
x arctan(x);
x
y = 1+x
2;
20) y = sen4 (x) + cos4 (x);

21) y = x3 en el segmento [1, 3];
22) y = 2x3 + 3x2 12x + 1
a) en [1, 5],
b) en [10, 12];
8.14. Determinar los coeficientes p y q del polinomio definido por la formula
y = f (x) = x2 + px + q,
de forma que y = 3 sea un valor mnimo de f cuando cuando x = 1. Grafique el polinomio.
f (x) halle las ecuaciones de las rectas tangente y normal a la
grafica de f en el punto x0 .
f (x) = x ln(x) x, x0 = 5;
(8.59)
f (x) = x ln(x ) x , x0 = 5;
(8.60)
f (x) = sen(x) ln(x) cos(ln(x)), x0 = 10;
(8.61)
x2
f (x) = e , x0 = 1.
(8.62)
8.16. Halle lm f (x).

xa
ex
,
x5
ln(x)
,
f (x) =
3
x
x cos(x) sen(x)
f (x) =
,
x3
ln(sen(mx))
,
f (x) =
ln(sen(x))
f (x) = ln(x) ln(x 1),
x
1
f (x) =
,
x 1 ln(x)
f (x) = xx ,
f (x) =
f (x) = x
sen(x)
a = ;
(8.63)
a = ;
(8.64)
a = 0;
(8.65)
a = 0;
(8.66)
a = 1+ ;
(8.67)
a = 1;
(8.68)
a = 0+ ;
(8.69)
a=0 .
(8.70)
8.17. En cuanto aumentara aproximadamente el lado de un cuadrado si su a rea aumenta de 9m2 a 9.1m2 ?
8.18. Mediante diferenciales hallar aproximadamente el incremento y de la funcion
y = f (x) para x = x0 si
1) f (x) = 5x + x2 sen(x), x0 = /2 y x = h = 0.001;
264
2) f (x) = 2x1/2 , x0 = 9 y x = h = 0.01;

3) f (x) = ln(sen(x)), x0 = /4 y x = h = 0.03.
8.19. En cuanto aumenta, aproximadamente, el volumen de una esfera, si su radio R = 15cm se alarga en 2mm?
8.20. Deducir la formula
aproximada
y hallar los valores aproximados de
x + x
3
3
3
10, 70 y 200.
x
x+
3
3 x2
8.21. Usando diferenciales, hallar el valor aproximado de f (x0 ) si

1) f (x) = x3 4x2 + 5x + 3, x0 = 1.03;
2) f (x) =
3) f (x) =
1 + x, x0 = 0.2;
q
3
1x
1+x ,
x0 = 0.1;
4) f (x) = e1x , x0 = 1.05.

8.22. Dada la formula
y = f (x), use la regla del maximo dominio para determinar la funcion
f . Estudie la
monotona, inyectividad y sobreyectividad y convexidad de f .
y = ln(x5 );
(8.71)
y = | sen(x)|;
(8.72)
y = ln(x );
(8.73)
x2
y=e ;
y = x + x2 .
(8.74)
(8.75)
Haga un bosquejo de la grafica de f .

f . Estudie la
f (x) = ln(x2 5x + 3);
(8.76)
f (x) = ln(2 ln(x));

f (x) = ln(x2 7x + 13);
(8.77)
(8.78)
f (x) = | 1 + ln(x2 )|.
(8.79)

f . Estudie la
8.13 Problemas
265
y = 1 4x x4 ;
(8.80)
y = x 2x x + 2x;
(8.81)
y = x2 (x 3);
x
y=
;
x2
(x + 1)
;
y=
(x 1)2
(x 3)2
y= 2
.
(x 6x 16)2
(8.82)
(8.83)
(8.84)
(8.85)

f . Estudie la
y = (x 3) x;
y = (x 4) x + 1;
y = arcsin(x + 1);
2 4x
y = 2 ex
(8.86)
(8.87)
(8.88)
(8.89)
(8.90)
y = xe .
(8.91)
x2
y=e

f . Estudie la
y = (x 1)2 ex ;
4
;
y=
x2 + 8
y = 1 + x ln(1 + x);
x
;
y=
3
x2 1
2
y = (2 + x2 ) ex ;
1
y= 2
+ ln(x2 1).
x 1
(8.92)
(8.93)
(8.94)
(8.95)
(8.96)
(8.97)

f . Estudie la
y = x5 5x4 + 5x3 + 5x2 6x;
(8.98)
y = x 3x + x + x 2x;
x
3
y = x;
3
x
5
y = x;
5
y = x ln(sen(x));
ex
y= .
x
(8.99)
(8.100)
(8.101)
(8.102)
(8.103)
266

f . Estudie la
y = sen(x) ex ,
x 0;
(8.104)
y = sen(x) e , x 0;
p
3
y = (x2 1)2 ;
(8.105)
(8.106)
y = (a +
y=
y = x ln (x);
(8.107)
)ex/a , a > 0;
a
y = x + sen(x);
(8.108)
(8.109)
y = ln(sen(x));
(8.110)
x2
1
+ ln(x2 a), a > 0;
x2 a
1
y=
+ ln(ln(x));
ln(x)
y = xx ;
y=x
1/x
(8.111)
(8.112)
(8.113)
(8.114)

8.29. Queremos calcular la distancia entre dos puntos inaccesibles, A y B. Desde dos puntos accesibles C y D
[ = 5 , ACB
d = 8 , ACD
[ = 23 y BDC
[ = 2 . Calcular la distancia
tomamos las siguientes medidas CD = x, ADB
36
45
90
9
entre A y B en terminos de x.
8.30. Para un volumen dado, halle la superficie total de un cilindro en terminos del radio de las tapas.
8.31. Dos circunferencias son tangentes exteriormente y sus radios miden respectivamente R y r con R > r.
Sea la mitad del a ngulo que forman las lneas tangentes comunes (a las circunferencias). Calcule todas las
funciones trigonometricas de .
8.32. Las densidades lineales de una barra AB = l en sus porciones AC = l1 , CD = l2 y CB = l3 son respectivamente
iguales a q1 , q2 y q3 . Expresar la masa de una porcion
variable AM = x de esta misma barra, como funcion
de x.
l1
l2
l3
-
-
r
A
Indicacion.
La densidad lineal refiere a la masa por unidad de longitud.
Respuesta:
q x,
m=
q1 l1 + q2 (x l1 ),
q1 l1 + q2 l2 + q3 (x l1 l2 ),
si x [0, l1 ],
si x (l1 , l1 + l2 ],
si x (l1 + l2 , l].
8.33. Divida un numero

a > 0 en dos sumandos de tal forma que su producto sea el mayor posible.
8.34. Torcer un trozo de alambre de longitud dada l > 0, de manera que forme un rectangulo cuya a rea sea la
mayor posible.
8.13 Problemas
267
8.35. Cual de los triangulos rectangulos de permetro dado, igual a 2p, tiene mayor a rea?
8.36. De una hoja de carton
cuadrada, de lado a > 0, hay que hacer una caja rectangular abierta, que tenga la
mayor capacidad posible, recortando para ello cuadrados en los a ngulos de la hoja y doblando despues los
salientes de la figura en forma de cruz as obtenida.
Respuesta: El lado del cuadrado que se recorta debe ser igual a a/6.
8.37. Un deposito
abierto, de hoja de lata, con fondo cuadrado, debe tener capacidad para v litros. Que
dimensiones debe tener dicho deposito

para que en su fabricacion
se necesite la menor cantidad de hoja de

lata?
Respuesta: La altura debe ser dos veces menor que el lado de la base.
8.38. Cual de los cilindros de volumen dado tiene menor superficie total?
8.39. Determine la formula
para la cantidad E(x) por la cual un numero
x R excede a su cuadrado. Haga una
grafica para E cuando 0 x 1. Estime el numero

positivo menor o igual a uno que excede a su cuadrado en
la maxima cantidad.
8.40. Inscribir en una esfera dada un cilindro que tenga la mayor superficie lateral posible.
8.41. Inscribir, en una elipse dada, un rectangulo de la mayor a rea posible, que tenga los lados paralelos a los
ejes de la propia elipse.
8.42. Sean p, a > 0. Inscribir un rectangulo de la mayor a rea posible en el segmento de la parabola 2py x2 = 0
cortado por la recta y = 2a.
8.43. En el segmento recto AB = a, que une entre s dos focos luminosos A (de intensidad p) y B (de intensidad q),
hallar el punto menos iluminado M (la iluminacion
es inversamente proporcional al cuadrado de la distancia
al foco luminoso).
8.44. Si tenemos N pilas electricas identicas, con ellas podemos formar bateras por procedimientos distintos,
N
uniendo entre s grupos de n pilas en serie y, despues, los grupos as formados, (en numero
n ) en paralelo. La
intensidad de la corriente que proporciona una batera de este tipo se determina por la formula
I=
NnE
,
NR + n2 r
donde E es la fuerza electromotriz de una pila, r es su resistencia interna, y R es su resistencia externa.

Determinar para que valor de n es mayor la intensidad de la corriente que proporciona la batera.
8.45. Si x1 , x2 ,...,xn , son los resultados de mediciones igualmente precisas de la magnitud x, su valor mas
sera aquel que minimiza la suma de los cuadrados de los errores
probable, denotado x,
(x) =
n
X
(x xi )2 .
i=1
Demostrar que que el valor mas probable de x es la media aritmetica de los resultados de las mediciones, es
decir,
n
1X
xi .
x =
n
i=1
Halle el valor del error mnimo.
268
8.46. Pruebe que para valores de |x| pequenos

son validas las siguientes relaciones
1
1 x;
1+x
x
1+x 1+ ;
2
x
2
a + x a + , a > 0;
2a
(1 + x)n 1 + nx, n N.
(8.115)
(8.116)
(8.117)
(8.118)
Usando estas formulas

calcule aproximadamente los valores de 1/1.02, 1/0.97, 15, 1.043 , 0.934 , 1.06 y 0.97.
Compare los valores obtenidos con los que le provee su calculadora.

8.47. En que puntos la derivada de la funcion
f (x) = x3 coincide numericamente con
el valor de la propia funcion?
8.48. Halle el a ngulo que forman las funciones definidas por las formulas
f (x) y g(x) en su(s) punto(s) de
interseccion.
f (x) = 1/x,
f (x) = e
x/2
f (x) = (x 2) ,
2
g(x) = x2 ;
(8.119)
g(x) = 100x 198;
(8.120)
g(x) = 4 + 6x x ;
(8.121)
f (x) = x ,
2
g(x) = x .
3
(8.122)
8.49. En que punto la tangente a la parabola dada por f (x) = x2 7x + 3 es paralela a la recta dada por
g(x) = 3 + 5x?
8.50. Hallar los parametros b y c de la parabola dada por f (x) = x2 + bx + c para que sea tangente a la recta dada
por g(x) = x, en el punto (1,1).
8.51. En que punto de la curva dada por y2 2x3 = 0, la tangente es perpendicular a la recta dada por
4x 3y + 2 = 0?
8.52. Escribir las ecuaciones de la recta tangente y de la normal a la curva dada por f (x) en el punto (x0 , y0 ).
f (x) = x3 + 2x2 4x 3,
3
f (x) = x 1,
(x0 , y0 ) = (2, 5);
(8.123)
(x0 , y0 ) = (1, 0);
(8.124)
f (x) = tan(2x),
(x0 , y0 ) = (0, 0);
(8.125)
x1
,
2
f (x) = arc cos (3x) ,
(x0 , y0 ) es el punto de interseccion

con el eje x;
(8.126)

con el eje y;
(8.127)
f (x) = ln(x),

con el eje x.
(8.128)
f (x) = arc sen
8.53. Escribir las ecuaciones de la recta tangente y de la normal a la curva dada por f (x) = e1x en los puntos
de interseccion
con la recta dada por g(x) = 1.
Escibir las ecuaciones de la recta tangente y de la normal a la curva dada por
1+t
x = t3 ,
y = 32 + 2t1 ,
2t
en el punto (x0 , y0 ) = (2, 2).
8.13 Problemas
269
8.54. Escibir las ecuaciones de la recta tangente y de la normal a la curva dada por
x = t cos(t),
y = t sen(t),
en el origen de coordenadas y en el punto correspondiente a t0 = /4.
8.55. Escribir las ecuaciones de la recta tangente y de la normal a la curva dada por
F(x, y) = 0,
en el punto (x0 , y0 ).
F(x, y) = x2 + y2 + 2x 6,
y0 = 3;
(8.129)
F(x, y) = x + y 2xy,
(x0 , y0 ) = (1, 1);
(8.130)
F(x, y) = 4x + 6xy y ,
(x0 , y0 ) = (1, 2).
(8.131)
8.56. Analice la funcion

f (x) y grafquela.
x2
f (x) =
;
x2
f (x) = sen(/x);
1 + x3
f (x) =
;
1+x
x
f (x) =
;
sen(x)

1
;
f (x) = (1 + x) arctan
1 x2
f (x) = ln(cos(x));
f (x) = e1/(x+1)

x
f (x) = ln tan
;
2
(8.132)
(8.133)
(8.134)
(8.135)
f (x) = e1/x ;

1
;
f (x) = arctan
x
f (x) = x5 + x4 20 x3 x2 x + 20;
(8.140)
f (x) = e sen(x);
(8.143)
f (x) = e
(8.136)
(8.137)
(8.139)
(8.141)
(8.142)
cos(x );
(8.144)
f (x) = tan(ln(x)).
(8.145)
(8.138)
8.57. Analice la funcion

f (x) y grafquela.
3
f (x) = 2x + 3 x2 ;
(8.146)
f (x) = x3 3x + 3;
x
f (x) =
;
x2
1
f (x) =
;
(x 1)2
x
f (x) = 2
;
x 6x 16
(8.147)
(8.148)
(8.149)
(8.150)
f (x) = x + sen(x);
(8.151)
f (x) = x ln(x);
(8.152)
f (x) = arc sen(1 + x);
(8.153)
f (x) = 2 e
x2 4x
f (x) = 2
(8.154)
(8.155)
1/xa
270
f (x) = (x 3) x;
x
3
f (x) = x;
3
f (x) = x ln2 (x);
f (x) =
x3
;
x2 + 3
f (x) = x arctan(x);
ex
;
x
f (x) = 2x3 + 3x2 12x + 5;
4
f (x) =
;
x2 + 8
x
;
f (x) =
3
x2 4
f (x) = x2 ex .
f (x) =
(8.156)
(8.157)
(8.158)
(8.159)
(8.160)
(8.161)
(8.162)
(8.163)
(8.164)
(8.165)
8.58. De una hoja circular hay que cortar un sector tal que enrollado nos de un embudo de la mayor capacidad
posible.
8.59. Un recipiente abierto esta formado por un cilindro, terminado por su parte inferior en una semiesfera; el
espesor de sus paredes es constante. Que dimensiones debera tener dicho recipiente para que, sin variar su
capacidad, se gaste en hacerlo la menor cantidad de material?
8.60. Inscribir en una elipse dada, un rectangulo de mayor a rea posible, que tenga los lados paralelos a los ejes
de la propia elipse.
8.61. Inscribir un rectangulo de mayor a rea posible en el segmento de la parabola dada por x2 2py = 0 cortado
por la recta dada por y = 2a.
8.62. Hallar el punto de la curva dada por f (x) = 1/(1 + x2 ), en el que la recta tangente forme con el eje de las x
el a ngulo de mayor valor absoluto posible.
8.63. Determinar la altura mnima h = OB que puede tener la puerta de una torre vertical ABCD, para que a
traves de ella se pueda introducir en la torre una barra rgida MN, de longitud l, cuyo extremo M resbalara a
lo largo de la lnea horizontal AB. La anchura de la torre es d < l. Vease la Figura 8.12.
Figura 8.12
8.64. Un corredor tiene que ir desde el punto A, que se encuentra en una de las orillas de un ro, al punto B,
que se halla en la otra. Sabiendo que la velocidad de movimiento por la orilla es k veces mayor que la del
movimiento por el agua, determinar bajo que a ngulo debera atravesar el ro, para llegar al punto B en el menor
tiempo posible. La anchura del ro es h; la distancia entre los puntos A y B (por la orilla) es d.
Apendice A
complejos
Las ciencias matematicas exhiben notablemente orden,

simetra y restriccion; y estos constituyen las formas mas
excelsas de belleza
Aristoteles
A.1.
Introduccion
Los matematicos inventaron C, el conjunto de los numeros

complejos, para poder resolver ecuaciones como
x2 + 1 = 0.
Suponiendo la existencia de un numero
x0 = i que verifique esta ecuacion
entonces debera cumplirse que

i=
(A.1)
que no pertenece al conjunto de numeros

reales, R; se empezo a referir a i como un numero
imaginario.
Por mas de un siglo se miro a los numeros

complejos a + bi, donde a, b R, con mucha suspicacia. Existen
realmente? Simbolicamente
manipular algebraicamente los numeros
complejos no es complicado, basta tener
en mente (A.1) de manera que

i2 = 1.
Pero, de hecho, los numeros
complejos son bastante reales. Si los numeros
complejos hubieran sido inventados
hace unos 30 anos

y no hace 300, no hubieran recibido el apelativo de complejos. Quiza se les hubiera llamado numeros
planares o numeros
bidimensionales o algo similar, y no se utilizara el calificativo de imaginarios..., [1].
Los numeros
complejos son utiles
para describir ondas periodicas
y en el manejo practico
de soluciones de Ecuaciones en
Derivadas Parciales. Las funciones de variable compleja son usadas en Electronica,

Transferencia de Energa, en aplicaciones
de las Teoras de Filtrado y de Control, etc.
A.2.
El cuerpo C
Recomendamos al lector apoyar su estudio con [27].
A.2.1.
Operaciones con numeros
complejos
Al conjunto
C = R2 = {z = (x, y) : x R y R}
(A.2)
271
272

complejos
se le llama cuerpo de los numeros
complejos cuando se le proveen operaciones internas de suma y multiplicacion

conforme a la siguiente definicion.
Definicion
A.1 [Operaciones con complejos]
Si z1 = (a, b) C y z2 = (c, d) C, se definen las operaciones de suma, + : CC C, y multiplicacion, : CC C,
mediante
z1 + z2 = (a + c, b + d),
z1 z2 = (ac bd, ad + bc).
La suma de numeros
complejos no es mas que la suma habitual de vectores de R2 .
Figura A.1 En virtud de su definicion,

complejo es un numero
bidimensional.
un numero
(A.3)
(A.4)
A.2 El cuerpo C
273
Sin embargo, de donde

sale la formula
(A.4) para la multiplicacion
en C? Una respuesta simple parte de

suponer momentaneamente la validez de la formula
(A.1). En efecto, si ponemos z1 = a + ib y z2 = c + id se
tendra que
z1 z2 = (a + ib) (c + id)
= ac + iad + ibc + i2 bd
= (ac bd) + i(ad + bc).

Para definir una matriz, se utiliza el comando matrix. La multiplicaci
on matricial se realiza con el
punto.
Para dar una segunda respuesta, consideramos el espacio vectorial de las matrices cuadradas de orden 2,
M2 (R), y el subespacio vectorial de dimension
2,
(
!
)
a b
W=
: a, b R .
b a
No es difcil verificar que la aplicacion
C 3 (a, b) 7
!
a b
W
b a
es lineal y biyectiva (y por tanto un isomorfismo); de manera que se puede considerar a W como una representacion matricial de C. La multiplicacion
matricial de elementos de W se corresponde exactamente a
la multiplicacion
en C. En efecto, tomando z1 = (a, b) y z2 = (c, d), con representaciones matriciales Z1 y Z2 ,
respectivamente,
(%i1)
( %o1)
(%i2)
( %o2)
Z1: matrix([a, -b], [b, a]);

!
a b
b a
Z2: matrix([c, -d], [d, c]);
!
c d
d c
se tiene que
(%i3)
( %o3)
Z1.Z2;
a c b d a d b c
ad+bc acbd
de manera que Z1 Z2 pertenece a W y su representacion

en C es (ac bd, ad + bc), vease (A.4).
A.2.2.
Propiedades de cuerpo
No es difcil verificar que (C, +, ) es efectivamente un cuerpo o campo, es decir que se cumplen las siguientes
propiedades:
Asociatividad de la suma.
Dados z1 , z2 , z3 C, se tiene que
274

complejos
(z1 + z2 ) + z3 = z1 + (z2 + z3 ).
Existencia del neutro aditivo.
Existe un unico
elemento 0 C tal que
z + 0 = z,
Existencia de inversos aditivos
para todo z C.
Para cada z C existe un unico

elemento w Z tal que
z + w = 0.
Por convencion
se denota w = z.
Conmutatividad aditiva.
Dados z1 , z2 C, se tiene que

z1 + z2 = z2 + z1 .
Asociatividad de la multiplicacion.

(z1 z2 ) z3 = z1 (z2 z3 ).
Propiedad distributiva.

z1 (z2 + z3 ) = (z1 z2 ) + (z1 z3 ).
Existe un unico
elemento 1 C tal que
Existencia del neutro multiplicativo.
z 1 = 1 z = z,
Existencia de inversos multiplicativos.
para todo z C.
Para cada z C \ {0} existe un unico

elemento w C tal que
z w = w z = 1.
1
Por convencion
se denota w = z1 = .
z
Conmutatividad multiplicativa.
Dados z, w C, se tiene que

w z = w z.
Ejercicio A.1 Pruebe que C junto con las operaciones definidas en (A.3) y (A.4) constituye un cuerpo.
A.2.3.
Notacion
imaginaria
Como ya se menciono,
las operaciones definidas en (A.3) y (A.4) corresponden formalmente a trabajar con
el smbolo i = 1. De aqu en adelante se usara la notacion
z = x + iy,
y se dira que
x = Re(z) R,
son respectivamente la parte real e imaginaria de z.
z C,
y = Im(z) R,
(A.5)
A.3 Funciones complejas elementales
275
Figura A.2 En el plano C = R2 al eje horizontal se le refiere como el eje real y al eje vertical como el eje imaginario.

En Maxima se representa a la unidad imaginaria mediante %i. El comando rectform permite transformar
un n
umero complejo a su forma rectangular.
Usemos Maxima para obtener la formula

para el cociente de dos numeros
complejos:
(%i1)
( %o1)
z1: a+b*%i;
z2: c+d*%i;
ib+a
( %o2)
id+c
(%i3)
z1 / z2, rectform;
( %o3)
b d + a c i (b c a d)
+ 2 2
d2 + c2
d +c
es decir,
z1 b d + a c i (b c a d)
= 2 2 + 2 2
z2
d +c
d +c
A.3.
Funciones complejas elementales
A.3.1.
Funcion
modulo
(A.6)
Se llama funcion
compleja de variable compleja a toda funcion
cuyo dominio y codominio son subconjuntos
de C:
f : U C C
z 7 w = f (z)
(A.7)
Tenga presente que una funcion

Cohe compleja tiene tres componentes: dominio, codominio y una formula.
rente con esto, a veces, en lugar de la notacion

(A.7) se escribe
C U 3 z 7 f (z) C.
(A.8)
276

complejos
y se provee
solo
una formula
Regla del Maximo Dominio. Si no se hace explcito el dominio de una funcion

debera
el conjunto mas
grande de numeros
suponerse como dominio de la funcion

complejos donde la formula
tiene sentido. Por defecto
se supondra que el codominio es C.
As como el valor absoluto es la funcion

real mas importante, la funcion
compleja mas importante de
todas es la funcion
pues permite medir distancias en C. La relevancia se debe a que para establecer
modulo
la convergencia de un metodo numerico,

implementado computacionalmente para resolver un problema de
Ingeniera, se requiere que a medida que avanza el algoritmo la distancia entre la solucion
aproximada y la
solucion
real sea cada vez mas pequena.
Definicion
A.2 [Modulo]
La funcion modulo (o simplemente modulo), | | : C R, se define mediante

q
para z = x + iy.
|z| = x2 + y2 ,
(A.9)
Las propiedades de la funcion

se resumen en el siguiente Teorema.
modulo
Teorema A.1 [Propiedades del modulo]
Se cumple que
i) |z| 0, para todo z C;
ii) |z| = 0 ssi z = 0;
iii) |z w| = |z| |w|, para todo z, w C;
iv) |z + w| |z| + |w|, para todo z, w C.
Demostracion. Demostremos el punto iii). Sean z = a + ib y w = c + id, dos numeros
complejos cualesquiera. Se
tiene que
|z w| = |(ac bd) + i(ad + bc)|
p
= (ac bd)2 + (ad + bc)2
= a2 c2 + b2 d2 + a2 d2 + b2 c2
p
= a2 (c2 + d2 ) + b2 (d2 + c2 )
p
= (c2 + d2 )(a2 + b2 )
= |z| |w|.
Se concluye por la arbitrariedad de z y w.
Ejercicio A.2 Pruebe los puntos i), ii) y iv) del Teorema A.1.
Entonces el modulo
de un numero
complejo es un numero
no-negativo; es cero solo
si su argumento es el
numero
0 + 0i. Asimismo, el teorema anterior establece que el modulo
del producto de dos numeros
complejos
es igual al producto de sus respectivos modulos.

En Maxima el comando abs permite calcular el tama
no de un n
umero real o complejo.
Ejemplo A.1 Dados a, b, k R se tiene que

(%i1)
( %o1)
abs(a+b%i)+abs(-4)+abs(k);
|k| + |b %i + a| + 4
A.3 Funciones complejas elementales
277
Figura A.3 A la propiedad 4 del Teorema A.1 se le denomina desigualdad triangular: la longitud de un lado no puede sobrepasar
la suma de las longitudes de los otros dos.
La formula
para calcular la distancia entre numeros
complejos es simbolicamente
identica a la correspon
diente formula
para numeros
reales.
Definicion
A.3 [Distancia en C]
La distancia entre los numeros
complejos z1 = x1 + iy1 y z2 = x2 + iy2 esta dada por

dist(z1 , z2 ) = |z1 z2 |.
(A.10)
Por tanto, se tiene 1

dist(z1 , z2 ) =
(x1 x2 )2 + (y1 y2 )2 .
(A.11)
Ejercicio A.3 Pruebe que para todo z C se cumple que
A.3.2.
|Re(z)| |z|,
(A.12)
|Im(z)| |z|.
(A.13)
Funcion
de conjugacion
La proyeccion
con respecto al eje de las x esta dada por la siguiente definicion.
Definicion
A.4 [Funcion
de conjugacion]
Se define la funcion de conjugacion, : C C, mediante la formula

z = x iy,
para z = x + iy.
(A.14)
Se dice que z es el conjugado de z y viceversa.

El comando conjugate permite obtener el conjugado de un n
umero complejo.
Ejemplo A.2 Dados los numeros
complejos z = a + ib y w = c + id, calculemos z w y z w

1 Que justamente corresponde a la distancia de los puntos (x , y ) R2 y (x , y ) R2 que el estudiante aprendio
en su curso de
2 2
1 1
Geometra Analtica.
278

complejos
Figura A.4 El conjugado z de un numero

complejo z.
(%i1)
( %o1)
ib+a
( %o2)
(%i3)
( %o3)
id+c
conjugate(z*w), rectform;
i (a d b c) b d + a c
(%i4)
( %o4)
z: a+%i*b;
w: c+%i*d;
conjugate(z)*conjugate(w), rectform;
i (a d b c) b d + a c
En el ejemplo anterior se ha verificado una parte de la siguiente Proposicion.
Proposicion
A.1 [Propiedades de la conjugacion]
Dados z C y w C, se tiene que

i) z w = z w;
ii) |z|2 = z z;

z
|z|
iii) =
, en tanto que w , 0.
w
|w|
Ejercicio A.4 Pruebe la Proposicion A.1.
A.4.
Leyes de los exponentes
Denotamos por K a uno de los cuerpos C o R. Para a K \ {0} y n N se define

an = a an1
= a ... a
se pone asimismo
(A.15)
n veces;
A.5 Formula
de Euler. Forma polar
279
a0 = 1,
1
an = n .
a
(A.16)
(A.17)
Proposicion
A.2 [Leyes de los exponentes]
Sean m, n N y a, b K. Se tiene que
am an = am+n ,
(A.18)
(ab) = a b ,
(A.19)
(an )m = amn .
(A.20)
n n
Ejercicio A.5 Pruebe la Proposicion A.2.
A.5.
Formula
de Euler. Forma polar
La formula
de Euler, provista en el siguiente teorema, es fundamental para el manejo de funciones complejas
pues simplifica muchos calculos que de otra manera resultaran engorrosos.

Teorema A.2 [Formula
de Euler]
Sea R. La sucesion (En )nN C, definida por la formula
En =
n
X
(i)k
k=0
k!
converge al numero
complejo definido como

ei cos() + i sen().
(A.21)
Observacion
A.1 Mas adelante en el curso estaremos en condiciones de entender y probar en su plenitud el resultado anterior pues necesitamos entender lo que es el lmite de una sucesion (real o compleja). Por el momento, debemos aceptar la validez de la for
Con ayuda de la formula
de Euler se escribe la forma polar de un numero
complejo z = x + iy , 0:
z = r ei ,
donde
r = |z|,
(, ].
(A.22)
(A.23)
Se dice que r y son el modulo
y el argumento de z, respectivamente. Se tiene que

x = r cos(),
y = r sen().
(A.24)
Tenga presente que el argumento de un numero

complejo pertenece al intervalo (, ] antes que a [0, 2). La eleccion
con que se encontrara el lector en la mayora de textos.
se debe exclusivamente a la convension

El comando polarform transforma un n
umero complejo de forma cartesiana a forma polar.
280

complejos
Figura A.5 Coordenadas rectangulares (x, y) y polares (r, ) de un numero

z C \ {0}.
Ejemplo A.3 Tranformemos un numero
complejo z de su forma rectangular a su forma polar y viceversa:

(%i1)
ib+a
( %o1)
(%i2)
w: polarform(z);
b2 + a2 ei atan2(b,a)
( %o2)
(%i3)
( %o3)
z: a+%i*b;
rectform(w);
ib+a
La siguiente notacion
se usara de aqu en adelante. Tome nota.
Para un angulo
R, el valor corresponde al angulo
en (, ] tal que
sen() = sen()
cos() = cos().
(A.25)
la misma direccion
que R.
Entonces es el angulo
en (, ] que provee
Las formulas
para multiplicacion
y division
de polinomios son realmente simples en forma polar:
Teorema A.3 [Multiplicacion
en forma polar]
Dados los numeros
complejos z1 = r1 ei1 y z2 = r2 ei2 se tiene que

z1 z2 = r1 r2 ei(1 +2 ) ;
[
z1 r1 i ([
= e 1 2 ) ,
z2 r2
z2 , 0.
(A.26)
(A.27)
En particular, la multiplicacion
de
de un complejo z por un factor de la forma ei representa una rotacion
tamano
del vector z. Para futura referencia, tenga presente que
|ei | = 1,
para todo R.
Ejercicio A.6 Pruebe el Teorema A.3.

Con ayuda de (A.26) se obtiene el siguiente corolario.
(A.28)
A.6 Problemas
281
Corolario A.1 [Potencia real de base compleja]

Dados z = re C \ {0} y R se tiene que
z = r ei .
(A.29)
A.6.
Problemas
A.1. Determine a R de manera que z =
2ai
1+2i
sea a) real puro, b) imaginario puro.
A.2. Sea n N y > 0. Resuelva la ecuacion
zn = ,
z C.
Para n = 3, 4, 5, 6, 7 grafique el polgono que resulta de unir las soluciones de la ecuacion

con segmentos en el
plano complejo.
A.3. Halle a, b R de manera que se cumpla
z z 1948 z
2|z| +
+i
, donde z = 1 i.
2
iz
z
z2 z z
2) a + ib = (1 + i)6 + 2 i191 , donde z = 1 + i.
|z|
z
z
1) a + ib =
A.4. Sean n N y z = (i)4n+15 . Hallar a, b R de manera que

a + ib = (z + 1)7 .
A.5. Hallar el a ngulo (, ] que transforma al numero
z1 C en el numero
z2 C.
1) z1 = 3 + 3i, z2 = 3 i 3.
2) z1 = 3 i, z2 = 3 i.
3) z1 = 4 3i, z2 = 5 + i 5 .
2
2
4) z1 = 3 2 + 2 2i, z2 = 5 + i.
A.6. Resuelva la ecuacion
z5 + z3 z2 1 = 0,
z C;
z iz + i 1 = 0,
z C;
(z i + 1)(z + z + 1) = 0,
z C;
z6 + z3 + 1 = 0,
z C.
A.7. Pruebe la ley del paralelogramo:

z, w C :
A.8. Sea z C.
1) Pruebe que Im(z) = 0 ssi z = z.
|z + w|2 + |z w|2 = 2(|z|2 + |w|2 ).
(A.30)
282

complejos
2) Pruebe que Re(z) = 0 ssi z = z.

3) Pruebe que z + z = 2Re(z).
4) Pruebe que z z = 2Im(z).
A.9. Sea
A = {z = ei : R}.
Pruebe que (A, ) es un grupo abeliano.

A.10. Sea z C \ {1}. Pruebe que

z1
Re
=0
z+1

|z| = 1.
A.11. Sean z1 , z2 C, z1 , z2 . Halle el numero

complejo z que se halla sobre el segmento que une z1 con z2 tal
que la distancia de z a z1 es el doble de la distancia de z a z2 .

A.12. Sean n N, = e2i/n y
U = {rk = k :
Se define : U U U mediante
Pruebe que (U, ) es un grupo Abeliano.
k = 0, 1, 2, ..., n 1}.
rk r j = rk+j .
Apendice B
Falacias materiales o informales
Las ciencias...
XXXXXX
En la Seccion
1.4 empezamos el estudio de las falacias, entendiendolas como razonamientos que a simple
vista se presentan como solidos
pero que no lo son. All se puso e nfasis en las falacias estructurales, en tanto
que en esta seccion

Augustus de
nos ocupamos de las falacias informales o materiales que, como los senala
Morgan (1806 - 1871), no pueden ser clasificadas, [9]. En todo caso, para nuestra presentacion
consideramos
las propuestas de ordenamiento de [2] y [26], mediante ejemplos.
Example B.1. [Falacia de Descontextualizacion]
Recordemos que las falacias materiales o informales no dependen de la estructura sino de los contenidos.
Consideremos como ejemplo el siguiente caso tomado de [2]:
Toda buena Ley debera ser obedecida.
La ley de gravitacion universal es una buena ley.
Por tanto, la ley de gravitacion universal debera ser obedecida.
Estructuralmente, el argumento anterior no tiene problema alguno. El problema esta en que en la primera
premisa el concepto de ley se refiere al contexto de la Jurisprudencia en tanto que en la segunda premisa el
contexto de referencia es la Fsica.
Example B.2. [Falacia de Evidencia Irrelevante]
El a mbito jurdico no se escapa de este tipo de errores de argumentacion.
Aqu se pierde de vista el punto
central, a veces a proposito
y a veces involuntariamente. Por ejemplo, en el caso: Amusement Equipment, Inc.
v. Mordelt 595 F.Supp.125, 130-131 (E.D. La. 1984), los abogados de la empresa usaron el siguiente argumento
para tratar de vincular la presencia del senor
Mordelt en New Orleans con la firma de un contrato efectuado
en la misma ciudad:
La firma del contrato estaba relacionado con la feria comercial.
La visita del senor
Mordelt tuvo que ver con la feria comercial.
Por tanto, la visita del senor
Mordelt estaba vinculada con la firma del contrato.
Si bien las dos premisas son verdaderas, no justifican la conclusion
de que la visita del senor
Mordelt esta
ligada a la firma del contrato.
Example B.3. [Argumentum ad Misericordiam]
Apelar a la lastima es comun
en muchos juicios civiles y criminales, [2]. Se pide al juez y/o jurado que tome
decisiones basadas exclusivamente en lo emocional.
El 20 de agosto de 1989, Lyle y Erik Menendez mataron a tiros a sus padres, Jose y Kitty en su casa. Luego
de arrojar las armas en la carretera fueron al teatro. Al regresar a casa mas tarde llamaron al 911 denunciando
que alguien mato a sus padres. La Defensa uso el argumentum ad misericordiam con bastante efectividad en
el primer juicio (1993), pidiendo que se tengan presentes abusos sexuales por parte de los progenitores, que
283
284
supuestamente continuaron por anos.

En el segundo juicio (1995-1996) el juez restringio el argumentum ad
misericordiam de la Defensa; los hermanos recibieron cadena perpetua.

En algunas instituciones educativas se cae en el argumentum ad misericordiam cuando se asume directamente
que los estudiantes clientes siempre tienen la razon:
Si varios estudiantes tienen bajas notas debe ser falla del profesor.
Example B.4. [Argumentum ad Verecundiam]
En este tipo de falacia se trata de fortalecer un argumento acudiendo al prestigio de personas que brindan
ciertos testimonios.
En el caso: United States v. Howard 774 F.2d 838, 847 (7th Cir. 1985) uno de los abogados de la parte acusadora
uso el argumentum ad veracundiam:
No hemos intentado enganarlos,
damas y caballeros.
Hemos intentado sacar a luz la verdad...
Cuando, de pie tome juramento para ser un Asistente del fiscal de los Estados Unidos,
fue uno de los das de mayor orgullo en mi vida,
y no lo voy a poner en peligro con engano
o con un comportamiento impropio.
Mi trabajo es sacar a la luz la verdad y velar porque se haga justicia en este caso,
y eso es lo que hemos estado haciendo en este caso.
Una forma en que se presenta el argumentum ad veracundiam yace en el uso desproporcionado de referencias,
citas, frases pedantes, etc. que solamente ocultan los hechos concretos a ser dilucidados para que la Corte pueda
establecer una conclusion.
Example B.5. [Argumentum ad Hominem]

Esta falacia trata de debilitar el argumento de la otra parte moviendo el interes hacia caractersticas personales
negativas (o que para el juez o la mayora de miembros del jurado podran verse como negativas) e.g. de
testigos, es decir no se concentra en el testimonio sino en la persona que lo brinda.
Este tipo de argumento se ve a menudo:
El argumento de Carlos H. es equivocado pues Carlos H. no es cristiano.
El argumento de Pedro U. es equivocado pues Pedro U. es judo.
El argumento de el periodista Oquendo es equivocado pues no es parte de nuestra revolucion.
El senor
Armendariz no tiene valor moral para acusar a este gobierno de vender a bajo precio
nuestra riqueza a los chinos pues el todava no desvirtua
las acusaciones
que le hicieron anos
atras sobre falta de cuidado al medio ambiente.
Sin embargo, como se menciona en [26], es aceptable usar evidencia sobre el mal caracter y sesgos que
pudiera tener un testigo e.g. mediante un conflicto de intereses cuando esta caracterstica pudiera afectar
definitivamente su imparcialidad.
Example B.6. [Argumentum ad Populum]
Consiste en tratar de desviar la atencion
del juez o jurado hacia sentimientos y prejuicios de la multitud,[2].
Durante una contienda electoral en Ohio, el oponente de Robert Taft uso el argumentum ad populum (tomado
de [2]):
Yo provengo del hombre promedio. No nac con cuchara de plata en mi boca.
La defensa de Taft vino de parte de su esposa:
285
Mi esposo esta siendo acusado de no ser un hombre promedio.

Eso es cierto. El no esta en el promedio.
El fue el mejor de su universidad;
el mejor en la escuela de leyes;
y el mejor en el Senado de los Estados Unidos.
Ustedes no desean un senador que sea del promedio.
Desean alguien que este por encima del promedio.
Ese candidato es mi esposo!
Example B.7. [Argumentum ad Antiquitam]
El argumentum ad antiquitam esta basado en el adagio de que lo antiguo es mas sabio que lo nuevo, [2]. Si esto fuera
cierto entonces nuestras sociedades deberan seguir quemando brujas, como en la Inquisicion,
o a ninos
pequenos
como hacan los Plishtim (Filisteos / Palestinos) en Medio Oriente, como una forma de venerar a su
dolo Moloc.
De la misma forma, es una falacia el argumentum ad novitam, basado en que todo lo nuevo es mejor que lo
antiguo. Lastimosamente esta falacia se ve mucho hoy en da en el a mbito educativo.
Example B.8. [Argumentum ad Terrorem]
Esta falacia se presenta cuando una de las partes trata de convencer al juez o jurado de que es inapropiado que se
imponga la postura de su oponente, en virtud de las consecuencias (obviamente presentadas con exageracion)
que podran derivarse de ello.

Considerese el siguiente caso de argumentum ad terrorem usado por directores de instituciones educativas:
Si no protegemos a los estudiantes de la perdida de semestre, nos quedaremos sin estudiantes.
Es sabido que la buena calidad academica conlleva necesariamente que aprueben un curso solo
los estudiantes que tienen los conocimientos y habilidades pertinentes. Adicionalmente, la calidad academica ayuda a
mantener un flujo apropiado de candidatos que quieren estudiar en la institucion
educativa.
Example B.9. [Argumentum ad Ignoratiam]
Esta es una falacia en la que se incurre con frecuencia; toma una de las siguientes formas
No ha sido probado que P sea falsa.
Por tanto, P es verdadera.
No ha sido probado que P sea verdadera.

Por tanto, P es falsa.
En la Seccion
de las pruebas estadsticas de hipotesis.
En ese contexto
?? se comenta sobre el origen logico
se indica que si un numero,

conocido como estadstico de prueba, cae en la region de rechazo, entonces se rechaza
la hipotesis
nula en favor de una hipotesis
alternativa. Pero, que pasa si el estadstico de prueba no cae en
la zona de rechazo? Se acepta la hipotesis

nula? Lastimosamente, hay incluso libros que as lo afirman. La
respuesta correcta es simplemente que con la informacion

nula,
disponible no se puede rechazar la hipotesis
es decir, no es lo mismo aceptar que no rechazar. Considere el siguiente razonamiento:

Carla no rechazo mi propuesta de que seamos enamorados.
Por tanto, me acepto como su enamorado.
Example B.10. [Falacia del Simplismo Estadstico]
Muchos casos de discriminacion
(racial, de genero, etc.) y que involucran afectaciones al medio ambiente
requieren de un analisis estadstico. Este proceso de debe cumplir con las maximas del Metodo Cientfico para
que sea aceptado como evidencia en un juicio. Sin embargo, a veces por ignorancia tecnica, se cae en la falacia
del simplismo estadstico.
En la eleccion
presidencial de 2010 en Colombia todas las encuestadoras cometieron esta falacia: daban por
muy renida
la contienda entre Santos y Mockus; sin embargo, el resultado fue enormemente favorable para
286
Santos. El error de las encuestadoras consistio en no haber considerado apropiadamente la votacion

del sector
rural.
Example B.11. [Causa erronea]
Esta falacia se produce cuando en una situacion

a un evento como la causa de otro
se considera erroneamente
u otros. Suele presentarse en la forma post hoc ergo propter hoc, es decir que se asume que un evento A que se da
antes del evento B tiene que ser la causa de este ultimo.
Consideremos un ejemplo basico:
Rosario nacio en Ambato el 5 de agosto de 1949, a las 8h30.

Por tanto, su nacimiento provoco el terremoto de las 14h10 de esa fecha.
Otro ejemplo, tomado del caso: Brennan v. United Stellworkers of America 554 F.2d 586, 614 (3d Circ. 1977):
Samuel Evett fue apoyado en la campana
por la Secretara del Sindicato
por algunos miembros de United Stellworkers of America.
Los escrutados de la Mesa 1066 cometieron fraude electoral.
Por tanto, la United Stellworkers of America es responsable del fraude.
Example B.12. [Non Sequitur]
Esta falacia se presenta cuando en un argumento, la conclusion
no se deriva de las premisas. Esto se presento
en el caso: Goldwater v. Carter 617 F.2d 697, 736-37 (D.C. Circ.1979):
Para normalizar las relaciones con la Republica
Popular de China,
ese pas requiere que deje de estar en vigencia el Tratado de Defensa entre Taiwan y los Esrtados Unidos.
Por tanto, la Constitucion de los Estados Unidos le da potestad para tomar esa decision al presidente Carter.
Example B.13. [Petitio Principii]
Esta falacia consiste en razonar en crculos, es decir usar la conclusion
a la que se quiere llegar como una
premisa del argumento.
Example B.14. [Ambiguedad]
Esta falacia se presenta cuando se usa un termino que tiene varias acepciones lo cual provoca ambiguedad
o
confusion.
Example B.15. [Argumentum ad Nauseum]

Se presenta con un argumento largo donde en lugar de presentar logicamente
los puntos importantes el
abogado repite una y otra vez la conclusion

a la que quiere que lleguen el juez o los miembros del jurado.
Captulo ??
2.4 Trabaje como en la demostracion
de (2.24).
2.5 Trabaje como en la demostracion
de (2.51).
2.8 Se tiene que

A = (0, + 1/4];
B = [1/2; 5/2).
?? Mire el Ejemplo ?? y el tip de Maxima que le antecede.
287
Smbolos
Operacion
de interseccion
de conjuntos.
Conjuncion
de proposiciones.
Operacion
de union
de conjuntos.
Disyuncion
de proposiciones.
Bicondicional de proposiciones.
ssi Abreviacion
de s y solo si (bicondicional).
\ Diferencia de conjuntos.
Conjunto vaco.
Operacion
producto cartesiano.
A B o B A Contenencia del conjunto A en el conjunto B.
A B o B A Contenencia del conjunto A en el conjunto B.
Cuantificador para todo.
Cuantificador existencial.
N Conjunto de los numeros
naturales.
N Conjunto de los numeros

enteros no-negativos.
Z Conjunto de los numeros

enteros.
Q Conjunto de los numeros

racionales.
R Conjunto de los numeros

reales.
C Conjunto de los numeros

complejos.
P() Partes de un conjunto .

f : A B Funcion
con dominio A y codominio B.
g f Composicion
de las funciones g y f
{A } Familia de conjuntos con ndices en .
#[A] Cardinalidad del conjunto A.
0 Cardinalidad de N.
(xn )nN A Sucesion
de elementos del conjunto A.
Mm,n (R) Conjunto de las matrices de m filas y n columnas sobre el campo R.
det(A) Determinante de la matriz A.
Ck (; ) Conjunto de las funciones : Rn Rm con derivadas continuas al menos hasta orden
k N . En particular, Ck () = Ck (; R).
C (; ) Conjunto de las funciones : Rn Rm con derivadas de todos los ordenes.
< D > Capsula o espacio vectorial generado por el conjunto D.

kuk Norma del vector u.
L(V, W) Conjunto de aplicaciones lineales con dominio V y codominio W.
ker(A) Nucleo
o kernel de la aplicacion
lineal A.
i Raz imaginaria.
z Conjugado del numero
complejo z.
(a, b) Intervalo abierto.

ux o u
Derivada de la funcion
u con respecto a la variable x.
x
L f
Transformada de Laplace de la funcion
f
Ec Conjunto de funciones de orden exponencial c R.
289
290
Lp () Espacio p de Lebesgue (funciones p-integrables).

F (I) Funciones reales con dominio I R.
conv( f, g) Convolucion
en [0, ) de las funciones f y g.
() Delta de Dirac.
L(V, W) Espacio de operadores acotados de V en W.
supp(u) Soporte de la funcion
u.
T Operador adjunto al operador T.

F f o f Transformada de Fourier de la funcion
f.
f g Convolucion
en R de las funciones f y g.
Operador Laplaciano.
S (R) Conjunto de funciones de decrecimiento rapido.
S 0 (R) Conjunto de distribuciones temperadas.
Smbolos
Referencias
1. M. Alder, An Introduction to Complex Analysis for Engineers, Massachusetts Institute of Technology, 1997.
2. R. Aldisert, Logic For Lawyers, National Institute for Trial Advocacy, 1997.
3. T. M. Apostol, Mathematical analysis: a modern approach to advanced calculus, Addison-Wesley Publishing Company, Inc., Reading,
Mass., 1957.
4.
, Calculus. Vol. I: One-variable calculus, with an introduction to linear algebra, Second edition, Blaisdell Publishing Co. Ginn
and Co., Waltham, Mass.-Toronto, Ont.-London, 1967.
5. R. Arthur, Natural Deduction: An Introduction To Logic With Real Arguments, A Little History and Some Humour, Broadview Press,
2011.
6. H. Benson, Socratic Wisdom: The Model of Knowledge in Platos Early Dialogues, Oxford University Press, 2000.
7. I. Cobacango, El toro salvaje, Coleccion
Descubre las Matematicas, Escuela Politecnica Nacional, Ecuador, 1999.
8. I. Cuenca, Que puedes concluir?, Coleccion
Descubre las Matematicas, Escuela Politecnica Nacional, Ecuador, 1998.
9. A. De Morgan, Formal Logic: The Calculus of Inference, Necessary and Probable, University Press of the Pacific, 2013.
10. D. Echave, M. Urquijo, and R. Guibourg, Logica, proposicion y norma, Editorial Astrea, 2008.
11. R. A. Espanola,
Diccionario de la Lengua Espanola,
Vigesimo segunda edicion,

Espana,
2001.
12. E. Gaughan, Introduccion al analisis, Editorial Alhambra, Madrid, 1972.

13. G. Gentzen, Untersuchungen uber
das logische Schliessen (Investigations into Logical Deduction), Mathematische Zeitschrift, 39

(1934).
14. P. R. Halmos, Naive set theory, D. Van Nostrand Company, Inc., New York, N. Y., 1960.
15. K. Hrbacek and T. Jech, Introduction to Set Theory, Marcel Dekker, Inc., New York, 1999.
16. S. Jaskowski, On the Rules of Suppositions in Formal Logic, Studia Logica, 1 (1934).
17. W. Jevons, The Principles of Science: a Treatise on Logic and Scientific Method, Macmillan and Co, New York, 1874.
18. U. Klug, Logica Jurdica, Editorial Temis S.A., 2004.
19. A. Kurosch, Curso de Algebra Superior, Editorial MIR, Moscu,
1987.
20. J. Lara and J. Arroba, Analisis Matematico, Universidad Central del Ecuador, Ecuador, 2007.
21. L. Leithold, El Calculo, Oxford University Press, 1998.
22. M. Lopez-Pellicer,
Las construcciones
http://dmle.cindoc.csic.es/, (1994).
de
los
numeros
reales,
Biblioteca
Digital
Espanola
de
Matematicas,
291
292
Referencias
23. J. Mayorga-Zambrano, Calculo Diferencial para Ingeniera, Universidad de Talca, Chile, 2007.
24.
, Matematica Superior para Ingeniera (con ayuda de Maxima), (preprint), Ecuador, 2013.
25. F. Pelletier, A history of natural deduction and elementary logic textbooks, Simon Fraser University, (2004).
26. K. Saunders, Informal Fallacies in Legal Argumentation, South Carolina Law Review, (1993).
27. M. Sullivan, Precalculo, Pearson Educacion,
Mexico, 1997.
28. M. Szabo, The Collected Papers of Gerhard Gentzen, North-Holland Publishing Company, Amsterdam, first ed., 1969.
29. J. Toro, Sucesiones, Escuela Politecnica Nacional, Ecuador, 1992.

Indice
alfabetico
Anillo, 69
asociatividad multiplicativa en un -, 69, 74
conmutatividad multiplicativa en un -, 69, 74
existencia de inversos multiplicativos en un -, 69, 74
existencia del neutro multiplicativo en un -, 69, 74
propiedad distributiva en un -, 69, 74
Conjunto
- de conjuntos, 63
- de los numeros
naturales, 64
-s disjuntos, 61
complemento de un -, 62
contenencia de -s, 55
idea de -, 53
igualdad de -s, 55
interseccion
de -s, 61, 62
notacion
de -s, 53
pertenencia de -s, 53
producto cartesiano de -s, 66
Teora de -s
Leyes de Morgan, 65
union
de -s, 62
Cuerpo, 69
- de los numeros
complejos, 271
aplicaciones del -, 271

asociatividad aditiva en -, 273
asociatividad multiplicativa en -, 274
conmutatividad aditiva en -, 274
conmutatividad multiplicativa en -, 274
distancia en el -, 277
existencia de inversos aditivos en -, 274
existencia de inversos multiplicativos en -, 274
existencia del neutro aditivo en -, 274
existencia del neutro multiplicativo en -, 274
notacion
imaginaria en -, 274
operaciones en el -, 272
origen del -, 271
propiedad distributiva en -, 274
- de los numeros
reales, 69
Formula
- de Euler, 279
Funcion
- como modelo matematico, 1

- compleja, 275
Regla del Maximo Dominio para una -, 276
- de conjugacion,
277
- modulo,
276
propiedades de la -, 276
definicion
de -, 67
dominio de una -, 1
notacion
de -, 67
Grupo, 68
- Abeliano, 68
-s cristalografico, 68
asociatividad en un -, 68, 74
existencia de inversos aditivos en un -, 68, 74
existencia del neuto aditivo en un -, 68
existencia del neutro aditivo en un -, 74
Logica
relacion
de la - con la Teora de Conjuntos, 62
Matlab, 2
Maxima, 2
- como software libre, 2
- como un Sistema Computacional Algebraico, 2
comando de - para analizar la equivalencia de proposiciones, 42
- para analizar la validez de una estructura logica,
24
- para asignacion,
53
- para calcular el conjugado, 277
- para calcular el producto cartesiano, 66
- para carga de paquetes, 24
- para cargar paquetes, 91
- para declarar conjuntos, 63
- para evaluar una funcion
en varios argumentos, 164
- para generar listas, 91
- para graficos bidimensionales, 91
- para hallar las races de un polinomio, 145
- para la forma polar de un numero
complejo, 279
- para la serie de Fibonacci, 163

- para resolver ecuaciones, 145
interface wxMaxima de -, 2
Tip de No. 1, 2
No. 10, 59
No. 11, 60
No. 12, 61
No. 13, 63
No. 14, 66
No. 15, 91
No. 16, 145
No. 17, 145
No. 18, 164
No. 19, 164
No. 2, 24
No. 20, 273
No. 21, 275
No. 22, 276
No. 23, 277
No. 24, 279
No. 3, 24
No. 4, 42
No. 5, 53
No. 6, 54
No. 7, 54
293

Indice
alfabetico
294
No. 8, 54
No. 9, 59
unidad imaginaria en -, 275
Numero
complejo
argumento de un -, 279
forma polar de un -, 279
forma rectangular de un -, 279
Operacion
- interna, 68
Par ordenado
definicion
de -, 66
Polinomio
-s de Taylor, 164
Raz
- imaginaria, 271
Relacion
- antisimetrica, 70
- reflexiva, 70
- simetrica, 70
- transitiva, 70
codominio de una -, 67
definicicion
de -, 66
dominio de una -, 67
rango de una -, 67
Scilab, 2
Software
- libre, 2
- matematico, 1
Sucesion
- de Fibonacci, 164
definicion
de -, 163
notacion
de -, 163
Teorema
- Fundamental del Algebra,

144
- como herramienta para Ingeniera, 1
Fuentes adicionales
Objeto
Uso
Objetos no referenciados en el texto

Fuente / Autor
En observaciones importantes http://amigoslibro.blogspot.com/

En tips de Maxima
Sven Hodapp
295

Matematica PDF

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

Matematica PDF

Cargado por

Copyright:

Formatos disponibles

Juan Mayorga-Zambrano

[ NOMBRE INSTITUCIN AUSPICIANTE ]

Matematica Superior para Ingeniera

incluyendo, pero sin limitarse a lo siguiente: fotocopiado, reproduccion,

Este texto ha sido preparado con LATEX. Se ha adaptado

Dedicado a mis hijos Daniel, Keren, Jaya y Jaim.

Existe una opinion

La obra sadsad dsadsad as dasdas dasdas

Tabla resumida de contenidos

Teora intuitiva de conjuntos

El cuerpo de los numeros

La derivada y sus aplicaciones

A El cuerpo de los numeros

Soluciones y/o pautas para los problemas

Este texto tiene su genesis en

Juan Mayorga Zambrano

(Ecuador), Universidad Tecnologica

1.1 Conceptos basicos y principios fundamentales . . . . . . . . . . . . . . . . . . . . . .

1.1.3 Jerarqua de conectores logicos

1.2 Reglas de Inferencia Fundamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7 Equivalencia e implicacion

Teora intuitiva de conjuntos

El cuerpo de los numeros

5.4 Teorema Fundamental del Algebra

5.6.3 Calculo por el Algoritmo de Euclides . .

5.7 Forma irreducible . . . . . . . . . . . . . . . . . .

La derivada y sus aplicaciones

8.3 La Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239

Derivadas de orden superior . . . . . .

Extremos de una funcion

A El cuerpo de los numeros

A.2.2 Propiedades de cuerpo . . . . . . . .

B Falacias materiales o informales

Soluciones y/o pautas para los problemas

Porque las cosas de este mundo no pueden llegar a entenderse

desde los anos

indicadas con el buho que aparece a la izquierda.

es importante pues piratear

Tip de Maxima No. 1.

A lo largo del libro el codigo

En el Captulo YYYY se hace

En este libro por competencia se entiende la capacidad para resolver un problema.

Porque las cosas de este mundo no pueden llegar a entenderse

La Ciencia requiere de un mecanismo de construccion

Debe tenerse presente que la Logica

correcto, esta no es una condicion

de Gentzen y Jaskowski ([13], [28] y [16]), mejor conocido como Deduccion

Natural se encuentra en [25].

Del griego o (logike) que significa dotado de razon,

Conceptos basicos y principios fundamentales

Los elementos basicos de la Logica

y el razonamiento. Empecemos con el primero de

manera que una declaracion

Ejemplo 1.1 Las siguientes oraciones

Ejemplo 1.4 se usan habitualmente letras mayusculas

Ejemplo 1.4 Representemos algunas proposiciones:

1.1 Conceptos basicos y principios fundamentales

Conector Operador Aplicacion

Cuadro 1.1 Conectores y operadores logicos

Abordemos ahora el proceso esencial en el estudio de la Logica,

partir de un input, las premisas, se obtiene un output, la conclusion.

final; esto se refleja en el esquema

Observe que la Definicion