Está en la página 1de 308

DEPARTAMENT DE MATEMATICA APLICADA

UNIVERSITAT POLITECNICA DE VALENCIA

Apuntes de MATEMTICAS I
para los Grados en:
Ingeniera en Tecnologas Industriales (GITI)
Ingeniera de Organizacin Industrial (GIOI)

Mara Jos Martnez Us

Jos Mara Sanchis Llopis

13 de agosto de 2015

ndice
1. Nmeros, sucesiones y series numricas
1.1. Los Nmeros Reales

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2. Topologa en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.

Nmeros complejos y polinomios . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1. Los nmeros complejos . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.2. Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

1.3.3. Polinomios reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.3.4. Forma polar de los nmeros complejos . . . . . . . . . . . . . . . . .

13

1.4. Sucesiones de nmeros reales . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

1.4.1. Sucesiones convergentes

. . . . . . . . . . . . . . . . . . . . . . . . .

19

1.4.2. Sucesiones de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

1.4.3. Sucesiones divergentes . . . . . . . . . . . . . . . . . . . . . . . . . .

27

1.5. Sucesiones en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

1.6.

33

Series de nmeros reales

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.6.1. Criterios para series de trminos positivos

2.

. . . . . . . . . . . . . . .

37

1.6.2. Series de trminos cualesquiera, series alternadas y reordenacin . . .

41

1.7. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

Funciones
2.1.

46

Funciones de una variable . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

2.1.1. Representacin grfica . . . . . . . . . . . . . . . . . . . . . . . . . .

46

2.1.2. Funciones Inyectivas

. . . . . . . . . . . . . . . . . . . . . . . . . . .

48

2.1.3. Funciones importantes . . . . . . . . . . . . . . . . . . . . . . . . . .

50

2.2. Funciones de varias variables . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

2.2.1. Campos escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

2.2.2. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . .

65

3. Lmites y continuidad de funciones


3.1.

67

Lmites de funciones de una variable . . . . . . . . . . . . . . . . . . . . . .

67

3.2. Continuidad de funciones de una variable . . . . . . . . . . . . . . . . . . . .

71

3.2.1. La idea de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . .

71

3.2.2. La continuidad en un punto . . . . . . . . . . . . . . . . . . . . . . .

72

3.2.3. Clculo de lmites del tipo lm f (x)g(x) . . . . . . . . . . . . . . . . .

75

3.2.4. Teoremas de Weierstrass y Bolzano . . . . . . . . . . . . . . . . . . .

77

3.2.5. El mtodo de la biseccin . . . . . . . . . . . . . . . . . . . . . . . .

79

xa

3.3. Lmites y continuidad de funciones de varias variables

. . . . . . . . . . . .

4. Diferenciabilidad de funciones de una variable

80
86

4.1. La derivada en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

4.2. La funcin derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

4.3. Los Teoremas de Rolle y de Lagrange . . . . . . . . . . . . . . . . . . . . . .

98

4.4. El mtodo de Newton

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

4.5. Derivadas sucesivas: desarrollos de Taylor

. . . . . . . . . . . . . . . . . . . 103

4.5.1. La frmula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 104


4.5.2. La serie de Taylor - McLaurin . . . . . . . . . . . . . . . . . . . . . . 109
4.5.3. Operaciones con series de McLaurin (series de potencias) . . . . . . . 112
4.6. La inversa de la derivada: la funcin primitiva . . . . . . . . . . . . . . . . . 115
4.6.1. Integracin trmino a trmino . . . . . . . . . . . . . . . . . . . . . . 117
4.7. Qu es una ecuacin diferencial? . . . . . . . . . . . . . . . . . . . . . . . . 119
4.7.1. Taylor y ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . . 122
5. Diferenciabilidad de funciones de varias variables

124

5.1. Derivadas parciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125


5.2. Derivadas direccionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
ii

5.3. El plano tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129


5.4. Diferenciabilidad global de una funcin de dos variables. . . . . . . . . . . 130
5.5. Derivadas parciales de segundo orden . . . . . . . . . . . . . . . . . . . . . . 133
5.6. La regla de la cadena (dos variables) . . . . . . . . . . . . . . . . . . . . . . 135
5.7. La regla de la cadena vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.8. El mtodo de Newton de varias variables . . . . . . . . . . . . . . . . . . . . 144
5.9. La frmula de Taylor de 2 variables . . . . . . . . . . . . . . . . . . . . . . . 145
5.10. La Funcin potencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.11. Qu es una Ecuacin Diferencial en Derivadas Parciales? . . . . . . . . . . . 148
6. Mximos y mnimos (puntos extremos)

150

6.1. Extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150


6.2. Extremos condicionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.3. Extremos absolutos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
7. Integrales de una variable

167

7.1.

La integral de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169

7.2.

Clculo de la Integral

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174

7.3.

Integracin numrica

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176

7.4.

Aplicaciones de la integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177


7.4.1. Valor promedio de una funcin

. . . . . . . . . . . . . . . . . . . . . 177

7.4.2. Lmites e integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177


7.4.3. Longitud de arco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
7.4.4. rea y volumen de revolucin . . . . . . . . . . . . . . . . . . . . . . 180
7.4.5. Longitud de arco en paramtricas . . . . . . . . . . . . . . . . . . . . 181
7.4.6. Integral de lnea de una funcin escalar . . . . . . . . . . . . . . . . . 183
7.4.7. Integral de lnea de una funcin vectorial . . . . . . . . . . . . . . . . 184
7.4.8. El Teorema de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.5.

Integrales infinitas e impropias . . . . . . . . . . . . . . . . . . . . . . . . . 188

33
3

8.

Integrales dobles y triples

193

8.1.

Integrales dobles en un recinto rectangular . . . . . . . . . . . . . . . . . . . 193

8.2.

Integrales dobles en un recinto general . . . . . . . . . . . . . . . . . . . . . 197

8.3.

Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199

8.4.

Cambios de coordenadas para integrales dobles y triples . . . . . . . . . . . 200


8.4.1. Integral doble por cambio a coordenadas polares . . . . . . . . . . . . 201
8.4.2. Integral doble por cambio a coordenadas elpticas . . . . . . . . . . . 204
8.4.3. Integral triple por cambio a coordenadas cilndricas . . . . . . . . . . 205
8.4.4. Integral triple por cambio a coordenadas esfricas . . . . . . . . . . . 205

8.5. Integral doble y clculo de reas de superficies curvas . . . . . . . . . . . . . 210

44
4

SESIONES 2015: 36 Teoras + 24 Problemas

Teora
Gua Docente + Nmeros reales
Rn + Suc 18,19
Sucesiones (19-24)
Sucesiones (24-29)
Sucesiones (29) + Series (29-34)
Series (35-39)
Series (40-44)
SP (45) + Func (46-53)
Funciones (54-61 )
Func f (x, y) + cont f (x) (62-69)
Continuidad f (x) (69-74)
Continuidad f (x) (75-78) + f (x, y) (80)
Continuidad f (x, y) (81-85)
Dif. f (x) (86-90)
Dif. f (x) (90-96)
Rolle&Lagrange + Taylor (103-105)
Taylor (105-110)
Taylor (110-114)
Primitivas + Ec. Dif. (115-119)
Ec.Dif. (120-122) + DIF (125-127)
DIF (127-132)
DIF (132-137)
DIF (138-143)
Taylor 2v+ F.Pot+ Extremos (150-153)
Extremos (154-158)
Extremos (159-164)
Extremos+ Integrales f (x) (165-169)
Integrales f (x) (170-174)
Integrales f (x) (175-180)
Integrales f (x) + dobles (181-194)
Integrales dobles (195-199)
Integrales dobles (200-204)
Integrales dobles (204-209)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35 Problemas: Integrales dobles y triples III
36 Problemas: Integrales dobles y triples III

Problemas
1 Complejos
2 Complejos. Polinomios
3 Complejos. Reales
4 Sucesiones I
5 Sucesiones II
6 Series I
7 Series II
8 Series III
9 Funciones y lmites
10 Lmites funcionales
11 Funciones continuas
12 Dif. Rolle y TVML
13 Taylor
14 Primitivas
15 Ecuaciones Dif.
16 Parciales, Direcc, Plano tg
17 Schwarz, RC, Direcc
18 RC vect, F. Potencial
19 Extremos locales
20 Extremos Condicionados
21 Extremos absolutos
22 Integrales una variable
23 Integrales dobles y triples I
24 Integrales dobles y triples II

Primer parcial: Teoras desde 1 hasta 18, Problemas desde 1 hasta 12, incluidos.

1.

Nmeros, sucesiones y series numricas

1.1.

Los Nmeros Reales

Para llegar a los nmeros reales, que son el objeto principal de esta asignatura, vamos a
presentar los distintos conjuntos de nmeros. Partimos de los nmeros naturales:
N = {1, 2, 3, 4, }

A partir de N construimos el conjunto Z de los nmeros enteros:


Z = {0, +1, 1, +2, 2, +3, 3, }

A partir de Z construimos el conjunto Q de los nmeros racionales, es decir, el conjunto


de todas las fracciones de enteros con denominador no nulo:
p
Q=
, con p, q Z, q = 0
q
El nombre de racional viene de que el nmero qp representa la razn que hay entre el entero p
y el entero q. Notar que todo nmero entero, como 7, puede expresarse como una fraccin,
7
, luego Z Q. El conjunto Q puede representarse por puntos de una recta. En este caso,
1
entre cada par de nmeros racionales hay una infinidad de nmeros racionales y por eso,
grficamete, el conjunto Q se podra representar como una recta de puntos suspensivos
infinitamente finos:
|
0

|
1

En la recta hay puntos que no representan a ningn racional. Por ejemplo, 2 no es un


racional, pues no existe ninguna fraccin de enteros pq tal que ( pq)2 = 2. Por lo tanto, tenemos
que ampliar Q. Para ello, recordemos que cada nmero racional (fraccin) puede expresarse
como un desarrollo decimal peridico,
1
= 0.33333.... = 0.b3 = 0.3b3,
3

o tambin

3
= 1.50000.... = 1.5b0 = 1.5
2

y que todo desarrollo decimal peridico puede expresarse como una fraccin, luego Q es
tambin el conjunto de todos los desarrollos decimales peridicos:
n
o
p
Q=
, con p, q Z, q = 0 = desarrollos decimales peridicos .
q
1

Ahora podemos definir el conjunto de los nmeros reales, R, como:


n

R = desarrollos decimales (peridicos y no peridicos)


y se cumple que Q R. Adems, R tien
e ms nmeros que Q pues hay expresiones decimales
que no son peridicas. Por ejemplo, 2 tiene un desarrollo decimal en el que no aperecer
nunca ningn periodo. Otro ejemplo de un desarrollo decimal no peridico es:
x = 0.1010010001000010000010000001 R \ Q
Notar que entre cada par de unos tenemos un cero, dos ceros, tres ceros, etc., luego no puede
aparecer ningn periodo. A los nmeros reales que no son racionales, es decir, a R \ Q (el
smbolo \ es el menos entre conjuntos, de modo que R \ Q son todos los reales excepto los
racionales), los llamamos irracionales, pues no pueden expresarse como la razn entre dos
enteros, y son desarrollos decimales no peridicos.
El conjunto R (racionales e irracionales) cubre completamente la recta (que se llama la
recta real), es decir, cada punto de la recta se corresponde con un nmero real y viceversa:
|
0

|
1

Adems, entre cualquier par de nmeros reales distintos existen una infinidad de racionales y de irracionales, es decir, los racionales y los irracionales estn, digamos, infinitamente
mezclados en la recta. Sin embargo, puede probarse que hay una cantidad infinitamente
mayor de irracionales que de racionales. As, el salto importante en la construccin de los
conjuntos de nmeros es el que hacemos de Q a R. Notar que un slo nmero irracional tiene infinitas cifras decimales, que nunca podremos conocer completamente. En este sentido,
podramos decir, cuntos nmeros irracionales caben en el ordenador con ms capacidad
del mundo? Ninguno.
El conjunto R es ordenado, es decir, dados x = y R cualesquiera se cumple que, o bien
x < y o bien x > y. Recordemos ahora algunas de las propiedades de las desigualdades. Lo
haremos para <, pero son tambin vlidas para >, , .
Propiedades de las desigualdades: Para cualesquiera reales x, y, z, t R se cumple que:
(1) Si x < y, e y < z,

entonces x < z.

(2) Si x < y entonces

x + z < y + z,

xz < yz, si z > 0


.
xz > yz, si z < 0

(3) Si x < y entonces

(4) Si x < y entonces

1
x

(5) Si

x z < y z.

x<y
entonces
z<t

>

, si xy > 0 (es decir, ambos positivos o ambos negativos).

x + z < y + t.
2

Estas propiedades significan que podemos operar con desigualdades como si fuesen igualdades, aunque con dos excepciones: al multiplicar por un nmero negativo (propiedad 3)
y al invertir dos nmeros del mismo signo (propiedad 4) hay que cambiar el sentido de la
desigualdad (de < a > o viceversa).
Las desigualdades nos sirven para definir intervalos de R y el mdulo de un nmero real:

Definicin 1 (Intervalos) Dados a, b R llamaremos intervalo abierto, (a, b), e intervalo


cerrado, [a, b], a:
n
o
n
o
(a, b) = x R tales que a < x < b ,
[a, b] = x R tales que a x b .
Notar que en el intervalo abierto no estn incluidos los extremos del intervalo, a, b,
mientras que en el intervalo cerrado s. Tambin podemos definir intervalos que no son
abiertos ni cerrados, como
n
o
n
o
(a, b] = x R : a < x b ,
[a, b) = x R : a x < b ,
donde el smbolo : representa aqu tales que, e intervalos de longitud infinita:
n
o
n
o
x

R
:
x

b
,
(, b) = x R : x < ,
(, b] =
b
n

(a, +) = x R : x >

o
x

R
:
x

a
.
[a, +) =

,
a

Definicin 2 (Mdulo) Llamaremos mdulo o valor absoluto de un nmero real x a


|x| =

x si x 0
.
x si x 0

Por ejemplo, |7| = 7, | 7| = 7. El valor absoluto sirve para calcular distancias entre
nmeros reales, pues |x y| es la distancia en la recta entre x e y. As por ejemplo, el conjunto
de reales x que cumplen la desigualdad
|x 7| < 2
son los puntos x de la recta que estn a una distancia del punto 7 menor que 2, es decir, son
los puntos x del intervalo (5, 9).
Propiedades del valor absoluto: Para cualesquiera reales x, y R:
(1) |x| 0. Adems, |x| = 0 si, y slo si, x = 0
(2) |xy| = |x||y|
3

(3) |x + y| |x| + |y|


(4) |x| y si, y slo si, y x y

|x| |y| |x y|

(5)

Ahora podemos hacer analticamente lo que hemos hecho antes intuitivamente:


n

o h
i n
x R : |x 7| < 2 = propiedad 4 = x R :

o
2 < x 7 < +2 =
o

= x R : 7 2 < x < 7 + 2 = x R : 5 < x < 9 = Definicin 1 = (5, 9).

1.2.

Topologa en Rn

A partir de R se define R2 :
R2 = R R = (x, y) : x, y R .
Como R se representa con una recta (la recta
real), R2 se representa con un plano, en el que
cada par (x, y) se corresponde con un punto
del plano y viceversa (ver Figura).

Del mismo modo se define R3 :


n
o
R3 = R R R = (x, y, z) : x, y, z R ,
que representa el espacio tridimensional, (ver Figura),

y en general para cualquier n N, se define el espacio n dimensional


n
o
Rn = R R R = (x1 , x2 , . . . , xn ) : xi R i .
Las siguientes definiciones las vamos a dar para Rn en general, luego sern vlidas para
R , R3 , R4 , etc. y tambin para R.
2

Definicin 3 (Norma en Rn ) Dado x Rnr


, x = (x1 , x2 , ..., xn ), llamamos norma o mp
n
P
dulo de x a kxk = + x2 + x2 + + x2 = +
x2 .
1

n
i=1


Nota 1 En p
R, la norma coincide con el valor absoluto, pues kxk = + x2 = |x|. En R2 ,
k(x, y)k = + x2 + y2 representa, por el Teorema de Pitgoras, la distancia del punto (x, y)
al origen. En general, la norma sirve para medir distancias: dados a, b Rn , kabk es la
distancia en Rn que hay entre los puntos a y b. Por ejemplo, la distancia en R4 del punto
a = (1, 3, 4, 7) al origen (0, 0, 0, 0) es:
p
p

kak = x21 + x22 + ... + x2n = (1)2 + (3)2 + (4)2 + (7)2 = 75.
Puede demostrarse que se cumplen las siguientes propiedades:
(1) kxk 0. Adems, kxk = 0 si, y slo si, x = (0, 0, . . . , 0)
(2) kxk = || kxk x Rn , R
(3) kx + yk kxk + kyk x, y Rn
Definicin 4 (Bola abierta) Se llama bola abierta con centro en a Rn y radio > 0 a:
B a, = x Rn : kx ak <
y se llama bola cerrada con centro en a Rn y radio > 0 a

x Rn : kx ak .

Ejemplo 1 En R, la bola abierta con centro en a R y radio > 0 es el intervalo abierto


centrado en a:
B a, = x R : x a < = a , a + ,
y la misma bola, pero cerrada, es el intervalo cerrado

x R : x a = a , a + .

En R2 , la bola de centro a = (0, 0) y radio = 1 es:


n
o n
o
p
B (0, 0) , 1 = (x, y) R2 : k(x, y) (0, 0)k < 1 = (x, y) R2 : x2 + y2 < 1 =
n
=

(x, y) R : x + y < 1
2

es decir, es el crculo de centro (0, 0) y radio 1. Notar que en la bola abierta, la circunferencia
exterior (de radio 1) no est incluida, mientras que las bolas cerradas (con ), s incluyen la
circunferencia exterior:

En R3 , la bola B a, es la esfera de centro a y radio . De nuevo, la bola abierta es el


interior de la esfera y la bola cerrada (con ) incluye la superficie exterior de la esfera.
Definicin 5 (Punto interior, entorno, conjunto abierto y conjunto cerrado) Sea
D Rn y sea a D. Diremos que a es un punto interior de D, y que D es un entorno de
a, si:
existe un > 0 tal que B(a, ) D.
Diremos que D Rn es un conjunto abierto si todos sus puntos son interiores. Diremos
que D Rn es un conjunto cerrado si su complementario (Rn \ D) es un conjunto abierto.
Ejemplo 2 En R, a = 2 es un punto interior de D = [1, 7) y, por lo tanto, [1, 7) es un
entorno de 2. Los siguientes son conjuntos abiertos, porque todos sus puntos son interiores:
(1, 3), (5, +), (, 1), (1, 3) (5, +), (, 3) (5, +),
y los complementarios de estos abiertos son conjuntos cerrados:
(, 1] [3, +), (, 5], [1, +), (, 1] [3, 5], [3, 5].
Visualmente, los conjuntos abiertos son los que no contienen a ningn punto de su frontera
y los conjuntos cerrados son los que incluyen a toda su frontera. Recordemos que hay
conjuntos que no son abiertos ni cerrados, como (a, b].
Ejemplo 3 En R2 , el rectngulo R = (x, y) R2 : 3 < x < 3, 2 y 2 es un entorno
del punto (1, 1), y ste es un punto interior de R. Los siguientes son conjuntos abiertos,
porque todos sus puntos son interiores:
(x, y) R2 : x + y < 3 ,

(x, y) R2 : x2 + y 2 < 1 ,

(x, y) R2 : 3 < x < 3, 2 < y < 2

y los complementarios de estos abiertos son conjuntos cerrados:


(x, y) R2 : x2 + y2 1 ,

(x, y) R2 : x + y 3 ,

(x, y) R2 : x 3 x 3 y 2 y 2 .

La bola cerrada (x, y) R2 : x2 +y 2 1 es un conjunto cerrado porque su complementario,


(x, y) R2 : x2 + y2 > 1 es un abierto (todos sus puntos son interiores). Visualmente, en
R2 los conjuntos abiertos son tambin los que no contienen a ningn punto de su frontera,
como el conjunto D de la Figura 1, y todos sus puntos son interiores, mientras que los
conjuntos cerrados s incluyen a toda su frontera, como el conjunto R2 \ D de la Figura 1.
Tambin en R2 hay conjuntos que no son abiertos ni cerrados (contienen parte de su frontera
pero no toda).
Para tener una caracterizacin de conjunto cerrado en funcin de sus puntos y no de que
su complementario sea abierto, necesitamos el concepto de punto de acumulacin:
Definicin 6 (Punto de acumulacin) Sea D Rn y sea a Rn . Diremos que a es un
punto de acumulacin de D, si:
para todo

> 0,

en

B(a, ) existen puntos de D diferentes de a.


7

Figura 1: D es un abierto y R2 \ D es un cerrado


Ejemplo 4 En R, sea D = (0, 1]. Sus puntos de acumulacin son todos los de [0, 1]. En el
conjunto D R2 de la Figura 1, los puntos a y c son de acumulacin de D. Los puntos
interiores de un conjunto D son tambin puntos de acumulacin de D, pero hay puntos de
acumulacin que no son interiores (los puntos de la frontera). Puede probarse que
Teorema 1 (Caracterizacin de cerrados) Un conjunto D Rn es cerrado si, y slo
si, D contiene a todos sus puntos de acumulacin.
Nota 2 Sin embargo, un conjunto cerrado puede tener puntos que no son de acumulacin.
Por ejemplo, en R, sea D = [2, 3] {5}. Es D un cerrado? S, pues su complementario,
R \ D = (, 2) (3, 5) (5, +), es un abierto (todos sus puntos son interiores). Pero
los puntos de acumulacin de D son [2, 3]. Se llaman puntos aislados de D a los puntos de
D que no son de acumulacin de D. As, un conjunto cerrado est formado por todos sus
puntos de acumulacin y puntos aislados.

1.3.

Nmeros complejos y polinomios

1.3.1.

Los nmeros complejos

En el conjunto R de los nmeros reales hay ecuaciones que no tienen solucin, como por
ejemplo x2 +5 = 0, luego tenemos que ampliar R. Notar que la solucin de la ecuacin anterior

debera ser x = 5 . Si definimos el nmero imaginario i como un nmero tal que i2 = 1,

podemos decir que x = 5 i es una solucin de la ecuacin pues ( 5 i)2 = 5 i2 = 5(1) = 5.


As, podemos definir el conjunto de los nmeros complejos, C, como:
n
o
C = a + b i, con a, b R ,
donde i es un nmero llamado imaginario que cumple que i2 = 1. Con esta definicin, los
nmeros complejos incluyen a los reales, R C, pues por ejemplo el nmero real 2 puede
expresarse como 2 + 0 i C.
Todo nmero complejo z = a+b i tiene dos partes, una parte real a y una parte imaginaria
b, que se denotan por:
Re(z) = a,
Im(z) = b.
8

Notar que los complejos tales que Im(z) = 0 son nmeros reales. Los complejos tales que
Re(z) = 0 se llaman imaginarios puros.
Los nmeros complejos pueden sumarse y multiplicarse como binomios:
(2 + i) + (3 2 i) = 2 + 3 + i 2 i = 5 i,
(2 + i)(3 2 i) = 6 4 i + 3 i 2 i2 = 6 4 i + 3 i + 2 = 8 i
En general, si z = a + b i, w = c + d i son dos complejos, definimos
Suma: z + w = (a + b i) + (c + d i) = (a+c) + (b+d) i C,
Producto: zw = (a+b i)(c+d i) = ac+ad i+bc i+bd i2 = (acbd)+(ad+bc) i C.
En el producto hemos utilizado que i2 = 1. Al multiplicar complejos pueden aparecer
distintas potencias de i, pero todas pueden simplificarse:
i0 = 1 i1 = i

i2 = 1 i3 = i

i4 = 1 i5 = i

i6 = 1 i7 = i . . .

es decir, para cada n N tenemos que in = ir siendo r el resto de dividir n entre 4.


Para dividir complejos, como en 2+i1 , y expresar el resultado en forma a + b i, necesitamos
quitar el nmero i del denominador, multiplicando arriba y abajo por el conjugado:
1
=
2+ i

2 i
2 1
(2 i)
2 i
= i
(2 + i)(2 i) 22 i2 = 4 + 1
5 5
=

Definicin 7 (Conjugado) Se llama conjugado de z = a + b i, al complejo z = a b i.


Puede probarse que el conjugado tiene las siguientes propiedades:
(1)

z = z si, y slo si, b = 0, si, y slo si, z R.

(2)

z + w = z + w, z w = z w

(3)

z=z

(4)

z z = (a + b i)(a b i) = a2 b2 i2 = a2 + b2 R+

La propiedad 1 dice que los reales coinciden con su conjugado. La propiedad 2 dice que el
conjugado de la suma es la suma de los conjugados y que lo mismo ocurre con el producto. La
propieded 3 dice que el conjugado de z es el propio z. La propiedad 4 dice que si multiplicamos
un complejo por su conjugado obtenemos un real positivo. Como hemos visto, esta propiedad
es til en operaciones con fracciones para eliminar la unidad imaginaria i del denominador.
Nota 3 El conjugado es tambin til para otras expresiones con nmeros complejos. Por
ejemplo, si sumamos z + z obtenemos 2a, luego
1
1
Re(z) = (z + z). Del mismo modo, Im(z) = (z z).
2i
2
9

Como R se representa por una recta, la recta real, el conjunto C se representa por un
plano, el plano complejo (Figura 2), en donde cada nmero z = a + b i se representa por el
punto del plano R2 de coordenadas (a, b).

Figura 2: El plano Complejo

Nota 4 (C no es un conjunto ordenado) Puesto que no puede representarse en una recta, el conjunto C no es un conjunto ordenado, y dados dos complejos z = w no reales, no
podemos decir ni que z < w ni que w < z. Lo que s podemos comparar son sus mdulos:
Definicin 8 (Mdulo de un complejo) Dado z = a + b i, llamaremos mdulo de z a

2
2
|z| = + a + b = + zz.

Notar que, si z R, esta definicin coincide con la Definicin 2 del mdulo de un real. Por
el Teorema de Pitgoras, |z| es la distancia en el plano del complejo z al origen. Como en
los reales, |z w| representa la distancia en el plano entre los complejos z y w. Tambin
comparte con R las propiedades ms importantes:
(1) |z| 0. Adems, |z| = 0 si, y slo si, z = 0
(2) |zw| = |z||w|
(3) |z + w| |z| + |w|
(4) |z| = |z|
(5) Si z = 0, | 1z | =
(6)

1
|z|

|z| |w| |z w|

10

1.3.2.

Polinomios

Para ver que ya no necesitamos ampliar el conjunto C, recordemos algo de polinomios.


Un polinomio con coeficientes en C (o simplemente polinomio complejo) es una expresin de
la forma
a0 + a1 x + a2 x2 + . . . + an xn ,
donde cada ai C se llama coeficiente de xi y n es el grado del polinomio (si an = 0). Por
ejemplo, (2 + 3 i)x2 + (1 i)x 5 5 i es un polinomio de grado 2 con coeficientes en C:
2 + 3 i es el coeficiente de x2 , 1 i es el coeficiente de x y 5 5 i es el trmino independiente.
Notar que 10x4 21 x2 5x + 2 es un polinomio (de grado 4) con coeficientes en R pero
tambin es un polinomio con coeficientes en C, pues R C.
Por comodidad, denotamos a los polinomios con letras (f , g, p, q, etc.) y llamamos, por
ejemplo, polinomio f a f (x) = a0 + a1 x + a2 x2 + . . . + an xn . Lo que Lo que nos interesa
ahora de los polinomios son sus ceros o raices. Decimos que un nmero C es un cero o
una raz de un polinomio f (x) = a0 + a1 x + a2 x2 + . . . + an xn si f () = 0, donde f () es el
resultado de sustituir x por : f () = a0 + a1 + a2 2 + . . . + an n .
Teorema 2 (Fundamental del lgebra) Todo polinomio complejo de grado mayor o
igual que 1 tiene, al menos, un cero complejo.
Este Teorema afirma que cualquier ecuacin polinmica f (x) = 0 tiene solucin en C,
por lo que ya no necesitamos ms sistemas de nmeros y stos terminan en C:
N Z Q R C.
Los ceros de un polinomio f estn relacionados con la descomposicin del polinomio f
en polinomios de grado uno. Por ejemplo, si un polinomio f puede descomponerse como
f (x) = 5(x 2)(x 2)(x 3 + 2i)(x + i),
entonces est claro que 2, 32i, i son ceros de f , pues f (2) = f (3 2i) = f (i) = 0. Esto
es cierto en general:
Teorema 3 (Caracterizacin de los ceros) Un complejo C es un cero del polinomio
f si, y slo si, f (x) = (x ) q(x).
Demostracin: Obviamente, si f (x) = (x ) q(x) entonces f () = ( ) q() = 0.
Recprocamente, supongamos que f () = 0. Dividimos f (x) por el polinomio (x ) y
obtenemos un cociente, q(x), y un resto, que deber ser de grado menor que el de (x ),
es decir, el resto es una constante r. As, f (x) = q(x)(x ) + r. Sustituyendo por
tenemos que f () = q()( ) + r, luego r = f () = 0 y f (x) = q(x) (x ).
11

As, dado un polinomio complejo f , por el Teorema Fundamental del lgebra (TFA,
Teorema 2) f tiene un cero 1 C, y por el Teorema 3:
f (x) = (x 1 )q(x).
Como q es tambin un polinomio con coeficientes complejos, por el TFA tiene, al menos, un
cero 2 C, y por el Teorema 3, q(x) = (x 2 )q2 (x), luego sustituyendo:
f (x) = (x 1 )(x 2 )q2 (x).
As sucesivamente, todo polinomio complejo f de grado n 1 puede descomponerse de la
forma
f (x) = M (x 1 )(x 2 ) (x n ) con i , M C,
es decir, todo polinomio complejo de grado n 1, tiene exactamente n ceros complejos, no
necesariamente distintos. Por ejemplo, un polinomio complejo de grado 4 podra descomponerse como
f (x) = 5(x 7)(x 7)(x 3)(x + 1) = 5(x 7)2 (x 3)(x + 1).
En este caso, f (x) tiene al 7 como cero de multiplicadad 2 (cero doble), y a 3 y a -1 como
ceros de multiplicadad uno (ceros simples). Con esta idea de multiplicidad, podemos decir
que todo polinomio complejo de grado n 1, tiene exactamente n ceros complejos contando
su multiplicidad:
f (x) = M (x 1 )m1 (x 2 )m2 (x k )mk ,
con todos los i nmeros complejos distintos y con m1 + m2 + + mk = n.
1.3.3.

Polinomios reales

Supongamos ahora que f es un polinomio con coeficientes reales. Considerado como


polinomio complejo, f puede descomponerse como antes:
f (x) = M (x 1 )m1 (x 2 )m2 (x k )mk ,

(1)

con todos los i nmeros complejos distintos y con m1 + m2 + + mk = n. Sin embargo,


si f (x) es un polinomio real, podemos estar interesados en una descomposicin de f en
polinomios reales, y (x 1 ) no lo es si 1
/ R. A partir de la descomposicin compleja (1),
obtenemos la descomposicin real aplicando los siguientes resultados.
Teorema 4 (Ceros conjugados) Sea f un polinomio REAL. Si = a + bi es un cero de
f (x), entonces su conjugado = a bi es tambin un cero de f .
Demostracin: Sea f (x) = a0 + a1 x + + an xn , con cada ai R, y supongamos que
f () = 0. Tomando conjugados, f () = 0 = 0, es decir,
a0 + a1 + + an n = 0,

y por las propiedades del conjugado:


12

a0 + a1 + + an ()n = 0,
a0 + a1 + + an ()n = 0,

y como los ai son reales, ai = ai , luego

es decir, f () = 0 y es un cero de f.

De esta manera, en la descomposicin anterior (1), para cada cero complejo = a + bi,
tambin est su conjugado = a bi. Adems,
Teorema 5 Si multiplicamos (x )(x ) obtenemos un polinomio real (de grado 2).
Demostracin: Sean = a + bi y = a bi. Entonces,
(x )(x ) = x2 ( + )x + = x2 2a x + (a2 + b2 ),
que es un polinomio real pues 2a y a2 + b2 son reales.
Por lo tanto, agrupando en (1) cada cero complejo con su conjugado, tenemos que un
polinomio real de grado n 1 puede descomponerse como producto de polinomios:
de grado 1, correspondientes a sus ceros reales, y
de grado 2, correspondientes a parejas de ceros complejos congugados (no reales),
f (x) = M (x 1 )m1 (x 2 )m1 (x k )mk (x2 + b1 x + c1 )n1 (x2 + bj x + cj )nj ,
con todos los i , bi , ci nmeros reales distintos, todos los polinomios (x2 + bi x + ci )nj sin ceros
reales y con m1 + m2 + + mk + 2n1 + + 2nj = n.
El Teorema 2 (TFA) es un teorema de existencia, que asegura que cualquier ecuacin
polinmica tiene solucin en C, pero no indica cmo calcular los ceros de un polinomio
dado. Hasta el siglo XIX se pensaba que todas estas ecuaciones podan resolverse por
radicales, es decir, con frmulas expresadas con las 5 operaciones bsicas: suma, resta,
multiplicacin, divisin y radicacin. Esto es cierto para todos los polinomios de grado 2, 3
y 4. Por ejemplo, dado un polinomio complejo de grado 2, f (x) = ax2 + bx + c, sus ceros son:

b + b2 4ac
b b2 4ac ,
.
2 =
2a
1 =
2a
El modo de resolver polinomios de grado 3 y 4 es ms complicado y no lo veremos aqu.
Pero no es cierto para polinomios de grado 5 o ms: Galois demostr en 1832 que no existen
frmulas por radicales para resolver cualquier polinomio de grado 5 o ms.
Sin embargo, algunos de estos polinomios s pueden resolverse. Por ejemplo, si un polinomio tiene sus ceros enteros o fraccionarios, podemos calcularlos con el mtodo de Ruffini:
dado f (x) = 3x6 + 4x5 5x4 5x3 4x2 + 5x + 2, hacemos

13

-5

3
7

7
2

-5 -4

9
2

-6
4

-8
4

-8 -2
1 0

-1
3

-1
3

-1
0

-1/3

2 -3 -7 -2
-3 -7 -2 0

3 10 12
3 10 12 9

-2

2
0

luego f (x) = (x 1)2 (x + 2)(x + 13)(3x2 + 3x + 3) = 3(x 1)2 (x + 2)(x + 13)(x2 + x + 1)


y los ceros racionales de f son {1, 1, 2,1/3}. Adem
s, los ceros de x2 + x + 1 podemos

1 12 4
1 3i
calcularlos con la frmula anterior:
=
2
2.
Otro ejemplo de polinomios que pueden resolverse son los de la forma f (x) = xn z,
con z C. Para resolverlos, necesitamos la forma polar de un nmero complejo.
1.3.4.

Forma polar de los nmeros complejos

Como cada complejo se corresponde con un punto en el plano, adems de las coordenadas
cartesianas (Figura 2) tambin podemos utilizar las coordenadas polares (ver Figura 3). Cada

a = r cos()
b = r sen()

r=

a2 + b2

= arc tg( ab )

Figura 3: El plano Complejo: coordenadas polares.


punto z = 0 del plano est determinado por su distancia al origen, que llamaremos r (notar
que r = |z|), y por el ngulo, que llamaremos , que forma el segmento Oz con el eje de
abcisas. El par (r, ) forman las coordenadas polares de un punto z del plano. Conocidas las

14

polares, podemos calcular las coordenadas cartesianas y viceversa con las frmulas

a = r cos()
r = a2 + b2

b = r sen()

= arc tg( ab )

Nota 5 (Clculo del argumento) La funcin arc tg(x) en las calculadoras da un resultado en el intervalo 2 , 2 , pero el argumento puede estar en el intervalo , . Por
ejemplo, para el complejo 1 + i tenemos que = arc tg( ab ) = arc tg( 1 1 ) = arc tg(1) = 4 ,
lo cual es correcto. Sin embargo, para el complejo 1 i tenemos que = arc tg( ab ) =

, lo cual no es correcto, pues el argumento de 1 i (dibjalo en


arc tg( 1
1 ) = arc tg(1) = 4
el plano) es otro arcotangente de 1, =

+ =

5
4

Vamos a utilizar estas coordenadas polares para obtener otro modo de escribir un nmero
complejo. El mdulo de un complejo y sus propiedades fueron estudiados en la Definicin 8.
Definimos ahora el argumento de un complejo:
Definicin 9 (Argumento) Llamaremos argumento de z = a + b i = 0, arg(z), a cualquier nmero real (ngulo) tal que
a = |z| cos()
b = |z| sen()

Notar que el argumento no es nico: si es argumento de z, entonces tambin lo es + 2k


para cualquier k Z. Con el mdulo y el argumento podemos escribir
z = a + b i = |z| cos() + |z| sen() i = |z| cos() + sen() i
y si representamos por e i = cos() + sen() i, podemos definir:
Definicin 10 (Forma polar) Todo complejo z = 0 puede escribirse como z = |z| e i ,
donde e i representa a cos() + sen() i.
Nota 6 Aunque aqu lo damos como definicin, en realidad e i es la funcin exponencial (ver
Nota 51 en la pgina 111), con sus propiedades conocidas, como e0 i = 1, e i e i = e(+) i ,
e i /e i = e() i . Notar tambin que se cumple e i = 1, que es una frmula que relaciona
las tres constantes ms importantes de las matemticas. Tambin es cierta la Frmula de
De Moivre:
(e i )n = e(n) i

para todo

nZ

(incluidos los negativos).

La forma polar resulta til para multiplicar y dividir complejos z = |z| e i , w = |w| e i :
15

zw = |z| e i |w| e i = |zw| e(+) i ,

16

z = |z|ei = |z| () i
.
|w| e
w
|w| e i

Observa que al multiplicar complejos se multiplican sus mdulos y se suman sus argumentos
y al dividir complejos se dividen sus mdulos y se restan sus argumentos. Tambin es til
para calcular la potencia n-sima de un complejo (n Z),
z n = |z| e i

= |z|n e i

= |z|n e(n) i

Observa que el mdulo se eleva a la potencia n mientras que el argumento se multiplica por
n. La forma polar tambin se usa para para calcular las raices n-simas de un complejo:
Definicin 11 (Raz n-sima) Dado z C, z = 0, y dado n N, decimos que w C es
una raz n-sima de z si wn = z.
Notar que es equivalente a decir que w es una raiz del polimomio f (x) = xn z. As por
ejemplo, -2 es una raz cbica de -8, pues (2)3 = 8, y tambin es un cero del polinomio
f (x) = x3 + 8, pues f (2) = (2)3 + 8 = 0. Del mismo modo, i es una raz octava de 1,
pues (i)8 = 1, y es un cero del polinomio f (x) = x8 1. Veamos que todo complejo no
nulo z tiene exactamente n raices n-simas distintas y cmo calcularlas. Comencemos con
un ejemplo.
Ejemplo 5 (Las raices cbicas de -8) Sabemos que 2 es una raz cbica de 8 pero,
hay ms? Expresemos 8 en forma polar. Como | 8| = 8 y un argumento de 8 es ,
tenemos que 8 = 8ei . Recordemos que al elevar al cubo un complejo se eleva al cubo su
mdulo y se multiplica por 3 su argumento. Entonces, sacando la raiz cbica real de 8 y

dividiendo entre 3, el complejo 2e 3 i es una raiz cbica de 8ei = 8 pues:


(2e 3 i )3 = 23 e3 3 i = 8ei = 8

Figura 4: Una raiz cbica de 8


Grficamente lo que hemos hecho es coger el argumento principal de 8, (ver Figura
4) y dividirlo por 3. En esa direccin, 3 , y con mdulo 2, hay una raz cbica de 8,

w0 = 2e 3 i . Pero veamos que hay ms. Todas las races cbicas de 8ei tendrn mdulo 2 y
argumento cualquier tal que 3 = , o ms exactamente, que 3 = + 2k para cualquier
k Z. Dividiendo por 3 tenemos que k = + k 2 es un argumento de las races cbicas de
3

8ei , para todo k Z. Veamos cuntos de estos argumentos proporcionan ngulos distintos
(sabemos que, a lo sumo, habrn 3. Por qu?):
0 =

+0

2
3

17

1 =

+1

2
3

3
3

2 =

+2

2
3

5
3

, que es el mismo que

3 =

+3

2
3

7
3

, que es el mismo que

4 =

+4

2
3

9
3

, que es el mismo que

3
3

= 0
= = 1

5 =
luego slo hay 3 argumentos que produzcan ngulos distintos (a partir de 3 se repiten),
que son 0 = , 1 = + 2 = y 2 = + 2 2 = 5 . Por lo tanto, 8 tiene
3

exactamente 3 races cbicas distintas, que son (ver Figura 5):

w0 = 2e0 i = 2e 3 i = 2(cos( 3 ) + sen(3 )i) = 2(2 1 + 2

i) = 1 +

3i,

w1 = 2e1 i = 2ei = 2(cos() + sen()i) = 2(1 + 0 i) = 2,


w2 = 2e2 i = 2e

= 2(cos(

3 )

+ sen(

3 )i)

= 2(2 1 2

i) = 1

w0 = 1 +
w1 = 2
w2 = 1

3i.

3i

3i

Figura 5: Las 3 raices cubicas de 8.


Grficamente (ver Figura 5) lo que hemos hecho es, a partir del ngulo de la primera raiz
w0 (Figura 4), dividimos la circunferencia en 3 partes iguales y obtenemos los ngulos en los
que estn las otras raices cbicas w1 , w2 , todas con mdulo 2. Adems, como stos son los
tres ceros del polinomio x3 + 8, ste se descompone en C del modo siguiente:

x3 + 8 = (x + 2) x 1 3 i x 1 + 3 i .
Si queremos la descomposicin en R de x3 + 8, multiplicamos los dos ltimos polinomios de
grado 1 y obtenemos
x3 + 8 = (x + 2)(x2 2x + 4).

18

Ejemplo 6 (Las raices octavas de 1) Calculemos las 8 races octavas de 1 grficamente,


que sern los ceros de f (x) = x8 1. Como 1 = 1e0i , el mdulo de todas las races es 1
y el argumento de una de ellas, w0 , es 08 = 0. A partir de sta (ver Figura 6) dividimos
la circunferencia en 8 partes iguales y tenemos los 8 ngulos sobre los que estn las 8
raices
octavas
de 1. Observar que w0 = 1, w2 = i, w4 = 1, w6 = i y que las otras 4 son

22 22 i. Por lo tanto, el polinomio x 8 1 se descompone en C como


x8 1 = (x 1)(x + 1)(x i)(x + i) x

+ 2 2i

x+2

+2

x +2

y si multiplicamos los polinomios de grado 1 correspondientes a ceros conjugados obtenemos


la descomposicin de x8 1 en R:

x8 1 = (x 1)(x + 1)(x2 + 1)(x2 + 2x + 1)(x2 2x + 1).

Figura 6: Las 8 raices octavas de 1.


Lo que hemos hecho en los Ejemplos 5 y 6 anteriores puede hacerse en general. Sea z = |z|ei
y sea n N. Queremos encontrar los nmeros complejos w = |w|ei tales que wn = z, esto
es,
|w|n e(n)i = |z|ei
Comparando mdulos y argumentos tenemos que:

p
|w|n = |z| y, por lo tanto, todas las raices tienen mdulo |w| = + n |z|
n = + 2k (recordemos que si es argumento entonces tambin lo son + 2k) y,
dividiendo por n, obtenemos k = +2k
, para todo k Z. De estos infinitos argun
mentos tomamos los n que producen ngulos distintos, es decir, para k = 0, 1, . . . , n1:

2
+(n 1)
,
1 =
+ ,
2 =
0 =
+2 ,
...
n1 =
n
n
n
n
n
n
n

y, as, las n races n-simas distintas de z son:


p
p
p
+2
+4

w0 = n |z|e n i ,
w1 = n |z|e n i ,
w2 = n |z|e n i ,
19

...

wn1 =

p
n

|z|e

+2(n1)
i
n

Nota 7 Las n races n-simas de p


z estn regularmente distribuidas en una circunferencia
centrada en el origen y de radio + n |z| (ver Figura 6).

20

1.4.

Sucesiones de nmeros reales

En Matemticas, una sucesin es una secuencia infinita de elementos, de modo que uno
de ellos es el primero, otro el segundo, etc. Aqu vamos a estudiar sucesiones de nmeros
reales, en las que cada elemento (tambin llamado trmino) es un nmero real, xn . As, una
sucesin de nmeros reales puede representarse por
x1 , x2 , x3 , x4 , x5 ,
en donde los puntos suspensivos indican que tenemos infinitos trminos, tantos como n+
meros naturales. Tambin podemos escribir {xn}n=1
o bien sencillamente {xn }. Cada uno
de los trminos xn es un nmero real, y tienen un orden en el sentido que x1 es el primer trmino, x2 es el segundo, x3 el tercero y as sucesivamente. Puesto que cada nmero real xn representa un punto de la recta, una sucesin puede representarse como una
secuencia infinita de puntos en la recta. Por ejemplo, en la Figura 7a est representada
la sucesin {xn } 1, 2, 3, 4, 5, 6, 7, y en la Figura 7b est representada la sucesin
{xn } 1, 12 , 13 , 14 , 15 , 16, 17, .

Figura 7: Representacin de las sucesiones n

+
n=1

1 +
n

n=1

Ejemplo 7 Los siguientes son ejemplos de sucesiones:


1. {xn } 1, 2, 3, 4, 5, 6, 7, (Figura 7a)
2. {xn } 1, 1, 1, 1, 1, 1, 1,
3. {xn } 1, 0, 1, 0, 1, 0, 1,
4. {xn } 1, 12 , 13 , 14 , 15, 16, 17, (Figura 7b)
5. {xn } definida por xn =

n+1
n

(llamado trmino general), para cada n N

(llamado trmino general), para cada n 3


q
7. {xn } definida como x1 = 1, xn+1 = xn2+2 (ley de recurrencia), para cada n 1
6. {xn } definida por xn =

2n5
3n+1

Las sucesiones 1 a 4 anteriores estn dadas explcitamente, como una secuencia de


nmeros. Notar que no podemos escribir todos los trminos de una sucesin, pues son
infinitos, pero escribiendo algunos de ellos se entiende cmo es la sucesin. Las sucesiones
5 y 6 estn definidas con una frmula para su trmino general. As, si xn = n+1
n , para
cada n N, sustituyendo n sucesivamente por 1, 2, 3, 4, , la sucesin {xn } resulta
2 3 4 5 6 7
1 , 2 , 3 , 4 , 5 , 6 , . La frmula del trmino general nos permite conocer directamente el
21

valor de cualquier trmino, como x77 =

78
77

en la sucesin anterior. Notar que la sucesin

4 puede definirse tambin mediante una frmula para su trmino general: xn = n1 . En


cambio, q
la sucesin 7 est definida por un primer elemento, x1 = 1 y una ley de recurrencia,
xn+1 = xn2+2 , para cada n N. As, la sucesin 7 es:

22

x1 = 1
q
x2 =

q
x1 +2

x2 +2

x3 =

q3
2

x5 =

x4 +2
=
2

= 1.224744871391
2
q

=
+2

1,224744871391+2

2
1,269792280530+2

2
1,278630572239+2
2

x3 +2

x4 =

q
1+2

= 1.269792280530

= 1.278630572239
= 1.280357483720

Notar que, a diferencia de la frmula para el trmino general, si queremos conocer el valor
de, digamos, x77 , tenemos que calcular todos los trminos consecutivos desde x1 hasta el
propio x77 .
1.4.1.

Sucesiones convergentes

De la sucesiones nos interesa el concepto de convergencia. Intuitivamente una sucesin


{xn } converge a un nmero real x si, cuando n crece lo suficiente, los trminos xn se acercan
a x tanto como queramos (Figura 8).

Figura 8: Sucesin convergente a x


Pensemos en las sucesiones del Ejemplo 7 anterior. La sucesin 1 no converge, pues el
valor de sus trminos van creciendo indefinidamente (ver Figura 7a). La sucesin 2 converge
a 1, pues todos los trminos valen 1. La sucesin 3 no es convergente, pues el valor de sus
trminos se queda oscilando infinitamente entre 0 y 1. La sucesin 4 converge a cero (ver
Figura 7b), pues 1n se acerca a cero tanto como queramos cuando n crece. Por ejemplo,
el trmino correspondiente a n = 1010 es x1010 = 0.0000000001, y el correspondiente a
n = 1050 es x1050 = 0.00000000000000000000000000000000000000000000000001. La sucesin
5 converge a 1, pues n+1
se acerca a 1 tanto como queramos cuando n crece.
n
La distancia de xn a x se expresa con el valor absoluto, |xn x|. Pedir que xn se acerque a
x tanto como queramos es pedir que |xn x| sea tan pequeo como queramos. La definicin
matemtica de sucesin {xn } convergente a un x R es la siguiente:
Definicin 12 (Sucesin convergente) Diremos que {xn } es convergente a x R si, para
todo > 0 (letra griega psilon), existe una posicin N N tal que, a partir de ella, todos los
dems xn cumplen |xn x| < . Escrito en smbolos:
23

> 0, N N : si n N, entonces

|xn x| < .

(2)

Tambin podemos decir que {xn } converge a x, {xn } tiende a x, {xn } x, lm


xn = x.
n

24

Si observamos slo el principio y el final de la proposicin (2) anterior,


> 0 ........................

entonces

|xn x| <

puede entenderse que, efectivamente, |xn x| puede hacerse tan pequeo como queramos:
ms pequeo que cualquier valor positivo . La parte central de (2)
. . . . . . . . . . . . . . . N N : si n N, . . . . . . . . . . . . . . . . . .
indica que no todos los xn tienen que cumplir |xn x| < , sino slo los trminos a partir
de una cierta posicin definida por un natural N .
Por ejemplo, supongamos que en la sucesin de la Figura 8 tomamos un valor 1 (Figura
9). Notar que 1 representa una distancia alrededor de x, pues |xn x| < si, y slo si,
< xn x < si, y slo si, x < xn < x + si, y slo si, xn (x , x + ).

Figura 9: Sucesin convergente a x


Podemos conseguir que |xn x| < 1 , es decir, que xn (x 1 , x + 1 )? Como se ve en
la figura, esto no se cumple para todo n, pues x1 , x2 y x3 no lo cumplen, pero s es cierto
a partir de x4 . Por lo tanto, podemos decir que, para el valor 1 de la Figura 9, existe un
trmino, x4 , o bien existe una posicin, N = 4, a partir de la cual todos los dems trminos
cumplen que |xn x| < 1 .
Supongamos ahora que tomamos otro valor = 2 ms pequeo que 1 (Figura 10).
Podemos conseguir ahora que xn (x 2 , x + 2 )? De nuevo la respuesta es afirmativa

Figura 10: Sucesin convergente a x


pero con una condicin: n 7. En la Figura 10 puede verse que, a partir del trmino x7 ,
todos los dems cumplen que |xn x| < 2 . Ahora podramos tomar un valor 3 que fuese
mil veces ms pequeo que 2 . Si pudisemos ampliar mil veces la Figura 8, veramos que
existe una posicin N N (un trmino xN ) a partir de la cual todos los dems cumplen que
|xn x| < 3 . Pues bien, si esto ocurre para cualquier de valor de > 0, por pequeo que
sea, entonces diremos que la sucesin {xn } es convergente a x (ver Definicin 12).
El valor puede entenderse como un error mximo permitido: podemos tomar un xn
como aproximacin de x cometiendo un error menor que ? Si la sucesin es convergente a
x, entonces la respuesta ser que s, siempre que tomemos n suficientemente grande.
25

Ejemplo 8 Consideremos la sucesin n1 y veamos que se cumple la proposicin (2) de la


Definicin 12 anterior con x = 0. Tomemos, por ejemplo, = 0.1 y tenemos que estudiar
cundo se cumple que n1 0 < 0.1. Haciendo cuentas,
1
n

0 < 0.1

1
n

< 0.1

n>

1
0.1

n > 10.

Por lo tanto, para = 0.1, tomando N = 11 se cumple (2). Si ahora tomamos = 0.001,
1
n

0 < 0.001

1
n

< 0.001

n>

0.001

= 1000.

Por lo tanto, para = 0.001, tomando N = 1001 se cumple (2). Sin embargo, para demostrar
que la sucesin n1 es convergente a cero, la proposicin (2) debe cumplirse para todo > 0.
Como hay infinitos valores para , el modo de demostrarlo para todo > 0 es considerar un
> 0 cualquiera (sin darle un valor concreto). Entonces,
1
n

0 <

1
n

<

n > 1 .

Por lo tanto, basta tomar un N > 1 , lo que siempre es posible pues el conjunto N de los
nmeros naturales es infinito. As pues hemos demostrado que sucesin 1n es convergente
a cero, o bien que lm 1n = 0.
n

Ejemplo 9 La sucesin 2 del Ejemplo 7, xn = 1, n, es convergente a 1: dado un > 0


cualquiera, basta tomar N = 1 para tener que, si n 1, entonces |xn x| = |1 1| = 0 < ,
luego se cumple la proposicin (2).
Ejemplo 10 La sucesin 3 del Ejemplo 7, {xn } 1, 0, 1, 0, 1, 0, 1, , no es convergente
a ningn real x: para x = 1, por ejemplo, si tomamos = 0.5, para cualquier N que
consideremos siempre existirn trminos posteriores a N tales que |xn x| = |01| = 1 > 0.5,
luego no se cumple la proposicin (2).
Nota 8 a) En la proposicin (2) no se dice que sea pequeo. Pero obviamente son los
valores pequeos de > 0 los que representan que xn se acerca a x.
b) La N de la proposicin (2) no es nica. Si para = 0.1 tenemos que N = 21, tambin
son vlidos los valores N = 22, N = 25, N = 4837, etc.
c) Si a una sucesin convergente a un x le quitamos o aadimos un nmero finito de trminos,
obtenemos otra sucesin que tambin es convergente a x. As, la convergencia, o no,
de una sucesin no depende de los primeros (millones de) trminos.
d) Una sucesin {xn } puede ser convergente a x aunque ningn xn sea exactamente igual
a x, como las sucesiones 5 y 6 del Ejemplo 7. Pero tambin puede ocurrir que todos o
algunos de sus trminos xn sean iguales a x, como en la sucesin 2 del Ejemplo 7.

26

El siguiente Teorema nos indica el comportamiento de las sucesiones convergentes frente


a las operaciones algebraicas, suma, producto, cociente, etc.

27

Teorema 6 (lgebra de sucesiones convergentes) Sean {xn } e {yn } sucesiones convergentes a x e y, respectivamente. Entonces,
(i) la sucesin {xn + yn } converge a x + y, es decir, lm xn + yn = x + y = lm xn + lm yn ,
n

(ii) la sucesin {xn yn } converge a xy, es decir, lm xn yn = xy = lm xn lm yn ,


n

(iii) la sucesin {|xn |} converge a |x|,


(iv) si xn = 0, n N, y x = 0, la sucesin
(v) si xn 0, n N, la sucesin

p x
n

1
xn

converge a 1x,

converge a p x, para todo natural p 2.

Demostracin: Vamos a demostrar nicamente (i) (las demostraciones de (ii) a (v) son
parecidas). Sea un > 0 cualquiera. Para demostrar (i) tenemos que encontrar un N N
tal que si n N entonces (xn + yn ) (x + y) < . Como se cumple que
(xn + yn ) (x + y) = xn x + yn y |xn x| + |yn y|,
tenemos que (xn + yn ) (x + y) ser menor que si conseguimos hacer que |xn x| y
|yn y| sean menores que 2 . As pues, consideremos 2 > 0 y le aplicamos que {xn } converge
a x:

N 0 N tal que, si n N 0 entonces |xn x| < .


2
Del mismo modo, si aplicamos a

As, |xn x| <

> 0 que {yn } converge a y tenemos que:

N 00 N tal que, si n N 00 entonces |yn y| < .


2
0
se cumple a partir de N 00 . Como
se cumple a partir de N y |yn y| <
2

necesitamos que se cumplan las dos desigualdades a la vez, definimos


N = max{N 0 , N 00 }
y resulta que, si n N , entonces
(xn + yn ) (x + y) = xn x + yn y |xn x| + |yn y| <


+ = ,
2 2

luego se cumple (2) de la Definicin 12 para la sucesin {xn + yn } y el real x + y, luego la


sucesin {xn + yn } converge a x + y.
Nota 9 Intuitivamente, el Teorema anterior dice que si xn se aproxima mucho a x e yn se
aproxima mucho a y, entonces xn + yn se aproxima mucho a x + y. Del mismo modo, xn yn
se aproxima mucho a xy, x1n se aproxima mucho a x1 , etc.

28

Nota 10 Con el lgebra de sucesiones y sabiendo que lm 1n = 0 podemos resolver cualquier


n
lmite que sea cociente de dos polinomios, como la sucesin 5 del Ejemplo 7:
n
1
1 + n1
n +1
1+0
n +n
= lm
= dividiendo por n arriba y abajo = lm
lm
= 1,
=
1
1
n
n
n
n
n
n

o incluso con races, como la sucesin 6 del Ejemplo 7


s
s
r
2n
5
2 5

2n 5
lm
n

= lm
3n + 1

3n

= lm

r
2

3+

.
3

Otro ejemplo podra ser:


lm
n

5n 4

= lm

7n2 + 2n + 1

5n
n2

7n2
n2

n2

2n
n2

= lm

1
n2

n n2

7 + 2n +

=
1
n2

0 0

= 0.

7+0+0

Nota 11 Las propiedades (i) y (ii) se cumplen tambin si, en lugar de sumar o multiplicar
2 sucesiones convergentes, se suman o multiplican un nmero fijo p de sucesiones:
(i) lm xn + yn + .(p. ). + zn = x + y + .(p. ). + z
n

(ii) lm xn yn .(p. ).zn = xy.(p. ).z


n

En particular, si en (ii) tomamos la misma sucesin {xn } repetida p veces, tenemos que la
potencia p-sima de una sucesin {xn } convergente es tambin convergente:
lm xpn = xp .
n

Sin embargo, las propiedades (i) y (ii) no son ciertas si el nmero de sumandos o factores es
variable. Por ejemplo, si consideramos la sucesin
xn =

n+1

n+2

+ ... +

2n

n=1

en la que el nmero de sumandos es n (variable), no es correcto hacer


lm xn = lm
n

De
hecho, se cumple que
1

1
n+1

xn =

+ n+21 + ... +2n 1 = 0 + 0 + + 0 = 0.


1

n+1

luego si xn

1
2

+ ... +
1

n+2

2n

27, pgina 52.


29

2n

+
... +
1
2n

2n

2n

= 1,
2

n, su lmite no puede ser cero. Ver tambin el comentario tras la Definicin


Teorema 7 (del Sandwich) Sean {xn }, {yn } y {zn } sucesiones tales que xn yn zn
para todo n. Si, adems, {xn } y {zn } son convergentes al mismo x R, entonces {yn }
tambin es convergente a x.

30

Demostracin: Sea > 0 cualquiera. Tenemos que encontrar un natural N a partir del
cual |yn x| < . Como {xn } converge a x,
N 0 N tal que, si n N 0 entonces |xn x| <
es decir, < xn x < , o bien x < xn < x + .
Como {zn } tambin converge a x, N 00 N tal que, si n N 00 entonces x < zn < x + .
Si ahora definimos N = max{N 0 , N 00 } resulta que, si n N , entonces
x < xn yn zn < x+ = x < yn < x+ = < yn x < + = |yn x| < .
Por lo tanto, la sucesin {yn } es convergente a x.
sen(n)
Ejemplo 11 Estudiar el lmite lm
n
n . Como 1 sen(n) +1, dividiendo por n,
=

1
n

sen(n)

n , y como lm
n

sen(n)

= lm n = 0, = Sandwich = lm
n

Ejemplo 12 Estudiar la convergencia de {xn }, xn =


Recordemos

1
n2 +1

++

n2 +2

= 0.

n2 +n

(Nota 11) que no es correcto aplicar (i) para deducir que su lmite es 0 + 0 + + 0 = 0.
Lo intentamos por el Teorema del Sandwich: cada sumando n21+i puede ser acotado entre el
menor y el mayor de ellos,
1

n2 +n

n2 +n

+ +

n2 +n

n2 +1

n
n2 +n

y como lm n2n+n = 0 y lm
n

n2 +i1

1
n2 +n

1
n2 +1

n
n2 +1=

n2 +1 1 , y sumando para i = 1, 2, . . . , n:
1

+
+

n2 +2
1

+ +
+ +

n2 +2

n2 +n
1
n2 +n

n2 +1

n2 +1

+ +

n2 +1

n
n2 +1

0, por el Teorema del Sandwich, tambin lm xn = 0.


n

En los Teoremas 6 y 7 anteriores todas las sucesiones son convergentes. En el siguiente


Teorema 8, una de ellas es slo una sucesin acotada, que definimos a continuacin.
Definicin 13 (Sucesin acotada) Una sucesin {xn } es acotada si existe una constante
M R (llamada cota) tal que |xn | M n. Tambin diremos que es acotada superiormente,
si xn M n (cota superior), o acotada inferiormente, si xn M n (cota inferior).
Teorema 8 (Acotada por convergente a cero) Si {xn } es acotada e {yn } es convergente a 0, entonces {xn yn } es tambin convergente a 0.

31

Demostracin: Si {xn } es acotada entonces |xn | M n. Multiplicando por |yn | tenemos


que |xn yn | M |yn | , luego
M |yn | xn yn M |yn |

Por el Teorema 6(ii), la sucesin {M |yn |} es convergente a M |0| = 0, y por el Teorema 7


del Sandwich, la sucesin {xn yn } es tambin convergente a 0.

32

Ejemplo 13 lm
n

i
sen(n)
1 h
= lm sen(n) = Acotada por convergente a cero = 0.
n
n
n

Un ejemplo de sucesin que no es acotada es la sucesin 1 del Ejemplo 7, representada


en la Figura 7a. Concretamente, no es acotada superiormente, aunque s es acotada inferiormente, siendo M = 0 una cota inferior. Notar que tambin son cotas inferiores de esta
sucesin M = 1, M = 7, etc., pues en la definicin de cota no dice que una cota deba
ser ajustada. Las sucesiones representadas en las Figuras 7b y 8 s son acotadas, con cotas
M = 1 y M = x, respectivamente. Qu relacin hay entre sucesin convergente y sucesin
acotada? Puede probarse el siguiente teorema:
Teorema 9 Toda sucesin {xn } convergente es acotada.
Sin embargo, una sucesin {xn } acotada no tiene por qu ser convergente: la sucesin 3
del Ejemplo 7, {xn } 1, 0, 1, 0, 1, 0, 1, , es acotada pero no es convergente. Necesitamos
otra condicin ms para que una sucesin acotada sea convergente (ver Teorema 11).
1.4.2.

Sucesiones de Cauchy

El principal inconveniente de la definicin de sucesin convergente (Definicin 12) es


que en ella interviene el valor del lmite, x, que no es un elemento de la sucesin. Veamos
ahora una definicin equivalente en la que no aparece x. Si en la Figura 8 eliminamos la x
obtenemos la grfica de la Figura 11, en la que la sucesin {xn } representada es la misma,
luego es convergente. Grficamente, la sucesin de la Figura 8 es convergente porque sus

Figura 11: Sucesin de Cauchy


trminos xn se acercan a x todo lo que queramos. Puesto que en la sucesin de la Figura
11 no tenemos x, la idea de convergencia podemos basarla en que sus trminos se acercan
entre s todo lo que queramos, que es el concepto de Sucesin de Cauchy:
Definicin 14 (Sucesin de Cauchy) Diremos que {xn } es una Sucesin de Cauchy si
> 0, N N : si m > n N, entonces

|xm xn | < .

(3)

Ambos conceptos, sucesin convergente y Sucesin de Cauchy, son equivalentes (en R):
Teorema 10 (de completitud de Cauchy) Sea {xn } una sucesin de reales. Entonces,
{xn } es una Sucesin de Cauhy si, y slo si, {xn } es una sucesin convergente (a un x).
33

Con esta idea, podemos estudiar la convergencia de una sucesin sin necesidad de conocer
previamente el valor del lmite, como veremos en el Teorema 11.
Definicin 15 (Sucesin montona) Diremos que una sucesin {xn } es montona si es
montona creciente, es decir, si xn xn+1 para todo n N, o bien si es
montona decreciente, es decir, si xn+1 xn para todo n N
Si cambiamos por <, podemos hablar de estrictamente creciente o decreciente.
Teorema 11 (de la convergencia montona) Toda sucesin {xn } montona y acotada
es convergente.
Como no lo vamos a demostrar, demos una justificacin visual de este Teorema 11. Una
sucesin montona creciente tiene que estar creciendo indefinidamente (cada trmino debe
estar a la derecha del anterior, como en la Figura 12). Si, adems, est acotada superiormente,
los trminos no pueden rebasar una cota M , luego necesariamente tienen que acercarse entre
s infinitamente y la sucesin es sucesin de Cauchy (y, por tanto, convergente). Notar que
sabemos que es convergente aunque no conocemos el valor del lmite.

Figura 12: Sucesin montona y acotada

Nota 12 Por la Nota 8c, el Teorema 11 anterior es tambin vlido si la sucesin es


montona slo a partir de una cierta posicin. Adems, si una sucesin {xn } es creciente,
x1 x2 x3 x4 . . . , entonces est acotada inferiormente (por M = x1 , por ejemplo, ver
Figura 12), luego basta demostrar que est acotada superiormente para que sea convergente.
As, el modo de utilizar el Teorema 11 en la prctica es:
Toda sucesin creciente y acotada superiormente es convergente.
Toda sucesin decreciente y acotada inferiormente es convergente.
Ejemplo 14 Estudiar la convergencia de la sucesin {xn } definida por el trmino general
xn =

1 3 5 (2n1)
.
2 4 6 (2n)

34

Observemos en primer lugar que no podemos utilizar la definicin de sucesin convergente


pues no tenemos idea del valor del lmite. S podemos utilizar el Teorema 11. Veamos primero
que es montona. Para ello, calculamos el cociente xxn+1
y estudiamos si es 1 1:
n
xn+1

= xn+1

xn

1 3 5 (2n1) (2n+1) 2 4 6 (2n)

xn =

2 4 6 (2n) (2n+2)

2n+1

1 3 5 (2n1) = 2n+2

2n+1
y como 2n+2
1 para todo n, entonces xn+1 xn , n, y la sucesin {xn } es decreciente.
Adems, es obvio que xn 0 para todo n (pues es producto de nmeros positivos), luego
la sucesin {xn } est acotada inferiormente por M = 0. Por el Teorema 11 (y la Nota 12),
sabemos que la sucesin {xn } es convergente (aunque no conocemos su lmite).

Teorema 12 (Dos lmites importantes) (i) lm


n

n = 1.

(ii) lm
xn = 0 si, y slo si, |x| < 1.
n

Demostracin: (i) Para n > 1 tenemos que n n > n 1= 1, luego n n = 1 + xn con xn > 0.
As, basta demostrar que lm xn = 0. Elevando a n en n n = 1 + xn tenemos
n

2
n = (1 + xn ) = Bin. Newton = 1 + nxn + n(n1)
x2n+ ... + xnn> 1 + n(n1)
2
2 x n
q
p
2
y despejando: n(n1) x2 < n 1 n x2 < 1 n xn < 1 xn <
,
n

q
luego 0 < xn <

2
n

para todo n > 1 y, por el Teorema 7 del Sandwich, lm xn = 0.


n

(ii) Si |x| > 1 la sucesin es divergente. Si |x| = 1, la sucesin {(1)n } es oscilante y la


sucesin {1n } es convergente a 1. Si |x| < 1 entonces |x|
> 1, y1 = 1 + t, con t > 0
1

|x|

constante. Entonces,
1

x 0 = |x| = (1 + t)n
n

Nota 13 lm
n

n2 = lm

h
i
= Bin. Newton =

1 + nt + + tn

n = 1 1 = 1. Tambin lm

general, dados dos polinomios en n, p(n), q(n), ocurre que lm


n

lm

35

<

nt

n2

n = lm

q(n)

1
0 = 0.

n
n

n = 1. En

p(n) = 1. Por ejemplo,

2n+3

1.4.3.

7n5 + 4n3 = 1.
Sucesiones divergentes

Diremos que una sucesin {xn } es divergente si no es convergente. Los siguientes son
ejemplos de sucesiones divergentes:
1. {xn } 1, 2, 3, 4, 5, 6, 7,

36

2. {xn } 1, 2, 3, 4, 5, 6, 7,
3. {xn } 1, 2, 3, 4, 5, 6, 7, 8,
4. {xn } 1, 2, 1, 2, 1, 2, 1, 2,
5. {xn } 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2,
6. {xn } 1, 12 , 2, 23 , 3, 14 , 4, 15, 5, 16,
7. {xn } 1, 12 , 1+ 21 , 31 , 1+ 31 , 41 , 1+ 51 , 51 ,
Las sucesiones 4 a 7 anteriores son divergentes porque son oscilantes. Ahora nos interesan
ms las sucesiones divergentes 1 a 3:
Definicin 16 (Sucesin divergente) Diremos que una sucesin {xn } es:
(i) divergente a + si M R, N N : si n N, entonces

xn > M

(4)

(ii) divergente a si M R, N N : si n N, entonces

xn < M

(5)

Tambin podemos decir que {xn } tiende a +, {xn } +, lm


xn = +, etc.
n
Por ejemplo, la sucesin 1 anterior es divergente a + (ver Figura 13): para cada M que
consideremos (por grande que sea), siempre podremos conseguir que xn > M , a partir de
una cierta posicin N . Del mismo modo, la sucesin 2 es divergente a . Notar que la

Figura 13: Sucesin divergente a +


sucesin 3, {xn } 1, 2, 3, 4, 5, 6, 7, 8, , no es divergente a + ni a , pero en
valor absoluto, la sucesin {|xn |} es divergente a +. Podemos decir, en estos casos, que
{xn } es divergente a .
Operaciones con sucesiones convergentes y divergentes
Con las Definiciones 12 y 16 sabemos qu significa lnm xn = , con R {, +}
(este conjunto se llama recta real ampliada). Vamos a extender el Teorema 6 a operaciones
con sucesiones convergentes y divergentes. Por ejemplo para la suma, el siguiente teorema
puede expresarse de manera simblica como que a + (+) = +:
Teorema 13 Si lm xn = a R y lm yn = +, entonces lm xn + yn = +.
n

37

Demostracin: Sea M R cualquiera. Como lm xn = a, dado = 1, existe N 0 N


n
tal que si n N 0 entonces xn > a 1. Dado M (a 1), como lm yn = +, existe
n
N N tal que si n N entonces yn > M (a 1). As, si n max{N 0 , N } entonces
xn + yn > a 1 + M (a 1) = M , luego lm xn + yn = +.
n

De modo anlogo pueden probarse los siguientes resultados:


a + () = ,

(+) + (+) = +,

() + () = ,

() () = , a () = (con el signo que corresponda, a = 0),


a

= 0,

= (segn si la sucesin que tiende a 0 es siempre positiva o es siempre negativa),


0

()p = , p = (con el signo segn el natural p 2 sea par o impar).


Ejemplo 15
r
lm
n

s
5n2 + n 4

5n2
n2

n2

n2

= lm

3n + 1

5 +

n n2

=
m
3 l
3n

n2

n2

5 + 0 0
=
= +.

0+0

n2

Nota 14 (Indeterminaciones) El producto 0 (+) es una indeterminacin, pues al


multiplicar una sucesin convergente a cero por otra divergente a + podemos obtener
cualquiera de las tres posobilidades:
una sucesin convergente a un real (por ejemplo

1
n

una sucesin convergente a cero (por ejemplo

n),

una sucesin divergente (por ejemplo

1
n

1
n2

n),

n2 ).

En general, existen siete tipos de indeterminaciones:


+

0 ()

(las otras tres, se estudiarn en la Seccin 3.2.3:

00

0
0
0).

Vamos a dar un mtodo til para el clculo de lmites de sucesiones en forma de fracciones
en las que, en el numerador o en el denominador, aparecen sumas de n trminos.
Teorema 14 (de Stolz) Sea {vn } una sucesin montona creciente tal que lm
vn = +.
n
n
un+1 un
vn+1 vn
Si lm
38

=x R
entonces
lm

un
= x.
vn

39

Nota 15 El modo de utilizar el Teorema de Stolz es similar al de la Regla de LHopital


(Teorema 54, Tema 4). Queremos calcular el lmite de una sucesin en forma de cociente,
n
xn = vunn . Si calculamos el lmite del cociente de las diferencias, uvnn++11 u
vn , y vale x, entonces
el lmite original, lm xn , tambin existe y vale x. Obviamente esto tiene utilidad si la expren
sin de un+1 un (o de vn+1 vn ) es ms sencilla que la de un . Esto ocurre, por ejemplo,
cuando cuando un se expresa como una suma de n trminos, como en el siguiente ejemplo.
Ejemplo 16 Calcular el lmite de la sucesin {xn } definida por

12 + 22 + ... + n2
.
xn =
n3

Llamemos un = 12 +22 +...+n2 , vn = n3 . Claramente {vn } es montona creciente y divergente


a +, luego podemos el Teorema de Stolz. Calculemos
un+1 un = 12 + 22 + ... + n2 + (n + 1)2 12 + 22 + ... + n2 = (n + 1)2
vn+1 vn = (n + 1)3 n3 = n3 + 3n2 + 3n + 1 n3 = 3n2 + 3n + 1
n2 + 2n + 1
1
un+1 un
(n + 1)2
= .
luego lm
= lm
= lm
2
2
n
n
n
3n + 3n + 1
3
vn+1 vn
3n + 3n + 1

Por el Teorema de Stolz,

12 + 22 + ... + n2
1
= .
lm xn = lm
3
n
n
3
n

Como ejercicio, calcula el lm


n

1k + 2k + ... + nk
nk+1

Nota 16 El Teorema de Stolz es vlido con lm


n

(Solucin:

un un1
vn vn1

1
k+1

).

en lugar de lm
n

un+1 un
.
vn+1 vn

Hemos visto en la Nota 13 que lnm n np = 1 para calquier p N fijo. Sin embargo, vamos

a ver que lm n n! = + . Para ello, utilizaremos la frmula de Stirling.


n

lm

Teorema 15 (de Stirling)

n!

n nn en

Nota 17 Este teorema viene a decir que, en el clculo de lmite de sucesiones, n! y

2n nn en son equivalentes: cada n! que aparezca en un lmite puede ser sustitui


do por
2n nn en , como en los ejemplos siguientes.
q
i
h

n
n
2n nn en = lm 2n 2n e1 n = 1 1e (+) = +.
Ejemplo 17
lm n! = lm
n

40

Ejemplo 18 Calculemos el lmite de la sucesin {xn } del Ejemplo 14 definida por


1 3 5 (2n1)
.
2 4 6 (2n)

xn =

Para poder utilizar la frmula de Stirling, tenemos que manipular la expresin anterior de
modo que aparezcan factoriales. Para obtener un factorial en el numerador, multiplicamos y
dividimos por 2 4 6 (2n):
(2n)!
1 3 5 (2n1) = lm 1 2 3 4 5 6 (2n1) (2n) = lm
n 2 4 6 (2n) 2 4 6 (2n)
n (2 4 6 (2n))2
2 4 6 (2n)

lm
n

Para obtener un factorial con el producto de los pares, 2 4 6 (2n), sacamos el factor
2 de cada nmero par: 2 4 6 (2n) = (2 1) (2 2) (2 3) (2 4) (2 n) = 2n n!:
lm
n

(2n)!
(2n)!
= lm n
=
2
n (2 n!)2
(2 4 6 (2n))

Ahora podemos aplicar


Stirling: como n!
es
equivalente
a
2n nn en , tambin (2n)!

es equivalente a 22n (2n)2n e2n = 2 n 22n n2n e2n . Sustituyendo

2 n 22n n2n e2n


n
1
= lm
= lm
= lm = 0.
22n 2n n2n e2n

Sucesiones en Rn

1.5.

Una sucesin en Rn es

x(k)

k=1

x(1) , x(2) , x(3) , x(4) , . . . , donde cada x(k) Rn es un punto

de Rn (ver Figura 14) con n componentes,


x(k) = x(k)
1

(k)

, x2 , . . . , xn(k) Rn .
n
2

Ejemplo 19 Un ejemplo de a sucesin en R es


1
1

,1 ,

1
2

2 ,

1
3

3 ,

1
4

4 ,

1
5

1
k,

5 ,

1
6

o+
k,
,

k=1

6 6 ,

, es decir,
1
7

7 , ...

Como con las sucesiones en R, estamos interesados en el concepto de convergencia, es decir,


si, cuando k crece lo suficiente, los trminos se acercan a un punto a de Rn tanto como
queramos. La definicin matemtica es la misma que en R (ver Definicin 12) cambiando
mdulo por norma:
41

Definicin 17 Diremos que la sucesin


> 0

N N :

si

x(k)

k=1

k N, entonces

42

es convergente al punto a Rn si:


x(k) a <

(ver Figura 14).

x(k)

Figura 14: Sucesin

k=1

en R2 convergente a a R2

Volviendo
al Ejemplo 19, vemos que la primera componente, k1 , convege a 0 y la segunda
componente, k k, converge a 1. Es esto suficiente para poder asegurar que la sucesin es
convergente a (0, 1)? S: para calcular el lmite de una sucesin en Rn basta con calcular el
lmite de n sucesiones en R (sus componentes), como dice el siguiente Teorema.

Teorema 16 Una sucesin x(k) k=1 en Rn es convergente a un a Rn si, y slo si,


converge componente a componente.
n
1

Ejemplo 20 La sucesin en R3 ,
La sucesin en R3 ,

1
n

n, en

o +

n, e n

, es convergente a (0, 1, 1) .
n=1

es divergente ya que la sucesin {en } es divergente.

n=1

43

1.6.

Series de nmeros reales

Una serie en matemticas es una suma con infinitos sumandos. Una serie numrica es:
a1 + a2 + a3 + a4 + a5 + =

+
X

an ,

donde cada

an R.

n=1

Por ejemplo, 0 + 0 + 0 + 0 + 0 + , o tambin 1 + 1 + 1 + 1 + 1 + . Intuitivamente,


el resultado de la primera es cero y el de la segunda es +. Estas dos series son triviales.
Lo que hace interesante el concepto de serie es que, en algunos casos, el resultado de sumar
infinitos nmeros no nulos es un nmero finito. El ejemplo tpico es:

1 1 1
1
1
1
1
+ + +
+
+
+
2 4 8 16 32 64 128 + = 1.

Para dar significado matemtico a las sumas con infinitos sumandos tenemos que recurrir
al concepto de paso al lmite,
+
X

an = a1 + a2 + a3 + a4 + a5 + = lm a1 + a2 + + an = lm Sn ,
n

n=1

es decir, una serie puede considerarse como una sucesin {Sn } cuyo trmino general se escribe
como un sumatorio, Sn = a1 + a2 + + an .
P
Definicin 18 (Serie convergente) Una serie
an se dice convergente o divergente
si la correspondiente sucesin {Sn } de sus sumas parciales es convergente o divergente, se
llama suma de la serie al valor A = lm Sn y escribimos que
n
X
a1 + a2 + a3 + a4 + a5 + = A
o bien
an = A.
Con esta definicin y con las propiedades
convergentes puede demosP de las sucesiones
P
trarse que, dadas dos series convergentes
an = A y
bn = B, se cumple que,
P
(i) la serie
(an + bn ) es convergente y su suma es A + B:
a1 + b1 + a2 + b2 + a3 + b3 + a4 + b4 + a5 + b5 + = A + B,
P
(ii) la serie
an , con R, es convergente y su suma es A:
a1 + a2 + a3 + a4 + = (a1 + a2 + a3 + a4 + ) = A,
44

(iii) la serie a4 + a5 + a6 + a7 + a8 + es convergente y suma A (a1 + a2 + a3 ).


Como primeros ejemplos, consideremos las series siguientes:
(n)

1. 0 + 0 + 0 + 0 + 0 + = lm 0 + 0 + + 0 = lm 0 = 0
n

(n)

2. 1 + 1 + 1 + 1 + 1 + = lm 1 + 1 + + 1 = lm n = +
n

3. 1 12 + 13 14 + 15 16 + = lm 1 12 + 13 14+ 1 5 + 1 n = lm ?
n

1
4. 1 + 12 + 13 + 14 + 15 + 1 6+ = lm 1 + 1 2+ 1 3+ 1 4+ 1 +
m ?
5 +
n = l
n

5. 1 + 1 + 1 + 1 +
2

+ = lm 1 + 1 + 1 + 1 + +

16

1
2n1

= lm ?
n

Las dos primeras son triviales: la primera es convergente con suma 0 y la segunda es
divergente a +. En las otras tres podemos ver la particularidad de las series: slo podremos
resolverlas como una sucesin cuando podamos calcular Sn = a1 + a2 + a3 + + an , lo que,
en general, no ser posible. En el ejemplo 3, como no se conoce ninguna frmula para sumar
1 21 + 31 41 +51 + n1 , no podemos resolver esta serie simplemente calculando el lm Sn .
Lo mismo ocurre con el ejemplo 4, pues tampoco sabemos sumar 1 + 12 + 13 + 14 + 15 + + 1n.
En algunos casos (muy pocos), como en el ejemplo 5, s es posible. Este es un caso
particular de una serie muy importante, la serie geomtrica. Antes de estudiarla, recordemos
la frmula para sumar los n trminos de una progresin geomtrica:
Nota 18 (Progresin Geomtrica) Decimos que n nmeros a1 , a2 , a3 , , an1 , an estn en Progresin Geomtrica de razn K (= 1) si cumplen que ai+1 = K ai , para todo i.
La suma de estos n nmeros, S = a1 + a2 + + an , puede calcularse del modo siguiente:
S = a1 + a2 + a3 + + an1 + an
K S = a2 + a3 + a4 + + an + K an
S K S = a1 + 0 + 0 + + 0 K an

= multiplicando por K =
= restando y cancelando trminos
=
a1 an K
, es decir,
= S(1 K ) = a1 an K y despejando S resulta que S =
1K
S = al primero menos el ltimo por la razn dividido por uno menos la razn.
Definicin 19 (Serie geomtrica) Llamamos serie geomtrica de razn x a
+
X

xn = 1 + x + x2 + x3 + x4 +

que es una serie numrica para cada valor de x R.

n=0

Notar que la serie geomtrica,

xn , no es simplemente una serie, sino una familia de


45

series, pues para cada valor de x tenemos una serie diferente. Veamos que, dependiendo del
valor de x, la serie es convergente o divergente.

46

P n
Teorema 17 (de la serie geomtrica) La serie
x es convergente si, y slo si, |x| < 1.
1
En este caso, su suma es 1x , es decir,
+
X
1
xn = 1 + x + x2 + x3 + x4 + =
para todo x (1, +1).
1x
n=0

Demostracin: Por la Definicin 18, la serie es convergente o divergente si la sucesin {Sn }


de sus sumas parciales es convergente o divergente, donde
Sn = 1 + x + x2 + x3 + x4 + + xn1 .
Lo estudiamos segn los valores de x. Para x = 1 tenemos que Sn = n, que es divergente.
Para x = 1, Sn es la suma de una progresin geomtrica de razn x = 1 (ver Nota 18):
h
i
n1
x = 1 xn .
Sn = 1 + x + x2 + x3 + x4 + + xn1 = Nota 18 = 1 x
1x
1x
As, {Sn } es convergente si, y slo si, {xn } es convergente, si, y slo si, |x| < 1 (Teorema 12).
1
En este caso, lm xn = 0 (Teorema 12) y la suma de la serie es lm Sn =
.
n
n
1x
P n
Nota 19 En los casos x = 1 y x = 1, la serie geomtrica
x es divergente. Sin embargo,
el modo de diverger es diferente:
P n
Para x = 1 la serie es
1 = 1 + 1 + 1 + 1 + 1 + , que es divergente a + porque
lm {Sn } = lm n = +.
n
n
P
Para x = 1 la serie es
(1)n = 1 1 + 1 1 + 1 + , que es divergente porque
la sucesin {Sn } es oscilante: {Sn } 1, 0, 1, 0, 1, 0,
Entre los casos convergentes podemos destacar:
P 1 n P
1
1
1
1
1
=
1

2n

1
2

= 1 + 2 + 4 + 8 + 16 + 32 + =

= 1 1
2

1
1

+48+

16

1 12

32 + =

1+ 12

= 2 (geomtrica de razn x = 2 )
1

(geomtrica de razn x =

Otro ejemplo de series que pueden sumarse son las telescpicas, llamadas as porque sus
sumas parciales se calculan por cancelacin telescpica, como en el siguiente ejemplo.
+
X

Ejemplo 21 (Serie telescpica) Consideremos la serie


n=1

Sus sumas parciales son: Sn =

1
1 2

+2

1
3

+3 4 1 4+ 5
47

1
. n(n+1)

+ n(n+1)
+

Observemos que cada sumando


n(n+1)
1

n
A

n+1
B

n(n+1)

1
n(n+1)

puede descomponerse como suma de dos fracciones:

resolviendo

An+A+Bn

A = 1, B = 1 =

n(n+1)
1

48

n
1

n+1
1

1
1 2

y, por lo tanto, Sn =
=

1
1

2+

1
2

3+

1
3

4+

luego lm Sn = lm 1
n

+2

X
n1

1
n+1

1
4

1
3

+
3

1
4

+5
4

5 + +

1
n

+ n(n+1)
+

= sustituyendo =

1
n+1

= [cancelacin telescpica] =

1
n+1

= 1 0 = 1 = la serie es convergente y suma 1, es decir,

1
1
=
n(n+1)
1 2

1
+
2 3

+
3 4

+
4 5

+ = 1.

P
Como dada una serie an no podemos, en general, calcular Sn = a1 + a2 + a3 + + an ,
(salvo en algunas excepciones) tenemos que estudiar las series, no a partir de la sucesin
{Sn }, que no conocemos,
Psino a partir de sus trminos an , que s conocemos. Por ejemplo,
sabemos que una serie
anP
es convergente si {Sn } es convergente (Definicin 18), pero,
qu significa que una serie
an sea convergente respecto de sus trminos an ? Es lo que
dice el siguiente teorema.
Teorema 18 (Cauchy para series) Una serie

an es convergente si, y slo si,

> 0, N N : si m > n N entonces

an+1 + an+2 + + am < .

P
Demostracin: Por la Definicin 18, an es convergente si la sucesin {Sn } es convergente,
y por el Teorema 10, {Sn } es convergente si, y slo si, es Sucesin de Cauchy:
> 0, N N : si m > n N entonces |Sm Sn | < ,
donde Sm Sn = (a1 + a2 + + am ) (a1 + a2 + + an ) = an+1 + an+2 + + am .
Es decir, las series convergentes son aquellas cuyas colas, an+1 + an+2 + + am , se hacen
tan pequeas como queramos (haciendo n suficientemente grande). Si las colas tienden a
cero, en particular tambin tiende a cero an , como dice el siguiente teorema.
Teorema 19 Si

an es convergente, entonces la sucesin {an } converge a cero.

Demostracin: Sea > 0 cualquiera. Para demostrar que {an } converge a cero tenemos
P
que encontrar un N N tal que si n N entonces |an 0| < (Definicin 12). Si
an es
convergente, por el Teorema 18, dado ese > 0,
N N : si m > n N entonces

an+1 + an+2 + + am <

y tomando m = n + 1 tenemos que


N N : si n + 1 N entonces |an+1 | < , = |an+1 0| < ,

luego

Este Teorema visto al revs resulta el primer criterio de divergencia:


49

lm an = 0.
n

Corolario 1 (Primer criterio de divergencia) Si la sucesin {an } no converge a cero,


P
entonces la serie
an es divergente.
Con este criterio, son divergentes las series siguientes:
1+ 1 + 1 + 1 + 1 +

1 1 + 1 1 + 1 +

n
7n2 +3n

P
Es cierto el recproco del Teorema 19? Es decir, si una serie an cumple que lman = 0,
n
ser necesariamente convergente?
La
respuesta
es
negativa
y
un
contraejemplo
lo
proporP1
1
tiende a cero pero que no es
ciona la serie armnica,
, cuyo trmino general an =
n

convergente, como afirma el siguiente teorema.


Teorema 20 (de la serie armnica) La serie armnica,

P1

n,

es divergente, es decir,

+
X
1 1 1 1 1 1
1
= 1 + + + + + + + = +
2
3 4 5 6 7
n
n=1

Demostracin: Tenemos que ver que la sucesin de sumas parciales {Sn } diverge a +,
con Sn = 1 + 12 + 13 + 14 + 15 + + 1n. Para ello, veamos que los trminos de la forma S2k son
mayores que algo que tiende a +:
h
i
1
1 1 1 1 1 1
S2 k = 1 +

= 1+

1
+
2

1 1
+
3 4

3
+

1 1 1 1
+ + +
5 6 7 8

+ +

2k

+ +

agrupando trminos =

=
1
2k1

+1

1
2k1

1
+

+
2k
+2

1
(2k1 )
1
1 1
1 1 1 1
1
1
+ +
+ k + + k =
+
+
+
+ + +
k
2
2
2
2
4 4
8 8 8 8
1 1 1 (k)
1
1
= 1+ + + + + = 1+ k
que tiende a + cuando k +.
2 2 2
2
2
= 1+

P
Por lo tanto, si lm an = 0, entonces la serie
an es divergente, pero si lm an = 0
n
Pn
entonces la serie
an puede
Pser convergente o divergente. Necesitamos criterios que nos
permitan decidir si una serie
an es convergente o divergente.
1.6.1.

Criterios para series de trminos positivos

Estudiemos criterios para series de trminos positivos, es decir,


50

an con an > 0, n

(o bien a partir de una cierta posicin). Tambin


P podrn utilizarse para series
P de trminos
negativos sin ms que cambiarles el signo, pues
an converge si, y slo si,
an converge.
Notar que las sumas parciales de las series de trminos positivos van creciendo, es decir,
la sucesin {Sn } es montona creciente y slo tiene dos posibilidades:

51

que {Sn } est acotada superiormente, y entonces

an ser convergente, o
P
que {Sn } no est acotada superiormente, y entonces
an ser divergente a +.

Teorema 21 (Criterio de Comparacin con ) Sean 0 < an bn para todo n .


P
P
Si P bn es convergente, entonces P an tambin es convergente.
Si
an es divergente, entonces
bn tambin es divergente.
Demostracin: Como an bn para todo n tenemos que
Sn = a1 + a2 + a3 + a4 + + an b1 + b2 + b3 + b4 + + bn = Tn ,
luego si {Tn } est acotada superiormente tambin lo est {Sn } y si {Sn } no est acotada
superiormente tampoco lo est {Tn }.
Teorema 22 (Criterio de Comparacin con lmites) Sean an , bn > 0 tales que
lm
n

an
P
an es convergente
bn = R, = 0. Entonces,

bn es convergente.

P
P
(En este caso decimos que
an y
bn tienen el mismo carcter. Notar que tambin se
P
P
cumple que
an es divergente
bn es divergente.)
X n 2 + 3n
.
2n3 + 10
sea un nmero positivo. Como

Ejemplo 22 Estudiar el carcter de la serie


Necesitamos un bn tal que lm an
n

lm
n

la serie

n2
2n3 +10

an =

bn
n2 +3n
2n3 +10
1
n

= lm
n

n 3+ 3n 2

2n3 + 10

tiene el mismo carcter que la serie

=0

P1
n

(serie armnica, Teorema 20), es

+3n

decir, es divergente.
P
P
an bn . De este modo, el
Notacin: lm an = R, = 0 puede denotarse como
n

bn

ejemplo anterior quedara:


X n2 + 3n X 1

,
2n3 + 10
divergente. n
P
Del mismo modo, en el Ejemplo
21 hemos probado que
1
52

1
n(n+1)

es convergente y como

1
n2

1
n(n+1) ,

la serie

n2

es convergente.

Notar que todas las series con trmino general del tipo polinomio dividido por polinomio
P 1
pueden expresarse como
np , para algn valor de p. As, si resolvemos esta familia
P 1
p
de series,
n , llamada serie armnica generalizada, habremos resuelto todas las series
polinomio dividido por polinomio.

53

Definicin 20 (Serie armnica generalizada) Llamamos serie armnica generalizada a


X 1
1
1
1
1
1
1
= p + p + p + p + p + p + con p R.
np
1
2
3
4
5
6
n1

P1
Como casos particulares, para p = 1 tenemos la serie armnica
n, para p = 2 tenemos
P
,
para
p
=
n2

3 n , etc. El teorema siguiente nos dice cules de stas son


3 tenemos
P

convergentes.
Teorema 23 (de la serie armnica generalizada)

+
X
1

converge

p > 1.

np
n=1

As, la serie

1
n3/2

es convergente y la serie

es divergente. Como hemos dicho, con

este resultado y con el criterio de comparacin anterior, conocemos el carcter de todas las
series del tipo polinomio dividido por polinomio.
Teorema 24 (Criterio del Cociente o de DAlembert) Sea = lm
n

(1) Si < 1 entonces


(2) Si > 1 entonces
(3) Si = 1 entonces

P
P
P

an+1
.
an

an converge.
an diverge.
an puede ser convergente o divergente.

Teorema 25 (Criterio de
P
(1) Si < 1 entonces
an
P
(2) Si > 1 entonces
an
P
(3) Si = 1 entonces
an

la raiz n-sima o de Cauchy) Sea

= lm
n

an .

converge.
diverge.
puede ser convergente o divergente.

Demostracin: (1) Si < 1, sea q tal que < q < 1. Como lm n an = , tomando
n
= q existir un natural N tal que si n N entonces

n
n
an < q = n an < q = n an < q = an < q n N.
P
Como la serie q n es convergente
(geomtrica de razn q < 1), por el criterio de comparacin
P
(Teorema 21), la serie
an es tambin convergente.
54

(2) Si lm

an = > 1, tomando = 1 existir un natural N tal que si n N entonces

an < 1 =

an > 1

an > 1 = an > 1 n N.

luego el lm an no puede ser cero y, por el Corolario 1, la serie


n

55

an es divergente.

r
n(n+1)
. Por el criterio del cociente,
2n

Ejemplo 23 Estudiemos el carcter de la serie


q
an+1
= lm
= lm
n
n
an

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

s
= lm
n

n(n+1)
2n

(n+1)(n+2)2n
1
= < 1 = la serie es convern+1
n(n + 1)2
2

gente. Tambin por el criterio de la raiz,


sr
p
2n
n(n+1)

n
n(n+1)
1
= lm

= lm n an = lm
= < 1 = la serie es convergente.
n
n
n
2n
2
2
En el ejemplo anterior hemos obtenido = . Puede probarse que esto es cierto en general:
Teorema 26 Si existe = lm

an , entonces existe = lm

an+1

= .

an

Por lo tanto, los dos criterios anteriores son similares. Adems no son muy eficaces, porque
si observamos la demostracin del Teorema 25, slo se obtiene < 1 en series ms pequeas
que la geomtrica y slo se obtiene > 1 en series cuyo trmino general no tiende a cero. El
siguiente, Criterio de Raabe, es ms potente que ambos.
Teorema 27 (Criterio de Raabe) Sea
(1) Si < 1 entonces

(2) Si > 1 entonces

(3) Si = 1 entonces

= lm n
n

an+1
1
an

an converge.
an diverge.
an puede ser convergente o divergente.

Ejemplo 24 Estudiar el carcter de la serie


X 2 5 8 (3n 1)
2
2 5
3n n!

32 2!

2 5 8
+

33 3!

2 5 8 11
+

34 4!

Primero probamos con el criterio del cociente:


=
an+1
1
= an+1
an
an

2 5 8 (3n 1) (3n + 2) 3 n
n!
n+1
3
(n+1)! 2 5 8 (3n 1)

3n + 2
= 1, no sabemos.
3n + 3

Si el cociente falla ( = 1), probamos con Raabe, para lo cual ya tenemos calculado an+1
:
n
n

3n+3
=n
1
an
1
an+1
3n+2
56

n
=n
3n + 3
3n+23n3
=

1
= > 1,
3
diverg
e.

3
n
+
3

57

1.6.2.

Series de trminos cualesquiera, series alternadas y reordenacin

P
Si
an es una serie de trminos positivos y negativos, tomando valores absolutos la
P
serie
|an | es de trminos positivos. Si le aplicamos a sta los criterios anteriores y resulta
convergente, tambin es convergente la serie original:
Definicin 21 (Serie absolutamente convergente) Una serie
P
convergente si la serie
|an | (de sus mdulos) es convergente.

an es absolutamente

P
P
Teorema 28 (Abs. conv. conv) Si
|an | es convergente =
an es convergente.
P
Demostracin: Sea > 0 cualquiera. Si
|an | es convergente, por el Teorema 18,
N N : si m > n N entonces |an+1 | + |an+2 | + + |am | < .
As, si m > n N, |an+1 + aP
n+2 + + am | |an+1 | + |an+2 | + + |am | <
y, por el Teorema 18, la serie
an es convergente.
P
P
Sin embargo, si
|an | es divergente entonces
an puede ser divergente o convergente
(ver Ejemplo 25). En este caso, si la serie es alternada (Definicin 22), podemos aplicar el
Criterio de Leibniz (Teorema 29).
Definicin 22 (Serie alternada) Una serie se dice alternada si es del tipo:
X
a1 a2 + a3 a4 + a5 a6 + ,
o bien
(1)n1 an ,
con cada an > 0.
n1

Teorema 29 (de Leibniz) Sea una serie alternada, a1 a2 + a3 a4 + a5 a6 + ,


con cada an > 0. Si se cumple que (i) lm{a
n } = 0 y (ii) {an } es decreciente, entonces la
n
serie alternada es convergente.
Demostracin: La sucesin {Sn } de las sumas parciales de una serie alternada es oscilante.
Si, adems, {an } es decreciente, entonces los Sn cumplen:

es decir, S2 S4 S6 S8 S7 S5 S3 S1 . As, la sucesin {S2k } es


creciente y acotada superiormente, luego es convergente (ver Nota 12), digamos a R.
Del mismo modo la sucesin {S2k+1 } es decreciente y acotada inferiormente, luego tambin
es convergente, digamos a R. Adems, S2k+1 S2k = a2k+1 para todo k N, luego
tomando lmites y aplicando (ii) tenemos que = 0 = . Como las sucesiones
{S2k } y {S2k+1 } son convergentes al mismo nmero, la sucesin global, {Sn } es tambin
convergente y, por lo tanto, la serie es convergente.
58

Ejemplo 25 (La serie armnica alternada)


+
X
1
1 1 1 1 1 1
(1)n1 = 1 + + + +
n

n=1

es convergente pues es alternada, { 1n } es decreciente y { 1n} es convergente a cero.


Teorema 30 La serie armnica alternada suma log(2), es decir,
X
1
1 1 1 1 1 1
= 1 + + + + = log(2).
(1)n1
n

n1

Demostracin: Ver el Ejemplo 64 en la pgina 118 o la Nota 74 en el Tema 7.


Sabemos que en las sumas con un nmero finito de sumandos, el orden de los sumandos
no altera el resultado, es decir, a1 + a2 + a3 = a1 + a3 + a2 . Nos planteamos ahora si esto es
tambin cierto para las series (sumas con infinitos sumandos):
P
Dada
an convergente y con suma A, cualquier serie obtenida de reordenar los trminos
P
de
an ser tambin convergente y con suma A?
Vamos a demostrar que este resultado no es cierto con un contraejemplo:
Contraejemplo de Laurent (Reordenacin de la armnica alternada) Por reduccin al absurdo, supongamos que s es cierto el resultado y consideremos la serie armnica
alternada, que es convergente y suma log(2) (Teorema 30):
log(2) = 1 12 + 13 14 + 15 16 + +

1
2n+1

1
2n+2
+ =

reordenamos los trminos poniendo un positivo seguido de dos negativos


= 1 1 1 +1 1 1 +1
2

10

+ +

12

1
2n+1

4n+2

+ =

4n+4

introducimos parntesis
= 1 1 1 +

1 1+
6

10

+ +

12

2n+1

1
4n+2

+ =

4n+4

hacemos la resta de cada parntesis


=

1
2

1
2

14 +

1
6

81 +

1
10

1
12

+ +

1 21 + 13 14 + 15 16 + +

1
4n+2

1
2n+1

1
4n+4

+ = sacamos factor comn

2n+21

59

+ =2

log(2)

1
2

As, hemos obtenido que log(2) = 21 log(2), lo cual es absurdo. Por lo tanto, no es cierto que
cualquier serie convergente pueda ser reordenada sin que cambie su suma.
Sin embargo, s hay series que pueden reordenarse sin alterar su suma. Cmo saber
cuales son? El siguiente teorema nos dice que son las series que convergen en valor absoluto.

60

P
Teorema 31 (de las series que s pueden reordenarse) Una serie
an cumple que
cualquier serie
obtenida
de
reordenar
sus
trminos
es
convergente
y
con
la
misma suma
P
P
si, y slo si,
an es absolutamente convergente ( |an | es convergente, Definicin 21).
Este teorema puede interpretarse como que son las series absolutamente convergentes
las que realmente generalizan a las sumas finitas.
Ejemplo 26 La serie armnica alternada no puede ser reordenada (sin cambiar su suma)
porque en valor absoluto es divergente. Las siguientes series s convergen en valor absoluto,
luego s pueden ser reordenadas sin cambiar su suma:
P
1
1
1
1
1
1
=
+
+
+
+
+
n2
1
4
9
16
25
P
1
1
1
1
1
1
1
1

2n

+
n

1
2

=
1

4
1
2

16

32

+ = 2 (geomtrica de razn x = 2 )

2+48+

16

32 + =

(geomtrica de razn x =

En resumen, la relacin entre convergente y absolutamente convergente es:


P
P
P
Para series
an de trminos positivos,
|an | = an , luego convergente y absolutamente convergente es lo mismo.
P
P
En general, si
|an | es convergente entonces
an es convergente (Teorema 28), pero
P
P
el recproco no es cierto: puede que an sea convergente pero que |an | sea divergente
(como la armnica alternada), es decir,
P
P
si
|an | es divergente entonces
an puede ser divergente o convergente.

1.7.

Series de potencias

Se llama serie de potencias, abreviadamente SP, a cualquier expresin


+
X
an xn = a0 + a1 x + a2 x2 + a3 x3 + , con an R,
n=0

que es una serie numrica para cada valor de x R, y puede ser convergente para algunos
valores de x y divergente para otros, como ocurre con la serie geomtrica de razn x:
1 + x + x2 + x3 + x4 + =

1
,
1x

x (1, 1)

(Teorema 17).

Observa que una SP puede entenderse como un polinomio de grado infinito. Otros
ejemplos importantes de SP son:
1+

x2

x
1!

2!

x3
+

3!

+ +

xn
n!

+ ,

1
61

x2

x4
+

+ + (1)

x2k
(2k)!

+ ,

2!

4!

P
que convergen x R. En general, cada SP
an xn tiene asociado un intervalo de convergencia que siempre est centrado en cero, como dice el siguiente teorema.

62

Teorema 32 (Del intervalo de convergencia) Sea


puede ocurrir una de las siguientes:

an xn una serie de potencias. Slo

(1) converge slo para x = 0,


(2) converge absolutamente para todo x R,
? converge absolutamente x : |x| < R,
(3) existe un R R+ tal que
? diverge x : |x| > R.
Nota 20 En el caso (3), para x = R y para x = R la serie de potencias puede ser convergente
o divergente. Habr que estudiar cada caso en particular.
Definicin 23 (Radio de Convergencia) Al nmero R del caso (3) lo llamamos Radio
de Convergencia de la SP. En el caso (1) diremos que R = 0 y en el caso (2) que R = .
P
Teorema 33 (Clculo de R) Sea
apn xn una SP con an = 0 n (es decir, que tiene
todas las potencias de x). Sea = lm n |an |.
(a) Si = 0 entonces R = ,
(b) si = entonces R = 0,
(c) si R+ entonces R =

1
.

h
Nota 21 (a), (b) y (c) pueden resumirse simblicamente por R =

i
, y podemos cambiar

por = lm | aan+1
n |, pues sabemos que si existe entonces existe = (Teorema 26).
El Teorema 33 es slo vlido si an = 0 para todo n, es decir, para SP que tiene todas
las potencias xn (a partir de un cierto n). Si tenemos una SP en la que, por ejemplo, las
potencias van de 2 en 2, el resultado no es aplicable directamente, pero s indirectamente,
como indica el siguiente ejemplo.
Ejemplo 27 (Si las potencias van de 2 en 2) Calcular el radio de convergencia de
X (1)n+1
1
1
1 7
x2n+1 = x3
+
x
n
n 5
3 53 +
5 5
x
2 52
n1

Esta SP no tiene todas las potencias


sino que stas van de dos en dos. Si aplicamos el Teorema
q
1
n
33 directamente, = lm 1
= R = 5, obtenemos un resultado incorrecto.
n 5n = 5
Veamos por qu. Si sacamos factor comn a x3 y hacemos el cambio x2 = y, obtenemos
x3

1
5

1
25

x2 +
2

x 4 +
3 53

=y

3/2

1
5

25

y+
2

53

y 2 +

que es una SP en y que s tiene todas las potencias. Aplicamos el Teorema 33 ( =


63

q
lm

1
n 5n

1
)
5

y obtenemos que tiene un radio de convergencia R = 5. Esto signi-

fica que converge absolutamente para todo y tal que |y| < 5. Deshaciendo el cambio,

|x2 | < 5 |x| < 5, luego el radio de convergencia de la serie original (en x) es R = 5.

64

Definicin 24 (Serie de potencias con centro en a R) Se llama SP(a) a cualquier


expresin
X
an (x a)n = a0 + a1 (x a) + a2 (x a)2 + a3 (x a)3 + ,
con an R,
n0

que es una serie numrica para cada valor de x R.


Nota 22 Una SP(a) es una serie de potencias de (x a), y si hacemos el cambio h = x a
x = a + h, la SP(a) resulta la SP en h siguiente,
X
an hn = a0 + a1 h + a2 h2 + a3 h3 + ,
que es convergente si h (R, R), es decir, si x a (R, R) x (a R, a + R). As,
todo lo que hemos visto para SPs es vlido para SP(a):
Dada una SP(a) slo puede ocurrir una de las siguientes:
(1) converge slo para x = a,
(2) converge absolutamente para todo x R, o
? converge absolutamente x : |xa| < R
(3) existe un R R+ tal que
? diverge x : |xa| > R
En x = aR y en x = a+R la serie puede ser convergente o divergente.
El radio de convergencia R se define y se calcula igual que para SP.
P
Nota 23 (Funcin suma) Toda SP
an xn tiene asociado un radio de convergencia R y
podemos definir
P una funcin tal que a cada x (R, R) le haga corresponder la suma de la
SP, f (x) = an xn (posiblemente tambin para x = R y x = R, si la SP es convergente):
f : (R, R)
R
P
x
y = an xn
Por ejemplo, la serie geomtrica 1 + x + x2 + x3 + x4 + define la funcin
1
f (x) =
, x (1, 1).
1x
Recprocamente, muchas funciones importantes como la exponencial y el seno (definidas en
la Seccin 2.1.3) pueden desarrollarse como SP (como veremos en la Seccin 4.5.2):
exp(x) = 1 +

1
1
1
1
x + x 2 + x3 + x 4
1!
2!
3!
4!

x3
x5
k
sen(x) = x 3! + 5! + + (1)

x R,

x2k+1
(2k + 1)!

Las funciones son el objeto del resto del curso.


65

x R.

2.

Funciones

2.1.

Funciones de una variable

Definicin 25 (Funcin) Llamamos funcin real de una variable real a toda regla de asignacin f entre un subconjunto D R y R, de modo que a cada elemento x D le hace
corresponder un elemento y = f (x) de R:
f : D R R
x
y = f (x)
D es el dominio de definicin de la funcin f .
A veces escribimos simplemente y = f (x). En este caso, si no se indica explcitamente
otra cosa, entenderemos que la funcin est definida en su dominio ms amplio.
Ejemplo 28 Si consideramos la funcin y = x1 , su dominio ms amplio es el conjunto
de los nmeros reales menos el cero, pero bien podramos estar interesados en esta
funcin restringida slo a los reales positivos, o incluso al intervalo (0, 1]. Entonces estaramos hablando de tres funciones distintas, con la misma frmula pero con distinto dominio:
f : R\{0} R,
f : R+ R,
f : (0, 1] R,

f (x) =

f (x) =

1
x

1
x

f (x) =

1
x

Comprueba que la funcin suma de f (x) =

(1x)n es f : (0, 2) R,

n0

f (x) = x1 .

Ejemplo 29 Algunas funciones estn definidas a trozos, como la funcin signo de x, sg(x),
sg : R R, sg(x) =

1, si x > 0,
0, si x = 0,
1, si x < 0,

o la funcin valor absoluto de x (ver la Definicin 2 en el Tema 1.1, pgina 3),


f : R R,

2.1.1.

f (x) = |x| =

x, si x 0,
x, si x 0.

Representacin grfica

Una funcin de una variable se representa grficamente en el plano R2 , tomando el eje


horizontal (abcisas) para la variable x y el eje vertical (ordenadas) para el valor y = f (x) de
la funcin en cada punto x D, como en las funciones de las Figuras 15 y 16.
66

Figura 15: Grficas de las funciones f (x) = x2 , x [1, 1], y f (x) = 1/x.

Figura 16: Grficas de las funciones y = sg (x) y valor absoluto y = |x|

Nota 24 Una grfica como la de esta figura no es una funcin y = f (x), pues
para el valor de x de la figura no sabemos
quin es f (x). Sin embargo, s puede ser
la grfica de una funcin x = f (y) (ver
Seccin 2.1.2)

67

2.1.2.

Funciones Inyectivas

Una funcin f : D R R es inyectiva si dados x = x D entonces f (x) = f (x )


(puntos distintos tienen imgenes distintas). Grficamente, una funcin no es inyectiva si
alguna recta horizontal corta a la grfica de la funcin ms de una vez (Figura 17b), mientras
que una funcin es inyectiva si cualquier recta horizontal corta a lo sumo una vez a la grfica
de la funcin (Figura 17a). Por ejemplo, la funcin f (x) = 1/x (Figura 15) s es inyectiva
pero las funciones f (x) = sg(x), f (x) = |x| (Figura 16) no lo son.

Figura 17: Un ejemplo grfico de funcin inyectiva y otro de no inyectiva


Si una funcin f es inyectiva en un dominio D, entonces podemos tomar B = f (D) (el
conjunto imagen de f ) y la funcin
f : D B,
es biyectiva, es decir, a cada elemento x D le corresponde exactamente un elemento y B
y viceversa. De este modo, podemos definir una nueva funcin tal que a cada y B le asocie
el correspondiente x D original (aquel que f (x) = y), que es la funcin inversa:
: B D, definida como: (y) = x si, y slo si, f (x) = y,
y se cumple que f ((y)) = y, para todo y B, y que (f (x)) = x, para todo x D.
Como la funcin inversa se obtiene intercambiando los papeles de las variables x e y, la
grfica de la funcin inversa es la imagen simtrica a la grfica de f respecto de la bisectriz
del primer cuadrante, como se muestra en la Figura 18.
Nota 25 Si una funcin no es inyectiva, como la de la Figura 19, entonces su funcin inversa
no es una funcin (ver Nota 24).

68

Figura 18: Las grficas de una funcin f y de su inversa .

Figura 19: Si f no es inyectiva, su inversa no es una funcin.


Definicin 26 (Funcin compuesta) Sean f : D R R,
f

D R
x

B R
f (x)

g : B R, con f (D) B:

R
g(f (x))

g f

Se llama funcin compuesta a g f : D R R, definida por g f (x) = g(f (x)).


Por ejemplo, si componemos una funcin f biyectiva con su inversa obtenemos la
funcin identidad, pues (f (x)) = x, para todo x D:
D
x

B
f (x)

D
(f (x)) = x

69

Ejemplo 30 y = sen(x2 ) es el resultado de la composicin de f (x) = x2 con g(x) = sen(x):


R
x

R
x2

g f

2.1.3.

R
sen(x2 )

Funciones importantes

1. Funciones polinmicas: f (x) = a0 + a1 x + a2 x2 + ... + an xn , con ai R.


El dominio de estas funciones es todo R. Por el Teorema Fundamental del lgebra (TFA,
Teorema 2, pgina 10), f (x) intersecta al eje de abcisas OX como mucho en n puntos
distintos. As por ejemplo, el polinomio f (x) = (x + 1)(x 1)(x 2)(x 4) tiene 4 ceros
simples (multiplicidad 1), luego corta al eje OX en esos 4 puntos (Figura 20). El polinomio

Figura 20: La grfica de f (x) = (x + 1)(x 1)(x 2)(x 4).


f (x) = (x + 1)(x 2)2 (x 4) tiene 2 ceros simples y un cero doble (multiplicidad 2).
Observa en su grfica (Figura 21) la forma caracterstica de los ceros dobles. El polinomio
f (x) = (x + 1)(x2 4x + 5)(x 4) tiene 2 ceros reales simples y 2 ceros complejos conjugados.
Su grfica est en la Figura 22.
2. Funciones racionales: Se trata de funciones que son cociente de dos polinomios:
f (x) =

p(x)
,
q(x)

p, q polinomios

y su dominio es el conjunto de nmeros reales para los que el denominador no se anula, es


decir, todo R excepto los ceros del polinomio q (a lo sumo tantos como el grado de q). Cada
70

Figura 21: La grfica de f (x) = (x + 1)(x 2)2 (x 4).

Figura 22: La grfica de f (x) = (x + 1)(x2 4x + 5)(x 4).

71

cero de q (que no sea simultneamente cero de p) proporciona una asntota vertical en la


grfica de f (x) = p(x) . Por ejemplo, la grfica de f (x) = 1 tiene una asntota vertical en 0.
q(x)

3. Funcin exponencial y funcin logaritmo


La funcin exponencial generaliza a las potencias enteras. Notar que 2x tiene sentido si x
1
1
).
es un natural (25 = 2 2 2 2 2), o un entero (25 =
), o un racional (25/3 3 22222
=
22222
Sin embargo, no est claro qu representa 2x si x es un irracional (como 2 20.101001000100001 ,
por ejemplo). Para dar sentido a estas potencias, tenemos que recurrir al concepto de lmite.
Teorema 34 Dado x R, la sucesin

1+ x
n

es convergente.

n=1

Demostracin: Veamos que la sucesin {xn } =

1+

x
n

+
n=1

, es creciente y acotada

superiormente. Lo haremos slo para x > 0:


Para ver que es creciente, utilizamos la desigualdad A-G, que afirma que la media aritmtica
de k 2 reales positivos es mayor o igual que su media geomtrica:

a + a2 + +
A= 1
G = k a1 a2 ak .
ak
k
Si lo aplicamos a los n + 1 nmeros a1 = 1, a2 = 1+ nx , . . . , an+1 = 1+ nx , obtenemos que
q
1 + n(1+ nx ) n + 1 + x
x
n
= elevando a n + 1
G = n+1 1 + x A =
= 1+
=
n

= 1 + x

n +1

1+

n+1

n +1

= x x
n

n+1

n +1

para todo n.
n+1

P k
Para ver que est acotada superiormente utilizamos que la serie xk! es convergente (crite+
P xk
rio del cociente), luego podemos llamar A =
. Desarrollando por el binomio de Newton,
k!
k=0

xn = 1 +

= 1+ n

2
3
+ n(n 1) x + n(n 1)(n 2) x

2
= 1 + x + n(n 1) x

n2

2!

2!

n2

n3

n3

3!

n(n 1)(n 2) x3

+ +

xn
nn

3!

luego xn A para todo n.


72

+ +

1+x +

xn

nn
x2
2!

x3
3!

+ +

xn
n!

< A,

Definicin 27 (Funcin exponencial) Dado x R, llamamos

El anterior es el lmite de una sucesin, {xn } =

1+

+
,
n=1

x n
n

exp(x) = lm
n

1+

x
n

es decir, x es una constante

y n recorre el conjunto de los naturales. Notar que, aunque lm 1 + xn = 1 + 0 = 1, no es


n
correcto afirmar que
lm 1 +
n

x
n

= lm 1 +
n

x
n

1+

x
n

73

1+

x
n

= 1 1 1 1 = 1,

pues el nmero de factores no es fijo sino que depende de n (ver Nota 11, pgina 23). Slo si
n
tomamos x = 0 obtenemos exp(0) = lm 1 + 0n = 1. Si tomamos x = 1, se obtiene como
n
lmite el que llamamos nmero e:
1 n
.
Definicin 28 (Nmero e) Llamamos e = exp(1) = lm 1 +
n
El nmero e o constante de Euler es un nmero irracional de valor e = 2,718281828459046 .
La propiedad ms caracterstica de esta funcin exponencial es:
Teorema 35 (Exponencial de la suma) exp(x) exp(z) = exp(x+z) para todo x, z R.
Demostracin: Lo haremos slo para x, z > 0. Por definicin,
exp(x) exp(z) = lm 1 + xn

1 + x n = lm 1 + x+zn + xz n2 ,

exp(x+z) = lm 1 + x+zn .

Pero la diferencia entre ambas sucesiones es

1+

x+z
n

aplicando que A B = (A B)(A


n

n1

n1

+A

xz n
n2

n2

1+

x+z n
n

B + + AB

=
i

n2

+B

n2

n1

n1
n

x+z

xz
n2

1+

x+z

n2

+ 1+

xz n1

x+z

n 1+

xz

xz

n2

xz

1+
x+z

1+

x+z

+ + 1+

n2

xz

x+z

xz

n1

0 exp(x) exp(z) = 0,

n2

n2

luego ambas sucesiones tienen el mismo lmite: exp(x) exp(z) = exp(x + z).
De la propiedad anterior se deducen:
exp(x) =

exp(x)
exp(z)

1
exp(x)

= exp(x)

1
exp(z)

pues 1 = exp(0) = exp(x x) = exp(x) exp(x),


= exp(x) exp(z) = exp(x z).

Si denotamos por ex = exp(x), las propiedades anteriores pueden escribirse como


e0 = 1,

ex ez = ex+z ,

ex =

1
ex

ex
ez

= exz

que son las propiedades habituales de las potencias de enteros.


La grfica de f (x) = exp(x) est representada en la Figura 23(a). Observa que la funcin
f (x) = exp(x) es siempre positiva y montona creciente.
74

Definicin 29 (Funcin logaritmo) Como exp : R R+ es biyectiva, tiene inversa,


que llamamos funcin logaritmo (logaritmo natural, o neperiano, o en base e):
log : R+ R,

y = log(x) x = exp(y).

75

Notar que la funcin logaritmo slo est definida para valores positivos y que, como inversa
de la exponencial, cumple que
log(exp(y)) = y, exp(log(x)) = x.
La grfica de la funcin logaritmo es la simtrica de la grfica de la funcin exponencial, y
estn representadas ambas en la Figura 23(b).

Figura 23: Grficas de la funcin y = exp(x) y de su inversa y = log(x)


A partir de las propiedades de la funcin exponencial, pueden probarse las propiedades
fundamentales de la funcin logaritmo:
Teorema 36 (Propiedades de la funcin logaritmo) Para todo x, z R+ ,
p
(i) log(xz) = log(x) + log(z),
(ii) log( x ) = log(x) log(z),
(iii) log(x q ) = p log(x).
z

Demostracin: (i) Llamemos u = log(x), v = log(z), si, y slo si, x = eu , z = ev .


Multiplicando, xz = eu ev = eu+v (por la propiedad de la exponencial) y tomando logaritmos
tenemos que log(x z) = u + v = log(x) + log(z).
Nota 26 (Aplicacin de los logaritmos) El Teorema 36 indica la importancia de la funcin logaritmo: transforma la operacin multiplicacin en suma, la divisin en resta y la
extracccin de races en divisin (y por lo tanto en resta). Histricamente, estas propiedades
se han utilizado para hacer clculos mediante las llamadas tablas logartmicas, que son
libros enteros con tablas en las que, para un gran nmero de valores x se proporciona el
valor de log(x). As, buscando x en la tabla podemos leer log(x) e, inversamente, buscando
un valor log(x) podemos leer el valor de x.
Supongamos que queremos multiplicar dos reales x z. Buscamos x en la tabla y apuntamos log(x). Buscamos z en la tabla y apuntamos log(z). Sumamos estos dos valores,
76

log(x) + log(z) y obtenemos un valor que, por el Teorema 36(i), es igual a log(xz). Buscamos
este valor en la tabla y obtenemos xz. As, hemos multiplicado dos reales con tres bsquedas
en la tabla y una suma.
Para la divisin x/z, hacemos como antes cambiando la suma por la resta log(x) log(z),
y calculamos una divisin con tres
en la tabla y una resta.
bsquedas
1
Para calcular, por ejemplo, 19 x = x 19 , buscamos log(x) y hacemos la divisin log(x)
(esta
19
divisin puede hacerse con tres bsquedas en la tabla y una resta). El valor obtenido es igual
1
1
a log(x 19 ), y buscndolo en la tabla obtenemos x 19 . As, hemos calculado una raz 19 con
cinco busquedas en la tabla y una resta.
Hoy en da las tablas logartmicas de papel han sido sustituidas por calculadoras electrnicas y ordenadores, que tienen tablas logartmicas en la memoria y realizan los clculos
complicados de un modo similar al anterior.
Con las funciones exponencial y logaritmo ya definidas (Definiciones 27 y 29), podemos
ahora definir cualquier potencia ax (con base positiva).
Definicin 30 (Exponencial en base a) Dados a > 0, x R, se define

ax = ex log(a) .

As, que hemos definido ax como un lmite pues, por la Definicin 27, ax = lm 1 +
n
Prueba que tambin cumple las propiedades habituales de las potencias:
ax az = ax+z

ax / az = axz

log(ax ) = x log(a)

ax bx = (a b)x
(ax )z = axz

xlog(a) n
.
n

ax /bx = (a/b)x

ap/q = q ap

Las grficas de estas funciones pueden verse en la Figura 24a para distintos valores de a.

Figura 24: Grficas de las funciones 2x , ex , 4x y de las funciones log2 (x), log(x) y log10 (x)

55

Definicin 31 (Logaritmo en base a) La funcin exponencial en base a = 1, f (x) = ax ,


es inyectiva, luego tiene inversa, que se llama logaritmo en base a, loga (x):
loga : R+ R,
Sin embargo, por la definicin de ay :
y = loga (x)

y = loga (x) x = ay .

x = ay = ey log(a)

log(x) = y log(a)

y=

log(x)
,
log(a)

luego los logaritmos en base a = 1 se obtienen con logaritmos neperianos del modo siguiente:
loga (x) =

log(x)
,
log(a)

a, x > 0, a = 1.

Las grficas de estas funciones pueden verse tambin en la Figura 24b. Prueba que la funcin
loga (x) tiene tambin las propiedades de log(x) enunciadas en el Teorema 36.
En resumen las funciones exponenciales y logaritmos son:
x n
y = log(x)
ex = lm 1 +
x = ey
ax = ex log(a)

n
n

log (x) =
a

log(x)
log(a)

4. Funciones trigonomtricas:
Dado un nmero real x, se definen cos(x), sen(x) como las coordenadas del punto P de
la circunferencia unidad (ver Figura 25) tal que la longitud del arco de circunfencia que va
del punto Q = (1, 0) a P es x.

Figura 25: Definicin de cos(x) y de sen(x).


As por ejemplo, para x = 0 tenemos que P = (1, 0), luego cos(0) = 1, sen(0) = 0.
Para x = tenemos que P = (0, 1), luego cos( ) = 0, sen( ) = 1. As, hemos definido las
2

56

funciones cos(x), sen(x) para todo real x, cuyas grficas aparecen en la Figura 26. Notar
que estas funciones son peridicas de perodo 2 pues los reales x y x + 2 proporcionan el
mismo punto P en la Figura 25.

Figura 26: Grficas de las funciones y = sen(x) e y = cos(x).


Como cada punto P = (cos(x), sen(x)) est en la circunferencia unidad, cumple su ecuacin, es decir,
sen2 (x) + cos2 (x) = 1 para todo x R.
Adems, hay una enorme cantidad de frmulas trigonomtricas, como por ejemplo:
sen(x) = sen(x)

cos(x) = cos(x)

sen(x + z) = sen(x) cos(z) + cos(x) sen(z)


sen(2x) = 2 sen(x) cos(x)

cos(x + z) = cos(x) cos(z) sen(x) sen(z)

cos(x) = sen(x + 2)

etc.

A partir de las funciones seno y coseno se definen la tangente y la cotangente:


sen(x)
cos(x)
tg(x) =
,
cotg(x) =
.
sen(x)
cos(x)
Grficamente, el valor de la tangente de un real x se representa con la ayuda de la circunferencia unidad como se indica en la Figura 27 (por semejanza de tringulos). La grfica de
la funcin y = tg(x) est en la Figura 28.
57

Figura 27: Representacin de x, sen(x) y tg(x).

Figura 28: Grfica de la funcin y = tg(x).

58

5. Funciones trigonomtricas inversas:


La funcin f (x) = sen(x) no es inyectiva en todo R, pero s lo es en ciertos intervalos. Por
ejemplo, la funcin f : [ 2 , 2 ] [1, 1], f (x) = sen(x), es una funcin biyectiva, luego
tiene inversa, que se llama arcoseno:
arc sen : [1, 1] 2 , 2 ,

y = arc sen(x) si, y slo si, x = sen(y)

y, del mismo modo, se definen el arcocoseno y el arcotangente:


arc cos : [1, 1] 0, ,
arc tg : R 2 , 2 ,

y = arc cos(x) si, y slo si, x = cos(y),


y = arc tg(x) si, y slo si, x = tg(y).

Las grficas de estas funciones inversas (la imagen simtrica a la grfica de la funcin original
respecto de la bisectriz del primer cuadrante) estn en las Figuras 29 y 30.

Figura 29: Grficas de las funciones y = arc sen(x), y = arc cos(x).

59

Figura 30: Grfica de la funcin y = arc tg(x).


6. Funciones trigonomtricas hiperblicas:
Definicin 32 (Seno y coseno hiperblicos) Dado x R, llamamos
x
x
ex + ex
.
senh(x) = e e ,
cosh(x) =
2
2

Figura 31: Grficas de las funciones y = senh(x) e y = cosh(x)


Nota 27 Se llaman seno y coseno hiperblicos (aunque son exponenciales) porque pueden
definirse a partir de la hiprbola unidad (de ecuacin x2 y2 = 1) del mismo modo que el
seno y coseno se definen con la circunferencia unidad. As, se cumple que
cosh2 (x) senh2 (x) = 1,
(ex + ex )2
4

(ex ex )2
4

1
=

2x

+ e

2x

60

x R,
x

+ 2e e e

pues:
2x

2x

+ 2e e

= 1.

Las grficas de las funciones senh(x) y cosh(x) estn en la Figura 31. Estas funciones
tienen propiedades que recuerdan a las de sen(x), cos(x):
senh(x) = senh(x)

cosh(x) = cosh(x)

cosh(x) senh(x) = ex

cosh(x) + senh(x) = ex

Concretamente la ltima recuerda a la frmula ex i = cos(x) + sen(x)i (ver Definicin 10).


A partir de las funciones seno y coseno hiperblicos se definen la tangente y la cotangente
hiperblicas, cuyas grficas estn en la Figura 32:
ex + ex
senh(x)
cosh(x)
ex ex
=
=
tgh(x) =
coth(x) =
ex ex , x = 0,
ex + ex
cosh(x)
senh(x)

Figura 32: Grficas de las funciones y = tgh(x) e y = coth(x)


Como las funciones hiperblicas son exponenciales, sus inversas tienen que ser logaritmos.
Por ejemplo, como senh(x) es biyectiva en R (ver Figura 31), tiene funcin inversa, que se
llama argumento del seno hiperblico:

arg senh(x) = log x + x2 + 1 , x R.

7. Funciones definidas por SPs:


P
Como vimos en la Nota 23, todaP SP
an xn tiene asociado un radio de convergencia R
y define una funcin suma f (x) = an xn en, al menos, el intervalo abierto (R, +R) (ver
Figura 33). Si la SP es convergente en x = R, x = R, o en ambos, la funcin suma esta
definida en los intervalos [R, R), (R, R] [R, R], respectivamente. Del mismo modo,
61

P
toda SP(a) define una funcin suma f (x) = an (x a)n en el intervalo (a R, a + R) y,
posiblemente, tambin en x = aR y en x = a+R.

Figura 33: La funcin suma de una SP

2.2.
2.2.1.

Funciones de varias variables


Campos escalares

Hasta este momento hemos hablado de funciones de una variable, como por ejemplo,
f (x) = x2 , donde la variable x es un nmero real, x R. Ahora queremos estudiar funciones
de varias variables, como por ejemplo f (x, y) = x2 + y2 , que tiene dos variables, x e y, que
son nmeros reales. En lugar de escribir x, y R, escribiremos que (x, y) R2 .
Del mismo modo que una funcin de una variable asigna un valor f (x) a cada punto x de
la recta, una funcin de dos variables asigna un valor f (x, y) a cada punto (x, y) del plano.
2
Por ejemplo, as como f (x) = ex puede representar la temperatura de un hilo en cada
punto x (en el punto x = 0 la temperatura es f (0) = 1, en el punto x = 1 la temperatura
2
2
es f (1) = 1/e, etc.), la funcin f (x, y) = ex y puede representar la temperatura de una
placa o superficie plana en cada punto (x, y) (en el punto (0, 0) la temperatura es f (0, 0) = 1,
en el punto (1, 0) la temperatura es f (1, 0) = 1/e, en el punto (1, 2) la temperatura es
f (1, 2) = e5 , etc.).
Tambin podemos considerar funciones de tres variables, como f (x, y, z) = x2 + y2 + xyz.
2
2
2
En este caso, escribimos que (x, y, z) R3 . Una funcin como f (x, y, z) = ex y z puede
representar la temperatura cada punto (x, y, z) del espacio.
Una funcin con 4 variables puede ser f (x, y, z, t), o tambin f (u, v, w, s). En general,
en funciones con n variables, tenemos que enumerar las variables, como en f (x1 , x2 , ..., xn ),
cuyas n variables son x1 , x2 , ..., xn y escribimos (x1 , x2 , ..., xn ) Rn .
Como ocurre con las funciones de una variable, una funcin de n variables puede estar
definida slo en un subconjunto D de Rn que llamamos dominio de la funcin:
62

Definicin 33 (Campo escalar) Llamamos funcin escalar (o campo escalar) de n variables a cualquier regla de asignacin f : D Rn R tal que a cada (x1 , x2 , ..., xn ) D
le asocie f (x1 , x2 , ..., xn ) R:
f : D Rn

R
(x1 , x2 , ..., xn )
f (x1 , x2 , ..., xn )
Al conjunto D sobre el que est definida se le llama dominio de f .
Ejemplo 31 f : [2, 2] [2, 2] R, f (x, y) = x2 + y2 es una funcin de dos variables
cuyo dominio es el cuadrado en el plano R2 definido por los intervalos [2, 2] para la x y [2, 2]
para la variable y: Podemos dar valores a las variables x e y dentro del dominio:
f (0, 0) = 0,

f (1, 0) = 1,

f (1, 1) = 2,

f (2, 1) = 5,

f (2, 2) = 8, etc.

Representacin grfica
Del mismo modo que una funcin de una variable se representa grficamente en el plano
R , tomando un eje para la variable x y otro para el valor de la funcin en cada punto x,
y = f (x), una funcin de dos variables se representa en el espacio R3 , tomando el plano XY
para las variables x, y y el eje Z para el valor de la funcin en cada punto (x, y), z = f (x, y),
como en la funcin f : [1, 1] [1, 1] R2 , f (x, y) = x2 + y2 (ver Figura 34).
2

Figura 34: Dominio y grfica de la funcin f : [1, 1] [1, 1] R2 , f (x, y) = x2 + y 2 .


En general, las grficas de funciones de 2 variables son superficies en el espacio, como las
representadas en la Figura 35. Algunas grficas pueden ser ms complicadas, como las de la
Figura 36 en la que las ondas se deben a la funcin seno.
63

Figura 35: Grficas de las funciones f (x, y) = ex

Figura 36: Grfica de la funcin

2 y 2

y f (x, y) = x2 y2 + 2xy + 1.

2 sen (2x2 + y 2 )
.
f (x, y) =
1 + 2x2 + y2

Este tipo de representacin grfica no es posible para funciones de 3 o ms variables.


Por este motivo, muchos de los conceptos sobre funciones de varias variables los presentamos
para funciones de 2 variables y luego los generalizamos para funciones con n variables.
Otras representaciones grficas
Aunque las grficas anteriores en R3 son las ms utilizadas, una funcin de 2 variables
tambin puede representarse en el plano R2 , del modo siguiente. En cada punto (x, y) del
plano, representamos el valor del escalar f (x, y), como en la Figura 37a. Esta grfica justifica
el nombre de campo escalar que damos a las funciones f : D R2 R, pero no es
muy til. Si en ese campo escalar unimos por una lnea aquellos puntos (x, y) del plano que
tienen el mismo valor de f (x, y), obtenemos la grfica de curvas de nivel de la Figura 37b.
Otra opcin, es representar con el mismo color los puntos (x, y) del plano que tienen
(aproximadamente) el mismo valor de f (x, y), como en los mapas meteorolgicos de temperturas (Figura 38a).

64

Figura 37: El campo escalar f (x, y) = x2 + y2 y sus curvas de nivel en R2 .

Figura 38: El mapa de temperaturas representa un campo escalar y el mapa de vientos un


campo vectorial.

2.2.2.

Campos vectoriales

Del mismo modo que un campo escalar f : D R2 R asocia un valor escalar a


cada punto del plano (Figura 38a), un campo vectorial F : D R2 R2 (Figura 38b)
asocia un vector F (x, y) R2 a cada punto del plano (ver tambin la Figura 39). El vector
F (x, y) representa una cierta magnitud vectorial en cada punto (x, y) del plano.
Del mismo modo, una funcin F : D R3 R3 es un campo vectorial en R3 que
asocia a cada punto (x, y, z) del espacio un vector F (x, y, z) R3 que representa una una
cierta magnitud vectorial (ver Figura 40). En general,
65

Definicin 34 (Campo vectorial) Llamaremos funcin vectorial (o campo vectorial) de


n variables a cualquier F : D Rn Rn tal que a cada punto (x1 , x2 , ..., xn ) D le asocie
un vector F (x1 , x2 , ..., xn ) Rn .
Dado un campo vectorial, como por ejemplo F (x, y) = x+y , exp(x2 +y 2 ) en R2 , cada
una de sus componentes es una funcin escalar: F1 (x, y) = x + y, F2 (x, y) = exp(x2 + y 2 ).
As, el estudio de las funciones de varias variables lo haremos, principalmente, para campos
o funciones escalares.

Figura 39: Representacin grfica de un campo vectorial F (x, y) en R2 .

Figura 40: Representacin grfica de un campo vectorial F (x, y, z) en R3 .

66

3.

Lmites y continuidad de funciones

3.1.

Lmites de funciones de una variable

Dada una funcin f : D R R, queremos definir el smbolo


lm f (x) = b

xa

de modo que, intuitivamente, signifique que:


si x se acerca a a (sin tocarlo) = f (x) se acerca a b.
Para definirlo matemticamente, utilizaremos el concepto de sucesin convergente:
si una sucesin {xn } converge a a (xn = a) = la sucesin {f (xn )} converge a b.
Notar que necesitamos que la sucesin {xn } est en el dominio D, para que existan los f (xn ),
pero no necesitamos que a D, pues f (a) no interviene. Lo que necesitamos que cumpla a
es que existan sucesiones en D \ {a} que sean convergentes a a. Puede probarse que para
que a cumpla esto, es suficiente que a sea punto de acumulacin de D (se demuestra con la
Definicin 6, pgina 6, tomando = n1 ). As llegamos a la siguiente definicin:
Definicin 35 (Lmite funcional por sucesiones) Sea una funcin f : D R R, y
sea a un punto de acumulacin de D. Diremos que lm f (x) = b si (ver Figura 41):
xa

sucesin {xn } a, {xn } D \ {a}

= la sucesin {f (xn )} b.

Figura 41: Representacin de la Definicin 35 de lmite funcional por sucesiones.


Notar que podemos estudiar el lm f (x) para todos los puntos a de acumulacin del
xa
dominio D de f y slo para stos. Adems de por sucesiones, existe otro modo de definir el
concepto de lmite funcional mediante entornos, y puede demostrarse que ambas definiciones
son equivalentes:
67

Definicin 36 (Lmite funcional por entornos) Sea una funcin f : D R R, y


sea a un punto de acumulacin de D. Diremos que lm f (x) = b si (ver Figura 42):
xa

> 0 > 0 : si |x a| < , x D \ {a} , = |f (x) b| < .


Nota 28 La expresin anterior significa que podemos conseguir que f (x) se aproxime a b
con un error menor que un valor siempre que x = a se aproxime a a con un error menor
que un cierto , como se indica en la Figura 42.

Figura 42: Representacin de la Definicin 36 de lmite funcional por entornos.

Ejemplo 32 Consideremos la funcin signo (Figura 16, pg. 47) sg (x) =

1, si x > 0
0, si x = 0
1, si x < 0

Veamos que no existe lm sg (x) (intuitivamente, porque cuando x se acerca a cero, sg(x)
x0
puede acercarse a +1 o a 1):
1
Consideremos, por ejemplo, la sucesin
, que es convegente a 0. La sucesin
n
n=1
+
1
sg(
)
=
es converente a 1. Por lo tanto, si el lmite existe, debe valer 1.
{1}+
+

n=1

n=1

Consideremos ahora la sucesin 1n n=1 , que tambin es convergente a cero. La sucesin


+
sg( 1 )
= {1}+ es convergente a 1. Por tanto, si el lmite existe, debe ser 1.
+

n=1

n=1

Como el lmite debe ser, simultaneamente, 1 y 1, obtenemos que no existe lm sg (x).


x0

Nota 29 En la definicin de lmite funcional cuando x a, el valor de la funcin en el


punto a no importa, como se ve en los siguientes ejemplos, representados en la Figura 43:
68

Figura 43: Dos ejemplos de lmites funcionales.


Sea f : [0, 1] R,

f (x) =

1, si x (0, 1]
(Figura 43a).
2, si x = 0

Claramente existe el lmf (x) = 1, aunque f (0) = 2 (cuando el lm f (x) coincida con f (a),
x0

xa

diremos que la funcin f es continua en a, pero eso es materia del Tema 3.2).
Sea f : (0, 1] R, f (x) = 1 (Figura 43b). En este caso, existe el lmf (x) = 1, aunque
x 0
f (0) ni siquiera est definido.
Como consecuencia directa del Teorema 6 (lgebra de lmites de sucesiones, pgina 22),
obtenemos el teorema siguiente.
Teorema 37 (lgebra de lmites funcionales) Sean dos funciones f, g : D R R
y sea a un punto de acumulacin de D. Si lm f (x) = b, lm g(x) = c, entonces,
xa

(i) lm f (x) + g(x) = b + c


xa

(iv) lm
p
p

xa f (x)

xa

(ii) lm f (x)g(x) = bc
xa

(v) lm f (x) =

= 1 , si b = 0 y f (x) = 0

(iii) lm |f (x)| = |b|


xa

p
b, si f (x) 0.

xa

Demostracin: Veamos (i) por sucesiones. Dada una sucesin {xn } a, {xn } D \ {a}
cualquiera, tenemos que probar que la sucesin {f (xn ) + g(xn )} b + c.
Como lm f (x) = b, la sucesin {f (xn )} b. Como lm g (x) = c, la sucesin {g(xn )} c.
xa

xa

Por el Teorema 6(i) del lgebra de sucesiones, la sucesin {f (xn ) + g(xn )} b + c.


Hasta ahora, tanto a como b son nmeros. Como sucede con las sucesiones, tambin
podemos plantearnos lmites funcionales infinitos. Para ello, basta con que en la Definicin

69

35 ( sucesin {xn } a, la sucesin {f (xn )} b) admitamos que tanto a como b puedan


ser, bien un nmero, o bien +, o bien , y tenemos 9 versiones de lmite funcional:
lm f (x) = b
lm f (x) = b
lm f (x) = b
xa

lm f (x) = +
xa

lm f (x) =
xa

x+

lm f (x) = +
x+

lm f (x) = +
x

lm f (x) =
x+

lm f (x) =
x

70

Definicin 37 (Lmite funcional en la recta ampliada) Diremos que lm f (x) = ,


x
con , R {+, } , si:
sucesin {xn } , {xn } D \ {}
Ejemplo 33 Estudiar el lm sen(x).

= la sucesin {f (xn )} .

x+

Intuitivamente, ese lmite no existe pues cuando x tiende a +, la funcin seno se mantiene
oscilando en el intervalo [1, +1] (ver Figura 26, pgina 57). Para demostrarlo analticamente, tomamos la sucesin siguiente, divergente a +:

xn = n

, 2

, 3

, 4

, . . . +

y resulta que la sucesin de sus imgenes es divergente:


sen(xn ) = sen n

1, 0, 1, 0, 1, 0, 1, 0, . . .

Cada uno de los 9 lmites anteriores pueden definirse tambin por entornos, como en
la Definicin 36 para el caso a, b R. Deduce la definicin por entornos para los casos
lm f (x) = b y lm f (x) = y compralos con las Definiciones 12 y 16(ii).
x+

x+

Clculo de lmites.
Veamos algunos ejemplos de clculo de lmites funcionales, as como la forma de resolver
algunas de las indeterminaciones que pueden presentarse:
lm (x3 2x + 1) = 8 + 4 + 1 = 3, lm (x3 2x + 1) = +1.
x 0

x2

lm (x3 2x + 1) = +,

x+

x3 3x
lm
x+

x3 + 5x2 + x

lm (x3 2x + 1) = .

h
=

dividiendo por x

= lm
x+

x2

1+5
x

= 1.

x2

h
i
3
x2 3
x

3x
= 3.
lm 3
=
dividiendo
por
x
=
l
m
x0 x + 5x2 + x
x0 x2 + 5x + 1

1 + x 1
1 + x+ 1
1 + x 1 h
i

=
multiplicando
por
el
conjugado
=
l

m
=
lm
x0
x0
x
x
1+x +1
1 + x 1

= lm
x0 x
1+x +1

1
= .
= lm
x0
2
1+x+1
lm
71

x2

2=

l
(x
m
2)

2) (x +

x + 2

2
=

lm
x2

(x 2)

x2

(x 2)

x2

(x 2)

=
.
0

0
La herramienta ms til para resolver indeterminaciones
es la Regla de
0
LHpital que veremos cuando estudiemos derivadas (Teorema 54, pgina 100).

72

3.2.
3.2.1.

Continuidad de funciones de una variable


La idea de continuidad

La idea intuitiva de continuidad es que pequeos cambios en el valor de la variable, x,


producen cambios pequeos en el valor de la funcin, f (x).
Por ejemplo, sea f (x) el dinero que cuestan x litros de gasolina. Si 3 litros de gasolina
cuestan 4.2 euros, es decir, f (3) = 4.2, entonces 3.0002 litros, o bien 2.9999993 litros, cuestan
tambin cerca de 4.2 euros. sta es una funcin continua. Sea ahora g(x) el precio que cuesta
hablar 1 minuto por telfono, suponiendo que la tarifa es por minutos enteros. En este caso,
si hablar 1 minuto cuesta 20 cntimos, hablar 1 minuto y un segundo ya cuesta 40 cntimos.
sta no es una funcin continua. Observemos que esta funcin g no es continua en el punto
x = 1 (minutos), pero s lo es en otros muchos puntos como x = 0.6 (minutos). De este
modo, tenemos que hablar de funcin continua en un punto.
Un ejemplo tpico de funcin no continua es la funcin parte entera de x, f (x) = [x],
definida como
[x] = max{k Z | k x},
es decir, [x] es el mayor entero k tal que k x. Por ejemplo, [2.918364] = 2, [3] = 3,
[1.7621] = 2. La grfica de esta funcin est en la Figura 44.

Figura 44: Grfica de la funcin parte entera de x, f (x) = [x].

73

Esta funcin f (x) = [x] no es continua en el punto a = 1 pues f (1) = 1 pero f (0.8) =
f (0.99) = f (0.99997) = 0. Sin embargo, s es continua en el punto a = 1.6 (por ejemplo).
3.2.2.

La continuidad en un punto

Una funcin f es continua en un punto a si, cuando el valor de x se acerca a a, el valor de


f (x) se acerca a f (a). Esto recuerda a la idea de lmite funcional. Notar que ahora, adems
de que a sea punto de acumulacin de D, necesitamos que a D para que exista f (a).
Definicin 38 (Funcin continua) Sea una funcin f : D R R y sea a D un
punto de acumulacin de D. Diremos que f es continua en a si
lm f (x) = f (a).

xa

Si f es continua en todos los puntos a D, diremos que f es continua en D.


Nota 30 Sabemos por las Definiciones 35 y 36 que el lmite funcional lm f (x) = f (a)
xa
podemos entenderlo por sucesiones o por entornos, es decir (ver Figura 45):
i) sucesin {xn } a, {xn } D

= la sucesin {f (xn )} f (a),

ii) > 0 > 0 : si |x a| < =

f (x) f (a) < .

Figura 45: Definicin de continuidad por sucesiones y por entornos.


Visualmente, una funcin continua en un punto se representa como una lnea continua
alrededor de ese punto, como en la Figura 44 en el punto a = 1.6, mientras que si no es
continua, esa lnea aparece cortada, como en la Figura 44 alrededor del punto a = 1. Si una
funcin es continua en todo un intervalo D, entonces podemos decir que f puede dibujarse
en ese intervalo sin levantar el lpiz del papel. Sin embargo, estas ideas visuales no son
rigurosas (ver Nota 43), mientras que la Definicin 38 s lo es. La propiedad siguiente de las
funciones continuas es necesaria en algunos resultados posteriores.
72

Teorema 38 Sea f : D R R continua en a D punto de acumulacin de D. Si


f (a) = 0 entonces existe un entorno (a , a + ) de a donde f no cambia de signo.
Demostracin: Supongamos, por ejemplo, que f (a) > 0. Tomando =

f(a)
2

> 0, como f

es continua en a, existe un > 0 tal que si |x a| < (x (a , a + )) entonces


f (x) f (a) <

f (a)

f (x) f (a) > f (a) f (x) > f (a)

f (a)

f (a)

> 0.

Nota 31 (Discontinuidades) Si f no es continua en un punto a, decimos que f tiene una


discontinuidad en a. Para clasificar las discontinuidades supongamos que a es punto interior
de D (Definicin 5, pgina 6) y definamos los lmites laterales:
Definicin 39 (Lmites laterales y tipos de discontinuidades) Si a es punto interior
de D llamamos lmites laterales a
A = lmf (x) = lm f (x) (lmite por la izquierda),
x a

xa

x<a

B = lm+ f (x) = lm f (x) (lmite por la derecha),


x a

xa

x>a

y decimos que a es una dicontinuidad


evitable, si A y B (finitos) y A = B = f (a),
de salto, si A y B (finitos) y A = B.
Ejemplo 34 La funcin funcin parte entera de x, f (x) = [x] (ver grfica en Figura 44)
tiene una discontinuidad de salto en cada punto a entero.
Como hemos definido la continuidad a partir de los lmites funcionales, el siguiente teorema se obtiene directamente del Teorema 37.
Teorema 39 (lgebra de funciones continuas) Sean f, g : D R funciones continuas
en a D punto de acumulacin de D. Entonces, tambin son continuas en a las funciones

f
(v) p f , si f 0.
(i) f + g
(ii) f g
(iii) |f |
(iv) g , si g(a) = 0

Demostracin: Obvia, aplicando el Teorema 37. Por ejemplo, para demostrar (i),
h
i
h
i
lm f (x)+g(x) = Teorema 37 = lm f (x)+ lm g(x) = f, g cont. en a = f (a)+g(a),
xa

xa

xa

que es la definicin de que f + g es continua en a (Definicin 38).


La diferencia entre este teorema y el Teorema 37 est en (iv), pues ahora no pedimos que
g(x) = 0, sino slo que g(a) = 0. Pero si g(a) = 0 y g es continua en a, por el Teorema 38
existe un entorno de a donde g(x) = 0.
73

Adems, otra operacin importante como es la composicin de funciones (ver Definicin


26, pgina 48) tambin conserva la continuidad:

74

Teorema 40 (Continuidad de la funcin compuesta) Sea el siguiente diagrama de


funciones compuestas, con a punto de acumulacin de D y f (a) punto de acumulacin de B,
f
g
D R
B R
R
a
f (a)
g(f (a)).

g f

Si f es continua en a y g es continua en f (a) entonces la funcin compuesta


continua en a.

g f, es

Demostracin: la funcin g f ser continua en a (Definicin 38) si lm g (f (x)) = g(f (a)).


xa
Estudiemos este lmite por sucesiones: dada {xn } a cualquiera, como f es continua en a,
la sucesin {f (xn )} f (a), y como g es continua en f (a), la sucesin {g(f (xn ))} g(f (a)),
luego lm g (f (x)) = g(f (a)).
xa

Nota 32 Puesto que una funcin f : D R R es continua en a D si


lm f (x) = f (a) = f lm x

xa

xa

lm f (x) = f lm x

xa

xa

podemos decir que las funciones continuas son las que conmutan con el paso al lmite:
h
i
h
i
lm g f (x) = si g es continua = g lm f (x) = si f es continua = g(f (a)).
xa

xa

Nota 33 (Continuidad de las funciones ms importantes) Puede probarse que:


Las funciones polinmicas son continuas en todo R (basta probar que las funciones
f (x) = cte y f (x) = x son continuas y aplicar el Teorema 39 (i) y (ii)).
p(x)
Una funcin racional, f (x) = q(x)
, donde p y q son polinomios, es continua en todos
los puntos de R excepto los ceros del polinomio q (Teorema 39 (iv)).

Las funciones exponencial y logaritmo son continuas, exp(x) en todo R y log(x) en los
reales positivos, R+ .
Las funciones trigonomtricas son continuas, sen(x) y cos(x) en todo R y tg(x), cotg(x)
en ciertos intervalos.
P
Las funciones definidas como sumas de SPs, f (x) = an xn , son continuas en (R, R).
Si, adems, una SP es convergente para x = R, el siguiente Teorema de Abel afirma
que su funcin suma f (x) es tambin continua en x = R (lo mismo ocurre en x = R).
P
Teorema 41 (de Abel) Sea fP: [0, R] R una funcin continua tal queP
f (x) = an xn
para todo x [0, R). Si la serie
an Rn es convergente entonces su suma es
an Rn = f (R)
(ver Figura 46). Lo mismo ocurre con el intervalo [R, 0].

75

Figura 46: El Teorema de Abel


3.2.3.

Clculo de lmites del tipo lm f (x)g(x)


xa

Del mismo modo que, si no hay indeterminacin, el lmite del producto es el producto
lm g(x)
de los lmites, tambin es cierto que lm f (x)g(x) = lm f (x) xa , pues
xa

xa

h
i
h
i
lm f (x)g(x) = Definicin 30 = lm exp g(x) log(f (x)) = exp(x) es continua =
xa
xa
i
h
= exp lm g(x) log(f (x))
= si no hay indeterminacin en el producto =
xa
h
i
= exp lm g(x) lm log(f (x))
= log(x) es continua =
xa

= exp

xa

lm g(x) log(lm f (x))

xa

xa

h
i
lm g(x)
= Definicin 30 = lm f (x) xa .
xa

0
Por ejemplo, lm (cos x + 4)x = (cos 0 + 4) = 50 = 1. Cundo es indeterminado un lmite
x0

de este tipo? Cuando el lmite del producto lm g(x) log(f (x) sea indeterminado, es decir,
xa
del tipo [0 ] [ 0], lo que ocurre cuando:
lm g(x) = 0 y lm f (x) = +, = indeterminacin del tipo [ 0 ] .

xa

xa

lm g(x) = 0 y lm f (x) = 0 a, = indeterminacin del tipo [00 ] .

xa

xa

lm g(x) = y lm f (x) = 1, = indeterminacin del tipo [1 ] .

xa

xa

En estos casos, podemos tomar logaritmos para bajar el exponente, como en los ejemplos
siguientes:
1
i
h
x
0
x

indeterminado
,
. Tomamos logaritmos:
lm e + x
x+

76

L = lm

x+

e +x

1
x

= log(L) = log

lm

x+

e +x

1
x

h
= log(x) continua

77

= lm

1
x

log ex + x

x+

x+

lm

x+

= lm

ex
= lm

x+

= log(L) = lm

log(x)

x0

x+

LHpital

x+

ex + 1

LHpital

i
00 , indeterminado . Tomamos logaritmos:

x0

lm

log(x)

L = lm x

i
= LHpital

= 1. Por lo tanto, L = e1 = e.

ex

x+

lm x

ex + x
ex

log(e h+ x)

log(ex + x) = lm

ex + 1
=

= lm

x0

x2 2
x2 + x + 1

L = lm

x+

x+1

x2 2
x2 + x + 1

log(x)

log(x) = . Por lo tanto, L = e .

h
i
1 , indeterminado . Tomamos logaritmos:

x+1

= log(L) = lm (x + 1) log
x+

x2 2
x2 + x + 1

Nota 34 (Frmula de Euler) Para las indeterminaciones del tipo [1 ] , una alternativa
que suele ser ms sencilla es la frmula de Euler:
lm f (x)g(x) = exp

xa

lm g (x) f (x) 1

xa

Por ejemplo, en el lmite anterior:


lm

x+

= exp

= exp

x2 2
x2 + x + 1

lm (x + 1)

x+

lm

x+

x2 2

x+1

= exp

lm (x + 1)

x2 2 x2 x 1
x2 + x + 1

(x + 1)(x 3)
x2 + x + 1

x2 + x + 1

x+

= e1 =

= exp

lm (x + 1)

x+

x 3
x2 + x + 1

1
.e

Nota 35 (Justificacin de la Frmula de Euler) Supongamos que lm f (x) = 1 pero


xa

que f (x) = 1 y supongamos tambin que f es diferenciable.


78

Como lm f (x)g(x) = exp


xa

lm g(x) log(f (x))

xa

, basta demostrar que

lm g(x) log(f (x)) = lm g(x)(f (x) 1). Para ello, veamos que el lmite del cociente es 1:

xa

xa

lm

g(x) log(f(x))

xa g(x)(f (x)

1)

= lm
xa

log(f(x))

h
i
= LHpital = lm

f (x) 1

f0 (x)
f(x)

xa f 0 (x)

79

= lm

xa f (x)

= 1.

Nota 36 (Si no es indeterminacin 1 ) Si un lmite no es


una indeterminacin 1 no

2
x
( +3 x2 1)
x3
1
es correcto aplicar Euler. Por ejemplo, sea
lm
x+

x3 + x5

Claramente el lmite de la base es 1. Calculemos el lmite del exponente:

2 + 3 x2 1
2 + 3 +

x
x
x2 1

x2 + 3 x2 1 = lm
=
lm

x+
x+
x2 + 3 + x2 1
(x2 + 3) (x2 1)
= lm
x+

x2 + 3 +

x2 1

= lm
x+

x2 + 3 +

x2 1

lm

x3
1

x+

x3 + x5

Por lo tanto NO es una indeterminacin y

3.2.4.

h 4 i

= 0.

x2 +3 x2 1)

= 10 = 1.

Teoremas de Weierstrass y Bolzano

Son dos teoremas importantes relacionados con las funciones continuas en intervalos [a, b].
Teorema 42 (de Weierstrass) Sea f : [a, b] R continua. Entonces, f alcanza su
mximo y su mnimo en [a, b], es decir, existen, al menos, dos puntos c, d [a, b] tales que:
f (c) = mn {f (x) : x [a, b]} , o bien f (c) f (x), x [a, b], f
(d) = max {f (x) : x [a, b]} , o bien f (d) f (x), x [a, b].

Figura 47: Representacin del Teorema de Weierstrass.

80

Nota 37 En la Figura 47 est representado este Teorema de Weierstras para una funcin
continua en el cerrado [a, b], que alcanza el mnimo en el punto c y el mximo en el punto
d = b. Notar que el Teorema no es cierto para la misma funcin (continua) pero definida en
el intervalo [a, b) (Figura 48a), pues en ningn punto de [a, b) se alcanza el mximo de la
funcin. Tampoco es cierto si la funcin est definida en el cerrado [a, b] pero no es continua
(Figura 48b).

81

Figura 48: En el Tma. de Weierstrass es necesario que [a, b] sea cerrado y que f sea continua.
Teorema 43 (de Bolzano) Sea f : [a, b] R continua tal que f (a)f (b) < 0. Entonces,
existe, al menos, un c (a, b) tal que f (c) = 0 (c es un cero de f ).
Nota 38 En la Figura 49 est representado el Teorema de Bolzano. Notar que la condicin
f (a)f (b) < 0 significa que f cambia de signo entre a y b. As, si f pasa de negativa a
positiva (o viceversa) y es continua, en algn punto tendr que tomar el valor cero. Esto se

Figura 49: Representacin del Teorema de Bolzano.


puede generalizar a la Propiedad de los Valores Intermedios: si una funcin pasa de f (a) a
f (b) y es continua, necesariamente tendr que tomar todos los valores intermedios t entre
f (a) y f (b) (ver Figura 50). Para demostrarlo, basta aplicar el Teorema de Bolzano a la
funcin auxiliar g(x) = f (x) t, que es continua en [a, b] y cumple que g(a)g(b) < 0.
Nota 39 Como consecuencia del Teorema de Bolzano obtenemos tambin que cualquier
polinomio real de grado impar tiene, al menos, un cero real:
Sea p (x) = x2n+1 + a2n x2n + ... + a1 x + a0 (funcin continua). Estudiemos los lmites
lm p (x) =

x+

lm p (x) =

x+

lm

x2n+1 + a2n x2n + ... + a1 x + a0 = +,

lm

x2n+1 + a2n x2n + ... + a1 x + a0 = .

Por lo tanto, p(x) cambia de signo y, por el Teorema de Bolzano, tiene, al menos, un cero.
82

Figura 50: El Teorema de Bolzano y la Propiedad de los Valores Intermedios.


3.2.5.

El mtodo de la biseccin

La mayora de ecuaciones del tipo f (x) = 0 no pueden resolverse de modo analtico


(por ejemplo, cuando f es un polinomio de grado 5 o ms, ver Seccin 1.3.2). Sin embargo,
en muchas situaciones prcticas no es necesario obtener la solucin analtica exacta de una
ecuacin, sino que es suficiente obtener una solucin numrica aproximada con un determinado nmero de decimales exactos (digamos 8, 12, 16, 24, etc.). Para ello, existen mtodos
iterativos que construyen una sucesin {xn } de soluciones aproximadas que converge (y, por
lo tanto, se acerca tanto como queramos) a la solucin de f (x) = 0.
El mtodo de la biseccin consiste en la aplicacin reiterada del Teorema de Bolzano. Si
f es continua en [a, b] y f (a)f (b) < 0 (f cambia de signo) entonces, existe, al menos, un cero
de f en (a, b). Podemos tomar como primera aproximacin al cero el punto medio, x0 = a+b
.
2
Este punto medio divide al intervalo en dos subintervalos de igual longitud. Calculamos
f (x0 ), escogemos, de los dos subintervalos, aquel en el que f cambia de signo y tomamos
como nueva aproximacin su punto medio. Repetimos este proceso hasta obtener el cero de
f con la precisin deseada. Este es, en esencia, el mtodo de la biseccin:
Datos: a, b, (precisin deseada), f (continua en [a, b]).
Paso 0: Si f (a)f (b) > 0, parar (no se puede aplicar el mtodo de la biseccin).
Paso 1:
1.1
1.2
1.3

Mientras b a >= , repetir:


Calcular c = a+b
. Si f (c) = 0, parar (c es el cero buscado).
2
Si f (a)f (c) < 0 hacer b = c.
Si f (a)f (c) > 0 hacer a = c.

Paso 2: Final: el cero buscado (con una precisin menor que ) es c =

83

a+b
.
2

Si llamamos x0 , x1 , x2 , . . . a los sucesivos puntos c calculados en el paso 1.1 y suponemos que


hacemos infinitas iteraciones, obtenemos una sucesin {xn } que converge al cero buscado, .
La precisin es un nmero pequeo, del tipo = 10t , que significa que queremos obtener,
al menos, t cifras decimales exactas. Como en cada iteracin se divide por 2 la longitud del
intervalo, el error mximo cometido en la iteracin n es:
1
(b a) ,
2n
y podemos calcular el nmero n de iteraciones necesarias para alcanzar la precisin deseada:
|xn | <

1
(b a) < 10 t 10t (b a) 2n n log2 (b a)10t .
2n
El punto fuerte del mtodo de la biseccin es que la convergencia est garantizada, es decir,
que siempre funciona. Su punto dbil es que es es relativamente lento. Adems, notar que
aunque haya ms de un cero de f en el intervalo inicial, slo obtenemos uno de ellos. Para
superar estos inconvenientes, necesitamos el concepto de derivada de una funcin (ver Seccin
4.4 en la pgina 101).

3.3.

Lmites y continuidad de funciones de varias variables

Definicin 40 (Funcin continua) Sea una funcin f : D Rn R y sea a D un


punto de acumulacin de D. Diremos que f es continua en a si lm f (x) = f (a), es decir, si
xa

(i) sucesin

x(k)

a,

x(k) D

= la sucesin

f x(k)

f (a),

(ii) > 0 > 0 : si kx ak < = |f (x) f (a)| < ,


(Figura 51). Si f es continua en todos los puntos a D, diremos que f es continua en D.

Figura 51: Definicin de continuidad de una funcin f (x, y) en un punto a.


Como ocurre con las funciones de una variable, la idea intuitiva de continuidad es que
pequeos cambios en el valor de las variables (en cualquiera de ellas) producen cambios
84

pequeos en el valor de la funcin. En la Figura 51 se observa que, si x est cerca de


a, entonces f (x) est cerca de f (a). Visualmente, del mismo modo que una funcin de
una variable continua en un punto se representa como una lnea continua alrededor de ese
punto, una funcin de dos variables continua en un punto se representa como una superficie
continua alrededor de ese punto. Veamos esto con algunos ejemplos.
Ejemplo 35 Las funciones f (x, y) = x2 + y2 y f (x, y) = x2 y2 + 2xy + 1 son continuas
en todo R2 pues son polinomios. Notar que, por ejemplo en el punto (1, 2),
lm

(x,y)(1,2)

x2 y2 + 2xy + 1 = 12 22 + 4 + 1 = 2 = f (1, 2).

Sus grficas (Figuras 34 y 35b, pgina 63) son superficies continuas. Tambin son continuas
2 sen(2x 2+y 2 )
2
2
las funciones f (x, y) = ex y (Figura 35a) y f (x, y) = 1+2x2 +y 2 (Figura 36). Observa que
el nico problema de sta ltima podra ser el denominador nulo, pero esto nunca ocurre.
1
Ejemplo 36 La funcin f (x, y) = 2
es continua en R2 excepto en el punto (0, 0),
x + y2
donde no est definida. Adems, como
lm

lm

f (x, y) =

(x,y)(0,0)

(x,y)(0,0)

x2

+y 2

= +,

(ver Figura 52a), la funcin no puede definirse en (0, 0) de modo que sea continua.

Figura 52: Grficas de las funciones

Ejemplo 37 La funcin f (x, y) =

f (x, y) =

x2

1
1
y f (x, y) =
.
2
x y
+y

1
es continua en R2 excepto en los puntos de la recta
x y

x = y, donde no est definida. Si (, ) es uno de esos puntos, entonces


lm
(x,y)(,)

f (x, y) =

lm

(x,y)(,) xy

85

1
0

+ si x > y
si x < y

(ver Figura 52b), luego f no puede definirse en esos puntos de modo que sea continua.

86

Ejemplo 38 La funcin de la Figura 53, f (x, y) =

0 si x = 0, y = 0
,
1 si x = 0 y = 0

tiene las dos rectas horizontales en las direcciones de los ejes de coordenadas a la altura de
z = 1, pero en el resto de puntos vale 0. Esta funcin f no es continua en ninguno de los
puntos de los ejes de coordenadas.

Figura 53: Grfica de la funcin f (x, y) = 1, si x = 0 y = 0,

f (x, y) = 0 en otro caso.

Ejemplo 39 Considera la grfica de una funcin como la de Figura 54. Esta funcin no es

Figura 54: Grfica de la funcin

f (x, y) = x2 , si x < 0 e y > 0, f (x, y) = 0 en otro caso.

continua en los puntos del semieje OX negativo, como en (2, 0), pues la grfica alrededor
de este punto est cortada. Y en el punto (0, 0), es continua? Pensemos que en (0, 0) la
funcin vale f (0, 0) = 0 y que, si hacemos pequeos cambios en el valor de (x, y) alrededor
de (0, 0), producimos cambios pequeos en el valor de la funcin. Por lo tanto, f s es
continua en (0, 0).
2
2
Ejemplo 40 La funcin f (x, y) = x 2 y 2
x +y

es continua en R2 excepto en (0, 0), donde no

est definida. Para ver si podemos definir f (0, 0) para que sea continua tenemos que estudiar

87

el

x 2y

lm
(x,y)(0,0)

, lo que no es tan fcil como en los Ejemplos 36 y 37 anteriores, pues ahora

x2 +y 2

tenemos una indeterminacin del tipo

0
0

En general, los lmites en dos variables son ms difciles que los de una variable. Veamos
primero algunos mtodos para demostrar que un lmite en dos variables no existe, todos ellos
basados en la siguiente observacin:
Si
lm f (x, y) existe y vale L, al acercarnos a (0, 0) de cualquier manera posible,
(x,y)(0,0)

siempre obtendremos un valor lmite L.


El primer mtodo es estudiar los lmites reiterados:
lm

x0

2
2
lm x 2 y2
y0 x +y

x2
x0 x

= lm

= +1,

lm

y0

x2 y 2
2
2
x0 x +y

lm

= lm

y 2
2
y

y0

= 1.

Cada lmite reiterado representa un modo particular de acercarse (0, 0). Como son distintos
entre s, obtenemos que el lmite
lm

x2y 2

no existe.

2
2
(x,y)(0,0) x +y

As, no puede definirse f (0, 0) para que esta funcin sea continua en (0, 0).
Observa en la grfica de esta funcin, Figura 55, que si nos acercamos a (0, 0) por el eje
OX el valor de la funcin se acerca a +1 mientras que si nos acercamos por el eje OY la
2
2
funcin se acerca a +1. Por lo tanto, el lm x y no existe.
2
2
(x,y)(0,0) x +y

Figura 55: Grfica de

f (x, y) =

x2 y2
.
x2 + y2

El segundo mtodo para demostrar que un lmite de dos variables no existe es estudiar
qu ocurre al acercarnos por rectas: supongamos que (x, y) se acerca a (0, 0) por la recta
y = mx, siendo m un nmero cualquiera. Obtenemos un lmite en una variable,
x2 + y2
lm
x2 y 2
(x,y)(0,0)
88

y=
i
mx

lm

x2 m2 x2
x2 + m2 x2
=

x2 (mx)2 = lm
x0
x2 + (mx)2
(x,mx)
(0,0)

89

1
m2
1+
.
m2

Como el resultado depende de m, obtenemos que el lmite no existe, pues al acercarnos


a (0, 0) de maneras distintas (por rectas y = mx distintas) se obtienen resultados diferentes.
Tambin se puede estudiar qu ocurre al acercarnos por parbolas, como y = mx2
x = my 2 . Como antes, si el resultado depende de m el lmite en dos variables no existe.
Los mtodos anteriores (reiterados, por rectas, por parbolas, etc.) slo sirven para demostrar que el lmite no existe. Si tenemos un lmite en dos variables que realmente s existe
y vale L (como en el ejemplo siguiente), al aplicar estos mtodos obtendremos siempre el
mismo valor L, pero no podremos decir que el lmite exista y valga L.
x2 y 2
Ejemplo 41 La funcin f (x, y) = p
es continua en R2 excepto en (0, 0), donde
2
2
x +y
no est definida. Estudiemos los lmites reiterados:
lm

lm

x0

y0

x y

x2 +y 2

= lm
x0

lm

= 0,

x2

y0

lm
x0

= lm

x2 +y 2

y0

= 0.

y 2

Como los lmites reiterados son iguales, no podemos deducir ni que el lmite existe ni que no
existe. Slo que, si existe, el lmite en dos variables vale 0. Estudiemos el lmite acercndonos
por rectas x = my:
h
i
x2 y 2
x2 (mx)2
x2 (1 m2 )
p
lm p
= lm
= 0.
y = mx
lm
(x,y)(0,0)

x2 + y2

(x,mx)(0,0)

x2 + (mx)2

x0

x 1 + m2

Como el resultado es 0 (no depende de m), seguimos sin poder deducir si el lmite existe o
no. Lo mismo ocurre si estudiamos el lmite acercndonos por parbolas.

Figura 56: Grfica de


90

x2 y 2
f (x, y) = p
.
x2 + y2

Observando la grfica de esta funcin, Figura 56, vemos que, cuando (x, y) se acerca a
(0, 0), el valor de f (x, y) se acerca a 0, lo que, intuitivamente, significa que el lmite s existe

91

y vale 0. Si esto fuese cierto, definiendo f (0, 0) = 0 obtendramos que la funcin es continua
en todo R2 .
El mtodo que nos permite demostrar que un lmite en dos variables s existe es el
cambio a polares. Esto es porque, si hacemos el cambio de coordenadas cartesianas (x, y)
a coordenadas polares (r, ) (ver Figura 57; ver tambin la Seccin 1.3.4), podemos expresar
el lmite (x, y) (0, 0) simplemente como r 0 sin perder nada. En el ejemplo anterior,
h
i
(r cos())2 (r sen())2
x2 y 2
p
Cambio a polares lm p
=
lm
(x,y)(0,0)
r0
x2 + y2
(r cos())2 + (r sen())2

2
2
2
= lm r (cos () sen ()) = lm r cos2 ()
r0
r0
r

h
sen2 () = conv. a 0

i
acotado = 0,

con lo que podemos afirmar, ahora s, que el lmite en dos variables es cero.

x = r cos()
y = r sen()
r=

x2 + y2

= arc tg( xy )

Figura 57: Coordenadas polares.

Con el cambio a polares tambin se puede demostrar que un lmite no existe: en el lmite
del Ejemplo 40,
h
i
(r cos())2 (r sen())2
x2 y 2

=
Cambio
a
polares

lm
l

m
(x,y)(0,0) x2 + y2
r0 (r cos())2 + (r sen())2

2
2
2
= lm r (cos () 2sen ()) = lm cos2 () sen2 () = cos2 () sen2 (),
r0
r0
r

y como el resultado depende de , el lmite en dos variables no existe.


Como en funciones de una variable (Teorema 42), tambin puede demostrarse el siguiente
teorema, relacionado con la continuidad de f en un dominio cerrado y acotado:

92

Teorema 44 (Weierstrass) Sea D Rn un conjunto cerrado y acotado y sea f una funcin continua en D. Entonces, f alcanza su mximo y su mnimo en D, es decir, existen, al
menos, dos puntos c, d en D tales que
f (c) = mn {f (x) : x D} ,
f (d) = max {f (x) : x D} ,

93

o bien f (c) f (x), x D


o bien f (d) f (x), x D

4.

Diferenciabilidad de funciones de una variable

La derivada de una funcin indica cunto cambia la funcin. Por ejemplo, en la funcin
de la Figura 58 observamos que alrededor del punto a el valor de la funcin aumenta poco,
que alrededor del punto b aumenta ms, alrededor del punto c disminuye bastante y que
alrededor del punto d disminuye menos.

Figura 58: Cunto cambia est funcin en los puntos a, b, c y d?


Para dar un valor numrico al grado de variacin de la funcin en cada punto, ampliamos
la grfica de la funcin en cada uno de estos puntos hasta que la grfica sea prcticamente
una recta, como se observa en las Figuras 59 y 60. En realidad, esta grfica nunca ser una
recta, pero si ampliamos lo suficiente, podemos aproximarla por una recta, la recta tangente.
En la Figura 59a observamos que si aumentamos la variable x en una unidad alrededor del
punto a el valor de la funcin f (x) aumenta en 41 unidades. Este nmero, 41 , es la pendiente
de la funcin (de la recta tangente a f en a) e indica el grado de variacin de la funcin
en el punto a. Diremos que la derivada de f en a es 41 y en smbolos, f 0 (a) = 41 .

Figura 59: La pendiente de estas rectas es

1
4

y 1, respectivamente

La recta asociada con el punto b (Figura 59b) tiene pendiente 1, luego la derivada es
94

f 0 (b) = 1, y significa que si aumentamos la variable x en una unidad, la funcin aumenta en

95

1 unidad. En el punto c (Figura 60a), tenemos f 0 (c) = 32 (si aumentamos la variable x en


una unidad, el valor de la funcin f (x) aumenta en 32 unidades, o bien disminuye en

32
),

y en el punto d (Figura 60b), este nmero es f 0(d) = 31 .

Figura 60: La pendiente de estas rectas es 32 y 13 , respectivamente

Por lo tanto, la derivada de una funcin un un punto, f 0 (a), es la pendiente de la recta


tangente en dicho punto. Veamos cmo definir la recta tangente a una curva en un punto
dado P , que no es un problema trivial pues no tenemos 2 puntos para determinar dicha
recta. Lo hacemos con el concepto de lmite: la recta tangente en P es el lmite de las rectas
secantes pasan por P y por otro punto Q de la curva, cuando Q tiende a P (ver Figura 61).

Figura 61: La recta tangente como lmite de rectas secantes


As, para calcular la derivada de una funcin f en un punto a (ver Figura 62a) calculamos la
pendiente de la recta secante que pasa por los puntos a y x y luego tomamos lmite cuando
(a)
x a. La pendiente de esta recta secante es f(x)f
(vertical dividido por horizontal, ver
xa
Figura 62b), luego la derivada de f en a es
f 0 (a) = lm f(x) f(a) .
xa
x a

96

Figura 62: Derivada de una funcin de una variable en un punto a.

4.1.

La derivada en un punto

Para la definicin de funcin diferenciable en un punto a necesitamos que a sea punto


interior del dominio (Definicin 5, pgina 6).
Definicin 41 (Funcin diferenciable) Sea f : D R R y sea a un punto interior
de D. Diremos que f es diferenciable (o derivable) en a si existe el lmite (finito) del siguiente
cociente, llamado cociente de Newton:
lm f(x) f(a) .
xa
x a
Si ese lmite existe (finito) lo denotamos por f 0 (a), y lo llamamos derivada de f en a.
Nota 40 Si llamamos h = xa, si, y slo si x = a+h, tambin decimos que f es diferenciable
en a si existe el lmite (finito)
f(a + h) f(a)
lm
.
h0
h
Nota 41 (diferenciable por sucesiones) La definicin de diferenciable es un lmite
(a)
funcional, lm f(x)f
= f 0 (a), que podemos estudiar con sucesiones (ver Definicin 35):
xa
xa
n
o
f(xn )f(a)
0
sucesin {xn } a, {xn } D \ {a} = la sucesin
f (a).
xn a
Grficamente, el cociente de Newton

f(x)f(a)
xa

es la pendiente de la recta secante a la

grfica de f que pasa por los puntos (a, f (a)) y (x, f (x)) (Figura 62b). Si tomamos lmite
cuando x a, estas rectas secantes convergen a la recta tangente a la grfica de f en el
punto (a, f (a)) (Figura 62a). As pues, una funcin f es diferenciable en un punto a interior
de su dominio D si la grfica de f tiene recta tangente no vertical en el punto (a, f (a)), y
su derivada es la pendiente de dicha recta. Veamos algunos ejemplos.
97

Ejemplo 42 Consideremos la funcin f (x) = |x|, cuya grfica est en la Figura 63, y
estudiemos si f es diferenciable en el punto a = 0. Observemos que la expresin de |x|
depende de si x > 0 o si x < 0, por lo que, para estudiar el lmite del cociente de Newton,
tenemos que estudiar los dos lmites laterales por separado:
f(x) f(0)
x 0
lm
= lm
= 1,
x0
x0
x
x

lm+

x0

f(x) f(0)
x 0
= +1,
= lm+
x0
x
x

luego no existe el lmite y f no es diferenciable en a = 0, es decir, no existe f 0 (a). Notar


en la grfica (Figura 63) que f no tiene recta tangente en el punto a = 0. Sin embargo,
todas las rectas secantes a f que pasan por los puntos (0, 0) y por (x, f (x)) con x < 0 tienen
pendiente 1, y por eso el primer lmite vale 1, mientras que las mismas secantes pero con
x > 0 tienen pendiente +1, y por eso el segundo lmite vale +1.

Figura 63: La funcin f (x) = |x| no es diferenciable en a = 0.

2
Ejemplo 43 Consideremos la funcin f (x) = x 3 = 3 x2 , cuya grfica est en la Figura 64,
y estudiemos tambin si f es diferenciable en el punto a = 0:
r

3
f(x) f(0)
1
x2
= lm 3
= ,
lm
= lm
x0
x0
x
x0
x
x
r

3 2
f(x) f(0)
1
x
= lm+ 3 = +,
lm+
= lm+
x0
x
x
x0
x0
x
luego no existe el lmite (finito) y f no es diferenciable en a = 0, es decir, no existe f 0 (a).
Notar en la grfica de la Figura 64 que f no tiene recta tangente en el punto a = 0, y que las
98

rectas secantes a f que pasan por los puntos (0, 0) y por (x, f (x)) con x < 0 tienen pendientes
que se acercan a cuando x se acerca a 0, mientras que para x > 0 las pendientes de las
rectas secantes se acercan a + cuando x se acerca a 0.

99

Figura 64: La funcin f (x) =

x2 no es diferenciable en a = 0.

1
Ejemplo 44 Consideremos la funcin f (x) = x 3 = 3 x, cuya grfica est en la Figura 65,
y estudiemos tambin si f es diferenciable en el punto a = 0:
r

3
1
x
3
lm+ f(x) f(0) = lm+
= lm+
x
x
x0
x0
x0
x2 = +,
luego no existe el lmite (finito) y f no es diferenciable en a = 0. Notar en la grfica (Figura

Figura 65: La funcin f (x) =

x no es diferenciable en a = 0.

65) que f s tiene recta tangente en el punto a = 0, aunque esta tangente es una recta vertical
(pendiente infinita) y este caso est considerado como no diferenciable en la Definicin 41.
Tenemos ahora dos conceptos distintos para una funcin f en un punto a: continuidad y
diferenciabilidad. Veamos qu relacin hay entre ambos.
Teorema 45 (Diferenciable implica continua) Sea f : D R R y sea a un punto
interior de D. Si f es diferenciable en a entonces f es continua en a.
100

Demostracin: Si f es diferenciable en a, entonces existe el lmite de su cociente de Newton


(a)
y vale f 0 (a) (finito). Para valores de x = a, podemos hacer f (x) f (a) = f(x)f
(x a), y
xa
tomando lmites (recordemos que en los lmites cuando x a, consideramos x = a),
lm f (x)f (a)

= lm

xa

xa

luego lm f (x)f (a) = 0 =


xa

f(x) f(a)

(x a) = f 0 (a) 0 = 0,

x a

lm f (x) = f (a) = f es continua en a.

xa

Nota 42 La demostracin anterior no es vlida si aceptamos que f 0 (a) puede ser , pues
la ltima parte f 0 (a)0 = 0 no sera correcta. Comprubalo con la funcin f (x) = x1 , x = 0,
f (0) = 0, en el punto a = 0. Este es el motivo por el que se considera como no diferenciable
el caso de recta tangente vertical.
Nota 43 (Funcin continua no derivable en ningn punto) En la poca de Weierstrass circulaba la conjetura de que las funciones continuas eran diferenciables excepto en
puntos aislados. Weierstrass (1872) demostr que la conjetura es falsa con la funcin
f (x) =

+
P

an cos(bn x),

n=0

con 0 < a < 1 y b un impar positivo tales que ab > 1+ 32 ,

que es continua en todos los puntos de R pero no es diferenciable en ninguno. En la Figura

+
X

Figura 66: Funcin de Weierstrass f (x) =

1 n
cos(3n x)
2

(dibujada hasta n = 15)

n=0

66 est representada la grfica de esta funcin, que tiene un comportamiento fractal en


el sentido de que, si hacemos ampliaciones sucesivas, obtenemos grficas de aspecto similar
101

al original. La prueba de que la funcin es continua es sencilla. La prueba de que no es


diferenciable es ms difcil (hoy en da est demostrado para 0 < a < 1 y ab 1).

102

Teorema 46 (lgebra de funciones diferenciables) Sean f, g : D R R funciones


diferenciables en a punto interior de D. Entonces, tambin son diferenciales en a:
(i) f +g, y su derivada es (f +g)0 (a) = f 0 (a) + g 0 (a),
(ii) f g, y su derivada es (f g)0 (a) = f 0 (a)g(a) + f (a)g 0 (a),
0
f0 (a)g(a) f(a)g 0 (a)
f
f
.
(iii) , si g(a) = 0, y su derivada es
(a) =
g(a)2
g
g

Demostracin: Si f y g son diferenciables en a, existen los lmites de sus cocientes de


Newton y valen f 0 (a) y g 0 (a), respectivamente. Entonces,
f(x) + g(x) (f(a) +
g(a))
x a

(i) (f +g)0 (a) = lm

xa

f(x) f(a) + g(x) g(a)


x a
x a

= lm

xa

= f 0 (a) + g 0 (a).
As, hemos demostrado que f + g es diferenciable en a y que su derivada es f 0 (a) + g 0 (a).
f(x)g(x) f(a)g(x) + f(a)g(x) f(a)g(a)
=
(ii) (f g)0 (a) = lm f(x)g(x) f(a)g(a) = lm
xa
xa
x a
x a
= lm

xa

f(x) f(a) g(x) + f (a) g(x) g(a) = f 0 (a)g(a) + f (a)g 0 (a).


x a
x a

Notar que hemos usado que g es continua en a (por ser diferenciable) y, as, lm g(x) = g(a).
xa

(iii) Si g es diferenciable en a, entonces g es continua en a y, como g(a) = 0, el Teorema 38


asegura que la funcin gf est bien definida en un entorno de a. Adems,
f

( f )(x) (
)(a)

(a) = lm
g
= lm

xa

= lm
xa

= lm

xa

x a

= lm
xa

f(x)

f(a)

g(x)

g(a)

x a

f(x)g(a)

= lm
xa

f(a)g(x)
=

g(a)g(x)(x a)

f(x)g(a) f(a)g(a) + f(a)g(a) f(a)g(x)


=
g(a)g(x)(x a)
1
g(a)g(x)

f(x)g(a) f(a)g(a)

f(a)g(x) f(a)g(a)

x a

=.

x a
1
103

f(x) f(a)

g(a) f
(a)
xa

g(x) g(a)

g(a)g(x)

x a

f0 (a)g(a)
f(a)g 0 (a)
.

x a

g(a)2

Nota 44 Si comparamos el teorema anterior con el correspondiente Teorema 39 del lgebra


de funciones continuas, vemos que no hemos incluido ni el valor absoluto ni la raz p-sima.
Observa en los ejemplos 42 y 43anteriores que una funcin fpuede ser diferenciable en a y,
sin embargo, no serlo ni |f | ni f . Notar tambin que |x| y 3 x2 no son diferenciables en el
punto a = 0 pero s lo son en los dems puntos a = 0.

104

Teorema 47 (Regla de la cadena) Sea el siguiente diagrama de funciones compuestas,


con a punto interior de D y f (a) punto interior de B:
f
g
D R
B R
R
a
f (a)
g(f (a)).
g f

Si f es diferenciable en a y g es diferenciable en f (a), entonces la funcin compuesta g f


es diferenciable en a y su derivada es
(g f )0 (a) = g 0 (f (a))f 0 (a)

(Regla de la cadena).

(a))
Demostracin: Por definicin, g f es diferenciable en a si existe el lm g(f(x))g(f
.
xa
xa

Estudiemos este lmite por sucesiones (Nota 41): dada {xn } a cualquiera, tenemos que
n
o n
o n
o
g(f(xn ))g(f(a))
g(f(xn ))g(f(a))
f(xn )f(a)
=

xn a
f (xn )f (a)
xn a
(supondremos que nf (xn ) = f o
(a), n; el caso general es ms complicado). Si f es diferenciable
f(xn )f(a)
en a, la sucesin
es convergente a f 0 (a). Si g es diferenciable en f (a), dada
xn a
n
o
g(f(xn ))g(f(a))
converge a g 0 (f (a)).
{f (xn )} f (a), pues f es continua en a, la sucesin
f (xn )f (a)
n
Por lo tanto, la sucesin

g(f(xn ))g(f(a))
xn a

es convergente a g 0 (f (a))f 0 (a).

Ejemplo 45 (Regla de la Cadena) Como f (x) = x2 y g(x) = sen(x) son diferenciables


en todos los puntos x R, la funcin compuesta h(x) = g(f (x)) = sen(x2 ) es diferenciable
en todo a R y su derivada es h0 (a) = g 0 (f (a))f 0 (a) = cos(a2 )2a. Lo habitual es usar x:
h(x) = sen(x2 )

4.2.

h0 (x) = g 0 (f (x))f 0 (x) = cos(x2 )2x.

La funcin derivada

Definicin 42 (funcin derivada) Decimos que una funcin f : D R R es diferenciable en el abierto D si es diferenciable en cada punto de D. En ese caso, llamamos funcin
derivada de f a la funcin f 0 : D R R tal que a cada x D le hace corresponder f 0 (x).
Funcin constante: Sea una funcin constante, f (x) = c, x R. Entonces,
c c
f 0 (x) = lm f(x + h) f(x) = lm
= 0,
h0
h0
h
h
luego las funciones constantes son diferenciables en todo x R y su derivada es f 0 (x) = 0.
105

Ejemplo 46 En particular, si f (x) = M g(x) = f 0 (x) = 0g(x) + M g 0 (x) = M g 0 (x).

106

f(x + h) f(x)
=
h
h0

Polinomios: Sea f (x) = xn , n 1. Entonces, f 0 (x) = lm


h
n
n
(x
+
h)

x
= Binomio de
= lm
h0
h

Newton
i

n
n1
n
n
= lm x + nx h + + h x = nxn1 ,
h0
h

luego f (x) = xn es diferenciable en todo x R y su derivada es f 0 (x) = nxn1 .


Ejemplo 47 f (x) = 8x5 7x2 + 1 = f 0 (x) = 40x4 14x.
Derivada del seno: f (x) = sen(x) es diferenciable en todo x R y f 0 (x) = cos(x).
Derivada del coseno: f (x) = cos(x) es diferenciable en todo x R y f 0 (x) = sen(x).
sen(x)
, derivando como cociente obtenemos que
cos(x)
cos2 (x) +
1
2
tg0 (x) = cos(x) cos(x) 2sen(x)(sen(x))
= 1 + tg2 (x).
=
sen
(x)
2
cos (x)
cos
(x)
=
cos2 (x)

Derivada de la tangente: Como tg(x) =

Derivada de la exponencial: f (x) = exp(x) es diferenciable en R y f 0 (x) = exp(x).


Funciones

hiperblicas: f (x) = senh(x) =

ex + ex
f 0 (x) =

ex ex
2

es diferenciable en R y

= cosh(x). Del mismo modo, la derivada de cosh(x) es senh(x).

Series de Potencias: La funcin suma f (x) =

an xn es indefinidamente diferenciable

n0

en (R, +R) y sus derivadas se calculan derivando trmino a trmino:


f 0 (x) =

X
n1

nan xn1 ,

f 00 (x) =

X
n2

n(n1)an xn2 ,

f 000 (x) =

n(n1)(n2)an xn3 ,

etc.,

n3

Para la derivada de la funcin logaritmo y de otras inversas como arc sen(x) necesitamos
el siguiente resultado, que no demostramos pero que visualmente es evidente.
Teorema 48 (Diferenciabilidad de la funcin inversa) Sea f : D R R una funcin diferenciable en D intervalo abierto, con f 0 > 0 f 0 < 0 en D. Entonces, su funcin
inversa : B R R es diferenciable en su dominio de definicin, B = {f (a), a D}, y
su derivada es
1
0 f (a) = 0
(ver Figura 67).
f (a)
107

Teorema 49 (Derivada del logaritmo) f (x) = log(x) es diferenciable en todo x > 0 y


1
su derivada es f 0 (x) = .
x

108

Figura 67: Derivada de la funcin inversa.


Demostracin: log(x) es diferenciable en R+ pues es la inversa de exp(x), diferenciable.
Calculemos su inversa con el Teorema 48. Por definicin de funcin inversa,
y = log(x) si, y slo si, x = exp(y), luego, sustituyendo,
h
i
1
1
0
0
log (x) = log exp(y) = Teorema 48 =
=
0
exp (y)
exp(y)

1
= .
x

log(x)
log(a)

Nota 45 (Derivada de loga ) Sea f (x) = loga (x), con 0 < a = 1. Como loga (x) =
(ver la Definicin 31 en la pgina 56), su derivada es f 0 (x) =

1
.
log(a) x

Nota 46 (Derivada de ax ) Sea f (x) = ax , con a > 0. Como ax = exp x log(a)


Definicin 30 en la pgina 55), su derivada es

(ver la

f 0 (x) = exp x log(a) log(a) = log(a)ax .


Teorema 50 (Derivada del arcoseno) f (x) = arc sen(x) es diferenciable en
1
su derivada es f 0 (x) =
.
1 x2

1, 1 y

Demostracin: La funcin arc sen(x) es la inversa de sen(x), diferenciable, y est definida


como (ver pgina 58)
h
i
h i
arc sen : 1, 1
, , y = arc sen(x) si, y slo si, x = sen(y).
2 2
Por el Teorema 48, la funcin arc sen(x) es diferenciable en 1, 1 y su derivada es:
arc sen0 (x) = arc sen0 (sen(y)) =

1
sen0 (y)

cos(y)
109

=p

1
1 sen2 (y)

1 x2

Derivada del arcocoseno: Prueba que si f (x) = arc cos(x), f 0 (x) =


Derivada del arcotangente: Prueba que si f (x) = arc tg(x), f 0 (x) =

1
.
1 x2

1
.
1 + x2

Teorema 51 (Derivada de u(x)v(x) ) Sean u(x) > 0 y v(x) funciones diferenciables en un


abierto D R. Entonces, la funcin f (x) = u(x)v(x) es diferenciable en D y su derivada es
f 0 (x) = f (x) v 0 (x) log(u(x)) + v(x)

u0 (x)
u(x)

Demostracin: Por definicin, f (x) = u(x)v(x) = exp v(x) log(u(x)) , luego es diferenciable por ser composicin y producto de funciones diferenciables. Adems, derivando la ltima
expresin:
u0 (x)
=
f 0 (x) = exp v(x) log(u(x)) v 0 (x) log(u(x)) + v(x)
u(x)
0

(x)
= f (x) v 0 (x) log(u(x)) + v(x) uu(x)
.

Nota 47 En la prctica, la derivada anterior tambin puede calcularse del modo siguiente:
sea f (x) = u(x)v(x) . Tomando logartmos, log(f (x)) = v(x) log(u(x)), y derivando,
u0 (x)
f 0 (x)
,
= v 0 (x) log(u(x)) + v(x)
u(x)
f (x)
por lo que, despejando, f 0 (x) = f (x) v 0 (x) log(u(x)) + v(x)

u0 (x)
u(x)

En la Tabla 1 se resumen las derivadas ms importantes, combinadas con la regla de la


cadena: si f (x) = senh(u(x)), derivando obtenemos f 0 (x) = cosh(u(x)) u0 (x).

110

Funciones derivadas
dh p i
u (x) = p up1 (x) u0 (x)
dx
i
d hp
u0 (x)
p
u(x) =
dx
2 u(x)

En particular (p = 12 ):

d h u(x) i
e
= eu(x) u0 (x)
dx
d h u(x) i
d h u(x) log(a) i
a
=
e
= log(a) au(x) u0 (x)
dx
dx
i
dh
u(x)v(x) = (tomar logaritmos y derivar)
dx
i
dh
u0 (x)
log(u(x)) =
dx
u(x)
i
dh
d h log(u(x)) i
u0 (x)
log (u(x)) =
=
dx

dx

log(a)

i
dh
sen(u(x))
dx
i
dh
cos(u(x))
dx
i
dh
tg(u(x))
dx
i
dh
arc sen(u(x))
dx
i
dh
arc tg(u(x))
dx
i
dh
senh(u(x))
dx
i
dh
cosh(u(x))
dx
i
dh
tgh(u(x))
dx

u(x) log a
=

cos(u(x)) u0 (x)

sen(u(x)) u0 (x)

u0 (x)

= 1 + tg2 (u(x))

cos2 (u(x))

u0 (x)

u0 (x)
1 u2 (x)

u0 (x)
1 + u2 (x)

cosh(u(x)) u0 (x)

senh(u(x))u0 (x)

u0 (x)
cosh2 (u(x))

Tabla 1: Derivadas.
111

= 1

tgh2 (u(x))

u0 (x)

4.3.

Los Teoremas de Rolle y de Lagrange

Teorema 52 (Rolle) Sea f : [a, b] R una funcin continua en [a, b], diferenciable en
(a, b) y tal que f (a) = f (b). Entonces existe, al menos, un punto c (a, b) tal que f 0 (c) = 0
(ver Figura 68). Estos valores c se llaman puntos crticos de f .

Figura 68: Representacin grfica del Teorema de Rolle.

Demostracin: Si f es continua en [a, b], el Teorema 42 (de Weierstrass) garantiza que


existen puntos e, d [a, b] donde f alcanza su mximo y su mnimo, respectivamente.
Si e es punto interior de [a, b], existe un > 0 tal que (e, e+) (a, b), y f (e+h)f (e)
est bien definido y es negativo para valores de h tales que |h| < . En este caso,
f 0 (e) = lm+ f(e + h) f(e)
h0
h

negativo
positivo 0,

f 0 (e) = lm f(e + h) f(e)


h0
h

negativo
negativo 0.

Notar que estos lmites existen pues f es diferenciable. Como f 0 (e) 0 y f 0 (e) 0,
necesariamente f 0 (e) = 0.
Si d es punto interior de [a, b], del mismo modo obtenemos que f 0 (d) = 0.
Si e, d no son interiores, se corresponden con los puntos a, b, y como por hiptesis
f (a) = f (b), tenemos que f (e) = f (d) (mximo y mnimo son iguales) y la funcin f es
constante en [a, b]. En este caso, f 0 (c) = 0 en todos los puntos de (a, b).
Corolario 2 (Aplicacin de Rolle) Sea f : D R R una funcin diferenciable en D
intervalo abierto de R. Si f 0 no se anula en D entonces f tiene, a lo sumo, un cero en D.
Demostracin: Por reduccin al absurdo, supongamos que f tiene dos ceros en D:
f (a) = f (b) = 0. Entonces, por el Teorema de Rolle (f es diferenciable en (a, b) D y continua
en [a, b] D) existe un punto c (a, b) tal que f 0 (c) = 0, lo que es una contradiccin (pues
f 0 no se anula en D).
112

Recordemos el problema de la resolucin numrica de la ecuacin f (x) = 0 que hemos


visto en la Seccin 3.2.5, pgina 79, con el mtodo de la biseccin. Cuando buscamos una
solucin de f (x) = 0 en un intervalo [a, b], es importante saber que tal cero existe, y eso es
lo que nos garantiza el Teorema de Bolzano. Pero tambin es importante saber que en [a, b]
hay un slo cero de f . El Corolario 2 (Aplicacin de Rolle) asegura que, si la derivada f 0 no
se anula en (a, b), la funcin f slo puede tener, a lo sumo, un cero en (a, b). Combinando
los dos resultados, Bolzano y Rolle, podemos asegurar que una funcin f tiene un nico cero
en un cierto intervalo [a, b] antes de buscarlo numricamente.
Teorema 53 (del Valor Medio de Lagrange) Sea f : [a, b] R una funcin continua
en [a, b] y diferenciable en (a, b). Entonces existe, al menos, un punto c (a, b) tal que
(a) (ver Figura 69).
f 0 (c) = f(b)f
ba
(a)
Demostracin: Consideremos la funcin g(x) = f (x) f(b)f
ba x, que es continua en [a, b]
(pues f lo es), es diferenciable en (a, b) (pues f lo es) y, adems, cumple que g(a) = g(b):
f(b) f(a)
bf(a) af(a) af(b) + af(a)
bf(a) af(b)
a=
=
g(a) = f (a)
ba
ba
ba

g(b) = f (b)

f(b) f(a)
bf(b) af(b) bf(b) + bf(a)
b=
= bf(a) af(b)
ba
ba
ba

Por el Teorema de Rolle para la funcin g, existe, al menos, un punto c (a, b) tal que
(a)
g 0 (c) = 0. Derivando g tenemos que g 0 (x) = f 0 (x) f(b)f
ba , luego
g 0 (c) = 0 = f 0 (c)

f(b)f(a)
ba

= 0 = f 0 (c) =

f(b)f(a)
ba .

Figura 69: Representacin grfica del Teorema del Valor Medio de Lagrange.
Sabemos que si f es una funcin constante, es decir, f (x) = c x, entonces su derivada
es cero. Es cierto el recproco? En general, no es cierto: sea f : D = (1, 2) (3, 4) R
definida como f (x) = 2, si x (1, 2) y f (x) = 1, si x (3, 4). Entonces f 0 (x) = 0 para
todo x D pero f no es constante en D. Sin embargo, si D es un intervalo, s es cierto:
113

Corolario 3 (Aplicacin del TVM de Lagrange) Sea f : (a, b) R R, una funcin


diferenciable.
(i) Si f 0 (x) = 0 x (a, b) entonces f es constante en (a, b),
(ii) si f 0 (x) > 0 x (a, b) entonces f es estrictamente creciente en (a, b),
(iii) si f 0 (x) < 0 x (a, b) entonces f es estrictamente decreciente en (a, b).
Demostracin: (i) Sean puntos cualesquiera x, z [a, b] y veamos que f (x) = f (z). Como
f es continua en [x, z] y diferenciable en (x, z), por el TVML existe un punto c (x, z) tal
(z)
. Como por hiptesis f 0 (c) = 0, obtenemos que f (x) = f (z).
que f 0 (c) = f(x)f
xz
El siguiente teorema, de gran importancia prctica para el clculo de algunos lmites de
tipo cociente, lo damos sin demostracin.
Teorema 54 (Regla de LHopital) Sean f, g : (a, b) R funciones diferenciables, con
b finito +, tales que g 0 (x) = 0 para todo x (a, b). Supongamos que
lm f (x) = lm g(x) = 0

xb

o que

xb

lm f (x) = lm g(x) = +.
xb

xb

f 0 (x)
Si lm
xb

g 0 (x)

f (x)
= L (finito o infinito),

entonces

lm

xb

g(x)

= L.

Nota 48 El teorema anterior est escrito para lmites laterales por la izquierda, x b . Es
tambin vlido para lmites laterales por la derecha, x b+ y, por lo tanto, tambin para
lmites por los dos lados, x b. Adems, tanto b como L pueden ser un nmero o pueden ser
+. En cualquiera de esos casos, la Regla de LHopital dice que el lmite del cociente de las
derivadas puede trasladarse al lmite del cociente de las funciones. Slo hay una excepcin,
que es la siguiente: si el lmite del cociente de las derivadas no existe, entonces no podemos
afirmar que el lmite del cociente de las funciones originales tampoco exista, como se ve en
el siguiente ejemplo. Supongamos que queremos calcular el
x2 sen( x1 )
.
x0 sen(x)
lm

Como es una indeterminacin

0
0

, podemos aplicar LHopital y obtenemos


2xsen( 1 ) cos( 1
)
x
x
lm
,
x0
cos(x)

que es un lmite que no existe (pues no existe el lm cos( 1x)). Sin embargo, el lmite original
x0
s existe y vale 0:
lm

x2 sen( x1 )
= lm

114
x sen

= 1 0 [acotado] = 0.

x0

sen(x)

x0

sen(x)

115

4.4.

El mtodo de Newton

Retomemos el problema de la resolucin numrica de la ecuacin f (x) = 0 que hemos


visto en la Seccin 3.2.5, pgina 79, con el mtodo de la biseccin. La idea bsica del mtodo
de Newton es suponer que f es aproximadamente una recta. Esta suposicin puede no ser
muy correcta en intervalos grandes, como el [0.6, 4.8] de la figura siguiente, pero s lo es para
intervalos suficientemente pequeos como el [2.8, 3.2]:

Por lo tanto, el mtodo de Newton funciona mejor cuanto ms cerca estamos del cero
buscado . Sea xn una aproximacin de . Cmo calcular la siguiente, xn+1 ? Si la funcin
f fuese exactamente una recta, el cero sera exactamente el punto de corte de esta recta
con el eje de abcisas OX (ver Figura 70). Si suponemos que f es casi una recta, tomamos
como la siguiente aproximacin, xn+1 , el punto de corte de la recta tangente con el eje OX.
La ecuacin de la recta tangente a f en el punto xn , f (xn ) es
y f (xn ) = f 0 (xn )(x xn )
y el punto de corte se calcula haciendo y = 0 y despejando el valor de x:
f (xn )
f (xn )
= xn+1 = xn 0
.
0 f (xn ) = f 0 (xn )(x xn ) = x xn = 0
f (xn )
f (x n )
As, el mtodo de Newton es:
Datos: x0 (aproximacin al cero), (precisin deseada), f (diferenciable).
Paso 0: Calcular x1 = x0 ff(x0 (x0 )0 ). Hacer n = 1.
Paso 1: Mientras |xn xn1 | >= , repetir:
1.1 Calcular xn+1 = xn ff(x0 (xn )n ). Hacer n = n + 1.
Paso 2: Final: el cero buscado (con una precisin menor que ) es xn+1 .
116

Figura 70: El mtodo de Newton para resolver f (x) = 0.


La principal ventaja de Newton frente a biseccin es su rapidez. Puede demostrarse que,
si f 0 es continua y f 0 () = 0, existe un > 0 tal que si x0 ( , + ), la sucesin
n)
xn+1 = xn f(x
f 0 (xn ) converge cuadrticamente a , es decir, existe una constante M tal que:
|xn+1 | M |xn | 2

n.

Notar que si, por ejemplo |xn | < 0,001 (3 cifras decimales exactas), entonces |xn+1 | <
M 0,000001 ( 6 cifras decimales exactas). As, la convergencia cuadrtica significa que
en cada iteracin se duplica el nmero de cifras decimales exactas (simpre que estemos
suficientemente cerca del cero y si no tenemos en cuenta la constante M ).
La principal desventaja del mtodo de Newton es que puede no funcionar: si xn no est
cerca del cero, la funcin f puede no ser parecida a una recta entre xn y y las siguientes
iteraciones pueden salirse del dominio de f (piensa en x0 = 0.8 en la Figura 70b). Tambin
puede ocurrir que f 0 (xn ) sea cero y el mtodo falla. Una buena combinacin es aplicar
primero biseccin, hasta tener una aproximacin aceptable del cero, y luego aplicar Newton
para mejorar esa aproximacin rpidamente.

Ejemplo 48 (Mtodo de Newton) Calcular 19. Como 19 es una solucin de la ecuacin x2 = 19, tomamos f (x) = x2 19 y aplicamos Newton para calcular su cero:
x2 19

f(xn )
xn+1 = xn

Como

f 0 (x n )

= xn

xn
= xn

2 xn

19
+

2 xn

1
=

19
xn + x .
n

19 est entre 4 y 5 tomamos, por ejemplo, x0 = 4 y calculamos 3 iteraciones:

x1 =

1
2

x0 + 19
x0 =

1
2

4 + 194 = 4.375

x2 =

1
2

x1 + 19
x1 =

1
2

4.375 +

x3 =

1
2

x2 + 19
x2 =

1
2

4.35892 +

19
4.375

= 4.35892

19
4.35892

117

= 4.35889

Comprueba con la calculadora que

19 = 4.358898943....

118

4.5.

Derivadas sucesivas: desarrollos de Taylor

Definicin 43 (derivadas sucesivas) Si f 0 es diferenciable en D, denotamos por f 00 a su


funcin derivada y se llama derivada segunda de f . Del mismo modo, si f 00 es diferenciable,
su derivada f 000 es la derivada tercera de f y as sucesivamente, f I V , f V , etc. En general,
si f es indefinidamente diferenciable en un abierto D, denotamos por f (n) a su derivada
n-sima, n N, donde f (0) representa a la propia f .
Ejemplo 49 (Funcin derivada no diferenciable) Puede ocurrir que una funcin f
sea diferenciable pero su derivada f 0 no lo sea? Tomemos una funcin no diferenciable,
como |x| y busquemos una funcin f tal que al derivarla resulte |x| (en la Seccin 4.6 una
tal funcin se llamar primitiva).
(
(
x2
x,
si x 0
, si x
x|x|
, sea f (x) =
,
Como |x| =

f
(x)
=
x
2
x,
si x 0

0
2
2
2 , si x 0
cuya grfica est en la Figura 71, y estudiemos si f es diferenciable:
si x > 0, entonces f es diferenciable en x y su derivada es f 0 (x) =

2x
2

= x,

si x < 0, entonces f tambin es diferenciable en x y su derivada es f 0 (x) = x,


(0)
si x = 0, f 0 (0) = lm f(h)f
= lm
h
h0

h |h |
2

h0 h

= lm |h|2 = 0,
h0

luego f es diferenciable en R y su funcin derivada es f 0 (x) =

x,
x,

si
si

x 0
,
x0

es decir, f 0 (x) = |x|, que no es diferenciable (en el punto cero).

Figura 71: Grfica de la funcin f (x) =

x|x|
(diferenciable pero con f 0 no diferenciable).
2

119

Ejemplo 50 (Funcin n-diferenciable pero no (n+1)-diferenciable) Comprueba que


la funcin f (x) = xn |x| es un ejemplo de funcin n veces diferenciable pero no (n+1) veces
diferenciable, pues f (n) (x) = n!|x|.

120

4.5.1.

La frmula de Taylor

La idea de los desarrollos de Taylor es la aproximacin de funciones por polinomios.


Sabemos que si f es diferenciable en a entonces f se puede aproximar, alrededor de a, por
una recta (la recta tangente),
f (x) f (a) + f 0 (a)(x a),
que es un polinomio de grado 1. Generalizando, vamos a ver que si f es 2 veces diferenciable
( 3 veces, 4 veces, etc.) podemos aproximarla, alrededor de a, por un polinomio de grado 2
(3, 4, etc.). Lo hacemos segn el grado, y tenemos en cuenta que este polinomio tiene una
expresin ms sencilla como potencias de (x a).
Polinomio de grado uno, P (x) = m + n(x a). Para determinar los 2 parmetros, m y
n, necesitamos dos condiciones. Si f es diferenciable, exigimos que P y f tengan, en a, el
mismo valor y la misma derivada:
P (a) = f (a), luego m = f (a),
P 0 (a) = f 0 (a), de donde, como P 0 (x) = n, obtenemos que n = f 0 (a).
As, el polinomio de grado uno que aproxima a f diferenciable alrededor de a es
P1 (x) = f (a) + f 0 (a)(x a) (la recta tangente).
Polinomio de grado dos, P (x) = m + n(x a) + q(x a)2 . En este caso tenemos que
calcular 3 parmetros. Si f es 2 veces diferenciable, exigimos que P y f tengan, en a, el
mismo valor, la misma derivada y la misma derivada segunda:
P (a) = f (a), luego m = f (a),
P 0 (a) = f 0 (a), de donde, como P 0 (x) = n + 2q(x a), obtenemos que n = f 0 (a),
f00 (a)
.
2

P 00 (a) = f 00 (a), y como P 00 (x) = 2q, tenemos que 2q = f 00 (a), luego q =

As, el polinomio de grado dos que aproxima a f (2 veces diferenciable) alrededor de a es


P2 (x) = f (a) + f 0 (a)(x a) + f

00

(a)
2 (x

a)2 .

Polinomio de grado tres, P (x) = m + n(x a) + q(x a)2 + r(x a)3 . Si f es 3 veces
diferenciable, exigimos que P y f tengan, en a, el mismo valor, la misma derivada, la misma
derivada segunda, y la misma derivada tercera:
P (a) = f (a), = m = f (a),
h
i
0 (x) = n + 2q(x a) + 3r(x a)2
0
0
P
P (a) = f (a), =
= n = f 0 (a),

i
h
00
00
00
P (a) = f (a), = P (x) = 2q + 3 2 r(x a) = q =
121

2
f 00 (a)

,
3!

h
i
000
= 3 2 r = f 000 (a) = r =
P
(x)
=
3

r
P (a) = f (a), =
000

000

122

f 000 (a)

As, el polinomio de grado tres que aproxima a f (3 veces diferenciable) alrededor de a es


P3 (x) = f (a) + f 0 (a)(x a) + f

00

(a)
2 (x

a)2 + f

000

(a)
3! (x

a)3 .

Polinomio de grado n en general. Siguiendo el procedimiento anterior obtenemos que, si f


es n-veces diferenciable en a,
el polinomio de grado n que aproxima a f alrededor de a es
f0 (a)
f(n) (a)
f00 (a)
f000 (a)
2
3
(x

a)
+
(x a)n ,
Pn (x) = f (a) +
(x a) +
(x a) + +
1!
2!
3!
n!
que este polinomio es el que cumple que P n(i) (a) = f (i) (a), i = 0, 1, 2, . . . , n,
que el numerador de los coeficientes del polinomio es f (i) (a),
que el denominador de los coeficientes, i!, proviene de derivar i veces el trmino (x a)i .
As, una funcin n-veces diferenciable puede aproximarse por un polinomio de grado n:
f0 (a)
f(n) (a)
f00 (a)
f000 (a)
n
2
3
f (x) f (a) + 1! (x a) + 2! (x a) + 3! (x a) + + n! (x a) .
En esta frmula tenemos que utilizar el smbolo (aproximado) pues una funcin general no
es igual a ningn polinomio. Si queremos tener una igualdad, necesitamos aadir un trmino,
llammosle Rn+1 (x), que represente la diferencia entre el polinomio y la funcin en cada x:
f 0 (a)
f 00 (a)
f (n) (a)
2
f (x) = f (a) +
(x a)n + Rn+1 (x).
1! (x a) + 2! (x a) + + n!
El Teorema de Taylor, adems de mostrar la forma que tiene el polinomio aproximador,
tambin nos indica la expresin de este trmino complementario o resto Rn (x).
Teorema 55 (de Taylor) Sea f una funcin n-veces diferenciable en D intervalo de R.
Sean a, x puntos de D. Existe un entre a y x tal que
f (x) = f (a) +

f 0 (a)
1!

(x a) +

f 00 (a)

(x a)2 + +

2!

f (n1) (a)

(x a)n1 +

f (n) ()

(n1)!
{z

n!
}

Pn1 (x)

(x a)n .

{z

Rn (x)

Observa que con este Teorema 55 de Taylor, una funcin f que sea n veces diferenciable
puede aproximarse por un polinomio de grado n1, pues la derivada n-sima se utiliza para
el trmino complementario Rn (x). Es el siguiente Teorema 56 de Taylor-Young el que indica
que una funcin n veces diferenciable puede aproximarse por un polinomio de grado n. El
precio que pagamos es que no tenemos una forma explcita del trmino complementario sino
123

slo un conocimiento de su comportamiento cuando x a:

124

Teorema 56 (de Taylor-Young) Sea f una funcin n-veces diferenciable en D intervalo


de R y sea a punto interior de D. Entonces,
f (x) = f (a) +

f 0 (a)
1!

(xa) +

f 00 (a)

(xa)2 + +

2!

f (n) (a)

(xa)n + o (xa)n , x a.

n!
{z

Pn (x)
Nota 49 La notacin R(x) = o (xa)n , x a se define rigurosamente como que
R(x)
= 0,
xa (xa)n
lm

y significa que, cuando x a, R(x) es de orden superior a (x a)n , y por lo tanto tiende a
cero ms rpidamente que (xa)n , y puede despreciarse frente al trmino (xa)n en lmites
cuando x a.
Por ejemplo, veremos que la funcin exponencial puede aproximarse por un polinomio de
Taylor de cualquier grado:
x
x2
x3
xn
+ +
exp(x) = 1 + +
+
n! +
1! 2!
3!
Si la aproximamos por un polinomio de grado 3, por ejemplo, podemos escribir que
x
x2
x3
3
exp(x) = 1 + +
+
1! 2!
3! + o(x ), x 0
y quiere decir que, si cortamos en x3 , todos los trminos posteriores juntos son despreciables
frente a x3 en lmites cuando x 0. En la prctica, esto lo utilizaremos para estudiar lmites
funcionales (ver el Ejemplo 53).

En los teoremas anteriores, el Polinomio de Taylor est expresado en potencias de (x a).


Tambin podemos utilizar la notacin con a y a + h (igual que en la derivada, ver Nota 40).
Si llamamos h = x a, si, y slo si x = a + h, la frmula de Taylor del teorema anterior
puede expresarse tambin del modo siguiente:
f 0 (a)
f 00 (a) 2
f (n) (a) n
n
h+
f (a + h) = f (a) +
1!
2! h + + n! h + o h , h 0.
Las dos notaciones coinciden en el caso en que a = 0, pues entonces h = x, y tenemos
f 0 (0)
f 00 (0) 2
f (n) (0) n
n
x+
f (x) = f (0) +
1!
2! x + + n! x + o x , x 0.

125

(6)

Apliquemos la frmula de Taylor (6) a las funciones ms importantes. Notar que lo nico
que falta por calcular son las derivadas sucesivas f (i) (0), i = 0, 1, 2, . . . , n.

126

(1) La funcin exponencial: f (x) = exp(x) es indefinidamente diferenciable en R,


luego podemos aplicar (6) para cualquier valor de n. Como su derivada es ella misma,
f (i) (x) = exp(x), tenemos que f (i) (0) = exp(0) = 1 para todo i, luego para todo n N:
x
x2
x3
xn
n
+ +
exp(x) = 1 + +
+
n! + o(x ), x 0.
1! 2!
3!
(2) La funcin seno: f (x) = sen(x) es indefinidamente diferenciable en R. Sus derivadas
sucesivas f (i) (0), i = 0, 1, 2, . . . , n son sen(0), cos(0), sen(0), cos(0), sen(0), cos(0), . . . ,
es decir, 0, 1, 0, 1, 0, 1, 0, 1, . . . , luego para todo k N,
x3
x5
k
3!
5!
sen(x) = x
+
+ + (1)

x2k+1
(2k + 1)!

2k+2

), x 0.

+ o(x

(3) La funcin coseno: procediendo como con el seno obtenemos que, para todo k N,
2k
x2
x4
k x
2k+1
+ o(x
cos(x) = 1 2! + 4! + + (1)
), x 0.
(2k)!

(4) La funcin logaritmo: f (x) = log(1 + x). Para todo n N (ver Ejemplo 64),
n
x2
x3
n 1 x
+

+
(1)
+ o(xn ), x 0.
log(1 + x) = x 2
3
n

(5) La funcin binmica, f (x) = (1 + x)p , p R.


Se llama funcin binmica a f (x) = (1 + x)p , con p R, que, en general, slo est definida
para x (1, +), pues las potencias con exponente p R no racional tienen que tener
base positiva. Su grfica para distintos valores de p est en la Figura 72. Notar que, si p es
un natural, estamos hablando del Binomio de Newton,
(1 + x)p =

p
0

p
1

x+

p
2

x2 +

p
3

x3 + +

que es un polinomio de grado p definido en todo x R y donde

p
k

p
p

xp ,

p!
, para
k! (pk)!

cada k = 0, 1, . . . , p, son los llamados nmeros combinatorios.


La funcin binmica puede entenderse como una generalizacin del Binomio de Newton
a valores de p reales en general. Lo primero que vamos a hacer es generalizar los nmeros
combinatorios a p R (pero manteniendo k natural). Notar que, tal como estn expresados
en la frmula anterior,
p
k

p!
k! (pk)!
127
=

no pueden generalizarse a p R pues ni p! ni (p k)! tienen sentido si p no es un natural.


Sin embargo, si desarrollamos p! y (pk)! y simplificamos,
p
k

p(p 1)(p 2) (p k + 1)(p k) 3 2 1


=
k! (p k) 3 2 1

128

p(p 1)(p 2) (p k + 1)
k!

Figura 72: Grfica de la funcin binmica (1 + x)p para distintos valores de p.


entonces s tiene sentido la siguiente definicin.
Definicin 44 Dados p R, k N, llamaremos nmero combinatorio a
p
k

p(p 1)(p 2) (p k + 1)
k!

1/2
Por ejemplo,

(1/2)(3/2)(5/2)
=

= 1.

5
=

3!

R,

16

Volvamos ahora a la funcin binmica f (x) = (1 + x)p , p R, x (1, +), que es


indefinidamente diferenciable en (1, +) y f (0) = 1. Calculemos su derivada i-sima:
f 0 (x) = p(1 + x)p1 ,
f 00 (x) = p(p 1)(1 + x)p2 ,
f 000 (x) = p(p 1)(p 2)(1 + x)p3 ,
.
f (i) (x) = p(p 1)(p 2)(p i + 1)(1 + x)pi ,
Por lo tanto, tenemos que

f (i) (0) = p(p 1)(p 2)(p i + 1) y, de aqu,

f(i) (0)
p(p 1)(p 2) (p i + 1)
=
i!
i!
y tenemos que, para todo n N,

p
i

, i N,

(1 + x)p =n
129

p
1
+

p
2

x2 +

p x3 + n
n
3 p + x + o(x ), x
0.

130

Ejemplo 51 Tomemos p = 3. La frmula anterior es vlida para todo n natural, incluso


para n > 3. Sin embargo, para n = 4, por ejemplo, de la Definicin 44 tenemos que
3
4

3 2 1 0
= 0,
4!

y lo mismo ocurre con cualquier natural n > 3. Por lo tanto obtenemos que
(1 + x)3 =

3
0

3
1

x+

x2 +

x3 = 1 + 3x + 3x2 + x3 ,

que es exactamente la expresin del Binomio de Newton.


Ejemplo 52 La funcin f (x) =

1
= (1 + x) 1/2 =
1+x

1
es una funcin binmica con p = 1/2, luego
1+x

1/2
0

1/2
1

x+

1/2
2

x2 +

1/2
3

x3 + . . .

Si calculamos algunos de los coeficientes,


1/2

= 1,

1/2

1
2

obtenemos que

1+x

= 1

1/2

( 12 )(3 2 )
2!

1/2

= ,
8

5
16

+ x x + o(x ), x 0.
8
16

Ejemplo 53 (Aplicacin al clculo de lmites) Supongamos que queremos calcular el


lm

x0

sen(x) x
.
x3

Una posibilidad es utilizar la regla de LHopital (Teorema 54, pgina 100). Comprueba que
habra que aplicarla 3 veces para obtener el valor del lmite. Otra posibilidad es utilizar los
desarrollos de Taylor:
sen(x) = x

x3
3!

+ o(x ), x 0 luego

3!

+ o(x ), x 0

i
3!x3 + o(x ) h 3
1
sen(x)

x
3
= o(x ) es despreciable frente a x =
.
lm
= lm
3
3
x
x0
x0
6
x
3

y, as,

sen(x) x =

x3

131

4.5.2.

La serie de Taylor - McLaurin

Hemos visto que si una funcin f es n veces diferenciable en un entorno de a R,


entonces f puede aproximarse en ese entorno por un polinomio de grado n. Parece lgico
que si una funcin es indefinidamente diferenciable, podamos aproximarla por un polinomio
de grado infinito, es decir, por una serie de potencias, que llamamos la serie de Taylor:

132

Definicin 45 (Serie de Taylor) Sea f una funcin indefinidamente diferenciable en un


entorno D R de a R. Llamamos serie de Taylor de f en a a la serie

X
f0 (a)
f00 (a)
f(n) (a)
f(i) (a)
i
2
n
(x

a)
=
f
(a)
+
(x

a)
+
(x

a)
+

+
i!
1!
2!
n! (x a) + . . .
i=0

que es una SP(a) (ver Nota 24). Queremos saber para qu valores de x D la serie de Taylor
de f en a es convergente y suma f (x), pues para estos valores de x podremos decir que
f
f (x) = f (a) + f (a)
1! (x a) +
0

00
(a)
2! (x

a)2 + + f

(n)

(a)
n! (x

a)n + . . .

Teorema 57 (de la Serie de Taylor) Sea f una funcin indefinidamente diferenciable


en un entorno D R de a R. La serie de Taylor de f en a es convergente y suma f (x)
para los valores de x D tales que
f (n) ()
(x a)n = 0.
lm Rn (x) = lm
n
n
n!
Demostracin: Una serie es convergente si lo es la sucesin de sus sumas parciales, que
para la serie de Taylor es:
Sn (x) = f (a) +

f0 (a)
f(n1) (a)
(x a) + +
(x a)n1 = Pn1 (x).
1!
(n1)!

Por el Teorema 55 de Taylor, para cada x D existe un entre a y x tal que


f (x) = Pn1 (x) + Rn (x) = Sn (x) + Rn (x).
Despejando, Sn (x) = f (x) Rn (x), luego lmSn (x) = f (x) para los valores de x tales que
n
lmRn (x) = 0.
n

En el caso particular a = 0, la serie de Taylor se llama serie de McLaurin de f y es


una Serie de Potencias como las estudiadas en la Seccin 1.7. Por
P ejemplo para la funcin
2
3
n
exponencial tenemos la SP 1 + x + x + x + + x + = a xn , con a = 1 .
1!

2!

3!

n!

n!

De la Seccin 1.7 sabemos que toda SP tiene asociado un radio de convergencia R de


modo que converge absolutamente para x (R, +R) y diverge para los x con |x| > R. Sin
embargo, puede ocurrir que la serie de McLaurin de f sea convergente pero que no sume
f (x) (ver el Ejemplo 54). Para que la serie sea convergente y sume f (x) debe ocurrir que
lmRn (x) = 0, como indica el Teorema 57. Estudiemos las funciones ms importantes.
n

Nota 50 lmRn (x) = 0 como sucesin, es decir, x es fijo y n es variable. En el caso a = 0 el


n

resto puede expresarse como Rn (x) = f n!() xn , con (0, x). Para las funciones (1) y (2)
n
siguientes utilizamos que, para todo a R, lm an! = 0 (demustralo).
n
133
(n)

(1) La funcin exponencial: f (x) = exp(x) es indefinidamente diferenciable en R y su


derivada es ella misma. Estudiemos el lmRn (x) por el Teorema del Sandwhich:
n

f(n) ()
0 Rn (x) =

|x|n

exp()
n

x exp(x)

0 x R.

n!

n!

n!

Por lo tanto, lmRn (x) = 0, x R y exp(x) = 1 +


n

x
x2
x3
+
+
+ x R.
1! 2!
3!

En particular, para x = 1 obtenemos que la suma de la serie 1 +


exp(1) = e. Para x = 1, obtenemos que 1

1
1!

1
2!

1
3!

1
4!

1
1!

1
2!

1
3!

1
4!

+ es

+ = exp(1) = e1 .

(2) La funcin seno: f (x) = sen(x) es indefinidamente diferenciable en R y su derivada


n-sima est acotada por uno (comprueba que vale f (n) (x) = sen(x + n 2 )), luego
f(n) (x)
|x|n
n
n
0 Rn (x) =
x
0 x R. Por lo tanto,
n!
n!
x3
x5
k
3!
5!
sen(x) = x
+
+ + (1)

x2k+1
(2k + 1)!

x R.

(3) La funcin coseno: procediendo como con el seno obtenemos que


2k
x2
x4
k x
+ x R.
cos(x) = 1 2! + 4! + + (1)
(2k)!
(4) La funcin logaritmo: f (x) = log(1 + x) (ver Ejemplo 64):
n
x2
x3
n 1 x
+

+
(1)
+ para todo x (1, 1).
log(1+x) = x 2
3
n
(5) La funcin binmica: f (x) = (1 + x)p , p R, es indefinidamente diferenciable en
(1, +). Sin embargo, puede probarse que su serie de Taylor slo converge en (1, 1):
(1 + x)p =

p
0

p
1

x+

p
2

x2 +

p x3 + +
3

p
n

xn +

x (1, 1).

Ejemplo 54 (Serie de Taylor que no suma f (x)) Sea f (x) = exp( x21 ), si x = 0,
f (0) = 0. Puede verse que f es indefinidamente diferenciable en R, y que f (n) (0) = 0 n N.
134

Por lo tanto, su serie de McLaurin es 0 + 0x + 0x2 + 0x3 + , que es convergente x R.


Sin embargo, la suma de esta serie es cero, luego no es igual a f (x) (excepto en x = 0).
Nota 51 (La exponencial compleja) La serie de la funcin exponencial puede generalizarse a los nmeros complejos: dado z = x + yi C, se define la exponencial compleja
como

135

n
z
z2 + + z
exp(z) = 1 + +
n! + (puede verse que converge para todo z C).
1! 2!

En particular, para un nmero imaginario puro z = i tenemos que


exp( i) = 1 +

( i)n
i ( i)2 ( i)3 ( i)4 ( i)5 ( i)6
+
+
+
+
+
3!
4!
5!
6! + + n! + =
1!
2!

como i1 = i, i2 = 1, i3 = i, i4 = 1, i5 = i, i6 = 1, i7 = i,
2 4
3 5
1 +
+ + +
+ i = cos() + sen() i,
2! 4!
3! 5!

que es la conocida frmula de Euler, e i = cos() + sen() i que vimos en la Definicin 10.

4.5.3.

Operaciones con series de McLaurin (series de potencias)

Puede probarse que es correcto realizar operaciones con las SP (suma, producto, derivacin, etc.) en su intervalo de convergencia abierto, (R, +R), como si fuesen polinomios.
Veamos algunos ejemplos.
Ejemplo 55 (Derivacin trmino a trmino) Como
x3
x5
x2k+1
k
+ x R,
sen(x) = x 3! + 5! + + (1)
(2k + 1)!
2k
x2
x4
k x
+
cos(x) = 1 2! + 4! + + (1)
(2k)!

derivando tenemos que

x R.

Ejemplo 56 (Suma de SPs) Calcular la serie de McLaurin de la funcin senh(x).


Como
ex ex
1
senh(x) =
= exp(x) exp(x)
2
2
y las series de exp(x) y de exp(x) son conocidas,
senh(x) =

1
x
x2
x3
1
x
x2 x3
1+ +
+

2
1! 2!
3! +
2
1! 2!
3! +

luego senh(x) =

x
x3
x5
+
+
1! 3!
5! + para todo x R.
136

x x3 x5
+ + +
1! 3! 5!

Del mismo modo (o bien derivando la expresin anterior) se obtiene que


x2 x4
x6
cosh(x) = 1 +
+
+
2!
4!
6! + para todo x R.

137

Ejemplo 57 (Producto de SPs) Calcular la serie de McLaurin de f (x) =


Esta funcin es el producto de dos funciones binmicas,
r
1
1
1+ x
2
f (x) =
= (1 + x) 2 (1 + x ) 2 ,
1 + x2
luego podemos calcular y multiplicar sus respectivas series de McLaurin:
1
1/2
1/2
1/2
(1 + x) 2 = 1/2 + 1/2 x +
x2 +
x3 +
2
3
4
0
1
Si calculamos estos coeficientes,
1
1/2
1/2
0

= 1,

= ,
2

1/2

2 )( 2

2!

1+x
1+x2

x4 + . . .

1/2
,

16

1/2
,

128

obtenemos que
1

(1 + x) = 1 +
2

Del mismo modo, (1 + x2 )

1/2

1
x

1
2

x +

x
3

16

1/2
0

1/2

= 1,

obtenemos que (1 + x2 )

1
2

128

x4 + para todo x (1, +1).

1/2 x2 +
1
1
,
2

1/2
(x2 )2 + y calculando
2

1/2

( 12 )(3 2 )
3
= ,
2!
8

1 2 3 4
2
= 1 2 x + 8 x + , para todo x tal que |x | < 1, es decir,

para todo x (1, +1). Multiplicando las dos series como si fuesen polinomios tenemos que
q
1+x
f (x) =
= 1 + 1 x 1 x2 + 1 x3 1 x4 + 1 1 x2 + 3 x4 + =
1+x2

16

= 1 + 1 x + 1 1 x2 + 1 +
2

128

x3 + = 1 + 1 x 5 x2

16

Ejemplo 58 (Divisin de SPs) Sea f (x) = sec(x) =


de McLaurin a partir de la del coseno, cos(x) = 1
138

8
3

x3 + x (1, 1).

16

1
. Queremos calcular su serie
cos(x)

x
2!

x
4!

x R. Para dividr,

procedemos del modo siguiente. Llamamos sec(x) = d0 + d1 x + d2 x2 + d3 x3 + d4 x4 + y


tenemos que calcular los di tales que
1
sec(x) =
cos(x) sec(x) cos(x) = 1.
Multiplicamos ambas series como si fuesen polinomios y comparamos trmino a trmino:
d0 + d1 x + d2 x2 + d3 x3 + d4 x4 +

= 1.

139

2!

4!

Trmino en x0 :

d0 1 = 1 = d0 = 1.

Trmino en x1 :

d0 0 + d1 1 = 0 = d1 = 0.

Trmino en x2 :

1
d0 ( 1
2 ) + d1 0 + d2 1 = 0 = d2 = 2 .

Trmino en x3 :

d0 0 + d1 ( 1
2 ) + d2 0 + d3 1 = 0 = d3 = 0.

Trmino en x4 :

d0 ( 4!1 ) + d1 0 + d2 ( 1
2 ) + d3 0 + d4 1 = 0 = d4 =

5
24

.
Por lo tanto, sec(x) = 1 + 12x2 +

5
24

x4 +

En general,
que queremos calcular la SP que resulta del cociente de dos SPs
P supongamos
P
conocidas,
an xn ,
bn xn , es decir, queremos calcular los di tales que
P
X
X
X
X
an xn
n
n
n

d
x
b
x
an xn .
dn x = P
=
n
n
bn xn

Multiplicamos ambas series y comparamos trmino a trmino:


Trmino en x0 :

d0 b0 = a0

Trmino en x1 :

d0 b1 + d1 b0 = a1

Trmino en x2 :

d0 b2 + d1 b1 + d2 b0 = a2

= d0 = . . .
= d1 = . . .
= d2 = . . .

.
y as vamos calculando los coeficientes di de la SP cociente.
Ejemplo 59 (Sustitucin de una SP en otra) Sea f (x) = exp sen(x) . Queremos cal2
3
cular su serie de McLaurin. Como exp(x) = 1 + x + x + x + , x R, entonces
1!
2!
3!

exp sen(x) = 1 +

sen(x)
sen 2 (x)
sen3 (x)
+
+
+
1!
2!
3!

y como sen(x) = x x3! + x5! + , x R, podemos sustituir y obtener que


3

exp sen(x) = 1 +

+1 xx +x

xx +x

1!

3!

5!

2!

+ x +
140

+x

3!

5!

3!

3!

5!

Calculamos x x + x
3

4!

3!

5!

, x x + x +
3

, etc. y reagrupamos por trminos

del mismo grado para obtener que:


exp sen(x) = 1 + x + 12 x2 18 x4 +

141

4.6.

La inversa de la derivada: la funcin primitiva

Vamos a estudiar la operacin inversa a la derivacin: el clculo de funciones primitivas.


Sean F, f dos funciones definidas en un intervalo abierto D R. Si F es diferenciable y
F 0 (x) = f (x)

x D,

decimos que F es una primitiva de f (y que f es la derivada de F ) en D.


As por ejemplo, como la derivada de F (x) = x2 es f (x) = 2x, decimos que una primitiva
de f (x) = 2x es F (x) = x2 . Por motivos que veremos en el Tema 7, a la funcin primitiva
se le lama tambin integral (indefinida), y se denota por
Z
Z
Z
f (x) dx = F (x)
o bien simplemente
f =F
por ejemplo,
2x dx = x2 .

Decimos una primitiva porque en realidad hay infinitas: si F es una primitiva de f


entonces F + C , con C una constante cualquiera, tambin es una primitiva de f , pues su
derivada es (F (x) + C ) 0 = F 0 (x) + 0 = f (x).
Por otra parte, todas las primitivas de f son de este tipo: si G es otra primitiva de f en
D intervalo entonces G 0 (x) = F 0 (x) = f (x) luego (G(x) F (x)) 0 = 0 x D y, por el
Corolario 3, G F = C (constante) y G = F + C.
As, aunque una funcin puede tener infinitas primitivas, conociendo una de ellas, digamos
F , conocemos todas las dems, pues son del tipo F + C . Esto se expresa del modo siguiente:
Z
Z
Z
f (x) dx = F (x) + C
o bien
f =F +C
por ejemplo,
2x dx = x2 + C .

Es decir, la integral (indefinida) no es slo una funcin primitiva sino una familia de infinitas
funciones primitivas que dependen de un parmetro.
A partir de la Tabla 1 de derivadas obtenemos la Tabla 2 de primitivas o integrales
inmediatas. Slo vamos a comentar la integral de 1x. Sabemos que la primitiva de 1x es
log(x), pero sta slo est definida para x > 0, mientras que 1x est definida tambin para
1
x < 0. Para x < 0, la derivada de F (x) = log(x) es F 0 (x) = x
= x1 , luego la funcin
(
log(x),
si x > 0
F (x) =
, es decir, F (x) = log(|x|)
log(x),
si x < 0
Z
1
1
dx = log(|x|) + C .
es la primitiva de f (x) = x en todo R \ {0} y escribimos
x

142

Nota 52 Aunque la derivacin de una funcin dada es un proceso rutinario, el proceso


inverso no lo es en absoluto, y muchas primitivas no se saben calcular, como por ejemplo
Z
p
Z
2
x x4 + sen2 (x)(2x5 x3 + 1)
ex dx,
dx.

2
x
(1 + cos(x) + log(1 + x ))(x + 2 + e )

143

p+1

xp dx =
Z

Integrales inmediatas
Z

x
+C
p+1

(p = 1)

1
dx = log(|x|) + C
x

u0 (x)
dx = log(|u(x)|) + C
u(x)

Z
cos(u(x))u0 (x) dx = sen(u(x)) + C

cos(x) dx = sen(x) + C
Z

Z
sen(x) dx = cos(x) + C

sen(u(x))u0 (x) dx = cos(u(x)) + C


Z

1+tg (x) dx = tg(x)+C

1+tg2 (u(x)) u0 (x) dx = tg(u(x))+C


Z

1
cos2 (x)

+C

eu(x) u0 (x) dx = eu(x) + C

e dx = e + C

u(x)
p+1

Z
x

u(x)p u0 (x) dx =

p+1

dx = tg(x)+C

dx = arc sen(x) + C
1 x2
1
dx = arc tg(x) + C
1 + x2

u0 (x)
cos2 (u(x))

p
Z

dx = tg(u(x))+C

u0 (x)
dx = arc sen(u(x)) + C
1 u(x)2

u0 (x)
dx = arc tg(u(x)) + C
1 + u(x)2

Tabla 2: Integrales inmediatas.


Por este motivo, necesitamos resultados o tcnicas de integracin que nos ayuden, como las
que vemos a continuacin.
Producto por un escalar: como la derivada de F es F 0 = f , la integral de f es
F , es decir,
Z
Z
f (x) dx = f (x) dx
(las constantes salen fuera de la integral).

Integral de la suma: como la derivada de F + G es F 0 + G 0 = f + g, obtenemos que


Z
Z
Z
f (x)+g(x) dx = f (x) dx+ g(x) dx (la integral de la suma es la suma de integrales).
144

Mtodo de Integracin por partes: sean u, v funciones diferenciables.


R Como
Rla derivada
0
0
0
0
0
del producto uvR es uv + u v,R la integral de uv + u v es uv, es decir, uv + u 0 v = uv,
y despejando,
uv 0 = uv u 0 v, o bien
Z
Z
0
u(x)v 0 (x) dx = u(x)v(x) v(x)u (x) dx (Integracin por partes).

145

Esta frmula o mtodo de integracin es ms conocido con la notacin du = u 0 (x) dx:


Z
Z
u dv = uv v du (integracin por partes)

Ejemplo 60 Para calcular la primitiva de f (x) = log(x), que no es inmediata, hacemos


Z
Z
Z
u = log(x) du = x1 dx
1
= x log(x) x x dx = x log(x) 1 dx =
log(x) dx =
v=x
dv = dx
= x log(x) x + C.
Por lo tanto la primitiva de f (x) = log(x) es F (x) = x log(x) x + C, lo que se comprueba
fcilmente sin ms que derivar: F 0 (x) = log(x) + x x1 1 = log(x).
Mtodo de Integracin por sustitucin o cambio de variables: como la derivada
de F (g(x))
es F 0 (g(x))g 0 (x) = f (g(x))g 0 (x), (Regla de la Cadena, Teorema 47), tenemos
R
que
f (g(x))g 0 (x) dx = F (g(x)) + C , que se utiliza en la prctica del modo siguiente:
Z
Z
h
i
t = g(x)
0
f (g(x))g (x) dx =
=
f
(t)
dt
=
F
(t)
+
C
=
t
=
g(x)
= F (g(x)) + C.
dt = g 0 (x)dx
Z
Ejemplo 61

sen2 (x)
dx =
cos(x)

sen2 (x) cos(x)


dx =
cos2 (x)

h
Descomponiendo en fracciones simples,
Z
=

1
1 dt +

dt
1t

1
+

dt
1+t

Z
=

t2
dt =
1 t2

i
1
1
t2
=
1
+
+
,
luego
1 t2
2(1 t) 2(1 + t)

1
=

t = sen(x)
dt = cos(x)dx

1
log(|1 + t|)

log(|1 t|) t + C =

h
i
1
1
= deshaciendo el cambio, t = sen(x) = log(1+sen(x)) log(1sen(x)) sen(x) + C .
2
2
4.6.1.

Integracin trmino a trmino

Si conocemos el desarrollo en serie de potencias de una funcin, podemos integrarla


trmino a trmino, es decir, la primitiva de
P
f (x) =
an xn = a0 + a1 x + a2 x2 + a3 x3 + . . . en (R, +R) es
n0
Z
Z
Z
Z
Z
2
f (x) dx = a0 dx + a1 x dx + a2 x dx + a3 x3 dx + =
146

= a0 x + a21 x2 + a32 x3 + a34 x4 + + C, en (R, +R)

147

(basta derivar para comprobarlo). As, las SPs pueden integrarse (y derivarse) trmino a
trmino en (R, +R). Veamos algunos ejemplos.
x3
x5
x2k+1
k
+ x R, si inEjemplo 62 Como sen(x) = x 3! + 5! + + (1)
(2k + 1)!
tegramos trmino a trmino tenemos que:
cos(x) =

x2
x4
x6

+
+ + C
2!
4!
6!

= en x = 0 = 1 = C , luego

2k
x2
x4
k x
+
= cos(x) = 1 2! + 4! + + (1)
(2k)!

Ejemplo
63 (La primitiva de
sen(x)

sen(x)

x R.

si x = 0, f (0) = 1, es

) La funcin f (x) =

una funcin continua en R que tiene funcin primitiva, F (x) + C . Aunque no se conoce
ninguna frmula o expresin sencilla para esta funcin primitiva F (x), s podemos conocer
su desarrollo de Taylor a partir del desarrollo de Taylor de f (x):
sen(x)
x2 x4
x2k
k
=
1

+
(1)
+ x R,
f (x) =
3!
5!
(2k + 1)!
x
si integramos trmino a trmino tenemos que:
Z
sen(x)
x5
x2k+1
x3
+
+ + ( 1)k
F (x) =
+ x R.
dx
=
x

(2k + 1)(2k + 1)!


x
3 3! 5 5!
Ejemplo 64 (La funcin log(1+ x)) Sea f (x) = log(1 + x). Derivando, f 0 (x) =
que es la suma de serie geomtrica de razn K = x, luego
f 0 (x) =

1
,
1+ x

1
1
=
= 1 + (x) + (x)2 + (x)3 + = 1 x + x2 x3 + x4 +
1+ x
1 (x)

para todo x tal que | x| < 1, es decir, para todo x (1, +1). Integrando (sale C = 0),
n
x2
x3
n 1 x
+

+
(1)
+
log(1 + x) = x 2
3
n

para todo x (1, 1).

Adems, para x = 1 la serie resulta 1 21 + 31 41 + , que es convergente (serie armnica


alternada), luego por el Teorema 41 de Abel, su suma es log(2) y tenemos que
n
x2
x3
n 1 x
+

+
(1)
+ x (1, 1].
log(1+ x) = x 2
3
n
148

Ejemplo 65 (funcin arcotangente) Sea f (x) = arc tg(x). Derivando, f 0 (x) =


que es la suma de serie geomtrica de razn K = x2 , luego
1
f 0 (x) =

(x2 )

1
,
1 + x2

= 1 + (x2 ) + (x2 )2 + (x2 )3 + = 1 x2 + x4 x6 + x8 +

149

para todo x tal que | x2 | < 1, es decir, para todo x (1, 1). Integrando,
arc tg(x) = x 13 x3 + 15 x5 17 x7 + para todo x (1, 1).
Adems, para x = 1 la serie resulta 1 13 + 15 17 + , que es convergente por Leibniz y
lo mismo ocurre para x = 1. Por el Teorema 41 de Abel tenemos que
arc tg(x) = x

1 3 1 5 1 7
x + x x +
5
3
7

x [1, 1].

En particular, para x = 1 tenemos la serie de Gregory: 1 31 + 51 71 + = arc tg(1) =

Ejemplo 66 (funcin arcoseno) Sea f (x) = arc sen(x). Derivando,


h
i
1
0
2
1/2

f (x) = 1x2 = (1 +( x ))
= Binmica con p = 1/2 =
=

21
21
21
2 1
2
2 2
2 3
+
(x
)
+
(x
)
+
1
2
3 (x ) + =
0

= 1 + 1 x2 + (1/2)(3/2) x4
2
2!

(1/2)(3/2)(5/2)
3!

Integrando, arc sen(x) = x + 1

x3

2 3

+ 13

x5

24 5

x + = 1+ 2 x +
6

+ 135

x7

+...

13
24

x +

para todo x

246 7

135
246

x +...

( 1, +1).

Adems, puede verse que para x = 1 y para x = 1 la serie es convergente, luego


arc sen(x) = x +

1 x3
2 3

4.7.

5
7
+ 1 3 x + 1 3 5 x + . . .

24 5

para todo x [1, +1].

246 7

Qu es una ecuacin diferencial?

En la seccin anterior, al calcular la primitiva de una funcin f , estamos resolviendo el


siguiente problema: encontrar las funciones y(x) tales que
y 0 = f (x)

(7)

para una f (x) conocida. Esta ecuacin (7) es un ejemplo sencillo de ecuacin diferencial.
Una ecuacin diferencial es una ecuacin en la que aparece una variable independiente
x, una variable y que es funcin de x, y(x), y la derivada de esta funcin, y 0 (x). Un ejemplo
ms complicado podra ser:
2 sen(xy)y 0 + (1+ x)y2 = exy y 0 .
Resolver una ecuacin diferencial es encontrar la o las funciones y(x) que cumplen la
ecuacin. Puesto que no sabemos encontrar una gran parte de funciones primitivas (ver
150

Nota 52), muchas ecuaciones diferenciales, incluso de las ms sencillas como (7), no se pueden
resolver. El objeto de esta seccin no es resolver ecuaciones diferenciales sino entender qu
es una ecuacin diferencial.

151

Si en una ecuacin diferencial, que tiene x, y e y 0 , damos un valor a x y a y, podemos


calcular el valor de y 0 . As, en cada punto (x, y) del plano podemos representar grficamente
una pendiente dada por el valor de y 0 . Por ejemplo, consideremos la ecuacin diferencial
y 0 = x.
En este caso, en cada punto (x, y) del plano la pendiente de la solucin vale x, lo que
podemos representar como en la Figura 73. Esta grfica representa la solucin de la ecuacin

Figura 73: Representacin de la ecuacin diferencial y 0 = x.


diferencial y 0 = x. Como vemos, no es una nica funcin (curva) sino una familia formada
por infinitas curvas. De la la grfica podemos conjeturar que esta familia est relacionada
con la funcin x2 . Como vimos en la seccin anterior, la solucin de y 0 = x (es decir, la
2
primitiva de x) es y = x2 + C, con C la constante de integracin. Esta familia de infinitas
curvas o funciones se llama solucin general de la ecuacin diferencial.
Esto es cierto para cualquier ecuacin diferencial: para encontrar la funcin y en una
ecuacin en la que aparece y 0 , en algn momento habr que integrar, y aparece una constante
de integracin, C , luego la solucin general de la ecuacin diferencial ser siempre una
familia de infinitas funciones que depende de un parmetro C .
Para determinar el parmetro aadimos una condicin inicial, por ejemplo y(2) = 1,
2
lo que nos lleva, en el ejemplo anterior, a que 22 + C = 1 y por lo tanto C = 1. Esto
152

significa que, entre las infinitas funciones que forman la solucin general, la nica funcin
que cumple la condicin inicial y(2) = 1 es x2 1, como puede verse en la Figura 73. Esta
funcin y = x2 1 se llama solucin particular de la ecuacin diferencial y 0 = x con la
condicin inicial y(2) = 1.
Veamos otro ejemplo sencillo. Consideremos ahora la ecuacin diferencial y 0 = y. En
este caso, en cada punto (x, y) del plano la pendiente de la solucin vale y, lo que podemos
representar como en la gfica de la Figura 74, que representa la solucin general de la
ecuacin diferencial y 0 = y. Grficamente, podemos conjeturar que esa familia de funciones

Figura 74: Representacin de la ecuacin diferencial y 0 = y.


van a ser exponenciales. Esto tambin puede verse analticamente:
Z
Z
dy
dy
1
0
dy = 1 dx = log(|y|) = x + C0 =
y = y =
= y =
= dx =
y
dx
y
= |y| = ex+C0 = eC0 ex = C ex = y = C ex , C R.
As, la solucin general de la ecuacin diferencial y 0 = y es la familia de funciones
y(x) = C ex , con C una constante arbitraria. Si ahora imponemos una condicin inicial,
como y(0) = 2, obtenemos la solucin particular y(x) = 2ex .
Las ecuaciones diferenciales anteriores son de primer orden, pues slo aparce la derivada
primera. Una ecuacin diferencial en la que aparece la derivada segunda y 00 (adems de,
posiblemente, x, y, y 0 ) se llama de segundo orden. Idem de tercer orden, de orden n, etc.
Ejemplo 67 La siguiente es una ecuacin diferencial de segundo orden, y 00 = k 2 y,
con k R, cuya solucin general (ver Seccin 4.7.1), que depende de 2 parmetros, es:
y(x) = C1 cos(kx) + C2 sen(kx),
153

para todo C1 , C2 R.

Para comprobarlo, derivamos dos veces: y 0 (x) = kC1 sen(kx) + kC2 cos(kx)

y 00 (x) = k2 C1 cos(kx) k 2 C2 sen(kx) = k 2 C1 cos(kx) + C2 sen(kx) = k 2 y(x).


Como la solucin general depende de 2 parmetros, para determinar la solucin particular
necesitamos dos condiciones iniciales, como por ejemplo que y(0) = 1 y que y 0 (0) = 0. De
la primera condicin obtenemos que
1 = y(0) = C1 cos(k0) + C2 sen(k0) = C1

= C1 = 1

y de la segunda que
0 = y 0 (0) = kC1 sen(kx) + kC2 cos(kx) = kC2

= C2 = 0

luego la solucin particular de la ecuacin diferencial y 00 = k2 y con las condiciones iniciales


y(0) = 1, y 0 (0) = 0 es:
y(x) = cos(kx).
4.7.1.

Taylor y ecuaciones diferenciales

La serie de Taylor es til para resolver algunas ecuaciones diferenciales. Consideremos la


ecuacin del Ejemplo 67 anterior:
y 00 = k2 y.
Supongamos que buscamos una solucin y(x) indefinidamente diferenciable. Entonces,
y(x) tendr un desarrollo en serie de McLaurin:
y(x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 + a5 x5 + a6 x6 + a7 x7 + . . .

(8)

que si derivamos dos veces obtenemos que


y 00 (x) = 2 a2 + 3 2 a3 x + 4 3 a4 x2 + 5 4 a5 x3 + 6 5 a6 x4 + 7 6 a7 x5 + . . .
Si vamos comparando los trminos del mismo grado de y 00 con las de k2 y tenemos:
2 a2 = k2 a0 = tomamos a0 = C0 y resolvemos: a2 =
3 2 a3 = k 2 a1 = tomamos a1 = C1 y resolvemos: a3 =
4 3 a 4 = k 2 a 2 = a 4 =

k 2a
43

= a4 =

( k 2) 2
4!

C0

5 4 a 5 = k 2 a 3 = a 5 =

k 2a
54

= a5 =

( k 2) 2
5!

C1

6 5 a 6 = k 2 a 4 = a 6 =

k 2a
65

= a6 =

( k 2) 3
6!

C0

7 6 a 7 = k 2 a 5 = a 7 =
..

k 2a
76

= a7 =

( k 2) 3
7!

C1

154

k2
2
2

k
3!

C0
C1

Sustituyendo los ai en (8) y agrupando los trminos con C0 y con C1 ,


y(x) = C0 1 k x2 + k x4
2

4!

x6 +

+C

6!

= C0 cos(kx) + 1 C1 kx k x3 + k x5
k

3!

5!

x 3 + k x5
2

3!

5!

x7 +

= (9)

7!

= C cos(kx) + 1 C sen(kx).
0

7!x7

Notar que C0 y k1 C1 son nmeros cualesquiera, luego tambin podemos escribir:


y(x) = C0 cos(kx) + C1 sen(kx).
Esta es la solucin general de la ecuacin diferencial, que tiene dos parmetros. En la
Seccin 5.11 justificamos la aparicin de dos parmetros pues para obtener y a partir de y 00
hay que integrar dos veces. Con series de Taylor podemos decir que, al derivar y dos veces
se pierden dos coeficientes, que pasan a ser indeterminados y producen dos parmetros.
Si ahora imponemos dos condiciones iniciales, por ejemplo y(0) = 1, y 0 (0) = 1, obtenemos que C0 = 1 y que C1 = k1 , y la solucin particular
1
y(x) = cos(kx) + sen(kx).
k
Nota 53 En este ejemplo hemos podido obtener la expresin exacta de la solucin, y(x) =
cos(kx) + 1k sen(kx), pues hemos podido sumar su serie de Taylor. En otros ejemplos no es
posible obtener la solucin exacta, pero podemos conocer su serie de Taylor hasta el trmino
que queramos. Por ejemplo, si imponemos en (9) las condiciones y(0) = 1, y 0 (0) = 1,
obtenemos tambin que C0 = 1 y que C1 = k1 , luego la solucin particular es:
y(x) = 1 + x k2 x2 k3!x3 + k 4!x4 + k 5!
x5 +
2

155

5.

Diferenciabilidad de funciones de varias variables

En este tema vamos a extender los conceptos relacionados con la derivada de una funcin
de una variable a funciones de varias variables. Recordemos que una funcin de una variable
es diferenciable en un punto si tiene recta tangente (no vertical) en ese punto, y la derivada
es la pendiente de esa recta. Una funcin de dos variables va a ser diferenciable en un punto
si tiene plano tangente (no vertical) en ese punto (ver Seccin 5.4). Ya sabemos qu es la
pendiente de una recta. Qu es la pendiente de un plano?

Figura 75: La pendiente de un plano en un punto (x0 , y0 ).


Consideremos un plano inclinado 45 grados respecto del plano horizontal (Figura 75a).
Si decimos que la pendiente de este plano es 1 (45 grados) estamos diciendo que la pendiente
de la recta en la direccin dada por el vector v1 es 1. Es decir, si a partir del punto de
coordenadas (x0 , y0 ) nos movemos en la direccin dada por v1 tenemos una pendiente de
1. Sin embargo, en otras direcciones tenemos otras pendientes distintas. Por ejemplo, en la
direccin definida por el vector v2 de la Figura 75b, perpendicular a la anterior, la pendiente
de la recta correspondiente en el plano es cero. As, en un punto de un plano tenemos
infinitas pendientes, dependiendo de la direccin que consideremos (ver Figura 75b). Una de
esas direcciones proporciona la pendiente mxima, que en el plano de la Figura 75 es 1 (45
grados).
Del mismo modo, una funcin f : D R2 R cuya grfica tenga plano tangente
en un punto (x0 , y0 ) interior del dominio D tendr infinitas derivadas (pendientes de rectas
tangentes) en ese punto, dependiendo de la direccin que consideremos (Figura 76). Estas
infinitas derivadas son las derivadas direccionales, que veremos en la Seccin 5.2. Las ms
importantes de estas derivadas son las llamadas derivadas parciales de f , que estudiamos a
continuacin.

156

Figura 76: Las infinitas derivadas que puede tener una funcin f (x, y) en un punto (x0 , y0 )

5.1.

Derivadas parciales

Del mismo modo que la derivada f 0 (x) indica cmo vara la funcin f (x) en cada punto
(ver Figuras 58, 59 y 60), la derivada D1 f (x, y), llamada derivada parcial primera, indica
cmo vara la funcin f (x, y) en cada punto en la direccin del eje OX (Figura 77a). As,
la derivada parcial primera de f (x, y) en un punto es la pendiente de la recta tangente (si
existe) en dicho punto en la direccin del eje OX (Figura 77a).

Figura 77: La derivada parcial primera de una funcin f (x, y).


En la Figura 77b se observa que D1 f (x0 , y0 ) es la derivada de la funcin de una variable
f (x, y0 ) en el punto x = x0 . Esta funcin f (x, y0 ) es el resultado de hacer y = y0 constante
y considerar variable slo a la x. Su grfica es la interseccin de la superficie definida por
157

z = f (x, y) con el plano y = y0 . A la derivada de f (x, y0 ) en el punto x = x0 la llamaremos


derivada parcial primera de f (x, y):
Definicin 46 (Derivada Parcial Primera) Dada f : D R2 R y dado (x0 , y0 ) punto
interior de D, se llama derivada parcial primera de f en (x0 , y0 ) al lmite
f(x0 +h, y0 ) f(x0 , y0 )
f(x, y0 ) f(x0 , y0 )
lm
o bien
lm
xx0
h0
h
x x0
f
(x0 , y0 ).
(si existe y es finito) y se representa por D1 f (x0 , y0 ) o bien por
x
Tambin se llama derivada parcial de f respecto a x en (x0 , y0 ).

Nota 54 Por definicin, la parcial D1 f (x0 , y0 ) (si existe) es la derivada de la funcin f (x, y0 ),
que resulta de fijar y = y0 y considerar variable slo a la x. Por lo tanto,
D1 f (x0 , y0 ) indica el cambio que se produce en el valor de f cuando, a partir de (x0 , y0 ),
aumentamos la variable x en una unidad manteniendo la y constante, y = y0 .
D1 f (x0 , y0 ) es la pendiente de la recta tangente en (x0 , y0 ) en la direccin del eje OX.
La derivada parcial primera puede calcularse considerando a la y como constante y derivando respecto a x con las reglas de derivacin conocidas para una variable, como se ve en
el siguiente ejemplo.
Ejemplo 68 Sea f (x, y) = 2x sen(x2 + y2 ). Su derivada parcial primera en un punto
(x, y) R2 se calcula derivando respecto a x considerando la y como una constante:
D1 f (x, y) = 2 sen(x2 +y 2 ) + 2x cos(x2 +y 2 )2x.

La derivada parcial segunda de f indica cmo vara la funcin f (x, y) en cada punto
en la direccin del eje OY, y se define como la derivada de la funcin de una variable f (x0 , y):
Definicin 47 (Derivada Parcial Segunda) Dada f : D R2 R y dado (x0 , y0 )
punto interior de D, se llama derivada parcial segunda de f en (x0 , y0 ) al lmite
f(x0 , y0 +h) f(x0 , y0 )
f(x0 , y) f(x0 , y0 )
lm
o bien
lm
yy
h0
h
0
y y0
(si existe y es finito) y se representa por D2 f (x0 , y0 ) o bien por

f
(x0 , y0 ).
y

Tambin se llama derivada parcial de f respecto a y en (x0 , y0 ).

Nota 55 Como la D2 f (x0 , y0 ) es la derivada de la funcin f (x0 , y) en y = y0 tenemos que:


D2 f (x0 , y0 ) indica el cambio que se produce en el valor de f cuando, a partir de (x0 , y0 ),
158

aumentamos la variable y en una unidad manteniendo la x constante,


D2 f (x0 , y0 ) es la pendiente de la recta tangente en (x0 , y0 ) en la direccin del eje OY, y
puede calcularse considerando a x como constante y derivando respecto a y con las reglas
de derivacin conocidas para una variable, como se ve en el siguiente ejemplo.
Ejemplo 69 Sea f (x, y) = 2x sen(x2 + y2 ). Sus derivadas parciales en un punto (x, y) R2
son:
D1 f (x, y) = 2 sen(x2 +y 2 ) + 2x cos(x2 +y 2 )2x,
D2 f (x, y) = 2x cos(x2 + y 2 )2y.
En la Figura 78 aparecen representadas las dos derivadas parciales de una funcin f (x, y)
en el punto (x0 , y0 ).

Figura 78: Derivadas parciales de una funcin de dos variables en un punto (x0 , y0 ).

Nota 56 (Generalizacin a Rn ) Para funciones con n variables, f (x1 , x2 , . . . , xn ), se define su derivada parcial k-sima, o derivada parcial respecto a xk , en el punto (x1 , x2 , . . . , xn ),
f
que denotamos por Dk f (x1 , x2 , . . . , xn ) o bien por x
(x1 , x2 , . . . , xn ), al lmite (si existe y
k
es finito)
f(x1 ,. . . ,xk + h,. . . ,xn ) f(x1 , .. . ,xk ,.. . ,xn ) h
lm
.
h0

Notar que mantenemos constantes a todas las xi excepto a la propia xk , que es la nica
variable respecto a la cual derivamos. As, el modo de calcular esta derivada parcial es
considerar a todas las dems xi como constantes y derivar slo respecto a xk . Intuitivamente,
Dk f (x1 , x2 , . . . , xn ) representa la variacin de la funcin f desde el punto (x1 , x2 , . . . , xn ) si
aumentamos en una unidad la variable xk manteniendo constantes las dems variables xi .
159

Ejemplo 70 Las 4 derivadas parciales de f (x, y, z, t) = 2 x y ez +t son:


2

D1 f (x, y, z, t) = 2yez +t ,
D2 f (x, y, z, t) = 2xez

2+t 2

z 2+t2

D3 f (x, y, z, t) = 4xyze

D4 f (x, y, z, t) = 4xytez

5.2.

2+t 2

Derivadas direccionales

Las derivadas parciales en un punto (x0 , y0 ) son las derivadas en las direcciones dadas
por los ejes de coordenadas (Figura 78). Ahora vamos a estudiar la derivada de f en el punto
(x0 , y0 ) pero en la direccin dada por un vector unitario v = (v1 , v2 ) R2 , kvk = 1, (ver
Figura 79a). Notar que, a partir de (x0 , y0 ), los puntos que estn en la direccin dada por v
pueden expresarse como (x0 , y0 ) + h(v1 , v2 ), siendo h R un parmetro (Figura 79b).

Figura 79: Derivada direccional de f en un punto (x0 , y0 ) en la direccin dada por v

Definicin 48 (Derivada direccional) Dada f : D R2 R, dado (x0 , y0 ) punto interior de D y dado un vector unitario v = (v1 , v2 ) R2 , se llama derivada direccional de f en
(x0 , y0 ) en la direccin v al lmite
Dv f (x0 , y0 ) = lm f((x0 , y0 ) + h(v1 ,v2 )) f(x0 ,
h0
y0 ) h
,
o bien
Dv f (x0 , y0 ) = lm f(x0 + hv1 , y0 + hv2 ) f(x0 , y0 )
h0
h
.

160

Grficamente, Dv f (x0 , y0 ) es la pendiente de la recta tangente (si existe) a f en el punto


(x0 , y0 ) en la direccin dada por v (Figura 79a). Intuitivamente, Dv f (x0 , y0 ) es la variacin
de la funcin f si, desde el punto (x0 , y0 ), nos desplazamos una unidad en la direccin v.
Una funcin f (x, y) puede tener (si existen) infinitas derivadas direccionales en un punto
(x0 , y0 ) (ver Figura 76), que indican las pendientes en las distintas direcciones. Podramos
saber en qu direccin tiene f la pendiente mxima? (ver Nota 60, pgina 140).
Qu relacin hay entre las derivadas parciales y las direccionales? Si tomamos v = (1, 0)
entonces la derivada direccional Dv f (x0 , y0 ) es la derivada parcial primera de f en (x0 , y0 ),
h
i
f(x0 + h 1, y0 + h 0) f(x0 , y0 )
D(1,0) f (x0 , y0 ) = lm
= Definicin 47 = D1 f (x0 , y0 ).
h0
h
Del mismo modo, si tomamos v = (0, 1) entonces la derivada direccional es la derivada
parcial segunda de f en (x0 , y0 ), D(0,1) f (x0 , y0 ) = D2 f (x0 , y0 ).
Por lo tanto, las derivadas parciales tambin son derivadas direccionales. Entre todas las
derivadas direccionales posibles de una funcin f en un punto (x0 , y0 ), las derivadas parciales
son las que corresponden a las direcciones dadas por los ejes de coordenadas. Las derivadas
parciales son ms fciles de calcular pues, como hemos visto antes, basta derivar respecto
a una variable manteniendo constantes las dems. Las derivadas direccionales en general
tenemos que calcularlas, de momento, con el lmite de la Definicin 48. Ms adelante (Teorema 63, pgina 140) veremos otro modo ms fcil a partir, precisamente, de las derivadas
parciales.

5.3.

El plano tangente

Dada una funcin f : D R2 R y un punto (x0 , y0 ) interior de D puede ocurrir,


(a) que no existan las derivadas direccionales (rectas tangentes) en todas las direcciones,
como las funciones de la Figura 80, que en el punto (0, 0) no tienen ninguna, o slo
tienen una, o tienen dos rectas tangentes, respectivamente; o puede ocurrir
(b) que s existan las rectas tangentes en todas las direcciones. En este caso, puede ocurrir,
(b.1) que no estn todas las rectas tangentes en un mismo plano (ver la Figura 81), o
(b.2) que s estn todas las rectas tangentes en un mismo plano.
Definicin 49 (Plano tangente) En este ltimo caso (existen las rectas tangentes en todas las direcciones y estn todas en un mismo plano), a ste plano se le llama plano tangente
a f en el punto (x0 , y0 , f (x0 , y0 )). Puede verse que la ecuacin del plano tangente es
z = f (x0 , y0 ) + D1 f (x0 , y0 )(x x0 ) + D2 f (x0 , y0 )(y y0 ).
El vector normal a este plano, D1 f (x0 , y0 ), D2 f (x0 , y0 ), 1 es tambin vector normal a la
superfice definida por f en el punto (x0 , y0 , f (x0 , y0 )).
161

Figura 80: Grficas de f (x, y) = 1|x||y |, f (x, y) = 1|x|, f (x, y) = max(1|x|, 1|y|)

Figura 81: Un ejemplo en el que no todas las rectas tangentes estn en un mismo plano.

5.4.

Diferenciabilidad global de una funcin de dos variables.

Recordemos que f (x) es diferenciable en un punto si tiene recta tangente (no vertical) en
dicho punto. En dos variables, vamos a definir que f (x, y) es diferenciable en un punto de modo que signifique que la funcin tiene plano tangente (no vertical) en dicho punto (Definicin
(x0 )
50). Para generalizar la definicin de diferenciable en una variable, lm f(x)f
= f 0 (x0 ),
xx0
xx0

a dos variables, lo escribimos del modo siguiente: lm

xx0

lm

xx0

f(x) f(x0 ) f0 (x0 )(x x0 )


= 0 =
x x0

lm

xx0

f(x)f(x0 )
xx0

f 0 (x0 ) = 0, =

f(x) f(x0 ) + f0 (x0 )(x x0 )


= 0,
|x x0 |

y significa que, cuando x x0 , la diferencia entre la funcin y una recta (su recta tangente
en x0 ) tiende a cero ms rpido que (x x0 ) (o bien que es o (x x0 ) , x x0 ), ver Nota
49). Esta expresin s podemos generalizarla a dos variables:
Definicin 50 (Funcin Diferenciable) Sea f : D R2 R y sea (x0 , y0 ) punto interior de D. Diremos que f es diferenciable en (x0 , y0 ) si existen dos constantes K y M y
162

existe el lmite

lm

(x,y)(x0 ,y0 )

f(x, y) f(x0 ,y0 ) + K (x x0 ) + M(y y0 )


= 0.
||(x, y) (x0 , y0 )||

Es decir, f (x, y) es diferenciable en un punto (x0 , y0 ) si, cuando (x, y) (x0 , y0 ), la


diferencia
entre la funcin y un plano tiende a cero ms rpido que ||(x, y) (x0 , y0 )|| =
p
+ (x x0 )2 + (y0 y0 )2 . Veamos que ese plano debe ser el plano tangente.
Teorema 58 Si f : D R2 R es diferenciable en (x0 , y0 ) punto interior de D entonces
existen las derivadas parciales de f en (x0 , y0 ).
Demostracin: Si f es diferenciable, existe el lmite de la Definicin 50. Si en ese lmite
hacemos y = y0 obtenemos
lm

(x,y0 )(x0 ,y0 )

lm

xx0

f(x, y0 ) f(x0 , y0 ) K (x x0 ) M(y0 y0 )


p
+ (x x0 )2 + (y0 y0 )2

f(x, y0 ) f(x0 , y0 ) K (x x0 )
= 0 =
|x x0 |
h
f(x, y ) f(x , y )
0

lm

xx0

x x0

= 0 =

f(x, y0 ) f(x0 , y0 ) K (x x0 )
=0
xx0
x x0
i
lm

= K =

Definicin 47

= existe D1 f (x0 , y0 ) = K.

Del mismo modo (haciendo x = x0 en el lmite de la Definicin 50) se obtiene que existe
D2 f (x0 , y0 ) = M .
Si sustituimos K y M por D1 f (x0 , y0 ) y D2 f (x0 , y0 ) en la Definicin 50, el plano del
lmite es el plano tangente a f en (x0 , y0 ) (ver Definicin 49). As, una funcin f (x, y) es
diferenciable en un punto (x0 , y0 ) interior de su dominio si su grfica tiene plano tangente no
vertical (pues K y M son constantes finitas) en (x0 , y0 , f (x0 , y0 )). Por ejemplo, las funciones
de la Figura 35 en la pgina 64 son diferenciables en todos los puntos. Si tiene plano tangente,
tambin tiene todas las rectas tangentes, luego existen todas las derivadas direccionales en
ese punto (entre ellas las derivadas parciales, como hemos demostrado).
Una funcin f (x, y) no es diferenciable en (x0 , y0 ) si la grfica de f no tiene plano tangente
en dicho punto. Por ejemplo, las funciones de la Figura 80 no son diferenciables en los puntos
de las aristas (no hay plano tangente), aunque s lo son en los dems puntos.
El siguiente Teorema es equivalente al Teorema 45 para funciones de una variable.
Teorema 59 (Diferenciable implica continua) Sea f : D R2 R y sea (x0 , y0 )
punto interior de D. Si f es diferenciable en (x0 , y0 ), entonces f es continua en (x0 , y0 ).
163

Demostracin: Si f es diferenciable, existe el lmite de la Definicin 50. Entonces,

164

f (x, y) f (x0 , y0 ) =

lm

(x,y)(x0 ,y0 )

=
=

lm

(x,y)(x0 ,y0 )

f (x, y) f (x0 , y0 ) K (x x0 ) M (y y0 ) + K (x x0 ) + M (y y0 ) =

f(x, y) f(x0 , y0 ) K (x x0 ) M(y0 y0 ) p


p
(x,y)(x0 ,y0 )
(x x0 )2 + (y y0 )2
lm

+
luego

lm

(x,y)(x0 ,y0 )

lm

(x,y)(x0 ,y0 )

(x x0 )2 + (y y0 )2 +

K (x x0 ) + M (y0 y0 ) = 0 0 + K 0 + M 0 = 0,

f (x, y) = f (x0 , y0 ) y f es continua en (x0 , y0 ) (Definicin 40).

Nota 57 Que existan las dos parciales D1 f y D2 f en un punto (x0 , y0 ) no implica que f sea
diferenciable en (x0 , y0 ). De hecho, ni siquiera implica que f sea continua en (x0 , y0 ), como
se ve en la funcin de la Figura 82,
0 si x = 0, y = 0
f (x, y) =
1 si x = 0 y = 0,

Figura 82: Funcin con derivadas parciales en (0, 0) pero no continua en (0, 0)
f (x, y) =

0 si x = 0, y = 0
1 si x = 0 y = 0,

que tiene las dos derivadas parciales en (0, 0), que son las pendientes (cero) de las dos rectas
horizontales en las direcciones de los ejes de coordenadas a la altura de z = 1, pero f no
es continua en (0, 0). Sin embargo, si las parciales son continuas en un entorno de (x0 , y0 )
entonces f s es diferenciable en (x0 , y0 ), como dice el siguiente Teorema 60. Este teorema
tambin proporciona un modo de comprobar si f es diferenciable en un punto (x, y).

165

Teorema 60 Sea f : D R2 R y sea (x0 , y0 ) punto interior de D. Si D1 f y D2 f son


continuas en un entorno de (x0 , y0 ), entonces f es diferenciable en (x0 , y0 ).

166

Por ejemplo, la funcin f (x, y) = x2 y2 + 2xy + 1 no tiene ningn problema de


continuidad ni de derivacin, y va a tener sus derivadas parciales continuas en todo R2 .
Por lel Teorema 60, f es una funcin diferenciable en todo R2 , como se ve en su grfica
de la Figura 35, pgina 64, que no tiene picos ni aristas. Tambin podemos demostrar que
es diferenciable en cualquier (x, y) R2 directamente de la Definicin 50, viendo que el
siguiente lmite es cero:
f(x + h, y + k) f(x, y) D1 f(x, y)h D2 f(x, y)k
||(h, k)||
(h,k)(0,0)
lm

(x+h)2 (y +k)2 +2(x+h)(y +k)+1x2 +y 2 2xy 1(2x+2y)h(2y +2x)k

= lm
=
(h,k)(0,0)
h2 + k 2
= =

h
i
2
(h k)2
2
=
polares
= lm (r cos()r sen()) = lm r(cos() sen())2 = 0.
2
r0
r0
(h,k)(0,0) h + k
r

5.5.

Derivadas parciales de segundo orden

lm

Si una funcin f (x, y) tiene derivada parcial primera, D1 f (x, y), en todos los puntos
de su dominio, entonces D1 f (x, y) es tambin una funcin de dos variables, y podemos
plantearnos sus derivadas parciales, que sern derivadas parciales de segundo orden de f .
Veamoslo con un ejemplo:
Ejemplo 71 Sea f (x, y) = 2x sen(x2 + y2 ). Su derivada parcial primera es
f
(x, y) = 2 sen(x2 + y2 ) + 2x cos(x2 + y 2 )2x,
x
que es tambin una funcin de dos variables y tiene dos derivadas parciales, que son derivadas
parciales de segundo orden de f :
2f
(x, y) = 12x cos(x2 + y2 ) 8x3 sen(x2 + y 2 ),
x2
2f
yx

Del mismo modo, como

(x, y) = 4y cos(x2 + y2 ) 8x2 y sen(x2 + y 2 ).

f
(x, y) = 4xy cos(x2 + y 2 ),
y

las otras dos derivadas parciales de segundo orden de f son


2f
(x, y) = 4y cos(x2 + y2 ) 8x2 y sen(x2 + y 2 ),
xy
167

2f
(x, y) = 4x cos(x2 + y2 ) 8xy2 sen(x2 + y 2 ).
y2

168

En general, se definen las 4 derivadas parciales de segundo orden de f como:


2f
f

(x, y) =
(x, y),
o bien
D11 f (x, y) = D1 (D1 f ) (x, y).
x2
x x
2f

y2

(x, y) =

2f
yx

(x, y) =

2f

xy

(x, y) =

(x, y),

o bien

D22 f (x, y) = D2 (D2 f ) (x, y).

(x, y),

o bien

D12 f (x, y) = D2 (D1 f ) (x, y).

(x, y),

o bien

D21 f (x, y) = D1 (D2 f ) (x, y).

Nota 58 (Derivadas parciales cruzadas) Vemos en el ejemplo 71 que las dos parciales
de segundo orden cruzadas son iguales, D12 f (x, y) = D21 f (x, y). Esto no es siempre as,
como puede verse en algn ejemplo como el siguiente.
x2 y2
xy 2
si (x, y) = (0, 0)
x + y2
Ejemplo 72 consideremos la funcin f (x, y) =
0

si (x, y) = (0, 0).

Calculemos las parciales primeras D1 f (0, y), D2 f (x, 0) con el lmite:


y
hyhh2 +y
2 0
f(h, y) f(0, y)
h2 y2
D1 f (0, y) = lm
= lm
= lm y 2
= y.
h0
h0
h0 h + y2
h
h
2

xhxx2h
0
f(x, h) f(x, 0)
x2 h2
+h2
D 2 f (x, 0) = lm
= x.
= lm
= lm x 2
h0
h0
h0
x + h2
h
h
2

Calculemos ahora las derivadas de orden dos en (0, 0):


D12 f (0, 0) = D2 (D1 f ) (0, 0) = lm

D1 f(0,h) D1 f(0, 0)
h

h0

D21 f (0, 0) = D1 (D2 f ) (0, 0) = lm

h0

= lm h 0 = 1.
h0
h

D2 f(h,0) D2 f(0,0)
= lm h 0 = 1.
h
h0
h

169

As, el anterior es un ejemplo en el que las derivadas parciales cruzadas no coinciden,


D12 f (0, 0) = D21 f (0, 0). Sin embargo, el siguiente Teorema de Schwartz viene a decir que,
si se cumplen ciertas condiciones de continuidad, entonces s se da la igualdad.
Teorema 61 (de Schwartz) Si D12 f es continua en un punto (x, y) y si D2 f existe en un
entorno de (x, y), entonces existe D21 f (x, y) y se cumple que D21 f (x, y) = D12 f (x, y).
En el ejemplo 71 anterior, como ni f (x, y) = 2x sen(x2 + y2 ) ni sus derivadas parciales
tienen ningn problema de continuidad, sus derivadas parciales cruzadas tienen que coincidir.

170

Todo lo anterior puede generalizarse a funciones de n variables. Una funcin


f (x1 , x2 , . . . , xn ) puede tener n derivadas parciales en el punto a = (x1 , x2 , . . . , xn ) Rn ,
que denotamos por
f
(a),
i = 1, 2, . . . , n,
Di f (a) o por
xi
y se pueden arreglar en un vector de n componentes, que se llama vector gradiente:
Definicin 51 Llamamos vector gradiente de f en un punto a = (x1 , x2 , . . . , xn ) a
f (a) = D1 f (a), D2 f (a), . . . , Dn f (a) .
Una funcin f (x1 , x2 , . . . , xn ) puede tener n2 derivadas parciales de segundo orden en el
punto a = (x1 , x2 , . . . , xn ) Rn , que denotamos por
2f
(a),
i, j = 1, 2, . . . , n,
Dij f (a) o por
x x
j

y se pueden arreglar en una matriz nn que se llama matriz Hessiana de f en a:


Definicin 52 Llamamos matriz Hessiana de f en un punto a = (x1 , x2 , . . . , xn ) a
D11 f (a) D12 f (a)
D21 f (a) D22 f (a)

Dn1 f (a) Dn2 f (a)

D1n f (a)
D2n f (a)

Dnn f (a)

El Teorema de Schwartz nos asegura que, bajo ciertas condiciones de continuidad, las
derivadas parciales cruzadas coinciden,
2f
2f
Dij f (a) = Dji f (a),

o bien

(a) =

x x
j

(a),

x x
i

luego la matriz Hessiana es simtrica (bajo ciertas condiciones de continuidad).


As, dado un campo escalar f (x1 , x2 , . . . , xn ), podemos considerar que su derivada de
primer orden es el vector gradiente f (x1 , x2 , . . . , xn ), que es un campo vectorial, y su
derivada de segundo orden es la matriz Hessiana.

5.6.

La regla de la cadena (dos variables)

Como vimos en el Teorema 47 (pgina 93), la regla de la cadena es la frmula de la


derivada de la funcin compuesta. Para poder componer con una funcin de dos variables
f : R2 R, tenemos que considerar funciones cuya imagen sea R2 , como : R R2 ,
pues as tenemos

f
R2
R.
R

171

Estas funciones : R R2 , tales que para cada t R, su imagen es un punto del


plano, (t) = 1 (t), 2 (t) R2 , o bien (t) = x(t), y(t) R2 , son parametrizaciones
de curvas en el plano, llamadas tambin trayectorias o caminos. Veamos algunos ejemplos.

172

Ejemplo 73 (Parametrizacin de la circunferencia unidad) Se llama circunferencia


unidad a la circunferencia en el plano R2 de radio 1 y centro en el origen (0, 0), cuya ecuacin
es x2 + y2 = 1. Para parametrizar esta curva consideremos la funcin
: [0, 2] R R2

definida por

(t) = cos(t), sen(t) R2 .

Vemos (Figura 83) que cuando t recorre el intervalo [0, 2], la imagen (t) recorre la circun-

Figura 83: Parametrizacin de la circunferencia unidad.


ferencia unidad, comenzando en el punto (0) = (1, 0), para t = 0, moviendose en el sentido
contrario a las agujas del reloj y terminando otra vez en el punto (2) = (1, 0), para t = 2.
As, la funcin anterior es una parametrizacin de la circunferencia unidad.
Puede entenderse que (t) describe el movimiento de una partcula recorriendo una curva
en el plano R2 (en este caso la circunferencia unidad) cuando t recorre un intervalo I R
(en este caso el intervalo [0, 2]).
Una misma curva en el plano puede describirse con diferentes parametrizaciones. Por
ejemplo, la circunferencia unidad puede describirse tambin con la parametrizacin
: [0, ] R R2

definida por

(t) = cos(2t), sen(2t) R2 .

En este caso, cuando t recorre el intervalo [0, ], el valor 2t recorre el intervalo [0, 2], luego
(t) describe la circunferencia unidad entera. Por otro lado, la parametrizacin
: [0, 2] R R2

definida por

(t) = cos(2t), sen(2t) R2

describe una partcula dando dos vueltas a la circunferencia unidad, mientras que
: [0, 2] R R2

definida por

(t) = cos(2 t), sen(2 t) R2

describe una partcula recorriendo la circunferencia unidad en sentido contrario. Todas las
funciones anteriores parametrizan la circunferencia unidad, de ecuacin x2 + y2 = 1.
173

Puesto que la funcin (t) = cos(t), sen(t)


su derivada componente a componente:

tiene dos componentes, podemos calcular

0 (t) = sen(t), cos(t) .


Definicin 53 Dada una funcin : I R R2 , (t) = (x(t), y(t)), diremos que es
diferenciable en un punto t interior de I si sus funciones componentes x(t), y(t) lo son, y
llamaremos derivada de en t a
0 (t) = x 0 (t), y 0 (t) .
Notar que 0 (t) es tambin un vector de R2 . Si entendemos que (t) es una partcula
que va recorriendo una curva en el plano R2 cuando t recorre I, entonces 0 (t) representa el
vector velocidad de esa partcula, y es tangente a la trayectoria de la partcula (es decir, a
la curva). Notar tambin que con la parametrizacin (t) = cos(2t), sen(2t) , la partcula
va ms rpido (da dos vueltas en lugar de una), y su vector velocidad es:
0 (t) = 2 sen(2t), 2 cos(2t) .
Ejemplo 74 (Parametrizacin de una recta) Consideremos la funcin : R R2
definida por (t) = x0 + tv1 , y0 + tv2 R2 o bien por (t) = (x0 , y0 ) + t(v1 , v2 ) R2 .
La imagen de esta funcin (t), cuando t recorre R es la recta del plano R2 que pasa por el
punto (x0 , y0 ) en la direccin dada por el vector v = (v1 , v2 ). Su derivada (y por lo tanto el
vector velocidad) es 0 (t) = (v1 , v2 ) = v.
Ejemplo 75 (Parametrizacin de un segmento de recta) La misma funcin anterior
pero definida en : [0, 1] R R2 , (t) = x0 + tv1 , y0 + tv2 = x0 , y0 + t v1 , v2 , es
la parametrizacin del segmento en R2 que une los puntos (x0 , y0 ) y (x0 + v1 , y0 + v2 ).
x2
y2
Ejemplo 76 (Parametrizacin de la elipse) La elipse de ecuacin 2 + 2 = 1, con
a
b
centro en (0, 0) y semiejes a, b, puede parametrizarse con la funcin
: [0, 2] R R2

definida por

174

(t) = a cos(t), b sen(t) R2 .

Ejemplo 77 (Parametrizacin de la cicloide) La cicloide es la curva que describe


un punto de una circunferencia cuando sta rueda sobre el eje OX. Esta curva puede
parametrizarse con la funcin : R R2 definida por

(t) = tsen(t), 1cos(t) R2


Ejemplo 78 (Parametrizacin de una funcin general) Una funcin y = f (x), x I,
puede parametrizarse haciendo x = t, y = f (t), con la funcin : I R R2 definida
por (t) = t, f (t) R2 .
Ejemplo 79 (Parametrizacin de la parbola) La parbola de ecuacin y = ax2 puede
parametrizarse con la funcin : R R2 definida por (t) = (t, at2 ) R2 .
Ejemplo 80 (Parametrizacin de la hlice) Tambin pueden parametrizarse curvas en
R3 . Por ejemplo, una hlice puede parametrizarse con la funcin : R R3 definida por (t)

= x(t), y(t), z(t) = a cos(t), a sen(t), bt R3 .


Teorema 62 (Regla de la cadena (2 variables)) Sea el diagrama siguiente de funciones compuestas,

f
D R2

IR
R
t0
(t0 )
f ((t0 )).
g = f

Si es diferenciable en t0 punto interior de I y f es diferenciable en (t0 ) punto interior


de D, entonces la funcin compuesta g : I R R, g(t) = f (t) = f x(t), y(t) , es
diferenciable en t0 y su derivada es
g 0 (t0 ) = D1 f ((t0 )) x 0 (t0 ) + D2 f ((t0 )) y 0 (t0 ).

175

(10)

Figura 84: Funcin compuesta g(t) = f ((t))


Ejemplo 81 (Regla de la cadena (2 variables)) Para comprobar la regla de la cadena,
consideremos la funcin f (x, y) = xy y supongamos que la componemos con la funcin
(t) = x(t), y(t) = sen(t), t cos(t) R2 . Entonces,
g(t) = f ((t)) = f sen(t), t cos(t) = t sen(t) cos(t),
y, por lo tanto, su derivada es g 0 (t) = sen(t) cos(t) + t cos2 (t) t sen2 (t). De otro modo, si
utilizamos la regla de la cadena (10) del Teorema 62,
g 0 (t) = D1 f sen(t), t cos(t) x 0 (t) + D2 f sen(t), t cos(t) y 0 (t),
y como D1 f (x, y) = y, D2 f (x, y) = x, x 0 (t) = cos(t) y y 0 (t) = cos(t) t sen(t), sustituyendo
resulta que
g 0 (t) = t cos(t) cos(t) + sen(t)(cos(t) t sen(t)) = t cos2 (t) + sen(t) cos(t) t sen2 (t).
La frmula (10) de la regla de la cadena puede expresarse como el producto escalar
de dos vectores en R2 , el vector gradiente f (x, y) = D1 f (x, y), D2 f (x, y)
derivada 0 (t) = x 0 (t), y 0 (t) , que podemos expresar con dos notaciones:
g 0 (t) = f ((t)) / 0 (t) ,

o bien

y el vector

g 0 (t) = f ((t)) 0 (t),

lo que puede leerse como que la derivada de g(t) = f (t) es la derivada de f (gradiente)
en (t) sin derivar por (producto escalar) la derivada de , 0 (t). As, esta frmula recuerda
a la otra regla de la cadena vista en el Teorema 47 para funciones con una variable.
La regla de la cadena tiene una aplicacin inmediata al clculo de las derivadas direccionales (ver Seccin 5.2 en pgina 128), como indica el siguiente teorema.
176

Teorema 63 (Aplicacin de la regla de la cadena) Sea f : D R2 R diferenciable


en (x0 , y0 ) punto interior de D y sea v = (v1 , v2 ) R2 un vector unitario. Entonces, la
derivada direccional Dv f (x0 , y0 ) puede calcularse como
Dv f (x0 , y0 ) = D1 f (x0 , y0 )v1 + D2 f (x0 , y0 )v2 , es decir, Dv f (x0 , y0 ) = f (x0 , y0 ) v.
Demostracin: Por definicin, la derivada direccional es (ver Seccin 5.2)
Dv f (x0 , y0 ) = lm

h0

f(x0 + hv1 , y0 + hv2 ) f(x0 , y0 )


,
h

y si llamamos g(h) = f (x0 + hv1 , y0 + hv2 ), entonces Dv f (x0 , y0 ) = lm

h0

g(h) g(0)
= g 0 (0).
h

Observemos que g(h) es la composicin de f (x, y) con la funcin (h) = (x0 + hv1 , y0 + hv2 ),
luego derivando g(h) con la regla de la cadena (10) tenemos que
g 0 (h) = D1 f (x0 + hv1 , y0 + hv2 )v1 + D2 f (x0 + hv1 , y0 + hv2 )v2 ,
y, tomando h = 0, g 0 (0) = D1 f (x0 , y0 )v1 + D2 f (x0 , y0 )v2 .

Nota 59 Este teorema puede entenderse del modo siguiente: si f es diferenciable en (x, y),
entonces la grfica de f tiene plano tangente en el punto (x, y, f (x, y)) y este plano contiene
a todas las rectas tangentes (derivadas direccionales), luego conociendo dos de ellas (por
ejemplo las correspondientes a las derivadas parciales) todas las dems pueden expresarse
como combinacin de esas dos.
Nota 60 (Direccin de pendiente mxima) Sabemos que la pendiente de una funcin
f en la direccin dada por un vector unitario v R2 es la derivada direccional, Dv f (x0 , y0 )
(ver Seccin 5.2). Si f es diferenciable, entonces Dv f (x0 , y0 ) = f (x0 , y0 ) v (Teorema 63),
y como el producto escalar puede expresarse como
Dv f (x0 , y0 ) = f (x0 , y0 ) v = k f (x0 , y0 ) k k v k cos(),
la derivada direccional ser mxima cuando cos() = 1, es decir, cuando el vector v forma
un ngulo = 0 con el gradiente f (x0 , y0 ). Por lo tanto, la direccin y sentido de pendiente
mxima de una funcin f en un punto (x0 , y0 ) viene dada por el vector gradiente f (x0 , y0 )
y esta pendiente vale k f (x0 , y0 ) k.
Del mismo modo, la direccin y sentido de pendiente mnima viene dada por f (x0 , y0 )
(cos() = 1, ngulo = ) y la direccin de pendiente nula es perpendicular al gradiente
f (x0 , y0 ) (cos() = 0, ngulo = 2 ). La direcciones de pendiente nula son las que siguen
las llamadas curvas de nivel, que son las curvas en el plano XY definidas por f (x, y) = cte
(ver Figura 37 en la pgina 65). As, el gradiente f (x0 , y0 ) es perpendicular a las curvas de
nivel (ver Figura 85).
177

Figura 85: Curvas de nivel y vector gradiente de una funcin f (x, y).
Nota 61 (Generalizacin a Rn ) La regla de la cadena (10) es tambin vlida para funciones de n variables: la derivada de g(t) = f (t) = f x1 (t), x2 (t), . . . , xn (t) , es
g 0 (t) = f ((t)) / 0 (t) ,
o bien

g 0 (t) = D1 f (t) x 0 (t) + D2 f (t) x 0 (t) + + Dn f (t) x 0 (t).


1

5.7.

(11)

La regla de la cadena vectorial

En la regla de la cadena (11) anterior las funciones g y xi slo tienen una variable (la t):
g(t) = f (t) = f x1 (t), x2 (t), . . . , xn (t) .
Supongamos ahora que tienen dos variables, u y v (tomemos, para simplificar, n = 3),
g(u, v) = f (u, v) = f x(u, v), y(u, v), z(u, v) ,

(12)

que se corresponde con el siguiente diagrama de composicin de funciones


R2
(u, v)

R3
(u, v)
g = f

R
f ((u, v))

y queremos calcular las dos derivadas parciales de g, respecto a u y respecto a v. Como la


derivada parcial de g respecto a u se calcula considerando a la v como constante y derivando
178

slo respecto a u (una variable), podemos aplicar la regla de la cadena (11) anterior a la
expresin (12) derivando respecto a u:
D1 g(u, v) = D1 f (u, v) D1 x(u, v) + D2 f (u, v) D1 y(u, v) + D3 f (u, v) D1 z(u, v). (13)
En notacin clsica, la frmula (13) resulta
f
x
f
f
z
g
y
(u, v) =
(u, v)
(u, v)
(u, v ) (u, v) +
(u, v)
(u, v),
u
u
y
z
u
+
x
u

o bien simplemente, si asumimos dnde est definida cada funcin,


g
f x f y f z
=
+
+
.
u
x u y u z u

Notar que en esta frmula estamos haciendo un cierto abuso de notacin, pues x es
x
a la vez una variable (en f
x ) y una funcin (en
u). Esta frmula puede recordarse ms
fcilmente con un diagrama. Dada g(u, v) = f (x(u, v), y(u, v), z(u, v)), consideramos que la
funcin f depende de tres variables, x, y, z, que a su vez dependen de otras variables, u, v,
lo que expresamos con el siguiente diagrama:

&

%
y

&

g
u
g

f x
=
=

v
&

&

x u
f x
x v

f y
+
+

y u
f y

f z
+
+

y v

z u
f z
z v

Ejemplo 82 (Cambio a coordenadas polares) Sea f (x, y) una funcin en cartesianas y


supongamos que cambiamos a polares (ver Figura 57): h(r, ) = f r cos(), r sen() . Queremos expresar las derivadas parciales respecto a las coordenadas polares, (r, ), en funcin de
las derivadas parciales respecto a las coordenadas cartesianas, (x, y). Tenemos el siguiente
diagrama:
%

x
%
f

&

h
r

f x
=

x r
179

f y
+

y r

f
= cos()

f
+ sen()

&

%
y

&

f x
=

180

f y
+

= r sen()

f
x

f
+ r cos()

o, ms exactamente,
f
f
h
(r, ) = cos()
r cos(), r sen() + sen()
r cos(), r sen() ,
r
x
y
h
f
f
(r, ) = r sen()
r cos(), r sen() + r cos()
r cos(), r sen() .

x
y

Ejemplo 83 (Cambio a coordenadas cartesianas) Inversamente, podemos expresar


las derivadas parciales respecto a las coordenadas cartesianas, (x, y), en funcin de las derivadas parciales respecto a las coordenadas polares, (r, ). Sea h(r, ) una funcin en variables
polares y supongamos que cambiamos a coordenadas cartesianas,
p
f (x, y) = h r(x, y), (x, y) = h
x2 + y 2 , arc tg( xy ) . Tenemos el siguiente diagrama:

&

=
&

&

h
r

f
x

(x2 + y 2 ) 2 2x +
1

h r
=

r x

x2

h
+

y2

o ms exactamente
f
x
h p 2
x + y 2 , arc tg( xy )
(x, y) = p
x
x2 + y2 r

x2

x2 + y2 r

y
h
+y 2

x2

y2

x2 + y2 , arc tg( xy ) .

Ejemplo 84 (derivadas de orden 2) Finalmente, podramos relacionar las derivadas


parciales de orden 2. Por ejemplo
2h

=
r
r
= sen()

f
x

r sen()

ahora tenemos que derivar


diagrama:

f
x ,

r sen()

f
f
+ r cos()
x
y

f
x

f
+ cos()

+ r cos()

que es funcin de (x, y), respecto a r. Tenemos el siguiente


%
r
x

f
2 f x
181

f
x

&

x2 r

2 f y
,
yx r

luego
2

&

%
y

&

f y

f x
=

xy
r

182

y2 r

Sustituyendo,

f
= sen()

+ cos()

5.8.

r sen()

x2 r

f
+ cos()

2 f y
yx r

2 f x 2 f y
+
xy r y 2 r

f
+ r cos()
y

f
= sen()

2 f x

2f

2f

r sen() cos()

+ r sen() cos() 2 +
x2
y
2
f
+ r cos2 () r sen2 ()
.
xy
y

El mtodo de Newton de varias variables

En la seccion 4.4 hemos visto el mtodo de Newton para resolver la ecuacin de una
variable f (x) = 0. Supongamos ahora que tenemos un sistema de n ecuaciones y n variables:
f1 (x1 , x2 , . . . , xn ) = 0
f2 (x1 , x2 , . . . , xn ) = 0

f (x , x , , x ) = 0
2 ...
n
n
1
Si llamamos x = (x1 , x2 , . . . , xn ) Rn y consideramos el campo vectorial F : Rn Rn ,
F (x) = f1 (x), . . . , fn (x) , lo que queremos resolver es el sistema F (x) = 0. El mtodo de
Newton para varias variables es similar al de una variable presentado en la pgina 102: a partir
de una aproximacin inicial x0 = (x01, x02, . . . , x0n) Rn vamos generando aproximaciones
x1 2 3
sucesivas , x , x , . . . con la frmula
k
xk+1 = xk JF1 (xk )F (x ),

donde JF (xk ) es la matriz n n, llamada Jacobiana de F en el punto xk , formada por las


n2 derivadas parciales de F ,
k

JF (x ) =

Fi
xj

(x )

=
nn

D1 F1 (xk )
.
.
D1 Fn (xk )

Dn F1 (xk )
...

, y J 1 (xk ) es su matriz inversa.


F

Dn Fn (x )

183

5.9.

La frmula de Taylor de 2 variables

La frmula de Taylor para una funcin de una variable f involucra a f y a sus derivadas
sucesivas en un punto a del dominio, f (a), f 0 (a), f 00 (a), . . . , f (n) (a). Una funcin de dos variables, f (x, y), tiene 2 derivadas parciales de primer orden, 4 derivadas parciales de segundo
orden, 8 de tercer orden, etc., y la frmula de Taylor resulta ms complicada.
Teorema 64 (de Taylor) Sea f : D R2 R una funcin con derivadas parciales
hasta segundo orden continuas en D. Sean (x0 , y0 ), (x0 + h, y0 + k) puntos de D tales que el
segmento que los une est contenido en D. Entonces, existe un (0, 1) tal que
f (x0 + h, y0 + k) = f (x0 , y0 ) + D1 f (x0 , y0 )h + D2 f (x0 , y0 )k +
+

1
D f (x0 + h, y0 + k)h2 + 2D12 f (x0 + h, y0 + k)hk + D22 f (x0 + h, y0 + k)k2 .
2 11

Demostracin: Sea : [0, 1] R R2 , (t) = x0 + th, y0 + tk la parametrizacin


del segmento en R2 que une los puntos (x0 , y0 ) y (x0 + h, y0 + k). Consideremos la funcin
compuesta g : [0, 1] R R, g(t) = f ((t)). Como g es una funcin de una variable (la
t) dos veces diferenciable, por el Teorema 55 de Taylor (tomando los puntos a = 0, x = 1),
existe un (0, 1) tal que
1
g(1) = g(0) + g 0 (0) + g 00 ().
2
Calculando cada elemento de esta expresin y sustituyendo obtenemos la frmula de Taylor:
g(1) = f ((1)) = f (x0 + h, y0 + k),

g(0) = f ((0)) = f (x0 , y0 ).

Para calcular g 0 (t), aplicamos la Regla de la Cadena (Teorema 62):


g 0 (t) = D1 f ((t)) 10 (t) + D2 f ((t)) 02(t) = D1 f ((t))h + D2 f ((t))k, luego
g 0 (0) = D1 f ((0))h + D2 f ((0))k = D1 f (x0 , y0 )h + D2 f (x0 , y0 )k.
Finalmente, para calcular g 00 (t) derivamos g 0 (t) aplicando la Regla de la Cadena (Teorema
62) a D1 f ((t)) y a D2 f ((t)):
g 00 (t) = D11 f ((t))h + D21 f ((t))k h + D12 f ((t))h + D22 f ((t))k k =
= D11 f ((t))h2 + 2D21 f ((t))hk + D22 f ((t))k 2

y, en t = ,

g 00 () =

= D11 f (x0 + h, y0 + k)h2 + 2D12 f (x0 + h, y0 + k)hk + D22 f (x0 + h, y0 + k)k 2 .


Nota 62 Si la funcin tiene derivadas parciales de orden 3, 4, etc., la frmula de Taylor es:
f (x0 + h, y0 + k) = f (x0 , y0 ) + D1 f (x0 , y0 )h + D2 f (x0 , y0 )k +
+

1
D f (x0 , y0 )h2 + 2D12 f (x0 , y0 )hk + D22 f (x0 , y0 )k 2 +
2 11

1
D f (x0 , y0 )h3 + 3D112 f (x0 , y0 )h2 k + 3D122 f (x0 , y0 )hk 2 + D222 f (x0 , y0 )k 3 +
3! 111
184

1
D1111 f (x0 , y0 )h4 + 4D1112 f (x0 , y0 )h3 k + 6D1122 f (x0 , y0 )h2 k2 + . . .
4!

donde los ltimos puntos suspensivos representan los trminos de grado superior a 4.

5.10.

La Funcin potencial

La funcin potencial es una generalizacin a funciones de 2 variables, f (x, y) del concepto


de funcin primitiva de una funcin de una variable f (x).
Con una variable: una funcin f (x) diferenciable tiene una funcin derivada f 0 (x). Procediendo al revs, dada una funcin f (x), a una funcin F (x) tal que su derivada sea
F 0 (x) = f (x) la llamamos funcin primitiva de f (ver Seccin 4.6).
Con dos variables: una funcin f (x, y) diferenciable tiene 2 derivadas parciales,
D1 f (x, y), D2 f (x, y). Procediendo al revs, dadas dos funciones p(x, y), q(x, y), a una funcin H (x, y) tal que sus derivadas parciales sean D1 H (x, y) = p(x, y), D2 H (x, y) = q(x, y)
la llamamos funcin potencial de p, q (ver Definicin 54).
En otras palabras, al derivar un campo escalar f (x, y) obtenemos un campo vectorial,
f (x, y). Procediendo al revs, dado un campo vectorial F (x, y), a un campo escalar H (x, y)
tal que su gradiente sea H = F lo llamamos funcin potencial de F .
Definicin 54 (Funcin potencial) Sean p, q : D R2 R funciones con derivadas
parciales continuas. Diremos que H : D R2 R, con derivadas parciales hasta segundo
orden continuas, es funcin potencial de p, q en D si
D1 H (x, y) = p(x, y),

D2 H (x, y) = q(x, y)

(x, y) D.

Nota 63 (Condicin necesaria) Si dos funciones p, q tienen funcin potencial H , entonces cumplen que
D2 p(x, y) = D1 q(x, y),
pues como H tiene derivadas parciales hasta orden 2 continuas,
h
i
D2 p = D12 H = Teorema de Schwartz = D21 H = D1 q.
Nota 64 (Condicin suficiente) Si dos funciones p, q cumplen que D2 p = D1 q en un rectngulo D = [a, b] [c, d] de R2 , entonces p, q tienen funcin potencial H. Para demostrarlo,
fijamos un (x0 , y0 ) D = [a, b] [c, d] cualquiera y consideramos la funcin
Zx
Zy
H (x, y) =
q (x, s) ds
p (t, y0 ) dt +
x0

y0

que est bien definida ya que los segmentos [x0 , x] {y0 } y {x} [y, y0 ] estn dentro de
D por ser D un rectngulo. Calculemos sus derivadas:
185

D 1 H (x, y) = p (x, y0 ) +
s=y

= p(x, y0 ) + p(x, s)

s=y0

Ry

y0 D 1 q (x, s) ds = p (x, y0 ) +

Ry
y0

D2 p (x, s) ds =

= p (x, y0 ) + p (x, y) p (x, y0 ) = p (x, y).

D2 H (x, y) = 0 + q (x, y) = q (x, y).


Nota 65 Como ocurre con las funciones primitivas, si H (x, y) es una funcin potencial,
H (x, y) + C tambin lo es.
Ejemplo 85 Calcular la funcin potencial de p(x, y) = x3 + xy2 , q(x, y) = x2 y + y 3 , o de
otro modo, calcular el potencial del campo vectorial F (x, y) = x3 + xy2 , x2 y + y3 .
En primer lugar, debemos comprobar si las funciones p y q tienen funcin potencial, es
decir, si D2 p = D1 q (ver Nota 63):
D2 p(x, y) = 2xy,

D1 q(x, y) = 2xy.

Ahora, para calcular la funcin potencial, podemos utilizar distintos mtodos:


a) Sabemos que D1 H = p y que D2 H = q, luego integrando p respecto a x (considerando
a y constante) e integrando q respecto a y (considerando a x constante) obtenemos:
Z
Z
x4
x2
p (x, y) dx =
x3 + xy2 dx =
2 + f (y) ,
H (x, y) =
4 + y
2
Z
Z
x2
y4
H (x, y) =
+ g (x) ,
2 +
q (x, y) dy =
xy2 + y3
y
4
dy =
2
donde f (y) es constante respecto a x y g(x) es constante respecto a y. Teniendo en cuenta
que ambos resultados deben coincidir,
x4
x2 y2
x2 y 2 y4
+
+
+ g (x) ,
+ f (y) =
4
2
4
2
de donde, comparando,
f (y) =

y4
,
4

g (x) =

x4
,
4

y sustituyendo en H ,
H (x, y) =

x4
x2 y2 y 4
+
+
+ C.
4
2
4

b) Sabemos que D1 H = p, luego integrando p respecto a x, considerando a y constante,


Z
Z
x4
x2
2 + f (y) ,
H (x, y) = p (x, y) dx =
x3 + xy2 dx =
4 + y
2
186

donde f (y) es una constante (respecto a x) que tenemos que calcular. Derivando esta expresin respecto a y y comparando con q, pues D2 H = q, tenemos
h
i
y4
x2 y + f 0 (y) = x2 y + y3 = f 0 (y) = y3 = integrando respecto a y = f (y) =
+ C,
4

187

y sustituyendo en H ,
H (x, y) =

x4
x2 y2 y 4
+
+
+ C.
4
2
4

c) Sabemos que D2 H = q, luego integrando q respecto a y, considerando a x constante,


Z
Z
x2
y4
2 +
H (x, y) = q (x, y) dy =
x2 y + y3
+ g (x) ,
y
4
dy =
2
donde g(x) es una constante (respecto a y) que tenemos que calcular. Derivando esta expresin respecto a x y comparando con p, pues D1 H = p, tenemos
h
i
x4
xy2 +g 0 (x) = xy2 +x3 = g 0 (x) = x3 = integrando respecto a x = g(x) =
+C,
4
y sustituyendo en H ,
H (x, y) =

5.11.

x4
x2 y2 y 4
+
+
+ C.
4
2
4

Qu es una Ecuacin Diferencial en Derivadas Parciales?

Es una ecuacin en la que aparecen una o ms derivadas parciales de una funcin de varias
variables, digamos u(x, y). El objetivo es encontrar las funciones u(x, y) que cumplen dicha
ecuacin. Recordemos con un ejemplo muy sencillo las ecuaciones diferenciales ordinarias:
h
i
h
i
x4

y
=
+ 2.
condicin
inicial,
y(0)
=
2
+C
4
x4
0
3
y = x integrando y =
4
Un ejemplo tambin muy sencillo de ecuacin en derivadas parciales puede ser:
h
i
x4
x2 y2
D1 u(x, y) = x3 + xy2 integrando respecto a x u(x, y) = 4 + 2 + f (y),
luego tiene infinitas soluciones que dependen, no de un parmetro C arbitrario, sino de una
2
2
4
funcin f (y) arbitraria. Es decir, para cualquier funcin f (y), u(x, y) = x + x y + f
(y)
4
2
es solucin de la ecuacin en derivadas parciales anterior. As, para determinar una solucin
particular, no basta con una condicin inicial (el valor de la funcin en un punto) sino que
es necesaria una condicin de contorno, en la que damos el valor de la funcin en una
infinidad de puntos, como por ejemplo
u(0, y) = y 3 ,
que indica que, sobre la recta x = 0, la funcin solucin u es igual a y 3 . As, exigiendo que
u(0, y) = y3 obtenemos que 0 + 0 + f (y) = y3 y por lo tanto
u(x, y) =

x4
x2 y 2
+
+ y3
4
2
188

es la solucin de la EDDP con la condicin de contorno siguiente:


(
D1 u(x, y) = x3 + xy3 ,
u(0, y) = y 3 .

189

Las ecuaciones en derivadas parciales ms utilizadas son las de segundo orden, en las
que aparecen algunas de las derivadas D11 , D22 , D12 . En este caso, necesitamos 2 condiciones
de contorno, alguna de las cuales puede involucrar a alguna parcial de u. En el siguiente
ejemplo, cambiamos la variable y por la variable t, representando el tiempo.
Ejemplo 86 (Cuerda vibrante) Podemos modelizar el movimiento de una cuerda vibrante representando por u(x, t) la elongacin de la cuerda (desviacin vertical) en cada punto
x y en cada instante t. Por ejemplo, en el instante t = t0 la posicin u(x, t0 ) de la cuerda
podra ser:

y conociendo u(x, t) para cada instante t describimos el movimiento de la cuerda. Se sabe


que este fenmeno se describe con la ecuacin en derivadas parciales
2u
x2

1 2u

c2 t2

= 0,

donde c es un parmetro que representa la velocidad de onda. Las dos condiciones de contorno
pueden ser, por ejemplo, u(x, 0) = x2 , que indica la posicin de la cuerda en el momento
t = 0, y u
t (x, 0) = x, que indica la velocidad (vertical) de cada punto de la cuerda en el
instante t = 0. As, tenemos la EDDP con condiciones de contorno siguiente,
2u
1 2u
(x, t) = 0,
(x,
t)

x2
c2 t2
u(x, 0) = x2 ,
u
(x, 0) = x,
t
cuya solucin es u(x, t) = x2 + c2 t2 + xt, como comprobamos a continuacin:

u
u
x

(x, t) = 2x + t,

2u
x2

(x, t) = 2,
x2

(x, t)

1 2u
c2 t2

(x, t) = 2

(x, t) = 2c t + x,
t

1
c2

2c2 = 0,

u(x, 0) = x2 + 0 + 0 = x2 ,
190

2 u
t2

(x, t) = 2c

u
(x,
t

0) = 0 + x = x.

191

6.

Mximos y mnimos (puntos extremos)

En este tema vamos a estudiar cmo calcular mximos y mnimos (que llamaremos
extremos) de funciones de una y de varias variables. Recordemos los Teoremas 42 y 44 de
Weierstrass de existencia de extremos absolutos de una funcin f continua en un dominio
cerrado y acotado (Seccin 6.3). Estos extremos pueden estar:
en el interior del dominio, lo que nos lleva al concepto de extremo local (Seccin 6.1), o
en la frontera del dominio, que en una variable implica simplemente calcular
f (a) y f (b) pero en varias variables necesitamos el concepto de extremos condicionados que resolvemos con el Teorema de los Multiplicadores de Lagrange (Seccin 6.2).

6.1.

Extremos locales

Definicin 55 (Extremo local (una variable)) Sea f : D R R. Diremos que x0 ,


punto interior de D, es un mximo local o relativo de f si existe un > 0 tal que f (x0 ) f (x)
para todo x (x0 , x0 + ). Idem mnimo local o relativo.
Teorema 65 (Condicin necesaria de extremo local (una variable)) Sea
f : D R R diferenciable en x0 punto interior de D. Si x0 es un extremo local
de f , entonces f 0 (x0 ) = 0 (x0 es punto crtico de f ).
Demostracin: Supongamos que x0 es un mnimo local de f . Entonces, f (x0+h)f (x0 ) 0
para valores de |h| menores que el > 0 de la Definicin 55 y resulta que,
h positivo i
f(x0 + h) f(x0 )
0

0
,
f (x0 ) = lm+
h0
h
positivo

f 0 (x0 ) = lm
h0

h positivo i
f(x0 + h) f(x0 )
0
.
negativo
h

Como f 0 (x0 ) 0 y f 0 (x0 ) 0, necesariamente f 0 (x0 ) = 0.


El Teorema 65 se llama condicin necesaria porque el hecho de que f 0 (x0 ) = 0 no
garantiza que x0 sea mximo ni mnimo local de f , como puede verse en la funcin de la
Figura 86: los puntos 1, 2 y 3 son puntos crticos (derivada nula) pero 2 no es mximo ni
mnimo local. Si estamos interesados en saber si un punto crtico es mximo, mnimo o
nada, necesitamos una condicin suficiente, que viene de las derivadas de orden superior.
Teorema 66 (Condicin suficiente) Sea f : D R R n veces diferenciable con f (n)
continua en D. Sea x0 punto interior de D tal que f 0 (x0 ) = f 00 (x0 ) = = f (n1) (x0 ) = 0,
pero que f (n) (x0 ) = 0, con n 2.
1. Si n es par y f (n) (x0 ) > 0 entonces x0 es mnimo local de f .
192

2. Si n es par y f (n) (x0 ) < 0 entonces x0 es mximo local de f .


3. Si n es impar entonces x0 no es extremo local de f .

193

Figura 86: Una funcin con 3 puntos crticos pero slo 2 puntos extremos locales.
Demostracin: Como f (n) es continua en D y f (n) (x0 ) no se anula, existe un entorno J de
x0 donde f (n) (x) tiene el mismo signo que f (n) (x0 ) (ver Teorema 38). Sean x, x0 J . Por el
Teorema 55 de Taylor, existe un entre x y x0 tal que
f (x) = f (x0 ) +

f(n) ()
f0 (x0 )
f(n1) (x0 )
n1
(x x 0 )n ,
+
(x x 0) + +
(x x0 )
1!
n!
(n 1)!

y como todas las derivadas hasta n 1 son nulas, tenemos que


f(n) ()
(x x 0 )n .
f (x) f (x0 ) =
n!
Si n es par, entonces (x x0 )n > 0. En este caso, si f (n) (x0 ) < 0 entonces f (x) < f (x0 ) para
todo x J y x0 es mximo local de f , mientras que si f (n) (x0 ) > 0 entonces f (x) > f (x0 )
para todo x J y x0 es mnimo local de f . Si n es impar, entonces (x x0 )n es positivo
para x > x0 y negativo para x < x0 , y x0 no es mximo ni mnimo local de f .
Nota 66 La utilizacin tpica del teorema anterior es con n = 2, es decir, para cada punto
crtico x0 se calcula f 00 (x0 ) y, si este valor es positivo, entonces x0 es un mnimo local y, si
es negativo, un mximo local. En ocasiones, puede ocurrir que f 00 (x0 ) = 0 y entonces hay
que estudiar f 000 (x0 ). Si este valor es no nulo, entonces x0 no es mnimo ni mximo local. Si
f 000 (x0 ) = 0, entonces hay que estudiar f I V (x0 ) y as sucesivamente.
Para funciones de dos variables, recordemos que B (x0 , y0 ), es la bola de centro (x0 , y0 )
y radio (ver Definicin 4, pgina 5).
Definicin 56 (Extremo local (dos variables)) Sea f : D R2 R. Diremos que
(x0 , y0 ), punto interior de D, es un mximo local o relativo de f si existe un > 0 tal que
f (x0 , y0 ) f (x, y)

para todo (x, y) B (x0 , y0 ), .

Del mismo modo (con ) se define mnimo local o relativo de f .


194

La forma tpica de mnimo local de una funcin de 2 variables es la de la Figura 34, pgina
63, que tiene un mnimo local en el punto (0, 0). La forma tpica de mximo local de una
funcin de 2 variables es la de la Figura 35a. La funcin representada en la Figura 87 tiene
un mximo local en el punto (0, 0) y 4 mnimos locales, situados alrededor del punto (0, 0).
As como en funciones de una variable los extremos locales tienen recta tangente horizontal
(Figura 86), los extremos locales de funciones (diferenciables) de dos variables tienen plano
tangente horizontal, luego sus derivadas parciales son nulas, como dice el siguiente teorema.

Figura 87: Grfica de la funcin

f (x, y) = 2x4 + y4 2x2 2y 2

Teorema 67 (Condicin necesaria (2 variables)) Sea f : D R2 R diferenciable


en (x0 , y0 ) punto interior de D. Si (x0 , y0 ) es un extremo local de f , entonces
D1 f (x0 , y0 ) = D2 f (x0 , y0 ) = 0,

o bien

f (x0 , y0 ) = (0, 0).

(Decimos que (x0 , y0 ) es un punto crtico de f ).


Demostracin: Supongamos, por ejemplo, que (x0 , y0 ) es un mnimo local de f ,
f (x, y) f (x0 , y0 )

para todo (x, y) B((x0 , y0 ), ).

Fijando y = y0 tenemos que f (x, y0 ) f (x0 , y0 ) para todo (x, y0 ) B((x0 , y0 ), ), luego
x0 es un mnimo local de la funcin f (x, y0 ) de una variable, la x. Como esta funcin es
diferenciable (ver Nota 54), su derivada es D1 f (x, y0 ), y tiene un mnimo local en x0 , por
el Teorema 65 su derivada en x0 es cero: D1 f (x0 , y0 ) = 0. Del mismo modo, fijando x = x0
obtenemos que D2 f (x0 , y0 ) = 0.
Para funciones de dos variables, el hecho de que f (x0 , y0 ) = (0, 0) (plano tangente
horizontal) tampoco es suficiente para que (x0 , y0 ) sea extremo local de f . Por ejemplo, la
195

funcin representada en la Figura 35b, pagina 64, tiene derivadas parciales nulas en el punto
(0, 0), pero ste no es mximo ni mnimo local de f . Estos puntos se llaman puntos de silla
(pues su forma recuerda la de una silla de montar). Observa que la funcin representada en
la Figura 87 tiene tambin 4 puntos de silla, situados entre cada par de mnimos locales.
Para saber si un determinado punto crtico es mximo local, mnimo local o punto de
silla, necesitamos una condicin suficiente, que depende de las derivadas parciales de orden
superior (Teorema 68). Recordemos que una funcin de 2 variables tiene 4 derivadas parciales
de segundo orden, 8 de tercer orden y, en general, 2n derivadas de orden n. Por lo tanto,
para funciones de dos variables nos limitaremos a ver la condicin suficiente con las derivadas
parciales de segundo orden, que se obtiene de la frmula de Taylor (Teorema 64, pgina 145):
f (x0 + h, y0 + k) = f (x0 , y0 ) + D1 f (x0 , y0 )h + D2 f (x0 , y0 )k +
+

1
D f (x0 + h, y0 + k)h2 + 2D12 f (x0 + h, y0 + k)hk + D22 f (x0 + h, y0 + k)k 2 ,
2 11

para algn valor de (0, 1). Si (x0 , y0 ) es un punto crtico de f , entonces D1 f (x0 , y0 ) = 0,
D2 f (x0 , y0 ) = 0, y tenemos que f (x0 + h, y0 + k) f (x0 , y0 ) =
=

1
D f (x0 + h, y0 + k)h2 + 2D12 f (x0 + h, y0 + k)hk + D22 f (x0 + h, y0 + k)k 2 ,
2 11

luego (x0 , y0 ) ser mximo, mnimo local o punto de silla segn el signo de esta expresin.
Teorema 68 (Condicin suficiente (dos variables)) Sea f : D R2 R una funcin con derivadas parciales hasta segundo orden continuas en D. Sea (x0 , y0 ) punto interior
de D tal que D1 f (x0 , y0 ) = D2 f (x0 , y0 ) = 0 (punto crtico). Sea la matriz Hessiana de f en
(x0 , y0 ),
a11 a12
D11 f (x0 , y0 ) D12 f (x0 , y0 )
A=
=
.
a21 a22
D21 f (x0 , y0 ) D22 f (x0 , y0 )
1. Si a11 > 0, det(A) > 0, entonces (x0 , y0 ) es mnimo local de f .
2. Si a11 < 0, det(A) > 0, entonces (x0 , y0 ) es mximo local de f .
3. Si det(A) < 0, (x0 , y0 ) no es mximo ni mnimo local de f , (es punto de silla).
4. En otro caso (det(A) = 0), no sabemos si (x0 , y0 ) es mximo o mnimo local de f
(habra que estudiar las derivadas parciales de orden superior).
Ejemplo 87 (2 variables) Calcular los extremos locales de f (x, y) = x2 + y2 + cos(x).
Paso 1: Calcular los puntos crticos. Para ello, calculamos las derivadas parciales, igualamos
a cero y resolvemos el sistema de 2 ecuaciones con 2 incgnitas resultante (Teorema 67):
D1 f (x, y) = 2x sen(x) = 0
D2 f (x, y) = 2y = 0
Por lo tanto, tenemos un nico punto crtico, el (0, 0).
196

x=0

y=0

Paso 2: Estudiar si ese punto crtico es mximo local, mnimo local o punto de silla. Para
ello, calculamos el valor de las derivadas parciales de segundo orden en el punto crtico
(Teorema 68). Primero derivamos y luego sustituimos en (0, 0):
D11 f (x, y) = 2 cos(x) D11 f (0, 0) = 1
D12 f (x, y) = 0
D12 f (0, 0) = 0
D22 f (x, y) = 2
D22 f (0, 0) = 2
luego la matriz Hessiana A22 , de las derivadas parciales de segundo orden, en (0, 0) es
A=

D11 f (0, 0) D12 f (0, 0)


D12 f (0, 0) D22 f (0, 0)

1 0
0 2

Como a11 = 1 > 0 y det(A) = 2 > 0, por el Teorema 68 el punto (0, 0) es un minimo local
de f (Figura 88).

Figura 88: Grfica de la funcin

f (x, y) = x2 + y2 + cos(x).

Ejemplo 88 (2 variables) Calcular los extremos locales de f (x, y) = 2x4 + y4 2x2 2y 2 .


Paso 1: Calcular los puntos crticos. Como en el ejemplo anterior, calculamos las derivadas
parciales, igualamos a cero y resolvemos el sistema resultante (Teorema 67):
)
D1 f (x, y) = 8x3 4x = 0
.
D2 f (x, y) = 4y3 4y = 0
De la primera ecuacin resulta que x(8x2 4) = 0, luego o bien x = 0 o bien 8x2 = 4
x = 21 . Tenemos, pues, 3 valores para x: 0,21 , 21 .
De la segunda ecuacin resulta que (4y 2 4)y = 0, luego o bien y = 0 o bien y2 = 1 y = 1.
Tenemos, pues, 3 valores para y: 0, 1, 1.
Por lo tanto, hemos encontrado 9 puntos crticos de f : (0, 0), (0, 1), (0, 1), ( 1 , 0), ( 1 ,
1),
2
2
1
1
1
( 1
, 1), ( , 0), ( , 1) y ( , 1).
2
2
2
2
197

Paso 2: Estudiar, para cada uno de estos 9 puntos crticos, si es mximo local, mnimo local
o punto de silla. Para ello, tenemos que calculamos el valor de las derivadas parciales de
segundo orden en cada punto crtico (Teorema 68). Primero derivamos:
D11 f (x, y) = 24x2 4
D12 f (x, y) = 0
D22 f (x, y) = 12y2 4
y ahora tenemos que sustituir (x, y) por cada uno de los 9 puntos crticos. Como son muchos,
es tpico construir una tabla como la que sigue, en la que, para cada punto crtico (x0 , y0 ),
adems del valor de D11 f (x0 , y0 ), D22 f (x0 , y0 ) y D12 f (x0 , y0 ) calculamos el valor del determinante de la matriz A22 asociada. Con los signos de D11 f (x0 , y0 ) y de det(A) decidimos
si el correspondiente punto crtico (x0 , y0 ) es mximo local, mnimo local o punto de silla:
D11 f
D22 f
D12 f
det(A)

(0, 0)
1)
-4
-4
0
16
max

(0, 1)
-4
8
0
-32
silla

(0, 1)
-4
8
0
-32
silla

28

, 0)

-4
0
-32
silla

, 1)

28

8
0
64
min

, 1)

( 1 , 0) ( 1 , 1)

28
28
-4
8
0
0
-32
64
silla
min

28

8
0
64
min

28

8
0
64
min

As, la funcin f tiene un mximo local, 4 mnimos locales y 4 puntos de silla (Figura 87).
Nota 67 Los Teoremas 67 y 68 anteriores pueden generalizarse a funciones de n variables:
Si un punto a = (x , x , . . . , x ) Rn es extremo local de una funcin f (x1 , x2 , . . . , xn )
1

diferenciable en a entonces
D1 f (a) = D2 f (a) = = Dn f (a) = 0, o bien

f (a) = 0 (a es punto crtico de f ).

Sea a = (x1 , x2 , . . . , xn) Rn un punto crtico de una funcin f (x1 , x2 , . . . , xn ) con


derivadas parciales hasta segundo orden continuas en un entorno de a y sea la matriz
Hessiana de f en a:
D11 f (a) D12 f (a) D1n f (a)
D21 f (a) D22 f (a) D2n f (a)
A=

Dn1 f (a) Dn2 f (a) Dnn f (a)


Recordemos (pgina 135) que, por el Teorema de Schwarz, la matriz Hessiana Ann es
simtrica. Consideremos los signos de siguientes n determinantes:
el elemento a11 ,
el determinante de la submatriz 22

el determinante de la submatriz 33
....

a11 a12
a12
a11
a21
a31
198

a22
a12 a13
a22 a23
a32 a33

el determinante de la matriz n n completa, det(A).

199

Si estos n nmeros son TODOS no nulos, entonces,


1. si son los todos positivos, a es un mnimo local, y
2. si son, alternativamente negativo, positivo, negativo, . . . . (por este orden), a es un
mximo local.
3. En cualquier otro caso, a es un punto de silla.
Ejemplo 89 (3 variables) Calcular los extremos locales de la funcin
f (x, y, z) = 2x2 y2 3z 2 + 2xy + 2yz + 2.
Paso 1: Calcular los puntos crticos. Para ello calculamos las derivadas parciales, igualamos
a cero y resolvemos el sistema de 3 ecuaciones con 3 incgnitas resultante:
D1 f (x, y, z) = 4x + 2y = 0
D2 f (x, y, z) = 2y + 2x + 2z = 0
D3 f (x, y, z) = 6z + 2y = 0
Como en este caso es un sistema lineal, no es difcil comprobar que slo tiene una solucin,
x = y = z = 0, luego tenemos un nico punto crtico, el (0, 0, 0).
Paso 2: Estudiar si es mximo local, mnimo local o punto de silla. Para ello, calculamos el
valor de las 9 derivadas parciales de segundo orden en el punto crtico (0, 0, 0):
D31 f (x, y, x) = 0
D11 f (x, y, x) = 4 D21 f (x, y, x) = 2
D22 f (x, y, x) = 2 D32 f (x, y, x) = 2
D12 f (x, y, x) = 2
D33 f (x, y, x) = 6
D13 f (x, y, x) = 0
D23 f (x, y, x) = 2
luego la matriz Hessiana A33 , de las derivadas parciales de segundo orden, en (0, 0, 0) es
4

D11 f (0, 0, 0) D21 f (0, 0, 0) D31 f (0, 0, 0)


A=

D12 f (0, 0, 0) D22 f (0, 0, 0) D32 f (0, 0, 0)


D13 f (0, 0, 0) D23 f (0, 0, 0) D33 f (0, 0, 0)
4

Como a11 = 4 < 0, det


es un mximo local de f .

6.2.

2 2
2
0
2 6

2 2

= 4 > 0, y det(A) = 8 < 0, el punto crtico (0, 0, 0)

Extremos condicionados

Llamamos problema de extremos condicionados, al problema de calcular los valores mximos y mnimos que alcanza una funcin f (x, y) sobre los puntos (x, y) R2 que satisfacen
una condicin representada por una ecuacin g(x, y) = 0, es decir,
200

Minimizar/maximizar f (x, y)
sujeto a:
g(x, y) = 0

(problema de extremos condicionados).

201

Por ejemplo, en la Figura 89 tenemos la grfica de una funcin f (x, y), que es una
superficie que slo tiene un mnimo, en (0, 0). La ecuacin g(x, y) = 0 representa una curva
sobre el plano OXY. Esta curva se proyecta verticalmente dibujando una curva sobre la
superficie de la grfica de f . Se trata de calcular el mnimo sobre dicha curva. Este mnimo
est representado por un punto a de la curva g(x, y) = 0. Notar que a no es mnimo de f
considerada como superficie, slo es mnimo de f condicionado a g(x, y) = 0.

Figura 89: El punto a es un mnimo de f (x, y) condicionado a g(x, y) = 0.

Definicin 57 (Extremo condicionado) Sea f : D R2 R. Diremos que (x0 , y0 ),


punto interior de D, es un mximo de f condicionado a g(x, y) = 0 si
1. g(x0 , y0 ) = 0.
2. > 0 tal que f (x0 , y0 ) f (x, y) (x, y) B((x0 , y0 ), ) que cumplen g(x, y) = 0.
Del mismo modo (con ) se define mnimo de f condicionado a g(x, y) = 0.
Teorema 69 (de los Multiplicadores de Lagrange) Sean f, g : D R2 R funciones con derivadas parciales continuas en D. Si (x0 , y0 ) es un extremo de f condicionado
a g(x, y) = 0, entonces existe un R (llamado Multiplicador de Lagrange) tal que
f (x0 , y0 ) = g(x0 , y0 ), es decir,
(
D1 f (x0 , y0 ) = D1 g(x0 , y0 )
D2 f (x0 , y0 ) = D2 g(x0 , y0 )
Demostracin: Sea : I R D, (t) = (x(t), y(t)), una parametrizacin de la curva
descrita por los puntos que satisfacen la condicin g(x, y) = 0. Por lo tanto, g((t)) = 0 para
todo t I. Sea t0 I tal que (t0 ) = (x(t0 ), y(t0 )) = (x0 , y0 ).

202

Consideremos la funcin compuesta h(t) = f ((t)), t I. Como h(t0 ) = f (x0 , y0 ) y


(x0 , y0 ) es un extremo de f condicionado a g(x, y) = 0, t0 es un extremo local de la funcin
h. Por el Teorema 65, h 0 (t0 ) = 0 y, por la regla de la cadena (Teorema 62, pgina 138)
h 0 (t0 ) = f ((t0 )) / 0 (t0 ) = f (x0 , y0 ) / 0 (t0 ) = 0.
Por otro lado, puesto que g((t)) = 0 para todo t I, derivando tambin con la regla de la
cadena (Teorema 62) tenemos que g((t))/ 0 (t) = 0 para todo t I. En particular para
t = t0 tenemos que
g((t0 )) / 0 (t0 ) = g(x0 , y0 ) / 0 (t0 ) = 0.
Por lo tanto, los vectores f (x0 , y0 ) y g(x0 , y0 ) de R2 son ortogonales a un mismo vector
0 (t0 ) R2 , luego son proporcionales: existe un R tal que f (x0 , y0 ) = g(x0 , y0 ).

Figura 90: Representacin grfica del Teorema 69.


Nota 68 (Representacin grfica del Teorema 69) En la Figura 90 est representada
la grfica de una funcin f (x, y) (y sus curvas de nivel), una curva definida por una ecuacin
g(x, y) = 0 y el punto a donde se alcanza el mnimo de f condicionado a g(x, y) = 0.
Recordemos que las curvas de nivel de f estn formadas por lo puntos (x, y) tales que
f (x, y) = cte y que el vector gradiente f (x, y) es perpendicular a estas curvas de nivel. Por
otro lado, la curva definida por g(x, y) = 0 es una curva de nivel de la funcin g(x, y), por
lo que vector gradiente g(x, y) es perpendicular a esta curva en cada uno de sus puntos.
Supongamos que, empezando por el punto ms a la izquierda, vamos recorriendo la curva
definida por g(x, y) = 0 hacia la derecha. Mientras vamos cruzando las curvas de nivel de
f , el valor de f (x, y) va disminuyendo (si las cruzamos de fuera a dentro, como en el punto
b de la Figura 90b) o aumentando (si las cruzamos de dentro a fuera, como en el punto c),
203

luego en esos puntos no se alcanza el mnimo. Justo en el punto en el que la curva definida
por g(x, y) = 0 es tangente a una curva de nivel de f (punto a de la Figura 90b), el valor
de f (x, y) pasa de ir disminuyendo a empezar a aumentar, luego a es un mnimo (de f
condicionado a g(x, y) = 0). Es decir, si un punto a es un mnimo de f condicionado a
g(x, y) = 0, la curva definida por g(x, y) = 0 es tangente a la correspondiente curva de nivel
de f que pasa por ese punto, y sus vectores normales, f (a), g(a) tienen que ser paralelos.
Nota 69 El modo de aplicar este Teorema 69 en la prctica es construir la funcin auxiliar
U (x, y) = f (x, y) + g(x, y),
donde es una constante indeterminada, y resolver el sistema
D1 U (x, y) = 0
D2 U (x, y) = 0
g(x, y) = 0,

(14)

que es un sistema de tres ecuaciones con tres incgnitas (x, y, ). Los puntos (x0 , y0 ) solucin
de este sistema sern los candidatos a mximos o mnimos de f condicionados a g(x, y) = 0.
El Teorema 69 de los multiplicadores de Lagrange es tambin un teorema de condicin
necesaria, pero no suficiente. Todas las soluciones del sistema (14) son condidatos a extremo
condicionado. Si dada (x0 , y0 ) una solucin del sistema (14) queremos saber si es mximo,
mnimo o ni mximo ni mnimo condicionado, podemos hacer como en los siguientes ejemplos.
Ejemplo 90 (Extremos condicionados) Encontrar los mximos y mnimos de la funcin
f (x, y) = xy sujetos a la condicin x + y = 6.
Construimos la funcin auxiliar U (x, y) = f (x, y) +g(x, y) = xy +x+y 6 y planteamos
el sistema
D1 U (x, y) = y + = 0
D2 U (x, y) = x + = 0
g(x, y)
= x +y6= 0
De las primeras 2 ecuaciones obtenemos que = x = y y sustituyendo en la tercera resulta
que = x = y = 3. As pues, tenemos que = 3, que no tiene ningn significado
especial, y que (x, y) = (3, 3) es el nico candidato a extremo de f condicionado a x + y = 6.
Para estudiar si es un mximo o un mnimo procedemos del modo siguiente. Vamos a
estudiar la diferencia entre el valor de f en el punto, f (3, 3), y el valor de f en los puntos
del entorno de (3, 3) que satisfacen x + y = 6: f (3 + h, 3 + k) siendo (3 + h, 3 + k) tal que
satisface (3 + h) + (3 + k) = 6, es decir, k = h. Entonces,
f (3 + h, 3 + k) f (3, 3) = (3 + h)(3 + k) 9 = 9 + 3h + 3k + hk 9 = 3h + 3k + hk =
h
i
= como k = h, sustituyendo = 3h 3h h2 = h2 < 0 (para todo h = 0).
Por lo tanto, f (3 + h, 3 + k) < f (3, 3) y (3, 3) es un mximo condicionado.
204

Ejemplo 91 (Extremos condicionados) Encontrar los mximos y mnimos de la funcin


f (x, y) = x2 + 2y2 + 2xy + 2x + 3y sujetos a la condicin x2 y = 1.
Construimos la funcin auxiliar U (x, y) = f (x, y) + g(x, y) =
= x2 + 2y2 + 2xy + 2x + 3y + x2 y
y planteamos el sistema
D1 U (x, y) = 2x + 2y + 2 + 2x = 0 (1)
D2 U (x, y) = 2x + 4y + 3 = 0
(2)
g(x, y)
= x2 y 1 = 0
(3)
Para resolver el sistema, de (3) despejamos y = x2 1 y sustituimos en las otras 2 ecuaciones:
(1): 2(1 + )x + 2x2 2 + 2 = 0 (1 + )x + x2 = 0

x = 0,
1 + + x = 0 = x 1.

(2): 2x + 4x2 4 + 3 = 0 = 4x2 + 2x 1.


Si x = 0 entonces de (3) y = 1 y de (2) = 1.
Si = x 1 = = 4x2 + 2x 1 4x2 + 3x = 0 x = 3 y =
4

= 1.

16

Tenemos, pues, dos soluciones, posibles mximos o mnimos condicionados:


x = 0, y = 1, = 1 = (0, 1).
x = 3, y =
4

, = 1 = ( 3 ,

16

).

16

Estudiemos si (0, 1) es mximo o mnimo de f condicionado. Para ello estudiamos


f (0 + h, 1 + k) f (0, 1) con (0 + h, 1 + k) un punto del entorno que cumple la condicin
h2 (k 1) = 1 k 1 = h2 1. Sustituyendo:
f (0 + h, 1 + k) f (0, 1) = h2 + 2(k 1)2 + 2h(k 1) + 2h + 3(k 1) (2 3) =
= h2 + 2(h4 2h2 + 1) + 2h3 2h + 2h + 3h2 3 + 1 = 2h4 + 2h3 .
Como 2h4 + 2h3 es positivo o negativo segn los valores que demos a h, (0, 1) no es mximo
ni mnimo de f condicionado a x2 y = 1.
Estudiemos ahora del mismo modo si ( 34 , 167 ) es mximo o mnimo condicionado.
3
7
Calculamos f ( 3 + h, 7 +
) con ( 3 + h, + k) un punto del entorno
7 k) f ( ,
4

16

16

que
cumple la condicin (h 3 )2 (k
7
4

f (h 3 , k 7 ) f ( 3 , 7 ) = =
suficientemente
4
16
4
16
4

7
16

16

) = 1, o bien k

= (h 3 )2 1. Sustituyendo:
16

h2 (8h2 16h + 9) > 0, (para h = 0

pequeo), luego el punto ( 34 , 167 ) es un mnimo condicionado de f .


205

Ejemplo 92 (Extremos condicionados con tres variables y dos condiciones)


Calcular la distancia (mnima) al origen de la curva en R3 dada por la interseccin de las
ecuaciones
(
g1 (x, y, z) = x2 xy + y2 z 2 1 = 0,
g2 (x, y, z) = x2 + y2 1 = 0.

206

Como R3 tiene dimensin 3 (3 grados de libertad), al imponerle una ecuacin, digamos


g1 (x, y, z) = 0, tendremos 2 grados de libertad, es decir, se trata de una superficie en R3 .
Si ahora imponemos otra ecuacin, g2 (x, y, z) = 0, nos quedar un slo grado de libertad,
luego los puntos que satisfacen las dos ecuaciones simultaneamente forman una curva en el
espacio R3 . Esta curva tambin puede entenderse como la interseccin de las dos superficies
definidas por cada una de las ecuaciones. Como, en este caso, la ecuacin g2 (x, y, z) = 0
representa un cilindro, la curva en cuestin ser cerrada. Se trata entonces de calcular, de
entre todos los puntos de esa curva, aquel que est ms cerca del origen (0, 0, 0) R3 .
p
La distancia al origen de un punto (x, y, z) R3 viene dada por x2 + y2 + z 2 . Se trap
ta, pues, de calcular el mnimo de la funcin f (x, y, z) = x2 + y2 + z 2 sobre los puntos
de R3 que cumplen las condiciones g1 (x, y, z) = 0, g2 (x, y, z) = 0. Una observacin importanteppara hacer ms fcil este ejercicio es que los puntos (x, y, z) que minimizan la
funcin x2 + y2 + z 2 son los mismos que minimizan el cuadrado de esta funcin, es decir,
xp2 + y2 + z 2 . Notar que las derivadas parciales de x2 + y2 + z 2 son ms sencillas que las de
x2 + y2 + z 2 . As, el problema puede plantearse como
Minimizar f (x, y, z) = x2 + y2 + z 2
sujeto a:

g1 (x, y, z) = x2 xy + y2 z 2 1 = 0
g2 (x, y, z) = x2 + y2 1 = 0,

que es un problema de extremos condicionados de una funcin con 3 variables sujetas a 2


condiciones. El modo de resolverlo es utilizar 2 Multiplicadores de Lagrange, y , uno
para cada condicin, y construir la funcin auxiliar
U (x, y, z) = f (x, y, z) + g1 (x, y, z) + g2 (x, y, z),
es decir,
U (x, y, z) = x2 + y2 + z 2 + x2 xy + y2 z 2 + x2 + y2
y plantear el sistema:
D1 U (x, y, z) = 2x + 2x y + 2x = 0
D2 U (x, y, z) = 2y x + 2y + 2y = 0
D3 U (x, y, z) = 2z 2z = 0
g1 (x, y, z)

= x2 xy + y2 z 2 1 = 0

g2 (x, y, z)

= x2 + y2 1 = 0,

que tiene 5 ecuaciones con 5 incgnitas (x, y, z, , ). De la tercera ecuacin tenemos que o
bien z = 0 o bien = 1.
Si z = 0 entonces comparando las ecuaciones (4) y (5) se obtiene que xy = 0
207

x=0
y = 0.

y=1
y = 1.

Si x = 0, por la ecuacin (5) tenemos que y2 = 1

Del mismo modo, si y = 0, por la ecuacin (5) tenemos que x2 = 1

x=1
x = 1.

Tenemos, pues, cuatro posibilidades para x, y (con z = 0). Resolviendo en las ecuaciones
(1) y (2) se obtiene que = 0, = 1 en los cuatro casos. Por lo tanto tenemos 4 soluciones
del sistema que proporcionan 4 posibles extremos: (0, 1, 0), (0, 1, 0), (1, 0, 0) y (1, 0, 0).
Si consideramos ahora el caso = 1, entonces sustituyendo en las ecuaciones (1) y (2) y
restando la ecuacin (5) de la (4) tenemos:
4x y + 2x = 0
x + 4y + 2y = 0
xy z 2 = 0

(4 + 2)x y = 0
(10 )
x + (4 + 2)y = 0 (20 ) (4 + 2)2 x x = 0
xy + z 2 = 0
(40 )
x=0

((4 + 2) 1)x = 0
2

(4 + 2)2 = 1.

Si x = 0 entonces por (1) tenemos que y = 0 lo cual contradice la ecuacin (5) y este caso
no proporciona ninguna solucin del sistema.
Si (4 + 2)2 = 1 entonces 4 + 2 = 1

= 3/2
= 5/2

Si = 3/2 4 + 2 = 1, entonces por (1) tenemos x = y y por (4) tenemos que


x = z = y = 0, que contradice (5).
Si = 5/2 4 + 2 = 1, entonces por (1) tenemos x = y y, sustituyendo en (4),
x=z
x2 = z 2
x = z
Si x = z, sustituimos en la ecuacin (4) del sistema y tenemos que, como x = y, xy + y2 =
1 y2 + y2 = 1 y = 1 , luego obtenemos los siguientes posibles extremos: 1 , 1 , 1
,

, ,
2
2
2
1

2
2
2

Si x = z, sustituimos en la ecuacin (4) del sistema y procediendo como antes obtenemos


1
, 1 , 1 .
los siguientes posibles extremos: 1 , 1 , 1 ,


2
2
2

Tenemos, pues, 8 puntos que son candidatos a mximos o mnimos condicionados de


f . Para saber en cul se alcanza el mnimo absoluto, notemos que el conjunto de puntos
sobre el que hay que minimizar es cerrado y acotado en R3 , luego la funcin f (x, y, z) =
x2 + y2 + z 2 (continua) alcanza su mximo y su mnimo absolutos en ese conjunto (Teorema
208

44 de Weierstrass). Como
f (0, 1, 0) = f (0, 1, 0) = f (1, 0, 0) = f (1, 0, 0) = 1,
f

, 1

,
2
2
2

=f

1
1
1
, ,
2
2
2

=f

, 2 , 2 = f

, ,
2
2
2

= 2,

los 4 primeros puntos son mnimos de f condicionados (y los 4 siguientes son mximos).

209

6.3.

Extremos absolutos

Definicin 58 (Extremo absoluto (una variable)) Sea f : D R R. Diremos que


x0 D es un mximo absoluto de f en D si f (x0 ) f (x) para todo x D. Del mismo
modo (con ) se define mnimo absoluto de f en D.
Si f es continua en D = [a, b] (cerrado y acotado), el Teorema 42 de Weierstrass garantiza
que f tiene un mximo y un mnimo absolutos en [a, b]. Este es slo un teorema de existencia.
Cmo calcular estos extremos? Notemos que, o bien estn en el interior del intervalo (a, b)
(y son extremos locales) o bien estn en la frontera del intervalo, es decir, en los puntos a
b. Por ejemplo, en la Figura 91 los extremos absolutos de f tienen que estar entre los puntos
a, c, d, e, m, n y b. Si calculsemos f (a), f (c), f (d), f (e), f (m), f (n) y f (b) obtendramos
que el mnimo absoluto se alcanza en c y el mximo absoluto se alcanza en b.

Figura 91: Teorema de Weierstrass

Nota 70 (Para calcular los extremos absolutos) de f continua en [a, b] hay que calcular el valor de f en los puntos siguientes:
puntos x0 (a, b) donde f es diferenciable y f 0 (x0 ) = 0 (puntos crticos),
puntos x0 (a, b) donde f no es diferenciable (punto d en la Figura 91), y
los puntos a, b.

Definicin 59 (Extremo absoluto (dos variables)) Sea f : D R2 R. Diremos


que (x0 , y0 ) D es un mximo absoluto de f en D si f (x0 , y0 ) f (x, y) para todo (x, y) D.
Del mismo modo (con ) se define mnimo absoluto de f en D.
Si f es continua en D R2 cerrado y acotado, el Teorema 44 de Weierstrass garantiza
que f tiene mximo y mnimo absolutos en D. Cmo calcular estos extremos? Como en
una variable, o bien estn en el interior de D o bien estn en la frontera de D.
210

Por ejemplo, para calcular los extremos absolutos de una funcin f (x, y) continua sobre
el semicrdulo D (cerrado y acotado) de la Figura 92 estudiamos:
Interior de D: calculamos los puntos crticos en los que f es diferenciable y se cumple que
f (x, y) = 0 y los puntos en los que f no es diferenciable, y consideramos slo los que estn
en el interior de D.
Frontera de D: supongamos que dicha frontera est expresada con ecuaciones. Por ejemplo,
la frontera de D (Figura 92) est definida en dos tramos, el segmento circular de ecuacin
g1 (x, y) = x2 + y2 4 = 0 y el segmento recto de ecuacin g2 (x, y) = x + y = 0, unidos por
los puntos P y Q. Si resolvemos un problema de extremos condicionados para cada una de
las ecuaciones que definen la frontera,
Minimizar/maximizar f (x, y)
sujeto a:
g1 (x, y) = 0

Minimizar/maximizar f (x, y)
sujeto a:
g2 (x, y) = 0,

los puntos crticos que encontremos que estn en el correspondiente segmento de frontera
sern posibles extremos absolutos de f en D. Adems, tambin tenemos que considerar los
puntos en los que la frontera no es diferenciable, como P y Q de la Figura 92.

Figura 92: La frontera de D est determinada por dos ecuaciones, g1 (x, y) = 0, g2 (x, y) = 0
Nota 71 (Para calcular los extremos absolutos) de f continua en D cerrado y acotado hay que calcular el valor de f en los puntos
(a) del interior de D en los que f es diferenciable y cumplen f (x, y) = 0 (puntos crticos),
(b) del interior de D en los que f no es diferenciable,
(c) de cada segmento diferenciable de la frontera de D, expresados como g(x, y) = 0 y que
son puntos crticos del correspondiente problema de extremos condicionados, y
(d) en los puntos donde la frontera no es diferenciable, como P y Q de la Figura 92.
Ejemplo 93 (Extremos absolutos) Determinar los extremos absolutos de la funcin
2
2
f (x, y) = ex x+y en el dominio D = (x, y) R2 : x2 + y2 4, x + y 0
211

Como D es un conjunto cerrado y acotado (es el semicrculo de la Figura 92) y f es una


funcin continua en D, por el Teorema 44 de Weierstrass f alcanza su mximo y su mnimo
absolutos en A. Estos puntos extremos absolutos estn entre (ver Nota 71):
(a) Puntos crticos de f en el interior de D:
D1 f (x, y) = (2x 1)ex
D2 f (x, y) = 2yex

2 x+y 2

x+y

=0

=0

x=

y=0

1
2

1
As, f tiene un slo punto
crtico, el ( 12 , 0), que s est en el interior de D (pues cumple que
( 12 ) 2 + 02 < 4 y que 2 + 0 > 0).

(b) Puntos en el interior de D en los que f no es diferenciable: no hay.


(c) Puntos crticos del problema de extremos condicionados en cada segmento de la frontera:
(c.1) Estudiemos el segmento de la frontera correspondiente a la circunferencia:
(
2
2
Minimizar/maximizar f (x, y) = ex x+y
g1 (x, y) = x2 + y2 4 = 0

sujeto a:

Para resolverlo construimos la funcin auxiliar


2
2
U (x, y) = f (x, y) + g1 (x, y) = ex x+y + x2 + y2 4,
derivamos y planteamos el sistema:
D1 U (x, y) = (2x 1)e x

x+y 2

+ 2x = 0

x 2x+y

D2 U (x, y) = 2ye
g1 (x, y)

+ 2y = 0

= x2 + y2 4 = 0

De la segunda ecuacin tenemos que y = 0 = ex x+y . Si y = 0, de la tercera ecuacin


tenemos que x2 = 4 = x = 2, luego tenemos 2 puntos crticos: (2, 0) y (2, 0). El
primero de ellos s est en D pero el segundo no.
2

Si = ex x+y , de la primera ecuacin tenemos que (2x 1) 2x = 0 = = 0, lo


2
2
cual es imposible (pues = ex x+y ), luego no tenemos ms puntos crticos.
2

(c.2) Estudiemos el segmento de la frontera de D correspondiente a la recta:


(
2
2
Minimizar/maximizar f (x, y) = ex x+y
sujeto a:

g2 (x, y) = x + y = 0
212

Para resolverlo construimos la funcin auxiliar


2
2
U (x, y) = f (x, y) + g2 (x, y) = ex x+y + x + y,

213

derivamos y planteamos el sistema:


D1 U (x, y) = (2x 1)ex

D2 U (x, y) = 2yex
g2 (x, y)

2 x+y 2

x+y 2

+ =0

+ =0

= x+y=0

Despejando de las dos primeras ecuaciones y comparando obtenemos que 2x 1 = 2y. De


la tercera ecuacin tenemos que y = x y sustituyendo en la expresin anterior tenemos que
4x = 1 = x = 1 = y = 1 , luego obtenemos el punto ( 1 , 1 ) que s est en D.
4


(d) Puntos entre segmentos de la frontera de D: P = ( 2, 2) y Q = ( 2, 2).


Figura 93: Los candidatos a extremo global: ( 12 , 0), (2, 0), ( 14, 14), ( 2, 2) y ( 2, 2)
Por lo tanto, el mximo y el mnimo absolutos de f en D estn entre estos cinco puntos:


1
1
(1
, 0), (2, 0), ( 4 , 4 ), ( 2, 2) y ( 2, 2).
2
Calculamos el valor de f en cada uno de ellos,

f ( 1 , 0) = e 4 , f (2, 0) = e2 , f ( 1 , 1 ) = e 8 , f ( 2,
1

y obtenemos que:

2) = e4

y f(


2, 2) = e4+ 2 ,


( 12 , 0) es el mnimo absoluto y ( 2, 2) es el mximo absoluto de f en D.

214

7.

Integrales de una variable

Sabiendo que el rea de un rectngulo es base por altura, podemos calcular el rea
de una superficie irregular? S, con el concepto de paso al lmite. En este tema vamos a
estudiar el problema de calcular el rea de una superficie irregular especial, definida por una
funcin y = f (x), el eje OX y las rectas verticales de abscisas a y b:

Observa que esta superficie tiene tres lados rectos como los de un rectngulo y uno slo
irregular, definido por una funcin f . Si podemos calcular este tipo de reas, podremos
calcular el rea de superficies irregulares ms generales pues stas pueden ser divididas en
trozos de modo que cada trozo sea del tipo anterior.
Supongamos que la funcin f : [a, b] R es positiva y acotada, como la de la figura
anterior. Para calcular el rea, dividimos el intervalo [a, b] en n subintervalos tomando n + 1
puntos
a = t0 < t1 < t2 < . . . < tn = b,
y construimos n rectngulos de base cada uno de los subintervalos [tj1 , tj ] y altura f (tj ) .

Sumando de las reas de los rectngulos, rea

n
P

f (tj ) (tj tj1 ) ,

j=1

y mediante algn tipo de paso al lmite, rea = lm


?

n
P

f (tj ) (tj tj1 ).

j=1

A ese lmite lo llamamos integral de f en [a, b], y lo representamos por


si queremos especificar la variable de integracin. Veamos un ejemplo.

215

Rb
a

f , o por

Rb
a

f (x) dx

R1
Ejemplo 94 Dada la funcin f : [0, 1] R, f (x) = x2 , calculemos 0 f . Para ello,
dividimos el intervalo [0, 1] en n subintervalos de igual longitud 1n. Calculemos, en primer
lugar, la suma de los rectngulos por encima de la funcin:

h
i
A1 (n) = base (suma de alturas) =

1
n

1 2
n

1
n

2 2
n

3 2
n

+ +

+f

n
n 2
n

+f

+ + f

12 + 22 + + 2n
.
n3
2

As, tenemos una aproximacin al valor de la integral, A1 (n) = 1 +2 n3++n , que ser mejor
cuanto mayor sea n. Si queremos el valor exacto, tomamos lmite cuando n +:
h
i
2
2
2
1
lm A1 (n) = lm 1 2 + 2 + 3 + + = Stolz, Ejemplo 16, pgina 30 = ,
n
n

n3

luego hemos obtenido que

R1
0

f = 31 . Si calculamos la suma de los rectngulos por debajo:

216

217

A2 (n) =

1
n

02 +

1
n

2
2
n

+ +

n1
n

,
n3
tenemos una aproximacin distinta,
A2 (n), al valor de la integral. Notar que, por construcR1
cin se cumple que: A 2 (n) < 0 f < A 1(n). Como antes, si tomamos lmite:
h
i
2
2
2
1
lm A2 (n) = lm 1 + 2 + + (n 1) = Stolz = .
n

12 + 22 + + (n 1)2

n3

Rb
Nota 72 Si f es positiva en [a, b], la integral a f representa el rea entre la grfica de fb y
R
Pn
)
son
negativas
y
la
integral
f
el eje OX. Si f es negativa, las sumas
f
(t
)(t

t
1
j=1
j
j
j
a
es tambin negativa,
luego no puede ser un rea. En este caso, el rea
Rb
R b entre la grfica de f y
el eje OX es a f . Si f es positiva y negativa en [a, b], entonces a f representa la suma de
las reas de las superficies por encima del eje ROX menos la suma de las reas por debajo del
b
eje OX. Por ejemplo, en la figura siguiente, a f representa el rea por encima del eje OX
menos el rea por debajo.
Rc
RSib lo que queremos es calcular el rea de la superficie sombreada
tenemos que hacer a f c f .

7.1.

La integral de Riemann

Vamos a considerar aqu funciones acotadas definidas en intervalos cerrados y acotados,


f : [a, b] R tal que M > 0 : |f (x)| M x [a, b].
En la Integral de Riemann, se construyen dos conjuntos de rectngulos, uno formado
por rectngulos por debajo de f y otro por encima. Si f es continua en [a, b], el Teorema
42 de Weierstrass garantiza la existencia del mximo y del mnimo de f (x) en cualquier
subintervalo de [a, b], y stas van a ser las alturas de los rectngulos. Si f no es continua, el
mximo y el mnimo no tienen por qu existir, y para definir las alturas de los rectngulos
necesitamos los conceptos de supremo e nfimo de un conjunto.
Definicin 60 (Supremo e nfimo) Sea D R un conjunto no vaco y sea a R. Decimos que a es el supremo de D si a es la menor de las cotas superiores. Decimos que a es el
nfimo de D si a es la mayor de las cotas inferiores.
218

Por ejemplo, el conjunto D = [0, 1) est acotado, no tiene mximo, pero s tiene supremo,
que es el 1 (la menor de las cotas superiores). El conjunto D = [0, 1) s tiene mnimo, que
es el 0, y tambin es el nfimo (la mayor de las cotas inferiores). Aunque puede ocurrir que
un conjunto acotado D no tenga mximo, siempre tendr supremo, como dice el siguiente
teorema.
Teorema 70 (del supremo) Todo conjunto de reales no vaco que tenga cota superior,
tiene supremo. Todo conjunto de reales no vaco que tenga cota inferior, tiene nfimo.
As, si f est acotada en [a, b], el Teorema 70 anterior garantiza la existencia del supremo
y del nfimo de f (x) en cualquier subintervalo de [a, b].
Definicin 61 (Particiones) Llamamos particin de [a, b] a cualquier conjunto de puntos
P = {t0 , t1 , t2 , ..., tn } tales que

a = t0 < t1 < t2 < ... < tn = b.

Denotamos por P al conjunto de todas las particiones del intervalo [a, b]. Dadas dos particiones P, Q P , decimos que Q es ms fina que P si P Q como conjuntos de puntos.
Una particin P = {t0 , t1 , t2 , ..., tn } divide al intervalo [a, b] en n subintervalos:
[a, b] = [t0 , t1 ] [t1 , t2 ] ... [tn1 , tn ] .
Estos subintervalos van a ser las bases de los rectngulos de las que llamaremos sumas
de Darboux. Para las alturas, denotamos por
Mj = supremo f (x) : x [tj1 , tj ]
mj = nfimo f (x) : x [tj1 , tj ]
y as definimos
n
X

U (f, P ) =

Mj (tj tj 1 ) ,

suma superior de Darboux,

mj (tj tj 1 ) ,

suma inferior de Darboux.

j=1
n

X
L (f, P ) =
j=1

219

Como mj Mj , tenemos que L (f, P ) U (f, P ) (y entre ambas est el valor exacto de
la integral). Adems puede verse que, cuando tomamos particiones ms finas, las sumas
inferiores crecen y las sumas superiores decrecen (y aproximan ms el valor de la integral):

As, slo falta hacer el paso al lmite. Notar que en la Definicin 61 de particin no
se pide que las particiones tengan n subintervalos de igual longitud, por lo que el paso al
lmite en general no consiste simplemente en hacer n +. El modo de hacerlo es con los
conceptos de nfimo y supremo (Definicin 60, pgina 169).
Teorema 71 Sean P, Q P cualesquiera, entonces L (f, Q) U (f, P ) .
Demostracin: Dadas dos particiones P, Q P cualesquiera, sea la particin R = P Q
(unir y reordenar). Entonces, R es ms fina que P , luego U (f, R) U (f, P ) , y R es tambin
ms fina que Q, luego L (f, R) L (f, Q) . Adems, L (f, R) U (f, R). Combinando estas
3 desigualdades tenemos que L (f, Q) L (f, R) U (f, R) U (f, P ).
Por este Teorema, el conjunto {L (f, P ) : P P } est acotado superiormente (por cualquier U (f, P )), luego por el Teorema 70 tiene supremo, que llamaremos en la Definicin 62.
El conjunto {U (f, P ) : P P } est acotado inferiormente (por cualquier L (f, P )), luego
por el Teorema 70 tiene nfimo, que llamaremos en la siguiente Definicin 62:
Definicin 62 (Funcin integrable Riemann) Llamemos
= supremo L (f, P ) : P P ,

= nfimo U (f, P ) : P P .

Decimos que una funcin f es integrable Riemann (o R-integrable, o simplemente integrable)


en [a, b] si = . A este valor se le llama integral de f en [a, b] y se denota por
Zb
Zb
f (t) dt, o simplemente
f.
a

Ejemplo 95 (Funcin integrable) Sea f : [a, b] R, f (x) = 3. Veamos que es una


funcin integrable en [a, b]. Dada una particin cualquiera P = {t0 , t1 , t2 , . . . , tn }, el mj de
cada subintervalo es 3, luego L (f, P ) =

220

n
P

mj (tj tj1 ) = 3 (t1 t0 + t2 t1 + t3 t2 + + tn tn1 ) = 3(tn t0 ) = 3(b a)

j=1

y, por lo tanto, = 3(b a). Del mismo modo, todos los Mj = 3 y U (f, P ) =
n
P

Mj (tj tj1 ) = 3 (t1 t0 + t2 t1 + t3 t2 + + tn tn1 ) = 3(tn t0 ) = 3(ba)


Zb
f = 3(b a).
y, por lo tanto, tambin = 3(b a). As, f es integrable y
=

j=1

Ejemplo 96 (Funcin no integrable) Sea f : [a, b] R, f (x) =

0, si x Q,
1, si x
/ Q.

En este caso, dada una particin cualquiera P = {t0 , t1 , t2 , . . . , tn }, todos los mj valen cero
y todos los Mj valen 1, por lo que
n
P
P
L (f, P ) =
mj (tj tj1 ) = 0 (tj tj1 ) = 0,
j=1
n
P
P
Mj (tj tj1 ) = 1 (tj tj1 ) = (tn t0 ) = (b a) .
U (f, P ) =
j=1

As, = 0 mientras que = b a, por lo que la funcin no es integrable.


Intuitivamente, la superficie comprendida entre la grfica de la funcin del Ejemplo 95 y
el eje OX (un rectngulo) define un rea, y la funcin es integrable y el rea es el valor de
su integral. Sin embargo, la regin comprendida entre la grfica de la funcin del Ejemplo
96 y el eje OX no define una superficie y la funcin no es integrable.
La definicin de integrable es para funciones acotadas definidas en intervalos [a, b] cerrados. Para funciones definidas en intervalos abiertos (a, b), tenemos el siguiente teorema.
Teorema 72 Sea f : (a, b) R una funcin acotada y continua. Definiendo f (a) y f (b)
arbitrariamente, la nueva funcin f : [a, b] R es integrable en [a, b]. Adems, el valor de
Rb
la integral af no depende de f (a) ni de f (b).
La idea intuitiva de este teorema es que, como la diferencia entre las superficies definidas
por f en (a, b) y en [a, b] son los dos segmentos verticales laterales de alturas f (a) y f (b), que
no aportan nada al rea, ambas superficies tiene el mismo rea. Esta misma idea repetida
varias veces nos lleva al teorema siguiente.
Definicin 63 (continua a trozos) Diremos que f : [a, b] R es continua a trozos si
f tiene un nmero finito de discontinuidades en [a, b] (ver Figura 94).
Teorema 73 Toda funcin f : [a, b] R acotada y continua a trozos es integrable.

221

Figura 94: Funcin continua a trozos (y acotada)


Este teorema viene a decir que la mayora de las funciones usuales (acotadas) definidas
en un intervalo [a, b] son integrables. De hecho, sabras poner un ejemplo de funcin acotada
en [a, b] que no sea continua a trozos? Piensa en el Ejemplo 96.
La integral de una funcin continua a trozos como la anterior habra que calcularla por
separado en cada subintervalo en donde f es continua y luego sumar. Adems, por el Teorema
72, el valor de f en los puntos de discontinuidad no importa.
El siguente teorema indica el comportamiento de las funciones integrables frente a las
operaciones algebraicas.
Teorema 74 (Algebra de funciones integrables) Sean f, g dos funciones integrables
en [a, b]. Entonces,
Rb
Rb
(i) f es integrable y a f = a f , para todo R.
Rb
Rb
Rb
(ii) f + g es integrable y a (f + g) = a f + a g.
Rb
Rb
Rb
(iii) f g es integrable, pero a (f g) no es a f
a g .
Rb
Rb
(iv) |f | es integrable y
f |f |.
a

(v) Si f g entonces

Rb
a

Rb
a

g.

(vi) Para cada c (a, b), f es integrable en [a, c] y en [c, b], y


Definicin 64 (vii)

Ra
a

f = 0,

(viii)

Ra

f =

Rb

Rc
a

f+

Rb
c

f =

f.

Nota 73 Con esta definicin, prueba que se cumple

222

Rc
a

f+

Rb
c

f+

Ra
b

f = 0.

Rb
a

f.

7.2.

Clculo de la Integral

Veamos cmo calcular

Rb
a

f de un modo eficiente, sin necesidad de calcular lmites.

Si una funcin f es integrable en un intervalo [a, b], por el Teorema 74(vi) f es integrable
en cada subintervalo [a, x] con x [a, b], y podemos definir una nueva funcin
Zx
G : [a, b] R, G(x) =
f,
a

Rx

o bien G(x) = a f (t) dt, que representa el rea barrida por el segmento f (t) cuando t
vara entre a y x:

Ejemplo 97 Comprueba que para


(
+1, si x [1, 0)
f (x) =

1, si x [0, 1]

G(x) =

x+1, si x [1, 0]
G(x) = 1|x|.

x+1, si x [0, 1]

Si calculamos G(x) habremos calculado todas las integrales


funcin G(x) cumple que:

Rx
a

f , en particular

Rb
a

f . Esta

Rx
Teorema 75 Sea f integrable en [a, b]. (i) G(x) = a f es una funcin continua en [a, b].
Rx
(ii) Si, adems, f es continua, G(x) = a f es una funcin primitiva de f en (a, b).
Demostracin: Aunque con una demostracin no muy rigurosa, vamos a demostrar (ii).
Recordemos (Seccin 4.6) que G es una funcin primitiva de f si G es diferenciable y G 0 = f .
Observa en la figura siguiente que el rea sombreada G(x+h) G(x) puede aproximarse,
para valores de h pequeos, por un rectngulo de base h y altura f (t), para algn t [x, x+h]
(si f es continua), luego G(x + h) G(x) = hf (t). Dividiendo por h, G(x+h)G(x)
= f (t),
h
y tomando lmites cuando h 0, G 0 (x) =
h
i
h
i
G(x + h) G(x)
=
l

mf
(t)
=
f
continua
= f lm t = t [x, x + h] = f (x).
= lm
h0
h0
h0
h
223

Si f no es continua, G puede ser no diferenciable, como G(x) = 1|x| del Ejemplo 97.
Rx
Si f es continua, la funcin G(x) = a f es una primitiva de f pero, cul de ellas?
Recordemos (Seccin 4.6) que si f tiene una primitiva F entonces tiene infinitas, todas
de la forma F + C (constante). Sea F una primitiva cualquiera de f . Sabemos que hay
una constante tal que G(x) = F (x) + C . Haciendo x = a en esta expresin resulta que
G(a) = F (a) + C, luego C = F (a) y tenemos que
Z
G(x) = F (x) F (a),

f = F (x) F (a),

es decir,

Rb
siendo F una primitiva calquiera de f . En particular, a f = F (b) F (a). Este resultado es
tambin vlido aunque f no sea continua, y se conoce como:
Teorema 76 (Fundamental del Clculo) Sea f integrable en [a, b] y sea F una funcin
continua en [a, b] y primitiva de f en (a, b) cualquiera. Entonces:
Zb
f = F (b) F (a) .
a

Demostracin: Dada P = {t0 , t1 , t2 , . . . , tn } P una particin cualquiera de [a, b], tenemos


que
n
P
F (b) F (a) =
F (tj ) F (tj1 ) .
j=1

Como F es continua en cada subtervalo [tj1 , tj ] y diferenciable en cada (tj1 , tj ), por el


TVML (Teorema 53, pgina 99) existe un punto zj (tj1 , tj ) tal que
F(tj) F(tj1 )

= F 0 (z )j = f (z ),
j

tj tj1

F (t ) F (t
j

) = f (z )(t t
j1

). Sustituyendo,
j1

F (b) F (a) =

f (zj ) tj tj1 y como cada mj f (zj ) Mj , tenemos que

j=1

L(f, P ) F (b) F (a) U (f, P ),

para toda particin P P .

Pero si f es integrable, el nico valor que estR entre todas las sumas superiores y todas las
b
inferiores es la integral, luego F (b) F (a) = a f .
224

Este Teorema 76 se llama Fundamental del Clculo pues reduce el problema de la integracin (clculo de reas, por ejemplo) a un problema de derivacin al revs (clculo de
primitivas).
En la prctica es suficiente comprobar que F es una primitiva de f en algn abierto que
incluya a [a, b]. Por ejemplo, la integral del Ejemplo 94 (pgina 168) puede calcularse sin
3
necesidad de lmites sabiendo que x3 es una primitiva de x2 en todo R:
Z1
2

x dx =

7.3.

x3

x=1

=
x=0

13

03

1
= .
3
3

Integracin numrica

Como ocurre con las ecuaciones del tipo f (x) = 0 (ver Seccin 3.2.5), la mayora de las
Rb
integrales definidas a f (x) dx no pueden resolverse de modo analtico, pero en muchas situaciones prcticas es suficiente obtener una solucin numrica aproximada con un determinado
nmero de decimales exactos. Para ello, existen un gran nmero de mtodos llamados de integracin numrica, de los que vamos a ver los dos ms sencillos, el mtodo de los rectngulos
y el de los trapecios, que se basan en aproximar la integral por una suma de Darboux.
Sea f : [a, b] R continua y hagamos una particin de [a, b] en n subintervalos de igual
longitud h = ba
: a = t0 < t1 < t2 < . . . < tn1 < tn = b, con cada t j+1 = tj + h.
n
Mtodo de los rectngulos: consiste en aproximar cada

R tj
tj1

f (x) dx por un rectngulo

de base h y altura f (zj ), siendo zj = tj12+tj el punto medio del subintervalo j. Entonces,
una aproximacin al valor de la integral es:
R(n) =

n
P

h f (zj ) =

j=1

n
P
j=1

ba
n

tj1 +tj
2

Mtodo de los trapecios: consiste en aproximar cada

R tj

tj1 f (x)

dx por un trapecio de base

h y alturas f (tj1 ), f (tj ):


T (n) =

n
P

f(tj1 )+f(tj)
2

ba
2n

f (t0 )+f (t1 ) + f (t1 )+f (t2 ) + + f (tn 1 )+f (tn ) =

j=1

ba
2n

f (t0 ) + 2f (t1 ) + 2f (t2 ) + + 2f (tn2 ) + 2f (t n1 ) + f (tn ) .

Puede demostrarse que, si f tiene derivada segunda continua, el error mximo cometido por
estas aproximaciones est acotado por
Rb
2
f R(n) h24 (b a) max |f 00 (x)|, x [a, b] ,
a
225

Rb
a

f T (n)

h2
12

(b a) max |f 00 (x)|, x [a, b] ,

luego podemos calcular el valor de la integral con la precisin que necesitemos tomando n
suficientemente pequeo).
suficientemente grande (o bien h = ba
n

226

7.4.

Aplicaciones de la integral

7.4.1.

Valor promedio de una funcin

El valor promedio de una funcin f (integrable) en [a, b] es la altura M del rectngulo


Rb
de base (b a) que tiene un rea igual a la integral, es decir, a f (x) dx = M (b a) (ver
Figura 95). Despejando M , el valor promedio de la funcin f sobre [a, b] es el cociente
Rb
a f (x) dx,
ba
y puede considerarse como una extensin del concepto de media aritmtica de una familia
finita de nmeros.

Figura 95: M es el valor promedio de f

7.4.2.

Lmites e integrales

Veamos que el lmite de algunas sucesiones cuyo trmino general puede expresarse de la
forma xn = 1n f 1n + f 2n + f n3 + + f nn , puede calcularse transformndolo en
una integral.
Si una funcin f es integrable en el intervalo [0, 1] entonces existe el lmite de sus
sumas de Darboux cuando las particiones se hacen infinitamente finas. En particular, las
particiones Pn = 0, 1n , 2n , . . . , nn del intervalo [0, 1] se hacen infinitamente finas cuando
n tiende a infinito, luego si f es integrable en [0, 1] entonces
Rb
lm U (f, Pn ) = lm L(f, Pn ) = a f .
n

Como, adems, L(f, Pn )


(pues cada f

1
n

1
n

cumple que mj f

j
n

f
n

j
n

2
n

+f

3
n

+ +f

1
n

+f

2
n

+f

3
n

n
n

U (f, Pn )

Mj ), tenemos que, si f es integrable en [0, 1],


Z

1
lm

+f

+ +f

n
n

227

f (x)dx

=
0

(ver Figura siguiente).

Por ejemplo, lm

n +1

= lm
n

1 + 1/n

n +2
1

+ +

n+n

+f

+f

n +1

+ +f

+ +

n +2

n+n
i

1+x

1 + n/n
Z

= tomando f (x) =

1
= lm

+ +

1 + 2/n

= lm

dx
= log(1 + x)

1+x

= log(2).
0

Nota 74 (La suma de la armnica alternada) El ejemplo anterior sirve para calcular
la suma de la armnica alternada (ver Teorema 30)
X
1
1 1 1 1 1
(1)n1
= 1 + + + .
n
2 3 4 5 6
n1

Consideremos sus sumas parciales:


=

1+

1
1 1 1 1 1
+ + + + + +
2n
2 3 4 5 6

1+

1
1 1 1 1 1
+ + + + + +
2n
2 3 4 5 6
1

1
=

n +1

n +2

1 1 1 1 1
1
+ + +
=
2 3 4 5 6
2n
1 1 1
1
2
+ + + +
=
2 4 6
2n

S2n = 1

1+

1 1 1
1
+ + + +
n
2 3 4

1
+ +

n+n

. Por el ejemplo anterior, lm Sn = log(2).


n

228

7.4.3.

Longitud de arco

Queremos calcular la longitud de la curva definida por la grfica de una funcin f diferenciable entre a y b. Cada particin P = {t0 , t1 , . . . , tn } del intervalo [a, b], define una lnea
poligonal que aproxima a la curva (ver Figura 96a).

229

Figura 96: Curva definida por f y poligonal definida por la particin P = {t0 , t1 , . . . , tn }.
Puesto que el lmite de las poligonales (cuando la particin se hace infinitamente fina) es
la curva definida por f , el lmite de las longitudes de las poligonales ser la longitud de la
curva. Cada segmento de la poligonal entre tj1 y tj mide (ver Figura 96b)
q
(tj tj1 )2 + (f (tj ) f (t j1 ))2 .
Si aplicamos el TVML (Teorema 53, pgina 99) a f (diferenciable) en cada intervalo [tj1 , tj ],
existe un zj (tj1 , tj ) tal que
f 0 (zj ) =

f(tj) f(tj1 )
tj tj1

= f (tj ) f (tj1 ) = (tj tj1 )f 0 (zj ),

y sustituyendo en la raz anterior tenemos que cada segmento mide


q
q
2
0
2

t
1 + f 0 (zj )2 .
)
(tj tj1 ) + ((tj tj1 )f (zj )) = (tj
j1
Sumando todos los segmentos, la longitud de la poligonal asociada a la particin P es:
n
n
q
X
X
0
2
(tj tj 1 ) 1 + f (z ) =
h(z )(t t ),

j=1

j1

j=1

p
que es una suma de Darboux de la funcin h(x) = 1 + f 0 (x)2 con la particin P . Como
Rb
el lmite de las sumas de Darboux es la integral a h(x) dx, obtenemos que la longitud del
arco definido por la grfica de la funcin f en [a, b] vale:
Z bp
1 + f 0 (x)2 dx.
a

230

Ejemplo 98 (longitud de arco de la catenaria) Se llama catenaria a la a la curva que


adopta una cadena o cable ideal, con masa distribuida uniformemente por unidad de longitud,
suspendida por sus extremos y sometida a la accin de la gravedad.

231

Para un cable suspendido de dos puntos a


la misma altura, la catenaria es
f (x) = a cosh

x
a

donde a es un parmetro. La longitud de la


catenaria desde el punto mnimo situado en
x = 0 hasta un punto de abcisas x = p es
Z pp
Z pq
Z p
2 x
0
2
1 + f (x) dx =
1 + senh
dx =
cosh
0

x=p
x

dt = a senh

= a senh

x=0

Ejemplo 99 (longitud de arco de y = x2 ) En el Ejemplo 94 de la pgina 168 hemos calculado el rea de la regin limitada por la funcin y = x2 en el intervalo [0, 1]. Calculemos
ahora su permetro. Obviamente, los lados rectos, horizontal y vertical, miden 1. La longitud
del arco es
Z 1
Z 1p
Z 1p
0
2
2
L=
1 + f (x) dx =
1 + (2x) dx =
1 + 4x2 dx =
0

cambio 2x = senh(t) = 2 dx = cosh(t) dt, x = 0 t = 0, x = 1 t = arg senh(2)


Z arg senh(2) p
Z
1
1 arg senh(2)
cosh(t)2 dt =
=
1 + senh(t)2 cosh(t) dt =
2

h
Integrando por partes se obtiene que
=
1

senh(t) cosh(t) +

2 2

t=arg senh(2)

t=0

h
como arg senh(x) = log x +
=

2
R

cosh(t)2 dt =

i
1
2

senh(t) cosh(t) + t2

2 cosh arg senh(2) + arg senh(2) =

i
x2 + 1

1
1
2 cosh log(2 + 5) + log(2 + 5) =
2 5 + log(2 + 5 1,4789429.
4
4

7.4.4.

rea y volumen de revolucin

Si hacemos girar la grfica de la Figura 96a sobre el eje OX, la funcin f genera un slido
de revolucin en R3 del que queremos calcular el rea de su superficie lateral y su volumen.
232

Observa que la lnea poligonal genera una figura de revolucin formada por un conjunto de
troncos de cono y que el lmite de esta figura (cuando la particin se hace infintamente fina)
es la figura generada por f . Si calculamos el rea lateral y el volumen de los troncos de cono,
al pasar al lmite sern el rea lateral y el volumen de la figura de revolucin genrada por f .

233

El rea lateral de un tronco de cono de


altura h, radios r1 , r2 y generatriz s es
2

r1 + r2
s
2

y su volumen

h r 21 + r 22 + r1 r2 .
3

As, la superficie lateral de cada tronco es 2

f(tj1 ) + f(tj)
(tj tj1 )
2

q
1 + f 0 (zj )2

y sumando para todo j tenemos que la superficie lateral del conjunto de troncos de cono es
n
q
X
f (tj 1 ) + f (tj ) 1 + f 0 (zj )2 (tj tj1 ), y en el lmite, el rea de la superficie generada
j=1

2f (x)

al girar la grfica de f en [a, b] alrededor del eje OX es

1 + f 0 (x)2 dx.

Del mismo modo, el volumen de conjunto de troncos de cono es


n
X

(tj tj1 ) f (t j1 )2 + f (tj )2 + f (t j1 )f (tj )

y en el lmite, el volumen del slido de

j=1

f (x)2 dx.

revolucin generado al girar la grfica de f en [a, b] alrededor del eje OX es


a

7.4.5.

Longitud de arco en paramtricas

Hemos visto que, dada f : [a, b] R R diferenciable, la longitud de la curva que


describe su grfica es
Z bp
1 + f 0 (x)2 dx.
a

Si parametrizamos esta funcin f como en el Ejemplo 78 de la pgina 138,


: [a, b] R R2 definida por (t) = (x(t), y(t)) = t, f (t) R2 ,
Z bp
Z bp
0
2
1 + f (t) dt puede expresarse como
x0 (t)2 + y 0 (t)2 dt.
resulta que la integral
a

234

Puede verse que esto es cierto en general: dada una curva en el plano parametrizada como
: [a, b] R R2 , (t) = (x(t), y(t)) , diferenciable, la longitud de esta curva es
Zb
Z bp
0
2
0
2
x (t) + y (t) dt o bien
|| 0 (t)|| dt.
a

Ejemplo 100 (La longitud de la elipse) Queremos calcular la longitud (permetro) de


2
2
la elipse de semiejes a y b, de ecuacin x 2 + y2 = 1, (supongamos, por ejemplo, que a b)
a
b
y que puede parametrizarse como (ver Ejemplo 76, pgina 137):

: [0, 2] R R2 ,
(t) = x(t), y(t) = a cos(t), b sen(t) R2 .
Z

L=

x0 (t)2 +

y 0 (t)2

h
dt =

i
por simetra

=4

=4

=4

Z
a2

sen2 (t) +

b2

cos2 (t)

dt = 4

a2 (1 cos2 (t)) + b2 cos2 (t) dt =

Z
a2 (a2 b2 ) cos2 (t) dt = 4a

h
=

x0 (t)2 + y 0 (t)2 dt =

llamemos h =

a2 b2

a2

r
(a2 b 2)
1
cos2 (t) dt =
a2
Z

i
0, si suponemos que a

b)

h2 cos2 (t) dt = ?

= 4a

Resulta que esta integral no puede resolverse analticamente. De hecho, no se conoce ninguna frmula simple para calcular la longitud de una elipse (el gran
p matemtico indio S.A.
Ramanujan propuso la siguiente aproximacin: L 3(a + b) (3a + b)(a + 3b) ).
Ejemplo 101 (la longitud de una hlice) Calculemos la longitud de la hlice en R3
: 4, 4 R R3 , (t) = a cos(t), a sen(t), bt :
Z 4 q
Z 4
2
2
a sen(t) + a cos(t) + b2 dt =
L=
|| 0 (t)|| dt =
4

235

a2

b2

2
2
dt = 8 a + b .

236

7.4.6.

Integral de lnea de una funcin escalar

La longitud L de una curva en el plano es igual al rea de la superfice en R3 que tiene


como base la propia curva y altura constante 1 (ver Figura 97a),
Z

x0 (t)2 + y 0 (t)2 dt.

Figura 97: Integral de lnea (escalar).


Si ahora cambiamos el 1 por una funcin f (x, y), cuyo dominio incluya a todos los puntos
(t) de la curva (ver Figura 97b), tenemos que
Zb
Zb
p
0
2
0
2
f ((t)) x (t) + y (t) dt,
o bien
f ((t)) || 0 (t)|| dt,
a

es la integral (llamada de lnea) de f (x, y) sobre la curva en el plano XY parametrizada


como (t) = (x(t), y(t)) , t [a, b], y representa el rea de la superfice que tiene como base
la propia curva en el plano XY y altura definida por la funcin f (x, y) (Figura 97b).
Si f (x, y) representa una cierta magnitud fsica (escalar) definida en cada punto (x, y)
del plano, esta integral de lnea tambin puede entenderse como la suma de esta magnitud
evaluada sobre todos los puntos de la curva. Puede verse que el valor de esta integral no
depende de la parametrizacin (t) utilizada ni del sentido de la parametrizacin.
Ejemplo 102 (Integral de lnea escalar) Calcular el rea de la superficie debajo de la
grfica de f (x, y) = x2 + y2 sobre el segmento de recta entre los puntos (1, 0) y (0, 1):
Este segmento puede parametrizarse con : [0, 1] R2 , (t) = (0, 1)+t(1, 1) = (t, 1t).
237

f ((t)) || (t)|| dt =

Entonces, el rea buscada es


0

t2 + (1 t)2

=
0

p
f ((t)) x0 (t)2 + y 0 (t)2 dt =

Z
12 + ( 1)2 dt = 2

1
0

2
3
2t2 2t + 1 dt = 3 .

Ejemplo 103 (Integral de lnea escalar) Integrar la funcin f (x, y, z) = x2 + y2 + z 2


sobre la trayectoria de la hlice : 4, 4 R R3 , (t) = a cos(t), a sen(t), bt :
Z 4
q
2
2
2
a2 cos2 (t) + a2 sen2 (t) + b2 t2
a sen(t) + a cos(t) + b dt =
4

4
2

2 2

a +b t

a2

b2

dt =

a2

b2

a2 + b2 a2 4 + b2

4
4
+ a2 4 + b2
3
3

t
a2 t + b2
3

t=+4
t=4

a2 + b2 8a2 +

128 3 2
b .
3

Nota 75 (Valor promedio de f ) El valor promedio de una funcin f (x, y) ( f (x, y, z))
a lo largo de una curva C en el plano XY (respectivamente en el espacio) puede entenderse
como la integral de lnea de f sobre la curva C dividido por la longitud de C , es decir,
Rb
0
a f((t)) || (t)||dt
Rb
0
a || (t)|| dt
Por ejemplo, el valor promedio de la funcin f (x, y, z) = x2 + y2 + z 2 sobre la hlice de los
Ejemplos 101 y 103 es

a2 +b2 8a2 + 128


3 b2
3

= a 2 + 163 2 b2 .
2
2
8 a +b

7.4.7.

Integral de lnea de una funcin vectorial

Dada una funcin o campo vectorial F : D R2 R2 (F (x, y) representa una cierta


magnitud fsica vectorial en cada punto (x, y) del plano R2 , ver Figura 98) y dada una curva
en el plano parametrizada por : [a, b] R R2 , (t) = (x(t), y(t)) , diferenciable, con
(t) D, se llama integral de lnea de F sobre la curva definida por a:
Zb
238

F ((t)) 0 (t) dt
a

donde es el producto escalar cannico en R2 . Una interpretacin fsica de la integral


de lnea anterior es el trabajo que realiza una partcula cuando se desplaza por el campo
vectorial F siguiendo la trayectoria descrita por la curva (t) desde el punto (a) hasta el

239

Figura 98: Campo vectorial F (x, y) y curva parametrizada como (t)


punto (b). Puede verse que el valor de esta integral no depende de la parametrizacin (t),
pero s depende del sentido de la parametrizacin, de modo que, al cambiar el sentido, el
valor de la integral cambia de signo.
Ejemplo 104 (Integral de lnea vectorial) Calcular la integral de lnea del campo vectorial F (x, y, z) = (x, y, z) sobre la trayectoria de la hlice : 0, 4 R R3 ,
(t) = sen(t), cos(t), t :
Z 4
Z 4
0
F ((t)) (t) dt =
sen(t), cos(t), t cos(t), sen(t), 1 dt =
0

sen(t) cos(t) cos(t) sen(t) + t dt =

=
0

t dt =
0

(4)2
= 8 2 .
2

Una parametrizacin de la misma hlice pero en sentido contrario es : 0, 4 R R3 ,


(t) = sen(4 t), cos(4 t), 4 t . Con esta parametrizacin, el valor de la integral de
lnea es
Z 4
sen(4 t), cos(4 t), 4 t cos(4 t), sen(4 t), 1 dt =
0

sen(4 t) cos(4 t) + cos(4 t) sen(4 t) + t 4 dt =

=
0

(t 4)dt =

=
0

(4)2
2

4(4) = 8 ,
240

luego al cambiar el sentido de la parametrizacin, la integral ha cambiado de signo.

241

Nota 76 Supongamos que el campo vectorial F es el gradiente de un campo escalar H ,


F = H . Dicho de otro modo, H es la funcin potencial de F (ver Seccin 5.10). La derivada
de H ((t)) (ver regla de la cadena (11) en la pgina 141) es H ((t)) 0 (t) = F ((t)) 0 (t),
luego H ((t)) es una primitiva del integrando y, por el TFC (Teorema 76),
Zb
F ((t)) 0 (t) dt = H ((b)) H ((a)),
a

es decir, la integral de lnea de F a lo largo de una curva slo depende de los puntos inicial
y final. A estos campos vectoriales F (que son el gradiente de un campo escalar H ), se les
llama campos conservativos.
7.4.8.

El Teorema de Green

Estudiemos ahora las integrales de lnea de campos vectoriales sobre una curva C en el
plano cerrada (continua y tal que el punto inicial y final coinciden), regular a trozos (puede
ser parametrizada con una diferenciable excepto en un nmero finito de puntos) y simple
(no se corta a s misma). En ese caso, se suele utilizar le notacin
Zb
I
F dC =
F ((t)) 0 (t) dt.
a

Recordemos que estas integrales s dependen del sentido de la parametrizacin, de modo


que, al cambiar el sentido, el valor de la integral cambia de signo. Para fijar ideas, llamemos
parametrizacin positiva a aquella que sigue el sentido contrario a la agujas del reloj. El
siguiente Teorema de Green relaciona las integrales de lnea vectoriales con la integrales
dobles que veremos en el Tema 8.
Teorema 77 (de Green) Sea C una curva parametrizada positiva en el plano, cerrada,
regular a trozos y simple. Sea R la regin del plano determinada por C y su interior. Sea
F (x, y) = p(x, y), q(x, y) un campo vectorial tal que p y q tienen derivadas parciales continuas en R. Entonces,
I
ZZ
q p
dx dy.
F dC =

x
y
C

Ejemplo 105 (Teorema de Green) Comprobemos el Teorema de Green para la integral


del campo vectorial F (x, y) = x2 + y 2 , xy sobre la curva definida por el contorno del
rectngulo unidad.
El cuadrado unidad define una curva cerrada, regular a trozos (los 4 lados) y simple (no se
corta a s misma) que puede parametrizarse positivamente como:
: [0, 4] R2 ,

(t) =

(t, 0),
(1, t 1),
(3 t, 1),
(0, 4 t),
242

si t [0, 1],
si t [1, 2],
si t [2, 3],
si t [3, 4],

F dC =

luego

Z
F ((t)) (t) dt =
0

Z
F (3 t, 1) (1, 0) dt +

F (t, 0) (1, 0) dt +

(t , 0) (1, 0) dt +

F (0, 4 t) (0, 1) dt =

t dt +

(t 1)dt +

1
3

((4 t)2 , 0) (0, 1) dt =


3

4
2

(t2 + 6t 10)dt + 0 =

((3 t)2 + 1, (3 t)) (1, 0) dt +

F (1, t 1) (0, 1) dt +

(1 + (t 1)2 , t 1) (0, 1) dt +

2 21 + 1 9 + 27 30 +

8 12 +
3

20 = 21.

Por otro lado, como F tiene derivadas parciales continuas, y como


ZZ

q
x

ZZ

dx dy =

Z 1Z
(y) dx dy =

12
(y) dy = .

(y) dx dy =
0

q
p
= y,
= 2y,
x
y

I
sen(x2 ) + 3y, 2x cos(y 2 ) dC siendo

Ejemplo 106 (Teorema de Green) Calcular


C

C la circunferencia x2 + y2 = 4.

Como se cumplen todas las hiptesis del Teorema de Green, y como


I

sen(x ) + 3y, 2x cos(y ) dC =


2

q
p
= 2,
= 3,
x
y

ZZ
(2 3) dx dy = 22 = 4.

243

7.5.

Integrales infinitas e impropias

Hasta ahora, hemos estudiado integrales de funciones acotadas definidas en intervalos


acotados [a, b]. En este tema vamos a generalizar estas integrales estudiando:
Z +
(a) integrales sobre intervalos no acotados, integrales infinitas:
f (x) dx.
a

Notar que queremos calcular el rea de una regin infinita. Puede una regin infinita tener
un rea (finita)? Para definirla tenemos que recurrir al paso al lmite. Sea f : [a, +) R
una funcin integrable en cada intervalo [a, x] con x > a. Llamamos integral infinita al lmite
Zx
Z +
f = lm
f (t) dt,
x+

y diremos que la integral es convergente si este lmite existe y es finito.


Zb
Zb
f (t) dt.
f = lm
Del mismo modo, para f : (, b] R, llamamos

(b) Integrales de funciones no acotadas, integrales impropias:


Tambin ahora queremos calcular el rea de una regin infinita. Sea
f : [a, b) R una funcin integrable en cada intervalo [a, x] con
x (a, b). Llamamos integral impropia al lmite
Z b
Zx
f = lm
f (t) dt,
a

xb

y diremos que la integral es convergente si el lmite existe y es finito.


Zb
Zb
f = lm+
f (t) dt.
Idem para f : (a, b] R, llamamos
a+

xa

Nota 77 El paso al lmite es despus de calcular la integral


244

Rx
a

f (t) dt. Para calcular la

integral podemos utilizar cualquier mtodo vlido (sustitucin, partes, etc.). En particular,

245

si conocemos una primitiva de f, F , tenemos que


Z
Z +
f = lm F (x) F (a) ,
x+
a

f = lm F (x) F (a) .
xb

Nota 78 Como en todo lmite cuando x ( finito o infinito), su existencia, o no, slo
depende de lo que ocurre cerca de . As por ejemplo, dado c (a, +),

f (x) dx +

f (x) dx =
a

f (x) dx.
c

Del mismo modo para integrales impropias, dado c (a, b),


Z b
Z b
Zc
f (x) dx +
entonces
f (x) dx =
f (x) dx.
a

Nota 79 Si el nmero de puntos problemticos es mayor que uno, hay que dividir
R + la
integral en trozos de modo que cada integral sea de uno de los 4 tipos anteriores,
f,
a
Rb
R b
R +
Rb
f y a+ f . Por ejemplo, dada f : R R continua, la integral f es
f,
a
convergente si, tomando c R, convergen las integrales
Z

f =

f +

Rc

f y

R +
c

f, y definimos

f.
c

Un ejemplo importante de integral infinita es la Integral de Probabilidad o Integral de Gauss,


que resolveremos en el Ejemplo 115, pgina 203:
246

ex dx =
2

247

f de una funcin como la siguiente

Para que la integral

sea convergente, tienen que serlo las 6 integrales

Ra

f,

R b
a

f,

Rc

f,

b+

R d

f,

Re

f,

d+

R +

f.

Ejemplo 107 Consideremos la funcin


f : [0, 1] R, f (x) =

1
.
1x

Como esta funcin tiene a 1 como punto problemtico,


tenemos la integral impropia siguiente:
Z 1
Z x
s=x
1
1
dx = lm
ds = lm log(1s)
=
0

1x
= lm
x1

x1

1s

x1

s=0

log(1x) + log(1) = +.

1
Ejemplo 108 Consideremos la funcin f : [1, +) R, f (x) = (con R).
x
Z +
Zx
1
1
Para = 1,
dx = lm
ds = lm log(x) log(1) = + (Divergente).
x

Z
Para = 1,

x+

Z
dx =

x+

dx = lm
248

s ds = lm

s+1

s=x

x+

x+

+ 1

s=1

= lm
x+

x
1

1
1

1
1

1 ,

lm (x

x+

249

si > 1

)=
diverge, si < 1.

1
dx es convergente si, y slo si, > 1. Este resultado es
x
1
P 1
1
1
1
1
+ + ,
similar al de la serie armnica generalizada,
1
1

6
n1 n = + + + +
1
2
3
4
5
Por lo tanto, la integral

que tambin es convergente si, y slo si, > 1 (ver el Teorema 23, pgina 39). Esto no es
casualidad, pues existe una relacin entre integrales infinitas y series:
Teorema 78 (Criterio de Cauchy) Sea f : [1, +) R+ decreciente, y sean an > 0
tales que f (n) = an , para todo n. Entonces,
Z +
+
X
an converge.
f (x) dx converge
1

n=1

R +

Notar que tambin tenemos que

f (x) dx

diverge

n=1

En el ejemplo anterior, la integral

P+

R +

diverge.
n

dx es convergente si, y slo si, la serie

es

convergente. De este modo, algunos criterios para series pueden traducirse a criterios para la
convergencia de integrales infinitas (recordemos que no siempre se puede calcular la primitiva
de una funcin f ):
Teorema 79 (Criterio de Comparacin con ) Sean f, g : [a, +) R+ funciones
integrables en cada [a, x] con x > a y tales que 0 < f (x) g(x) para todo x.
R +
R +
Si a g es convergente, entonces a f tambin es convergente.
R +
R +
Si a f es divergente, entonces a g tambin es divergente.
Teorema 80 (Criterio de Comparacin con lmites) Sean f, g : [a, +) R+
funciones integrables en cada [a, x] con x > a y tales que
f (x)
= R, = 0.
lm
x+

Z
Entonces,

f es convergente
a

g(x)

g es convergente.
a

Como ocurre en series, estos resultados son para funciones positivas. Para funciones
positivas y Rnegativas
f : [a, +) R (integrable en cada [a, x] con x > Ra),+ decimos que
+
la integral a f (x) dx es absolutamente convergente si la integral
|f (x)| dx es
a
convergente. Y tambin como en series se cumple que absolutamente convergente implica
convergente y que el recproco no es cierto (ver Figura 99).
R +
Estos criterios los hemos escrito para integrales infinitas del tipo
f, pero son
a
250

tambin vlidos para integrales infinitas del tipo

251

Rb

f, y para integrales impropias de los

Figura 99: Integral infinita convergente pero no absolutamente convergente


R b
Rb
tipos
f e
f . De hecho, cualquier integral impropia puede transformarse en una
a+

integral infinita sin ms que aplicar un cambio de variable:


Integral Impropia
Zb
f (x) dx

Cambio de variable
1

t=

x a

a+

Integral infinita
Z +
f t1+ a

f (x) dx

t=

1
bx

1
ba

1
ba

dt

t2
f b

1
t

dt

t2

Ejemplo 109 Hay funciones importantes que se definen con integrales infinitas, como la
funcin gamma de Euler,
Z +
(s) =
ex xs1 dx,
s > 0,
0

que tiene la importante propiedad de que (n + 1) = n!, o la funcin beta de Euler,


Z1
tx1 (1 t)y1 dx,
B (x, y) =
0

la cual, si x 1 o y 1 es una integral de Riemann, mientras que si x < 1 o y < 1 (o ambas


simultaneamente) es una integral impropia que converge. Notar que existe una relacin entre
las funciones gamma y beta
(x) (y)
.
B (x, y) =
(x + y)
252

8.

Integrales dobles y triples

As como las integrales de funciones de una variable representan el rea de una superficie,
las integrales dobles de funciones de dos variables representan el volumen de un slido.

8.1.

Integrales dobles en un recinto rectangular

Sea R = [a, b] [c, d] un rectngulo en R2 , R = (x, y) : a x b, c y d , y sea


f : R R2 R una funcin de dos variables positiva y acotada. Queremos calcular el
volumen comprendido bajo la grfica de z = f (x, y) y sobre la regin R en el plano OXY:

De un modo similar a las integrales de funciones de una variable (Seccin 7.1 pagina 169), tomamos dos particiones P = {s0 , s1 , . . . , sn }, Q = {t0 , t1 , . . . , tm } de los intervalos [a, b], [c, d],
a = s0 < s1 < . . . < sn = b,

c = t0 < t1 < . . . < tm = d,

que dividen al rectngulo R = [a, b] [c, d] en n m rectngulos Rij = [si1 , si ] [tj1 , tj ]


(ver Figura 100). Llamamos Mij , mij al supremo e nfimo de la funcin en el rectngulo Rij
y levantamos dos prismas sobre cada rectngulo Rij , uno de altura Mij (por encima de la
funcin) y otro de altura mij (por debajo de la funcin). Si sumamos los volmenes de todos
estos prismas tenemos
n m
XX

U (f, P, Q) =

Mij (tj tj 1 ) (si si1 ),

suma superior de Darboux,

mij (tj tj 1 ) (si si1 ),

suma inferior de Darboux,

i=1 j=1
n m
XX

L (f, P, Q) =
i=1 j=1

y entre ambos valores est el valor de la integral. Como en una variable, puede verse que
existen = supremo {L (f, P, Q) , P, Q} y = nfimo {L (f, P, Q) , P, Q}.
253

Figura 100: Construccin de las sumas superior e inferior en una integral doble.
Definicin 65 Decimos que f es integrable en R si = , a este valor lo llamamos integral
doble de f en R y se denota por
ZZ
f (x, y) dx dy.
R

(Si f es positiva, representa el volumen del prisma que tiene como base la regin R en el
plano OXY y est limitado por arriba por la grfica de f ).
Por ejemplo, puede verse que si f es continua en R entonces f es integrable en R.
Cmo calcular esa integral doble? Si f es integrable, existe el lmite doble de las sumas de
Darboux cuando ambas particiones se hacen infinitamente finas, luego tambin existen los
lmites reiterados, en los que primero hacemos una particin infinitamente fina y, despus la
otra. Supongamos que f es continua en R. Entonces, la suma de Darboux con las particiones
P y Q puede expresarse como
!
n P
m
n
m
P
P
P
f (wi , uj ) (tj tj1 ) (si si1 ) =
f (wi , uj ) (tj tj1 ) (si si1 ),
i=1j=1

i=1

j=1

con (wi , uj ) un punto del rectngulo Rij . Para cada i, la funcin de una variable f (wi , y) es
continua, luego integrable, y si hacemos la particin Q infinitamente fina obtenemos:
h
i P
n
n
Rd
Rd
P
f
(w
,
y)dy
Llamando
A(x)
=
f
(x,
y)dy
=
i
(s

s
)
=
A(wi )(si si1 ),
i
i1
c
c
i=1

i=1

que es una suma de Darboux con la particin Q de la funcin de una variable A(x), continua.
Rb
Si ahora hacemos Q infinitamente fina obtenemos la integral a A(x)dx y sustituyendo A(x)
obtenemos que
ZZ
Z bZ d
f (x, y)dx dy =
f (x, y)dy dx
(Integral Reiterada 1).
254

255

R bR d
Rb
Intuitivamente, la integral reiterada anterior a c f (x, y)dy dx = a A(x)dx significa que
el volumen de un slido puede obtenerse como la suma de las reas de sus infinitas secciones
A(x) perpendiculares al eje OX, (ver la Figura 101) para todo x recorriendo el intervalo
[a, b]:

Z
Volumen

A(x)dx
a

Figura 101: El volumen como suma de reas de secciones.


Se llama integral reiterada porque primero integramos respecto de una variable (la y) y
luego respecto de la otra (la x). Pero tambin podemos hacerlo al revs:
n P
m
P

f (wi , uj ) (tj tj1 ) (si si1 ) =

i=1j=1

m
P

n
P

j=1

i=1

f (wi , uj )(si si1 ) (tj tj1 ) ,

y haciendo primero la particin P infinitamente fina y despus la Q obtenemos que


ZZ
Z dZ b
f (x, y)dx dy =
f (x, y)dx dy
(Integral Reiterada 2),
R

en la que primero integramos respecto de x y despus


R b respecto de y. En este caso, el volumen
se obtiene como la suma de las secciones B(y) = a f (x, y)dx perpendiculares al eje OY:

Z
Volumen

B(y)dy
c

256

Hemos visto que el volumen de un slido slo depende del rea de cada seccin vertical.
As, obtenemos:
Nota 80 (El Principio de Cavalieri) Dos cuerpos con la misma altura que tengan igual
rea en sus secciones planas realizadas a una misma altura, tienen el mismo volumen.
Ejemplo 110 Calcular el volumen de la regin del espacio comprendida bajo la grfica de
la funcin f (x, y) = x2 + y3 y sobre el rectngulo R = [0, 1] [2, 3] (ver figura).

El volumen pedido es la integral doble


ZZ
V =
f (x, y) dxdy,
R

con R = (x, y) : 0 x 1, 2 y 3 ,
que podemos calcular con las integrales
reiteradas:
Z 3Z

V =

x +y

f (x, y) dx dy =
2

y=3

+
3

x3

dx dy =

=
4

dy =
x=0

y=2

x=1

+ y3x

y4

y
+ y3 dy =

199

12

o bien
Z 1Z
V =

3x2 +

34

24

dx =

x3 +

4 y=3

x2 y +

x2 + y3 dy dx =
0

2x2

f (x, y) dy dx =
0

34

2x3

24

x=1

= 1+

x=0

y
4

34

dx =
y=2

24

199

12

Nota 81 Si la funcin a integrar puede descomponerse como f (x, y) = h(x)g(y), utilizando


la propiedad de que las constantes pueden salir fuera de la integral tenemos que:
Z bZ d
Zb
Zd
Zb
Zd
h(x)
g(y)dy
dx
=
h(x)dx
g(y)dy.
h(x)g(y)dy dx =
257

258

8.2.

Integrales dobles en un recinto general

Tambin podemos calcular el volumen de slidos que tengan como base, no un rectngulo
R, sino una regin D ms general del plano OX Y como, por ejemplo,
n
o
2
D = (x, y) R : a x b, g1 (x) y g2 (x) .
RR
En este caso, la integral doble D f (x, y) dx dy (con f positiva) representa el volumen del
slido que tiene como base la regin D del plano OX Y y est limitado por arriba por la
grfica de z = f (x, y), y se calcula con la integral reiterada:
!
ZZ
Z b Z g2 (x)
f (x, y) dy dx.
f (x, y) dxdy =
D

g1 (x)

Otra posibilidad es que la regin del plano D est dada por


n
o
D = (x, y) R2 : c y d, h1 (y) x h2 (y) .
En este caso,

ZZ

h2 (y)

f (x, y) dx dy.

f (x, y) dxdy =
D

h1 (y)

Es decir, si el dominio de integracin es un rectngulo, podemos elegir entre las dos


integrales reiteradas: integrar primero respecto a x y despus respecto a y o viceversa. Sin
embargo, si el dominio de integracin es una regin D ms general, suele ocurrir que una de
las dos integrales reiteradas es ms fcil de calcular, como se ve en el siguiente ejemplo.
ZZ
Ejemplo 111 Calcular la integral
xy dx dy, siendo D la regin del plano comprendida
D

entre las curvas: y = x, xy = 1, y = 2.

La regin D se corresponde con la grfica siguiente:

259

y puede describirse del modo siguiente. Para cada valor de y entre 1 y 2, los puntos que estn
en D son aquellos cuyo valor de x est entre 1y e y, es decir,
D=
ZZ

luego

1 y 2,

(x, y) :
!

y
x2 y

xy dx dy =

xy dx dy =

xy ,

x=y

dy =

y3

dy =

1
1
y

D
y=2

y4

log(|y|)

=
2

y=1

x=1/y

log(2)

+ log(1)

15

log(2)

As, el modo natural de hacer esta integral ha sido integrar primero respecto a x y despus
respecto a y. Veamos que tambin puede hacerse al revs, aunque resulta ms complicado.
Si observamos la regin D anterior, la x vara entre 12 y 2. Ahora, para cada uno de estos
valores de x tenemos que indicar entre qu valores vara la y. Para hacer esto, tenemos que
distinguir dos casos: para cada valor de x entre 21 y 1, los puntos que estn en D son aquellos
cuyo valor de y est entre x1 y 2, mientras que para cada valor de x entre 1 y 2, los puntos
que estn en D son aquellos cuyo valor de y est entre x y 2. Es decir,
n
o n
o
D = (x, y) : 12 x 1, x1 y 2 (x, y) : 1 x 2, x y 2 ,
!
Z1 Z2
ZZ
Z2 Z2
xy dy dx +
xy dx dy =
xy dy dx =
y por lo tanto
D

1
1
2

xy2

y=2

dx +

xy2

1
x

y=2

2x

dx =

2x

dx +

x3

dx =

1
2

y=1/x

1
=

x2

x=2

+ x2

log(x)
x=1/2

y=x

2x

1
2

x4

x=2

x=1

log(1)
= 1

2
1

1
+

24

log( ) + 4
1+ =
2
8
8

15 log(2)

.
8
2
ZZ

Nota 82 Tomando f (x, y) 1, la integral

1 dx dy es el volumen del slido con base


D

la regin D del plano y altura constante 1, luego tambin representa el rea de D:


260

ZZ
1 dx dy Volumen = base altura =
D

= rea(D) 1 = rea(D).

261

Nota 83 (Valor promedio de una funcin) De modo anlogo a lo que vimos para una
variable en la Seccin 7.4, el valor promedio de la funcin f (x, y) en un dominio D es la
altura
M del prisma de
RR
RR base D que tiene un volumen igual a la integral de f , es decir,
f
(x,
y)
dx
dy
=
M
1 dx dy. Despejando M , el valor promedio de f (x, y) en D es
D
D
RR
f(x, y) dxdy
DRR
1 dx dy
D

8.3.

Integrales triples

Todo lo anterior puede extenderse a funciones de tres variables f : R3 R para obtener


la integral triple sobre un paraleleppedo R = [a, b] [c, d] [r, s],
ZZZ
Zb Zd Zs
f (x, y, z) dx dy dz =
f (x, y, z) dz dy dx.
R

Si el dominio de integracin no es un paraleleppedo [a, b] [c, d] [r, s] pero es una regin


D del espacio R3 que pueda ser definida por
n
o
3
D = (x, y, z) R : a x b, g1 (x) y g2 (x) , h1 (x, y) z h2 (x, y) ,
entonces
! !
ZZZ
Z b Z g2 (x) Z h2 (x,y)
f (x, y, z) dz dy dx.
f (x, y, z) dxdydz =
D

g1 (x)

h1 (x,y)

Una integral triple no representa, en general, un volumen en R3 (sera un hipervolumen


en R4 ). Si f (x, y, z) es un campo
RRRescalar representando una magnitud fsica en cada punto
(x, y, z) D, la integral triple
D f (x, y, z) dx dy dz es la suma total de esa magnitud en
la regin D del espacio. Si tomamos
f (x, y, z) 1, de modo similar a lo visto en la Nota
RRR
82 anterior, la integral triple
1 dx dy dz representa el volumen de D, y si dividimos, el
D
valor promedio de f en D es

RRR

f(x, y,z)
DRRR
D

dxdy dz
.
1 dx dy dz

Ejemplo 112 Calcular, con una integral triple, el volumen V de la regin D del espacio R3
encerrada por la superficie z = 4 x2 y2 y los planos x + y = 2, x = 0, y = 0, z = 0.
D es la regin del primer octante de R3 bajo la grfica del paraboloide z = 4 x2 y2
cortada por el plano vertical x + y = 2:
262

Tenemos que describir D matemticamente, indicando intervalos para las tres variables
x, y, z. Para ver mejor el rango de las variables x, y hemos representado la planta de la
regin D sobre el plano OX Y . As, tenemos que 0 x 2 y, para cada uno de estos
valores de x, 0 y 2 x. Ahora, para cada par de estos valores de (x, y), tenemos que
0 z 4 x2 y2 . As, la regin D se describe como:
n
o
D = (x, y, z) R3 : 0 x 2, 0 y 2 x, 0 z 4 x2 y 2 ,
y podemos calcular el volumen V con la integral triple sobre D de la funcin f (x, y, z) = 1:
! !
Z 2 Z 2x Z 4x2 y 2
Z 2 Z 2x
ZZZ
1 dz dy dx =
V =
1 dx dy dz =
4 x2 y 2 dy dx =
D

h
En este punto tenemos una integral doble. Notar que el volumen V tambin podramos
haberlo planteado como una integral doble. En ese caso, sera la integral de la funcin
f (x, y) = 4 x2 y2 sobre la regin del plano definida por la planta de D,i es decir,
{(x, y) R2 : 0 x 2, 0 y 2 x}, que es la integral doble que tenemos.
Z 2
Z 2
3
y3 y=2x
16
2
=
dx =
4y x y
4(2 x) x2 (2 x) (2 x) dx = = .
0

8.4.

y=0

Cambios de coordenadas para integrales dobles y triples

En algunas integrales dobles, es posible transformar un dominio de integracin D difcil


en undominio R ms fcil, a ser posible un rectngulo, mediante un cambio de coordenadas

263

: R D, (x, y) = (u, v). Recordemos que, para integrales de funciones de una variable,
si hacemos el cambio x = g(t) tenemos que (ver pgina 117)
Zb
Zd
f (x) dx =
f (g (t)) g 0 (t) dt, con a = g(c), b = g(d).
c

Notar que aparece la derivada de la funcin de cambio de variable, g 0 (t). Para integrales
dobles, si hacemos el cambio de variables (x, y) = (u, v) tambin aparecen las derivadas,
que en este caso son las 4 derivadas parciales de x, y respecto de u, v:
ZZ
ZZ
(x, y)
f (u, v)
du dv, con D = (R) ,
f (x, y) dxdy =
(u, v)
D
R
(x, y)
donde

(u, v)

= det

x
u

x
v

(x, y)
es el Jacobiano de , y

su valor absoluto.
(u, v)

Veamos algunos ejemplos.


8.4.1.

Integral doble por cambio a coordenadas polares

El cambio a coordenadas polares es til cuando la regin D es un crculo o una porcin


de crculo. Recordemos que las ecuaciones de cambio son (Figura 57, pgina 85):
x = r cos()
y = r sen()

luego el determinante de la matriz Jacobiana es:


(x, y)
(r, )

= det

x
r

y
r

cos() r sen()
= det

= r.
sen()

r cos()

ZZ
Ejemplo 113 Calcular

f (x, y) dx dy donde D es la corona circular comprendida entre


D

las circunferencias x2 + y2 = 9 y x2 + y2 = 4.

264

Si la funcin a integrar f (x, y) no tiene simetras, para hacer la integral en coordenadas


cartesianas hay que dividirla en 4 trozos, segn la figura anterior:
ZZ
Z 2 Z + 9x2
Z +2 Z 4x2

f (x, y) dx dy =

f (x, y) dy dx +

+2

9x2

9x2

Z 3Z
f (x, y) dy dx +

f (x, y) dy dx +

4x2

9x2

+ 9x2

f (x, y) dy dx.

9x2

Sin embargo, si cambiamos a coordenadas polares:

n
D = (x, y)
h
= hacemos
n
= (r, ) :
n
= (r, ) :
n
= (r, ) :

: 4x +y 9 =
2

i
x = r cos(), y = r sen() =
o
4 r2 cos2 () + r 2 sen2 () 9 =
o h
i
2
4 r 9 = para todo
o
2 r 3, 0 2 = R.

Por
Z Z lo tanto,
ZZ
Z 2Z
f (x, y) dx dy =
f r cos(), r sen() r dr d =
D

265

f r cos(), r sen() r dr d,
2

que es una integral, en general, ms fcil de calcular. Por ejemplo, si tomamos como funcin

266

a integrar f (x, y) la funcin 1, podemos calcular el rea de esta corona circular:


ZZ
ZZ
Z 2Z 3
h
i Z 2 Z 3
1 r dr d =
r dr d = Nota 81 =
r dr = 2
1 dx dy =
d
D

r2
2

r=3

d =

r=2

22
5
32

= 2 = 5.
2
2
2

= 2

Ejemplo 114 Calcula la integral

RR
D

e(x

2 +y 2

) dx dy siendo D la regin en el primer

cuadrante del plano OX Y entre las circunferencias x2 + y2 = 1 y x2 + y2 = 4.

De nuevo es conveniente hacer el cambio


a coordenadas polares pues en polares el
dominio de integracin resulta
n
o

R = (r, ) : 0 2 , 1 r 2 .
Por lo tanto,

ZZ

ZZ
(x2 +y 2 )

dx dy =

Z Z
r 2

r dr d =

(2r)er dr =
2

er

r 2

i Z2 2
r dr d = Nota 81 =
er r dr =
h

e4 +

e1 .

4
Z

Ejemplo 115 (La integral de Gauss) Vamos a calcular


Nota 79, pgina 189. Para ello, llamemos I =
Entonces,
Z + Z
Z +
Z +
2
x2
y 2
I =
e dx
e dy =

ZZ

R +

x2

ex dx, presentada en la
2

dx y tambin I =

R +

ey dy.
2

ZZ

x2

y 2

dx e

ex ey dx dy =
2

dy =

ZZ
267

R2

e(x

2 +y 2 )

h
dx dy =

i
cambiando a polares =

R2

= Nota 81 = 2
0

er r dr d =

R2

0
r

er r dr = 2 lm
2

r+

er r dr d =

et t dt = 2

268

1
2

Z
et ( 2t) dt =

lm
r+

et

= () lm
r

t=r
2

= () lm

8.4.2.

ex dx =

= I =

r+

t=0

er 1 = . Por lo tanto, I 2 =

Integral doble por cambio a coordenadas elpticas

El cambio a coordenadas
elpticas es til cuando la regin D es una elipse o porcin de
2
2
elipse, de ecuacin x + y = 1, y viene dado por la siguiente relacin:
a2

b2

x = a r cos()
y = b r sen()

donde, como en las polares, r 0, 0 2. En este caso el Jacobiano es


(x, y)
= det

(r, )

x
r

y
r

a cos() ra sen()
= det

= abr.
b sen()

rb cos()

Ejemplo 116 (El rea de la elipse) Calculemos el rea de la superficie D encerrada por
2
2
la elipse de semiejes a y b, de ecuacin x + y = 1. Cambiando a coordenadas elpticas,
a2

n
D = (x, y) :
n
= (r, ) :

b2

o h
i
2
2
x
y
+ 2 1 = hacemos x = a r cos(), y = b r sen() =
a2
b
2 2

a r cos ()
a2

o n
o
2 2
2
b r sen ()
1 = (r, ) : 0 r2 1 =
+
b2

n
o
= (r, ) : 0 r 1, 0 2 = R.
ZZ
h
i ZZ
Por lo tanto, el rea de la elipse es:
1 abr dr d =
1 dx dy = cambio a elpticas =
D

269

Z 2Z

= ab
0

r dr d = Nota 81 = ab

270

Z
d

r dr = ab 2
0

r2
2

r=1

r=0

= ab.

8.4.3.

Integral triple por cambio a coordenadas cilndricas

Para las integrales triples, si hacemos el cambio de variables (x, y, z) = (u, v, w) (por
ejemplo, transforma un paraleleppedo R en un conjunto D de R3 ),
ZZZ
ZZZ
(x, y, z)
f (u, v, w)
du dv dw.
f (x, y, z) dx dy dz =
(u, v, w)
D
R
Por ejemplo, el cambio de cartesianas a coordenadas cilndricas viene dado por
(x, y, z) = (r, , z) = r cos(), r sen(), z ,

es decir,

x = r cos()
y = r sen()
z=z

donde r 0, [0, 2], z R. Estas coordenadas se llaman cilndricas pues los puntos de
R3 que cumplen r = cte forman un cillindro. El determinante de la matriz Jacobiana es
x
x
x
cos() r sen() 0
r

z
(x, y, z)
= det
(r, , z)

8.4.4.

z
r

z
z

= det

sen()

r cos()

= r.

Integral triple por cambio a coordenadas esfricas

En R3 , el cambio de cartesianas a coordenadas esfricas viene dado por


(x, y, z) = (, , ) = ( cos() cos(), cos() sen(), sen()) ,

271

es decir,

x = cos() cos()
y = cos() sen()
z = sen()

donde 0, [0, 2], [ 2 , 2 ]. Estas coordenadas se llaman esfricas pues los puntos
de R3 que cumplen = cte forman una esfera. El determinante de la matriz Jacobiana es
(x, y, z)
= det
(, , )

cos() cos() sen() cos() cos() sen()


= det

cos() sen() sen() sen()


sen()

= sen()

cos()

cos() cos()

h
i
= desarrollando por la fila 3 =

2 sen() cos() cos2 () 2 sen() cos() sen2 ()


2
2
2
2
cos() cos () cos () + cos () sen () =

2
2
2
= sen() sen() cos() 2 cos() cos2 () = 2 cos() sen () + cos () = 2 cos().

(x, y, z)
Por lo tanto,

(u, v, w)

= 2 cos().

Ejemplo 117 (El volumen de la esfera de Radio R) Observa en la figura anterior que
la esfera de radio R se describe en coordenadas esfricas como
n
o

(, , ) : 0 2, + , 0 R ,
2
2
272

luego el volumen de la esfera es:


ZZZ
h
i Z 2Z
1 dx dy dz = cambio a esfricas =
E

cos() d

Z R
+
2

R
=+

2 d = 2 sen()

h
i
2 cos() d d d = Nota 81 =

3
=R

= 2(1 + 1)
3

=0

R
3

R3 .

Ejemplo 118 (El volumen de la esfera de Radio R) El volumen de la esfera tambin


puede calcularse como la suma de sus secciones:
ZR
ZR
Z R
2
2
2

x
Seccin(x)
dx
=
Volumen =
dx =
R2 x2 dx =
R

x
= R x
3

x=R

R
R
= R
+ R3
3
3

x=R

4 3
R .
3

Nota 84 Existe otra versin de las coordenadas esfricas en R3 , que viene dada por:
(x, y, z) = ( sen() cos(), sen() sen(), cos()) .

x = sen() cos()
y = sen() sen()
z = cos()
(x, y, z)
= 2 sen().
(, , )

Otros cambios de coordenadas

273

Dependiendo del problema, pueden ser tiles otros cambios de coordenadas distintos de
los anteriores. Veamos un ejemplo.
ZZ
(x y)2 cos2 (x + y) dx dy, siendo D la regin acoEjemplo 119 Calcular la integral
D

tada por el cuadrado de vrtices (0, 1) , (1, 2) , (2, 1) , (1, 0), (ver figura).

274

En este caso, el cambio de coordenadas u = x y, v = x + y simplifica tanto la funcin a


integrar, u2 cos2 (v), como el dominio de integracin, que resulta (ver figura)
n

o
1v3 .

R = (u, v) : 1 u +1,

(x,y)
(u,v).

Para hacer este cambio, tenemos que calcular el jacobiano


vu
v = x + y, obtenemos que x = u+v
2 , y = 2 , luego
x
u

(x, y)
(u, v)

ZZ

= det

y
u

x
v

1
2

= det

y
v

(x y) cos (x + y) dx dy = Cam
2

Por lo tanto,

21

u3

u=1

u=1

v
2

1
=

1
2

u2 cos2 (v)

=
R

i 1Z
u cos (v)dvdu = Nota 81 =
2

1
2

ZZ

bioi

Despejando x, y en u = xy,

1
2

v=3

sen(v) cos(v)

=
v=1

u2 du

275

1
dv du =
2

cos2 (v) dv =
1

1
6

sen(3) cos(3) sen(1) cos(1) .

Ejemplo 120 (Ejemplo Resumen) Calcular el volumen del slido comprendido entre el
paraboloide invertido z = 5 x2 y2 y los planos z = 1 y z = 4.

276

En la primera figura estn representadas las tres superficies del problema, en la segunda el
slido del que queremos calcular el volumen y en la tercera la proyeccin de este slido sobre
el plano XY, donde llamamos D1 al crculo interior (de radio 1), D2 al crculo exterior (de
radio 2) y R a la corona circular D2 \D1 . Podemos calcular el volumen de cuatro modos:
Calculamos el volumen entre el paraboloide y el plano z = 1, cuya base es D2 , y le restamos
el volumen entre el paraboloide y el plano z = 4, cuya base es D1 :
ZZ
ZZ
2
2
V =
(5 x y ) 1 dx dy
(5 x2 y2 ) 4 dx dy.
D2

D1

Calculamos el volumen entre el paraboloide y el plano z = 1 pero considerando como base


slo a la corona circular R y le sumamos el volumen con base en D1 entre el plano z = 4 y
el plano z = 1 (este segundo volumen es el de un cilindro):
ZZ
ZZ
2
2
V =
(5 x y ) 1 dx dy +
(4 1) dx dy.
R

D1

Sumamos todas las secciones del slido paralelas al plano XY entre z = 1 y z = 4:


Z4
h
i Z4

V =
Seccin(z) dz = Cada seccin es un crculo de radio 5z =
(5z) dz.
1

3
Como una integral
RRR triple: si llamamos E al recinto de R cuyo volumen queremos calcular,
entonces V =
1 dx dy dz. El recinto E puede expresarse como
E

n
o

E = (x, y, z) : 1 z 4, 5z x + 5z, 5z x2 y + 5z x2 ,
ZZZ
luego V =

Z 4Z
1 dx dy dz =

+ 5z

5z

+ 5zx2

1 dy dx dz.

5zx2

Comprueba que, de cualquiera de los 4 modos anteriores, el volumen buscado es


277

15
2

8.5.

Integral doble y clculo de reas de superficies curvas

Del mismo modo que la longitud de una linea curva puede calcularse con una integral
de una variable (ver Seccin 7.4.3), el rea de una superficie curva puede calcularse con una
integral doble. Si tenemos una superficie en R3 definida por una funcin z = f (x, y) sobre
un dominio D R2 , el rea de esta superficie es
s
ZZ
2
f
1+
+
x
D

f
y

dxdy.

Notar que si la superficie


es plana y horizontal (f (x, y) es constante), obtenemos que el rea
RR
de la superficie es
1
dxdy
=rea(D) (ver Nota 82 en la pgina 198).
D

Ejemplo 121 (rea de la esfera) Calculemos el rea de la esfera de radio p


R, de ecuacin
2
2
2
2
x +y +z = R . Despejando z tenemos que la grfica de la funcin f (x, y) = R2 x2 y2
en el dominio D = (x, y) R2 : x2 + y2 R2 es una semiesfera de radio R. As, el rea
de la esfera es
s
ZZ
ZZ s
2
2
f
f
x2
y2
+
2
1+
dxdy = 2
1+
+ 2
2
2 dxdy =
y
x
D
D
R 2 x2 y 2 R x y
ZZ s
2

R2 x2 y2 + x2 +

ZZ
p

dxdy = 2
D

y2

h
i
R
dxdy = cambio a polares =
R2 x2 y2

R2 x2 y2

ZZ

=2
R

R2

r drd = 2 2 R

r2

drd = 2R
R2 r 2

= 2R

(R2 r2 )
1
2

r=R
r=0

= 0 + 2R 2 R2 = 4R .

278

2r R2 r 2

dr =