Calculo UGR

UNIVERSIDAD DE GRANADA
Grado en Ingeniera
Informtica
CLCULO
Curso: 2011/2012
Clase: Primero - Grupo: B
Aviso legal: los archivos estn sujetos a derechos de propiedad intelectual y su
titularidad corresponde a los usuarios que los han subido a SWAD. Esto es solo una
recopilacin de toda la asignatura impartida en la UGR.
TEORA
Curso: 2011/2012
Nmeros reales y aritmtica de ordenador
El conjunto de los nmeros reales

1
1.1 El conjunto de los nmeros reales 5 1.2 Naturales, enteros, racionales e irracionales 8 1.3 Valor absoluto 9 1.4 El principio de induccin 10 1.5 Intervalos
y conjuntos destacados 13 1.6 Ejercicios 14
Existen diferentes formas de formalizar el conjunto de los nmeros reales aunque se pueden
agrupar en dos variantes: constructivos y axiomticos. Los primeros son demasiado laboriosos
para un curso de Clculo y, por este motivo, hemos preferido dejarlos de lado. En su lugar, hemos
asumido que el conjunto de los nmeros reales es conocido por el lector y elegimos la definicin
axiomtica de este conjunto.
1.1 El conjunto de los nmeros reales

Vamos a definir el conjunto de los nmeros reales, R, en trminos de qu sabemos hacer con
sus elementos, qu propiedades tienen. Estas propiedades que vamos a presentar aqu se llaman
axiomas y, por supuesto, no son todas las propiedades de los nmeros reales sino las mnimas, y
es que a partir de ellas se obtienen el resto de propiedades.
Es difcil que, si alguien nos pregunta, seamos capaces de dar una respuesta clara de qu es un
nmero pero s somos capaces de decir qu cosas podemos hacer con ellos.
En el conjunto de los nmeros reales tenemos definidas varias operaciones. La primera que
todos aprendemos es la suma.
Suma de nmeros reales

Las suma verifica, entre otras, las siguientes propiedades. Sean a, b y c nmeros reales cualesquiera.
a) Propiedad asociativa: a + (b + c) = (a + b) + c.
b) Propiedad conmutativa: a + b = b + a.
c) Existencia de elemento neutro: a + 0 = a.
d) Existencia de elemento opuesto: a + (a) = 0.
Estas cuatro propiedades se resumen diciendo que (R, +) es un grupo abeliano o conmutativo.
Producto de nmeros reales

Adems de la suma tambin sabemos multiplicar nmeros reales. Por el mismo motivo, se supone que sabemos dividir. Mucho cuidado con esta afirmacin. No estamos hablando de cmo se
dividen nmeros sino de que, supuesto conocido el producto de nmeros, la divisin es la operacin inversa. Ocurre lo mismo con la suma: no hemos dicho como se restan nmeros reales pero,
en teora, restar un nmero es simplemente sumar el nmero cambiado de signo, es decir, sumar el
opuesto. Con el producto, dividir por un nmero a es multiplicar por el inverso, al que llamaremos
1/a.
5)
6)
7)
8)
Sean a, b y c nmeros reales. Entonces se verifican las siguientes propiedades.

Propiedad asociativa: a(bc) = (ab)c.
Propiedad conmutativa: ab = ba.
Existencia de elemento neutro: a1 = 1a.
Existencia de elemento inverso: Si a es distinto de 0 entonces a 1a = 1.
Observacin 1.1. El elemento opuesto en el caso de la suma y el elemento inverso para el

producto son nicos. En el caso de la suma la notacin es siempre la misma: el opuesto de a
es a y en vez de escribir b + (a) escribiremos b a. Para el inverso del producto usaremos
indistintamente la notacin 1a o a1 y tambin es ms usual escribir ba que b a1 .
Una vez que tenemos la suma y el producto, hay otra propiedad que hace que se relacionen de
forma buena:
9) propiedad distributiva: a(b + c) = ab + ac.
Orden
El orden en el conjunto de los nmeros reales tambin es algo conocido por el lector. Lo podemos ver de varias formas: sabemos cundo un nmero es positivo o somos capaces de decidir
cul de dos nmeros es el mayor. Hagamos un breve resumen de las propiedades relacionadas con
el orden. Evidentemente las propiedades podemos exponerlas sobre "ser menor que", "ser mayor
que" o tambin sobre "ser mayor o igual que" o "ser menor o igual que". Como hay que elegir una
de las posibilidades elegimos esta ltima aunque el resto nos daran propiedades anlogas.
10) Propiedad reflexiva: a a.
11) Propiedad antisimtrica: si a b y b a, entonces a = b.
12) Propiedad transitiva: si a b y b c, entonces a c.
13) El orden es total: dado a R, se cumple que a 0 o que a 0 o, lo que es lo mismo, dados
a, b R, se cumple que a b o que b a.
Las siguientes propiedades relacionan la suma y el producto con el orden que acabamos de
presentar.
14) Si a b, entonces a + c b + c.
15) Si a b y c 0, entonces ac bc.
El ltimo axioma
Las propiedades que hemos comentado hasta ahora no determinan de manera nica el conjunto
de los nmeros reales. El conjunto de los nmero racionales tambin las verifica como se puede
comprobar fcilmente. Cal es la diferencia entre ambos conjuntos? Qu sabemos hacer en R
que no podamos hacer en Q? Siempre que se hace esta pregunta en clase las respuestas suelen ser
del tipo: races cuadradas, logaritmos, senos o cosenos, etc. Aunque se podra intentar seguir por
ah, ese camino puede tener ms dificultades a posteriori que el que vamos a elegir.
Necesitamos, por tanto, alguna propiedad ms para diferenciarlos. Esta ltima propiedad est
muy relacionada con el orden, pero antes de presentarla necesitamos definir algunos conceptos.
Cota
Definicin 1.2.
a) Sea A R, diremos que M R es una cota superior o mayorante (resp. inferior o
minorante) de A si a M para cualquier a A (resp. a M).
El conjunto A R est acotado superiormente o mayorado (resp. acotado inferiormente

o minorado) si tiene una cota superior (resp. inferior). Por ltimo el conjunto est acotado
si est mayorado y minorado.
b) Sea A un subconjunto de R. Diremos que a0 A es el mximo absoluto (resp. mnimo
absoluto) de A si verifica que a a0 (resp. a a0 ) para cualquier a A y lo llamaremos
max(A) (resp. min(A)).
Mximo absoluto
Veamos algunos ejemplos de estos conceptos.

Ejemplo 1.3.
a) El conjunto de los nmeros naturales no es un conjunto acotado. Concretamente, no es un
conjunto acotado superiormente pero s est acotado inferiormente. Como no est acotado superiormentenno tiene mximo.
S tiene mnimo: 1 n para cualquier natural n.
o
1
b) El conjunto n : n N est acotado superior e inferiormente: 0 1n 1 para cualquier natural
n. Tiene mximo: el 1, pero no tiene mnimo. El mnimo podra ser el cero pero no pertenece
al conjunto.
/
A la vista de los ejemplos, la existencia de mximo implica que el conjunto esta acotado pero
el recproco no es cierto. Hay conjuntos acotados y que no tienen ni mximo ni mnimo: piensa en
el intervalo ]0, 1[. Sin embargo, aunque ni el 0 ni el 1 sean ni mximo ni mnimo, s parece claro
que tienen un papel destacado. De alguna forma son los extremos del conjunto, pertenezcan o no
a dicho conjunto. El supremo y el nfimo van a ser una forma de reconocer este tipo de puntos.
Definicin 1.4. Sea A un subconjunto acotado superiormente de R. El supremo del conjunto
A, sup(A), es el mnimo del conjunto de las cotas superiores de A. Anlogamente se define
el nfimo de un conjunto acotado inferiormente como el mximo de sus cotas inferiores y lo
notaremos inf(A).
Si llamamos, para A un conjunto mayorado, M(A) al conjunto de sus mayorantes, entonces
sup(A) = min(M(A)).
Cabe preguntarse si un conjunto mayorado tiene supremo. La situacin es la siguiente: Si A es un
conjunto mayorado el conjunto de sus mayorantes, M(A), est minorado. Sabemos que un conjunto
minorado no tiene por qu tener mnimo pero y si el conjunto minorado del que estamos hablando
es un conjunto de mayorantes?
Pues bien, la ltima propiedad de los nmeros reales nos dice que el supremo de un conjunto
mayorado siempre existe:
Axioma del supremo: todo conjunto acotado superiormente tiene supremo.
Este axioma es equivalente al axioma del nfimo. Slo hay que darse cuenta de que si cambiamos el signo las desigualdades tambin cambian.
Ejemplo 1.5. Los extremos de un intervalo acotado son el supremo e nfimo de dicho intervalo
independientemente de si pertenecen o no al intervalo. En el caso particular de que alguno de ellos
est en dicho intervalo sern, adems mximo o mnimo (lo que corresponda).
/
Supremo
nfimo
Naturales, enteros, racionales e irracionales
Proposicin 1.6. Sea A un conjunto acotado superiormente y sea x el supremo de A.

a) Si x / A, entonces A no tiene mximo.
b) Si x A, entonces A tiene mximo y, de hecho, x = max(A).
La siguiente proposicin ser til en la demostracin de algunos resultados posteriores.
Proposicin 1.7. Sea A R un subconjunto acotado superiormente y sea x R. Entonces
i) a x, para todo a A
x = sup(A)
ii) dado > 0, a A tal que x < a.
1.2 Naturales, enteros, racionales e irracionales

Nmeros naturales
El conjunto de los nmeros naturales, al que denotaremos N, es
N = {1, 2, 3, . . .}
La inclusin del cero como nmero natural es una convencin. En algunos textos aparece como
natural y en otros no. Nosotros no lo vamos a incluir para simplificar algunas notaciones. Por
ejemplo, para poder hablar de log(n) o de n1 sin necesidad de estar recordando constantemente que
n no puede ser cero.
Nmeros enteros
El conjunto de los nmeros enteros, Z, es
Z = {. . . , 3, 2, 1, 0, 1, 2, 3, . . .}
La operacin suma en Z es una operacin interna: la suma (y la resta) de enteros es un entero. No
ocurre lo mismo con el producto. El inverso de un nmero entero no nulo es un nmero racional.
Nmeros racionales e irracionales

Los nmeros racionales son aquellos que se pueden expresar como cociente de un entero y un
natural:
(
)
p
Q=
: p Z, q N .
q
Los nmeros irracionales, R \ Q, son aquellos que no son racionales. Probablemente ests ms
acostumbrado a tratar con la representacin decimal de los nmeros reales. Los racionales tienen
una cantidad finita de decimales o infinita peridica. Los irracionales, por tanto, tienen una cantidad
infinita de decimales no peridicos.
Observacin 1.8. El conjunto de los nmeros irracionales no es, ni siquiera, un espacio vectorial
como lo es el conjunto de los nmeros racionales. El elemento neutro para la suma o el producto, 0
y 1, no son irracionales. Es muy fcil encontrar ejemplos de que la suma y el producto de nmeros
irracionales no es necesariamente un numero irracional: 2
= 2.
Nmero algebraico
Dentro de los nmeros reales podemos distinguir entre nmeros algebraicos y nmeros trascendentes. Un nmero es algebraico si es solucin de un polinomio con coeficientes enteros. Por
Valor absoluto
ejemplo, cualquier racional o 2 son nmeros algebraicos. Si no se puede expresar como raz de
un polinomio con coeficientes enteros diremos que es un nmero trascendente.
No es fcil buscar las races irracionales de un polinomio, pero s podemos buscar las posibles
races racionales de un polinomio con coeficientes enteros.
Nmero trascendente
Observacin 1.9. Dada la ecuacin an xn + an1 xn1 + . . . + a1 x + a0 = 0, donde a0 , a1 ,,...,an

son nmeros enteros y a0 an 6= 0, si la ecuacin tiene una raz racional p/q (con p y q primos entre
si), entonces p divide a a0 y q divide a an .
El conocimiento de las races racionales nos puede servir para comprobar que un nmero no es
racional.
Ejemplo 1.10. Las nicas posibles races racionales del polinomio x2 2 = 0 son 1, 2. Cmo
2 no puede ser un nmero racional.

ninguna de ellas es solucin del polinomio,
La otra demostracin usual de que 2 no es un nmero racional utiliza la descomposicin en

primos de un nmero y la reduccin alabsurdo: supongamos que 2 fuera racional. Eso quiere
decir que podra escribirse de la forma 2 = qp , donde qp es una fraccin irreducible. Si elevamos
al cuadrado obtenemos que 2q2 = p2 y, en consecuencia, p2 es un nmero par. Pero para que
el cuadrado de un nmero sea par, necesariamente dicho nmero debe ser par. Luego p = 2a
para conveniente a. Sustituyendo, q2 = 2a2 y, por tanto, q tambin es par. Hemos obtenido una
contradiccin: la fraccin
p/q no puede ser irreducible y, a la vez, que numerador y denominador
sean pares. Por tanto, 2 no puede ser racional.
Comprueba t mismo que con las mismas ideas puedes comprobar que la raz cuadrada de un
natural es otro natural o un nmero irracional.
/
1.3 Valor absoluto

La distancia entre dos nmeros reales se mide calculando la diferencia entre el mayor y el menor
de ellos. La funcin que mide la distancia al cero es la funcin valor absoluto.
Definicin 1.11.
Se define el valor absoluto de un nmero real x como

x,
si x 0
|x| =
x, si x < 0
Proposicin 1.12. Dados x, y R, se verifican las siguientes afirmaciones.

a) |x| 0, y |x| = 0 x = 0,
b) |x| y y x y,
c) |x + y| |x| + |y|,
d) ||x| |y|| |x y|,
e) si |xy| = |x| |y|.
Para demostrar cualquiera de estas desigualdades o, en general, para trabajar con expresiones en
las que intervienen valores absolutos tenemos varias posibilidades. La primera de ellas es discutir
los distintos casos que se pueden presentar. Veamos un ejemplo.
Ejemplo 1.13. Cundo es cierta la desigualdad |x 3| < |x 1|?
Lo que vamos a hacer es eliminar el valor absoluto (una funcin definida a trozos) discutiendo
todas las posibilidades:
Valor Absoluto
Desigualdad triangular
El principio de induccin
a) si x 1, |x 3| < |x 1| (x 3) < (x 1) 3 > 1 lo que, claramente, no es

cierto,
b) si 1 x 3, |x 3| < |x 1| (x 3) < (x 1) 2 < x, y por ltimo
c) si x 3, |x 3| < |x 1| (x 3) < (x 1) 3 < 1.
Resumiendo, la desigualdad es cierta si, y slo si, x > 2.
/
Tambin podemos aprovechar el hecho de que elevar al cuadrado conserva el orden en los reales
positivos: 0 < a < b a2 < b2 . Vamos a utilizar esto para demostrar la desigualdad triangular:
|x + y| |x| + |y| |x + y|2 (|x| + |y|)2
x2 + y2 + 2xy x2 + y2 + 2 |xy|
xy |xy| ,
lo cual, evidentemente, es cierto. Observa que, de regalo, hemos probado que la igualdad en la
desigualdad triangular es cierta si, y slo si, xy = |xy| o, lo que es lo mismo, si x e y tienen el
mismo signo. Prueba t a demostrar el resto de afirmaciones de la proposicin anterior.
1.4 El principio de induccin

La definicin del conjunto de los nmeros naturales puede hacerse como la definicin que hemos
dado del conjunto de los nmeros reales mediante una serie de propiedades que lo caractericen en
lugar de especificar cules son sus elementos. Si el axioma del supremo es la propiedad clave que
nos ha permitido definir los nmeros reales, en el caso de los naturales dicha propiedad es la de
ser inductivo.
Conjunto inductivo
Definicin 1.14. Un subconjunto A de los nmeros reales diremos que es inductivo si

verifica las siguientes dos propiedades:
a) 1 A,
b) si a A, entonces a + 1 A.
Ejemplo 1.15.
a) R, Q, Z, N, R+ son conjuntos inductivos.
b) Ningn conjunto acotado puede ser un conjunto inductivo.
/
Definicin 1.16. El conjunto de los nmeros naturales es el menor conjunto inductivo o, lo
que es lo mismo, la interseccin de todos los conjuntos inductivos.
Principio de
induccin
Proposicin 1.17.
a) A es inductivo,
b) A N.
Entonces A = N.
Sea A un subconjunto de los nmeros reales verificando que
En otras palabras, para demostrar que un subconjunto del conjunto de los nmeros naturales,
A N, es, en realidad, el conjunto de los naturales es suficiente con comprobar que
a) 1 A, y que
b) si n A, entonces n + 1 A.
La principal utilidad de este principio es demostrar que una propiedad indicada en el conjunto
de los naturales es cierta. Por ejemplo, la propiedad todos los nmeros de la forma n3 + 5n son
10
divisibles por 6 son en realidad muchas (tantas como naturales) afirmaciones. No es difcil fijar
un natural y comprobar que para ese concreto la propiedad es cierta. Pero, cmo podemos hacerlo
para todos a la vez? En este tipo de demostraciones, el principio de induccin nos proporciona una
ventaja. Para demostrar que se cumple para un natural puede suponerse que la propiedad es cierta
para el natural anterior (hiptesis de induccin). Esto puede ser muy til en algunas ocasiones.
Ejemplo 1.18. Demostrar que 1 + 3 + 5 + . . . + (2n 1) = n2 , para cualquier n N.
Lo demostramos usando el mtodo de induccin. Tenemos que comprobar que el conjunto
n
o
A = n N; 1 + 3 + 5 + . . . + (2n 1) = n2
coincide con N. Para ello es suficiente con demostrar que A es un conjunto inductivo, o sea, tenemos
que comprobar que
a) la propiedad es cierta para n = 1, y que
b) si la propiedad es cierta para un nmero natural, tambin es cierta para el siguiente nmero
natural.
Vamos all.
a) Es inmediato comprobar que la propiedad se cumple la propiedad para n = 1.
b) Supongamos que se cumple para un natural fijo m y comprobemos que se cumple para m + 1:
1 + 3 + 5 + . . . + (2m 1) + (2m + 1) = m2 + (2m + 1) = (m + 1)2 .
Por tanto, A = N y la propiedad se cumple para todos los naturales.
1.4.1
Una aplicacin del principio de induccin: el binomio de Newton

Cuntas posibilidades tienes de que aciertes la lotera primitiva? Tienes que
47escoger 6 nmeros
de entre 47 sin importar el orden. El nmero de combinaciones posibles es 6 .
Las combinaciones sin repeticin de n elementos tomados de p en p se definen como las distintas
agrupaciones formadas con p elementos distintos, eligindolos de entre los n elementos de que
disponemos, considerando una variacin distinta a otra slo si difieren en algn elemento, y sin
tener en cuenta el orden de colocacin de sus elementos. El nmero de combinaciones que se
pueden construir de esta forma es
!
n
n!
=
p!(n p)!
p

A los nmeros de la forma np , n sobre p se les suele llamar nmeros combinatorios. Recordemos
que el factorial de un nmero natural n es
Nmeros combinatorios
n! = 1 2 3 n
y que 0! = 1.
Las siguientes propiedades de los nmeros combinatorios son fciles de comprobar y nos sern
muy tiles.

a) n0 = nn = 1, para cualquier n N.
n n+1
b) ni + i1
= i , para cualesquiera i n naturales.
Proposicin 1.19.
Dados a, b R y n N, se cumple que
11
Binomio de Newton
!
n
X
n ni i
a b
(a + b) =
i
i=0
n
Demostracin. Vamos a probarlo usando el mtodo de induccin. Es claro que la propiedad es

cierta para n = 1. Supongamos que es cierta para un natural fijo n y comprobemos que se cumple
para n + 1:
(a + b)n+1 = (a + b)(a + b)n
!
n
X
n ni i
= (a + b)
a b
i
i=0
!
!
n
n
X
n ni+1 i X n ni i+1
a b
a
b +
=
i
i
i=0
i=0
!
!
!
!
n1
n
n n+1
n n+1 X n n+1i i X n ni i+1
a b +
b
a
b +
=
a +
i
n
i
0
i=0
i=1
!
n
n + 1 n+1 X
=
a +
0
i=1
!
n
X
n + 1 n+1
=
a +
0
i=1
!
!
!
n1
n n+1i i X n ni i+1
n + 1 n+1
a
b +
a b +
b
i
i
n+1
i=0
!
!
!
n
n n+1i i X n
n + 1 n+1
n+1 j j
a
b +
a
b +
b
i
j1
n+1
j=1
!
!#
!
n " !
n + 1 n+1 X n
n
n + 1 n+1
n+1i i
=
a +
+
a
b +
b
0
i
i1
n+1
i=1
!
!
!
n
n + 1 n+1 X n + 1 n+1i i
n + 1 n+1
=
a +
a
b +
b
0
i
n+1
i=1
!
n+1
X
n + 1 n+1i i
=
a
b .
i
i=0
Tringulo de Pascal o de Tartaglia
La utilidad del binomio de Newton estriba en que no es necesario calcular

el desarrollo completo
11
de (x + 3)15 si slo nos interesa el coeficiente de x4 que, por cierto, es 15
4 3 .
Los coeficientes del desarrollo de (a + b)n tambin se pueden encontrar usando el llamado
tringulo de Pascal (o de Tartaglia). Este consiste en lo siguiente: comenzamos con un 1, en cada
lnea nueva aadimos unos en los extremos y bajo cada par de nmeros colocamos su suma. El
resultado que se obtiene nos da los coeficientes del binomio de Newton.
n
tringulo de Pascal
2
3
1
1
(a + b)n
1
1
2
n o combinatorio
0
2
1
3
2
a+b
1
a2 + 2ab + b2
2
3
3
3
3
Tabla 1.1 Tringulo de Pascal o Tartaglia
12
a3 + 3a2 b + 3ab2 + b3
Intervalos y conjuntos destacados
1.5 Intervalos y conjuntos destacados

Los conjuntos que van a jugar un papel ms destacado son los intervalos.
Definicin 1.20. Un subconjunto I de R es un intervalo si para cualesquiera x, y I se

cumple que x, y = {t R : x t y} I.
Intervalo
Ya conoces cules son los distintos intervalos: abiertos, semiabiertos, cerrados, acotados o no:
[a, b] = {x R : a x b}
]a, b] = {x R : a < x b}
[a, b[= {x R : a x < b}
]a, b[= {x R : a < x < b}
[a, +[= {x R : a x}
]a, +[= {x R : a < x}
] , b] = {x R : x b}
] , b[= {x R : x < b}
Definicin 1.21. Sea A un subconjunto de R.
a) Diremos que a A es un punto interior si existe > 0 tal que ]a , a + [ I.

b) El interior de A es el conjunto, A = a A : a es un punto interior . Diremos que el
conjunto A es abierto si coincide con su interior.
c) Diremos que x R es un punto adherente si para cualquier > 0 se tiene que
]a , a + [A 6= .

d) El cierre o adherencia del conjunto A es A = x R : x es un punto adherente de A .
Diremos que el conjunto A es cerrado si coincide con su adherencia.
e) Diremos que x R es un punto de acumulacin de A si para cualquier r positivo se
cumple que
Punto interior
Punto adherente
Punto de acumulacin
]a r, a + r[ (A \ {a}) 6= .
Notaremos A0 al conjunto de todos los puntos de acumulacin de A.
f) Diremos que x R es un punto aislado del conjunto A si existe r > 0 tal que
Punto aislado
]a r, a + r[A = {a}.
g) La frontera de A es Fr(A) = A \ A.
Frontera
Ejemplo 1.22.
a) Los intervalos abiertos, ya sean acotados o no, son conjuntos abiertos. De la misma forma los
intervalos cerrados son conjuntos cerrados.
b) El conjunto de los naturales N es cerrado y tiene interior vaco al igual que Z. Adems todos
sus puntos son aislados.
n
o
c) El conjunto A = n1 : n N tiene interior vaco, todos sus puntos son aislados y su cierre es
A {0}. Ms concretamente, 0 es un punto de acumulacin de A.
13
Ejercicios
/
Proposicin 1.23. Sea A un subconjunto de R. Se verifican las siguientes afirmaciones.
a) A A A,
b) A es abierto si, y slo si, R \ A es cerrado.
1.6 Ejercicios
Ejercicio 1.1. Calcula para qu valores de x se verifica que
2x3
x+2
< 31 .
Ejercicio 1.2. Encuentra aquellos valores de x que verifican que:

1
> 0,
d) x2 6 x,
a) 1x + 1x
b) x2 5x + 9 > x,
e) x3 6 x,
3
2
c) x (x 2)(x + 3) < 0,
f) x2 3x 2 < 10 2x.
Ejercicio 1.3. Discute para qu valores de x se verifica que:
a) |x 1| |x + 2| = 3,
c) |x 1| + |x + 1| < 1,
b) |x2 x| > 1,
d) |x + 1| < |x + 3|.
Ejercicio 1.4. Para qu valores de x se cumple la desigualdad x2 (a + b)x + ab < 0?
1.6.1
Principio de induccin
Ejercicio 1.5. Demuestra por induccin que 1 + 2 + 3 + . . . + n =
n(n+1)
2 ,
para cualquier n N.
Ejercicio 1.6. Demuestra que 1 + 1 + 2 + 22 + 23 + . . . + 2n = 2n+1 , para cualquier n N.

Ejercicio 1.7.
sible por 9.
Prueba que la suma de los cubos de tres nmeros naturales consecutivos es divi-
Ejercicio 1.8.
Demuestra que 12 + 22 + 32 + . . . + n2 =
Ejercicio 1.9. Demuestra que 13 + 23 + 33 + . . . + n3 =

Ejercicio 1.10.
que dos.
1.6.2
Demuestra que
1
2
1
4
1
8
+ ... +
1
2n1
n(n+1)(2n+1)
,
6
n2 (n+1)2
,
4
para cualquier n N.
para n N.
1 para cualquier natural mayor o igual
Ejercicios complementarios
Ejercicio 1.1. Calcula, si existen, el supremo, nfimo, mximo y mnimo de los siguientes conjuntos
a) A = [0, 1] [2, 3[,
b) A = {2n
( : n N},
)
2
1

c) A = x R : x + 2x + 1 <
,
2
d) A = [0, +[Q.
Ejercicio 1.2. Resuelve las siguientes inecuaciones:
a) |x 5| < |x + 1|,
b) |x 3| < 0.
14
Ejercicios
Ejercicio 1.3. Demostrar por induccin que todos los nmeros de la forma n3 +5n son divisibles
por 6.
Ejercicio 1.4. Demostrar por induccin que todos los nmeros de la forma 32n 1 son divisibles
por 8.
E
Ejercicio 1.5. Prubese que para todo natural n 2 se verifica que 3 no divide a n3 n + 1.
Ejercicio 1.6.
Prubese que para todo natural n 2 se verifica que 5 divide a n5 n.
Ejercicio 1.7.
Demostrar que (1 + x)n > 1 + nx, n N, n > 1. para x R \ {0}, x > 1.
Ejercicio 1.8. Demostrar que xn+1 +

positivo distinto de uno.
1
xn+1
> xn +
1
xn ,
para cualquier natural n y cualquier real x
Ejercicio 1.9. Probar que si x R \ {1}, entonces se verifica que
Ejercicio 1.10.
xn+1 1
, n N.
x1
Demostrar que, dado un natural n, n es natural o irracional.
Ejercicio 1.11.
Demostrar que 2 + 3 es irracional.
1 + x + x2 + x3 + . . . + xn =
15
16
Introduccin al Anlisis Numrico

2
2.1 Introduccin al Anlisis Numrico 17
2.2 Errores absolutos y relativos 18
2.3 Aritmtica de ordenador 21 2.4 Estabilidad 23 2.5 Ejercicios 24
2.1 Introduccin al Anlisis Numrico

El anlisis numrico usa mtodos para aproximar de forma eficiente las soluciones de un problema matemtico. De forma usual involucra cambiar cantidades que no pueden ser calculadas
explcitamente por aproximaciones y, por tanto, es muy importante el manejo de los errores cometidos.
En la prctica, un problema matemtico se suele derivar de un problema fsico sobre el que
se hacen algunas suposiciones y/o simplificaciones hasta un obtener un modelo matemtico. Normalmente las suposiciones permiten trabajar con un problema matemtico resoluble que se suele complicar ms cuando eliminamos dichas suposiciones. Dado que el problema matemtico es
una aproximacin al problema fsico, tiene inters encontrar soluciones aproximadas al menos al
problema matemtico. El anlisis numrico est interesado en el desarrollo de mtodos (algoritmos) que construyan de forma explcita y en una cantidad finita de pasos una solucin aproximada.
Tienen ms inters por tanto aquellas demostraciones o construcciones que permiten encontrar
explcitamente la solucin.
Problema A
Problema matemtico B
Solucin exacta u
Problema aproximado B0
Solucin aproximada u0
En resumen, comenzamos con un problema real A, dicho problema lo trasladamos a un problema

matemtico B con solucin exacta u y, por ltimo, este problema se puede cambiar por un problema
matemtico ms sencillo B0 con solucin u0 . De este desarrollo surgen algunos problemas que hay
que considerar:
17
Errores absolutos y relativos
a) Cmo podemos medir el parecido o la diferencia entre B y B0 ?

b) Problemas de estabilidad; es inevitable cometer errores en el clculo, debido a los redondeos
que efectan los computadores. Interesa que pequeos errores cometidos en los clculos que
conducen a u0 hagan que el resultado no difiera mucho de u (hablaremos de esto en la ltima
seccin).
c) Coste del proceso. Cuntas operaciones deben realizarse? Cunto tiempo se precisa para
realizarlas?
Ejemplo 2.1. Podemos evaluar el polinomio p(x) = 12x4 + 5x3 18x2 + 7x + 11 de varias
formas. Tambin podemos escribirlo como p(x) = (((12x + 5)x 18)x + 7)x + 11. El nmero de
operaciones para evaluarlo en el primer caso es de 4 + 3 + 2 + 1 = 10 multiplicaciones y 4 sumas,
15 en total, mientras que en el segundo se requieren solamente 4 multiplicaciones y 4 sumas.
En el caso general de un polinomio de orden n, el nmero de multiplicaciones necesario para
evaluarlo si est escrito como
an xn + an1 xn1 + + a1 x + a0
es
n(n+1)
2 .
En cambio, si lo evaluamos usando

(. . . ((an x + an1 )x + an2 )x + + a1 )x + a0
Algoritmo
de Horner
slo necesitamos n multiplicaciones. Es preferible usar el segundo mtodo porque exige menos
operaciones y, por tanto, menos posibilidades error. El segundo mtodo de evaluar el polinomio
se denomina algoritmo de Horner.
/
2.2 Errores absolutos y relativos

Cuando aproximamos un nmero real existen dos indicadores de la precisin de dicha aproximacin. En concreto:
Error absoluto
Definicin 2.2. Sea un valor real y una aproximacin de ste. Se define entonces el
error absoluto como
erra = | |
Error relativo
Y si 6= 0, se define el error relativo como

errr =
| |
||
Ejemplo 2.3. Con los siguientes ejemplos vamos a constatar que se puede dar el mismo error
relativo aunque los errores absolutos sean distintos.
error absoluto
error relativo
2
210 -4
210 4
2.1
2.110 -4
2.110 4
0.1
0.110 -4
0.110 4
0.05
0.05
0.05
Tabla 2.1 Ejemplos de errores absolutos y relativos
18
/
Hay que comentar que el valor del error relativo nos informa de la relevancia del error cometido
al hacer la aproximacin. Si medimos la distancia de Granada a Barcelona, as como la longitud de
una pizarra y en ambos casos cometemos un error (absoluto) de 15cm, est claro que en el primer
caso podramos asegurar que la medicin es correcta, cosa que en el segundo caso no sera. El
motivo de que una aproximacin sea precisa o no estriba en el error relativo. En el primer caso
el error relativo es muy pequeo si estamos midiendo kilmetros; mientras que en el caso de la
pizarra, sera un error relativo considerable.
En la prctica, como el valor de no se conoce, en consecuencia tampoco se conocen los errores
absoluto y relativo. Pero s se pueden encontrar acotaciones de dichos errores.
Definicin 2.4.
Se dice que M > 0 es una cota del error si se verifica que erra < M.
Clasificacin de los errrores

Hay muchas causas que pueden interferir en la precisin de un clculo y generar errores. Esos
errores se pueden clasificar en:
Errores iniciales Vienen de los problemas al recoger los datos iniciales y se deben usualmente a medidas con precisin limitada.
Errores de redondeo Son debidos a redondeos en los clculos porque estn hechos con un
nmero finito de cifras significativas
Errores de truncamiento Corresponden a truncamientos de procedimientos infinitos como cuando
nos quedamos con una cantidad finita de trminos en una serie.
Errores de propagacin Son debidos a la propagacin de errores previos en el algoritmo.
Ejemplo 2.5. El siguiente cdigo es parte de la implementacin de la funcin exponencial en
la librera Clibc 1
/*
* ====================================================
* Copyright (C) 1993 by Sun Microsystems, Inc. All rights reserved.
*
* Developed at SunPro, a Sun Microsystems, Inc. business.
* Permission to use, copy, modify, and distribute this
* software is freely granted, provided that this notice
* is preserved.
* ====================================================
*/
/* __ieee754_exp(x)
* Returns the exponential of x.
*
* Method
*
1. Argument reduction:
*
Reduce x to an r so that |r| <= 0.5*ln2 0.34658.
*
Given x, find r and integer k such that
1
Clibc es una pequea biblioteca en C diseada para sistemas con Linux empotrado.
19
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
x = k*ln2 + r,
|r| <= 0.5*ln2.
Here r will be represented as r = hi-lo for better

accuracy.
2. Approximation of exp(r) by a special rational function on
the interval [0,0.34658]:
Write
R(r**2) = r*(exp(r)+1)/(exp(r)-1) = 2 + r*r/6 - r**4/360 + ...
We use a special Reme algorithm on [0,0.34658] to generate
a polynomial of degree 5 to approximate R. The maximum error
of this polynomial approximation is bounded by 2**-59. In
other words,
R(z) 2.0 + P1*z + P2*z**2 + P3*z**3 + P4*z**4 + P5*z**5
(where z=r*r, and the values of P1 to P5 are listed below)
and
|
5
|
-59
| 2.0+P1*z+...+P5*z
- R(z) | <= 2
|
|
The computation of exp(r) thus becomes
2*r
exp(r) = 1 + ------R - r
r*R1(r)
= 1 + r + ----------- (for better accuracy)
2 - R1(r)
where
2
4
10
R1(r) = r - (P1*r + P2*r + ... + P5*r
).
3. Scale back to obtain exp(x):
From step 1, we have
exp(x) = 2k * exp(r)
Sin entrar en detalles, el clculo de la exponencial incluye que

a) Dividimos y cambiamos el punto donde se calcula la exponencial por otro menor o igual que
0.5 log(2) 0.34658.
b) Aproximamos la funcin exponencial por un polinomio de grado 5 en dicho intervalo.
c) Reescalamos para obtener el resultado buscado.
Observa que en cada paso, estamos perdemos algo de exactitud. Qu tipo de errores estamos
cometiendo?
/
20
Aritmtica de ordenador
2.3 Aritmtica de ordenador

Cuando hacemos clculos con un ordenador se suelen cometer errores debido a las aproximaciones que se suelen hacer en dichos clculos y en cmo el ordenador almacena los nmeros que
aparecen. Estos ltimos errores se llaman de redondeo.
Veamos a continuacin cmo el ordenador almacena los nmeros reales.
2.3.1
Expresin decimal y expresin binaria

El sistema decimal es el sistema de representacin de nmeros que nos resulta ms familiar. Si
un nmero x se puede escribir en base 10 como
x = (n 10n + n1 10n1 + + 0 100 + 1 101 + 2 102 + )
donde i {0, 1, 2, . . . , 9}, su expresin decimal es
n n1 . . . 0 .1 2 . . .
Por ejemplo, si un nmero tiene por expresin decimal 74.348 es porque
74.348 = 7 101 + 4 100 + 3 101 + 4 102 + 8 103
Sin embargo, en la mayora de los ordenadores se utliza la representacin en el sistema binario;
esto es, los dgitos con los que vamos a trabajar ahora van a ser dos:{0, 1}, ya que trabajamos en
base 2:
x = (n 2n + n1 2n1 + + 0 20 + 1 21 + 2 22 + )
donde i {0, 1}, entonces la expresin binaria de x es
n n1 . . . 0 .1 2 . . .
Ejemplo 2.6. No es difcil pasar de la representacin en sistema decimal a sistema binario y
viceversa. Por ejemplo, dado el nmero 101.011 en sistema binario, su representacin en sistema
decimal es 5.375 ya que
1 22 + 0 21 + 1 20 + 0 21 + 1 22 + 1 23 = 5.375
Veamos ahora un ejemplo del paso contrario. Por ejemplo, sea 10.75 en sistema decimal. Su representacin en sistema binario es 1010.11 ya que
10.75 = 1 23 + 0 22 + 1 21 + 0 20 + 1 21 + 1 22
Por qu?
/
Hay que tener en cuenta que un nmero en sistema decimal puede tener un nmero finito de
decimales (por ejemplo 0.1) y, sin embargo, puede tener infinitos decimales en sistema binario
(0.12) = 0.0001100011 . . .).
21
2.3.2
Almacenamiento de nmeros reales

La limitacin del espacio en un ordenador obliga a que ste no pueda guardar todos los nmeros reales (infinitos), sino que slo pueda almacenar un subconjunto finito de nmeros llamados
nmeros mquina. Adems, cuando un ordenador almacena un nmero real, en realidad lo que
almacena es una aproximacin suya.
Cuando escribimos el nmero 12.304 en el sistema decimal tambin lo podramos escribir as:
12304 103
1230.4 102
123.04 101
12.304 100
1.2304 101
12304 102
0.12304 103
Lo que hemos hecho ha sido desplazar el punto decimal. Anlogamente se hara en el sistema
binario.
El ordenador utiliza una representacin estndar para escribir los nmeros reales que se llama
representacin de punto flotante. Esto es, si x es un nmero real dado, se escribira como sigue
x = a 10b
donde a es una expresin decimal finita, llamada mantisa y verifica que: 0.1 a 1 y b es un
nmero entero, llamado exponente. Si trabajamos en el sistema binario, entonces:
x = a 2b
siendo 0.1 a 1 (en base 2) la mantisa, y b un entero, el exponente.
La precisin de un nmero mquina depende del nmero de bits (espacios) utilizados para ser
almacenados. La limitacin de espacios (bits) hace que el ordenador tenga una cota por arriba y una
cota por abajo, adems de que para calcular obligatoriamente se vea obligado a hacer redondeos
para manejar nmeros que pueda almacenar.
2.3.3
Propiedades de la aritmtica de ordenador

Los errores de redondeo pueden alterar las propiedades elementales de la aritmtica, como son
la propiedad asociativa o la de elemento neutro.
En prcticas con wxMaxima veremos ejemplos de cmo la aritmtica de ordenador altera la
aritmtica real.
2.3.4
Cancelacin de cifras significativas

La aritmtica de ordenador requiere que al hacer clculos organicemos con detalle los mismos
para que las aproximaciones que se hagan no afecten en demasa a la precisin del resultado final.
Con respecto a esto y, en concreto, cuando restamos dos nmeros similares, se da el fenmeno
22
Estabilidad
de la cancelacin de cifras significativas que, en determinados procesos de clculo, puede afectar

considerable y negativamente a la precisin del resultado final.
Ejemplo 2.7. Consideremos dos nmeros reales casi iguales
p = 1.23456789
q = 1.23454678
y supongamos que estamos trabajando con una precisin de 9 cifras. Si los restamos:
p q = 0.00002111
observamos que hemos perdido precisin ya que de 9 cifras significativas, hemos pasado a slo 4
(el resto son iguales). Puede ocurrir, entonces, que el ordenador sustituya estas cifras por ceros o
por valores arbitrarios (depende de la mquina), lo que puede afectar a los clculos siguientes. /
Veamos otro ejemplo donde se constata el efecto que produce el fenmeno de la cancelacin de
cifras significativas.
Ejemplo 2.8. Por ejemplo, al resolver una ecuacin de segundo grado a x2 + bx + c = 0 y al
calcular las races de la forma convencional
b + b2 4ac
b b2 4ac
x1 =
x2 =
2a
2a
observamos que, cuando
b es positivo y grande, en el numerador de x1 estamos restando dos n
meros similares ( b2 4ac b), con lo que se producir el efecto de la cancelacin de cifras
significativas; mientras que en el clculo de x2 este efecto no se producir puesto que estamos
sumando dos cifras similares. Para evitar lo primero podemos radicalizar la frmula que calcula
x1 de la forma siguiente:
b + b2 4ac (b + b2 4ac) (b b2 4ac)

2c
x1 =
=
=
2a
2a
(b b2 4ac) b + b2 4ac
El fenmeno que acabamos de comentar lo constataremos en prcticas con wxMaxima con un
ejemplo concreto.
/
2.4 Estabilidad
Qu pasa cuando acumulamos errores debido a hacer un nmero elevado de operaciones?
A este fenmeno se le conoce como propagacin de errores. Y el objetivo es saber reconocer
situaciones en los que los errores se magnifiquen. Veremos que muchas veces, slo cambiando el
proceso de clculo podemos evitar situaciones molestas.
2.4.1
Propagacin de errores
Las operaciones de multiplicacin, divisin y radicacin no afectan a la magnificacin de errores
relativos. No ocurre lo mismo con los errores absolutos ya que el dividir por un nmero pequeo
o, lo que es lo mismo, multiplicar por un nmero grande, se puede magnificar el error absoluto.
Ya que los errores son inevitables en el clculo numrico, al menos debemos aspirar cuando
establezcamos un algoritmo que la propagacin de errores no afecte demasiado al resultado final.
Cuando esto ocurra diremos que el algoritmo es estable. En otro caso, diremos que el algoritmo es
inestable. A lo largo del curso intentaremos asegurar la estabilidad de los algoritmos propuestos.
23
Ejercicios
En prcticas veremos cmo dos algoritmos matemticamente equivalentes no tienen por qu

tener la misma estabilidad cuando se trabaja con aritmtica de ordenador. Concretamente, estableceremos dos algoritmos para calcular la potencia n-sima de 1/3, es decir, 1/3n , ambos equivalentes.
Sin embargo, trabajando con una aritmtica de 5 dgitos (esto es, aproximando 1/3 por 0.33333),
uno de ellos ser estable, mientras que el otro ser inestable.
2.5 Ejercicios
Ejercicio 2.1. Comprobar las siguientes propiedades de los sumatorios:
n
n
n
X
X
X
a)
(ak + bk ) =
ak +
bk
k=1
k=1
k=1
n
n
X
X
b)
(c ak ) = c
ak ,
k=1
k=1
n
X
c)
(ak ak1 ) = an a0 ,
k=1
Ejercicio 2.2. Estudiar si son ciertas las igualdades:

99
100
X
X
i2 ,
(i 1)2 =
a)
i=0
i=1
100
100
X
X
b)
(2 + k) = 202 +
k,
k=0
k=0
100 100
100
X
X X
3
c)
k = k k2 ,
k=1
k=1
k=1
100 3
100
X
X
d)
k3 = k ,
k=1
e)
f)
100
X
k=1
k2 =
100
X
k=0
k=1
100
X
99
X
k=0
k2 =
k=1
Ejercicio 2.3.
k2 ,
k2 + 2
99
X
k + 100.
k=1
Consideremos las funciones:

f (x) = x x + 1 x , g(x) =
x+1+ x
Observemos que algebraicamente f es equivalente a g. Deseamos hallar el valor de f (500) y g(500).

Qu funcin proporciona mejores resultados? Por qu?
Ejercicio 2.4. Deseamos calcular 9876 9875 Cul es el mejor modo de realizarlo?
Ejercicio 2.5. Detectar posibles problemas en la evaluacin de las expresiones siguientes y
proponer alternativas para evitarlas:
24
Ejercicios
1
1x
para |x| mucho menor que 1.

1 + 2x 1r
+x
r
1
1
b) x + x para |x| mucho mayor que 1.
x
x
1 cos(x)
para |x| mucho menor que 1, x 6= 0.
c)
x
a)
25
26
Funciones elementales
Definiciones
3
3.1 Definiciones 27
3.2 Funciones elementales 34 3.3 Ejercicios 44
La idea de funcin aparece por todas partes: cada persona tiene una edad o un nmero de hijos o
una cantidad de dinero en el bolsillo. No necesariamente tenemos que referirnos a nmeros, podemos decir que cada persona tiene, o tuvo, un color de pelo, una marca de coche, etc. El formalismo
de las funciones nos permite tratar todas estas situaciones de la misma forma.
3.1 Definiciones
3.1.1
Dominio, rango e imagen

Definicin 3.1. Una funcin f : A B es una regla que a cada elemento a de A le asocia
un nico elemento de B. Al conjunto A se la llama dominio de la funcin y a B se le suele
llamar codominio. No hay que confundir el codominio con la imagen de la funcin que es
conjunto

f (A) = b B : a A tal que f (a) = b .
La preimagen de un elemento b de B son aquellos elementos de A cuya imagen es B. Utilizaremos la siguiente notacin
f 1 (b) = {a A : f (a) = b} .
Por extensin, tambin se puede hablar de la preimagen de un conjunto. Si B0 B, la preimagen de B0 es
f 1 (B0 ) = {a A : f (a) B0 } .
La grfica de la funcin es el conjunto Gr( f ) = {(a, b) A B : f (a) = b}.
Observacin 3.2. La definicin de funcin incluye tres cosas obligatoriamente: el dominio, el
codominio y la regla que a cada elemento del dominio le asocia uno del codominio.
En ocasiones
abusaremos del lenguaje y hablaremos, por ejemplo, de la funcin f (x) = x + 1. Qu queremos

decir? Slo tenemos la regla que define la funcin. Cules son su dominio y su codominio? Su
dominio natural es el mayor conjunto donde la definicin tiene sentido. En nuestro caso sera
{x R : x 1} y el codominio es simplemente la imagen de la funcin. En general y salvo que
se diga lo contrario, en ausencia de un dominio explcito nos referiremos al conjunto donde tiene
sentido la definicin de la funcin.
Ejemplo 3.3. Consideremos la funcin f : [0, 3] R definida como f (x) = cos(x).
27
dominio
Definiciones
cos(x)
0
3
2
5
2
1
Figura 3.1 Grfica e imagen de la funcin coseno
a) Su dominio es el intervalo [0, 3]
b) Su codominio es todo el conjunto de los nmeros reales aunque podramos haber puesto cualquier conjunto ms grande que el intervalo [1, 1] (su imagen).
c) En la Figura 3.1 hemos representado en azul la grfica de la funcin, esto es, el siguiente subconjunto del plano
{(x, cos(x)) : x [0, 3]} .
d) La imagen de la funcin son los valores que toma. En este caso, la funcin coseno toma todos
los valores entre 1 y 1 (en rojo en la figura anterior).
e) La preimagen de un valor puedes ser nica, pueden ser varios elementos o vaca. En nuestro
caso, al ser la funcin peridica, la preimagen nunca es nica. Por ejemplo,
f 1 (1) = {x [0, 3] : cos(x) = 1} = {0, 2} ,
en cambio, f 1 (2) = , ya que la funcin coseno nunca vale 2.
f) Cuando es la funcin positiva? Por definicin, cuando el valor de la funcin es mayor estrictamente que cero:
# 3 5 "
1
f (]0, +[) = {x [0, 3] : cos(x) > 0} = 0,
,
.
2
2 2
Observa que en este caso f 1 (]0, +[) = f 1 (]0, 1]).
Ejemplo 3.4. Uno de los ejemplos ms frecuentes de funciones con los que nos encontramos
son las sucesiones. En el Captulo 4 hablaremos de ellas con ms detalle. Una sucesin es una
funcin cuyo dominio es el conjunto de los nmeros naturales. Si el codominio es el conjunto de
los nmeros reales, tenemos una sucesin de nmeros reales; si el codominio es el conjunto de
los alumnos de la clase, tendremos una sucesin de estudiantes, etc. Es importante resaltar que el
hecho de que el dominio sea N lo que nos da es una lista ordenada de elementos. Por ejemplo, la
funcin
f : N R,
f (n) = 2n
1 7 2
2 7 4
...
nos enumera el conjunto de los pares: el primer nmero par es el 2, el segundo el 4, etc.
28
Definiciones
Ejemplo 3.5. Todos los ejemplos hasta ahora han tenido subconjuntos de R como dominio y codominio. Es por eso que todas las representaciones las hemos hecho en el plano R2 . La representacin
de funciones con ms variables en salida o en llegada requiere ms
dimensiones para la representacin de su grfica. En la Figura 3.2
tienes la representacin de la funcin definida en el plano como

Figura 3.2 Grfica de una
cos x2 + y2
funcin de dos variables
f (x, y) =
.
1 + x 2 + y2
No es sencillo visualizar en el papel funciones de ms variables ya que habra que representar
espacios con cuatro dimensiones o ms en el plano.
/
3.1.2
Funciones inyectivas, sobreyectivas y biyectivas

Definicin 3.6.
a) Una funcin f : A B es inyectiva si se cumple que no hay dos elementos distintos con
la misma imagen, esto es, si x 6= y entonces f (x) 6= f (y).
b) Una funcin f : A B es sobreyectiva si todo elemento tiene una preimagen, esto es,
dado b B existe a A tal que f (a) = b.
c) Una funcin f : A B es biyectiva si es inyectiva y sobreyectiva.
Ejemplo 3.7.
a) La funcin f : R R definida como f (x) = x2 no es inyectiva ni sobreyectiva. Su imagen es
R+0 . Por tanto, la funcin f : R R+0 , f (x) = x2 es sobreyectiva. Ninguna de las dos versiones
es inyectiva: f (x) = f (x). Si restringimos a los positivos o a los negativos, s. Por ejemplo,
f : R R, f (x) = x2 es inyectiva.
x2
18
x2
18
16
16
14
14
12
12
(-3,9) 10
(-3,9) 10
(3,9)
4 3 2 1 0 1 2 3 4
2
4 3 2 1 0 1 2 3 4
2
No
Figura 3.3 La funcin x2 es inyectiva?
29
Funcin inyectiva
Funcin sobreyectiva
Funcin biyectiva
Definiciones
b) Las funciones peridicas no son inyectivas: el valor de la funcin se repite cuando avanzamos
el periodo, ms concretamente, si la funcin es T -peridica, entonces f (x) = f (x + T ).
c) La funcin exponencial
i y el logaritmo son inyectivas.
h

d) La funcin sen : 2 , 2 [1, 1] es biyectiva.
/
Funcin inversa
Si f : A B es una funcin inyectiva, la funcin inversa de f , a la que denotaremos f 1 , es la
funcin f 1 : f (A) A definida por f 1 ( f (a)) = a. En otras palabras, si la funcin f enva a en
f (a), su inversa deshace el camino y envia a f (a) de nuevo a a.
Conocemos muchas funciones inyectivas y, para algunas de ellas, tambin conocemos su inversa.
Por ejemplo, sabemos que la funcin exponencial y el logaritmo neperiano son inversas una de la
otra. Qu quiere decir esto? Simplemente que se cumplen las dos siguientes igualdades:
log(ea ) = a y elog(b) = b.
6
4
2
exponencial
4 3 2 1
2
0 1
logaritmo neperiano
Figura 3.4 La funcin exponencial

y el logaritmo son inversas
Esto tiene una consecuencia en las grficas de las funciones. Mira la Figura 3.4. Las grficas de
una funcin y su inversa son simtricas respecto de la bisectriz del primer cuadrante.
Cmo calculamos la inversa de una funcin? En teora es sencillo: si y = f (x) es la funcin,
slo tenemos que cambiar los papeles de x e y. Tenemos que despejar x como funcin de y. Esto
es la teora. Dependiendo de la funcin podemos estar ante un problema fcil o uno imposible.
Veamos un ejemplo.
30
Definiciones
Ejemplo 3.8. Consideremos la funcin

f (x) = x2 + x + 1, cul es su inversa?
Como hemos dicho, tenemos que resolver
la ecuacin
f (x) = x2 + x + 1
5
4
y = x2 + x + 1
3
2
considerando como incgnita x. Las soluciones del polinomio x2 + x + 1 y = 0

son
p
1 1 4(1 y)
x=
2
p
1 4y 3
=
.
2
g(x) =
3 2 1 0 1
1
2
5
h(x) =
1+ 4x3
2
1 4x3
2
Las dos soluciones provienen del hecho de

Figura 3.5 La funcin x2 + x + 1 y sus inversas
que la funcin y = x2 + x+1 no es inyectiva.
S es inyectiva en cualquiera de los intervalos ] , 1/2] y [1/2, +[. En la Figura 3.5 tienes las
grficas de la funcin y su inversa en cada uno de dicho es intervalos.
/
3.1.3
Funciones pares e impares

Definicin 3.9.
a) Una funcin f : A B es par si f (a) = f (a) para cualquier a en A.
b) Una funcin f : A B es impar si f (a) = f (a) para cualquier a en A.
Las funciones pares son aquellas cuya grfica es simtrica respecto del eje OY. En otras palabras, si doblamos la hora por el
eje vertical, ambos mitades coinciden. Para conseguir el mismo efecto con una funcin impar tienes que doblar primero
respecto por eje vertical y, en segundo lugar, por el eje horizontal.
Ejemplo 3.10.
a) Las funciones f (x) = x2 o cos(x) son pares.
b) La funcin f (x) = x3 o sen(x) son impares.
3.1.4
Funcin par
Funcin impar
Figura 3.6 Funciones pares e

/ impares
Funciones peridicas
Definicin 3.11. Una funcin f : R R es peridica si existe algn nmero real T tal que
f (x) = f (x + T ) para cualquier x real. A cualquiera de esos valores se le llama un periodo de
la funcin. El periodo fundamental, , es el menor de todos ellos, o sea,
= inf {T : f (x) = f (x + T ), x R}
31
Funcin peridica
Definiciones
Figura 3.7 Funcin peridica

Ejemplo 3.12. Las funciones seno y coseno son peridicas con periodo 2 (o cualquier mltiplo entero de 2). El periodo fundamental de la tangente es . El caso trivial son las funciones
constantes: son peridicas con cualquier periodo. Por tanto, su periodo fundamental es cero.
/
3.1.5
Acotacin
Dada una funcin con valores reales, podemos hablar de M
cundo los valores que toma dicha funcin se encuentran
en un rango determinado, son mayores o son menores que
una cierta cantidad. En otras palabras, podemos aplicar las
nociones de acotacin de conjuntos a la imagen de la funcin. As surgen las nociones de funcin acotada y funcio- f(x)
nes acotadas superior o inferiormente.
Figura 3.8 Funcin acotada

Definicin 3.13. Sea f : A R una funcin.
a) Diremos que la funcin f est acotada superiormente si su imagen, f (A), lo est. En otras palabras, f est acotada superiormente si existe
un nmero M tal que f (a) M para cualquier elemento a de A.
b) Diremos que la funcin f est acotada inferiormente si su imagen, f (A), lo est. En otras
palabras, f est acotada superiormente si existe un nmero m tal que f (a) m para
cualquier elemento a de A.
c) Diremos que la funcin est acotada si lo est superior e inferiormente.
Ejemplo 3.14. Las funciones seno o coseno estn acotadas. En cambio ningn polinomio, salvo
los constantes, es una funcin acotada en R.
/
Una vez que tenemos un conjunto acotado, podemos hablar de mximo y supremo.
Definicin 3.15. Sea f : A R una funcin.
a) Diremos que la funcin f tiene mximo si su imagen, f (A) lo tiene. Diremos que f alcanza
su mximo en a0 A si f (a) f (a0 ) para cualquier a A.
b) Diremos que la funcin f tiene mnimo si su imagen, f (A) lo tiene. Diremos que f alcanza
su mnimo en a0 A si f (a) f (a0 ) para cualquier a A.
Observacin 3.16. Ya sabemos que un conjunto acotado superiormente tiene supremo. No
podemos decir lo mismo con respecto al mximo. Hay conjuntos que tienen supremo pero este no
32
Definiciones
se alcanza. Piensa, por ejemplo, en los intervalos abiertos. La misma situacin se puede dar con
funciones. Por ejemplo, la funcin f :]0, 1[]0, 1[, f (x) = x est acotada, pero no tiene mximo
ni mnimo.
3.1.6
Funciones montonas
Definicin 3.17.
a) Una funcin f : A R R es creciente (resp. decreciente) si
Funcin creciente
x y = f (x) f (y) (resp. f (x) f (y)).

b) Una funcin f : A R R es estrictamente creciente (resp. estrictamente decreciente)
si
x < y = f (x) < f (y) (resp. f (x). > f (y))
En general, diremos que una funcin es montona si es creciente o decreciente y diremos que
es estrictamente montona si es estrictamente creciente o estrictamente decreciente.
Observacin 3.18.
Hay veces que los nombres nos pueden inducir
a error y este es uno de esos casos. La idea intuitiva que tenemos todos es que una funcin creciente es aquella que tiene una grfica ascendente.
En realidad eso es una funcin estrictamente creciente. Una funcin constante es creciente (y decreciente). La expresin correcta debera ser que
una funcin creciente es aquella cuya grfica no
baja.
3
2
1
0
Monotona e inyectividad
Se deduce directamente de la definicin de funcin estrictamente montona que puntos del
dominio distintos tienen imgenes distintas. En particular, las funciones estrictamente montonas
son inyectivas. Es cierto el recproco? Es fcil encontrar ejemplos de que no es cierto en general.
Por ejemplo, la funcin f : [0, 3] R definida como

x,
si 0 x < 2,
f (x) =
5 x, si 2 x 3,
no es creciente ni decreciente. La funcin f no es continua y podra pensarse que este fenmeno
no se presentara en funciones continuas, pero no es difcil conseguir un ejemplo con funciones
continuas. Dnde presenta problemas de continuidad la funcin f ? Pues eliminemos esos puntos.
Considera la funcin g : [0, 1] [2, 3] R definida como

x,
si 0 x < 1,
f (x) =
5 x, si 2 x 3,
33
Funcin estrictamente creciente
2
f
0 1
0 1
Figura 3.9 Monotona e inyectividad

Como puedes ver, para la inyectividad no es una condicin suficiente para probar monotona si
consideramos funciones que no sean continuas o que no estn definidas en intervalos. En otro caso,
el resultado es cierto.
3.2 Funciones elementales

3.2.1
Funciones potenciales
La funcin potencial f : R+ R definida como f (x) = xb tiene sentido para cualquier exponente b real. En el caso particular de potencias naturales, se puede extender la definicin a toda la
recta real.
a) f es biyectiva de R+ en R+ , continua y derivable con f 0 (x) = bxb1 .
b) (xy)b = xb yb .
c) Si b > 0, f es estrictamente creciente y verifica lim x0 xb = 0 y lim x+ xb = +.
d) Si b < 0, f es estrictamente decreciente y verifica lim x0 xb = + y lim x+ xb = 0.
f (x) = x2
4
3
2
1
-2
-1
g(x) =
0
x
5
-1
-2
Figura 3.10
Funcin potencial
Como consecuencia se obtiene que los polinomios, suma de funciones potenciales con exponente
natural, son derivables en todo R. Ms concretamente, si p(x) = a0 + a1 x + . . . + an xn , entonces
p0 (x) = a1 + 2a2 x + . . . + nan xn1 , x R.
34
3.2.2
Funcin exponencial
La funcin exponencial de base e, f : R R est definida como f (x) = e x . A veces usaremos
la notacin exp(x) para indicar e x .
a) f es continua y derivable en R con f 0 (x) = e x .
b) f es biyectiva de R en R+ y estrictamente creciente.
c) lim e x = 0 y lim e x = +.
x
x+
d) e x+y = e x ey .
6
5
f (x) = e x
4
3
2
g(x) = log(x)
1
-4
-3
-2
-1
-1
-2
-3
-4
Figura 3.11
3.2.3
Funciones exponencial y logaritmo neperiano
Funcin logaritmo neperiano

La funcin logaritmo neperiano 2, g(x) = log(x) para x positivo, es la inversa de la funcin
exponencial.
a) g es derivable y g0 (x) = 1x .
b) g es biyectiva de R+ en R y estrictamente creciente.
c) lim log(x) = y lim log(x) = +.
x0
x+
+
log(xy)
= log(x) + log(y), x, y R .
log yx = log(x) log(y), x, y R+ .
log(xy ) = y log(x), x R+ , y R.
log(1) = 0, log(e) = 1.
Haciendo uso de la siguiente frmula se deducen las dems funciones elementales, excepto las
trigonomtricas
d)
e)
f)
g)
ab = elog(a ) = eb log(a) , a R+ , b R.
b
Usaremos indistintamente la notacin ln(x) y log(x) para indicar el logaritmo neperiano
35
3.2.4
Funcin exponencial de base a 6= 1

f : R R, f (x) = a x , x R
a) f es biyectiva de R en R+ , continua y verifica a x+y = a x ay .
b) Si a > 1, f es estrictamente creciente y verifica lim a x = 0 y lim a x = +.
x
x+
c) Si a < 1, f es estrictamente decreciente y verifica lim a x = + y lim a x = 0.

x
x+
d) f es derivable y f 0 (x) = a x log(a).

4
g(x) =
f (x) = 2.5 x
1
2.5 x
-2
-1
Figura 3.12 Funcin exponencial
3.2.5
Funciones logartmicas de base a 6= 1

La inversa de la funcin exponencial es la funcin logaritmo. Su comportamiento depende de
la base de la expoencial que hayamos considerado. Es por esto que en algunos casos tengamos que
distinguir entre base mayor o menor que uno.
g : R+ R, g(x) = loga (x) =
log(x)
x R+
log(a)
a) g es biyectiva de R+ en R y continua. Adems g es la inversa de la funcin exponencial de base

a. Verifica tambin que
loga (xy) = loga (x) + loga (y),
!
x
loga
= loga (x) loga (y),
y
loga (xz ) =z loga (x)
para cualesquiera x, y R+ , z R.
b) Si a > 1, g es estrictamente creciente y
lim loga (x) = , y
x0
lim loga (x) = +.
x+
c) Si a < 1, g es estrictamente decreciente y

lim loga (x) = +, y
x0
36
lim loga (x) = .
x+
f (x) = log(x)
g(x) = log0.5 (x)
2
1
-1
-2
-3
Figura 3.13
Funcin logaritmo
Funciones trigonomtricas
3.2.6
Las funciones seno y coseno

a) Son derivables en todo R y sen0 (x) = cos(x), cos0 (x) = sen(x).
b) Son funciones peridicas de periodo 2
sen(x + 2) = sen(x), cos(x + 2) = cos(x).
c) sen2 (x) + cos2 (x) = 1, x R.
Frmula funda
d) cos : [0, ] [1, 1] es una biyeccin estrictamente decreciente con cos(0) = 1, cos 2 = 0, mental de trigonometra
cos() = 1.

e) sen : [ 2 , 2 ] [1, 1] es una biyeccin estrictamente creciente con sen 2 = 1, sen(0) = 0,

sen 2 = 1.
f) La imagen, tanto de la funcin seno como de la funcin coseno, es el intervalo [1, 1].
g) La funcin coseno es par: cos(x) = cos(x), x R.
h) La funcin seno es impar: sen(x) = sen(x), x R.
i) cos(x + ) = cos(x), sen(x + ) = sen(x), x R.
j) Las funciones seno y coseno no tienen lmite en + ni en .
37
Algunos valores destacados de seno y coseno

1
tan(x)
(cos(x),sen(x))
ngulo x
1
0.5
0.5
1
1
Funcin seno
0.5
0.5
1
3
2
Funcin coseno
Figura 3.14
Las funciones seno y coseno
Radianes
Coseno
Seno
Tangente
0
/6
/4
/3
/2
2/3
3/4
5/6
3/2
2/2
1/2
0
1/2
2/2
3/2
1
0
1/2
2/2
3/2
1
32
2/2
1/2
0
1/ 3
1
3
1
1/ 3
0
Tabla 3.1 Valores de seno, coseno y tangente en los

dos primeros cuadrantes
38
2
2
3
3
2
3
4
2
2
5
6
1
2
2
2
2
2
12
3
2
1
2
12
5
6
2
2
2
3
Figura 3.15
3
2
3
4
3
2
2
Crculo trigonomtrico
Teorema del coseno
h = a sen()
rea= 21 bh
Teorema del coseno: c2 = a2 + b2 2ab cos()
a
h
3.2.7
La funcin tangente
Como se verifica que cos(x) = 0 x = 2 + k, k Z, podemos definir la funcin tangente
como

sen(x)
tan : A R, A = R \
+ k : k Z , tan(x) =
2
cos(x)
39
Figura 3.16
Funcin tangente
a) tan(x +
i ) = htan(x), x A.
b) tan : 2 , 2 R es una funcin continua y estrictamente creciente y adems verifica que
lim x 2 tan(x) = y lim x 2 tan(x) = +.
c) La funcin tangente es derivable y
tan0 (x) = 1 + tan2 (x) =
3.2.8
1
.
cos2 (x)
Secante, cosecante, cotangente

Siempre que los respectivos denominadores no se anulen, se pueden definir las siguientes funciones
1
, x B
sen(x)
1
sec : A R, sec(x) =
, x A
cos(x)
cos(x)
, x B,
cotan : B R, cotan(x) =
sen(x)
cosec : B R, cosec(x) =
donde A = R \ { 2 + k : k Z} y B = R \ {k : k Z}.
Dichas funciones son continuas y derivables en su correspondiente dominio y
sec0 (x) = tan(x) sec(x),
cosec0 (x) = cotan(x) cosec(x),
1
cotan0 (x) = 2
= cosec2 (x) = (1 + cotan2 (x)).
sen (x)
40
3.2.9
Inversas de funciones trigonomtricas

Funcin arcoseno
Arcocoseno
Esta funcin es la inversa de la restriccin de la funcin seno al intervalo [ 2 , 2 ], y por tanto arcsen : [1, 1] [ 2 , 2 ] verifica que
sen(arcsen(x)) = x, x [1, 1].
Adems, es una funcin biyectiva, continua y estrictamente creciente con
arcsen(1) = , arcsen(0) = 0, arcsen(1) = .

2
2
Por ltimo, es derivable en el intervalo abierto ] 1, 1[ con derivada
0
2
Figura 3.17
arcocoseno
1
arcsen0 (x) =
.
1 x2
Arcoseno
Arcoseno y
Funcin arcocoseno
Es la funcin inversa de la restriccin de la funcin coseno al intervalo [0, ], y por tanto
cos(arccos(x)) = x, x [1, 1].
Esta funcin es biyectiva, continua y estrictamente decreciente con
arccos(1) = , arccos(0) = , arccos(1) = 0

2
Es derivable en el intervalo abierto ] 1, 1[ con derivada
1
arccos0 (x) =
.
1 x2
Funcin arcotangente
i
h
Es la inversa de la restriccin de la funcin tangente al intervalo 2 , 2 y, por tanto,

arctan : R ,
2 2
verifica que tan(arctan(x)) = x, x R.
a) Esta funcin es biyectiva, continua y estrictamente creciente con
lim arctan(x) = , arctan(0) = 0, lim arctan(x) = .

x+
x
2
2
b) Es derivable en R y arctan0 (x) =
1
.
1+x2
41
Arcotangente
2
Figura 3.18 Funcin arcotangente
3.2.10
Identidades trigonomtricas
a) Identidades pitagricas
sen2 (x) + cos2 (x) = 1
tan2 (x) + 1 = sec2 (x)
cotan2 (x) + 1 = cosec2 (x)
b) Suma y diferencia de ngulos
sen(x y) = sen(x) cos(y) cos(x) sen(y)
cos(x y) = cos(x) cos(y) sen(x) sen(y)
tan(x y) =
tan(x) tan(y)
1 tan(x) tan(y)
c) Angulo doble
sen(2x) = 2 sen(x) cos(x),
cos(2x) = cos2 (x) sen2 (x) = 2 cos2 (x) 1 = 1 2 sen2 (x)
d) Angulo mitad
1
sen2 (x) = (1 cos(2x))
2
1
cos2 (x) = (1 + cos(2x))
2
x 1 cos(x)
sen(x)
tan
=
=
2
sen(x)
1 + cos(x)
e) Producto
1
(cos(x y) cos(x + y))
2
1
cos(x) cos(y) = (cos(x y) + cos(x + y))
2
1
sen(x) cos(y) = (sen(x + y) + sen(x y))
2
sen(x) sen(y) =
42
3.2.11
Funciones hiperblicas
De forma anloga a como estn definidas las funciones seno y coseno, podemos interpretar
geomtricamente las funciones hiperblicas. El papel que juega la circunferencia unidad x2 +y2 = 1
lo pasa a representar la hiprbola x2 y2 = 1. En este caso, relacionamos el punto (x, y) con el
rea que aparece sombreada en la figura 3.19.
x2 y2 = 1
1
(), ())
rea
Figura 3.19
Seno y coseno hiperblicos
Las funciones hiperblicas estn definidas como:

senh(x) =
e x ex
e x + ex
senh(x)
, cosh(x) =
, tanh(x) =
2
2
cosh(x)
Por analoga con las funciones trigonomtricas hablaremos tambin de tangente, secante y cosecante hiperblica.
4
3
2
1
Figura 3.20
Seno hiperblico
Coseno hiperblico
Funciones hiperblicas
43
Ejercicios
3.2.12
Identidades hiperblicas
a) Identidades pitagricas
cosh2 (x) senh2 (x) = 1,
tanh2 (x) + sech2 (x) = 1
cotanh2 (x) cosech2 (x) = 1
b) Sumas y diferencias de ngulos.
senh(x + y) = senh(x) cosh(y) + cosh(x) senh(y),
senh(x y) = senh(x) cosh(y) cosh(x) senh(y),
cosh(x + y) = cosh(x) cosh(y) + senh(x) senh(y),
senh(x y) = cosh(x) cosh(y) senh(x) senh(y).
c) ngulo doble
senh2 (x) =
1 + cosh(2x)
,
2
cosh2 (x) =
1 + cosh(2x)
.
2
Funciones hiperblicas inversas

p
arcsenh(x) = log x + x2 + 1

p
arccosh(x) = log x + x2 1
!
1+x
1
arctanh(x) = log
2
1x
3.3 Ejercicios
Ejercicio
q 3.1. Calcula el dominio de las siguientes las funciones:
q
x
c)
y
=
a) y = x2
1|x|
x+2

2

d)
y
=
tan
x
+
b) y = log xx2 5x+6
4
+4x+6
Ejercicio 3.2. Si f (x) = 1/x y g(x) = 1/ x, cules son los dominios naturales de f , g, f + g,
f g y de las composiciones f g y g f ?
Ejercicio 3.3. Estudia si son pares o impares las siguientes funciones:
a) f (x) = |x +1| |x 1|
d) f (x) = e x ex
e) f (x) = sen (|x|)
b) f (x) = log 1+x
1x
f) f (x) = cos(x3 )
x
x
c) f (x) = e + e
44
Ejercicio 3.4.
Ejercicios
Para qu nmeros reales es cierta la desigualdad e3x+8 (x + 7) > 0?
Ejercicio 3.5. Comprueba que la igualdad alog(b) = blog(a) es cierta para cualquier par de nmeros
positivos a y b.
Ejercicio 3.6. Resuelve la siguiente ecuacin:
1
1
1
1
=
+
+
.
log x (a) logb (a) logc (a) logd (a)
Ejercicio 3.7. Para qu valores de x se cumple que log(x 1)(x 2) = log(x 1) + log(x 2)?

Ejercicio 3.8. Prueba que log x + 1 + x2 + log 1 + x2 x = 0.
Ejercicio 3.9.
Resuelve la ecuacin x
x
x .
Ejercicio 3.10. Simplifica las siguientes expresiones:

a)/ log a ,
a) alog(log

x
b) loga loga (aa ) .
Ejercicio 3.11.
Comprueba que si f (x) =
1
1x ,
entonces f f f (x) = x.
Ejercicio
3.12. Calcula la inversa de las siguientes funciones
3
ex
b) f (x) = 1+e
a) f (x) = 1 x3
x
Ejercicio 3.13.
Hay algn valor de x e y para los que se cumpla que
Ejercicio 3.14.
45
x+y=
1
x+y
1
x
x + y?
+ 1y ?
Sucesiones de nmeros reales
Definicin y propiedades

4
4.1 Definicin y propiedades 47
4.2 Sucesiones parciales 49
4.3 Monotona 50 4.4 Sucesiones divergentes 53 4.5 Criterios de convergencia 54 4.6 Velocidad de convergencia 56 4.7 Ejercicios 57
El concepto de lmite es bsico en Clculo y, de entre las diversas posibilidades, hemos elegido
que haga su aparicin asociado a sucesiones de nmeros reales. La idea intuitiva de sucesin es
sencilla: una sucesin es una lista ordenada.
4.1 Definicin y propiedades

Definicin 4.1. Una sucesin de nmeros reales es una aplicacin del conjunto de los
nmeros naturales en el conjunto de los nmeros reales, esto es,
Sucesin
N R,
n 7 xn .
Llamaremos trmino general a xn y, usualmente, no mencionaremos la funcin sino slo la Trmino general
imagen de la funcin. Dicho de otra manera, hablaremos de sucesin con trmino general xn y la
notaremos {xn }nN o (xn )nN .
Ejemplo 4.2. Hay dos formas usuales de definir una sucesin: mediante una frmula general que nos permita obxn
tener todos los trminos de la sucesin o, por recurrencia,
o sea obtenemos cada trminon en funcin
de los anterioo
1
res. Por ejemplo, la sucesin 2n1
es la sucesin 1, x +
nN
x
3, 5, 7,... Como puedes ver, sabemos todos los trminos
1
de la sucesin. El que ocupa el lugar 53 es 105 . En cam- x
bio, la sucesin definida como x1 = 0, x2 = 1 y xn+2 =
n
1 2 3
xn+1 + xn conocida como sucesin de Fibonacci est deFigura 4.1 Lmite de una sucesin
finida por recurrencia. Para calcular un trmino tenemos
que conocer previamente el valor de los dos anteriores. No
importa. Puesto que sabemos los dos primeros, podemos calcular el tercero y as sucesivamente:
0, 1, 2, 3, 5, 8, 13, 21, . . .
Definicin 4.3. Diremos que la sucesin {xn }nN es convergente si existe x R verificando
que para cada > 0 existe n0 N tal que |xn x| < , para cualquier n n0 . En ese caso
escribiremos que lim xn = x o {xn } x.
n
Se puede comprobar fcilmente que

lim xn = x si, y slo si, lim | xn x | = 0.
47
Sucesin convergente
Ejemplo 4.4.
a) La sucesin constantes
son convergentes y su lmite es dicha constante.
n o
1
b) La sucesin n
es convergente a cero.
nN
c) La sucesin {n}nN no es convergente.

d) La sucesin {(1)n }nN no es convergente.
4.1.1
Sucesin acotada
Sucesiones y acotacin
Definicin 4.5.
a) La sucesin {xn }nN est acotada superiormente (respectivamente inferiormente) si existe
M R verificando que xn M para todo n N (respectivamente xn M).
b) La sucesin est acotada si lo est superior e inferiormente o, lo que es lo mismo, si existe
M R tal que | xn | M, para cualquier natural n.
Proposicin 4.6. Toda sucesin convergente est acotada.
Demostracin. Aplicamos la definicin de convergencia para = 1. Entonces existe un natural
n0 tal que | xn x | < 1 para n n0 . En particular, el conjunto {xn : n n0 } est acotado superiormente por x + 1 e inferiormente por x 1. El resto de los trminos de la sucesin tambin est
acotado por ser un conjunto finito. Por tanto, la unin de ambos est acotado.
Observacin 4.7.
convergente.
4.1.2
El recproco no es cierto. La sucesin {(1)n }nN est acotada pero no es
lgebra de lmites
Despus de definir el lmite de una sucesin, los siguientes resultados relacionan su comportamiento y las operaciones usuales de nmeros reales. En primer lugar, comenzamos con la suma y
el producto.
Proposicin 4.8. Sean {xn } e {yn } dos sucesiones convergentes. Entonces
a) lim (xn + yn ) = lim xn + lim yn ,
n
n n
b) lim (xn yn ) = lim xn lim yn ,
n
n
n
xn limn xn
c) si lim yn 6= 0, se tiene que lim
=
.
n
n yn
limn yn
Proposicin 4.9. Sea {xn } una sucesin convergente a cero e {yn } una sucesin acotada. Entonces
{xn yn } es convergente a cero.

log 3n4 2n + 7
Ejemplo 4.10. Vamos a calcular lim
.
n log 2n2 + 2n 1

log n4 (3 n23 + n74 )
log(3n4 2n + 7)

lim
= lim
n log(2n2 + 2n 1)
n log n2 (2 + 2 1 )
2
n
n

4
log(n ) + log 3 n23 + n74

= lim
n log(n2 ) + log 2 + 2 1
n
n2

4 log(n) + log 3 n23 + n74

= lim
n 2 log(n) + log 2 + 2 1
n
n2
48
Sucesiones parciales
dividimos por log(n) numerador y denominador

=
4.1.3
4
= 2.
2
Convergencia y orden
En esta seccin vamos a hacer relacionar convergencia y orden. El primer resultado nos dice que las desigualdades entre
los trminos de dos sucesiones se trasladan a sus respectivos
lmites. De hecho, no hace falta que todos los trminos verifican la desigualdad. Es suficiente con que, por ejemplo, para
x
los trminos pares o los impares tengamos la desigualdad.
y
Proposicin 4.11. Sean {xn } e {yn } dos sucesiones convergenn
tes. Supongamos que el conjunto {n N : xn yn } es infinito.
1 2 3
Entonces lim xn lim yn .
n
n
Figura 4.2 El orden se conserva al tomar lmites
Proposicin 4.12. Sean {xn }, {yn } y {zn } sucesiones de nmeros
reales verificando que
a) lim xn = lim zn y que
n
Regla del sandwich
b) xn yn zn , para cualquier n natural.

Entonces {yn } es convergente y lim xn = lim yn = lim zn .
n
Ejemplo 4.13.
Vamos a calcular el lmite
1
2
n
+
+
.
n n2 n
n2 n
n2 n
1 2 3
lim
Usando que
Figura 4.3 Lmites y sucesiones encajadas
1
m
n
2 2
n n n n n
n2
para cualquier natural m entre 1 y n, podemos acotar superior e inferiormente la sucesin:

n
1
1
2
n
n
2 + 2 + + 2 n 2 , n N.
n n n n n
n n
n n
n2
Como nuestra sucesin est encajada entre dos sucesiones que tienden a cero, se tiene que
lim
2
n
1
+ 2 + + 2 = 0.
n n n
n n
n n2
4.2 Sucesiones parciales

Si una sucesin es una lista de nmeros, podemos construir una lista nueva escogiendo algunos
de estos, por ejemplo los que ocupan un lugar par o impar. A este tipo de sucesiones las llamaremos
parciales de la sucesin original.
49
Monotona
Sucesin parcial
Cola
Definicin 4.14. Sea {xn } una sucesin de nmeros reales. Diremos que {yn } es una sucesin
parcial de {xn } si existe una aplicacin estrictamente creciente : N N tal que yn = x(n)
para cualquier natural n.
Ejemplo 4.15.
a) El primer ejemplo de sucesin parcial de una sucesin dada es simple: eliminemos una cantidad
finita de trminos al inicio de la sucesin. Por ejemplo, eliminar los tres primeros trminos se
consigue con la aplicacin (n) = n + 3. La sucesin {xn+3 }nN es lo que se llama una cola de
la sucesin {xn }nN .
En general, si p es un nmero natural, las sucesin parcial {xn+p }nN es una cola de la sucesin
{xn }nN . La convergencia de una sucesin y de sus colas es equivalente: la sucesin converge si,
y slo si, lo hacen todas o alguna de sus colas.
b) Quedarnos slo con los trminos que ocupan una posicin par o impar consiste en considerar
las parciales {x2n }nN o {x2n1 }nN .
Proposicin 4.16. Sea {xn } una sucesin de nmeros reales convergente. Entonces cualquier
parcial es convergente y con el mismo lmite.
Este resultado se suele usar para demostrar que una sucesin no es convergente: si existe alguna
parcial no convergente o existen parciales distintas convergentes a lmites distintos, la sucesin
original no es convergente.
Ejemplo 4.17. La sucesin {(1)n } no es convergente puesto que la parcial de los pares converge
a 1 mientras que la de los impares lo hace a 1.
4.3 Monotona
La definicin de monotona para funciones cualesquiera se puede enunciar para sucesiones.
Sucesin creciente
Definicin 4.18. Una sucesin {xn }nN es creciente si cumple que xn xn+1 para todo
natural n. Dicho de otra forma, cuando avanzamos en la lista los trminos son mayores:
n m = xn xm .
Anlogamente, diremos que {xn }nN es decreciente si cumple que xn xn+1 para todo natural
n o, lo que es lo mismo, n m = xn xm .
Evidentemente no todas las sucesiones son montonas al igual que no todas las funciones son
montonas. Por ejemplo, la sucesin {cos(n)}nN no es montona ni tampoco lo es la sucesin
{(1)n }.
1
1
10
12
14
16
18
20
Figura 4.4 La sucesin {cos(n)}nN no es montona

Eso s, de cualquier sucesin siempre podemos elegir trminos cada vez mayores o cada vez menores. En otras palabras, siempre podemos elegir una sucesin parcial montona.
Proposicin 4.19.
Toda sucesin tiene una parcial montona.
50
Monotona
Cul es el inters de las sucesiones montonas? Son ms

fciles de estudiar. Por ejemplo, la convergencia de las sucesiones montonas se reduce al estudio de su acotacin.
Proposicin 4.20. Una sucesin montona es convergente si, y slo si, est acotada. De hecho, si {xn }nN es una
sucesin creciente y acotada se tiene que
lim xn = sup {xn : n N} .
Sucesiones
Acotadas
Convergentes
Montonas
El hecho de que las sucesiones montonas y acotadas

sean convergentes nos permite demostrar que una sucesin
es convergente sin, tericamente, conocer su lmite.
Ejemplo 4.21.
sucesin
Vamos a estudiar la convergencia de la
x1 = 1, xn+1 =
Figura 4.5 Distintos tipos de sucesiones
xn + 1, n 1.
Para demostrar que esta sucesin es convergente vamos a comprobar que es una sucesin montona
y acotada.
a) Observa que x2 = 2 > x1 = 1. Vamos a demostrar por induccin que la sucesin es creciente.
i) El primer paso ya lo tenemos dado: x2 = 2 > x1 = 1.

ii) Si ahora suponemos que xn < xn+1 , veamos que xn+2 > xn+1 :
p
p
xn+2 = xn+1 + 1 > xn + 1 = xn+1 .
Luego la sucesin es montona creciente.
b) Veamos que tambin est mayorada, concretamente que xn 2 , n N. De nuevo lo comprobamos por induccin.
i) Es inmediato para n = 1.
ii) Si xn 2, veamos que para xn+1 tambin se verifica:
p
xn+1 = xn + 1 2 + 1 = 3 2.
Por tanto, existe x = limn xn y lo calculamos haciendo uso de la frmula de recurrencia. Tomando lmites
1 5
2
2
xn+1 = xn + 1 = x x 1 = 0 = x =
.
2
1+ 5
2 .
x1 = 32
Como {xn } es creciente y el primer trmino es 1, la nica posibilidad que cabe es que x =
E
Ejemplo 4.22. Consideremos la sucesin {xn }nN definida por recurrencia como
y
3
3xn+1 = 2 + xn para cualquier natural n. Estudia si {xn }nN es convergente y, caso de que lo sea,
calcula su lmite.
a) Si calculas algunos trminos de la sucesin, parece que la sucesin es creciente. Vamos a comprobarlo por induccin.
11
.
i) x1 = 23 x2 = 24
ii) Supongamos que xn xn+1 para un natural n, entonces
51
Monotona
xn+1 =
3
2 + xn3 2 + xn+1
= xn+2
3
3
ya que la funcin f (x) = x3 es creciente.

Acabamos de demostrar que el conjunto {n N : xn xn+1 } es inductivo y que, por tanto, la
sucesin es creciente.
b) Est acotada la sucesin? Por ser una sucesin creciente, est acotada inferiormente. Slo
nos falta encontrar una cota superior. De hecho, la sucesin ser convergente si, y slo si, est
acotada superiormente. Si la sucesin fuera convergente a un nmero L, como limn xn =
limn xn+1 = L, se tiene que cumplir que 3L = 2 + L3 . Las soluciones de este polinomio son
1 y 2 (comprubalo por ejemplo por el mtodo de Ruffini). Dado que la sucesin es creciente
y su primer trmino es 23 , queda descartado que el lmite sea 2. Vamos a comprobar por
induccin que 1 es una cota superior.
i) Es evidente que x1 = 32 1.
ii) Supongamos que xn 1 para un natural n, entonces
xn+1 =
2 + xn3 2 + 1
1.
3
3
En resumen, la sucesin es creciente y mayorada y, por lo visto anteriormente, su lmite es 1.

Ejemplo 4.23. Sea a R+ y consideremos la siguiente sucesin: x1 = a, xn+1 = 21 xn + xan ,
para cualquier n N. Vamos a ver que {xn }nN es convergente y que su lmite, x, verifica x2 = a.
Estudiamos en primer lugar si la sucesin es montona:
!
a xn2
1 xn2 + a
xn+1 xn =
.
xn =
2
xn
2xn
La sucesin ser decreciente si xn+1 xn 0 o, equivalentemente, si a xn2 0. Si se da la
desigualdad opuesta, la sucesin ser creciente. En cualquier caso, tenemos que estudiar la relacin
entre xn2 y a. Como no tenemos una frmula para xn , vamos a trabajar con xn+1 .
!!2
1
a
2
xn+1 xn+2 a xn+1 0 a
xn +
2
xn
2
a2
a
4a xn2 + 2 + 2a 0 xn2 + 2 2a
xn
xn
!2
a
0 xn
.
xn
Esta ltima afirmacin es claramente cierta. Por tanto la sucesin {xn+1 } es decreciente. Al mismo
tiempo hemos demostrado que est acotada inferiormente: a xn , para cualquier n natural. Por
tanto, la sucesin {xn+1 } (que no es ms que la sucesin {xn } comenzando en el segundo trmino)
es convergente. Llamemos L a su lmite. Debe verificar que
1
a
L+
L = a.
L=
2
L
Volveremos a este ejemplo ms adelante.
Si unimos los dos resultados anteriores: toda sucesin acotada tiene una parcial montona que,
por ser parcial, sigue siendo acotada y, por tanto, convergente.
52
Sucesiones divergentes
Teorema 4.24 (de BolzanoWeierstrass).

vergente.
Toda sucesin acotada tiene una parcial con-
Aunque lo usaremos poco en los ejemplos prcticos, este teorema es la clave que permite probar
la existencia de mximo y mnimo de funciones continuas en intervalos cerrados y acotados.
4.4 Sucesiones divergentes

La sucesin {n}nN no es convergente, pero tiene un comportamiento muy particular. Los trminos de esta sucesin toman valores tan grandes como se desee siempre que dicho trminos sean lo
suficientemente avazandos. A esto nos solemos referir como que la sucesin {n}nN tiende a +.
Definicin 4.25.
a) Sea {xn }nN una sucesin de nmeros reales. Diremos que {xn }nN diverge positivamente
o tiende a + si para cualquier M R existe un natural n0 tal que xn M para cualquier
n n0 . En ese caso escribiremos lim xn = +.
n
b) De manera similar, diremos que {xn }nN diverge negativamente o que tiende a si para
cualquier K R existe un natural n0 tal que xn K para cualquier n n0 . En ese caso
escribiremos lim xn = .
n
c) En general, diremos que una sucesin es divergente si diverge positiva o negativamente.

De la definicin se deduce directamente que las sucesiones divergentes no estn acotadas: las
sucesiones divergentes positivamente no estn acotadas superiormente y las que divergen negativamente no estn acotadas inferiormente.
Observacin 4.26. Un error muy comn es decir que una sucesin tiende a + si sus trminos
son cada vez ms grandes o si hay trminos tan grandes como se quiera. Comprubalo en los
siguientes ejemplos:
a) La sucesin 1, 1, 2, 4, 3, 9,...,n, n2 ,... no es creciente pero es divergente.
b) La sucesin 1, 1, 2, 1, 3, 1,...,n, 1,... tiene trminos tan grandes como se quiera pero no es
divergente.
Proposicin 4.27. Sean {xn }nN y {yn }nN sucesiones de nmeros reales.
a) Si lim xn = + y {yn } est acotada inferiormente, entonces lim xn + yn = +.
n
n
1
b) lim | xn | = + si, y slo si, lim
= 0.
n
n xn
c) Si lim xn = + y existe un natural n0 y un nmero positivo k tal que yn k para n n0 ,
n
entonces limn xn yn = +.
Ejemplo 4.28.
Vamos a probar que

lim xn =
+, si x > 1,
0,
si | x | < 1.
Comencemos con el caso x > 1. Vamos a demostrar que la sucesin {xn }, que claramente es
creciente, no est acotada. Por reduccin al absurdo, supongamos que s est acotada. En ese caso,
la sucesin es convergente al supremo de sus elementos por ser creciente. Notemos L a dicho
supremo. Se tiene que xn L, n N. En particular,
L
xn+1 L, n N = xn < L,
x
53
Teorema de
Bolzano
Weierstrass
Criterios de convergencia
lo que contradice que L sea el supremo.

Si x < 1, entonces 1x > 1 y podemos aplicar el apartado anterior para obtener que limn
y, por tanto, limn xn = 0.
1
xn
= +
4.5 Criterios de convergencia

El primer criterio que vamos a ver, el criterio de Stolz, permite resolver indeterminaciones de
la forma 00 o
. En cierta manera juega un papel similar a la regla de LHpital para cocientes
de funciones.
Criterio de Stolz
Proposicin 4.29. Sean {xn }nN e {yn }nN dos sucesiones de nmeros reales. Supongamos que
se verifica alguna de las siguientes condiciones:
a) {yn }nN es creciente y diverge positivamente, o bien
b) lim xn = lim yn = 0 e {yn }nN es montona.
n
n
Entonces se verifica que:
xn+1 xn
xn
a) Si lim
= L R, entonces lim
= L.
n yn+1 yn
n yn
xn
xn+1 xn
= + , entonces lim
= +.
b) Si lim
n yn
n yn+1 yn
xn+1 xn
xn
c) Si lim
= , entonces lim
= .
n yn+1 yn
n yn
Veamos un ejemplo de su uso.
Ejemplo 4.30.
Vamos a calcular
12 + 22 + 32 + + n2
.
n
n3
lim
Aplicando el criterio de Stolz, tenemos que estudiar

(n + 1)2
1
(12 + 22 + + n2 + (n + 1)2 ) (12 + 22 + + n2 )
=
lim
= .
3
3
2
n 3n + 3n + 1
n
3
(n + 1) n
lim
Por tanto, limn

Criterio de la raz
Regla del nmero e
12 +22 +32 ++n2

n3
= 13 .
Proposicin 4.31. Sea {xn }nN una sucesin de nmeros reales positivos. Se verifica que:
xn+1
a) Si lim
= L R, entonces lim n xn = L.
n xn
n
xn+1
b) Si lim
= + , entonces lim n xn = +.
n xn
n
Ejemplo 4.32. Aplicando el criterio de la raz, limn n n = 1 ya que limn n+1

n = 1.
Proposicin 4.33. Sea {xn }nN una sucesin de nmeros reales convergente a uno, y sea {yn }nN
una sucesin cualquiera. Entonces se verifica que:
y
a) lim yn (xn 1) = L R lim xnn = eL .
n
n
y
b) lim yn (xn 1) = + lim xnn = +.

n
c) lim yn (xn 1) = lim xnn = 0.

n
Ejemplo 4.34.
Calcular limn

n2 n+3 n+3
.
2
n +2n2
54
n2 n + 3
lim 2
n n + 2n 2
!n+3
=e
!
n2 n + 3
lim (n + 3) 2
1 = L.
n
n + 2n 2
Para terminar, resolvemos el segundo lmite

lim (n + 3)
!
!
n2 + 2n 2
n2 n + 3
n2 n + 3
1
=
lim
(n
+
3)
n
n2 + 2n 2
n2 + 2n 2 n2 + 2n 2
(n + 3)(3n + 5)
= 3.
n
n2 + 2n 2
= lim
n
n o
es creciente y tiene lmite e.
Ejemplo 4.35. La sucesin 1 + 1n
nN
Para comprobar que, en efecto, es creciente vamos a escribir el trmino n-simo utilizando el
binomio de Newton
!n X
!
n
1
n nk 1
=
1
1+
n
k
nk
k=0
1 n(n 1) 1
n(n 1)(n 2) 1
n(n 1) 2 1 1
+
2+
3 + +
n
n
2!
3!
n!
n
n
n
!
!
!
!
1
1 1
2
3 1
+ 1
+
=1+1+ 1
1
1
n 2!
n
n
n 3!
!
!
!
!
1
2
3
n1 1
+ 1
.
1
1 1
n
n
n
n
n!
=1+n
Es fcil imaginar cul es el trmino siguiente:

1
1+
n
!n+1
!
!
!
!
1
1
1
1
2
3
=1+1+ 1
+ 1
+
1
1
n + 1 2!
n+1
n+1
n + 1 3!
!
!
!
!
1
2
3
n1 1
+ 1
1
1
1
n+1
n+1
n+1
n + 1 n!
!
!
!
2
n1
n
1
1
+ 1
1
1
1
.
n+1
n+1
n+1
n + 1 (n + 1)!
Observa los dos trminos que acabamos de escribir. Hay dos diferencias:
a) Este ltimo tiene un sumando ms que el trmino n-simo. Dicho trmino de ms, el ltimo, es
positivo. En realidad, todos los sumandos son positivos.
b) Si nos fijamos en el resto de sumandos y vamos comparando uno a uno
1 1,
1
1
1
,
n
n+1
!
!
!
!
1
2
1
2
1
1
1
1
,
n
n
n+1
n+1
1
y as sucesivamente.
55
Velocidad de convergencia
Uniendo estos dos apartados, obtenemos la desigualdad que estbamos buscando, esto es, que

n

1 n+1
1 1n 1 n+1
.
El clculo del lmite es fcil utilizando la Proposicin 4.33 (la regla del nmero e):
!n
!
1
1
L
= e lim n 1 + 1 = L,
lim 1 +
n
n
n
n
y este segundo lmite es inmediato comprobar que vale uno.
4.6 Velocidad de convergencia

Las sucesiones { 1n }nN y { n12 }nN tienen lmite cero, pero un rpido vistazo a sus trminos en la
Tabla 4.1 nos convence de que los trminos de la segunda se acercan ms rpidamente al lmite.
Otra forma de ver esto es la siguiente. El cociente entre los trminos generales de las dos sucesiones es
1
n2
lim
n 1
n
= lim
1
= 0,
n
lo que indica que la sucesin del denominador, 1n , es mucho mayor que la del numerador, 1/n2 .
Definicin 4.36. Sea {an }nN una sucesin convergente con lmite l y sea {bn } otra sucesin
convergente a otro nmero m.
a) Diremos que la velocidad o el orden de convergencia de la sucesin {an } es O(bn ) si existe
una constante K tal que
| an l |
K, n N
| bn m |
b) Diremos que la velocidad o el orden de convergencia de la sucesin es o(bn ) si
lim
| an l |
= 0.
| bn m |
1/n
1/n2
1
2
3
4
5
6
7
8
9
10
1.0
0.5
0.3333333333333333
0.25
0.2
0.1666666666666667
0.1428571428571428
0.125
0.1111111111111111
0.1
1.0
0.25
0.1111111111111111
0.0625
0.04
0.02777777777777778
0.02040816326530612
0.015625
0.01234567901234568
0.01
Tabla 4.1 Primeros trminos

de las sucesiones 1/n y 1/n2
56
Ejercicios
La notacin O grande y o pequea es bastante comn a la hora de describir la convergencia de

un algoritmo. Obsrvese que {bn } m es una sucesin que converge a 0. Lo que se hace, en esencia,
es comparar la velocidad de convergencia de {an } a su lmite con la velocidad de la convergencia
de otra sucesin que converge a 0. Normalmente como sucesin {bn } se toma la sucesin { n1p } para
un natural p.
La definicin anterior tambin tiene tambin una versin para sucesiones divergentes:
Definicin 4.37. Sea {an }nN una sucesin divergente y sea {bn } otra sucesin divergente.
a) Diremos que la velocidad o el orden de divergencia de la sucesin {an } es O(bn ) si existe
una constante K tal que
| an |
K, n N
| bn |
b) Diremos que la velocidad o el orden de divergencia de la sucesin {an } es o(bn ) si
lim
| an |
= 0.
| bn |
Anlogamente a lo que es usual en sucesiones convergentes, para comparar con sucesiones

divergentes suelen utilizarse las sucesiones {n p } con p natural.
n 2
o
n +2n+1
Ejemplo 4.38. Con la nomenclatura anterior la sucesin n3 2n
2 +3n+1 tiende a cero con velocidad O(1/n). En el caso de divergencia se tiene que log(n) diverge con velocidad o(n).
4.7 Ejercicios
4.7.1
Sucesiones
Ejercicio 4.1.
Prueba que si | x | < 1, entonces limn 1 + x + x2 + . . . + xn =
1
1x
xn
para n N. Probar
Ejercicio 4.2. Sea a un nmero real positivo y definamos x1 = a, xn+1 = 1+x
n
que la sucesin {xn }nN converge a cero.
Ejercicio 4.3. Demuestra que la sucesin x1 = 1, xn+1 = 3xn , n 1 es convergente y calcular

su lmite.
Ejercicio 4.4. Se considera la sucesin definida por recurrencia por a1 = 1 y an+1 = 2an + 3
para n N. Estudia si es convergente y, en caso de que lo sea, calcula el lmite.
Ejercicio 4.5. Se define la sucesin {xn } por recurrencia como x1 = 1, xn+1 = 1 + 2xn 1.
n
Calcula limn xn y limn xxn+1
.
Ejercicio 4.6. Sea {xn }nN la sucesin definida por recurrencia como x1 =
a) Demuestra que 15 < xn < 45 para cualquier natural n.
b) Demuestra que {xn }nN es decreciente.
c) Calcula su lmite.
57
1
2
y xn+1 = xn2 +
4
25 .
Ejercicios
Ejercicio 4.7. Sea a R, a > 1. Estudiar el comportamiento de la sucesin x1 = a, xn+1 =

para todo n N.
4.7.2
xn2 +a
2
Ejercicio 4.8. Estudia la convergencia de las siguientes sucesiones y calcular su lmite cuando
exista.
(
)
)
(
1 + 1/2 + 1/3 + + 1/n
1 + 24 + 34 + + n4
c)
a)
n
n5
)
(
)
(
1 + 3 + 5 + + (2n 1) 2n + 1
1! + 2! + 3! + + n!
d)
b)
n+1
2
n!
Ejercicio
4.9. Calcula
el lmite de las siguientes sucesiones
)
3
n
log(1 2 n)
1
+
2
+
3
+
.
.
.
n
,
a)
c)
2
n
log(n)
n n
b)
1 + 2 2 + 3 3 + . . . + nn
Ejercicio
(
) 4.10. Estudia la convergencia de las siguientes
n sucesiones:
2 4 6 2n
a) n
d)
n!
n
+
1
)
(
p
1n
(3n + 1)(3n + 2) (3n + n)
b)
nr
1 n (2n)!
c)
n!
Ejercicio
4.11. Calculael lmite de las siguientes sucesiones.

!n2 +56n+5
c) 1 + log(n + 1) log(n) n
1
a)
1+ 2
n +1
2 +5
n
!
n2 5n + 6 n+2
b)
n + 2n + 1
Ejercicio
4.12. Calcula
el lmite de las siguientes sucesiones.
(
)
1
1
log(n + 1)!
1 + 2 + . . . + n
b)
a)
log(n + 1)n
log(n)
Ejercicio
4.13. Calcula
sucesiones.
!)
el lmite de( las siguientes

1
! 1+log(n)
1
n
+
1
b) sen
a)
n2 + n + 5
cos( n2 + 1) log(n)
c)
Ejercicio
4.14. Calcula el lmite de las siguientes sucesiones.
s
log(n!)
n n!
b)
a)
n+1
(2n)
1 + 2 + . . . + n
58
Ejercicio 4.15.
Ejercicio 4.16.
Ejercicios
Calcula el lmite de la sucesin
2
32
43
1 + 2 + 32 + +
n2
(n+1)n
nn1
Calcula el siguiente lmite

3n2 + 2n + 1
lim 1 + log
n
3n2 + 5n
4.7.3
!!4n+1
.
Ejercicio 4.1. Sea
a 1. Estudia la convergencia de la sucesin definida por recurrencia como
x1 = a, xn+1 = 1 1 xn .
Ejercicio 4.2. Estudia la convergencia de la sucesin definida de forma recurrente por x1 = a >
0, y xn+1 = a + xn , para todo n N.

Ejercicio
n n osucesiones:
n o 4.3. Estudiar la convergencia de las siguientes
n
b) 23n +n
a) 2n ,
n .
Ejercicio 4.4. Sea {an } una sucesin de nmeros reales positivos convergente. Estudiar la convergencia de la sucesin
(
)
a1 + a22 + . . . + ann
.
log(n)
n a a /2
o
+...+ean /n n
Ejercicio 4.5. Calcular el lmite de la sucesin e 1 +e 2log(n+1)
, donde {an } es una sucesin
convergente de nmeros reales positivos.

n
5(1+24 +34 +...+n4 )
Ejercicio 4.6. Calcular el lmite de la siguiente sucesin de nmeros reales
.
n5
Ejercicio 4.7. Calcula el siguiente lmite

cos(1) + cos
lim
Ejercicio 4.8.
+ + cos

log n3 + 1
1
2
1
n

n
.
o
n
Sean a, b R+ ; estudiar el carcter de la sucesin (an + bn )1/n .
59
60
Nmeros complejos
Introduccin
Nmeros complejos
1
1.1 Introduccin 1
1.2 Forma binmica de un nmero complejo 3
1.3 Represen1.4 Forma polar y
tacin grfica. Conjugado y mdulo de un nmero complejo 4
argumento de un nmero complejo 5 1.5 Funciones elementales 8
1.1 Introduccin
Los nmeros que hoy llamamos complejos fueron durante muchos aos motivo de polmicas
y controversias entre la comunidad cientfica. Poco a poco, por la creciente evidencia de su utilidad,
acabaron por ser aceptados, aunque no fueron bien comprendidos hasta pocas recientes. Nada
hay de extrao en ello si pensamos que los nmeros negativos no fueron plenamente aceptados
hasta finales del siglo XVII.
Los nmeros complejos hacen sus primeras tmidas apariciones en los trabajos de Cardano
(15011576) y Bombelli (15261572) relacionados con el clculo de las races de la cbica o ecuacin
de tercer grado. Fue Ren Descartes (15961650) quien afirm que ciertas ecuaciones algebraicas
slo tienen solucin en nuestra imaginacin y acu el calificativo imaginarias para referirse a
ellas. Desde el siglo XVI hasta finales del siglo XVIII los nmeros complejos o imaginarios son
usados con recelo, con desconfianza. Con frecuencia, cuando la solucin de un problema resulta
ser un nmero complejo esto se interpreta como que el problema no tiene solucin.
Las razones de todo esto son claras. As como los nmeros reales responden al problema cotidiano de la medida de magnitudes, no ocurre nada similar con los nmeros complejos. Mientras
los matemticos necesitaron interpretar en trminos fsicos sus objetos de estudio, no se avanz
mucho en la comprensin de los nmeros complejos.
El xito de Euler y Gauss al trabajar con nmeros complejos se debi a que ellos no se preocuparon de la naturaleza de los mismos; no se preguntaron qu es un nmero complejo?, sino que
se dijeron para qu sirven?, qu puede hacerse con ellos? Es Gauss quien definitivamente concede a los nmeros complejos un lugar privilegiado dentro de las matemticas al probar en 1799
el conocido como Teorema Fundamental del lgebra que afirma que toda ecuacin polinmica de
grado n con coeficientes complejos tiene, si cada raz se cuenta tantas veces como su orden, n
races que tambin son nmeros complejos. Algunas de sus implicaciones las podemos comentar
directamente. Fjate en cada una de las ecuaciones:
x + 3 = 0,
2x + 3 = 0,
x 2 2 = 0,
x 2 + 2x + 2 = 0,
cuyas soluciones x = 3, x = 3/2, x = 2 y x = 1i tienen sentido cuando x es, respectivamente,

un nmero entero, racional, real o complejo. Podra ocurrir que este proceso de ampliacin del
campo numrico continuara. Qu ocurrir si ahora consideramos ecuaciones polinmicas con
coeficientes complejos? Por ejemplo:
p
p
x 5 + (1 i)x 4 + (1/5 i 2)x 2 8x + 3 i/ 3 = 0.
Cmo sern sus soluciones? Aparecern tambin nuevos tipos de nmeros? El teorema fundamental del lgebra nos dice que esa ecuacin tiene soluciones que tambin son nmeros complejos
y, por tanto, que no aparecern ya por este procedimiento nuevos tipos de nmeros.
Introduccin
Nmeros complejos
El trmino, hoy usado de nmeros complejos se debe a Gauss, quien tambin hizo popular
la letra i que Euler (17071783) haba usado espordicamente. En 1806 Argand interpreta los
nmeros complejos como vectores en el plano. La fecha de 1825 es considerada como el nacimiento
de la teora de funciones de variable compleja, pues se publica en dicho ao la Memoria sobre la
Integracin Compleja que Cauchy haba escrito ya en 1814.
En estas notas vamos a dar solamente unos breves conceptos de distintas formas de expresar los
nmeros complejos y cmo se trabaja con ellos. Pero antes de empezar una advertencia: aunque
histricamente (y vulgarmente) se llama i a la raz cuadrada de 1 esta expresin no es totalmente
cierta. Si as fuera obtendramos la siguiente cadena de igualdades que no es posible,...verdad?
q
p
p p
1 = 1 = (1)(1) = 1 1 = ii = i2 = 1.
Suma de nmeros complejos

Recordemos que para dotar a un conjunto, en este caso R R,
de estructura de cuerpo se necesita una suma y un producto
que verifiquen ciertas propiedades. La suma no es nada nuevo,
es la suma de R2 como espacio vectorial, es decir, si (a, b),
(c, d) son dos elementos de R2 , definimos su suma como
u+w
u
(a, b) + (c, d) = (a + c, b + d).

v
Es evidente (por otra parte nosotros ya lo sabamos del estudio de espacios vectoriales) que esta suma cumple las propiedades que tiene que cumplir:
1) Asociativa.
2) Conmutativa.
Figura 1.1 La suma de nmeros comple3) Existencia de neutro ((0, 0)).
jos es la suma usual de vectores en el
4) Existencia de inverso ((a, b) = (a, b)).
plano
La representacin grfica de la suma es conocida. Dos nmeros complejos z = a + ib y w = c + id determinan un paralelogramo cuya diagonal (ver figura 1.1) es z + w.
Producto de nmeros complejos

El producto s es nuevo. Dados (a, b), (c, d) R2 , definimos su producto como
(a, b)(c, d) = (ac bd, ad + bc).
Tampoco es difcil comprobar que este producto es adecuado, en el sentido de que verifica las
propiedades
5) Asociativa,
6) Conmutativa,
7) Existencia de elemento neutro (el neutro para el producto es (1, 0), comprebalo).
8) Si (a, b) (0, 0) entonces su inverso es

b
a
,
.
(a, b)1 =
a2 + b2 a2 + b2
Comprueba tambin que (a, b)(a, b)1 = (1, 0).
9) Distributiva: (a, b)((c, d) + (e, f )) = (a, b)(c, d) + (a, b)(e, f ).
Nmeros complejos
Forma binmica de un nmero complejo

(2,3)
3 4
18 1
As, por ejemplo, (3,4) = (2, 3) 25
, 25 = 25 , 25 . Pues bien, los nmeros complejos son justamente el cuerpo (R2 , +, ). Es decir cada nmero complejo es una pareja (a, b) donde a y b son
nmeros reales, y la suma y el producto de complejos son los que hemos descrito antes. A esta
forma de representar los nmeros complejos se la suele llamar forma cartesiana. Esta forma es
muy cmoda para trabajar con sumas de nmeros complejos pero no lo es tanto para trabajar con
el producto: prueba a calcular (1, 1)4 .
En la siguiente definicin recogemos toda la informacin anterior.
Definicin 1.1. Consideremos en el conjunto R2 las operaciones de adicin y producto definidas por
(a, b) + (c, d) = (a + c, b + d)
(a, b)(c, d) = (ac bd, ad + bc)
El elemento neutro de la suma es (0, 0) y (1, 0) es la unidad del producto. Adems, (a, b)
es el opuesto de (a, b), y todo (a, b) (0, 0) tiene inverso

a
b
= (1, 0).
(a, b)
,
a2 + b2 a2 + b2
Todas estas propiedades se resumen diciendo que (R2 , +, ) (lase el conjunto R2 con las
operaciones suma y producto) es un cuerpo. Dicho cuerpo se representa simblicamente por
C y sus elementos se llaman nmeros complejos.
No hay un orden en C compatible con la estructura algebraica

Al ampliar R a C ganamos mucho pero tambin perdemos algo. Te recuerdo que R tiene dos
estructuras: la algebraica y la de orden. Ambas estructuras estn armoniosamente relacionadas.
Pues bien, en C no hay nada parecido. Podemos definir relaciones de orden en C, pero no hay
ninguna de ellas que sea compatible con la estructura algebraica. En efecto, si suponemos que
es una relacin de orden en C compatible con su estructura algebraica, como i 0 habra de ser
0 < i2 = 1 (esto todava no es contradictorio porque pudiera ocurrir que la relacin no respetara
el orden de R). Pero tambin 0 < 12 = 1, luego 0 < 1 + (1) = 0 y eso s que es contradictorio.
Por tanto, es imposible definir un concepto de nmero complejo positivo de forma que la suma
y el producto de complejos positivos sea positivo. Por ello no se define en C ningn orden. As
que ya sabes: mucho cuidado con escribir desigualdades entre nmeros complejos! Naturalmente,
puedes escribir desigualdades entre las partes reales o imaginarias de nmeros complejos, porque
tanto la parte real como la parte imaginaria de un nmero complejo son nmeros reales.
1.2 Forma binmica de un nmero complejo

Dentro de R2 podemos distinguir el subconjunto formado por los elementos que tienen la segunda componente 0, {(a, 0), a R}. Restringidos la suma y el producto a este subconjunto
tenemos una propiedad curiosa y es que nos seguimos quedando en el subconjunto. Es inmediato
observar que
(a1 , 0) + (a2 , 0) =(a1 + a2 , 0), a1 , a2 R,
(a1 , 0)(a2 , 0) =(a1 a2 , 0),
a1 , a2 R.
Esto hace que el conjunto {(a, 0); a R}, con la suma y el producto definidos antes sea tambin
un cuerpo, pero este cuerpo se puede identificar con los nmeros reales mediante la aplicacin
Forma cartesiana
Representacin grfica. Conjugado y mdulo de un nmero complejo
Nmeros complejos
R {(a, 0); a R}
a (a, 0)
De ahora en adelante siempre usaremos esta identificacin; es decir, para nosotros van a ser indistinguibles el complejo (a, 0) y el nmero real a. Como consecuencia, cualquier nmero complejo
(a, b) se puede escribir de la forma
(a, b) = (a, 0) + (0, b) = (a, 0) + (b, 0)(0, 1) = a + b(0, 1).
Forma binmica
Parte real e
imaginaria
Si ahora llamamos (0, 1) = i, obtenemos que el nmero complejo z = (a, b) (se le suele llamar
a los nmeros complejos con letras como z, u, v,...) se puede poner como z = a + ib. Esto es lo
que se llama la forma binmica de un nmero complejo. Al nmero real a se le llama la parte
real del complejo y al nmero b se le llama la parte imaginaria. A i tambin se le llama la unidad
imaginaria. Es claro que i no es ningn nmero real (no es un par con la segunda componente 0) y
cumple una propiedad que nos ser til y que, seguramente, ya conocas
i2 = ii = (0, 1)(0, 1) = (1, 0) = 1,
es decir, el cuadrado de i es 1. Esto nos permite que las frmulas para la suma y el producto
de nmeros complejos, cuando estn puestos en forma binmica, sean fciles de recordar, ya
que, formalmente, los vamos a sumar y multiplicar como si fueran nmeros reales y simplemente
tendremos en cuenta que i2 = 1. Nos referimos a lo siguiente: antes hemos definido la suma de
dos nmeros complejos (puestos como pares) de la forma (a, b) + (c, d) = (a + c, b + d). Esta
misma operacin, puesta en forma binmica, quedara a + ib + c + id = a + c + i(b + d), que es la
suma formal de las parejas a + ib y c + id, sacando al final factor comn el i.
Para el producto sucede igual. Si multiplicamos dos complejos en
z = a + bi
b
forma de pares (a, b)(c, d) = (ac bd, ad + bc). Esto puesto en
|z|
forma binmica sera (a + ib)(c + id) = ac bd + i(ad + bc).
Pero este resultado es lo que se obtiene multiplicando formalmente
a + ib por c + id y tenemos en cuenta que i2 = 1.
(a + ib)(c + id) = ac + ibc + iad + i2 bd = ac bd + i(ad + bc).
z = a bi
Figura 1.2 Representacin

de un nmero complejo
1.3 Representacin grfica. Conjugado y mdulo de un nmero complejo

Plano complejo
Conjugado
Mdulo
Segn hemos definido, el nmero complejo a + ib no es ms que el elemento (a, b) del plano
R2 y, en ese sentido, se habla del plano complejo. El eje horizontal recibe el nombre de eje real, y
el eje vertical recibe el nombre de eje imaginario.
Definicin 1.2. Si z = a+ib es un nmero complejo (con a y b reales), entonces el conjugado
de z se define como z = a ib y el mdulo o valor absoluto de z, se define como: | z | =
p
a2 + b2 .
Nmeros complejos
Forma polar y argumento de un nmero complejo
p
Observa que a2 + b2 est definido sin ambigedad; es la raz cuadrada del nmero real no
negativo a2 + b2 .
Geomtricamente, z es la reflexin de z respecto al eje real, mientras que | z | es la distancia del
punto (a, b) a (0, 0) o, tambin, la longitud o norma eucldea del vector (a, b) (ver figura 1.2). La
distancia entre dos nmeros complejos z y w se define como | z w |.
La representacin grfica de la suma es conocida. Dos nmeros complejos z = a+ib y w = c +id
determinan un paralelogramo cuya diagonal (ver Figura 1.1) es z + w.
Proposicin 1.3. Sean z, w C. Entonces
a) z = z,
b) z + w = z + w,
c) zw = z w.
d) | z |2 = zz,
e) max {| Re(z) | , | Im(z) |} | z | | Re(z) | + | Im(z) |,
f) | zw | = | z | | w |,
g) | z + w | | z | + | w | .
Demostracin. La comprobacin de estas afirmaciones es inmediata. Por ejemplo, para comprobar
que la propiedad f) se verifica, basta observar que | zw | y | z | | w | son nmeros positivos cuyos
cuadrados coinciden, pues
| zw |2 = zwzw = zwzw = zzww = | z |2 | w |2 = (| z | | w |)2 .
Para demostrar la ltima afirmacin es suficiente probar que | z + w |2 (| z |+| w |)2 . En efecto:
| z + w |2 = (z + w)(z + w) = (z + w)(z + w) = zz + ww + zw + zw
= | z |2 + | w |2 + 2 Re (zw) | z |2 + | w |2 + 2 | Re (zw) |
| z |2 + | w |2 + 2 | zw | = | z |2 + | w |2 + 2 | z | | w | = | z |2 + | w |2 + 2 | z | | w |
= (| z | + | w |)2 .
Observacin 1.4. De la demostracin de la ltima afirmacin se deduce que | z + w | = | z |+| w |
+
si, y slo si, Re(zw) = | zw |, esto es, si zw R+
0 , o lo que es lo mismo zw = donde R0 . Esta
2
igualdad, puede escribirse de forma equivalente multiplicando por w como z | w | = w, esto es,
z = w para algn R+
0 lo que quiere decir que z y w estn en una misma semirrecta a partir
del origen.
Ejemplo 1.5. La divisin de nmeros complejos es fcil teniendo en cuenta que el producto de
un complejo y su conjugado da como resultado el mdulo al cuadrado de dicho nmero complejo.
1+i 2+i
1 + 3i
1+i
=
=
.
2i
2i 2+i
5
La divisin o el producto de dos nmeros complejos no es difcil, pero s que puede ser aburrido
calcular (1 + i)10 . Existe algo como el binomio de Newton para nmeros reales? Comprubalo t
mismo. Lo que s es muy fcil es su mdulo:

p 10

(1 + i)10 = | 1 + i |10 = 2 = 25 ./
1.4 Forma polar y argumento de un nmero complejo

Hay otras formas de representar los nmeros complejos. Una de ellas es la forma polar. Supongamos que tenemos un nmero complejo z = a + ib 0. Este complejo se corresponde con la
pareja de nmeros reales (a, b) que podemos representar en el plano.
Desigualdad triangular
Nmeros complejos
A los dos ejes del plano (en este caso se suele llamar el plano complejo) se les denota por el
eje real (donde se representa la primera componente) y el eje imaginario (donde se representa la
segunda).
A la vista del dibujo est claro que el nmero z (o el par
(a, b), al fin y al cabo para nosotros son la misma cosa)
z
queda totalmente determinado por dos magnitudes: la
longitud del vector y su direccin. Cmo medimos
la direccin? Si normalizamos el nmero complejo z

b
a
.
z = |z|
+i
sen ()
|z|
|z|
ngulo de radianes

b
Como | a
+
i
z|
| z | es un vector de mdulo uno (per1
tenece
a
la
circunferencia
centrada en el origen y de
cos()
radio uno), se tiene que poder escribir de la forma
Figura 1.3 Argumento

b
a
,
= (cos(), sen())
|z| |z|
para conveniente R. En otras palabras, z = | z | (cos() + i sen() ).

Argumento
Definicin 1.6. Dado z C, z 0, hay infinitos nmeros t R que verifican la igualdad

z = | z | (cos(t)+i sen(t)) cualquiera de ellos recibe el nombre de argumento de z. El conjunto
de todos los argumentos de un nmero complejo no nulo se representa por Arg(z).
Arg(z) = { R: z = | z | (cos() + i sen())}
Argumento principal
Forma polar
De entre todos los argumentos de un nmero complejo z 0 hay un nico argumento que se
encuentra en el intervalo ] , ]. A dicho argumento se le llama argumento principal de z
y se representa por arg(z).
Al nmero complejo de mdulo y argumento se le suele representar y las frmulas que
hemos visto son la forma de pasar de la forma binmica a la forma polar de un complejo.
Observacin 1.7.
a) Observa que el argumento principal no es ms que el ngulo que forma el vector con la parte
positiva del eje real.
b) Si 1 y 2 son dos argumentos del mismo nmero complejo, entonces
cos(1 ) = cos(2 )
1 , 2 Arg(z)
1 = 2 + 2k para algn k Z.
sen( ) = sen( )
1
Dicho de otra manera, si es un argumento de z, podemos obtener el conjunto de todos argumentos aadiendo mltiplos enteros de 2 , esto es, Arg(z) = { + 2k ; k Z}. En particular,

Arg(z) = arg(z) + 2k ; k Z .
Clculo del argumento principal

Para calcular el argumento principal de un nmero complejo hay varias frmulas, pero la ms
intuitiva es la siguiente: si z = a + ib 0 su argumento principal es
Nmeros complejos

arctan a ,
=
2 ,

arctan a
+

arctan b
a
si a > 0,
si a = 0 y b > 0 ,
si a = 0 y b < 0
si a < 0 y b > 0,
si a < 0 y b < 0.
Tambin se puede calcular el argumento de un nmero complejo mediante la frmula

(
Im(z)
/ R ,
2 arctan Re(z)+|
z | , si z
arg(z) =
,
si z R .
Ejemplo 1.8. Si tenemos el complejo z = 2 + 2 3i, entonces su mdulo ser |z| = 4 + 12 =
16 = 4, mientras que el argumento se calcula de la siguiente forma. Como la parte real es negativa
y la parte imaginaria es positiva, el argumento es
!
p
2 3
2
= arctan
+ = arctan 3 + = + =
.
2
3
3
As 2 + 2 3i = 4 2 ./
3
Para pasar de la forma polar de un complejo a la forma binmica es an ms fcil. Utilizando

las frmulas de la trigonometra se tiene que si z = su forma binmica ser z = cos() +
i sen(). Realmente la frmula (cos()+i sen()) se llama la forma o expresin trigonomtrica
del complejo z.
Ejemplo 1.9. El complejo 5 3 escrito en forma binmica es
4
3
= 5 cos
4

5 3
4
1.4.1
3
+ i5 sen
4

2
2
= 5
i5
./
2
2
Formula de De Moivre. Interpretacin geomtrica del producto

Si tenemos dos nmeros complejos no nulos
z = | z | (cos(1 ) + i sen(1 )) , w = | w | (cos(2 ) + i sen(2 )) .
y los multiplicamos, obtenemos que
zw = | z | | w | (cos(1 ) + i sen(1 )) (cos(2 ) + i sen(2 ))
= | zw | (cos(1 ) cos(2 ) sen(1 ) sen(2 ) + i(sen(1 ) cos(2 ) + cos(1 ) sen(2 )))
= | zw | (cos (1 + 2 ) + i sen (1 + 2 )) .
Es decir: para multiplicar dos nmeros complejos se multiplican sus mdulos y se suman sus
argumentos. Por ejemplo, para calcular (1 + i)4 como | 1 + i | = 2 y arg(1 + i) = /4, se sigue
que (1 + i)4 = 4.
Obsrvese que aunque los dos argumentos sean argumentos principales la suma no tiene por
qu ser argumento principal.
As pues, el producto de dos nmeros complejos es geomtricamente un giro (pues se suman los
argumentos de los nmeros que estamos multiplicando) seguido de una homotecia (el producto
de los mdulos de ambos nmeros).
Como consecuencia, es fcil demostrar mediante induccin la siguiente frmula que ser de
gran utilidad.
Forma trigonomtrica
Nmeros complejos
uw
1 + 2
2
1
Figura 1.4 Interpretacin

geomtrica del producto
Frmula de
De Moivre
Proposicin 1.10. Si z es un complejo no nulo, es un argumento de z y n es un nmero entero,

se verifica que zn = | z |n (cos(n) + i sen(n)), y, en particular, n Arg(zn ).
Ejemplo 1.11. Aunque ya es conocido, veamos cmo podemos aplicar la frmula de De Moivre
para calcular cos(2x), con x real. Utilizando que cos(x) + i sen(x) es un nmero complejo de
mdulo uno, la frmula de De Moivre nos dice que
cos(2x) + i sen(2x) = (cos(x) + i sen(x))2
= cos2 (x) + (i sen(x))2 + 2i cos(x) sen(x)

= cos2 (x) sen2 (x) + 2i cos(x) sen(x).
Igualando parte real con parte real y parte imaginaria con parte imaginaria obtenemos que
cos(2x) = cos2 (x) sen2 (x) y que sen(2x) = 2 cos(x) sen(x)./
1.5 Funciones elementales

1.5.1
Races de un nmero complejo

Aplicando la frmula de De Moivre vamos a obtener las races n-simas de un nmero complejo.
Para empezar por el caso ms fcil vamos a suponer como complejo el nmero real 1. Vamos a
llamar races n-simas de la unidad a aquellos nmeros complejos z que verifiquen que zn = 1.
Trabajando con la forma trigonomtrica de z = | z | (cos() + i sen() y teniendo en cuenta que el
mdulo de 1 es 1 y su argumento principal es 0, obtenemos que
zn = | z |n (cos(n) + i sen(n)) = 1 = 1(cos(0) + i sen(0)),
de donde | z |n = 1 y por tanto | z | = 1. Por otra parte igualando los argumentos tenemos que
n = 0. Se podra pensar que de aqu se puede obtener nicamente que = 0 pero eso sera si
consideraramos solamente argumentos principales. Realmente cualquier mltiplo entero de 2 es
un argumento de 1 y entonces lo que obtenemos es que n = 2k para k Z y entonces = 2k
n ,
para k Z. Dndole valores a k y numerando las correspondientes soluciones, obtenemos para los
enteros comprendidos entre k = 0 y k = n 1
0 = 0,
1 =
2
,
n
2 =
4
,
n
...
n1 =
2(n 1)
.
n
Nmeros complejos
Obviamente hay ms nmeros enteros pero no es difcil ver que cualquier otro entero nos da un
ngulo que difiere en un mltiplo entero de 2 de los que hemos obtenido y produce, por tanto,
el mismo argumento. Concluyendo, las races n-simas de 1 son n nmeros complejos distintos,
z0 , z1 , . . . , zn1 todos con mdulo 1 y el argumento (no necesariamente el principal) de zk es 2k
n
para k {0, 1, . . . , n 1}.
Ejemplo 1.12. Las races cbicas de la unidad son los nmeros
i1
complejos z0 = 10 , z1 = 1 2 y z2 = 1 4 . Es decir z0 = 1, z1 =
21 + i 23 , y z2 = 12 i 23 . Si las representamos en el plano complejo quedan las tres en la circunferencia unidad pero es que adems
forman un tringulo equiltero uno de cuyos vrtices est en el 1.
De igual forma las races cuartas de la unidad sern z0 = 10 , z1 = i
2
1 2 , z2 = 1 4 y z3 = 1 6 , es decir z0 = 1, z1 = i, z2 = 1 y z3 = i.
4
4
4
En este caso, al igual que antes, todas las races se distribuyen en la
circunferencia unidad (todas tienen mdulo 1) pero ahora sern los
vrtices de un cuadrado, siendo uno de ellos (el que corresponde a
z0 ) el nmero 1. /
i0
i4
i3
Esta propiedad puede generalizarse a cualquier natural: dado n
N las races n-simas de la unidad son los vrtices de un polgono
Figura 1.5 Races quintas de i
regular de n lados inscrito en la circunferencia unidad, estando uno
de dichos vrtices en el punto 1.
Finalmente si lo que queremos es hacer las races n-simas de un nmero complejo, haciendo pequeas modificaciones en el proceso anterior, obtendremos las races que se recogen en el
siguiente resultado.
Proposicin 1.13.
dadas por
Sea n un nmero natural. Las races n-simas del nmero complejo z vienen

+ 2k
+ 2k
+ i sen
,
zk = | z |1/n cos
n
n
Raz n-sima
k = 0, 1, 2, . . . , n 1,
donde es un argumento de z.
Esto tambin tiene una interpretacin geomtrica clara. Las n races n-simas de un nmero
p
complejo z = | z | se distribuyen todas en la circunferencia centrada en el origen y radio n | z |
formando
un polgono regular de n lados, uno de los cuales est en el complejo

losvrtices de
p
n
+ i sen n
.
| z | cos n
1.5.2
La funcin exponencial
Definimos la exponencial compleja como
ez = exp(z) = eRe(z) (cos(Im(z)) + i sen(Im(z))) .
Observa que |ez | = eRe(z) ,
Euler
Im(z) Arg(ez ). En particular, obtenemos la llamada frmula de

eit = cos(t) + i sen(t)
(t R)
que establece una relacin entre la exponencial compleja y las funciones trigonomtricas. Haciendo
t = tenemos la singular igualdad ei + 1 = 0 en la que intervienen los nmeros ms importantes
de las matemticas. De la frmula de Euler se deducen fcilmente las llamadas ecuaciones de Euler :
Frmula de Euler
Ecuaciones de Euler
Nmeros complejos
cos(t) =
eit + eit
,
2
sen(t) =
eit eit
2i
(t R).
Se prueba fcilmente que ez+w = ez ew para todos z, w C. Se deduce que para todo z C y
todo k Z es ez = ez+2k i . Lo que nos dice que la exponencial compleja es una funcin peridica
con perodo 2 i. Naturalmente, esto supone una gran diferencia con la exponencial real que es
una funcin inyectiva. Observa que la exponencial no se anula nunca pues |ez | = eRe(z) > 0.
Justificacin
Por qu hemos definido la funcin exponencial de esta forma? En un principio slo tenemos
la restriccin de que su valor coincida con el de la funcin exponencial que ya conocemos en los
nmeros reales. Si queremos que se siga cumpliendo que ex ey = ex+y , podemos avanzar algo. Si
z C, debera cumplirse que
ez = eRe(z)+i Im(z) = eRe(z) ei Im(z) .
Por tanto, slo nos hace falta definir eit con t real. Por que hemos elegido cmo definicin eit =
cos(t)+i sen(t)? Una posible justificacin es que la definicin est hecha as para que las derivadas
vayan bien: si
0
eit = ieit = i (cos(t) + i sen(t)) = sen(t) + i cos(t),
entonces coincide con
(cos(t) + i sen(t))0 = sen(t) + i cos(t).
El segundo motivo necesita conocer el desarrollo de Taylor de la las funciones exponencial, seno y
coseno. En la Seccin ?? tienes los detalles.
1.5.3
Logaritmos complejos
El comportamiento peridico de la exponencial compleja se va a traducir, como vamos a ver
enseguida, en que la ecuacin ew = z, donde z es un nmero complejo no cero, va a tener infinitas
soluciones w C. Como
ew = eRe(w) (cos(Im(w)) + i sen(Im(w))) .
Logaritmo
Logaritmo principal
Para que ew = z es necesario y suficiente que:

a) | ew | = | z |, esto es, eRe(w) = | z |, es decir, Re(w) = log | z | (logaritmo natural del nmero real
positivo | z |).
b) Arg (ew ) = Arg (z), esto es, Im(w) Arg(z) y esto se cumple si, y slo si Im(w) = arg(w) +
2k , con k Z.
Hemos probado que {w C: ew = z} = {log | z | + i(arg(z) + 2k ), k Z}. Por tanto, existen
infinitos nmeros complejos w que satisfacen la ecuacin ew = z. Cualquiera de ellos se llama un
logaritmo de z. El conjunto de todos ellos lo representaremos por Log(z). De entre todos ellos
elegimos uno, llamado logaritmo principal, definido por
log(z) = log | z | + i arg(z),
para todo z C . Observa que cualquier otro logaritmo de z es de la forma log(z) + i2k para
algn entero k.
10
Nmeros complejos
Observacin 1.14. Es importante que nos demos cuenta de que la igualdad log(zw) = log(z) +
log(w), que es vlida para nmeros reales positivos, no es siempre cierta cierta para nmeros
complejos. Por ejemplo:

p
p
p

log(1 + i 3) = log 1 + i 3 + i arg(1 + i 3)

p
2
= log(2) + i arctan( 3) + = log(2) + i
3
p

p
p

log( 3 + i) = log 3 + i + i arg( 3 + i)

p
5
= log(2) + i arctan(1/ 3) + = log(2) + i
6

p
p
log (1 + i 3)( 3 + i) = log(4i) = log(4) i

2
p
p
3
.
log(1 + i 3) + log( 3 + i) = log(4) + i
2
Lo que s est claro es que el nmero log(z) + log(w) Log(zw), es decir, log(z) + log(w) es un
logaritmo de zw pero no tiene por qu ser el logaritmo principal de zw.
Como la funcin z , arg(z) es continua 1 en C \ R

0 y discontinua en R0 , se deduce que el
logaritmo principal es discontinuo en R

0 y continuo en C \ R0 .
1.5.4
Potencias complejas
Recuerda que dados dos nmeros reales a > 0 y b R, la potencia de base a y exponente b se
define como ab = eb log(a) . Ahora, dados a, b C, con a 0, sabemos que hay infinitos logaritmos
de a, todos ellos son de la forma log(a) + i2k , con k Z. Por ello, cualquier nmero complejo
de la forma eb(log(a)+i2k ) donde k Z, es una potencia de base a y exponente b. De todas ellas
se destaca una:
ab = eb log(a)
y dicho nmero se llama valor principal de la potencia de base a y exponente b. Observa que si
b = 1/n donde n N, el nmero

1
a1/n = exp
log(a)
n

log(a)
arg(a)
= exp
+i
n
n

arg(a)
arg(a)
1/n
+ i sen
=|z|
cos
n
n
es el valor principal de la raz n-sima de a que antes hemos notado por n a. Esta definicin da lugar
a las funciones exponenciales complejas de base a, z , az , definidas por az = exp(z log(a)). Tambin permite definir la funcin potencia compleja de exponente b, z , zb como zb = exp(b log(z)).
Las funciones exponenciales cumplen evidentemente la igualdad az+w = az + aw pero las funciones potencias no cumplen, en general como vimos al estudiar las races, la propiedad (zw)b =
zb w b . Esta igualdad se da en el caso de que
exp(b log(zw)) = exp(b log(z) + b log(w))
o, puesto que la funcin exponencial es peridica de periodo 2 i, cuando se verifique que
1 No hemos hablado todava de funciones continuas, mucho menos de continuidad de funciones complejas, pero la idea intuitiva
de que cuando z se acerca a z0 , el argumento principal de z se acerca al argumento principal de z0 sigue siendo vlida.
11
Valor principal
Nmeros complejos
b log(zw) = b log(z) + b log(w) + 2k i,
para algn k Z.
Como caso particular, cuando z y w pertenecen al primer cuadrante la igualdad log(zw) = log(z)+
log(w) es cierta con lo cual lo anterior se cumple para k = 0. Por los mismos motivos la igualdad
(zb )c = zbc no es cierta en general.
12
Series
Series
5
5.1 Definicin y propiedades 61
5.2 Convergencia absoluta e incondicional 65
5.3 Criterios de convergencia para series de trminos no negativos 66 5.4 Otros
criterios 69 5.5 Suma de series 69 5.6 Ejercicios 72
En el siglo XVIII muchos matemticos buscaban, sin demasiado xito, el valor de la expresin
1+
1
1
1
+
+
+ ...
22 32 42
La primera aportacin relevante fue hecha por Jacobo Bernoulli en 1689 cuando demostr la convergencia de dicha serie. Ms tarde, en 17281729, D. Bernoulli calcul su valor con una precisin
de una centsima. Stirling aument la precisin hasta los ocho primeros decimales al ao siguiente.
Cuatro aos despus, Euler calcul el valor con dieciocho cifras decimales y se dio cuenta de que
coincidan con la expresin de 2 /6. En aos posteriores, Euler no slo demostr que, efectivamente, ese era el valor de dicha suma sino que calcul 1 + 21k + 31k + 41k + . . . para k par.
En este tema vamos a estudiar sucesiones de esta forma. Veremos que, en algunos casos concretos, seremos capaces de calcular su lmite. En el resto de ocasiones intentaremos, al menos, decidir
sobre la convergencia o no de dichas sucesiones.
5.1 Definicin y propiedades

Las series de nmeros reales son un caso particular de sucesiones. Comencemos con una sucesin {an } y construimos la sucesin
s1 = a1 ,
s2 = a1 + a2 ,
s3 = a1 + a2 + a3 ,
s2 = a1 + a2 + a3 + a4
y as sucesivamente. A las sucesiones de la forma {sn } las llamaremos series y hablaremos de la
suma de la serie para referirnos a su lmite.
Definicin 5.1.
Sea {an }nN una sucesin de nmeros reales. Consideremos la sucesin
{sn } definida como
n
X
sn = a1 + a2 + + an =
ak .
k=1
A esta sucesin {sn } la llamaremos serie de trmino general an y la notaremos
an . A los
n1
trminos sn se les suele llamar sumas parciales de la serie. Si {sn } tiene lmite, lo notaremos
61
Serie de nmeros
reales
Series
lim a1 + a2 + + an = lim
n
X
ak =
k=1
ak .
k=1
La principal dificultad para estudiar la convergencia de una serie es que normalmente no disponemos de una frmula para las sumas parciales. En aquellos casos en que s, la convergencia de
una serie se reduce al clculo de un lmite. Vamos a empezar por un ejemplo sencillo.
X 1
Ejemplo 5.2. Vamos a estudiar si la serie
es convergente o, lo que es lo mismo, vamos a
2n
k1
calcular
1
1 1
lim + + + n .
n 2
4
2
Los trminos de la sucesin de sumas parciales son
n sumas parciales
1
1
2
1
2
1
4
1
2
1
4
1
8
1
2
1
4
1
8
1
2
1
4
+ 21n
sn
1
2
3
4
7
8
1
16
14
16
...
+
1
2n
1 1
1
1
+ + + n = lim 1 n = 1.
n 2
n
4
2
2
Por tanto, lim
1
2
1
4
1
8
...
Figura 5.1 La suma de una progresin geomtrica de razn

Vale, pero de dnde ha salido la frmula de la suma de los n trminos? Grficamente es muy fcil
de ver. El segmento [0, 1] se obtiene uniendo el [0, 21 ], y luego vamos aadiendo la mitad de la
mitad que nos falta.
Este ejemplo se basa en la suma de los trminos de una progresin geomtrica. Recordemos
cul es la frmula para calcular su suma.
Progresiones
geomtricas
Ejemplo 5.3.
Una progresin geomtrica de razn r es una sucesin de la forma

a, ar, ar2 , . . . , arn ,
donde cada trmino se obtiene del anterior multiplicndolo por una cantidad fija r, la razn. Esta
forma particular hace que se puede calcular su suma de manera explcita. Fijmonos que
62
Series
(1 r)
n
X
k=0
rk =
n
X
rk r
n
X
k=0
rk = 1 rn+1
k=0
de donde se deduce que

a + ar + ar + + ar = a
2
n
X
rk = a
k=0
1 rn+1
.
1r
(5.1)
1
1 2n+1 1
1
1
1
1
2n+1
=
Por ejemplo, 1 + + 2 + . . . + n = 1
= 2 n.
n
2 2
2
2
2
2 1
El hecho de que tengamos la frmula (5.1) nos pone en bandeja el clculo del lmite cuando n
tiende a +. Es fcil comprobar que
0,
si r ] 1, 1[,
lim rn =
1,
si r = 1,
n
no existe, en otro caso.
Por tanto,
X
k=0
ark = lim a
n
1 rn+1
a
=
1r
1r
si, y slo si, | r | < 1.

Estamos dando una definicin de suma de infinitos nmeros. La primera condicin parece inmediata: los nmeros que sumemos tienen que ser pequeos (cercanos a cero) si no queremos que el
resultado final se dispare.
Condicin necesaX
ria de convergencia
Proposicin 5.4. Si la serie
an es convergente, entonces lim an = 0.
n
n1
Demostracin. Si {An } es la sucesin de sumas parciales,

n
An+1 = a1 + a2 + + an + an+1
an
n=1
n
An = a1 + a2 + + an
an
n=1
Restamos y obtenemos que An+1 An = an+1 0.

Ejemplo 5.5. Este resultado nos da una condicin necesaria para la convergencia de la serie. Sin
P
embargo, esta condicin no es suficiente. El trmino general de la serie 1n , usualmente llamada
serie armnica converge a cero, pero la serie no es convergente.
a) Vamos a comprobarlo estudiando las sumas parciales hasta un ndice que sea potencia de 2.
1 1 1
1
1 + + + + ... + n
2 3 4!
2 !
!
!
1
1 1
1 1 1 1
1
1
=1 +
+
+
+
+ + +
+ . . . + n1
+ ... + n
2
3 4
5 6 7 8
2
2 +1
n
1
1
n
1 + + z}|{
... + = 1 + .
2
2
2
63
La serie armnica
no es convergente
Series
Como consecuencia
+
X
1
n=1
= +.
b) Tambin podemos usar el Ejercicio 4.11. Recordemos que

lim
1+
1
2
+ 31 + +
log(n)
1
n
=1
1 1
1
+ + + = +.
2 3
n
c) Tambin podemos utilizar integrales para calcular la suma. Fijado un natural n, consideremos
la funcin f (x) = 1/x en el intervalo [1, n] y consideremos la particin P = {1, 2, 3, . . . , n1, n}
de dicho intervalo. Cunto valen las sumas superiores e inferiores?
y que, por tanto, lim 1 +
n
f (x) =
1
x
0.5
f (x) =
1
x
0.5
0 1
...
n1 n
0 1
...
n1 n
Figura 5.2 Sumas superiores e inferiores de la funcin 1/x en el intervalo [1, n]

Sumando las rea de los rectngulos de la Figura 5.2, podemos acotar la integral superiormente
por
Z n
dx
1 1
1
1
log(n) =
1 + + + +
+
(5.2)
2 3
n2 n1
1 x
e inferiormente
1
1
1 1 1
+ + + +
+
2 3 3
n1 n
Z
1
dx
= log(n) .
x
(5.3)
De la desigualdad (5.2), obtenemos que

log(n + 1) 1 +
1
1
1 1
+ + +
+
2 3
n1 n
y desigualdad (5.3) se deduce que

1+
1 1
1
1
+ + +
+ 1 + log(n).
2 3
n1 n
En resumen,
log(n + 1) 1 +
1 1
1
1
+ + +
+ 1 + log(n) .
2 3
n1 n
Como la funcin logaritmo diverge positivamente en +, obtenemos que la serie no es convergente, aunque la anterior desigualdad nos da ms informacin sobre el valor de las sumas
parciales del que hemos conseguido en los dos apartados anteriores.
64
Series
Convergencia absoluta e incondicional
Dado que una serie de nmeros reales no es ms que una sucesin, las propiedades que ya conocemos de lmites de sucesiones siguen siendo ciertas en este ambiente. La siguiente proposicin
nos dice que el lmite de una serie es lineal: parte sumas y saca fuera escalares.
X
X
Proposicin 5.6.
Sean
an y
bn dos series convergentes. Sean y nmeros reales.
Linealidad
n1
n1
X
Entonces la serie
(an + bn ) es convergente y
n1
(an + bn ) =
n=1
an +
n=1
bn .
n=1
Trabajando con sucesiones es inmediato comprobar (de hecho, ya lo hemos usado en varias ocasiones) que una sucesin {an }nN es convergente si, y slo si, lo son sus colas {an+k }nN . Adems,
ambas tienen el mismo lmite. Si consideramos la serie asociada a cada de una ellas, la convergencia de ambas est tambin muy relacionada.
ProposicinX
5.7. Sea {an } una sucesin de nmeros reales
Xy k un nmero natural fijo. Entonan+k . Adems, caso de que sean
ces la serie
an es convergente si, y slo si, lo es la serie
n1
n1
convergentes, se cumple que
an =
k1
X
an +
X
n=1
n=1
n=1
an+k ,
o lo que es lo mismo,
an =
k1
X
an +
n=1
n=1
an .
n=k
De nuevo obtenemos que la convergencia de una serie depende de las colas de dicha serie aunque
la suma total s depende de que aadamos o no los primeros trminos.
5.2 Convergencia absoluta e incondicional

Definicin 5.8.
P
P
a) Diremos que la serie an es absolutamente convergente si la serie | an | es convergente.
P
b) La serie an es incondicionalmente convergente si para cualquier aplicacin biyectiva
P
: N N, la serie a(n) es convergente y
X
n=1
an =
a(n) .
n=1
Observacin 5.9. La convergencia incondicional de una serie es el anlogo a la propiedad conmutativa para una suma infinita. Una serie es incondicionalmente convergente si se puede sumar
en cualquier orden y el resultado siempre es el mismo. Este es el motivo de que en algunos textos
se hable de series conmutativamente convergentes.
La convergencia absoluta y la convergencia incondicional son condiciones ms fuertes que la
convergencia de una serie. El siguiente resultado nos dice que estn relacionadas.
65
Convergencia absoluta
Convergencia incondicional
Criterios de convergencia para series de trminos no negativos
Teorema de
Riemann
Series
P
Teorema 5.10.
Sea an una serie de nmeros reales. La serie converge incondicionalmente si, y slo si, converge absolutamente.
En la prctica, es sumamente difcil comprobar la convergencia incondicional de una serie directamente. No es sencillo trabajar con todas las reordenaciones posibles de una sucesin de nmeros
reales. Lo que s haremos es estudiar la convergencia absoluta.
El primer criterio y, posiblemente, el ms importante que vamos a utilizar en el estudio de la
convergencia de series de nmeros reales es el criterio de comparacin. Esencialmente nos dice
que si una serie se puede sumar tambin se puede sumar otra ms pequea y, recprocamente, si
una serie no se puede sumar, otra mayor tampoco se puede.
Criterio de
comparacin
Teorema de
Riemann
Teorema 5.11. Sean {an } y {bn } dos sucesiones de nmeros reales verificando que | an | bn
para todo n N.
P
P
a) Si bn es convergente, entonces an es convergente.
P
P
b) Si an es divergente, entonces bn es divergente.
Si aplicamos el criterio de comparacin tomando bn = | an |, se obtiene que las series absolutamente convergentes son convergentes, esto es, una de las implicaciones del teorema de Riemann.
El recproco del criterio de comparacin no es cierto.
n
P
Ejemplo 5.12. La serie (1)
n es convergente pero no absolutamente convergente.
n
P
Dado que la serie (1)
no es incondicionalmente convergente, si la sumamos en distinto
n
orden nos puede dar un resultado diferente pero cuntos?. La respuesta es que muchos. Ms
concretamente, la serie se puede reordenar de forma que su suma sea el nmero real que queramos.
P
Teorema 5.13. Sea an una serie convergente pero no absolutamente convergente. Dado
X
un nmero real x cualquiera, existe una biyeccin : N N tal que
a(n) = x.
n=1
5.3 Criterios de convergencia para series de trminos no negativos

El primer criterio es una versin del criterio de comparacin usando lmites.
Criterio de comparacin por
paso al lmite
Proposicin 5.14.
Sean {an }, {bn } sucesiones de nmeros reales verificando an 0, y bn > 0.
Entonces se verifican las siguientes afirmaciones:
P
P
an
a) Si lim
= L 6= 0 entonces, an converge bn converge.
n bn
P
P
an
b) Si lim
= 0 entonces,
bn converge =
an converge.
n bn
P
P
an
= + entonces,
an converge =
bn converge.
c) Si lim
n bn
P 1
P
Ejemplo 5.15. Las series n12 y 3n2 n+7
tienen el mismo carcter de convergencia. La ventaja
del criterio de comparacin por paso al lmite es que no hace falta saber que una de ellas es mayor
que la otra. Es suficiente con que sean aproximadamente iguales:
1
n2
1
n
3n2 n+7
lim
3n2 n + 7
= 3.
n
n2
= lim
Por ahora no sabemos si ambas series son convergentes o no (dentro de poco veremos que s lo son)
P
P
pero s podemos aplicarlo a otras series. Por ejemplo, 2n1n y 21n tiene el mismo carcter. Como
66
Series
P
P
sabemos que 21n es convergente, tambin lo es 2n1n . Observa que el criterio de comparacin
no nos resuelve este mismo problema: 2n1n es mayor que 21n y, por tanto, el criterio de comparacin
no da informacin.
Proposicin 5.16.
Sea {an } una sucesin de nmeros positivos.
P
a) Si n an L < 1, entonces an es convergente.

P
b) Si n an 1, entonces an no es convergente.
Criterio de la raz o
de Cauchy
Corolario 5.17. Sea {an } una sucesin de nmeros positivos.
P
a) Si lim n an = L < 1, entonces an es convergente.
n
P
b) Si lim n an > 1, entonces an no es convergente.
n
P n 2n+1
Ejemplo 5.18. Vamos a estudiar la convergencia de la serie
utilizando el criterio
7n+3
de la raz. Para ello calculamos el lmite
r
n 2n+1
n
1
n 2n+1
n
lim
= 2.
= lim
n
n 7n + 3
7n + 3
7
Como dicho lmite es menor que uno, la serie es convergente.
Para calcular el lmite de una raz n-sima podemos aplicar el criterio de la raz (vase Proposicin 4.31).
Proposicin 5.19.
P
an+1
a) Si an L < 1, entonces an es convergente.
P
b) Si aan+1
1, entonces an no es convergente.
n
Criterio del cociente o de DAlembert
Corolario 5.20. Sea {an } una sucesin de nmeros positivos.

P
an+1
< 1, entonces an es convergente.
a) Si lim
n an
P
an+1
> 1, entonces an no es convergente.
b) Si lim
n an
Ejemplo 5.21.
cociente.
Vamos a estudiar la convergencia de la serie

2(n+1)2
n+1
lim 2 2+3
n 2n
2n +3
2n2
2n +3
utilizando el criterio del
2(n + 1)2 2n + 3
1
= .
2
n+1
n
2n
2 +3 2
= lim
Como el lmite es menor que uno la serie es convergente.

Proposicin
5.22.

P
an+1
a) Si n 1 an L > 1, entonces la serie an es convergente.

P
b) Si n 1 aan+1
1,
entonces
la
serie
an no es convergente.
n
Sea! {an } una sucesin de nmeros positivos.
P
an+1
a) Si lim n 1
> 1, entonces la serie an es convergente.
n
an !
P
an+1
b) Si lim n 1
< 1, entonces la serie an no es convergente.
n
an
Corolario 5.23.
Ejemplo 5.24.
Vamos a estudiar la convergencia de la series cuyo trmino general es

an =
(2n)!
1
.
n! n! (2n + 1) 22n
67
Criterio de Raabe
Series
Aplicamos, en primer lugar, el criterio del cociente.

an+1
lim
= lim
n an
n
(2n+2)!
1
((n+1)!)2 (2n+3) 22n+2
(2n)!
1
(n!)2 (2n+1) 22n
(2n + 2)(2n + 1)(2n + 1)

n 4(n + 1)(n + 1)(2n + 3)
= lim
(2n + 1)2
n 2(n + 1)(2n + 3)
= lim
4n2 + 4n + 1
= 1.
n 4n2 + 10n + 6
= lim
Como
4n2 + 4n + 1
1
4n2 + 10n + 6
el criterio del cociente no da informacin til. Aplicamos ahora el criterio de Raabe:
!
!
4n2 + 4n + 1
an+1
= lim n 1 2
lim n 1
n
n
an
4n + 10n + 6
6n2 + 5n
6
= > 1,
n 4n2 + 10n + 6
4
= lim
y, por tanto, el criterio de Raabe nos dice que la serie es convergente.

Criterio de
condensacin
Proposicin 5.25. Sea {an } una sucesin de nmeros no negativos tal que {an } es una sucesin
decreciente a cero. Entonces se verifica que
X
X
an es convergente
2n a2n es convergente .
Ejemplo 5.26.
Serie armnica generalizada
Vamos a estudiar la convergencia de la serie
X 1
, con a R.
na
n1
a) Si a 0, el trmino general n1a no tiende a cero y, por tanto, la serie no es convergente.

b) Si a > 0, el trmino general es decreciente y converge a cero. Podemos aplicar el criterio de
P
P n
condensacin: las series n1a y (22n )a tienen el mismo comportamiento. Como
X 1
X 2n
=
,
(2n )a
2(a1)n
aplicamos el criterio de la raz:
r
n
1
2(a1)n
1
2a1
< 1 a > 1.
Resumiendo, si a > 1 la serie es convergente. Si a < 1, la serie no es convergente y si a = 1 ya

sabamos que no era convergente.
A esta serie se la suele llamar serie armnica generalizada de exponente a.
El ejemplo anterior ser clave en muchos ejercicios para poder aplicar el criterio de comparacin.
Es por esto que lo resaltamos:
P 1
Proposicin 5.27.
na es convergente si, y slo si, a > 1.
68
Series
Otros criterios
Por ejemplo, si comparamos
1
na
con an tenemos que estudiar el cociente

an
1
na
= na an .
El siguiente resultado recoge las diferentes posibilidades que se pueden presentar.

Proposicin 5.28.
Sea {an } una sucesin de nmeros no negativos.
Criterio de PringsP
heim
a) Si existe a > 1 tal que la sucesin {na an } est acotada entonces an es convergente.
P
a
b) Si existe a 1 tal que {n an } converge a L 6= 0 o es divergente entonces an no es convergente.
5.4 Otros criterios

La principal herramienta para estudiar la convergencia de series de trminos cualesquiera sern
los criterios de Dirichlet y Abel.
Teorema 5.29. Sea {an } y {bn } dos sucesiones de nmeros reales.
P
a) Si {an } es montona, converge a cero y la serie bn tiene sumas parciales acotadas,
P
entonces an bn converge.
P
P
b) Si {an } es montona, acotada y la serie bn converge, entonces an bn es convergente.
Criterio de Dirichlet
Criterio de Abel
La sucesin {(1)n } no es convergente pero sus sumas parciales siempre valen 1 o 0 y, en

particular, estn acotadas. Tomando bn = (1)n en el criterio de Dirichlet obtenemos lo siguiente.
Proposicin 5.30.
Sea {xn } una sucesin de nmeros reales no negativos. Si la sucesin {xn } Criterio de Leibniz
P
es decreciente a cero, entonces la serie alternada (1)n xn es convergente.
P
Ejemplo 5.31. La serie alternada (1)n n1 , que ya comentamos en el Ejemplo 5.12, es convergente porque 1n es decreciente y convergente a cero.
5.5 Suma de series

Slo en contadas ocasiones es factible calcular de manera explcita la suma de una serie. La mayora de las veces sern necesarios medios indirectos como veremos, por ejemplo, en la siguiente
seccin. La dificultad radica en el clculo explcito del valor de las sumas parciales. Si sabemos
cunto valen, el problema de estudiar la convergencia de la serie se reduce a un problema de clculo
de lmites, cosa normalmente mucho ms sencilla.
Observacin 5.32. HastaX
ahora sloX
hemos estudiado la convergencia y no el valor de la suma
de la serie. No es lo mismo
an que
an . Hay un sumando de diferencia!
n1
5.5.1
n0
Series telescpicas
P
Las series telescpicas son aquellas series an cuyo trmino general se puede escribir de la
forma an = bn bn+1 para alguna sucesin {bn }. El clculo de su suma equivale al clculo del
lmite de la sucesin {bn }. Para verlo slo tienes que calcular las sumas parciales:
a1 + a2 + + an = (b1 b2 ) + (b2 b3 ) + + (bn bn+1 ) = b1 bn+1 .
Resumiendo,
69
Suma de series
Series
Proposicin 5.33. Sea {bn } una sucesin de nmeros reales. Entonces la serie que tiene como
trmino general an = bn bn+1 es convergente si, y slo si, {bn } es convergente. En ese caso
X
an = b1 lim bn .
n
n=1
Ejemplo 5.34.
Como
1
n(n+1)
X
n=1
1
n
1
n(n + 1)
1
n+1 ,
las sucesin de sumas parciales es

!
!
!
n
n
X
X
1
1
1
1
1 1
1 1
1
1
+
+ ... +
=1
=
,
i(i + 1) i=1 i i + 1
1 2
2 3
n n+1
n+1
i=1
con lo que
X
n=1
5.5.2
Vamos a calcular el valor de
1
1
= lim 1
= 1.
n
n(n + 1)
n+1
Series geomtricas
P
La serie rn se puede sumar utilizando que conocemos sus sumas parciales, como ya hicimos
en el Ejemplo 5.3. Sabemos que
n
X
k=0
rk =
rn+1 1
r1
y tomando lmites cuando n tiende a infinito obtenemos el siguiente resultado.

Proposicin 5.35. La serie
rn
es convergente si, y slo si, | r | < 1. En ese caso
X
n=0
rn =
1
.
1r
Demostracin. Slo hay que usar la frmula de la suma de una progresin geomtrica que vimos
en el Ejemplo 5.3:
X
k=0
rn = lim
n
X
k=0
1
rn+1 1
=
,
n r 1
1r
rk = lim
ya que lim rn = 0 si | r | < 1. En cualquier otro caso el trmino general de la serie no converge a
n
cero y, por tanto, la serie no es convergente.
Veamos un ejemplo
X
X
4
1
4
=
4
=
n
n
5
5
1
n=0
n=0
1
5
= 5.
Si la serie no comienza en n = 0,
X
X
1
1
1X 1
1
1
[m
=
=
n
2]
=
=
=
n
m
m+2
2
4 m=0 2
4 1
2
n=2
m=0
70
1
2
1
.
2
Series
5.5.3
Suma de series
Series aritmtico-geomtricas
P
Las series aritmtrico-geomtricas son series de la forma p(n)rn , donde p es un polinomio.
Para calcular su suma, transformamos la serie en otra en la que el grado del polinomio es menor
P
n
hasta obtener una serie geomtrica. Si
n=0 p(n)r = S , entonces
(1 r)S =
p(n)r
n=0
p(n)rn + 1
n=0
= p(0) +
(p(n) p(n 1)) rn .
n=1
Observa que p(n) p(n 1) sigue siendo un polinomio, pero con grado estrictamente menor que
el grado de p(n). Repitiendo este proceso las veces necesarias, acabamos obteniendo una serie
geomtrica. Veamos un ejemplo.
X
Ejemplo 5.36. Vamos a calcular la suma de la serie
(n2 n)rn . Si su suma es S , entonces
n0
(1 r)S =
h
X
(n n) ((n 1) (n 1)) r =
2
2nrn ,
n=1
n=1
o, lo que es lo mismo,
2 X n
S =
nr .
1 r n=1
Repetimos el proceso anterior, si S 1 =
nrn , entonces
n=1
(1 r)S 1 = r +
[n (n 1)]rn = r +
n=2
1
r
1r =
.
1r
1r
Por tanto,
X
(n2 n)rn =
n=0
5.5.4
2
r
2r
=
.
1 r 1 r (1 r)2
Cocientes de polinomios
En algunos casos se pueden sumar descomponiendo el trmino general en fracciones simples.
Tambin pueden ser de utilidad algunas identidades como, por ejemplo, la que define la constante
de Euler.
La constante de Euler-Mascheroni
En el Ejercicio 7.31 vimos que
x
< log(1 + x) < x
1+x
se cumple para cualquier x positivo. En particular, para x =
71
1
n
N obtenemos que
Ejercicios
Series
!
!
1
1
1+n
= log 1 +
<
log(1 + n) log(n) = log
n
n
n
y que
1
1
= n
n+1 1+
1
n
1
< log 1 +
n
.
Si definimos a2n1 =
1
n
y a2n = log(n + 1) log(n), las desigualdades anteriores se escriben como

a2n+1 < a2n < a2n1 , n N,
o, lo que es lo mismo, la sucesin {an } es decreciente. El criterio de Leibniz nos da que la serie
P
(1)n+1 an es convergente, o sea que existe el lmite

lim a1 + a2 + + (1)n an = lim 1 log(2) log(1)
1

1
1
log(3) log(2) + + + log(n + 1) log(n)
2
3
n
1
1
= lim 1 + + + log(n + 1).
n
2
n
+
Constante de
Euler-Mascheroni
Este lmite recibe el nombre de constante de Euler-Mascheroni y se denota por :

= lim 1 +
n
1 1
1
+ + + log(n).
2 3
n
5.6 Ejercicios
5.6.1
Convergencia de series numricas

Ejercicio 5.1. Aplicar el criterio de la raz para estudiar la posible convergencia de las siguientes
series:
P nn
P n+1 n
d)
a)
2
3n1
e(n +1)

n2
P n 2n1
P
b)
e)
1 + n1
3n2
P nn
c)
(2n+1)n
Ejercicio 5.2. Aplicar el criterio del cociente para estudiar la posible convergencia de las siguientes series:
P 1
P 258(3n1)
a)
d)
n2n
P1 2 n
P 159(4n3)
2n n!
b)
e)
n 5
nn
P (n+1)n
c)
3n n!
72
Series
Ejercicios
Ejercicio 5.3. Aplicar el criterio de comparacin para estudiar la posible convergencia de las
siguientes series:
P log(n)
P 1
a)
e)
n
P 1
P (2n1)2n
b)
1
f)
n(n+1)
n
P 1
P 3 n
c)
g)
P 2n1
(n+1) n
1
d)
n
2 n
Ejercicio 5.4. Aplicar el criterio de condensacin para estudiar la posible convergencia de las
siguientes series:
P 1
a)
P n log(n)
1
b)
2
P n(log(n)) 1
c)
n(log(n)) log(log(n))
Ejercicio 5.5.
P 2n
a)
P nn+1
b)
P 2n+11
c)
n2 log(n)
Discutir la convergencia de las siguientes series de nmeros reales:

P n2
d)
2
P (3n1)
3n1
e)
n
( 2)
Ejercicio 5.6. Discutir la convergencia de las siguientes

series de nmeros reales:
P1
P 3n n
a)
d)
3n+1
P n! 1
P n2
b)
(3n2)(3n+1)
e)
4(n1)
P 2n+1
c)
(n+1)2 (n+2)2
Ejercicio 5.7. Estudiar la convergencia de las series
P n3
P n+1 n
a)
e)
en
n2
n
P 135(2n1)
P 2n+1 2
f)
b)
3n+1
P 246(2n+2)
2462n
P (n!)2
g)
c)
579(2n+3)
(2n)!
P
2n
d)
135(2n+1)
Ejercicio 5.8. Discutir la convergencia de las siguientes series
2 de nmeros reales:
P
P
20n
n
a) (1) n+1
d) log nn2 +3
+2
P 135(2n1) 2
P 3 n log(n)
b)
e)
2
2462n

P n +1
P
f) (1)n en
c) log 1 + n1
E
Ejercicio 5.9.
P 2n+1 n2
.
a)
2n+5
P 1+log(n)
b)
.
nn
Ejercicio 5.10.
P an
a)
P na
b) an na
Estudia el carcter de las siguientes series:
Estudiar, segn los valores de a > 0 la convergencia de las siguientes series:
73
Ejercicios
5.6.2
Series
Suma de series
Ejercicio 5.11. Sumar, si es posible, las siguientes series
X
15
a)
10n
n=0
X
1
b)
2n(n + 1)
n=1
X (1)n
c)
3n
n=2
Ejercicio 5.12. Sumar, si es posible, las siguientes series
X
1
a)
(n + 3)(n + 4)
n=0
X
1
b)
n+3
2
n=1
X 2n + 3n
c)
5n
n=1
Ejercicio 5.13.
Sumar la serie de nmeros reales
2
X
n +n+1
n=1
5.6.3
5.6.4
n!
Ejercicio 5.1. Discutir en funcin del parmetro a la convergencia de la serie de nmeros reales
!
!
X
1
1
log 1 +
log 1 +
n
(log(n))a
Ejercicio 5.2. Estudiar la convergencia de las siguientes series:
P
P 1 log(n)
c) (1)n+1 n1
a)
10
log(n)

P 1
P
1+tan( 1n )
d)
b) log 1tan( 1 )
n 3 nn
n

P
2
P log(1+n2 )
a) log n n+1
d)
2
1+n2
P (log(n+1)log(n))3
P 1 n3
e)
b)
cos n
(log(n))2
2
P (1+ 1n )n n!
c)
(2n)n
74
Lmites y continuidad
Lmite funcional
6
6.1 Lmite funcional 79
6.2 Lmites infinitos y en el infinito 81
6.3 Clculo de lmites 83
6.4 Continuidad 84
6.5 Teorema del valor intermedio 87
6.6 Monotona 89 6.7 Ejercicios 90
La definicin usual de funcin continua involucra el concepto de lmite: cuando x tiende a a,

f (x) tiende a f (a). Esto es una definicin perfecta de la continuidad siempre que definamos qu
es tender a.
6.1 Lmite funcional

Existen varias formas de definir el lmite de una funcin en un punto. Nosotros vamos a utilizar
sucesiones en la definicin y as aprovechar todas las propiedades que hemos visto en el tema
anterior. La definicin de lmite de una funcin con sucesiones va a tener siempre un aspecto
similar al siguiente:

lim f (x) = b si lim xn = a, entonces lim f (xn ) = b .
xa
Para que esto valga como definicin de lmite, slo tenemos que garantizarnos que existan sucesiones convergentes al punto donde tomamos lmite. Recordemos que A0 denota al conjunto de
puntos de acumulacin del conjunto A. Con todos estos ingredientes ya podemos dar la definicin
de lmite de una funcin en un punto.
Definicin 6.1. Sea A un subconjunto de R y f : A R una funcin. Diremos que f tiene
lmite en x0 A0 y que vale L si para cualquier sucesin {xn } de elementos de A distintos de
x0 que tienda a x0 se cumple que { f (xn )} tiende a L.
Caso de ser as, escribiremos lim f (x) = L.
xx0
Observacin 6.2. Recuerda que si la funcin est definida en un intervalo, todos los puntos del
correspondiente intervalo cerrado son puntos de acumulacin.
En algunas ocasiones puede ser ms til reescribir la definicin de la forma siguiente.
Proposicin 6.3. Sea f : A R R y x0 A0 . Las siguientes afirmaciones son equivalentes.
a) lim f (x) = L.
xx0
b) Para cualquier > 0 existe > 0 tal que si 0 < | x x0 | < y x A, entonces | f (x) L | < .
79
Lmite funcional
6.1.1
lgebra de lmites
Dado que la definicin de lmite se puede ver en trminos de sucesiones, podemos aplicar
los resultados sobre lmites de sucesiones que conocemos. Obtenemos el resultado anlogo a la
Proposicin 4.8 sobre el comportamiento de lmite con respecto a sumas, productos y cocientes.
Proposicin 6.4. Sean f, g : A R y x0 A0 . Entonces,
a) lim ( f + g)(x) = lim f (x) + lim g(x),
xx0
xx0 xx0
b) lim ( f g)(x) = lim f (x) lim g(x) ,
xx0
xx0
xx0
!
lim xx0 f (x)
f
(x) =
c) si lim g(x) 6= 0, se cumple que lim
.
xx0
xx0 g
lim xx0 g(x)
De igual manera que ocurre con sucesiones, el lmite del producto de una funcin con lmite
cero y una funcin acotada es cero.
Proposicin 6.5. Sean f, g : A R y x0 A0 . Si lim f (x) = 0 y g est acotada, entonces
xx0
lim ( f g)(x) = 0.
xx0
6.1.2
Lmites laterales
Intuitivamente, para calcular lim xx0 f (x) tomamos valores cercanos a x0 , calculamos su imagen por la aplicacin f y vemos si se acercan a algn valor. Si nos acercamos a x0 por valores
mayores que x0 , hablaremos de lmite por la derecha. Si nos acercamos por valores menores hablaremos de lmite por la izquierda. Formalizemos estos conceptos.
Definicin 6.6. Sea A un subconjunto de R, f : A R una funcin y x0 A0 .
a) Si x0 es un punto de acumulacin de A = {x A : x < x0 }, se define el lmite por la
izquierda de f en x0 como lim f (x) := lim f|A (x).
xx0
xx0
A+
b) Si x0 es un punto de acumulacin de
= {x A : x > x0 }, se define el lmite por la
derecha de f en x0 como lim+ f (x) := lim f|A+ (x).
xx0
xx0
En principio no tienen porqu tener sentido ambos lmites laterales. Por ejemplo, si x0 es el
extremo de un intervalo slo se puede estudiar uno de los dos lmites laterales. Lo que s es cierto
es que si se puede estudiar el lmite, al menos uno de los lmites laterales tiene que tener sentido.
Adems, una funcin tiene lmite en x0 si, y slo si, existen todos los lmites laterales que tengan
sentido y coinciden.
Proposicin 6.7. Sea f : A R y x0 A0 .
a) Si x0 (A+ )0 y x0 / (A )0 , entonces lim f (x) = L lim+ f (x) = L.
xx0
b) Si x0
(A )0
c) Si x0
(A+ )0
y x0 /
(A+ )0 ,
(A )0 ,
xx0
entonces lim f (x) = L lim f (x) = L.

xx0
xx0
entonces lim f (x) = L lim+ f (x) = lim f (x) = L.

xx0
xx0
80
xx0
Lmites infinitos y en el infinito
6.2 Lmites infinitos y en el infinito

6.2.1
Asntotas verticales
Como ya hemos comentado en la seccin anterior, la definicin de lmite de una funcin con
sucesiones siempre tiene el mismo aspecto:

lim f (x) = b lim xn = a = lim f (xn ) = b .
xa
Hasta ahora hemos tomado a y b como el punto donde tomamos lmite y como el valor del lmite.
Si admitimos que a y/o b sean , obtenemos la definicin de lmite infinito o en el infinito.
0
Definicin 6.8. Sea f : A R y x0 A . Diremos que el lmite de f en x0 vale + si para

cualquier sucesin {xn } de elementos de A que tienda a x0 se cumple que { f (xn )} tiende a +,
o sea,

lim f (x) = + {xn } x0 = { f (xn )} +
xx0
Tambin podemos reformular de manera equivalente la definicin de lmite sin utilizar sucesiones.
0
Proposicin 6.9. Sea f : A R y x0 A . Son equivalentes

a) lim f (x) = +.
xx0
b) Dado M R existe > 0 tal que si | x x0 | < y x A, entonces f (x) > M.

En otras palabras,

| x x0 | <
lim f (x) = + M R, > 0 tal que
= f (x) > M
xx0
xA
Esta situacin seguramente ya se te ha presentado y te has referido a ella como que la funcin
tiene una asntota vertical en x0 .
f (x) =
f (x) =
1
1x
1
| 1x |
3 2 1
3 2 1
0 1
0 1
1
La funcin f (x) = | 1x
| tiene
una asntota vertical en x = 1
1
La funcin f (x) = 1x
tambin
tiene una asntota vertical en x = 1
Figura 6.1 Asntotas verticales

1
Eso s, tienes que tener cuidado con la afirmacin anterior: la funcin 1x
tambin tiene una asntota
vertical en x = 1 pero su lmite no es + ni . Su valor depende de si calculamos el lmite por
la izquierda o por la derecha.
81
Lmites infinitos y en el infinito
6.2.2
Asntotas horizontales
La ltima posibilidad que nos queda es definir lmites en + o . De nuevo empezamos con
sucesiones.
Definicin 6.10. Sea A R un subconjunto no acotado superiormente y sea f : A R.
a) Diremos que f tiene lmite en + y que vale L si para cualquier sucesin {xn } de elementos
de A que tienda a + se cumple que { f (xn )} tiende a L.
b) De forma similar, diremos que el lmite de f en + es + si para cualquier sucesin {xn }
de elementos de A que tienda a + se cumple que { f (xn )} tiende a +.
Y tambin tenemos las reformulaciones equivalentes sin usar sucesiones.
Proposicin 6.11. Sea A R un subconjunto no acotado superiormente y sea f : A R.
a) lim f (x) = L si, y slo si, dado > 0 existe M R tal que si x > M y x A entonces
x+
| f (x) L | < .
b) lim f (x) = + si, y slo si, dado M R existe N tal que si x > N, entonces f (x) > M.
x+
De forma completamente anloga se pueden definir los lmites en o que valgan .

Ejemplo 6.12.
Las funciones peridicas no constantes no tienen lmite en infinito.
Para demostrar que una funcin no tiene lmite en + usando la caracterizacin por sucesiones
tenemos que encontrar una sucesin {xn } que tienda a + y tal que { f (xn )} no sea convergente o
dos sucesiones de manera que sus imgenes tienden a lmites distintos. Veamos que este ltimo
mtodo nos viene bien.
(x0 , f (x0 ))
(y0 , f (y0 ))
(x0 + T, f (x0 + T ))
(y0 + T, f (y0 + T ))
(x0 + 2T, f (x0 + 2T ))
(y0 + 2T, f (y0 + 2T ))
Figura 6.2 Las funciones peridicas no triviales no tienen lmite en infinito

La funcin no es constante: toma al menos dos valores distintos. Sean x0 , y0 tales que f (x0 ) 6= f (y0 ).
Si T es un periodo de la funcin f , las sucesiones {x0 + nT } e {y0 + nT } tienden a + y
f (x0 ) = lim f (x0 + nT ) 6= lim f (y0 + nT ) = f (y0 ).
n
Cundo una funcin tiene lmite en + o solemos decir que la funcin tiene una asntota
horizontal. Por ejemplo, como
2x + 3 sen(x)
= 2,
x+
x
lim
la funcin f (x) = 2x+3 xsen(x) tiene una asntota horizontal en 2. Observa que, a diferencia de las
asntotas verticales, la grfica de la funcin puede cruzar la recta que define la asntota (y = 2 en
este caso).
82
Clculo de lmites
4.5
4
3.5
3
2.5
2
1.5
1
Figura 6.3 Asntota horizontal
6.2.3
Indeterminaciones
Existen lmites que no se pueden resolver utilizando las operaciones elementales, lese por ejemplo el lmite de una suma es la suma de los lmites. A estas situaciones las llamamos indeterminaciones y son
0
, , , 0 , 00 , 0 , 1 .
0
Ya conoces algunas formas de eliminar indeterminaciones. Por ejemplo, cuando nos encontramos
con un cociente de polinomios con una indeterminacin del tipo 00 , eso significa que numerador y
denominador tienen una solucin comn. Si simplificamos dicha raz, eliminamos la indeterminacin.
x2 1
Ejemplo 6.13. Calculemos lim
x1 x 1
x2 1
(x 1)(x + 1)
lim
= lim
= lim x + 1 = 2.
x1 x 1
x1
x1
x1
6.3 Clculo de lmites

Dado que la definicin de lmite funcional est hecha con sucesiones, podemos trasladar fcilmente las propiedades de stas a propiedades de lmites.
Proposicin 6.14. Sean f, g : A R y x0 A0
a) Si lim f (x) = + y g est minorada, entonces lim ( f + g)(x) = +.
xx0
xx0
b) Si lim f (x) = + y existe K > 0 tal g(x) > K para todo x, entonces lim f (x)g(x) = +.
xx0
xx0
El siguiente resultado permite resolver algunas indeterminaciones del tipo 1 .

Proposicin 6.15 (Regla del nmero e). Sean f, g : A R y a A0 . Supongamos que
lim f (x) = 1. Entonces
xa
a) lim f (x)g(x) = eL lim g(x) ( f (x) 1) = L,

xa
xa
b) lim f (x)g(x) = 0 lim g(x) ( f (x) 1) = , y

xa
xa
c) lim f (x)g(x) = + lim g(x) ( f (x) 1) = +.

xa
xa
Ejemplo 6.16. Calcula lim
x+
x2 + 2x + 1
x2 x + 3
! x3
.
83
Continuidad
x2 + 2x + 1
x2 x + 3
lim
x+
! x1
=e
!
x2 + 2x + 1
lim (x 3) 2
1 = L.
x+
x x+3
Resolvamos este segundo lmite:

lim (x 3)
x+
Por tanto, lim
x+
x2 + 2x + 1
x2 x + 3
!
(x 3)(3x 2)
x2 + 2x + 1
1
= lim
= 3.
x+
x2 x + 3
x2 x + 3
! x3
= e3 .
Proposicin 6.17 (Escala de infinitos). Sea a R+ , entonces

xa
ex
log(x)
=
lim
=
lim
= 0.
x+ e x
x+ x x
x+
xa
lim
Ejemplo 6.18. Vamos a comprobar que lim x1/x = 1.

x+
Tomando logaritmos,
log(x)
= L,
x+
x
lim x1/x = eL lim
x+
y este ltimo lmite vale 0 por lo que el lmite original es e0 = 1.

Es posible intercambiar los papeles de + y 0 en un lmite.
Proposicin 6.19. Sea f una funcin definida en un intervalo no acotado superiormente. Entonces
!
1
lim f (x) = L lim+ f
= L.
x+
x0
x
Ejemplo 6.20. El cambio de variable anterior nos permite resolver algunos lmites de forma
sencilla. Por ejemplo, el lmite
lim+
x0
e1/x
x3
involucra exponenciales y polinomios, pero no se encuentra en las condiciones necesarias para

poder aplicar la escala de infinitos. Un cambio de variable de la forma y = 1x nos resuelve la
situacin:
2
lim+
x0
e1/x
y3
= 0,
=
lim
y+ ey2
x3
usando, ya s, la escala de infinitos.
6.4 Continuidad
Ya que tenemos la definicin de lmite, podemos hablar de continuidad.
Definicin 6.21. Sea f : A R R. La funcin f es continua en a A si lim f (x) = f (a),
xa
Podemos expresar la continuidad utilizando sucesiones de manera similar a lo que hemos hecho
con lmites o de la forma .
84
Continuidad
Proposicin 6.22. Sea f : A R. Las siguientes afirmaciones son equivalentes:

a) f es continua en a A.
b) Dado > 0, existe > 0 tal que si x A y | x a | < , entonces | f (x) f (a) | < .
Si te fijas, la definicin de funcin continua se parece mucho a la definicin de lmite. Comparndolas, la primera diferencia salta a la vista: hemos cambiado el valor del lmite por f (a). La
segunda es un poco ms sutil: en la definicin de lmite partimos de un punto de acumulacin.
Como vemos en la siguiente proposicin, es importante distinguir entre puntos aislados y puntos
de acumulacin a la hora de estudiar la continuidad de una funcin.
Proposicin 6.23. Sea f : A R.
a) Si a es un punto de acumulacin de A, f es continua en a si y slo si existe lim f (x) = f (a).
xa
b) Si a es un punto aislado de A, f es continua en a.

Observacin 6.24. La distincin entre puntos aislados y puntos de acumulacin carece de importancia en el caso de funciones definidas en intervalos ya que todos los puntos son de acumulacin. Por tanto, si I es un intervalo, una funcin f : I R es continua en a I si y slo si
lim f (x) = f (a).
xa
6.4.1
Discontinuidades
Qu puede fallar para que que una funcin no sea continua? Para que s lo sea, debe existir el
lmite en dicho punto y coincidir con el valor de funcin. Por tanto, las discontinuidades se deben
a alguno de estas dos causas:
a) El lmite lim f (x) existe pero no vale f (a). En este caso decimos que la funcin presenta una
xa
discontinuidad evitable en a. El motivo es que si cambiamos el valor de la funcin en a por el
del lmite obtenemos una funcin continua.
b) La segunda posibilidad es que no exista el lim f (x). Esto puede deberse a varios factores.
xa
i) Existen los lmites laterales pero no coinciden. En este caso diremos que f presenta una
discontinuidad de salto en a.
ii) Algn lmite lateral no existe: diremos que f tiene una discontinuidad esencial en a.
6.4.2
lgebra de funciones continuas

Como sabemos el comportamiento de los lmites con respecto a sumas, productos o cocientes,
es fcil obtener un resultado similar para funciones continuas.
Proposicin 6.25. Sean f, g : A R continuas en a A. Entonces,
a) f + g es continua en a,
b) f g es continua en a, y
c) si g(a) 6= 0, gf es continua en a.
Proposicin 6.26 (Regla de la cadena). La composicin de funciones continuas es una funcin
continua.
Ejemplo 6.27. La funcin valor absoluto es continua. En consecuencia si f es continua | f | tambin lo es. Es fcil encontrar ejemplos de que el recproco no es cierto. La funcin

1,
si x 0
f (x) =
1, si x < 0
85
Continuidad
es discontinua en el origen y | f | es la funcin constantemente igual a uno que s es continua.
6.4.3
Carcter local de la continuidad

La continuidad de una funcin en un punto slo depende del comportamiento de dicha funcin
cerca del punto. Este hecho lo aplicamos sin darnos cuenta cada vez que estudiamos la continuidad de una funcin definida a trozos. Por ejemplo, cuando decimos que la funcin
( 2
x ,
si x 0,
f (x) =
sen(x), si x < 0,
es continua en R+ slo nos estamos fijando en x2 que, evidentemente, es una funcin continua. En
otras palabras, la continuidad de f en el punto x = 0.5 no depende del comportamiento de dicha
funcin en R .
2
1
2
f
3
f
0
1
2
Figura 6.4 Carcter local de la continuidad
El siguiente resultado nos dice que la restriccin de una funcin continua sigue siendo una funcin
continua.
Proposicin 6.28. Sea f : A R R una funcin continua en a A y sea B A con a B.
Entonces f|B es continua en a.
Si nos quedamos con un dominio ms pequeo, la continuidad no se resiente. Qu ocurre con
el recproco? Si una funcin es continua en un dominio, qu ocurre si la extendemos a un dominio
mayor? En general no se mantiene la continuidad: piensa, por ejemplo en una funcin definida en
los [0, +[. Se puede extender a R manteniendo la continuidad en el origen? La respuesta ya la
conoces: slo si el lmite por la izquierda coincide con el valor de la funcin en 0. Ahora bien, en
otros puntos la situacin es distinta. Por ejemplo, si la funcin era continua en 1, tambin lo sigue
siendo la extensin.
Proposicin 6.29 (Carcter local de la continuidad). Sea f : A R y a A. Son equivalentes:

a) f es continua en a.
b) Para cualquier r > 0, f|A]ar,a+r[ es continua en a.
c) Existe r > 0 tal que f|A]ar,a+r[ es continua en a.
86
Teorema del valor intermedio
6.5 Teorema del valor intermedio

El teorema del valor intermedio o su versin equivalente el teorema de los ceros de Bolzano es
el resultado ms importante de este tema. Su demostracin
Lema 6.30 (Lema de conservacin del signo). Sea f : A R R continua en a A con
f (a) 6= 0. Entonces existe > 0 verificando que f (x) f (a) > 0, para todo x ]a , a + [A.
Demostracin. Aplicamos la definicin de continuidad tomando = | f (a) | y encontramos < 0
tal que

|x a| <
= | f (x) f (a) | < .
xA
Esto es equivalente a que
f (a) | f (a) | < f (x) < f (a) + | f (a) | .
(6.1)
Discutimos ahora las dos signos posibles:

a) Si f (a) > 0, la primera desigualdad de la ecuacin (6.1) nos da que f (x) > 0.
b) Si f (a) < 0, la segunda parte de la ecuacin (6.1) nos dice que f (x) tambin es negativo.
f (a) +
f (a)
f (a)
(a, f (a))
a a a+
Figura 6.5 Conservacin del signo

En la Figura 6.5 se puede ver lo que hemos hecho: en el caso de que f (a) sea positivo, elegimos
un < f (a) y aplicamos la definicin de continuidad. As obtenemos un intervalo centrado en a
en los que la funcin f toma valores positivos.
Teorema 6.31 (de los ceros de Bolzano). Sea f : [a, b] R continua y verificando
f (a) f (b) < 0. Entonces existe c ]a, b[ tal que f (c) = 0.
El teorema de los ceros de Bolzano es un resultado de existencia: slo afirma que hay un punto
donde la funcin vale cero. No dice nada sobre cuntos puntos de este tipo hay ni sobre cmo
podemos encontrarlos.
Ejemplo 6.32. Una de las utilidades ms importantes del teorema de los ceros de Bolzano es
garantizar que una ecuacin tiene solucin. Por ejemplo, para comprobar que la ecuacin e x +
log(x) = 0 tiene solucin, estudiamos la funcin f (x) = e x + log(x): es continua en R+ y se puede
87
Teorema del valor intermedio
(a, f (a))
Figura 6.6
(b, f (b))
Teorema de los ceros de Bolzano
comprobar que f (e10 ) < 0 y 0 < f (e10 ). Por tanto, la ecuacin e x + log(x) = 0 tiene al menos una
solucin entre e10 y e10 . En particular, tiene solucin en R+ .
El teorema del valor intermedio es equivalente al teorema de los ceros de Bolzano. Si este ltimo
afirma que en cuanto una funcin continua tome valores positivos y negativos, tiene que anularse,
el teorema del valor intermedio traslada esta afirmacin a cualquier nmero real: en cuanto una
funcin continua tome dos valores distintos, tambin tiene que alcanzar los valores intermedios.
Todo esto es cierto nicamente cuando el dominio es un intervalo.
Teorema 6.33 (del valor intermedio). Sea I un intervalo, f : I R una funcin continua.
Entonces f (I) es un intervalo.
Demostracin. Tenemos que demostrar que si c, d f (I), entonces [c, d] f (I). Puesto que c y d
pertenecen a la imagen de la funcin, existen a y b en I tales que f (a) = c y f (b) = d. Puesto que
I es un intervalo [a, b] I. Tengse en cuenta que no sabemos si a es menor o mayor que b y que
cuando escribimos [a, b] nos estamos refiriendo al intervalo [a, b] o al [b, a], depende del orden
que corresponda.
Sea z ]c, d[. Consideremos la funcin g : [a, b] R definida como g(x) = f (x) z. Es claro
que g es una funcin continua. Adems, g(a) = f (a) z = c z < 0 < d z = f (b) z = g(b)
y, por tanto, g verifica las hiptesis del teorema de los ceros de Bolzano. En consecuencia, existe
x0 [a, b] tal que g(x0 ) = 0 o, equivalente, f (x0 ) = z.
Si el teorema de los ceros de Bolzano nos garantiza que una
2
ecuacin vale cero o, lo que es lo mismo, que una funcin se
anula, el teorema del valor intermedio nos permite conocer to1
dos los valores de una funcin: su imagen. Slo nos queda una
dificultad que superar. Imagina por un momento que sabes los
valores de una funcin en dos puntos. Por ejemplo, supongaa
a
b
b
0
mos que una funcin f : [a, b] R continua verifica que
f (a) = 0 y que f (b) = 1. Qu podemos decir sobre su imagen?
El teorema del valor intermedio nos dice que la funcin toma
todos los valores entre 0 y 1. En otras palabras [0, 1] f ([a, b]),
Figura 6.7
pero se da la igualdad? En la Figura 6.7 puedes ver que la imagen puede ser un conjunto mayor. El ingrediente que falta para
resolver este problema es la monotona de la funcin.
88
Monotona
Propiedad de compacidad
El siguiente teorema y sus versiones para funciones de varias variables es una herramienta
fundamental en el estudio de los extremos absolutos de una funcin y responde a la pregunta de
qu se puede decir sobre cmo son los intervalos en el teorema del valor intermedio. Ningn otro
resultado nos va a garantizar a tanta generalidad la existencia de extremos.
Teorema 6.34 (Propiedad de compacidad). Sea f : [a, b] R una funcin continua.
Entonces f ([a, b]) es un intervalo cerrado y acotado. En particular, la funcin f tiene mximo
y mnimo absolutos.
6.6 Monotona
Cmo podemos calcular los extremos absolutos de una funcin? Hay algn punto destacado
donde buscar? En un intervalo, los nicos puntos destacados son los extremos pero es muy fcil
encontrar funciones que no alcanzan su mximo o su mnimo en ninguno de los extremos del
intervalo. Por ejemplo, consideremos la funcin sen : [0, 2] R. Sabemos su valor en los
extremos: cero. Nos da eso alguna informacin sobre el mximo o el mnimo de la funcin? La
verdad es que no demasiada. La informacin adicional que necesitamos sobre la funcin es la
monotona.
Definicin 6.35.
a) Una funcin f : A R R es creciente (resp. decreciente) si
x y = f (x) f (y) (resp. f (x) f (y)).
b) Una funcin f : A R R es estrictamente creciente (resp. estrictamente decreciente)
si
x < y = f (x) < f (y) (resp. f (x). > f (y))
En general, diremos que una funcin es montona si es creciente o decreciente y diremos que
es estrictamente montona si es estrictamente creciente o estrictamente decreciente.
Observacin 6.36. Hay veces que los nombres nos pueden inducir a error y este es uno de esos
casos. La idea intuitiva que tenemos todos es que una funcin creciente es aquella que tiene una
grfica ascendente. En realidad eso es una funcin estrictamente creciente. Una funcin constante
es creciente (y decreciente). La expresin correcta debera ser que una funcin creciente es aquella
cuya grfica no baja.
Imagen de una funcin

Una vez que tenemos todos los ingredientes: funcin definida en un intervalo, continua y montona, ya podemos calcular la imagen de dicha funcin. Enunciamos el resultado slo para funciones
crecientes. Ya te puedes imaginar cul es para funciones decrecientes.
Corolario 6.37.
a) Sea f : [a, b] R una funcin continua y creciente. Entonces la imagen de f es f ([a, b]) =

f (a), f (b) .
89
Ejercicios
b) Sea f :]a, b[
R una funcincontinua y estrictamente creciente. Entonces la imagen de f es
f (]a, b[) = lim f (x), lim f (x) .
xa
xb
x
Ejemplo 6.38. Sea f : [0, 1] R la funcin definida por f (x) = 1+x
, para cualquier x [0, 1].
a) El dominio de la funcin es un intervalo.
b) La funcin es continua por ser cocientes de funciones continuas, polinomios en este caso.
c) Vamos a comprobar que es creciente: si x, y [0, 1],
f (x) f (y)
x
y
x(1 + y) y(1 + x) x + xy y + xy x y.
1+x 1+y
Por tanto, f ([0, 1]) = [ f (0), f (1)] = [0, 1/2].

El estudio de la monotona de una funcin puede complicarse. En algunas ocasiones, se puede
sustituir por la condicin, ms dbil, de inyectividad aunque tendremos que esperar hasta el siguiente tema, derivabilidad, para encontrar una condicin verdaderamente til: el signo de la derivada.
Volveremos a esta cuestin al final del siguiente tema.
6.6.1
Monotona e inyectividad
3
2
1
f
0 1
no es creciente ni decreciente. Tampoco es difcil conseguir un ejemplo

con funciones continuas: eliminemos los puntos de discontinuidad de la
funcin f . Considera la funcin g : [0, 1] [2, 3] R definida como

x,
si 0 x < 1,
g(x) =
5 x, si 2 x 3,
3
2
1
g
0 1
La definicin de funcin estrictamente montona nos dice que puntos del

dominio distintos tienen imgenes distintas. En particular, las funciones
estrictamente montonas son inyectivas. El recproco no es cierto en general. Hay funciones inyectivas que no son montonas. Por ejemplo, la
funcin f : [0, 3] R definida como

x,
si 0 x < 2,
f (x) =
5 x, si 2 x 3,
Figura 6.8 Monotona e inyectividad
Como puedes ver, para la inyectividad no es una condicin suficiente

para probar monotona si consideramos funciones que no sean continuas
o que no estn definidas en intervalos. En otro caso, el resultado es cierto.
Proposicin 6.39. Sea I un intervalo y f : I R continua. Entonces f
es estrictamente montona si, y slo si, f es inyectiva.
6.7 Ejercicios
6.7.1
Lmites elementales
Ejercicio 6.1. Calcular los siguientes lmites
x
a) lim x 7x+4
5x+3
b) lim x 2x2 +1
90
Ejercicios
4
c) lim x2 xx2
2 +4
d) lim x2+ xx2
Ejercicio 6.2. Calcular

los siguientes lmites.
1
1
1
a) lim x4 x 4 x4
,
x4
,
3
2
3x
+2x +x
x1
lim x1 | x1
,
|
x1
lim x1 | x1 | ,
b) lim x0
c)
d)
Ejercicio 6.3.
Calcular los siguientes lmites

1+x 1x
a) lim x0
x
b)
c)
lim x0 1+x1
1x1
lim x0 3 2x+3
26+x3
Ejercicio 6.4. Calcular los siguientes lmites

a) lim x0 x|2x+x|
x2 1
| x1 |
2
lim x2 x x+x+6
2 4
b) lim x1
c)
6.7.2
q
d) lim x+
d) lim x0
e) lim x0
x+ x x
1
221/x
1
e1/x +1
Ejercicio 6.5.
a)
Sean f, g : R R las funciones definidas por

1
, si x 6= 0
1+e1/x
f (x) =
0,
si x = 0
b)
ex
, si x < 0
x
g(x) =
x,
si 0 x < 1
5
x, si x 1
Estudiar la continuidad de f y g y la existencia de lmites de f y g en + y .
1
Ejercicio 6.6. Sea f : R+ R la funcin definida por f (x) = x log(x)1 , para todo x R+ \ {e}.
Estudiar el comportamiento de f en 0, e, +.
i
h

sen(x)
1
Ejercicio 6.7. Sea f : 0, 2 R la funcin definida por f (x) = tan(x)
. Probar que f tiene
lmite en los puntos 0 y 2 y calcular dichos lmites.
i
h
Ejercicio 6.8. Sea f : 0, 2 R la funcin definida por f (x) = (1 + sen(x))cotan(x) . Estudiar la
continuidad de f y su comportamiento en 0 y /2.
91
Ejercicios
Ejercicio 6.9. Estudiar el comportamiento en cero de las funciones f, g : R R definidas por

!
!
7
5
f (x) = arctan
arctan
, g(x) = x f (x).
x
x
Ejercicio 6.10. Probar que existe un nmero real positivo x tal que log(x) + x = 0.
Ejercicio 6.11. Probar que la ecuacin x + e x + arctan(x) = 0 tiene una sola raz real. Da un
intervalo de longitud uno en el que se encuentre dicha raz.
Ejercicio 6.12. Determinar la imagen de la funcin f : R R definida por f (x) = arctan(log |x|).
Ejercicio 6.13. Sea f : [0, 1] [0, 1] una funcin continua en [0, 1]. Prubese que f tiene un
punto fijo: x [0, 1] : f (x) = x.
Ejercicio 6.14. Un escalador comienza, desde su campamento base, a subir a una montana el
sbado a las 7 horas, alcanzando la cima a las 8 de la tarde. A las 7 horas del domingo inicia
el descenso hacia el campamento base tardando el mismo tiempo que le cost la subida. Demostrar que existe una determinada hora, a lo largo del domingo, en la que el escalador se encuentra
exactamente a la misma altura que a esa misma hora del sbado.
6.7.3
Ejercicio 6.1. Prubese que todo polinomio de grado impar admite al menos una raz real.
Ejercicio 6.2. Sean f :]0, 1[ R y g : R R definidas por
x
, si x 0
1+x
f (x) = x, x ]0, 1[, g(x) =
x , si x < 0.
1x
Comprobar que f y g son continuas y acotadas pero no tienen mximo ni mnimo absolutos.
Ejercicio 6.3. Dado un nmero real positivo a, prubese que existe x R+ tal que x2 = a.
Adems x es nico.
Ejercicio 6.4. Sea f : [0, 1] R una funcin
verificando f (0) = f (1) = 0. Probar que,
continua

1
dado n N, existe x [0, 1] tal que f (x) = f x + n .
Ejercicio 6.5.
su imagen.
Sea f : [1, 1] R la funcin definida por f (x) =
x2
,x
1+x2
[1, 1]. Calcular
Ejercicio 6.6. Sea f : R R la funcin definida por f (x) = e x2 , x R , f (0) = 0. Probar

que f es continua en R, estrictamente decreciente en R y estrictamente creciente en R+ . Calcular
la imagen de f .
q
Ejercicio 6.7. Demostrar que la aplicacin f :] 1, 1[ R definida por f (x) = log 1+x
1x es
biyectiva. Determnese f 1 y comprubese que es una funcin continua.
Ejercicio 6.8. Sea f : R R la funcin definida como
92
Derivabilidad
Definicin. Recta tangente.
Derivabilidad
7
7.1 Definicin. Recta tangente. 107 7.2 Reglas de derivacin 109 7.3 Teo7.4 Consecuencias del teorema del valor merema del valor medio 111
dio 113 7.5 Derivadas de orden superior 115 7.6 Concavidad y convexidad 116 7.7 Algunas aplicaciones de la derivada 117 7.8 Derivacin
numrica 120 7.9 Ejercicios 121 7.10 Ejercicios complementarios 125
7.11 Otros ejercicios 129
7.1 Definicin. Recta tangente.

Definicin 7.1. Una funcin f : A R R es derivable en a A A0 si existe
lim
xa
f (x) f (a)
xa
A dicho lmite lo notaremos f 0 (a). A la funcin a 7 f 0 (a) la llamaremos funcin

derivada de f y la notaremos f 0 .
Observacin 7.2.
f (a)
a) El cociente incremental f (x)
y la derivada se pueden ver tambin como un lmite
xa
en cero haciendo un cambio de variable:
f (a + h) f (a)
.
f 0 (a) = lim
h0
h
b) La restriccin de que a sea un punto de acumulacin del dominio de la funcin (a A
A0 ) es obligatoria si queremos que el cociente incremental tenga sentido y no estemos
dividiendo por cero. Recuerda que en el caso de que el conjunto A sea un intervalo se
cumple que A0 = A con lo que podemos estudiar la derivabilidad en cualquier punto
del intervalo.
Ejemplo 7.3. La funcin f (x) = x2 es derivable. Su derivada en un punto a es, segn la
definicin,
f 0 (a) = lim
xa
x2 a2
(x + a)(x a)
f (x) f (a)
= lim
= lim
= 2a.
xa x a
xa
xa
xa
Obtenemos as la frmula usual de la derivada de f (x) = x2 , esto es, que f 0 (x) = 2x.
La condicin de ser derivable es ms fuerte que la de ser continua.
107
Definicin. Recta tangente.
Derivabilidad
Proposicin 7.4 (Condicin necesaria de derivabilidad). Sea f : A R derivable en

a A, entonces f es continua en a.
El recproco no es cierto. Hay funciones continuas que no son derivables.
Ejemplo 7.5. La funcin valor absoluto, f (x) = | x |, es continua pero no es derivable en el origen: no coinciden los lmites
laterales en 0.
f (x) f (0)
x
|x|
= lim+
= lim+ = 1, y
lim+
x0 x
x0 x
x0
x0
0
f (x) f (0)
x
|x|
lim
= lim
= lim
= 1.
Figura 7.1 La funx0
x0 x
x0 x
x0
cin valor absoluto no
es derivable en el ori- Por tanto, la funcin valor absoluto no es derivable en el origen.
En el resto de puntos de la recta real, la funcin es o bien la idengen
tidad o bien la identidad cambiada de signo. En ambos casos, la
funcin es derivable. Por qu? Fjate que la definicin de derivabilidad est hecha usando
lmites y que, en particular, cuestiones como su carcter local siguen siendo vlidas.
7.1.1 Interpretacin geomtrica de la derivada

La recta que une los puntos (a, f (a)) y (x, f (x)) es una recta secante a la grfica de la
funcin f . Puedes ver en la Figura 7.2 que el cociente incremental es
f (x) f (a)
= tan().
xa
Cuando hacemos tender x a a, dicha recta se convierte en tangente a la funcin f en el
punto (a, f (a)). Si el valor tan() nos indica la pendiente de la recta secante, la derivada,
f 0 (a), nos indica la pendiente de la recta tangente que tiene como frmula
y = f (a) + f 0 (a)(x a).
y = f (a) + f 0 (a)(x a)
f (x)
f (x) f (a)
xa
f (a)
Figura 7.2 Recta tangente
108
f (x)
Derivabilidad
Reglas de derivacin
7.1.2 Derivadas laterales

Puesto que la derivada est definida como un lmite y sabemos la relacin entre lmites laterales y lmite, podemos hablar de derivadas laterales. Aunque tiene sentido para
un conjunto cualquiera, vamos a enunciarlo nicamente para funciones definidas en un
intervalo I.
Definicin 7.6. Sea f : I R , a I, de forma que {x I : x < a} =
6 . Se dice que
f es derivable por la izquierda en el punto a si existe
lim
xa
f (x) f (a)
= f 0 (a )
xa
Este lmite se llama derivada lateral izquierda de f en el punto a.

Si ahora el punto a es tal que {x I : x > a} =
6 , se dice que f es derivable por la
derecha en el punto a si existe
lim+
xa
f (x) f (a)
= f 0 (a+ )
xa
Este lmite se llama derivada lateral derecha de f en el punto a.

Observacin 7.7. La relacin que hay entre la derivabilidad y la derivabilidad lateral
para funciones definidas en un intervalo I queda reflejada en las siguientes afirmaciones:
a) Si a = min(I), entonces f es derivable en a si, y slo si, f es derivable por la derecha
a y adems, f 0 (a) = f 0 (a+ ).
b) Si a = max(I), entonces f es derivable en a si, y slo si, f es derivable por la izquierda
en a y adems, f 0 (a) = f 0 (a ).
c) Si a I , entonces f es derivable en a si, y slo si, f es derivable por la izquierda y por
la derecha en a y ambas derivadas coinciden. Adems, en ese caso, f 0 (a) = f 0 (a+ ) =
f 0 (a ).
Resumiendo, para que una funcin sea derivable deben de existir todas las derivadas laterales que tengan sentido y coincidir.
7.2 Reglas de derivacin

Proposicin 7.8 (lgebra de derivadas). Sean f, g : A R funciones derivables en
a A. Entonces
a) La suma de funciones derivables es una funcin derivable y su derivada es la suma de
las derivadas:
( f + g)0 (a) = f 0 (a) + g0 (a).
b) El producto de funciones derivables es una funcin derivable y
( f g)0 (a) = f 0 (a)g(a) + f (a)g0 (a).
109
Reglas de derivacin
c) Si g(a) 6= 0, la funcin
Derivabilidad
f
g
es derivable y su derivada es
!0
f 0 (a)g(a) f (a)g0 (a)
f
(a) =
.
g
(g(a))2
Usando el primer apartado podemos calcular la derivada de cualquier polinomio, siempre que sepamos la derivada de xn . Comencemos por eso.
Ejemplo 7.9 (Derivada de una potencia). Es inmediato comprobar que la funcin identidad f (x) = x es derivable y que f 0 (x) = 1. Usando la segunda propiedad se demuestra por
induccin que cualquier potencia tambin lo es y que la derivada de la funcin g(x) = xn es
g0 (x) = nxn1 , para cualquier natural n, aunque dicha derivada tambin se puede calcular
directamente:
!
!
(a + h)n an
n n2
n n1
a h + = nan1 ,
lim
a +
= lim
h0
h0 1
2
h
usando la frmula del binomio de Newton.
Con esto tenemos resuelta la derivada de una funcin racional. Veamos otro tipo de
funciones. Por ejemplo, cul es la derivada de la funcin exponencial?
Ejemplo 7.10 (Derivada de la funcin exponencial). Calculamos la derivada de la funcin exponencial. Si a R,

ea e xa 1
e x ea
lim
= lim
.
xa x a
xa
xa
Usando la regla que tenemos para resolver indeterminaciones del tipo 1 (Proposicin 6.15),

1/(xa)
1 xa
lim
e 1 = L lim e xa
= e = eL .
xa x a
xa
Por tanto L = 1 y

ea e xa 1
e x ea
lim
= lim
= ea
xa x a
xa
xa
o, lo que es lo mismo, la derivada de la funcin exponencial es ella misma.
No parece fcil calcular la derivada de la funcin logaritmo nicamente con la definicin,
pero el siguiente resultado nos dice cmo calcular la derivada de la inversa de cualquier
funcin.
Proposicin 7.11 (Regla de la cadena). Sean f : A R con f (A) B y g : B R.
Supongamos que f derivable en a A y que g es derivable en f (a). Entonces, la funcin
compuesta g f es tambin derivable en a con derivada
(g f )0 (a) = g 0 ( f (a)) f 0 (a) .
110
Derivabilidad
Teorema del valor medio
Teorema 7.12 (de derivacin de la funcin inversa). Sea f : A R una funcin

inyectiva con inversa f 1 : f (A) R. Sea a A y supongamos que f es derivable
en a. Entonces son equivalentes:
a) f 0 (a) 6= 0 y f 1 es continua en f (a).
b) f 1 es derivable en f (a).
0
En caso de que se cumplan ambas afirmaciones se tiene que f 1 ( f (a)) = f 01(a) .
Ejemplo 7.13. Usemos que la derivada de la funcin exponencial f (x) = e x es f 0 (x) = e x
para calcular la derivada de su inversa, f 1 , la funcin logaritmo. Aplicando el teorema
de derivacin de la funcin inversa,
1
( f 1 )0 ( f (x)) = ( f 0 (x))1 =
.
f (x)
Si y = f (x), tenemos que ( f 1 )0 (y) = 1y .
7.3 Teorema del valor medio

Definicin 7.14. Una funcin f : A R tiene un mximo relativo en a A si
existe un entorno de a, ]a r, a + r[ A, donde se cumple que
f (x) f (a), x ]a r, a + r[.
Si se cumple que f (x) f (a), diremos que la funcin tiene un mnimo relativo en a.
En general, nos referiremos a cualquiera de las dos situaciones diciendo que f tiene
un extremo relativo en a.
Observacin 7.15. En el caso particular de funciones definidas en intervalos, los extremos relativos slo se pueden alcanzar en puntos del interior del intervalo, nunca en los
extremos.
Al igual que la monotona, la nocin de extremo relativo no tiene nada que ver la continuidad o derivabilidad de la funcin en un principio. Slo depende del valor de la funcin
en un punto y en los puntos cercanos.
111
Teorema del valor medio
Derivabilidad
2
1
1
2
Figura 7.3 Funcin parte entera
Ejemplo 7.16. La parte entera de un nmero real x

es el nico nmero entero E(x) que verifica que E(x)
x < E(x) + 1. La grfica de dicha funcin la puedes ver
en la Figura 7.3.
Tiene mximo o mnimos relativos? Si lo piensas un
poco, descubrirs que la funcin alcanza un mximo
relativo en todos los puntos y un mnimo relativo en
cualquier punto que no sea entero.
En efecto, alrededor de un nmero no entero la funcin
es constante y, por tanto, tiene un mximo y un mnimo
relativo. En cambio, si z es un nmero
i entero, se
h tiene
1
1
que f (z) f (x) para cualquier x z 2 , z + 2 .
En el caso de funciones derivables la bsqueda de extremos relativos es un poco ms

sencilla. El siguiente resultado nos dice que slo tendremos que buscar puntos que anulen
la derivada.
Proposicin 7.17. Sea f : A R R derivable en a A. Si f tiene un extremo relativo
en a, entonces f 0 (a) = 0.
Usualmente llamaremos puntos crticos a aquellos en los que se anula la derivada.
Teorema 7.18 (de Rolle). Sea f : [a, b] R una funcin continua en [a, b], derivable en ]a, b[ y verificando que f (a) = f (b) = 0. Entonces existe c ]a, b[ tal que
f 0 (c) = 0.
Demostracin. Usando la propiedad de compacidad,
la funcin alcanza su mximo y su mnimo absolutos
en [a, b]. Sean , [a, b] tales que f () = max( f )
y f () = min( f ).
a) Si ]a, b[, es un mximo relativo y, por tanto,
f 0 () = 0.
a
b
b) Si ]a, b[, es un mximo relativo y, por tanto,
Figura 7.4 Teorema de Rolle
f 0 () = 0.
c) Si , {a, b}, entonces f es constante y, por
0
tanto f (x) = 0 en todo el intervalo.
Teorema 7.19 (del valor medio). Sea f : [a, b] R una funcin continua en [a, b]
y derivable en ]a, b[. Entonces existe c ]a, b[ tal que f (b) f (a) = f 0 (c)(b a).
Demostracin. La funcin g : [a, b] R definida como g(x) = ( f (b) f (a))x(ba) f (x)
verifica las hiptesis del teorema de Rolle. Por tanto existe c ]a, b[ tal que g0 (c) = 0 como
queramos.
112
Derivabilidad
Consecuencias del teorema del valor medio
7.4 Consecuencias del teorema del valor medio

7.4.1 Derivadas y monotona
Proposicin 7.20. Sea I un intervalo, f : I R derivable.
a) f es creciente si y slo si f 0 (x) 0 para cualquier x I.
b) f es decreciente si y slo si f 0 (x) 0 para cualquier x I.
c) f es constante si y slo si f 0 (x) = 0 para cualquier x I.
d) Si f 0 (x) > 0 para todo x I, entonces f es estrictamente creciente.
e) Si f 0 (x) < 0 para todo x I, entonces f es estrictamente decreciente.
Teorema 7.21 (del valor intermedio para la derivada). Sea I un intervalo y f :
I R derivable. Entonces f 0 (I) es un intervalo.
Observacin 7.22. El teorema del valor intermedio para la derivada no es una consecuencia del teorema del valor intermedio. Sera necesario que la funcin fuera de clase C 1 para
garantizarnos la continuidad de la derivada. Sin embargo, se pueden encontrar funciones
derivables cuya derivada no es una funcin continua (vese el Ejemplo 7.28).
La primera aplicacin del teorema del valor intermedio para la derivada es que el estudio
de la monotona se simplifica sobremanera. Una vez que sabemos que la derivada no se
anula (en un intervalo), basta evaluar en un punto arbitrario para saber su signo.

Ejemplo 7.23. Estudiemos la monotona de la funcin f (x) = 1 + x 1 + x para x > 0.
Para ello, veamos cundo se anula la derivada:
1
1
f 0 (x) =
= 0 x = 1 + x x = 1 + x
2 x 2 1+x
Por tanto, f 0 no se anula nunca. El teorema del valor intermedio para las derivadas nos
asegura que f es estrictamente montona en R+ . En efecto, si la derivada cambiase de
signo, tendra que anularse, cosa que no ocurre.
Una vez que sabemos que f 0 tiene el mismo signo en todo R+ , podemos averiguar dicho
signo evaluando en cualquier punto. Por ejemplo f 0 (1) > 0, con lo que f es estrictamente
creciente.
Lo que hemos visto en el ejemplo anterior, lo podemos repetir con cualquier funcin
cuya derivada no se anule.
Corolario 7.24. Sea I un intervalo y f : I R una funcin derivable con f 0 (x) 6= 0,
para todo x I. Entonces f es estrictamente montona.
Teorema 7.25 (de la funcin inversa). Sea I un intervalo y f : I R derivable
1
en I con f 0 (x)
6=00 para todo x I. Entonces f es estrictamente montona, f es
derivable y f 1 ( f (a)) = f 01(a) .
113
Consecuencias del teorema del valor medio
Derivabilidad
7.4.2 Reglas de LHpital

Proposicin 7.26 (1 a regla de LHpital). Sea I un intervalo, a I, f, g : I \ {a} R
derivables. Supongamos que lim f (x) = lim g(x) = 0. Entonces, si
xa
lim
f 0 (x)
xa g0 (x)
xa
= L, +, = lim
xa
f (x)
= L, +, .
g(x)
Podemos aplicar este resultado al estudio de la derivabilidad de una funcin continua.

Aplicando la primera regla de LHpital al lmite de la definicin de derivada se obtiene
el siguiente resultado.
Corolario 7.27 (Condicin suficiente de derivabilidad). Sea I un intervalo, a I y
f : I R una funcin continua y derivable en I \ {a}.
a) Si lim f 0 (x) = L, entonces f es derivable en a y f 0 (a) = L.
xa
b) Si lim f 0 (x) = , entonces f no es derivable en a.

xa
Ejemplo 7.28. Estudiemos la funcin f : R R definida como

(

2 sen 1 , si x 6= 0,
x
x
f (x) =
0,
si x = 0.
Esta funcin es continua y derivable en R . No es difcil comprobar que f es continua en
0. Usando que el producto de una funcin acotada por otra que tiende a cero es cero, se
tiene que
!
1
2
= 0 = f (0).
lim f (x) = lim x sen
x0
x0
x

Sabemos que f 0 (x) = 2x sen 1x cos 1x si x 6= 0. Usando que la funcin coseno no tiene
lmite en + (recuerda que sabemos por el Ejemplo 6.12 que ninguna funcin peridica
no trivial tiene lmite en infinito), concluimos que no existe lim x0 f 0 (x).
Para estudiar la derivabilidad en el origen nos queda nicamente la definicin

!
2 sen 1
x
f (x) f (0)
1
x
lim
= lim
= lim x sen
= 0.
x0
x0
x0
x0
x
x
Por tanto, f es derivable en 0 y f 0 (0) = 0.
La funcin f es un ejemplo de una funcin derivable pero cuya derivada no es una funcin
continua y, al mismo tiempo, un ejemplo de que la regla de LHpital no es una equivalencia.
Proposicin 7.29 (2 a regla de LHpital). Sea I un intervalo, a I, f, g : I \ {a} R
derivables. Supongamos que lim |g(x)| = +. Entonces, si
xa
f 0 (x)
lim
xa
g0 (x)
= L = lim
xa
114
f (x)
= L.
g(x)
Derivabilidad
Derivadas de orden superior
7.5 Derivadas de orden superior

Al igual que podemos estudiar la derivabilidad de una funcin, podemos repetir este
proceso y estudiar si la derivada es una funcin derivable. Si f : A R es una funcin
derivable, notaremos f 0 a la primera derivada, f 00 a la segunda derivada y f (n) a la derivada
de orden n.
Definicin 7.30. Sea A R, diremos que una funcin f : A R es de clase C 1 si
es derivable y f 0 es una funcin continua.
Si n es un nmero natural cualquiera, diremos que f es de clase C n si f es n veces
derivable y la derivada n-sima f (n) es continua.
Por ltimo, si una funcin admite derivadas de cualquier orden diremos que es de
clase C .
Usaremos la siguiente notacin

C 1 (A) = f : A R : existe f 0 y es continua ,

C 2 (A) = f : A R : existe f 00 y es continua . . .
En general,
n
o
C n (A) = f : A R : existe f (n) y es continua , y
n
o
C (A) = f : A R : existe f (n) para todo n natural .
Se tiene la siguiente cadena de inclusiones:
C (A) ( . . . C n+1 (A) ( C n (A) ( . . . C 2 (A) ( C 1 (A) ( C(A),
donde C(A) denota al conjunto de las funciones continuas en A. Para comprobar que las
inclusiones son estrictas, tenemos que encontrar funciones de clase n que no sean de clase
n + 1. Cmo buscamos una funcin con estas propiedades? La respuesta es sencilla: consideremos la funcin valor absoluto (o cualquiera otra con un pico) y, aunque todava no
hemos hablado de ello, calculemos una primitiva. Dicha primitiva se puede derivar una vez
(obtenemos la funcin valor absoluto) pero no se puede volver a derivar. Si queremos que
se pueda derivar ms veces slo tenemos que integrar ms veces. Esto es lo que hacemos
en el ejemplo siguiente.
Ejemplo 7.31. La funcin f : R R definida como
(
(x a)n+1 , si x a,
f (x) =
0,
si x < a,
es de clase C n pero no de clase C n+1 . No es difcil comprobar que la derivada de orden
n + 1 no es continua en a:

(n + 1)(x a)n , si x a,
0
f (x) =
0,
si x < a,
115
Concavidad y convexidad
Derivabilidad
(
f (x) =
00
(n + 1)n(x a)n1 ,
0,
si x a,
si x < a,
y, sucesivamente,
f
(n)
(x) =
(n + 1)!(x a),
0,
si x a,
si x < a.
Esta funcin no es derivable en x = a porque las derivadas laterales existen y no coinciden.

(n + 1)!, si x > a,
(n+1)
f
(x) =
0,
si x < a.
Obsrvese que la funcin f no es de clase n + 1 porque no existe la derivada no porque no
sea continua. En este sentido, el Ejemplo 7.28 es mejor: la funcin era derivable pero la
derivada no era continua.
Proposicin 7.32. Sea I un intervalo, a I y n, un nmero natural mayor o igual que 2.
Sea f : I R una funcin de clase n verificando
f 0 (a) = f 00 (a) = = f (n1) (a) = 0, f (n) (a) 6= 0.
a) Si n es impar, f no tiene un extremo relativo en a.
b) Si n es par:
i) si f (n) (a) > 0, f tiene un mnimo relativo en a,
ii) si f (n) (a) < 0, f tiene un mximo relativo en a.

Ejemplo 7.33. La funcin f (x) = x4 2 + sen 1x si x 6= 0 y f (0) = 0 tiene un mnimo
absoluto en el origen pero no se puede encontrar un intervalo centrado en 0 dnde la
derivada tenga un nico cambio de signo.
7.6 Concavidad y convexidad

Definicin 7.34. Sea I un intervalo de R. Diremos que una funcin f : I R es
convexa si verifica que
f ((1 )x + y) (1 ) f (x) + f (y) ,
para cualesquiera x, y I.
Diremos que la funcin es cncava si se verifica la desigualdad opuesta, esto es,
f ((1 )x + y) (1 ) f (x) + f (y) .
116
Derivabilidad
Algunas aplicaciones de la derivada
Las definiciones de concavidad y convexidad son

completamente independientes de que la funcin sea
o no continua, derivable o cualquier otra condicin
de regularidad. Dicho esto, como ocurre con la monotona, la derivada es una gran herramienta que (y, f (y))
nos va a permitir simplificar el estudio de la concavidad y convexidad.
(x, f (x))
Observacin 7.35.
Figura 7.5 Funcin convexa
a) La convexidad (anlogamente la concavidad) tiene una clara interpretacin geomtrica. Debe verificarse que el segmento que une los
puntos (x, f (x)), (y, f (y)) quede por encima de la grfica de la funcin. Recuerda que
dados dos puntos x, y Rn , el segmento que los une es el conjunto

x, y = {(1 )x + y : [0, 1]} .
b) No est de ms recalcar que f es convexa si, y slo si, f es cncava.
Proposicin 7.36. Sea I un intervalo y f : I R dos veces derivable. Entonces
a) Si f 00 (x) > 0 para cualquier x I, entonces f convexa.
b) Si f 00 (x) < 0 para cualquier x I, entonces f cncava.
Definicin 7.37. Diremos que f : I R tiene un punto de inflexin en a I si en
dicho punto la funcin cambia de cncava a convexa o viceversa.
7.7 Algunas aplicaciones de la derivada

Ejemplos de mximos, mnimos, nmero de soluciones, desigualdades, estudio de una
funcin, etc.
Imagen de una funcin

El teorema del valor intermedio junto con la monotona permiten calcular la imagen de
una funcin. Ms concretamente, se cumple que
a) si f : [a, b] R es creciente entonces f ([a, b]) = [ f (a), f (b)], y

b) si f :]a, b[ R es estrictamente creciente entonces f (]a, b[) = lim xa f (x), lim xb f (x) .
117
Derivabilidad
Resultados similares se tienen para funciones decrecientes. Observa que necesitamos tres datos de la funcin para poder aplicarlos: continuidad, monotona y
que el dominio sea un intervalo. Observa que, hasta este momento, no ha aparecido la palabra derivada. Su
papel es facilitarnos el estudio de la monotona. Nada
ms.
Ejemplo 7.38. Veamos un ejemplo: vamos a calcular
la imagen de la funcin f : [0, 5] R definida como
f (x) = x3 6x2 + 9x 1. En este caso, la funcin es derivable en todo su dominio, es un polinomio. Cules
son sus puntos crticos?
20
18
16
14
12
10
8
6
4
2
f 0 (x) = 3x2 12x + 9 = 0 x = 1, 3.
f (x) = x3 6x2 + 9x 1
f 0 (x) = 3x2 12x + 9
Por tanto f es estrictamente montona en [0, 1], en

[1, 3] y en [3, 5]. Podemos evaluar la derivada en un punto de cada uno de dichos intervalos
para averiguar el carcter de la monotona:
intervalo
[0, 1]
[1, 3]
[3, 5]
0
2
4
signo de f 0 (x) monotona de f

+
+
est. creciente
est. decreciente
est. creciente
Con estos datos,

f ([0, 5]) = f ([0, 1]) f ([1, 3]) f ([3, 5])

= f (0), f (1) f (3), f (1) f (3), f (5)
= [1, 3] [1, 3] [1, 19] = [1, 19].
En particular, la funcin f tiene mximo y mnimo absolutos y ya sabemos su valor: 1 y
19. Tambin sabemos dnde se alcanzan: el mnimo en 0 y en 3 y y el mximo en 5.
Si en lugar del intervalo [0, 5], hubisemos considerado la funcin f definida en todo R
no sera necesario estudiar la monotona. Pinsalo un momento. Se cumple que
lim x3 6x2 + 9x 1 = y que
lim x3 6x2 + 9x 1 = +.
x+
Esto quiere decir que f (R) = R.

Ejemplo 7.39. Cul es la imagen de la funcin f : R R definida como

f (x) = arctan x9 2x4 + sen3 (2x 3) ?
118
Derivabilidad
Un vistazo a la derivada y te dars cuenta de que no parece fcil decidir la monotona de

la funcin. De nuevo, observa que
lim x9 2x4 + sen3 (2x 3) = = lim f (x) = , y que

x
2
lim x9 2x4 + sen3 (2x 3) = + = lim f (x) = .

x
x
2
i
h
Por tanto, f (R) 2 , 2 . Podra ser la imagen un conjunto mayor? En este caso no, ya
que la funcin
no toma nuca valores fuera de dicho intervalo. En consecueni arcotangente
h
cia f (R) = 2 , 2 .
x
Extremos absolutos
Acabamos de ver cmo el estudio de la imagen de una funcin nos da automticamente,
si existen, los extremos absolutos. En el caso de que tengamos garantizado la existencia
de dichos extremos antes de estudiar monotona, es posible ahorrar algunos clculos. Por
ejemplo, la funcin del Ejemplo 7.38 tiene mximo y mnimo por la propiedad de compacidad: es una funcin continua en un intervalo cerrado y acotado. Eso quiere decir que los
extremos absolutos se tienen que alcanzar en uno de los siguientes puntos:
a) puntos crticos,
b) extremos del intervalo, o
c) puntos donde la funcin no sea continua o no sea derivable.
En este caso, los extremos de la funcin f : [0, 5] R, f (x) = x3 6x2 + 9x 1 tienen
que estar entre los siguientes: 0, 1, 3 y 5. Hemos reducido el problema de averiguar el
valor mximo o mnimo en todo un intervalo a averiguar el mximo o el mnimo de cuatro
nmeros. Slo hace falta echar un vistazo para encontrarlos:
f (0) = 1, f (1) = 3, f (3) = 1, f (5) = 24.
Por tanto, el mximo absoluto se alcanza en 5 y el mnimo en 0 y en 1.
Desigualdades y ecuaciones
La demostracin de una desigualdad o el estudio de el nmero de soluciones de una
ecuacin son slo dos ejemplos que podemos resolver estudiando las funciones adecuadas.
Por ejemplo, la validez de la desigualdad

sen(x) < x, x 0, ,
2
la podemos ver de varias formas: pasamos restando o idividiendo
y comprobamos que
h
a) la imagen de la funcin f (x) = x sen(x) con x 0, 2 est contenida en R+ , o bien,

h
i
b) la imagen de la funcin g(x) = sen(x)/x con x 0, 2 est contenida en ]0, 1[.
Dependiendo del tipo de funciones involucradas en la desigualdad, ser ms conveniente
utilizar uno u otro mtodo.
119
Derivacin numrica
Derivabilidad
i
h
Calculemos cul es la imagen de f (x) = x sen(x) en el intervalo 0, 2 . Como f 0 (x) =
1 cos(x) > 0 en dicho intervalo, f es estrictamente creciente y, en consecuencia,

f 0,
= lim f (x), lim f (x) = 0, 1 .
x0
2
2
x 2
Tambin podemos utilizar la monotona para contar el nmero de soluciones de una ecuacin. Para ello nos aprovecharemos de que una funcin continua y estrictamente montona
en un intervalo se anula (una nica vez) si, y slo si, cambia de signo en los extremos de
dicho intervalo. Ms concretamente,
sea f :]a, b[ R continua y estrictamente creciente. Se cumple que
a) si lim f (x) > 0 o lim f (x) < 0, f no se anula en ]a, b[, y
xa
xb
b) si lim f (x) < 0 y lim f (x) > 0, entonces f se anula una nica vez en
xa
xb
]a, b[.
7.8 Derivacin numrica

A veces ocurre que calcular la derivada de una funcin f en un punto a del interior
de dominio no es fcil, ya sea por la complejidad de la funcin dada, ya sea porque slo
dispongamos de una tabla de valores de f . En esta seccin vamos a establecer mtodos
para calcular f 0 (a). No es que vayamos a calcular la funcin derivada primera de f , sino
que vamos a aproximar los valores de sta en un punto dado a.
Hemos visto en este captulo que la derivada de una funcin f : I R en un punto
a I es
f (x) f (a)
(a + h) f (a)
f 0 (a) = lim
= lim
.
xa
h0
xa
h
Si consideramos un valor de h suficientemente pequeo, podemos dar una primera aproximacin
f (a + h) f (a)
.
f 0 (a)
h
7.8.1 Frmulas de derivacin numrica

En las frmulas que vamos a estudiar en este apartado aparecen dos valores: el que
aproxima f 0 (a) y el error cometido. Aunque este ltimo no se calcula explcitamente, s
se puede dar una acotacin del mismo. Notemos que dicho error se obtiene gracias al
desarrollo de Taylor de f centrado en a.
En lo que sigue, el parmetro h se suele tomar positivo y pequeo.
Frmula de dos puntos
f 0 (a) =
1
h
( f (a) f (a h)) + f 00 () , ]a h, a[
h
2
120
Derivabilidad
Ejercicios
Esta frmula se llama regresiva porque utiliza informacin de f en a y en a h.

f 0 (a) =
1
h
( f (a + h) f (a)) f 00 () , ]a, a + h[
h
2
Esta frmula se llama progresiva porque utiliza informacin de f en a y en a + h.

El primer sumando de ambas frmulas nos da una aproximacin de f 0 (a), y el segundo
nos indica el error cometido.
Frmula de tres puntos
f 0 (a) =
h2 000
1
( f (a + h) f (a h))
f () , ]a h, a + h[
2h
6
Esta frmula se llama central porque utiliza informacin de f en a h y en a + h.

f 0 (a) =
1
h2 000
(3 f (a) + 4 f (a + h) f (a + 2h)) +
f () , ]a, a + 2h[
2h
3
Esta frmula es progresiva.

Fmula de cinco puntos
1
h4 (5)
( f (a 2h) 8 f (a h) + 8 f (a + h) f (a + 2h))
f (a) =
f () , ]a2h, a+2h[
12h
30
0
sta es central.
f 0 (a) =
1
h4
(25 f (a) + 48 f (a + h) 36 f (a + 2h) + 16 f (a + 3h) 3 f (a + 4h))+ f (5) (),
12h
5
con ]a, a + 4h[. Esta es progresiva.

Unas observaciones sobre el trmino del error:
a) Cuanto mayor es el exponente de h en la frmula del error, mejor es la aproximacin.
b) Cuanto menor es la constante que aparece en la frmula del error, mejor es la aproximacin.
c) Cuidado con los errores de redondeo cuando trabajemos con h excesivamente pequeo.
Puede ocurrir que por la aritmtica del ordenador, la aproximacin numrica sea peor
cuanto ms pequeo sea h.
Veremos ejemplos ms detallados en clase de prcticas.
7.9 Ejercicios
121
Ejercicios
Derivabilidad
7.9.1 Definicin. Reglas de derivacin

Ejercicio 7.1. Calcula la tangente de las siguientes curvas en los puntos dados:
a) y = x2x+1 en el origen
c) y = x2 + 1 en (3, 10)

d) y = | x | en (1, 1)
b) y = cos(x) en , 0
2
Ejercicio 7.2. Calcula la derivada de las siguientes funciones:

3
a) y = sen(x + 3)
d) y = sec(x)
f) y = x2 + 1
q
b) y = cos2 (x)
e) y = 1+x
1x
1
c) y = cos(x)
Ejercicio 7.3. Calcula la derivada de las siguientes funciones:

5
d) f (x) = x x .
1
5
a) f (x) = x 5 .
x
x
e) f (x) = x .
b) f (x) = cos(cos(cos(x))).
f) f (x) = 12 x | x |.
c) f (x) = x4 e x log(x).
Ejercicio 7.4. Comprueba que la funcin f : R R,

2x, si x < 0,
f (x) =
3x2 , si x 0.
es continua pero no es derivable en el origen.
Ejercicio 7.5. Calcula los puntos donde la recta tangente a la curva y = 2x3 3x2
12x + 40 es paralela al eje OX.
h
i
Ejercicio 7.6. Sea f : 2 , 2 R definida por:
f (x) =
log (1 sen(x)) 2 log(cos(x))

,
sen(x)
si x 6= 0 y f (0) = a. Estudia para qu valor de a la funcin f es continua en cero.

E
Ejercicio 7.7.
por
Estudia la continuidad y derivabilidad de la funcin f : R R definida

arctan
exp
, si x < 0
x2
2x ,
si 0 x 1
f (x) =
x2 +1
log(x)
si 1 < x.
1 + x ,
Calcula la imagen de la funcin.
122
Derivabilidad
Ejercicios
7.9.2 Teorema del valor medio

Ejercicio 7.8. Prueba que arcsen(x) + arccos(x) =
E
para todo x [1, 1].
Ejercicio 7.9. Demuestra que

x
< arctan(x) < x
1 + x2
para cualquier x positivo.
Ejercicio 7.10. Calcula el nmero de soluciones de la ecuacin x + ex = 2.

Ejercicio 7.11. Calcula el nmero de ceros y la imagen de la funcin f : R R definida
por f (x) = x6 3x2 + 2.
Ejercicio 7.12. Sea f : R \ {1} R la funcin definida como

!
1x
+ arctan(x).
f (x) = arctan
1+x
Calcula su imagen.
Ejercicio 7.13. Sea f : R R la funcin definida por f (x) = ax3 + bx2 + cx + d.
a) Encuentra las condiciones que deben verificar los parmetros para que f alcance un
mximo y un mnimo relativo.
b) Si se verifica el enunciado anterior, demuestra que en el punto medio del segmento que
une los puntos donde se alcanzan el mximo y el mnimo relativo se alcanza un punto
de inflexin.
2
Ejercicio 7.14. Calcula la imagen de la funcin f : R R definida por f (x) = ex (x2

3).

Ejercicio 7.15. Sea f : R \ {1} R definida por f (x) = arctan 1+x
1x .
a) Estudia la continuidad de f y los lmites en y +.
b) Calcula la imagen de f .
Ejercicio 7.16. Calcula la imagen de f : R+ R, f (x) = x1/x .
Ejercicio 7.17. Sean a, b, c R con a2 < 3b. Demuestra que la ecuacin x3 + ax2 +
bx + c = 0 tiene una solucin real nica.

Ejercicio
7.18. Calcula los siguientes lmites:
sen(3x)
x2 + 5 3
b) lim
a) lim
x0
x
x2
x2 4
123
Ejercicios
c)
lim
x/2
Derivabilidad
2x
cos(x)
1 cos(x)
x0
x2
d) lim
Ejercicio 7.19. Calcula los siguientes lmites

cos(x) + 3x 1
log(log(x))
a) lim
.
.
c) lim
x+
x0
2x
log(x)
e x + ex 2 cos(x)
b) lim
.
x0
x sen(2x)
Ejercicio 7.20. Calcula los lmites de las siguientes funciones en el punto indicado:
1
x + sen(x)
a) lim+ (cos(x) + 2 sen(3x)) x
c) lim
x0
x+ x cos(x)
(1 cos(x)) sen(4x)
x tan x
2

b) lim
d) lim tan
x0
x3 cos 4 x
x1
4
Ejercicio 7.21. Estudia el comportamiento de la funcin f : A R en el punto en
cada uno de los siguientes casos:
x 2+ x2
, = 2.
a) A =]2, +[, f (x) =
x2 4
1
1
b) A = R+ \ {1}, f (x) =
, = 1.
log(x) x 1
xx x
, = 1.
c) A =]1, +[, f (x) =
1 x log(x)
Ejercicio 7.22. Estudia el comportamiento en + de las funciones f, g: R+ R dadas
por
log(2 + 3e x )
a) f (x) =
,
2 + 3x2
b) g(x) = (a x + x)1/x , donde a R+ .
Ejercicio 7.23. Estudia el comportamiento en el punto cero de la funcin f : A R en
los siguientes casos:
1

1 cos(x)
2
a) A = R+ , f (x) =
,
c) A =]0, 2 [, f (x) = cos(x) + x2 x2 .

x
b) A =]0, 2 [, f (x) = (sen(x) + cos(x))1/x
3 sin(x) 3x cos(x)
Ejercicio 7.24. Calcula lim
x0
x3
! 1x
.
7.9.4 Optimizacin
Ejercicio 7.25. Dibuja las grficas de las siguientes funciones indicando los mximos,
mnimos y puntos de inflexin.
a) y = 6 2x x2
b) y = 3x4 4x3
c) y = (x 1)3
124
Derivabilidad
Ejercicio 7.26.
mximo.
Encuentra dos nmeros positivos cuya suma sea 20 y su producto sea
Ejercicio 7.27. Calcula las dimensiones del rectngulo de mayor rea que puede inscribirse en un semicrculo de radio r.
E
Ejercicio 7.28. Calcula las dimensiones del trapecio con mayor rea que puede inscribirse en una semicircunferencia de radio 1.
Ejercicio 7.29. Cul es la longitud mnima del segmento que tiene un extremo en el
eje x, otro extremo en el eje y, y pasa por el punto (8, 1)?
Ejercicio 7.30. Demuestra que la suma de un nmero positivo y su recproco es al menos
2.
Ejercicio 7.31. Calcula las dimensiones de la cruz simtrica respecto de los ejes y con rea mxima que se puede
inscribir en una circunferencia de radio 1.
Ejercicio 7.32.
x2
400
Se inscribe un rectngulo en la elipse
y2
225
+
= 1 con sus lados paralelos a los ejes. Halla las
dimensiones del rectngulo para que
a) el rea sea mxima,
b) el permetro sea mximo.
E
Ejercicio 7.33. Calcula el punto (a, b) de la parbola

y = 3 x2 de forma que el tringulo determinado por la recta tangente a la parbola en
dicho punto y los ejes de coordenadas tenga rea mnima.
Ejercicio 7.34. A un espejo rectangular de medidas 80x90 cm. se le rompe (accidentalmente) por una esquina un tringulo de lados 10x12cm. Calcula las medidas del espejo de
mayor rea de forma rectangular que se puede obtener del la pieza restante.
7.10 Ejercicios complementarios

Ejercicio 7.1. Sea f : R R la funcin definida por:
( 1
2
f (x) = e x , si x 6= 0
0,
si x = 0
Estudiar la continuidad y derivabilidad de f y calcular su imagen.
Ejercicio 7.2. Estudiar la continuidad y derivabilidad en cero de la funcin f : R+0 R
definida por
125
Derivabilidad
(
f (x) =
(1 e x ) sen
0

1
x
si x > 0
si x = 0
Ejercicio 7.3. Estudiar la derivabilidad de la funcin f : R+0 R definida por f (x) =

(1 + x)1/x para x R+ , f (0) = e.

Ejercicio 7.4. Calcular el nmero de soluciones de la ecuacin 3 log(x) x = 0.
Ejercicio 7.5. Determinar el nmero de races reales de la ecuacin 3x5 +5x3 30x = m
segn el valor de m.

Ejercicio 7.6. Demostrar que, para cualquier a R, la ecuacin x = a + 2 sen ax

2
tiene una nica solucin.
(

2 + 2 arctan 1 , si x 6= 0,
log
1
+
x
x
f (x) =
,
si x = 0.
Estudia su continuidad, derivabilidad y calcula su imagen.
Ejercicio 7.8. Probar que x R se verifica que
1
cos (arctan(x)) =
1 + x2
x
sen(arctan(x)) =
.
1 + x2

xa a x
, donde a > 0 y a 6= 1.
xa a x aa

1
Ejercicio 7.10. Calcular lim sen(x) + ex x2 .
Ejercicio 7.9. Calcula el siguiente lmite lim
x0
Ejercicio 7.11. Estudiar el comportamiento en + de la funcin f :]1, +[ R definida por f (x) =
x(x1/x 1)
log(x) .
Ejercicio 7.12. Calcula

a + sen(x)
lim
x0 a sen(x)
!1/x
con a > 0.
Ejercicio 7.13. Calcula el lmite el punto indicado:
126
Derivabilidad
lim
x0
x arctan( 2x )
sen2 (2x) cos(sen(x))
Ejercicio 7.14. Estudiar el comportamiento en el punto cero de la funcin f : A R

en los siguientes casos:
1
a) A =]0, 2 [, f (x) = (1 tan(x)) x2 ,

b) A = R+ , f (x) = xsen(x) ,
c) A =]0, 2 [, f (x) = xarctan(x)
.
sen3 (x)
Ejercicio 7.15. Calcula los siguientes lmites:
1/x

arctan(x)
a) lim
x+ 2
log(e2x + sen(x))
b) lim
.
x+
3x2 + 1

1
c) lim a x1 x + 1 x1 , (a > 0).
x1
7.10.4 Optimizacin
Ejercicio 7.16. Estudiar los extremos relativos de la funcin f : R R en los siguientes casos
a)

x log |x|, si x R ,
f (x) =
0,
si x = 0.
b)
(
f (x) =
x2 log |x|,
0,
si x R ,
si x = 0.
Ejercicio 7.17. Estudiar los extremos relativos de la funcin f : R R definida como

f (x) = cosh(x) + cos(x).
Ejercicio 7.18. Calcular para qu valores del parmetro m se cumple que la ecuacin
20x5 x = m tiene exactamente dos races reales distintas.
n
o
Ejercicio 7.19. Calcular max n n : n N .
E
Ejercicio 7.20.
a) Sean f, g : R+ R definidas por
f (x) =
2 x
+ ,
x 2
g(x) =
2 x
.
x 2
Estudia los extremos, los intervalos de monotona, los cortes con los ejes y el comportamiento en + y 0 de ambas funciones. Haz un esbozo de sus grficas.
127
Derivabilidad
b) Sea a > 2. Se define la sucesin {xn }:

x1 = a,
xn+1 =
2
xn
+ , n N.
xn
2
Demuestra que {xn } es montona y acotada y calcula su lmite. (Sugerencia: usa las
funciones del apartado anterior).
Ejercicio 7.21. Calcular el rea mxima de un rectngulo, que tiene dos vrtices sobre
una circunferencia de radio R y los otros dos sobre una cuerda dada de dicha circunferencia.
Ejercicio 7.22. Se desea construir una ventana con forma de rectngulo coronado de
un semicrculo de dimetro igual a la base del rectngulo. Pondremos cristal blanco en la
parte rectangular y cristal de color en el semicrculo. Sabiendo que el cristal coloreado deja
pasar la mitad de luz (por unidad de superficie) que el blanco, calcular las dimensiones
de la ventana para conseguir la mxima luminosidad si se ha de mantener un permetro
constante dado.
Ejercicio 7.23. Hallar las dimensiones del cilindro de mayor volumen entre todos aquellos que tienen la superficie lateral total constante.
Ejercicio 7.24. Dado un punto P = (a, b) situado en el primer cuadrante del plano,
determinar el segmento con extremos en los ejes coordenados y que pasa por P que tiene
longitud mnima.
Ejercicio 7.25. Cul es la longitud de la escalera ms larga que puede hacerse pasar a
travs de la esquina, en ngulo recto, que forman dos corredores de anchuras respectivas
a y b?
Ejercicio 7.26. Se desea construir un silo, con un volumen V determinado, que tenga la
forma de un cilindro rematado por una semiesfera. El costo de construccin (por unidad de
superficie) es doble para la semiesfera que para el cilindro (la base es gratis). Determnense
las dimensiones ptimas para minimizar el costo de construccin.
Ejercicio 7.27. Se proyecta un jardn de forma de sector circular de radio R y ngulo central . El rea del jardn ha de ser A fija. Qu valores de R y hacen mnimo el permetro
que bordea el jardn?
128
Derivabilidad
Otros ejercicios
Ejercicio 7.28. Con un disco de radio R queremos

hacer, recortando un disco concntrico de radio r , una
arandela como la de la figura. Se pide calcular el radio
r cumpliendo la condicin de que el rea de la parte de
la arandela que queda por encima de la recta y = r, la
zona coloreada en la figura, sea mxima.
R
r
y = r
Ejercicio 7.29. Una caja abierta est construida con

un rectngulo de cartn, quitando cuadrados iguales en
cada esquina y doblando hacia arriba los bordes. Hallar las dimensiones de la caja de mayor
volumen que puede construirse con ese procedimiento si el rectngulo tiene como lados
a) 10 y 10,
b) 12 y 18.
E
Ejercicio 7.30. Calcula el permetro mximo que puede tener un rectngulo que tiene
dos vrtices en el eje de abscisas y los otros dos en la grfica de la funcin f (x) = 4 sen(x),
con x [0, ].
Ejercicio 7.31. Un tringulo rectngulo cuya hipotenusa tiene una longitud a se hace
girar alrededor de uno de sus catetos. Qu volumen mximo puede tener un cono engendrado de esta manera?
Ejercicio 7.32.
lados a y b.
Ejercicio 7.33. De un cuadrado de lado 2 se recortan cuatro tringulos issceles iguales. Cul es el volumen mximo de la pirmide
que se puede formar? (Indicacin: el volumen de una pirmide es 31 Ah,
donde A es el rea de la base y h su altura).
Calcula el rea mxima del rectngulo circunscrito a un rectngulo de
7.11 Otros ejercicios

Ejercicio 7.34. Sea f : [1/2, +[ R dada por f (x) = (x + e x )1/x si x 6= 0 y f (0) = e2 .
Estudia la continuidad y derivabilidad de f en cero.
129
Otros ejercicios
Derivabilidad

Ejercicio 7.35. Demostrar que la desigualdad
x > 0.
Ejercicio 7.36.
x, y R.
E
x
1+x
< log(1 + x) < x se verifica para todo
Demostrar que | arctan(x) arctan(y) | | x y |, para cualesquiera
Ejercicio 7.37. Calcula el nmero de soluciones de la ecuacin x2 = x sen(x) + cos(x).

Ejercicio 7.38. Calcula la imagen de la funcin f : R R definida por f (x) =
para cualquier x real.
|x|
e| x1 |
Ejercicio 7.39. Demostrar que | sen(ax) sen(ay) | | a | | x y |, x, y R.

Ejercicio 7.40. Para a > 0 demostrar que ae log(x) xa x > 0.
Ejercicio 7.41. Sean f, g : R R funciones derivables en todo R verificando
f 0 (x) = g(x), g0 (x) = f (x), x R, f (0) = 0, g(0) = 1.
Probar que f y g son, respectivamente, las funciones seno y coseno.
Ejercicio 7.42. Sea f : [a, b] R continua en [a, b] y derivable en ]a, b[ verificando
f (a) = f (b) = 0. Probar que para todo nmero real existe un punto c ]a, b[ tal que
f 0 (c) = f (c). (Indicacin: Considrese la funcin g : [a, b] R definida por g(x) =
ex f (x), x [a, b]).
Ejercicio 7.43. Sea f : R+ R una funcin derivable en R+ . Supongamos que f y f 0
tienen lmite en +. Probar que lim x+ f 0 (x) = 0.
Ejercicio 7.44. Sea f : [0, 1] R una funcin derivable, verificando que f (0) = 0 y
que | f 0 (x)| | f (x)|, x [0, 1]. Probar que f (x) = 0, x [0, 1].

Ejercicio 7.45. Demostrar que para 0 < a < b se verifica 1 ba < log ba < ab 1.
Ejercicio 7.46. Sea a > 0. Probar que
x = a.
ea
x
ea/x , x > 0 y se da la igualdad si, y slo si,
Ejercicio 7.47. Estudiar continuidad, derivabilidad, crecimiento, extremos relativos y

extremos absolutos de la funcin f : R R definida por

0
si x /] 1, 1[
f (x) = (x1)2 (x+1)2
e
e
si x ] 1, 1[
Ejercicio 7.48. Sea f : [0, 1] R derivable y verificando f (0) = 0. Supongamos que la
funcin f 0 es creciente. Probar que la funcin g :]0, 1] R definida por g(x) = f (x)
x , x
]0, 1] tambin es creciente.
130
Derivabilidad
Ejercicio 7.49.
a = e.
Otros ejercicios
Sea a > 0 un nmero real que verifica a x/a x x > 0. Probar que
Ejercicio 7.50. Probar que para 0 < a < 1 se verifica (1 + x)a 1 + ax, x 1.
(1 + x) p
2 p1 para todo x 0.
p
1+x
p
Ejercicio 7.52. Sea f (x) = Ax3 + Bx2 +Cx+ D con A > 0. Calcula lim x+ 3 f (x + 1)
p3
f (x).

Ejercicio 7.53. Demostrar que, para cualquier a R, la ecuacin x = a + 2 sen ax

2
tiene una nica solucin.
Ejercicio 7.51. Demostrar que p 1 se verifica que

(

2 + 2 arctan 1 , si x 6= 0,
log
1
+
x
x
f (x) =
,
si x = 0.
Estudia su continuidad, derivabilidad y calcula su imagen.
7.11.3 Optimizacin
Ejercicio 7.55. Calcular max
E
n
o
n
n: nN.
Ejercicio 7.56.
a) Sean f, g : R+ R definidas por
f (x) =
2 x
+ ,
x 2
g(x) =
2 x
.
x 2
Estudia los extremos, los intervalos de monotona, los cortes con los ejes y el comportamiento en + y 0 de ambas funciones. Haz un esbozo de sus grficas.
b) Sea a > 2. Se define la sucesin {xn }:
x1 = a,
xn+1 =
xn
2
+ , n N.
xn
2
Demuestra que {xn } es montona y acotada y calcula su lmite. (Sugerencia: usa las
funciones del apartado anterior).
Ejercicio 7.57. Durante la tos, el dimetro de la trquea disminuye. La velocidad v del
aire en la trquea durante la tos se relaciona con el radio, r, mediante la ecuacin v =
Ar2 (r0 r), donde A es una constante y r0 es el radio en estado de relajacin. Determnese
el radio de la trquea cuando la velocidad es mxima, as como esta velocidad.
Ejercicio 7.58. Calcular el rea mxima de un rectngulo, que tiene dos vrtices sobre
una circunferencia de radio R y los otros dos sobre una cuerda dada de dicha circunferencia.
131
Otros ejercicios
Derivabilidad
Ejercicio 7.59. Una persona desea cortar un pedazo de alambre de longitud L en dos trozos. Uno de ellos se va a doblar en forma de circunferencia, y el otro en forma de cuadrado.
Cmo debe cortar el alambre para que la suma de reas sea mnima? Y mxima?
Ejercicio 7.60. Se traza la tangente en un punto de la elipse x2 /25 + y2 /16 = 1 de forma
que el segmento (de dicha tangente) interceptado por los ejes sea mnimo. Demostrar que
la longitud de dicho segmento es 9 unidades.
Ejercicio 7.61. Se desea confeccionar una tienda de campaa cnica de un volumen
determinado. Calcular sus dimensiones para que la cantidad de lona necesaria sea mnima.
Ejercicio 7.62. Demostrar que de todos los tringulos issceles que se pueden circunscribir a una circunferencia de radio r, el de rea mnima es el equiltero de altura 3r.
Ejercicio 7.63. Atamos el extremo de una cuerda de longitud L a una columna de radio
R mediante un nudo corredizo. Calcular la mxima distancia posible del otro extremo al
centro de la columna.
Ejercicio 7.64. Un muro de 4 metros de altura est a 3 metros de la fachada de una casa.
Hallar la escalera ms corta que llegar desde el suelo hasta la casa por encima del muro.
Ejercicio 7.65. Investigar la posibilidad de inscribir un cilindro circular recto de rea
total mxima (sin las tapas) en un cono circular recto de radio r y altura h.
Ejercicio 7.66. Un cultivador de naranjas estima que, si planta 60 naranjos, obtendr
una cosecha media de 400 naranjas por rbol. Este nmero bajar 4 unidades por cada
rbol ms que se plante en el mismo terreno. Halle el nmero de rboles que hace mxima
la cosecha.
Ejercicio 7.67. Una fbrica de plsticos recibe del ayuntamiento de la ciudad un pedido
de 8000 tablas flotadoras para el programa de natacin del verano. La fbrica posee 10
mquinas, cada una de las cuales produce 50 tablas por hora. El coste de preparar las
mquinas para hacer el trabajo es de 800 por mquina. Una vez que las mquinas estn
preparadas, la operacin es automtica y puede ser supervisada por una sola persona, que
gana 35/hora.
a) Cuntas mquinas hay que usar para minimizar el coste de produccin?
b) Si se usa el nmero ptimo de mquinas, cunto ganar el supervisor durante el proceso?
Ejercicio 7.68.
a) Calcula los extremos relativos y la imagen de la funcin f : R+ R definida como
log(x)
f (x) = x .
b) Qu nmero es mayor e o e ? Y entre 9999991000000 y 1000000999999 .
132
Derivabilidad
Otros ejercicios
Ejercicio 7.69. Con un disco de radio R queremos

hacer, recortando un disco concntrico de radio r , una
arandela como la de la figura. Se pide calcular el radio
r cumpliendo la condicin de que el rea de la parte de
la arandela que queda por encima de la recta y = r, la
zona coloreada en la figura, sea mxima.
R
r
y = r
Ejercicio 7.70. Una caja abierta est construida con

un rectngulo de cartn, quitando cuadrados iguales en
cada esquina y doblando hacia arriba los bordes. Hallar las dimensiones de la caja de mayor
volumen que puede construirse con ese procedimiento si el rectngulo tiene como lados
a) 10 y 10,
b) 12 y 18.
E
Ejercicio 7.71. Calcula el permetro mximo que puede tener un rectngulo que tiene
dos vrtices en el eje de abscisas y los otros dos en la grfica de la funcin f (x) = 4 sen(x),
con x [0, ].
133
Integracin
Funciones integrables
Integracin
10
10.1 Funciones integrables 149 10.2 Teorema fundamental del Clculo 155 10.3 Ejercicios 158
El rea de un recinto, la longitud de un cable que cuelga entre dos postes, el volumen o la
superficie de una esfera...Estos son el tipo de problemas que vamos a resolver en este captulo.
Para ello presentamos el concepto de integral de una funcin.
10.1 Funciones integrables

Definicin 10.1. Una particin P de un intervalo [a, b] es un conjunto finito del tipo P =
{x0 , x1 , . . . , xn } donde
a = x0 < x1 < . . . < xn1 < xn = b.
o n
o
n
Ejemplo 10.2. Los conjuntos {0, 1}, 0, 21 , 1 o 0, 13 , 21 , 1 son particiones del intervalo [0, 1]. No
n
o n
o
lo son, en cambio, conjuntos como 0, 12 , 13 , 1 , 0, 13 , 21 .
Definicin 10.3. Sea f : [a, b] R una funcin acotada y P una particin del intervalo. La
suma superior S ( f, P) de la funcin f relativa a la particin P es
S ( f, P) = sup f ([x0 , x1 ])(x1 x0 ) + sup f ([x1 , x2 ])(x2 x1 ) + . . .
+ sup f ([xn1 , xn ])(xn xn1 ).
Anlogamente se define la suma inferior I( f, P) como
I( f, P) = inf f ([x0 , x1 ]) (x1 x0 ) + sup f ([x1 , x2 ])(x2 x1 ) + . . .
+ sup f ([xn1 , xn ])(xn xn1 ).
Las sumas inferiores y superiores que vemos en la siguiente figura son una aproximacin del
rea que queremos calcular. Ahora bien, el valor de la suma inferior siempre ser menor que el de
la integral y a la suma superior le ocurre lo contrario.
Definicin 10.4. La integral superior de f se define como
Z

f = inf S ( f, P) : P particin de [a, b] .
[a,b]
La integral inferior de f se define como

Z

f = sup I( f, P) : P particin de [a, b] .
[a,b]
149
Integracin
x0
x1
x2
x3
...
xn
x0
x1
x2
Suma superior
x3
...
xn
Suma inferior
Figura 10.1 Sumas superiores e inferiores
Las integrales superior e inferior son aproximaciones a la integral de la funcin. En un caso

por exceso y en otro por defecto. Cuando ambas aproximaciones coinciden, tenemos una funcin
integrable.
Definicin 10.5. Sea f : [a, b] R una funcin acotada. Diremos
R que f es integrable si
coinciden la integral superior e inferior. En ese caso, denotaremos [a,b] f a dicha integral.
Tambin usaremos con frecuencia las notaciones
en la variable de integracin.
Rb
a
fo
Rb
a
f (x) dx si queremos hacer hincapi
Ejemplo 10.6. Calcular la integral de f (x) = x en el intervalo [0, 1] Consideremos la particin

Pn del intervalo [0, 1] que consiste en dividirlo en n trozos iguales:
)
(
n1
1 2
,1 .
Pn = 0, , , . . . ,
n n
n
Como la funcin f es creciente, su valor mximo se alcanzar en el extremo de la derecha y el
mnimo en el extremos de la izquierda. Con esto es fcil calcular el valor de las sumas superiores
e inferiores.
n
n
i1
X
1 X
n(n + 1)
S ( f, Pn ) =
f
= 2
i=
, y
n n n i=1
2n2
i=1
!
n
n
X
1 X
(n 1)n
i1 1
I( f, Pn ) =
f
= 2
i1=
.
n n n i=1
2n2
i=1
Si hacemos tender n a infinito, limn S ( f, Pn ) = limn S ( f, Pn ) = 12 . Por tanto
R1
0
x dx = 12 .
No es fcil calcular la integral de una funcin con la definicin. En el ejemplo anterior hemos
tenido que usar la suma de una progresin aritmtica y usar particiones de una forma particular.
En el resto del tema veremos qu funciones son integrables, qu propiedades tienen y, por ltimo,
el teorema fundamental del clculo y la regla de Barrow nos permitirn calcular integrales de una
forma ms cmoda.
150
Integracin
10.1.1 Propiedades
Comenzamos recogiendo informacin sobre la integrabilidad de funciones relacionada con las
operaciones usuales.
Linealidad de la integral
Con respecto a la suma, el conjunto de las funciones integrables es un espacio vectorial y la
integral es una aplicacin lineal.
Proposicin 10.7. Sean f, g : [a, b] R integrables. Entonces
R
R
R
a) La suma f + g es integrable y ( f + g) = f + g.
R
R
b) Si R, entonces ( f ) = f .
Producto de funciones
La integral que acabamos de introducir tambin se comporta bien con respecto al producto
aunque en este caso no hay una identidad que relaciones la integral de un producto de funciones
con el producto de las integrales.
Proposicin 10.8. Sean f, g : [a, b] R integrables.
a) El producto de ambas funciones, f g, es una funcin integrable.
b) (Desigualdad de Schwarz)
R
c) (Desigualdad de Minkowski)
2 R
R
( f g) f 2 g2 .
R
( f + g)2
1/2
R
f2
1/2
R
g2
1/2
Orden
En cuanto al orden, el siguiente resultado nos dice que la integral lo conserva.
Proposicin 10.9. Sean f, g : [a, b] R integrables. Si f (x) g(x) para cualquier x [a, b],
entonces
Z b
Z b
f (x) dx
g(x) dx.
a
En particular, si f (x) 0 para cualquier x se tiene que 0
Rb
a
f (x) dx.
No es evidente de la definicin, pero se puede comprobar que si una funcin es integrable, su

valor absoluto tambin lo es.
Proposicin 10.10. Sea f : [a, b] R integrable. Entonces la funcin | f | (x) = | f (x) | es
integrable y
Z
Z

f (x) dx
| f | (x) dx.

[a,b]
[a,b]
151
Integracin
Dominio
Se puede demostrar que si una funcin es integrable en un intervalo, tambin lo es en cualquier
intervalo contenido en l. Teniendo en cuenta esto, podemos calcular la integral de una funcin en
un intervalo dividiendo este en varios trozos y sumar los resultados. Esto se conoce como aditividad
de de la integral respecto de su dominio.
Proposicin 10.11 (Aditividad respecto del dominio). Sea f : [a, b] R una funcin acotada
y c ]a, b]. Entonces f es integrable en [a, b] si, y slo si, es integrable en los intervalos [a, c] y
[c, b]. En ese caso,
Z c
Z b
Z b
f (x) dx =
f (x) dx +
f (x) dx.
a
Observacin 10.12. La integral de una funcin f en un intervalo [a, b] no cambia si trasladamos dicha funcin.
b
b+k
f (x k)
f
a+k
a+k
b+k
Podemos utilizar esto para simplificar el clculo de algunas integrales. Por ejemplo, si f es una
funcin impar, entonces
Z a
f (x) dx = 0.
a
Por qu? Slo tenemos que mirar la grfica de la funcin. El

rea entre 0 y a es igual que el rea entre a y 0 pero con signos
opuestos y ambas se cancelan. Por ejemplo
Z a
x3 dx = 0.
Si por el contrario f es una funcin par entonces
Ra
a
f =2
Ra
0
f.
10.1.2 Condiciones suficientes de integrabilidad

Ya hemos visto que las funciones integrables tienen muchas propiedades interesantes. La siguiente cuestin es hay muchas? Qu funciones son integrables? Tenemos suficientes ejemplos de
funciones integrables?
El primer resultado que presentamos nos dice que el conjunto de las funciones integrables incluye a la mayora de las funciones con las que hemos estado trabajando hasta ahora.
Proposicin 10.13 (Condiciones suficientes de integrabilidad). Sea f : [a, b] R una funcin.
152
Integracin
a) Si f es continua, entonces es integrable.

b) Si f es montona, entonces es integrable.
Observa que no hemos mencionado que la funcin tenga que ser acotada. En ninguno de los
casos es necesario: para funciones montonas es inmediato y para funciones continuas es consecuencia de la propiedad de compacidad.
Podemos ir un poco ms lejos, si estropeamos una funcin integrable en unos pocos puntos,
ni la integrabilidad ni el valor de la integral se alteran.
Proposicin 10.14. Sea f : [a, b] R integrable. Sea g : [a, b] R verificando que el conjunto
{x [a, b] : f (x) 6= g(x)} es finito. Entonces g es integrable y
Z b
Z b
f (x) dx =
g(x) dx.
a
Esta resultado afirma que si se cambia el valor de una funcin en una cantidad finita de puntos
se obtiene una funcin que sigue siendo integrable y, de hecho, el valor de la integral no cambia.
Observacin 10.15. Existen funciones integrables que no son continuas. Este hecho debera estar
claro despus de haber afirmado que las funciones montonas son integrables y recordando que
ya conocemos funciones montonas que no son continuas (como por ejemplo la parte entera). De
todas formas la ltima proposicin nos da una manera muy fcil de fabricar funciones integrables
que no son continuas: tmese una funcin continua y cmbiesele el valor en un punto. De este
modo se obtiene una funcin que deja de ser continua en dicho punto pero que tiene la misma
integral.
Cambiando el valor de una funcin en un punto slo obtenemos discontinuidades evitables.
Aunque las discontinuidades no sean evitables, si no son demasiadas, la funcin es integrable.
Proposicin 10.16. Sea f : [a, b] R acotada. Si f tiene una cantidad finita de discontinuidades,
entonces es integrable.
Existe una caracterizacin completa de las funciones integrables. Para darla, se necesita hablar
de conjuntos pequeos: los llamados conjuntos de medida nula. Si la medida, la longitud en esta
caso de un intervalo acotado es `(I) = sup(I) inf(I). Un conjunto de medida nula es un conjunto
que tiene longitud cero. Veamos la definicin con ms detalle.
Definicin 10.17. Sea A un subconjunto de R. Diremos que A es un conjunto de medida
nula si dado > 0 existe una sucesin de intervalos acotados {In } verificando que
a) A
i=1 In ,
b) `(I1 ) + `(I2 ) + + `(In ) , n N.

Ejemplo 10.18. Cualquier conjunto finito es de medida nula.
Teorema 10.19 (de Lebesgue). Sea f : [a, b] R una funcin acotada. Son equivalentes:
a) f es integrable.
b) El conjunto de puntos de discontinuidad de f es un conjunto de medida nula.
153
Integracin
10.1.3 Sumas de Riemann

Una de las dificultades de la definicin de integral que hemos dado radica en el hecho de que
involucra todas las posibles particiones del intervalo [a, b]. La segunda dificultad es averiguar cul
es el supremo o el nfimo de la funcin en cada uno de los intervalos asociados a una particin.
Vamos a dar respuesta a ambas cuestiones:
a) En cuanto a las particiones, veremos que es necesario considerar todas sino slo algunas elegidas adecuadamente. As nos encontraremos el concepto de norma de una particin.
b) En cuanto al segundo punto, el teorema de Darboux nos dir que no hace falta calcular el
supremo ni el nfimo y que cualquier punto del intervalo puede jugar el mismo papel.
Comencemos con las particiones. El ejemplo tpico de particin que hemos usado consiste en
dividir el intervalo [a, b] en trozos iguales. Aumentando el nmero de trozos, nos aproximamos
al valor de la integral. En este caso, la longitud de cada uno de los trozos es ba
n , la longitud del
intervalo dividido por el nmero de trozos, n. La norma de una particin nos mide el tamao de
los trozos o, ms concretamente, el tamao del trozo ms grande.
Definicin 10.20. Sea P = {a = x0 < x1 < x2 < . . . < xn = b} una particin del intervalo
[a, b]. La norma de la particin P es
kPk = max {xi xi1 : i = 1, 2, . . . , n} .
Si en las sumas inferiores y superiores aproximbamos por rectngulos cuya altura era el supremo o el nfimo de la funcin, ahora vamos a elegir como altura el valor de la funcin en un punto
arbitrario en cada uno de los intervalos relativos la particin. Para cada particin, tenemos muchas
posibles elecciones de puntos. A cualquiera de stas, las vamos a llamar sumas integrales o sumas
de Riemann.
Definicin 10.21. Sea f : [a, b] R una funcin y sea P = {a = x0 < x1 < x2 < . . . < xn =
b} una particin del intervalo [a, b]. Una suma integral o suma de Riemann es una suma de
la forma
f (y1 )(x1 x0 ) + f (y2 )(x2 x1 ) + + f (yn )(xn xn1 )
donde yi [xi1 , xi ], i = 1, 2,...n.
154
Integracin
Teorema fundamental del Clculo
Ya podemos dar la respuesta a la pregunta que

planteamos al principio de la seccin: para aproximarnos al valor de la integral de la funcin slo tenemos que asegurarnos de que la norma de
las particiones tiendan a cero independientemente de cules sean los puntos elegidos en el intervalo. Una de las formas ms fciles de conseguirlo
es dividiendo el intervalo en n trozos iguales y
hacer n tender a infinito.
Esta es una versin light del teorema de Darboux que, de hecho, permite caracterizar las funciones integrables utilizando sumas integrales en
lugar de sumas superiores e inferiores.
f
f (yi )
x0
x1
x2
yi
xn
Figura 10.2 Suma integral o de Riemann
Teorema 10.22 (de Darboux). Sea f : [a, b] R una funcin acotada y sea {Pn } una
sucesin de particiones del intervalo [a, b] con lim k Pn k = 0. Entonces, si S n son sumas de
Zn
Riemann asociadas a Pn se cumple lim S n =
f.
n
10.2 Teorema fundamental del Clculo

Si f es una funcin definida y a es un elemento de su dominio, diremos que f es integrable en
Ra
Rb
Ra
[a, a] y que a f (x) dx = 0. Tambin convendremos que a f = b f .
Definicin 10.23. Sea I un intervalo. Diremos que f : I R es localmente integrable si es
integrable en cualquier intervalo cerrado y acotado contenido en I.
Ejemplo 10.24.
a) Las funciones continuas y las funciones montonas son localmente integrables.
b) Si f es integrable en [a, b], es localmente integrable en dicho intervalo.
Lema 10.25. Sea f una funcin localmente integrable en un intervalo I y sean a, b, c I. Entonces
Z b
Z c
Z b
f (x) dx =
f (x) dx +
f (x) dx.
a
Obsrvese que la comodidad del lema anterior radica en que no sabemos como estn ordenados
a, b y c.
Definicin 10.26. Si f es una funcin localmente integrable en I y a I podemos definir
una nueva funcin que mide como cambia la integral de la funcin de la forma
Z x
F(x) =
f (t) dt.
a
A las funciones F definidas de esta forma las llamaremos integrales indefinidas de f .

La integral indefinida es la funcin que nos da el rea sombreada de la Figura 10.3.
155
Integracin
Definicin 10.27. Sea I un intervalo de R. Una primitiva de una funcin f : I R es

una funcin G : I R continua y derivable en el interior del intervalo que cumple que
G0 (x) = f (x) para cualquier x en el interior de I.
Observacin 10.28. Dos integrales indefinidas se diferencian en
una constante. Ocurre lo mismo para dos primitivas de una misma
funcin. En efecto, la diferencia entre dos funciones con la misma
derivada tiene derivada cero y por tanto es constante (en un intervalo). En cuanto a integrales indefinidas, si
Z x
Z x
F(x) =
f (t) dt, y G(x) =
f (t) dt
a
Figura 10.3 Integral indefinida
son integrales indefinidas, entonces

Z x
Z
F(x) G(x) =
f (t) dt
a
f (t) dt
b
f (t) dt +
f (t) dt =
f (t) dt.
a
Existe una gran tendencia a confundir integral y primitiva. Es usual que hablemos de vamos
a calcular la integral cuando nos estamos refiriendo a encontremos una funcin cuya derivada
sea.... Los conceptos de integral definida y primitiva son, en principio, independientes. El objetivo
de los dos siguientes resultados es poner de manifiesto que existe una clara relacin entre ellos y,
de paso, obtener una forma prctica de calcular integrales.
Teorema 10.29 (fundamental del Clculo). Sea I un intervalo, f : I R una funcin
localmente integrable y F una integral indefinida de f . Entonces
a) F es una funcin continua.
b) Si f es continua en a I, entonces F es derivable en a con F 0 (a) = f (a).
En particular, si f es una funcin continua, F es una funcin derivable y F 0 (x) = f (x) para
todo x en I.
Ejemplo 10.30.
a) La funcin parte entera, E(x), es montona y por tanto integrable en cualquier intervalo. Dicho
de otra manera, la funcin parte entera es localmente integrable en R. Cualquier integral indefinida ser una funcin continua en todo R y derivable en R \ Z. Sin embargo, la funcin parte
entera no tiene primitiva. El teorema del valor intermedio para las derivadas (Teorema 7.21)
nos dice que la funcin parte entera no es la derivada de nadie porque su imagen no es un
intervalo.
b) La funcin f : [1, 1] R definida como
(
0,
si x = 1,
f (x) = 1 , si 1 < x < 1,
2
1x
no es integrable por no ser acotada. En cambio, s admite una primitiva: la funcin arcoseno.
156
Integracin
Una de las primeras utilidades del Teorema fundamental del Clculo es poder definir funciones
de una manera rigurosa usando la integral. Por ejemplo, se puede definir la funcin logaritmo como
Z x
1
log(x) =
dt.
1 t
R h(x)
La funcin G(x) = g(x) f (t) dt es continua si lo son f y g. Si, adems, g y h son derivables, y f es
continua, entonces G es derivable con
!0
Z h(x)
f (t) dt (x) = f (h(x))h0 (x) f (g(x))g0 (x).
g(x)
Ejemplo 10.31. La funcin f (x) =
x2 +1 sen(t)
t
1
dt es derivable y su derivada es

sen x2 + 1
f 0 (x) =
2x.
x2 + 1
10.2.1 Regla de Barrow

El siguiente resultado, la regla de Barrow, nos permite resolver de modo prctico el clculo de
integrales y sustituirlo por el clculo de primitivas.
Teorema 10.32 (Regla de Barrow). Sea f : [a, b] R integrable y G una primitiva de f .
Entonces
Z b
f (x) dx = G(b) G(a).
a
Ejemplo 10.33. La primera integral que calculamos fue la de la identidad en el intervalo [0, 1]
(ver Ejemplo 10.6). Ahora podemos calcularla mucho ms fcilmente.
" 2 #1
Z 1
x
1
x dx =
= .
2 0 2
0
Ejemplo 10.34. Las propiedades de la integral nos pueden servir para darnos cuenta de que
estamos haciendo algo mal. Por ejemplo:
#1
"
Z 1p
Z 1 p
2
1
2
3/2
x2 + x4 dx =
x 1 + x2 dx =
(1 + x )
= 0.
32
1
1
1
A primera vista puede parecer correcto, pero la integral de una funcin continua y positivano
puede valer cero, tiene que ser positiva tambin. Qu hemos hecho mal? La respuesta es que x2
es | x | y no x como hemos dicho. Hagmosla correctamente:
Z
x2
x4 dx
p
| x | 1 + x2 dx
usemos que el integrando es una funcin par,

=2
Z
0
"
#1
p
2
2 2
2
2
3/2
x 1 + x2 dx =
(1 + x )
=
.
3
3
3
0
157
Ejercicios
Integracin
Corolario 10.35 (Teorema de cambio de variable). Sea : [a, b] R una funcin derivable
y con derivada 0 integrable. Sea I un intervalo tal que ([a, b]) I y f : I R una funcin
continua con primitiva G. Entonces
Z b
Z (b)
0
( f ) =
f = G((b)) G((a)).
(a)
10.3 Ejercicios
Ejercicio 10.1. Halla las derivadas de cada una de las funciones siguientes:
Rx
a) F(x) = a sen3 (t) dt,
b) F(x) =
Rb
dt,
c) F(x) =
Rb
dt.
1
x 1+t2 +sen2 (t)
x
a 1+t2 +sen2 (t)
Ejercicio 10.2.
x2
0
a) F(x) =
b) F(x) =
R1
c) F(x) =
x2
Halla las derivadas de cada una de las funciones siguientes:
sen(log(1 + t)) dt,
sen3 (t) dt,
x3
x2
cos3 (t) dt.
Ejercicio 10.3. Estudia el crecimiento y decrecimiento de la funcin f : R+ R definida como

Z x3 x2
2
f (x) =
et dt.
0
Como consecuencia, estudiar los extremos relativos de dicha funcin.

E
Ejercicio 10.4.
Calcula el siguiente lmite:

Z sen(x)
x2 +x
lim
sen2 (x)
x0
E
Ejercicio 10.5.
et dt
.
Calcula el mximo absoluto de la funcin f : [1, +[ R definida por

Z x1
2
f (x) =
(et e2t ) dt.
0
Sabiendo que lim f (x) = 12 ( 1), calcula el mnimo absoluto de f .

x+
Ejercicio 10.6.

R 2x
lim
x0
sen(sen(t)) dt
x2
158
Integracin
Ejercicios
Ejercicio 10.7.
Se considera la funcin f (x) =
x3 x2 t2
e
0
dt , x R.
a) Encuentra los intervalos de crecimiento y de decrecimiento de la funcin f en R.

b) Calcula los extremos relativos de f .
c) Calcula lim
x0
f (x)
.
sen(x3 x2 )
159
160
Clculo de primitivas
11
11.1 Clculo de primitivas
R
Utilizaremos la notacin f (x) dx para denotar una primitiva de la funcin f . Adems, abusando del lenguaje, a menudo hablaremos de integral de la funcin cuando deberamos decir
primitiva de la funcin.
Los mtodos que vamos a comentar son slo unos pocos y cubren la mayora de los casos usuales,
pero no debes olvidar que hay muchos ms. En cualquier caso, lo primero y ms importante es
manejar con soltura las derivadas de las funciones elementales. En el Apndice B puedes encontrar
un par de tablas con algunas de las derivadas y primitivas.
11.1.1 Cambio de variable

Mediante un cambio de variable es posible transformar la integral en otra ms sencilla. Si hacemos y = (x), dy = 0 (x) dx, se tiene
Z
Z
0
f ((x)) (x) dx =
f (y) dy.
Para terminar slo tenemos que deshacer el cambio.
R x +3e2x
Ejemplo 11.1. Calcular e 2+e
x dx.
"
# Z
Z x
Z
y = ex
e + 3e2x
y + 3y2 1
1 + 3y
dx
=
=
dy
=
dy
x
2 + ex
2
+
y
y
2+y
dy = e dx
!
Z
5
=
3
dy
2+y

=3y 5 log | y + 2 | = 3e x 5 log e x + 2 .
11.1.2 Integracin por partes

Si u y v son dos funciones, teniendo en cuenta que (u v)0 = u v0 + v u0 , obtenemos que
Z
Z
0
u(x)v (x) dx = u(x)v(x) v(x)u0 (x) dx.
Esta frmula aparece escrita en muchas ocasiones de la forma
Z
Z
udv = uv vdu
El teorema especifica con un poco ms de rigurosidad las condiciones necesarias.
Teorema 11.2 (Integracin por partes). Sean u, v : [a, b] R funciones derivables con
derivada continua. Entonces uv0 y vu0 son integrables en [a, b] y
161
u(x)v (x) dx = u(b)v(b) u(a)v(a)
v(x)u0 (x) dx.

a
Ejemplo 11.3. Calcular x e x dx.

Z
Z

u = x,
du = dx
x
x
x e dx =
= x e e x dx = x e x e x = e x (x 1).
dv = e x dx, v = e x
R
Ejemplo 11.4. Calcular sen(x) e x dx.
"
#
Z
Z
u = sen(x), du = cos(x)
x
x
sen(x)e dx =
= sen(x)e cos(x)e x dx
x
x
dv = e dx,
v=e
"
#
u = cos(x), du = sen(x)
=
dv = e x dx,
v = ex
Z
= sen(x)e x cos(x)e x sen(x)e x dx,
con lo que despejando tenemos
sen(x)e x dx =
1
2
(sen(x)e x cos(x)e x ).
11.1.3 Integracin de funciones racionales

R P(x)
Sean P(x) y Q(x) dos polinomios, y queremos calcular Q(x)
dx. Si el grado de P es mayor o
igual que el de Q, podemos dividir los dos polinomios obteniendo
G(x)
P(x)
= H(x) +
,
Q(x)
Q(x)
donde H(x) y G(x) son polinomios y el grado de G es menor que el grado de Q. Por tanto, supondremos siempre que el grado de P es menor que el grado de Q.
Integrales del tipo
P(x)
(ax+b)n
El cambio de variable y = ax + b la transforma en una integral inmediata de la forma
P(y)
yn
dy.
Ejemplo 11.5.
Z
Z

3x2 + 5x + 2
3(y + 1)2 + 5(y + 1) + 2
dx
=
y
=
x
1,
dy
=
dx
=
dy
(x 1)3
y3
Z
3y2 + 11y + 10
dy
=
y3
Z
Z
Z
dy
dy
dy
+ 11
+ 10
=3
y
y2
y3
11
5
=3 log | x 1 |
.
x 1 (x 1)2
Integrales del tipo
Mx+N
,
x2 +bx+c
donde el denominador no tiene races reales
Siempre se puede escribir x2 + bx + c = (x d)2 + k2 , con lo que descomponemos nuestra

integral en dos:
162
Z
Mx + N
M(x d) + N + Md
dx =
dx
2
2
(x d) + k
(x d)2 + k2
Z
Z
M(x d)
N + Md
=
dx +
dx
2
2
(x d) + k
(x d)2 + k2
Z

M
dx
=
log (x d)2 + k2 + (N + Md)
2
(x d)2 + k2
Mx + N
dx =
2
x + bx + c
y la ltima integral es inmediata (del tipo arcotangente) si hacemos el cambio de variable y =

R
dx.
Ejemplo 11.6. Calcular x22x+3
+2x+2
Como x2 + 2x + 2 = (x + 1)2 + 1, hacemos el cambio y = x + 1
Z
Z
Z
Z
2(y 1) + 3
2y
dy
2x + 3
dx
=
dy
=
dy
+
2
2
2
2
x + 2x + 2
y +1
y +1
y +1
2
2
= log(y + 1) + arctan(y) = log(x + 2x + 2) + arctan(x + 1).
xd
k .
Races reales y/o complejas simples

En este caso
Q(x) = (x a1 )(x a2 ) . . . (x an )(x2 + b1 x + c1 )(x2 + b2 x + c2 ) . . . (x2 + bm x + cm ).
Lo que vamos a hacer es descomponer de nuevo en fracciones ms sencillas de la siguiente manera:
P(x)
A1
A2
An
=
+
+ +
Q(x) x a1 x a2
x an
B2 x + C2
Bm x + Cm
B1 x + C1
+ 2
+ 2
,
+ 2
x + b1 x + c1 x + b2 x + c2
x + bm x + cm
donde A1 , A2 , . . . , An , B1 , B2 , . . . , Cm son constantes a determinar. Para calcularlas desarrollamos
e igualamos los coeficientes del mismo grado.
Observacin 11.7. Si el polinomio Q(x) slo tiene races reales se pueden calcular las constantes
A1 ,...,An dando a la variable x los valores a1 ,..., an .
R
Ejemplo 11.8. Clculo de x411 dx:
Como x4 1 = (x 1)(x + 1)(x2 + 1), la descomposicin nos quedara:
A
1
B
Cx + D
=
+
+ 2
x4 1 x 1 x + 1
x +1
Si desarrollamos e igualamos coeficientes:
1
A(x + 1)(x2 + 1) + B(x 1)(x2 + 1) + (Cx + D)(x2 1)
=
x4 1
x4 1
1 = (A + B + C)x3 + (A B + D)x2 + (A + B C)x + (A B D)
A = 1/4
A+ B+C = 0
A B+ D = 0
B = 1/4
=
A+ BC = 0
C=0
ABD = 1
D = 1/2
Por tanto,
163
Z
Z
Z
1
dx
dx
1
dx
1
dx
=
4
2
x1 4
x+1 2
x 1 4
x +1
1
1
1
= log |x 1| log |x + 1| arctan(x).
4
4
2
Races reales mltiples

En este caso el denominador tiene la forma Q(x) = (x a1 )r1 (x a2 )r2 . . . (x an )rn , y podemos
P(x)
descomponer la fraccin Q(x)
en fracciones simples
C rn
Ar 1
A1
A2
B1
B2
P(x)
+ +
+
=
+
+
+
r
2
2
1
Q(x) x a1 (x a1 )
(x a1 )
x a2 (x a2 )
(x an )rn
Cada una de estas fracciones pertenecen a alguno de los casos ya estudiados.
R
1
Ejemplo 11.9. Calcular (x1)(x+1)
3 dx
A
D
1
B
C
=
+
+
+
3
2
x
1
x
+
1
(x 1)(x + 1)
(x + 1)
(x + 1)3
3
2
A(x + 1) + B(x 1)(x + 1) + C(x 1)(x + 1) + D(x 1)
=
(x 1)(x + 1)3
1
=
(x 1)(x + 1)3
Igualando coeficientes:
A+B=0
3A + B + C = 0
3A B + D = 0
A BC D = 1
A= 1
B = 18
C = 14
D = 12 .
La integral nos queda

Z
Z
Z
Z
Z
1
1
1
1
dx
dx
dx
dx
dx
=
x1 8
x+1 4
(x 1)(x + 1)3 8
(x + 1)2 2
(x + 1)3
1
1
1
1
= log |x 1| log |x + 1| +
+
.
8
8
4(x + 1) 4(x + 1)2
Races reales y complejas mltiples. Mtodo de Hermite

El mtodo que vamos a estudiar, conocido como Mtodo de Hermite, consiste en descomponer
como suma de fracciones ms simples de una forma muy particular. Pasos a seguir:
P(x)
Q(x)
Paso 1
Descomponemos el denominador, Q(x), como producto de factores de grado 1 y factores de grado

2 irreducibles:
Q(x) = (x a1 )1 (x an )n (x2 + b1 x + c1 )1 (x2 + bm x + cm )m .
Paso 2
Escribimos el cociente
P(x)
Q(x)
de la siguiente forma:
164
Mm x + Nm
P(x)
A1
An
M 1 x + N1
=
+ +
+ 2
+ + 2
+
Q(x) x a1
x an x + b1 x + c1
x + bm x + cm
!
d
F(x)
+
dx (x a1 )1 1 (x an )n 1 (x2 + b1 x + c1 )1 1 (x2 + bm x + cm )m 1
donde A1 , . . . , An , M1 , . . . , Mm , N1 , . . . , Nm son coeficientes que tenemos que determinar, y en la
fraccin que aparece con una derivada F(x) es un polinomio genrico de grado uno menos que
P(x)
el denominador. En resumen, se trata de escribir Q(x)
como suma de fracciones simples, una por
cada factor, ms la derivada de un cociente que tiene por denominador lo que queda de Q(x).
Cmo determinamos todos los coeficientes? Basta efectuar la derivada, reducir todas las fracciones a comn denominador (que ser Q(x)), e igualar P(x) al numerador resultante. Esto nos
producir un sistema de ecuaciones cuya resolucin nos dar el valor de todos los coeficientes.
Paso 3
P(x)
Una vez escrita la funcin racional Q(x)
de la forma anterior, es fcil calcular su integral:
Z
Z
Z
P(x)
A1
M1 x + N1
dx =
dx + +
dx +
2
Q(x)
x a1
x + b1 x + c1
F(x)
+
1
2
(x a1 ) 1 (x an ) n (x + b1 x + c1 )1 1 (x2 + bm x + cm )m 1
R
2
Ejemplo 11.10. Clculo de (x2x+9)2 dx.
!
x2
Mx + N
d ax + b
= 2
+
dx x2 + 9
(x2 + 9)2
x +9
(Mx + N)(x2 + 9) a(x2 + 9) 2x(ax + b)
=
+
(x2 + 9)2
(x2 + 9)2
3
2
Mx + (N a)x + (9M 2b)x + (9a + 9N)
=
(x2 + 9)2
Igualando los numeradores coeficiente a coeficiente, obtenemos el sistema de ecuaciones:

M
= 0
M=0
b=0
a + N
= 1
N
=
1/2
a
=
1/2
2b + 9M = 0
9a + 9N = 0
De esta forma se tiene
Z
12 x
1
x2
dx
=
+
2
2
2
(x + 9)
x +9 2
dx
,
+9
x2
y la ltima integral vale

Z
dx
=
x2 + 9
x
x2
x
1
dx
=
+
arctan
.
3
(x2 + 9)2
2(x2 + 9) 6
x
1/9
1
dx
=
arctan
.
2
3
3
x
+1
3
En resumen,
165
Ejemplo 11.11. Calcular
x2 2
x3 (x2 +1)2
dx.
!
x2 2
A Mx + N
d ax3 + bx2 + cx + d
= + 2
+
.
x
dx
x3 (x2 + 1)2
x +1
x2 (x2 + 1)
Realizando la derivada y reduciendo a comn denominador, obtenemos un sistema de ecuaciones
cuya solucin es a = 0, b = 5/2, c = 0, d = 1, A = 5, M = 5 y N = 0; por lo tanto
Z
(5/2)x2 + 1
5
x2 2
dx
=
+ 5 log(x) log(x2 + 1).
3
2
2
2
2
2
x (x + 1)
x (x + 1)
11.1.4 Integracin de funciones trigonomtricas

R
R
R
Integrales de la forma sen(ax) cos(bx), sen(ax) sen(bx), cos(ax) cos(bx)
Se resuelven usando las identidades
1
sen(x) sen(y) = [cos(x y) cos(x + y)],
2
1
cos(x) cos(y) = [cos(x y) + cos(x + y)],
2
1
sen(x) cos(y) = [sen(x + y) + sen(x y)].
2
Ejemplo 11.12.
Z
Z
Z
1
1
1
1
sen(3x) cos(2x) dx =
sen(5x) dx +
sen(x) dx = cos(5x) cos(x).
2
2
10
2
Integrales de la forma
tann (x),
cotann (x)
Se reducen a una con grado inferior separando tan2 (x) o cotan2 (x) y sustituyndolo por sec2 (x)
1 y cosec2 (x) 1.
R
Ejemplo 11.13. Calcular tan5 (x) dx.
Z
Z
Z

5
3
2
tan (x) dx = tan (x) tan (x) dx =
tan3 (x) sec2 (x) 1 dx
Z
Z
3
2
= tan (x) sec (x) dx tan3 (x) dx.
Acabamos por separado cada integral:
Z
1
tan3 (x) sec2 (x) dx = tan4 (x) dx (utilizando el cambio y = tan(x))
4
Z
Z
Z
tan3 (x) dx = tan(x) tan2 (x) dx =
tan(x)(sec2 (x) 1) dx
Z
Z
1
= tan(x) sec2 (x) dx tan(x) dx = tan2 (x) + log | cos(x) | .
2
166
senm (x) cosn (x), con n o m enteros impares
Se transforman en una integral racional con el cambio y = cos(x) (si m es impar) o y = sen(x)
(si n es impar).
R
3 (x)
Ejemplo 11.14. Calcular cos
dx.
sen2 (x)
"
# Z
Z
Z
y = sen(x)
cos3 (x)
(1 sen2 (x)) cos(x) dx
1 y2
dx
=
=
=
dy
sen2 (x)
sen2 (x)
y2
dy = cos(x) dx
1
1
sen(x).
= y=
y
sen(x)
senm (x) cosn (x), con n y m enteros pares
Se resuelven usando las identidades cos2 (x) = 21 (1 + cos(2x)), y sen2 (x) = 12 (1 cos(2x)).
R
Ejemplo 11.15. Calcular cos2 (x) dx.
Z
Z
Z
Z
1 + cos(2x)
dx
cos(2x)
x sen(2x)
2
cos (x) dx =
dx =
+
dx = +
.
2
2
2
2
4
R (sen(x), cos(x)), R una funcin racional par.
Diremos que R es una funcin racional par si R(sen(x), cos(x)) = R( sen(x), cos(x)). Se resuelven utilizando el cambio y = tan(x)
R
Ejemplo 11.16. Calcular sen3 (x)dxcos5 (x)
"
# Z
Z
y = tan(x)
(1 + y2 )3
dx
=
=
dy
y3
sen3 (x) cos5 (x)
dy = sec2 x dx
1
3
1
= cotan2 (x) + 3 log | tan(x) | + tan2 (x) + tan4 (x) .
2
2
4
R (sen(x), cos(x)), R una funcin racional
Se trata de calcular primitivas de funciones racionales en sen(x) y cos(x), es decir, funciones

que sean
de dos polinomios en sen(x) y cos(x). En general, se hace el cambio de variable
cociente

x
1t2
2 dt
2t
t = tan 2 , con lo que sen(x) = 1+t
2 , cos(x) = 1+t2 , y dx = 1+t2 . Con este cambio convertimos la
integral en la integral de una funcin racional, que ya hemos estudiado.
R
dx
Ejemplo 11.17. Calcular sen(x)tan(x)
Z
Z 2
x
cos(x) dx
t 1
= tan
= t = =
dt
sen(x) cos(x) sen(x)
2
2t3

x
1
log | t |
1
1
.
+ log tan
= 2+
=
x
2
2
2
2
4t
4 tan
dx
=
sen(x) tan(x)
11.1.5 Integracin de funciones hiperblicas
167
R (senh(x), cosh(x)), R una funcin racional
Se trata de calcular primitivas de funciones racionales en senh(x) y cosh(x), es decir, funciones

que sean cociente de dos polinomios en senh(x) y cosh(x). En general, se hace el cambio de variable
e x = t, con lo que la integral en una racional, que ya hemos estudiado.
R
dx
Ejemplo 11.18. Calcular 1+2 senh(x)+3
cosh(x)
" x
#
Z
Z
e =t
dx
dx
=
=
1 + 2 senh(x) + 3 cosh(x)
dx = dt/t
1 + 52 e x + 12 ex
Z
dt
=2
2
5t + 2t + 1
!
5t + 1
= arctan
2
!
5 ex + 1
.
= arctan
2
En algunos casos, utilizar un mtodo similar al que usamos para calcular primitivas de funciones
trigonomtricas puede simplificar los clculos. El siguiente mtodo es un ejemplo de ello.
R
R
R
Integrales de la forma senh(ax) cosh(bx), senh(ax) senh(bx) o cosh(ax) cosh(bx)
Se resuelven usando las identidades
1
senh(x) senh(y) = (cosh(x + y) senh(x y))
2
1
cosh(x) cosh(y) = (cosh(x + y) + senh(x y))
2
1
senh(x) cosh(y) = (senh(x + y) + senh(x y)) .
2
Ejemplo 11.19.
Z
Z
Z
1
1
1
1
senh(3x) cosh(x) dx =
senh(4x) dx +
senh(2x) dx = cosh(4x) cosh(2x).
2
2
8
4
11.1.6 Integracin de funciones irracionales

qp1
qp2
qpn !

n
1
2
R x, ax+b
, ax+b
, . . . , ax+b
cx+d
cx+d
cx+d

Se resuelven utilizando el cambio de variable yq =

de q1 , q2 , . . . , qn .
R dx
Ejemplo 11.20. Calcular x+

3
x
ax+b
cx+d ,
donde q es el mnimo comn mltiplo
Haciendo el cambio x = y6 ,
Z
Z
Z
dx
6y5
y3
dy
=
6
dy
3 =
y+1
y3 + y2
x+ x

=2y3 3y2 + 6y 6 log |y + 1| = 2 x 3 3 x + 6 6 x 6 log 6 x + 1 .
168

R x, a2 x2
Se transforman en una integral trigonomtrica con el cambio x = a sen(t) o x = a cos(t). Tambin se puede realizar el cambio x = a tanh(t) y se transforma en una integral hiperblica.
R 4x2
Ejemplo 11.21. Clculo de
dx:
x2
p
Hacemos el cambio x = 2 sen(t), con lo que dx = 2 cos(t)dt y 4 x2 = 4 4 sen2 (t) = 2 cos(t).

Sustituyendo:
Z
Z
Z
4 x2
(2 cos(t))(2 cos(t))
dx
=
dt
=
cotan2 (t) dt
x2
4 sen2 (t)
Z
=
(cosec2 (t) 1) dt = cotan(t) t
usando que cotan(t) =
cos(t)
sen(t)
4x2
x ,
se tiene que
x
4 x2
arcsen
=
.
x
2

R x, a2 + x2
Se transforman en una integral trigonomtrica usando el cambio x = a tan(t). Tambin se pueden

resolver utilizando el cambio x = a senh(t).
R dx
.
2
x 1+x
Hacemos el cambio x = tan(t), dx = sec2 (t)dt,

Z
Z
Z

t
t
dx
sec2 (t)
dt

.

+ log sen
=
dt =
= log cos

2
tan(t)
sec(t)
sen(t)
2
2
x 1+x
R
2
Ejemplo 11.23. Calcular x 2 dx.
1+x
Hacemos el cambio x = senh(t),

Z
Z
Z
x2
1
1
t
2
(cosh(2t) 1) dt = senh(2t) .
dx =
senh (t) dt =
2
4
2
1 + x2

R x, x2 a2
Se resuelven utilizando los cambios x = a sec(t) o x = a cosh(t).

R
x2 1 dx.
Z
Z p
Z
sen(t)
sen2 (t)
2
x 1 dx =
tan(t) 2 dt =
dt,
cos (t)
cos3 (t)
que se resuelve aplicando los mtodos ya vistos. Tambin podramos haber utilizado el cambio
x = cosh(t) y, en ese caso, se tiene que
Z p
Z
Z
cosh(2t) 1
x x2 1 arccosh(x)
2
2
x 1 dx =
senh (t) dt =
dt = . . . =
.
2
2
2
169
Ejercicios

R x, ax2 + bx + c
Se reducen a uno de los casos anteriores completando cuadrados, esto es, escribiendo ax2 +bx+c
de la forma a(x + )2 + .
R
Ejemplo 11.25. Calcular dx 2 .
8xx
Transformamos el integrando:
!2
8x x2 = (x2 8x + 16) + 16 = (x 4)2 + 16 = 16 1

4
y hacemos el cambio de variable y = (x 4)/4:
"
#
Z
Z
y = (x 4)/4
dx
dx
=
=
=
r
2
dy = dx/4
8x x2
x4
16 1 4
!
Z
Z
4dy
dy
x4
=
=
=
arcsen(y)
=
arcsen
.
p
p
4
4 1 y2
1 y2
11.2 Ejercicios
11.2.1 Integrales inmediatas y cambio de variable
Ejercicio 11.1. Calcula las siguientes primitivas
R dx
R
d)
a) R 5 x6 dx
n
R x2
2
b) R x(x + 1)(x 2)dx
e) (a 3 x 3 )3 dx
3
2
c) (2 + 3 x ) dx
R dx
3
R
1+log(x)
b)
e x +1
dx
a)
x
f)
x2 +1
x1 dx
c)
x(2x + 5)10 dx
g)
x sen(x) cos(x)dx
11.2.2 Integracin por partes

R
R
a) R log(x)dx
d) R x sen(x)dx
b) R arctan(x)dx
e) R xex dx
f) x2 e3x dx
c) arcsen(x)dx
11.2.3 Integracin de funciones racionales

R
R 2
dx
d)
a) xx2 5x+9
dx
(x2 4x+3)(x2 +4x+5)
R
R 5x+6
dx
5x3 +2
e) (x+a)(x+b)
b) x3 5x
dx
R dx 2 +4x
c) x(x+1)2
Ejercicio 11.5.
Calcula las siguientes primitivas
170
R
a)
R
b)
Ejercicios
dx
x3 +1
c)
dx
(x+1)2 (x2 +1)2
dx
(x4 1)2
11.2.4 Integracin de funciones trigonomtricas

Ejercicio 11.6.
R
a) R cos3 (x)dx
b) sen5 (x)dx

R
c) R sen2 (x) cos3 (x)dx
d) sen2 (x) cos2 (x)dx
Ejercicio 11.7.
R cos(x)
dx
a) 1+cos(x)
R 1+tan(x)
b) 1tan(x) dx
R
dx
c) 1+cos
2 (3x)

d)
e)
e)
cos6 (3x)dx
f)
cos5 (x)
dx
sen3 (x)
dx
3 sen2 (x)+5 cos2 (x)
sen(2x)
dx
1+sen2 (x)
11.2.5 Integracin de funciones irracionales

Ejercicio 11.8.
R 3
a) x dx
R x1 dx
b)
Ejercicio 11.9.
R
2
a) x2 dx
x+1
R x dx
b)
R x5 x5x2 1
c) 2 dx
x+1+
(x+1)3
c)
d)
d)
1x
171
dx
3
x+
x
x+1+2
dx
(x+1)2 x+1
x
1+x2
dx
172
Integrales impropias
Integrales impropias en intervalos acotados
12
12.1 Integrales impropias en intervalos acotados
Hasta ahora hemos visto cmo calcular integrales de funciones acotadas en intervalos cerrados
y acotados. En esta seccin vamos a extender la nocin de integral a intervalos de cualquier tipo y
a funciones no acotadas. Pensemos por un momento en un caso concreto: la funcin f (x) = 1 2
1x
en ] 1, 1[. Sabemos calcular su integral en cualquier intervalo de la forma [a, b] ] 1, 1[:
Z b
dx
= arcsen(b) arcsen(a).
a
1 x2
Si queremos definir la integral en ] 1, 1[, la idea ms natural parece tomar lmites. Movamos b
hacia 1 y a hacia 1. La forma ms cmoda de formalizar estos lmites es utilizar sucesiones.
Definicin 12.1. Sea f :]a, b[ R una funcin localmente integrable. Diremos que f es
impropiamente integrable si para cualesquiera sucesiones {an } y {bn } de elementos de ]a, b[
con lim an = a y lim bn = b se cumple que existe el lmite 1
n
bn
lim
f (x) dx.
an
En ese caso, usaremos la notacin

Z
bn
lim
f (x) dx =
an
f (x) dx.
a
La integral impropia satisface propiedades similares a la de la integral ya vista. Sirvan los siguientes resultados como muestra.
Proposicin 12.2 (Aditividad respecto del dominio). Sea f una funcin localmente integrable
en el intervalo ]a, b[ y sea c ]a, b[. Entonces las siguientes afirmaciones son equivalentes.
a) f es impropiamente integrable en ]a, b[.
b) f es impropiamente integrable en ]a, c[ y en ]c, b[.
Adems, caso de ser ciertas, se cumple que
Z b
Z c
Z b
f (x) dx =
f (x) dx +
f (x) dx
a
Proposicin 12.3. Sean f y g funciones impropiamente integrables en ]a, b[ y sean , nmeros

reales.
a) La funcin f + g es impropiamente integrable y
1
En esta definicin no hemos asumido que el lmite es nico. Esto se obtiene como consecuencia de que el lmite exista
para cualesquier pareja de sucesiones {an } y {bn }.
173
Integracin en intervalos no acotados
( f + g)(x) dx =
f (x) dx +
b) Si f (x) g(x) para todo x en ]a, b[, entonces
Rb
a
g(x) dx.
a
Rb
a
g.
S hay una diferencia en cuanto a la integrabilidad impropia de la funcin | f |. Hay funciones

impropiamente integrables cuyo valor absoluto no lo es. El recproco s es cierto.
Teorema 12.4 (Test de comparacin). Sea f una funcin localmente integrable en ]a, b[ y
supongamos que g es una funcin impropiamente integrable en ]a, b[ con | f (x) | g(x), para
todo x ]a, b[. Entonces f es impropiamente integrable y se cumple que
Z b
Z b

g(x) dx.
f (x) dx

a
a
En particular si f es localmente integrable y | f | es impropiamente integrable, f tambin es
impropiamente integrable.
Ejemplo 12.5. La funcin f (x) =
]0, +[ pero | f | no lo es.
sen(x)
x
si x > 0 y f (0) = 1 es impropiamente integrable en
En el caso de funciones continuas la situacin es un poco ms sencilla. El teorema fundamental del Clculo nos garantiza que la integral indefinida es una primitiva. Vamos a ver tres casos
posibles.
12.2 Integracin en intervalos no acotados

Supongamos que tenemos una funcin definida en un intervalo no acotado, f : [a, +[ R,
que es continua en todo [a, +[. Podemos buscar una primitiva de f , llammosla F, y estudiar su
comportamiento en +: si la funcin F tiene lmite en +, diremos que existe la integral impropia
de f en [a, +[, y dicha integral valdr:
Z +

f (x) dx = lim F(x) F(a),
x+
es decir, la integral vale F(+) F(a), considerando F(+) = lim x+ F(x). Si el lmite de la
primitiva es + o , diremos que la integral vale + o .
Una vez que hemos definido una integral para este tipo de funciones, podemos generalizar el
rea bajo una curva, la longitud de un arco de curva, la superficie y el volumen de un slido de
revolucin,etc. siendo todas frmulas perfectamente vlidas.
El caso de una funcin definida en un intervalo de la forma ] , b] es completamente anlogo.
Adems, si tenemos una funcin definida en todo R, podemos dividir la integral como:
Z +
Z c
Z +
f (x) dx =
f (x) dx +
f (x) dx
para cualquier c R. Si la suma vale , no podemos calcular la integral.

Ejemplo 12.6. Calcular el rea comprendida bajo la curva y = 1/x2 en el intervalo [1, +[.
Viendo el rea bajo la curva como una integral se tiene que
" #+
!
Z +
dx
1
1
= lim
(1) = 1.
=
A=
x+ x
x 1
x2
1
174
Algunos casos particulares
12.3 Algunos casos particulares

12.3.1 Integracin de funciones continuas en intervalos abiertos
Se trata de calcular integrales de funciones definidas en un intervalo abierto en uno de sus
extremos, y que tienen una asntota vertical en dicho extremo. Supongamos que el intervalo es de
la forma ]a, b]; el caso de un intervalo [a, b[ es completamente anlogo.
Sea pues f :]a, b] R una funcin continua a la que queremos calcular su integral, y sea F
una primitiva suya. Estudiamos entonces el lmite por la derecha de la primitiva en a, y si existe
podemos calcular la integral de f :
Z b

f (x) dx = F(b) lim+ F(x)
xa
Nota: Si el lmite de la primitiva es + o , diremos que la integral vale + o . Si tenemos

una funcin continua en un intervalo abierto f :]a, b[ R, su integral valdr
Z b

f (x) dx = lim F(x) lim+ F(x)
a
xb
xa
Otra vez, si la suma vale , no podemos calcular la integral.

Al igual que antes, podemos aplicar estos resultados al clculo de longitudes, reas y volmenes.
Ejemplo 12.7. Calcular el rea bajo la curva y = 1/ x en ]0, 1].

Aplicamos la frmula dada, y tenemos
"
#
Z 1

1
1
=
2
lim
2
dx
=
2
x
x = 2.
A=
x0+
x
0
0
12.3.2 Integracin de funciones continuas en un intervalo salvo un punto interior

Supongamos que tenemos una funcin f : [a, b] \ {c} R que es continua en [a, b] \ {c} y que
tiene una asntota vertical en x = c. Entonces, si queremos calcular la integral de f entre a y b,
tenemos que dividir dicha integral en dos trozos: la integral en [a, c[ y la integral en ]c, b]. Como
estos dos casos quedan contemplados en los supuestos anteriores, podemos calcular la integral de
f entre a y b como
Z b
Z c
Z b
f (x) dx =
f (x) dx +
f (x) dx.
a
El nico problema que se puede presentar es, de nuevo, que la suma valga , en cuyo caso
no podemos calcular la integral.

R1
Ejemplo 12.8. Calcular 1 log x2 dx.
La funcin que nos dan es f : [1, 1] \ {0} R, f (x) = log(x2 ). Esta funcin tiene una asntota
vertical en x = 0, por lo que para calcular su integral dividimos el intervalo en dos partes, [1, 0[
y ]0, 1]. Cada una de las dos integrales vale:
Z 0

h

i0
log x2 dx = x log x2 2x = 2
1
1
Z 1

h

i1
log x2 dx = x log x2 2x = 2,
0
175
Ejercicios
con lo que se tiene que
R1
1

Si hacemos

log x2 dx = 2 2 = 4.
R1
1
1 x2
1
1
dx.
" #1
1
1
= 1 (+1) = 2!!!!!
dx =
2
x 1
x
Pero la funcin que estamos integrando es positiva, no tiene sentido que tenga integral negativa!
Qu ha pasado? Como la funcin 1/x2 tiene una asntota vertical en x = 0, tenemos que descomponer la integral como
Z 0
Z 1
Z 1
1
1
1
dx =
dx +
dx,
2
2
2
1 x
0 x
1 x
pero
" #0
Z 0
1
1
= lim (1/x) (+1) = +
dx =
2
x 1 x0
1 x
" #1
Z 1
1
1
dx =
= 1 lim+ (1/x) = +,
2
x0
x 0
x
0
R1
y por tanto 1 x12 dx = +.
12.4 Ejercicios
Ejercicio 12.1. Prueba que existen las siguientes integrales y que tienen el valor que se indica
en cada caso:

R 1 dx
2
a) 0 1+e
x = 1 + log 1+e

R 1/2
7
b) 0 dx 2 = arcsen 32 arcsen 12
20+8xx
c)
R3
d)
R1
e)
f)
g)
0
0
dx
9x2
x
dx
1x6
R +
x1
dx = 3+log(2)
10
x3 3x2 +x+5
R + x
dx = 123
3+x4
0
1
R +
dx
e x +ex
Ejercicio 12.2. Prueba que existen las siguientes integrales y que tienen el valor que se indica
en cada caso:
R1
a) 1 1 x2 dx = 2
R
b) (1 + cos(x))2 dx = 3
R /2
c) /2 | sen(x)|3 dx = 43
R /2
d) 0 sen2 (y) cos2 (y) dy = 16
176
Aplicaciones de la integral
Clculo de reas
13
13.1 Clculo de reas
El rea entre dos funciones f , g : [a, b] R se define como
Z b
rea =
| f (x) g(x) | dx.
a
Hasta ahora no hemos visto ningn metodo que nos permita calcular primitivas en las que aparecen
valores absolutos. Por eso, antes de comenzar a integrar, es necesario estudiar cunto vale | f g |
o, dicho de otra forma, averiguar cul de las dos funciones es la mayor.
Ejemplo 13.1. Calcular el rea entre la funcin f (x) = x(x1)(x2)
y el eje OX en el intervalo [0, 3].
Dividimos en intervalos donde sepamos el signo de la funcin e integramos:
Z 3
Z 1
Z 2
Z 3
| f (x) | dx =
| f (x) | dx +
| f (x) | dx +
| f (x) | dx
0
0
1
2
Z 2
Z 1
f (x) = x(x 1)(x 2)
=
x(x 1)(x 2) dx
x(x 1)(x 2) dx
0
1
Z 3
+
x(x 1)(x 2) dx
2
1
2
19 3
=
+
= ./
4 15 30 4
13.2 Longitudes de curvas

Sea f una funcin derivable con derivada continua en el intervalo [a, b]. La longitud del arco
de la curva y = f (x) entre x = a y x = b es
Z bq
longitud =
1 + f 0 (x)2 dx.
a
Ejemplo 13.2. Calcular la longitud de una circunferencia de radio 1.

La ecuacinde una circunferencia de radio 1 es x2 +y2 = 1. Podemos despejar y en la parte positiva:
y = f (x) = 1 x2 con x [1, 1]. As, la longitud de media circunferencia ser:
"
#1
Z 1
Z 1q
dx

0
2
l=
1 + f (x) dx = =
= arcsen(x)
= + = ./
2 2
1 1 x2
1
1
177
rea de slidos de revolucin
13.3 rea de slidos de revolucin

Sea f : [a, b] R una funcin derivable con derivada continua en [a, b]. Entonces el rea de
la superficie generada haciendo girar alrededor del eje OX el arco de curva y = f (x) en [a, b] es
Z b
q
f (x) 1 + f 0 (x)2 dx.
Superficie = 2
a
Ejemplo 13.3. Calcular la superficie de una esfera de radio 1.

Podemos generar una esfera girando respecto del eje OX la curva del ejemplo anterior
p
x [1, 1]
y = f (x) = 1 x2
De esta forma, la superficie ser:
Z 1
Z
q
S = 2
f (x) 1 + f 0 (x)2 dx = = 2
1
1
1
Z 1
1 x2
dx = 2
dx = 2 2 = 4./
1
1 x2
13.4 Volmenes de slidos de revolucin
Sea f : [a, b] R una funcin continua. El volumen del slido

generado al girar el rea bajo la curva y = f (x) respecto del eje OX
es
Z b
VOX =
f (x)2 dx
a
y el volumen del slido generado al girar dicha rea respecto al eje

OY es
Z b
VOY = 2
x f (x) dx.
a
En este segundo caso, la funcin f tiene que ser positiva.

Ejemplo 13.4. Calcular el volumen de una esfera de radio 1.
Podemos generar una
esfera rotando respecto del eje OX el rea bajo
la curva y = f (x) = 1 x2
x [1, 1] Con ello, el volumen
ser
"
#1
Z 1
Z 1
x3
2
2
V =
f (x) dx =
(1 x ) dx = x
3 1
1
1
!
1
1
4
= (1 ) (1 + ) =
./
3
3
3
Figura 13.1 Volumen al girar

respecto al eje OX
13.5 Algunas funciones definidas mediante integrales

13.5.1 La funcin gamma
La funcin gamma : R+ R est definida como
Z
(x) =
t x1 et dt.
0
178
Ejercicios
Esta funcin, debida a Euler, tiene inters como posible generalizacin del factorial para nmeros
reales cualesquiera. Se puede demostrar que
a) (x + 1) = x(x), para cualquier x R+ .
b) (x + n) = (x + n 1)(x + n 2) . . . (x + 1)(x), x R+ , n N.
c) (n) = (n 1)!, n N.
13.5.2 La funcin beta

R1
La funcin : R+ R+ R est definida como (p, q) = 0 x p1 (1 x)q1 dx. Est relacionada
con la funcin gamma mediante la igualdad (p, q) = (p)(q)
(p+q) .
13.6 Ejercicios
Ejercicio 13.1.
Calcula las siguientes reas:
a) rea limitada por las curvas y = x2 y y2 = 8x

2
b) rea limitada por y = xex , el eje OX, la ordenada en el punto x = 0 y la ordenada en el

mximo.
c) rea de la figura limitada por la curva y = x(x 1)(x 2) y el eje OX.
Ejercicio 13.2.
Halla el rea comprendida entre el eje de abscisas y la curva y = x3 6x2 + 8x.
Ejercicio 13.3.
Halla el rea comprendida entre las parbolas y = 6x x2 , y = x2 2x.
Ejercicio 13.4. Halla el rea del recinto limitado por las grficas de f (x) = cosh(x) y g(x) =
senh(x), en el primer cuadrante.
Calcula el rea entre las curvas y = sech(x) e y =
3
4
Ejercicio 13.5.
Ejercicio 13.6. El cuadrado con un vrtice en el origen y el vrtice opuesto en (1, 1) se divide
en dos partes por cada una de las siguiente curvas. En cada caso, halla la razn entre el rea mayor
y el rea menor.
a) y2 = x3 ,
b) y = xn , n > 1,
Ejercicio 13.7.
a) y =
x4 +48
24x
cosh(x).
c) y = xe x1 .
Halla la longitud de las siguientes curvas:
en [2, 4]
b) y = log(1 x2 ) en
1 2
3, 3
i
.
c) Halla la longitud de la catenaria, o sea, de la funcin f : [a, a] R definida como

a x/a
f (x) =
e + ex/a .
2
179
Ejercicios
Ejercicio 13.8.
Ejercicio 13.9.
(2 3, 3).
Hllese la longitud del arco de curva x = 31 y3 +
1
4y
desde y = 1 hasta y = 3.
Hllese la longitud del arco de la curva 9x2 = 4y3 entre los puntos (0, 0) y
Ejercicio 13.10. La curva y = sen2 (x), para x [0, ], gira en torno al eje OX determinando un
slido. Calcula su volumen.
Ejercicio 13.11.
18x
.
x2 +9
Halla el volumen generado al girar alrededor del eje OX la grfica de f (x) =
Ejercicio 13.12.
e y = x2
Calcula el volumen del slido generado al girar la regin limitada por x = y2
a) alrededor del eje OX.

b) alrededor del eje OY.
Ejercicio 13.13. Halla el volumen del cuerpo engendrado al girar alrededor del eje OX la curva
x
x
entre x = 1 y x = 1.
y = e +e
2
Ejercicio 13.14. Al girar alrededor del eje OX, el segmento de curva y = x comprendido entre
las abscisas 0 y a, engendra
un tronco de paraboloide de revolucin cuya superficie es igual a la
de una esfera de radio 13/12. Hllese el valor de a.

Ejercicio 13.15. Halla el rea de la superficie generada al girar la curva y = x2 alrededor del eje
OX entre y = 0 y y = 2.
Ejercicio 13.16. Halla mediante integracin el rea y volumen de un cono circular recto de
altura h y con base de radio r.
180
PRCTICAS
Curso: 2011/2012
Primeros pasos
Introduccin
Primeros pasos
1
1.1 Introduccin 5
1.2 Resultados exactos y aproximacin decimal 9
1.3 Funciones
usuales 11 1.4 Operadores lgicos y relacionales 14 1.5 Variables 16 1.6 Expresiones
simblicas 18 1.7 La ayuda de Maxima 24 1.8 Ejercicios 26
1.1 Introduccin
Vamos a comenzar familiarizndonos con Maxima y con el entorno de trabajo wxMaxima. Cuando iniciamos el programa se nos presenta una ventana como la de la Figura 1.1. En la parte superior tienes el men
con las opciones usuales (abrir, cerrar, guardar) y otras relacionadas con las posibilidades ms matemticas de Maxima. En segundo lugar aparecen algunos iconos que sirven de atajo a algunas operaciones y la
ventana de trabajo. En sta ltima, podemos leer un recordatorio de las versiones que estamos utilizando de
los programas Maxima y wxMaxima as como el entorno Lisp sobre el que est funcionando y la licencia
(GNU Public License): 1
wxMaxima 0.8.3a http://wxmaxima.sourceforge.net

Maxima 5.19.2 http://maxima.sourceforge.net
Using Lisp SBCL 1.0.30
Distributed under the GNU Public License. See the file COPYING.
Dedicated to the memory of William Schelter.
The function bug_report() provides bug reporting information.
Ya iremos comentando con mayor profundidad
los distintos mens y opciones que se nos presentan pero antes de ir ms lejos, podemos escribir algo? S, situa el cursor dentro de la ventana, pulsa y escribe 2+3. Luego pulsa las teclas
Shift + Return . Obtendrs algo similar a esto:
(%i1)
2+3;
(%o1)
Como puedes ver Maxima da la respuesta coFigura 1.1 Ventana inicial de wxMaxima
rrecta: 5. Bueno, no parece mucho. Seguro que
tienes una calculadora que hace eso. De acuerdo. Es slo el principio.
Observacin 1.1. Conviene hacer algunos comentarios sobre lo que acabamos de hacer:
a) No intentes escribir los smbolos (%i1) y (%o1), ya que stos los escribe el programa para llevar
un control sobre las operaciones que va efectuando. (%i1) se refiere a la primera entrada (input) y
(%o1) a la primera respuesta (output).
1
Por defecto, la ventana de wxMaxima aparece en blanco. En las preferencias del programa, se puede elegir que aparezca la versin
instalada al inicio del mismo como se ve en la figura.
Introduccin
Primeros pasos
b) La entradas terminan en punto y coma. wxMaxima lo aade si t te has olvidado de escribirlo. Justamente
lo que nos haba pasado.
Operaciones bsicas
suma
/
o
sqrt( )
producto
divisin
potencia
raz cuadrada
El producto se indica con :
(%i2)
35;
(%o2)
15
Para multiplicar nmeros es necesario escribir el smbolo de la multiplicacin. Si slo dejamos un espacio
entre los factores el resultado es un error:
(%i3)
5 4;
(%o3)
Incorrect syntax: 4 is not an infix operator

5Space4;
Tambin podemos dividir
(%i4)
5+(24+6)/7;
(%o4)
(%i5)
5+24+6/7;
97
7
(%o5)
eso s, teniendo cuidado con la precedencia de las operaciones. En estos casos el uso de parntesis es obligado.
Podemos escribir potencias
(%i6)
3 57;
(%o6)
1570042899082081611640534563
Fjate en el nmero de dgitos que tiene el resultado. Es un primer ejemplo de que la potencia de clculo
de Maxima es mayor que la de una calculadora que no suele tener ms all de 10 o 12. Ya s lo que estars
pensando en este momento: en lugar de elevar a 57, elevemos a un nmero ms grande. De acuerdo.
Primeros pasos
Introduccin
(%i7)
3 1000;
(%o7)
13220708194808066368904552597
5[418 digits]6143661321731027
68902855220001
Como puedes ver, Maxima realiza la operacin pero no muestra el

resultado completo. Nos dice que, en este caso, hay 418 dgitos que no
est mostrando. Se puede saber cules son? S. Nos vamos al men
MaximaCambiar pantalla 2D y escogemos ascii. Por ltimo, repetimos la operacin.
(%i8)
set_display(ascii)$
(%i9)
3 1000;
(%o9)
1322070819480806636890455259752144365965422032752148167664
9203682268285973467048995407783138506080619639097776968725
8235595095458210061891186534272525795367402762022519832080
3878014774228964841274390400117588618041128947815623094438
0615661730540866744905061781254803444055470543970388958174
6536825491613622083026856377858229022841639830788789691855
6404084898937609373242171846359938695516765018940588109060
4260896714388641028143503856487471658320106143661321731027
68902855220001
La salida en formato ascii es la que tiene por defecto Maxima. La salida con formato xml es una mejora
de wxMaxima. Siempre puedes cambiar entre una y otra va el men o volviendo a escribir
(%i10)
set_display(xml)$
(%i11)
3 1000;
(%o11)
132207081948080663689045525975[418 digits]61436613217310
2768902855220001
Observacin 1.2. Antes de seguir, por qu sale $ y no punto y coma al final de la salida anterior? El
punto y coma sirve para terminar un comando o separar varios de ellos. El dlar, $, tambin termina un
comando o separa varios de ellos pero, a diferencia del punto y coma, no muestra el resultado en pantalla.
Si trabajamos con fracciones, Maxima dar por defecto el resultado en forma de fraccin
(%i12)
(%o12)
2+5/11;
27
11
simplificando cuando sea posible
(%i13)
(%o13)
128/234;
64
117
Introduccin
Primeros pasos
Clculo simblico
Cuando hablamos de que Maxima es un programa de clculo simblico, nos referimos a que no necesitamos trabajar con valores concretos. Fjate en el siguiente ejemplo:
(%i14)
(%o14)
Races
a/2+3a/5
11a
10
Bueno, hasta ahora sabemos sumar, restar, multiplicar, dividir y poco ms. Maxima tiene predefinidas la
mayora de las funciones usuales. Por ejemplo, para obtener la raz de un nmero se usa el comando sqrt
(%i15)
(%o15)
sqrt(5);
lo cul no parece muy buena respuesta. En realidad es la mejor posible: Maxima es un programa de clculo
simblico y siempre intentar dar el resultado en la forma ms exacta.
Obviamente, tambin puedes hacer la raz cuadrada de un nmero, elevando dicho nmero al exponente
1
2
(%i16)
(%o16)
float
5 (1/2);
Si queremos obtener la expresin decimal, utilizamos la orden float.
(%i17)
float( 5);
(%o17)
2.23606797749979
Constantes
Adems de las funciones usuales (ya iremos viendo ms), Maxima tambin conoce el valor de algunas
de las constantes tpicas.
%pi
%e
%i
%phi
el nmero
el nmero e
la unidad imaginaria
la razn area,
1+ 5
2
Podemos operar con ellas como con cualquier otro nmero.
(%i18)
(2+3*%i)*(5+3*%i);
(%o18)
(3*%i+2)*(3*%i+5)
Evidentemente necesitamos alguna manera de indicar a Maxima que debe desarrollar los productos, pero
eso lo dejaremos para ms tarde.
Cul era el resultado anterior?
Primeros pasos
Resultados exactos y aproximacin decimal
%
%inmero
%onmero
ltimo resultado
entrada nmero
resultado nmero
Con Maxima podemos usar el resultado de una operacin anterior sin necesidad de teclearlo. Esto se
consigue con la orden %. No slo podemos referirnos a la ltima respuesta sino a cualquier entrada o salida
anterior. Para ello
(%i19)
(%o19)
%o15
adems podemos usar esa informacin como cualquier otro dato.
(%i20)
(%o20)
%o4+%o5;
146
7
1.2 Resultados exactos y aproximacin decimal

Hay una diferencia bsica entre el concepto abstracto de nmero real y cmo trabajamos con ellos mediante un ordenador: la memoria y la capacidad de proceso de un ordenador son finitos. La precisin de
un ordenador es el nmero de dgitos con los que hace los clculos. En un hipottico ordenador que nicamente tuviera capacidad para almacenar el primer decimal, el nmero sera representado como 3.1. Esto
puede dar lugar a errores si, por ejemplo, restamos nmeros similares. Maxima realiza los clculos de forma
simblica o numrica. En principio, la primera forma es mejor, pero hay ocasiones en las que no es posible.
Maxima tiene dos tipos de nmeros: exactos y aproximados. La diferencia entre ambos es la esperable.
1
es
un nmero exacto y 0.333 es una aproximacin del anterior. En una calculadora normal todos los
3
nmeros son aproximados y la precisin (el nmero de dgitos con el que trabaja la calculadora) es limitada,
usualmente 10 o 12 dgitos. Maxima puede manejar los nmeros de forma exacta, por ejemplo
(%i21)
(%o21)
1/2+1/3;
5
6
Mientras estemos utilizando nicamente nmeros exactos, Maxima intenta dar la respuesta de la misma
forma. Ahora bien, en cuanto algn trmino sea aproximado el resultado final ser siempre aproximado. Por
ejemplo
(%i22)
1.0/2+1/3;
(%o22)
0.83333333333333
Este comportamiento de Maxima viene determinado por la variable numer que tiene el valor false por
defecto. En caso de que cambiemos su valor a true, la respuesta de Maxima ser aproximada.
(%i23)
numer;
numer
Resultados exactos y aproximacin decimal
(%o23)
false
(%i24)
numer:true$
(%i25)
1/2+1/3
(%o25)
0.83333333333333
(%i26)
numer:false$
Primeros pasos
Recuerda cambiar el valor de la variable numer a false para volver al comportamiento original de
Maxima. En wxMaxima, podemos utilizar el men Numricoconmutar salida numrica para cambiar
el valor de la variable numer.
float(nmero )
nmero,numer
bfloat(nmero )
expresin decimal de nmero

expresin decimal de nmero
expresin decimal larga de nmero
Si slo queremos conocer una aproximacin decimal de un resultado exacto, tenemos a nuestra disposicin
las rdenes float y bfloat.
(%i27)
float(sqrt(2));
(%o27)
1.414213562373095
En la ayuda de Maxima podemos leer
Valor por defecto: 16.

La variable fpprec guarda el nmero de dgitos significativos en
la aritmtica con nmeros decimales de punto flotante grandes
("bigfloats"). La variable fpprec no afecta a los clculos con
nmeros decimales de punto flotante ordinarios.
Maxima puede trabajar con cualquier precisin. Dicha precisin la podemos fijar asignando el valor que
queramos a la variable fpprec. Por ejemplo, podemos calcular cunto valen los 100 primeros decimales de
:
(%i28)
fpprec:100;
(%o28)
100
(%i29)
float(%pi);
(%o29)
3.141592653589793
No parece que tengamos 100 dgitos...de acuerdo, justo eso nos deca la ayuda de mxima: La variable
fpprec no afecta a los clculos con nmeros decimales de punto flotante ordinarios. Necesitamos la orden
bfloat para que Maxima nos muestre todos los decimales pedidos (y cambiar la pantalla a ascii):
(%i30)
bfloat(%pi);
(%o30)
3.1415926535897932384626433832[43 digits]62862089986280348
25342117068b0
(%i31)
set_display(ascii)$
10
Primeros pasos
Funciones usuales
(%i32)
bfloat(%pi);
(%o32)
3.141592653589793238462643383279502884197169399375105820
974944592307816406286208998628034825342117068b0
Si te has fijado, en la salida anterior la expresin decimal del nmero

termina con b0. Los nmeros en coma flotante grandes siempre
terminan con b seguido de un nmero n para indicar que debemos
multiplicar por 10n . En el caso anterior, la expresin decimal de
deberamos multiplicarla por 100 = 1.
Por ltimo, observa que, como se puede ver en la Figura 1.2, tambin se puede utilizar el men NumricoA real o NumricoA
real grande(bigfloat) para obtener la expresin decimal buscada.
Figura 1.2 En el men, la pestaa Numrico permite obtener la expresin decimal con la
precisin que se desee
1.3 Funciones usuales

Adems de las operaciones elementales que hemos visto, Maxima tiene definidas la mayor parte de las
funciones elementales. Los nombres de estas funciones suelen ser su abreviatura en ingls, que algunas veces
difiere bastante de su nombre en castellano. Por ejemplo, ya hemos visto races cuadradas
(%i33)
sqrt(4);
(%o33)
sqrt(x)
exp(x)
log(x)
sin(x), cos(x), tan(x)
csc(x), sec(x), cot(x)
asin(x), acos(x), atan(x)
sinh(x), cosh(x), tanh(x)
asinh(x), acosh(x), atanh(x)
raz cuadrada de x
exponencial de x
logaritmo neperiano de x
seno, coseno y tangente en radianes
cosecante, secante y cotangente en radianes
arcoseno, arcocoseno y arcotangente
seno, coseno y tangente hiperblicos
arcoseno, arcocoseno y arcotangente
hiperblicos
Potencias, races y exponenciales

Hemos visto que podemos escribir potencias utlizando o . No importa que el exponente sea
racional. En otras palabras: podemos calcular races de la misma forma
(%i34)
625 (1/4);
(%o34)
(%i35)
625 (1/3)2 (1/3):
(%o35)
21/3 54/3
En el caso particular de que la base sea el nmero e, podemos escribir
(%i36)
%e 2;
11
Funciones usuales
(%o36)
Primeros pasos
%e2
o, lo que es ms cmodo especialmente si el exponente es una expresin ms larga, utilizar la funcin

exponencial exp
(%i37)
exp(2);
(%o37)
%e 2
(%i38)
exp(2),numer;
(%o38)
7.38905609893065
Logaritmos
Maxima slo tiene la definicin del logaritmo neperiano o natural que se consigue con la orden log:
(%i39)
log(20);
(%o39)
log(20)
y si lo que nos interesa es su expresin decimal
(%i40)
log(20),numer;
(%o40)
2.995732273553991
Observacin 1.3.
Mucho cuidado con utilizar ln para calcular logaritmos neperianos:
(%i41)
ln(20);
(%o41)
ln(20)
puede parecer que funciona igual que antes pero en realidad Maxima no tiene la ms remota idea de lo que
vale, slo est repitiendo lo que le habis escrito. Si no te lo crees, pdele que te diga el valor:
(%i42)
ln(20),numer;
(%o42)
ln(20)
Cmo podemos calcular log2 (64)? Para calcular logaritmos en cualquier base podemos utilizar que
logb (x) =
log(x)
.
log(b)
Se puede definir una funcin que calcule los logaritmos en base 2 de la siguiente manera
(%i43)
log2(x):=log(x)/log(2)$
(%i44)
log2(64);
log(64)
log(2)
(%o44)
12
Primeros pasos
Funciones usuales
Te habrs dado cuenta de que Maxima no desarrolla ni simplifica la mayora de las expresiones. En
segundo lugar, la posibilidad de definir funciones a partir de funciones conocidas nos abre una amplia gama
de posibilidades. En el segundo captulo veremos con ms detalle cmo trabajar con funciones.
Funciones trigonomtricas e hiperblicas

Maxima tiene predefinidas las funciones trigonomtricas usuales seno, sin, coseno, cos, y tangente, tan,
que devuelven, si es posible, el resultado exacto.
(%i45)
(%o45)
sin(%pi/4)
1
Por defecto, las funciones trigonomtricas estn expresadas en radianes.

Tambin estn predefinidas sus inversas, esto es, arcoseno, arcocoseno y arcotangente, que se escriben
respectivamente asin(x), acos(x) y atan(x), as como las funciones recprocas secante, sec(x), cosecante, csc(x), y cotangente, cot(x) 2.
(%i46)
(%i47)
atan(1);
4
sec(0);
(%o47)
(%o46)
De forma anloga, puedes utilizar las correspondientes funciones hiperblicas.
Otras funciones
Adems de las anteriores, hay muchas ms funciones de las que Maxima conoce la definicin. Podemos,
por ejemplo, calcular factoriales
(%i48)
32!
(%o48)
263130836933693530167218012160000000
o nmeros binmicos
(%i49)
binomial(10,4);
(%o49)
210

Recuerdas cul es la definicin de mn ?
!
m
m(m 1)(m 2) (m (n 1))
=
n
n!
En el desarrollo de Taylor de una funcin veremos que estos nmeros nos simplifican bastante la notacin.
2
El nmero no aparece como tal por defecto en wxMaxima. Para que aparezca as, puedes marcar Usar fuente griega dentro de
PreferenciasEstilo.
13
Operadores lgicos y relacionales
Primeros pasos
factorial de n
n!
entier(x)
abs(x)
random(x)
signum(x)
max( x1 , x2 ,...)
min( x1 , x2 ,...)
random
parte entera de x
valor absoluto o mdulo de x
devuelve un nmero aleatorio
signo de x
mximo de x1 ,x2 ,...
mnimo de x1 ,x2 ,...
Una de las funciones que usaremos ms adelante es random. Conviene comentar que su comportamiento es
distinto dependiendo de si se aplica a un nmero entero o a un nmero decimal, siempre positivo, eso s. Si
el nmero x es natural, random(x ) devuelve un natural menor o igual que x 1.
(%i50)
random(100);
(%o50)
Obviamente no creo que t tambin obtengas un 7, aunque hay un caso en que s puedes saber cul es el
nmero aleatorio que vas a obtener:
(%i51)
random(1);
(%o51)
efectivamente, el nico entero no negativo menor o igual que 1 1 es el cero. En el caso de que utilicemos
nmeros decimales random(x) nos devuelve un nmero decimal menor que x. Por ejemplo,
(%i52)
random(1.0);
(%o52)
0.9138095996129
nos da un nmero (decimal) entre 0 y 1.

La lista de funciones es mucho mayor de lo que aqu hemos comentado y es fcil que cualquier funcin
que necesites est predefinida en Maxima. En la ayuda del programa puedes encontrar la lista completa.
1.4 Operadores lgicos y relacionales

Maxima puede comprobar si se da una igualdad (o desigualdad). Slo tenemos que escribirla y nos dir
qu le parece:
(%i53)
is(3<5);
(%o53)
true
is(expresin )
assume(expresin )
forget(expresin )
and
or
decide si la expresin es cierta o falsa

supone que la expresin es cierta
olvida la expresin
y
o
14
Primeros pasos
Operadores lgicos y relacionales
No se pueden encadenar varias condiciones. No se admiten expresiones del tipo 3 < 4 < 5. Las desigualdades
slo se aplican a parejas de expresiones. Lo que s podemos hacer es combinar varias cuestiones como, por
ejemplo,
(%i54)
is(3<2 or 3<4);
(%o54)
true
En cualquier caso tampoco esperes de Maxima la respuesta al sentido de la vida:
(%i55)
is((x+1) 2=x 2+2x+1);
(%o55)
false
=
notequal
x>y
x<y
x>=y
x<=y
igual
distinto
mayor
menor
mayor o igual
menor o igual
Pues no pareca tan difcil de responder. Lo cierto es que Maxima no ha desarrollado la expresin. Vamos
con otra pregunta fcil:
(%i56)
is((x+1) 2>0);
(%o56)
unknown
Pero, no era positivo un nmero al cuadrado? Hay que tener en cuenta que x podra valer 1 . Te parece
tan mala la respuesta ahora? Si nosotros disponemos de informacin adicional, siempre podemos ayudar.
Por ejemplo, si sabemos que x es distinto de 1 la situacin cambia:
(%i57)
assume(notequal(x,-1));
(%o57)
[notequal(x,-1)]
(%i58)
is((x+1) 2>0);
(%o58)
true
Eso s, en este caso Maxima presupone que x es distino de 1 en lo que resta de sesin. Esto puede dar
lugar a errores si volvemos a utilizar la variable x en un ambiente distinto ms adelante. El comando forget
nos permite hacer olvidar a Maxima.
(%i59)
forget(notequal(x,-1));
(%o59)
[notequal(x,-1)]
(%i60)
is(notequal(x,-1));
(%o60)
unknown
15
forget
Variables
Primeros pasos
1.5 Variables
El uso de variables es muy fcil y cmodo en Maxima. Uno de los motivos de esto es que no hay que
declarar tipos previamente. Para asignar un valor a una variable utilizamos los dos puntos
(%i61)
a:2
(%o61)
(%i62)
a2
(%o62)
4
la variable var vale expr
var :expr
kill(a1,a2,... )
remvalue(var1,var2,... )
values
elimina los valores

borra los valores de las variables
muestra las variables con valor asignado
Cuando una variable tenga asignado un valor concreto, a veces diremos que es una constante, para distinguir
del caso en que no tiene ningn valor asignado.
Observacin 1.4. El nombre de una variable puede ser cualquier cosa que no empiece por un nmero.
Puede ser una palabra, una letra o una mezcla de ambas cosas.
(%i63)
largo:10;
(%o63)
10
(%i64)
ancho:7;
(%o64)
(%i65)
largoancho;
(%o65)
70
Podemos asociar una variable con prcticamente cualquier cosa que se nos ocurra: un valor numrico,
una cadena de texto, las soluciones de una ecuacin, etc.
(%i66)
solucion:solve(x 2-1=0,x);
(%o66)
[x=-1,x=1]
para luego poder usarlas.

Los valores que asignamos a una variable no se borran por s solos. Siguen en activo mientras no los
cambiemos o comencemos una nueva sesin de Maxima. Quiz por costumbre, todos tendemos a usar como
nombre de variables x, y, z, t, igual que los primeros nombres que se nos vienen a la cabeza de funciones son
f o g. Despus de trabajar un rato con Maxima es fcil que usemos una variable que ya hemos definido antes.
Es posible que dar un valor a una variable haga que una operacin posterior nos de un resultado inesperado
o un error. Por ejemplo, damos un valor a x
(%i67)
x:3;
(%o67)
16
Primeros pasos
Variables
y despus intentamos derivar una funcin de x, olvidando que le hemos asignado un valor. Cul es el
resultado?
(%i68)
diff(sin(x),x);
Non-variable 2nd argument to diff:
3
-- an error. To debug this try debugmode(true);
Efectivamente, un error. Hay dos maneras de evitar esto. La primera es utilizar el operador comilla, ,
que evita que se evale la variable:
(%i69)
diff(sin(x),x);
(%o69)
cos(x)
La segunda es borrar el valor de x. Esto lo podemos hacer

con la orden kill o con la orden remvalue. Tambin puedes
ir al men Maximaborrar variable y escribir las variables
que quieres borrar. Por defecto se borrarn todas.
Si te fijas, dentro del men Maxima tambin hay varios tems
interesantes: se pueden borrar funciones y se pueden mostrar
aquellas variables (y funciones) que tengamos definidas. Esto
se consigue con la orden values.
(%i70)
values;
(%o70)
[a,largo,ancho,x,solucion]
Una vez que sabemos cules son, podemos borrar algunas de

ellas
(%i71)
remvalue(a,x);
(%o71)
[a,x]
values
remvalue
o todas.
(%i72)
remvalue(all);
(%o72)
[largo,ancho,solucion]
La orden remvalue slo permite borrar valores de variables. Existen versiones similares para borrar
funciones, reglas, etc. En cambio, la orden kill es la versin genrica de borrar valores de cualquier cosa. kill
(%i73)
ancho:10$
(%i74)
kill(ancho);
(%o74)
done
(%i75)
remvalue(ancho);
17
Expresiones simblicas
(%o75)
Primeros pasos
[false]
Una de las pequeas diferencias entre kill y remvalue es que la primera no comprueba si la variable,
o lo que sea, estaba previamente definida y siempre responde done. Existe tambin la posibilidad de borrar
todo:
(%i76)
(%o0)
kill(all);
done
y, si te fijas, Maxima se reinicia: es como si empezramos de nuevo. Hemos borrado cualquier valor que
tuvisemos previamente definido.
1.6 Expresiones simblicas

Hasta ahora slo hemos usado el Maxima como una
calculadora muy potente, pero prcticamente todo lo
que hemos aprendido puede hacerse sin dificultad con
una calculadora convencional. Entonces, qu puede hacer Maxima que sea imposible con una calculadora?
Bueno, entre otras muchas cosas que veremos posteriormente, la principal utilidad de Maxima es el clculo simblico, es decir, el trabajar con expresiones algebraicas
(expresiones donde intervienen variables, constantes...
y no tienen por qu tener un valor numrico concreto)
en vez de con nmeros. Por ejemplo, el programa sabe
que la funcin logaritmo y la funcin exponencial son
inversas una de otra, con lo que si ponemos
(%i1)
exp(log(x));
(%o1)
es decir, sin saber el valor de la variable x el programa es capaz de trabajar simblicamente con ella. Ms
ejemplos
(%i2)
exp(x)*exp(y);
(%o2)
%ey+x
Aunque parece que no siempre obtenemos el resultado esperado
(%i3)
log(xy);
(%o3)
log(x y)
(%i4)
log(x)+log(y);
(%o4)
log(y)+log(x)
Vamos a practicar con comandos de Maxima para manejar expresiones algebraicas: polinomios, funciones
racionales, trigonomtricas, etc.
18
Primeros pasos
Casi todas las rdenes de esta seccin, ya sea expandir o simplificar expresiones, se encuentran en el
men Simplificar y, opcionalmente, en los paneles de wxMaxima.
1.6.1
Desarrollo de expresiones simblicas

La capacidad de Maxima para trabajar con expresiones es notable. Comencemos con funciones sencillas.
Consideremos el polinomio
(%i5)
p:(x+2)(x-1);
(%o5)
(x-1)(x+2)
lo nico qu hace Maxima es reescribirlo. Y las potencias?
(%i6)
q:(x-3) 2
(%o6)
(x-3)2
Vale, tampoco desarrolla el cuadrado. Probemos ahora a restar las dos expresiones:
(%i7)
p-q;
(%o7)
(x-1)(x+2)-(x-3)2
Si no haba desarrollado las expresiones anteriores, no era lgico esperar que desarrollara ahora la diferencia. Maxima no factoriza ni desarrolla automticamente: debemos decirle que lo haga. Cmo lo hacemos?
expand(expr )
partfrac(frac,var )
num(frac )
denom(frac )
realiza productos y potencias

descompone en fracciones simples
numerador
denominador
La orden expand desarrollo productos, potencias,
(%i8)
expand(p);
(%o8)
x2 +x-2
expand
y cocientes.
(%i9)
(%o9)
expand(p/q);
x2
x2 -6 x+9
x
2
x2 -6 x+9 x2 -6 x+9
Como puedes ver, expand slo divide la fraccin teniendo en cuenta el numerador. Si queremos dividir
en fracciones simples tenemos que usar partfrac.
(%i10)
partfrac(p/q,x);
19
partfrac
(%o10)
num
denom
Primeros pasos
10
7
+1
+
x-3 x-32
Por cierto, tambin podemos recuperar el numerador y el denominador de una fraccin con las rdenes
num y denom:
(%i11)
denom(p/q);
(%o11)
(x-3)2
(%i12)
num(p/q);
(%o12)
(x-1)(x+2)
Comportamiento de expand
El comportamiento de la orden expand viene determinado por el valor de algunas variables. No vamos
a comentar todas, ni mucho menos, pero mencionar algunas de ellas nos puede dar una idea del grado de
control al que tenemos acceso.
expand(expr,n,m)
logexpand
radexpand
desarrolla potencias con grado entre m y n

variable que controla el desarrollo de logaritmos
variable que controla el desarrollo de radicales
Si quisiramos desarrollar la funcin

(x + 1)100 + (x 3)32 + (x + 2)2 + x 1
1
2
1
+
+
x (x 1)2 (x 7)15
posiblemente no estemos interesados en que Maxima escriba los desarrollos completos de los dos primeros
sumandos o del ltimo. Quedara demasiado largo en pantalla. La orden expand permite acotar qu potencias desarrollamos. Por ejemplo, expand(expr,3,5) slo desarrolla aquellas potencias que estn entre 3
y 5.
(%i13)
(%o13)
expand((x+1) 100+(x-3) 32+(x+2) 2+x-1-1/x+2/((x-1) 2)

+1/((x-7) 15),3,4);
2
1
1
+( x+1)100 +x2 +5x- +(x-3)32 +
+3
x
(x-7)15
x2 -2x+1
Las variables logexpand y radexpand controlan si se simplifican logaritmos de productos o radicales

con productos. Por defecto su valor es true y esto se traduce en que expand no desarrolla estos productos:
(%i14)
log(ab);
(%o14)
log(a b)
(%i15)
(%o15)
sqrt(xy)
xy
Cuando cambiamos su valor a all,
(%i16)
radexpand:all$ logexpand:all$
20
Primeros pasos
(%i17)
log(ab);
(%o17)
log(a)+log(b)
(%i18)
sqrt(xy)

x y
(%o18)
Dependiendo del valor de logexpand

, la respuesta de Maxima vara cuando calculamos log(ab ) o log(a/b).
Compara t cul es el resultado de x2 cuando radexpand toma los valores true y all.
Factorizacin
factor(expr )
escribe la expresin como

producto de factores ms sencillos
La orden factor realiza la operacin inversa a expand. La podemos utilizar tanto en nmeros
(%i19)
factor(100);
(%o19)
22 52
factor
como con expresiones polinmicas como las anteriores
(%i20)
factor(x 2-1);
(%o20)
(x-1)(x+1)
El nmero de variables que aparecen tampoco es un problema:
(%i21)
(x-y)(xy-3x 2);
(%o21)
(x-y)(xy-3x2 )
(%i22)
expand(%);
(%o22)
-xy2 +4x2 y-3x3
(%i23)
factor(%);
(%o23)
-x(y-3x)(y-x)
Evaluacin de valores en expresiones

ev(expr,arg1,arg2,... )
evalua la expresin segn los argumentos
Ahora que hemos estado trabajando con expresiones polinmicas, para evaluar en un punto podemos utilizar
la orden ev. En su versin ms simple, esta orden nos permite dar un valor en una expresin:
(%i24)
ev(p,x=7);
(%o24)
54
que puede escribirse tambin de la forma
21
ev
Primeros pasos
(%i25)
p,x=7;
(%o25)
54
Tambin se puede aplicar ev a una parte de la expresin:
(%i26)
x 2+ev(2*x,x=3);
(%o26)
x2 +6
Este tipo de sustituciones se pueden hacer de forma un poco ms general y sustituir expresiones enteras
(%i27)
ev(x+(x+y) 2-3(x+y) 3,x+y=t);
(%o27)
x-3*t3 +t2
En la ayuda de Maxima puedes ver con ms detalle todos los argumentos que admite la orden ev, que
son muchos.
1.6.2
Simplificacin de expresiones
Es discutible qu queremos decir cuando afirmamos que una expresin es ms simple o ms sencilla que
otra. Por ejemplo, cul de las dos siguientes expresiones te parece ms sencilla?
(%i28)
(%o28)
(%i29)
(%o29)
radcan(p/q);
x2 +x-2
x2 -6*x+9
partfrac(p/q,x);
7
10
+
+1
x-3 x-32
radcan(expr )
ratsimp(expr )
fullratsimp(expr )
simplifica expresiones con radicales

simplifica expresiones racionales
simplifica expresiones racionales
Maxima tiene algunas rdenes que permiten simplificar expresiones pero muchas veces no hay nada como
un poco de ayuda y hay que indicarle si queremos desarrollar radicales o no, logaritmos, etc como hemos
visto antes.
Para simplificar expresiones racionales, ratsimp funciona bastante bien aunque hay veces que es necesario aplicarlo ms de una vez. La orden fullratsimp simplifica algo mejor a costa de algo ms de tiempo
y proceso.
(%i30)
fullratsimp((x+a)(x-b) 2(x 2-a 2)/(x-a));
(%o30)
x4 +(2a-2b)x3 +(b2 -4ab+a2 )x2 +(2ab2 -2a2 b)x+a2 b2
Para simplificar expresiones que contienen radicales, exponenciales o logaritmos es ms til la orden
radcan
22
Primeros pasos
1.6.3
(%i31)
radcan((%e (2x)-1)/(%e x+1));
(%o31)
%e x -1
Expresiones trigonomtricas
Maxima conoce las identidades trigonomtricas y puede usarlas para simplificar expresiones en las que
aparezcan dichas funciones. En lugar de expand y factor, utilizaremos las rdenes trigexpand, trigsimp y trigreduce.
trigexpand(expresion )
desarrolla funciones
trigonomtricas e hiprbolicas
trigsimp(expresion )
simplifica funciones
trigonomtricas e hiperblicas
trigreduce(expresion )
simplifica funciones
trigonomtricas e hiperblicas
Por ejemplo,
(%i32)
trigexpand(cos(a+b);
(%o32)
cos(a)cos(b)-sin(a)sin(b);
(%i33)
trigexpand(sin(2atan(x)));
2x
x2 +1
trigexpand(sin(x+3y)+cos(2z)sin(x-y));
(%o33)
(%i34)
(%o34)
-(cos(x)sin(y)-sin(x)cos(y))(cos(z)2 -sin(z)2 )+cos(x)sin(3y)+

sin(x)cos(3y)
(%i35)
trigexpand(8sin(2x) 2cos(x) 3);
(%o35)
32 cos(x)5 sin(x)2
Compara el resultado del comando trigexpand con el comando trigreduce en la ltima expresin:
(%i36)
(%o36)
trigreduce(8sin(2x) 2cos(x) 3);

cos(7 x) cos(x)
x)
x)
3 cos(5
+ cos(3
+ 2
cos (3 x) 3 cos (x)
2
2
2
+
+
8
8
8
8
8
Quizs es complicado ver qu est ocurriendo con estas expresiones tan largas. Vamos a ver cmo se
comportan en una un poco ms sencilla:
(%i37)
eq:cos(2*x)+cos(x) 2$
(%i38)
trigexpand(eq);
(%o38)
2cos(x)2 -sin(x)2
(%i39)
trigreduce(eq);
23
La ayuda de Maxima
Primeros pasos
(%i40)
cos(2x)+1
+cos(2x)
2
trigsimp(eq);
(%o40)
cos(2x)+cos(x)2
(%o39)
Como puedes ver, trigsimp intenta escribir la expresin de manera simple, trigexpand y trigreduce desarrollan y agrupan en trminos similares pero mientras una prefiere usar potencias, la otra utiliza
mltiplos de la variable. Estos es muy a grosso modo.
Cualquiera de estas rdenes opera de manera similar con funciones hiperblicas:
(%i41)
trigexpand(sinh(2x) 3);
(%o41)
8 cosh(x)3 sinh(x)3
(%i42)
trigreduce(cosh(x+y)+sinh(x) 2);
cosh(2x)-1
cosh(y+x)+
2
(%o42)
Observacin 1.5. Al igual que con expand o ratsimp, se puede ajustar el comportamiento de estas rdenes mediante el valor de algunas variables como trigexpand, trigexpandplus o trigexpandtimes.
Consulta la ayuda de Maxima si ests interesado.
1.7 La ayuda de Maxima

El entorno wxMaxima permite acceder a la amplia ayuda incluida con Maxima de una manera grfica. En
el mismo men tenemos algunos comandos que nos pueden ser tiles.
describe(expr )
example(expr )
apropos("expr ")
??expr
Figura 1.3
ayuda sobre expr

ejemplo de expr
comandos relacionados con expr
comandos que contienen expr
Ayuda de wxMaxima
24
Primeros pasos
La ayuda de Maxima
En el caso de que conozcamos el nombre del comando sobre el que estamos buscando ayuda, la orden
describe 3 nos da una breve, a veces no tan breve, explicacin sobre la variable, comando o lo que sea que
hayamos preguntado.
(%i43)
describe(dependencies); -- Variable del sistema: dependencies

Valor por defecto: []
La variable dependencies es la lista de tomos que tienen algn
tipo de dependencia funcional, asignada por depends o gradef.
La lista dependencies es acumulativa: cada llamada a depends o
gradef aade elementos adicionales.
Vanse depends y gradef.
(%o43)
true
Claro que a veces nos equivocamos y no nos acordamos exactamente del nombre del comando
(%i44)
describe(plot); No exact match found for topic plot.

Try ?? plot (inexact match) instead.
(%o44)
false
La solucin la tenemos escrita justo en la salida anterior: ?? busca en la ayuda comandos, variables, etc.
que contengan la cadena plot.
(%i45)
??plot 0: Funciones y variables para plotdf

1: Introduccin a plotdf
2: barsplot (Funciones y variables para grficos estadsticos)
3: boxplot (Funciones y variables para grficos estadsticos)
4: contour_plot (Funciones y variables para grficos)
5: gnuplot_close (Funciones y variables para grficos)
6: gnuplot_replot (Funciones y variables para grficos)
7: gnuplot_reset (Funciones y variables para grficos)
8: gnuplot_restart (Funciones y variables para grficos)
9: gnuplot_start (Funciones y variables para grficos)
10: plot2d (Funciones y variables para grficos)
11: plot3d (Funciones y variables para grficos)
12: plotdf (Funciones y variables para plotdf)
13: plot_options (Funciones y variables para grficos)
14: scatterplot (Funciones y variables para grficos estadsticos)
15: set_plot_option (Funciones y variables para grficos)
Enter space-separated numbers, all or none:none;
(%o45)
true
Si, como en este caso, hay varias posibles elecciones, Maxima se queda esperando hasta que escribimos el
nmero que corresponde al tem en que estamos interesados, o all o none si estamos interesados en todos o
en ninguno respectivamente. Mientras no respondamos a esto no podemos realizar ninguna otra operacin.
El comando describe(expr ) produce el mismo resultado que ?expr . Es obligatorio el espacio en blanco entre la interrogacin y
la expresin.
25
describe
Ejercicios
apropos
example
Primeros pasos
Si has mirado en el men de wxMaxima, seguramente habrs visto AyudaA propsito. Su propsito
es similar a las dos interrogaciones, ??, que acabamos de ver pero el resultado es levemente distinto:
(%i46)
apropos("plot");
(%o46)
[plot,plot2d,plot3d,plotheight,plotmode,plotting,plot_format,
plot_options,plot_realpart]
nos da la lista de comandos en los que aparece la cadena plot sin incluir nada ms. Si ya tenemos una idea
de lo que estamos buscando, muchas veces ser suficiente con esto.
Muchas veces es mejor un ejemplo sobre cmo se utiliza una orden que una explicacin terica. Esto
lo podemos conseguir con la orden example.
(%i47)
example(limit);
(%i48)
limit(xlog(x),x,0,plus)
(%o48)
(%i49)
limit((x+1) (1/x),x,0)
(%o49)
%e
(%i50)
limit(%e x/x,x,inf)
(%o50)
(%i51)
limit(sin(1/x),x,0)
(%o51)
ind
(%o51)
done
Por ltimo, la ayuda completa de Maxima est disponible en la pgina web de Maxima
http://maxima.sourceforge.net/es/
en formato PDF y como pgina web. Son ms de 800 pginas que explican prcticamente cualquier detalle
que se te pueda ocurrir.
1.8 Ejercicios
Ejercicio 1.1. Calcula
a) Los 100 primeros decimales del nmero e,
b) el logaritmo en base 3 de 16423203268260658146231467800709255289.
c) el arcocoseno hiperblico de 1,
d) el seno y el coseno de i, y
e) el logaritmo de -2.
Ejercicio 1.2.
a) Qu nmero es mayor 1000999 o 9991000 ?
b) Ordena de mayor a menor los nmeros , 73231844868435875
37631844868435563 y cosh(3)/3.
Ejercicio 1.3.
Descompn la fraccin
x2 4
x5 +x4 2 x3 2 x2 +x+1
26
en fracciones simples.
Primeros pasos
Ejercicio 1.4.
Ejercicios
Escribe sen(5x) cos(3x) en funcin de sen(x) y cos(x).
Ejercicio 1.5. Comprueba si las funciones hiperblicas y las correspondientes arco-versiones son inversas.
27
Grficos
Funciones
Grficos
2
2.1 Funciones 31 2.2 Grficos en el plano con plot2d 35
draw 39 2.4 Animaciones grficas 50 2.5 Ejercicios 52
2.3 Grficos con
El objetivo de este captulo es aprender a representar grficos en dos dimensiones. Lo haremos,

tanto para grficas en coordenadas cartesianas como para grficas en coordenadas paramtricas y
polares. wxMaxima permite hacer esto fcilmente aunque tambin veremos cmo utilizar el mdulo draw que nos da algunas posibilidades ms sin complicar excesivamente la escritura.
Aunque slo vamos a hablar de grficos en dos dimensiones, hay que decir que se pueden realizar
representaciones en tres dimensiones de manera anloga. En la ayuda de Maxima puedes encontrar
todos los detalles.
2.1 Funciones
funcion(var1,var2,..) :=(expr1,expr2,... )
define (func,expr )
fundef(func )
functions
remfunction(func1,func2,... )
definicin de funcin
la funcin vale expr
devuelve la definicin de la funcin
lista de funciones
definidas por el usuario
borra las funciones
Para definir una funcin en Maxima se utiliza el operador :=. Se pueden definir funciones de una
o varias variables, con valores escalares o vectoriales,
(%i1)
f(x):=sin(x);
(%o1)
f(x):=sin(x)
que se pueden utilizar como cualquier otra funcin.
(%i2)
(%o2)
f(%pi/4);
1
Si la funcin tiene valores vectoriales o varias variables tampoco hay problema:
(%i3)
g(x,y,z):=[2x,3cos(x+y)];
31
Funciones
define
Grficos
(%o3)
g(x,y,z):=[2x,3cos(x+y)]
(%i4)
g(1,%pi,0);
(%o4)
[2,-3cos(1)]
Tambin se puede utilizar el comando define para definir una funcin. Por ejemplo, podemos
utilizar la funcin g para definir una nueva funcin y, de hecho veremos que sta es la manera
correcta de hacerlo cuando la definicin involucra funciones previamente definidas, derivadas de
funciones, etc. El motivo es que la orden define evala los comandos que pongamos en la definicin.
(%i5)
define(h(x,y,z),g(x,y,z) 2);
(%o5)
h(x,y,z):=[4x2 ,9cos(y+x)2 ]
Eso s, aunque hemos definido las funciones f , g y h, para utilizarlas debemos aadirles variables:
(%i6)
g;
(%o6)
Si queremos saber cul es la definicin de la funcin g, tenemos que preguntar
(%i7)
g(x,y);
Too few arguments supplied to g(x,y,z):
[x,y]
pero teniendo cuidado de escribir el nmero correcto de

variables
(%i8)
g(x,y,z);
(%o8)
[2x,3cos(y+x)]
Esto plantea varias cuestiones muy relacionadas entre

s: cuando llevamos un rato trabajando y hemos definido
varias funciones, cmo sabemos cuales eran? y cul
era su definicin?. La lista de funciones que hemos definido se guarda en la variable functions a la que tambin puedes acceder desde el men MaximaMostrar
funciones de manera similar a como accedemos a la lista de variables. En el mismo men, MaximaBorrar
32
Figura 2.1 Desde el men podemos

consultar las funciones que tenemos
definidas, cul es su definicin y borrar
algunas o todas ellas
Grficos
Funciones
funcin tenemos la solucin a cmo borrar una funcin (o todas). Tambin podemos hacer esto
con la orden remfunction.
(%i9)
functions;
(%o9)
[f(x),g(x,y,z),h(x,y,z)]
Ya sabemos preguntar cul es la definicin de cada una de ellas. Ms cmodo es, quizs, utilizar
la orden fundef que nos evita escribir las variables
(%i10)
fundef(f);
(%o10)
f(x):=sin(x)
que, si nos interesa, podemos borrar
(%i11)
remfunction(f);
(%o11)
[f]
o, simplemente, borrar todas las que tengamos definidas
(%i12)
remfunction(all);
(%o12)
[g,h]
Funciones definidas a trozos

Las funciones definidas a trozos plantean algunos problemas de difcil solucin para Maxima.
Esencialmente hay dos formas de definir y trabajar con funciones a trozos:
a) definir una funcin para cada trozo con lo que tendremos que ocuparnos nosotros de ir escogiendo de elegir la funcin adecuada, o
b) utilizar una estructura if-then-else para definirla. 4
Cada uno de los mtodos tiene sus ventajas e inconvenientes. El primero de ellos nos hace aumentar el nmero de funciones que definimos, usamos y tenemos que nombrar y recordar. Adems
de esto, cualquier cosa que queramos hacer, ya sea representar grficamente o calcular una integral
tenemos que plantearlo nosotros. Maxima no se encarga de esto. La principal limitacin del segundo mtodo es que las funciones definidas de esta manera no nos sirven para derivarlas o integrarlas,
aunque s podremos dibujar su grfica. Por ejemplo, la funcin
(
x2 , si x < 0
f (x) =
x3 , en otro caso
la podemos definir de la siguiente forma utilizando el segundo mtodo
En la seccin 5.3 explicamos con ms detalle este tipo de estructuras
33
remfunction
fundef
Funciones
Grficos
(%i13)
f(x):=if x< 0 then x 2 else x 3;
(%o13)
f(x):=if x< 0 then x2 else x3
y podemos evaluarla en un punto
(%i14)
f(-2);
(%o14)
(%i15)
f(2);
(%o15)
o dibujarla
(%i16)
plot2d(f(x),[x,-3,3]);
(%o16)
30
20
if x < 0 then x else x
25
15
10
0
-3
-2
pero no podemos calcular
-1
R3
3
0
x
f (x) dx:
(%i17)
integrate(f(x),x,-3,3);
(%o17)
R3
3
if x<0 then x2 else x3 dx
La otra posibilidad es mucho ms de andar por casa, pero muy prctica. Podemos definir las
funciones
(%i18)
f1(x):=x 2$
(%i19)
f2(x):=x 3$
y decidir nosotros cul es la que tenemos que utilizar:
(%i20)
(%o20)
integrate(f1(x),x,-3,0)+integrate(f2(x),x,0,3);
117
4
34
Grficos
Grficos en el plano con plot2d
Evidentemente, si la funcin tiene muchos trozos, la definicin se alarga; no cabe otra posibilidad. En este caso tenemos que anidar varias estructuras if-then-else o definir tantas funciones
como trozos. Por ejemplo, la funcin
2
x ,
si x 1,
g(x) =
sen(x),
si
1 x ,
x + 1, si x >
la podemos escribir como sigue anidando dos condicionales
(%i21)
g(x):=if x<=1 then x 2 else

if x <= %pi then sin(x) else -x+1$
Comprobamos que la definicin se comporta correctamente en un valor de cada intervalo
(%i22)
[g(-3),g(2),g(5)];
(%o22)
[9,sin(2),-4]
2.2 Grficos en el plano con plot2d

El comando que se utiliza para representar la grfica de una funcin de una variable real es
plot2d que acta, como mnimo, con dos parmetros: la funcin (o lista de funciones a represen- plot2d
tar), y el intervalo de valores para la variable x. Al comando plot2d se puede acceder tambin a
travs del men GrficosGrficos 2D.
plot2d(f(x),[x,a,b]) grfica de f (x) en [a, b]

plot2d([f1(x),f2(x),...],[x,a,b]) grfica de una lista de funciones en [a, b]
Podemos dibujar la grfica de una funcin
(%i23)
plot2d(sin(2*x),[x,-2*%pi,2*%pi]);
(%o23)
sin(2*x)
0.5
-0.5
-1
-6
-4
-2
0
x
o de varias
(%i24)
plot2d([x 2,sqrt(2*x)],[x,-2,2]);
35
(%o24)
Grficos
x2
sqrt(2)*sqrt(x)
3.5
3
2.5
2
1.5
1
0.5
0
-2
-1.5
-1
-0.5
0.5
1.5
Observa en esta ltima salida cmo el programa asigna a cada grfica un color distinto para
diferenciarlas mejor y aade la correspondiente explicacin de qu color representa a cada funcin.
Cuando accedemos a travs del men, aparece una ventana de dilogo con varios campos que
podemos completar o modificar:
a) Expresin(es). La funcin o funciones que queramos dibujar. Por defecto, wxMaxima rellena
este espacio con % para referirse a la salida anterior.
b) Variable x. Aqu establecemos el intervalo de la variable x donde queramos representar la funcin.
c) Variable y. dem para acotar el recorrido de los
valores de la imagen.
d) Graduaciones. Nos permite regular el nmero de
puntos en los que el programa evala una funcin
para su representacin.
e) Formato. Maxima realiza por defecto la grfica
con un programa auxiliar. Si seleccionamos en
lnea, dicho programa auxiliar es wxMaxima y
obtendremos la grfica en una ventana alineada
con la salida correspondiente. Hay dos opciones
ms y ambas abren una ventana externa para dibuFigura 2.2 Grficos en 2D
jar la grfica requerida: gnuplot es la opcin por
defecto que utiliza el programa Gnuplot para realizar la representacin; tambin est disponible la opcin openmath que utiliza el programa XMaxima. Prueba las diferentes opciones y
decide cul te gusta ms.
f) Opciones. Aqu podemos seleccionar algunas opciones para que, por ejemplo, dibuje los ejes de
coordenadas ("set zeroaxis;"); dibuje los ejes de coordenadas, de forma que cada unidad
en el eje Y sea igual que el eje X ("set size ratio 1; set zeroaxis;"); dibuje una
cuadrcula ("set grid;") o dibuje una grfica en coordenadas polares ("set polar; set
zeroaxis;"). Esta ltima opcin la comentamos ms adelante.
g) Grfico al archivo. Guarda el grfico en un archivo con formato Postscript.
Evidentemente, estas no son todas las posibles opciones. La cantidad de posibilidades que tiene
Gnuplot es inmensa.
Observacin 2.1.
El prefijo wx aadido a plot2d o a cualquiera del resto de las rdenes
que veremos en este captulo hace que wxMaxima pase automticamente a mostrar los grficos
en la misma ventana y no en una ventana separada. Es lo mismo que seleccionar en lnea. Por
ejemplo,
36
Grficos
(%i25)
wxplot2d(sin(2x),[x,-2%pi,2%pi]);
1
(%t25)
sin(2*x)
0.5
-0.5
-1
-6
-4
-2
Es complicado representar una ventana separada en unas notas escritas as que, aunque no utilicemos wxplot2d, s hemos representado todas las grficas a continuacin de la correspondiente wxplot2d
orden.
Veamos algunos ejemplos de las opciones que hemos comentado. Podemos aadir ejes,
(%i26)
plot2d(x/(x 2-4), [x,-6,6], [y,-6,6],

[gnuplot_preamble, "set zeroaxis;"])$
(%o26)
x/(x -4)
-2
-4
-6
-6
-4
-2
0
x
podemos cambiar la proporcin entre ejes.
(%i27)
plot2d(x/(x 2-4), [x,-6,6], [y,-6,6],

[gnuplot_preamble, "set size ratio 1; set zeroaxis;"])$
(%o27)
x/(x2-4)
-2
-4
-6
-6
-4
-2
0
x
37
Grficos
set size ratio 1 dibuja ambos ejes con el mismo tamao en pantalla, set size ratio 2
o set size ratio 0.5 dibuja el eje X el doble o la mitad de grande que el eje Y. O podemos
aadir una malla que nos facilite la lectura de los valores de la funcin.
(%i28)
plot2d(x/(x 2-4),[x,-6,6],[y,-6,6],
[gnuplot_preamble, "set grid;"])$
(%o28)
x/(x -4)
-2
-4
-6
-6
-4
-2
0
x
Con el siguiente ejemplo vamos a ver la utilidad de laopcin "set

size ratio 1; set
zeroaxis;". En primer lugar dibujamos las funciones 1 x2 y 1 x2 , con x [1, 1].
El resultado debera ser la circunferencia unidad. Sin embargo, aparentemente es una elipse. Lo
arreglamos de la siguiente forma:
(%i29)
plot2d([sqrt(1-x 2,-sqrt(1-x 2)],[x,-1,1],[y,-1,1],

[gnuplot_preamble, "set size ratio 1; set zeroaxis;"])$
(%o29)
sqrt(1-x2)
-sqrt(1-x2)
0.5
-0.5
-1
-1
-0.5
0
x
0.5
Tambin podemos dibujar grficas de funciones a trozos. Antes, tenemos que recordar cmo
se definen estas funciones. Lo hacemos con un ejemplo. Consideremos la funcin f : R R
definida como
(
x si x < 0
f (x) =
3
x
si x 0.
Vamos, en primer lugar, a definirla:
(%i30)
f(x):= if x<0 then sqrt(-x) else x 3;
38
Grficos
(%o30)
Grficos con draw
f(x):= if x<0 then
x else x3
y luego la representamos
(%i31)
plot2d(f(x),[x,-9,9],[y,-1,6],
[gnuplot_preamble,"set zeroaxis;"])$
(%o31)
if x < 0 then sqrt(-x) else x
-1
-8
-6
-4
-2
0
x
2.3 Grficos con draw

El mdulo draw es relativamente reciente en la historia de Maxima y permite dibujar grficos
en 2 y 3 dimensiones con relativa comodidad. Se trata de un mdulo adicional que hay que cargar
previamente. Este se hace de la siguiente forma
(%i32)
load(draw)$
gr2d(opciones, objeto grfico,... )
draw(opciones, objeto grfico,... )
draw2d(opciones, objeto grfico,... )
grfico dos dimensional

dibuja un grfico
dibuja grfico dos dimensional
El paquete draw, permite utilizar, entre otras, la orden draw2d para dibujar grficos en dos dimensiones. Un grfico est compuesto por varias opciones y el objeto grfico que queremos dibujar.
Por ejemplo, en dos dimensiones tendramos algo as:
objeto:gr2d(
color=blue,
nticks=60,
explicit(cos(t),t,0,2$*$\%pi)
)
Las opciones son numerosas y permiten controlar prcticamente cualquier aspecto imaginable.
Aqu comentaremos algunas de ellas pero la ayuda del programa es insustituible. En segundo lugar
aparece el objeto grfico. En este caso explicit(cos(t),t,0,2%pi). Estos pueden ser de
varios tipos aunque los que ms usaremos son quizs explicit e implicit. Para dibujar un
grfico tenemos dos posibilidades
a) Si tenemos previamente definido el objeto, draw(objeto), o bien,
draw
39
Grficos con draw
draw2d
Grficos
b) draw2d(definicin del objeto) si lo definimos en ese momento para dibujarlo.

Por ejemplo,
(%i33)
coseno:gr2d(
color=blue,
explicit(cos(x),x,0,4*%pi))$
(%i34)
draw(coseno);
(%o34)
0.5
-0.5
-1
0
10
12
da el mismo resultado que
(%i35)
(%o35)
draw2d(
color=blue,
explicit(cos(x),x,0,4*%pi)$
1
0.5
-0.5
-1
0
10
12
Tambin podemos representar ms de un objeto en un mismo grfico. Simplemente escribimos

uno tras otro separados por comas. En el siguiente ejemplo estamos mezclando una funcin dada
explcitamente y una curva en coordenadas paramtricas.
(%i36)
draw2d(
color=red,
explicit(x 2,x,-1,1),
color=blue,nticks=60,
implicit(x 2+y 2=1,x,-1,1,y,-1,1));
40
Grficos
Grficos con draw
(%o36)
Vamos a comentar brevemente alguno de los objetos y de las opciones del mdulo draw. Comenzamos con algunos de los objetos que podemos representar y, posteriormente, comentamos
algunas opciones.
2.3.1
Objetos
explicit: nos permite dibujar una funcin de una o dos variables. Para funciones de una variable
usaremos explicit( f (x), x,a,b) para dibujar f (x) en [a, b]. Con funciones de dos variables
escribiremos explicit( f (x, y), x,a,b,y,c,d).
(%i37)
draw2d(
color=dark-red,line_width=5,
xaxis=true,yaxis=true,
explicit(log(x),x,0,7));
(%o37)
1.5
0.5
-0.5
-1
-1.5
-2
0
implicit: nos permite dibujar el lugar de los puntos que verifican una ecuacin en el plano
41
Grficos con draw
(%i38)
(%o38)
Grficos
draw2d(
grid=true,
line_type=solid,
color=blue,
key="y 2=x 3-2x+1",
implicit(y 2=x 3-2x+1, x, -4,4, y, -4,4),
line_type=dots,
color=red,
key="x 3+y 3 = 3xy 2-x-1",
implicit(x 3+y 3 = 3xy 2-x-1, x,-4,4, y,-4,4),
title="dos funciones implcitas");
dos funciones impl citas
4
y^2=x^3-2*x+1
x^3+y^3 = 3*x*y^2-x-1
3
2
1
0
-1
-2
-3
-4
-4
-3
-2
-1
rectangle: para dibujar un rectngulo slo tenemos que indicar el vrtice inferior izquierdo y
su opuesto.
(%i39)
draw2d(line_width=6,
line_type=dots,
transparent=false,
fill_color=spring-green,
rectangle([-2,-2],[6,-1]),
transparent=false,
fill_color=red,
line_type=solid,
line_width=2,
rectangle([9,4],[2,-1]),
xrange=[-3,10],
yrange=[-3,4.5]);
42
Grficos
(%o39)
Grficos con draw
-1
-2
-3
-2
10
ellipse: la orden ellipse permite dibujar elipses indicando 3 pares de nmeros: los dos primeros son las coordenadas del centro, los dos segundos indican la longitud de los semiejes y los
ltimos son los ngulos inicial y final.
En el dibujo siguiente puedes comprobar cmo la opcin nticks permite mejorar, aqu empeorar,
un grfico aumentando o, como en este caso, disminuyendo el nmero de puntos que se utilizan
para dibujarlo.
(%i40)
(%o40)
draw2d(
ellipse(0,0,4,2,0,180),
nticks = 5,
ellipse(0,0,4,2,180,360));
2
1.5
0.5
-0.5
-1
-1.5
-2
-4
-3
-2
-1
La parte superior de la elipse se ha dibujado utilizando 30 puntos y la inferior nicamente 5.
points: para representar una lista de puntos en el plano o en el espacio tenemos dos posibilidades.
Podemos dar los vectores de la forma 5 [[x1,y1],[x2,y2],...], como por ejemplo
(%i41)
draw2d(
color=blue,
point_type=filled_circle,
point_size=2,
points(makelist([random(10.0),random(10.0)],k,1,150)));
En el ejemplo usaremos la orden makelist que genera una lista de acuerdo a la regla que aparece como primera entrada
con tantos elementos como indique el contador que le sigue. En el prximo captulo lo comentaremos con ms detalle.
43
Grficos con draw
(%o41)
Grficos
9
8
7
6
5
4
3
2
1
o podemos agrupar por coordenadas de la forma [[x1,x2,x3,...],[y1,y2,y3,...]] como

aqu.
(%i42)
(%o42)
draw2d(
color=orange-red,
point_type=5,
point_size=3,
points(makelist(random(10.0),k,1,10),
makelist(random(10.0),k,1,10)));
9
8
7
6
5
4
3
2
1
1
vector: dibuja vectores tanto en dos como en tres dimensiones. Para dar un vector hay que fijar
el origen y la direccin.
(%i43)
draw2d(
head_length = 0.03, head_angle=20,
color=cyan, vector([0,0],[1,1]/sqrt(2)),
color=red, vector([0,0],[1,-1]/sqrt(2)),
color=blue, vector([0,0],[1,2]/sqrt(5)),
title="tres vectores");
44
Grficos
Grficos con draw
(%o43)
En la ayuda puedes encontrar varios opciones sobre el aspecto como se representan los vectores.
Nosotros hemos usado head_length y head_angle para el tamao de la punta de la fecha de
los vectores.
2.3.2
Opciones
Es importante destacar que hay dos tipos de opciones: locales y globales. Las locales slo afectan
al objeto que les sigue y, obligatoriamente, tienen que precederlo. En cambio las globales afectan
a todos los objetos dentro de la orden draw y da igual su posicin (aunque solemos escribirlas
todas juntas al final).
Opciones globales
xrange, yrange: rango de las variables x e y. Por defecto se ajusta automticamente al objeto
que se est representando pero hay ocasiones en que es preferible fijar un rango comn.
(%i44)
(%o44)
draw2d(color=blue,
explicit(cos(x),x,0,4%pi),
color=red,
explicit(x 3,x,-5,5),
xrange=[0,%pi],yrange=[-2,2])$
2
1.5
0.5
-0.5
-1
-1.5
-2
0
0.5
1.5
2.5
Si en el ejemplo anterior no limitamos el rango a representar, al menos en la coordenada y, es

difcil poder ver a la vez la funcin coseno que toma valores entre 1 y -1 y la funcin x3 que en 5
vale bastante ms.
grid: dibuja una malla sobre el plano XY si vale true.
45
Grficos con draw
(%i45)
(%o45)
Grficos
draw2d(
color=blue,nticks=100,
implicit(xy=1,x,-3,3,y,-3,3),
grid=true)$
3
-1
-2
-3
-3
-2
-1
Acabamos de dibujar la hiprbola definida implcitamente por la ecuacin xy = 1. La opcin grid

nos ayuda a hacernos una idea de los valores que estamos representando.
title ="ttulo de la ventana" nos permite poner un ttulo a la ventana donde aparece el resultado
final. Es una opcin global.
(%i46)
(%o46)
draw2d(
color=blue,
nticks=100,
grid=true,
title="Hiperbola"
)$
Hiperbola
3
-1
-2
-3
-3
-2
-1
xlabel, ylabel, zlabel: indica la etiqueta de cada eje. Es una opcin global.
(%i47)
draw2d(color=blue,
explicit(exp(x/2),x,-2,2),
xlabel="Tiempo",
ylabel="Habitantes",
title="Evolucion de la poblacion");
46
Grficos
Grficos con draw
(%o47)
Evolucion de la poblacion
2.5
Habitantes
1.5
0.5
-2
-1.5
-1
-0.5
0
Tiempo
0.5
1.5
xaxis, yaxis: si vale true se dibuja el correspondiente eje. Es una opcin global.
Opciones locales
point_size: tamao al que se dibujan los puntos. Su valor por defecto es 1. Afecta a los objetos
de tipo point.
point_type: indica cmo se van a dibujar los puntos . El valor para esta opcin puede ser un nombre o un nmero: none (-1), dot (0),plus (1), multiply (2), asterisk (3), square (4), filled_square (5),
circle (6), filled_circle (7), up_triangle (8), filled_up_triangle (9), down_triangle (10), filled_down_triangle
(11), diamant (12) y filled_diamant (13). Afecta a los objetos de tipo point.
filled_func: esta orden nos permite rellenar con un color la grfica de una funcin. Existen
dos posibilidades: si filled_func vale true se rellena la grfica de la funcin hasta la parte
inferior de la ventana con el color establecido en fill_color
(%i48)
(%o48)
draw2d(fill_color=blue,
filled_func=true,
explicit(cos(x),x,0,10)
):
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
10
en cambio, si filled_func es una funcin, entonces se colorea el espacio entre dicha funcin y
la grfica que estemos dibujando
(%i49)
draw2d(
filled_func=sin(x),
fill_color=navy,
explicit(cos(x),x,0,10));
47
Grficos con draw
(%o49)
Grficos
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
10
En este caso, tenemos sombreada el rea entre las funciones seno y coseno. Podemos dibujar stas
tambin pero es necesario suprimir el sombreado si queremos que no tape a las funciones:
(%i50)
(%o50)
draw2d(
filled_func=sin(x),fill_color=navy,
explicit(cos(x),x,0,10),
filled_func=false,color=red,line_width=10,
explicit(sin(x),x,0,10),
color=yellow,line_width=10,
explicit(cos(x),x,0,10));
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
10
fill_color: ver el apartado anterior filled_func.

color: especifica el color en el que se dibujan lneas, puntos y bordes de polgonos. Directamente
de la ayuda de Maxima:
Los nombres de colores disponibles son: "white", "black",
"gray0", "grey0", "gray10", "grey10", "gray20",
"grey20", "gray30", "grey30", "gray40", "grey40",
"gray50", "grey50", "gray60", "grey60", "gray70",
"grey70", "gray80", "grey80", "gray90", "grey90",
"gray100", "grey100", "gray", "grey", "light-gray",
"light-grey", "dark-gray", "dark-grey", "red",
"light-red", "dark-red", "yellow", "light-yellow",
"dark-yellow", "green", "light-green", "dark-green",
"spring-green", "forest-green", "sea-green", "blue",
"light-blue", "dark-blue", "midnight-blue", "navy",
"medium-blue", "royalblue", "skyblue", "cyan",
48
Grficos
Grficos con draw
"light-cyan", "dark-cyan", "magenta", "light-magenta",

"dark-magenta", "turquoise", "light-turquoise",
"dark-turquoise", "pink", "light-pink", "dark-pink",
"coral", "light-coral", "orange-red", "salmon",
"light-salmon", "dark-salmon", "aquamarine", "khaki",
"dark-khaki", "goldenrod", "light-goldenrod",
"dark-goldenrod", "gold", "beige", "brown", "orange",
"dark-orange", "violet", "dark-violet", "plum" y
"purple".
Ya lo hemos usado en casi todos los ejemplos anteriores.
line_width: grosor con el que se dibujan las lneas. Su valor por defecto es 1.
(%i51)
(%o51)
draw2d(
color=blue,line_width=10,nticks=100,
grid=true,
)$
3
-1
-2
-3
-3
-2
-1
nticks: nmero de puntos que se utilizan para calcular los dibujos. Por defecto es 30. Un nmero
mayor aumenta el detalle del dibujo aunque a costa de un mayor tiempo de clculo y tamao del
fichero (si se guarda). Slo afecta a los objetos de tipo ellipse, explicit, parametric, polar
y parametric.
key: indica la leyenda con la que se identifica la funcin.
(%i52)
draw2d(color=blue,key="funcin",explicit(f(x),x,-2,3),
color=red,key="tangente",explicit(tangente(x,1),x,-2,3),
grid=true);
(%o52)
funcion
tangente
5
-5
-10
-2
-1
49
Animaciones grficas
Grficos
2.4 Animaciones grficas

Con wxMaxima es muy fcil hacer animaciones grficas que dependen de un parmetro. Por
ejemplo, la funcin sen(x + n) depende del parmetro n. Podemos representar su grfica para
distintos valores de n y con ello logramos una buena visualizacin de su evolucin (que en este
caso ser una onda que se desplaza). Para que una animacin tenga calidad es necesario que todos
los grficos individuales tengan el mismo tamao y que no den saltos para lo que elegimos un
intervalo del eje de ordenadas comn.
Para ver la animacin, cuando se hayan representado las grficas, haz clic con el ratn sobre
ella y desplaza la barra (slider) que tienes bajo el men. De esta forma t mismo puedes controlar
el sentido de la animacin , as como la velocidad.
with_slider
with_slider_draw
animacin de draw2d
Tenemos dos posibilidades para construir animaciones dependiendo de si queremos que Maxima
utilice plot2d o draw2d. En cualquier caso, en primer lugar siempre empezamos con el parmetro, una lista de valores del parmetro y el resto debe ser algo aceptable por el correspondiente
comando con el que vayamos a dibujar.
Por ejemplo, vamos a crear una animacin con la orden with slider de la funcin sen(x + n),
donde el parmetro n va a tomar los valores desde 1 a 20. La orden makelist(i,i,1,20) nos
da todos los nmeros naturales comprendidos entre 1 y 20. Ya veremos con ms detalle en el
Captulo 3 cmo podemos manejar listas.
(%i53)
with slider(n,
makelist(i,i,1,20),
sin(x+n),
[x,-2*%pi,2*%pi],
[y,-1.1,1.1]);
En la Figura 2.3 tienes la representacin de algunos valores.

1
0.5
0.5
sin(x+15)
sin(x+5)
with_slider
animacin de plot2d
-0.5
-0.5
-1
-1
-6
-4
-2
0
x
-6
n = 5
-4
-2
0
x
n = 15
Figura 2.3 sen(x + n)
50
Grficos
Animaciones grficas
Si en lugar de sumar el parmetro a la variable (que traslada la funcin), multiplicamos el parmetro

y la variable conseguimos cambiar la frecuencia de la onda que estamos dibujando.
with slider(n,makelist(i,i,1,20),sin(xn),
[x,-2*%pi,2*%pi],[y,-1.1,1.1]);
(%i54)
0.5
0.5
sin(15*x)
sin(5*x)
Puedes ver en la Figura 2.4 puedes ver cmo aumenta la frecuencia con n.
-0.5
-0.5
-1
-1
-6
-4
-2
0
x
-6
-4
n = 5
-2
0
x
n = 15
Figura 2.4 sen(n x)
Si en lugar de plot2d, utilizamos el mdulo draw para disear los dibujos, tenemos que usar
with_slider_draw. De nuevo, en primer lugar va el parmetro, despus, una lista que indica
los valores que tomar el parmetro y el resto debe ser algo aceptable por la orden draw. Un
detalle importante en este caso es que el parmetro no slo puede afectar a la funcin sino que
podemos utilizarlo en cualquier otra parte de la expresin. Por ejemplo, podemos utilizar esto para
ir dibujando poco a poco una circunferencia en coordenadas paramtricas de la siguiente forma
(%i55)
with_slider_draw(
t,makelist(%pii/10,i,1,20),
parametric(cos(x),sin(x),x,0,t),
xrange=[-1,1],
yrange=[-1,1],
user_preamble="set size ratio 1")$
En la Figura 2.5 tenemos representados algunos pasos intermedios

El tipo de objeto parametric no lo hemos comentado en los apartados anteriores. Nos permite
representar la grfica de una curva en el plano. En la ayuda de Maxima puedes encontrar ms
detalles.
En el ltimo ejemplo podemos ver cmo se pueden combinar funciones definidas explcita e
implcitamente juntos con vectores para obtener una representacin de las funciones seno y coseno.
51
Ejercicios
Grficos
0.5
0.5
-0.5
-0.5
-1
-1
-0.5
0.5
-1
1
-1
t =
-0.5
0.5
y = 3/2
Figura 2.5 Construccin de una circunferencia en paramtricas
(%i56)
with_slider_draw(t,makelist(2%pii/39,i,1,40),
line_width=3, color=blue,
parametric(cos(x),sin(x),x,0,t),
color=light-red, key="seno",
explicit(sin(x),x,0,t),
color=dark-red, key="coseno",
explicit(cos(x),x,0,t),
line_type=dots, head_length=0.1,
color=dark-red, key="",
vector([0,0],[cos(t),0]),
color=light-red, line_type=dots,
head_length=0.1, key="",
vector([0,0],[0,sin(t)]),
line_type=dots, head_length=0.1, key="",
vector([0,0],[cos(t),sin(t)]),
xaxis=true,yaxis=true,
title="Funciones seno y coseno",
xrange=[-1,2%pi],yrange=[-1,1]);
Para t = 5, el resultado lo puedes ver en la Figura 2.6
2.5 Ejercicios
Ejercicio 2.1. Representa en una misma grfica las funciones seno y coseno en el intervalo
[2, 2]. Utiliza las opciones adecuadas para que una de las funciones se represente en azul y
otra en rojo y, adems, tengan grosores distintos.
52
Grficos
Ejercicios
Funciones seno y coseno

1
seno
coseno
0.5
-0.5
-1
-1
Figura 2.6 Las funciones seno y coseno

Ejercicio 2.2. Compara las grficas de las funciones cos(x) y cos(x). A qu conclusin llegas
sobre la paridad o imparidad de la funcin coseno? Haz lo mismo con las funciones sen(x) y
sen(x).
Ejercicio 2.3. Representa las funciones logaritmo neperiano, exponencial y f (x) = x2 con
colores diferentes. Compara el crecimiento de estas funciones cerca de cero y lejos de cero. Qu
ocurre si la base de la exponencial y del logaritmo es menor que 1?
Ejercicio 2.4. Dibuja las grficas de las funciones coseno hiperblico, seno hiperblico, argumento seno hiperblico y argumento coseno hiperblico. Alguna de ellas es par o impar? Son
positivas?
Ejercicio 2.5. Representa la curva cos(x)2 x sen(x)2 en el intervalo [, ] y sobre ella 5
puntos cuyo tamao y color debes elegir t. Sabras hacer lo mismo con 8 puntos elegidos aleatoriamente? 6
Ejercicio 2.6.
Representa la grfica de la funcin f : R+0 R definida como

( 3x+1
e , si 0 x < 10,
f (x) =
ln x2 + 1 , si x 10.
Ejercicio 2.7. Encuentra las funciones cuyas grficas corresponden a las siguientes curvas:
En el siguiente captulo puedes encontrar una explicacin ms detallada sobre como definir y operar con listas.
53
Ejercicios
Grficos
(a)
(b)
(c)
(d)
54
Listas y matrices
Listas
Listas y matrices
3
3.1 Listas 55 3.2 Matrices 60
3.3 Ejercicios 69
3.1 Listas
Maxima tiene una manera fcil de agrupar objetos, ya sean nmeros, funciones, cadenas de
texto, etc. y poder operar con ellos. Una lista se escribe agrupando entre corchetes los objetos que
queramos separados por comas. Por ejemplo,
(%i1)
[0,1,-3];
(%o1)
[0,1,-3]
es una lista de nmeros. Tambin podemos escribir listas de funciones
(%i2)
[x,x 2,x 3]
(%o2)
[x,x2 ,x3 ]
o mezclar nmeros, variables y texto
(%i3)
[0,1,-3,a,"hola"];
(%o3)
[0,1,-3,a,hola]
first, second,...,tenth
lista[i]
last
part
reverse
sort
flatten
length
unique
primera, segunda,...,dcima
entrada de una lista
entrada i-sima de la lista
ltimo elemento de una lista
busca un elemento dando
su posicin en la lista
invertir lista
ordenar lista
unifica las sublistas en una lista
longitud de la lista
elementos que slo aparecen
una vez en la lista
55
Listas
Listas y matrices
Los elementos que forman la lista pueden ser, a su vez, listas (aunque no es exactamente lo mismo,
piensa en matrices como listas de vectores):
(%i4)
(%o4)

lista: [1,2],1,[3,a,1]

[1,2],1,[3,a,1]
Podemos referirnos a una entrada concreta de una lista. De hecho Maxima tiene puesto nombre
a las diez primeras: first, second,..., tenth
last
part
(%i5)
first(lista);
(%o5)
[1,2]
(%i6)
second(lista);
(%o6)
o podemos referirnos directamente al ltimo trmino.
(%i7)
last(lista);
(%o7)
[3,a,1]
Si sabemos la posicin que ocupa, podemos refererirnos a un elemento de la lista utilizando part.
Por ejemplo,
(%i8)
part(lista,1)
(%o8)
[1,2]
nos da el primer elemento de la lista anterior. Obtenemos el mismo resultado indicando la posicin
entre corchetes. Por ejemplo,
(%i9)
lista[3];
(%o9)
[3,a,1]
y tambin podemos anidar esta operacin para obtener elementos de una sublista
(%i10)
lista[3][1];
(%o10)
Con part podemos extraer varios elementos de la lista enumerando sus posiciones. Por ejemplo,
el primer y el tercer elemento de la lista son
56
Listas y matrices
(%i11)
part(lista,[1,3]);
(%o11)
[[1,2],[3,a,1]]
Listas
o el segundo trmino del tercero que era a su vez una lista:
(%i12)
part(lista,3,2);
(%o12)
El comando flatten construye una nica lista con todas los elementos, sean estos listas o no. flatten
Mejor un ejemplo:
(%i13)
flatten([[1,2],1,[3,a,1]])
(%o13)
[1,2,1,3,a,1]
La lista que hemos obtenido contiene todos los anteriores. Podemos eliminar los repetidos con
unique
unique
(%i14)
unique(%)
(%o14)
[1,2,3,a]
Vectores
En el caso de vectores, listas de nmeros, tenemos algunas posibilidades ms. Podemos sumarlos
(%i15)
v1:[1,0,-1];v2:[-2,1,3];
(%o15)
[1,0,-1]
(%o16)
[-2,1,3]
(%i17)
v1+v2;
(%o17)
[-1,1,2]
o multiplicarlos.
(%i18)
v1v2;
(%o18)
[-2,0,-3]
Un momento, cmo los hemos multiplicado? Trmino a trmino. Esto no tiene nada que ver con
el producto escalar o con el producto vectorial. El producto escalar, por ejemplo, se indica con .
(%i19)
v1.v2;
57
Listas
(%o19)
sort
length
3.1.1
Listas y matrices
-5
Podemos ordenar los elementos de la lista (del vector en este caso)
(%i20)
sort(v1);
(%o20)
[-1,0,1]
o saber cuntos elementos tiene
(%i21)
length(v1);
(%o21)
Construir y operar con listas

makelist
apply
map
listp(expr )
makelist
genera lista
aplicar un operador a una lista
aplicar una funcin a una lista
devuelve true si la expresin
es una lista
Los ejemplos que hemos visto de listas hasta ahora son mezcla de nmeros y letras de forma
bastante aleatoria. En la prctica, muchas de las listas que aparecen estn definidas por alguna
regla. Por ejemplo, queremos dibujar las funciones sen(x), sen(2x),..., sen(20x). Seguro que no
tienes ganas de escribir la lista completa. Este es el papel de la orden makelist. Para escribir esa
lista necesitamos la regla, la frmula que la define, un parmetro y entre qu dos valores se mueve
dicho parmetro:
(%i22)
makelist(sin(tx),t,1,20)
(%o22)
[sin(x),sin(2 x),sin(3 x),sin(4 x),sin(5 x),sin(6 x),

sin(7 x),sin(8 x),sin(9 x),sin(10 x),sin(11 x),
sin(12 x),sin(13 x),
sin(14 x),sin(15 x),
sin(16 x),sin(17 x),sin(18 x),sin(19 x),sin(20 x)]
Las listas tambin se pueden utilizar como contadores. El caso que suele ser ms til es una lista
cuyas entradas sean un rango de enteros. Por ejemplo, los primeros cien naturales empezamos en
uno) son
(%i23)
makelist(i,i,1,100);
58
Listas y matrices
(%o23)
Listas
[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,
23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,
42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,
61,62,63,64,65,66,67, 68,69,70,71,72,73,74,75,76,77,78,79,
80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,
99,100]
o si slo queremos los pares:
(%i24)
makelist(2i,i,1,50);
(%o24)
[2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38,40,
42,44,46,48,50,52,54,56,58,60,62,64,66,68,70,72,74,76,78,
80,82,84,86,88,90,92,94,96,98,100]
Ya que tenemos una lista, cmo podemos jugar con sus elementos? Por ejemplo, se puede
calcular el cuadrado de los 100 primeros naturales? Y su media aritmtica o su media geomtrica?
Las rdenes map y apply nos ayudan a resolver este problema. La orden map permite aplicar una map
funcin a cada uno de los elementos de una lista. Por ejemplo, para calcular sen(1), sen(2),...,
sen(10), hacemos lo siguiente
(%i25)
map(sin,makelist(i,i,1,10));
(%o25)
[sin(1),sin(2),sin(3),sin(4),sin(5),sin(6),sin(7),sin(8),
sin(9),sin(10)]
o si queremos la expresin decimal
(%i26)
%,numer
(%o26)
[0.8414709848079,0.90929742682568,0.14112000805987,
-0.75680249530793,-0.95892427466314,-0.27941549819893,
0.65698659871879,0.98935824662338,0.41211848524176,
-0.54402111088937]
La orden apply, en cambio, pasa todos los valores de la lista a un operador que, evidentemente, apply
debe saber qu hacer con la lista. Ejemplos tpicos son el operador suma o multiplicacin. Por
ejemplo
(%i27)
apply("+",makelist(i,i,1,100));
(%o27)
5050
nos da la suma de los primeros 100 naturales.
59
Matrices
Listas y matrices
Ejemplo 3.1. Vamos a calcular la media aritmtica y la media geomtrica de los 100 primeros
naturales. Cul ser mayor? Recuerdas la desigualdad entre ambas medias? La media aritmtica
es la suma de todos los elementos dividido por la cantidad de elementos que sumemos:
(%i28)
(%o28)
apply("+",makelist(i,i,1,100))/100;
101
2
La media geomtrica es la raz n-sima del producto de los n elementos:
(%i29)
apply("",makelist(i,i,1,100)) (1/100);
(%o29)
17 20 19 20 23 25 37 50 41 50 43 50 47 50 2401 25 15625 25 531441 25

1
638714741182055044530[30digits]99766363898994157944832 100
(%i30)
float(%);
(%o30)
37.9926893448343
Parece que la media geomtrica es menor.

Ejemplo 3.2. Cul es el mdulo del vector (1, 3, 7, 8, 1)? Tenemos que calcular la raz cuadrada de la suma de sus coordenadas al cuadrado:
(%i31)
vector:[1,3,-7,8,1];
(%o31)
[1,3,-7,8,1]
(%i32)
sqrt(apply("+",vector 2));
2 31
(%o32)
Tambin es posible calcular el mdulo como la raz cuadrada del producto escalar de un vector
consigo mismo.
(%i33)
(%o33)
sqrt(vector.vector);
2 31
A la vista de estos ejemplos, cmo podramos definir una funcin que nos devuelva la media
aritmtica, la media geomtrica de una lista o el mdulo de un vector?
3.2 Matrices
matrix
Las matrices se escriben de forma parecida a las listas y, de hecho, slo tenemos que agrupar las
filas de la matriz escritas como listas bajo la orden matrix. Vamos a definir un par de matrices y
un par de vectores que van a servir en los ejemplos en lo que sigue.
60
Listas y matrices
(%i34)
Matrices
(%o37)
A:matrix([1,2,3],[-1,0,3],[2,1,-1]);
B:matrix([-1,1,1],[1,0,0],[-3,7,2]);
a:[1,2,1];
b:[0,1,-1];
1 2 3
-1 0 3
2 1 -1
-1 1 1
1 0 0
-3 7 2
[1,2,1]
(%o37)
[0,-1,1]
(%o35)
(%o36)
En wxMaxima tambin podemos escribir una matriz usando el men lgebraIntroducir

matriz. Nos aparece una ventana como las de la Figura 3.1 donde podemos rellenar los valores.
Seleccionar tipo de matriz
Introducir valores
Figura 3.1 Introducir matriz
matrix(fila1,fila2,... )
matrix_size(matriz )
matrixp(expresin )
matriz
nmero de filas y columnas
devuelve true si expresin
es una matriz
Las dimensiones de una matriz se pueden recuperar mediante la orden matrix_size que devuel- matrix_size
ve una lista con el nmero de filas y columnas.
(%i38)
matrix_size(A);
(%o38)
[3,3]
Observacin 3.3.
Aunque muy similares, Maxima distingue entre listas y matrices. La orden

matrixp(expresin ) devuelve true o false dependiendo de si la expresin es o no una
matriz. Por ejemplo, los vectores a y b que hemos definido antes, son o no son matrices?
61
matrixp
Matrices
Listas y matrices
(%i39)
matrixp(a);
(%o39)
false
Aunque pueda parecer lo contrario, no son matrices, son listas.
(%i40)
listp(a);
(%o40)
true
Slo es aceptado como matriz aquello que hallamos definido como matriz mediante la orden matrix o alguna de sus variantes. Al menos en wxMaxima, hay un pequeo truco para ver si algo es
o no una matriz. Cul es la diferencia entre las dos siguientes salidas?
(%i41)
[1,2,3];
(%o41)
[1,2,3]
(%i42)
matrix([1,2,3]);
(%o42)
[1
3]
wxMaxima respeta algunas de las diferencias usuales entre vectores y matrices: no pone comas
separando las entradas de las matrices y, adems, dibuja los corchetes un poco ms grandes en el
caso de matrices.
3.2.1
Operaciones elementales con matrices

La suma y resta de matrices se indica como es usual,
(%i43)
(%o43)
(%i44)
(%o44)
A+B;
0
0
1
A-B;
2
2
3
0
8
1
0
6
en cambio el producto de matrices se indica con un punto, ., como ya vimos con vectores. El
operador multiplica los elementos de la matriz entrada a entrada.
(%i45)
(%o45)
A.B;
8 22
8 20
2 5
62
Listas y matrices
(%i46)
(%o46)
Matrices
AB;
1 2
1 0
6 7
Con las potencias ocurre algo parecido: n eleva toda la matriz a n, esto es, multiplica la
matriz consigo misma n veces,
(%i47)
(%o47)
A 2
5 5
5 1
1 3
10
y n eleva cada entrada de la matriz a n.
(%i48)
(%o48)
A2
1 4
1 0
4 1
Para el producto de una matriz por un vector slo tenemos que tener cuidado con utilizar el
punto.
(%i49)
(%o49)
A.a;

8
2

3
y no tenemos que preocuparnos de si el vector es un vector fila o columna
(%i50)
a.A
(%o50)
[1
8]
El nico caso en que tiene el resultado esperado es el producto de una matriz o un vector por
un escalar.
(%i51)
(%o51)
2*A;
2 4
2 0
4 2
63
Matrices
3.2.2
Listas y matrices
Otras operaciones usuales

rank(matriz )
col(matriz,i )
row(matriz,j )
minor(matriz,i,j )
rango de la matriz
columna i de la matriz
fila j de la matriz
menor de la matriz obtenido al
eliminar la fila i y la columna j
submatrix(fila1,fila2,..,matriz,col1,.. ) matriz obtenida al eliminar las

filas y columnas mencionadas
triangularize(matriz ) forma triangular superior de la matriz
determinant(matriz ) determinante
invert(matriz ) matriz inversa
transpose(matriz ) matriz transpuesta
nullspace(matriz ) ncleo de la matriz
transpose
Existen rdenes para la mayora de las operaciones comunes. Podemos calcular la matriz transpuesta con transpose,
(%i52)
(%o52)
determinant
invert
calcular el determinante,
(%i53)
determinant(A);
(%o53)
o, ya que sabemos que el determinante no es cero, su inversa:
(%i54)
(%o54)
rank
transpose(A);
1 1 2
2 0
1
3 3 1
invert(A);
3
5
3
4
4
2
5
7
3
4
2
41
3
1
4
4
2
Como det(A) 6= 0, la matriz A tiene rango 3. En general, podemos calcular el rango de una
matriz cualquiera n m con la orden rank
(%i55)
m:matrix([1,3,0,-1],[3,-1,0,6],[5,-3,1,1])$
(%i56)
rank(m);
64
Listas y matrices
(%o56)
Matrices
El rango es fcil de averiguar si escribimos la matriz en forma triangular superior utilizando el

mtodo de Gauss con la orden triangularize y le echamos un vistazo a la diagonal:
(%i57)
(%o57)
triangularize(m);
3
0
1
1
0 10
0
9
0
0
10 102
Cualquiera de estos mtodos es ms rpido que ir menor a menor buscando alguno que no se
anule. Por ejemplo, el menor de la matriz A que se obtiene cuando se eliminan la segunda fila y la
primera columna es
(%i58)
(%o58)
minor
minor(A,2,1);

2 3
1 1
Caso de que no fuera suficiente con eliminar una nica fila y columna podemos eliminar tantas
filas y columnas como queramos con la orden submatrix. Esta orden elimina todas las filas que
escribamos antes de una matriz y todas las columnas que escribamos despus. Por ejemplo, para
eliminar la primera y ltima columnas junto con la segunda fila de la matriz m escribimos:
(%i59)
triangularize
submatrix
submatrix(2,m,1,4);

3 0
3 1
(%o59)
En el extremo opuesto, si slo queremos una fila o una columna de la matriz, podemos usar el
comando col para extraer una columna
(%i60)
(%o60)
col
col(m,2);

3
1

3
y el comando row para extraer una fila. El resultado de ambas rdenes es una matriz.
(%i61)
row(m,1);
(%o61)
[1
(%i62)
matrixp(%);
(%o62)
true
1 ]
65
row
Matrices
Listas y matrices
Para acabar con esta lista de operaciones, conviene mencionar cmo se calcula el ncleo de una
matriz. Ya sabes que el ncleo de una matriz A = (ai j ) de orden n m es el subespacio
ker(A) = {x; A.x = 0}
nullspace
y es muy til, por ejemplo, en la resolucin de sistemas lineales de ecuaciones. La orden nullspace
nos da una base del ncleo de la matriz:
(%i63)
(%o63)
3.2.3
nullspace(matrix([1,2,4],[-1,0,2]));

4
span 6
2
Ms sobre escribir matrices

Si has utilizado el men lgebraIntroducir matriz para escribir matrices ya has visto que
tienes atajos para escribir matrices diagonales, simtricas y antisimtricas.
diagmatrix(n,x)
entermatrix(m,n )
genmatrix
matrix[i,j]
entermatrix
definir matriz m n
genera una matriz mediante una regla
elemento de la fila i, columna j de la matriz
Existen otras formas de dar una matriz en Maxima. La primera de ellas tiene ms inters si ests
utilizando Maxima y no wxMaxima. Se trata de la orden entermatrix. Por ejemplo, para definir una matriz con dos filas y tres columnas, utilizamos entermatrix(2,3) y Maxima nos va
pidiendo que escribamos entrada a entrada de la matriz:
(%i64)
(%o64)
diagmatrix
matriz diagonal n n con x en la diagonal
c:entermatrix(2,3);
Row 1 Column 1: 1;
Row 1 Column 2: 2;
Row 1 Column 3: 4;
Row 2 Column 1: -1;
Row 2 Column 2: 0;
Row 2 Column 3: 2;
Matrix entered.

1 2 4
1 0 2
Tambin es fcil de escribir la matriz diagonal que tiene un mismo valor en todas las entradas
de la diagonal: slo hay que indicar el orden y el elemento que ocupa la diagonal. Por ejemplo,
la matriz identidad de orden 4 se puede escribir como sigue.
(%i65)
diagmatrix(4,1);
66
Listas y matrices
(%o65)
Matrices
0
1
0
0
0
0
1
0
0
1
Por ltimo, tambin podemos escribir una matriz si sabemos una regla que nos diga cul es el
valor de la entrada (i, j) de la matriz. Por ejemplo, para escribir la matriz que tiene como entrada
ai j = i j, escribimos en primer lugar dicha regla 7
(%i66)
a[i,j]:=ij;
(%o66)
aij :=ij
y luego utilizamos genmatrix para construir la matriz (3 3 en este caso):
(%i67)
(%o67)
genmatrix(a,3,3);
1 2 3
2 4 6
3 6 9
Observa que hemos utilizado corchetes y no parntesis para definir la regla ai j . Bueno, que ya
hemos definido la matriz a...un momento, seguro?
(%i68)
matrixp(a);
(%o68)
false
Pero no acabbamos de definirla? En realidad, no. Lo que hemos hecho es definir la regla que
permite construir los elementos de la matriz pero no le hemos puesto nombre:
(%i69)
(%o69)
c:genmatrix(a,4,5);
2 3
4
5
4 6
8 10
6 9 12 15
8 12 16 20
3
4
Podemos utilizar la misma notacin para referirnos a los elementos de la matriz. Por ejemplo,
al elemento de la fila i y la columna j, nos referimos como c[i, j] (de nuevo, observa que estamos
utilizando corchetes):
(%i70)
c[2,3];
(%o70)
Si no has borrado el vector a que definimos hace algunas pginas, Maxima te dar un error.
67
genmatrix
Matrices
3.2.4
Listas y matrices
Valores propios
charpoly(matriz,variable )
eigenvalues(matriz )
eigenvectors(matriz )
charpoly
polinomio caracterstico
valores propios de la matriz
valores y vectores propios de la matriz
Los valores propios de una matriz cuadrada, A, son las races del polinomio caracterstico det(A
xI), siendo I la matriz identidad. La orden charpoly nos da dicho polinomio.
(%i71)
(%i73)
S:matrix([-11/15,-2/15,-4/3],[-17/15,16/15,-1/3],[8/15,4/15,5/3]);
11
2
4
15 15 3
17
16
13
15
15
8
4
5
15
15
3
charpoly(S,x);

16

5
8 15 x
!
!
!
! 2 17 3 x 8
4
15
45
15
5
4
11
16
x
x +
x
+
15
3
45
15
15
3
expand(%);
(%o73)
-x 3+2x 2+x-2
(%o71)
(%i72)
(%o72)
68
225
Por tanto, sus valores propios son
eigenvalues
eigenvectors
(%i74)
solve(%,x);
(%o74)
[x=2,x=-1,x=1]
Todo este desarrollo nos lo podemos ahorrar: la orden eigenvalues nos da los valores propios
junto con su multiplicidad.
(%i75)
eigenvalues(S);
(%o75)
[[2,-1,1],[1,1,1]]
En otras palabras, los valores propios son 2, 1 y 1 todos con multiplicidad 1. Aunque no lo
vamos a utilizar, tambin se pueden calcular los correspondientes vectores propios con la orden
eigenvectors:
(%i76)
eigenvectors(S);
(%o76)
[[[2,-1,1],[1,1,1]],[1,-1/2,-2],[1,4/7,1/7],[1,7,-2]]
68
Listas y matrices
Ejercicios
La respuesta es, en esto caso, cinco listas. Las dos primeras las hemos visto antes: son los valores
propios y sus multiplicidades. Las tres siguientes son los tres vectores propios asociados a dichos
valores propios.
3.3 Ejercicios
Ejercicio 3.1. Consideremos los vectores a = (1, 2, 1), b = (0, 2, 3/4), c = (e, 1, 0), y d =
(0, 0, 1). Realiza las siguientes operaciones
a) a + b,
b) 3c + 2b,
c) c.d, y
d) b.d + 3a.c.
Ejercicio 3.2. Consideremos las matrices
1 2 0
5
3
A = 2
3 1 4
1
2
0 5
0
4 2 1
C =
3
2 1 3
5
4 1 5
B = 12
D = 12
2 0
1 3
2
5
0
0 3
0 1
a) Calcular A.B, A + B, D.C.

b) Extraer la segunda fila de A, la tercera columna de C y el elemento (3, 3) de D.
c) Calcular det(A), det(B) y det(C). Para las matrices cuyo determinante sea no nulo, calcular su
inversa. Calcular sus valores propios.
d) Calcular el rango de las matrices A, B, C, D, D.C y A + B.
e) Construye una matriz del orden 3 3, de forma que el elemento (i, j) sea i j + j i. Calcula
el determinante, su inversa si la tiene, y su rango. Cules son sus valores propios?
Ejercicio 3.3. Calcula el rango de la matriz
2 7 4 3 0 1
0 0 5 4 1 0
A =
2 1 0 2 1 3
0 6 1
1 0 2
Ejercicio 3.4. Calcula los valores y vectores propios de las siguientes matrices:
3
9

3 0 4
0
0 4
A=
, B = 0 3 1 y C = 4 8 10
4 4
4 1 4
8 4 2
Ejercicio 3.5.
a) Genera una lista de 10 nmeros aleatorios entre 5 y 25 y reordnala en orden decreciente.
69
Ejercicios
Listas y matrices
Ejercicio 3.6. Define listauno:makelist(i,i,2,21), listados:makelist(i,i,22,31).

Realiza las siguientes operaciones usando algunos de los comandos antes vistos.
a) Multiplica cada elemento de listauno por todos los elementos de listados. El resultado
ser una lista con 20 elementos (que a su vez sern listas de 10 elementos), a la que llamars
productos.
b) Calcula la suma de cada una de las listas que forman la lista productos (no te equivoques,
comprueba el resultado). Obtendrs una lista con 20 nmeros.
c) Calcula el producto de los elementos de la lista obtenida en el apartado anterior.
Ejercicio 3.7. Genera una lista de 30 elementos cuyos elementos sean listas de dos nmeros que
no sean valores exactos.
Ejercicio 3.8.
(1)k+1
k
desde k = 1 hasta k = 1000.

b) Calcula el producto de los nmeros de la forma 1 + k12 desde k = 1 hasta k = 1000.
a) Calcula la suma de los nmeros de la forma
70
Resolucin de ecuaciones
Ecuaciones y operaciones con ecuaciones
4
4.1 Ecuaciones y operaciones con ecuaciones 71 4.2 Resolucin de ecuaciones 72
4.3 Ejercicios 79
Maxima nos va a ser de gran ayuda en la resolucin de ecuaciones, ya sean sistemas de ecuaciones lineales con un nmero grande de incgnitas (y parmetros) o ecuaciones no lineales. Un
ejemplo tpico es encontrar las soluciones de un polinomio. En este caso es fcil que alguna de
las soluciones sea compleja. No importa. Maxima se maneja bien con nmeros complejos. De hecho, siempre trabaja con nmeros complejos. Si tienes alguna duda de cmo operar con nmeros
complejos, en el Apndice A tienes una breve introduccin sobre su uso.
4.1 Ecuaciones y operaciones con ecuaciones

En Maxima, una ecuacin es una igualdad entre dos expresiones algebraicas escrita con el smbolo =.
expresin1=expresin2
lhs(expresin1=expresin2)
rhs(expresin1=expresin2)
ecuacin
expresin1
expresin2
Si escribimos una ecuacin, Maxima devuelve la misma ecuacin.
(%i1)
3x 2+2x+x 3-x 2=4x 2;
(%o1)
x3 +2x2 +2x=4x2
adems podemos asignarle un nombre para poder referirnos a ella
(%i2)
eq:3x 2+2x+x 3-a*x 2=4x 2;
(%o2)
x3 -ax2 +3x2 +2x=4x2
y operar como con cualquier otra expresin
(%i3)
eq-4x 2;
(%o3)
x3 -ax2 -x2 +2x=0
Podemos seleccionar la expresin a la izquierda o la derecha de la ecuacin con las rdenes lhs
y rhs respectivamente.
71
(%i4)
lhs(eq);
(%o4)
x3 -ax2 +3x2 +2x
4.2 Resolucin de ecuaciones

Maxima puede resolver los tipos ms comunes de ecuaciones y sistemas de ecuaciones algebraicas de forma exacta. Por ejemplo, sabe encontrar las races de polinomios de grado bajo (2,3 y 4).
En cuanto a polinomios de grado ms alto o ecuaciones ms complicadas, no siempre ser posible
encontrar la solucin exacta. En este caso, podemos intentar encontrar una solucin aproximada
en lugar de la solucin exacta.
4.2.1
solve
La orden solve
La primera orden que aparece en el men dentro de Maxima para resolver ecuaciones es solve. Esta orden intenta dar todas las soluciones, ya sean reales o complejas
de una ecuacin o sistema de ecuaciones. Se puede acceder a esta orden desde el men EcuacionesResolver
o escribiendo directamente en la ventana de Maxima la
ecuacin a resolver.
(%i5)
(%o5)
Figura 4.1 Resolver una ecuacin
solve(x 2-3x+1=0,x);
53
5+3
,x=
]
[x=2
2
solve(ecuacin,incgnita )
solve(expr,incgnita )
solve([ecuaciones ],[variables ])
multiplicities
resuelve la ecuacin
resuelve la expresin
igualada a cero
resuelve el sistema
guarda la multiplicidad
de las soluciones
Tambin podemos resolver ecuaciones que dependan de algn parmetro. Consideremos la ecuacin eq1:
(%i6)
eq1:x 3-ax 2-x 2+2x=0;
(%o6)
x3 -ax2 -x2 +2x=0
(%i7)
solve(eq1,x);
a2 +2a-7-a-1
a2 +2a-7+a+1
[x=,x=
,x=0]
2
2
(%o7)
Slo en el caso de ecuaciones con una nica variable podemos ahorrarnos escribirla
72
(%i8)
solve(x 2+2x=3);
(%o8)
[x=-3,x=1]
Tambin podemos no escribir el segundo miembro de una ecuacin cuando ste sea cero
(%i9)
solve(x 2+2x);
(%o9)
[x=-2,x=0]
(%i10)
solve(x 2+2x=0);
(%o10)
[x=-2,x=0]
Cuando buscamos las races de un polinomio hay veces que es conveniente tener en cuenta la
multiplicidad de las races. sta se guarda automticamente en la variable multiplicities. Por
ejemplo, el polinomio x7 2 x6 + 2 x5 2 x4 + x3 tiene las races 0, 1, i, i,
(%i11)
solve(x 7-2x 6+2x 5-2x 4+x 3);
(%o11)
[x=-%i,x=%i,x=1,x=0]
pero estas races no pueden ser simples: es un polinomio de grado 7 y slo tenemos 4 races. Cul
es su multiplicidad?
(%i12)
multiplicities;
(%o12)
[1,1,2,3]
O sea que i y i son races simples, 1 tiene multiplicidad 2 y 0 es una raz triple.
Observacin 4.1.
(%i13)
Mucho cuidado con olvidar escribir cules son las incgnitas.
solve(eq1);
More unknowns than equations - solve
Unknowns given :
[a,x]
Equations given:
[x3 -ax2 +3x2 +2x=4x2 ]
Hay dos variables y Maxima no sabe con cul de ellas quedarse como incgnita. Aunque nosotros
estemos acostumbrados a utilizar las letras x, y, z como incgnitas, para Maxima tanto a como x
tienen perfecto sentido como incgnitas y la respuesta en uno de ellos no nos interesa:
(%i14)
solve(eq1,a);
73
multiplicities
(%o14)
[a=
x2 -x+2
]
2
La orden solve no slo puede resolver ecuaciones algebraicas.
(%i15)
(%o15)
solve(sin(x)cos(x)=0,x);
solve: is using arc-trig functions to get a solution.
Some solutions will be lost.
%pi
[x=0,x=
]
2
Qu ocurre aqu? La expresin sen(x) cos(x) vale cero cuando el seno o el coseno se anulen.
Para calcular la solucin de sen(x) = 0 aplicamos la funcin arcoseno a ambos lados de la ecuacin.
La funcin arcoseno vale cero en cero pero la funcin seno se anula en muchos ms puntos. Nos
estamos dejando todas esas soluciones y eso es lo que nos est avisando Maxima.
Como cualquiera puede imaginarse, Maxima no resuelve todo. Incluso en las ecuaciones ms
sencillas, las polinmicas, se presenta el primer problema: no hay una frmula en trminos
algebraicos para obtener las races de un polinomio de grado 5 o ms. Pero no hay que ir tan lejos.
Cuando aadimos races, logaritmos, exponenciales, etc., la resolucin de ecuaciones se complica
mucho. En esas ocasiones lo ms que podemos hacer es ayudar a Maxima a resolverlas.
(%i16)
eq:x+3=sqrt(x+1);
(%o16)
x+3=sqrt(x+1)
(%i17)
solve(eq,x);
[x= x+1-3]
(%o17)
(%i18)
(%o18)
solve(eq 2);
7%i+5
7%i-5
[x=,x=
]
2
2
Cmo hacer referencia a las soluciones

Uno de los ejemplos usuales en los que utilizaremos las soluciones de una ecuacin es en el
estudio de una funcin. Necesitaremos calcular puntos crticos, esto es, ceros de la derivada. El
resultado de la orden solve no es una lista de puntos, es una lista de ecuaciones.
Una primera solucin consiste en usar la orden rhs e ir recorriendo uno a uno las soluciones:
(%i19)
sol:solve(x 2-4x+3);
(%o19)
[x=3,x=1]
La primera solucin es
(%i20)
rhs(part(sol,1));
74
(%o20)
y la segunda
(%i21)
rhs(part(sol,2));
(%o21)
Este mtodo no es prctico en cuanto tengamos un nmero un poco ms alto de soluciones.

Tenemos que encontrar una manera de aplicar la orden rhs a toda la lista de soluciones. Eso es
justamente para lo que habamos presentado la orden map:
(%i22)
sol:map(rhs,solve(x 2-4x+3));
(%o22)
[3,1]
Sistemas de ecuaciones
Tambin podemos resolver sistemas de ecuaciones. Slo tenemos que escribir la lista de ecuaciones y de incgnitas. Por ejemplo, para resolver el sistema
x2 + y2 =1
2
2
(x 2) + (y 1) =4
escribimos
(%i23)
(%o23)
solve([x2 +y2 =1,(x-2)2 +(y-1)2 =4],[x,y]);

4
3
[[x= ,y=- ],[x=0,y=1]]
5
5
Siempre hay que tener en cuenta que, por defecto, Maxima da todas las soluciones incluyendo
las complejas aunque muchas veces no pensemos en ellas. Por ejemplo, la recta x + y = 5 no corta
a la circunferencia x2 + y2 = 1:
(%i24)
(%o24)
solve([x 2+y 2=1,x+y=5],[x,y]);
23%i-5
23%i+5
23%i+5
23%i-5
[[x=,y=
],[x=
,y=]]
2
2
2
2
Si la solucin depende de un parmetro o varios, Maxima utilizar %r1, %r2,... para referirse a
estos. Por ejemplo,
(%i25)
solve([x+y+z=3,x-y=z],[x,y,z]);
75
(%o25)
[[x=3/2,y=-
2%r1-3
,z=%r1]]
2
Qu pasa si el sistema de ecuaciones no tiene solucin? Veamos un ejemplo (de acuerdo, no

es muy difcil)
(%i26)
solve([x+y=0,x+y=1],[x,y]);
[]
Y si todos los valores de x cumplen la ecuacin?
(%i27)
solve((x+1) 2=x 2+2x+1,x);
(%o27)
[x=x]
Maxima nos dice que el sistema se reduce a x = x que claramente es cierto para todo x. El siguiente
caso es similar. Obviamente (x + y)2 = x2 + 2xy + y2 . Qu dice al respecto Maxima?
(%i28)
solve((x+y) 2=x 2+2xy+y 2,[x,y]);

Dependent equations eliminated: (1)
(%o28)
[[x=%r3,y=%r2]]
En otras palabras, x puede tomar cualquier valor e y lo mismo.
4.2.2
to_poly_solve
Hay una segunda forma de resolver ecuaciones en Maxima. puedes acceder a ella desde el men
EcuacionesResolver (to_poly). Sin entrar en detalles, algunas ecuaciones las resuelve mejor.
Por ejemplo, cuando hay radicales por medio la orden solve no siempre funciona bien:
(%i29)
(%o29)
solve(3*x=sqrt(x 2+1),x);
x2 + 1
[x=
]
3
En cambio, tiene un poco ms de xito
(%i30)
(%o30)
to_poly_solve(3*x=sqrt(x 2+1),x);

1
%union [x = (3/2) ]
2
Como puedes ver, la respuesta es el conjunto de soluciones que verifica la ecuacin. De ah la

palabra union delante de la respuesta.
76
to_poly_solve(ecuacin, variable )
to_poly_solve(expr, variable )
resuelve la ecuacin
resuelve la expresin igualada a cero
Adems de este ejemplo, hay otras ocasiones en las que la respuesta de to_poly_solve es
mejor o ms completa. Por ejemplo, con funciones trigonomtricas ya hemos visto que solve no
da la lista completa de soluciones
(%i31)
solve(x*cos(x));
solve: using arc-trig functions to get a solution.
Some solutions will be lost.
(%o31)
[x=0]
En cambio, con to_poly_solve la respuesta es un poco ms amplia
(%i32)
(%o32)
to_poly_solve(x*cos(x),x);

%union [x=0], [x=2%z101 ], [x=2%z103 + ]
2
2
Los parmetros z101 y z103 indican un nmero entero arbitrario y la numeracin depende
del nmero de operaciones que hayas realizado. No es quiz la forma ms elemental de escribir
la solucin, pero s que tenemos todas las soluciones de la ecuacin. Observa tambin que en
este caso no hemos escrito una ecuacin sino una expresin y to_poly_solve ha resuelto dicha
expresin igualada a cero lo mismo que ocurra con la orden solve.
4.2.3
Sistemas de ecuaciones lineales

linsolve([ecuaciones ],[variables ])
resuelve el sistema
En el caso particular de sistemas de ecuaciones lineales puede ser conveniente utilizar linsolve
en lugar de solve. Ambas rdenes se utilizan de la misma forma, pero linsolve es ms eficiente
en estos casos. Slo una observacin: sigue siendo importante escribir correctamente qu variables
se consideran como incgnitas. El resultado puede ser muy diferente dependiendo de esto.
(%i33)
eq:[x+y+z+w=1,x-y+z-w=-2,x+y-w=0]$
(%i34)
linsolve(eq,[x,y,z]);
4 w-3
2 w-3
[x=
,y=,z=1-2 w]
2
2
(%o34)
Cul es el resultado de linsolve(eq,[x,y,z,w])?
77
linsolve
4.2.4
Algsys
algsys([ecuaciones ],[variables ])
realonly
algsys
resuelve la ecuacin o ecuaciones

si vale true, algsys muestra
slo soluciones reales
La orden algsys resuelve ecuaciones o sistemas de ecuaciones algebraicas. La primera diferencia

con la orden solve es pequea: algsys siempre tiene como entrada listas, en otras palabras,
tenemos que agrupar la ecuacin o ecuaciones entre corchetes igual que las incgnitas.
(%i35)
eq:x 2-4x+3;
(%o35)
x 2-4x+3
(%i36)
algsys([eq],[x]);
(%o36)
[[x=3],[x=1]]
La segunda diferencia es que algsys intenta resolver numricamente la ecuacin si no es capaz

de encontrar la solucin exacta.
realonly
(%i37)
solve(eq:x 6+x+1);
(%o37)
[0=x 6+x+1]
(%i38)
algsys([eq],[x]);
(%o38)
[[x=-1.038380754458461 %i-0.15473514449684],
[x=1.038380754458461 %i-0.15473514449684],
[x=-0.30050692030955 %i-0.79066718881442],
[x=0.30050692030955 %i-0.79066718881442],
[x=0.94540233331126-0.61183669378101 %i],
[x=0.61183669378101 %i+0.94540233331126]]
En general, para ecuaciones polinmicas algsys nos permite algo ms de flexibilidad ya que
funciona bien con polinomios de grado alto y, adems, permite seleccionar las races reales. El
comportamiento de algsys est determinado por la variable realonly. Su valor por defecto es
false. Esto significa que algsys muestra todas las races. Si su valor es true slo muestra las
races reales.
(%i39)
eq:x 4-1=0$
(%i40)
realonly;
(%o40)
false
(%i41)
algsys([eq],[x]);
(%o41)
[[x=1],[x=-1],[x=%i],[x=-%i]]
(%i42)
realonly:true$
78
Ejercicios
(%i43)
algsys([eq],[x]);
(%o43)
[[x=1],[x=-1]
4.3 Ejercicios
Ejercicio 4.1. Calcula los puntos donde se cortan las parbolas y = x2 , y = 2x2 + ax + b. Discute
todos los casos posibles dependiendo de los valores de a y b.
Ejercicio 4.2. Dibuja, en un mismo grfico, la elipse de semieje horizontal a = 3 y de semieje
vertical b = 5 y la bisectriz del primer cuadrante. Calcula los puntos donde se cortan ambas curvas.
Ejercicio 4.3. Consideremos la circunferencia de centro (0, 0) y radio 2. Dibjala. Ahora consideremos un rectngulo centrado en el origen e inscrito en ella. Determina el rectngulo as construido
cuya rea sea 1.
Ejercicio 4.4. Representa grficamente y determina los puntos de corte de las siguientes curvas:
a) la recta x y = 5 y la parbola (x 1)2 + y = 4;
b) la hiprbola equiltera y la circunferencia de centro (1, 1) y radio 1;
c) las circunferencias de centro (0, 0) y radio 2 y la de centro (1, 3) y radio 3.
Ejercicio 4.5. Resolver la ecuacin logartmica:
log(x) + log(x + 1) = 3
79
80
Mtodos numricos de resolucin de ecuaciones
Introduccin al anlisis numrico

5
5.1 Introduccin al anlisis numrico 81 5.2 Resolucin numrica de ecuaciones
con Maxima 85 5.3 Breves conceptos de programacin 89 5.4 El mtodo de
biseccin 93 5.5 Mtodos de iteracin funcional 102
En este captulo vamos a ver cmo encontrar soluciones aproximadas a ecuaciones que no podemos resolver de forma exacta. En la primera parte, presentamos algunos de los comandos incluidos
en Maxima para este fin. En la segunda parte, mostramos algunos mtodos para el clculo de soluciones como el mtodo de biseccin o el de Newton-Raphson
Comenzamos la primera seccin hablando sobre las ventajas e inconvenientes de trabajar en
modo numrico.
5.1 Introduccin al anlisis numrico

Los ordenadores tienen un capacidad limitada para almacenar cada nmero real por lo que en
un ordenador nicamente pueden representarse un nmero finito de nmeros reales: los nmeros
mquina. Si un nmero real no coincide con uno de estos nmeros mquina, entonces se aproxima
al ms prximo. En este proceso se pueden producir, y de hecho se producen, errores de redondeo
al eliminar decimales. Tambin se pueden introducir errores en la conversin entre sistema decimal
y sistema binario: puede ocurrir que un nmero que en sistema decimal presente un nmero finito
de dgitos, en sistema binario presente un nmero infinito de los mismos.
Como consecuencia de esto, algunas propiedades aritmticas dejan de ser ciertas cuando utilizamos un ordenador.
La precisin de un nmero mquina depende del nmero de bits utilizados para ser almacenados.
Puede producirse una severa reduccin en la precisin si al realizar los clculos se restan dos
nmeros similares. A este fenmeno se le conoce como cancelacin de cifras significativas. Lo que
haremos para evitar este fenmeno ser reorganizar los clculos en un determinado desarrollo.
5.1.1
Nmeros y precisin
Todos los nmeros que maneja Maxima tienen precisin arbitraria. Podemos calcular tantos
decimales como queramos. Si es posible, Maxima trabaja de forma exacta
(%i1)
(%o1)
sqrt(2);
o podemos con la precisin por defecto
81
(%i2)
sqrt(2),numer;
(%o2)
1.414213562373095
Cuando decimos que 2 es un nmero de precisin arbitraria no queremos decir que podamos
escribir su expresin decimal completa (ya sabes que es un nmero irracional) sino que podemos
elegir el nmero de digitos que deseemos y calcular su expresin decimal con esa precisin.
(%i3)
fpprec:20;
(%o3)
20
(%i4)
bfloat(sqrt(2));
(%o4)
1.4142135623730950488b0
Vamos a comentar un par de detalles que tenemos que tener en cuenta en este proceso.
Errores de redondeo
Si slo tenemos 5 dgitos de precisin, cmo escribimos el nmero 7.12345? Hay dos mtodos usuales: podemos truncar o podemos redondear. Por truncar se entiende desechar los dgitos
sobrantes. El redondeo consiste en truncar si los ltimos dgitos estn entre 0 y 4 y aumentar un
dgito si estamos entre 5 y 9. Por ejemplo, 7.46 se convertira en 7.4 si truncamos y en 7.5 si redondeamos. El error es siempre menor en utilizando rendondeo. Cul de las dos formas usa Maxima?
Puedes comprobarlo tu mismo.
(%i5)
fpprec:5;
(%o5)
(%i6)
bfloat(7.12345);
(%o6)
7.1234b0
Qu pasa si aumentamos la precisin en lugar de disminuirla?
(%i7)
fpprec:20;
(%o7)
20
(%i8)
bfloat(0.1);
(%o8)
1.0000000000000000555b-1
Qu ha pasado? 0.1 es un nmero exacto. Porqu la respuesta no ha sido 0.1 de nuevo? Fjate en
la siguiente respuesta
(%i9)
bfloat(1/10);
82
(%o9)
1.0b-1
Cul es la diferencia entre una otra? Porqu una es exacta y la otra no? La diferencia es el
error que se puede aadir (y acabamos de ver que se aade) cuando pasamos de representar un
nmero en el sistema decimal a binario y viceversa.
5.1.2
Sabemos que el ordenador puede trabajar con nmeros muy grandes o muy pequeos; pero, por
debajo de cierto valor, un nmero pequeo puede hacerse cero debido al error de redondeo. Por
eso hay que tener cuidado y recordar que propiedades usuales en la aritmtica real (asociatividad,
elemento neutro) no son ciertas en la aritmtica de ordenador.
Elemento neutro
Tomamos un nmero muy pequeo, pero distinto de cero y vamos a ver cmo Maxima interpreta
que es cero:
(%i10)
h:2.22045*10(-17);
(%o10)
2.22045 10 -17
Y si nos cuestionamos si h funciona como elemento neutro:
(%i11)
is(h+1.0=1.0);
(%o11)
true
la respuesta es que s que es cierto que h+1.0=1.0, luego h sera cero.

Por encima, con nmeros muy grandes puede hacer cosas raras.
(%i12)
g:15.0+10(20);
(%o12)
1.10 20
(%i13)
is(g-10(20)=0);
(%o13)
false
(%i14)
g-10(20);
(%o14)
0.0
Aqu no sale igual, pero si los restis cree que la diferencia es cero.
83
Propiedad asociativa de la suma

Con aritmtica de ordenador vamos a ver que no siempre se cumple que: (a + b) + c = a + (b + c)
(%i15)
is((11.3+10(14))+(-(10)14)=11.3+(10(14)+(-(10)14)));
(%o15)
false
Si ahora trabajamos con nmeros exactos, vamos a ver qu pasa:
5.1.3
(%i16)
is((113/10+10(14))+(-(10)14)=113/10+(10(14)+(-(10)14)));
(%o16)
true
Cancelacin de cifras significativas

Como hemos visto, uno de los factores que hay que tener en cuenta a la hora de realizar clculos,
son aquellas operaciones que involucren valores muy grandes o cercanos a cero. Esta situacin se
presenta por ejemplo, el clculo de la diferencia de los cuadrados de dos nmeros muy similares
(%i17)
a:1242123.78$
b:1242123.79$
a 2-b 2;
(a-b)*(a+b);
(%o18)
-24842.4755859375
(%o18)
-24842.47572313636
Por cierto? Cul es el resultado correcto? Probemos de otra forma
(%i19)
a:124212378$
b:124212379$
a 2-b 2;
(a-b)*(a+b);
(%o20)
-248424757
(%o21)
-248424757
Parece que el resultado correcto es -24842.4757. Ninguno de los dos anteriores. Vale. Veamos otro
ejemplo usando basado en la misma idea. Fijemos la precisin 40 y consideremos el nmero a:
(%i22)
fpprec:40;
(%o22)
40
(%i23)
a:bfloat(1-(10)(-30));
84
(%o23)
Resolucin numrica de ecuaciones con Maxima
9.99999999999999999999999999999b-1
Ahora vamos a calcular: 1 + a y (a2 1)/(a 1). Deberan ser iguales, ya que ambas expresiones
matemticamente son equivalentes:
1+a=
(a 1)(a + 1) a2 1
=
,
a1
a1
en cambio,
(%i24)
b:1+a$
(%i25)
c:(a 2-1)/(a-1)$
(%i26)
is(b=c);
(%o26)
false
No las reconoce como iguales. Este es el resultado del efecto de cancelacin de cifras significativas que tiene lugar cuando se restan dos cantidades muy parecidas. En este caso es claro cul de
ambas formas de realizar el clculo es mejor.
5.2 Resolucin numrica de ecuaciones con Maxima

Las ecuaciones polinmicas se pueden resolver de manera aproximada. Los comandos allroots y realroots estn especializados en encontrar soluciones racionales aproximadas de polinomios en una variable.
allroots(polinomio )
bfallroots(polinomio )
realroots(polinomio )
realroots(polinomio, error )
nroots(polinomio,a,b )
algsys([ecuaciones ],[variables ])
soluciones aproximadas del polinomio

soluciones aproximadas del polinomio
con precisin arbitraria
soluciones aproximadas reales del polinomio
soluciones aproximadas reales del polinomio
con cota del error
nmero de soluciones reales
del polinomio entre a y b
resuelve la ecuacin o ecuaciones
Ests rdenes nos dan todas las soluciones reales y complejas de un polinomio en una variable y son
tiles en polinomios de grado alto cuando falla la orden solve. La primera de ellas, allroots, allroots
nos da las soluciones con la precisin por defecto
(%i27)
eq:x 9+x 7-x 4+x$
(%i28)
allroots(eq);
85
(%o28)
bfallroots
[x=0.0,x=0.30190507748312%i+0.8440677798278,
x=0.8440677798278-0.30190507748312%i,
x=0.8923132916888%i-0.32846441923834,
x=-0.8923132916888%i-0.32846441923834,
x=0.51104079208431%i-0.80986929589487,
x=-0.51104079208431%i-0.80986929589487,
x=1.189238256723466%i+0.29426593530541,
x=0.29426593530541-1.189238256723466%i]
Si queremos una precisin determinada, usamos la orden bfallroots.
(%i29)
(%o29)
realroots
fpprec:6$
bfallroots(eq);
[x=0.0b0,x=3.0191b-1%i+8.44063b-1,
x=8.44063b-1-3.0191b-1%i,x=8.92279b-1%i-3.28481b-1,
x=-8.92279b-1%i-3.28481b-1,x=5.11037b-1%i-8.09838b-1,
x=-5.11037b-1%i-8.09838b-1,x=1.18924b0%i+2.94256b-1,
x=2.94256b-1-1.18924b0%i]
Si slo nos interesan las soluciones reales, la orden realroots calcula soluciones racionales
aproximadas del polinomio.
(%i30)
eq1:x 4-3*x 3+x 2-4*x+12$
(%i31)
realroots(eq1);
81497599
]
[x=2,x=
33554432
(%o31)
Si comparas con la salida de allroots, comprobars que 2 es solucin, pero que 81497599
33554432 slo
es una solucin aproximada. La precisin con la que se realiza la aproximacin se puede controlar
con un segundo parmetro. Por ejemplo, si queremos que el error sea menor que 105 , escribimos
lo siguiente.
(%i32)
(%o32)
realroots(eq1,10 (-5));
636699
]
[x=2,x=
262144
Recuerda que la variable multiplicities guarda la multiplicidad de cada una de las races
de la ltima ecuacin que has resuelto.
(%i33)
(%o33)
realroots((x-2) 2*eq1,10 (-5));

636699
[x=2,x=
]
262144
86
(%i34)
multiplicities;
(%o34)
[3,1]
Por ltimo, comentar que es posible saber el nmero de races de un polinomio en una variable
en un intervalo concreto 8
(%i35)
nroots(eq1,0,2);
(%o35)
eso s, ten cuidado porque se cuentan races con su multiplicidad
(%i36)
nroots((x-2) 2*eq1,0,2);
(%o36)
El teorema de los ceros de Bolzano

Uno de los primeros resultados que aprendemos sobre funciones continuas es que si cambian
de signo tienen que valer cero en algn momento. Para que esto sea cierto nos falta aadir un
ingrediente: la funciones tienen que estar definidas en intervalos. Este resultado se conoce como
teorema de los ceros de Bolzano y es una variante del teorema del valor intermedio.
Teorema 5.1. Sea f : [a, b] R una funcin continua verificando que f (a) f (b) < 0,
entonces existe c ]a, b[ tal que f (c) = 0.
Teorema de los
ceros de Bolzano
Ejemplo 5.2. Una de las utilidades ms importantes del Teorema de los ceros de Bolzano es
garantizar que una ecuacin tiene solucin. Por ejemplo, para comprobar que la ecuacin e x +
log(x) = 0 tiene solucin, estudiamos la funcin f (x) = e x + log(x): es continua en R+ y se puede
comprobar que f (e10 ) < 0 y 0 < f (e10 ). Por tanto, la ecuacin e x + log(x) = 0 tiene al menos una
solucin entre e10 y e10 . En particular, tiene solucin en R+ .
find_root(f(x),x,a,b )
El comando find_root encuentra una
solucin de una funcin (ecuacin) continua que cambia de signo por el mtodo de biseccin, esto es, dividiendo
el intervalo por la mitad y quedndose
con aquella mitad en la que la funcin
sigue cambiando de signo. En realidad
el mtodo que utiliza Maxima es algo
ms elaborado pero no vamos a entrar
en ms detalles.
(%i37)
solucin de f en [a, b]
find_root
a
(a, f (a))
(b, f (b))
b
Figura 5.1 Teorema de los ceros de Bolzano
f(x):=exp(x)+log(x);
87
(%o37)
f(x):=exp(x)+log(x)
Buscamos un par de puntos donde cambie de signo
(%i38)
f(1)
(%o38)
%e
(%i39)
f(exp(-3));
(%o39)
%e%e +3
Ese nmero es negativo?
(%i40)
is(f(exp(-3))<0);
(%o40)
true
o bien,
(%i41)
f(exp(-3)),numer;
(%o41)
-1.948952728663784
Vale, ya que tenemos dos puntos donde cambia de signo podemos utilizar find_root:
(%i42)
find_root(f(x),x,exp(-3),1);
(%o42)
0.26987413757345
Observacin 5.3. Este mtodo encuentra una solucin pero no nos dice cuntas soluciones
hay. Para eso tendremos que echar mano de otras herramientas adicionales como, por ejemplo, el
estudio de la monotona de la funcin.
5.2.1
Ejercicios
Ejercicio 5.1. Calcula las soluciones de 8 sen(x) + 1
x2
3
= 0.
Ejercicio 5.2. Encuentra una solucin de la ecuacin tan(x) =

Ejercicio 5.3. Cuantas soluciones tiene la ecuacin
Se admiten como posibles extremos del intervalo
88
ex
2
1
x
i
h
en el intervalo 0, 2 .
2 sen(x) = 1 en el intervalo [3, 3]?
Breves conceptos de programacin
5.3 Breves conceptos de programacin

Hemos visto cmo resolver ecuaciones y sistemas de ecuaciones con Maxima mediante la orden solve o algsys. La resolucin de ecuaciones y sistemas de ecuaciones de manera exacta
est limitada a aquellas para los que es posible aplicar un mtodo algebraico sencillo. En estas
condiciones, nos damos cuenta de la necesidad de encontrar o aproximar soluciones para ecuaciones del tipo f (x) = 0, donde, en principio, podemos considerar como f cualquier funcin real de
una variable. Nuestro siguiente objetivo es aprender a programar algoritmos con Maxima para
aproximar la solucin de estas ecuaciones.
Lo primero que tenemos que tener en cuenta es que no existe ningn mtodo general para resolver todo este tipo de ecuaciones en un nmero finito de pasos. Lo que s tendremos es condiciones
para poder asegurar, bajo ciertas hiptesis sobre la funcin f , que un determinado valor es una
aproximacin de la solucin de la ecuacin con un error prefijado.
El principal resultado para asegurar la existencia de solucin para la ecuacin f (x) = 0 en
un intervalo [a, b], es el Teorema de Bolzano que hemos recordado ms arriba. Dicho teorema
asegura que si f es continua en [a, b] y cambia de signo en el intervalo, entonces existe al menos
una solucin de la ecuacin en el intervalo [a, b].
Vamos a ver dos mtodos que se basan en este resultado. Ambos mtodos nos proporcionan
un algoritmo para calcular una sucesin de aproximaciones, y condiciones sobre la funcin f
para poder asegurar que la sucesin que obtenemos converge a la solucin del problema. Una vez
asegurada esta convergencia, bastar tomar alguno de los trminos de la sucesin que se aproxime
a la sucesin con la exactitud que deseemos.
5.3.1
Bucles
Antes de introducirnos en el mtodo terico de resolucin, vamos a presentar algunas estructuras
sencillas de programacin que necesitaremos ms adelante.
La primera de las rdenes que vamos a ver es el comando for, usada para realizar bucles. Un
bucle es un proceso repetitivo que se realiza un cierto nmero de veces. Un ejemplo de bucle puede
ser el siguiente: supongamos que queremos obtener los mltiplos de siete comprendidos entre 7 y
70; para ello, multiplicamos 7 por cada uno de los nmeros naturales comprendidos entre 1 y 10,
es decir, repetimos 10 veces la misma operacin: multiplicar por 7.
for var:valor1 step valor2 thru valor3 do expr

for var:valor1 step valor2 while cond do expr
for var:valor1 step valor2 unless cond do expr
bucle for
bucle for
bucle for
En un bucle for nos pueden aparecer los siguientes elementos (no necesariamente todos)
a) var:valor1 nos sita en las condiciones de comienzo del bucle.
b) cond dir a Maxima el momento de detener el proceso.
c) step valor2 expresar la forma de aumentar la condicin inicial.
d) expr dir a Maxima lo que tiene que realizar en cada paso; expr puede estar compuesta de varias
sentencias separadas mediante punto y coma.
En los casos en que el paso es 1, no es necesario indicarlo.
89
for var:valor1 thru valor3 do expr

for var:valor1 while cond do expr
for var:valor1 unless cond do expr
bucle for con paso 1

Para comprender mejor el funcionamiento de esta orden vamos a ver algunos ejemplos sencillos.
En primer lugar, generemos los mltiplos de 7 hasta 70:
(%i43)
for i:1 step 1 thru 10 do print(7i)

7
14
21
28
35
42
49
56
63
70
(%o43)
done
Se puede conseguir el mismo efecto sumando en lugar de multiplicando. Por ejemplo, los mltiplos
de 5 hasta 25 son
(%i44)
for i:5 step 5 thru 25 do print(i);

5
10
15
20
25
(%o44)
done
Ejemplo 5.4. Podemos utilizar un bucle para sumar una lista de nmeros pero nos hace falta una
variable adicional en la que ir guardando las sumas parciales que vamos obteniendo. Por ejemplo,
el siguiente cdigo suma los cuadrados de los 100 primeros naturales.
(%i45)
(%o45)
suma:0$
for i:1 thru 100 do suma:suma+i 2$
print("la suma de los cuadrados de los 100 primeros
naturales vale ",suma);
la suma de los cuadrados de los 100 primeros
naturales vale 338350
90
escribe las expresiones en pantalla
print(expr1,expr2,... )
En la suma anterior hemos utilizado la orden print para escribir el resultado en pantalla. La
orden print admite una lista, separada por comas, de literales y expresiones.
Por ltimo, comentar que no es necesario utilizar una variable como contador. Podemos estar
ejecutando una serie de expresiones mientras una condicin sea cierta (bucle while) o mientras
sea falsa (bucle unless). Incluso podemos comenzar un bucle infinito con la orden do, sin ninguna
condicin previa, aunque, claro est, en algn momento tendremos que ocuparnos nosotros de salir
(recuerda el comando return).
while cond do expr

unless cond do expr
do expr
return (var )
bucle while
bucle unless
bucle for
bucle for
Este tipo de construcciones son tiles cuando no sabemos cuntos pasos hemos de dar pero tenemos
clara cul es la condicin de salida. Veamos un ejemplo bastante simple: queremos calcular cos(x)
comenzando en x = 0 e ir aumentando de 0.3 en 0.3 hasta que el coseno deje de ser positivo.
(%i46)
i:0;
(%o46)
(%i47)
while
0 1
[0.3,
[0.6,
[0.9,
[1.2,
[1.5,
(%o47)
5.3.2
cos(i)>0 do (print([i,cos(i)]),i:i+0.3);
0.95533648560273]
0.82533560144755]
0.62160994025671]
0.36235771003359]
0.070737142212368]
done
Condicionales
La segunda sentencia es la orden condicional if. Esta sentencia comprueba si se verifica una
condicin, despus, si la condicin es verdadera Maxima ejecutar una expresin1, y si es falsa
ejecutar otra expresin2.
if condicin then expr1 else expr2

if condicin then expr
condicional if-then-else
condicional if-then
La expresiones 1 y 2 pueden estar formadas por varias rdenes separadas por comas. Como siempre
en estos casos, quiz un ejemplo es la mejor explicacin:
(%i48)
if log(2)<0 then x:5 else 3;
91
print
(%o48)
Observa que la estructura if-then-else devuelve la expresin correspondiente y que esta expresin puede ser una asignacin, algo ms complicado o algo tan simple como 3.
La ltima sentencia de programacin que vamos a ver es la orden return(var ) cuya nica
finalidad es la de interrumpir un bucle en el momento que se ejecuta y devolver un valor. En el
siguiente ejemplo se puede comprender rpidamente el uso de esta orden.
(%i49)
for i:1 thru 10 do

(
if log(i)<2 then print("el logaritmo de",i,"es menor
que 2")
else return(x:i)
)$
print("el logaritmo de",x,"es mayor que 2")$
el logaritmo de 1 es menor que 2
el logaritmo de 8 es mayor que 2
Observacin 5.5. La variable que se utiliza como contador, i en el caso anterior, es siempre
local al bucle. No tiene ningn valor asignado fuera de l. Es por esto que hemos guardado su valor
en una variable auxiliar, x, para poder usarla fuera del bucle.
5.3.3
Ejercicios
Ejercicio 5.4. Usa el comando for en los siguientes ejemplos:
a) Sumar los nmeros naturales entre 400 y 450.
b) Calcula la media de los cuadrados de los primeros 1000 naturales.
Ejercicio 5.5. Dado un nmero positivo x, se puede conseguir que la suma
1+
1 1
1
+ + +
2 3
n
sea mayor que x tomando un nmero n suficientemente grande. Encuentra la forma de calcular
dicho nmero de manera general. Cul es el valor para x = 10, 11 y 13?
Ejercicio 5.6. Calcula las medias geomtricas de los n primeros naturales y averigua cul es el
primer natural para el que dicha media sea mayor que 20.
Ejercicio 5.7. Calcula la lista de los divisores de una natural n.
92
El mtodo de biseccin
5.4 El mtodo de biseccin

El mtodo de biseccin es una de las formas ms elementales de buscar una solucin de una
ecuacin. Ya sabemos que si una funcin continua cambia de signo en un intervalo, entonces se
anula en algn punto. Cmo buscamos dicho punto?
(b, f (b))
(c, f (c))
(a, f (a))
Figura 5.2
Mtodo de biseccin
Comencemos con una funcin f : [a, b] R continua y verificando que tiene signos distintos
en los extremos del intervalo. La idea bsica es ir dividiendo el intervalo por la mitad en dos
subintervalos, [a, 1/2(a + b)] y [1/2(a + b), b], y elegir aquel en el que la funcin siga cambiando de
signo. Si repetimos este proceso, obtenemos un intervalo cada vez ms pequeo donde se encuentra
la raz.
Ms concretamente el proceso sera,
Datos iniciales: funcin f , nmeros a, b
Se verifica que: f (a) f (b) < 0
bucle
B Calculamos el punto medio c = (a + b)/2,
B Comparamos los signos de f (a), f (c) y f (b)
B y elegimos aqul donde la funcin cambie de signo
final bucle
5.4.1
Un ejemplo concreto
Vamos a aplicar este mtodo a la funcin f (x) = x6 + x 5 en el intervalo [0, 2].
Definiremos en primer lugar la funcin y el intervalo y luego un bucle que nos calcula
(%i50)
f(x):=x 6+x-5;
a:0.0;
b:2.0;
(%o51)
x 6+x-5
(%o52)
0.0
(%o53)
2.0
93
Observa que hemos declarado a y b como valores numricos. Comprobamos que la funcin cambia
de signo.
(%i54)
f(a)*f(b);
(%o54)
-305.0
Ahora el bucle, 9
(%i55)
(%o55)
for i:1 thru 10 do

(
c:(a+b)/2, /* calculamos el punto medio */
if f(a)f(c)<0 /* cambia de signo en [a,c]? */
then b:c /* elegimos [a,c] */
else a:c, /* elegimos [c,b] */
print(a,b) /* escribimos los resultados por pantalla */
)$
1.0 2.0
1.0 1.5
1.0 1.25
1.125 1.25
1.1875 1.25
1.21875 1.25
1.234375 1.25
1.2421875 1.25
1.24609375 1.25
1.24609375 1.248046875
Fjate que ya sabemos que la solucin es aproximadamente 1.24. No podemos estar seguros
todava del tercer decimal. Quiz sera mejor repetir el bucle ms de diez veces, pero, cuantas?
Podemos establecer como control que la distancia entre los extremos sea pequea. Eso s, habra
que aadir un tope al nmero de pasos asegurarnos de que el bucle termina.
Observacin 5.6. Si no se quiere ralentizar mucho la ejecucin de este bucle y del resto de programas en el resto del tema, es conveniente trabajar en modo nmerico. Recuerda que este comportamiento se controla con la variable numer. Puedes cambiarlo en el men NumricoConmutar
salida numrica o directamente estableciendo el valor de numer en verdadero.
(%i56)
numer:true;
(%o56)
true
Los smbolos /* y */ indican el principio y el fin de un comentario. No se ejecutan.
94
Control del error

En este mtodo es fcil acotar el error que estamos cometiendo. Sabemos que la funcin f
se anula entre a y b. Cul es la mejor eleccin sin tener ms datos? Si elegimos a la solucin,
tericamente, podra ser b. El error sera en este caso b a. Hay alguna eleccin mejor? S, el
punto medio c = (a + b)/2. Cul es el error ahora? Lo peor que podra pasar sera que la solucin
fuera alguno de los extremos del intervalo. Por tanto, el error sera como mucho ba
2 . En cada paso
que damos dividimos el intervalo por la mitad y al mismo tiempo tambin el error cometido que
en el paso n-simo es menor o igual que ba
2n .
A partir de aqu, podemos deducir el nmero de iteraciones necesarias para obtener una aproximacin con un error o exactitud prefijados. Si notamos por err a la exactitud prefijada, entonces
para conseguir dicha precisin, el nmero n de iteraciones necesarias deber satisfacer
ba
err
2n
as,
n log2
ceiling(a)
! log ba
ba
err
=
.
err
log(2)
menor entero mayor o igual que a
La orden ceiling(x) nos da el menor entero mayor o igual que x. Bueno, ya sabemos cuntos
pasos tenemos que dar. Reescribimos nuestro algoritmo con esta nueva informacin:
Datos iniciales: funcin f , nmeros a, b, error err, contador i
B Calculamos el nmero de pasos
para i:1 hasta nmero de pasos hacer
final bucle
Volviendo a nuestro ejemplo, nos quedara algo as.
95
ceiling
(%i57)
f(x):=x 6+x-5;
a:0$
b:2$
err:10 (-6)$
log2(x):=log(x)/log(2)$ /* hay que definir el logaritmo en
base 2 */
pasos:ceiling(log2((b-a)/err))$
for i:1 thru pasos do
(
c:(a+b)/2,
if f(a)f(c)<0
then b:c
else a:c,
print(a,b) /* escribimos los resultados por pantalla */
)$
Y si hay suerte?
Si encontramos la solucin en un paso intermedio no habra que hacer ms iteraciones. Deberamos parar y presentar la solucin encontrada. En cada paso, tenemos que ir comprobando que f (c)
vale o no vale cero. Podramos comprobarlo con una orden del tipo is(f(c)=0), pero recuerda
que con valores numricos esto puede dar problemas. Mejor comprobemos que es suficientemente pequeo.
Datos iniciales: funcin f , nmeros a, b, error err, contador i, precisin pr
B Calculamos el nmero de pasos
para i:1 hasta nmero de pasos hacer
si f(c)<pr entonces
B La solucin es c
en otro caso
final si
B La solucin aproximada es c
final del bucle
En nuestro ejemplo, tendramos lo siguiente
96
(%i58)
f(x):=x 6+x-5;
a:0$
b:2$
err:10 (-6)$
pr:10 (-5)$
log2(x):=log(x)/log(2)$
pasos:ceiling(log2((b-a)/err))$
for i:1 thru pasos do
(
c:(a+b)/2,
if abs(f(c))<pr
then (print("La solucion es exacta"), return(c))
else if f(a)f(c)<0
then b:c
else a:c
)$
print("la solucion es ",c)$ /* aproximada o exacta, es la
solucin */
Se te ocurren algunas mejoras del algoritmo? Algunas ideas ms:

a) el clculo de f (a) f (c) en cada paso no es necesario: si sabemos el signo de f (a), slo necesitamos saber el signo de f (c) y no el signo del producto,
b) habra que comprobar que f (a) y f (b) no son cero (eso ya lo hemos hecho) ni estn cerca de
cero como hemos hecho con c.
c) Si queremos trabajar con una precisin mayor de 16 dgitos, sera conveniente utilizar numros
en coma flotante grandes.
5.4.2
Funciones y bloques
Una vez que tenemos ms o menos completo el mtodo de biseccin, sera interesante tener una
forma cmoda de cambiar los parmetros iniciales: la funcin, la precisin, los extremos, etc. Un
bloque es la estructura diseada para esto: permite evaluar varias expresiones y devuelve el ltimo
resultado salvo peticin expresa.
La forma ms elemental de programa en Maxima es lo que hemos hecho dentro del cuerpo
del bucle anterior: entre parntesis y separados por comas se incluyen comandos que se ejecutan
sucesivamente y devuelve como salida la respuesta de la ltima sentencia.
(%i59)
(a:3,b:2,a+b);
(%o59)
Variables y funciones locales

Es conveniente tener la precaucin de que las variables que se utilicen sean locales a dicho
programa y que no afecten al resto de la sesin. Esto se consigue agrupando estas rdenes en un
bloque
97
local
(%i60)
a:1;
(%o60)
(%i61)
block([a,b],a:2,b:3,a+b);
(%o61)
(%i62)
a;
(%o62)
Como puedes ver, la variable a global sigue valiendo uno y no cambia su valor a pesar de
las asignaciones dentro del bloque. Esto no ocurre con las funciones que definamos dentro de un
bloque. Su valor es global a menos que lo declaremos local explcitamente con la sentencia local.
Observa la diferencia entre las funcione f y g.
(%i63)
block([a,b],
local(g),g(x):=x 3,
f(x):=x 2,
a:2,b:3,g(a+b));
(%o63)
125
Si preguntamos por el valor de f o de g fuera del bloque, f tiene un valor concreto y g no:
(%i64)
f(x);
(%o64)
x2
(%i65)
g(x);
(%o65)
g(x)
local(funciones )
return(expr )
block([var1,var2,.. ],expr1,expr2,..)
declara funciones locales

a un bloque
detiene la ejecucin de un
bloque y devuelve expr
evala expr1, expr2,... y
devuelve la ltima expresin
evaluada
El ltimo paso suele ser definir una funcin que permite reutilizar el bloque. Por ejemplo, el factorial de un nmero natural n se define recursivamente como
1! = 1,
(n + 1)! = (n + 1) n!.
Podemos calcular el factorial de un natural usando un bucle: usaremos la variable f para ir acumulando los productos sucesivos y multiplicamos todos los naturales hasta llegar al pedido.
98
(%i66)
fact(n):=block([f:1], for k:1 thru n do f:f*k,f );
(%o66)
fact(n):=block([f:1],for k thru n do f:f*k,f)
(%i67)
fact(5);
(%o67)
120
Y si quiero acabar antes?

Si queremos salir de un bloque y devolver un resultado antes de llegar a la ltima expresin,
podemos usar la orden return. Por ejemplo, recuerda la definicin que hicimos en el primer
tema de la funcin logaritmo con base arbitraria.
(%i68)
loga(x):=log(x)/log(a)$
Esto podemos mejorarlo algo utilizando dos variables:
(%i69)
loga(x,a):=log(x)/log(a)$
pero deberamos tener en cuenta si a es un nmero que se puede tomar como base para los logaritmos. Slo nos valen los nmeros positivos distintos de 1. Vamos a utilizar un bloque y un
condicional.
(%i70)
loga(x,a):=block(
if a<0 then print("La base es negativa"),
if a=1 then print("La base es 1"),
log(x)/log(a)
)$
Si probamos con nmeros positivos
(%i71)
(%o71)
loga(3,4);
log(3)
log(4)
Funciona. Y si la base no es vlida?
(%i72)
(%o72)
log(3,-1);
No calculamos logaritmos con base 1
log(3)
log(-1)
99
Fjate que no hemos puesto ninguna condicin de salida en el caso de que la base no sea vlida.
Por tanto, Maxima evala una tras otra cada una de las sentencias y devuelve la ltima. Vamos a
arreglarlo.
(%i73)
loga(x,a):=block(
if a<0 then
(print("La base es negativa"),return()),
if a=1 then
(print("La base es 1"),return()),
log(x)/log(a)
)$
Parmetros opcionales
Para redondear la definicin de la funcin logaritmo con base cualquiera, podra ser interesante
que la funcin loga calcule el logaritmo neperiano si slo ponemos una variable y el logaritmo
en base a si tenemos dos variables.
Las entradas opcionales se pasan a la definicin de una funcin entre corchetes. Por ejemplo, la
funcin
(%i74)
f(a,[b]):=block(print(a),print(b))$
da por pantalla la variable a y el parmetro o parmetros adicionales que sean. Si solo escribimos
una coordenada
(%i75)
f(2);
2
[]
(%o75)
[]
nos devuelve la primera entrada y la segunda obviamente vaca en este caso. Pero si aadimos una
entrada ms
(%i76)
f(2,3);
2
[3]
(%o76)
[3]
o varias
(%i77)
f(2,3,4,5);
2
[3,4,5]
100
(%o77)
[3,4,5]
Como puedes ver, [b] en este caso representa una lista en la que incluimos todos los parmetros opcionales que necesitemos. Ahora slo es cuestin de utilizar las sentencias que nos permiten
manejar los elementos de una lista para definir la funcin logaritmo tal y como queramos.
(%i78)
loga(x,[a]):=block([res],/* variable para el resultado */

if length(a)=0
then return(res:log(x))
else (
if a[1]<0 then (print("La base es negativa"),return()),
if a[1]=1 then (print("La base es 1"),return()),
log(x)/log(a[1])
)
)$
Observacin 5.7.
Se puede salir del bloque de definicin de la funcin usando la sentencia

error(mensaje ) en los casos en que la base no sea la adecuada.
(%i79)
5.4.3
loga(x,[a]):=block([res],/* variable para el resultado */

if length(a)=0
then return(res:log(x))
else (
if a[1]<0 then error("Cambia la base"),
if a[1]=1 then error("La base es 1"),
log(x)/log(a[1])
)
)$
De nuevo biseccin
Si unimos todo lo que hemos aprendido, podemos definir una funcin que utilice el mtodo de
biseccin. Hemos usado la sentencia subst para definir la funcin a la que aplicamos biseccin
dentro del bloque. La orden subst(a,b,c) sustituye a por b en c.
biseccion(expr,var,ext_inf,ext_sup):=
block(
[a,b,c,k,err:10(-8),prec:10(-9)],
/* extremos del intervalo */
a:ext_inf,
b:ext_sup,
/* nmero de pasos */
local(log2,f),
define(log2(x),log(x)/log(2)),
101
Mtodos de iteracin funcional
define(f(x),subst(x,var,expr)),
pasos:ceiling(log2((b-a)/err)),
/* comprobamos las condiciones iniciales */
if f(a)*f(b)>0 then error("Error: no hay cambio de signo"),
/* se alcanza la solucin en los extremos? */
if abs(f(a)) < prec then return(a),
if abs(f(b)) < prec then return(b),
for k:1 thru pasos do
(
c:(a+b)/2,
if abs(f(c))< prec then return (c),
if f(a)*f(c)< 0 then b:c else a:c
),
c);
A partir de este momento, podemos utilizarlo usando
(%i80)
biseccion(x 2-2,x,0.0,3.0);
(%o80)
1.414213562384248
Observa que las cotas del error y la precisin la hemos fijado dentro del bloque. Prueba a aadirlo
como valores opcionales.
5.4.4
Ejercicios
Prueba a cambiar la funcin, los extremos del intervalo (en los cuales dicha funcin cambia de
signo), as como la exactitud exigida. Intenta tambin buscar un caso simple en el que se encuentre
solucin exacta en unos pocos pasos. Por ltimo, intenta usar el algoritmo anterior para calcular
la
3
5 con una exactitud de 1010 .
5.5 Mtodos de iteracin funcional

En esta seccin tratamos de encontrar una solucin aproximada de una ecuacin de la forma
x = f (x). Es usual referirse a dichas soluciones como puntos fijos de la funcin f . Los puntos
fijos de una funcin f no son ms los puntos de interseccin de las grficas de la funcin f y de
la identidad. Por ejemplo, la funcin de la Figura 5.3 tiene tres puntos fijos.
Hay algunas condiciones sencillas que nos garantizan que una funcin tiene un nico punto fijo.
Teorema 5.8. Sea f : [a, b] [a, b].
a) Si f es continua, f tiene al menos un punto fijo.
b) Si f es derivable y | f 0 (x) | L < 1, x [a, b], entonces tiene un nico punto fijo.
102
a3
a1
a2
g(x) = x
f (x)
Figura 5.3 Puntos fijos de una funcin
Iteracin funcional
Para buscar un punto fijo de una funcin, se elige un punto inicial x1 [a, b] cualquiera y aplicamos la funcin repetidamente. En otras palabras, consideramos la sucesin definida por recurrencia
como
xn+1 = f (xn )
para n 1. Si la sucesin es convergente y llamamos s a su lmite, entonces
s = lim xn+1 = lim f (xn ) = f (s),
n
o, lo que es lo mismo, s es un punto fijo de la funcin f . Ms an, en algunos casos es posible

controlar el error.
Teorema 5.9. Sea f : [a, b] [a, b] derivable verificando que | f 0 (x) | L < 1, x [a, b].
Sea s el nico punto fijo de la funcin f . Sea x1 [a, b] cualquiera y xn+1 = f (xn ), entonces
| xn s |
Ln1
L
| xn xn1 |
| x2 x1 | .
1L
1L
El mtodo de construccin de la sucesin es lo que se conoce como un mtodo de iteracin

funcional.

Ejemplo 5.10. Consideremos la funcin f (x) = 14 cos(x) + x2 con x [0, 1]. Acotemos la
derivada,
0 sen(x) + 2x sen(x) 2x 1 2 3
f (x) =

+
+ = < 1.
4
4 4 4 4 4
Por tanto, la funcin f tiene un nico punto fijo en el intervalo [0, 1]. Podemos encontrar el punto
fijo resolviendo la correspondiente ecuacin.
(%i81)
find_root((cos(x)+x 2)/4-x,x,0,1);
(%o81)
.2583921443715997
103
Tambin podemos calcular las iteraciones comenzando en un punto inicial dado de manera sencilla
utilizando un bucle
(%i82)
define(f(x),(cos(x)+x 2)/4)$
(%i83)
x0:0;
for i:1 thru 10 do(
x1:f(x0),print("Iteracin",i,"vale", x1),x0:x1
);
(%o83)
0
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
Iteracin
1 vale 0.25
2 vale .2578531054276612
3 vale .2583569748525884
4 vale .2583898474528139
5 vale .2583919943502456
6 vale .2583921345730372
7 vale .2583921437316118
8 vale .2583921443297992
9 vale .2583921443688695
10 vale .2583921443714213
Observacin 5.11. Existen muchas formas de cambiar una ecuacin de la forma f (x) = 0
en un problema de puntos fijos de la forma g(x) = x. Por ejemplo, consideremos la ecuacin
x2 5x + 2 = 0.
a) Sumando x en los dos miembros
x2 5x + 2 = 0 x2 4x + 2 = x,
y las soluciones de f son los puntos fijos de g1 (x) = x2 4x + 2 (si los tiene).
b) Si despejamos x,
x2 5x + 2 = 0 x =
x2 + 2
5
y, en este caso, los puntos fijos de la funcin g2 (x) = x 5+2 son las soluciones buscadas.
c) Tambin podemos despejar x2 y extraer races cuadradas
x2 5x + 2 = 0 x2 = 5x 2 x = 5x 2 .
En este caso, nos interesan los puntos fijos de la funcin g3 (x) = 5x 2.

Como puedes ver, la transformacin en un problema de puntos fijos no es nica. Evidentemente,
algunas de las transformaciones mencionadas antes dependen de que x sea distinto de cero, mayor
o menor que 2/5, etc. Adems de eso las funciones gi pueden tener mejores o peores propiedades,
algunas verificarn las condiciones del teorema anterior y otras no.
2
104
5.5.1
Ejercicios
Ejercicio 5.8. Escribe un programa que dada una funcin, un punto inicial y un nmero de
iteraciones, devuelva la ltima de ellas.
Ejercicio 5.9. Utiliza el mtodo de iteracin con las 3 funciones anteriores empezando en cada
uno de los puntos 0.5, 1.5 y 6. En cules obtienes convergencia a un punto fijo? Es siempre el
mismo?
5.5.2
Representacin grfica con el paquete dynamics

Para representar grficamente los puntos de la sucesin, comenzamos con el primer punto de la
sucesin (x1 , f (x1 )) y, a partir de ese momento, nos vamos moviendo horizontalmente hasta cruzar
la bisectriz y verticalmente hasta encontrar de nuevo la grfica de la funcin. Ms concretamente,
a) comenzamos con (x1 , f (x1 ));
b) nos movemos horizontalmente hasta cortar la bisectriz. El punto de corte ser ( f (x1 ), f (x1 ));
c) nos movemos verticalmente hasta cortar a la grfica de f o, lo que es lo mismo, tomamos
x2 = f (x1 ) y le calculamos su imagen. El punto de corte ser esta vez (x2 , f (x2 )).
d) Repetimos.
Figura 5.4 Mtodo de iteracin funcional

El paquete dynamics permite hacer estas representaciones de forma muy sencilla. Primero lo cargamos
(%i84)
load(dynamics)$
y luego podemos usar los comandos evolution y staircase indicando el punto inicial y el
nmero de iteraciones. Por ejemplo, el diagrama de escalera para la funcin ex tomando como
punto inicial 1 y 10 pasos
(%i85)
staircase(exp(-x),1,10,[y,0,1]);
105
(%o85)
Observa que hemos aadido [y,0,1] para indicar un rango ms apropiado que el se dibuja por
defecto.
evolution(func,pto1,pasos,opciones )
staircase(func,pto1,pasos,opciones )
5.5.3
Tolerancia
5.5.4
Grfico de escalera
de las iteraciones de func
Criterios de parada
Suele cuando trabajamos con mtodos iterativos que tenemos una sucesin que sabemos que
es convergente, pero no conocemos cul es el valor exacto de su lmite. En estos casos lo que
podemos hacer es sustituir el valor desconocido del lmite por uno de los trminos de la sucesin
que hara el papel de una aproximacin de dicho lmite. Por ejemplo, si consideramos el trmino
general de una sucesin {an }nN dada, con la ayuda del ordenador podemos calcular un nmero
finito de trminos. La idea es pararse en los clculos en un determinado elemento ak0 para que
haga el papel del lmite. Se impone entonces un criterio de parada para que dicho valor sea una
buena aproximacin del lmite de la sucesin.
Una forma de establecer un criterio de parada es considerar un nmero pequeo, al que llamaremos tolerancia y denotaremos por T , y parar el desarrollo de la sucesin cuando se de una de
las dos circunstancias siguientes:
a) |an an1 | < T ,
| an an1 |
b)
< T.
|an |
La primera es el error absoluto y la segunda el error relativo. Suele ser mejor utilizar esta ltima.
Ejercicios
Ejercicio 5.10.
5.5.5
Grfico de las iteraciones de func
Aade una condicin de parada al mtodo de iteracin.
El mtodo de Newton-Raphson
El mtodo de Newton-Raphson nos proporciona un algoritmo para obtener una sucesin de
puntos que aproxima un cero de una funcin dada.
La forma de construir los trminos de la sucesin de aproximaciones es sencilla. Una vez fijado
un valor inicial x1 , el trmino x2 se obtiene como el punto de corte de la recta tangente a f en x1
con el eje OX. De la misma forma, obtenemos xn+1 como el punto de corte de la recta tangente a
f en el punto xn con el eje OX. De lo dicho hasta aqu se deduce:
106
xn+1 = xn
f (xn )
.
f 0 (xn )
Como observars se trata de un mtodo de iteracin funcional. Para comprender el algoritmo observa la Figura 5.5 donde se ve cmo se generan los valores de las aproximaciones.
Para asegurar la convergencia de la sucesin (hacia la solucin de la ecuacin) usaremos el
siguiente resultado.
Teorema 5.12. Sea f una funcin de clase dos en el intervalo [a, b] que verifica:
a) f (a) f (b) < 0,
b) f 0 (x) 6= 0, para todo x [a, b],
c) f 00 (x) no cambia de signo en [a, b].
Entonces, tomando como primera aproximacin el extremo del intervalo [a, b] donde f y f 00
tienen el mismo signo, la sucesin de valores xn del mtodo de Newton-Raphson es convergente hacia la nica solucin de la ecuacin f (x) = 0 en [a, b].
f (x)
40
30
20
10
2 x2
x1
10
Figura 5.5 Mtodo de Newton-Raphson
Una vez que tenemos asegurada la convergencia de la sucesin hacia la solucin de la ecuacin,
deberamos decidir la precisin. Sin embargo, veremos que el mtodo es tan rpido en su convergencia que por defecto haremos siempre 10 iteraciones. Otra posibilidad sera detener el clculo
de cuando el valor absoluto de la diferencia entre xn y xn+1 sea menor que la precisin buscada (lo
cual no implica necesariamente que el error cometido sea menor que la precisin).
Utilizaremos ahora Maxima para generar la sucesin de aproximaciones. Resolvamos de nuevo
el ejemplo de x3 5 = 0 en el intervalo [1, 3].
Podemos comprobar, dibujando las grficas de f (x) = x3 5, f 0 (x) y f 00 (x) en el intervalo
[1, 3], que estamos en las condiciones bajo las cuales el Teorema de Newton-Raphson nos asegura
convergencia.
(%i86)
f(x):=x 3-5$
(%i87)
define(df(x),diff(f(x),x))$
(%i88)
define(df2(x),diff(f(x),x,2))$
(%i89)
plot2d([f(x),df(x),df2(x)],[x,1,3]);
107
Teorema de
Newton-Raphson
(%o89)
30
x3-5
3*x2
6*x
25
20
15
10
-5
1
1.5
2.5
A continuacin, generaremos los trminos de la sucesin de aproximaciones mediante el siguiente algoritmo. Comenzaremos por definir la funcin f y el valor de la primera aproximacin.
Inmediatamente despus definimos el algoritmo del mtodo de Newton-Raphson, e iremos visualizando las sucesivas aproximaciones. Como dijimos, pondremos un lmite de 10 iteraciones, aunque
usando mayor precisin decimal puedes probar con un nmero mayor de iteraciones.
(%i90)
y:3.0$
for i:1 thru 10 do
(y1:y-f(y)/df(y),
print(i,"- aproximacin",y1),
y:y1
);
1 - aproximacin 2.185185185185185
2 - aproximacin 1.80582775632091
3 - aproximacin 1.714973662124988
4 - aproximacin 1.709990496694424
5 - aproximacin 1.7099759468005
6 - aproximacin 1.709975946676697
7 - aproximacin 1.709975946676697
8 - aproximacin 1.709975946676697
9 - aproximacin 1.709975946676697
10 - aproximacin 1.709975946676697
Observars al ejecutar este grupo de comandos que ya en la sptima iteracin se han estabilizado diez cifras decimales. Como puedes ver, la velocidad de convergencia de este mtodo es muy
alta.
El mdulo mnewton
El mtodo que acabamos de ver se encuentra implementado en Maxima en el mdulo mnewton
de forma mucho ms completa. Esta versin se puede aplicar tanto a funciones de varias variables,
en otras palabras, tambin sirve para resolver sistemas de ecuaciones.
Primero cargamos el mdulo
(%i91)
load(mnewton)$
108
y luego podemos buscar una solucin indicando funcin, variable y punto inicial
5.5.6
(%i92)
mnewton(x 3-5,x,3);
(%o92)
[[x=1.709975946676697]]
Ejercicios
Ejercicio 5.11.
El mtodo de regula falsi o de la falsa posicin es
muy parecido al mtodo de biseccin. La nica diferencia es que se cambia el punto medio por el punto
de corte del segmento que une los puntos (a, f (a)) y
(b, f (b)) con el eje de abscisas.
Escribe un programa que utilice este mtodo. Para la
funcin f (x) = x2 5 en el intervalo [0, 4], compara
los resultados obtenidos. Cul es mejor?
(b, f (b))
(a, f (a))
f (x)
Figura 5.6 Mtodo de regula falsi

Ejercicio 5.12. Reescribe el mtodo de NewtonRaphson aadiendo una condicin de salida (cundo
el error relativo o absoluto sea menor que una cierta cantidad) y que compruebe que la primera
derivada est lejos de cero en cada paso.
Ejercicio 5.13.
El mtodo de la secante evita calcular la derivada
de una funcin utilizando recta secantes. Partiendo
de dos puntos iniciales x0 y x1 , el siguiente es el
punto de corte de la recta que pasa por (x0 , f (x0 )) y
(x1 , f (x1 )) y el eje de abscisas. Se repite el proceso
tomando ahora los puntos x1 y x2 y as sucesivamenx2 x0
x1
te.
f (x)
La convergencia de este mtodo no est garantizada,
pero si los dos puntos iniciales estn prximos a la
Figura 5.7 Mtodo de la secante
raz no suele haber problemas. Su convergencia es
ms lenta que el mtodo de Newton-Raphson aunque a cambio los clculos son ms simples.
Escribe un programa que utilice este mtodo. Para la funcin f (x) = x2 5, compara los resultados
obtenidos con el mtodo de Newton-Raphson. Cul es mejor?
Ejercicio 5.14. Resuelve las ecuaciones
a) ex + x2 3 sen(x) = 0,
b) e| x | = arctan(x),
c) x15 2 = 0
utilizando los mtodos que hemos estudiado. Compara cmo se comportan y decide en cul la
convergencia es ms rpida.
109
Ejercicio 5.15.
2
3
a) Considrese la ecuacin e(x +x+1) e x 2 = 0. Calcular programando los mtodos de biseccin
y de Newton-Raphson, la solucin de dicha ecuacin en el intervalo [0.3, 1] con exactitud
1010 .
b) Buscar la solucin que la ecuacin tan(x) = 1x posee en el intervalo [0, 2 ] usando los mtodos
estudiados.
110
Lmites
6
6.1 Lmites 111
cios 117
6.2 Sucesiones 113
6.3 Continuidad 115
6.4 Ejerci-
Uno de los primeros conceptos que se presentan en un curso de Clculo es el de continuidad.

Este concepto est ntimamente ligado al concepto de lmite. En clase hemos utilizado sucesiones
para definir lmite funcional. En este captulo veremos cmo usar Maxima para resolver algunos
problemas relacionados con todos esto.
6.1 Lmites
El clculo de lmites se realiza con la orden limit. Con
ella podemos calcular lmites de funciones o de sucesiones
en un nmero, en + o en . Tambin podemos usar el men AnlisisCalcular lmite. Ah podemos escoger, adems
de a qu funcin le estamos calculando el lmite, a qu tiende
la variable incluyendo los valores especiales como , e o infinito. Adems de esto, tambin podemos marcar si queremos
calcular nicamente el lmite por la derecha o por la izquierda
en lugar de la opcin por defecto que es por ambos lados.
limit (expr,x,a )
limit (expr,x,a,plus)
limit (expr,x,a,minus)
inf
minf
und
ind
lim xa expr
lim xa+ expr
lim xa expr
+
indefinido
indefinido pero acotado
El clculo de lmites con Maxima, como puedes ver, es sencillo. Sabe calcular lmites de cocientes
de polinomios en infinito
(%i1)
limit(n/(n+1),n,inf);
(%o1)
o en ,
111
Lmites
(%i2)
limit((x 2+3x+1)/(2x+3),x,minf);
(%o2)
aplicar las reglas de LHpital,
(%i3)
limit(sin(x)/x,x,0);
(%o3)
Incluso es capaz de dar alguna informacin en el caso de que no exista el lmite. Por ejemplo,
sabemos que las funciones peridicas, salvo las constantes, no tienen lmite en . La respuesta de
Maxima cuando calculamos el lmite de la funcin coseno en es
(%i4)
limit(cos(x),x,inf);
(%o4)
ind
Indeterminado. Este lmite es equivalente a
(%i5)
limit(cos(1/x),x,0);
(%o5)
ind
La funcin cos
su grfica.
(%i6)

1
x
oscila cada vez ms rpidamente cuando nos acercamos al origen. Observa
plot2d([cos(1/x)], [x,-2,2]);
1
(%o6)
0.8
0.6
0.4
cos(1/x)
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-2
-1.5
-1
-0.5
0
x
0.5
1.5
Maxima tiene dos formas de indicar indeterminacin. Una es ind, para indicar que est acotado,
und y la otra es und, para indicar indeterminacin a secas. Ahora bien, mucho cuidado con pensar que
si la respuesta es und entonces la funcin es no acotada. Esto puede ser cierto o no
ind
(%i7)
limit(abs(x)/x,x,0);
(%o7)
und
112
Sucesiones
Observacin 6.1. La acotacin que incluye ind es una informacin adicional que da Maxima.
Si no sabe si es cierta la acotacin o, directamente, no es cierta, entonces responde und pero esto
no quiere decir que la funcin a la que le estamos calculando el lmite no est acotada: solamente
quiere decir que no sabe si lo est o no.
En este ltimo lmite lo que ocurre es que tenemos que estudiar los lmites laterales
(%i8)
limit(abs(x)/x,x,0,plus);
(%o8)
(%i9)
limit(abs(x)/x,x,0,minus);
(%o9)
-1
Por tanto, no existe el lmite puesto que los lmites laterales no coinciden. Si recuerdas la definicin
de funcin derivable, acabamos de comprobar que la funcin valor absoluto no es derivable en el
origen.
Infinito o infinitos?
Maxima diferencia entre infinitos reales e infinitos complejos. Qu quiere decir esto? Veamos un ejemplo. Si calculamos el lmite de la funcin 1/x en 0 inmediatamente pensamos que el
resultado depende de si calculamos el lmite por la izquierda o por la derecha. En efecto,
(%i10)
limit(1/x,x,0,plus);
(%o10)
(%i11)
limit(1/x,x,0,minus);
(%o11)
Pero, qu ocurre si no estudiamos lmites laterales?
(%i12)
limit(1/x,x,0);
(%o12)
infinity
La constante infinity representa infinito complejo. Esto quiere decir que en mdulo el infinity
lmite es infinito.
6.2 Sucesiones
En clase hemos visto cmo calcular lmites de sucesiones, pero cmo podemos calcular esos
lmites con Maxima? Bueno, en la prctica hemos visto dos tipos de sucesiones dependiendo de
cmo estaba definidas. Por un lado tenemos aquellas definidas mediante una frmula que nos vale
n
para todos los trminos. Por ejemplo, la sucesin que tiene como trmino general xn = 1 + 1n .
En este caso no hay ningn problema en definir
113
Sucesiones
(%i13)
(%o13)
f(n):=(1+1/n) n;
1 n
f(n):= 1+
n
y se puede calcular el lmite en + sin ninguna dificultad
(%i14)
limit(f(n), n, inf);
(%o14)
%e
La situacin es diferente cuando no tenemos una frmula para el trmino general como, por
ejemplo, cuando la sucesin est definida por recurrencia. Veamos un ejemplo. Consideremos la
cn
sucesin que tiene como trmino general c1 = 1 y cn+1 = 1+c
para cualquier natural n. Podemos
n
definirla utilizando una lista definida, como no, por recurrencia:
(%i15)
c[1]:1;
(%o15)
(%i16)
c[n]:=c[n-1]/(1+c[n-1]);
cn-1
cn :=
1+cn-1
(%o16)
Si somos capaces de encontrar una frmula para el trmino general, podemos calcular el lmite.
Con lo que tenemos hasta ahora no vamos muy lejos:
(%i17)
limit(c[n],n,inf);
Maxima encountered a Lisp error:
Error in PROGN [or a callee]: Bind stack overflow.
Automatically continuing.
To reenable the Lisp debugger set *debugger-hook* to nil.
Podemos demostrar por induccin que la sucesin es, en este caso, decreciente y acotada infeL
riormente. Una vez hecho, la sucesin es convergente y el lmite L debe verificar que L = 1+L
. Esta
ecuacin s nos la resuelve Maxima
(%i18)
solve(L/(1+L)=L,L);
(%o18)
[L=0]
con lo que tendramos demostrado que el lmite es 0.

Observacin 6.2. Para esta sucesin en concreto, s se puede encontrar una frmula para el trmino general. De hecho existe un mdulo, solve_rec, que resuelve justo este tipo de problemas.
(%i19)
kill(all);
114
Continuidad
(%o0)
done
(%i1)
load(solve_rec)$
(%i2)
solve_rec(c[n]=c[n-1]/(1+c[n-1]),c[n]);
n+%k1 +1
cn =
-1
n+%k1
(%o2)
que, simplificando, nos queda
(%i3)
(%o3)
ratsimp(%);
1
cn =
n+%k1
1
si a esto le aadimos que c1 = 1 obtenemos que cn = 1+n
.
De todas formas no hay que ilusionarse demasiado. Encontrar una frmula para el trmino general
es difcil y lo normal es no poder hacerlo. Es por ello que no vamos a entrar en ms detalles
con solve_rec. Lo nico que podemos hacer con Maxima es calcular trminos. Por ejemplo, solve_rec
solve_rec no es capaz de encontrar el trmino general de la sucesin x1 = 1, xn = 1 + xn1 ,
n N. En cambio, no tiene ninguna dificultad en calcular tanto trminos como se quiera,
(%i4)
x[1]:1;
(%o4)
(%i5)
x[n]:=sqrt(1+x[n-1]);
xn = 1+xn1
(%o5)
(%i6)
(%o6)
x[10];
v
v
u
v
u
u
v
u
u
u
u
tsr
tv
tu
tu
tu
q
2+1+1+1+1+1+1+1+1
(%i7)
%,numer;
(%o7)
1.618016542231488
pero seremos nosotros los que tendremos que demostrar la convergencia estudiando la monotona
y la acotacin de la sucesin.
6.3 Continuidad
El estudio de la continuidad de una funcin es inmediato una vez que sabemos calcular lmites.
Una funcin f : A R R es continua en a A si lim xa f (x) = f (a). Conocido el valor de la
funcin en el punto, la nica dificultad es, por tanto, saber si coincide o no con el valor del lmite.
Con respecto a las funciones discontinuas, la grfica puede darnos una idea del tipo de discontinuidad. Si la discontinuidad es evitable, es difcil apreciar un nico pixel en la grfica. Una
discontinuidad de salto es fcilmente apreciable. Por ejemplo, la funcin signo, esto es, | xx | , tiene
un salto en el origen que Maxima une con una lnea vertical.
115
Continuidad
(%i8)
load(draw)$
(%i9)
draw2d(color=blue,
explicit(abs(x)/x,x,-3,3),
yrange=[-2,2],
grid=true);
(%o9)
1.5
0.5
-0.5
-1
-1.5
-2
-3
-2
-1
Cuando el salto es infinito o, lo que es lo mismo, cuando la funcin tiene una asntota vertical,
la primera dificultad que se encuentra Maxima es escoger un rango adecuado para representarla:
(%i10)
plot2d(tan(x),[x,-5,5]);
2500
(%o10)
2000
1500
1000
tan(x)
500
0
-500
-1000
-1500
-2000
-2500
-4
-2
0
x
En estos casos tenemos que ayudar nosotros a Maxima restringiendo el rango donde representamos
la funcin
(%i11)
plot2d(tan(x),[x,-5,5],[y,-15,15]);
15
(%o11)
10
tan(x)
-5
-10
-15
-4
-2
0
x
116
Ejercicios
6.4 Ejercicios
Ejercicio 6.1. Estudia la continuidad de la funcin f : R R definida como f (x) = x ln | x |
si x 6= 0 y f (0) = 0.
Ejercicio 6.2. Sean a y b dos nmeros reales verificando b < 0 < a; estudia el comportamiento
en cero de la funcin
!
a
b
, x R .
f (x) = arctan
arctan
x
x

Ejercicio 6.3. Estudia la continuidad de la funcin f (x) = arctan 1+x
1x con x 6= 1, as como su
comportamiento en 1, + y .
Ejercicio 6.4.
a) Dibuja una funcin continua cuya imagen no sea un intervalo.
b) Dibuja una funcin definida en un intervalo cuya imagen sea un intervalo y que no sea continua.
c) Dibuja una funcin continua en todo R, no constante y cuya imagen sea un conjunto (obligatoriamente un intervalo) acotado.
d) Dibuja una funcin continua en [0, 1[ tal que f ([0, 1[) no sea acotado.
e) Dibuja una funcin continua definida en un intervalo abierto acotado y cuya imagen sea un
intervalo cerrado y acotado.
Ejercicio 6.5. Consideremos la funcin f : [0, 1] R definida como f (x) =
1
2
(cos(x) + sen(x)).
a) Utiliza que f ([0, 1]) [0, 1] para probar que existe x [0, 1] tal que f (x) = x (sin utilizar
Maxima). A dicho punto se le suele llamar un punto fijo de la funcin f .
b) Se puede demostrar que la sucesin x1 = 1, xn+1 = f (xn ), para cualquier natural n tiende a un
punto fijo. Utiliza un bucle para encontrar un punto fijo con una exactitud menor que 105 .
117
118
Derivacin
Clculo de derivadas
Derivacin
7
7.1 Clculo de derivadas 119
7.2 Rectas secante y tangente a una funcin 122
7.3 Mximos y mnimos relativos 126 7.4 Ejercicios 131
En este captulo vamos a aprender a calcular y evaluar derivadas de cualquier orden de una
funcin; representar grficamente rectas tangentes y normales a la grfica de una funcin; calcular extremos de funciones reales de una variable y, por ltimo, calcular polinomios de Taylor y
representarlos grficamente para aproximar una funcin.
7.1 Clculo de derivadas

Para calcular la derivada de una funcin real de variable real, una vez definida, por ejemplo,
como f (x), se utiliza el comando diff que toma como argumentos la funcin a derivar, la variable diff
con respecto a la cual hacerlo y, opcionalmente, el orden de derivacin.
diff(expr,variable )
diff(expr,variable,n )
derivada de expr
derivada n-sima de expr
A este comando tambin podemos acceder a travs del men

AnlisisDerivar o, tambin, a travs del botn Derivar
si hemos activado el correspondiente panel. Hacindolo de
cualquiera de estas dos formas, aparece una ventana de dilogo con varios datos a rellenar; a saber:
a) Expresin. Por defecto, wxMaxima rellena este espacio con
% para referirse a la salida anterior. Si no es la que nos interesa, la escribimos directamente nosotros.
Figura 7.1 Introducir derivada
b) respecto la variable. Se refiere a la variable respecto a la

cual vamos a derivar.
c) veces. Se refiere al orden de derivacin.
Comencemos con un ejemplo,
(%i1)
diff(tan(x),x);
(%o1)
sec(x)2
La orden diff considera como constantes cualquier otra variable que aparezca en la expresin
a derivar, salvo que explcitamente manifestemos que estn relacionadas.
119
Clculo de derivadas
(%i2)
diff(xysin(x+y),x);
(%o2)
ysin(y+x)+xycos(y+x)
Derivacin
Tambin podemos trabajar con funciones que previamente hayamos definido.
(%i3)
f(x):= x 4+sin(x 2);
(%o3)
f(x):=x4 +sin(x2 )
(%i4)
diff(f(x),x);
(%o4)
2x cos(x2 )+4x3
La tercera entrada de la orden diff nos permite calcular derivadas de orden superior. Por ejemplo, la cuarta derivada de f sera la siguiente.
(%i5)
diff(f(x),x,4);
(%o5)
16x4 sin(x2 ) 12 sin(x2 ) 48x2 cos(x2 ) + 24
7.1.1 Reutilizar la derivada

Las derivadas sucesivas de una funcin nos dan mucha informacin sobre la funcin original
y con frecuencia nos hace falta utilizarlas de nuevo, ya sea para calcular puntos crticos, evaluar
para estudiar monotona o extremos relativos, etc. Es por ello que es cmodo escribir la derivada
como una funcin. Hay varias formas en las que podemos hacerlo. Podemos, por ejemplo, utilizar
la orden define
(%i6)
define(g(x),diff(f(x),x));
(%o6)
g(x):=2xcos(x2 )+4x3
o podemos aprovechar las dobles comillas
(%i7)
df(x):=(%o4);
(%o7)
df(x):=2xcos(x2 )+4x3
(%i8)
df(1);
(%o8)
2cos(1)+4
Observacin 7.1. Te recuerdo que la comilla que utilizamos para asignar a la funcin df(x) la
derivada primera de f es la que aparece en la tecla ? , es decir, son dos apstrofos , + , y
no hay que confundirla con las dobles comillas de la tecla 2 .
Tambin podemos evaluar la derivada en un determinado punto sin necesidad de definir una
nueva funcin,
120
Derivacin
Clculo de derivadas
(%i9)
(diff(f(x),x)),x=1;
(%o9)
2cos(1)+4
aunque esto deja de ser prctico cuando tenemos que calcular el valor en varios puntos.
El operador comilla y dobles comillas

Hasta ahora no hemos utilizado demasiado, en realidad prcticamente nada, los operadores comilla y dobles comillas. Estos operadores tienen un comportamiento muy distinto: una comilla
simple hace que no se evale, en cambio las dobles comillas obligan a una evaluacin de la expresin que le sigue. Observa cul es la diferencia cuando aplicamos ambos operadores a una misma
expresin:
(%i10)
(%o10)
diff(f(x),x)=diff(f(x),x);
d
(sin(x2 )+x4 )=2 x cos(x2 )+4 x3
dx
En la parte de la izquierda tenemos la derivada sin evaluar, la expresin que hemos escrito tal cual.
En la derecha tenemos la derivada calculada de la funcin f .
Observacin 7.2. El uso de las dobles comillas para definir la derivada de una funcin puede
dar lugar a error. Observa la siguiente secuencia de comandos: definimos la funcin coseno y su
derivada,
(%i11)
remfunction(all)$
(%i12)
f(x):=cos(x);
(%o12)
f(x):=cos(x)
(%i13)
g(x):=diff(f(x),x);
(%o13)
g(x):=diff(f(x),x)
(%i14)
h(x):=diff(f(x),x);
(%o14)
h(x):=diff(f(x),x)
bueno, no parece que haya mucha diferencia entre usar o no las comillas. Vamos a ver cunto valen
las funciones g y h:
(%i15)
g(x);
(%o15)
-sin(x)
(%i16)
h(x);
(%o16)
-sin(x)
Parece que no hay grandes diferencias. De hecho no se ve ninguna. Vamos a ver cunto valen en
algn punto.
121
Rectas secante y tangente a una funcin
(%i17)
Derivacin
g(1);
1
#0: g(x=1)
an error. To debug this try debugmode(true);
Por fin, un error. Habamos dicho que necesitbamos las comillas para que se evaluara la derivada.
Slo lo ha hecho cuando lo hemos definido pero, sin las dobles comillas, no vuelve a hacerlo y, por
tanto, no sabe evaluar en 1. En la prctica g(x):=-sin(x) es una simple cadena de texto y no
una funcin. Vale. Entonces, vamos con la funcin h:
(%i18)
h(1);
1
#0: g(x=1)
Qu ha pasado aqu? Pero si hemos puesto las comillas dobles! Qu est mal? Hemos escrito
mal las comillas? Repsalo y vers que no. El problema es un poco ms sutil: las dobles comillas
afectan a lo que tienen directamente a su derecha. En la definicin de la funcin h no hemos escrito
entre parntesis la derivada y las dobles comillas no afectan a todo; slo afectan al operador diff
pero no a la x. Es por eso que no la considera una variable y tampoco se puede evaluar h en un punto.
Llegados a este punto entenders porqu hemos recomendado que utilices el comando define en
lugar de las comillas.
7.2 Rectas secante y tangente a una funcin

La definicin de derivada de una funcin real de variable real en un punto a es, como conoces
bien,
f (x) f (a)
lim
,
xa
xa
lmite que denotamos f 0 (a).
y = f (a) + f 0 (a)(x a)
f (x)
f (x)
f (a)
Figura 7.2 Recta tangente
122
Derivacin
En otras palabras, calculamos la recta que pasa por el punto (a, f (a)) y el punto (x, f (x)), hacemos
tender x a a y, en el lmite, la recta que obtenemos es la recta tangente. La pendiente de dicha recta
es la derivada de f en a.
Vamos a aprovechar la orden with_slider para representar grficamente este proceso en un
ejemplo. Consideremos la funcin f (x) = x3 2x2 x + 2 y su derivada, a la que notaremos d f ,
(%i19)
f(x):=x 3-2x 2-x+2;
(%o19)
f(x):=x3 -2x2 -x+2
(%i20)
define(df(x),diff(f(x),x));
(%o20)
df(x):=3x2 -4x-1
La recta tangente a una funcin f en un punto a es la recta y = f (a) + f 0 (a)(x a). La definimos.
(%i21)
tangente(x,a):=f(a)+df(a)(x-a);
(%o21)
tangente(x,a):=f(a)+df(a)(x-a)
Ya podemos dibujar la funcin y su tangente en 1:
(%i22)
load(draw)$
(%i23)
draw2d(
color=blue,key="funcin",explicit(f(x),x,-2,3),
grid=true);
(%o23)
funcion
tangente
5
-5
-10
-2
-1
Para dibujar la recta secante la primera cuestin es cul es la recta que pasa por (1, f (1)) y
por (x, f (x))? Recordemos que la recta que pasa por un par de puntos (a, c), (b, d) que no estn
verticalmente alineados es la grfica de la funcin
recta(x) =
cd
ad bc
x+
.
ab
ab
La definimos en Maxima:
(%i24)
recta(x,a,c,b,d):=x(c-d)/(a-b)+(ad-bc)/(a-b);
123
(%o24)
Derivacin
recta(x,a,c,b,d):=
x(c-d) ad-bc
+
a-b
a-b
Ahora podemos ver qu ocurre con la rectas que pasan por los puntos (1, f (1)) y (1 + h, f (1 + h))
cuando h tiende a cero. Por ejemplo para h = 0.6, tendramos
(%i25)
draw2d(
color=black,points([[1,f(1)]]),
color=black,points([[1.6,f(1.6)]]),
color=blue,key="funcion",explicit(f(x),x,-2,3),
color=green,key="secante",
explicit(recta(x,1,f(1),1+0.6,f(1.6)),x,-2,3),
grid=true)$
(%o25)
funcion
tangente
secante
5
-5
-10
-2
-1
Si te fijas, en la grfica anterior hemos aadido tambin el par de puntos que definen la recta
sectante.
En la Figura 7.3 puedes ver el resultado para h = 0.2, 0.4, 0.6, y 0.8.
Podemos unir todo lo que hemos hecho y usar la capacidad de wxMaxima para representar
grficos en funcin de un parmetro. Dibujemos la funcin, la recta tangente y las secantes para
h = 0.1, 0.2, . . . , 2:
(%i26)
with_slider(
n,0.1reverse(makelist(i,i,1,20)),
[f(x),tangente(x,1),recta(x,1,f(1),1+n,f(1+n))],
[x,-2,3]);
7.2.1 Recta normal

La recta normal es la recta perpendicular a la recta tangente. Su pendiente es 1/ f 0 (a) y, por
tanto, tiene como ecuacin
1
y = f (a) 0 (x a).
f (a)
Con todo lo que ya tenemos hecho es muy fcil dibujarla.
124
Derivacin
funcion
tangente
secante
funcion
tangente
secante
5
-5
-5
-10
-10
-2
-1
-2
-1
h = 0.8
funcion
tangente
secante
-5
-5
-10
-10
-1
h = 0.6
funcion
tangente
secante
-2
-2
-1
h = 0.4
h = 0.2
Figura 7.3 Rectas secantes y tangente
(%i27)
normal(x,a):=f(a)-df(a) (-1)*(x-a)$
(%i28)
draw2d(
point_type=filled_circle,color=black,points([[1,f(1)]]),
color=blue,key="funcion",explicit(f(x),x,-2,3),
color=green,key="normal",explicit(normal(x,1),x,-2,3),
grid=true)$
(%o28)
funcion
tangente
normal
5
-5
-10
-2
-1
En la figura anterior, la recta normal no parece perpendicular a la recta tangente. Eso es por que
no hemos tenido en cuenta la escala a la que se dibujan los ejes. Prueba a cambiar la escala para
que queden perpendiculares.
125
Mximos y mnimos relativos
Derivacin
Prueba a cambiar la funcin f , el punto a. Ahora

es tu turno! Por ejemplo, haz esto mismo para
una funcin que no sea derivable como f (x) = | x | en el origen.
7.3 Mximos y mnimos relativos

En esta seccin vamos a aprender a localizar extemos relativos de una funcin f . Para ello
encontraremos las soluciones de la ecuacin de punto crtico: f 0 (x) = 0. Y para resolver dicha
ecuacin podemos usar el comando solve.
Ejemplo 7.3. Calculemos los extremos relativos de la funcin f (x) = 2x4 + 4x, x R.
Comenzamos, entonces, presentndosela al programa (no olvidis borrar de la memoria la anterior
funcin f ) y pintando su grfica para hacernos una idea de dnde pueden estar sus extremos.
(%i29)
f(x):=2*x 4+4*x$
(%i30)
plot2d(f(x),[x,-2,1]);
(%o30)
25
20
15
10
-5
-2
-1.5
-1
-0.5
x
0.5
Parece que hay un mnimo en las proximidades de -1. Para confirmarlo, calculamos los puntos
crticos de f .
(%i31)
define(d1f(x),diff(f(x),x))$
(%i32)
puntosf:solve(d1f(x),x);
(%o32)
[x=-(sqrt(3)*%i-1)/(2*2 (1/3)),x=(sqrt(3)*%i+1)/(2*2 (1/3)),

x=-1/2 (1/3)]
Observamos que hay slo una raz real que es la nica que nos interesa.
(%i33)
last(puntosf);
(%o33)
x=-1/2 (1/3)
Llamamos a al nico punto crtico que hemos obtenido, y evaluamos en l la segunda derivada:
(%i34)
a:rhs(%)$
(%i35)
define(d2f(x),diff(f(x),x,2))$
(%i36)
d2f(a);
126
Derivacin
(%o36)
24/2 (2/3)
Por tanto la funcin f tiene un mnimo relativo en dicho punto a. Puede haber otro extremo ms?
Cmo podemos asegurarnos?
Ejemplo 7.4. Vamos a calcular los extremos relativos de la funcin:
f (x) = x5 + x4 11x3 9x2 + 18x + 10 en el intervalo [4, 4]
Procedemos de la misma forma que en el ejemplo anterior.
(%i37)
f(x):=x 5+x 4-11x 3-9x 2+18x+10$
(%i38)
plot2d(f(x),[x,-4,4])$
(%o38)
600
500
400
300
200
100
0
-100
-200
-300
-4
-3
-2
-1
0
x
A simple vista observamos que hay:

a) un mximo relativo entre -3 y -2,
b) un mnimo relativo entre -2 y -1,
c) un mximo relativo entre 0 y 1, y
d) un mnimo relativo entre 2 y 3.
Vamos entonces a derivar la funcin e intentamos calcular los ceros de f 0 haciendo uso del comando solve.
(%i39)
define(d1f(x),diff(f(x),x));
(%o39)
d1f(x):=5x4 +4x3 -33x2 -18x+18
(%i40)
solve(d1f(x),x);
Las soluciones que nos da el programa no son nada manejables, as que vamos a resolver la ecuacin f 0 (x) = 0 de forma numrica, esto es, con el comando find_root. Para ello, nos apoyamos
en la grfica que hemos calculado ms arriba, puesto que para resolver numricamente esta ecuacin hay que dar un intervalo en el que se puede encontrar la posible solucin. Vamos, entonces, a
obtener la lista de puntos crticos que tiene la funcin.
127
(%i41)
(%o41)
Derivacin
puntosf:[find_root(d1f(x),x,-3,-2),
find_root(d1f(x),x,-2,-1), find_root(d1f(x),x,0,1),
find_root(d1f(x),x,2,3)];
[-2.600821117505113,-1.096856508567827,0.53386135374308,
2.363816272329865]
Ahora, para decidir si en estos puntos crticos se alcanza mximo o mnimo relativo, vamos a
aplicar el test de la segunda derivada. Esto es:
(%i42)
define(d2f(x),diff(f(x),x,2));
(%o42)
d2f(x):=20x3 +12x2 -66x-18
(%i43)
map(d2f,puntosf);
(%o43)
[-117.0277108731797,42.43722588782084,-46.77165945967596,
157.2021444450349]
Lo que nos dice que en el primer y tercer puntos hay mximos relativos, mientras que en los otros
dos tenemos mnimos relativos.
A continuacin veremos un caso en el que la grfica diseada por el programa nos puede llevar
a engao. Descubriremos el error gracias al test de la segunda derivada.
Ejemplo 7.5. Vamos a estudiar los extremos relativos de la funcin
f (x) = x2 10x 40 +
10x2
1
.
100x + 251
Comenzamos dibujando su grfica en el intervalo [15, 15]
(%i44)
f(x):=x 2-10*x-40+1/(10*x 2-100*x+251)$
(%i45)
plot2d(f(x),[x,-15,15]);
(%o45)
350
300
250
200
150
100
50
0
-50
-100
-15
-10
-5
0
x
10
15
Aparentemente hay un mnimo cerca de 5. De hecho, si aplicamos el comando solve a la primera

derivada de f obtenemos que precisamente la derivada de f se anula en x = 5. A la vista de la
grfica parece que efectivamente en x = 5 hay un mnimo de la funcin f . Pero nada ms lejos de
la realidad, porque si evaluamos la derivada segunda de f en 5 obtendremos que f 00 (5) = 18 < 0.
La segunda derivada es negativa y por tanto en x = 5 tiene que haber un mximo. En efecto:
128
Derivacin
(%i46)
(%i47)
d1f(5);
(%o47)
(%i48)
(%i49)
d2f(5);
(%o49)
-18
De hecho, si hubiramos dibujado la grfica en un intervalo ms pequeo, s se hubiera apreciado

el mximo en el punto 5.
(%i50)
plot2d(f(x),[x,3,7]);
(%o50)
-60.5
-61
-61.5
-62
-62.5
-63
-63.5
-64
-64.5
3
3.5
4.5
5
x
5.5
6.5
En resumen, ten cuidado con los resultados que obtengas y, siempre, comprueba si se ajustan a los
contenidos tericos que has visto en clase.
En el siguiente ejemplo, resolvemos un problema de optimizacin.
Ejemplo 7.6. Se desea construir una ventana con forma de rectngulo coronado de un semicrculo
de dimetro igual a la base del rectngulo. Pondremos cristal blanco en la parte rectangular y cristal
de color en el semicrculo. Sabiendo que el cristal coloreado deja pasar la mitad de luz (por unidad
de superficie) que el blanco, calcular las dimensiones para conseguir la mxima luminosidad si se
ha de mantener el permetro constante dado.
Llamemos x a la longitud de la base de la ventana y h a su altura. El permetro es una cantidad
dada A; es decir, x + 2h + x
2 = A. Despejamos h en funcin de x:
(%i51)
(%o51)
altura:solve(x+2h+(%pix)/2=A,h)$
2 A+(--2) x
[h=
]
4
La luminosidad viene dada por

f (x) = 2xh +
x
x2
1
x2
= x(A x ) + = A x (8 + 3)x2
8
2
8
8
Definimos entonces la funcin f y calculamos sus puntos crticos:
129
Derivacin
(%i52)
f(x):=Ax-(1/8)(8+3%pi)x 2$
(%i53)
(%i54)
solve(diff(f(x),x),x);
4A
[x=
]
3+8
%[1];
4A
x=
3+8
(%o54)
(%i55)
(%o55)
Y ahora evaluaremos la segunda derivada en dicho punto crtico. Para ello:
(%i56)
a:rhs(%)$
(%i57)
(%i58)
d2f(a);
3+8
(%o58)
La segunda derivada es negativa: ya tenemos el mximo que estbamos buscando.

Por ltimo, veamos cmo podemos verificar una desigualdad haciendo uso de tcnicas de derivacin.
x
, x 1.
Ejemplo 7.7. Se nos plantea demostrar la siguiente desigualdad: log(x + 1) x+1
x
Estudiemos entonces la siguiente funcin: f (x) = log(x + 1) x+1 . Tendremos que comprobar
que dicha funcin es siempre positiva. Para esto es suficiente comprobar que, si la funcin f tiene
mnimo absoluto, su valor es mayor o igual que cero. En efecto:
(%i59)
f(x):=log(x+1)-x/(x+1)$
(%i60)
(%i61)
solve(d1f(x),x);
(%o61)
[x=0]
Por tanto slo tiene un punto crtico, y adems:
(%i62)
(%i63)
d2f(0);
(%o63)
Luego, en el punto 0 alcanza un mnimo relativo que, por ser nico, es el mnimo absoluto. Como
se verifica que f (0) = 0, la desigualdad es cierta.
130
Derivacin
Ejercicios
7.4 Ejercicios
Ejercicio 7.1.
a) Calcula las tangentes a la hiprbola xy = 1 que pasan por el punto (1, 1). Haz una representacin grfica.
b) Calcula las tangentes a la grfica de y = 2x3 + 13x2 + 5x + 9 que pasan por el origen. Haz una
representacin grfica.
Ejercicio 7.2. Haz una animacin grfica en la que se represente la grfica de la parbola f (x) =
6 (x 3)2 en azul, la recta tangente en el punto (1, f (1)) en negro y las rectas secantes que pasan
por los puntos (1, f (1)) y (1 h, f (1 h)) donde h vara de 3 a 0.2 con incrementos iguales a
0.2, en rojo. Utiliza las opciones que consideres ms apropiadas para hacer la animacin.
Ejercicio 7.3. Representa en una misma grfica la parbola y = x2 /4 y sus rectas tangentes
en los puntos de abscisas 3 + 6k/30 para 1 k 29. Utiliza las opciones que consideres ms
apropiadas.
Ejercicio 7.4. Halla dos nmeros no negativos tales que la suma de uno ms el doble del otro
sea 12 y su producto sea mximo.
Ejercicio 7.5.
funcin
Un mvil tiene un movimiento rectilneo con desplazamiento descrito por la

s(t) = t4 2t3 12t2 + 60t 10.
En qu instante del intervalo [0, 3] alcanza su mxima velocidad?
131
132
Integracin
Clculo de integrales
Integracin
8
8.1 Clculo de integrales 133
nes 142 8.4 Ejercicios 149
8.2 Sumas de Riemann 139
8.3 Aplicacio-
En este captulo vamos a aprender a calcular integrales en una variable, as como aplicar estas
integrales al clculo de reas de recintos en el plano limitados por varias curvas, longitudes de
curvas, volmenes de cuerpos de revolucin y reas de superficies de revolucin.
8.1 Clculo de integrales

La principal orden de Maxima para calcular integrales es integrate. Nos va a permitir calcular
integrales, tanto definidas como indefinidas, con mucha comodidad.
integrate(f(x),x)
integrate(f(x),x,a,b)
primitiva de la funcin f (x)

Rb
f (x) dx
a
Disponemos tambin de la siguiente opcin en el men para calcular integrales, sin necesidad de
escribir el comando correspondiente en la ventana de entradas: AnlisisIntegrar. Despus slo
tenemos que rellenar los datos que nos interesen.
Integral indefinida
Integral definida
Figura 8.1 Clculo de integrales
Comencemos por integrales indefinidas. Maxima calcula primitivas de funciones trigonomtricas,
(%i1)
integrate(xsin(x),x);
(%o1)
sin(x)-xcos(x)
133
Integracin
de funciones racionales,
(%i2)
(%o2)
integrate(1/(x 4-1),x);
log(x+1) atan(x) log(x-1)
+
4
2
4
irracionales,
(%i3)
(%o3)
integrate(sqrt(x 2+1),x);
asinh(x) x x2 +1
+
2
2
ya sea aplicando integracin por partes
(%i4)
(%o4)
integrate(x 3*%e x,x);

x3 3x2 + 6x-6 %ex
o el mtodo que considere necesario
(%i5)
(%o5)
integrate(%e (-x 2),x);
erf(x)
2
integral que no sabamos hacer. Bueno, como puedes ver, Maxima se defiende bien con integrales.
Eso s, es posible que nos aparezcan funciones (como erf). El motivo es muy sencillo: la forma
de saber calcular primitivas de muchas funciones es saberse muchas funciones. Maxima se sabe
muchas y, cuando nos aparezca alguna nueva, siempre podemos preguntar cul es.
(%i6)
describe(erf); Funcin: erf (<x>)

Es la funcin de error, cuya derivada
es 2exp(-x 2)/sqrt(%pi).
There are also some inexact matches for erf.
Try ?? erf to see them.
(%o6)
true
Para calcular integrales definidas slo tenemos que aadir los extremos del intervalo de integracin
(%i7)
integrate(x*sin(x),x,%pi/2,%pi);
(%o7)
-1
134
Integracin
(%i8)
(%o8)
integrate(1/(x 2-1),x,2,5);
log(6) log(4) log(3)
+
+
2
2
2
En la integrales pueden aparecer parmetros y si Maxima tiene dudas acerca de su valor pregunta,
(%i9)
(%o9)
integrate(x n,x);
Is n+1 zero or nonzero? nonzero;
xn+1
n+1
pregunta todo lo que haga falta:
(%i10)
integrate(1/x,x,a,b);
Is b - a positive, negative, or zero? positive;
Is b positive, negative, or zero? positive;
Is a positive, negative, or zero? positive;
Is x + b positive or negative? positive;
(%o10)
log(b)-log(a)
Evidentemente hay funciones a las que Maxima no sabe calcular una integral indefinida. En ese
caso, da como respuesta la misma integral que le hemos preguntado.
(%i11)
(%o11)
integrate(exp(x 3+x),x);
Z
3
%ex +x dx
Veremos que este problema desaparece cuando pasamos a integrales definidas.
8.1.1 Integracin impropia

Como recordars de las clases tericas, la integral que, en principio, se define para funciones
continuas en intervalos compactos, puede extenderse a funciones continuas definidas en intervalos
de longitud infinita y a funciones que no estn acotadas en un intervalo de longitud finita. Es lo que
se conoce como integracin impropia. Para el programa Maxima, trabajar con integrales impropias
no supone ningn problema ya que las trata exactamente igual que las integrales de funciones
continuas en intervalos cerrados y acotados. De hecho, no hay forma de distinguir unas de otras:
en ningn momento hemos indicado al comando integrate que la funcin era acotada ni hemos
dicho si el intervalo era abierto, cerrado o semiabierto. Slo hemos indicado los extremos y ya est.
Por tanto, con la misma orden integrate se pueden calcular integrales impropias. Por ejemplo:
(%i12)
integrate(1/sqrt(1-x 2),x,-1,1);
135
Integracin
(%o12)
(%i13)
integrate(%e(-x 2),x,0,inf);
(%o13)
Intenta calcular una primitiva de los integrandos anteriores. Como vers, la primitiva de la
funcin f (x) = 1 2 ya la conocas; en cambio, en la primitiva de la funcin f (x) = exp(x2 )
1x
aparece una funcin que seguro que no conocas, pero que ha aparecido en el apartado dedicado
al clculo de integrales. Probamos a hacer las siguientes integrales impropias:
Z +
Z +
1
1
dx ,
dx
2
x
x
1
1
(%i14)
integrate(1/x 2,x,1,inf);
(%o14)
(%i15)
integrate(1/x,x,0,inf);
Integral is divergent
Observa cmo en la salida de la ltima integral el programa advierte de la no convergencia de la

integral planteada. Sabis decir el por qu? Bueno, recordemos que la definicin de dicha integral
es
Z +
1
dx = lim G(x) lim G(x),
x+
x1
x
1
donde G es una primitiva de 1x . En este caso, una primitiva es ln(x) que no tiene lmite en + (es
+).
Observacin 8.1. Hay que tener cierto cuidado con la integracin de funciones que no son continuas. Por ejemplo, la funcin f (x) = 1x no es impropiamente integrable en [1, 1]. Si as fuera,
tambin lo sera en el intervalo [0, 1] y esto es claramente falso.
Dependiendo de las versiones, la respuesta de Maxima puede variar, pero siempre involucra el
llamado valor principal de la integral. Por ejemplo, con la versin 5.17 de Maxima el resultado es
el siguiente
(%i16)
integrate(1/x,x,-1,1);
Principal value
(%o16)
log(-1)+%i
8.1.2 Integracin nmerica

El clculo de primitivas no es interesante por s mismo, el motivo que lo hace interesante es la
regla de Barrow: si conoces una primitiva de una funcin, entonces el clculo de la integral en un
intervalo se reduce a evaluar la primitiva en los extremos y restar.
136
Integracin
quad_quags(f(x),x,a,b)
quad_qagi(f(x),x,a,b)
romberg(f(x),x,a,b)
aproximacin numrica de
Rb
Rb
Rb
a
a
a
f (x) dx
f (x) dx
f (x) dx
En la prctica, no siempre es fcil calcular una primitiva, pero s

es fcil (para un ordenador y tericamente) aproximar el valor de la
integral por las reas de los rectngulos que aparecen en la definicin
de integral. Este mtodo no es el mejor, pero versiones mejoradas
permiten aproximar el valor de casi cualquier integral.
Si en el men AnlisisIntegrar marcamos Integracin definida e Integracin numrica se nos da la opcin de escoger entre
dos mtodos: quadpack y romberg, cada uno referido a un tipo diferente de aproximacin numrica de la integral. Vamos a calcular
numricamente la integral que hemos hecho ms arriba que tena
como resultado 1
(%i17)
quad_qags(xsin(x),x,%pi/2,%pi);
(%o17)
[2.141592653589794,2.3788064330872769 1014 ,21,0]
(%i18)
romberg(xsin(x),x,%pi/2,%pi);
(%o18)
2.141591640806944
Observamos que hay una diferencia entre las salidas de ambos comandos. Mientras que en la
ltima aparece el valor aproximado de la integral (fjate que es 1), en la primera aparece como
salida una lista de 4 valores:
a) la aproximacin de la integral
b) el error absoluto estimado de la aproximacin
c) el nmero de evaluaciones del integrando
d) el cdigo de error (que puede ir desde 0 hasta 6) que, copiado de la ayuda de Maxima, significa
El cdigo de error (el cuarto elemento del resultado) puede tener

los siguientes valores:
0
si no ha habido problemas;
1
si se utilizaron demasiados intervalos;
2
si se encontr un nmero excesivo de errores de redondeo;
3
si el integrando ha tenido un comportamiento extrao
frente a
la integracin;
137
Integracin
4
fallo de convergencia;
5
la integral es probablemente divergente o de convergencia
lenta;
6
si los argumentos de entrada no son vlidos.
Qu duda cabe que este tipo de integracin numrica es interesante para integrandos de los
cuales no se conoce una primitiva. Vamos a intentar calcular una primitiva y posteriormente una
2
integral definida de la funcin f (x) = ex .
(%i19)
(%o19)
(%i20)
(%o20)
integrate(exp(-x 2),x);
erf(x)
2
integrate(exp(-x 2),x,0,1);
erf(1)
2
Si ahora queremos, podemos calcular numricamente este valor,
(%i21)
float(%);
(%o21)
0.74682413281243
o tambin, podamos haber utlizado los comandos de integracin numrica directamente
quadpack
(%i22)
quad_qags(exp(-x 2),x,0,1);
(%o22)
[0.74682413281243,8.2954620176770253 1015 ,21,0]
(%i23)
romberg(exp(-x 2),x,0,1);
(%o23)
0.7468241699099
En realidad, quadpack no es un mtodo concreto sino una serie de mtodos para aproximar
numricamente la integral. Los dos que hemos visto antes, quad_qags y romberg
R , se pueden
utilizar en intervalos finitos. Comprueba t mismo lo que ocurre cuando calculas 1 cos(x)/x2 dx
utilizando el men AnlisisIntegrar: obtendrs algo as
(%i24)
quad_qagi(cos(x)/x 2, x, 1, inf);
MESSAGE FROM ROUTINE DQAGI IN LIBRARY SLATEC.
INFORMATIVE MESSAGE, PROG CONTINUES, TRACEBACK REQUESTED
ABNORMAL RETURN
ERROR NUMBER = 1
END OF MESSAGE
138
Integracin
(%o24)
Sumas de Riemann
[-0.084302101159614,1.5565565173632223 104 ,5985,1]
Maxima decide cul es el mtodo que mejor le parece y, en este caso utiliza quad_qagi. Evidentemente, depende del integrando el resultado puede dar uno u otro tipo de error. Por ejemplo,
Z 1
sen(1/x)
vamos ahora a calcular de forma numrica
.
x
0
(%i25)
quad_qags((1/x)*sin(1/x),x,0,1);
MESSAGE FROM ROUTINE DQAGS IN LIBRARY SLATEC.
INFORMATIVE MESSAGE, PROG CONTINUES, TRACEBACK REQUESTED
ABNORMAL RETURN
ERROR NUMBER = 5
***END OF MESSAGE
(%o25)
[-1.050233246377689,0.20398634967385,8379,5]
(%i26)
romberg((1/x)sin(1/x),x,0,1);
sin( 1x )
,x,0.0,1.0
romberg
x
(%o26)
Se trata de una funcin que cerca del cero oscila mucho, lo que hace que el comando quadqags nos d aviso de error (aunque da una aproximacin), mientras que el comando romberg no
nos d ninguna salida.
8.2 Sumas de Riemann

El proceso que hemos seguido en clase para la construccin de la integral de una funcin f :
[a, b] R pasa por lo que hemos llamado sumas superiores y sumas inferiores. Lo que hacamos
era dividir el intervalo [a, b] en n trozos usando una particin P = {a = x0 < x1 < . . . < xn = b}
del intervalo. Luego calculbamos el supremo y el nfimo de f en cada uno de los intervalos
Ii = [xii , xi ] y podamos aproximar la integral de dos formas: si escogamos el rea asociada a
los rectngulos que tienen como altura el supremo obtenamos las sumas superiores. Las sumas
inferiores se obtenan de forma anloga pero con el nfimo.
y = f (x)
a
x0 x1 x2
...
y = f (x)
a
x0 x1 x2
b
xn1 xn x
Figura 8.2 Sumas superiores e inferiores
139
...
b
xn1 xn x
Sumas de Riemann
Integracin
Las dos reas que tienes marcadas en la Figura 8.2 son

n
n
X
X
S ( f, P) =
sup ( f (Ii ) ` (Ii ) y I( f, P) =
inf ( f (Ii ) ` (Ii ) ,
i=1
i=1
donde ` (Ii ) denota la longitud del intervalo Ii o, lo que es lo mismo, la base de cada uno de los
rectngulos que tenemos en la figura.
Si coinciden las mejores aproximaciones obtenidas de esta manera o hablando un poco a la
ligera, si la menor de las sumas superiores coincide con la mayor de las sumas inferiores entonces
llamamos a ese valor integral de la funcin.
Este mtodo tiene varios inconvenientes si pretendemos hacerlo con un ordenador. Por ejemplo,
cmo escogemos la particin? y, ms importante, cmo calculamos el supremo y el nfimo de
la funcin en cada uno de los intervalos? El primer problema se puede evitar tomando la particin
de una forma particular: dividimos el intervalo [a, b] en trozos iguales, en muchos trozos iguales.
Esto nos permite dar una expresin concreta de la particin.
Si dividimos [a, b] en dos trozos, estars de acuerdo que los puntos seran a, b y el punto medio
a+b
2 . Cules seran los puntos que nos dividen [a, b] en tres trozos? Ahora no hay punto medio,
ahora nos hacen falta dos puntos adems de a y b. Pinsalo un poco. En lugar de fijarnos en
cules son los extremos de los intervalos, fijmonos en cunto miden. Efectivamente, todos miden
lo mismo ba
3 puesto que queremos dividir el intervalo en tres trozos iguales. Ahora la pregunta
es: qu intervalo tiene como extremos de la izquierda a y mide ba
3 ? La respuesta es muy fcil:
h
i
ba
a, a + 3 . Con este mtodo es sencillo seguir escribiendo intervalos: slo tenemos que seguir
sumando ba
3 hasta llegar al extremo de la derecha, b.
En general, si n es un natural mayor o igual que 2,
ba
ba
ba
, a+2
,..., a + n
a, a +
n
n
n
son los n + 1 extremos que dividen a [a, b] en n intervalos iguales. Vamos a seguir estos pasos con
Maxima. Escojamos una funcin y un intervalo:
(%i27)
a:-2;b:5;n:10
(%o28)
-2
(%o29)
(%o29)
10
(%i30)
f(x):=(x-1)x(x-3);
(%o30)
f(x):=(x-1)x(x-3)
La lista de extremos es fcil de escribir usando el comando makelist.
(%i31)
(%o31)
makelist(a+i(b-a)/n,i,0,n);
13 3 1 4 3 11 29 18 43
[-2,- ,- , , , , , , , ,5]
10 5 10 5 2 5 10 5 10
La segunda dificultad que hemos mencionado es la dificultad de calcular supremos e nfimos.

La solucin es escoger un punto cualquiera de cada uno de los intervalos Ii : el extremo de la
140
Integracin
Sumas de Riemann
izquierda, el de la derecha, el punto medio o, simplemente, un punto elegido al azar. Esto tiene
nombre: una suma de Riemann. Si dividimos el intervalo en muchos trocitos, no debera haber
demasiada diferencia entre el supremo, el nfimo o un punto intermedio.
Proposicin 8.2. Sea f : [a, b] R integrable. Sea Pn la particin
ba
ba
ba
, a+2
,..., a + n
n
n
n
h
i
ba
y sea xi a + (i 1) ba
n , a + i n . Entonces
Z b
n
X
ba
lim
=
f (x) dx.
f (xi )
n
n
a
i=1
a, a +
En la Figura 8.3 podemos ver cmo mejora cuando aumentamos el nmero de subdivisiones.
Buenos, sigamos adelante. Elegimos puntos al azar en cada uno de los intervalos.
(%i32)
puntos:makelist(a+(i-1)(b-a)/n+random(1.0)(b-a)/n,i,1,n);
(%o32)
[-1.974524678870055,-0.86229173716074,0.095612020508637,
0.12911247230811,1.242837772556621,1.915206527061883,
2.658260436280155,3.229497471823565,3.636346487565163,
4.30162951626272]
Ahora tenemos que sumar las reas de los rectngulos de las sumas de Riemann, cosa que
podemos hacer de la siguiente manera usando la orden sum:
(%i33)
sum((b-a)/n(f(a+(i-1)(b-a)/n+random(1.0)(b-a)/n)),i,1,n);
(%o33)
5.859818716400653
que si lo comparamos con el valor de dicha integral
(%i34)
(%i35)
integrate(f(x),x,a,b);
77
12
%,numer
(%o35)
6.416666666666667
(%o34)
...pues no se parece demasiado. Bueno, aumentemos el nmero de intervalos:
(%i36)
n:100;
(%o36)
100
(%i37)
sum((b-a)/n(f(a+(i-1)(b-a)/n+random(1.0)(b-a)/n)),i,1,n);
(%o37)
6.538846969978081
141
Convergencia
de las sumas de
Riemann
Aplicaciones
Integracin
40
40
30
30
20
20
10
10
-10
-10
-20
-20
-30
-2
-1
-30
-2
-1
n = 10
40
30
30
20
20
10
10
-10
-10
-20
-20
-2
-1
n = 20
40
-30
-30
n = 30
-2
-1
n = 60
Figura 8.3 Convergencia de las sumas de Riemann
Vale, esto es otra cosa. Ten en cuenta que, debido al uso de random, cada vez que ejecutes la
orden obtendrs un resultado diferente y, por supuesto, que dependiendo de la funcin puede ser
necesario dividir en una cantidad alta de intervalos.
8.3 Aplicaciones
8.3.1 Clculo de reas planas
Te recuerdo que si f y g son funciones integrables definidas en un intervalo [a, b], el rea entre
las dos funciones es
Z b
| f (x) g(x)| dx
a
Evidentemente, calcular una integral con un valor absoluto no es fcil (cul es la primitiva de la
funcin | x |?). Como funcin definida a trozos, lo que tenemos que hacer es dividir el intervalo
[a, b] en subintervalos en los que sepamos cul de las dos funciones f y g es la ms grande.
Ejemplo 8.3. Calculemos el rea entre las curvas y = x2 , y2 = 8x.
Podemos dibujar las dos curvas y hacernos una idea del aspecto del rea que queremos calcular.
142
Integracin
(%i38)
(%o38)
Aplicaciones
draw2d(
color=blue,
explicit(x 2,x,0,3),
color=red,
explicit(sqrt(8x),x,0,3),
explicit(-sqrt(8x),x,0,3)
)
8
-2
-4
0
0.5
1.5
2.5
En realidad, lo primero que nos hace falta averiguar son los puntos de corte:
(%i39)
(%o39)
solve([y=x 2,y 2=8*x],[x,y]);
[[x=2,y=4],[x=- 3 %i-1,y=2 3 %i-2],[x= 3 %i-1,y=-2 3 %i-2],

[x=0,y=0]]
De todas las soluciones, nos quedamos con las soluciones reales: (0, 0) y (2, 4). En el intervalo
[0, 2], cul de las dos funciones es mayor? Son dos funciones continuas en un intervalo que slo
coinciden en 0 y en 2, por tanto el Teorema de los ceros de Bolzano nos dice que una de ellas es
siempre mayor que la otra. Para averiguarlo slo tenemos que evaluar en algn punto entre 0 y 2.
En este caso es ms fcil: se ve claramente que y = x2 est por debajo. Por tanto el rea es
(%i40)
(%o40)
integrate(sqrt(8*x)-x 2,x,0,2);
8
3
Observacin 8.4. La frmula que define el clculo del rea entre dos funciones tiene un valor absoluto que hace difcil calcular una primitiva directamente. Ese es el motivo por el que dividimos el
intervalo en trozos: quitar ese valor absoluto. Si slo pretendemos calcular el valor numricamente, entonces el valor absoluto no es un impedimento y podemos calcular directamente la integral
olvidndonos de puntos de corte o de qu funcin es mayor:
(%i41)
quad_qags(abs(x 2-sqrt(8x)),x,0,2);
(%o41)
[2.666666666666668,2.9605947323337525 1015 ,189,0]
143
Aplicaciones
Integracin
No siempre es tan evidente qu funcin es mayor. En esos casos la continuidad nos permite
utilizar el Teorema de los ceros de Bolzano para averiguarlo.
Ejemplo 8.5. Calculemos el rea entre la funcin f (x) = 2 x3 + x2 2 x 1 y el eje OX.
La funcin es un polinomio de grado 3 que puede, por tanto, tener hasta tres races reales. Si le
echamos un vistazo a su grfica
(%i42)
f(x):=2x 3+x 2-2x-1$
(%i43)
plot2d(f(x),[x,-2,2]);
15
(%o43)
10
2*x +x -2*x-1
-5
-10
-2
-1.5
-1
-0.5
0
x
0.5
1.5
se ve que tiene tres races. Pero cmo sabamos que tenamos que dibujar la funcin entre -2 y 2?
En realidad el camino correcto es, en primer lugar, encontrar las races del polinomio:
(%i44)
(%o44)
solve(f(x)=0,x);
1
[x=- ,x=-1,x=1]
2
Ahora que sabemos las races se entiende por qu hemos dibujado la grfica de la funcin en ese
intervalo particular
yh no en otro. Si las races son 12 , 1 y 1 sabemos que f no se anula en el
i
intervalo en 1, 12 ni en ] 21 , 1[ pero, cul es su signo en cada uno de dichos intervalos?
Aqu es donde entra en juego el Teorema
de
i
h los ceros de Bolzano. Si f , una funcin continua, s
cambiase de signo en ] 12 , 1[ o en 1, 12 tendra que anularse, cosa que no ocurre. Por tanto, f
siempre tiene el mismo signo en cada iuno de esos
h intervalos. Cul? Slo es cuestin de mirar el
valor de f en un punto cualquiera. En 1, 12
(%i45)
f(-0.75);
(%o45)
0.21874999813735
h
i
la funcin es positiva. Y en 21 , 1
(%i46)
f(0);
(%o46)
-1
la funcin es negativa. Por tanto, la integral que queremos hacer es
144
Integracin
Aplicaciones
| f (x) | dx =
12
f (x) dx
f (x) dx,
21
o, lo que es lo mismo,
(%i47)
(%o47)
integrate(f(x),x,-1,-1/2)+integrate(-f(x),x,-1/2,1);
71
48
Observacin 8.6. Por cierto, recuerda que podramos haber usado la opcin filled_func y
fill_color para maquillar un poco el dibujo del rea dibujando por un lado la funcin y por
otro el rea sombreada:
(%i48)
(%o48)
draw2d(
filled_func=0, fill_color=grey,
explicit(f(x),x,-1,1),
filled_func=false,
color=blue, line_width=2,
explicit(f(x),x,-1,1),
xaxis=true);
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1.2
-1.4
-1
-0.5
0.5
8.3.2 Longitud de curvas

Si f es una funcin definida en el intervalo [a, b], la longitud del arco de curva entre (a, f (a)) y
(b, f (b)) se puede calcular mediante la frmula
Z bq
longitud =
1 + f 0 (x)2 dx
a
Por ejemplo, la
semicircunferencia superior de radio 1 centrada en el origen es la grfica de la
funcin f (x) = 1 x2 , con x variando entre -1 y 1. Si aplicamos la frmula anterior podemos
calcular la longitud de una circunferencia.
(%i49)
f(x):=sqrt(1-x 2);
(%o49)
f(x):=sqrt(1- x2 )
(%i50)
diff(f(x),x);
145
Aplicaciones
Integracin
(%i51)
x
-
1-x2
integrate(sqrt(1+diff(f(x),x) 2),x,-1,1);
(%o51)
(%o50)
Observa que hemos calculado la longitud de media circunferencia, ya que la longitud de la

circunferencia completa de radio 1 es 2.
Esto que hemos visto es un caso particular de la longitud de una curva en el plano. Ya vimos
curvas cuando hablamos de dibujar en paramtricas. Una curva es una aplicacin de la forma
x 7 ( f (x), g(x)), a x b. La longitud de dicha curva es
Z bq
longitud =
f 0 (x)2 + g0 (x)2 dx
a
Por ejemplo, la circunferencia unidad la podemos parametrizar como t 7 (cos(t), sen(t)) con
0 t 2. Por tanto, la longitud de dicha circunferencia es
(%i52)
integrate(sqrt(sin(t) 2+cos(t) 2),x,0,2*%pi);
(%o52)
8.3.3 Volmenes de revolucin

Los cuerpos de revolucin o slidos de revolucin son regiones de R3 que se obtienen girando
una regin plana alrededor de una recta llamada eje de giro. En la Figura 8.4 tienes el slido de
revolucin engendrado al girar alrededor del eje OX la grfica de la funcin seno entre 0 y .
0.5
1
-0.5
0.8
1
-1
0.6
0
0.5
0.4
1
0.2
2
0.5
1.5
2.5
-0.5
3
3
Funcin seno
-1
Funcin seno girada

Figura 8.4
Giro de una curva y = f (x) respecto al eje X

Sea f : [a, b] R una funcin continua. Girando la regin del plano comprendida entre la
curva y = f (x), el eje de abscisas con x entre a y b, alrededor del eje OX obtenemos un slido de
revolucin con volumen igual a
146
Integracin
Aplicaciones
Vol() =
f (x)2 dx
a
Veamos algunos ejemplos.

Ejemplo 8.7. Calculemos el volumen de una esfera de radio R vindola como superficie de revo
lucin. La curva que consideramos es f (x) = R2 x2 con x [R, R] y, por tanto, el volumen lo
calculamos aplicando la frmula anterior :
(%i53)
%pi*integrate(R 2-x 2,x,-R,R);
(%o53)
4R3
3
Ejemplo 8.8. Vamos ahora a calcular el volumen de un cono circular recto. Un cono circular
recto de altura h y radio de la base R se obtiene girando la recta y = Rx/h entre 0 y h. Su volumen
es igual a
%piintegrate(R 2x 2/h 2,x,0,h);
(%i54)
hR2
(%o54)
Giro de una curva y = f (x) respecto al eje Y

Consideremos la grfica de una funcin positiva y = f (x) en un intervalo [a, b]. Por ejemplo la
funcin 1 x2 en [0, 1].
Si giramos respecto al eje OY obtenemos la Figura 8.5.
1
0.5
0
-0.5
0.8
1
0.5
0.6
0
-0.5
0.4
-1
1
0.5
0.2
-1
0
0
0.2
0.4
0.6
0.8
-0.5
0
0
0.5
Figura 8.5 Funcin 1
x2 girada respecto al eje OY
Pues bien, el volumen de la regin as obtenida, , viene dado por

Z b
Volumen() = 2
x f (x) dx
a
147
-0.5
1 -1
Aplicaciones
Integracin
Ejemplo 8.9.
Consideremos el toro T obtenido al girar el disco
de centro (a, 0), a > 0, y radio R alrededor del
eje OY. Puedes verlo para a = 2 y R = 1 en la
Figura 8.6.
Por simetra, su volumen es el doble del volumen
del slido obtenido al girar la semicircunferencia
p
y = R2 (x a)2 ,
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
3
2
1
-2
0
-1
-1
1
con a R x a + R alrededor del eje OY. Por

tanto
Z a+R p
volumen(T ) = 4
x R2 (x a)2 dx
-2
3 -3
Figura 8.6 Toro
aR
integral que calculamos con wxMaxima:
(%i55)
4*%pi*integrate(x*sqrt(R 2-(x-a) 2),x,a-R,a+R);
(%o55)
22 aR2
Observa que, aunque aqu hemos escrito la salida automticamente, sin embargo, wxMaxima hace
varias preguntas sobre los valores de las constantes a y R para poder calcular la integral.
Grficamente, podemos conseguir este efecto girando la circunferencia de radio 1 que podemos
parametrizar de la forma (cos(t), sen(t)), pero que tenemos que trasladar dos unidades. se es el
motivo de sumar 2 en la siguiente representacin en coordenadas paramtricas.
(%i56)
with_slider_draw3d(
n,makelist(0.1%pii,i,1,20),
surface_hide=true,
xrange=[-3,3],
yrange=[-3,3],
parametric_surface(cos(u)(2+cos(v)),sin(u)(2+cos(v)),
sin(v),u,0,n,v,0,2*%pi)
);
En la Figura 8.7 tienes algunos de los pasos intermedios de esta animacin.
8.3.4 rea de superficies de revolucin

Igual que hemos visto cmo podemos calcular el volumen de una figura obtenida girando una
funcin respecto a alguno de los ejes, tambin podemos calcular el rea de la superficie obtenida
al girar respecto al eje OX una funcin f . El rea al girar f en el intervalo [a, b] es
Z 4
q
rea() = 2
f (x) 1 + f 0 (x)2 dx
a
148
Integracin
Ejercicios
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
3
2
-3
1
-2
-3
0
-1
-1
1
-2
0
-1
-2
-1
1
3 -3
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-2
3 -3
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
3
2
-3
1
-2
-3
0
-1
-1
1
-2
0
-1
-2
3 -3
-1
1
-2
3 -3
Figura 8.7 Cmo conseguir un toro girando una circunferencia
Por ejemplo, una esfera de radio 1 la podemos obtener girando respecto del eje OX la funcin
1 x2 .
(%i57)
integrate(f(x)*sqrt(1+diff(f(x),x) 2), x, -1, 1);
(%o57)
2 2 a R2
8.4 Ejercicios
Integracin
Ejercicio 8.1.
Calcula una primitiva de las siguientes funciones.
a) f (x) = cos5 (x),

b) f (x) = 1/(1 + x4 ),
c) f (x) = 1 x2 ,
Sabes calcularlas sin usar Maxima?
Ejercicio 8.2. Calcula numricamente las integrales en el intervalo [0, 2] de los primeros 20
polinomios de Taylor centrados en cero de la funcin coseno.
149
Ejercicios
Integracin

Ejercicio 8.3. Calcula la derivada de la funcin f (x) =
Ejercicio 8.4.
x2 +1
sen(t) dt.
x
Estudia los extremos relativos de la funcin f (x) =
R (2x7)2
0
t3 2t dt.
rea entre curvas

Ejercicio 8.5. Calcula:
2
a) rea limitada por y = xex , el eje OX, la ordenada en el punto x = 0 y la ordenada en el

mximo.
b) rea de la figura limitada por la curva y = x3 x2 y el eje OX.
c) rea comprendida entre la curva y = tan(x), el eje OX y la recta x = /3.
d) rea del recinto limitado por las rectas x = 0, x = 1, y = 0 y la grfica de la funcin f : R R
definida por f (x) = (1+x1 2 )2 .
e) las dos reas en los que la funcin f (x) = |x| xsen(x)e x divide a la bola unidad x2 + y2 = 1.
Ejercicio 8.6. Calcula el rea entre las curvas:
a)
b)
c)
d)
y = x2 2x e y = x2 4, para 3 x 1.
y2 = x, x2 + y2 = 8.
x = 12y2 12y3 y x = 2y2 2y.
y = sec2 (x), y = tan2 (x), /4 x /4.
e) (y x)2 = x 3, y x = 7.
f) y = x4 + x3 + 16x 4 y y = x4 + 6x2 + 8x 4.
g) y = xe x, y = x2 e x, x 0.
Longitud de curvas
Ejercicio 8.7.
a) Calcula la longitud del arco de la cicloide x = t sen(t), y = 1 cos(t), (0 t 2).
b) Calcula la longitud del arco de curva y = x2 + 4 entre x = 0 y x = 3.
Ejercicio 8.8. Calcula la longitud de una circunferencia de radio arbitrario R.
Ejercicio 8.9. Sea f (x) = cos(x) + e x y P su polinomio de orden 5 centrado en el origen. Cul
es la diferencia entre las longitudes de las grficas de f y de P en el intervalo [0, 3]?
Volumen de cuerpos de revolucin

Ejercicio 8.10. Calcular el volumen del slido generado al rotar respecto al eje OX las siguiente
curvas:
a) y = sec(x), x [0, 3 ]
b) y = cos(x), x [0, 2 ]
c) y = 9 x2
d) y = e x , x [0, ln(3)]
Ejercicio 8.11. Calcular el volumen del slido generado al rotar respecto al eje OY las siguiente
curvas:
150
Integracin
Ejercicios
2
c) y = e x , x [1, 3]
a) y = 1/x, x [1, 3]
1
b) y = 1+x
2 , x [0, 1]
Ejercicio 8.12.
a) Calcular la superficie de una esfera de radio R.
b) Calcular la superficie de la figura que se obtiene al girar la funcin y = tan(x), x [0, /4]
alrededor del eje OX.
Ejercicio 8.13.
a) Calcular el volumen del toro engendrado al girar el crculo de centro (2, 0) y radio 3 alrededor
del eje OY.
b) Calcular el volumen del slido engendrado al girar alrededor del eje OY la regin limitada por
la parbolas y2 = x, x2 = y.
Ejercicio 8.14. Sea f (x) = x5 +4x3 +2x2 +8. Calcula el volumen al girar dicha funcin alrededor
del eje OX entre los valores donde f alcanza su mximo y su mnimo relativos.
rea de superficies de revolucin

Ejercicio 8.15.
a) Calcula el rea de una esfera de radio R.
b) Calcula el rea de la figura obtenida al girar la parbola y2 = 4x y la recta x = 5 alrededor del
eje OX.
c) Calcula el rea lateral de un cono de radio R y altura h.
Ejercicio 8.16.
Calcula:
a) La integral de f (x) =
1
x2
con x [1, +].
b) El volumen y la superficie lateral del slido obtenido al girar la grfica de la anterior funcin
respecto del eje OX.
c) dem a los dos anteriores con g(x) =
1
x
con x [1, +].
151
152
Interpolacin polinmica
9
9.1 Interpolacin polinmica 153
nomio de Taylor 157
9.2 Interpolacin de Lagrange 154
9.3 Poli-
9.1 Interpolacin polinmica

Dados dos puntos del plano (x1 , y1 ), (x2 , y2 ), sabemos que hay una recta que pasa por ellos.
Dicha recta es la grfica de un polinomio de grado 1, en este caso la funcin es
f (x) = f (x2 ) +
f (x2 ) f (x1 )
(x x2 ) .
x2 x1
Por ejemplo, la recta que pasa por los puntos (1, 2) y (3, 1) es
(%i1)
recta(x1,y1,x2,y2):=y2+(x-x2)*(y2-y1)/(x2-x1)$
(%i2)
recta(1,2,3,1);
3-x
+1
2
(%o2)
y la grfica
(%i3)
wxplot2d(recta(1,2,3,1),[x,0,4]);
(%t3)
El problema general es cmo se busca una funcin que tome unos valores en unos puntos concretos. Tambin se puede exigir que las derivadas de algn orden tengan un valor predeterminado.
153
Interpolacin de Lagrange
9.2 Interpolacin de Lagrange

El problema ms clsico de interpolacin es la interpolacin de Lagrange:
Dados n+1 pares de puntos (x0 , y0 ), (x1 , y1 ),..., (xn , yn ), encuntrese el polinomio
P de grado menor o igual que n tal que P(xi ) = yi , i = 0, 1, ..., n.
Los puntos x0 , x1 ,..., xn se llaman nodos de interpolacin.
9.2.1 Dos o tres nodos

Comencemos con un caso sencillo. Dada una lista de un par de puntos y un par de valores, cul
es el polinomio que pasa por esos puntos?
(%i4)
nodos:[1,2];
(%o4)
[1,2]
(%i5)
valor:[3,7];
(%o5)
[3,7]
Necesitamos un polinomio de grado uno:
(%i6)
define(f(x),a*x+b);
(%o6)
f(x):=ax+b
que debe verificar que f (1) = 3, f (2) = 7. Con estas dos condiciones planteamos un sistema de
ecuaciones que nos permite calcular a y b:
(%i7)
solve([f(nodos[1])=valor[1],f(nodos[2])=valor[2]],[a,b]);
(%o7)
[[a=4,b=-1]]
Podemos aplicar la misma tcnica para encontrar el polinomio, de grado 2 en este caso, que
pasa por los puntos (1, 3), (2, 7) y (3, 1):
(%i8)
nodos:[1,2,3]$
(%i9)
valor:[3,7,1]$
(%i10)
define(f(x),a*x 2+b*x+c)$
(%i11)
solve([f(nodos[1])=valor[1],f(nodos[2])=valor[2],
f(nodos[3])=valor[3]],[a,b,c]);
(%o11)
[[a=-5,b=19,c=-11]]
Vamos a resolver este mismo problema de otra forma. Busquemos tres polinomios de orden 2, L1,
L2 y L3 verificando que valen 1 en uno de los nodos y cero en el resto. En concreto, buscamos L1,
154
L2 y L3 tales que L1(1)=1, L2(2)=1, L3(3)=1 y que valen cero en los otros puntos. Si encontramos
estos polinomios, entonces la solucin a nuestro problema es
3 L1+ 7 L2 + L3.
Comencemos con L1: el polinomio (x 2)(x 3) se anula en 2 y en 3, pero su valor en 1,
(1 2)(1 3), no es 1. Si dividimos por dicha cantidad
(x 2)(x 3)
L1(x) =
(1 2)(1 3)
ya hemos encontrado el primer polinomio que estbamos buscando. Anlogamente
(x 1)(x 3)
(2 1)(2 3)
(x 1)(x 2)
L3(x) =
(3 1)(3 2)
L2(x) =
Con estos tres polinomios ya podemos interpolar cualesquiera tres valores en 1, 2 y 3.
9.2.2 Caso general

Si ahora tenemos n + 1 nodos distintos, podemos hacer una construccin anloga.
Definicin 9.1. Dados xi , i = 0, 1, 2,..., n nmeros reales distintos, los polinomios
Li (x) =
n
Y
(x x j )
, i = 0, 1, 2, . . . , n
(xi x j )
j=0
j6=i
se llaman polinomios de Lagrange de grado n en los puntos x0 , x1 , ... , xn .

Qu propiedades tienen? Fjate que son muy fciles de evaluar en los puntos xi . Si evaluamos
en el mismo ndice
n
Y
(xi x j )
Li (xi ) =
= 1,
(xi x j )
j=0
j6=i
ya que numerador y denominador coinciden. Si evaluamos en xk con k 6= i, entonces

n
Y
(xk x j )
= 0,
Li (xk ) =
(xi x j )
j=0
j6=i
ya que uno de los factores del numerador, en concreto cuando j = k, se anula. Resumiendo, los
polinomios de Lagrange valen

1, si i = k,
Li (xk ) =
0, si i 6= k.
para i, k = 0, 1,..., n. Observa que hemos dado el valor de los polinomios de Lagrange en n + 1
puntos diferentes y, por tanto, estos valores los determinan completamente.
Con los polinomios Li ahora podemos calcular fcilmente un polinomio que tome valores yi en
los nodos xi . En efecto, el polinomio
155
Polinomio de
Lagrange
P(x) = y0 L0 (x) + y1 L1 (x) + + yn Ln (x)

cumple que P(xi ) = yi para i = 0, 1,...,n. El siguiente teorema recoge toda la informacin que
hemos presentado.
Teorema 9.2. Sean x0 , x1 ,..., xn nmeros reales distintos. Entonces dados y0 , y1 ,..., yn existe
un nico polinomio Pn (x) de grado menor o igual que n verificando que
Pn (xi ) = yi , i = 0, 1, . . . , n.
Frmula de
Lagrange del
polinomio de
interpolacin
Dicho polinomio viene dado por

P(x) = y0 L0 (x) + y1 L1 (x) + + yn Ln (x),
(9.1)
donde
Li (x) =
(x x0 )(x x1 ) (x xi1 )(x xi+1 ) (x xn )

(xi x0 )(x0 x1 ) (xi xi1 )(xi xi+1 ) (xi xn )
para i = 0, 1,..., n.
La identidad (9.1) se llama frmula de Lagrange del polinomio de interpolacin.
Ventajas e inconvenientes
Los polinomios de Lagrange son muy fciles de calcular. Es por ello que se utilizan como uno
de los primeros ejemplos de polinomios interpoladores. Su inters prctico es limitado y suelen
presentarse ms bien como ejemplo terico de interpolacin.
Su principal inconveniente se presenta cuando el conjunto de nodos es muy grande. En ese caso
el grado del polinomio tambin es muy grande. Esto implica dificultades para el clculo y, adems,
hay una alta tendencia a que el polinomio oscile mucho entre dos nodos.
9.2.3 El paquete interpol

Puedes pensar en alguna forma de calcular los polinomios de Lagrange en un conjunto de nodos, pero en Maxima disponemos del paquete interpol que calcula el polinomio interpolador de
Lagrange. En primer lugar cargamos el mdulo
(%i12)
load(interpol)$
y podemos usar la orden lagrange para calcular el polinomio que interpola una lista de pares
(nodo, valor)
(%i13)
(%o13)
(%i14)
(%o14)
lagrange([[1,3],[2,1],[3,4]]);
3(2-x)(x-3)
2(x-2)(x-1)-(x-3)(x-1)2
expand(%);
5x 2 19x
+10
2
2
156
Polinomio de Taylor
o, en el caso de que los nodos sea 1, 2, 3, 4, etc., simplemente dando la lista de valores
(%i15)
(%o15)
expand(lagrange([3,1,4]));
5x 2 19x
+10
2
2
lagrange([[nodo1,valor1],[nodo2,valor2],...])
lagrange([valor1,valor2,...])
polinomio de Lagrange
polinomio de Lagrange
9.2.4 Ejercicios
Ejercicio 9.1. Cul es el error cuando aproximamos 102 utilizando el valor de la funcin raz
cuadrada en 81, 100 y 121? Representa las grficas de la funcin raz cuadrada y comprala con
la grfica del polinomio.
Ejercicio 9.2. Utiliza los valores de la funcin raz cuadrada en n = 2, 3, . . . , 10 puntos, elegidos
por t, para calcular el polinomio de interpolacin y aproximar el valor en 102. Haz una animacin
que represente la funcin raz cuadrada y el polinomio de interpolacin de Lagrange en funcin
de su grado.
Ejercicio 9.3. Calcula la frmula de la suma de los cubos de los primeros n naturales sabiendo
que es un polinomio de grado cuatro.
9.3 Polinomio de Taylor

En el Captulo 7 hemos visto cmo la recta tangente a una funcin en un punto aproxima localmente a dicha funcin en ese punto. Es decir, que si sustituimos una funcin por su recta tangente en
un punto, estamos cometiendo un error como se puede ver. En efecto, si dibujamos en una misma
grfica la funcin f (x) = cos(x) y su recta tangente en cero, es decir t(x) = f (0) + f 0 (0)(x 0) = 1
obtenemos
(%i16)
f(x):=cos(x);
(%o16)
f(x):=cos(x)
(%i17)
t(x):=1;
(%o17)
t(x):=1
(%i18)
plot2d([f(x),t(x)],[x,-3,3],[y,-2,2]);
(%o18)
cos(x)
1
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-3
-2
-1
0
x
157
Polinomio de Taylor
En cuanto nos alejamos un poco del punto de tangencia

(en este caso el 0), la funcin coseno y su tangente no se
parecen en nada. La forma de mejorar la aproximacin
ser aumentar el grado del polinomio que usamos, y la
cuestin es, fijado un grado n, qu polinomio de grado
menor o igual al fijado es el que ms se parece a la funcin. El criterio con el que elegiremos el polinomio ser
hacer coincidir las sucesivas derivadas, esto es, el polinomio de Taylor de orden n de una funcin f en un punto
a:
f 00 (a)
T ( f, a, n)(x) = f (a) + f 0 (a)(x a) +
(x a)2
Figura 9.1 Ventana para el clculo del polino2!
mio de Taylor
f 000 (a)
f n) (a)
(x a)3 + +
(x a)n
+
3!
n!
n
X
f k) (a)
(x a)k
=
k!
k=1
taylor
El programa tiene una orden que permite calcular directamente el polinomio de Taylor centrado
en un punto a. Se trata del comando taylor. En concreto, el comando taylor(f(x),x,a,n )
nos da el polinomio de Taylor de la funcin f centrado en a y de grado n. Haciendo uso del
men podemos acceder al comando anterior desde AnlisisCalcular serie. Entonces se abre
una ventana de dilogo en la que, escribiendo la expresin de la funcin, la variable, el punto en
el que desarrollamos y el orden del polinomio de Taylor, obtenemos dicho polinomio. Como en
otras ventanas similares, si marcamos la casilla de Especial, podemos elegir o e como centro
para el clculo del desarrollo.
taylor(f(x),x,a,n )
polinomio de Taylor de la
funcin f en el punto a y de orden n
trunc(polinomio )
taylorp(polinomio )
convierte polinomio de Taylor en un polinomio

devuelve true si el polinomio
es un polinomio de Taylor
Veamos un ejemplo.
(%i19)
taylor(cos(x),x,0,5);
(%o19)
(%i20)
taylor(log(x),x,1,7);
(%o20)
x1
x2 x4
+
+ ...
2
24
(x 1)2 (x 1)3 (x 1)4 (x 1)5 (x 1)6 (x 1)7
+
+
+ ...
2
3
4
5
6
7
En teora, un polinomio de Taylor de orden ms alto debera aproximar mejor a la funcin.

Ya hemos visto cmo aproxima la recta tangente a la funcin coseno. Vamos ahora a dibujar las
grficas de la funcin f (x) = cos(x) y de su polinomio de Taylor de orden 8 en el cero para
comprobar que la aproximacin es ms exacta.
158
(%i21)
Polinomio de Taylor
plot2d([f(x),taylor(f(x),x,0,8)],[x,-4,4],[y,-2,2]);
(%o21)
cos(x)
1-x2/2+x4/24-x6/720+x8/40320
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-3
-2
-1
Pero si aumentamos el dominio podemos ver que el polinomio de Taylor se separa de la funcin
cuando nos alejamos del origen.
(%i22)
2
(%o22)
cos(x)
2
4
6
8
1-x /2+x /24-x /720+x /40320
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-8
-6
-4
-2
0
x
Esto es lo esperable: la funcin coseno est acotada y el polinomio de Taylor, como todo polinomio no constante, no lo est. Eso s, si aumentamos el grado del polinomio de Taylor vuelven a
parecerse:
(%i23)
2
cos(x)
1-x2/2+x4/24-x6/720+x8/40320-x10/3628800+x12/479001600-x14/87178291200
(%o23)
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-8
-6
-4
-2
0
x
El hecho de que la funcin coseno y su polinomio de Taylor se parezcan tanto como se quiera, con slo aumentar el grado del polinomio lo suficiente, no es algo que le ocurra a todas las
funciones. Para la funcin arcotangente la situacin no es tan buena:
159
Polinomio de Taylor
(%i24)
g(x):=atan(x);
(%o24)
g(x):=atan(x)
(%i25)
plot2d([g(x),taylor(g(x),x,0,8)],[x,-8,8],[y,-2,2]);
2
(%o25)
atan(x)
3
5
7
x-x /3+x /5-x /7
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-8
-6
-4
-2
0
x
slo se parecen, al menos eso se ve en la grfica, en el intervalo ] 1, 1[ (a ojo).

Observacin 9.3. Maxima tiene dos formas de representar internamente los polinomios. Sin
entrar en detalles, no se guardan de la misma forma un polinomio de Taylor y un polinomio cualquiera. Esto puede dar lugar a algunas sorpresas. Por ejemplo, hemos visto cmo el polinomio
de Taylor nos sirve para aproximar una funcin, pero, en lugar de representar la funcin y dicho
polinomio, podramos representar la diferencia. Veamos que ocurre 10. Definimos las funciones,
(%i26)
f(x):=cos(x);
(%o26)
f(x):=cos(x)
(%i27)
define(g(x),taylor(f(x),x,0,5));`
x2 x4
g(x):=1+
+...`
2 24
(%o27)
y dibujamos la diferencia
(%i28)
plot2d(f(x)-g(x),[x,-5,5]);
1
(%o28)
+0
0.5
-0.5
-1
-4
-2
Cmo puede salir 0? Es que no hay diferencia? S la hay. Ya lo sabemos: si evaluamos en algn
punto podemos ver que el resultado no es cero.
10
Este ejemplo est hecho con la versin 5.18 de Maxima. Es posible que el resultado sea distinto en otras versiones.
160
(%i29)
(%o29)
Polinomio de Taylor
f(2)-g(2);
3 cos(2) + 1
3
Como hemos avisado antes, Maxima maneja de forma diferente un polinomio de Taylor y un polinomio normal. Puedes comprobarlo preguntando a Maxima si g(x) es un polinomio de Taylor o
no.
(%i30)
taylorp(g(x));
(%o30)
true
(%i31)
taylorp(1+ x2 );
(%o31)
false
La orden trunc(polinomio de Taylor ) nos permite pasar de polinomio de Taylor a polino- trunc
mio normal. Con estos ya no tenemos este problema.
(%i32)
plot2d(f(x)-trunc(g(x)),[x,-5,5]);
0
(%o32)
-2
-6
cos(x)-x /24+x /2-1
-4
-8
-10
-12
-14
-16
-4
-2
0
x
Animaciones con polinomios

Hasta aqu hemos visto cmo comparar la grfica de una funcin con la de su polinomio de
Taylor. Ahora bien, en lugar de ir dibujando una funcin y un polinomio de Taylor, parece ms
interesante dibujar la funcin y varios polinomios para ir comprobando si se parecen o no a dicha
funcin cuando aumenta su orden. La orden with_slider (que ya conoces) nos va a permitir
hacer animaciones de la grfica de una funcin y sus polinomios de Taylor. Por ejemplo:
(%i33)
f(x):=sin(x)+cos(x);
(%o33)
f(x):=sin(x)+cos(x)
(%i34)
tay(n,x):=block([ts:taylor(f(z),z,0,n)],subst(z=x,ts));
(%o34)
tay(n,x):=block([ts:taylor(f(z),z,0,n)],subst(z=x,ts))
(%i35)
with_slider(n,makelist(i,i,1,20),
[f(x),(tay(n,x))],[x,-10,10],[y,-3,3]);
161
Polinomio de Taylor
nos permite dibujar los primeros 20 polinomios de Taylor de la funcin f . En la Figura 9.2 tienes
algunos pasos intermedios representados.
Observacin 9.4. Hemos usado la orden block para definir una funcin intermedia que nos
permita realizar la animacin. No vamos a entrar en ms detalles sobre cmo utilizarla en la definicin de funciones. Puedes consultar la ayuda de Maxima, si tienes inters, donde encontrars una
explicacin detallada de su uso.
3
sin(x)+cos(x)
1+x-x2/2-x3/6+x4/24+x5/120
-1
-1
-2
-2
-3
-10
-5
0
x
-3
-10
10
sin(x)+cos(x)
fun2
-5
Orden 5
3
sin(x)+cos(x)
fun2
-1
-1
-2
-2
-3
-10
-5
0
x
10
Orden 10
0
x
-3
-10
10
Orden 15
sin(x)+cos(x)
fun2
-5
0
x
10
Orden 20
Figura 9.2 Funcin sen(x)
+ cos(x) y sus polinomios de Taylor
9.3.1 Ejercicios
Ejercicio 9.4. Es cierto o falso que el polinomio de Taylor de una funcin al cuadrado es el
cuadrado del polinomio?
Ejercicio 9.5. Estudia los extremos relativos del polinomio de orden 5 centrado en el origen de
la funcin f (x) = cos(x) + e x .
162
Derivacin e integracin numrica
Derivacin numrica
Derivacin e integracin numrica
10
10.1 Derivacin numrica 163 10.2 Integracin numrica 164
simples 165 10.4 Mtodos de aproximacin compuestos 167
10.3 Mtodos
El clculo de la derivada de o de la integral de una funcin no siempre es fcil. En este captulo

vamos a ver cmo podemos aproximarlos. Una de las herramientas claves es la interpolacin. Para
polinomios s es factible calcular derivadas e integrales. Aprovecharemos tanto la interpolacin de
Lagrange como la de Taylor para aproximar una funcin por un polinomio.
10.1 Derivacin numrica

A veces ocurre que calcular la derivada de una funcin f en un punto a del interior de dominio
no es fcil, ya sea por la complejidad de la funcin dada, ya sea porque slo dispongamos de una
tabla de valores de f . En esta seccin vamos a establecer mtodos para calcular f 0 (a). No es que
vayamos a calcular la funcin derivada primera de f , sino que vamos a aproximar los valores de
sta en un punto dado a.
Hemos visto en este captulo que la derivada de una funcin f : I R en un punto a I es
f 0 (a) = lim
xa
f (x) f (a)
(a + h) f (a)
= lim
.
h0
xa
h
Si consideramos un valor de h suficientemente pequeo, podemos dar una primera aproximacin

f 0 (a)
f (a + h) f (a)
.
h
10.1.1 Frmulas de derivacin numrica

En las frmulas que vamos a estudiar en este apartado aparecen dos valores: el que aproxima
y el error cometido. Aunque este ltimo no se calcula explcitamente, s se puede dar una
acotacin del mismo. Notemos que dicho error se obtiene gracias al desarrollo de Taylor de f
centrado en a.
En lo que sigue, el parmetro h se suele tomar positivo y pequeo.
f 0 (a)
a) Frmula de dos puntos:

f 0 (a) =
h
1
( f (a) f (a h)) + f 00 () , ]a h, a[
h
2
Esta frmula se llama regresiva porque utiliza informacin de f en a y en a h.

f 0 (a) =
1
h
( f (a + h) f (a)) f 00 () , ]a, a + h[
h
2
Esta frmula se llama progresiva porque utiliza informacin de f en a y en a + h.
163
PROBLEMAS
Curso: 2011/2012
Nmeros reales
Nmeros reales y funciones elementales
1 Nmeros reales
Ejercicio 1.
Calcula para qu valores de x se verifica que
2x3
x+2
< 13 .
Ejercicio 2. Encuentra aquellos valores de x que verifican que:

1
> 0,
d) x2 6 x,
a) 1x + 1x
2
b) x 5x + 9 > x,
e) x3 6 x,
c) x3 (x 2)(x + 3)2 < 0,
f) x2 3x 2 < 10 2x.
Ejercicio 3. Discute para qu valores de x se verifica que:
a) |x 1| |x + 2| = 3,
c) |x 1| + |x + 1| < 1,
2
b) |x x| > 1,
d) |x + 1| < |x + 3|.
Ejercicio 4.
1.1
Para qu valores de x se cumple la desigualdad x2 (a + b)x + ab < 0?
Ejercicio 5.
Demuestra por induccin que 1 + 2 + 3 + . . . + n =
Ejercicio 6. Demuestra que

dos.
1
2
+ 14 + 18 + . . . +
1
2n1
n(n+1)
2 ,
para cualquier n N.
1 para cualquier natural mayor o igual que
Ejercicio 7. Prueba que la suma de los cubos de tres nmeros naturales consecutivos es divisible
por 9.
Ejercicio 8.
Demuestra que 12 + 22 + 32 + . . . + n2 =
n(n+1)(2n+1)
,
6
Ejercicio 9.
Demuestra que 13 + 23 + 33 + . . . + n3 =
n2 (n+1)2
,
4
Ejercicio 10.
para cualquier n N.
para n N.
Demuestra que 1 + 1 + 2 + 22 + 23 + . . . + 2n = 2n+1 , para cualquier n N.
2 Funciones elementales
Ejercicio
q
q 11. Calcula el dominio de las siguientes las funciones:
x
c)
y
=
a) y = x2
1|x|
x+2

2

d)
y
=
tan
x
+
b) y = log xx2 5x+6
4
+4x+6
Ejercicio 12. Si f (x) = 1/x y g(x) = 1/ x, cules son los dominios naturales de f , g, f + g,
Ejercicio 13. Estudia si son pares o impares las siguientes funciones:

a) f (x) = |x +1| |x 1|
d) f (x) = e x ex
1+x
e) f (x) = sen (|x|)
b) f (x) = log 1x
f) f (x) = cos(x3 )
x
x
c) f (x) = e + e
Ejercicio 14.
Ejercicio 15. Comprueba que la igualdad alog(b) = blog(a) es cierta para cualquier par de nmeros
positivos a y b.
Ejercicio 16.
Resuelve la siguiente ecuacin:

1
1
1
1
=
+
+
.
Ejercicio 17. Para qu valores de x se cumple que log(x 1)(x 2) = log(x 1) + log(x 2)?

Ejercicio 18. Prueba que log x + 1 + x2 + log 1 + x2 x = 0.
Ejercicio 19.
x
x .
Ejercicio 20. Simplifica las siguientes expresiones:

a)/ log a ,
a) alog(log

x
Ejercicio 21.
1
1x ,
Ejercicio
22. Calcula la inversa de las siguientes funciones
3
ex
b) f (x) = 1+e
a) f (x) = 1 x3
x
Ejercicio 23.
Ejercicio 24.
x+y=
1
x+y
1
x
x + y?
+ 1y ?
Nmeros reales
Nmeros reales y funciones elementales

1 Nmeros reales
Ejercicio 1.
Calcula para qu valores de x se verifica que
2x3
x+2
< 13 .
Solucin 1. Para quitar denominadores tenemos que multiplicar por x + 2.

1
11
a) Si x > 2, entonces x + 2 > 0 y 2x3
x+2 < 3 6x 9 < x + 2 x < 5 .
2x3
1
b) Si x < 2, entonces x + 2 < 0 y x+2 < 3 6x 9 > x + 2 x >
verifica.
1
11
Resumiendo 2x3
x+2 < 3 2 < x < 5 .
11
5 ,
que no se
Ejercicio 2. Encuentra aquellos valores de x que verifican que:

1
a) 1x + 1x
> 0,
d) x2 6 x,
2
b) x 5x + 9 > x,
e) x3 6 x,
c) x3 (x 2)(x + 3)2 < 0,
f) x2 3x 2 < 10 2x.
Solucin 2.
1
1
a) 0 < 1x + 1x
= x(1x)
0 < x(1 x) 0 < x < 1.
2
b) x 5x + 9 > x x2 6x + 9 > 0 (x 3)2 > 0 x 6= 3.
c) x3 (x 2)(x + 3)2 < 0 x3 (x 2) < 0 0 < x < 2.
d) x2 x x2 x 0 x(x 1) 0 x [0, 1].
e) x3 x x(x 1)(x + 1) 0 ] , 1] [0, 1].
f) Operando obtenemos que
x2 3x 2 < 10 2x x2 x 12 < 0 (x 4)(x + 3) < 0,
con lo que la desigualdad se cumple cuando los dos factores tienen signos distintos, esto es,
cuando x ] 3, 4[.
Ejercicio 3. Discute para qu valores de x se verifica que:
a) |x 1| |x + 2| = 3,
c) |x 1| + |x + 1| < 1,
b) |x2 x| > 1,
d) |x + 1| < |x + 3|.
Solucin 3.

a) 3 = |x 1| |x + 2| = | (x 1)(x 2) | (x 1)(x 2) = 3 x = 12 1 21 .
b) Vamos a discutir doscasos por
separado,
i) Si x [0, 1], 1 < x2 x = x x2 x2 x + 1 < 0 lo que no ocurre nunca.

ii) Si x / [0, 1], 1 < x2 x = x2 x x2 x 1 > 0 x / 1 5 , 1+ 5 .
2
c) Nunca se verifica la desigualdad.

d) Vamos a usar que, para nmeros positivos, 0 < x < y x2 < y2 .
| x + 1 | < | x + 3 | | x + 1 |2 < | x + 3 |2 (x + 1)2 < (x + 3)2
x2 + 2x + 1 < x2 + 6x + 9 2 < x.
Nmeros reales
1.1
Ejercicio 4.
Para qu valores de x se cumple la desigualdad x2 (a + b)x + ab < 0?
Solucin 4.
0 > x2 (a + b)x + ab = (x a)(x b) x ] min{a, b}, max{a, b}[.
Ejercicio 5.
Demuestra por induccin que 1 + 2 + 3 + . . . + n =
n(n+1)
2 ,
para cualquier n N.
Solucin 5. Para n = 1 la igualdad es inmediata. Supongamos que se cumple para un natural n

y veamos que tambin es cierta para n + 1:
1 + 2 + 3 + . . . + n + (n + 1) =
Ejercicio 6.
n2 + n + 3n + 2 (n + 1)(n + 2)
n(n + 1)
+ (n + 1) =
=
.
2
2
2
Demuestra que 1 + 1 + 2 + 22 + 23 + . . . + 2n = 2n+1 , para cualquier n N.
Solucin 6. Lo demostramos usando el mtodo de induccin. Es inmediato que se cumple la

propiedad para n = 1. Supongamos que se cumple para un natural fijo n y comprobemos que se
cumple para n + 1:
1 + 20 + 21 + 22 + . . . + 2n + 2n+1 = 2n+1 + 2n+1 = 2n+2 .
Ejercicio 7. Prueba que la suma de los cubos de tres nmeros naturales consecutivos es divisible
por 9.
Solucin 7. Tenemos que demostrar que n3 + (n + 1)3 + (n + 2)3 es divisible por 9 para cualquier
natural n. Es fcil comprobar que se cumple para n = 1. Supongamos que es cierto para un natura
fijo n y veamos si es cierto para n + 1:
(n + 1)3 + (n + 2)3 + (n + 3)3 =(n + 1)3 + (n + 2)3 + (n3 + 9n2 + 27n + 27)
=(n3 + (n + 1)3 + (n + 2)2 ) + (9n2 + 27n + 27).
Para acabar slo hay que recordar que la suma de dos nmeros divisibles por 9, es divisible por 9.
Ejercicio 8.
Demuestra que 12 + 22 + 32 + . . . + n2 =
n(n+1)(2n+1)
,
6
para cualquier n N.
Solucin 8. Para n = 1 la igualdad es inmediata. Supongamos que se cumple para un natural n

y veamos que tambin es cierta para n + 1:
12 + 22 + 32 + . . . + n2 + (n + 1)2 =
n(n + 1)(2n + 1)
(n + 1)(n + 2)(n + 3)
+ (n + 1)2 =
.
6
6
Ejercicio 9.
Demuestra que 13 + 23 + 33 + . . . + n3 =
Solucin 9.
Similar al Ejercicio 8.
n2 (n+1)2
,
4
para n N.
1
Ejercicio 10. Demuestra que 21 + 14 + 18 + . . . + 2n1
1 para cualquier natural mayor o igual que
dos.
Solucin 10. Lo demostramos usando el mtodo de induccin. Es inmediato que se cumple la

propiedad para n = 1. Supongamos que se cumple para un natural fijo n y comprobemos que se
cumple para n + 1:
!
1
1 1 1
1
1
1
1
1 1 1
1 + + + + . . . + n1 (1 + 1) = 1.
+ + + . . . + n1 + n =
2 4 8
2
2
2 4 8
2
2
2
2 Funciones elementales
Ejercicio 11.
Calcula el dominio de las siguientes las funciones:
a) y =
b) y =
x2
x+2
2

log xx2 5x+6
+4x+6
c) y =
x
1| x |

d) y = tan x + 4
Solucin 11.
a) El dominio es ] , 2[[2, +[.
b) El dominio es R \ [2, 3].
c) El dominio es ] ,
n 1[[0, 1[.
o
d) El dominio es R \ 2 + 4 + k : k Z
Ejercicio 12. Si f (x) = 1/x y g(x) = 1/ x, cules son los dominios naturales de f , g, f + g,
Solucin 12.
a) El dominio de f es R .
b) El dominio de g es R+ .
c) El dominio de f + g es R+ .
d) El dominio de f g es R+ .
e) El dominio de g f es R+ .
Ejercicio 13. Estudia si son pares o impares las siguientes funciones:
d) f (x) = e x ex
a) f (x) = | x + 1 | | x 1 |
e) f (x) = sen (| x |)
b) f (x) = log 1+x
1x
f) f (x) = cos(x3 )
x
x
c) f (x) = e + e
Solucin 13.
a) f (x) = | x + 1 | | x 1 | es impar.
1+x
b) f (x) = log 1x
es impar.
x
x
c) f (x) = e + e es par.
d) f (x) = e x ex es impar.
e) f (x) = sen(x2 ) es par.
f) f (x) = cos(x3 ) es par.
Ejercicio 14.
Solucin 14. La desigualdad es cierta si x > 7.

Ejercicio 15. Comprueba que la igualdad alog(b) = blog(a) es cierta para cualquier par de nmeros
positivos a y b.
Solucin 15. Tomando logaritmos en la primera parte de la expresin:

log alog(b) = log(b) log(a)
y, haciendo lo mismo en la segunda parte:

log blog(a) = log(a) log(b).
Por tanto, por la inyectividad de la funcin logaritmo, tendramos que ambas expresiones coinciden;
es decir:

log alog(b) = log blog(a) = alog(b) = blog(a)
Ejercicio 16.
Resuelve la siguiente ecuacin:

1
1
1
1
=
+
+
.
Solucin 16. Aplicando la definicin de la funcin logaritmo con otra base distinta del nmero
e, tenemos que:
1
=
log x (a)
1
log(a)
log(x)
1
log(a)
log b
1
log(a)
log(c)
1
log(a)
log(d)
Por tanto
log(x) log(b) log(c) log(d) log(bcd)
=
+
+
=
log(a) log(a) log(a) log(a)
log(a)
Entonces, igualando numeradores y utilizando la inyectividad de la funcin logaritmo nuevamente:
log(x) = log(bcd) = x = bcd.
Ejercicio 17. Para qu valores de x se cumple que log(x 1)(x 2) = log(x 1) + log(x 2)?
Solucin 17. En primer lugar, para qee el primer miembro de esta identidad tenga sentido, ha
de verificarse que (x 1)(x 2) > 0, es decir, que x < 1 o que x > 2. Entonces, partiendo de esa
premisa, descomponemos el estudio en dos casos:
a) Si x < 1, entonces:
log(x 1)(x 2) = log | (x 1)(x 2) | = log |x 1| + log |x 2| = log(1 x) + log(2 x)
b) Si x > 2, entonces la frmula planteada s es correcta, puesto que las expresiones x 1 y x 2
son ambas positivas.
Si pretendemos una igualdad que sea correcta en cualquier caso (siempre que x 6= 1 y x 6= 2) habra
que escribirla as:
Ejercicio 18.
Solucin 18.
log | (x 1)(x 2) | = log |x 1| + log |x 2|

Prueba que log x + 1 + x2 + log 1 + x2 x = 0.

Aplicando las propiedades del logaritmo tenemos que:

p

p

2
2
log x + 1 + x
1 + x x = log 1 + x2 x2 = log(1) = 0.
Ejercicio 19.
x
x .
Solucin 19. Tomamos logaritmos en ambos miembros de la ecuacin:
x

x

x log x x = log x x log(x) = x log x

x
x
x log(x) = log(x) log(x) x
= 0.
2
2
Para que el producto valga cero, alguno de los dos factores tiene que ser cero. La primera solucin
que tenemos es x = 1, obtenida de resolver log(x) = 0. Por otra parte, tenemos que resolver la
ecuacin:
x
x = 0 = 2 x = x = 4x = x2 = x(x 4) = 0
2
Por tanto, y como x 6= 0, tendremos que x = 4. En resumen, la ecuacin planteada tiene dos
soluciones: x = 1 y x = 4.
Ejercicio 20. Simplifica las siguientes expresiones:
a)/ log a ,
a) alog(log

x
Solucin 20.
a) Tomamos logaritmos y nos queda:

log(log(a)
log(a) = log(log(a))
log alog(log a)/ log a =
log(a)
Por tanto, por la inyectividad de la funcin logaritmo:
alog(log a)/ log a = log(a)
b) Utilizamos la definicin de logaritmo en base a:

x

log(aa )
log
log a x log(a)

log(a)
x
log(a x )
log(a)
log(a)
loga loga (aa ) =
=
=
=x
=x
log(a)
log(a)
log(a)
log(a)
Ejercicio 21.
1
1x ,
Solucin 21.
!
!
1
1
1
x
1
= f
( f f f )(x) = ( f f )
= f
=
= x.
1
1x
x
1 1x
1 x1
x
Ejercicio
22. Calcula la inversa de las siguientes funciones
3
ex
b) f (x) = 1+e
a) f (x) = 1 x3
x
Solucin 22.
a)
y=
ex
(1 + e x )y = e x
1 + ex
y = e x (1 y)
y
e x =
1y
!
y
x = log
= log(y) log(1 y).
1y
Por tanto,
f 1 (y) = log(y) log(1 y).
3
p
b) y = 1 x3 1 x3 = y3 1 y3 = x3 x = 3 1 y3 . Por tanto f = f 1 .
Ejercicio 23. Hay algn valor de x e y para los que se cumpla que x + y = x + y?
Solucin 23. Dado que estamos con nmeros mayores o iguales que cero, elevamos al cuadrado
x + y = x + y x + y = x + y + 2 x y 2 xy = 0,
lo que ocurre si, y slo si, x o y son cero.
Ejercicio 24.
1
x+y
1
x
+ 1y ?
Solucin 24. En primer lugar, obsrvese que x e y tienen que ser distintos de cero. Desarrollemos
la identidad
1 1
1
x+y
1
= +
=
(x + y)2 = xy
x+y x y
x+y
xy
(observa que x e y tienen el mismo signo al ser su producto un nmero positivo)
x2 + y2 + 2xy = xy x2 + y2 = xy,
lo que no puede ocurrir nunca: x2 + y2 es positivo y xy, como acabamos de decir, es negativo. En
consecuencia, la igualdad del ejercicio no se cumple nunca.
Sucesiones
Ejercicio 1.
1
1x
xn
Ejercicio 2. Sea a un nmero real positivo y definamos x1 = a, xn+1 = 1+x
para n N. Probar
n
Ejercicio 3. Demuestra que la sucesin x1 = 1, xn+1 = 3xn , n 1 es convergente y calcular

su lmite.
Ejercicio 4. Se considera la sucesin definida por recurrencia por a1 = 1 y an+1 = 2an + 3

Ejercicio 5.
Se define la sucesin {xn } por recurrencia como x1 = 1, xn+1 = 1 + 2xn 1.
n
.
Ejercicio 6. Sea {xn }nN la sucesin definida por recurrencia como x1 =

1
2
y xn+1 = xn2 +
Ejercicio 7. Sea a R, a > 1. Estudiar el comportamiento de la sucesin x1 = a, xn+1 =

para todo n N.
4
25 .
xn2 +a
2
Ejercicio 8. Estudia la convergencia de las siguientes sucesiones y calcular su lmite cuando
exista.
)
(
(
)
1 + 1/2 + 1/3 + + 1/n
1 + 24 + 34 + + n4
c)
a)
n
n5
(
)
(
)
1 + 3 + 5 + + (2n 1) 2n + 1
1! + 2! + 3! + + n!
d)
b)
n+1
2
n!
Ejercicio
9. Calcula
(
) el lmite de las siguientes sucesiones
3
n
log(1 2 n)
2
+
3
+
.
.
.
n
1
+
a)
,
c)
2
n
log(n)
n n
b)
1 + 2 2 + 3 3 + . . . + nn
Ejercicio
(
) 10.
1
a) n
n!
Estudia la convergencia de las siguientes

( sucesiones:
)
1 pn
b)
(3n + 1)(3n + 2) (3n + n)
n
2 4 6 2n
d)
n+1
1 n (2n)!
c)
n!
Ejercicio
11. Calcula el
lmite de las siguientes sucesiones.

!n2 +56n+5
c) 1 + log(n + 1) log(n) n
1
1+ 2
a)
n +1
2 +5
n
!
n2 5n + 6 n+2
b)
2 + 2n + 1
Ejercicio
12. Calcula
)

(
1
1
log(n + 1)!
1
+
+
.
.
.
+
2
n
b)
a)
log(n + 1)n
log(n)
Ejercicio
13. Calcula el lmite de las
!) sucesiones.
( siguientes
1
! 1+log(n)
1
n+1
b) sen
a)
n2 + n + 5
cos( n2 + 1) log(n)
c)
Ejercicio
14. Calcula el lmite de las siguientes sucesiones.
s
log(n!)
n!
n
b)
a)
n+1
(2n)
1 + 2 + . . . + n
Ejercicio 15.
Ejercicio 16.
2
32
43
1 + 2 + 32 + +
n2
(n+1)n
nn1

3n2 + 2n + 1
lim 1 + log
n
3n2 + 5n
!!4n+1
.

1
Sucesiones
Ejercicio 1.
1
1x
n+1
Solucin 1. Sabemos que 1+ x+ x2 +. . .+ xn = x x11 (es la suma de una progresin geomtrica)

y, usando que limn xn = 0, se obtiene lo pedido.
Ejercicio 2. Sea a un nmero real positivo y definamos x1 = a, xn+1 =
Solucin 2.
para n N. Probar
Usando la definicin de la sucesin, se puede comprobar que

a
a
x1 = a, x2 =
, x3 =
1+a
1 + 2a
y que, en general, xn =
Ejercicio 3.
su lmite.
xn
1+xn
a
1+(n1)a ,
con lo que es inmediato concluir que limn xn = 0.
Demuestra que la sucesin x1 = 1, xn+1 = 3xn , n 1 es convergente y calcular
Solucin 3.
a) Veamos por induccin que la sucesin es creciente. Es inmediato comprobar que x1 < x2 . Si
xn < xn+1 tenemos que comprobar que xn+1 < xn+2 :
p
p
xn+1 = 3xn < 3xn+1 = xn+2 .
b) Adems es una sucesin acotada, ya que por induccin otra vez tenemos que xn 3, n N.
Para n = 1 es inmediato, y si xn 3, comprobmoslo para xn+1 . En efecto,
p
xn+1 = 3xn 3 3 = 3.
Por tanto, la sucesin es creciente y mayorada, luego existe su lmite x, que estar comprendido
entre 1 x 3. Para calcular su valor vamos a tomar lmites en la frmula de recurrencia, esto es
2
xn+1
= 3 xn = x2 = 3x = x(x 3) = 0 de lo que se deduce que limn xn = x = 3.
Ejercicio 4. Se considera la sucesin definida por recurrencia por a1 = 1 y an+1 = 2an + 3

Solucin 4. Aplicando la frmula de recurrencia, comprobamos que a2 = 5 > a1 = 1. Para

comprobar que la sucesin dada es montona creciente, lo vemos por induccin:
a) Para n = 1, acabamos de ver que a1 a2 .
b) Hiptesis de induccin: suponemos que an an+1 .
c) Comprobamos que an+1 an+2 . En efecto, si partimos de la hiptesis de induccin:
p
p
an an+1 2an 2an+1 2an + 3 2an+1 + 3 2an + 3 2an+1 + 3 an+1 an+2
Por tanto, la sucesin es montona creciente.
Al ser creciente, ya sabemos que la sucesin est acotada inferiormente por a1 = 1. Veamos que
est acotada superiormente por 3. Esto es, que an 3 n N. Otra vez lo hacemos por induccin:
a) Para n = 1, es evidente que a1 1 3.
b) Hiptesis de induccin: Suponemos que an 3.
c) Comprobamos que an+1 3. En efecto, si partimos de la hiptesis de induccin:
p
an 3 2an 6 2an + 3 9 2an + 3 9 = 3 an+1 3

Por tanto, la sucesin dada es montona y acotada, por lo que entonces es convergente.
Para calcular el lmite de {an } partimosde la frmula de recurrencia y tomamos lmite. Supongamos
que lim{an } = x y nos queda que x = 2x + 3. Resolvemos la ecuacin:
x = 2x + 3 x2 = 2x + 3 x2 2x 3 = 0 x = 1 x = 3
Pero como el lmite ha de ser mayor que 1, tenemos que lim an = 3.
E
Ejercicio 5.
Se define la sucesin {xn } por recurrencia como x1 = 1, xn+1 =
n
.
1 + 2xn 1.
Solucin 5.
a) Vamos a comprobar que la sucesin {xn } es montona y acotada.
i) Veamos, en primer lugar, que la sucesin {xn } es decreciente. Utilizaremos el principio de
induccin.
1) Es inmediato comprobar que x1 = 1 > x2 = 3 1.

2) Supongamos que xn > xn+1 , entonces
p
p
2xn + 1 > 2xn+1 + 1 = 1 + 2xn 1 > 1 + 2xn+1 1,
o, lo que es lo mismo, xn+1 > xn+2 .
ii) Comprobemos que todos los trminos son positivos de nuevo por induccin:
1) Es evidente
que que x1 > 0 y,
2) si xn > 0, 1 + 2xn > 1 o, lo que es lo mismo, xn+1 > 0.
Resumiendo, {xn } es decreciente y est acotada
inferiormente y, por tanto, es convergente. Si
llamamos L al lmite, se cumple que L n= 1o + 2L 1 de donde se deduce queL = 0.

n
b) Para calcular el lmite de la sucesin xxn+1
, multiplicamos y dividimos por 1 + 2xn + 1 y
obtenemos

xn
xn
1 + 2xn + 1
1 p
lim
=
1 + 2xn + 1 = 1.
= lim
n xn+1
1 + 2xn 1
1 + 2xn + 1 n 2
E
Ejercicio 6. Sea {xn }nN la sucesin definida por recurrencia como x1 =

Solucin 6.
a) Lo demostramos por induccin. Es claro que
entonces
1
5
< x1 =
1
2
1
2
y xn+1 = xn2 +
< 45 . Supongamos que
1
5
4
25 .
< xn < 45 ,
xn+1 =
4
1
+
>
25
5
!2
xn2
xn+1 =
4
4
<
+
25
5
!2
xn2
4
1
= ,
25 5
4
4
= .
25 5
b) De nuevo comprobamos que la sucesin es decreciente por induccin. En primer lugar, es

41
evidente que x1 = 21 100
= x2 . Supongamos ahora que xn xn+1 , entonces
2
xn+2 = xn+1
+
4
4
xn2 +
= xn+1 ,
25
25
ya que la funcin elevar al cuadrado conserva el orden en los positivos.

c) De los dos apartados anteriores se deduce que la sucesin es montona y acotada y, por tanto,
convergente. Si L es su lmite, debe verificar que
q
1
1 16
25
4
1
4
2
L =
= , o .
L=L +
25
2
5
5
Puesto que la sucesin es decreciente, el lmite no puede ser
4
5
y, se tiene que L = 15 .
Ejercicio 7. Sea a R, a > 1. Estudiar el comportamiento de la sucesin x1 = a, xn+1 =

para todo n N.
xn2 +a
2
Solucin 7.
En primer lugar, probamos que la sucesin es decreciente. Se tiene que x2 =
q
a2 +a
2 < a = x1 ( a > 1). Si suponemos que xn+1 < xn veamos que tambin xn+2 < xn+1 . En
2
efecto, como xn+1
< xn2 , entonces
s
s
2 +a
xn+1
xn2 + a
< xn+1 =
.
xn+2 =
2
2
Adems la sucesin est acotada, ya que 1 < xn a , n N (prubese por induccin!), por
tanto la sucesin tiene lmite x que verifica la ecuacin siguiente:
x2 =
x2 + a
= x2 = a = x = a.
2
Ejercicio 8. Estudia la convergencia de las siguientes sucesiones y calcular su lmite cuando
exista.
(
)
)
(
1 + 1/2 + 1/3 + + 1/n
1 + 24 + 34 + + n4
c)
a)
n
n5
(
)
(
)
1 + 3 + 5 + + (2n 1) 2n + 1
1! + 2! + 3! + + n!
d)
b)
n+1
2
n!
Solucin 8.
(n+1)
xn
a) Aplicamos el criterio de Stolz y nos queda xyn+1
= (n+1)
5 n5 . Si desarrollamos el denominador
n+1 yn
tenemos un polinomio de grado 4 y con coeficiente principal 4, ya que queda de la forma
(n + 1)5 n5 = 5n4 + . . . + 1. Por tanto el lmite es 15 .
b) Aplicando el criterio de Stolz tenemos que
lim
xn+1 xn
(n + 1)!
(n + 1)!
n+1
= lim
= lim
= lim
= 1.
yn+1 yn n (n + 1)! n! n n! ((n + 1) 1) n n
xn+1 xn
yn+1 yn
forma yxnn
c) Por el criterio de Stolz, limn
1/(n+1)
(n+1)n = 0.
2+6+10++2(2n1)(2n+1)(n+1)
2(n+1)
= limn
y aplicamos el criterio de
d) Escribimos la sucesin de la
=
Stolz
xn+1 xn 2(2n + 1) ((2n + 3)(n + 2) (2n + 1)(n + 1))
3
=
= .
yn+1 yn
2(n + 2) 2(n + 1)
2
Por tanto el lmite es 32 .
Ejercicio
9. Calcula
(
) el lmite de las siguientes sucesiones
3
n
log(1 2 n)
1
+
2
+
3
+
.
.
.
n
a)
,
c)
2
n
log(n)
n n
b)
1 + 2 2 + 3 3 + . . . + nn
Solucin 9.
a) Aplicamos el criterio de Stolz
lim
an+1 an
log(1 2 n (n + 1)) log(1 2 n)
= lim
n
bn+1 bn
(n + 1) log(n + 1) n log(n)
log(n + 1)

= lim
n log(n + 1) + n log n+1
n
= lim
log(n + 1)

n
log(n + 1) + log 1 + n1

n
dividimos por log(n + 1) y usamos que limn 1 + 1n = e,
= lim
1
1+
1
log(n+1)

n = 1.
log 1 + 1n
b) Aplicamos el criterio de Stolz y nos queda:
xn+1 xn
(n + 1)2 n + 1 n2 n
lim
= lim
n yn+1 yn
n
(n + 1) n + 1
multiplicamos y dividimos por (n + 1)2 n + 1 + n2 n
(n + 1)4 (n + 1) n4 n

n (n + 1) n + 1 (n + 1)2 n + 1 + n2 n
= lim
(n + 1)5 n5
n (n + 1)4 + n2 (n + 1) n(n + 1)
= lim
5n4 + + 1
5
= .
n (n + 1)4 + n2 (n + 1) n(n + 1)
2
= lim
c) Este ejercicio se puede intentar resolver por el criterio de Stolz. Si llamamos xn = 1 + 2 +

3
3 + . . . n n y yn = n2 se tendr que

3
3
n

n+1
n+1
n + 1 1 + 2 + 3 + ... nn
an+1 an 1 + 2 + 3 + . . . n +
n+1
=
=
.
bn+1 bn
2n + 1
(n + 1)2 n2
n+1
Teniendo en cuenta que lim
n + 1 = 1, tenemos que
n
n+1
xn+1 xn
n+1
= lim
= 0.
lim
n yn+1 yn
n 2n + 1
1 + 2 + 3 + ... nn
Por tanto lim
= 0.
n
n2
Ejercicio
) 10. Estudia la convergencia de las siguientes
(
n sucesiones:
2 4 6 2n
a) n
d)
n+1
( n!
)
p
1n
b)
(3n + 1)(3n + 2) (3n + n)
nr
1 n (2n)!
c)
n
n!
Solucin 10.
a) Aplicamos el criterio de la raz:
lim
xn+1
n!
1
= lim
= lim
= 0,
n
n
xn
(n + 1)!
n+1
1
y, por tanto, lim n = 0.
n n!
b) Aunque directamente no podemos aplicar el criterio de la raz si hacemos una pequea manipulacin en la sucesin s que ser posible. Se tiene que
r
1 pn
n (3n + 1)(3n + 2) (3n + n)
(3n + 1)(3n + 2) (3n + n) =
.
n
nn
Si ahora llamamos an =
(3n+1)(3n+2)(3n+n)
,
nn
tenemos que
an+1
(3n + 4)(3n + 5) (3n + n + 4)nn
= lim
n an
n (n + 1)n+1 (3n + 1)(3n + 2) (3n + n)
(4n + 1)(4n + 2)(4n + 3)(4n + 4)nn
= lim
n (3n + 1)(3n + 2)(3n + 3)(n + 1)n+1
(4n + 1)(4n + 2)(4n + 3)(4n + 4) n n
44
= lim
= 3 .
n (3n + 1)(3n + 2)(3n + 3)(n + 1) n + 1
3 e
q
c) El trmino general lo podemos escribir de la forma xn = n (2n)!
nn n! y aplicamos el criterio de la
raz:
(2n+2)!
(2n + 2)(2n + 1) n n 4
xn+1
(n+1)n+1 (n+1)!
= lim
= .
=
lim
lim
(2n)!
n
n
n xn
n+1
e
(n + 1)2
n
lim
n n!
d) Modificamos el trmino general de la sucesin para poder aplicar el criterio de la raz. Es decir,
la sucesin que vamos es:
s
n 2 4 6 2n
(n + 1)n
y llamando an =
ahora es:
2462n
(n+1)n ,
al aplicar el criterio de la raiz, el lmite que tendremos que estudiar
an+1 2 4 6 (2n) (2n + 2) (n + 1)n

2n + 2 n + 1
=
=
n+1
an
2 4 6 2n
n+2 n+2
(n + 2)
!n
El primer factor es una sucesin de tipo racional que converge a 2; y el segundo factor es
una sucesin que presenta la indeterminacin del tipo 1 por lo que aplicamos la regla del
nmero e:
!
!n
n
n+1
n+1
1 =
1
n
e1
n+2
n+2
n+2
Por tanto: lim
2462n
n+1
= 2 e1 =
2
e
Ejercicio
11. Calcula el
lmite de las siguientes sucesiones.

!n2 +56n+5
c) 1 + log(n + 1) log(n) n
1
a)
1+ 2
n +1
2 +5
n
!
n2 5n + 6 n+2
b)
2 + 2n + 1
Solucin 11.

n2 +56n+5
. Como la base converge a 1 y es siempre
a) Consideramos la sucesin xn = 1 + n21+1
distinta de uno aplicamos la regla del nmero e. Concretamente,
!
1
n2 + 56n + 5
2
lim (n + 56n + 5) 1 + 2
1 = lim
1,
n
n
n +1
n2 + 1
y, por tanto, lim xn = e.

n
b) Aplicamos la regla del nmero e y estudiamos

!
7n3 +
n2 + 5 n2 5n + 6
lim
1
=
lim
= 7.
n n3 +
n n + 2 n2 + 2n + 1
Por tanto, la sucesin tiende a e7 .

n
y aplicamos la regla del nmero
c) Escribimos el trmino general de la forma xn = 1 + log n+1
n
e:
!
!
!
!n
1
n+1
n+1
1 = lim n log
= lim log 1 +
= log(e) = 1.
lim n 1 + log
n
n
n
n
n
n

Entonces limn 1 + log(n + 1) log(n) n = e.
Ejercicio
12. Calcula
)
(
1
1
log(n + 1)!
1
+
+
.
.
.
+
2
n
b)
a)
log(n + 1)n
log(n)
Solucin 12.
a) Por el criterio de Stolz se tiene que
1
lim
xn+1 xn
1
n+1

= lim
= lim
yn+1 yn n log(n + 1) log(n) n (n + 1) log n+1
n
= lim

= 1.
(n + 1) log 1 + 1n
b) Por el criterio de Stolz se tiene que

lim
log(n + 2)! log(n + 1)!

xn+1 xn
= lim
yn+1 yn n (n + 1) log(n + 2) n log(n + 1)
log(n + 2)

= lim
n n log n+2 + log(n + 2)
n+1
1
= lim 1 n
= 1.
n log (1+ n )
+
1
log(n+2)
Ejercicio
13. Calcula el lmite de las
( siguientes
!) sucesiones.
1
! 1+log(n)
1
n+1
b) sen
a)
n2 + n + 5
cos( n2 + 1) log(n)
c)
Solucin 13.
a) Si llamamos xn al trmino general de la sucesin propuesta, vamos a estudiar log(xn ), es decir

1
log(n + 1) log(n2 + n + 5)
n 1 + log(n)
log(n + 1) 2 log(n) log(1 + 1/n + 5/n2 )
= lim
n
1 + log(n)
lim log(xn ) = lim
= lim
log(n+1)
log(n)
2
1
log(n)
log(1+1/n+5/n2 )
log(n)
+1
= 1.
Entonces, limn xn = e1 .
b) Utilizando la continuidad de la funcin seno en el cero se tiene que
!
1
lim sen
= sen(0) = 0.
n
n
c) El lmite es
lim cos
p
log(n)
n2 + 1
= 0,
n
donde hemos utilizado que es el producto de una sucesin acotada, cos

convergente a cero,

n2 + 1 , por una
log(n)
n .
Ejercicio
14. Calcula el lmite de las siguientes sucesiones.
log(n!)
n!
n
b)
a)
n+1
(2n)
1 + 2 + . . . + n
Solucin 14.
a) Aplicamos el criterio de la raz y, si xn =
n!
,
(2n)n+1
(n+1)!
(2n+2)n+2
n!
(2n)n+1
estudiamos el lmite
(n + 1)(2n)n+1
n (2n + 2)n+2
!n+1
2n
n+1
= lim
.
n 2n + 2
2n + 2
xn+1
lim
= lim
n xn
n
= lim
Ahora estudiamos cada uno de los factores por separado: el primero de ellos es un cociente de
polinomios de mismo grado que tiene lmite 1/2; el segundo presenta una indeterminacin de la
forma 1 . La resolvemos:
!n+1
!
2n
2n
L
= e lim (n + 1)
1 = L.
lim
n
n 2n + 2
2n + 2
Es muy fcil comprobar que L = 1 y, por tanto,
s
n!
1
lim n
= 1/2e1 = .
n+1
n
2e
(2n)

aplicamos el criterio de Stolz. Notemos que en este caso
b) Para la sucesin xn = log(n!)
1+ 2+...+ n
el denominador es una sucesin de nmeros positivos estrictamente creciente y no mayorada.
Aplicando Stolz tenemos que

log (n+1)!
log((n + 1)!) log(n!)
log(n + 1)
n!
=
lim
=
.
n 1 + 2 + . . . + n + n + 1 1 2 . . . n
n+1
n+1
Finalmente aplicamos de nuevo el criterio de Stolz a este ltimo cociente:

n+2
)
)
log( n+1
log( n+2
log(n + 1 + 1) log(n + 1)
n+1 0,
=
=
n+1+1 n+1
n+2 n+1
n + 2 1 n+1
n+2
lo que nos asegura que limn xn = 0.

E
Ejercicio 15.
2
32
43
1 + 2 + 32 + +
n2
(n+1)n
nn1
Solucin 15. En este caso vamos a utilizar el criterio de Stolz para ver el comportamiento de la
n
2
3
sucesin. Si llamamos an = 21 + 32 + 342 + + (n+1)
y bn = n2 es claro que {bn } es creciente y no
nn1
mayorada y entonces
an+1 an
=
bn+1 bn
2
1
32
2
43
32
+ +
(n+1)n
nn1
(n+2)n+1
2
(n+1)n 1
(n + 1)2 n2
32
2
43
32
+ +
(n+1)n
nn1
(n+2)n+1
(n+1)n
!n
n+2 n+2
=
=
.
2n + 1
2n + 1 n + 1
n
o
n n o
n+2
Se tiene que el lmite de 2n+1
es 1/2 y, utilizando la regla del nmero e, la sucesin n+2
n+1
tiende a e, con lo que la sucesin converge a 2e .
E
Ejercicio 16.

3n2 + 2n + 1
lim 1 + log
n
3n2 + 5n
!!4n+1
.
Solucin 16. Est claro que el cociente de polinomios al que afecta el logaritmo, al ser polinomios del mismo grado, converge a 1, que es el cociente de los coeficientes lderes. Como logaritmo
neperiano es continuo en 1 y vale 0 tenemos que la base del trmino general converge a 1 mientras
que el exponente es claro que diverge positivamente. En conclusin, estamos ante una indeterminacin de la forma 1 .
Utilizando la regla del nmero e tenemos que
!!4n+1
!
!
3n2 + 2n + 1
3n2 + 2n + 1
L
= e lim (4n + 1) 1 + log
1 = L,
lim 1 + log
n
n
3n2 + 5n
3n2 + 5n
pero
3n2 + 2n + 1
lim (4n + 1) log
n
3n2 + 5n
!!
3n2 + 2n + 1
= lim log
n
3n2 + 5n
!(4n+1)
.
Ahora hacemos
3n2 + 2n + 1
lim
n
3n2 + 5n
!(4n+1)
=e
!
3n2 + 2n + 1
lim (4n 1)
1 = L
n
3n2 + 5n
y
!
!
!
12n2 + 7n 1
3n + 1
3n2 + 2n + 1
1 = lim (4n + 1)
= lim
= 4,
lim (4n + 1)
n
n
n
3n2 + 5n
3n2 + 5n
3n2 + 5n
y el lmite buscado resulta
3n2 + 2n + 1
lim 1 + log
n
3n2 + 5n
10
!!4n+1
= e4 =
1
.
e4
Series de nmeros reales

Ejercicio 1. Aplicar el criterio de la raz para estudiar la posible convergencia de las siguientes
series:
P nn
P n+1 n
d)
a)
2
3n1
e(n +1)

n2
P n 2n1
P
b)
e)
1 + 1n
3n2
P nn
c)
(2n+1)n
Ejercicio 2. Aplicar el criterio del cociente para estudiar la posible convergencia de las siguientes
series:
P 1
P 258(3n1)
a)
d)
n2n
P1 2 n
P 159(4n3)
2n n!
b)
e)
n 5
nn
P (n+1)n
c)
3n n!
Ejercicio 3. Aplicar el criterio de comparacin para estudiar la posible convergencia de las
siguientes series:
P log(n)
P 1
a)
e)
P n1
P (2n1)2n
b)
1
f)
n(n+1)
n
P 1
P 3 n
c)
g)
P 2n1
(n+1) n
1
d)
2n n
Ejercicio 4. Aplicar el criterio de condensacin para estudiar la posible convergencia de las
siguientes series:
P 1
a)
P n log(n)
1
b)
n(log(n))2
P
1
c)
Ejercicio 5.
P 2n
a)
P nn+1
b)
P 2n+11
c)
n2 log(n)

P n2
d)
2
P (3n1)
3n1
e)
n
( 2)
Ejercicio 6. Discutir la convergencia de las siguientesseries

de nmeros reales:
P1
P 3n n
a)
d)
3n+1
P n! 1
P n2
b)
e)
4(n1)
P (3n2)(3n+1)
2n+1
c)
2
2
(n+1) (n+2)
Ejercicio 7. Estudiar la convergencia de las series

P n3
P n+1 n
a)
e)
n
e
n2
P 135(2n1)
P 2n+1 n2
f)
b)
3n+1
P 246(2n+2)
2462n
P (n!)2
g)
c)
579(2n+3)
(2n)!
P
2n
d)
135(2n+1)
Ejercicio 8. Discutir la convergencia de las siguientes series
2 de nmeros reales:
P
P
20n
n
a) (1) n+1
d) log nn2 +3
+2
P 135(2n1) 2
P 3 n log(n)
b)
e)
2
2462n

P n +1
P
n en
1
f)
(1)
c) log 1 + n
E
Ejercicio 9. Estudia el carcter de las siguientes series:

P 2n+1 n2
a)
.
2n+5
P 1+log(n)
b)
.
nn
Ejercicio 10.
P an
a)
P na
b) an na
Suma de series
Ejercicio 11. Sumar, si es posible, las siguientes series
X
15
a)
n
10
n=0
X
1
b)
2n(n + 1)
n=1
X
(1)n
c)
3n
n=2
Ejercicio 12. Sumar, si es posible, las siguientes series
X
1
a)
(n + 3)(n + 4)
n=0
X
1
b)
n+3
2
n=1
X
2n + 3n
c)
5n
n=1
Ejercicio 13.
Sumar la serie de nmeros reales
2
X
n +n+1
n=1
n!
Series de nmeros reales

1

Ejercicio 1. Aplicar el criterio de la raz para estudiar la posible convergencia de las siguientes
series:
P nn
P n+1 n
d)
a)
2
3n1
e(n +1)
n2

P n 2n1
P
b)
e)
1 + 1n
3n2
P nn
c)
(2n+1)n
Solucin 1.
q

n+1 n
n+1
a) Aplicamos el criterio de la raz limn n 3n1
= limn 3n1
= 13 < 1. Por tanto, la serie
es convergente.
b) Aplicamos el criterio de la raz
r
!2
n 2n1
n
1
n 2n1
n
=
= lim
< 1.
lim
n 3n 2
n
3n 2
3
Por tanto, la serie es convergente.
c) Aplicamos el criterio de la raz,
r
lim n
n
n
1
nn
= lim
= .
n
n 2n + 1
(2n + 1)
2
En consecuencia, la serie es convergente.

d) Aplicamos el criterio de la raz:
lim
n
an = lim
n
e
n2 +1
n
= lim
n en
1
=0<1
e1/n
de lo que se deduce que la serie es convergente.

e) Aplicamos el criterio de la raz
s
!n2
1
1
1
1
n
= lim
lim
1+
= lim r
n = < 1
1
n
n
n
n
e

n2
1+ n
n
1 + 1n
y, en consecuencia, la serie es convergente.
Ejercicio 2. Aplicar el criterio del cociente para estudiar la posible convergencia de las siguientes
series:
P 1
P 258(3n1)
a)
d)
n2n
P1 2 n
P 159(4n3)
2n n!
b)
e)
n 5
nn
P (n+1)n
c)
3n n!
Solucin 2.
a) Aplicamos el criterio del cociente:

an+1
lim
= lim
n an
n
1
(n+1)2n+1
1
n2n
n
1
= < 1.
n 2(n + 1)
2
= lim

b) Aplicamos el criterio del cociente,
lim
1
n+1
1
n
n+1
2
5
n
2
5
n 2 2
= < 1.
n n + 1 5
5
= lim

c) Aplicamos el criterio del cociente,
an+1
lim
= lim
n an
n
(n+2)(n+1)
3n+1 (n+1)!
(n+1)n
3n n!
1 n+2
= lim
n 3 n + 1
!n+1
=
e
< 1,
3
y, por tanto, la serie es convergente. Observa que en el ltimo paso hemos utilizado la regla del
nmero e.
d) Aplicamos el criterio del cociente
258(3n1)(3n+2)
159(4n3)(4n+1)
lim
258(3n1)
n
159(4n3)
= lim
3n + 2 3
= <1
4n + 1 4
y, por tanto, la serie es convergente.

e) Aplicamos el criterio del cociente:
n n 2
2n+1 (n + 1)! nn
lim
= lim 2
= <1
n (n + 1)n+1 2n n!
n
n+1
e
de lo que se deduce la convergencia de la serie.
Ejercicio 3. Aplicar el criterio de comparacin para estudiar la posible convergencia de las
siguientes series:
P log(n)
P 1
a)
e)
P n1
P (2n1)2n
b)
1
f)
n(n+1)
n
P 1
P 3 n
c)
g)
P 2n1
(n+1) n
1
d)
n
2 n
Solucin 3.
P
a) Comparamos con la serie 1n que no es convergente. Como log(n)
1n , la serie no es convern
gente.
P
b) Comparamos con la serie armnica n1 :
r
1
n(n + 1)
n(n + 1)
n
lim
= lim
= lim
= 1.
1
n
n
n
n
n2
n(n+1)
Por tanto, las dos series tienen el mismo carcter y, en consecuencia, la serie
1
n(n+1)
no es
convergente.
P
c) No es convergente. La serie se comporta igual que la serie armnica n1 .
P 1
d) Comparamos con la serie convergente 2n .
1
2n
n n1
2 n
lim
2n n
= 1.
n 2n
= lim

P
e) Comparamos con la serie convergente n12
1
n2
1
n
(2n1)2n
lim
(2n 1)2n
= 4.
n
n2
= lim
Por tanto, las dos series tienen el mismo carcter y, en consecuencia, la serie es convergente.
f) No es convergente porque 1n 1n .
P 1
g) Comparamos con la serie convergente n7/6
3
n n
n
7/6
lim n
= lim
=1
n
(n + 1) n n (n + 1) n
Ejercicio 4. Aplicar el criterio de condensacin para estudiar la posible convergencia de las
siguientes series:
P 1
a)
P n log(n)
1
b)
n(log(n))2
P
1
c)
Solucin 4.
P
1
a) Aplicando el criterio de condensacin, la serie tiene el mismo carcter que la serie 2n 2n log(2
n) =
P 1
P 1
P1
log(2n ) =
n log(2) y esta ltima serie no es convergente comparando con
n.
P n
P
1
1
b) Aplicando el criterio de condensacin 2 2n (log(2
y esta ltima serie es conn ))2 =
n2 (log(2))2
P 1
vergente (comprase con n2 ).
c) El trmino general es decreciente y convergente a cero. Estamos en condiciones de aplicar el
criterio de condensacin. La serie tiene el mismo carcter de convergencia que la serie
X
X
2n
1

=
n
n
n
2 log (2 ) log log (2 )
n log(2) log(n log(2))
P 1
que, a su vez y por el criterio de comparacin por paso al lmite, se comporta igual que n log(n)
.
Esta ltima serie ya sabemos que no es convergente (vase el Ejercicio ??).
Ejercicio 5.
P 2n
a)
P nn+1
b)
P 2n+11
c)
n2 log(n)

P n2
d)
2
P (3n1)
3n1
e)
n
( 2)
Solucin 5.
a) No es convergente porque limn an = limn 2n = +.

n+1
= 21 .
b) No es convergente porque el trmino general no tiende a cero: limn 2n+1
P
1
n12 , para cualquier n 3. La serie n12 es
c) Como log(n) 1 para n 3, se tiene que n2 log(n)
P 1
convergente y, el criterio de comparacin nos dice que n2 log(n)
tambin lo es.
d) El trmino general no converge a cero y, por tanto, la serie no es convergente.
e) Aplicamos el criterio del cociente
lim
3(n+1)1
n+1
2
3n1
( 2)n
!
3n + 2 1
1
= lim
= <1
n 3n 1
2
2

Ejercicio 6. Discutir la convergencia de las siguientesseries
de nmeros reales:
P1
P 3n n
a)
d)
3n+1
P n! 1
P n2
b)
(3n2)(3n+1)
e)
4(n1)
P 2n+1
c)
(n+1)2 (n+2)2
Solucin 6.
a) Aplicamos el criterio del cociente
1
(n+1)!
lim 1
n
n!
1
=0<1
n n + 1
= lim

P
b) Comparamos con la serie n12
1
n2
lim
1
n
(3n2)(3n+1)
= lim
(3n 2)(3n + 1)
=9
n2
y, por tanto la serie es convergente.

P
c) Comparamos con la serie n13 ,
2n+1
(n+1)2 (n+2)2
lim
1
n
n3
= 2.
En consecuencia, las dos series tienen el mismo carcter de convergencia. Puesto que la serie
P 1
es convergente, ambas lo son.
n3
d) No es convergente porque el trmino general no converge a cero:
!n
!
3n
3n
L
lim
= e lim n
1 = L
n 3n + 1
n
3n + 1
y el segundo lmite vale
!
!
3n
3n 3n 1
lim n
1 = lim n
= 1/3.
n
n
3n + 1
3n + 1
Por tanto el trmino general de la serie converge a e1/3 6= 0.
r
lim
n2
4(n1)
= lim
n
n2
4
n1
n
1
<1
4

Ejercicio 7. Estudiar la convergencia de las series
P n3
P n+1 n
a)
e)
en
n2
P 135(2n1)
P 2n+1 n2
f)
b)
3n+1
P 246(2n+2)
2462n
P (n!)2
g)
c)
579(2n+3)
(2n)!
P
2n
d)
135(2n+1)
Solucin 7.
r
a) Aplicamos el criterio de la raz lim
convergente.
b) Aplicamos el criterio de la raz
s
lim
2n + 1
3n + 1
n
n3
n3 1
=
lim
= < 1 y, en consecuencia, la serie es
en n n en
e
! n2
2n + 1
= lim
n 3n + 1
! 12
r
=
2
<1
3

c) Aplicamos el criterio del cociente
lim
[(n+1)!]2
(2n+2)!
(n!)2
(2n)!
(n + 1)2
1
(n + 1)! (n + 1)! (2n)!
= lim
= <1
n
n!
n! (2n + 2)! n (2n + 2)(2n + 1) 4
= lim

d) Aplicamos el criterio del cociente
2n+1
135(2n+1)(2n+3)
lim
2n
n
135(2n+1)
2n+1
1 3 5 (2n + 1)
2
= lim
=0<1
n
n 2 1 3 5 (2n + 1)(2n + 3)
n 2n + 3
= lim

s
!n
n+1
n+1
n
lim
= lim
=0<1
2
n
n
n
n2
f) Aplicamos el criterio del cociente
an+1
lim
= lim
n an
n
135(2n1)(2n+1)
246(2n+2)(2n+4)
135(2n1)
246(2n+2)
= lim
2n + 1
=1
2n + 4
an+1
pero, como 2n+1
2n+4 1, el criterio del cociente no decide. Ya que hemos calculado an , aplicamos
el criterio de Raabe
!
!
an+1
2n + 1
3n
3
= lim
= >1
lim n 1
= lim n 1
n
n
n
an
2n + 4
2n + 4 2

g) Aplicamos el criterio del cociente
an+1
lim
= lim
n an
n
pero
2n+2
2n+5
2462n(2n+2)
579(2n+3)(2n+5)
2462n
579(2n+3)
= lim
2n + 2
= 1,
2n + 5
1 por lo que el criterio del cociente no decide. Aplicamos el criterio de Raabe

!
!
an+1
3n
2n + 2
3
lim n 1
= lim
= lim n 1
= >1
n 2n + 5
n
n
an
2n + 5
2

Ejercicio 8. Discutir la convergencia de las siguientes series
2 de nmeros reales:
P
P
20n
a) (1)n n+1
d) log nn2 +3
+2
P 135(2n1) 2
P 3 n log(n)
b)
e)
2
2462n

P n +1
P
1
f) (1)n en
c) log 1 + n
Solucin 8.
a) No es convergente porque el trmino general no converge a cero.

2 +3n
b) Aplicamos el criterio de Raabe y llegamos a n 1 aan+1
= 4n4n2 +8n+4
1, de lo que se deduce
n
la no convergencia de la serie.
P
c) Comparamos con la serie armnica n1

!
!n
log 1 + 1n
1
1
= lim n log 1 +
lim
= lim log 1 +
= log(e) = 1
1
n
n
n
n
n
n
y, por tanto, la serie no es convergente.
d) Podemos escribir el trmino general de la forma:
!
!
n2 + 3
1
an = log 2
= log 1 + 2
.
n +2
n +2
P
Comparando con la serie n12 se obtiene la convergencia de la serie dada.
P
ya que
e) Comparamos con la serie log(n)
n5/3
an
lim
n+ log(n)
n5/3
=1
P
Y aplicando el criterio de condensacin a la serie log(n)
se obtiene que es convergente, luego
n5/3
la de partida tambin lo es.
f) No hay ms que aplicar el criterio de Laeibnitz para series alternadas.
E
Ejercicio 9. Estudia el carcter de las siguientes series:

P 2n+1 n2
a)
.
2n+5
P 1+log(n)
b)
.
nn
Solucin 9.
n2

. Tendremos entonces que
a) Aplicamos el criterio de la raz, considerando como an = 2n+1
2n+5
estudiar el lmite de { n an } y compararlo con 1; esto es

s
!n2
!n2 /n
!n
n
2n + 1
2n + 1
2n + 1
n
=
an =
=
2n + 5
2n + 5
2n + 5
sucesin que presenta una indeterminacin del tipo 1 por lo que aplicamos la regla del
nmero e:
!
4n
2n + 1
lim n
1 = lim
= 2 lim n an = e2 < 1
2n + 5
2n + 5
Por tanto la serie dada es convergente.
b) Aplicamos el criterio del cociente, considerando como an = 1+log(n)
; de esta forma, habr que
nn
estudiar el lmite de la siguiente sucesin y compararlo con el valor1:
nn
nn
an+1 1 + log(n + 1)
1 + log(n + 1)
=
=
an
1 + log(n) (n + 1)n (n + 1)
(n + 1)n+1 1 + log(n)
1 + log(n + 1) n n 1
=
1 + log(n)
n+1 n+1
Finalmente, si calculamos el lmite de cada uno de los tres factores que tenemos, el primer factor
es claro que converge a 1 (no hay ms que dividir el numerador y denominador por log(n + 1)),
el segundo factor converge a e1 (basta aplicar la regla del nmero e) y el tercero converge a
cero. Por tanto:
X
an+1
lim
=0<1
an es convergente.
an
E
Ejercicio 10.
P an
a)
P na
b) an na
Solucin 10.
a) Slo tenemos en cuenta 0 < a < 1 puesto que en para a = 1 es la serie armnica que no
converge, y para a > 1 el trmino general no converge a cero. Entonces, para 0 < a < 1
aplicamos el criterio de la raz y obtenemos que la serie es convergente.
b) Slo tenemos en cuenta 0 < a < 1 puesto que para a 1 el trmino general no converge a
cero. Entonces, para 0 < a < 1 aplicamos el criterio de la raz y obtenemos que la serie es
convergente.
Suma de series
Ejercicio 11. Suma, si es posible, las siguientes series
X
15
a)
10n
n=0
X
1
b)
2n(n
+ 1)
n=1
X (1)n
c)
3n
n=2
Solucin 11.
a) Usando la suma de una progresin geomtrica
X
X
1
15
1
150
=
15
= 15
=
.
n
n
1
10
10
9
1
n=0
n=0
10
b) La suma es 21 puesto que la serie es la mitad de la del Ejemplo ??.

c) De nuevo utilizamos la suma de una progresin geomtrica
X
(1)n
n=2
3n
X
(1)n
n=0
3n
1
X
(1)n
n=0
3n
1
1
1
1+ =
.
1
3 12
1 3
Ejercicio 12. Suma, si es posible, las siguientes series
X
1
a)
(n
+
3)(n
+ 4)
n=0
X 1
b)
2n+3
n=1
X
2n + 3n
c)
5n
n=1
Solucin 12.
a) Calculamos las sumas parciales usando la descomposicin en fracciones simples del trmino
general:
X
n=0
X
1
1
1
=
(n + 3)(n + 4) n=0 (n + 3) (n + 4)
!
!
!
1 1
1 1
1
1
= lim
+
+ +
n 3
4
4 5
n+3 n+4
1
1
1
= .
n 3
n+4 3
= lim
b) Aprovechamos que estamos sumando una progresin geomtrica:
X
X
1 X 1
1 1
1
1
=
=
=
n
n+3
n+4
16 n=0 2
16 1
2
2
n=1
n=0
1
2
1
.
8
c) Dividimos en dos progresiones geomtricas y sumamos:
X
2n + 3n
n=1
Ejercicio 13.
5n
X
2n
n=1
Suma la serie de nmeros reales
5n
X
3n
n=1
5n
13
.
6
2
X
n +n+1
n=1
n!
X
1
Solucin 13. Esta serie se suma haciendo uso de que
= e, y para ello descomponemos el
n!
n=0
numerador del trmino general de la forma siguiente:
n2 + n + 1 = n(n 1) + n +
e igualando coeficientes obtenemos que = 1, = 2 y = 1 . Por tanto la suma de la serie (que
existe por el criterio del cociente) es:
X
n2 + n + 1
n=1
n!
=
=
X
n(n 1)
n=1
X
n=2
n!
X
n X 1
+2
+
n! n=1 n!
n=1
X
X
1
1
1
+2
+
(n 2)!
(n
1)!
n!
n=1
n=1
= e + 2e + (e 1) = 4e 1.
Lmites elementales
1 Lmites elementales
Ejercicio 1. Calcular los siguientes lmites
x
a) lim x 7x+4
5x+3
b) lim x 2x
2 +1
2
4
c) lim x2 xx2
2 +4
d) lim x2+ xx2
Ejercicio 2. Calcular

los siguientes lmites.
1
1
1
,
a) lim x4 x 4 x4
x4
3 +2x2 +x ,
3x
x1
lim x1 | x1
,
|
x1
lim x1 | x1 | ,
b) lim x0
c)
d)
Ejercicio 3.
Calcular
los siguientes lmites
1+x 1x
a) lim x0
x
b)
c)
lim x0 1+x1
1x1
lim x0 3 2x+3
26+x3
Ejercicio 4. Calcular los siguientes lmites

a) lim x0 x|2x+x|
x2 1
| x1 |
2
lim x2 x x+x+6
2 4
b) lim x1
c)
q
d) lim x+
d) lim x0
e) lim x0
x+ x x
1
221/x
1
e1/x +1
2 Lmites y continuidad
Ejercicio 5.
a)

1
, si x 6= 0
1+e1/x
f (x) =
0,
si x = 0
b)
ex
, si x < 0
x
g(x) =
x,
si 0 x < 1
5
x, si x 1
Ejercicio 6. Sea f : R+ R la funcin definida por f (x) = x log(x)1 , para todo x R+ \ {e}.
i
h

sen(x)
1
Ejercicio 7. Sea f : 0, 2 R la funcin definida por f (x) = tan(x)
i
h
Ejercicio 8. Sea f : 0, 2 R la funcin definida por f (x) = (1 + sen(x))cotan(x) . Estudiar la
Estudiar el comportamiento en cero de las funciones f, g : R R definidas por
!
!
7
5
f (x) = arctan
arctan
, g(x) = x f (x).
x
x
Ejercicio 10. Probar que existe un nmero real positivo x tal que log(x) + x = 0.
Ejercicio 9.
Ejercicio 11. Probar que la ecuacin x + e x + arctan(x) = 0 tiene una sola raz real. Da un
Ejercicio 12. Determinar la imagen de la funcin f : R R definida por f (x) = arctan(log |x|).
Ejercicio 13. Sea f : [0, 1] [0, 1] una funcin continua en [0, 1]. Prubese que f tiene un
punto fijo: x [0, 1] : f (x) = x.
Ejercicio 14. Un escalador comienza, desde su campamento base, a subir a una montana el sbado a las 7 horas, alcanzando la cima a las 8 de la tarde. A las 7 horas del domingo inicia el descenso
hacia el campamento base tardando el mismo tiempo que le cost la subida. Demostrar que existe
una determinada hora, a lo largo del domingo, en la que el escalador se encuentra exactamente a
la misma altura que a esa misma hora del sbado.
Lmites elementales
1 Lmites elementales
Ejercicio 1.
a) lim x
x
7x+4
b) lim x
5x+3
2x2 +1
c) lim x2
d) lim x2+
x2 4
x2
x2 +4
x2
Solucin 1.
=
a) lim x
x
7x+4
b) lim x
5x+3
2x2 +1
c) lim x2
d) lim x2+
x2 4
x2
1
7
=0
= lim x2
x2 +4
x2
(x2)(x+2)
x2
= lim x2 x + 2 = 4
= +
Ejercicio 2. Calcular los siguientes lmites.

1
a) lim x4 1x 14 x4
,
x4
,
3x3 +2x2 +x
x1
lim x1 | x1
|,
x1
lim x1 | x1
|,
b) lim x0
c)
d)
Solucin 2.

1
1
= 16
.
a) lim x4 1x 14 x4
x4
= 0.
3x3 +2x2 +x
x1
lim x1 | x1
| = +.
x1
No existe lim x1 | x1
|
b) lim x0
c)
d)
ya que los lmites laterales no coinciden. Ms concretamente,
x1
x1
x+1
x1
1
= lim
lim
= lim
,
x1
x1 | x 1 |
x1 | x 1 |
x
1
|
|
x+1
1+ x
que, dependiendo de por dnde nos acerquemos a 1 tiende a

Ejercicio 3.
1
2
o 12 .
Lmites elementales
1+x 1x
x
lim x0 1+x1
1x1
lim x0 3 2x+3
26+x3
a) lim x0
b)
c)
d) lim x+
x+ x x
Solucin 3.
a) Multiplicamos y dividimos por el conjugado,
2x
1+x 1x
1+x 1x 1+x+ 1x
= 1.
lim
= lim
= lim
x0
x0
x
x
1 + x + 1 x x0 x 1 + x + 1 x
b) Multiplicamos por los conjugados de numerador y denominador,
1+x1
1+x1
1+x+1
1x+1
1x+1
lim
= lim
= lim
= 1.
x0 1 x 1
x0 1 x 1
1+x+1
1 x + 1 x0
1+x+1
c) No hay ninguna indeterminacin: lim x0
2x+3
3
26+x3
.
3
263
d) Multiplicamos y dividimos por el conjugado,

q
q
lim
x+
Ejercicio 4.
x + x x = lim
x+
c)
x+ x x q
x+ x+ x
x+ x+ x
= lim q
x+
1
x
= .
2
x+ x+ x
|x|
x2 +x
2 1
lim x1 |xx1
|
x2 +x+6
lim x2 x2 4
a) lim x0
b)
d) lim x0
e) lim x0
1
221/x
1
e1/x +1
Solucin 4.
a) Estudiamos los lmites laterales.
x
1
|x|
= lim+
= lim+
= 1,
+ x x0 x(x + 1) x0 x + 1
x
1
|x|
lim 2
= lim
= lim
= 1.
x0 x + x
x0 x(x + 1)
x0 x + 1
lim+
x0 x2
b) Calculamos los lmites por la derecha y por la izquierda.

x2 1
(x 1)(x + 1)
= lim+
= lim+ x + 1 = 2,
x1 | x 1 |
x1
x1
x1
2
(x 1)(x + 1)
x 1
lim
= lim
= lim+ (x + 1) = 2.
x1
x1 | x 1 |
x1
1x
lim+
c) El lmite por la izquierda vale y el lmite por la derecha +.
d) lim x0+
e) lim x0+
1
221/x
1
e1/x +1
= 0 y lim x0
= 0 y lim x0
1
221/x
1
e1/x +1
= 12 .
= 1.
2 Lmites y continuidad
Ejercicio 5.
a)
1
, si x 6= 0
1+e1/x
f (x) =
0,
si x = 0
b)
ex
, si x < 0
x
g(x) =
x,
si 0 x < 1
5
x, si x 1
Solucin 5.
a) En primer lugar estudiemos la continuidad de
1 + e1/x , si x 6= 0
f (x) =
0,
si x = 0
El carcter local de la continuidad nos da que f es continua en R . Veamos qu ocurre en el
origen. Para ello estudiamos los lmites laterales en 0:
lim+
x0
1
1
= 0, y lim
= 1.
1/x
x0 1 + e1/x
1+e
Por tanto f no es continua en el origen. Por ltimo

lim
1
1
1
1
= , y lim
= .
1/x
1/x
x+
2
2
1+e
1+e
b) La funcin
ex
, si x < 0
x
g(x) =
x,
si 0 x < 1
5
x, si x 1
es continua en R \ {0, 1} por el carcter local. Veamos los lmites laterales en 0 y 1:
lim
x0
ex
=
x
y, por tanto, g no puede ser continua en 0. Como
lim x = 1 = lim+ 5 x = 1 = g(1),
x1
x1
g es continua en 1. Por ltimo, los lmites en infinito valen

ex
= 0, y
x
x x
5
lim f (x) = lim x = +.
lim f (x) = lim
x+
x+
Ejercicio 6. Sea f : R+ R la funcin definida por f (x) = x log(x)1 , para todo x R+ \ {e}.
Solucin 6.
1
a) Veamos en primer lugar el comportamiento en 0: lim x0 log(x) = = lim x0 log(x)1
=
0
0, por tanto tenemos una indeterminacin del tipo 0 . Tomemos logaritmos para resolverla:
1
1
log(x)
lim log x log(x)1 = lim
= 1 = lim x log(x)1 = e1 = e.
x0
x0 log(x) 1
x0
b) En e vamos a estudiar los lmites laterales:
1
lim x log(x)1 = e = 0, y lim+ x log(x)1 = e+ = +.

xe
xe
c) Por ltimo, en + de nuevo tomamos logaritmos para resolver la indeterminacin:

1
1
log(x)
lim log x log(x)1 = lim
= 1 = lim x log(x)1 = e1 = e.
x+
x+
x+ log(x) 1
i
h

sen(x)
1
Ejercicio 7. Sea f : 0, 2 R la funcin definida por f (x) = tan(x)
Solucin 7.
En primer lugar, veamos el lmite en 0:

!sen(x)
!sen(x)
cos(x)
cos(x)sen(x) 1
1
lim
= lim
= lim
= = 1,
x0 sen(x)
x0 sen(x)sen(x)
x0 tan(x)
1
ya que lim x0 sen(x)sen(x) = 1, usando que lim x0+ x x = 1.

En 2 ,
!sen(x)
1
cos(x)sen(x) 0
lim
= = 0.
= lim
1
x 2 tan(x)
x 2 sen(x)sen(x)
h
i
Ejercicio 8. Sea f : 0, 2 R la funcin definida por f (x) = (1 + sen(x))cotan(x) . Estudiar la
Solucin 8. La funcin f es continua en ]0, 2 [ ya que 1 + sen(x) es una funcin continua y
positiva en dicho intervalo y, cotan(x) tambin es una funcin continua en este intervalo.
Veamos el comportamiento en 2 : lim x 2 (1 + sen(x))cotan(x) = 20 = 1.
En 0, lim x0 (1 + sen(x))cotan(x) =1 con lo que aplicamos la regla del nmero e para resolverlo:
lim cotan(x)(1 + sen(x) 1) = lim cos(x) = 1 = lim (1 + sen(x))cotan(x) = e.
x0
x0
x0
Ejercicio 9.
Estudiar el comportamiento en cero de las funciones f, g : R R definidas por

!
!
5
7
arctan
, g(x) = x f (x).
f (x) = arctan
x
x
7
5
+
+
Solucin 9. Comencemos con
la
funcin f . Dado que lim x0 x = + y lim x0 x = , se
tiene que lim x0+ f (x) = 2 2 = y, anlogamente, lim x0 f (x) = 2 2 = .
La funcin f est acotada (es suma de dos funciones acotadas) y, por tanto, lim x0 g(x) = 0, por
ser producto de algo que tiende a cero y algo acotado.
Ejercicio 10. Probar que existe un nmero real positivo x tal que log(x) + x = 0.
Solucin 10. Consideremos la funcin f : R+ R definida como f (x) = log(x) + x. La

funcin f es continua y esta definida en un intervalo. Adems
lim f (x) = + y lim f (x) = .
x+
x0
Por tanto f cambia de signo y tiene que anularse en R+ .

Ejercicio 11. Probar que la ecuacin x + e x + arctan(x) = 0 tiene una sola raz real. Da un
Solucin 11. Consideremos f (x) = x + e x + arctan(x), x R. f es una funcin continua
definida en un intervalo, adems f (1) < 0 < f (0) y por tanto f se anula en el intervalo ] 1, 0[.
Para comprobar que slo se anula en un punto basta observar que f es una funcin estrictamente
creciente, en particular inyectiva, por ser suma de tres funciones estrictamente crecientes.
Ejercicio 12. Determinar la imagen de la funcin f : R R definida por f (x) = arctan(log |x|).
Solucin 12. Como la funcin es par, f (x) = f (x), se tiene que f (R ) = f (R+ ). En este caso, f
es la composicin de la funcin arcotangente y la funcin logaritmo neperiano. Dado que ambas
son estrictamente crecientes, su composicin tambin lo es. Por tanto

f (R ) = f (R+ ) = lim f (x), lim f (x) = , .
x+
x0
2 2
Ejercicio 13. Sea f : [0, 1] [0, 1] una funcin continua en [0, 1]. Prubese que f tiene un
punto fijo: x [0, 1] : f (x) = x.
Solucin 13. Consideremos la funcin g : [0, 1] R definida como g(x) = f (x) x. La
funcin g es continua por ser diferencia de funciones continuas, adems g(0) = f (0) 0 y g(1) =
f (1) 1 0. Si se da la igualdad en 0 o en 1 ya hemos encontrado un punto fijo, en caso contrario
la funcin g cambia de signo y el Teorema de los ceros de Bolzano nos asegura la existencia de un
cero de g o, lo que es mismo, un punto fijo de f .
Ejercicio 14. Un escalador comienza, desde su campamento base, a subir a una montana el sbado a las 7 horas, alcanzando la cima a las 8 de la tarde. A las 7 horas del domingo inicia el descenso
hacia el campamento base tardando el mismo tiempo que le cost la subida. Demostrar que existe
una determinada hora, a lo largo del domingo, en la que el escalador se encuentra exactamente a
la misma altura que a esa misma hora del sbado.
Solucin 14. Sea f : [7, 20] [0, h] la funcin que indica la altura del escalador en la subida
y g : [7, 20] [0, h] la que indica la altura bajando, donde h es la altura de la montana. Por tanto
f (7) = g(20) = 0 y f (20) = g(7) = h. La ecuacin que queremos resolver es f (x) = g(x) o lo
que es lo mismo buscamos un cero de la funcin h(x) = f (x) g(x). Dado que h es continua, est
definida en un intervalo y h(7) = h < 0 < h(20) = h, el Teorema de los ceros de Bolzano nos
asegura la existencia de un punto donde se anula h.
Derivadas
1 Definicin. Reglas de derivacin
Ejercicio 1. Calcula la tangente de las siguientes curvas en los puntos dados:
c) y = x2 + 1 en (3, 10)

d) y = | x | en (1, 1)
b) y = cos(x) en 2 , 0
Ejercicio 2. Calcula la derivada de las siguientes funciones:
3
a) y = sen(x + 3)
d) y = sec(x)
f) y = x2 + 1
q
b) y = cos2 (x)
1+x
e)
y
=
1x
1
c) y = cos(x)

5
d) f (x) = x x .
a) f (x) = 5 x 51 .
x
x
e) f (x) = x .
f) f (x) = 12 x | x |.
Ejercicio 4. Comprueba que la funcin f : R R,

2x, si x < 0,
f (x) =
3x2 , si x 0.
Ejercicio 5. Calcula los puntos donde la recta tangente a la curva y = 2x3 3x2 12x+40
es paralela al eje OX.
h
i
Ejercicio 6. Sea f : 2 , 2 R definida por:
f (x) =

,
sen(x)

E
Ejercicio 7. Estudia la continuidad y derivabilidad de la funcin f : R R definida por

arctan
exp
, si x < 0
x2
2x ,
si 0 x 1
f (x) =
x2 +1
log(x)
si 1 < x.
1 + x ,
2 Teorema del valor medio

Ejercicio 8. Prueba que arcsen(x) + arccos(x) =
E
para todo x [1, 1].
Ejercicio 9. Demuestra que

x
< arctan(x) < x
1 + x2
Ejercicio 10. Calcula el nmero de soluciones de la ecuacin x + ex = 2.

Ejercicio 11. Calcula el nmero de ceros y la imagen de la funcin f : R R definida
por f (x) = x6 3x2 + 2.
Ejercicio 12. Sea f : R \ {1} R la funcin definida como

!
1x
+ arctan(x).
f (x) = arctan
1+x
Calcula su imagen.
Ejercicio 13. Sea f : R R la funcin definida por f (x) = ax3 + bx2 + cx + d.
a) Encuentra las condiciones que deben verificar los parmetros para que f alcance un
mximo y un mnimo relativo.
b) Si se verifica el enunciado anterior, demuestra que en el punto medio del segmento que
une los puntos donde se alcanzan el mximo y el mnimo relativo se alcanza un punto
de inflexin.
2
Ejercicio 14. Calcula la imagen de la funcin f : R R definida por f (x) = ex (x2

3).

Ejercicio 15. Sea f : R \ {1} R definida por f (x) = arctan 1+x
1x .
Ejercicio 16. Calcula la imagen de f : R+ R, f (x) = x1/x .
Ejercicio 17. Sean a, b, c R con a2 < 3b. Demuestra que la ecuacin x3 +ax2 +bx+c =
0 tiene una solucin real nica.
3 Reglas de LHpital
Ejercicio
18. Calcula los siguientes lmites:
sen(3x)
x2 + 5 3
b) lim
a) lim
x0
x
x2
x2 4
c)
lim
x/2
2x
cos(x)
1 cos(x)
x0
x2
d) lim
Ejercicio 19. Calcula los siguientes lmites

cos(x) + 3x 1
log(log(x))
a) lim
.
.
c) lim
x+
x0
2x
log(x)
e x + ex 2 cos(x)
b) lim
.
x0
x sen(2x)
Ejercicio 20. Calcula los lmites de las siguientes funciones en el punto indicado:
1
x + sen(x)
c) lim
x0
x+ x cos(x)
(1 cos(x)) sen(4x)
x tan x
2

b) lim
d) lim tan
x0
x3 cos 4 x
x1
4
Ejercicio 21. Estudia el comportamiento de la funcin f : A R en el punto en cada
uno de los siguientes casos:
x 2+ x2
, = 2.
a) A =]2, +[, f (x) =
x2 4
1
1
b) A = R+ \ {1}, f (x) =
, = 1.
log(x) x 1
xx x
, = 1.
c) A =]1, +[, f (x) =
1 x log(x)
Ejercicio 22. Estudia el comportamiento en + de las funciones f, g: R+ R dadas
por
log(2 + 3e x )
a) f (x) =
,
2 + 3x2
b) g(x) = (a x + x)1/x , donde a R+ .
Ejercicio 23. Estudia el comportamiento en el punto cero de la funcin f : A R en
1

1 cos(x)
2
a) A = R+ , f (x) =
,
c) A =]0, 2 [, f (x) = cos(x) + x2 x2 .

x
b) A =]0, 2 [, f (x) = (sen(x) + cos(x))1/x
3 sin(x) 3x cos(x)
Ejercicio 24. Calcula lim
x0
x3
! 1x
.
4 Optimizacin
Ejercicio 25. Dibuja las grficas de las siguientes funciones indicando los mximos,
mnimos y puntos de inflexin.
a) y = 6 2x x2
b) y = 3x4 4x3
c) y = (x 1)3
Ejercicio 26.
mximo.
Encuentra dos nmeros positivos cuya suma sea 20 y su producto sea
Ejercicio 27. Calcula las dimensiones del rectngulo de mayor rea que puede inscribirse en un semicrculo de radio r.
E
Ejercicio 28. Calcula las dimensiones del trapecio con mayor rea que puede inscribirse
en una semicircunferencia de radio 1.
Ejercicio 29. Cul es la longitud mnima del segmento que tiene un extremo en el eje
x, otro extremo en el eje y, y pasa por el punto (8, 1)?
Ejercicio 30. Demuestra que la suma de un nmero positivo y su recproco es al menos
2.
Ejercicio 31. Calcula las dimensiones de la cruz simtrica respecto de los ejes y con rea mxima que se puede
inscribir en una circunferencia de radio 1.
Ejercicio 32.
x2
Se inscribe un rectngulo en la elipse
y2
225
+
= 1 con sus lados paralelos a los ejes. Halla
las dimensiones del rectngulo para que
400
Ejercicio 33. Calcula el punto (a, b) de la parbola y =

3 de forma que el tringulo determinado por la recta tangente a la parbola en dicho
punto y los ejes de coordenadas tenga rea mnima.
x2
Ejercicio 34. A un espejo rectangular de medidas 80x90 cm. se le rompe (accidentalmente) por una esquina un tringulo de lados 10x12cm. Calcula las medidas del espejo de
mayor rea de forma rectangular que se puede obtener del la pieza restante.
Derivadas
1 Definicin. Reglas de derivacin
Ejercicio 1.
Calcula la tangente de las siguientes curvas en los puntos dados:

c) y = x2 + 1 en (3, 10)
d) y = | x | en (1, 1)

b) y = cos(x) en 2 , 0
Solucin 1.
a) y0 (x) =
1x2
(x2 +1)2
= y0 (0) = 1 con lo que la recta tangente en el origen es y = x.
b) y0 (x) = sen(x) = y0

= 1 y la recta tangente que se pide es y = (x 2 ).
c) y0 (x) = 2x = y0 (3) = 6. y la recta tangente es y = 10 + 6(x 3).

d) y0 (x) = 1 en R+ y, por tanto, y0 (1) = 1, y la recta tangente que se pide es y = x.
Ejercicio 2.
Calcula la derivada de las siguientes funciones:
a) y = sen(x + 3)
b) y = cos2 (x)
1
c) y = cos(x)
d) y = sec(x)
q
e) y = 1+x
1x
f) y =
Solucin 2.
a) y0 (x) = cos(x + 3).
b) y0 (x) = 2 sen(x) cos(x).
c) y0 (x) =
sen(x)
.
cos2 (x)
d) y0 (x) =
sen(x)
.
cos2 (x)
e) y0 (x) =
1
.
(1x)3 (1+x)
f) y0 (x) = 23 x(x2 + 1)2/3 .


5
d) f (x) = x x .
a) f (x) = 5 x 51x .
x
e) f (x) = x .
f) f (x) = 12 x | x |.
Solucin 3.
x2 + 1
a) f 0 (x) =

5
5
x
4

x4/5 + x6/5 .
b) f 0 (x) = sen(cos(cos(x))) sen(cos(x)) sen(x).

c) f 0 (x) = 4x3 e x log(x) + x4 e x log(x) + x3 e x .

+1 .
d) f 0 (x) = x x log(x)

x 1
1
log(x) +
e) f 0 (x) = x
.
4 x
2 x
f) f 0 (x) = | x |.
Ejercicio 4.
Comprueba que la funcin f : R R,

2x, si x < 0,
f (x) =
3x2 , si x 0.

Solucin 4.
Es inmediato comprobar que la funcin es continua y que

lim f 0 (x) = 2 6= 0 = lim+ f 0 (x).
x0
x0
Ejercicio 5. Calcula los puntos donde la recta tangente a la curva y = 2x3 3x2 12x + 40 es
paralela al eje OX.
Solucin 5.
Buscamos dnde se anula la derivada:
1 1+8
= 2, 1.
f (x) = 6x 6x 12 = 0 x x 2 = 0 x =
2
h
i
Ejercicio 6. Sea f : 2 , 2 R definida por:
0
f (x) =

,
sen(x)

Solucin 6.
Calculamos el lmite de f en el cero aplicando la regla de LHpital y nos queda

lim
x0
cos(x)
1sen(x)
2 sen(x)
cos(x)
cos(x)
= 1.
Por tanto, f es continua en cero si, y slo si, a = 1.

E
Ejercicio 7.
Estudia la continuidad y derivabilidad de la funcin f : R R definida por

, si x < 0
arctan
exp
x2
2x ,
si 0 x 1
f (x) =
x2 +1
log(x)
1 +
si 1 < x.
x ,

Solucin 7. La funcin f es continua y derivable en R \ {0, 1}. Para estudiar la continuidad y
derivabilidad en 0 y 1, utilizamos lmites laterales:
1
lim f (x) = lim arctan exp 2
x0
x0
x
2x
lim+ f (x) = lim+ 2
= 0.
x0
x0 x + 1
!!
= arctan(0) = 0,
Por tanto, f es continua en cero. Veamos en 1:

2x
= 1, y
x1
+1
log(x)
lim f (x) = lim+ 1 +
= 1.
x1+
x1
x
lim f (x) = lim
x1 x2
En consecuencia, f es continua en toda la recta real.

La derivada, salvo en 0 y 1, vale

exp 12 23
x x2 , si x < 0,
1+ exp x2
0
f (x) =
22x2
,
si 0 < x < 1,
( x2 +1)2
1log(x)
,
si 1 < x.
x2
Las derivadas laterales en 0 son

exp x12 x23
lim f 0 (x) = lim+
2 = 0, y

x0
x0
1 + exp x12
lim+ f 0 (x) = lim
x0
x0
2 2x2
= 2,
x2 + 1 2
que no coinciden y, por tanto, f no es derivable en 0. En 1,

lim f 0 (x) = lim
2 2x2
= 0, y
x2 + 1 2
lim+ f 0 (x) = lim+
1 log(x)
= 1.
x2
x1
x1
x1
x1
Por tanto f es derivable en R \ {0, 1}.

Para terminar el problema vamos a calcular la imagen de f . Como
f (R) = f (] , 0]) f ([0, 1]) f ([1, +[),
calculamos la imagen de cada una de estos tres intervalos por separado
h
h
a) En R , f 0 (x) < 0 y, por tanto, f (] , 0]) = [ f (0), lim x f (x)[= 0, 4 .
b) En ]0, 1[, la derivada es positiva: f ([0, 1]) = [ f (0), f (1)] = [0, 1].
c) Por ltimo, en [1, +[, f 0 (x) = 0 x = e. Evaluando la derivada, es muy sencillo
comprobar que f es creciente en [1, e] y decreciente en [e, +[. Por tanto,

f ([1, +[) = [ f (1), f (e)] lim f (x), f (e) .
x+
h
i
Uniendo todos los resultados anteriores, la imagen de f es f (R) = 0, 1 + 1e .
2 Teorema del valor medio

Ejercicio 8.
Prueba que arcsen(x) + arccos(x) =
para todo x [1, 1].
Solucin 8. Sea f : [1, 1] R , f (x) = arcsen(x) + arccos(x). Como f es derivable en ] 1, 1[

y adems f 0 (x) = 0 , x ] 1, 1[ tenemos que f es constante en el intervalo ] 1, 1[. Si evaluamos
la funcin en el cero, obtenemos f (x) = 2 , para todo x ] 1, 1[. Utilizando la continuidad de f
en todo [1, 1], se deduce que f (x) = 2 en el intervalo cerrado.
E
Ejercicio 9.
Demuestra que
x
< arctan(x) < x
1 + x2

Solucin 9. Este ejercicio se puede hacer de varias formas. Vamos a hacerlo de dos maneras. En
primer lugar aplicaremos directamente el teorema del valor medio y acotaremos la derivada. Para
la segunda manera, demostraremos cada una de las desigualdades por separado.
a) Sea x un nmero positivo fijo y consideremos la funcin f : [0, x] R definida como f (t) =
arctan(t). El teorema del valor medio nos dice que existe c [0, x] verificando que f (x) f (0) =
x
f 0 (c)(x 0), o sea, arctan(x) = 1+c
2 . Ahora acotemos
0 c x 0 c2 x2
1 1 + c2 1 + x2
1
1
1
2
1+x
1 + c2
Por tanto,
x
x
< arctan(x) =
< x.
2
1+x
1 + c2
b) Vamos a comprobar cada desigualdad por separado.
x
i) Para demostrar que 1+x
2 < arctan(x) para cualquier x > 0, vamos a estudiar la funcin
x
+
f : R R definida como f (x) = arctan(x) 1+x
2 . Esta funcin es derivable y
f 0 (x) =
1
1 + x2 2x2
2x2
=
> 0,
1 + x2
(1 + x2 )2
(1 + x2 )2
y, por tanto, f es estrictamente creciente. En particular f (x) > lim x0 f (x) = 0.

ii) Similar al apartado anterior, pero estudia la funcin f (x) = x arctan(x).
E
Ejercicio 10.
Calcula el nmero de soluciones de la ecuacin x + ex = 2.
Solucin 10. Para determinar el nmero de soluciones de la ecuacin que nos plantean, vamos
a determinar el nmero de ceros de la funcin
f (x) = x + ex 2, x R
Se trata de una funcin derivable en todo R por ser suma de funciones derivables, por lo que vamos
a calcular su derivada:
f 0 (x) = 1 ex .
Observamos que la derivada nicamente se anula en un punto (1 ex = 0 1 = ex
x = 0). Utilizando entonces el Teorema de Rolle, si f 0 slo tiene un cero, la funcin f puede tener,
como mucho, dos ceros (si tuviera tres ceros, la derivada se tendra que anular en dos puntos, y
se no es el caso). Vamos a comprobar si efectivamente tiene dos ceros.
El punto x = 0 es el nico punto crtico que tiene f . Calculamos la derivada segunda en dicho
punto para decidir si es mximo o mnimo relativo:
f 00 (x) = ex = f 00 (0) = 1 > 0.
Por tanto, en cero la funcin f alcanza un mnimo relativo, y por tratarse de el nico punto de
extremo que hemos encontrado, es tambin su mnimo absoluto. Adems, como el comportamiento
de f en los extremos de R es de divergencia a + y f (0) = 1 < 0, concluimos, aplicando ahora
el Teorema de Bolzano que: existe un punto x1 < 0 donde f (x1 ) = 0 y, existe otro punto x2 > 0
donde f (x2 ) = 0. Por tanto, la funcin f admite dos ceros y, en consecuencia, la ecuacin planteada
admite dos soluciones reales.
Ejercicio 11. Calcula el nmero de ceros y la imagen de la funcin f : R R definida por
f (x) = x6 3x2 + 2.
Solucin 11. Consideramos la funcin f : R R, f (x) = x6 3x2 + 2. Calculamos los puntos
crticos de la funcin:
f 0 (x) = 6x5 6x = 6x(x4 1) = 0 x = 1, 0, 1.
Adems tenemos que en 1 y en 1 hay dos ceros de f ( f (1) = f (1) = 0). Si hubiera algn cero
ms, por el teorema de Rolle habra ms de tres puntos crticos de la funcin. Por tanto, la funcin
f tiene solamente dos ceros.
E
Ejercicio 12.
Sea f : R \ {1} R la funcin definida como

!
1x
f (x) = arctan
+ arctan(x).
1+x
Calcula su imagen.
Solucin 12. La funcin a la que tenemos que calcularle la imagen es una funcin continua. Si
estuviera definida en un intervalo el teorema del valor intermedio nos dira que su imagen es un
intervalo; sin embargo R \ {1} no es un intervalo. S es cierto que est formado por dos intervalos,
], 1[ y ]1, +[, as que la imagen de la funcin, restringida a cada uno de los intervalos
], 1[ y ]1, +[ tiene que ser un intervalo. Por otra parte la funcin, en cada uno de los dos
intervalos anteriores, es derivable as que para calcular la imagen vamos a estudiar la derivada.
Esto sabemos que nos da informacin sobre crecimiento, extremos relativos, etc.
f (x) =
0
(1+x)(1x)
(1+x)2
2
1x
1 + 1+x
1
2
1
=
+
2
2
2
1+x
(1 + x) + (1 x)
1 + x2
1
2
+
= 0.
2
2 + 2x
1 + x2
y la funcin es constante (en cada uno de los intervalos donde est definida).
Para conocer las dos constantes basta entonces con evaluar en un punto de cada uno de los intervalos. En el intervalo ]1, +[ no hay ningn problema ya que fcilmente f (0) = arctan(1) +
arctan(0) = 4 + 0 = 4 . En el otro intervalo no parece tan fcil ya que no se ve un nmero en
], 1[ en el que sea fcil evaluar la funcin. En este caso lo que podemos hacer es calcular el
lmite de la funcin, o bien en o bien en 1 por la izquierda. Por ejemplo en tenemos
!
1x

3
lim f (x) = lim arctan
+ arctan(x) = arctan(1) = = .
x
x
1+x
2
4 2
4
o
n
As que la imagen es el conjunto 3

4 ,4 .
Ejercicio 13.
Sea f : R R la funcin definida por f (x) = ax3 + bx2 + cx + d.
a) Encuentra las condiciones que deben verificar los parmetros para que f alcance un mximo y
un mnimo relativo.
b) Si se verifica el enunciado anterior, demuestra que en el punto medio del segmento que une los
puntos donde se alcanzan el mximo y el mnimo relativo se alcanza un punto de inflexin.
Solucin 13.
a) La derivada de la funcin f es f 0 (x) = 3ax2 + 2bx + c. Dicha derivada se anula en dos puntos si,
y slo si, 4b2 12ac > 0 y, efectivamente, estamos ante un polinomio de segundo grado, esto
es, a 6= 0.
b) Olvidemos por un momento el enunciado concreto del problema y pensemos lo que tenemos
y lo que queremos demostrar. La derivada de f es un polinomio de grado dos (una parbola);
el mximo y el mnimo relativos de f se alcanzan en los puntos de corte de la parbola con el
eje OX, esto es, en los puntos que anulan a la derivada y queremos demostrar que en el punto
medio la segunda derivada de f vale cero. Para simplificar (esperemos) la notacin, sean y
los puntos donde se alcanza dichos extremos. Entonces f 0 (x) = k(x)(x) para conveniente
constante k 6= 0. Para terminar es suficiente con calcular la segunda derivada en el punto medio:
+
f 00 (x) = k (2x ( + )) = f
= 0.
2
E
Ejercicio 14.
Calcula la imagen de la funcin f : R R definida por f (x) = ex (x2 3).
Solucin 14. La funcin f es continua y derivable en toda la recta real. Para estudiar su monotona, calculamos la derivada y vemos cundo se anula

2
2
f 0 (x) = 2xex x2 3 2xex

2
= ex 2x 4 x2 = 0 x = 0, 2.
Por tanto, f es estrictamente montona en los intervalos ], 2], [2, 0], [0, 2], [2, +[. Para
averiguar qu tipo de monotona tenemos podemos evaluar la derivada en un punto de cada uno
de dichos intervalos
intervalo
] , 0 2] -5
[-2,0]
-1
[0,2]
1
[2, +[
5
signo de f 0 (x)
monotona de f
+
+
-
estrictamente creciente
estrictamente decreciente
estrictamente creciente
estrictamente decreciente
De modo que su imagen es

f (R) = f (] , 2]) f ([2, 0]) f ([0, 2]) f (]2, +[)

= lim f (x), f (2) [ f (0), f (2)] [ f (0), f (2)] lim f (x), f (2)
x
x+
i
i h
i h
i
4
4
4
= 0, e 3, e = 3, e
usando que lim x f (x) = 0, que f (0) = 3 y que f (2) = f (2) = e4 .
Observacin: Podamos habernos ahorrado algunos clculos utilizando que la funcin f es par y,
por tanto, f (R) = f (R+0 ).

1+x
.
Ejercicio 15. Sea f : R \ {1} R definida por f (x) = arctan 1x
Solucin 15. La funcin es derivable por ser composicin de funciones derivables. Vamos a
calcular los lmites en :
lim f (x) = lim f (x) = arctan(1) = .

x+
x
4
Para calcular su imagen en primer lugar estudiamos la monotona. Como la funcin arcotangente
es creciente, slo tenemos que fijarnos en 1+x
1x y
!0
2
1+x
=
> 0, x R \ {1}.
1x
(1 x)2
Esto nos dice que f es estrictamente creciente si estamos en un intervalo. En otras palabras, f es
estrictamente creciente en ] , 1[ y en ]1, +[. Su imagen ser

f (R \ {1}) = f (] , 1[) f (]1, +[) = , , = , \
.
4 2
2 4
2 2
4
Ejercicio 16.
Calcula la imagen de f : R+ R, f (x) = x1/x .
Solucin 16. Esta funcin es continua y derivable en todo R+ . Calculamos su derivada:

1 1/x1 1 1/x
x
2 x log(x) = x1/x2 (1 log(x)).
x
x
f 0 (x) =
Por tanto f 0 (x) = 0 x = e. En este punto se tiene un punto de mximo relativo (la funcin
pasa de creciente en el intervalo ]0, e[ a ser decreciente en ]e, +[). Calculando los lmites en los
extremos del dominio (lim x0 f (x) = 0, lim x+ f (x) = 1) se deduce que como f (e) = e1/e > 1,
la imagen de la funcin es f (R+ ) =]0, e1/e ].
Ejercicio 17. Sean a, b, c R con a2 < 3b. Demuestra que la ecuacin x3 + ax2 + bx + c = 0
tiene una solucin real nica.
Solucin 17. Definimos la funcin f : R R, f (x) = x3 + ax2 + bx + c. Se trata de una
funcin polinmica de grado impar luego, por el teorema de Bolzano, sabemos que al menos se
anula en un punto de la recta real. Estudiamos la derivada para deducir la unicidad de la solucin
de la ecuacin f (x) = 0 utilizando el teorema de Rolle.
2a 4a2 12b
0
2
f (x) = 3x + 2ax + b = 0 x =
.
6
Teniendo en cuenta que a2 < 3b = 4a2 12b < 0; se tiene que la derivada no se anula en
ningn punto real, por lo que la solucin de la ecuacin f (x) = 0 que tenamos es nica ya que la
funcin es estrictamente creciente.
3 Reglas de LHpital
Ejercicio 18. Calcula los siguientes lmites:
x2 + 5 3
a) lim
x2
x2 4
sen(3x)
b) lim
x0
x
2x
x/2 cos(x)
1 cos(x)
d) lim
x0
x2
c)
lim
Solucin 18.
a) Usando la regla de LHpital
lim
x2
2x
2 x2 +5
2x
1
= lim
=
= lim
x2 2 x2 + 5
x2
6
b) Aplicamos las reglas de LHpital lim x0

c) Usamos las reglas de LHpital. lim x
2
3 cos(3x)
1
2
sen(x)
x2 + 5 3 1
= .
6
x2 4
= 3 = lim x0
sen(3x)
x
= 2 = lim x
2
2x
cos(x)
d) Aplicamos la regla de LHpital dos veces:

lim
x0
1 cos(x)
sen(x)
1
1
= lim cos(x) = .
= lim
2
x0
x0
2x
2
2
x
= 3.
= 2.
Ejercicio 19.
Calcula los siguientes lmites
cos(x) + 3x 1
.
x0
2x
x
x
e + e 2 cos(x)
b) lim
.
x0
x sen(2x)
log(log(x))
.
x+
log(x)
a) lim
c) lim
Solucin 19.
a) Aplicamos la primera regla de LHpital:
sen(x) + 3 3
cos(x) + 3x 1 3
=
= lim
= .
x0
x0
2
2
2x
2
lim
b) Sabemos que lim x0

lim
ex
x0
sen(x)
x
= 1, por tanto
2 cos(x)
e x + ex 2 cos(x)
(aplicamos la regla de LHpital)
= lim
x0
x sen(2x)
2x2
e x ex + 2 sen(x)
(regla de LHpital de nuevo)
= lim
x0
4x
e x + ex + 2 cos(x)
= lim
= 1.
x0
4
ex
c) Usamos la segunda regla de LHpital:

lim
x+
Ejercicio 20.
1/x
log(x)
1/x
= lim
x+
1
log(log(x))
= 0 = lim
= 0.
x+
log(x)
log(x)
Calcula los lmites de las siguientes funciones en el punto indicado:

x + sen(x)
c) lim
x+ x cos(x)
x tan( x2 )
d) lim tan
x1
4

x0
(1 cos(x)) sen(4x)

x0
x3 cos 4 x
b) lim
Solucin 20.
a) Utilizamos la regla del nmero e y estudiamos el siguiente lmite
lim
x0+
cos(x) + 2 sen(3x) 1 0
= .
x
0
Esta indeterminacin la resolvemos utilizando la primera regla de LHpital:

lim
x0+
sen(x) + 6 cos(3x)
= 6,
1
1
con lo que lim x0+ (cos(x) + 2 sen(3x)) x = e6 .

b) Usando que lim x0
sen(4x)
4x
= 1 y que lim x0 cos

x =
2
2 ,
se tiene que
(1 cos(x)) sen(4x)
4x(1 cos(x)) sen(4x)
1

= lim
x0
x0
4x
x3
x3 cos 4 x
cos 4 x
4 2(1 cos(x))
= lim
.
x0
x2
lim
Este ltimo lmite se resuelve aplicando la primera regla de LHpital y se tiene que
(1 cos(x)) sen(4x)

= 2 2.
lim
x0
x3 cos 4 x
c) Si aplicamos la regla de LHpital, llegamos al lmite lim x+ 1+cos(x)
1sen(x) que no existe y, por
tanto, no podemos decir nada sobre el lmite original. En cambio, dividiendo numerador y
denominador por x se resuelve fcilmente:
lim
usando que lim x
sen(x)
x
1+
x + sen(x)
= lim
x cos(x) x 1
= lim x
cos(x)
x
sen(x)
x
cos(x)
x
= 1,
= 0.
d) Estamos ante una indeterminacin del tipo 1 . Por tanto

x x

x tan( x2 )
= eL lim tan
tan
1 = L.
lim tan
x1
x1
4
2
4
Calculemos el lmite de la derecha:

x x

sen x
2

lim tan
tan
1 = lim
x1
x1 cos x
2
4
2

sen x
2

= lim
x1 cos x
4
y, como lim x1 sen
x
2

= 1 y lim x1 cos
x
4

x
4

cos x
4

x
cos 4

x
sen x
cos
4
4

x
cos 2
sen

2
2 ,

x
x
2 sen 4 cos 4

= lim
.
x1 2
cos x
2
Para resolver este ltimo lmite aplicamos la primera regla de LHpital:

x
1
4 cos 4 + 4 sen 4

= ,
lim
x
x1
2
2 sen 2
y por tanto
lim tan
x1
x x

x tan( x2 )
2
1
tan
1 = = 1 = lim tan
= e1 .
x1
2
4
4
2
2
10
Ejercicio 21. Estudia el comportamiento de la funcin f : A R en el punto en cada uno de

x 2+ x2
a) A =]2, +[, f (x) =
, = 2.
x2 4
b) A = R+ \ {1}, f (x) =
1
1
, = 1.
log(x) x 1
xx x
, = 1.
1 x log(x)
c) A =]1, +[, f (x) =

Solucin 21.
a) Aplicando la primera regla de LHpital tenemos
lim
2 x
1
2 x2
x
x2 4
x2

( x 2 + x) x2 4
= lim
x2
2x x(x 2)
x2
simplificando el factor

( x 2 + x) x + 2 1
= lim
= .
x2
2
2x x
Por tanto lim x2 f (x) = 12 .
b) Como f (x) =
1
log(x)
lim
x1
1
x1
x1log(x)
(x1) log(x) ,
1
x
log(x) +
x1
x
si aplicamos LHpital nos queda
x1
x
x1 x log(x)+x1
x
= lim
Volviendo a aplicar LHpital, lim x1
1
log(x)+2
c) Aplicamos LHpital y nos queda lim x1

Ejercicio 22.
= lim =
x1
x1
.
x log(x) + x 1
= 21 . Por tanto, lim x1 f (x) = 21 .
x x (1+log(x))1
11/x
= 0. Por tanto lim x1 f (x) = 0.
Estudia el comportamiento en + de las funciones f, g: R+ R dadas por
log(2 + 3e x )
a) f (x) =
,
2 + 3x2
b) g(x) = (a x + x)1/x , donde a R+ .
Solucin 22.
a) Para estudiar el lmite de f en + aplicamos la segunda regla de LHpital:
3 ex
2 + 3x2
3
lim
=
.
x+ 2 + 3e x
3x
3
Por tanto el lmite de f es
3
3 .
11
b) Vamos a calcular ahora el lmite en + de la funcin g. Para ello, aplicamos logaritmos y

x
estudiamos la funcin h(x) = log(ax +x) . Discutimos en funcin del parmetro a:
i) Si a = 1, entonces h(x) =
log(1+x)
,
x
y aplicando LHpital tenemos
lim h(x) = 0 lim g(x) = 1.
x+
x+
ii) Si a > 1, utilizando la regla de LHpital tenemos:

a x log(a) + 1
log(a) + 1/a x
=
lim
= log(a).
x+
x+
ax + x
1 + x/a x
lim
Por tanto, en este caso lim x+ g(x) = elog(a) = a.

iii) En el caso en que a < 1, repetimos los clculos del caso anterior, pero teniendo en cuenta
que lim a x = 0 y por tanto lim x+ h(x) = 0 = lim x+ g(x) = e0 = 1.
x+
Ejercicio 23. Estudia el comportamiento en el punto cero de la funcin f : A R en los siguientes casos:
1 cos(x)
,
x
b) A =]0, 2 [, f (x) = (sen(x) + cos(x))1/x
a) A = R+ , f (x) =

c) A =]0, 2 [, f (x) = cos(x) +
x2
2
12
x
Solucin 23.
a) Aplicamos LHpital y obtenemos
lim
x0
sen(x)
1
2 x
= lim 2 x sen(x) = 0
x0
b) Teniendo en cuenta la regla del nmero e, lim x0 f (x) = eL lim x0

Por tanto, y aplicando LHpital a la ltima expresin,
sen(x)+cos(x)1
x
lim (cos(x) sen(x)) = 1 = lim f (x) = e.
x0
x0
c) Razonando igual que en el caso anterior

sen(x) + x
sen(x) 1
1 1
= lim
+ = + = 0.
x0
x0
2x
2x
2
2 2
lim
Luego lim x0 f (x) = e0 = 1.
Ejercicio 24.
3 sin(x) 3x cos(x)
Calcula lim
x0
x3
! 1x
.
Solucin 24. Calculamos a qu tiende la base aplicando la primera regla de LHpital:

3 cos(x) 3 cos(x) + 3x sin(x)
sen(x)
= lim
= 1.
2
x0
x0
x
3x
lim
Dado que tenemos una indeterminacin del tipo 1 , se tiene que
12
= L.
3 sin(x) 3x cos(x)
lim
x0
x3
! 1x
=e
!
1 3 sin(x) 3x cos(x)
lim
1 = L.
x0 x
x3
Entonces,
!
1 3 sin(x) 3x cos(x)
3 sin(x) 3x cos(x) x3
1
=
lim
lim
x0
x0 x
x3
x4
aplicando la 1 a regla de LHpital
3 sin(x) 3x
x0
4x2
= lim
aplicamos la primera regla de LHpital de nuevo
3 cos(x) 3
x0
8x
= lim
una ltima vez...
3 sin(x)
=0
x0
8
= lim
3 sin(x) 3x cos(x)
con lo que lim
x0
x3
! 1x
= e0 = 1.
4 Optimizacin
Ejercicio 25. Dibuja las grficas de las siguientes funciones indicando los mximos, mnimos
y puntos de inflexin.
a) y = 6 2x x2
b) y = 3x4 4x3
c) y = (x 1)3
Solucin 25.
a) La funcin alcanza su mximo absoluto en x = 1 y no tiene puntos de inflexin.
b) La funcin alcanza su mnimo en x = 1 y puntos de inflexin en x = 0 y x = 24/36.
c) No tiene extremos y tiene un punto de inflexin en x = 1.
Ejercicio 26.
Encuentra dos nmeros positivos cuya suma sea 20 y su producto sea mximo.
Solucin 26. Sean x e y dichos nmeros. Entonces x + y = 20. Como y = 20 x, tenemos que
buscar el mximo de la funcin f (x) = x(20 x). Derivamos y calculamos sus puntos crticos:
f 0 (x) = 20 2x = 0 x = 10.
Puesto que f 00 (x) = 2, la funcin tiene su mximo en x = 10 y los dos nmeros que estbamos
buscando son 10 y 10.
13
Ejercicio 27. Calcula las dimensiones del rectngulo de mayor rea que puede inscribirse en un
semicrculo de radio r.
Solucin 27.
1
(x, y)
Salvo multiplicar por 4, podemos trabajar en el primer cuadrante. Tenemos que

maximizar la funcin f : [0, r] R definida
como f (x) = x r2 x2 . Los puntos crticos son
f 0 (x) =
p
x2
r 2 x2
= 0 r2 2x2 = 0
r 2 x2
r
x = .
2
Es inmediato comprobar que en dicho punto la funcin alcanza el mximo.

E
Ejercicio 28. Calcula las dimensiones del trapecio con mayor rea que puede inscribirse en una
semicircunferencia de radio 1.
Solucin 28.
1
(x, y)
Vamos a escribir el rea que queremos que sea mxima como

una funcin de una variable. Hay varias posibilidades de hacerlo
aunque el resultado, evidentemente, tiene que ser el mismo.
El rea del trapecio ser la media aritmtica de la base mayor
M y la base menor m multiplicado por la altura h; A = M+m
2 h.
Si llamamos (x, y) al vrtice del trapecio que se aprecia en el
dibujo tendremos que
A=
2 + 2x
y = (1 + x)y.
2
Si no se recuerda el rea del trapecio siempre puede hacerse sumando el rea del rectngulo central y los dos tringulos simtricos que quedan a los lados. Esta funcin anterior depende de
dos variables pero es claro
que el punto (x, y) est en la circunferencia de radio 1 y por tanto
2
2
x + y = 1 de donde
y = 1 x2 con lo que la funcin a considerar es f : [0, 1] R definida por
f (x) = (1 + x) 1 x2 . Esta funcin es continua en el intervalo de definicin y por tanto alcanza

mximo y mnimo absoluto. Adems es claro que el mnimo se alcanza cuando x = 1, que el rea
vale 0. Para calcular el mximo vamos a calcular los puntos crticos (obsrvese que la funcin no
es derivable en 0).
p
(x)
1 x 2x2
f 0 (x) = 1 x2 + (1 + x)
=
, x [0, 1[.
1 x2
1 x2
Y f 0 (x) = 0 2x2 + x 1 = 0 x = 12 o x = 1. Evidentemente el valor que nos interesa
es x = 12 . Adems si 0 < x < 1/2 se tiene que f 0 (x) > 0 y si 1/2 < x 1 f 0 (x) < 0 con lo que f
alcanza mximo (relativo y absoluto) en x = 1/2 (entonces la altura ser y =
es f (1/2) =
E
3 3
4 .
3
2 ) y el rea mxima
Ejercicio 29. Cul es la longitud mnima del segmento que tiene un extremo en el eje x, otro
extremo en el eje y, y pasa por el punto (8, 1)?
14
Solucin 29. Consideramos el tringulo rectngulo formado por una recta que pase por (8, 1) y
corte a los ejes OX y OY, y llamamos al ngulo que forma la hipotenusa con el eje OX. Haciendo
uso de las funciones coseno y seno tenemos que:
1
=
h1
8
cos() =
=
h2
sen() =
1
sen()
8
h2 =
cos()
h1 =
7
6
5
h2
4
3
2
1
0 1
La funcin que queremos optimizar es f () = h1 + h2 =

Vamos a calcular los puntos crticos de la funcin f :
f 0 () =
7
1
sen()
A = (8, 1)
h1
8
9 10
+
8
cos()
, con ]0, /2[.
8 sen() 8 sen3 () cos3 ()

cos()
+
=
sen2 () cos2 ()
sen2 () cos2 ()
y esta funcin se anula siempre y cuando 8 sen3 () cos3 () = 0, es decir 8 sen3 () = cos3 ().
De aqu deducimos que
!
1
1
1
3
tan () = tan() = = arctan
8
2
2
Por la monotona creciente de la funcin tangente podemos deducir que la derivada f 0 () < 0
cuando 0 < < arctan(1/2), y f 0 () > 0 cuando arctan(1/2) < < 2 . Por tanto, en el punto arctan(1/2)
tenemos que la funcin alcanza un mnimo relativo que, por ser el nico punto crtico es tambin
el mnimo absoluto. Entonces, el segmento de longitud mnima que nos piden es:
1
5
f arctan( ) = 8
+ 5 = 5 5,
2
2
donde hemos utilizado que
!
1
cos() = p
= cos arctan( ) =
2
1 + tan2 ()
!
1
tan()
= sen arctan( ) =
sen() = p
2
1 + tan2 ()
1
15
5
1
.
5
Ejercicio 30.
Demuestra que la suma de un nmero positivo y su recproco es al menos 2.
Solucin 30. Tenemos que demostrar que la funcin f : R+ R definida como f (x) = x + 1x
verifica que f (x) 2, para tod x R+ . Calculemos su imagen. f es una funcin derivable y
2
0
f 0 (x) = 1 x12 = x x1
2 . Por tanto f (x) = 0 si, y slo si, x = 1. Como lim x0 f (x) = lim x+ f (x) =
+, f alcanza su mnimo absoluto en x = 1, o lo que es lo mismo f (x) f (1) = 2, x R+ como
queramos demostrar.
Ejercicio 31. Calcula las dimensiones de la cruz simtrica
respecto de los ejes y con rea mxima que se puede inscribir
en una circunferencia de radio 1.
Solucin 31. Utilizando la simetra de la cruz respecto de

los ejes y llamando (x, y) al vrtice de la cruz que se apoya sobre ella, la funcin rea sera cuatro veces la que escribimos a
continuacin:
xy + x(y x)
y, considerando que (x, y) est en la circunferencia de centro
(0, 0) y radio 1, se tiene que + = 1. Por tanto, la funcin que vamos a maximizar es:
p
p
p
f (x) = x 1 x2 + x( 1 x2 x) = 2x 1 x2 x2 , x [0, 1].
x2
y2
Se trata de una funcin continua en [0, 1] y derivable en ]0, 1[. Est claro que el mximo no lo
puede alcanzar en los extremos ( f (0) = 0, f (1) = 1); por tanto, lo vamos a encontrar en el
intervalo abierto ]0, 1[ sin ms que encontrar los puntos crticos de f .
Calculamos la derivada de f y la igualamos a cero:
2 x 1 x2
2x
f 0 (x) = 2
.
1 x2
Por tanto, la derivada de f se anula siempre y cuando se verifique:
s
s
p
5+ 5
5 5
2
4
2
2
x=
.
1 2x = x 1 x = 5x 5x + 1 = 0 = x =
10
10
Evaluando la funcin f en ambos puntos crticos, obtenemos que las dimensiones de la cruz as
construida de rea mxima son:
s
s
5 5
5+ 5
x=
e y=
.
10
10
Ejercicio 32. Se inscribe un rectngulo en la elipse
ejes. Halla las dimensiones del rectngulo para que
Solucin 32.
16
x2
400
y2
225
= 1 con sus lados paralelos a los
En cualquiera de los dos casos, la simetra nos permite trabajar

en el primer cuadrante. En ambos casos usaremos que, utilizando la notacin de la figura,
y2
15 p
x2
400 x2 .
+
= 1 = y =
400 225
20
15
y
x
20
a) El rea que queremos maximizar es 4xy, por tanto vamos a

estudiar la funcin f : [0, 20] R,
15 p
f (x) =
x 400 x2 .
20
Si derivamos,
f 0 (x) =
15 p
15
x2
= 0 400 = 2x2 x = 200.
400 x2
20
20 400 x2
Como f es una funcin continua definida en un intervalo cerrado

y acotado, f alcanza su mxi
mo y mnimo
absolutos.
Los
posibles
candidatos
son
0,
20
y
200.
Es suficiente
con comprobar
que f ( 200) > f (0), f (20) para asegurar que el mximo se alcanza en 200.
b) El permetro es 4(x + y). La funcin a maximizar es f : [0, 20] R definida como
15 p
400 x2 ,
f (x) = x +
20
o sea, x + y. Veamos cundo se anula la derivada
f 0 (x) = 1
15
x
400
.
= 0 x =
20 400 x2
400 + 225
Como f es una funcin continua definida en un intervalo cerrado y acotado, f alcanza su

mximo y mnimo absolutos. Los posibles candidatos son 0, 20 y 400 . Es suficiente con
400+225

comprobar que f 400
> f (0), f (20) para asegurar que el mximo se alcanza en 400 .
400+225
400+225
Ejercicio 33. Calcula el punto (a, b) de la parbola y = 3 x2 de forma que el tringulo

determinado por la recta tangente a la parbola en dicho punto y los ejes de coordenadas tenga
rea mnima.
Solucin 33. Para poder calcular el tringulo de rea mnima que genera la tangente a la parbola
y = 3 x2 y los ejes tenemos que, en primer lugar, calcular la recta tangente en un punto a que, sin
prdida de generalidad, podemos suponer que es positivo. La recta tangente que pasa por el punto
(a, f (a)) es y (3 a2 ) = 2a(x a).
17
Los puntos de corte con los ejes son:

a) Si x = 0, entonces y = a2 + 3, y
3
b) si y = 0, entonces x =
(a, f (a))
a2 +3
2a .
Por tanto, la funcin a la que tenemos que calcularle el mnimo es, en funcin
del punto a,
1
f (a) =
base altura (a2 + 3)2

=
,
2
4a
con a ]0, 3]. Su derivada vale

f 0 (a) =
3a4 + 6a2 9
= 0 a4 + 2a2 3 = 0.
2
4a
Resolvemos este polinomio bicuadrtico mediante el cambio usual a2 = t y obtenemos que la

nica solucin positiva es a = 1. Es aqu donde f alcanza su mnimo absoluto? Observa que
lim f (x) = +,
x0+
y que, por tanto, f es estrictamente

decreciente en ]0, 1]. En cambio, como f 0 ( 3) > 0, f es
h i
estrictamente creciente en 1, 3 . En consecuencia, f alcanza su mnimo absoluto en a = 1.
E
Ejercicio 34. A un espejo rectangular de medidas 80x90 cm. se le rompe (accidentalmente)

por una esquina un tringulo de lados 10x12cm. Calcula las medidas del espejo de mayor rea de
forma rectangular que se puede obtener del la pieza restante.
Solucin 34.
10
12
El rea del trozo de espejo que queremos maximizar es (80

x)(90 y). Podemos relacionar x e y la tangente del ngulo
:
x
10
6
=
= y = 12 x
12 y 12
5
Por tanto, tenemos que buscar el mximo de la funcin f (x) =

90 (80 x) 78 + 6 x con x [0, 10]. Calculamos los puntos
5
crticos:
6 6
12
15
f 0 (x) = 78+ x+ (80x) = x+18 = 0 x = .
x
5 5
5
2

12
Como f 00 15
80
2 = 5 < 0, la funcin alcanza un mximo
relativo en dicho punto. El mximo absoluto se alcanza en
este punto, en x = 0 o en x = 10. Como
!
15
f (0) = 6240, f
= 6307.5 y f (10) = 6300
2
el mximo absoluto se alcanza en x =
15
2 .
18
Teorema Fundamental del Clculo
Integracin
1 Teorema Fundamental del Clculo

Ejercicio 1. Halla las derivadas de cada una de las funciones siguientes:
Rx
b) F(x) =
Rb
dt,
c) F(x) =
Rb
dt.
1
x 1+t2 +sen2 (t)
x
a 1+t2 +sen2 (t)
Ejercicio 2.
x2
0
a) F(x) =
b) F(x) =
R1
c) F(x) =
x2
sen3 (t) dt,
x3
x2
Ejercicio 3.
sen(log(1 + t)) dt,
cos3 (t) dt.

Estudia el crecimiento y decrecimiento de la funcin f : R+ R definida como
Z x3 x2
2
f (x) =
et dt.
0

E
Ejercicio 4.

Z
x2 +x
lim
Ejercicio 5.
et dt
sen2 (x)
x0
E
sen(x)

Z x1
2
f (x) =
(et e2t ) dt.
0

x+
Ejercicio 6.

R 2x
lim
x0
sen(sen(t)) dt
x2
Se considera la funcin f (x) =
Ejercicio 7.
x3 x2 t2
e
0
dt , x R.

c) Calcula lim
x0
f (x)
.
sen(x3 x2 )
2 Clculo de primitivas
2.1 Integrales inmediatas y cambio de variable
Ejercicio 8. Calcula las siguientes primitivas
R
a) R 5 x6 dx
b) R x(x + 1)(x 2)dx
c) R (2 + 3 x3 )2 dx
dx
d)
n
x
Ejercicio 9.
a)
3
R
1+log(x)
R 2
2
e) (a 3 x 3 )3 dx
R x2 +1
f)
x1 dx

dx
b)
dx
e x +1
c)
x(2x + 5)10 dx
2.2 Integracin por partes

R
R
a) R log(x)dx
e) R xex dx
b) R arctan(x)dx
f) R x2 e3x dx
g) x sen(x) cos(x)dx
c) R arcsen(x)dx
d) x sen(x)dx
2.3 Integracin de funciones racionales

R
R 2
d)
a) xx2 5x+9
dx
R
R 5x+6
5x3 +2
e)
b) x3 5x
2 +4x dx
R dx
c) x(x+1)
2
dx
(x2 4x+3)(x2 +4x+5)
dx
(x+a)(x+b)
Un poco de todo

R
R
a) x3dx+1
c)
R
b) (x+1)2dx
(x2 +1)2
dx
(x4 1)2
2.4 Integracin de funciones trigonomtricas

R
R
d) R sen2 (x) cos2 (x)dx
a) R cos3 (x)dx
e) cos6 (3x)dx
b) R sen5 (x)dx
c) sen2 (x) cos3 (x)dx
R cos(x)
R
a) 1+cos(x)
d)
dx
R
R
dx
b) 1+tan(x)
e)
R 1tan(x)
dx
c) 1+cos
2 (3x)
f)
cos5 (x)
dx
sen3 (x)
dx
3 sen2 (x)+5 cos2 (x)
sen(2x)
dx
1+sen2 (x)
2.5 Integracin de funciones irracionales

Ejercicio 15.
R 3
a) x dx
R x1 dx
b)
Ejercicio 16.
(x+1)3
x+1+
a)
2
x dx
2
x x+1
b)
dx
x5 x2 1
c)
x
1x2
d)
x
1+x2
c)
d)
dx
3
x+
x
x+1+2
dx
(x+1)2 x+1
dx
dx
3 Un poco de todo
Ejercicio 17. Prueba que existen las siguientes integrales y que tienen el valor que se indica en
cada caso:

R 1 dx
2
a) 0 1+e
x = 1 + log 1+e
b)
R 1/2
0
dx
20+8xx2
= arcsen

2
3
arcsen

7
12
Un poco de todo
c)
R3
d)
R1
e)
f)
g)
dx
9x2
R +
1
R +
0
R +
x
dx
1x6
x1
dx
x3 3x2 +x+5
x
dx
3+x4
dx
e x +ex
3+log(2)
10
3
12
cada caso:
R1
a) 1 1 x2 dx = 2
R
b) (1 + cos(x))2 dx = 3
c)
d)
R /2
/2
R /2
0
| sen(x)|3 dx =
4
3
sen2 (y) cos2 (y) dy =
16
Integracin
1 Teorema Fundamental del Clculo

Ejercicio 1. Halla las derivadas de cada una de las funciones siguientes:
Rx
b) F(x) =
Rb
dt,
c) F(x) =
Rb
dt.
1
x 1+t2 +sen2 (t)
x
a 1+t2 +sen2 (t)
Solucin 1.
a) F 0 (x) = sen3 (x)
1
b) F 0 (x) = 1+x2 +sen
2 (x)
c) F 0 (x) =
Rb
dt
a 1+t2 +sen2 (t)
Ejercicio 2.
x2
0
a) F(x) =
b) F(x) =
R1
c) F(x) =
x2
sen(log(1 + t)) dt,
sen3 (t) dt,
x3
x2
cos3 (t) dt.
Solucin 2.

a) F 0 (x) = sen log(1 + x2 ) 2x,

b) F 0 (x) = sen3 x2 2x,
c) F 0 (x) = cos(x3 )3x2 cos(x2 )2x.
E
Ejercicio 3.
Estudia el crecimiento y decrecimiento de la funcin f : R+ R definida como

Z x3 x2
2
f (x) =
et dt.
0

3
2 2
Solucin 3. La funcin f es derivable con f0 (x) = e(x x ) (3x2 2x). Por tanto, los nicos
puntos crticos son x = 0 y x = 23 . Como f 0 13 < 0 y f 0 (2) > 0, f es estrictamente decreciente
i i
h
h
en 0, 32 y estrictamente creciente en 32 , + . En consecuencia f alcanza su mnimo absoluto (y
relativo) en x = 23 .
E
Ejercicio 4.

Z
sen(x)
x2 +x
lim
et dt
.
sen2 (x)
x0
Solucin 4. Se trata de un lmite que presenta una indeterminacin del tipo 00 ya que el denominador es claro que tiende a cero cuando x 0, asi como el numerador, ya que:
Z sen(x)
Z 0
2
t2
lim
e dt =
et dt = 0
x0
x2 +x
Adems, tanto el numerador como el denominador son funciones derivables. El primero es derivable gracias al teorema fundamental del Clculo y el segundo, por ser la funcin seno elevada al
cuadrado. Entonces, haciendo uso de la siguiente regla de derivacin (consecuencia del teorema
fundamental del Clculo y de la regla de la cadena):
!0
Z h(x)
f (t) dt (x) = f (h(x)) h0 (x) f (g(x)) g0 (x)
g(x)
y de la primera regla de LHpital, el lmite que tenemos que estudiar es:

esen(x) cos(x) e(x +x) (2x + 1)
lim
x0
2 sen(x) cos(x)
2
Este lmite vuelve a presentar en el cero la misma indeterminacin que tenamos al principio, as
que vamos a volver a aplicar la regla de LHpital. Pero antes separamos el lmite en dos factores:
el primero no va a darnos ningn problema, mientras que el segundo va a ser en el que vamos a
aplicar dicha regla. Esto es:
esen(x) cos(x) e(x +x) (2x + 1)
1
esen(x) cos(x) e(x
lim
= lim
lim
x0
x0 2 cos(x) x0
2 sen(x) cos(x)
sen(x)
2
2 +x)2
(2x + 1)
Nos ocupamos entonces del segundo factor:

2
2 sen(x) cos(x)2 esen(x) sen(x) esen(x) 2(x2 + x) (2x + 1)2 e(x

lim
x0
cos(x)
Por tanto, como lim x0
Ejercicio 5.
1
2 cos(x)
2 +x)2
2e(x
2 +x)2
= 1/2, el lmite que nos piden es:

R sen(x) 2
et dt
2
lim x +x 2
= 2/2 = 1.
x0
sen (x)

Z x1
2
f (x) =
(et e2t ) dt.
0

x+
2
= 2.
1
Solucin 5.
a) Estudiamos la monotona de la funcin f . Para ello veamos el signo de la derivada:
2
f 0 (x) = e(x1) e2(x1) = 0 (x 1)2 = 2(x 1) x = 1, 3.

Por tanto, f es estrictamente montona en [1, 3] y en [3, +]. Como f 0 (2) > 0 y f 0 (4) < 0,
se tiene que f es estrictamente creciente en [1, 3] y estrictamente decreciente en [3, +]. En
particular, la funcin alcanza su mximo absoluto en 3.
b) Dado que f (1) = 0 < lim x+ f (x), f alcanza su mnimo absoluto en 1.
Ejercicio 6.

R 2x
lim
x0
sen(sen(t)) dt
x2
Solucin 6. Tenemos un cociente de funciones derivables, ambas con lmite cero en el origen y
la derivada del denominador no se anula (salvo en el origen). Estamos en condiciones de aplicar
la primera regla de LHpital para resolver dicho lmite. Nos queda el siguiente cociente
2 sen(sen(2x)) sen(sen(x))
,
x0
2x
lim
que sigue presentando una indeterminacin de la forma 00 . Aplicando de nuevo la regla de LHpital, obtenemos
4 cos(sen(2x)) cos(2x) cos(sen(x)) cos(x) 3
= .
x0
2
2
R x3 x2 2
Se considera la funcin f (x) = 0
et dt , x R.
lim
Ejercicio 7.
(1)

c) Calcula lim
x0
f (x)
.
sen(x3 x2 )
Solucin 7.
2
a) La funcin integral f es una integral indefinida cuyo integrando es et . En concreto, se puede

escribir como:
Z g(x)
2
f (x) =
et dt
0
donde g(x) = x3 x2 es un polinomio y, por tanto, derivable. Al ser el integrando una funcin
continua y, aplicando el teorema fundamental del clculo, tenemos que la funcin f es derivable,
y adems su derivada vale
2
f 0 (x) = eg(x) g0 (x) = e(x
3 x2 )2
(3x2 2x) , x R.
Para encontrar los intervalos de monotona de f tendremos que analizar el signo de la derivada.
Para ello factorizamos la funcin derivada:
f 0 (x) = e(x
3 x2 )2
x(3x 2).
Como la funcin exponencial es siempre positiva, la funcin derivada se anular siempre y

cuando x = 0 o x = 2/3; concretamente:
3
2 2
2
f 0 (x) = e(x x ) x(3x 2) = 0 x(3x 2) = 0 x = 0 o x = .
3
Tenemos entonces que f tiene dos puntos crticos que nos van a permitir descomponer el dominio de f de la forma siguiente:
i) Si x < 0, entonces f 0 (x) > 0 (se puede evaluar f 0 en un punto cualquiera negativo) y, por
tanto, f es estrictamente creciente en ] , 0[.
ii) Si 0 < x < 2/3, entonces f 0 (x) < 0 y, por tanto, f es estrictamente decreciente en ]0, 2/3[.
iii) Si x > 2/3, f 0 (x) > 0 y, por tanto, f es estrictamente creciente en ]2/3, +[.
b) Con la informacin que tenemos del apartado anterior podemos concluir que f alcanza un
mximo relativo en 0 (la funcin pasa de ser creciente a decreciente) y un mnimo relativo en
2/3 (pasa de ser decreciente a creciente).
c) El lmite planteado presenta una indeterminacin del tipo 00 y, como es posible aplicar la
regla de LHpital, tenemos:
3
2 2
f 0 (x)
e(x x ) (3x2 2x)
lim
=
lim
x0 cos(x3 x3 )(3x2 2x)
x0 cos(x3 x3 )(3x2 2x)
Simplificamos el cociente:
3
2 2
1
f (x)
e(x x )
= = 1 = lim
=1
x0 sen(x3 x2 )
x0 cos(x3 x2 )
1
lim
donde hemos tenido en cuenta que lim x0 e x = e0 = 1 y que lim x0 cos(x) = cos(0) = 1.
2 Clculo de primitivas
2.1 Integrales inmediatas y cambio de variable
R dx
R
d)
a) R 5 x6 dx
n
R x2
2
b) R x(x + 1)(x 2)dx
e) (a 3 x 3 )3 dx
c) (2 + 3 x3 )2 dx
Solucin 8.
R
a) 5 x6 dx = 57 x7
R
b) x(x + 1)(x 2)dx = 14 x4 31 x3 x2
f)
x2 +1
x1 dx
c)
d)
e)
f)
(2 + 3x3 )2 dx = 4x + 3x4 + 97 x7
dx
n
x
x1 n
1 1n
(a 3 x 3 )3 dx = a2 x 59 a4/3 x5/3 + 97 a2/3 x7/3

x2 +1
x1 dx
= x+
x2
2
x3
3
+ 2 log(1 + x)

R dx
3
R
1+log(x)
b)
e x +1
a)
dx
x
c)
x(2x + 5)10 dx
Solucin 9.
a) Hacemos el cambio de variable 1 + log(x) = y,
!
Z p3
Z
1 + log(x)
3 3 log(x)
dx =
y1/3 dy =
+
(1 + log(x))1/3
x
4
4
b) Sumamos y restamos e x ,
Z
Z
dx
=
ex + 1
!

1 + ex
ex
dx = x log 1 + e x .
x
x
1+e
1+e
c) Hacemos el cambio de variable 2x + 5 = y,

#
"
Z
Z
1
1
1
10
(y 5)y10 dy
x(2x + 5) dx = 2x + 5 = y = x = (y 5) =
2
2
2
!
Z
1
1 y12 5y11
11
10
=
y 5y dy =
4
4 12
11
!
12
11
1 (2x + 5)
5(2x + 5)
=
+
.
4
12
11
2.2 Integracin por partes

R
R
d) R x sen(x)dx
a) R log(x)dx
b) R arctan(x)dx
e) R xex dx
f) x2 e3x dx
c) arcsen(x)dx
g)
x sen(x) cos(x)dx
Solucin 10.
a) Integrando por partes
Z
Z

u = log(x) = du = 1x dx
= x log(x) dx = x log(x) x.
log(x) dx =
dv = dx = v = x
b) Integrando por partes
"
arctan(x) dx =
u = arctan(x) = du =
dx
1+x2
dv = dx = v = x
Z

1
x
2
=x arctan(x)
dx
=
x
arctan(x)
log
1
+
x
.
2
1 + x2
c) Integrando por partes

#
"
Z
u = arcsen(x) = du = dx 2
1x
arcsen(x) dx =
dv = dx = v = x
Z
p
x
=x arcsen(x)
dx = x arcsen(x) + 1 x2 .
1 x2
d) Integrando por partes
"
Z
x sen(x) dx =
u = x = du = dx
dv = sen(x) dx = v = cos(x)
Z
= x cos(x) + cos(x) dx = x cos(x) + sen(x).
e) Integrando por partes

Z

x ex dx =
Z

u = x = du = dx
x
= xe + ex dx = ex (1 + x).
dv = ex dx = v = ex
f) Integrando por partes

"
#
Z
u = x2 = du = 2x dx
2 3x
x e dx =
=
dv = e3x dx = v = 13 e3x
#
"
u = x = du = dx
=
=
dv = e3x dx = v = 31 e3x
1
2
2
= x2 e3x xe3x + e3x .
3
9
27
1 2 3x
x e
3
1 2 3x
x e
3
Z
2
xe3x dx
3
!
Z
2 x 3x
1 3x
e
e dx
3 3
3
g) Integrando por partes

#
"
Z
Z
u = x = du = dx
1
x sen(2x) dx =
x sen(x) cos(x) dx =
2
dv = sen(2x) dx = v = cos22x
!
Z
1 x cos(2x) 1
x cos(2x) 1
=
+
+ sen(2x).
cos(2x) dx =
2
2
2
4
8
2.3 Integracin de funciones racionales

R
R 2
dx
d)
a) xx2 5x+9
dx
2 +4x+5)
R (x2 4x+3)(x
R 5x+6
3
dx
5x +2
e) (x+a)(x+b)
b) x3 5x2 +4x dx
R dx
c) x(x+1)2
Solucin 11.
a) Puesto que numerador y denominador tienen el mismo grado, comenzamos dividiendo

Z
x2 5x + 9
dx =
x2 5x + 6
3
1+ 2
dx
x 5x + 6
Z
dx
= x+3
2
x 5x + 6
descomponemos en fracciones simples y usamos el apartado anterior,

= x+3
= x+3
dx
(x 2)(x 3)
1
1
x3 x2
= x + 3 log | 3 + x | 3 log | 2 + x | .
b) Dividimos y descomponemos en fracciones simples,
Z
5x3 + 2
dx =
x3 5x2 + 4x
!
25x2 20x + 2
5+ 3
dx
x 5x2 + 4x
5+
= 5x +
!
7
161
1
+
dx
2x 3(x 1) 6(x 4)
7
log | x |
161
log(4 + x) log | 1 + x | +
.
6
3
2
c) Descomponemos en fracciones simples e integramos:

Z
dx
=
x(x + 1)2
=
!
1
1
1
dx
x x + 1 (x + 1)2
1
+ log | x | log | 1 + x | .
1+x
d) Descomponemos en fracciones simples y resolvemos,

Z
!
4x + 15
1
1
+
dx
130(x2 + 4x + 5) 20(x 1) 52(x 3)
7
1
1
=
arctan(2 + x) +
log | 3 + x |
log | 1 + x |
130
52
20

1
+
log 5 + 4x + x2 .
65
dx
=
2
(x 4x + 3)(x2 + 4x + 5)
1
1
1
e) Descomponemos en fracciones simples, (x+a)(x+b)
= (ba)(x+a)
+ (ab)(x+b)
y sustituimos
Z
Z
Z
1
1
log | a + x | log | b + x |
dx
=
dx +
dx =
+
.
(x + a)(x + b)
(b a)(x + a)
(a b)(x + b)
a + b
ab

R
R
a) x3dx+1
c)
R
b) (x+1)2dx
(x2 +1)2
dx
(x4 1)2
Solucin 12.
a) Descomponemos en fracciones simples e integramos,
Z
!
x2
1
dx
3(x + 1) x2 x + 1

arctan 1+2x

1
1
3
=
+ log | 1 + x | log 1 x + x2 .
3
6
3
dx
=
3
x +1
b) Utilizando la descomposicin
Z
Z
a0 + a1 x + a2 x2
dx
=
+
(x + 1)2 (x2 + 1)2
(x + 1)(x2 + 1)
!
b0
b1 + b2 x
+ 2
dx
x+1
x +1
se demuestra que
Z
dx
1
1
arctan(x) 1
1
=
+
+
+ log | 1 + x | log(1 + x2 ).
2
2
2
2
4(1 + x) 4(1 + x )
4
2
4
(x + 1) (x + 1)
c) Como (x4 1)2 = (x 1)2 (x + 1)2 (x2 + 1)2 , tenemos la descomposicin
!
Z
Z
b0
b1
b2 + b3 x
a0 + a1 x + a2 x2 + a3 x3
dx
+
+
=
+
dx.
x+1 x1
(x4 1)2
(x 1)(x + 1)(x2 + 1)
x2 + 1
Derivando y calculando los coeficientes se obtiene que
Z
x
3 arctan(x)
3
3
dx
log | 1 + x | +
log | 1 + x | .
=
+
4
2
4
8
16
16
(x 1)
4(1 + x )
2.4 Integracin de funciones trigonomtricas

R
a) R cos3 (x)dx
b) sen5 (x)dx
R
c) R sen2 (x) cos3 (x)dx
d) sen2 (x) cos2 (x)dx
e)
cos6 (3x)dx
f)
cos5 (x)
dx
sen3 (x)
Solucin 13.
a) Utilizando el cambio de variable sen(x) = t la integral queda
Z
Z

t3
sen(x)3
3
cos (x) dx =
1 t2 dt = t = sen(x)
.
3
3
b) Utilizando el cambio de variable cos(x) = t, la integral es
Z
Z
Z

t5 2t3
5
2 2
sen (x) dx =
1t
dt = t4 2t2 + 1 dt = +
t
5
3
cos5 (x) 2 cos3 (x)
=
+
cos(x).
5
3
c) Utilizamos el cambio de variable sen(x) = t,
Z
Z

t3 t5 sen3 (x) sen5 (x)
.
sen2 (x) cos3 (x) dx =
t2 1 t2 dt = =
3
5
3
5
d) Utilizando que 2 sen(x) cos(x) = sen(2x),
Z
Z
Z
1
1
1
1 cos(4x)
2
2
2
(4x sen(4x)) .
sen (2x) dx =
dx =
sen (x) cos (x) dx =
4
4
2
32
e) Utilizando repetidamente que 2 cos2 (x) = 1 + cos(2x) y el cambio de variable 3x = t, se tiene
que
!3
Z
Z
Z
1
1
1 + cos(2t)
6
6
cos (t) dt =
dt
cos (3x) dx =
3
3
2
Z
1
=
1 + 3 cos(2t) + 3 cos2 (2t) + cos3 (2t)
24
!
1
=
180x + 45 sen(6x) + 9 sen(12x) + sen(18x) .
576
f) Utilizamos el cambio de variable sen(x) = t y obtenemos que
Z
Z 1 t2 2
Z
cos5 (x)
1
1
dx =
dt =
t3 + t 2t1 dt = t2 + t2 2 log | t |
3
3
2
2
sen (x)
t
1
1
= cosec2 (x) + sen2 (x) 2 log | sen(t) | .
2
2
R cos(x)
R
a) 1+cos(x)
dx
d)
R
R
b) 1+tan(x)
dx
e)
1tan(x)
R
dx
c) 1+cos
2 (3x)
dx
3 sen2 (x)+5 cos2 (x)
sen(2x)
dx
1+sen2 (x)
Solucin 14.
a) Hacemos el cambio y = tan
Z

x
2
cos(x)
dx =
1 + cos(x)
1 y2
dy
1 + y2
!
2
1
dy = 2 arctan(y) y
1 + y2
x
= x tan
.
2
b) Como la funcin es par en seno y coseno, utilizamos el cambio tan(x) = t,

Z
1+t
dt
(1 t)(1 + t2 )
!
Z
1
t
dx
=
t2 + 1 t 1

1
= log tan2 (x) + 1 log (tan(x) 1) .
2
1 + tan(x)
dx =
1 tan(x)
c) El integrando es par pero antes de hacer el cambio y = tan(x) lo arreglamos un poco.

Z
1
dx
[3x
=
=
t]
=
3
1 + cos2 (3x)

1
dt
=
tan(t)
=
y
=
3
1 + cos2 (t)
dy
2 + y2
eliminamos el 2 del denominador buscando un arcotangente,

=
1
3
h
i
dy
2 ! = y = 2z
2 1 + y
2
1
=
3 2
tan(3x)
dz
1
= arctan
2
1+z
3 2
2
d) Aprovechamos que el integrando es una funcin par en seno y coseno para realizar el cambio
de variable tan(x) = t,
Z
dx
=
2
3 sen (x) + 5 cos2 (x)
1
cos2 (x)
dx
= [tan(x) = t]
5 + 3 tan2 (x)
"
Z
Z
q #
dt
dt
= y = 35 t

=
=
3 2
5 + 3t2
5 1 + 5t
!
Z
q
dy
1
1
3
=
=
arctan
tan(x)
5
1 + y2
15
15
e) Utilizamos las frmula del ngulo doble, y hacemos el cambio de variable y = sen2 (x),
10
sen(2x)
dx =
1 + sen2 (x)
2 sen(x) cos(x)
dx =
1 + sen2 (x)

dy
= log | 1 + y | = log 1 + sen2 (x) .
1+y
2.5 Integracin de funciones irracionales

Ejercicio 15.
R 3
a) x dx
R x1 dx
b)
x+1+ (x+1)3
c)
d)
dx
3
x+
x
x+1+2
dx
(x+1)2 x+1
Solucin 15.
a) Hacemos el cambio de variable x 1 = t2
!
Z
Z
x3
32 16x 12x2 2x3
2
3
+
+
+
.
dx
=
2
(t
+
1)
dt
=
1
+
x
35
35
35
7
x1
b) Hacemos el cambio de variable x + 1 = t2 ,
Z
Z

dx
dt
(t)
=2
=
2
arctan
=
2
arctan
x
+
1
.
p
1 + t2
x + 1 + (x + 1)3
c) Utilizando el cambio de variable x = t6 ,
Z
6t3
dt = 6
t+1
!
1
t t+1
dt
t+1
!
t3 t2
+ t log | t + 1 |
=6
3
2

= 2 x 3 3 x + 6 x log 6 x + 1 .
dx =
x+ 3x
d) Hacemos el cambio de variable x + 1 = t2 ,

Z
x+1+2
dx =
(x + 1)2 x + 1
!
Z
2t 2
2t(t + 2)
2
dt =
+
dt
t4 t
t2 + t + 1 t 1
!

2t + 1
2
2
= log t + t + 1 arctan
+ 2 log(t 1)
3
3

1 + 2 x + 1
2
+ 2 log x + 1 + 1 log x + 1 + x + 2
= arctan
3
3
Z

R
R
2
a) x2 dx
d)
x+1
R x dx
b)
5
R x x5x2 1
c) 2 dx
1x
Solucin 16.
11
x
1+x2
dx
Un poco de todo

2
a) Como x2 x + 1 = x 12 + 34 ,
Z
Z t + 1 2
2
dt
= [x 1/2 = t] =
q
2
x x+1
t2 + 34
x2 dx
hacemos el cambio de variable t =
3
2
senh(y),
Z
3
=
senh(y) +
2
2
1
dy
2
3 e2 y e2 y
= 2 3 cosh(y) +
2 y + y
4 2
2
y se deshacen los cambios.
b) Utilizamos el cambio de variable x = sec(t),
!
Z
Z
1 3
1
dx
4
=
cos (t) dt =
t + sen(2t) + sen(4t) .
4 2
8
x5 x2 1
Para terminar, basta deshacer el cambio realizado.
c) Hacemos el cambio de variable x = sen(t),
Z
Z
2
1
x5
dx =
sen5 (t) dt = cos5 (t) + cos3 (t) cos(t),
2
5
3
1x
d) Hacemos el cambio de variable x = senh(t),
Z
!6
et et
dx =
senh (t) dt =
dt
2
1 + x2
!
!
!
!
!
!
Z
6 4t
6 2t
6
6 2t
6 4t
1
6t
6t
= 6
e + e + e +
+ e + e +e
dt
1
2
3
4
5
2

6 t 45 e4 t 9 e2 t + 1
1 e6 t 9 e4 t + 45 e2 t e
20 t
=
64
6
6
x6
3 Un poco de todo
cada caso:

R 1 dx
2
a) 0 1+e
x = 1 + log 1+e
b)
R 1/2
0
dx
20+8xx2
= arcsen

2
3
arcsen

7
12
12
Un poco de todo
c)
R3
d)
R1
e)
f)
g)
dx
9x2
R +
1
R +
0
x
dx
1x6
x1
dx
x3 3x2 +x+5
x
dx
3+x4
R +
dx
e x +ex
3+log(2)
10
3
12
Solucin 17.
a) Ya sabemos la primitiva de esta funcin, la calculamos en el Ejercicio 9 b, con lo que
!
Z 1

dx
2
x 1
.
= x log 1 + e 0 = 1 log(1 + e) + log(2) = 1 + log
x
1+e
0 1+e
b) Teniendo en cuenta que 20 8x + x2 = 36 (x 4)2 , y haciendo el cambio de variable y = x 4
se tiene que
1/2
Z
0
1/2
dx
=
20 + 8x x2
dx
=
p
36 (x 4)2
3.5
4
dy
=
p
36 y2
3.5
4
dy
q
2
6 1 6t
hacemos el cambio t = y/6,
c)
d)
R3
dx
0
9x2
R1
x
0
1x
R3
p dx 2
1( 3x )
h
i
dx = y = x3 =
6
0
e) Descomponemos
7/12
!
!
7
2
arcsen
=
= arcsen
3
12
2/3
1 t2
i R1
h
= 3x = y = 0 dy 2 = arcsen(1) arcsen(0) =
Z
dt
1y
R
1 1
3 0
x1
x3 3x2 +x+5
dy
1y2
1
3
(arcsen(1) arcsen(0)) 6
como suma de fracciones simples:
x3
x1
A
Bx + C
=
+ 2
2
3x + x + 5 x + 1 x 4x + 5
Desarrollando se obtiene que A = 15 , B =

Z
x1
dx =
3
x 3x2 + x + 5
1
5
y C = 0. Entonces
1
1
x
dx
2
5 x 4x + 5 x + 1
Z
1
x
1
= log | x + 1 | +
dx.
5
5
x2 4x + 5
Calculamos por separado una primitiva de

Z
Z
Z

x
1
(2x 4) + 4
1
dx
2
dx =
dx = log x 4x + 5 + 2
2
2
2
2
2
x 4x + 5
x 4x + 5
x 4x + 5
13
(2)
Un poco de todo
completamos cuadrados x2 4x + 5 = (x 2)2 + 1,

Z

1
dx
2
= log x 4x + 5 + 2
2
1 + (x 2)2

1
= log x2 4x + 5 + 2 arctan(x 2)
2
(3)
Usando (2) y (3),

+
Z
1
#+
"

2
1
1
log | x + 1 | + log x 4x + 5 + 2 arctan(x 2)
x 1x 3x + x + 5 dx =
5
2
1
+

1 x2 4x + 5
3 + log(2)
= log
.
+ arctan(x 2) =
5
x+1
10
1
3
f) Utilizando el cambio de variable y = x2 pasamos a una integral sencilla:
!
Z +
Z
x
1 + dy
3
3
.
lim arctan(y) arctan(0) =
dx =
=
4
2
2 0 3+y
6 y+
12
3+x
0
g) Usamos el cambio de variable e x = t,
Z +
Z +
dt
dx
=
= lim arctan(t) arctan(0) = .
x
x
2
x+
2
1+t
0
e + e
cada caso:
R1
a) 1 1 x2 dx = 2
R
b) (1 + cos(x))2 dx = 3
c)
d)
R /2
/2
R /2
0
| sen(x)|3 dx =
4
3
16
Solucin 18.
a) Mediante el cambio de variable x = sen(t), nos queda que
Z 1p
Z /2
Z /2
1
(1 + cos(2t)) dt = .
1 x2 dx =
cos2 (t) dt =
2
2
1
/2
/2
b) Desarrollamos el cuadrado,
Z
(1 + cos(x)) dx =
1 + 2 cos(x) + cos2 (x) dx
1
1 + 2 cos(x) + (1 + cos(2x)) dx = 3.
2
14
Un poco de todo
c) Usando que la funcin seno es impar,

Z /2
Z
Z /2
3
3
sen (x) dx = [cos(x) = t] = 2
| sen(x) | dx = 2
/2
0
1
4
1 t2 dt = .
3
d) Utilizando que sen(2x) = 2 sen(x) cos(x), se tiene que

Z /2
Z
Z
1 /2
1 /2
sen2 (2y) dx =
1 cos(4y) dy =
.
4
8
16
0
0
0
15
EXAMENES
Curso: 2011/2012

Calculo UGR

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Calculo UGR

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE GRANADA

Nmeros reales y aritmtica de ordenador

El conjunto de los nmeros reales

El conjunto de los nmeros reales

El conjunto de los nmeros reales

1.1 El conjunto de los nmeros reales

Suma de nmeros reales

Producto de nmeros reales

El conjunto de los nmeros reales

El conjunto de los nmeros reales

Sean a, b y c nmeros reales. Entonces se verifican las siguientes propiedades.

Observacin 1.1. El elemento opuesto en el caso de la suma y el elemento inverso para el

El conjunto de los nmeros reales

El conjunto de los nmeros reales

El conjunto A R est acotado superiormente o mayorado (resp. acotado inferiormente

Veamos algunos ejemplos de estos conceptos.

Axioma del supremo: todo conjunto acotado superiormente tiene supremo.

Naturales, enteros, racionales e irracionales

El conjunto de los nmeros reales

Proposicin 1.6. Sea A un conjunto acotado superiormente y sea x el supremo de A.

ii) dado > 0, a A tal que x < a.

1.2 Naturales, enteros, racionales e irracionales

Nmeros racionales e irracionales

El conjunto de los nmeros reales

Observacin 1.9. Dada la ecuacin an xn + an1 xn1 + . . . + a1 x + a0 = 0, donde a0 , a1 ,,...,an

2 no puede ser un nmero racional.

La otra demostracin usual de que 2 no es un nmero racional utiliza la descomposicin en

1.3 Valor absoluto

Se define el valor absoluto de un nmero real x como

Proposicin 1.12. Dados x, y R, se verifican las siguientes afirmaciones.

El conjunto de los nmeros reales

a) si x 1, |x 3| < |x 1| (x 3) < (x 1) 3 > 1 lo que, claramente, no es

1.4 El principio de induccin

Definicin 1.14. Un subconjunto A de los nmeros reales diremos que es inductivo si

Sea A un subconjunto de los nmeros reales verificando que

El conjunto de los nmeros reales

Una aplicacin del principio de induccin: el binomio de Newton

Dados a, b R y n N, se cumple que

El conjunto de los nmeros reales

Demostracin. Vamos a probarlo usando el mtodo de induccin. Es claro que la propiedad es

Tringulo de Pascal o de Tartaglia

La utilidad del binomio de Newton estriba en que no es necesario calcular

Tabla 1.1 Tringulo de Pascal o Tartaglia

El conjunto de los nmeros reales

Intervalos y conjuntos destacados

1.5 Intervalos y conjuntos destacados

El conjunto de los nmeros reales

Ejercicio 1.2. Encuentra aquellos valores de x que verifican que:

Ejercicio 1.6. Demuestra que 1 + 1 + 2 + 22 + 23 + . . . + 2n = 2n+1 , para cualquier n N.

Ejercicio 1.9. Demuestra que 13 + 23 + 33 + . . . + n3 =

1 para cualquier natural mayor o igual

El conjunto de los nmeros reales

Prubese que para todo natural n 2 se verifica que 5 divide a n5 n.

Demostrar que (1 + x)n > 1 + nx, n N, n > 1. para x R \ {0}, x > 1.

Ejercicio 1.8. Demostrar que xn+1 +

para cualquier natural n y cualquier real x

Ejercicio 1.9. Probar que si x R \ {1}, entonces se verifica que

Demostrar que, dado un natural n, n es natural o irracional.

Demostrar que 2 + 3 es irracional.

Introduccin al Anlisis Numrico

Introduccin al Anlisis Numrico

Introduccin al Anlisis Numrico

2.1 Introduccin al Anlisis Numrico