Está en la página 1de 205

1

Clculo
con wxMaxima

Jernimo Alaminos Prats


Jos Extremera Lizana
Pilar Muoz Rivas

24 octubre 2011
ndice

ndice

ndice i

Nmeros reales y aritmtica de ordenador 3

1 El conjunto de los nmeros reales 5


1.1 El conjunto de los nmeros reales 5 1.2 Naturales, enteros, racionales e irracionales 7
1.3 Valor absoluto 8 1.4 El principio de induccin 9 1.5 Intervalos y conjuntos destaca-
dos 12 1.6 Ejercicios 14

2 Introduccin al Anlisis Numrico 17


2.1 Introduccin al Anlisis Numrico 17 2.2 Errores absolutos y relativos 18 2.3 Aritm-
tica de ordenador 20 2.4 Estabilidad 23 2.5 Ejercicios 24

3 Funciones elementales 25
3.1 Definiciones 25 3.2 Funciones elementales 32 3.3 Ejercicios 42

Sucesiones y series 45

4 Sucesiones de nmeros reales 47


4.1 Definicin y propiedades 47 4.2 Sucesiones parciales 49 4.3 Monotona 50 4.4 Su-
cesiones divergentes 53 4.5 Criterios de convergencia 54 4.6 Velocidad de convergen-
cia 56 4.7 Ejercicios 57

5 Series 61
5.1 Definicin y propiedades 61 5.2 Convergencia absoluta e incondicional 65 5.3 Crite-
rios de convergencia para series de trminos no negativos 66 5.4 Otros criterios 69 5.5 Suma
de series 69 5.6 Ejercicios 72

Continuidad y derivabilidad 77

6 Lmites y continuidad 79
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 Ejerci-
cios 90

7 Derivabilidad 95
7.1 Definicin. Recta tangente. 95 7.2 Reglas de derivacin 97 7.3 Teorema del valor
medio 98 7.4 Consecuencias del teorema del valor medio 100 7.5 Derivadas de orden supe-
rior 101 7.6 Concavidad y convexidad 103 7.7 Algunas aplicaciones de la derivada 103
7.8 Derivacin numrica 106 7.9 Ejercicios 107 7.10 Ejercicios complementarios 111
7.11 Otros ejercicios 114

i
ndice

8 Mtodos de resolucin de ecuaciones 119


8.1 Introduccin 119 8.2 Mtodo de biseccin 119 8.3 Mtodos de iteracin funcio-
nal 121 8.4 Mtodo de Newton-Raphson 125

Interpolacin numrica 129

9 Interpolacin polinmica 131


9.1 Mtodos de interpolacin polinmica 131 9.2 Interpolacin de Lagrange 131 9.3 In-
terpolacin de Hermite 140 9.4 Interpolacin de Taylor 140 9.5 Ejercicios 144

Integrabilidad 145

10 Integracin 147
10.1 Funciones integrables 147 10.2 Teorema fundamental del Clculo 152 10.3 Ejerci-
cios 155

11 Clculo de primitivas 157


11.1 Clculo de primitivas 157 11.2 Ejercicios 166

12 Integrales impropias 169


12.1 Integrales impropias en intervalos acotados 169 12.2 Integracin en intervalos no acota-
dos 170 12.3 Algunos casos particulares 171 12.4 Ejercicios 172

13 Aplicaciones de la integral 173


13.1 Clculo de reas 173 13.2 Longitudes de curvas 173 13.3 rea de slidos de revolu-
cin 174 13.4 Volmenes de slidos de revolucin 174 13.5 Algunas funciones definidas
mediante integrales 174 13.6 Ejercicios 175

14 Mtodos de aproximacin numrica de integrales 177


14.1 Introduccin 177 14.2 Mtodos simples 177 14.3 Mtodos de aproximacin com-
puestos 180

Apndices 183

A Geometra 185
A.1 Parbolas, elipses e hiprbolas 185 A.2 Superficies cuadrticas 186

B Algunas tablas 191


B.1 Derivadas 191 B.2 Desarrollo de Taylor 192 B.3 Primitivas 192

C Progresiones aritmticas y geomtricas 195


C.1 Progresiones aritmticas 195 C.2 Progresiones geomtricas 196

D Algunos ejemplos y contraejemplos 197

ndice alfabtico 199

ii
Nmeros reales y aritmtica de ordenador

3
4
El conjunto de los nmeros reales El conjunto de los nmeros reales

El conjunto de los nmeros reales

1
1.1 El conjunto de los nmeros reales 5 1.2 Naturales, enteros, racionales e irracio-
nales 7 1.3 Valor absoluto 8 1.4 El principio de induccin 9 1.5 Intervalos
y conjuntos destacados 12 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 cuales-
quiera.
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 su-
pone 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 opera-
cin 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
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.


5) Propiedad asociativa: a(bc) = (ab)c.
6) Propiedad conmutativa: ab = ba.
7) Existencia de elemento neutro: a1 = 1a.
8) 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 produc-
to 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 po-
demos 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
R para diferenciarlos. En la Figura 1.1, podemos
x ver la propiedad que vamos a utilizar: si cada
A B
uno de los elementos de un conjunto A son ms
Figura 1.1 pequeos que los un conjunto B, entonces se pue-
de encontrar un nmero entre ambos. Esta pro-
piedad parece, en principio, sencilla y si nos fijamos en la figura no da la impresin de que nos

6
El conjunto de los nmeros reales Naturales, enteros, racionales e irracionales

permita distinguir entre reales y racionales. Parece evidente que existen racionales x que podemos
colocar entre A y B. Y si los pegamos un poco ms? Qu ocurre si tomamos A =] , x[
y como B =]x, +[? La nica posibilidad que nos queda, el nico nmero entre A y B es x. Si
dicho nmero es racional, perfecto. No hay problema, pero y si es irracional? Por ejemplo, en la
Figura 1.2, el nmero es el nico punto entre los dos conjuntos.
Esta propiedad es el axioma que nos falta para
terminar de definir el conjunto de los nmeros R
reales: A B
Figura 1.2
16) Dados dos conjuntos A y B verifican-
do que a b para cualesquiera a A
y b B, existe x tal que a x b,
x A, b B.

Resumiendo, el conjunto de los nmeros reales, R, es el nico conjunto que verifica los diecisis
axiomas anteriores.

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

7
Valor absoluto El conjunto de los nmeros reales

una cantidad finita de decimales o infinita peridica. Los irracionales, por tanto, tienen una cantidad
infinita de decimales no peridicos.
Observacin 1.2. 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.
Dentro de los nmeros reales podemos distinguir entre nmeros algebraicos y nmeros tras-
Nmero algebraico cendentes. Un nmero es algebraico si es solucin de un polinomio con coeficientes enteros. Por

ejemplo, cualquier racional o 2 son nmeros algebraicos. Si no se puede expresar como raz de
Nmero tras- un polinomio con coeficientes enteros diremos que es un nmero trascendente.
cendente No es fcil buscar las races irracionales de un polinomio, pero s podemos buscar las posibles
races racionales de un polinomio con coeficientes enteros.
Observacin 1.3. 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 1.4. Las nicas posibles races racionales del polinomio x2 2 = 0 son 1, 2. Cmo

ninguna de ellas es solucin del polinomio,
2 no puede ser un nmero racional.
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.

Valor Absoluto Definicin 1.5. Se define el valor absoluto de un nmero real x como
x, si x 0

|x| =
x, si x < 0

Proposicin 1.6. 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 | (desigualdad triangular),
d) | | x | | y | | | x y |,
e) | xy | = | x | | y |.

8
El conjunto de los nmeros reales El principio de induccin

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 1.7. 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:
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.

Definicin 1.8. Un subconjunto A de los nmeros reales diremos que es inductivo si verifica Conjunto inductivo
las siguientes dos propiedades:
a) 1 A,
b) si a A, entonces a + 1 A.

Ejemplo 1.9.
a) R, Q, Z, N, R+ son conjuntos inductivos.
b) Ningn conjunto acotado puede ser un conjunto inductivo.

Definicin 1.10. El conjunto de los nmeros naturales es el menor conjunto inductivo o, lo


que es lo mismo, la interseccin de todos los conjuntos inductivos.

Proposicin 1.11 (Principio de induccin). Sea A un subconjunto de los nmeros reales verifi-
cando que
a) A es inductivo,
b) A N.

9
El principio de induccin El conjunto de los nmeros reales

Entonces A = N.
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
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 1.12. 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 p!(n p)!
 
Nmeros com- A los nmeros de la forma np , n sobre p se les suele llamar nmeros combinatorios. Recordemos
binatorios que el factorial de un nmero natural n es

n! = 1 2 3 n

y que 0! = 1.

10
El conjunto de los nmeros reales El principio de induccin

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 1.13 (Binomio de Newton). Dados a, b R y n N, se cumple que
n !
X n ni i
(a + b) =
n
a b
i=0
i

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=0
i
n ! n !
X n ni+1 i X n ni i+1
= a b + a b
i=0
i i=0
i
! n ! n1 ! !
n n+1 X n n+1i i X n ni i+1 n n+1
= a + a b + a b + b
0 i=1
i i=0
i n
n n1
n + 1 n+1 X n + 1 n+1
! ! ! !
n n+1i i X n ni i+1
= a + a b + a b + b
0 i=1
i i=0
i n+1
n n
n + 1 n+1 X n + 1 n+1
! ! ! !
n n+1i i X n
= a + a b + a b +
n+1 j j
b
0 i=1
i j=1
j 1 n + 1
n " !
n + 1 n+1 X n n + 1 n+1
! !# !
n
= a + + a b +
n+1i i
b
0 i=1
i i 1 n + 1
n
n + 1 n+1 n + 1 n+1i i n + 1 n+1
! X ! !
= a + a b + b
0 i=1
i n+1
n+1
n + 1 n+1i i
X !
= a b .
i=0
i

La utilidad del binomio de Newton estriba en que no es necesario calcular


15 el desarrollo completo
de (x + 3) si slo nos interesa el coeficiente de x que, por cierto, es 4 311 .
15 4

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 Tringulo de Pas-
lnea nueva aadimos unos en los extremos y bajo cada par de nmeros colocamos su suma. El cal o de Tartaglia
resultado que se obtiene nos da los coeficientes del binomio de Newton.

11
Intervalos y conjuntos destacados El conjunto de los nmeros reales

n tringulo de Pascal n o combinatorio (a + b)n


0
0 1 0
a+b
1  1
1 1 1 0 1
a2 + 2ab + b2
2 2 2
2 1 2 1 0 1 2
a3 + 3a2 b + 3ab2 + b3
3 3 3 3
3 1 3 3 1 0 1 2 3

Tabla 1.1 Tringulo de Pascal o Tartaglia

1.5 Intervalos y conjuntos destacados


Definicin 1.14.
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)).

Veamos algunos ejemplos de estos conceptos.


Ejemplo 1.15.
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 su-
periormentenno tiene mximo.
o S tiene mnimo: 1 n para cualquier natural n.
b) El conjunto 1n : 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 1.16. 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

12
El conjunto de los nmeros reales Intervalos y conjuntos destacados

minorado no tiene por qu tener mnimo pero y si el conjunto minorado del que estamos hablando
es un conjunto de mayorantes?
Pues bien, se puede comprobar que la ltima propiedad de los nmeros reales se puede reformu-
lar de la siguiente forma:

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 cambia-
mos el signo las desigualdades tambin cambian.
Ejemplo 1.17. 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).
Proposicin 1.18. 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 1.19. 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.

1.5.1 Intervalos
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.
 

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.

13
Ejercicios El conjunto de los nmeros reales

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

]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

]a r, a + r[A = {a}.

g) La frontera de A es Fr(A) = A \ A.

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.
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:


a) 1x + 1x
1
> 0, d) x2 6 x,
b) x 5x + 9 > x,
2 e) x3 6 x,
c) x3 (x 2)(x + 3)2 < 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) |x x| > 1,
2 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


n(n+1)
Ejercicio 1.5. Demuestra por induccin que 1 + 2 + 3 + . . . + n = 2 , para cualquier n N.

14
El conjunto de los nmeros reales Ejercicios

Ejercicio 1.6. Demuestra que 1 + 1 + 2 + 22 + 23 + . . . + 2n = 2n+1 , para cualquier n N.

Ejercicio 1.7. Prueba que la suma de los cubos de tres nmeros naturales consecutivos es divi-
sible por 9.
n(n+1)(2n+1)
Ejercicio 1.8. Demuestra que 12 + 22 + 32 + . . . + n2 = 6 , para cualquier n N.

n2 (n+1)2
Ejercicio 1.9. Demuestra que 13 + 23 + 33 + . . . + n3 = 4 , para n N.

Ejercicio 1.10. Demuestra que 1


2 + 1
4 + 1
8 + ... + 1
2n1
1 para cualquier natural mayor o igual
que dos.

1.6.2 Ejercicios complementarios

Ejercicio 1.1. Calcula, si existen, el supremo, nfimo, mximo y mnimo de los siguientes con-
juntos
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.

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 + 1


xn+1
> xn + 1
xn , para cualquier natural n y cualquier real x
positivo distinto de uno.

Ejercicio 1.9. Probar que si x R \ {1}, entonces se verifica que


xn+1 1
1 + x + x2 + x3 + . . . + xn = , n N.
x1

Ejercicio 1.10. Demostrar que, dado un natural n, n es natural o irracional.

Ejercicio 1.11. Demostrar que 2 + 3 es irracional.

15
16
Introduccin al Anlisis Numrico Introduccin al Anlisis Numrico

Introduccin al Anlisis Numrico

2
2.1 Introduccin al Anlisis Numrico 17 2.2 Errores absolutos y relativos 18
2.3 Aritmtica de ordenador 20 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 pro-
blema 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 come-
tidos.
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. Nor-
malmente las suposiciones permiten trabajar con un problema matemtico resoluble que se sue-
le 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 (algorit-
mos) 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 Introduccin al Anlisis Numrico

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)x18)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
n(n+1)
es 2 . En cambio, si lo evaluamos usando

(. . . ((an x + an1 )x + an2 )x + + a1 )x + a0

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
Algoritmo se denomina algoritmo de Horner.
de Horner

2.2 Errores absolutos y relativos


Cuando aproximamos un nmero real existen dos indicadores de la precisin de dicha aproxi-
macin. En concreto:

Definicin 2.2. Sea un valor real y una aproximacin de ste. Se define entonces el
error absoluto como
erra = | |

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 2.1 0.1 0.05
210 -4 2.110 -4 0.110 -4 0.05
210 4 2.110 4 0.110 4 0.05

Tabla 2.1 Ejemplos de errores absolutos y relativos

18
Introduccin al Anlisis Numrico Errores absolutos y relativos

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 usual-
mente 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
Aritmtica de ordenador Introduccin al Anlisis Numrico

* 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?

2.3 Aritmtica de ordenador


Cuando hacemos clculos con un ordenador se suelen cometer errores debido a las aproxima-
ciones que se suelen hacer en dichos clculos y en cmo el ordenador almacena los nmeros que
aparecen. Estos ltimos errores se llaman de redondeo.

20
Introduccin al Anlisis Numrico Aritmtica de ordenador

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 repre-
sentacin 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 . . .).

2.3.2 Almacenamiento de nmeros reales

La limitacin del espacio en un ordenador obliga a que ste no pueda guardar todos los nme-
ros 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:

21
Aritmtica de ordenador Introduccin al Anlisis Numrico

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
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

22
Introduccin al Anlisis Numrico Estabilidad

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-
2
meros similares ( b 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.
En prcticas veremos cmo dos algoritmos matemticamente equivalentes no tienen por qu
tener la misma estabilidad cuando se trabaja con aritmtica de ordenador. Concretamente, estable-
ceremos 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.

23
Ejercicios Introduccin al Anlisis Numrico

2.5 Ejercicios
Ejercicio 2.1. Comprobar las siguientes propiedades de los sumatorios:
Xn n
X n
X
a) (ak + bk ) = ak + bk
k=1 k=1 k=1
n
X n
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:


100
X 99
X
a) (i 1)2 = i2 ,
i=1 i=0
100
X 100
X
b) (2 + k) = 202 + k,
k=0 k=0
100 100
100
X X X
c) k = k k2 ,
3

k=1 k=1 k=1


100
100 3
X X
d) k3 = k ,
k=1 k=1
100
X 100
X
e) k2 = k2 ,
k=0 k=1
100
X 99
X 99
X
f) k2 = k2 + 2 k + 100.
k=0 k=1 k=1

Ejercicio 2.3. Consideremos las funciones:


  x
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:
1 1x
a) para |x| mucho menor que 1.
1
r + 2x +x
1r
1 1
b) x + x para | x | mucho mayor que 1.
x x
1 cos(x)
c) para | x | mucho menor que 1, x 6= 0.
x

24
Funciones elementales Definiciones

Funciones elementales

3
3.1 Definiciones 25 3.2 Funciones elementales 32 3.3 Ejercicios 42

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, pode-
mos 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. Utiliza-


remos 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 preima-


gen 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).

25
Definiciones Funciones elementales

1
cos(x)

0 3 2 5 3
2 2 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 cual-
quier 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 sub-
conjunto 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 estricta-
mente que cero:
  # 3 5 "
f (]0, +[) = {x [0, 3] : cos(x) > 0} = 0,
1
, .
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.

26
Funciones elementales Definiciones

Ejemplo 3.5. Todos los ejemplos hasta ahora han tenido subcon-
juntos de R como dominio y codominio. Es por eso que todas las re-
presentaciones 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

cos x2 + y2
 Figura 3.2 Grfica de una
f (x, y) = . funcin de dos variables
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.

18 18
x2 x2
16 16

14 14

12 12

(-3,9) 10 (3,9) (-3,9) 10


8 8

6 6

4 4

2 2

4 3 2 1 0 1 2 3 4 4 3 2 1 0 1 2 3 4
2 2
No S
Figura 3.3 La funcin x2 es inyectiva?

27
Definiciones Funciones elementales

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.

2
exponencial

4 3 2 1 0 1 2 3 4 5 6 7

2 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.

28
Funciones elementales Definiciones

Ejemplo 3.8. Consideremos la funcin f (x) =


x2 +x+1, cul es su inversa? Como hemos 6 f (x) = x2 + x + 1
dicho, tenemos que resolver la ecuacin 5
y= x +x+1
2 4
3
considerando como incgnita x. Las solu-
ciones del polinomio x2 + x + 1 y = 0 2

son 1 g(x) = 1+ 4x3
2
p
1 1 4(1 y)
x= 3 2 1 0 1 2 3 4 5 6 7 8
2 1
p h(x) = 1 4x3
2
1 4y 3 2
= .
2 3
Las dos soluciones provienen del hecho de
que la funcin y = x2 + x+1 no es inyectiva. Figura 3.5 La funcin x2 + x + 1 y sus inversas
S es inyectiva en cualquiera de los interva-
los ] , 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 res-


pecto del eje OY. En otras palabras, si doblamos la hora por el
eje vertical, ambos mitades coinciden. Para conseguir el mis-
mo efecto con una funcin impar tienes que doblar primero
respecto por eje vertical y, en segundo lugar, por el eje hori-
zontal. 0

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. Figura 3.6 Funciones pares e
impares

3.1.4 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}

29
Definiciones Funciones elementales

Figura 3.7 Funcin peridica

Ejemplo 3.12. Las funciones seno y coseno son peridicas con periodo 2 (o cualquier mlti-
plo 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 fun-
cin. As surgen las nociones de funcin acotada y funcio- f(x)
nes acotadas superior o inferiormente. m

Definicin 3.13. Sea f : A R una funcin. Figura 3.8 Funcin acotada


a) Diremos que la funcin f est acotada superior-
mente 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 po-
demos decir lo mismo con respecto al mximo. Hay conjuntos que tienen supremo pero este no

30
Funciones elementales 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

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 in-
tuitiva que tenemos todos es que una funcin cre- 3
ciente es aquella que tiene una grfica ascendente.
2
En realidad eso es una funcin estrictamente cre-
ciente. Una funcin constante es creciente (y de- 1
creciente). La expresin correcta debera ser que
una funcin creciente es aquella cuya grfica no
baja. 0 1 2 3 4 5 6

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,

31
Funciones elementales Funciones elementales

3 3

2 2

1 f 1 g

0 1 2 3 0 1 2 3
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 expo-
nente 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.

4 f (x) = x2

1
g(x) = x

-2 -1 0 1 2 3 4 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.

32
Funciones elementales Funciones elementales

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
4
f (x) = e x
3
2
1 g(x) = log(x)

-4 -3 -2 -1 0 1 2 3 4 5 6 7 8
-1
-2
-3
-4

Figura 3.11 Funciones exponencial y logaritmo neperiano

3.2.3 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+
+
d)   = log(x) + log(y), x, y R .
log(xy)
e) log yx = log(x) log(y), x, y R+ .
f) log(xy ) = y log(x), x R+ , y R.
g) log(1) = 0, log(e) = 1.
Haciendo uso de la siguiente frmula se deducen las dems funciones elementales, excepto las
trigonomtricas

ab = elog(a ) = eb log(a) , a R+ , b R.
b

2 Usaremos indistintamente la notacin ln(x) y log(x) para indicar el logaritmo neperiano

33
Funciones elementales Funciones elementales

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).

3
g(x) = 1 f (x) = 2.5 x
2.5 x
2

-2 -1 0 1 2 3

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.
log(x)
g : R+ R, g(x) = loga (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 lim loga (x) = +.


x0 x+

c) Si a < 1, g es estrictamente decreciente y

lim loga (x) = +, y lim loga (x) = .


x0 x+

34
Funciones elementales Funciones elementales

f (x) = log(x)
2 g(x) = log0.5 (x)

0 1 2 3 4 5 6 7

-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 trigono-
metra
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 .

35
Funciones elementales Funciones elementales

Algunos valores destacados de seno y coseno

tan(x)
(cos(x),sen(x))

ngulo x

1 0.5 0 0.5 1

1 Funcin seno
0.5

0 3 2
0.5 2 2

1 Funcin coseno

Figura 3.14 Las funciones seno y coseno

Radianes Coseno Seno Tangente


0 1 0 0

/6 3/2 1/2 1/ 3

/4 2/2 2/2 1

/3 1/2 3/2 3
/2 0 1

2/3 1/2 32 3

3/4 2/2 2/2 1

5/6 3/2 1/2 1/ 3
1 0 0

Tabla 3.1 Valores de seno, coseno y tangente en los


dos primeros cuadrantes

36
Funciones elementales Funciones elementales


2
2
3 3

3 3
4 2 4

2
5 2
6 6
1
2


2 2
2 2

3 12 1

3 0
2 2 2

5 12 6
6 2
2
3

3 4
4 2
2 3
3
2

Figura 3.15 Crculo trigonomtrico

Teorema del coseno

c a
h = a sen()
h
rea= 21 bh
Teorema del coseno: c2 = a2 + b2 2ab cos()

b

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)

37
Funciones elementales Funciones elementales

2 0
2

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
1
tan0 (x) = 1 + tan2 (x) = .
cos2 (x)

3.2.8 Secante, cosecante, cotangente

Siempre que los respectivos denominadores no se anulen, se pueden definir las siguientes fun-
ciones
1
cosec : B R, cosec(x) = , x B
sen(x)
1
sec : A R, sec(x) = , x A
cos(x)
cos(x)
cotan : B R, cotan(x) = , x B,
sen(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)

38
Funciones elementales Funciones elementales

3.2.9 Inversas de funciones trigonomtricas

Funcin arcoseno

Esta funcin es la inversa de la restriccin de la funcin seno al in-


tervalo [ 2 , 2 ], y por tanto arcsen : [1, 1] [ 2 , 2 ] verifica que
Arcocoseno sen(arcsen(x)) = x, x [1, 1].
Adems, es una funcin biyectiva, continua y estrictamente cre-
ciente con
2

arcsen(1) = , arcsen(0) = 0, arcsen(1) = .
2 2
Por ltimo, es derivable en el intervalo abierto ] 1, 1[ con derivada
1 0 1
1
arcsen0 (x) = .
1 x2
2 Arcoseno

Figura 3.17 Arcoseno y


arcocoseno

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

Es la inversa de la restriccin de la funcin tangente al intervalo 2 , 2 y, por tanto,


i h

 
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 2 x+ 2
b) Es derivable en R y arctan0 (x) = 1
1+x2
.

39
Funciones elementales Funciones elementales


2

4

6 5 4 3 2 1 0 1 2 3 4 5 6
4
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) tan(y)
tan(x 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
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

40
Funciones elementales Funciones elementales

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:


e x ex e x + ex senh(x)
senh(x) = , cosh(x) = , tanh(x) =
2 2 cosh(x)
Por analoga con las funciones trigonomtricas hablaremos tambin de tangente, secante y co-
secante hiperblica.

4 3 2 1 0 1 2 3 4
1 Seno hiperblico

2 Coseno hiperblico

Figura 3.20 Funciones hiperblicas

41
Ejercicios Funciones elementales

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
1 + cosh(2x) 1 + cosh(2x)
senh2 (x) = , cosh2 (x) = .
2 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
a) y = x2x+2
c) y = x
1| x |

 2  
= +

b) y = log xx2 5x+6
+4x+6
d) y tan x 4


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
b) f (x) = log 1+x e) f (x) = sen (| x |)
1x
c) f (x) = e + e
x x f) f (x) = cos(x3 )

42
Funciones elementales Ejercicios

Ejercicio 3.4. 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.
  x
Ejercicio 3.9. Resuelve la ecuacin x x
= x .

Ejercicio 3.10. Simplifica las siguientes expresiones:


a) alog(log a)/ log a ,
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
ex
a) f (x) = 1 x3 b) f (x) = 1+e
3
x


Ejercicio 3.13. Hay algn valor de x e y para los que se cumpla que x+y= x + y?

Ejercicio 3.14. Hay algn valor de x e y para los que se cumpla que 1
x+y = 1
x + 1y ?

43
44
Sucesiones y series

45
46
Sucesiones de nmeros reales Definicin y propiedades

Sucesiones de nmeros reales

4
4.1 Definicin y propiedades 47 4.2 Sucesiones parciales 49 4.3 Monoto-
na 50 4.4 Sucesiones divergentes 53 4.5 Criterios de convergencia 54 4.6 Ve-
locidad 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 nme-
ros naturales en el conjunto de los nmeros reales, esto es,
N R,
n 7 xn .

Llamamos trmino general a xn y, usualmente, no mencionaremos la funcin sino slo la 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 su-
cesin: mediante una frmula general que nos permita ob-
tener todos los trminos de la sucesin o, por recurrencia, xn
o sea obtenemos cada trminon en funcin de los anterio-
es la sucesin 1, x +
o
1
res. Por ejemplo, la sucesin 2n1
nN
3, 5, 7,... Como puedes ver, sabemos todos los trminos x
de la sucesin. El que ocupa el lugar 53 es 105 . En cam- x
1

bio, la sucesin definida como x1 = 0, x2 = 1 y xn+2 =


1 2 3 n
xn+1 + xn conocida como sucesin de Fibonacci est de-
finida por recurrencia. Para calcular un trmino tenemos Figura 4.1 Lmite de una sucesin
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.


n n

47
Definicin y propiedades Sucesiones de nmeros reales

Ejemplo 4.4.
a) La sucesin constantes
n o son convergentes y su lmite es dicha constante.
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 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 superior-
mente 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. El recproco no es cierto. La sucesin {(1)n }nN est acotada pero no es con-
vergente.

4.1.2 lgebra de lmites


Despus de definir el lmite de una sucesin, los siguientes resultados relacionan su comporta-
miento 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(3n4 2n + 7) log n4 (3 n23 + n74 )
lim = lim
n log(2n2 + 2n 1)
 
n log n2 (2 + 2 1 )
n n 2
 
log(n ) + log 3 n23 + n74
4
= 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 de nmeros reales Sucesiones parciales

dividimos por log(n) numerador y denominador

4
= = 2.
2

4.1.3 Convergencia y orden

En esta seccin vamos a hacer relacionar convergencia y or-


den. 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 verifi-
can la desigualdad. Es suficiente con que, por ejemplo, para
los trminos pares o los impares tengamos la desigualdad. x
y
Proposicin 4.11. Sean {xn } e {yn } dos sucesiones convergen-
tes. Supongamos que el conjunto {n N : xn yn } es infinito. 1 2 3 n
Entonces lim xn lim yn .
n n Figura 4.2 El orden se conserva al to-
mar lmites

Proposicin 4.12 (Regla del sandwich). Sean {xn }, {yn } y {zn }


sucesiones de nmeros reales verificando que
a) lim xn = lim zn y que
n n
b) xn yn zn , para cualquier n natural.
Entonces {yn } es convergente y lim xn = lim yn = lim zn .
n n n

Ejemplo 4.13. Vamos a calcular el lmite


1 2 n 1 2 3 n
lim + + + .
n n2 n n2 n n2 n Figura 4.3 Lmites y sucesiones en-
Usando que cajadas
1 m n
2 2
n2 n n n n n
para cualquier natural m entre 1 y n, podemos acotar superior e inferiormente la sucesin:
1 1 2 n n
n 2 + 2 + + 2 n 2 , n N.
n2 n n n n n n n n n
Como nuestra sucesin est encajada entre dos sucesiones que tienden a cero, se tiene que
1 2 n
lim + 2 + + 2 = 0.
n n2 n n n n n

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 Sucesiones de nmeros reales

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.

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 }.

0 2 4 6 8 10 12 14 16 18 20
1
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 me-
nores. En otras palabras, siempre podemos elegir una sucesin parcial montona.
Proposicin 4.19. Toda sucesin tiene una parcial montona.

50
Sucesiones de nmeros reales Monotona

Cul es el inters de las sucesiones montonas? Son ms


fciles de estudiar. Por ejemplo, la convergencia de las su-
cesiones montonas se reduce al estudio de su acotacin.
Sucesiones
Proposicin 4.20. Una sucesin montona es convergen- Acotadas
te si, y slo si, est acotada. De hecho, si {xn }nN es una
sucesin creciente y acotada se tiene que Convergentes

lim xn = sup {xn : n N} . Montonas


n

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. Vamos a estudiar la convergencia de la Figura 4.5 Distintos tipos de sucesiones
sucesin
p
x1 = 1, xn+1 = 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 compro-
bamos 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. Toman-
do lmites

1 5
xn+1 = xn + 1 = x x 1 = 0 = x =
2 2
.
2

Como {xn } es creciente y el primer trmino es 1, la nica posibilidad que cabe es que x =1+ 5
2 .
E Ejemplo 4.22. Consideremos la sucesin {xn }nN definida por recurrencia como x1 = 32 y
3xn+1 = 2 + xn para cualquier natural n. Estudia si {xn }nN es convergente y, caso de que lo sea,
3

calcula su lmite.
a) Si calculas algunos trminos de la sucesin, parece que la sucesin es creciente. Vamos a com-
probarlo por induccin.
i) x1 = 23 x2 = 24
11
.
ii) Supongamos que xn xn+1 para un natural n, entonces

51
Monotona Sucesiones de nmeros reales

2 + xn3 2 + xn+1
3
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
2 + xn3 2 + 1
xn+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 = 12 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:
1 xn2 + a a xn2
!
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
a2 a2
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+ L = a.
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 de nmeros reales Sucesiones divergentes

Teorema 4.24 (de Bolzano-Weierstrass). Toda sucesin acotada tiene una parcial conver-
gente.

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 trmi-
nos 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 negati-
vamente 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
+, si x > 1,

lim xn =
n 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
Criterios de convergencia Sucesiones de nmeros reales

lo que contradice que L sea el supremo.


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

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.
Proposicin 4.29 (Criterio de Stolz). 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+1 xn xn
b) Si lim = + , entonces lim = +.
n yn+1 yn n 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
lim .
n n3
Aplicando el criterio de Stolz, tenemos que estudiar
(12 + 22 + + n2 + (n + 1)2 ) (12 + 22 + + n2 ) (n + 1)2 1
lim = lim = .
n (n + 1) n
3 3 n 3n + 3n + 1
2 3
12 +22 +32 ++n2
Por tanto, limn n3
= 13 .
Proposicin 4.31 (Criterio de la raz). 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

n = 1.
Ejemplo 4.32. Aplicando el criterio de la raz, limn n n = 1 ya que limn n+1
Proposicin 4.33 (Regla del nmero e). Sea {xn }nN una sucesin de nmeros reales conver-
gente 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 n
y
c) lim yn (xn 1) = lim xnn = 0.
n n

n2 n+3 n+3
 
Ejemplo 4.34. Calcular limn n +2n2
2 .

54
Sucesiones de nmeros reales Criterios de convergencia

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

n2 n + 3 n2 n + 3 n2 + 2n 2
! !
lim (n + 3) 2 1 = lim (n + 3) 2
n n + 2n 2 n n + 2n 2 n2 + 2n 2
(n + 3)(3n + 5)
= lim = 3.
n n2 + 2n 2
n n o
Ejemplo 4.35. La sucesin 1 + 1n es creciente y tiene lmite e.
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=0
k nk
1 n(n 1) 1 n(n 1)(n 2) 1 n(n 1) 2 1 1
=1+n + 2+ 3 + + n
n 2! n 3! 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!
Es fcil imaginar cul es el trmino siguiente:
!n+1 ! ! ! !
1 1 1 1 2 3 1
1+ =1+1+ 1 + 1 1 1 +
n 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!
! ! !
1 2 n1 n  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 1 ,
n n+1
! ! ! !
1 2 1 2
1 1 1 1 ,
n n n+1 n+1
y as sucesivamente.
Uniendo estos dos apartados, obtenemos la desigualdad que estbamos buscando, esto es, que
n 
1 n+1
 
1 + n1 1 + n+1 .

55
Velocidad de convergencia Sucesiones de nmeros reales

El clculo del lmite es fcil utilizando la Proposicin 4.33 (la regla del nmero e):
!n !
1 1
lim 1 + = eL lim n 1 + 1 = L,
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 suce-
siones es
1
n2 1
lim = lim = 0,
n 1 n n
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


| an l |
lim = 0.
n | bn m |

n 1/n 1/n2
1 1.0 1.0
2 0.5 0.25
3 0.3333333333333333 0.1111111111111111
4 0.25 0.0625
5 0.2 0.04
6 0.1666666666666667 0.02777777777777778
7 0.1428571428571428 0.02040816326530612
8 0.125 0.015625
9 0.1111111111111111 0.01234567901234568
10 0.1 0.01

Tabla 4.1 Primeros trminos


de las sucesiones 1/n y 1/n2

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,

56
Sucesiones de nmeros reales Ejercicios

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


| an |
lim = 0.
n | 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 +2n+1
n 2 o
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 .

Ejercicio 4.2. Sea a un nmero real positivo y definamos x1 = a, xn+1 = 1+x xn


n
para n N. Probar
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.

E 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.

E Ejercicio 4.5. Se define la sucesin {xn } por recurrencia como x1 = 1, xn+1 = 1 + 2xn 1.
Calcula limn xn y limn xxn+1n
.

E Ejercicio 4.6. Sea {xn }nN la sucesin definida por recurrencia como x1 = 1
2 y xn+1 = xn2 + 4
25 .
a) Demuestra que 15 < xn < 45 para cualquier natural n.
b) Demuestra que {xn }nN es decreciente.
c) Calcula su lmite.
q
xn2 +a
Ejercicio 4.7. Sea a R, a > 1. Estudiar el comportamiento de la sucesin x1 = a, xn+1 = 2
para todo n N.

57
Ejercicios Sucesiones de nmeros reales

4.7.2 Criterios de convergencia

Ejercicio 4.8. Estudia la convergencia de las siguientes sucesiones y calcular su lmite cuando
exista.
1 + 24 + 34 + + n4 1 + 1/2 + 1/3 + + 1/n
( ) ( )
a) c)
n5 n
1! + 2! + 3! + + n! 1 + 3 + 5 + + (2n 1) 2n + 1
( ) ( )
b) d)
n! n+1 2

Ejercicio 4.9. Calcula el lmite de las siguientes sucesiones


3
( ) n
a)
log(1 2 n)
,

1 + 2 + 3 + . . . n

c)

n log(n)
n 2




2
n n

b)


1 + 2 2 + 3 3 + . . . + nn

Ejercicio
( ) 4.10. Estudia la convergencia de las siguientes
n sucesiones:
1 2 4 6 2n

a) n

d)

n! n+1




( )
1 pn
b) (3n + 1)(3n + 2) (3n + n)
nr
1 n (2n)!


c)

n
n!

Ejercicio 4.11. Calculael lmite de las siguientes sucesiones.


!n2 +56n+5
c) 1 + log(n + 1) log(n) n
 
1
1+ 2

a)

n +1




n 2 +5
n2 5n + 6 n+2

!

b)


n 2 + 2n + 1


Ejercicio 4.12. Calcula el lmite de las siguientes sucesiones.


+ + . . . + log(n + 1)!
1

1
( )
1 2 n b)

a)


log(n)


log(n + 1)n

Ejercicio 4.13. Calcula el lmite de( las siguientes sucesiones.


1
!)
1 cos( n2 + 1) log(n)

n+1
! 1+log(n)
b) sen

c)

a)

n2 + n + 5


n
n


Ejercicio
s 4.14. Calcula el lmite de las siguientes sucesiones.


n!


log(n!)

b)

n
a)

1 + 2 + . . . + n

(2n)
n+1


E Ejercicio 4.15. Calcula el lmite de la sucesin

58
Sucesiones de nmeros reales Ejercicios

(n+1)n

32 43
1 + + + +

2

2 32 nn1
.


n2





E Ejercicio 4.16. Calcula el siguiente lmite


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

4.7.3 Ejercicios complementarios

Ejercicio 4.1. Sea a 1. Estudia la convergencia de la sucesin definida por recurrencia como
x1 = a, xn+1 = 1 1 xn .

E 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 o 4.3. Estudiar la convergencia de las siguientes
n n osucesiones:
a) 2nn , b) 23n +n
n .

Ejercicio 4.4. Sea {an } una sucesin de nmeros reales positivos convergente. Estudiar la con-
vergencia de la sucesin
a1 + a22 + . . . + ann
( )
.
log(n)
n a a /2
+...+ean /n n
Ejercicio 4.5. Calcular el lmite de la sucesin e 1 +e 2log(n+1)
o
, donde {an } es una sucesin
convergente de nmeros reales positivos.
4 n
  
Ejercicio 4.6. Calcular el lmite de la siguiente sucesin de nmeros reales 5(1+2 +3n5 +...+n ) .
4 4

E Ejercicio 4.7. Calcula el siguiente lmite


   
cos(1) + cos + + cos
1 1
n
n
2
lim .
log n3 + 1

n

Sean a, b R+ ; estudiar el carcter de la sucesin (an + bn )1/n .


n o
Ejercicio 4.8.

59
60
Series Definicin y propiedades

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 con-
vergencia 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, efectivamen-
te, 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 concre-
tos, 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 suce-
sin {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
X
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
Definicin y propiedades Series

n
X
X
lim a1 + a2 + + an = lim ak = ak .
n n
k=1 k=1

La principal dificultad para estudiar la convergencia de una serie es que normalmente no dispo-
nemos 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
k1
2n
calcular
1 1 1
lim + + + n .
n 2 4 2
Los trminos de la sucesin de sumas parciales son

n sumas parciales sn
1 1
1 2 2

2 1
2 + 1
4
3
4

3 1
2 + 1
4 + 1
8
7
8

4 1
2 + 1
4 + 1
8 + 1
16
14
16
...
n 1
2 + 1
4 + 21n 1 1
2n

1 1 1 1
Por tanto, lim + + + n = lim 1 n = 1.
n 2 4 2 n 2
1 1 1
2 4 8 ...

0 1

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 Ejemplo 5.3. Una progresin geomtrica de razn r es una sucesin de la forma
geomtricas
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 Definicin y propiedades

n
X n
X n
X
(1 r) rk = rk r rk = 1 rn+1
k=0 k=0 k=0

de donde se deduce que


n
X 1 rn+1
a + ar + ar + + ar = a
2 n
rk = a . (5.1)
k=0
1r

1
1 1 1 2n+1
1 2n+1 1 1
Por ejemplo, 1 + + 2 + . . . + n = 1 = n
= 2 n.
2 2 2 2 1
2 2
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 = si r = 1,

1,

n

no existe, en otro caso.

Por tanto,

X 1 rn+1 a
ark = lim a =
k=0
n 1r 1r

si, y slo si, | r | < 1.


Estamos dando una definicin de suma de infinitos nmeros. La primera condicin parece inme-
diata: los nmeros que sumemos tienen que ser pequeos (cercanos a cero) si no queremos que el
resultado final se dispare. Condicin necesa-
X 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 X
An+1 = a1 + a2 + + an + an+1 an
n=1

n X
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 La serie armnica
embargo, esta condicin no es suficiente. El trmino general de la serie 1n , usualmente llamada no es convergente
P
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 +1 2
1 n 1 n
1 + + z}|{
... + = 1 + .
2 2 2

63
Definicin y propiedades Series

+
X 1
Como consecuencia = +.
n=1
n
b) Tambin podemos usar el Ejercicio 4.11. Recordemos que
1+ 1
2 + 31 + + 1
lim n
=1
n log(n)
1 1 1
y que, por tanto, lim 1 + + + + = +.
n 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?

1 1
f (x) = 1
x f (x) = 1
x

0.5 0.5

0 1 2 3 ... n1 n 0 1 2 3 ... 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)
1 x 2 3 n2 n1
e inferiormente
Z n
1 1 1 1 1 dx
+ + + + + = log(n) . (5.3)
2 3 3 n1 n 1 x
De la desigualdad (5.2), obtenemos que
1 1 1 1
log(n + 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,
1 1 1 1
log(n + 1) 1 + + + + + 1 + log(n) .
2 3 n1 n
Como la funcin logaritmo diverge positivamente en +, obtenemos que la serie no es con-
vergente, 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 cono-
cemos 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. Enton-
n1 n1 Linealidad
X
ces la serie (an + bn ) es convergente y
n1

X
X
X
(an + bn ) = an + bn .
n=1 n=1 n=1

Trabajando con sucesiones es inmediato comprobar (de hecho, ya lo hemos usado en varias oca-
siones) 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 convergen-
cia de ambas est tambin muy relacionada.

X 5.7. Sea {an } una sucesin de nmeros reales


Proposicin X y k un nmero natural fijo. Entonces
la serie an es convergente si, y slo si, lo es la serie an+k . Adems, caso de que sean conver-
n1 n1
gentes, se cumple que

X k1
X
X
an = an + an+k ,
n=1 n=1 n=1

o lo que es lo mismo,

X k1
X
X
an = an + an .
n=1 n=1 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
: N N, la serie a(n) es convergente y
P


X
X
an = a(n) .
n=1 n=1

Observacin 5.9. La convergencia incondicional de una serie es el anlogo a la propiedad con-


mutativa 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
Criterios de convergencia para series de trminos no negativos Series

P
Teorema 5.10 (de Riemann). 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 direc-


tamente. 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.

Teorema 5.11 (Criterio de comparacin). 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 absoluta-


mente convergentes son convergentes, esto es, una de las implicaciones del teorema de Riemann.
El recproco del criterio de comparacin no es cierto.
n
Ejemplo 5.12. La serie (1)
P
n es convergente pero no absolutamente convergente.
n
Dado que la serie (1)
P
n no es incondicionalmente convergente, si la sumamos en distinto
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 (Teorema de Riemann). Sea an una serie convergente pero no absoluta-
mente convergente. Dado un nmero real x cualquiera, existe una biyeccin : N N tal

X
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.
Proposicin 5.14 (Criterio de comparacin por paso al lmite). Sean {an }, {bn } sucesiones
de nmeros reales verificando an 0, y bn > 0. Entonces se verifican las siguientes afirmaciones:
an
= L 6= 0 entonces, an converge bn converge.
P P
a) Si lim
n bn
an
= 0 entonces, bn converge =
P P
b) Si lim an converge.
n bn
an
= + entonces, an converge =
P P
c) Si lim bn converge.
n bn

Ejemplo 5.15. Las series n12 y 3n2 n+7


P P 1
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 3n2 n + 7
lim 1
= lim = 3.
n n n2
3n2 n+7

66
Series Criterios de convergencia para series de trminos no negativos

Por ahora no sabemos si ambas series son convergentes o no (dentro de poco veremos que s lo son)
pero s podemos aplicarlo a otras series. Por ejemplo, 2n1n y 21n tiene el mismo carcter. Como
P P
P 1 P 1
sabemos que 2n es convergente, tambin lo es 2n n . 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 (Criterio de la raz o de Cauchy). Sea {an } una sucesin de nmeros positi-
vos.

a) Si n an L < 1, entonces an es convergente.
P
n P
b) Si an 1, entonces an no es convergente.
Corolario 5.17. Sea {an } una sucesin de nmeros positivos.

a) Si lim n an = L < 1, entonces an es convergente.
P
n

b) Si lim n an > 1, entonces an no es convergente.
P
n
P  n 2n+1
Ejemplo 5.18. Vamos a estudiar la convergencia de la serie 7n+3 utilizando el criterio de
la raz. Para ello calculamos el lmite
r  n  2n+1
n n 2n+1 n 1
lim = lim = 2.
n 7n + 3 n 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 (Criterio del cociente o de DAlembert). Sea {an } una sucesin de nmeros
positivos.
a) Si aan+1 L < 1, entonces an es convergente.
P
n
b) Si aan+1
P
n
1, entonces an no es convergente.
Corolario 5.20. Sea {an } una sucesin de nmeros positivos.
an+1
< 1, entonces an es convergente.
P
a) Si lim
n an
an+1
> 1, entonces an no es convergente.
P
b) Si lim
n an
P 2n2
Ejemplo 5.21. Vamos a estudiar la convergencia de la serie 2n +3 utilizando el criterio del co-
ciente.
2(n+1)2
2(n + 1)2 2n + 3 1
lim 2 +3
n+1
= lim = .
n 2n2 n 2n2 2n+1 + 3 2
2n +3

Como el lmite es menor que uno la serie es convergente.


Proposicin
 5.22 (Criterio de Raabe). Sea {an } una sucesin de nmeros positivos.
a) Si n 1 an L > 1, entonces la serie an es convergente.
an+1 P
 
b) Si n 1 aan+1
P
n
1, entonces la serie an no es convergente.
Corolario 5.23. Sea !{an } una sucesin de nmeros positivos.
an+1
> 1, entonces la serie an es convergente.
P
a) Si lim n 1
n an !
an+1
< 1, entonces la serie an no es convergente.
P
b) Si lim n 1
n an

67
Criterios de convergencia para series de trminos no negativos Series

Ejemplo 5.24. Vamos a estudiar la convergencia de la series cuyo trmino general es


(2n)! 1
an = .
n! n! (2n + 1) 22n
Aplicamos, en primer lugar, el criterio del cociente.
(2n+2)! 1
an+1 ((n+1)!)2 (2n+3) 22n+2
lim = lim (2n)!
n an n 1
(n!)2 (2n+1) 22n
(2n + 2)(2n + 1)(2n + 1)
= lim
n 4(n + 1)(n + 1)(2n + 3)

(2n + 1)2
= lim
n 2(n + 1)(2n + 3)

4n2 + 4n + 1
= lim = 1.
n 4n2 + 10n + 6

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 = lim n 1 2
n an n 4n + 10n + 6
6n2 + 5n 6
= lim = > 1,
n 4n + 10n + 6
2 4
y, por tanto, el criterio de Raabe nos dice que la serie es convergente.
Proposicin 5.25 (Criterio de condensacin). 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 .
X 1
Ejemplo 5.26. Vamos a estudiar la convergencia de la serie , con a R.
Serie armni- n1
na
ca generalizada 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 n
condensacin: las series n1a y (22n )a tienen el mismo comportamiento. Como
P

X 2n X 1
= ,
(2n )a 2(a1)n
aplicamos el criterio de la raz:
r
1 1
= < 1 a > 1.
n

2(a1)n 2a1
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.

68
Series Otros criterios

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:

na es convergente si, y slo si, a > 1.


P 1
Proposicin 5.27.
1
Por ejemplo, si comparamos na con an tenemos que estudiar el cociente
an
1
= na an .
na

El siguiente resultado recoge las diferentes posibilidades que se pueden presentar.


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

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, Criterio de Diri-
chlet
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 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 (Criterio de Leibniz). Sea {xn } una sucesin de nmeros reales no negativos.
Si la sucesin {xn } es decreciente a cero, entonces la serie alternada (1)n xn es convergente.
P

Ejemplo 5.31. La serie alternada (1)n 1n , que ya comentamos en el Ejemplo 5.12, es conver-
P
gente porque n1 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 ma-
yora 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. Hasta ahora
X slo Xhemos 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 n0

69
Suma de series Series

5.5.1 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,
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


X 1
Ejemplo 5.34. Vamos a calcular el valor de
n=1
n(n + 1)
Como 1
n(n+1) = 1
n 1
n+1 ,
las sucesin de sumas parciales es
n n ! ! !
X 1 X 1 1 1 1 1 1 1 1 1
= = + + ... + =1 ,
i=1
i(i + 1) i=1 i i + 1 1 2 2 3 n n+1 n+1

X 1 1
con lo que = lim 1 = 1.
n=1
n(n + 1) n n+1

5.5.2 Series geomtricas


La serie rn se puede sumar utilizando que conocemos sus sumas parciales, como ya hicimos
P
en el Ejemplo 5.3. Sabemos que
n
X rn+1 1
rk =
k=0
r1

y tomando lmites cuando n tiende a infinito obtenemos el siguiente resultado.



X 1
rn es convergente si, y slo si, | r | < 1. En ese caso rn =
P
Proposicin 5.35. La serie .
n=0
1r
Demostracin. Slo hay que usar la frmula de la suma de una progresin geomtrica que vimos
en el Ejemplo 5.3:
n
X X rn+1 1 1
rn = lim rk = lim = ,
n n r 1 1r
k=0 k=0

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 4 X 1 4
n
=4 n
= = 5.
n=0
5 n=0
5 1 15

70
Series Suma de series

Si la serie no comienza en n = 0,

X 1 X 1 1X 1 1 1 1
n
= [m = n 2] = m+2
= m
= 1
= .
n=2
2 m=0
2 4 m=0 2 4 1 2
2

5.5.3 Series aritmtico-geomtricas

Las series aritmtrico-geomtricas son series de la forma p(n)rn , donde p es un polinomio.


P
Para calcular su suma, transformamos la serie en otra en la que el grado del polinomio es menor
n=0 p(n)r = S , entonces
hasta obtener una serie geomtrica. Si
P n


X
X
(1 r)S = p(n)rn p(n)rn + 1
n=0 n=0

X
= 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
h
X i
X
(1 r)S = (n2 n) ((n 1)2 (n 1)) rn = 2nrn ,
n=1 n=1

o, lo que es lo mismo,

2 X n
S = nr .
1 r n=1


X
Repetimos el proceso anterior, si S 1 = nrn , entonces
n=1

X 1 r
(1 r)S 1 = r + [n (n 1)]rn = r + 1r = .
n=2
1r 1r

Por tanto,

X 2 r 2r
(n2 n)rn = = .
n=0
1 r 1 r (1 r)2

5.5.4 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.

71
Ejercicios Series

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 = 1
n N obtenemos que

1+n
! !
1 1
log(1 + n) log(n) = log = log 1 + <
n n n

y que

1 !
1 1
= n < log 1 +
n+1 1+ 1
n
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
(1)n+1 an es convergente, o sea que existe el lmite
P

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



n n
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 Este lmite recibe el nombre de constante de Euler-Mascheroni y se denota por :
Euler-Mascheroni
1 1 1
= lim 1 + + + + log(n).
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 n+1 n P nn
a) d) 2
3n1 e(n +1)
P  n 2n1  n2
b) 1 + n1
P
3n2 e)
P nn
c) (2n+1)n

72
Series Ejercicios

Ejercicio 5.2. Aplicar el criterio del cociente para estudiar la posible convergencia de las si-
guientes series:
P 1 P 258(3n1)
a) n2n  d)
P1 2 n P 159(4n3)
2n n!
b) n 5 e) nn
P (n+1)n
c) 3n n!

Ejercicio 5.3. Aplicar el criterio de comparacin para estudiar la posible convergencia de las
siguientes series:
P log(n) P 1
a) e)
b)
P 1

n
P (2n1)2n
f) 1
n(n+1) n
P 1 P 3 n
c) g)
P 2n1
1 (n+1) n
d) 2n 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) n(log(n))2
P 1
c) n(log(n)) log(log(n))

Ejercicio 5.5. Discutir la convergencia de las siguientes series de nmeros reales:


P 2n P n2
a) d) 2
P nn+1 P (3n1)
b) e) 3n1

P 2n+11 n
( 2)
c) n2 log(n)

Ejercicio 5.6. Discutir la convergencia de las siguientes series de nmeros reales:


P1 P  3n n
a) d)
P n! 1 3n+1
P n2
b) (3n2)(3n+1) e)
P 2n+1 4(n1)
c) 2
(n+1) (n+2) 2

Ejercicio 5.7. Estudiar la convergencia de las series  


P n3 P n+1 n
a) en e) n2
P  2n+1  n2 P 135(2n1)
b) f)
3n+1
P (n!)2 P 246(2n+2)
2462n
c) g) 579(2n+3)
(2n)!
P 2n
d) 135(2n+1)

Ejercicio 5.8. Discutir la convergencia de las siguientes series


 2 de nmeros reales:
a) (1)n n+1 20n
d) log nn2 +3
P P
+2
P  135(2n1) 2 P 3 n log(n)
b) e)
2462n
P n +1
2
 
c) log 1 + n 1 f) (1)n en
P

E Ejercicio 5.9. Estudia el carcter de las siguientes series:


P  2n+1 n2
a) 2n+5 .

73
Ejercicios Series

P 1+log(n)
b) nn .

E Ejercicio 5.10. Estudiar, segn los valores de a > 0 la convergencia de las siguientes series:
P an
a)
P na
b) an na

5.6.2 Suma de series


Ejercicio 5.11. Suma, si es posible, las siguientes series

X 15
a)
n=0
10n

X 1
b)
n=1
2n(n + 1)

X (1)n
c)
n=2
3n

Ejercicio 5.12. Suma, si es posible, las siguientes series



X 1
a)
n=0
(n + 3)(n + 4)

X 1
b) n+3
n=1
2

X 2n + 3n
c)
n=1
5n
2
X n +n+1
Ejercicio 5.13. Suma la serie de nmeros reales
n=1
n!

5.6.3 Ejercicios complementarios

5.6.4 Convergencia de series numricas


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  1 log(n) c) (1)n+1 n1
P
a) log(n) 10
P 1
1+tan( 1n )
 
P
b) log 1tan( 1 ) d)
n 3 nn
n

Ejercicio 5.3. Estudiar la convergencia de las siguientes series:


a) log n n+1
P 2 P log(1+n2 )
2 d) 1+n2
P   1 n3 P (log(n+1)log(n))3
b) cos n e) (log(n))2
2
P (1+ 1n )n n!
c) (2n)n

Ejercicio 5.4. Estudiar la convergencia de las siguientes series:

74
Series Ejercicios

2 P  1  
(1)n+1 (log(n)) e) sen n tan 1n
P
a)
P n2 Pq
1/n 23(n+2)
b) 1e f) 56(n+5)
P 1
c) n(1+ 12 ++ n1 )
 
d) sen n1
P

Ejercicio 5.5. Estudiar la convergencia de las siguientes series:


P 2n P sen( 1n )
a) sen(n) c)
P n!  (1)n  n
b) sen n2
P n
Ejercicio 5.6. Sea a un nmero positivo. Estudiar la convergencia de la serie log(a + n1 ) .

Ejercicio 5.7. Estudiar la convergencia de las series


P  n3
a) n sen 1n ,
  n 2
1 + 1n en ,
P
b)
  n2
n log 1 + 1n
P
c) ,
  
P 1
d) log n sen n .

P (n!)2
Ejercicio 5.8. Discutir la convergencia de la serie segn los valores de k N.
E (kn)!

Ejercicio 5.9. Probar que limn 1


n + 1
n+1 + ... + 1
2n = log(2).

5.6.5 Suma de series

Ejercicio 5.10.
 Suma
 las series de nmeros reales:
X log 1 + 1n
a)
log (n + 1)log(n)

n=2

X (n 1)!
b)
n=1
(n + 3)!


X 1
Ejercicio 5.11. Sumar la serie de nmeros reales .
n=1 (n + 1) n + n n + 1

X 1
Ejercicio 5.12. Calcular la suma de la serie
n=1
n2 + 2n


X 1
Ejercicio 5.13. Probar que = 2 log(2) 1.
n=1
4n3n

3
X n +n+1
Ejercicio 5.14. Sumar la serie de nmeros reales
n=1
n!

75
76
Continuidad y derivabilidad

77
78
Lmites y continuidad Lmite funcional

Lmites y continuidad

6
6.1 Lmite funcional 79 6.2 Lmites infinitos y en el infinito 81 6.3 Clcu-
lo 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 n n

Para que esto valga como definicin de lmite, slo tenemos que garantizarnos que existan suce-
siones 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 Lmites y continuidad

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 !
f lim xx0 f (x)
c) si lim g(x) 6= 0, se cumple que lim (x) = .
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 ima-
gen 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 habla-
remos 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

b) Si x0 es un punto de acumulacin de A+
= {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 xx0
b) Si x0 (A )0 y x0 / (A+ )0 , entonces lim f (x) = L lim f (x) = L.
xx0 xx0
c) Si x0 (A+ )0 (A )0 , entonces lim f (x) = L lim+ f (x) = lim f (x) = L.
xx0 xx0 xx0

80
Lmites y continuidad 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 n n

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 sucesio-
nes.
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) = 1
1x
f (x) = 1
| 1x |

3 2 1 0 1 2 3 4 5 6

3 2 1 0 1 2 3 4 5 6

La funcin f (x) = | 1x
1
| tiene La funcin f (x) = 1x
1
tambin
una asntota vertical en x = 1 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 Lmites y continuidad

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 )) (x0 + T, f (x0 + T )) (x0 + 2T, f (x0 + 2T ))

(y0 , f (y0 )) (y0 + T, f (y0 + T )) (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 n

Cundo una funcin tiene lmite en + o solemos decir que la funcin tiene una asntota
horizontal. Por ejemplo, como
2x + 3 sen(x)
lim = 2,
x+ x

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
Lmites y continuidad 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 ejem-
plo el lmite de una suma es la suma de los lmites. A estas situaciones las llamamos indetermina-
ciones 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 indetermina-
cin.
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 fcil-
mente 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
! x3
x2 + 2x + 1
Ejemplo 6.16. Calcula lim .
x+ x2 x + 3

83
Continuidad Lmites y continuidad

! x1
x2 + 2x + 1 x2 + 2x + 1
!
lim =e L
lim (x 3) 2 1 = L.
x+ x2 x + 3 x+ x x+3
Resolvamos este segundo lmite:
x2 + 2x + 1
!
(x 3)(3x 2)
lim (x 3) 1 = lim = 3.
x+ x2 x + 3 x+ x2 x + 3
! x3
x2 + 2x + 1
Por tanto, lim = e3 .
x+ x2 x + 3
Proposicin 6.17 (Escala de infinitos). Sea a R+ , entonces
log(x) xa ex
lim = lim = lim = 0.
x+ xa x+ e x x+ x x

Ejemplo 6.18. Vamos a comprobar que lim x1/x = 1.


x+
Tomando logaritmos,
log(x)
lim x1/x = eL lim = L,
x+ x+ 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. Enton-
ces
!
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
2
e1/x
lim+
x0 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
e1/x y3
lim+ = lim = 0,
x0 x3 y+ ey2

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
Lmites y continuidad 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. Compa-
rndolas, 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 im-
portancia en el caso de funciones definidas en intervalos ya que todos los puntos son de acumu-
lacin. 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 | tam-
bin 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 Lmites y 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 continui-

f (x) =
( 2 2
dad de una funcin definida a trozos. Por ejemplo, cuando decimos que la funcin
x , si x 0,
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
1

3 2 1 0 1 2 3
f 1
3 2 2
1 0 1 2
Figura 6.4 Carcter local de la continuidad
f 1
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

2
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
Lmites y continuidad 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) (a, f (a))

f (a)
f
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 Lmites y continuidad

a c (b, f (b))

(a, f (a)) b

Figura 6.6 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 to-
1 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, suponga-
0 a b a b
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 ima-
gen puede ser un conjunto mayor. El ingrediente que falta para
resolver este problema es la monotona de la funcin.

88
Lmites y continuidad 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 mon-
tona, 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 Lmites y continuidad

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

Ejemplo 6.38. Sea f : [0, 1] R la funcin definida por f (x) = 1+x


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],
x y
f (x) f (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 siguien-
te 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

La definicin de funcin estrictamente montona nos dice que puntos del


3 dominio distintos tienen imgenes distintas. En particular, las funciones
estrictamente montonas son inyectivas. El recproco no es cierto en ge-
2
neral. Hay funciones inyectivas que no son montonas. Por ejemplo, la
1 f funcin f : [0, 3] R definida como
x, si 0 x < 2,

f (x) =
0 1 2 3 5 x, si 2 x 3,
no es creciente ni decreciente. Tampoco es difcil conseguir un ejemplo
3
con funciones continuas: eliminemos los puntos de discontinuidad de la
2 funcin f . Considera la funcin g : [0, 1] [2, 3] R definida como
x, si 0 x < 1,

1 g g(x) =
5 x, si 2 x 3,
Como puedes ver, para la inyectividad no es una condicin suficiente
0 1 2 3
para probar monotona si consideramos funciones que no sean continuas
Figura 6.8 Mono- o que no estn definidas en intervalos. En otro caso, el resultado es cierto.
tona e inyectividad
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
Lmites y continuidad Ejercicios

42
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
b) lim x0 ,
+2x +x
3x 3 2
x1
c) lim x1 | x1 ,
|
x1
d) lim x1 | x1 | ,

Ejercicio 6.3.
Calcular los siguientes lmites
1+x 1x
q
a) lim x0
x d) lim x+ x+ x x
b) lim x0 1+x1
1x1
c) lim x0 3 2x+3
26+x3

Ejercicio 6.4. Calcular los siguientes lmites


a) lim x0 x|2x+x| d) lim x0 1
221/x
x2 1 e) lim x0 1
b) lim x1 | x1 | e1/x +1
lim x2 x x+x+6
2
c) 2 4

6.7.2 Lmites y continuidad

Ejercicio 6.5. Sean f, g : R R las funciones definidas por


a)
, si x 6= 0
1

1+e1/x

f (x) =


si x = 0

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, +.
sen(x)
Ejercicio 6.7. Sea f : 0, 2 R la funcin definida por f (x) = tan(x)
i h 
1
. Probar que f tiene
lmite en los puntos 0 y 2 y calcular dichos lmites.

Ejercicio 6.8. Sea f : 0, 2 R la funcin definida por f (x) = (1 + sen(x))cotan(x) . Estudiar la


i h

continuidad de f y su comportamiento en 0 y /2.

91
Ejercicios Lmites y continuidad

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. Demos-
trar 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 Ejercicios complementarios

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


, si x 0
x
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  continua


 verificando f (0) = f (1) = 0. Probar que,
dado n N, existe x [0, 1] tal que f (x) = f x + n .
1

x2
Ejercicio 6.5. Sea f : [1, 1] R la funcin definida por f (x) = 1+x2
,x [1, 1]. Calcular
su imagen.
1

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
Lmites y continuidad Ejercicios

(  
f (x) = sen(x) sen 1
x , si x 6= 0,
0, si x = 0.
Estudiar la continuidad de f y la existencia de lmites en + y .

Ejercicio 6.9. Sea R y f : R+0 R la funcin definida por f (x) = x sen +


 
1
x , x R ,
f (0) = 0. Estudiar la continuidad de f segn los valores de .

Ejercicio 6.10. Probar que para cada nmero real a existe un nico nmero positivo x verificando
x + log(x) = a.

Ejercicio 6.11. Suponiendo que la temperatura vara de manera continua a lo largo del ecuador,
prubese que, en cualquier instante, existen dos puntos antpodas sobre el ecuador que se hallan a
la misma temperatura.

Ejercicio 6.12. Un corredor recorre 6 kilmetros en 30 minutos. Probar que existe un intervalo
de 5 minutos seguidos a lo largo del cual el corredor recorre exactamente 1 kilmetro.

Ejercicio 6.13. Un reloj averiado marca inicialmente un tiempo t0 . El reloj puede adelantar o
atrasar, pero cuenta con exactitud perodos de 12 horas, es decir, pasadas doce horas el reloj marca
un tiempo t 0 + 12 horas. Demustrese que en algn momento dicho reloj mide con exactitud una
hora.

Ejercicio 6.14. Probar que la ecuacin tan(x) = x tiene infinitas soluciones.

Ejercicio 6.15.
a) Da un ejemplo de una funcin continua cuya imagen no sea un intervalo.
b) Da un ejemplo de una funcin definida en un intervalo cuya imagen sea un intervalo y que no
sea continua.
c) Da un ejemplo de una funcin continua en todo R, no constante y cuya imagen sea un conjunto
(obligatoriamente un intervalo) acotado.
d) Da un ejemplo de una funcin continua en [0, 1[ tal que f ([0, 1[) no sea acotado.
e) Da un ejemplo de una funcin continua definida en un intervalo abierto acotado y cuya imagen
sea un intervalo cerrado y acotado.
 
E Ejercicio 6.16. Sea f : R \ {1} R la funcin definida por f (x) = arctan 1x 1+x
. Estudiar la
continuidad de f y su comportamiento en el punto 1, en + y en . Calcular la imagen de f .

93
94
Derivabilidad Definicin. Recta tangente.

Derivabilidad

7
7.1 Definicin. Recta tangente. 95 7.2 Reglas de derivacin 97 7.3 Teorema del
valor medio 98 7.4 Consecuencias del teorema del valor medio 100 7.5 Deriva-
das de orden superior 101 7.6 Concavidad y convexidad 103 7.7 Algunas apli-
caciones de la derivada 103 7.8 Derivacin numrica 106 7.9 Ejercicios 107
7.10 Ejercicios complementarios 111 7.11 Otros ejercicios 114

7.1 Definicin. Recta tangente.


Definicin 7.1. Una funcin f : A R R es derivable en a A A0 si existe
f (x) f (a)
lim
xa 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.
a) El cociente incremental f (x)
xa
f (a)
y la derivada se pueden ver tambin como un lmite 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 (x) f (a) x 2 a2 (x + a)(x a)
f 0 (a) = lim = lim = lim = 2a.
xa xa xa x a 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.
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.

95
Definicin. Recta tangente. Derivabilidad

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+ = lim+ = 1, y
x0+ x0 x0 x x0 x
f (x) f (0) |x| x
0 lim = lim = lim = 1.
x0 x0 x0 x x0 x
Figura 7.1 La funcin
Por tanto, la funcin valor absoluto no es derivable en el origen. En
valor absoluto no es deri-
el resto de puntos de la recta real, la funcin es o bien la identidad
vable en el origen
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 (a)
} f (x) f (a)
f (x)
{ xa

a x
Figura 7.2 Recta tangente

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

96
Derivabilidad Reglas de derivacin

f (x) f (a)
lim = f 0 (a )
xa 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
f (x) f (a)
lim = f 0 (a+ )
xa+ 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 funcio-
nes 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).


f
c) Si g(a) 6= 0, la funcin g es derivable y su derivada es
!0
f f 0 (a)g(a) f (a)g0 (a)
(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 n1 n n2
lim = lim a + a h + = nan1 ,
h0 h h0 1 2
usando la frmula del binomio de Newton.

97
Teorema del valor medio Derivabilidad

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,
e x ea ea e xa 1

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

lim
xa xa xa

Por tanto L = 1 y
e x ea ea e xa 1

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. Suponga-
mos 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) .

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.

98
Derivabilidad Teorema del valor medio

En general, nos referiremos a cualquiera de las dos situaciones diciendo que f tiene un extre-
mo relativo en a.

Observacin 7.15. En el caso particular de funciones definidas en intervalos, los extremos relati-
vos 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.
Ejemplo 7.16. La parte entera de un nmero real x es el 2
nico nmero entero E(x) que verifica que E(x) x <
E(x) + 1. La grfica de dicha funcin la puedes ver en la
1
Figura 7.3.
Tiene mximo o mnimos relativos? Si lo piensas un poco,
descubrirs que la funcin alcanza un mximo relativo en 2 1 1 2
todos los puntos y un mnimo relativo en cualquier punto
1
que no sea entero.
En efecto, alrededor de un nmero no entero la funcin es
2
constante y, por tanto, tiene un mximo y un mnimo relativo.
En cambio, si z es un
i nmero entero,
h se tiene que f (z) f (x) Figura 7.3 Funcin parte entera
para cualquier x z 12 , z + 12 .
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, f 0 () =
0. Figura 7.4 Teorema de Rolle
c) Si , {a, b}, entonces f es constante y, por tanto
f 0 (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. 

99
Consecuencias del teorema del valor medio Derivabilidad

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 deri-
vada 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 en I


 f0 (x) 6= 0 para todo x I. Entonces f es estrictamente montona, f es derivable y
con 0 1

f 1 ( f (a)) = f 01(a) .

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 xa

100
Derivabilidad Derivadas de orden superior

f 0 (x) f (x)
lim 0
= L, +, = lim = L, +, .
xa g (x) xa 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


(  
x 2 sen 1 , si x 6= 0,
f (x) = 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
lim f (x) = lim x sen
2
= 0 = f (0).
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
 
f (x) f (0) x2 sen 1x 1
!
lim = lim = lim x sen = 0.
x0 x0 x0 x x0 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) f (x)
lim 0
= L = lim = L.
xa g (x) xa g(x)

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 .

101
Derivadas de orden superior Derivabilidad

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 inclusio-
nes 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, calcule-
mos 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,

f (x) =
0
0, si x < a,
(n + 1)n(x a)n1 , si x a,
(
f 00 (x) =
0, si x < a,
y, sucesivamente,
(n + 1)!(x a), si x a,

f (n) (x) =
0, si x < a.
Esta funcin no es derivable en x = a porque las derivadas laterales existen y no coinciden.
(n + 1)!, si x > a,

f (n+1) (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.

102
Derivabilidad Concavidad y convexidad

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) .

Las definiciones de concavidad y convexidad son comple-


tamente independientes de que la funcin sea o no conti-
(x, f (x))
nua, derivable o cualquier otra condicin de regularidad.
Dicho esto, como ocurre con la monotona, la derivada es
una gran herramienta que nos va a permitir simplificar el
(y, f (y))
estudio de la concavidad y convexidad.
Observacin 7.35.
a) La convexidad (anlogamente la concavidad) tiene una
clara interpretacin geomtrica. Debe verificarse que el Figura 7.5 Funcin convexa
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.

103
Algunas aplicaciones de la derivada Derivabilidad

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) .
 
Resultados similares se tienen para funciones decrecien-
tes. Observa que necesitamos tres datos de la funcin para 20
poder aplicarlos: continuidad, monotona y que el dominio 18
sea un intervalo. Observa que, hasta este momento, no ha 16 f (x) = x3 6x2 + 9x 1
aparecido la palabra derivada. Su papel es facilitarnos el es-
14
tudio de la monotona. Nada ms.
12 f 0 (x) = 3x2 12x + 9
Ejemplo 7.38. Veamos un ejemplo: vamos a calcular la
imagen de la funcin f : [0, 5] R definida como f (x) = 10
x3 6x2 + 9x 1. En este caso, la funcin es derivable en 8
todo su dominio, es un polinomio. Cules son sus puntos 6
crticos? 4
f 0 (x) = 3x2 12x + 9 = 0 x = 1, 3. 2
Por tanto f es estrictamente montona en [0, 1], en [1, 3]
0 2 4
y en [3, 5]. Podemos evaluar la derivada en un punto de ca- 2
da uno de dichos intervalos para averiguar el carcter de la
monotona:

intervalo x signo de f 0 (x) monotona de f


[0, 1] 0 + est. creciente
[1, 3] 2 - est. decreciente
[3, 5] 4 + 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 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) ?

104
Derivabilidad Algunas aplicaciones de la derivada

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 x 2

lim x9 2x4 + sen3 (2x 3) = + = lim f (x) = .
x x 2
Por tanto, f (R) 2 , 2 . Podra ser la imagen un conjunto mayor? En este caso no, ya que
i h

la
i funcin h arcotangente no toma nuca valores fuera de dicho intervalo. En consecuencia f (R) =
2 , 2 .

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 conti-
nua 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
a) la imagen de la funcin f (x) = x sen(x) con x 0, 2 est contenida en R+ , o bien,
h

b) la imagen de la funcin g(x) = sen(x)/x con x 0, 2 est contenida en ]0, 1[.


i h

Dependiendo del tipo de funciones involucradas en la desigualdad, ser ms conveniente utilizar


uno u otro mtodo.
Calculemos cul es la imagen de f (x) = x sen(x) en el intervalo 0, 2 . Como f 0 (x) = 1
i h

cos(x) > 0 en dicho intervalo, f es estrictamente creciente y, en consecuencia,


  # " 

f 0, = lim f (x), lim f (x) = 0, 1 .
2 x0 x 2 2

105
Derivacin numrica Derivabilidad

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 inter-
valo 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 ]a, b[.
xa xb

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 xa h0 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

1 h
f 0 (a) = ( 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.
1 h
f 0 (a) = ( 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

1 h2 000
f 0 (a) = ( f (a + h) f (a h)) f () , ]a h, a + h[
2h 6

106
Derivabilidad Ejercicios

Esta frmula se llama central porque utiliza informacin de f en a h y en a + h.


1 h2 000
f 0 (a) = (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 0 (a) = ( f (a 2h) 8 f (a h) + 8 f (a + h) f (a + 2h)) f () , ]a 2h, a + 2h[
12h 30
sta es central.
1 h4 (5)
f 0 (a) = (25 f (a) + 48 f (a + h) 36 f (a + 2h) + 16 f (a + 3h) 3 f (a + 4h)) + f (),
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

7.9.1 Definicin. Reglas de derivacin

Ejercicio 7.1. Calcular la tangente de las siguientes curvas en los puntos dados:
a) y = x2x+1 en el origen c) y = x2 + 1 en (3, 10)
b) y = cos(x) en 2 , 0 d) y = | x | en (1, 1)
 

Ejercicio 7.2. Calcular la derivada de las siguientes funciones: 3


a) y = sen(x + 3) d) y = sec(x) f) y = x2 + 1
b) y = cos2 (x)
q
e) y = 1+x
c) y = cos(x)
1 1x

Ejercicio 7.3. Calcular la derivada de las siguientes funciones:


 5
a) f (x) = 5 x 51x . d) f (x) = x 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. Comprobar que la funcin f : R R,


2x, si x < 0,

f (x) =
3x2 , si x 0.

107
Ejercicios Derivabilidad

es continua pero no es derivable en el origen.

Ejercicio 7.5. Calcular los puntos donde la recta tangente a la curva y = 2x3 3x2 12x + 40
es paralela al eje OX.

Ejercicio 7.6. Sea f : 2 , 2 R definida por:


i h

log (1 sen(x)) 2 log(cos(x))


f (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. Estudia la continuidad y derivabilidad de la funcin f : R R definida por


  
1
, si x < 0



arctan exp x2
2x ,

f (x) = si 0 x 1

x2 +1
1 + log(x)
x , si 1 < x.


Calcula la imagen de la funcin.

7.9.2 Teorema del valor medio



Ejercicio 7.8. Probar que arcsen(x) + arccos(x) = 2 para todo x [1, 1].

Ejercicio 7.9. Probar que x R se verifica que


1 x
cos (arctan(x)) = y sen(arctan(x)) = .
1 + x2 1 + x2

E Ejercicio 7.10. Demuestra que


x
< arctan(x) < x
1 + x2
para cualquier x positivo.

E Ejercicio 7.11. Calcula el nmero de soluciones de la ecuacin x + ex = 2.

Ejercicio 7.12. Calcular el nmero de ceros y la imagen de la funcin f : R R definida por


f (x) = x6 3x2 + 2.

E Ejercicio 7.13. Sea f : R \ {1} R la funcin definida como


!
1x
f (x) = arctan + arctan(x).
1+x
Calcula su imagen.

Ejercicio 7.14. 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.

108
Derivabilidad Ejercicios

2
E Ejercicio 7.15. Calcular la imagen de la funcin f : R R definida por f (x) = ex (x2 3).
 
Ejercicio 7.16. Sea f : R \ {1} R definida por f (x) = arctan 1+x
1x .
a) Estudiar la continuidad de f y los lmites en y +.
b) Calcular la imagen de f .

Ejercicio 7.17. Calcular la imagen de f : R+ R, f (x) = x1/x .

Ejercicio 7.18. Sean a, b, c R con a2 < 3b. Probar que la ecuacin x3 + ax2 + bx + c = 0 tiene
una solucin real nica.

7.9.3 Reglas de LHpital

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

Ejercicio 7.20. Calcula los siguientes lmites


cos(x) + 3x 1 log(log(x))
a) lim . c) lim .
x0 2x x+ log(x)
e x + ex 2 cos(x)
b) lim .
x0 x sen(2x)

Ejercicio 7.21. Calcular los lmites de las siguientes funciones en el punto indicado:
1
a) lim+ (cos(x) + 2 sen(3x)) x x + sen(x)
x0
c) lim
x+ x cos(x)
(1 cos(x)) sen(4x)   x tan( x2 )
b) lim
d) lim tan
 
x0 3
x cos 4 x x1 4

Ejercicio 7.22. Estudiar el comportamiento de la funcin f : A R en el punto en cada uno


de los siguientes casos:

x 2+ x2
a) A =]2, +[, f (x) = , = 2.
x2 4
1 1
b) A = R+ \ {1}, f (x) = , = 1.
log(x) x 1
xx x
c) A =]1, +[, f (x) = , = 1.
1 x log(x)

Ejercicio 7.23. Estudiar 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 7.24. Estudiar el comportamiento en el punto cero de la funcin f : A R en los


siguientes casos:

109
Ejercicios Derivabilidad

1 cos(x)  12
a) A = R+ , f (x) = c) A =]0, 2 [, f (x) = cos(x) + x2

, 2
x
.
x
b) A =]0, 2 [, f (x) = (sen(x) + cos(x))1/x
! 1x
3 sin(x) 3x cos(x)
Ejercicio 7.25. Calcula lim .
E x0 x3

7.9.4 Optimizacin

Ejercicio 7.26. 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 7.27. Calcular dos nmeros positivos cuya suma sea 20 y su producto sea mximo.

Ejercicio 7.28. Calcular las dimensiones del rectngulo de mayor rea que puede inscribirse en
un semicrculo de radio r.

E Ejercicio 7.29. Calcula las dimensiones del trapecio con mayor rea que puede inscribirse en
una semicircunferencia de radio 1.

E Ejercicio 7.30. 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)?

E Ejercicio 7.31. 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 13 Ah, donde A es el rea
de la base y h su altura).

Ejercicio 7.32. Demostrar que la suma de un nmero positivo y su rec-


proco es al menos 2.

E Ejercicio 7.33. 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.
x2
Ejercicio 7.34. Se inscribe un rectngulo en la elipse 400 +
y2
225 = 1 con sus lados paralelos a los ejes. Hallar las dimensio-
nes del rectngulo para que
a) el rea sea mxima,
b) el permetro sea mximo.

E Ejercicio 7.35. 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.

110
Derivabilidad Ejercicios complementarios

E Ejercicio 7.36. 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.

E Ejercicio 7.37. Calcula el rea mxima del rectngulo circunscrito a un rectngulo de lados a
y b.

Ejercicio 7.38. 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?

7.10 Ejercicios complementarios

7.10.1 Definicin. Reglas de derivacin

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
( 2
 
f (x) = (1 e x ) sen 1
x si x > 0
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.

7.10.2 Teorema del valor medio

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.
 
E
Ejercicio 7.6. Demostrar que, para cualquier a R, la ecuacin x = a + 2 sen ax tiene
2
una nica solucin.

E Ejercicio 7.7. Sea f : R R la funcin definida como


(    
f (x) = log 1 + x 2 + 2 arctan 1 , si x 6= 0,
x
, si x = 0.
Estudia su continuidad, derivabilidad y calcula su imagen.

111
Ejercicios complementarios Derivabilidad

7.10.3 Reglas de LHpital


xa a x
Ejercicio 7.8. Calcula el siguiente lmite lim , donde a > 0 y a 6= 1.
xa a x aa

1
Ejercicio 7.9. Calcular lim sen(x) + ex x2 .
x0

Ejercicio 7.10. Estudiar el comportamiento en + de la funcin f :]1, +[ R definida por


x(x1/x 1)
f (x) = log(x) .

Ejercicio 7.11. Calcula


!1/x
a + sen(x)
lim
x0 a sen(x)

con a > 0.

Ejercicio 7.12. Calcula el lmite el punto indicado:


x arctan( 2x )
lim
x0 sen2 (2x) cos(sen(x))

Ejercicio 7.13. 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 7.14. Calcula los siguientes lmites:


 1/x
a) lim arctan(x)
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 7.15. 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)
(
x2 log |x|, si x R ,
f (x) =
0, si x = 0.

Ejercicio 7.16. Estudiar los extremos relativos de la funcin f : R R definida como f (x) =
cosh(x) + cos(x).

112
Derivabilidad Ejercicios complementarios

Ejercicio 7.17. Calcular para qu valores del parmetro m se cumple que la ecuacin 20x5 x =
m tiene exactamente dos races reales distintas.
n o
Ejercicio 7.18. Calcular max n n : n N .

E Ejercicio 7.19.
a) Sean f, g : R+ R definidas por
2 x 2 x
f (x) = + , g(x) = .
x 2 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 }:
2 xn
x1 = a, xn+1 = + , n N.
xn 2
Demuestra que {xn } es montona y acotada y calcula su lmite. (Sugerencia: usa las funciones
del apartado anterior).

Ejercicio 7.20. 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 7.21. Se desea construir una ventana con forma de rectngulo coronado de un semi-
crculo 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 7.22. Hallar las dimensiones del cilindro de mayor volumen entre todos aquellos que
tienen la superficie lateral total constante.

Ejercicio 7.23. 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 7.24. 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 7.25. 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 7.26. 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?

113
Otros ejercicios Derivabilidad

E Ejercicio 7.27. 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
R 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
r
y = r figura, sea mxima.

Ejercicio 7.28. Una caja abierta est construida con un


rectngulo de cartn, quitando cuadrados iguales en cada es-
quina y doblando hacia arriba los bordes. Hallar las dimen-
siones 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 7.29. Calcula el permetro mximo que puede tener un rectngulo que tiene dos vrti-
ces en el eje de abscisas y los otros dos en la grfica de la funcin f (x) = 4 sen(x), con x [0, ].

7.11 Otros ejercicios

7.11.1 Definicin. Reglas de derivacin

Ejercicio 7.30. 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.

7.11.2 Teorema del valor medio

Ejercicio 7.31. Demostrar que la desigualdad x


1+x < log(1 + x) < x se verifica para todo x > 0.

Ejercicio 7.32. Demostrar que | arctan(x) arctan(y) | | x y |, para cualesquiera x, y R.

E Ejercicio 7.33. Calcula el nmero de soluciones de la ecuacin x2 = x sen(x) + cos(x).


|x|
E Ejercicio 7.34. Calcula la imagen de la funcin f : R R definida por f (x) = e| x1 |
para
cualquier x real.

Ejercicio 7.35. Demostrar que | sen(ax) sen(ay) | | a | | x y |, x, y R.

Ejercicio 7.36. Para a > 0 demostrar que ae log(x) xa x > 0.

Ejercicio 7.37. 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 7.38. 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]).

114
Derivabilidad Otros ejercicios

Ejercicio 7.39. 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 7.40. 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 7.41. Demostrar que para 0 < a < b se verifica 1 ba < log ab < ba 1.

Ejercicio 7.42. Sea a > 0. Probar que ea


x ea/x , x > 0 y se da la igualdad si, y slo si, x = a.

Ejercicio 7.43. 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 7.44. 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.

Ejercicio 7.45. Sea a > 0 un nmero real que verifica a x/a x x > 0. Probar que a = e.

Ejercicio 7.46. Probar que para 0 < a < 1 se verifica (1 + x)a 1 + ax, x 1.

(1 + x) p
Ejercicio 7.47. Demostrar que p 1 se verifica que 2 p1 para todo x 0.
1 + xp
Ejercicio 7.48. Sea f (x) = Ax3 + Bx2 + Cx + D con A > 0. Calcula lim x+ 3 f (x + 1) 3 f (x).
p p

 
E
Ejercicio 7.49. Demostrar que, para cualquier a R, la ecuacin x = a + 2 sen ax tiene
2
una nica solucin.

E Ejercicio 7.50. Sea f : R R la funcin definida como


(    
f (x) = log 1 + x 2 + 2 arctan 1 , si x 6= 0,
x
, si x = 0.
Estudia su continuidad, derivabilidad y calcula su imagen.

7.11.3 Optimizacin
n o
n
Ejercicio 7.51. Calcular max n: nN.

E Ejercicio 7.52.
a) Sean f, g : R+ R definidas por
2 x 2 x
f (x) = + , g(x) = .
x 2 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 }:

115
Otros ejercicios Derivabilidad

2 xn
x1 = a, xn+1 = + , n N.
xn 2
Demuestra que {xn } es montona y acotada y calcula su lmite. (Sugerencia: usa las funciones
del apartado anterior).

Ejercicio 7.53. 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 7.54. 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 7.55. 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 7.56. 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 7.57. 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 7.58. 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 7.59. 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 7.60. 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 7.61. 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 7.62. 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 7.63. 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 7.64.

116
Derivabilidad Otros ejercicios

a) Calcula los extremos relativos y la imagen de la funcin f : R+ R definida como f (x) =


log(x)
x .
b) Qu nmero es mayor e o e ? Y entre 9999991000000 y 1000000999999 .

E Ejercicio 7.65. 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 R
queda por encima de la recta y = r, la zona coloreada en la
r
figura, sea mxima. y = r
Ejercicio 7.66. Una caja abierta est construida con un
rectngulo de cartn, quitando cuadrados iguales en cada es-
quina 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 7.67. Calcula el permetro mximo que puede tener un rectngulo que tiene dos vrti-
ces en el eje de abscisas y los otros dos en la grfica de la funcin f (x) = 4 sen(x), con x [0, ].

117
118
Mtodos de resolucin de ecuaciones Introduccin

Mtodos de resolucin de ecuaciones

8
8.1 Introduccin 119 8.2 Mtodo de biseccin 119 8.3 Mtodos de iteracin
funcional 121 8.4 Mtodo de Newton-Raphson 125

8.1 Introduccin
Las ecuaciones no lineales se presentan en muchas situaciones prcticas y, en muchos casos, no
somos capaces de encontrar su solucin exacta. Por ejemplo, habamos sido capaces de demostrar
que la ecuacin tan(x) = x tiene infinitas soluciones, pero cuntas soluciones concretas conoces?
Me temo que slo x = 0. Cmo podemos encontrar el resto?
En este captulo vamos a ver mtodos numricos para aproximar las soluciones de este tipo de
ecuaciones cuando no somos capaces de encontrar la respuesta exacta. Todos estos mtodos siguen
la misma pauta. Comenzamos con una funcin f y uno o varios puntos iniciales x1 , x2 ,...,xk y
construimos de forma iterativa una sucesin {xn }nN que tiene como lmite un cero de la funcin.
En la prctica no podemos calcular los infinitos trminos de la sucesin y tendremos que dar
una condicin de parada o de salida. Estas condiciones de parada pueden ser de varios tipos. Por
ejemplo, podemos fijar el nmero de trminos de la sucesin o imponer condiciones sobre el error
cometido ya sea absoluto o relativo. En general, un mtodo ser tanto mejor cuanto ms rpida sea
la convergencia al cero de la funcin.

8.2 Mtodo de biseccin


Comencemos recordando el teorema de los ceros de Bolzano.

Teorema 8.1. Sea I un intervalo y consideremos una funcin f : I R continua. Supon-


gamos que existen a, b I tales que f (a) f (b) < 0, entonces la funcin f se anula en algn
punto entre a y b.

El mtodo de biseccin o de Bolzano consiste en el siguiente proceso: tenemos una funcin con
signo distinto en a y en b, entonces el punto medio divide al intervalo [a, b] en dos. O bien en a y
c o bien en c y en b la funcin tiene que cambiar de signo. Elegimos aquel intervalo donde cambie
de signo y repetimos el proceso. En cada paso vamos reduciendo la longitud del intervalo y, por
tanto, el error cometido, a la mitad. La sucesin {xn } de los puntos medios es la sucesin que tiende
al cero de la funcin.
Resumiendo, en una primera aproximacin lo que hacemos es

Datos iniciales: funcin f , nmeros a, b


Se verifica que: f (a) f (b) < 0
bucle
Calculamos el punto medio c = (a + b)/2,
Comparamos los signos de f (a), f (c) y f (b)

119
Mtodo de biseccin Mtodos de resolucin de ecuaciones

(b, f (b)) (b, f (b))

f (x) = x3 2x2 + 0.5 f (x) = x3 2x2 + 0.5 f (x) = x3 2x2 + 0.5


(c, f (c)) (b, f (b))

(c, f (c)) (a, f (a)) (a, f (a))


(a, f (a))
Paso 1 Paso 2 Paso 3
Figura 8.1 Mtodo de biseccin

y elegimos aqul donde la funcin cambie de signo


final bucle

Es fcil afinar un poco este proceso. Por ejemplo, si en algn paso encontramos un cero de la
funcin, no hay necesidad de continuar.

Datos iniciales: funcin f , nmeros a, b


Se verifica que: f (a) f (b) < 0
bucle
Calculamos el punto medio c = (a + b)/2,
si f (c) = 0 entonces
return c es la solucin
en otro caso
Comparamos los signos de f (a), f (c) y f (b)
y elegimos aqul donde la funcin cambie de signo
final si
final bucle

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 ba2n .
Tenemos, por tanto, una versin mejorada del teorema de los ceros de Bolzano al que le hemos
aadido una cota del error cometido.

Teorema 8.2. Sea I un intervalo y consideremos una funcin f : I R continua. Suponga-


mos que existen a, b I tales que f (a) f (b) < 0, entonces el mtodo de biseccin genera una
sucesin {xn } (los puntos medios) con lmite s verificando que
a) f (s) = 0, esto es, s es un cero de f y,
b) | xn s | (ba)
2n , para cualquier natural n

120
Mtodos de resolucin de ecuaciones Mtodos de iteracin funcional

A partir de aqu, podemos deducir el nmero de iteraciones necesarias para obtener una aproxi-
macin con un error o exactitud prefijados. Si notamos por a la exactitud prefijada, entonces
para conseguir dicha precisin, el nmero n de iteraciones necesarias deber satisfacer
!
ba ba
< n > log2
2n
El primer nmero natural n que verifica esto es
" !#
ba
n = E log2 + 1,

donde E[] denota la parte entera de un nmero (esto es, el mayor de los enteros que son menores
que el nmero).
Ya tenemos una versin completa del algoritmo:

Datos iniciales: funcin f , nmeros a, b, error


Se verifica
h  if (a) f (b) < 0
que:
n = E log2 ba +1
para i = 1 to n hacer
c = (a + b)/2, {calculamos el punto medio}
si f (c) = 0 entonces
return c es una solucin exacta
en otro caso
si f (a) f (c) < 0 entonces
{Comparamos los signos de f (a), f (c) y f (b)}
a = a, b = c
en otro caso
a = c, b = b {y elegimos aqul donde la funcin cambie de signo}
final si
final si
return La solucin aproximada es c

Ejemplo 8.3. En clase de prcticas hemos resuelto la ecuacin x3 5 = 0 usando el mtodo de


biseccin.

8.3 Mtodos de iteracin funcional


Los mtodos que vamos a estudiar en esta seccin tienen todos el mismo aspecto: se construye
una sucesin de puntos a partir de uno o varios dados aplicando repetidamente una funcin. Se
basan en la bsqueda de puntos fijos de funciones.

Definicin 8.4. Sea f : A A una funcin. Se dice que a A es un punto fijo si f (a) = a. Punto fijo

Los puntos fijos de una funcin f no son ms que las soluciones de la ecuacin f (x) = x o, si
prefieres, los puntos de interseccin de las grficas de la funcin f y de la identidad. Por ejemplo,
la funcin de la Figura 8.2 tiene tres puntos fijos.
El problema de encontrar las soluciones de la ecuacin f (x) = 0 es equivalente a encontrar los
puntos fijos de la funcin g(x) = f (x) + x. Algunos mtodos de resolucin de ecuaciones se basan
en esta idea para transformar un problema de ceros de una ecuacin en otro de puntos fijos. Esto se

121
Mtodos de iteracin funcional Mtodos de resolucin de ecuaciones

puede hacer de varias maneras, pero, eso s, no ser una ventaja si no disponemos de algn teorema
que nos garantice la existencia de puntos fijos. Hay varios resultados de este tipo. Uno de los ms
importantes es el teorema del punto fijo para aplicaciones contractivas.

Funcin Definicin 8.5. Una funcin f : I R es funcin contractiva si existe una constante L tal
contractiva que

| f (x) f (y) | L | x y |

para cualesquiera x, y I.

En otras palabras, una aplicacin contractiva es aque-


lla que disminuye la distancia entre elementos, en-
cogiendo el dominio. Para este tipo de funciones s
tenemos asegurada la existencia de puntos fijos. En
a3 particular, toda funcin contractiva es continua.
a1 Utilizando el teorema del valor medio, sabemos
a2
que si una funcin es derivable entonces
g(x) = x
f (x) f (y) = f 0 (c)(x y).
f (x)
De aqu se deduce el siguiente resultado que nos pro-
porciona abundantes ejemplos de funciones contracti-
Figura 8.2 Puntos fijos de una funcin
vas.
Proposicin 8.6. Sea f : I R una funcin derivable. Si | f 0 (x) | L < 1 para cualquier x I,
entonces f es una funcin contractiva.
Ejemplo 8.7. L = 1 no es suficiente.
FALTA

Teorema del punto Teorema 8.8. Sea I un intervalo cerrado y sea f : I I una aplicacin contractiva.
fijo para aplicacio- Entonces
nes contractivas a) La funcin f tiene un nico punto fijo s.
b) La sucesin definida como x1 I cualquiera y xn+1 = f (xn ) para n 1 es convergente y
su lmite es el punto fijo.
c) Se cumple que
L Ln1
| xn s | | xn xn1 | | x2 x1 | .
1L 1L
El mtodo de construccin de la sucesin del segundo apartado es lo que se conoce como un
mtodo de iteracin funcional.
 
Ejemplo 8.9. La funcin f (x) = 14 cos(x) + x2 con x [0, 1] es una funcin contractiva. En
efecto,
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].

122
Mtodos de resolucin de ecuaciones Mtodos de iteracin funcional

Observacin 8.10. Existe 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 x3 x+10 =
0.
a) Sumando x en los dos miembros

x3 x + 10 = 0 x3 + 10 = x,

y las soluciones de f son los puntos fijos de g1 (x) = x3 + 10.


b) Si despejamos x3 y dividimos por x2 ,
1 10
x3 x + 10 = 0 x3 = x 10 x =
x x2
y, en este caso, los puntos fijos de la funcin g2 (x) = 1
x 10
x2
son las soluciones buscadas.
c) Tambin podemos hacer lo siguiente,
r
10 10
x x + 10 = 0 x = x 10 x = 1
3 3 2
x = 1 .
x x
q
En este caso, nos interesan los puntos fijos de la funcin g3 (x) = 1 10
x .
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 10, etc. Adems de eso las funciones gi pueden tener mejores o peores propiedades,
algunas sern contractivas y otras no.
Observacin 8.11. Se puede comprobar de forma sencilla que una funcin f : [a, b] [a, b]
continua tiene un punto fijo sin ms que aplicar el teorema de los ceros de Bolzano a la funcin
g(x) = f (x) x. Por qu no hemos preferido esta versin? Por una parte estamos exigiendo una
condicin ms dbil sobre la funcin, continuidad. Por otra parte, imponemos una condicin ms
restrictiva sobre el dominio. Pero lo importante es lo que conseguimos: como slo aplicamos el
teorema de los ceros de Bolzano no podemos asegurar que el punto fijo sea nico y, ms importante,
nos podemos asegurar que la sucesin {xn } sea convergente y, aunque lo sea, tampoco tenemos la
acotacin del error cometido.

Representacin grfica
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.

8.3.1 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

123
Mtodos de iteracin funcional Mtodos de resolucin de ecuaciones

Figura 8.3 Mtodo de iteracin funcional

el papel de una aproximacin de dicho lmite. Por ejemplo, si consideramos el trmino general de
una sucesin {an } 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.
Tolerancia Una forma de establecer un criterio de parada es considerar un nmero pequeo, llamado tolerancia,
que denotaremos por T , y parar el desarrollo de la sucesin cuando se de una de las dos circuns-
tancias siguientes:
a) |an an1 | < T ,
b) |an|aan |n1 < T .
Observacin 8.12. La distancia entre dos trminos consecutivos de una sucesin puede tender
a cero sin la que la sucesin sea convergente. Un ejemplo de este comportamiento es la sucesin
{An }nN donde
1 1 1
An = 1 + + + + .
2 3 n
Sabemos (recuerda el Ejemplo 5.5) dicha sucesin es la sucesin de sumas parciales de la serie
armnica que no es convergente. Sin embargo,
1
lim An+1 An = lim = 0.
n n n + 1

8.3.2 Orden de convergencia

Orden de con- Definicin 8.13. Sea una sucesin {an } convergente a l. Se define entonces el orden de con-
vergencia vergencia como el nmero real p 1 verificando que
| an+1 l |
lim = K 6= 0
n | an l | p

y, si p = 1, entonces 0 < K < 1.


La constante K se denomina constante asinttica del error.

Cuando p = 1, diremos que la convergencia es lineal y, si p = 2, diremos que es cuadrtica.


Hay que resaltar que el orden de convergencia es un indicador de la velocidad a la que conver-
ge dicha sucesin. Es decir, generalmente, un orden de convergencia alto indica que la sucesin
converge ms rpidamente que otra con un orden bajo.

124
Mtodos de resolucin de ecuaciones Mtodo de Newton-Raphson

Ejemplo 8.14. FALTA

8.3.3 Mtodos de aceleracin de la convergencia: Mtodo de Aitken

El objetivo de un mtodo de aceleracin de la convergencia es convertir una sucesin dada {an }


convergente a l, en otra sucesin {bn } convergente, pero ms rpidamente que la dada, al mismo
lmite. En esta seccin vamos a estudiar el mtodo de Aitken para acelerar la convergencia de una
sucesin con orden de convergencia lineal (p = 1).
Proposicin 8.15. Sea {an }nN una sucesin de nmeros reales convergente linealmente a l R, Mtodo de acelera-
con an 6= l para todo n N . Consideremos la sucesin {bn }nN definida por cin de Aitken

(an+1 an )2
bn = an
an+2 2an+1 + an
Entonces se verifica que lim bn = l y adems
| bn l |
lim = 0.
n | an l |

Observemos que ste ltimo lmite nos asegura que la nueva sucesin converge ms deprisa a l
que la inicial.
Ejemplo 8.16. FALTA (MEJOR EN PRCTICAS?)

Teorema 8.17. Sea f : [a, b] R una aplicacin contractiva, sea s el nico punto fijo de
la funcin f en el intervalo [a, b] y sea {xn } la sucesin generada por el mtodo de iteracin
funcional.
a) Si 0 < | f 0 (s) | < 1, la convergencia de {xn } es lineal.
b) Si g0 (s) = 0 y g00 (s) 6= 0, la convergencia de {xn } es cuadrtica.
c) Si g0 (s) = g00 (s) = . . . = g(k1) (s) = 0 y g(k) (s) 6= 0 con k 2, entonces la convergencia es
de orden k.
Resumiendo el orden de convergencia es el orden de la primera derivada que no se anula en
s.

Ejemplo 8.18. FALTA

8.4 Mtodo de Newton-Raphson


La forma de construir los trminos de la sucesin de aproximaciones es bastante sencilla y
responde a una idea muy intuitiva: 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 de abscisas. 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 de abscisas.
De lo dicho hasta aqu se deduce:
f (xn )
xn+1 = xn .
f 0 (xn )
En la Figura 8.4 se puede ver cmo se generan los valores de las 3 primeras aproximaciones.

125
Mtodo de Newton-Raphson Mtodos de resolucin de ecuaciones

(x1 , f (x1 ))
f (x)

f (x)
(x2 , f (x2 ))
y = f (x1 ) + f 0 (x1 )(x x1 ) y = f (x1 ) + f 0 (x1 )(x x1 )

x2 x1 x3 x2 x1

Paso 1 Paso 2
Figura 8.4 Aproximaciones con el mtodo de Newton-Raphson

El teorema de Newton-Raphson nos dice el ambiente en el que es posible aplicar este mtodo.

Teorema de Teorema 8.19. Sea f : [a, b] R verificando que:


Newton-Raphson a) f es de clase dos,
b) f (a) f (b) < 0,
c) f 0 (x) 6= 0, para todo x [a, b],
d) f 00 (x) no cambia de signo en [a, b].
Entonces,
a) La funcin f tiene un nico cero en [a, b] y,
b) tomando como primera aproximacin cualquier punto x1 [a, b] donde f y f 00 tengan
el mismo signo, la sucesin de valores xn del mtodo de Newton-Raphson es convergente
hacia la nica solucin de f (x) = 0 en [a, b].
Si adems f es de clase tres en [a, b], la convergencia del mtodo es, al menos, cuadrtica.

El teorema de Newton-Raphson se puede demostrar


en condiciones un poco ms generales. Quiz el proble-
ma ms usual que se presenta y que puede estropear la
f convergencia del mtodo es que la derivada se anule en
algn punto. En ese caso, el mtodo se puede parar: la rec-
xn+1 xn ta tangente en los puntos con pendiente cero es paralela
al eje de abscisas.
Ejemplo 8.20. Vamos a buscar los ceros de la funcin
f (x) = x3 5 en el intervalo [1, 3]. Es inmediato compro-
bar que estamos en las condiciones bajo las cuales el teorema de Newton-Raphson nos asegura
convergencia. Las primeras iteraciones que se obtienen utilizando Maxima son las siguientes

x1 = 3
x2 = 2.185185185185185
x3 = 1.80582775632091
x4 = 1.714973662124988
x5 = 1.709990496694424

126
Mtodos de resolucin de ecuaciones Mtodo de Newton-Raphson

x6 = 1.7099759468005
x7 = 1.709975946676697
x8 = 1.709975946676697

Observa como en la sptima iteracin se han estabilizado diez cifras decimales. Como puedes
ver, la velocidad de convergencia de este mtodo es muy alta. Compralo con los resultados que
obtuvimos aplicando el mtodo de biseccin en el Ejemplo 8.3.
Ejemplo 8.21. Apliquemos el mtodo de Newton-Raphson para calcular la raz cuadrada de un
nmero positivo a. Para ello, consideremos la funcin f (x) = x2 a definida en algn intervalo
que contenga a la raz cuadrada de a y est contenido a su vez en R+ . Se cumple que
a) La funcin es de clase infinito,
b) f 0 (x) = 2x > 0, y
c) f 00 (x) = 2 no cambia de signo.
Tenemos, por tanto, garantizada la convergencia del mtodo. Si calculamos las aproximaciones,
nos queda que
xn2 a 1
!
f (xn ) a
xn+1 = xn = xn = xn +
xn+1 2xn 2 xn
Te suena de algo? Ya estudiamos en su da la convergencia de esta sucesin definida por recurren-
cia (ver Ejemplo 4.23).

8.4.1 Variantes del mtodo de Newton-Raphson


La principal complejidad del mtodo de Newton-Raphson radica en que el clculo de la sucesin
de aproximaciones involucra la derivada de la funcin. Las variantes que vamos a comentar tratan
de solventar esta dificultad es cambiar dicha derivada por una aproximacin adecuada.

Mtodo de la secante
Se trata de usar que la derivada en un punto xn es
f (xn ) f (x)
f 0 (xn ) = lim
xxn xn x
y tomar como aproximacin un valor x cercano. Si la sucesin xn es convergente, en particular la
distancia entre dos trminos consecutivos se va a cero. El mtodo de la secante se basa en tomar
f (xn ) f (xn1 )
f 0 (xn ) .
xn xn1
Dados dos valores iniciales x1 y x2 , la sucesin aproximante es
f (xn ) f (xn1 )
xn+1 = xn f (xn )
xn xn1
para n mayor o igual que 2.
La velocidad de convergencia del este mtodo no llega a ser cuadrtica aunque es mejor que
lineal.
Ejemplo 8.22. FALTA
Aadir un ejemplo que compare el mtodo de la secante y Newton.

127
128
Interpolacin numrica

129
130
Interpolacin polinmica Mtodos de interpolacin polinmica

Interpolacin polinmica

9
9.1 Mtodos de interpolacin polinmica 131 9.2 Interpolacin de Lagrange 131
9.3 Interpolacin de Hermite 140 9.4 Interpolacin de Taylor 140 9.5 Ejerci-
cios 144

9.1 Mtodos de interpolacin polinmica


Cmo podemos calcular la raz cuadrada de 128? Cunto vale cos(12)? Hay alguna funcin
f sencilla cumpliendo que f (0) = 0, f (19) = 2 y f (1) = 1? Cmo la buscamos? A estas
preguntas pretendemos responder en este tema.
La primera cuestin es qu es una funcin sencilla y la respuesta es que las funciones ms
simples que conocemos son los polinomios. En este tema vamos a ver cmo podemos encontrar
un polinomio con unos valores prefijados

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.


Como un polinomio de grado n tiene la forma p(x) = a0 + a1 x + + an xn , si evaluamos en los
nodos de interpolacin, obtenemos el sistema de ecuaciones

a0 + a1 x0 + + an x0n = y0
a0 + a1 x1 + + an x1n = y1
...
a0 + a1 xn + + an x0n = yn

o escrito en forma matricial


... x0n a0 y0

1 x0
... x1n a1 y1

1 x1
. .. .. .. = ..

. ..
. . . . . .
... xnn an

1 xn yn

131
Interpolacin de Lagrange Interpolacin polinmica

Este sistema tiene solucin nica si, y slo si, el determinante de la matriz de coeficientes (deter-
minante de Vandermonde) no es cero.
1 x0 . . . x0n

1 x . . . xn
1 1
Y
.. = (xi x j )

.. .. . .
. . . . 0 j<in
1 xn . . . xn
n

lo cul se cumple cuando los nodos son distintos entre s. As pus la condicin necesaria y sufi-
ciente para que exista un polinomio P de grado menor o igual que n tal que P(xi ) = yi , i = 0, 1, ..., n
es que los nodos de interpolacin sean todos distintos.
La siguiente definicin es fundamental en lo que sigue.

Definicin 9.1. Dados xi , i = 0, 1, 2,..., n nmeros reales distintos, los polinomios


n
Y (x x j )
Li (x) = , i = 0, 1, 2, . . . , n
j=0
(xi x j )
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,
j=0
(xi x j )
j6=i

ya que numerador y denominador coinciden. Si evaluamos en xk con k 6= i, entonces


n
Y (xk x j )
Li (xk ) = = 0,
j=0
(xi x j )
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.
Proposicin 9.2. Dados xi , i = 0, 1, 2,..., n nmeros reales distintos, los polinomios
n
Y (x x j )
Li (x) = , i = 0, 1, 2, . . . , n
j=0
(xi x j )
j6=i

son los nicos polinomios de grado n que verifican que


1, si i = k,

Li (xk ) =
0, si i 6= k,

132
Interpolacin polinmica Interpolacin de Lagrange

para i, k = 0, 1,..., n
Con los polinomios Li podemos fcilmente construir un polinomio que tome valores yi en los
nodos xi . En efecto, el polinomio

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 9.3. 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.

Dicho polinomio viene dado por


P(x) = y0 L0 (x) + y1 L1 (x) + + yn Ln (x), (9.1)

donde
(x x0 )(x x1 ) (x xi1 )(x xi+1 ) (x xn )
Li (x) =
(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.


Ejemplo 9.4. La siguiente tabla contiene el nmeros de total de viajeros en autobs a lo largo de
cada mes del ao 2009 segn datos ofrecidos por el INE. 1

Mes Nmero de viajeros


(miles)
Diciembre 389671
Noviembre 419292
Octubre 439543
Septiembre 389981
Agosto 291031
Julio 383118
Junio 423390
Mayo 430970
Abril 402108
Marzo 438119
Febrero 400683
Enero 399211
Tabla 9.1 Viajeros en
autobs en el ao 2009

Podemos estimar el nmero de viajeros en enero de 2010 utilizando estos datos? Si numeramos
los meses, tenemos los datos en los nodos 1, 2,..., 12 y queremos averiguar cul es el valor en x = 13.

1 Instituto Nacional de Estadstica

133
Interpolacin de Lagrange Interpolacin polinmica

Para empezar consideremos los 3 ltimos meses: tenemos los pares (10, 439543), (11, 419292) y
(12, 389671). Los polinomios de Lagrange de grado 2 en estos nodos son

(x 419292)(x 389671)
L0 (x) =
(11 419292)(12 389671)
(x 439543)(x 389671)
L1 (x) =
(10 439543)(12 389671)
(x 439543)(x 419292)
L2 (x) =
(10 439543)(11 419292)
Por tanto el polinomio de interpolacin es

P2 (x) = 439543 L0 (x) + 419292 L1 (x) + 389671 L2 (x)


= 4685x2 + 78134x + 126703,

y su valor en el punto es

P2 (13) = 350680.

El resultado correcto segn el INE es 381968 . Como aproximacin no est mal. Podemos mejo-
rarlo? Podemos utilizar la informacin de todos los meses en lugar de slo tres. El polinomio de
interpolacin de Lagrange de grado 11 en estos puntos es

1 
P11 (x) = 25709170x11 1815256113x10 + 56501979545x9
39916800
1020808257480x8 + 11859736311060x7 92714008736349x6
+ 495539284031165x5 1800956760935970x4 + 4330266172986820x3

6496226395511688x2 + 5397424840499040x 1860161998464000.

Crees que el valor en 13 nos dar una aproximacin del nmero de viajeros en enero de 2010?
Vamos a ver
P11 (13) = 56891214.

Vale, en este caso no es una buena aproximacin. Qu ocurre? Dnde est el problema? Posi-
blemente un polinomio, y de grado alto, no es una buena aproximacin a unos datos que son casi
peridicos.

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, lo que no suele
ser demasiado deseable como ha quedado de manifiesto en el Ejemplo 9.4.

134
Interpolacin polinmica Interpolacin de Lagrange

En este momento habra que hacer una reflexin sobre la utilidad de los polinomios de Lagrange.
Si los puntos que queremos interpolar son de la forma (x0 , f (x0 )), (x1 , f (x1 )), ... ,(xn , f (xn )) para
cierta funcin f de la que no conocemos la frmula, entonces el polinomio de Lagrange de grado
n en dichos puntos es, justamente, un polinomio de grado n y, si n es muy grande, oscilar bastante
con lo que no parece una herramienta adecuada para estimar el valor de f en un punto distinto de
los nodos de interpolacin, pero es ms, sera deseable que al aumentar el nmero de nodos, la
estimacin que nos da la funcin de interpolacin sea ms buena, o al menos que no sea ms mala.
Sin embargo al aumentar el nmero de nodos el polinomio de interpolacin de Lagrange aumenta
de grado y es muy posible que sus oscilaciones sean mayores.
Ejemplo 9.5. Si tenemos los nodos x0 = 2, x1 = 1 y x2 = 5, los tres polinomios de Lagrange
son
Y (x xi ) (x 1)(x 5) x2 6x + 5
L0 (x) = = =
i=1,2
(x0 xi ) (2 1)(2 5) 21
Y (x xi ) (x + 2)(x 5) x2 3x 10
L1 (x) = = =
i=0,2
(x1 xi ) (1 + 2)(1 5) 12
Y (x xi ) (x + 2)(x 1) x2 + x 2
L2 (x) = = =
i=0,1
(x 2 x i ) (5 + 2)(5 1) 28

Si el valor en dichos puntos es y0 = 3, y1 = 1 e y2 = 1, el polinomio de interpolacin es


11x2 45x 8
P2 (x) = 3L0 (x) L1 (x) + L2 (x) =
42

5
11x2 45x8
P2 (x) = 42
(2, 3)
3

1 (5, 1)

3 2 1 0 1 2 3 4 5 6
1
(1, 1)
Figura 9.1 Interpolacin de Lagrange con 3 puntos

Si aumentamos el nmero de nodos y buscamos el polinomio de Lagrange que pase por los puntos
(3, 3), (2, 3), (1, 1), (4, 2), (4.5, 3), (5, 1) nos hace falta un polinomio de grado 5. Puedes
comprobar que dicho polinomio es
30x5 151x4 474x3 + 1981x2 + 2766x 3816
P5 (x) =
336
Como se puede ver en la figura, al aumentar el nmero de nodos y, por tanto el grado del polinomio,
se pueden producir oscilaciones de la grfica entre nodos consecutivos.

135
Interpolacin de Lagrange Interpolacin polinmica

5 151x4 474x3 +1981x2 +2766x3816


P5 = 30x 336
20

10

P2

3 2 1 1 2 3 4 5 6

Figura 9.2 Interpolacin de Lagrange con 6 puntos

9.2.1 Acotacin del error

Si los datos iniciales corresponden a una funcin, podemos estudiar la diferencia entre el valor
del polinomio de interpolacin y el de dicha funcin.

Teorema 9.6. Sea x0 , x1 ,..., xn puntos distintos de un intervalo [a, b] y sea f : [a, b] R
una funcin de clase n + 1. Entonces, dado x [a, b], existe c ]a, b[ tal que
f (n+1) (c)
f (x) P(x) = (x x0 )(x x1 ) (x xn )
(n + 1)!
donde P es el polinomio de interpolacin de grado n que verifica que P(xi ) = f (xi ), i = 0,
1,..., n.

La frmula del error del Teorema 9.6 no es fcil de usar y slo es til en el caso de que sea-
mos capaces de calcular las derivadas sucesivas de la funcin y acotarlas. En muchas ocasiones,
es simplemente imposible de usar. Por ejemplo, en el Ejemplo 9.4 nos hemos encontrado con la
imposibilidad de acotar el error dado que los datos no corresponden a una funcin concreta y, por
tanto, no podemos aplicar el teorema.

Ejemplo 9.7. Cul es el error cuando aproximamos 102 utilizando el valor de la funcin raz
cuadrada en 81, 100 y 121?

El polinomio de Lagrange de la funcin f (x) = x en los puntos x0 = 81, x2 = 100, x3 = 121 es

11 (x 100) (x 81) 10 (x 121) (x 81) 9 (x 121) (x 100)


p(x) = +
840 399 760
x 2 601 x 495
= + +
7980 7980 133

y el error que cometemos cuando cambiamos f (102) = 102 por p(102) = 10.1 es, segn hemos
visto

136
Interpolacin polinmica Interpolacin de Lagrange

f 000 (c)
f (102) p(102) = (102 81)(102 100)(121 100),
3!
donde c es un punto del intervalo [81, 121]. Como
3
f 000 (x) =
8 x5
es una funcin decreciente y positiva en dicho intervalo, su valor ms grande lo alcanza en x = 81.
Ya podemos acotar el error
000
f (c)
| f (102) p(102) | = (102 81)(102 100)(121 100)
3!
21 19 133
= = .
8 815 157464
133
Resumiendo, la raz cuadrada de 102 vale 10.1 con un error menor que 157464 .

9.2.2 Frmula de Newton

Aunque el clculo de polinomios de Lagrange de grado ms alto no siempre mejora el resultado,


se suelen calcular polinomios de interpolacin de varios grados y elegir la mejor aproximacin
con alguna condicin que depender del problema concreto.
El mtodo de clculo de los polinomios de Lagrange que hemos presentado es muy til para
calcular el polinomio de interpolacin de un grado determinado, pero no aprovecha los clculos de
un grado en el siguiente paso. El mtodo que presentamos ahora permite calcular recursivamente
el polinomio de interpolacin.

Definicin 9.8. Sea (x0 , y0 ), (x1 , y1 ),..., (xn , yn ) parejas de puntos con los xi , i = 0, 1,..., n
distintos.
a) Se llama diferencia dividida de orden 0 con respecto a xi es

f [xi ] = yi , i = 0, 1, . . . , n.

b) La diferencia dividida de orden 1 con respecto a xi y xi+1 es


f [xi+1 ] f [xi ]
f [xi , xi+1 ] = i = 0, 1, . . . , n 1.
xi+1 xi

c) Se define por recurrencia, la diferencia dividida de orden k con respecto a xi ,xi+1 ,..., xi+k
como
f [xi+1 , . . . , xi+k ] f [xi , xi+1 , . . . , xi+k1 ]
f [xi , xi+1 , . . . , xi+k ] =
xi+k xi

En el caso particular de que los valores yi = f (xi ), i = 0, 1, . . . , n, para cierta funcin f entonces
f [xi ] = f (xi ), i = 0, 1, . . . , n.
Cul es el inters de las diferencias divididas? Nos dan los coeficientes de los polinomios de
interpolacin y, ms importante, una forma de calcularlos de forma recursiva. En otras palabras,
para calcular el polinomio de un grado determinado aprovechamos los clculos de los polinomios
de grado menor.

137
Interpolacin polinmica

xi f [xi ] Orden 1 Orden 2 Orden 3 Orden 4


x0 f [x0 ]
f [x1 ] f [x0 ]
f [x0 , x1 ] = x1 x0
f [x1 ,x2 ] f [x0 ,x1 ] f [x1 ,x2 ,x3 ] f [x0 ,x1 ,x2 ]
x1 f [x1 ] f [x0 , x1 , x2 ] = x2 x0 f [x0 , x1 , x2 , x3 ] = x3 x0
f [x2 ] f [x1 ]
f [x1 , x2 ] = x2 x1

138
f [x2 ,x3 ] f [x1 ,x2 ] f [x1 ,x2 ,x3 ,x4 ] f [x0 ,x1 ,x2 ,x3 ]
x2 f [x2 ] f [x1 , x2 , x3 ] = x3 x1 f [x0 , x1 , x2 , x3 , x4 ] = x4 x0
f [x3 ] f [x2 ] f [x2 ,x3 ,x4 ] f [x1 ,x2 ,x3 ]
f [x2 , x3 ] = x3 x2 f [x1 , x2 , x3 , x4 ] = x4 x1
f [x3 ,x4 ] f [x2 ,x3 ]
x3 f [x3 ] f [x2 , x3 , x4 ] = x4 x2
f [x4 ] f [x3 ]
f [x3 , x4 ] = x4 x3
x4 f [x4 ]
Tabla 9.2 Diferencias divididas en cuatro puntos
Interpolacin de Lagrange
Interpolacin polinmica Interpolacin de Lagrange

Proposicin 9.9. El polinomio de interpolacin de orden n de la funcin f : [a, b] R en los


puntos x0 , x1 ,..., xn es

Pn (x) = f [x0 ] + f [x0 , x1 ](x x0 ) + f [x0 , x1 , x2 ](x x0 )(x x1 ) + (9.2)


+ f [x0 , x1 , . . . , xn ](x x0 )(x x1 ) (x xn1 ).

Tambin puede escribirse el polinomio tomando la sucesin en orden invertido o, lo que es lo


mismo, utilizando la otra diagonal de la tabla de diferencias divididas de la forma

Pn (x) = f [xn ] + f [xn1 , xn ](x xn ) + f [xn2 , xn1 , xn ](x xn )(x xn1 ) + (9.3)
+ f [x0 , x1 , . . . , xn ](x xn )(x xn1 ) (x x1 ).

Estas dos ecuaciones, (9.2) y (9.3), se llaman frmula de Newton del polinomio de interpolacin.
Como hemos dicho, ambas dan exactamente el mismo polinomio, pero a la hora de evaluar en un
punto x es mejor utilizar una u otra dependiendo de la distancia de x a x0 y xn (menos es mejor).
Ejemplo 9.10. Vamos a calcular el polinomio de interpolacin con los siguientes datos.

xi -2 -1 1 2
f [xi ] 2 0 1 -1

La tabla de diferencias divididas es la siguiente:

xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
2 2
2
5
1 0 6
1
2 10
24
1 1 56
2
2 1

Por tanto el polinomio de interpolacin es


5 5 5 11 1
2 2(x + 2) + (x + 2)(x + 1) (x + 2)(x + 1)(x 1) = x3 + x + .
6 12 12 12 2
Tambin se puede calcular utilizando la diagonal inferior
5 10 5 11 1
1 2(x 2) (x 2)(x 1) (x 2)(x 1)(x + 1) = x3 + x + .
6 24 12 12 2
Los clculos anteriores son aprovechables. Por ejemplo, si slo tenemos en cuenta los tres primeros
nodos el correspondiente polinomio de Lagrange de orden 2 es
5 5 x 1
2 2(x + 2) + (x + 2)(x + 1) = x2 + .
6 6 2 3

139
Interpolacin de Hermite Interpolacin polinmica

9.3 Interpolacin de Hermite


En el problema de interpolacin se conoce el valor de una funcin en n puntos, si adems aadi-
mos como informacin inicial el valor de la derivada en dichos puntos estamos ante el problema
de interpolacin de Hermite:

Dados n + 1 puntos distintos x0 , x1 ,..., xn encontrar el polinomio H


de grado menor o igual que 2n + 1 tal que

H(xi ) = yi ,
H 0 (xi ) = y0i , i = 0, 1, . . . , n.

La solucin prximamente...

9.4 Interpolacin de Taylor


Si f : I R es una funcin derivable en a I, la recta tangente

y = f (a) + f 0 (a)(x a)

tiene cierto parecido con la funcin original. Ms concretamente, ambas pasan por el punto (a, f (a))
y tienen la misma pendiente.
Si la funcin f se puede derivar ms veces podemos plantearnos encontrar un polinomio que
se ajuste con ms exactitud a dicha funcin. Para ello podemos escoger varios caminos pero, en
general, necesitamos imponer condicionales adicionales al polinomio. Por ejemplo: existe un
polinomio de grado 2 que coincida con la funcin, su derivada y la segunda derivada en un punto
a? Supongamos que el polinomio es p(x) = a0 + a1 (x a) + a2 (x a)2 . Si imponemos esas
condiciones, obtenemos que:
a0 = f (a),
a1 = f 0 (a),
2a2 = f 00 (a),

En general, el problema de interpolacin de Taylor consiste en

Dado un punto a y n + 1 valores yi , i = 0, 1, . . . , n, encontrar el


polinomio P de grado menor o igual que n tal que P(i) (a) = yi , i = 0,
1, 2,..., n.

En el caso de que los datos correspondan a una funcin, se trata de encontrar un polinomio que
coincida con la funcin y sus derivadas hasta orden n en el punto a.

Definicin 9.11. Sea f : I R, n veces derivable en a I. El polinomio de Taylor de


orden n centrado en a de la funcin f es

140
Interpolacin polinmica Interpolacin de Taylor

f 00 (a) f (n) (a)


Pn (x) = f (a) + f 0 (a)(x a) + (x a)2 + . . . + (x a)n .
2! n!
El polinomio de McLaurin es el polinomio de Taylor en el caso particular a = 0.

Ejemplo 9.12. Calcular el polinomio de Taylor de la funcin seno en centrado en el origen.


En primer lugar vamos a calcular las derivadas sucesivas de la funcin seno:

f (x) = sen(x),
f 0 (x) = cos(x),
f 00 (x) = sen(x),
f 000 (x) = cos(x), y
f (4) (x) = sen(x).

Las derivadas a partir de orden 5 se vuelven a repetir. Expresar la derivada n-sima as es, como
mnimo, incmodo aunque tiene la ventaja de ser entenderse fcilmente. De otra forma,

f (x) = sen(x),
 
f 0 (x) = cos(x) = sen x +
2
   
f 00 (x) = cos x + = sen x + 2
2 2
   
f 000 (x) = cos x + 2 = sen x + 3 ,
2 2
y, por induccin, se tiene que
 
f (n) (x) = sen x + n .
2
Si sustituimos en el origen:
f (0) = 0, f 0 (0) = 1, f 00 (0) = 0, f 000 (0) = 1, f (4) (0) = 0, . . .

Se observa que todas las derivadas de orden par son nulas y las de orden impar van alternando los
valores 1 y -1. El polinomio de Taylor de orden 2n 1 nos queda
f 00 (0) 2 f 000 (0) 3 f (2n1) (0) 2n1
P2n1 (x) = f (0) + f 0 (0)x + x + x + ... + x
2! 3! (2n 1)!
x3 x5 x2n1
=x + + . . . + (1)n+1
3! 5! (2n 1)!
n1 k
X (1)
= x2k+1 .
k=0
(2k + 1)!

El siguiente resultado se conoce como frmula infinitesimal del resto y permite calibrar el pa-
recido entre una funcin y su polinomio de Taylor cerca del punto donde estamos calculando el
desarrollo.
Proposicin 9.13 (Frmula infinitesimal del resto). Sea I un intervalo, f : I R una funcin
de clase C n con n 1 y Pn el polinomio de Taylor de f en a I. Entonces

141
Interpolacin de Taylor Interpolacin polinmica

4
x2 x4 x6 x8
1 2! + 4! 6! + 8!

Coseno

2 3 2 0 3 2
2 2 2

2
x2
1 2!

4
Figura 9.3 La funcin coseno y su polinomio de Taylor
f (x) Pn (x)
lim = 0.
xa (x a)n
A la diferencia entre la funcin y el correspondiente polinomio se le suele llamar resto de Taylor
de orden n de la funcin f en el punto a: Rn (x) = f (x) Pn (x).
1
Ejemplo 9.14 (Calcular). lim x0 1x (e (1 + x) x ).
Sea f : R+ R la funcin definida como
1 1

f (x) = e (1 + x) x .
x
Consideremos la funcin g : R+0 R definida como g(x) = (1 + x)1/x , x > 0 y g(0) = e, funcin
que hemos estudiado en el Ejercicio 7.3 y obtuvimos que es derivable en cero y g0 (0) = e/2.
Utilizando esta funcin y el teorema de Taylor, la funcin f podemos escribirla as:
g(0) g(x) g0 (0)x R1 (x) e R1 (x)
f (x) = = = , x > 0
x x 2 x
donde R1 (x) representa el resto de Taylor de la funcin g en el cero, y de orden 1, por lo que
sabemos que lim x0 R1x(x) = 0. Entonces
e
lim f (x) = .
x0 2

Teorema 9.15 (Teorema de Taylor). Sea I un intervalo y f : I R una funcin n+1 veces
derivable. Sea Pn el polinomio de Taylor de orden n en el punto a de la funcin f . Entonces,
dado x I existe c ]a, x[ tal que
f (n+1) (c)
f (x) Pn (x) = (x a)n+1 .
(n + 1)!

La frmula de Taylor permite dar una estimacin del error que cometemos. Dejando aparte el
valor de la derivada de orden n+1 de la funcin, estamos dividiendo por (n+1)! lo que quiere decir

142
Interpolacin polinmica Interpolacin de Taylor

que cuanto ms alto sea el grado del polinomio mejor. Al mismo tiempo estamos multiplicando por
(xa)n+1 lo cual quiere decir que cuanta mayor sea la distancia entre el punto donde desarrollemos,
a, y el punto donde evaluemos, x, peor.
Ejemplo 9.16. La funcin coseno es uno de los ejemplos tpicos de funcin que supuestamente co-
nocemos. Decimos supuestamente porque en la prctica, salvo en unos cuantos valores destacados,
no sabemos calcularla. En cambio s que podemos evaluar su polinomio de Taylor, por ejemplo, en
el origen. Para ello usaremos las derivadas en el origen de f (x) = cos(x):
f (0) = 1, f 0 (0) = 0, f 00 (0) = 1, f 000 (0) = 0, y f (4) (0) = 1.
El polinomio de Taylor en el origen de orden uno, dicho de otra manera, la recta tangente en 0 es
P1 (x) = 1.
Cerca del origen, el polinomio de Taylor y la funcin coseno no se diferencian demasiado, pero
este parecido desaparece rpidamente cuando nos alejamos. Aumentemos el grado del polinomio
de Taylor. La segunda derivada en el origen vale -1 y por tanto
x2
P2 (x) = 1 .
2
El polinomio de grado 4 es
x2 x4
P4 (x) = 1 +
2 4!
que, como se puede ver la Figura 9.4, se diferencia an menos de la funcin coseno.

1 1 1

2 2 2
2 2 2
1 1 1
Orden 1 Orden 2 Orden 4
Figura 9.4 Polinomio de Taylor de la funcin coseno
A la vista de este ejemplo puede pensarse que si aumentamos el orden del polinomio de Taylor el
error que cometemos ser cada vez ms pequeo y veremos que para la funcin coseno de hecho
es as.
La funcin exponencial coincide con su derivada y, por tanto, con su derivada n-sima. Su
polinomio de Taylor en el origen es
n
x x2 xn X xi
Pn (x) = 1 + + + ... + = .
1! 2! n! i=0 i!
Por ejemplo, si queremos calcular el nmero e, el error ser
ec
Rn (1) = f (1) Pn (1) = (1 0)n+1 ,
(n + 1)!
donde f (x) = e x y c es un punto intermedio entre a = 0 y x = 1. No sabemos con exactitud cuanto
vale ec , lo que s sabemos es que la exponencial es una funcin creciente y entre 0 y 1 est acotada
por 3, por ejemplo. Por tanto
ec

3
| Rn (1) | = .
(n + 1)! (n + 1)!
Por tanto, utilizando dicha cota del error, tenemos

143
Ejercicios Interpolacin polinmica

n Pn (1) error Rn (1)


0 1 3
3
1 2=1+1 2
2 2.5 = 1 + 1 + 12 1/2

3 20 6 = 1 + 1 + 12 + 1
6
1
8
4 2.708 0.025
Tabla 9.3 Aproximaciones
del nmero e

Para poder calcular este polinomio lo nico que necesitamos es la existencia de derivadas de
cualquier orden en un punto a del dominio. En este ambiente, es natural plantearse preguntas como
a) Cualquier funcin de clase C es el lmite en algn sentido de su polinomio de Taylor cuando
el orden tiende a infinito?
b) Qu ocurre con funciones que presentan problemas de regularidad como, por ejemplo, la
existencia de puntos de discontinuidad o en los que no existan todas las derivadas?
c) Si el polinomio de Taylor no se parece a la funcin original siempre, hay al menos algunos
puntos en los que s se parezca? Y, en ese caso, cmo de grande es dicho conjunto?, es un
intervalo?, es abierto, cerrado,. . . ?

9.5 Ejercicios

9.5.1 Polinomio de Taylor

Ejercicio 9.1. Expresar el polinomio x4 5x3 3x2 + 7x + 6 en potencias de (x 2).

Ejercicio 9.2. Calcular un valor aproximado del nmero real con un error menor de 102 en
cada uno de los casos siguientes:

a) = e,  
b) = sen 12 .

Ejercicio 9.3. Utilizar el polinomio de Taylor para calcular 102 con un error menor que 102 .

E Ejercicio 9.4. Calcula una aproximacin de cosh(1/2) con un error menor que 104 .

E Ejercicio 9.5. Sea f una funcin cuyo polinomio de Taylor de grado 3 centrado en 0 es
x2 x3
1+x+ + .
2 3
Calcula el polinomio de Taylor de grado 3 centrado en cero de la funcin g(x) = x f (x).

144
Integrabilidad

145
146
Integracin Funciones integrables

Integracin

10
10.1 Funciones integrables 147 10.2 Teorema fundamental del Clculo 152 10.3 Ejer-
cicios 155

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.


n o n o
Ejemplo 10.2. Los conjuntos {0, 1}, 0, 12 , 1 o 0, 31 , 12 , 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]

147
Funciones integrables Integracin

f f

x0 x1 x2 x3 ... xn x0 x1 x2 x3 ... xn

Suma superior 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.
Rb Rb
Tambin usaremos con frecuencia las notaciones a
fo a
f (x) dx si queremos hacer hincapi
en la variable de integracin.
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:
( )
1 2 n1
Pn = 0, , , . . . , ,1 .
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
X i1 1 X n(n + 1)
S ( f, Pn ) = f = 2 i= , y
i=1
n n n i=1 2n2
n ! n
X i1 1 1 X (n 1)n
I( f, Pn ) = f = 2 i1= .
i=1
n n n i=1 2n2
R1
Si hacemos tender n a infinito, limn S ( f, Pn ) = limn S ( f, Pn ) = 12 . Por tanto 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.

148
Integracin Funciones integrables

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,Rb] R integrables.
R Entonces
a) La suma f + g es integrable yR ( f + g) = f + g.
R

b) Si R, entonces ( f ) = f .
R

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.
R 2 R R
b) (Desigualdad de Schwarz) ( f g) f 2 g2 .
R 1/2 R 1/2 R 1/2
c) (Desigualdad de Minkowski) ( f + g)2 f2 + g2 .

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 a
Rb
En particular, si f (x) 0 para cualquier x se tiene que 0 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]

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.

149
Funciones integrables Integracin

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 b Z c Z b
f (x) dx = f (x) dx + f (x) dx.
a a c

Observacin 10.12. La integral de una funcin f en un intervalo [a, b] no cambia si traslada-


mos dicha funcin.
Z b Z b+k
f f (x k)
a a+k
a b 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.
a a
a 0 Ra Ra
Si por el contrario f es una funcin par entonces a
f =2 0
f.

10.1.2 Condiciones suficientes de integrabilidad


Ya hemos visto que las funciones integrables tienen muchas propiedades interesantes. La siguien-
te 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 in-
cluye 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 fun-
cin.
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 conse-
cuencia 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.

150
Integracin Funciones integrables

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 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
S
i=1 In , y
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.

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 elegi-
das 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

151
Teorema fundamental del Clculo Integracin

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 supre-
mo 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.

Ya podemos dar la respuesta a la pregunta que


planteamos al principio de la seccin: para apro-
f ximarnos al valor de la integral de la funcin s-
f (yi ) lo tenemos que asegurarnos de que la norma de
las particiones tiendan a cero independientemen-
te de cules sean los puntos elegidos en el interva-
lo. Una de las formas ms fciles de conseguirlo
es dividiendo el intervalo en n trozos iguales y
x0 x1 x2 yi xn hacer n tender a infinito.
Esta es una versin light del teorema de Dar-
boux que, de hecho, permite caracterizar las fun-
Figura 10.2 Suma integral o de Riemann ciones integrables utilizando sumas integrales en
lugar de sumas superiores e inferiores.

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.

152
Integracin Teorema fundamental del Clculo

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. Enton-
ces
Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx.
a a c

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.

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 interva-
lo). En cuanto a integrales indefinidas, si
Z x Z x
F(x) = f (t) dt, y G(x) = f (t) dt
a b a x
son integrales indefinidas, entonces
Figura 10.3 Integral in-
Z x x definida
Z
F(x) G(x) = f (t) dt f (t) dt
a b
Z x Z b Z b
= f (t) dt + f (t) dt = f (t) dt.
a x 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.

153
Teorema fundamental del Clculo Integracin

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 inde-
finida 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,
1x2

no es integrable por no ser acotada. En cambio, s admite una primitiva: la funcin arcoseno.
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
Z h(x) !0
f (t) dt (x) = f (h(x))h0 (x) f (g(x))g0 (x).
g(x)

x2 +1 sen(t)
Ejemplo 10.31. La funcin f (x) =
R
1 tdt 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.
Z 1 " 2 #1
x 1
x dx = = .
0 2 0 2

154
Integracin Ejercicios

Ejemplo 10.34. Las propiedades de la integral nos pueden servir para darnos cuenta de que
estamos haciendo algo mal. Por ejemplo:
Z 1p Z 1 p " #1
21
x + x dx =
2 4 x 1 + x dx =
2 (1 + x )
2 3/2
= 0.
1 1 32 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 1 p Z 1 p
x2 + x4 dx = | x | 1 + x2 dx
1 1

usemos que el integrando es una funcin par,

Z 1 " #1
p 2 2 2 2
=2 x 1+ x2 dx = (1 + x2 )3/2 = .
0 3 0 3 3

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)
( f ) =
0
f = G((b)) G((a)).
a (a)

10.3 Ejercicios
Ejercicio 10.1.
Rx Halla las derivadas de cada una de las funciones siguientes:
a) F(x) = a sen (t) dt,
3
Rb
b) F(x) = x 1+t2 +sen
1
2 (t) dt,
Rb
c) F(x) = a 1+t2 +sen
x
2 (t) dt.

Ejercicio 10.2. Halla las derivadas de cada una de las funciones siguientes:
R x2
a) F(x) = 0 sen(log(1 + t)) dt,
R1
b) F(x) = x2 sen3 (t) dt,
R x3
c) F(x) = x2 cos3 (t) dt.

E 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:

155
Ejercicios Integracin

Z sen(x)
2
et dt
x2 +x
lim .
x0 sen2 (x)

E Ejercicio 10.5. 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. Calcula el siguiente lmite


R 2x
sen(sen(t)) dt
lim x
.
x0 x2
R x3 x2 2
E Ejercicio 10.7. Se considera la funcin f (x) = 0 et 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 .
f (x)
c) Calcula lim .
x0 sen(x3 x2 )

156
Clculo de primitivas Clculo de primitivas

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, abu-
sando 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 hace-
mos y = (x), dy = 0 (x) dx, se tiene
Z Z
f ((x))0 (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.

e + 3e2x y = ex y + 3y2 1 1 + 3y
Z x " # Z Z
dx = = dy = dy
2+e x dy = e dx
x 2+y y 2+y
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
u(x)v (x) dx = u(x)v(x) v(x)u0 (x) dx.
0

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

157
Clculo de primitivas Clculo de primitivas

Z b Z b
u(x)v (x) dx = u(b)v(b) u(a)v(a)
0
v(x)u0 (x) dx.
a a
R
Ejemplo 11.3. Calcular x e x dx.
u = x, du = dx
Z   Z
x e dx =
x
= x e e x dx = x e x e x = e x (x 1).
x
dv = e x dx, v = e x
R
Ejemplo 11.4. Calcular sen(x) e x dx.
u = sen(x), du = cos(x)
Z " # Z
sen(x)e dx =
x
= sen(x)e cos(x)e x dx
x
dv = e dx,
x v=e x

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,

sen(x)e x dx =
R 1
con lo que despejando tenemos 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
P(x) G(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, supon-
dremos siempre que el grado de P es menor que el grado de Q.
P(x)
R
Integrales del tipo (ax+b)n
P(y)
El cambio de variable y = ax + b la transforma en una integral inmediata de la forma
R
yn dy.
Ejemplo 11.5.
3x2 + 5x + 2 3(y + 1)2 + 5(y + 1) + 2
Z Z
= = = =
 
dx y x 1, dy dx dy
(x 1)3 y3
3y2 + 11y + 10
Z
= dy
y3
Z Z Z
dy dy dy
=3 + 11 2
+ 10
y y y3
11 5
=3 log | x 1 | .
x 1 (x 1)2
R Mx+N
Integrales del tipo 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:

158
Clculo de primitivas Clculo de primitivas

Mx + N Mx + N M(x d) + N + Md
Z Z Z
dx = dx = dx
x + bx + c
2 (x d) + k
2 2 (x d)2 + k2
N + Md
Z Z
M(x d)
= dx + dx
(x d) + k
2 2 (x d)2 + k2
Z
M dx
= log (x d)2 + k2 + (N + Md)
2 (x d)2 + k2

y la ltima integral es inmediata (del tipo arcotangente) si hacemos el cambio de variable y = k .


xd
R
Ejemplo 11.6. Calcular x22x+3 +2x+2
dx.
Como x2 + 2x + 2 = (x + 1)2 + 1, hacemos el cambio y = x + 1
2x + 3 2(y 1) + 3
Z Z Z Z
2y dy
dx = dy = dy +
x + 2x + 2
2 y +1
2 y +1
2 y +1
2

= log(y + 1) + arctan(y) = log(x + 2x + 2) + arctan(x + 1).


2 2

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
B1 x + C1 B2 x + C2 Bm x + Cm
+ 2 + + 2 ,
x + b1 x + c1 x2 + 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:
1 A 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+ B+C = 0
A = 1/4

A B+ D = 0 B = 1/4




=


A+ BC = 0 C=0





ABD = 1 D = 1/2


Por tanto,

159
Clculo de primitivas Clculo de primitivas

Z Z Z Z
dx 1 dx 1 dx 1 dx
=
4
x 1 4 x1 4 x+1 2 x +1
2
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
P(x) A1 A2 Ar 1 B1 B2 C rn
= + + + r
+ + +
Q(x) x a1 (x a1 )2 (x a1 ) 1 x a2 (x a2 )2 (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

1 A B C D
= + + +
(x 1)(x + 1) 3 x 1 x + 1 (x + 1) 2 (x + 1)3
A(x + 1) + B(x 1)(x + 1) + C(x 1)(x + 1) + D(x 1)
3 2
=
(x 1)(x + 1)3
1
=
(x 1)(x + 1)3
Igualando coeficientes:
A+B=0

A= 1
8
3A + B + C = 0 B = 18







3A B + D = 0 C = 14





A BC D = 1 D = 12 .


La integral nos queda


Z Z Z Z Z
dx 1 dx 1 dx 1 dx 1 dx
=
(x 1)(x + 1)3 8 x1 8 x+1 4 (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
P(x)
Q(x)como suma de fracciones ms simples de una forma muy particular. Pasos a seguir:

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

P(x)
Escribimos el cociente Q(x) de la siguiente forma:

160
Clculo de primitivas Clculo de primitivas

P(x) A1 An M 1 x + N1 M m x + Nm
= + + + 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 frac-
ciones 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:

M1 x + N1
Z Z Z
P(x) A1
dx = dx + + dx +
Q(x) x a1 x + b1 x + c1
2
F(x)
+
(x a1 ) 1 (x an ) n (x + b1 x + c1 )1 1 (x2 + bm x + cm )m 1
1 1 2

R 2
Ejemplo 11.10. Clculo de (x2x+9)2 dx.

x2 Mx + N d ax + b
!
= 2 +
(x2 + 9)2 x +9 dx x2 + 9
(Mx + N)(x2 + 9) a(x2 + 9) 2x(ax + b)
= +
(x2 + 9)2 (x2 + 9)2
Mx + (N a)x + (9M 2b)x + (9a + 9N)
3 2
=
(x2 + 9)2
Igualando los numeradores coeficiente a coeficiente, obtenemos el sistema de ecuaciones:
M = 0
a + N = 1 M=0 b=0


=


2b + 9M = 0 N = 1/2 a = 1/2



9a + 9N = 0

De esta forma se tiene


x2 12 x
Z Z
1 dx
dx = + ,
(x + 9)
2 2 x +9 2
2 x2 +9
y la ltima integral vale
Z Z
dx 1/9 1  x
= dx = arctan .
x2 + 9
 2 3 3
x
3 + 1

En resumen,
x2
Z
x 1  x
dx = + arctan .
(x2 + 9)2 2(x2 + 9) 6 3

161
Clculo de primitivas Clculo de primitivas

x2 2
R
Ejemplo 11.11. Calcular x3 (x2 +1)2
dx.

x2 2 A Mx + N d ax3 + bx2 + cx + d
!
= + 2 + .
x3 (x2 + 1)2 x x +1 dx 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
x2 2 (5/2)x2 + 1
Z
5
dx = + 5 log(x) log(x2 + 1).
x (x + 1)
3 2 2 x (x + 1)
2 2 2

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
R R
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  
tan (x) dx = tan (x) tan (x) dx =
5 3 2
tan3 (x) sec2 (x) 1 dx
Z Z
= tan (x) sec (x) dx tan3 (x) dx.
3 2

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
tan (x) dx = tan(x) tan (x) dx =
3 2
tan(x)(sec2 (x) 1) dx
Z Z
1
= tan(x) sec (x) dx tan(x) dx = tan2 (x) + log | cos(x) | .
2
2

162
Clculo de primitivas Clculo de primitivas

R
Integrales de la forma 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).
3 (x)
Ejemplo 11.14. Calcular cos
R
sen2 (x)
dx.

cos3 (x) (1 sen2 (x)) cos(x) dx y = sen(x) 1 y2


Z Z " # Z
dx = = = dy
sen2 (x) sen2 (x) dy = cos(x) dx y2
1 1
= y= sen(x).
y sen(x)
R
Integrales de la forma 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.
1 + cos(2x)
Z Z Z Z
dx cos(2x) x sen(2x)
cos (x) dx =
2
dx = + dx = + .
2 2 2 2 4
R
Integrales de la forma 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 re-
suelven utilizando el cambio y = tan(x)
R
Ejemplo 11.16. Calcular sen3 (x)dxcos5 (x)
y = tan(x) (1 + y2 )3
Z " # Z
dx
= = dy
sen3 (x) cos5 (x) dy = sec2 x dx y3
1 3 1
= cotan2 (x) + 3 log | tan(x) | + tan2 (x) + tan4 (x) .
2 2 4
R
Integrales de la forma 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 cociente de dos polinomios en sen(x) y cos(x). En general, se hace el cambio de variable
1t2

t = tan 2x , con lo que sen(x) = 1+t
2t
2 , cos(x) = 1+t2 , y dx = 1+t2 . Con este cambio convertimos la
2 dt

integral en la integral de una funcin racional, que ya hemos estudiado.


R dx
Ejemplo 11.17. Calcular sen(x)tan(x)
Z Z Z 2
dx cos(x) dx   x  t 1
= = tan = t = = dt
sen(x) tan(x) sen(x) cos(x) sen(x) 2 2t3
 
1 log | t | 1 1 x
= 2+ =   + log tan .
4t 2 4 tan2 x 2 2
2

163
Clculo de primitivas Clculo de primitivas

11.1.5 Integracin de funciones hiperblicas


R
Integrales de la forma 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)

e =t
Z Z " x #
dx dx
= =
1 + 2 senh(x) + 3 cosh(x) 1 + 52 e x + 21 ex dx = dt/t
Z
dt
=2
5t2 + 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   p2   pn !
, cx+d , . . . , cx+d
R ax+b ax+b q2 ax+b qn
Integrales de la forma R x, cx+d
1

Se resuelven utilizando el cambio de variable yq = ax+b


cx+d , donde q es el mnimo comn mltiplo
de q1 , q2 , . . . , qn .
R dx
Ejemplo 11.20. Calcular x+
3
x
Haciendo el cambio x = y6 ,

164
Clculo de primitivas Clculo de primitivas

6y5 y3
Z Z Z
dx
3 = dy = 6 dy
x+ x y3 + y2 y+1

=2y3 3y2 + 6y 6 log |y + 1| = 2 x 3 3 x + 6 6 x 6 log 6 x + 1 .
R  
Integrales de la forma R x, a2 x2
Se transforman en una integral trigonomtrica con el cambio x = a sen(t) o x = a cos(t). Tam-
bin se puede realizar el cambio x = a tanh(t) y se transforma en una integral hiperblica.
R 4x2
Ejemplo 11.21. Clculo de x2
dx:
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
4 x2
Z Z
(2 cos(t))(2 cos(t))
dx = dt = cotan2 (t) dt
x2 4 sen2 (t)
Z
= (cosec2 (t) 1) dt = cotan(t) t


cos(t) 4x2
usando que cotan(t) = sen(t) = x , se tiene que


4 x2  x
= arcsen .
x 2
 
R x, a2 + x2
R
Integrales de la forma

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
Ejemplo 11.22. Calcular
2
.
x 1+x
Hacemos el cambio x = tan(t), dx = sec2 (t)dt,
sec2 (t)
Z Z Z  t   t 
dx dt
= dt = = log cos
+ log sen
.
x 1 + x2 tan(t) sec(t) sen(t) 2 2
R 2
Ejemplo 11.23. Calcular x 2 dx.
1+x
Hacemos el cambio x = senh(t),
x2
Z Z Z
1 1 t
dx = senh (t) dt =
2
(cosh(2t) 1) dt = senh(2t) .
1 + x2 2 4 2
R  
Integrales de la forma R x, x2 a2
Se resuelven utilizando los cambios x = a sec(t) o x = a cosh(t).
R
Ejemplo 11.24. Calcular x2 1 dx.
sen2 (t)
Z p Z Z
sen(t)
x 1 dx =
2 tan(t) 2 dt = dt,
cos (t) cos3 (t)

165
Ejercicios Clculo de primitivas

que se resuelve aplicando los mtodos ya vistos. Tambin podramos haber utilizado el cambio
x = cosh(t) y, en ese caso, se tiene que

x2 1 arccosh(x)
Z p Z Z
cosh(2t) 1 x
x2 1 dx = senh (t) dt =
2
dt = . . . = .
2 2 2
 
R x, ax2 + bx + c
R
Integrales de la forma

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
x 4
8x x2 = (x2 8x + 16) + 16 = (x 4)2 + 16 = 16 1



4

y hacemos el cambio de variable y = (x 4)/4:


y = (x 4)/4
Z Z " #
dx dx
= = =
dy = dx/4
r 
8x x2  2 
x4
16 1 4
Z Z !
4dy dy x4
= p = p = arcsen(y) = arcsen .
4 1 y2 1 y2 4

11.2 Ejercicios

11.2.1 Integrales inmediatas y cambio de variable

Ejercicio
R 11.1. Calcula las siguientes primitivas
a) R 5 x6 dx
b) R x(x + 1)(x 2)dx
c) R (2 + 3 x3 )2 dx
dx
d)
n
R x2 2
e) (a 3 x 3 )3 dx
R 2 +1
f) xx1 dx

Ejercicio 11.2. Calcula las siguientes primitivas


R 3
1+log(x)
a) R x dx
b) R exdx+1
c) x(2x + 5)10 dx

11.2.2 Integracin por partes

Ejercicio
R 11.3. Calcula las siguientes primitivas R
a) R log(x)dx c) R arcsen(x)dx
b) arctan(x)dx d) x sen(x)dx

166
Clculo de primitivas Ejercicios

R R
e) R xex dx g) x sen(x) cos(x)dx
f) x2 e3x dx

11.2.3 Integracin de funciones racionales

Ejercicio 11.4. Calcula las siguientes primitivas R


R x2 5x+9 dx
a) x2 5x+6 dx d) (x2 4x+3)(x2 +4x+5)
R 5x3 +2 R dx
b) x3 5x2 +4x dx e) (x+a)(x+b)
R dx
c) x(x+1) 2

Ejercicio
R 11.5. Calcula las siguientes primitivas R
a) x3dx+1 c) dx
(x4 1)2
R dx
b) (x+1)2 (x2 +1)2

11.2.4 Integracin de funciones trigonomtricas

Ejercicio 11.6. Calcula las siguientes


R primitivas
cos5 (x)
R
a) R cos3 (x)dx d) R sen2 (x) cos2 (x)dx
R
f) sen3 (x)
dx
b) R sen5 (x)dx e) cos6 (3x)dx
c) sen2 (x) cos3 (x)dx
Ejercicio
R cos(x)11.7. Calcula las siguientes primitivas R
dx
a) 1+cos(x) dx d) 3 sen2 (x)+5 cos2 (x)
b) 1+tan(x)
R R sen(2x)
dx e) dx
R 1tan(x)
dx
1+sen2 (x)
c) 1+cos2 (3x)

11.2.5 Integracin de funciones irracionales

Ejercicio
R 3 11.8. Calcula las siguientes primitivas R
a) x dx c) dx 3
R x1 dx x+
x

R x+1+2
b) d) dx
x+1+ (x+1)3 (x+1)2 x+1

Ejercicio
R x2 dx11.9. Calcula las siguientes primitivas
a) 2
R x dx x+1
b) 5

2
x x 1

167
Ejercicios Clculo de primitivas

R 5 R 6
c) x dx d) x dx
1x2 1+x2

168
Integrales impropias Integrales impropias en intervalos acotados

Integrales impropias

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 n
Z bn
lim f (x) dx.
n an

En ese caso, usaremos la notacin


Z bn Z b
lim f (x) dx = f (x) dx.
n an a

La integral impropia satisface propiedades similares a la de la integral ya vista. Sirvan los si-
guientes 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 a c

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 }.

169
Integracin en intervalos no acotados Integrales impropias

Z b Z b Z b
( f + g)(x) dx = f (x) dx + g(x) dx.
a a a
Rb Rb
b) Si f (x) g(x) para todo x en ]a, b[, entonces a
f 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

f (x) dx g(x) dx.
a a

En particular si f es localmente integrable y | f | es impropiamente integrable, f tambin es


impropiamente integrable.
sen(x)
Ejemplo 12.5. La funcin f (x) = x si x > 0 y f (0) = 1 es impropiamente integrable en
]0, +[ pero | f | no lo es.
En el caso de funciones continuas la situacin es un poco ms sencilla. El teorema fundamen-
tal 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),
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
c

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
A= = = lim (1) = 1.
1 x2 x 1 x+ x

170
Integrales impropias 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)
a 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
1
Z 1 " #
1  
A= dx = 2 x = 2 lim+ 2 x = 2.
0 x 0 x0

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 a c

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
0

171
Ejercicios Integrales impropias

R1  
con lo que se tiene que 1
log x2 dx = 2 2 = 4.
R1 1
Ejemplo 12.9. Calcular 1 x2
dx.
Si hacemos
Z 1 " #1
1 1
2
dx = = 1 (+1) = 2!!!!!
1 x x 1

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 descom-
poner la integral como
Z 1 Z 0 Z 1
1 1 1
2
dx = 2
dx + 2
dx,
1 x 1 x 0 x

pero
Z 0 " #0
1 1
2
dx = = lim (1/x) (+1) = +
1 x x 1 x0
Z 1 " #1
1 1
2
dx = = 1 lim+ (1/x) = +,
0 x x 0 x0

R1
y por tanto 1
1 x2
dx = +.

12.4 Ejercicios
Ejercicio 12.1. Prueba que existen las siguientes integrales y que tienen el valor que se indica
en cada
R 1 dxcaso:  
x = 1 + log 1+e
2
a) 0 1+e
R 1/2    
b) 0 dx 2 = arcsen 23 arcsen 12 7
R3 20+8xx
c) 0 dx 2 = 2
R 1 9x
d) 0 x 6 dx = 6
2

R + 1x x1
e) 1 x3 3x2 +x+5 dx = 3+log(2)
10
R + x
f) 0 3+x dx = 3
R + dx4
12
g) ex +e x = 2

Ejercicio 12.2. Prueba que existen las siguientes integrales y que tienen el valor que se indica
en cada
R 1 caso:
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

172
Aplicaciones de la integral Clculo de reas

Aplicaciones de la integral

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 inte-
gramos:
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 1 Z 2 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
= + = ./ 0 1 2 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 1q Z 1 "
dx
l= 1 + f (x) dx = =
0 2 = arcsen(x) = + = ./
1 1 1 x 2 1 2 2

173
rea de slidos de revolucin Aplicaciones de la integral

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
Superficie = 2 f (x) 1 + f 0 (x)2 dx.
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
y = f (x) = 1 x2 x [1, 1]

De esta forma, la superficie ser:


Z 1 1
Z 1
1 x2
q Z
S = 2 f (x) 1 + f 0 (x)2 dx = = 2 dx = 2 dx = 2 2 = 4./
1 1 1 x2 1

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
f es
Z b
VOX = f (x)2 dx
a

y el volumen del slido generado al girar dicha rea respecto al eje


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

13.5 Algunas funciones definidas mediante integrales

174
Aplicaciones de la integral Ejercicios

13.5.1 La funcin gamma

La funcin gamma : R+ R est definida como


Z
(x) = t x1 et dt.
0

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.

E Ejercicio 13.5. Calcula el rea entre las curvas y = sech(x) e y = 3


4 cosh(x).

E 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, c) y = xe x1 .

Ejercicio 13.7. Halla la longitud de las siguientes curvas:


4 +48
a) y = x 24x en [2, 4] h i
b) y = log(1 x2 ) en 13 , 32 .
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

175
Ejercicios Aplicaciones de la integral

Ejercicio 13.8. Hllese la longitud del arco de curva x = 31 y3 + 1


4y desde y = 1 hasta y = 3.

Ejercicio 13.9. Hllese la longitud del arco de la curva 9x2 = 4y3 entre los puntos (0, 0) y

(2 3, 3).

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. Halla el volumen generado al girar alrededor del eje OX la grfica de f (x) =
18x
x2 +9
.

Ejercicio 13.12. Calcula el volumen del slido generado al girar la regin limitada por x = y2
e y = x2
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
y = e +e
x x
2 entre x = 1 y x = 1.

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.

176
Mtodos de aproximacin numrica de integrales Introduccin

Mtodos de aproximacin numrica de inte-


grales

14
14.1 Introduccin 177 14.2 Mtodos simples 177 14.3 Mtodos de aproxima-
cin compuestos 180

14.1 Introduccin
El clculo de la integral de una funcin en un intervalo [a, b] a travs de la regla de Barrow
puede ser en algunos casos no slo complicado, sino prcticamente imposible por varias razones,
principalmente dos.
La primera razn es que nos sea imposible calcular una primitiva elemental de la funcin a
integrar, este caso es muy usual. Por ejemplo la funcin f (x) = (1 + x2 )1/3 no somos capaces de
calcularle una primitiva que se pueda expresar con funciones elementales. Otro ejemplo, muy usual
2
ste, es la funcin de densidad f (x) = ex que tantas veces aparece.
La segunda razn para no poder aplicar la regla de Barrow es que no conozcamos la expresin
de la funcin que queremos integrar o simplemente que no conozcamos el valor de la funcin en
todos los puntos del intervalo donde est definida (le llamaremos [a, b]) sino solamente en algunos
puntos de dicho intervalo
Por todo lo anterior, a veces hay que recurrir a mtodos de aproximacin para calcular el valor
de la integral de una funcin en un intervalo. Ya que la propia definicin de la integral viene dada
por un lmite (de sumas superiores y sumas inferiores), una aproximacin a dicho lmite podra
considerarse un primer mtodo de aproximacin numrica de la integral.
Los mtodos de aproximacin del clculo de la integral que veremos se llaman mtodos o reglas
de integracin numrica y consisten, bsicamente, en dada f : [a, b] R continua, aproximamos
dicha funcin por un polinomio adecuado. As, la integral de dicho polinomio ser una aproxima-
cin de la integral de f . Estos mtodos son los llamados mtodos simples, que, si bien son muy
sencillos de enunciar, la aproximacin que dan deja mucho que desear en muchos casos. Un anli-
sis posterior nos dar los mtodos compuestos que producen una aproximacin ms buena. Primero
veremos los simples.

14.2 Mtodos simples

14.2.1 Mtodo del trapecio simple


El mtodo del trapecio simple consiste en considerar como polinomio de aproximacin de la
funcin f en el intervalo [a, b] el polinomio de interpolacin de Lagrange de la funcin f en x0 = a
Rb Rb
y x1 = b y se toma a P1 (x)dx como aproximacin de a f (x)dx. El polinomio de interpolacin
de Lagrange es

177
Mtodos simples Mtodos de aproximacin numrica de integrales

xb xa
P1 (x) = f (a) + f (b) ,
ab ba
lo que nos proporciona
Z b Z b
ba
f (x)dx P1 (x)dx = ( f (a) + f (b)).
a a 2
El nombre de mtodo o regla del trapecio est claro si observamos en el siguiente dibujo que
aproximacin estamos dando de la integral: Si tenemos una funcin f : [a, b] R y suponemos
que es positiva, la aproximacin dada por el mtodo del trapecio es el rea del trapecio formado
por los puntos (a, 0), (b, 0), (b, f (b)) y (a, f (a)).

(b, f (b))

(a, f (a))

a b

Figura 14.1 Mtodo del trapecio simple

Esta aproximacin solo es exacta cuando la funcin f es un polinomio de grado 1. En cualquier


caso tenemos que el error que se comete al aplicar esta regla viene dado por
Z b
ba 1
f (x)dx ( f (a) + f (b)) = (b a)3 f 00 ()
a 2 12
para conveniente ]a, b[.

14.2.2 Regla del punto medio simple


Para construir esta aproximacin de la integral de la funcin f en el intervalo [a, b] se considera
P el polinomio de aproximacin de Lagrange de la funcin en el punto x0 = a+b 2 y se toma
R 0b Rb
a
P0 (x)dx como aproximacin de a f (x)dx. Como P0 (x) = f ( 2 ), entonces la aproximacin
a+b

queda
a+b
Z b Z b
f (x)dx P0 (x)dx = (b a) f ( )
a a 2
que, si f es positiva en el intervalo [a, b], nos da como aproximacin del rea que queda entre el
eje de abscisas y la grfica de f entre a y b, el rea del rectngulo de base b a (la longitud de
intervalo [a, b]) y altura f ( a+b
2 ).
Claramente esta frmula es exacta cuando la funcin f es constante en el intervalo [a, b], y, en
general, el error cometido al tomar esta aproximacin es
a+b
Z b
1
f (x)dx (b a) f ( ) = (b a)3 f 00 (),
a 2 24
para algn ]a, b[.

178
Mtodos de aproximacin numrica de integrales Mtodos simples

(b, f (b))
  
2 ,
a+b a+b
f 2

(a, f (a))

a a+b b
2

Figura 14.2 Mtodo del punto medio simple

14.2.3 Regla de Simpson simple

En este caso se toma como aproximacin de la funcin P2 , el polinomio de interpolacin de


Lagrange de la funcin f en los puntos x0 = a, x1 = a+b 2 y x2 = b. Como aproximacin de
Rb Rb
a
f (x)dx se toma a P2 (x)dx. As el mtodo de Simpson simple nos da
a+b
Z b ! !
(b a)
f (x)dx f (a) + 4 f + f (b) .
a 6 2

(b, f (b))
  
2 ,
a+b a+b
f 2

(a, f (a))

a a+b b
2

Figura 14.3 Regla de Simpson simple

Est mtodo es exacto cuando la funcin f es un polinomio de grado menor o igual que 3. El
error cometido al sustituir el valor exacto de la integral por la aproximacin que nos da la regla de
Simpson vale
a+b
Z b ! !
(b a) 1
f (x)dx f (a) + 4 f + f (b) = 6
(b a)5 f 4) (),
a 6 2 90 2
para algn ]a, b[.
Est claro que, al ser P2 una mejor aproximacin, en general, que P0 y P1 , la regla de Simpson
es mejor aproximacin a la integral que la regla del trapecio y la del punto medio. La siguiente
tabla muestra las aproximaciones dadas por las tres reglas que hemos presentado.
ahora viene una tabla que tengo que hacer.
En vista de las frmulas de los errores cometidos al tomar como aproximacin cualquiera de las
frmulas anteriores, estos errores dependen mucho de la longitud del intervalo [a, b]. En todos las
frmulas de los errores aparece un trmino (b a) elevado a una potencia. Est claro que si (b a)
es muy grande la aproximacin no es muy buena. Este hecho adems responde a la intuicin: no

179
Mtodos de aproximacin compuestos Mtodos de aproximacin numrica de integrales

podemos pretender que si el intervalo de definicin de la funcin es muy grande al tomarnos como
aproximacin de la funcin un polinomio de grado 0 (e incluso 1 o 2) obtengamos una muy buena
aproximacin.
Si en el ejemplo de la tabla anterior aumentamos la longitud del intervalo veamos qu ocurre:
Otra tabla con el mismo ejemplo con un intervalo ms grande y comentar los errores que se
cometen ahora.

14.3 Mtodos de aproximacin compuestos


Una forma de resolver este problema consiste en dividir el intervalo [a, b] en n subintervalos de
idntica longitud y aplicar un mtodo de aproximacin simple en cada uno de los subintervalos
obtenidos y despus sumar las aproximaciones obtenidas. La aditividad de la integral respecto al
intervalo nos garantiza que la suma obtenida es una aproximacin de la integral de la funcin en
el intervalo [a, b]. Estos mtodos de aproximacin se llaman mtodos de aproximacin compuesta
y vamos a comentar brevemente los tres correspondientes a los mtodos de aproximacin simple
que acabamos de estudiar.
Lo primero que tenemos que hacer, en los tres mtodos, es dividir el intervalo en n subintervalos
de igual longitud. Para tal fin consideramos los puntos
ba
xk = a + k , k = 0, 1, . . . n, (14.1)
n
donde n es un nmero natural. Estos puntos xk , para k = 0, 1, . . . , n reciben el nombre de nodos.
Si ahora aplicamos cada uno de los mtodos de aproximacin simples a la funcin en cada uno de
los intervalos [xk , xk+1 ] obtenemos en cada caso las siguientes frmulas:

Mtodo del trapecio compuesto


Rb
Sean x0 , x1 , . . . , xn los nodos dados por (14.1). La aproximacin de la integral a f (x)dx utili-
zando el mtodo del trapecio compuesto con los subintervalos dados por los anteriores nodos nos
proporciona
n1

(b a) X
Tn = f (a) + 2 f (xi ) + f (b) ,
2n i=1

y el error cometido queda estimado por la frmula


Z b
1 (b a)3 00
f (x)dx T n = f ()
a 12 n2
donde es un nmero del intervalo ]a, b[.

Mtodo del punto medio compuesto


Considerando los mismos nodos que en el apartado anterior la regla del punto medio compuesto
nos da una aproximacin
n1
(2i + 1) (b a)
!
(b a) X
Mn = f a+ .
n i=0
2 n

En este caso la expresin del error nos queda

180
Mtodos de aproximacin numrica de integrales Mtodos de aproximacin compuestos

b
(b a)3 00
Z
f (x)dx Mn = f ()
a 24n2
para ]a, b[.

Mtodo de Simpson compuesto

En este caso necesitamos que el nmero n sea par. Usando el mtodo de Simpson en cada
intervalo [xk , xk+1 ] obtenemos la aproximacin

(b a) 
Sn = ( f (x0 ) + 4 f (x1 ) + f (x2 )) + ( f (x2 ) + 4 f (x3 ) + f (x4 )) +
3n
+ ( f (xn2 ) + 4 f (xn1 ) + f (xn )) .


Haciendo un fcil cambio de variable obtenemos que la anterior expresin coincide con
n/2
(b a) X 
Sn = f (x2i2 ) + 4 f (x2i1 ) + f (x2i )

3n i=1

y el error que se comete viene dado por


Z b
1 (b a)5 4)
f (x)dx S n = f ()
a 180 n4
para un ]a, b[.
El error en los tres mtodos depende inversamente del nmero de nodos n. Pero mientras que en
el mtodo del trapecio y en del punto medio el error es inversamente proporcional a n2 en el mtodo
de Simpson es inversamente proporcional a n4 . Est claro por tanto que el mtodo de Simpson es
ms exacto que los otros dos cuando aumentamos el nmero de nodos.
Ejemplo 14.1. Consideremos la integral de la funcin f (x) = e x sen(x) en el intervalo [0, 1].
A esta funcin se le puede calcular una primitiva fcilmente integrando por partes (hgase!) y
evaluando en 0 y en 1 queda
Z 1
e x sen(x)dx = 0.90933067363148.
0

181
Mtodos de aproximacin compuestos Mtodos de aproximacin numrica de integrales

Trapecio Aproximacin Error


n=20 0.9670887643 5.78 102
n=40 0.9380661609 2.87 102
n=100 0.9207904171 1.15 102
Punto medio Aproximacin Error
n=20 0.9090435575 2.87 104
n=40 0.9092588997 7.18 105
n=100 0.9093191900 1.15 105
Simpson Aproximacin Error
n=20 0.9093305474 1.26 107
n=40 0.9093306657 7.89 109
n=100 0.9093306734 2.02 1010

Tabla 14.1 Frmulas de integracin compuesta

182
Apndices

183
184
Geometra Parbolas, elipses e hiprbolas

Geometra

A.1 Parbolas, elipses e hiprbolas


Adems de las curvas asociadas a lineas rectas, funciones trigonomtricas o a cualquier otra
funcin elemental, hay tres curvas que tienen una destacada importancia: las secciones cnicas.
Los griegos ya conocan que el corte de un cono por un plano produca slo tres tipos de curvas:
parbolas, elipses e hiprbolas. Vamos a comentarlas con ms detalle.

A.1.1 Parbola n o
(x, y) R2 : y = ax2 + bx + c

Una parbola es el conjunto de puntos que equidistan de un punto


dado, llamado foco, y de una recta llamada directriz. La recta perpen-
dicular a la directriz y que pasa por el foco se llama eje de la parbola.
La interseccin del eje y de la directriz se llama vrtice.
F

Figura A.1 Parbola

A.1.2 Elipse
x 2 y2
( )
(x, y) R : 2 + 2 = 1
2
a b

rea = ab
Una elipse es el conjunto de puntos verificando que la b
0
suma de las distancias a dos puntos fijos (F y F ), llama-
dos focos, es una constante mayor que la distancia entre
los focos. El punto medio del segmento que une los focos
a F O F0 a
se llama centro. El segmento que pasa por los dos focos
y acaba en la elipse se llama eje mayor. El segmento per-
pendicular al eje mayor y que acaba en la elipse es el eje
menor. Las intersecciones de los ejes con la elipse se lla- b
man vrtices de la elipse. Los focos son los puntos (c, 0)
y (c, 0) que verifican a2 = b2 + c2 . El caso particular
a = b es conocido: la circunferencia. Figura A.2 Elipse
Las ecuaciones que hemos escrito describen elipses
o, en el caso particular de que los semiejes coincidan, circuferencias centradas en el origen de
coordenadas. Si el centro est en el punto (h, k) la ecuacin es

185
Superficies cuadrticas Geometra

(x h)2 (y k)2
+ = 1.
a2 b2
Es inmediato comprobar que la circunferencia de radio r centrado en el punto (h, k) es
(x h)2 + (y k)2 = r2

y su longitud es
Longitud de una circunferencia de radio r= 2r

A.1.3 Hiprbola
x 2 y2
( )
(x, y) R : 2 2 = 1
2
a b
Una hiprbola es el conjunto de puntos que verifican que la diferencia de las distancias a dos
puntos fijos, llamados focos, es una constante positiva menor que la distancia entre los focos (F y
F 0 ).

A.2 Superficies cuadrticas


a) Esfera: (x a)2 + (y b)2 + (z c)2 = R2

Secciones paralelas al plano xy: circunferencias.

Secciones paralelas al plano xz: circunferencias.

Secciones paralelas al plano yz: circunferencias.

Volumen = 43 R3

rea = 4R2

x2 y2 z2
b) Elipsoide: a2
+ b2
+ c2
=1

Secciones paralelas al plano xy: Elipses.

Secciones paralelas al plano xz: Elipses.

Secciones paralelas al plano yz: Elipses.

186
Geometra Superficies cuadrticas

x2 y2
c) Cilindro elptico: a2
+ b2
=1

Secciones paralelas al plano xy: elipses.

Secciones paralelas al plano xz: rectas.

Secciones paralelas al plano yz: rectas.

Volumen = abaltura

x2 y2
d) Cilindro hiperblico: a2
b2
=1

Secciones paralelas al plano xy: hiprbolas.

Secciones paralelas al plano xz: rectas.

Secciones paralelas al plano yz: rectas.

x2 y2
e) Paraboloide elptico: a2
+ b2
=z

Secciones paralelas al plano xy: Elipses.

Secciones paralelas al plano xz: Parbolas.

Secciones paralelas al plano yz: Parbolas.

187
Superficies cuadrticas Geometra

x2 y2
f) Paraboloide hiperblico: a2
b2
=z

Secciones paralelas al plano xy: Hiprbolas.

Secciones paralelas al plano xz: Parbolas.

Secciones paralelas al plano yz: Parbolas.

x2 y2 z2
g) Cono elptico: a2
+ b2
c2
=0

Secciones paralelas al plano xy: Elipses.

Secciones paralelas al plano xz: Hiprbolas.

Secciones paralelas al plano yz: Hiprbolas.

x2 y2 z2
h) Hiperboloide elptico de una hoja: a2
+ b2
c2
=1

Secciones paralelas al plano xy: Elipses.

Secciones paralelas al plano xz: Hiprbolas.

Secciones paralelas al plano yz: Hiprbolas.

188
Geometra Superficies cuadrticas

x2 y2 z2
i) Hiperboloide elptico de dos hojas: a2
+ b2
c2
= 1

Secciones paralelas al plano xy: Elipses.

Secciones paralelas al plano xz: Hiprbolas.

Secciones paralelas al plano yz: Hiprbolas.

189
190
Algunas tablas Derivadas

Algunas tablas

B.1 Derivadas
A la lista de derivadas de funciones habr que aadir las reglas que permiten derivar funciones
compuestas a partir de stas como la regla de la cadena.

Funcin Derivada
f (x) = xn , x R, n Z f 0 (x) = nxn1
f (x) = log(x), x R+ f 0 (x) = 1/x
f (x) = loga (x), x R+ , a > 0, a 6= 1 f 0 (x) = loga (e)/x
f (x) = a x , x R, a > 0, a 6= 1 f 0 (x) = a x log(a)
f (x) = e x , x R, f 0 (x) = e x
f (x) = x , x > 0, 6= 0 f 0 (x) = x1
f (x) = sen(x) f 0 (x) = cos(x)
f (x) = cos(x) f 0 (x) = sen(x)
1
f (x) = tan(x), x R \ 2 + k : k Z f 0 (x) =
n o
cos2 (x)
1
f (x) = cotan(x), x R \ {k : k Z} f 0 (x) =
sen2 (x)
f (x) = sec(x) f 0 (x) = sec(x) tan(x)
f (x) = cosec(x) f 0 (x) = cosec(x) cotan(x)
1
f (x) = arcsen(x), x ] 1, 1[ f 0 (x) =
1 x2
1
f (x) = arccos(x), x ] 1, 1[ f 0 (x) =
1 x2
1
f (x) = arctan(x) f 0 (x) =
1 + x2
1
f (x) = arccotan(x) f 0 (x) =
1 + x2
1
f (x) = arcosec(x) f 0 (x) =
x 1 x2
1
f (x) = arcocosec(x) f 0 (x) =
x 1 x2
f (x) = senh(x) f (x) = cosh(x)
0

191
Desarrollo de Taylor Algunas tablas

Funcin Derivada
f (x) = cosh(x) f 0 (x) = senh(x)
1
f (x) = tanh(x) f 0 (x) =
cosh2 (x)
1
f (x) = cotanh(x), x 6= 0 f 0 (x) =
senh2 (x)
1
f (x) = arcsenh(x) f 0 (x) =
x2 + 1
1
f (x) = arccosh(x) f 0 (x) =
x2 1
1
f (x) = arctanh(x) f 0 (x) =
1 x2
1
f (x) = arccotanh(x) f 0 (x) = 2
x 1
1
f (x) = arcsech(x) f (x) =
0
x 1 x2
1
f (x) = arccosech(x) f 0 (x) =
| x | 1 + x2

B.2 Desarrollo de Taylor


Los desarrollos de Taylor que recogemos a continuacin han aparecido con anterioridad o se
pueden calcular por mtodos similares.

B.3 Primitivas
La lista de primitivas de las funciones elementales no es la ms completa que se puede encontrar.
Hay textos con listas mucho ms amplias. Sin ir ms lejos, la lista de derivadas que acabamos de
leer es mucho ms extensa. En este caso no se trata de que la lista sea exhaustiva sino de tener una
base sobre la que comenzar a calcular una primitiva de funciones ms generales.

192
Algunas tablas Primitivas

Funcin Desarrollo de Taylor



1 X
xn = 1 + x + x2 + x3 +
1x n=0

X xn x2 x3
ex = 1+x+ + +
n=0
n! 2! 3!

x2 x3 X (1)n+1 xn
log(1 + x) x + + =
2 3 n=1
n

x2 x3 xn
!
1 X
log x+ + + =
1+x 2 3 n=1
n

x3 x5 X (1)n x2n+1
sen(x) x + + =
3! 5! n=0
(2n + 1)!

x2 x4 X (1)n x2n
cos(x) 1 + + =
2! 4! n=0
(2n)!

x3 x5 X (1)n x2n+1
arctan(x) x + + =
3 5 n=0
2n + 1
 
k(k 1)x2 X
(1 + x)k 1 + kx + + = k n
n x
2 n=0

x3 x5 X x2n+1
senh(x) x+ + + =
3! 5! n=0
(2n + 1)!

x2 x4 X x2n
cosh(x) 1+ + + =
2! 4! n=0
(2n)!

193
Primitivas Algunas tablas

xa+1
Z
1
Z
x dx =
a
(a 6= 1) dx = log | x |
Z a+1 Z
x
1
a x dx = ax e x dx = e x
log(a)
Z Z
sen(x) dx = cos(x) cos(x) dx = sen(x)
Z Z
tan(x) = log | cos(x) | cotan(x) = log | sen(x) |
Z Z
1 1
2
dx = cotan(x) 2
dx = tan(x)
Z sen (x) Z cos (x)
1 1
dx = arcsen(x) dx = arccos(x)
2 2
Z 1x Z 1x
1 1
dx = arctan(x) dx = arccotan(x)
Z 1+x Z 1+x
2 2

senh(x) dx = cosh(x) cosh(x) dx = senh(x)


Z Z
tanh(x) dx = log | cosh(x) | cotanh(x) dx = log | senh(x) |
Z Z
1 1
dx = tanh(x) dx = cotanh(x)
cosh2 (x) senh2 (x)

194
Progresiones aritmticas y geomtricas Progresiones aritmticas

Progresiones aritmticas y geomtricas

C.1 Progresiones aritmticas


Cuando una sucesin de nmeros verifica que la diferencia entre dos trminos consecutivos es
constante decimos que la dicha sucesin es una progresin aritmtica. Por ejemplo
a) 0, 5, 10, 15,... es una progresin aritmtica donde la diferencia entre trminos consecutivos es
5,
b) a, a + d, a + 2d, a + 3d,... es una progresin aritmtica cuya diferencia es d.
Es fcil calcular cualquier trmino de una progresin aritmtica conociendo el primer trmino
y diferencia comn. El trmino n-simo de una progresin aritmtica cuyo primer trmino es a y
la diferencia es d es
trmino n-simo = a + (n 1)d

Suma de una progresin aritmtica

Cunto vale la suma de los trminos de una progresin aritmtica? Parece natural que la suma
de los n primeros trminos de una progresin aritmtica con trmino inicial a y diferencia d slo
dependa de estos dos parmetros, pero tenemos una frmula? Para sumar

a + (a + d) + (a + 2d) + (a + (n 1)d)

fijemonos en que si sumamos el primer trmino y el ltimo, el segundo y el penltimo y as suce-


sivamente siempre obtenemos el mismo resultado. Quiz es ms fcil verlo de la siguiente forma,
sumemos los trminos de la progresin con los mismos trminos, pero escritos en orden inverso:

a + a + (n 1)d = 2a + (n 1)d
a+d + a + (n 2)d = 2a + (n 1)d
a + 2d + a + (n 3)d = 2a + (n 1)d
+ = 2a + (n 1)d
a + (n 3)d + a + 2d = 2a + (n 1)d
a + (n 2)d + a+d = 2a + (n 1)d
a + (n 1)d + a = 2a + (n 1)d
n(2a + (n 1)d)

As obtenemos que

2 [a + (a + d) + (a + 2d) + (a + (n 1)d)] = n(2a + (n 1)d),

y por tanto

195
Progresiones geomtricas Progresiones aritmticas y geomtricas

n(2a + (n 1)d)
a + (a + d) + (a + 2d) + (a + (n 1)d) = .
2

La frmula anterior permite calcular la suma de los trminos de una progresin geomtrica en
funcin del primer trmino, la diferencia y el nmero de trminos. Tambin se puede escribir la
suma en funcin de la diferencia, el primer trmino y el ltimo. Si notamos

a1 = a, a2 = a + d, a3 = a + 2d, . . . , an = a + (n 1)d,

entonces
n (a1 + an )
a1 + a2 + an = .
2

C.2 Progresiones geomtricas


Cuando una sucesin de nmeros verifica que la razn entre dos trminos consecutivos es cons-
tante decimos que la dicha sucesin es una progresin geomtrica. Por ejemplo
a) 2, 4, 8, 16,... es una progresin geomtrica donde la razn entre trminos consecutivos es 2,
b) a, a r, a r2 , a r3 ,... es una progresin geomtrica de razn r.
Como en las progresiones aritmticas, es fcil calcular el trmino n-simo de la progresin cuyo
trmino inicial es a y la razn es r. Dicho trmino es

trmino n-simo = a rn1

Suma de una progresin geomtrica

En el Ejemplo 5.3 ya vimos cmo calcular su suma. Para calcular la suma de los n primeros
trminos,
a + ar + ar2 + + arn1 ,

fijmonos que
 
(1 r) a + ar + ar2 + arn1 = a arn

de donde se deduce que


a arn
a + ar + ar2 + + arn1 = .
1r

Utilizando la notacin
a1 = a, a2 = ar, a3 = ar2 , . . . , an = arn1 ,

podemos expresar la suma en funcin del primer trmino, el ltimo y la razn:


a1 an r
a1 + a2 + + an = .
1r

196
Algunos ejemplos y contraejemplos

Algunos ejemplos y contraejemplos

a) Una funcin continua en un nico punto


x, si x Q,

f (x) =
x, si x R \ Q

b) Una funcin continua pero no derivable


La funcin valor absoluto es continua en toda la recta real pero no es derivable en el origen.
c) Una funcin derivable pero no de clase C 1
La funcin f : R+0 R definida como
(  
x 2 sen 1 , si x > 0,
f (x) = x
0, si x = 0
vale como ejemplo. Es derivable pero la derivada no es continua en el origen.
d) Una funcin de clase C n pero no de clase C n+1
Vase el Ejemplo 7.31
e) Una funcin integrable que no admite primitiva
La funcin f : [0, 3] R definida como f (x) = 0 para x 6= 0, 1, 2, 3 y f (0) = f (1) = f (2) =
f (3) = 1.
f) Una funcin con primitiva pero que no es integrable (Riemann)
La funcin f : [1, 1] R
, si | x | < 1,
( 1

f (x) = 1x2
0, si x = 1
no est acotada y, por tanto, no es integrable Riemann. Su primitiva ya la conoces.
g) Una serie convergente pero no absolutamente convergente
Cualquier sucesin decreciente (pero no demasiado rpidamente) y unos cambios de signo
son suficientes para construir un ejemplo: (1)n 1n nos vale.
P
h) Una serie con sumas parciales acotadas pero que no es convergente
Las sumas parciales de la serie (1)n estn acotadas pero la serie no es convergente (su
P
trmino general no tiende a cero).
i) Una sucesin que no es convergente ni divergente
Por ejemplo {(1)n }
j) Una sucesin que diverge positivamente pero no es creciente
La sucesin {xn }, donde xn = n si n es par y xn = n2 si n es impar.
k) Un conjunto que no es abierto ni cerrado
Cualquier intervalo semiabierto (o semicerrado, segn se mire): [0, 1[, por ejemplo.

197
198
ndice alfabtico

ndice alfabtico

a de Pringsheim 69
adherencia 14 de Raabe 67
algoritmo de Stolz 54
de Horner 18
estable 23 d
inestable 23 desigualdad
asntota de Minkowski 149
horizontal 82 de Schwarz 149
vertical 81 triangular 8
determinante de Vandermonde 132
b diferencia 195
binomio de Newton 11 diferencia dividida 137
directriz
c de una parbola 185
catenaria 175 discontinuidad
codominio 25 de salto 85
cola 50 esencial 85
conjunto evitable 85
abierto 13 dominio 25
cerrado 14
de medida nula 151 e
inductivo 9 error
constante absoluto 18
de Euler-Mascheroni 72 relativo 18
convergencia
absoluta 65 f
cuadrtica 124 foco
incondicional 65 de una elipse 185
lineal 124 de una hiprbola 186
cota de una parbola 185
inferior 12 frmula
superior 12 de Taylor 142
criterio infinitesimal del resto 141
de Abel 69 frontera 14
de Cauchy 67 funcin
de comparacin 66 acotada 30
de comparacin por paso al lmite 66 biyectiva 27
de condensacin 68 cncava 103
de Dirichlet 69 continua 84
de la raz 54, 67 contractiva 122
del cociente 67 convexa 103
de Leibniz 69 creciente 31, 89

199
ndice alfabtico

de clase C 1 101 relativo 98


de clase C n 101 mtodo
decreciente 31, 89 de Aitken 125
derivable 95 de biseccin 119
estrictamente creciente 31, 89 del punto medio compuesto 180
estrictamente decreciente 31, 89 del punto medio simple 178
estrictamente montona 31, 89 del trapecio compuesto 180
impar 29 del trapecio simple 177
integrable 148 de Simpson compuesto 181
inyectiva 27 de Simpson simple 179
localmente integrable 152 mximo
montona 31, 89 absoluto 12
par 29 relativo 98
peridica 29
sobreyectiva 27 n
nmero
g algebraico 8
grfica 25 combinatorio 10
trascendente 8
i nodo
imagen 25 de interpolacin 131
impropiamente integrable 169 norma 152
nfimo 12
integral o
impropia 169 orden convergencia 124
indefinida 153
inferior 147 p
superior 147 parte entera 99
interior 13 particin 147
interpolacin periodo 29
de Hermite 140 periodo
de Lagrange 131 fundamental 29
de Taylor 140 polinomio
intervalo 13 de Lagrange 132
de McLaurin 141
l de Taylor 140
lema preimagen 25
de conservacin del signo 87 primitiva 153
lmite principio
funcional 79 de induccin 9
lateral 80 progesin
aritmtica 195
m geomtrica 196
mayorante 12 progresin
minorante 12 geomtrica 62
mnimo propiedad
absoluto 12 de compacidad 89

200
ndice alfabtico

punto suma
adherente 14 de Riemann 152
aislado 14 inferior 147
crtico 99 integral 152
de acumulacin 14 parcial 61
de inflexin 103 superior 147
fijo 121 supremo 12
interior 13
t
r teorema
recta de Bolzano-Weierstrass 53
tangente 96 de cambio de variable 155
regla de Darboux 152
de Barrow 154 de derivacin de la funcin inversa 98
de la cadena 85, 98 de la funcin inversa 100
del nmero e 54 de Lebesgue 151
del sandwich 49 de los ceros de Bolzano 87
resto de Taylor 142 Teorema
del punto fijo para aplicaciones contracti-
s vas 122
serie teorema
aritmtico-geomtrica 71 del valor intermedio para la derivada 100
armnica 63 del valor medio 88, 99
armnica generalizada 69 de Newton-Raphson 126
de nmeros reales 61 de Riemann 66
telescpica 70 de Rolle 99
sucesin 26, 47 fundamental del Clculo 153
sucesin tolerancia 124
acotada 48 tringulo
acotada inferiormente 48 de Pascal 11
acotada superiormente 48 de Tartaglia 11
convergente 47
creciente 50 v
decreciente 50 valor absoluto 8
de Fibonacci 47 vrtice
divergente 53 de una elipse 185
parcial 50 de una parbola 185

201
202
203