CALCULO PARA INGENIEROS, Todos los derechos reservados. Queda prohibida, salvo excepcion prevista en la ley, cualquier forma de reproduccién,distribucion, comunieacion publica y transformacion de esta obra sin contar con la autorizacion de los autores y/o editores. La infraccion de las derechos mencionados puede ser constitutiva de delite contra la propiedad intelecteal > Daniel Franeo Leis, Esther Gil Cid, Luis Manuel Ruiz Virumbrales © EDITORIAL SANZ Y TORRES, 5. L / Pinos Alla, 49 - 28029 Madrid B02 400415 -91 314 www sanzytorres.com libreriagisanzytorres.com, www sanzytorres.com/editorial edilorial@sanzytortes.com ISBN: 978.84-92048.25.9 Deposito legal: M-35374-2010 Imagen de portada: Johann Carl Friedrich Gauss Composicion’ Ana Diaz Hernandez, Daniel Franco Leis, Esther Gil Cid, Elvira Hernandez Garcia Edigrafos, S. A. ¢/ Volta, 2, Pol. Ind, San Marcos, 28906 Getafe (Madrid) Encuadernacion Felipe Mendez, 8. A.,c/ Del Carbon, 6 y 8, Pol, Ind. San José de Valderas 2, 28918 Leguines (Madrid)Prélogo 1. El paso al Kmite 11. Blespacio® .. . LAL. Motivacién .. . 112. Los ndmerns reales 1.2, Sucesiones . 1.2.1. Motivacién 1.2.2. Sueesiones 13. Series... 1.3.1. Motivacién 13.2. Series. . . 1.4. Limites y continuidad 14. Motivacion 5... 14.2. Limites de funciones 14.3. Funciones continuas . 1.5. Sucesiones y series de funciones 15.1. Motivacion. .. 2... - + 1.5.2. Sucesiones de funciones . 53. Series de funciones . . . . Ejercicios de Autoevaluacion .. . . - 2. Funciones derivables 2.1, Derivada de una funcién . . 2.1.1. Motivacion .. . ai 212. Derivada en'un punto... 2.1.3. Derivabilidad en un intervalo . 2.2. Reglas de derivacién . 2.2.1. Motivacion 22.2. Reglas de derivacion 23, Limites yderivacion .... . 23.1, Motivacion .....-. 232. RegladeL'Hpital ... x 2d, Método de Newton. Método de puto fifo. os... 2d. Motivacion ©... 00222 e eee eeevn INDICE GENERAL 24.2. Métodode Newton... 2.0... eevsaanan Bh 24.3. Puntos fijosdefunciones . 2.0... 0... 0s - 88 2.5, Teoremas de Rolle y del valor medio . . . 92 25.1. Motivacion 92 2. ‘Teorema de Rolle 93 2.5.3. Teorema del valor medio . 94 5.4. Funciones monétonas 96 Ejercicios de Autoevaluacién |. nn) Aplicaciones de la derivada 3.1. ElTeorema de Taylor . . Motivacion ne Derivadas sucesivas El Teorema de Taylor»... . . jones a series y sucesiones de fuciones Motivacion .. . Lo Derivacién de sucesiones de funciones Funciones analiticas 3.3. Interpolacién polinémica . 3.3.1. Motivacién 3.3.2. Interpolacién cee 34, Optimizacién. Extremos relativos y absolutos . . 341. Motivacion 2.0... 34.2. Extremosabsolutos 0.0.0... 34.3. Extremos relativos 3.5. Coneavidad y convexidad 3.5.1. Motivacién * eeua 2. Concavidad y convexidad . . Ejercicios de Autoevaluacién Integral de Riemann 139 4.1. Definicién de integral de Riemann . . . » 140 4A. Motivacion . 0... eee . 140 4.1.2. Integral definida 140 4.1.3. Integral indefinida 5 45 42, Teoremas fundamentales 0.0.00. 0 es 1. 16 4.2.1. Motivacion ..... a6 aa we. 146 42.2. ‘Teoremas fundamentales del Calenlo 1464.3. Cilculo de integrales 4.3.1. Motivacién . . . 4.3.2. Alguinas técnicas de integracion 4.4. Integracion numérica . . 44.1. Motivacion 44.2. Integracién numérica 45. Paso al limite en integracién . . 4.5.1. Motivacion: . be 45.2. Integralesimpropias ... 2.6... ss 4.53. Sucesiones funcionales e integrabilidad . . Ejercicios de Autoevaluacién . . .. Funciones de varias variables 5.1. Elespacio ®” . ns 5.1.1. Motivacién 2. Elespacio IR". Primeras definiciones . 5.1.3. Coordenadas polares, cilindricas y esféricas 5.2. Funciones de varias variables Doe 5.2.1. Motivacién 5.22. Funciondewatias variables... ee 52.3. Limite de una funcidn en-un punto. Continuidad 53. Derivada parcial. Gradiente . . , coe 5.3.1, Motivacién 5.3.2. Derivada parcial 53.3, Gradiente 2.0.0... 54. Derivadas de orden superior 5.4.1. Motivacién ee 5.2. Derivadas de orden superior . 55. Derivada direccional 55.1. Motivacion 5.5.2. Definicién de de Ejercicios de Autoevaluacion . ida direccional . Aplicaciones de la diferencial 6.1, Diferencial de una funcion ee ee 6.1.1, Motivacion . 6.1.2. Funcion diferenciable. Plano tangente Regla de la cadena, Teorema del valor medio... . " INDICE GENERAL vir 150 150 150 167 167 168 175 175 175 183 185 187 188 188 188 194 j08 198 199) 204 214 zn 2 219, 221 2 224vu INDICE GENERAL 62.1. Motivacion . 2... ee See 6.2.2. Regla de la cadena 6.2.3. Teorema del valor medio 6.3. Teorema de la funcién implicita 6... ee es 6.3.1. Motivaci6n Se 6.3.2. Teorema de la funcién implicita. 0... . « 64, Valores extremos .. . . “ 64.1. Motivacion sae eetemed ee neem 64.2. Extremos absolutos. Extremos relativos 6.5. Extremos condicionados - 6.5.1. Motivacion “ eee 65.2. Método de los multiplicadores de Lagrange Ejercicios de Autoevaluacin . . Soluciones ejercicios de autoevaluacién Indice de Figuras Indice Alfabético 240 240 246 250 250 250 258 258 250 269 269 270 278 281 289 2011 EL PASO AL LIMITE En este capitulo comienza su estudio del céleulo infinitesimal. En esencia esta rama de las matematicas obtiene informacién realizando un proceso conocido como paso al limite, Para poder realizar este proceso es necesario trabajar con las ntimeros reales puesto que los racionales no gozan de pro- piedades suficientes al no verificar el Axioma del supremo que estudiare- mos muy pronto, El siguiente diagrama describe esquematicamente el capitulo. Como ve, después de estudiar los ntimeros reales, introduciremos los conceptos de sucesi6n y serie de ntimeros reales. Ambos conceptos estan estrechamente relacionados y nos llevarin a la idea de convergencia y suma infinita. A continuaci6n estudiaremos las funciones y veremos que es posible realizar pasos al limites al acercarnos tanto como queramos a un punto © al infini- to. A partir del limite en un punto llegaremos al concepto de continuidad. Finalmente, generalizaremos los conceptos de sucesidn y serie de ntimeros a sticesién y serie de funciones viendo como podemos definir dos tipos de convergencia y sus propiedades. un12_Cariruto 1 / El paso al limite 1.1. ElespacioR 1.1.1. Motivai Introduccién Nuestro primer contacto con el calculo infinitesimal sera a través de los niimeros reales. No es casualidad. Los ntimeros reales son los adecuados para medir magnitudes del mundo real y por lo tanto forman la base so- bre la que trabajaremos. Aunque no vamos a construir el conjunto de los niimeros reales de forma rigurosa, presentaremos algunas de las propieda- des que poseen y que los diferencian de los nimeros racionales. Orientaciones Curso 0. Se encuu Este tema deberia ser de repaso para la mayoria de los lectores. Sino trv en la pagina: puede seguirlo necesita mejorar su preparacién matematica, por ejemplo, hnitp/ecwiinnova.unedes/consultando el Curso 0 de la UNED. ‘matematicas-industriales! Objetivos Al finalizar esta parte del libro entenderd la necesidad de considerar ntimeros reales y algunas de las propiedades més importantes que verifi- can. Prestaremos especial atencidn al Axioma del supremo porque es una pieza clave para el desarrollo del célculo infinitesimal. Pero por ejemplo, también veremos cémo el valor absoluto permite medir distancias y definir intervalos. 1.1.2. Los ntimeros reales Los ntimeros naturales, N — {1 }, sirven para:contar; los ni- meros enteros, 2 = { 2 ~ 1,0,2,... }, permiten realizar operaciones con ntimeros naturales en las que se pueda quedar a deber, es decir, restar; los ntimeros racionales, Q = {2 > p.q € % 4 4 O}, abren el camino de las proporciones. Utilizando los ntimeros anteriores podemos describir multitud de fenémenos naturales y de la vida cotidiana. Sin embargo, ya hace mucho tiempo que los cientificos observaron que eran necesarios mas ntimeros. Veamos un ejemplo. Consideremos el tridngulo de la Figura 1.11.1 Elespacio® 13 Figura 1.1: Tridngulo rectingulo de base y altura 1. Aplicando el Teorema de Pitagoras obtenemos que la hipotenusa de ese tridngulo verifica Por lo tanto, la longitud de la hipotenusa del triéngulo es h = v2. No es dificil demostrar que tal longitud no es un ntimero racional y por lo tanto es un ejemplo de magnitud real que no puede ser deserita con los conjuntos de mimeros N, Z 0 Q. Podriamos construir un nuevo conjunto de ndmeros que incluyese a las raices, cuadradas o de orden superior (1/2, ¥/2,...), de ntimeros racionales. Pero pronto veriamos que nos siguen fal- tando nimeros, puesto que =, la relacién universal entre la longitud de una circunferencia y su didmetro, no perteneceria a ese nuevo conjunte. El conjunto que estamos buscando es el conjunto de ntimeros reales que denotaremos por R y al que pertenecen v2 y 7. Los ntimeros racionales son un subconjunto propio de con Jo cual tenemos la siguiente cadena de inclusiones NcZcQcR Ademis, el complementario de @ en BR, es decir, el conjunto formado por los naimeros de & que no son racionales, se denota por ! y est formado por los llamadios ntimeros irracionales. Beleza matemstica, 5) etd interesado puede en- contrat la prueba de la irracionalidad de v3 en el li bro Apologia de us Matemitico de GH. Hardy, en donde aparece como ejemplo de belleza matematica La construccién rigurosa de F queda fuera de los objetivos de este curso, Sin embargo, debe saber que esa construcciin esti es: tnochaimente ligaca al infinitesimal puesto que se puede realizar completando @ con Ios limites de ciertas sucesiones de ndimeros racionales,14 CariruLo 1 / El paso al limite Maxima: 3 se escribe "3/5"; el numero 7 se escribe “spi”; el nlimero © se es- cribe "%e"; V2 se esoribe “aqrti2)’; 3? 9¢ escribe *3°2"; In 2.50 esoribe “log(2)". Los ntimeros reales se pueden representar gréficamente como los pun- tos de una recta. A esa recta se la llama recta real o recta de los ntimeros reales. Figura 1.2: Recta real con algunos elementos representados. Operaciones En R se pueden definir las mismas operaciones que ya utilizabamos con los ntimeros racionales y que le daban a estos tiltimos una estructura algebraica, es decir, las operaciones internas de suma y producto. Con esas dos operaciones # tiene la misma estructura que Q. Por otro lado, dados dos elementos .r,1 pertenecientes a B también es posible ordenarlos. Intuitivamente. seré menor o igual que y (escribiremos © Sy) Sila tepresentaci6n de «r en la recta real esta a la izquierda de la de y 0.2 = y, De forma similar « seré menor que y (escribiremos x < y) si la representacién der en la recta real esta a la izquierda de la de y. Como es habitual, llamaremos ntimeros negativos a los que son menores que 0 y positivos a los que son mayores. EJEMPLO 1.1. A la vista de la Figura 1.2 gson correctas las siguientes de- sigualdades ¢<7, 1 < w implica yeu con la suma +2 +y < buseada n+ 2 < y+ _ Valor absoluto ai-ve-{* Por lo tanto, el valor absoluto de un ntimero real es un nimero positive siempre que el ntimero no sea 0. Graficamente, el valor absoluto der se corresponde con la distancia entre ese ntimero «r y el 0 en la recta real. Ex- tendiendo este hecho Hegamos al concepto de distancia para dos mimeros reales cualesquiera | DetiniciGn't.a Vnidistandiannitze we vie el valor no negative |x — y/ Entre las propiedades del valor absoluto caben destacar las siguientes, Maxima: o1 valor absoluto de 2, se escribe *abs(2)' Distancia entre vey ao16 _CariruLo 1 / El paso al limite EJEMPLO 1.3. Razonemos la veracidad o falsedad de la siguiente afirma- cidn: x < y implica || < |y|. La afirmacién indica que si un ntimero es menor que otro su distancia al cero es menor que la distancia al cero del mayor, lo cual, si tenemos en cuenta a los nimeros negativos, parece falso, Contraejemplo. Siqueremos Para demostrar la falsedad es suficiente encontrar ‘un par de valores demostrar que una afrma- para los que no se cumpla. Si por ejemplo tomamos .c = —2 ey = | resulta nium a que —2 < 1, pero | ~2)=2>1=I|, soenelquenose cumpla, es Animamos al lector a que represente los valores anteriores y otros en la dlecs,uncontragemplo, recta real y observe lo que ocurre al considerar su valor absoluto. gua Intervalos Los intervalos son los subconjuntos de la recta real formados por una sola pieza. Por lo tanto, intuitivamente, los segmentos de la recta real y las semirrectas son intervalos, A partir dea y bntimeros reales con a < 6, utilizando la relacién de or- den, podemos definir los siguientes intervalos que coinciden con distintos tipos de segmentos entre a y b: (a,b) ={reRsa se fee tes intervalos que coinciden con semirrectas que parten de a: infinity si tiene un signo menos delante nienas hafinito. (a, 20) €R:a} —_ su punto medio ey su radio r siendo r > 0: a contra b (e-retr), (e-netr, femnetr), [e—ne+r], Intervalo dado su centro.e y Puesto que | ~ ¢| es la distancia entre el punto x y el punto c, noes 0" >? dificil comprobar que los intervalos cerrados y abiertos con centro « y radio ’ r pueden describirse utilizando el valor absoluto del siguiente modo: — + — y le-netr]=[r eR: |x-e R definida por art) = 20 ~ 1 es\una sucesién que toma como valores los niimeros impares: a(1) = 1, a(2) = 3, a(3) = 5)... -_1.2Sucesiones 23 Lo habitual es referirse a los elementos pertenecientes a la imagen de la stcesin a: N-> Rt como términos de la sucesién y en lugar de denotarlos por a(1), a(2), a(3),..utilizar la forma a1, a2; aay-«4 asi, ay es el primer término de la sucesién y a; es el séptimo. En caso de poder definir todos los términos de la sucesién mediante una formula, por ejemplo dy, = Inn, dicha formula recibe el nombre de término general. Tampoco es habitual Maxima: detinimos la suce- referitse a las sucesiones utilizando la notacién a: N > Rsino que se utiliza si6n de término general a, = la mas corta {cn} Poon allt Sucesiones convergentes La siguiente definicién expresa mateméticamente la propiedad que po- seen aquellas sucesiones cuyos términos se aproximan a un niimero tanto como se quiera. Fn ocasiones utilizaremos lee tras griegas: = 0, », 0, ¢ que se leen epsilon, dela, 7, Feta y _firespectivariente. Intentemos profundizar algo mas en el significado de la definicién an- terior. Asi, si afirmamos que una sucesiGn tiene limite | estamos garanti- Maxima: para saber si zando que para cualquier cantidad (= > 0), sea grande o pequena, seremos Una _sucesion es conver- capaces de encontrar un término de la sucesi6n a partir del cual todos los 96M ¥ ealculer 90 line términos siguientes distan del limite menos que la cantidad = dada. Osea, “jimt(ain}nini)’ que nos cualquier intervalo abierto que contiene al limite /, también contiene a to- devuelve un numero en caso dos los términos de la sucesién, salvo quizas, a un niimero finito de ellos. d-ser convergente, EJEMPLO 1.16. Toda sucesién constante «,, = ¢ es convergente y se verifica lim ay, Efectivamente, dado cualquier < > (se tiene Jan —e]l =0 <2 para todo» 8. = 1 Eyemeto 1.17. Comprobemos, utilizando la definicién, que lin, —Demostrar la unicidad de! Probar que P= Qequive- lea probar que Je =] moe implica no P sta es la recta de ta de- ‘mostracign para que el lector interesado la cave: (1) Suponga que existen dos limites distintos que estan 3 tuna distancia f. > 0. 2) Tome © = 5 y aplique la lefinicign de limite para cada tino de fos dos. (3) Prawebe que la sucesion no puede converger usando que 1 =| an| = Ie ay += nl 0, Como queremos que [diy —0] = > <= para todos los hn mayores que un natural N’ que debemos encontrar, observamos que es suficiente que tal WV’ verifique Jan — Of ya que para todo n > N se tiene be ¢€l primer natural mayor que 3 4 2 E 2, basta con Gracias a la siguiente definici6n, entre otras cosas, estableceremos una condicién necesaria para la convergencia, esto es, una condicién que nece- ariamente todas las sucesiones convergentes cumplen. Por lo tanto, si tna sucesion no la cumple no puede ser convergente. La anunciada condicién neces “pyopoicon 1. To susan eoivergntees ata, | El reciproco de la propiedad anterior no es cierto. Por ejemplo, la suce- sién {(—1)"} es acotada pero no es convergent. Mas adelante volveremos sobre la relacién existente entre acotacion ¥ convergencia, pero ahora presentemos algunos resultados que serén tiles ala hora de caleular limit saria para la convergencia es la siguiente.1.2Sucesiones 25 EjeMPLo 1.18. Calculemos lini — utilizando el resultado anterior. Puesto que para todo n € N-se tiene yhemos visto que lin, nnemos que lin < ~ 0. - EJEMPLO 1.19, Calculemos lin ; Recordemas quien! es el fae La funcidn coseno solamente toma valores en [I, 1], por lo tanto la. torial del namveranatacal y exp ' caincide con el producto de sucesién ¢ cos? | —— s acotada. Ademéas, lin — = 0), Por Jo todos los naturales menores Ta] +3] men ‘oviguales que n, es decit, n! ant ; fee ( = Now d= be Por com: que el limite anterior existe y es 0) Me econ ue Maxima 7! es "7! i a eel El reciproco de la Proposicisn 1.2 es cierto si! ~ 0. Pero no en general, como muestra el siguiente ejemplo.26 CAPiTULO 1 / El paso al limite Observacion. Si tenemos tun cociente de expresiones polinémieas, entonces. di- vidir por ol monomio de mayor grado ol amerador y el denominador simplitica los pasos al limite EJEMPLO 1.20. La sucesion {|(—1)"+ £|} converge a | pero {(—1)”+ 4} no es convergente. A continuacién aparecen representados graficamente los diez primeros términos de ambas sucesiones. . (0 + te a =1 0 1 {ur + 4} -1 0 1 ‘Veamos ahora como podemos operar con limites, Bw tntl Eye 21. Ve im 2A EEL JEMPLO 1.21, Verifiquemos que lim y 20, con las propiedades que esperariamos del infinito. Definici6n 1.12 La recta real ampliada es el conjunto | B=RU {0,00}, | enel que ademas de las propiedades habituales para los elementos de ki, _ establecemos las que aparecen a continuacién. | | “wo < Edd, YreR, =0, YER, F=0, Vn €(0,90], # = 00, Ver € |-o0,0), Var € (0,0), T= —09, We € [-co, (1), | Va © \ {—co}, Vir € R\ {00} | Ve € (0,1), Vat € (1, 00], (0, co, Ya € |—>6, 0). — Hasta ahora hemos considerado sucesiones que convergen a un niimero real. Ahora vamos a caracterizar las sucesiones que se aproximan a +7. Esitnbolo +>. sinifia: x 0 inf _ Limite infinito. Escribimos lin a, — oo si para cada © > 0 existe un | numero natural LV tal que ay > = para todo n > NV, | ——__———— cosi lim ay =o0. Escribimos lim 2, Estoes, lim a =o si para cualquier cantidad = > 0 solamente hay un ntimero finito de términos de la sucesién menores que =28 CariTuLo 1 / El paso al limite EJEMPLO 1.22. Comprobemos que linn {n® = 1) = 00. Dado = > 0 buscamos un NV > 0 que garantice n? — n > para todo n > N. Puesto que n? ~ 1 = uli — 1) > n para todo > 1, es suficiente tomar \' > nvix{1,=}, ya que sin > N nr? —n=n(n—1) > n> N > max{l, Como es sencillo probar que littiy..0 n = 96 el resultado anterior nos in- dica que si en un limite de una sucesién sustituimos n por oe en su término general, entonces el valor del limite coincide con el valor que obtengamos al operar con oo segtin las reglas dadas en la Definicién 1.12. EJEMPLO 1.23. Calculemos lim n” Sustituyendon por enel término general obtenemos oc? que la defini- cidén 1.12 nos indica que vale oc. Por lo tanto, lim we = 00 Pero no todas las operaciones estén definidas para todos los elemen- tos de B y al sustituir # por << podemos encontrarnos con problemas. Las siguientes expresiones no estan definidas y reciben el nombre de indeter- minaciones: poe toe 0 im (n? —n). EJEMPLO 1.24. Calculemos Al sustituir n por 2% vemos que se trata de una indeterminacién del tipo ~% — se. Podemos esperar que el 11? crezca mucho mas rapido hacia ©que ». Para ver que es asi, multiplicamos y dividimos por el conjugado de (n? =n)? +n) Timer? — ny lin Si nos encontramos ante un Limite de fa forma limyso. an!” con {an} una sucesién con términos positives, podemos transformarlo en un limite de un prod cto mediante la siguiente igualdad En este punto necesitamos adelantar algo que abordaremos en detalle mas adelante. Hemos cambiado el limite de una exponencial por la expo- nencial de un limite. {Se puede hacer esto siempre? La respuesta es si si la operacién que intercambiamos viene dada por una funcién continua (en este caso f(r) =e”). ¢Qué funciones tienen esa caracteristica? Todas las siguientes que el lector debe conocer: polinémicas, trigonométricas, expo- nenciales, logaritmicas. EJEMPLO 1.25. Calculemos lim wt Utilizando la propiedad descrita en el parrafo anterior tn tiny + = 90 ne EjeMPLo 1.26. Caleulemos lin Utilizando (1.1) resulta Il m tim A = limos mints) = em 1.2Sucesiones 29 Sila indeterminacion ~~~ procede de un termino gene: Fal dy) ~ ba, entonces suele ser 1a buena idea multiplicar y dividir por el conjugado, Recordemos que <"" parr > ty que Ine’ fen30_CarfruLo 1 / El paso al limite Volvamos a los limites de la forma litny..-0 4!" con {itn} una sucesion con términos positivos. Si en ellos sustituimos 1 por oo es facil ver que las siguientes expresiones 0°, 12%, oe" nos Hlevan a la indeterminaci6n -tcx -0. Es por ello que es habitual anadir a las cuatro indeterminaciones que presentamos anteriormente las tres que acabamos de ver y establecer como indeterminaciones la siguiente lista de siete expresiones. Sucesiones mondétonas Hemos estudiado sucesiones que convergen a un ntimero y sucesiones que tienden a 50. Ahora introduciremos ciertas clases de sucesiones que tienen todos sus términos ordenados. Graficamente, sobre la recta Evidentemente, cualquier sucesién estrictamente decreciente (0 crecien- real, las sucesiones crecientes_ fe) es en particular decreciente (o creciente). Un par de ejemplos nos ayu- colocan cada termine sie Garé a entender mejor las definiciones anteriores. pre ala derecha del anterior y lasdecrecientes a laizquier- EyeMpLO 1.27. Cualquier sucesidn constante, por ejemplo {4}, es mondtona a. porque es creciente y decreciente. Sin embargo, no es ni estrictamente cre~ ciente ni estrictamente decreciente. - . ‘. 1 EJEMPLO 1.28. Comprobemos que la sucesién {a,,}, siendo a, = —, es es- 7 trictamente decreciente. Efectivamente, para € Nse tiene ,,4) = —— < — =a. -1.2 Sucesiones 31 Volvamos ahora sobre algo que dejamos pendiente hace un par de pagi- nas: la relacién entre acotacién y convergencia. Para laclase de sucesiones monétonas los conceptos de acotacién y con- vergencia coinciden puesto que se verifica lo siguiente. Utilizando el resultado anterior es posible demostrar el siguiente que nos permitira calcular limites con indeterminacién del tipo | ByEMPLO 1.29. Calculemos el limite linn (: ' Recordando las propiedades de las potencias se tiene sin (18) =a, ((H4B)") = (ae32. CariruLo 1 /_ El paso al limite 14 34e0+ Qn+) B44 pe + Qnt2) Definamos {ay} = {1+3-+-+-+(2n+ 1b y {bn} Apes (2n+2)}- Es sencillo comprobar que {2+4+-+-+ (2n+2)} es una sucesin mondtona que tiende a oc. Por otro lado, EyemPto 1,30. Caleulemos. lin fim MM Ly Pt Pl tH) $1) -(t+ + 2n+1) ate Batibo DE FAME +2) — Bt + (2n+ 2) am LBS nix 24a _ 2h+3 = jaa? 143+ Entonces, im intonees, lim. 5 -_ rns actualidad hay uno we Hemos dedicado muchos esfuerzos al estudio de las propiedades de vista especializada, The Fé Jas sucesiones convergentes o acotadas. Sin embargo, existen sucesiones im Cure aes yg acta (y polo tanto no convergent) con propiedades sorpren te nec ndtivas a esta dentes. Por ejemplo, la sucesién definicla mediante a: 1 ty = LY ta = sucesion, Por cierto, la fore @y—1 + @n—2 para todo n > 2se Hama sucesién de Fibonacci en honor del ma que hemos utilizado para matemiatico italiano que la estudi6 a principios del siglo XII, Los primeros defile epee nominee gérminos de la sucesion aparecen a continuacion 1.3. Series 1.3.1. Motivacién Si hoy te doy un euro, manana medio, y dia tras dia la mitad del dia anterior. Cudnto dinero necesitaré para hacer frente a ese pago infinito? Y qué ocurre si soy un poco mas generoso y hoy te doy un euro, pasado medio, al dia siguiente un tercio, al dia siguiente un cuarto y asi dia tras dia. Introduccion Las series que nos disponemos a estudiar son los modelos matematicos de sumas de infinitos términos. Por muy répido que sumemos no pode-1.3Series 33 mos hacer frente a sumas de infinitos términos. Pero si sabemos sumar un conjunto finito de terminos. Este hecho y haber establecido una forma de paso al limite para sucesionesen la secci6n anterior nos permitird llegar ala suma infinita mediante un paso al limite en una sucesi6n de sumas finitas que sisabemos hacer. Orientaciones Las series de ntimeros reales estan estrechamente ligadas a las sucesién de ntimeros reales. Haber asimilado los conceptos y resultados tratados en las secciones anteriores es indispensable para poder seguir esta seccién de forma fluida. Objetivos Al finalizar el estudio de esta parte tendré claro el concepto de serie de niimeros reales y de serie convergente y divergente. Ademas sabra aplicar criterios que garantizan su convergencia dependiendo de sus caracteristi- cas. 1.3.2. Series A partir de una sucesion {0,.} podemos definir otra {sq} de la forma siguiente y= ar tur, xy =a) +a2+ 4% i = Sa = siz. 8 La sucesi6n {s,,} se llama sucesién de sumas parciales de {a} y para cada k suma los términos de {i,,} desde el primero hasta el k-ésimo. Pese a la definicién anterior, no utilizaremos la notacién ({an}.(%0}) para referirnos a las series sino que emplearemos la mas tradicional e in- va S> a). Esta notacién tiene un pequefo inconveniente que veremos = despues de introducir el concepto de serie convergente. Notacién, La suma my + 02+ Se. pre leesonades,desteque Fale | haga que'vale oa letra griegn slema mascla india que es una suma y eintice ¢ se llama indice de record34_CapiruLo 1 / El paso al limite Si tenemos definidos Estamos cometiendo el siguiente abuso de notacién. La expresién mer08 dy para > p € Z . podemos definir Sy, a cA de forma similar a como aM Gefinimos J h. ASS, por wi iSerelb, peirenos iat ee i denota tanto la serie que puede ser convergente 0 no, como de exi el numero a). la suma de ésta que es un mimero fijo. Normalmente el contexto aclarara si nos referimos a la serie o a la suma de la serie y cuando sea necesario lo pondremos de manifiesto. EJEMPLO 1.31. Dada la sucesién constante {a} = {1, 1.1. de sumas parciales ess; = 1,82 = 141 = } su sucesion to es, la sucesion (a). - E}JEMPLO 1.32. Calculemos la sucesién de sumas parciales de la serie arit- métiea S711 Un término genérico de la sucesién de sumas parciales es sn = bt 24--+ (nl) +n 6 lo que es lo mismo si le damos la vuelta a los sumandos Spent (nb $24 Eb Si sumamos en las dos igualdades anteriores los términos que ocupan la misma posicién tenemos Qs, = (Ltn) (24m 1 te — 142) + (mF 1) = a(n $1). Despejando n(n + 1} “as1.3Series 35 La sucesién {s,,} no es convergente y la serie no es sumable o diver- gente. -_ EJEMPLO 1.33. Para r # 1 fijo.calculemos el término general de la sucesion de sumas parciales de la serie geométrica S> r" Es} Un argumento similar al del ejemplo anterior nos ayudara. Tenemos Sy Str peep tg y multiplicando ambos miembros de la igualdad por r =. sep rt ge ttl Si restamos las dos igualdades anteriores llegamos a (=r) sr tet ete pe! = Or hy Despejando yet Su Es sencillo ver que lity 9, Sifp| < 1. La sucesién no es conver- 1 iente ai [rl 1. La constanter a parti della cual se define lasatiose conode como razén de la serie geométrica. - En estos primeros ejemplos el célculo del término general de la sucesién dle sumas parciales es posible. Sin embargo, esto no siempre ocurre asi. Es por ello que buscaremos condiciones suficientes y necesarias para que una serie sea convergente en funcién de su término general. O dicho de otro modo, si lim ay #0, entonces a es divergente. La propiedad 1.6 se suele utilizar para probar que tna serie no es con vergente.36 _CapfruLo 1 / El paso al limite EJEMPLO 1.34, Estudiemos si las series )* n \ na apd YD" son conver = Eos gentes. Por un lado in mi = 14 Oy laserie no puede converger. Por otro lado, Jin (~1)" no existe y la serie tampoco converge. - Sin embargo, el que la sucesién {a,} de la serie converja a cero no es una condicién suficiente para que la serie sea sumable. EJEMPLO 1.35. La serie )> + verifica lin 2 = 0 pero no es sumable. net Para entender la razén por la cual no es sumable estudiamos la sucesion de sumas parciales {5,}. ‘Observamos que s = 1,5) =14+}=8, +4, wualabatore! wen ats a 3 1 —o 11 teense t wast pt gt gr eatsg= sty oa 1 +atpaety y como siempre ocurre yeep as doen tut > std ee een 8 tenemos que s»,, > 5), + 4. Por lo tanto no es convergente ya que si lo fuese, y-su limite valiese 1, obtendriamos la contradiecién | > t+ 5. =Series de términos no negativos Los siguientes tres resultados son relativos a series de términos no ne- gativos, esto es, series de la forma )~ a, con a, > 0 para todo n. " Criterio de comparacién. Supongamos que existe ny tal que a, = by a todo n> ny. Si }7 a, no es convergent, entonces ee no es convergente, Tg! TB 1 nel Si), es convergente,entonces Sa, es convergente, Para utilizar el Criterio de comparacién es necesario conocer series con- vergentes y divergentes. A las presentadas hasta ahora afiadimos dos muy importantes: Criterio del cociente. Sea a, > () para todo n tal que Toe wer dy Si € (0.1), entonces Sa 4 €8 convergente. n= Si € € (1,20), entonces an no es convergente, ak Si f = 1, entonces el criterio no decide. Criterio de la raiz. Sea a, > O para todon tal que lim Yay nae i ( < (0,1), entonces } ay es convergente, Sif 1, ><], entonces Sa, no es convergente. hl ‘Si ¢ = 1, entonces el criterio no decide. 1.3Series 3738 CariruLo 1 / El paso al limite Ahora presentaremos unos ejemplos de aplicacién de los tres criterios pero antes debemos volver a recordar que solamente se pueden aplicar a series de términos no negativos. Ademés, el primero de ellos es el mas ge- neral (en realidad los otros dos se deducen de él), pero no resulta cémodo de utilizar. La eleccién del Criterio de la raiz 0 del cociente para estudiar tuna serie vendra dada por la forma de la serie pero es bueno saber que: — a Oe cos? n Acstudiarsiunoserivescon- EJEMPLO 1.36. Estudiemos el cardcter de la serie}? vergente 0 divergente se le Tlama estudiar el cardcter de ” as ; n" laiserie. Sabemos que )> (3) es convergente por tratarse de una serie geo- net métrica de razén en valor absoluto menor que 1. Ademas para v > | se tiene cos? n oa El Ctiterio de comparacién garantiza que > converge. n 3H EJEMPLO 1.37. Estudiemos sila serie }> 7; es convergente. Aplicaremos el Criterio del cociente. n+l iin BE Be Gn Sn Por lo tanto} — es convergente. w= EJEMPLO 1.38. Estudiemos el caracter de la serie > (Yn ~ 1)". Utilizaremos el Criterio de la rafz. lim {/(n 1)" = Kim Yn1.3Series 39 Por lo tanto S”(4/n ~ 1)" es convergente. -_ Series de términos sin signo constante Si los términos de una serie cambian de signo al caleular la sucesién de sumas parciales en ocasiones aftadiremos una cantidad positiva y en otras restaremos una cantidad positiva, Este hecho deberfa hacernos intuir que la convergencia de este tipo de series debe ser mas sencilla que para las de términos de signo constante que solamente afaden o restan. Aclaremos en qué sentido esto es asi El siguiente resultado establece la relacién entre convergencia absoluta y convergencia para una serie. EJEMPLO 1.39. Estudiemos la convergencia y la convergencia absoluta de 5 ar40_CariruLo 1 / EI paso al limite Como la funcién coseno toma valores positives y negativos no podemos aplicar los criterios anteriores al no tratarse de una serie de téerminos posi- tivos. ~ C0 1 La serie es absolutamente convergente porque eal ) | oo a= 4° COMO sabemos que la serie 9 1 no es convergente obtenemos que 7% , =U" no es absolutamente convergente. Por otro laclo, la serie es alternada y la sueesion {|'2"]} = ‘)es decreciente. Ademés, itty... 2" = 0. Utilizando el criterio de Leibniz resulta que SS, "es convergente. -—1.4 Limites y continuidad 41 14. Limites y continuidad 1.4.1. Motivacién Introducci6n Las sucesiones, que ya hemos estudiado, son titiles para modelar fend- menos que ocurren en tiempos discretos, por ejemplo, la evolucién de la pobiacién de una especie de afio en aio. Pero hay otros fenémenos que ocurren en tiempos continuos y de los que necesitamos conocer el compor- tamiento en instantes determinados. Por este motivo, generalizaremos en esta seccidn el concepto de sucesi6n al de funci6n. ET hecho de que las funciones estén definidas en R, y no tinicamente en N, nos permitira considerar limites en puntos, empleando ideas similares a las utilizadas para definir el concepto de sucesién convergente. A par- tir de ahi Hegaremos a la continuidad que es una de las propiedades mas deseables para los fenémenos que acurren en tiempos continuos, Orientaciones Nuevamente, este tema deberia ser de repaso. El lector deberia tener cierta experiencia en el manejo de funciones y sin duda conocer algunas de las propiedades mas importantes y la representacién grafica de algunas funciones elementales como: trigonométricas y sus inversas (¢os.r, seu, tg.r, arecus.7,ete.), potenciales (1), exponencial ey logaritm €a5 (In. log.7). Si no posee ese bagaje, no podra seguir el texto, por lo que Je recomendamos que consulte el Curso 0 de la UNED. Pero, aunque sea asi, no se confie. Los temas tratados son el fruto de siglos de trabajo y algunos resultaron enormemente dificiles de asimilar para la comunidad cientifica Objetivos Al finalizar la seccién conocer algunas de las propiedades mas impor- tantes de las funciones continuas. Para conseguirlo, antes deberemos cono- cer los diversos tipos de limites que se pueden definir para una funcién. Convenia. En este texto el argumento de las funciones trigonométricas esti expre- sado en radianes. Es deci sen 2e = 0 perosen 60 4 0.42_CariruLo 1 /_ El paso al limite ‘Maxima. Definirernos. fun- clones con. “t(x)= expre- sion", por ejemplo, “t(x):= sqrliabs(x+1));". Si quere- mos conocer el valor de J(-5) escribimos “1(-5)". Graficamente, Ia existencia de limite en un punto a nos indica que para cualquier banda horizontal determina da por |< y 1+ pode- mos encontrar un intervalo (@ — 8.8) tal que la grati- ca de la funcién restringi- da a (a — da +5) \ fa) esti en la banda horizontal 1.4.2, Limites de funciones Funciones reales de una variable real Comenzamos en esta seccién el estudio del objeto matematico protago- nista del Céleulo Infinitesimal: Las funciones reales de variable real, esto es, aplicaciones J: D CR > Ben donde D recibe el nombre de dominio de f y f(D) = { f(x): € D} el de imagen de J. En este texto, tal y como es ha- bitual en la literatura, cuando no se especifique el dominio de una funcién se entendera que consideramos el mayor conjunto en el que puede estar definida. Si Ja imagen de una funci6n es un conjunto acotado se dice que la fun- cin es acotada La gréfica de un funcién es una representacién en el plano wy de los puntos de la forma (2, f(:r))- Debemos notar que los valores de f no son e508 puntos (, f(.r)) € R? sino las proyecciones de ellos sobre el eje y. Limite en un punto La siguiente definicién de limite de una funcién en un punto le recor dard a la que ya vimos para sucesiones convergentes. No hemos impuesto ninguna condicién sobre el punto « en la definicién anterior. Sin embargo, para que tenga sentido es necesario suponer que cualquier conjunto de la forma (a — 5a +5) \ {a} = (a 6,)U (aa +d) (6 > 0) tenga interseccién no vacia con el dominio de /. EJEMPLO 1.42, Dada una funcién definida en (0,1) U {2}, tiene sentido hablar del limite de la funcion en cualquier elemento del intervalo [0.1] pero no en 2, 0 en ningtin otro elemento de &. -_ La Definicién 1.18 nos indica que una funcién tiene limite / en a si los puntos préximos a « tienen imagenes proximas a /. Por lo tanto, no deberia sorprendernos que siel limite en un punto « es positive, entonces la funcién deba ser positiva para valores suficientemente cercanos al punto a, excluido el propio a. O lo quees lo mismo, que se verifica el siguiente resultado.1.4 Limites ycontinuidad 43 {Qué ocurrira siel limite fuese negativo en lugar de positive en el punto 1? Pues que podriamos garantizar que para valores suficientemente proxi- mos al punto «, excluido el propio a, la funcién tomar valores negativos. Demostracion de la uni- Antes de meternos de leno en el calculo de limites utilizaremos repre- cidad. Pata la_verificacion sentaciones gréficas para intentar contestar si una funcién tiene limite. ve este resuliado se puede aplicar la misma eecela que presentamos en cl caso de { wth <0, limites de sucesiones. 4 =0, tiene limite 1 en 0. —r+l, £>0, EyempPo 1.43. La funcién f(a" La grafica de f(x) aparece a continuacién y en ella podemos apreciar que sir se aproxima a 0 (pero « #0), los valores f(r) se aproximan a 1. % Maxima representa ia gréfica de |r| en(-.3) mediante “plot2d(-abs(x) [x.-3.3))" EJEMPLO 1.44. La funci6n f: (0,90) —+ Rdefinida mediante s.r) = seu + no tiene limite en 0. : La gréfica aparece a continuacién.44 CapiruLo 1 / El paso al limite 0 fitmon Como vemos, la funcién oscila cada vez mas répido si nos acercamos a cero y dichas oscilaciones tienen amplitud constante 2, Por lo tanto, la funcién no se aproxima a ningtin punto! < B. — Maxima calcula el limite Al igual que ocurrié en el caso de sucesiones los siguiente resultados de fc) en w mediante seran de utilidad a la hora de calcular limites, tit). a):* Dado que el limite es un concepto local: s6lo interviene la definicién de la funcién cerca del punto «. La propiedad anterior admite la siguiente generalizacion.1.4 Limites y continuidad 45 Limites infinitos, limites laterales y limites en el infinito Ahora estableceremos algunas definiciones de limites mas. Comenzamos con los limites infinitos. Limites infinitos. Escribimos §> 0 tal que f(a) > Escribimos lin f(2 J) = oo si para todo © > 0 exis «para todo: € (a —8.4+6) \ {a} = =o0si lim = f(i) = se | En& utilizaremos las operaciones que ya conocemos y por supuesto las iguen siendo las mismas. indeterminaci Lo 1 EJEMPLO 1.45. La funcién f(r) verifica lim — = 06 Observe su representacién grafica en la figura al margen. - Justo después de dar la definicién de limite de una funcidn en un punto aindicamos que para que tenga sentido considerar tal limite es necesario que el dominio D de la funcidn interseque a (a — 5,0) U(a.a + 6) para todo 5 > 0. Siel dominio D de la funci6n tiene valores en (a — 6,«t) podremos definir el limite por la izquierda en a, y si D tiene valores en (a,« +8) po- dremos definir el limite por la derecha, en el sentido que vamos introducit. Pero antes necesitamos una nueva definicién. Definicién 1.19 Dada f: D + By J © D la restriccién de f a J se denota por jy y se define mediante fiy(x} = f(x) para.x € J46 CarfruLo 1 / El paso al limite Limites laterales. La funcién f: D — it tiene limite por laderecha! ¢ B Merion ecu en feseribiremos en, fr) = 1) lim rma) mediante “lim({(x),x.a,plus)" y fiw fr) mediante simm((x)x,minus); La funcion f: D + R tiene limite por la izquierda ! © B en u (escribire- mos tin f(x) =i lim fires .)(@) =E En otras palabras, para calcular el limite por la derecha de a nos res tringimos a los puntos del dominio de la funcién que son mayores que a y al hacerlo por la izquierda a los que son menores que a. Por lo tanto, una funcién puede tener limites laterales y no tener limite. 1 EJEMPLO 1.46, La funcién f(x) = + verifica lin 4-00 y tim r eo 2 2-H" Ver la grafica de la funcién al margen. -_ EI siguiente resultado relaciona los punto. ites laterales y el limite en un Por tiltimo, establecemos lo que se entiende por limite en el infinito y dejamos al lector establecer de forma rigurosa la definicién de limite in- finito en el infinito, que tras las definiciones anteriores y la anunciada no deberia resultarle dificil BR cuando © tiende a infinito (escribiremos lim f(r) = 1) si para todo = > 0 existe un. Limites en el infinito. La funcién f: D + I tiende a! 65> Otal que x € Dy Rtiendeal€ i cuando « tiende a —>e (escribiremos lim f(x) =si tim f(—2) = 1. EJEMPLO 1.47. Calculemos lin f(w) y__ li (2) para la funcién dada por1.4 Limites y continuidad 47 Dividiendo por el monomio de mayor grado resulta lim f(r) yde forma andloga Asintotas Las representaciones graficas que hemos manejado hasta ahora dejan claro que el comportamiento de una funcién puede ser verdaderamente complicado. Es por ello, que siempre es una buena noticia conocer exis- tencia de una recta a la que se acerca tanto como queramos la grafica de la funcién. Dichas rectas reciben el nombre de asintotas de la funcién. Por supuesto, no todas las funciones tienen asintotas pero sin quererlo, o tal vez querigndolo, ya hemos estudiado algunas que si las tienen. Asi, cualquier funcién que verifique lim f(r) = b tend como asintota horizontal a la recta y = b. De forma similar, cualquier funcién que veri- fique lin. /(r) = b tendré como asintota horizontal a la recta y = b (vea la representacién gratica del Ejemplo 1.47). Pero todavia mas, si f(r) pose una asintota horizontal debe ocurrir que al menos uno de los limites en el infinito existe Maxima utiliza “und” (no definido) @ “ind (no detinido pero no acotado) para informar del comiportamiento que detecta. En el primar caso no es capaz de calcular ‘el limite, en el segundo el limite no existe y la funcién no es acotada. Eje- cule “limitfexpix).x:inf)", Timittsin(x) xin) y stimit(xesin(x).xinf)e” para ‘comprobar qué ocurre.48 CapiTULO 1 /_El paso al limite Un contragjemplo que mues- fra que Ia condicion dada la Proposicion 1.12 es neve: saria pero no suticiente es la funcion dada por fl") = En resumen, la recta y = bes una asintota horizontal si y sélo si lim f(z)-b=0 y/o tim, f(x) —b=0 Por otro lado, una condici6n necesaria y suficiente para que « = a sea una asintota vertical para /(.r) es que lim fle)=tx y/o m_ f(x) = +90. Tanto la funcién f(.e) = 4 como f(r) = zp tienen ar =D como asintota vertical (vea las graficas de los Ejemplos 1.45 y 1.46), Asi pues las asintotas verticales y horizontales de una f (verticales u horizontales) a las que se acerea la funcién tanto como quera- mos. Pero en el plano, donde se representa la gréfica de J: D > Kno solo existen rectas horizontales y verticales, también las hay oblicuas. Necesariamente, si una / tiene una asintota oblicua verificara ncién son rectas Jim, f(r) = +00 y/o lim _f(w) = +00 Pero esto no es uficiente, ya que por ejemplo f(r) = 0! no tiene asinto- tas y verifica Jim f(r) = im fr) = 96. La recta y = mr + bon m # (es una asintota oblicua si y sdlo si tim f(r) -Qnr +t) =0 yo lim fe) — (ma +6) = 0. Pero fijémonos que para poder calcular la caracterizacion anterior nece- sitamos conocer 12 para tratar de calcular b. EL siguiente resultado nos indi- como calcular i. [i El cilculo de estas ultimas asintotas es el que probablemente despierta mas desasosiego puesto que todavia no hemos presentado ningtin ejemplo. Pero eso tiene facil solucién. EJEMPLO 1.48. Estuctiemos las asintotas de /(.r) No existen asintotas verticales porque para cualquier numero a se tiene 7 ata1.4 Limites y continuidad 49 Por otro lado, es facil probar que (vea Ejemplo 1.47) x por lo tanto tampoco existen asintotas horizontales y se verifica la condi- cién necesaria para la existencia de asintotas oblicuas. Para estudiar la existencia de asintotas oblicuas estudiaremos en pri- fie) mer lugar si existe el limite tin ““"”, En caso de existir, su valor seré la ota Oblicua. pendiente m de la posible asi tim 22) = ty ex gree re Ahora comprobamos si para este valor de mm = Lel limite lim f(.)—mr es finito. tg 2 tl =i an ~ (© +1) = Oy en consecuencia la recta Por lo tanto, 1 + Les una asintota oblictia para la funcién EL estudio de Ja existencia de asintota oblicua al acerearnos a => es y imilar al que acabamos de realizar y arroja como resultado que también enese caso y = at +1 es una asintota oblicua. Se recomienda al lector que confirme este hecho, y 4 yard50 CapiTuto 1 / El paso al limite ‘Si hemos detinido en Maxi- ma dos funciones f(r) ¥ 4(") que se pueden componer, su composicion fi = yo f se de- fine mediante “(x)= giftx)):" Utilizando técnicas similares a las empleadas en limites de sucesiones es posible calcular muchos limites de funciones. Sin embargo, en el proximo capitulo presentaremos una herramienta que en muchas ocasiones simpli- fica los calculos. Se trata de la Regla de L'Hpital. 1.4.3. Funciones continuas Continuidad en un punto Utilizando el concept de limite damos nombre a las funciones para las que existe limite en un punto, estan definidas en dicho punto y el valor del limite y la funcidn coinciden. RTE tac cg De la Proposicién 1.11 y la Definicién 1.20 se deduce inmediatamente el siguiente resultado. Ahora veremos cémo se comporta la continuidad ante la composicién de funciones. Recordemos que si tenemos dos funciones f: D CR > R yg: {(D) > ® podemos definir una funci6n que recibe el nombre de f compuesta con g y que se denota por yo f dada por go f: DCR > By donde (go f)(a) = g f(a). Continuidad en un intervalo. Propiedades Las funciones que son continuas en todos los puntos de un intervalo cerrado tienen propiedades interesantes que estudiaremos en breve pero antes necesitamos establecer una definicion.1.4 Limites y continuidad 51 En caso de no especificar el conjunto A en el que una funcién es conti- rua se entendera que lo es en su dominio de definicién. Utilizando la propiedad anterior se puede probar de forma s siguiente resultado que ademas la contiene como caso parti ncilla el cular, En otras palabras, si wna functén continua en un interealo toma dos valores, Recuerde que el valor de una entonces tonsa todos los valores comprendidas entre ellos, Los teoremas anteriores pueden adaptarse a intervalos no certados y acotados cambiando las hipotesis sobre los valores en los extremos por hipétesis sobre limites. Por ejemplo, el Teorema de Bolzano sigue siendo vilido si consideramos una funcién f definida en un intervalo de la forma (2,8), {4.6} 0 [a 0¢), exigiendo, en lugar de f(a} £10) <0, mi S(e)> Nin f(a) <0. fla) 0 fla)- lim fer) <0. Esto es, ana fintcidn continua en int intervalo cerrado y acotado es tcotada y ‘ademas alcanza en dicko intervalo los valores maximo y minino. O en otras pa- labras, la imagen de fusscién continua con dominio wx intervalo cerrado y acotado ¢s también un iuterealo cerrado y acotado. La Proposieisn 1.15 se conoce como ‘Teorema de Bolzano-Weierstrass y no debe confundirse con el Teorema de Bolzano. funcion en un punto es la igen de ese punto, es de fla)52 CarituLo 1 /_ El paso al limite FI resultado anterior no solo se apoya en la continuidad de la funcién sino que las propiedades del intervalo cerrado y acotado [a. b] son impres- cindibles. Por ejemplo, f(r) = 2! es continua en (0,1) pero no acotada. Método de biseccion Eneste apartado vamos a utilizar el Teorema de Bolzano que ya ha estu- diado para resolver de forma aproximada ecuaciones. El lector debe saber como resolver algunas ecuaciones de una variable. Por ejemplo, para 2 pr-1=0, 28 basta aplicar la conocida formula para el calculo de las raices de un poli- nomio de orden dos ale vit _ 4 Caza mayor. En clave de hue Sin embargo, no existen métodos generales para la resoluci6n de ecua~ ‘io utilizar herramientas que permitan aproximar las soluciones. Este tipo de herramientas reciben el nombre de métodos numéricos. Aunque eran conocidos con anterioridad, desde la ordenadores han mostrado todo su potencial y se han vuel- mor et método de ta bise cin explica como cazar un eso que sabemos que se encuentra en el desierto del Séhara, Divida el desiertoen aparicion de los clos partes, y villelas. Flle6n_ to imprescindibles para muchos trabajos cientificos y tecnicos. se oe we & ines los métodos numéricos cons- vidir esa parte en dos y repi- alu ti el proceso constrayendo CiGn real de la ecuacion, vallas que-dividan en dos la. jterativos. ciones de forma exacta y es nece En el caso de la resolucién de ecua truyen una sucesién de soluciones aproximadas que converge a una te tipo de procesos reciben el nombre de procesos apna ef Incque std el lef Queremos resolver la ecuacién ‘Tendra al leon encerrado por tuna valla tan pequenia co- Re <0 mo quiera, ;Y sin pegar ni tun solo tira! Puodie encon: {rar otras formas de caza ma yor en H. PETARD, A con tribution to the mathemati: Fa) f(b) <0. cal theory of big game hunt- ing, American Mathematical entonces el Teorema de Bolzano garantiza la existencia de al meno: Monthly 45 (1938) HO-47, solucign de la ecuaci6n en («.b). donde f es una funcién dada. Si {es continua en el intervalo [a. 6] y1.4 Limites y continuidad 53 En la primera iteracién el método de biseccién calcula el punto medio del intervalo. ath yevalda la funcién en ese punto, Tenemos tres posibilidades excluyentes: * fle) (en la practica esta situacion no suele ocur 6, por tanto c; es solucién de la ecuacién y hemos terminado rn). # f(c)) fla) <0. Luego podemos aplicar el Teorema de Bolzano en el iste al menos una solucién en (a.¢y) intervalo [a,c1] y concluir que & con la ventaja de que el intervalo [a,c] mide exactamente la mitad que el inicial {a}. = f(c1) + {(0) < 0. Luego podemos aplicar el teorema de Bolzano en el intervalo [e),] y concluir que existe al menos una soluci6n en (¢),1) con la ventaja de que el intervalo |e.) mide exactamente la mitad que el inicial {a . Si estamos en cualquiera de los dos tiltimos casos podemos calcular el punto medio del nuevo intervalo que llamaremos ©» y repetir el procedi miento. Continuando este proceso se construye una sucesion {¢,}, formada por los puntos medios de los intervalos, que aproxima a una solucién de la ecuacién. El método es muy s tras la primera iteracién sabemos que ¢, =“ ximar una solucién ¥en el intervalo (a, 6} sera ‘ncillo de implementar en un ordenador. Ademés, “34 y por tanto el error al apro- ba tras n iteraciones el error sera Como consecuencia de la formula anterior, es posible conocer a priori el nmero de maximo de iteraciones que vamos a necesitar para conseguir un error menor que un valor establecido. Efectivamente, si queremos que elerror sea menor que un numero = > 0, como, boa Maxima no tiene una funcion definida para logaritmos en base cistinta det numero Pero podemos detinirias de forma sencilla, por ejemplo para base 2 bastarla hacer ogatn) = log(x) /fog(2)54 CariTuLo 1 / El paso al limite es suificiente que el niimero de iteraciones 1 supere el valor del logaritmo enbase dos de =*. EJEMPLo 1.49. Caleulemos una solucién aproximada de la ecuacin ete 2) enel intervalo (0. 1] con un error menor de 0,1 En primer lugar reescribimos (1.2) en la forma f(r) = 0,estoes, e*-9r=0, y tenemos que f (21) = * ~ ‘Comprobamos que J verifica las condiciones del Teorema de Bolzano en (0, 1]. Efectivamente, /’ es claramente continua y soy=e-0=1>0 f)se'—1s-04 2 <0, Como consecuencia sabemos que existe al menos una solucién de la ecuacién y podemos utilizar el método de bisecci6n. ‘Antes de comenzar el proceso de biseccién veamos cudntas iteraciones tendremos que realizar como maximo: 1-0 < <2 2 Wwe ee urd, 1 =01 @ aT Entonces hay que determinar 4 puntos medios. Primero dividimos el intervalo (0,1) por su punto medio, que es ¢ = 0.5. El valor de f es F(0.5) =e — 0.5 50,107 > 0 y como f(1) <0, continuamos con el intervalo (0.5.1). Su punto medio es 18 — (175, En este punto, /(0,75) = ~0.278 < Oy el nuevo intervalo (0.75). Su punto medio es es = 0,625 y allt es (0. 1 f(0.625) = —0.898 x 10 que es negativo, por lo que continuamos con el intervalo (0.5, 0.625). EL punto medio de este intervalo es cy = 0.563 (hemos redondeadlo y, por eso, es un valor aproximado).1.5 Sucesiones y series de funciones _55 En Ja siguiente tabla estan los resultados parciales de los valores de los extremos del intervalo considerado en cada paso (w,f), el valor de f en estos extremos, el punto medio del intervalo ¢ y su valor por Paso [a |b To [fe Punto medio ¢ 1 =0,682 a0) O07 (+05) 2 0.107 [ —0.278 2 0.7: 0,107 [ —0.0898 WZ} 1.5. Sucesiones y series de funciones 15.1. Motivacién Introduccién. Hemos definido sucesiones y funciones de néimeros reales. Ahora nos planteamos definir sucesiones de funciones. Al igual que se define el néi- mero ¢ mediante el limite de una sucesi6n hay ocasiones en las que es fun- damental defini una funcién mediante el limite de otras funciones. Por ejemplo, cuando Fourier, coeténeo de Napoledn, resolvié el problema de la distribucién del calor en una barra metélica utiliz6 sucesiones y series funcionales. Orientaciones Si ha adquirido los conceptos tratados hasta el momento lo que vamos a presentar a continuacién no deberia resultarle complicado. Si no es asi, repase los temas sobre sucesiones y series de ntimeros reales porque es muy probable que una nueva Jectura le ayude a avanzar con paso mas firme aqui. Objetivos Tras el estudio de este capitulo conocera los conceptos de sucesién y serie funcional. Ademds entendera las diferencias y relacién entre la con- vergencia puntual y la uniforme Maxima dispone de un co- mando que realiza el metodo de biseccién que acabamos de presentar, si queremos encontrar un cero de la funcion f(x") en el inter- valo (1) eseribimos “find rootit(x).xa.b)PE 56 CaviruLo1 / El paso al limite 5: Sucesiones de funciones Convergencia puntual Cuando nos encontramos ante una sucesién cuyos téminos son fun- de la variable real « denominamos a estas stcesiones, sucesiones de funciones o sucesiones funcionales; es grande la importancia y muchas las aplicaciones de las sucesiones de funciones. Citaremos sélo una, que con- siste en construir nuevas funciones y expresar funciones mediante el p: al limite en estas sucesiones de funcione: ciones so Una importante diferencia con las sucesiones de ntimeros reales, que estudiamos en el primer capitulo, es que en estas sucesiones definiremos dos clases de convergencia, La convergencia puntual y la convergencia uniforme. Las condiciones para la convergencia uniforme son més exigentes que las de la puntual, por lo que la convergencia uniforme es mas fuerte que la puntual, lo que implicara, entre otras cosas, que transmite més propiedades de las funciones términos (continuidad, derivabilidad, etc.) a la funcién limite. Las funciones fi, f2, «--» jy Se denominan términos de la sucesi6n. En caso de poder definir todos los términos de una sucesién mediante una formula, por ejemplo f(r) = eln(u + 1), dicha formula recibe el nombre de término general. ‘A lo largo de este este capitulo en lugar de referirnos a la sucesién fun- ional {f,} donde cada f, asigna a cada. € Del valor fn(.r), escribiremos por brevedad la sucesién funcional { f,()}, © D. El lector debe notar que estamos realizando un abuso de notacién puesto que f,;(7) es un niimero para cada x y no una funcién. EJEMPLO 1.50. La sucesin de funciones { fy()} = {} para x € B, tiene como elementos las funciones constantes dadas por fi(7) = 1, fal) = 1/2, seen fale) = 1/m para st © R _1.5 Sucesiones y series de funciones 57 EJEMPLO 1.51. La sucesién de funciones {sen(nt)} para x € {0.1), tiene como elementos las funciones dadas por f(s) = seu.r, f2(7) = sen 2, ..., fala) =sen{ne) para x € [0,1]. = Al igual que ocurria con las sucesiones de ntimeros reales nos vamos a plantear cémo averiguar el comportamiento de una sucesién funcional cuando n tiende a infinito. Por lo tanto {f,] converge puntualmente en D a f si para todo. < D se verifica tim false) = (er) Una primera cuestién que se nos plantea es la conservacién de la con- tinuidad al pasar al limite. Es decir, si todas las funciones J). fa... Sas que conforman la sucesi6n son continuas y la sucesién funcional { /,,} con- verge puntualmente, entonces gsu limite / sera también continua? ‘Veamos algtin ejemplo de sucesiones funcionales con convergencia pun- tual. EJEMPLO 1.52. Consideremos la sucesién funcional {f,(2°)} con & (0.1) dada por fx(r) = 2” parawe N. Para que la sucesion tenga limite puntual debe existir lity x fnle) = Jin, ....2" para todo 2° € (0,1). Claramente, sir = 0) el limite anterior existe y es 0 porque liiny sx. fy ((0) = Himy +0 = O; sia = L, el limite existe yes L porque litth-s. full) = lity... 1 = 1. Por otro lado, si 0 <2 < | sabemos que litt,» 2!” = 0. Por lo tanto, la sucesién funcional converge puntualmente y su limite es f(x) = Fjemonos en que las funciones fi, f2.-.- + fus++- Son.con! bargo, la funcidn limite / no lo es. La siguiente figura muestra la grafica de algunos elementos de la sucesién y de su limite puntual. nuas, sin em-58 CariTuLo 1 / El paso al limite stién planteada en la pagina anterior, En el proximo apartado introduciremos una nueva definicién de con- vergencia, mas exigente que Ja puntual, y que si conserva la continuidad tras el paso al limite. Convergencia uniforme Expondremos a continuacién la definicion de convergencia uniforme. ‘Teniendo en cuenta que [Fe(a) — S02) sup {lot} — £2) }}1.5 Sucesiones y series de funciones essen ergencia que hemos presentado para sucesiones funcionales. Ilo comprobar la siguiente relacion entre los dos conceptos de con- En los proximos ejemplos veremos que el reciproco de! Teorema 1.5 no escierto, es decir, la convergencia puntual no implica la unitorme. Por otro Jado, el Teorema 1.5 nos ayuda a establecer como estudiar la convergen- Gia uniforme: estudiamos la convergencia puntual, si no existe, tampoco uniforme; si existe, utilizamos la funcisn limite fendremos convergenci obtenida para estudiar la convergencia uniforme. FjeMPLo 1.53. Sea f(r) uniforme de { f,(.r)} en B Estudiemos la convergencia puntual y Abordamos primero la convergencia puntual. Claramente, si = 0, Jy (0) = 0 para todo n. Luego limy- ss. fy (0) = 0. Por otro lado, si fijamos cualquier » # 0, resulta tine fal) = lim “* = 0, porque el seno toma valores entre —1 y ly la sucesin {7} converge a 0. En resumen, lity sx fle) = 0 para todo x € B y en consecuencia {falw)} converge p Estudiemos la convergencia uniforme. Construimos: ntualmente a la funcion f(r) = en {0} ful) — F609] = inte) ~ 9] = | Debemos averiguar el valor supremo de la expresion anterior para « « 8, que previsiblemente dependera de n, y posteriormente estudiar el limite de ese supremo al hacer tender n a infinito. A veces, sera sencillo el calculo del supremo; otras, deberemos recurrir a conocimientos sobre célculo de extremos, que veremos mas adelante en este texto. Enel caso que nos ocupa, utilizamos que |seu.r) < 1 para todo. en consecuencia sent) sup) {[fobr) — SI ae tee ” we 5960 CariruLo1 / El paso al limite En principio, no hemos caleulado el supremo, pero hemos acotado su valor por exceso mediante una suicesién que converge a 0. Como ademas se trata de un supremo de un conjunto de numeros en valor absoluto resulta Os sup f\fale)— see) s & alee) Y aplicando la Propiedad del emparedado obtenemos que lim sup {[fr(a) — fOr} = 0. 11-42% e000) Luego { /a()} converge uniformemente a la funcién f(r) = (en [0, 2). La figura que aparece a continuacién muestra la grafica de algunos elemen- tos de la sucesi6n y como se aproximan a la funcién constante f(r) = en el semigje positivo. Como adelantamos, la convergencia uniforme conserva la continuidad Conviene resaltar que la condicién de convergencia uniforme no es necesaria para que la funcién limite sea continua, En los siguientes ejem= plos estudiaremos sucesiones de funciones continuas que convergen pun tualmente a funciones continuas y sin embargo no existe convergencia uni- forme1.5 Sucesiones y series de funciones 61 EJEMPLO 1.54. Estudiemos la convergencia puntual y funcional de la suce- sion {f, } dada por {Sale)} = faretg =} on R Comenzamos con la convergencia puntual, puesto que lim aretg = =aretg lim ~ =aretg0 = 0 para todo wr < R, tenemos que la sucesi6n converge puntualmente a la fun- cion limite f(r) = 0. Pasamos a estudiar si la convergencia puntual es también uniforme, Para ello construimos: [nl) — f()| = farety -0 = En este caso es sencillo comprobar que: pve 2) = ^{0, éstas definen una banda centrada en la grafica de la funcién limite / Llamando U. ()la colecci6n de todas las funciones cuyas grificas estén contenidas en esta banda, la convergencia uniforme de f, + f se puede establecer diciendo que para cada: > 0, existe un ng tal que para todo n> ng todas las estan incluidas en U. ([)-Con otras palabras, construida la banda f += y f ~ ,a partir de un valor 1p, todos los términos de Ja sién a partir de ny, {1 Jun, deben estar contenidos en la mencionada la convergencia es uniforme. 1.5.3. Series de funciones De la misma forma que definimos las series de niimeros reales a partir de las sucesiones de niimeros reales, ahora introduciremos las series fun- cionales. A partir de una sucesién funcional { f,} en D podemos definir otra {F;} con el mismo dominio de la forma siguiente A Shithtin . m=oh a La sucesién funcional { F;,} se Hama sucesién funcional de sumas par ciales de { f,,} v para cada 7 suma los términos de { f,,} desde el primero hasta el »1-ésimo.1,5 Sucesiones y series de funciones 63 Definici6in 25 El par ((Jj);{Fa})ien donde {/,} eS una sucesién fun- cional en D y {,} es su sucesién funcional de sumas parciales es una serie funcional. Los términos de la serie funcional son los términos de Cin}. Como ya ocurrié en el tema dedicado a las series de ntimeros, pese a la definicién anterior, no utilizaremos la notacién ({ f.}.{F.}) para referirnos alas series funcionales sino que emplearemos la mds tradicional e intuitiva Viren Dod frlw)2€ D. Recuerde que si tenemos definidas funciones f, para ee _ > p © Z pextemos defini Deinicioniiab [Se cicequclasene Sa ay (ajiconvermepuntualmente) | >, J. ce torma similar GD © Ravina funcion # que se llama fimncion suma y se escribe | 9 6" deirinws So 54, por.eiethplo, podremas Sy fs — P cuando la sucesion {F,(2)) converge puntiialmente ah | 5) P° snc pecen™ en i rt nt nai fa " | emos desinida la ftancién fi Lo que quiere decir que para cada. € D la serie numérica Sf) converge a Fr), Al igual que hicimos en la seccién dedicada a series establecemos la convergencia absoluta y su relacién con la convergencia puntual. Définicion 1.27 La serie dé funciones DX, f, donde j,: DCR Res! _absolutamente convergente en D si), | | es convergente para todo reD. consecuencia inmediata de que, como sabe- e la convergencia para series de ni- El siguiente resultado mos, la convergencia absoluta garan meros reales. Por ultimo, definiremos la convergencia uniforme. Definicién 1.28 Se dice que la serie de funciones >, f(x) converge uniformemente en D hacia una funcién’ F si su sucesién de sumas par- ales converge uniformemente en D hacia F Ala vista de estas definiciones y las propiedades que estudiamos para sucesiones funcionales tenemos que si la s formemente en ) c también converge puntualmente en D. rie una funciones converge uni-64 CariTuLo 1 / El paso al limite Veamos a continuacién el criterio de Weierstrass que establece una con- dicidn suficiente para la convergencia absoluta y uniforme de una serie funcional, A continuacién veremos un ejemplo sencillo en el que estudiaremos la convergencia de una serie funcional. EJEMPLO 1.56. Dada la sucesién de funciones { f,,} siendo . Jnl) in=0, nos proponemos: 1. Estudiar la naturaleza de las series numéricas 395°) fu (U0), So fa (L) y en caso de ser convergentes obtener su suma. 2. Estudiar la convergencia puntual en [0.1] de la serie de funciones Sy fi asf como la convergencia uniforme. 3. Estudiar la convergencia uniforme en [3.1]. Resolveremos el ejemplo apartado por apartado. 1. Sin mas que sustituir resulta Y ful) = = 0 a0 luego la serie numérica >> yf, (0) es convergente y su suma es 0.1.5 Sucesiones y series de funciones _65 De forma similar Set = 3 r= Juego la serie numérica $7 9 fi(1) es convergente y su suma es « 2. Comencemos con la convergencia puntual. En el apartado anterior ya hemos estudiado el comportamiento para x = Oy x = 1. Six € (0.1) resulta una serie geométrica de razén y por tanto Yh n=7 n= Luego la serie converge puntualmente en el conjunto {0. 1] a la fun- cién ef 80 HOA) et re (0,1) Como todas y cada una de las funciones f(r) = Sc! son continuas en (0, 1] y la funcién g, a la que convergen puntualmente, no lo es, tenemos que la convergencia no puede ser uniforme. 3. Utilizaremos el criterio de Weiestrass. La monotonia de la funcién exponencial hace que en el intervalo [}.1] se verifique (¢)” <(e")", luego gyn < , lo que implica Ahora bien, la serie de término general = es convergente por ser una serie geomeétrica de razon en valor absoluto menor que L, y apli= cando el criterio de Weiestrass tenemos que la serie S79 Jj, es uni- formemente convergente en [}. 1}ee 66 Cariruto 1 / El paso al limite Series de potencias Dedicaremos este apartado a estudiar un tipo concreto de series fun- cionales, llamadas series de potencias, en las que la sucesién funcional que define a la serie es f(z) = day(s" — to)" para cierto ay fijo y an € B para todo 1 toe Una serie de potencias Y=%,y tw (# ~ a0)" queda definida cuando se conocen tin ¥ 2p: El cambio de variable y = «t ~ to transforma una serie centrada en rp en otra centrada en () con los mismos coeficientes Saag Por este motivo, estudiaremos en este apartado las series centradas en 0. Basdndonos en esta proposicion, las series de potencias centradas en 0 se pueden clasificar en: ‘Tipo 1. Series de potencias que convergen sélo para el valor ( des Noes de aplicacién la proposicion anterior. Tipo2. Series de potencias que convergen en intervalos del tipo ("9.7 wa], [2-9] eon +) € (0.00), ¥ no convergen para valores de + tales que |r| > >- Estas series son absoluta y uniformemente convergentes en cualquier intervalo [—k.k] con k < pero la cone tiene lugar, puede ser absoluta © vergencia en los puntos ~> 0 > no.1.5 Sucesiones y series de funciones 67 Tipo 3 Series de potencias que convergen para todo valor real de x; son absolutamente convergentes en todo punto de IR y uniformemente convergentes en cualquier intervalo de B. Las series del tipo 1 se llaman series de potencias con radio de conver- gencia nulo. Las series del tipo 2 tienen radio de convergencia +) € (0.>). Las series del tipo 3 tienen radio de convergencia infinito. Al intervalo for- mado por los puntos en los que una serie de potencias es puntualmente convergente lo llamaremos interval de convergencia ie J nie” converge tinicamente en a = 0. = EjEMPLO 1.57. La set Efect x #0 tenemos amente, s lim, rte” = 06 luego el término general no tiende a cero. Es del tipo 1. - EJEMPLO 1.58. La serie }”r” para cada valor de xr da lugar a una serie geométrica de razén igual ar Si [| < 1, la serie 3%." es convergente y su suma es resulta una serie cuyo término general no tiende a cero, es una serie del tipo 2.con radio de convergencia igual a 1, el intervalo de convergencia es (-1.1) ya que en el punto —1 es una serie oscilante y en el 1 es divergente. zisi |r| > EJEMPLO 1.59. Estudiemos de que tipo es la serie ¥ Aplicando el criterio de la raiz al valor absoluto del término general observamos que para cualquier fijo him nee Vente ah Porlo tanto, la serie es absolutamente convergente para cualquier valor, luego es una serie del tipo 3 que es absolutamente convergente en todo punto de B y uniformemente convergente en cualquier intervalo cerrado y acotado de R. -_ Recordemos que una condi- in necesaria para la conver- genciade una serie era que su término general convergiese ab. Recuerde que los criterios del cociente y' la raiz se apti~ can a series numéricas: de érminos positives,68 CariTuLo1 / El paso al limite ay (=e EJEMPLO 1.60. Veamos que la serie } > —-»" es convergente en el inter- valo (—1. 1]. Primero demostraremos que el radio de convergencia es 1, es decir, que la serie es absolutamente convergente para |r| < 1 y divergente para 1 |x| > 1. Construimos la serie 379 |Se"| =y .c|" y aplicamos el criterio del cociente, hacemos b,, = } ||" y tenem« Diet Da Tomando limites en la igualdad anterior resulta dy tim “4 = tin jel = lel wk by wos Luego por el criterio del cociente esta serie converge para |r| < ly diverge para |r| > 1 De ello se deduce que la serie original 5° y <2" es absolutamente convergente para |ir| < 1 y divergente para || > 1. En otras palabras: el radio de convergencia es |. ‘Veamos ahora qué ocurre en los extremos del intervalo. = —1 yr Ene = ~1, sin mas que sustituir resulta Ss (= 1)" w= que es la serie arménica, que, como sabemos, diverge. bt En. = 1, sin mas que sustituir obtenemos Y°~) —j—, que es una serie alternada convergente por el criterio de Leibniz, Luego la serie 33% S24" es absolutamente convergente para |r| « 1, divergente en —1 y convergente en L. El intervalo de convergencia es (-1.1}, = Antes de pasar a enunciar criterios que seran de gran utilidad para el céleulo del radio de convergencia de series de potencias, conviene que el lector recuerde que las series de potencias 37>) @n:t" son un caso particu lar de series de funciones y como «.t"" Son funciones continuas en B, resuk- ta que la funcidn suma de una serie de potencias es continua en el interior del intervalo de convergencia puesto que alli la convergencia es uniforme.Los siguiente criterios nos ayudan a calcular el radio de convergencia estudiando el comportamiento de los céeficientes de la serie de potencias. EJEMPLO 1.61. Obtengamos el radio de convergencia de la serie de poten- cas: 4 yet Puesto que iF 1 Tine (/foq] = tim { z ets MGW = ah 3 aplicando el Criterio de la raiz el radio de convergencia es > = } = 3 y elintervalo de convergencia (jverifiquelo!) sera el conjunto de puntos tales que |r| <3. = EjEMPLO 1.62. Obtengamos el radio de convergencia de la serie de poten- cias: ot Puesto que ito = tty MEE ee at aplicando el Criterio del cociente el radio de convergencia es) = 1 y el intervalo de convergencia (jverifiquelo!) sera el conjunto de puntos tales 15 Sucesiones y series de funciones 69—————————— 70 Carirutoi / Elpasoallimite : - Ejercicios de Autoevaluacion on verdaderas: Determinese si las siguientes afirmaciones 5 1. Elcentro y el radio del intervalo [= 1.3] son 1 y 2 respes Todo subconjunto acotado «A de niimeros reales verifica sup A= A 3, Una sucesién de mimeros reales puede ser a la vez no convergente ¥ acotada. 4. Si [|an|} converge, entonces también converge {in} oy Say es convergente, se veriica . Sabiendo que « lim (1+ atn)® =e 2ynl y+ @s convergente por el Criterio de Leibniz. 6. Laserie ” ayentonces es continua £ en a Si fy g son funciones continuas en 9 rvalo cerrado y acotado J. El método de la 8, Sea f continua en el inte: ala ecuacién f(x) = 0 en J siempre que biseccién puede aplicarse exista unc € / tal que f(¢) = 0. 9, La convergencia uniformemente garantiza la convergencia puntual. 10. Sea 7 an(r= 40)". Si lion th _ entonces el radio de convergen- 1 IS eS cia de la serie de potencia2 FUNCIONES DERIVABLES El contacto realizado en el capitulo anterior con el proceso de paso al limite nos deja en situacién de poder introducir el importantisimo concepto de derivada, y con él, el de funcién derivable. Como veremos, si una fun- cién es derivable en un punto su grafiea puede ser aproximada localmente por una recta (la recta tangente). Si posee derivada en todos los puntos de tun intervalo su grifica no tendra aristas en ese intervalo, sera suave. Co- mo consecuencia las funciones derivables poseen interesantes propiedades que nos ayudaran a calcular limites, aprox Ines de ecuaciones o caracterizar las funciones constantes. imar solul El siguiente esquema le indica las relaciones entre los principales con- ceptos que trataremos. _=- a72_CariruLo 2 / Funciones derivables 2.1. Derivada de una funcién 2.1.1, Motivacién Introduccién El cflculo diferencial, del que la derivada es el ingrediente principal, ha hecho y hace avanzar la ciencia y la tecnologia desde su nacimiento en tiempos de Newtor La derivada es un limite con una interpretacién fisica y geomeétrica clara que apareceré en muchisimos modelos matemiticos de fenémenos reale durante la formacién y labor profesional de un ingeniero, Sern muy pocas, sies que hay alguna, las dreas de conocimiento que no recurran a la versatil herramienta presentada en es fa secci6n, Orientaciones La mayoria de lo tratado en este tema deberia resultarle familiar. Para poder seguir los ejemplos y realizar ejercicios adicionales es imprescindible conocer las derivadas de las funciones elementales y tener destreza cal- culando derivadas. Aqui daremos una tabla con algunas derivadas y las reglas fundamentales de derivaci6n, pero la tinica forma de derivar con garantias es que realice muchas. Objetivos Tras el estudio de esta parte del texto, entenderd el significado fisico y geométrico de la derivada. Ademés, conocera algunas de las propiedades més importantes de las funciones derivables tanto en un punto como en todo un intervalo. 2.1.2. Derivada en un punto Supongamos que f(r) indica para cada instante 2 la posicién de una hormiga que se mueve en la recta real. La cantidad £() = Fla) coincide con la velocidad media entre los instantes x = ay = b. Pero nuestra hormiga es muy curiosa y no solo le gusta conocer la velocidad2.1 Derivada de una funcién 73 media entre dos instantes cualesquiera sino que quiere saber exactamente aqué velocidad se desplaza en el instante = c, Esa velocidad instantanea parece natural definirla como limite de velocidades medias, esto es flay Fl lim yhemos llegado al concepto de derivada. La derivada de una funcién tiene una clara interpretacién geométrica. Oita notacién para la deri Para cada valor i) el cociente da de enw que se emplea Frecuentemente es (a), Slat 5 Say 3) coincide con el valor de la pendiente del segmento que une los puntos (a. f(a)) ¥ (a +h, f(a + h)). El valor de ta derivada es el limite al hacer tender fia cero en (2.2). Por lo tanto, la derivadaes el limite de las pendien- tes de los segmentos entre (a, f(a)) y (a+ h, f(a-+h)) cuando h tiene a cero. Tal pendiente es la pendiente de la recta tangente a la grafica de la funcién enel punto (a, f(a). Valor pendiente. Para una recta de ecuacidn y = mr-+b, la constante m es el valor de la pendiente. Por otro lado, la pendiente del segmento que tune (a,b) con (esd) es Se suponiendo ba y (eth flat ny (a. say} Figura 2.1: Interpretacidn geométrica de la derivada,74 CariruLo 2 / Funciones derivables EJEMPLO 2.1. Una funcién constante tiene derivada en todo punto y ¢ es 0 Una funcién constante viene dada por f(r) = k con k € B. Por lo tanto, aplicando la definicién de derivada resulta f(a) = 0 porque Hath) Fla) 4, 9 9 iy h nok - EJEMPLO 2.2. Calculemos la derivada de f(r) Maxima deriva ia funcitn —_Apliicando la definicién se tiene /"(a) = 2a porque Sls) mediante “ti(x) 0)" = 2a= f(a). - La siguiente propiedad de las funciones con derivada en un punto mues- tra su estrecha relacién con las funciones continuas y aporta una condicisn necesaria para la derivabilidad y una suficiente para la continuidad. _Feorena2s Si es erable entonees es conten) EJEMPLO 2.3. Sea f: K+ B dada por f(x) — { 1, > 0, gets nineian 0, «<0. se llama funcién escalén o funcién de Heaviside y es discontinua en 0, por lo tanto no necesitamos estudiar el limite (2.1) para afirmar que no es, derivable en 0. u Funcion de Heavisice wsen? 4. £0, Hea { re ory2.1 Derivada de una funci6n 75 Recordando que seno es una funcidn acotada y que el limite de una funcidn acotada por otra que tiende a 0 es 0, tenemos sen? #0 (0) = Sit, fin, sen? > y ser={ with, 220 EyEMPLO 2.5. Pero mucho cuidado, la funcién dada por neos 2, 2 £0. rae { gre ore, es continua en R y sin embargo no es derivable en 0, ya que no existe el limite ee cos 2 ~0 10 ge orque cos }? oscila cada vez mas rapido entre —1 y | a hacer tender ha 0. pony he P Fji i ee 76 CariruLo 2 / Funciones derivables Observemos que en los dos ejemplos anteriores las gréficas de las fun- ciones oscilan entre funciones que se tocan en 0 y comparten tangente en (primer caso) y entre graticas de funciones que se tocan en () pero no com- parten tangente. 2.1.3. Derivabilidad en un intervalo El concepto de derivada es local. Sin embargo, las funciones que tienen derivada en todos los puntos de su dominio tienen propiedades intere- santes. A partir de una funcién f dada podemos definir otra que Hamaremos funci6n derivada o funcién derivada primera de J que tendra como do- minio el conjunto «A en que f es derivable y que denotaremos por {’ fr Aor 2.2. Reglas de derivacién 2.2.1. Motivacién Introducci6n En este tema presentaremos resultados que nos permitiran calcular de- rivadas sin fener que recurrir a la definicién. Orientaciones Este tema deberia ser de repaso para la mayorfa de los lectores. Ademas conocer las reglas de derivacién no es suficiente para derivar con soltura. Para conseguirlo tendra que realizar, si no las ha hecho ya, muchas deriva- das. El calculo de derivadas estard presente en todo lo que resta de libro. Objetivos Al finalizar este tema debe conocer la derivada de las funciones elemen- tales y ser capaz de calcular la derivada de cualquier funcin construida a2.2 Reglas de derivacién 77 partir de tales funciones mediante las operaciones habituales y la compos cin de funciones. 22.2. Reglas de derivacién La mayoria de las veces no necesitaremos recurrir a la definicién para elcflculo de derivadas gracias a los siguientes resultados. fee Utilizando la definicién y las propiedades anteriores es sencillo demos- trar la siguiente tabla de derivadas para las funciones mas usuales: Funcién | Derivada Funcién | Derivada |) c | 0 I Ine “ log, 2 7 sen cos 2 cose endondeée Ry a € (0,50) = Rt Por supuesto, existen tablas mas completas. Pero creemos que el mane~ jo correcto de esta tabla y de las propiedades anteriores es suficiente para suelen aparecer en esas otras generar répidamente todas las derivadas qu tablas sin esfuerzo. En otras palabras, creemos que aqui es bueno el dicho:78 CariruLo 2 / Funciones derivables ‘no me regales pescado y enséhame @ pescar. Por ejemplo, teniendo en cuenta que tyr = “22 y utilizando la regla de derivacién para un cociente se llega dt cos? x +sen? 1 dy i cos? ac cos? r Otras derivadas que suelen aparecer en las tablas son las relativas a las funciones inversas de las trigonométricas. EJEMPLO 2. Calculemos la derivada de f(2) = aresen x. Recordemos que la inversa —- Puesto que sen # y aresenr son inversas se verifica aresen(sen:x) = — -© pueden desaparecer o transformarse enuna del tipo * o 4 si realizamos la reste. anterior 1 EjeMPLo 2.10, Caleulemos Iiua(— — = ). Se trata de una indeterminacién del tipo se — 50. Operando se tiene lig 2 So) = by que es nos lleva a una indeterminacién del tipo {a Ja que se puede aplicar LHopital ya que las funciones son derivable y la derivada del denomi- nador no se anula cerca de 0 D Se Ear COS82 CariruLo 2 / Funciones derivables que mantiene la indeterminacién del tipo f. Volviendo a aplicar L’Hopital obtenemos el valor buscado =senr lim ———————_ = 0. Pn) cosa + cosa — sent - Las indeterminaciones del tipo -£>6 - 0 no aparecen citadas en la Regla de L'Hopital. Pero recordando lo siguiente podremos atacarlas (x Sie) gle) = lw 1 a me Gay EJEMPLO 2.11, Caleulemos el valor de lim (« ~ > Se trata de una indeterminacién del tipo 0 - >. Pero lim Si nos encontramos con una indeterminacién del tipo 2<" deberemos utilizar logaritmos primero. EJEMPLO 2.12, Calculemos linn sr. Se trata de una indeterminacisn del tipo >". Si suponemos que lim ar = tomando logaritmos se tiene by dim ef Sint elim ing? Sint dim — Ine = ll Ahora estamos en condiciones de emplear la Regla de L'Hépital y se tiene : tim SE - 50. meg reel Por lo tanto, In! = y, en consecuencia, 7 = 1 esel valor buscado. gum‘También las indeterminaciones del tipo 1 pueden estudiarse utilizan- do logaritmos que nos llevan a una indeterminacién del tipo 0+ >. Sin embargo, es muy ttil el siguiente resultado. EJEMPLO 2.13. Calculemos el limite lim (: - Recordando las propiedades de las potencias se tiene din (14 Seguro quea algiin lector le sonaré el ejemplo anterior y si retrocedemos ala seccidn dedicada a las sucesiones encontraremos que el ejemplo que acabamos de presentar coincide, cambiando x por n, con el Ejemplo 1.29 Esto nos Heva a plantearnos la relacién entre limites de sucesiones y de funciones. Asi, para terminar este capitulo volvemos a considerar limites de suce- siones, Hemos visto que la Regla de L’Hopital es muy itil en el caleulo de limites de funciones. Qué ocurre con los limites de sucesiones que est diamos anteriormente? La siguiente propiedad establece eémo utilizar las técnicas de limites de funciones para calcular algunos limites de sucesiones. Bieri 2.14. Caleulemos. tin ©. inca VSI l ‘Antes hemos visto que gracias a L'Hépital lin Luego, aplicando la propiedad anterior Iii ma =0. — 2.3 Limites y derivacin 83 Si contamos el niimiero de veces que ha. apareci= do. ef apellido “Hopital fest claro que éste acerto en ta apropiacion del resultado dle John Bernoulli que le llevariaa la posteridad84 Cariruto 2 / Funciones derivables 2.4. Método de Newton. Método de punto fijo 2.4.1. Motivacién Introduccién Una aplicacién muy titil de las derivadas se encuentra en la resolucién aproximada de ecuaciones del tipo f(r) = 0 (suponemos que f es funcién continua y derivable). Como ya dijimos al presentar el método de biseccidn, la solucién a cualquier ecuacién de este tipo no se puede en- contrar de forma exacta en la mayoria de las ocasiones. Por eso, hay que recurrir a métodos aproximados. Dentro de estos métodos se encuentran el de Newton y el de punto fijo, que vamos a estudiar a continuacion. Orientaciones Para poder aprovechar al maximo el estudio en este apartado, es im- portante conocer las derivadas de las funciones elementales, por lo que se remite al Curso 0a aquellos estudiantes que tengan dificultades al respecto. También es necesario que el estudiante sea capaz de acotar una expresién. Objetivos Tras estudiar esta seccidn, el estudiante podré determinar la solucién aproximada de una ecuacién de una variable por los métodos de punto fijo y de Newton. Ademis, distinguird las ventajas y desventajas de cada méto- do y sabré elegir entre ellos para la resoluci6n de un problema concreto. 2.4.2. Método de Newton Comenzamos en un punto sy (podemos suponer que es una primera aproximaci6n de la soluci6n) y trazamos la recta tangente a la grafica de Fen (oo, f (wy)). Normalmente, el punto donde esta recta corta al eje xr es tuna aproximacién mejor de la solucton que sry (Figura 2.2). El proceso de aproximacién se repite iterativamente, hasta encontrar una solu ida. La derivada de f es importante porque nos da la iteraci6n «r,. a parti der, ya que f(x) es la pendiente de la recta tangente a la grifica de f por (.rq: fry). Este proceso se llama método de Newton, de Newton-Raphson 0 de Newton-Fourier y es uno de los métodos més utilizados por su sen- cillez y rapidez. Aunque no es un método infalible (puede no converger2.4 Método de Newton, Método de punto fijo_85, Figura 2.2: Método de Newton. bajo ciertas condiciones), tiene ventajas frente al método de la biseccién, como que no necesitamos conocer un intervalo donde esté la solucion y que cuando converge, lo hace mucho mas rapido. ‘Antes de la descripcién rigurosa de este método, veremos su potencial conun ejemplo. EJEMPLO 2.15. Una de las soluciones de xt — 5 = Nes. = V5. Vamos a buscar una aproximacién por el Método de Newton. Comenzamos con la aproximacién inicial .ry = 2. Calculamos el valor de f en 2y tenemos /{2) = 11, y esta lejos de ser una soluci6n aproximada aceptable. Nuestro siguiente candidato a solucién aproximada todondecorta la tangente en (2. 11) a la grafica al eje wr (Figura 2.2). De for- ‘ma general, la ecuacin de la recta que pasa por (:r9.y)) ¥ tiene pendiente mes: s.rjeque esel pune idan — 09) = Mo En nuestro caso, nj = f (sta) ym = J’(r0) porque es la pendiente de la recta tangente en y— Sao) = f"(ao) (@ = t0)- s interesa encontrar rj, que es el punto donde la recta tangente corta86 CariTuLo2 / Funciones derivables al eje -r, es decir, 1 verifica la ecuacién anterior con y = 0. Tenemos: a) = f"law) ry —ay) = — LO oy ay feu) =f au) (rr en) = Fag) 7 _ , - £lew) a =m FE Si’ (rp) fuera 0, entonces no podriamos calcular .r) y tendriamos que comenzar con otro valor des. En nuestro ejemplo, f(r) = Ay f(r Lr, Por tanto: Y asi sucesivamente. Este procedimiento nos lleva a la solucién aproxi- mada de forma bastante répida. fi) ul 2529 0.1609) 6521 x10" | 2i95t x 107 1958 [60377 «10°F [4.5122 x 10°F Enesta tabla hemos utilizado aproximaciones a las fracciones, para sim- plificar los resultados.2.4 Método de Newton. Método de punto fijo 87 Con los valores. se construye una sucesi6n que converge, en principio (ver nota al margen), a una solucién de f(e) = 0. 2Es infalible el método de Newton? Puede na conve EJEMPLO 2.16. Comprugbese que en el Ejemplo 2.15, la sucesién que se_gera una solucién aprosima- obtiene con las iteraciones dadas por el método de Newton convergen a da de la ecuacin f(r) 0. Por ejemplo, si (in) una solucién de x! — 5 = 0. 0) para algun «, entonces no: Tenemos se puede finalizae el prox = spitealive comenzande ton Pati = a ‘livialor que Kemoslegimes ; de ry. O se puede dar la Tomando limites cuando n —+ 2 y suponiendo que lity. .ry =, Sindee la reac cen la Figura a 30 fim ztaa = Yim (+ Las soluciones de esta ecuacisn son F = +, y con el método de Newton obtuvimos la raiz positiva — Para saber cudndo debemos finalizar las iteraciones se utiliza un criterio sea menor que un valor dado. El ntimero =, es el error relative aproximado yesté muy relacionado con él error absolute aproximado Se toman valores absolutos porque generalmente no es importante te- ner en cuenta si el error es por defecto 0 por exceso!. Se divide entre |r| para tener en cuenta la influencia del tamano de 7, en la estimacion del error, de la misma manera que no consideramos lo mismo, por ejemplo, gue el precio de un caiia de cerveza suba 10 céntimos, como que suba 10 céntimos el precio de un coche. De forma rigurosa el test cle parada se deberia utilizar con el error rela- tivo exacto (es decir, con la solucién exacta # en vez de la aproximacién 2), “Aunque hay casos en los qiie si Io es, por ejemplo, al calcular la velocidad minima de despegue de un avidn. Un errar por defecto significa que el aviin no-cespega y se sale de la pista. Un error por exceso no tiene esa trascendencia: solo Se gasta mas combustible88 CariruLo 2 / Funciones derivables pero en la practica puede resultar imposible: aplicamos un método numéri- co porque no podemos encontrar la solucién exacta. Pero se supone que > esta cerca de sr, (aunque no siempre sea asi) y por esto se utiliza el método de aproximacion. Otro criterio de parada puede ser un numero maximo de iteraciones, indicadas a priori. Es muy conveniente para la implementacién del método de Newton en un ordenador, para evitar errores como el indicado en la figura de la nota al margen, que nos Ilevaria a un proceso infinite y no convergente. 2.4.3. Puntos fijos de funciones Hay elementos del dominio de una funcién que tienen un nombre pro- pio por sus caracteristicas particulares, por ejemplo, lamamos raices 0 ce- ros de una funcién a los elementos del dominio que tal funcidn lleva a cero, En esta seccidn nos centraremos en los elementos que la funcién deja inva- riantes y que reciben el nombre de puntos fijos. Graficamente los puntos fijos de una funcidin ¢ son fas in- tersecciones de su grifica con la recta y = + 1 7 Para calcular los puntos fijos de una funcién y debemos resolver la ecuacién. = yi’). A continuacién presentaremos un método iterative muy sencillo para aproximar puntos fijos. O dicho con otras palabras, un método para resolver numéricamente ecuaciones de la forma Wt). en donde y es una funcién continua que cumpliré unas condiciones que estableceremos mas adelante. Pero primero, veamos cémo funciona, Es sencillo demostrar que si la sucesi6n de iterantes asf construida con- verge, entonces lo haré a una solucién de la ecuacién x = g(:r). Efectiva-mente, si lim sry, =a y tomamos limites en (2.3), entonces tim ary = Ninn gistnst) lim aty = g( lim rng) @ = ala) Por lo tanto, para poder utilizar el método debemos conocer alguna condicion que garantice la convergencia de la sucesién de iterantes 1b) + [0:0] verifica para algain ke (0.1) Iga) Yee (a,b), 1. gtiene un tinico punto fijo en {0.5}; _para cualquier condicién inicial «ap € {a,t| la sucesién dada por | (2.3) converge al tinico punto fijo de g en (a,b). mortos con atencién en el Teorema 2.2. Para aplicarlo necesitamos que la funcién g transforme un intervalo cerrado en si mismo (9: [ab] figb)) y que en (2,0) la derivada de 1 esté acotada en valor absoluto por 1, Yu © (a,b). Como resultado un mimero menor que | (\y/(«)| < cesion de iterantes converge, tal y como queriamos, obtenemos que la s pero ademas sabemos que lo hace a un punto fijo contenido en |.) y que ese punto fijo es tinico. Ademis, en las condiciones de! Teorema 2.2, es posible conocer el error absoluto cometido al aproximar el punto fijo por un iterante. 2.3 Enlas condiciones del Teorema 2.2 se verifica 5) < “= (b =a). (n= 1=k es el nico punto fijo de g en {a.0] yk és el mimero que acota a eee J Del Teorema 2.3 deducimos el ntimero de iteraciones que debemos rea~ lizar para garantizar que el error cometido sea menor que =, puesto que debemos encontrar el naimero natural » mas pequefo para el que piinm << 2.4 Método de Newton. Método de punto fijo_8990 Cariruto 2 / Funciones derivables EJEMPLO 2.17. Dada la ecuaci6n = cose = a) Comprobar que el método de punto fijo converge para cualquier dato inicial 19 < (0. b) Utilice el método de punto fijo para aproximar una solucién de la ecuacién partiendo del dato inicial ry = 1 y realizando tres itera- ciones c) Estime el error absoluto cometido al utilizar esa aproximac d) ¢Cuantas iteraciones necesitarfa realizar como minimo para garanti- zar que el error absolutoes menor que 0,01? Vayamos apartado por apartado. a) Resolver la ecuacién $ cos. = 2 es equivalente a encontrar los puntos fijos de g(r) = }cos.r. Veamos si se cumplen las hipétesis del Teore: (0, ma 22 para g(r) = }eos.r en el intervalo {a0 En primer lugar comprobemos que g: («6 — [eb] Sabemos que cose € 0.1) parae € | 3] resulta |, ahora bien, como |. Ahora probemos que |y/(1»)| < k < 1 para todo. € (a,b). Derivando y teniendo en cuenta que el seno varfa entre y | resulta Por lo tanto podemos tomar k= } En consecuencia el Teorema 2.2 garantiza que el método de punto fijo converge para cualquier dato inicial ry € (0.2.4 Método de Newton. Método de punto fijo 91 b) Tenemos que el dato inici restilta (recuerde que el argumento de cos.x se toma en radianes) | facilitado es.ay) = |. Sin mas que sustituir 0.2701) = 0481 ry = g(0-4430) = 045 a = gll) = feos 1 tty = g0A819) = 443 ©) Sabemos que Sustituyendo, 0.196 d) Buscamos el primer ntimero natural tal que 7 y(— a) < 0.01, en os. Sustituyendo resulta y 0.01 ‘Tomando logaritmos en la tiltima desigualdad y recordando que el logaritmo de un niimero entre 0 y 1 es negativo, tenemos Ll (ot) n> —pn(— ing) Finalmente, como jt In(# 31) ~ 3,603, debemos realizar cuatro ite: raciones para poder garantizar que el ertor absoluto cometido es me- nor que (0.01 -_ El método de punto fijo puede ser empleado para aproximar raices de funciones, Es decir, para resolver numéricamente la ecuacién f(r) = 0. Para hacerlo debemos previamente transformar la ecuaci6n fir) = 0 en tuna equivalente de la forma wt = g{.r), esta transformacién no es tinica, es més hay infinitas maneras de hacerla, Una muy sencilla consiste en sumar ren ambos lados de la ecuacién f() = 0 con lo cual flo) ea ytomariamos gla) = fla) +2.92 CarituLo 2 / Funciones derivables EMPLO 2.18. Transformemos la ecuacion 1? ~ x = (en una ecuaci6n de la forma g(r) = de, al menos, dos formas distintas. Sumando «: en ambos lados de we! — 2x = 0 Tegamos a. =. Por tanto, una primera q puede ser g(.0) Si tomamos raices ctibicas resulta x = Yr. Por tanto, otra g valida es wi) = 97 Si buscamos una raiz no nula, podemos dividir por 2* y obtener } Por tanto, otra posible funcién q viene dada por yr) = + —_ 2.5. Teoremas de Rolle y del valor medio 2.5.1. Motivacién Introduccién EI Teorema de Bolzano establecia que si una funcién f era continua en un intervalo y tomaba valores de distinto signo en los extremos del inter- valo entonces existia un punto cen el que f(c) = 0. En este tema estable- (én suficiente para que ceremos el teorema de Rolle que nos da una condi la derivada de una funcién se anule, es decir, para que exista un punto en el que j(c) = 0. ‘Como consecuencia de! Teorema de Rolle obtendremos el del valor me- dio y condiciones para el crecimiento y decrecimiento de una funcién en un intervalo. Orientaciones Fijese en la importancia de que todas las hipstesis de un teorema se cumplan para poder aplicarlo. Objetivos ‘Al finalizar la lectura de esta seccién conoceré los Teoremas de Rolle, valor medio y algunas de sus implicaciones2.5 Teoremas de Rolle y del valor medio 93 2. Teorema de Rolle Bjemrio 2.19. La funcién f(x) = 1? en el intervalo [~1,1) verifica las condiciones del teorema ya que Si-1) = ( 'y Jes derivable en (~1, 1) y continua en |~1.1) a BjeMPLo 2.20. La funcién sen. verifiea las condiciones del Teorema de Rolle en cualquier intervalo de la forma [a.a-+ 2n7], 0 © N, ya que se trata “de una funci6n continua y derivable en todo By seni = sen(a +207). gm Comprobemos que si falla alguna de las condiciones del Teorema de Rolle éste deja de verificarse. » En primer lugar consideremos la funcion f+ 0.1] —* RB dada por J (0) = a +1. Es evidente que J es continua en (0, 1] y derivable en (0.1), pero #0) =142= FI), Laderivada de f es f"(v) = 1 que nose anulaen (0, 1) y por lo tanto la tesis del teorema no se verifica debido a que la hipstesis /(()) = (1) falla Sea ahora f: [-1.1] > ® dada por f(r) = |x|. La funcién valor absoluto es continua en B y en particular en [~1. 1), Por otro lado, F(-1) = fC) ya que f(-1) =| — 1) = 1 =[|1| = f(1). Sin embargo, f no es derivable en 0 aunque si en el resto de los puntos del intervalo (-1.1). Por tanto, (a) = { \ 7 =O. notiene porguéanularse y no lo hace. Finalmente consideremos una funci6n en la que falle la hipétesis rela- > 0, =O. Se trata de una funcién derivable en (0.1) y f(0) = 1 = f(L). Pero tivaa la continuidad. Sea f: 0,1) > R dada por f (1) = {94 CarituLo 2 / Funciones derivables Teorema del valor medi (Hayy “(efle) ta Seas La recta tafgente en (r, Fle) y el segmento que wine feAay) yf) son paralelos. no es continua en 0) aunque si en el resto de los puntos en los que ida, Evidentemente su derivada f(r) = | no se anula en esti de (0,1). Pero mucho cuidado, no debemos malinterpretar los contraejemplos anteriores. Es sencillo encontrar funciones definidas en un cierto interva- lo |a.6] que no verifican las hipotesis del Teorema de Rolle en [a,] y sin embargo su derivada si se anula en algin punto de («,}). Por ejemplo, J(«) = 2 es continua en el intervalo |~1, 1] y derivable en (—1. 1), no veri- fica f(—1) = F(0) pero ft) = 3e y por lo tanto /"(0) = 0, 2.5.3, Teorema del valor medio EI Teorema de Rolle permite demostrar el siguiente resultado que ade- més lo generaliza. Ir) = Flr) — Sa) La funci6n / es continua en [u,b] puesto que f es continua y la funcién 1 a también (recuérdese que «, b, f(a) y f(b) son ntimeros) Derivando se tiene f(b) = f(a) boa Ahora bien, la derivabilidad de f en (7, h) garantiza que la expresi6n ante- ntido en todo (a,b) y h es derivable en tal intervalo. almente rior tiene si f(t) = Fa) h(a} = fla) ~ fla) — a>a)=02.5 Teoremas de Rolle y del valor medio 95 Mae} (b= a) = f(b) = fa) — f(0) + fa) =0. h(b) = f(b) — fa) - Luego h(a) = h(b) = 0 y gracias al Teorema de Rolle podemos afirmar que existe al menos un ¢ € (a6) tal que £(6) — fla) — 0. Rife) = S'(e) = f(b) = Fla) Con to cual f'(e) = > El teorema del valor medio tiene una clara interpretacién geométrica que describimos a continuacién y que aparece en la figura de la pagina anterior. El segmento que une los puntos (a, f(«)) y (b, /())) tiene pendiente F(b)— f(a) ba funcién continua en un intervalo (a, ] y derivable en (a,b) existe un punto petteneciente al intervalo abierto en el que la recta tangente a la grafica de Jafuncién es paralela al segmento que une los puntos (a, f(a)) ¥ (b. £(b)). El Teorema de Rolle también tiene una interpretacién geomeétrica puesto que si /"(c) = 0 entonces la recta tangente es paralela al ee . Por lo tanto elteorema garantiza la existencia de un punto en el que la recta tangente a lafuncién es horizontal. . Por lo tanto, el Teorema del valor medio afirma que para toda Ya sabemos que una funcién constante tiene derivada nula. Pero, ison las (inicas con esta caracteristica? El siguiente resultado, sencillo de de- mostrar a partir del Teorema del valor medio, nos sacara de dudas. Las funciones f(w) ry gle) = «+7 tienen la misma derivada y difieren en una soetanl Esto no es una casualidad. Si f"(r) = g/(x) en (0,0) y definimos h(2r) = f(r)~g() se tiene que h'(.r) = 0. Luego aplicando, el Teorema 2.4 la Bett Ives una funcién constante en (a. 6), esto es, para cierto ¢ € B fijo, Ae) = fr} — ae) =e En muchos textos de matematicas, para poner de manifiesto el final de ‘una demostracién se escribe un acrénimo egad.s como querivmos demastrar, qed quod erat demenstrandum (0 quit emiless discussion ))0 se sitda el simbolo 0 al final96 CariruLo 2 / Funciones derivables 2.5.4. Funciones monétonas Como consecuencia del Teorema del valor medio también obtendremos condiciones suficientes para la monotonia de una funcidn. Pero para poder establecer esos resultados necesitamos previamente definir qué entende- mos por una funcién mondtona. Por lo tanto, todas las funciones estrictamente crecientes (decrecientes) son crecientes (decrecientes) y, en particular, son monétonas. * Biectivamente, para eualesquiera a.b € I cona < bel Teorema del valor medio garantiza la existencia de ¢ € (a,6) tal que Lt) = Ha) b-a Ie Si f"(x) > Oen I, tenemosen particular que f'(c) > Oy Fb) = flay = £lb =a) > 0. Por tanto, f(a) < f(b) y la funcién es estrictamente creciente en T. De- jamos al lector el razonamiento si f(a") <0, f"(ar) > Oy Ja) B dada por f(r) = are!" 2.5 Teoremas de Rolle y del valor medio 798 CarituLo 2 / Funciones derivables La funcidn es derivable por ser producto de funciones derivables y ademas je) = elt2) — aol) = = el, Como la exponecial es siempre positiva el signo de la derivada depen- dera del signo de | ~ x para € B. Por tanto, /"(1") seré positiva six es menor que 1 y negativa six es mayor que 1. En consecuencia, sera estrictamente creciente en (>, 1) y mente decreciente en (1, °°) -— ricta- Ejercicios de Autoevaluacién Determines si las siguientes afirmaciones son verdaderas: 1. La recta tangente a la gréfica de la funcién f(r) = = paralela al eje r solamente en los puntos (0.2) ¥ G f.gson derivables en y f"(a) = g/l), entonces fg son continuas enuy f(a) = 9(a) 3. Se verifica , f fa)gla) + ¥(a) F(a) (@) = Se g [o(a)}? 4, Sabiendo que f es derivable y verifica (0) = x, y {'(0) = 2caleule a(/2) para g(x) = cos( f(cos(ir)) 5. Se verifica lim 6. Utilizando la Regla de L'Hépital resulta que lim. — no existe 7. Sing # Ves un punto fijo de f, entonces ry es soluci6n de la ecuacion 1) yoy 8. El método de Newton establece que para aproximar una solucion de = f(r) se puede utilizar el algoritmo fle Psa = tn + F'n)| 2.5 Teoremas de Rolle y del valor medio 99 f(x) = 9, Si dos funciones f y g verifican f"(x) = g"() en 1, entonce g(r) + para cierta constante & 10. Una funcién creciente en un intervalo J verifica f"(r) > 0 para todo rel3 APLICACIONES DE LA DERIVADA neste tema seguiremos explorando las propiedades de las funciones que poseen derivada pero centrandonos en las que pueden ser derivadas de forma reiterada, Veremos que cuanto mayor sea el ntimero de veces que podemos derivar tna funcidn (a esto se le Hama tener mayor regulaticlad), mayor e fa funci el orden de un polinomio que podemos utilizar para aproximar localmente y que recibe el nombre de polinomio de Taylor. El paso al limite en el polinomio de Taylor nos Hlevara a considerar las series de potencias, un tipo especial de series de funciones que como vere- mos tienen propiedades muy interesantes. ‘También dedicaremos una seccidn a presentar un método de interpo- lacién polinémica que conocides ciertos valores de una funcién nos permite calcular un polinomio que pasa por éllos. La existencia de derivadas y derivadas sucesivas de una funcin nos permitird dar condiciones suficientes para la existencia de valores extremos e introducir al lector en la teoria de la optimizacion. Finalmente, daremos condiciones suficientes para que la grafica de una funcisn tenga una cierta forma en un intervalo a partir de las derivadas de orden superior 101102 CariruLo 3 / Aplicaciones de la derivada Notacién, En alguns libros las derivadas mayores que la tercera se denotan utilizando mnimeros romanos, es decir, derivada de orden cuatro f(a), einco f(r) otra notacion habitual es sin(ay= SLC 3.1, El Teorema de Taylor 3.1.1. Motivacion Introduccién Podriamos pensar que conocer la derivada de la derivada de una fun- cién no aiade informacién sobre el comportamiento de la funcién a la ya obtenida por el conocimiento de la primera derivada. No es asi. Las derivadas de orden superior son muy titiles para describir comportamien- tos locales (caracterizacion de maximos y minimos relativos) y globales (i tervalos de concavidad y convexidad) que la primera derivada no detecta Orientaciones Preste especial atencion al Teorema de Taylor que establece cémo es posible aproximar localmente funciones por polinomios. Objetivos El estudio de este tema le servird para conocer eémo las derivadas de orden superior aportan informacién sobre las propiedades locales y globa- les de una funcion 3.1.2. Derivadas sucesivas Ya hemos visto que a partir de una funcién f derivable en cierto sub- conjunto D podemos definir una nueva funcién f/ con dominio D, la cual transforma a xen /’(). La funcisn /", que se conoce como funcién deriva- da primera, puede ser derivable a su vez en un subconjunte CC D y pode- mos definir una nueva funcién que se denota por ”. Esta nueva funcién viene dada por m, dy (ou) = te) y la lamaremos derivada segunda o derivada de orden dos de /. El proceso anterior contintia siempre que se pueda derivar, y aparecen la derivada tercera 0 derivada de orden tres f(.«), cuarta /\"(2), quinta fle), ..., décima f, etc. Todas estas derivadas reciben el nombre de derivadas sucesivas o derivadas de orden superior de la fun3.1 El Teorema de Taylor 103 Fjempto 3.1. Calculemos las derivadas sucesivas de f(r) = 39°. Derivando obtenemos f"(r) = 91°. Volviendo a derivar f"(r) = 180. Volviendo a derivar f”"(:r) = 18. Volviendo a derivar f(r) = 0. Volviendo a derivar f(x) = 0. Volviendo a derivar f(r) = 0. Y ‘si para cualquier derivada de orden w para n > 4 - En el ejemplo anterior cada una de las derivadas era una funcién més sencilla que la anterior. Esto no siempre ocurre, como pone de manifiesto elsiguiente ejemplo. BJEMPLO 3.2. Calculemos las derivadas primera a tercera de la funcién fle) = re Derivando sucesivamente se tiene f(x) fa) F(a) =Ge™ +1 El siguiente ejemplo ilustra que las derivadas sucesivas pueden tener un dominio menor que la funcién de partida EjEMPLO 3.3. Calculemos las derivadas sucesivas de f(r) = { La funci6n es continua puesto que para. # 0) viene dada por funciones continuas y los limites laterales en 0 coinciden, lim f(r) = lim x? = 0. tim, fe) = lin =0. = r rt Para. 4 0 podemos derivar la funcién sin problemas y se tiene f’() = < Oy f{(2) = 42° sir > 0, Calculemos las derivadas laterales en beh i fiory= sim LOAM = SO) tty © 9, a h th he flO +h) — JO) as “ory = tin LO* = P= Se h Ae = Hemos —caleulado las derivadas de orden cinco y is porque un error habitual entre los prineipiantes en el caleulo de derivadas suicesivas consiste en creer que si una derivada es nula las derivadas mayores que ella no tienen sentido. ‘Maxima calcula la derivada de orden n de f(r) mediante ait) xm)104 CariruLo 3 / Aplicaciones de la derivada _ Conjuntos de funciones Consideremos el conjunto formado por todas las funciones.continuas en un intervalo (a0). Tal conjunte cumple todas las condiciones de espacio. vectorial y se denota. por C(«.)- Tambien las funcionés — definidas en (at) y con derivada primera (segunda, tereera,..) continws en («.6) forman tun espacio vectorial que se denata por €" (0.6) (Ca. 0, CHa.d)o.). Tales espacios son muy importantes en el desarrollo de potentes Herramientas matematicas que quedan fue deeste texto del aleance Puesto que ambas coinciden podemos garantizar que /"(0) = 0. Ast, Qn <0, Fas oo, r=0. Br, a >. Calculemos ahora la derivada segunda de f. Derivando f' para x 4 0 obtenemos f(r) =2sir < Oy /"(x) =Gr six > 0. Pero las derivadas por la izquierda y por la derecha en (de f" no coinciden tin LO#M= LO) _ ig, 28 nest i ~ yet a FiO) = £0) £"(O") Ni hE ro Por lo tanto, la derivada segunda de f no esta definida en x En la siguiente figura aparecen representadas las grificas de las fun- ciones fy J. Obsérvese el pico en .r = en la gréfica de f” que indica la imposibilidad de volver derivar porque en ese punto no existe recta tan- gente. y 9 0 3 | SS, - 1 : 33:1 El Teorema de Taylor 105 3.13. El Teorema de Taylor Dedicaremos esta seccién a Ja aproximacién de una funcién dada, por emplo f(x) = sen, mediante polinomios. :Por qué polinomios? Porque es muy sencillo evaluarlos: si queremos calcular el valor del polinomio pla) =a? +1 enel punto = 3 s6lo necesitamos realizar multiplicaciones y sumas, esto 6, p(3) = 3-3+1 = 10. Asi, si conseguimos encontrar un polinomio que aproxime localmente a /(ir) = sex podremos calcular fécilmente los valores de seria: de forma aproximada, cualquier polinomio se puede expresar en po- Fijado un punto 20 « tencias de (x — ry). Por ejemplo, ptr) = + Lse puede escribir como pir) = (r+ D2. aqui ty = 1 per) =(@ =P +4 1A, aqui ey = 1h En general para escribir p(.r) en potencias de (.1 ~)) se sustituye por (e— 2) +20. EJEMPLO 3.4, Escribamos p(r) = 2 42° +2 utilizando potencias de (7 —3 Sustituyendo « por (* ~ 2) + 2obtenemos ((@ = 2) +2)? + @ - 2) + 2 4 df —2) +44 (er — + 5(x — 2) +8. pw) El siguiente resultado establece la relacién entre los valores de las de- rivadas de un polinomio en un punto sr» y la expresién de ese polinomio centrado en rp.hhh 106 CariruLo 3 / Aplicaciones de la derivada EJEMPLO 3.5, Sabiendo que p es un polinomio de order pith) = 0, p"(0) = Gy p"(0) = —6 calculemos su expre 3 tal que p(0) = n Utilizando la Proposicién 3.1 , "(0) ptr) pO) + pO + vr, = 140: A g 1+ 3a? = wt Sa 4g Por lo tanto, el polinomio buscado es p(x) = 1 + 3x? — 2° - Ahora, supongamos que de una funcién f conocemos los valores de las n primeras derivadas en un punto :ty ¥ queremos encontrar un polinomio ps de orden menor 6 igual que n tal que p(y) = f(a») para 0 fO)=1 f(a) = eF fr") = 1, Says > fO)=1 sl@) =e" > FAO) =1, "eae = s*O)=1 fase > FOO) =1 Por lo tanto, pi) ere es “ha Ta a ‘Ademas es sencillo ver que f'"(0) =e? = 1 para todo 1 y por lo tanto elpolinomio de Taylor centrado en el origen de orden » resulta nay 8 BJEMPLO 3.7. Calculemos el polinomio de Taylor de g(r) = seu.» centrado enel origen de orden 5. Derivando y evaluando en 0 se tiene g(a) = sens a) =0, Mx) =—cosie gO} -1 g(a) = cos + g(0)=1 g(a) = sen > gO) =0. g(e)=—sena > g%(0)=0, g(a) = cose 9 (0) =1 Por lo tanto, ‘Ademas es sencillo comprobar que g'"(0) = (sin es par. Sin es im- par se puede expresar de la forma 1 = 2k + 1 con k € W, se tiene que g+1() = (—1)* por lo que los polinomios de Taylor de Grdenes 2n + 1 y 2n + 2.centrados en el origen son r Pans(2) = Ponsalu) =a — Sr + EJEMPLO 3.8. Calculemos el polinomio de Taylor de f(r) = sen centrado de orden 3108 Cariruto 3 / Aplicaciones de la derivada Derivando y evaluando en % wel" Por lo tanto cos. —sen pst) = Maxima calcula e! polinomio - del Taylor de f(r) = sens centradoen 5 de orden secon En el caso de algunas funciones compuestas se puede calcular el poli- “taylorisin(x).x,% P49)" Aomio de Taylor sin necesidad de derivar la funcién. Esto se consigue ma- nipulando los polinomios de Taylor de cada una de las funciones que inter- vienen en la composici6n. EJEMPLO 3.9. Calculemos el polinomio de Taylor de f(r) =" centrado en el origen de orden 7, Como hemos en el origen de e* es sto antes, el polinomio de Taylor de orden 1 centrado dale) = Lb ey (e? dar) = 1 Por lo tanto, el polinomio de Taylor de f(x) = ¢** de orden 7 centrado en el origen es gle) = 14a? 4 4 Ala vista del ejemplo anterior nos planteamos una cuestion importante, {Como de bien estamos aproximando? o lo que es lo mismo gpodemos es- timar el error cometido?ones de este mismo resto con nombre propio pero: xisten otras exp! nolas consideraremos aqui. EJEMPLO 3.10. Calculemos sen 4 con un error en valor absoluto menor que 0,001. Utilizaremos el polinomio de Taylor centradoen cero de la funcién fle) = sena que ya calculames con anterioridad pone ilar) = 0+ Estimemos el error que cometemos si aproximamos seu lizando la Propiedad 3.2, este error en valor absoluto es igual a fale) | para cierto. & (0.4). Ademés, las derivas superiores de f son senos y cosenos que en valor absoluto oscilan entre 0 y 1. Por lo tanto =o" ayer < (oD! 3.1 El Teorema de Taylor 109110 CapfruLo 3 / Aplicaciones de la derivada Utilizando (3.2), para n = Ose tiene |Ro(4)| < Os. Patan = 1, |RBI < 0125, Paran , |Ra(5)| < 0,020. Para n = 3, | << 0,0026. Para n = 4, \R(4)] < 0.00026. Por lo tanto, es suficiente tomar el valor de p4(}), que resulta ser Weed. Ma) =o Utilizando la instruccién en Maxima “float(sin(1/2));” obtenemos: 0.47916. 1 _ pr7o125s380042. sen En la grafica siguiente aparecen dibujadas la funcién f(r) polinomios de Taylor centrados en el origen de orden 3 y 53.2 Aplicaciones a series y sucesiones de fuciones 3.2. Aplicaciones a series y sucesiones de fuciones 3.21. Motivacién Introduccién En esta seccin veremos por un lado cémo se trasmite la derivaci6n en el paso al limite de una sucesion o serie funcional. Por otro, veremos qué ocurte al hacer un paso al limite en el orden de los polinomios de Taylor de una funci6n f. Orientaciones Releer la secci6n que dedicamos en el capitulo anterior a las sucesiones y series funcionales le ayudara a seguir esta parte porque volveremos sobre conceptos como convergencia uniforme, convergencia puntual o serie de potencias que fueron tratados alli. Objetivos Al finalizar el estudio del tema conocer condiciones suficientes que garantizan la transmisién de la derivabilidad de los elementos de una su sign o serie funcional a su limite, Por otro lado, sabra que ciertas funciones tienen la interesante propiedad de poder ser representadas localmente co- mo una seriede potencias, 3.2.2. Derivacién de sucesiones de funciones Derivacién de sucesiones y series funcionales Ya hemos establecido que la convergencia uniforme conserva la con- tinuidad de las funciones que conforman la sucesi6n funcional. A conti- nuacién enunciaremos una proposicién que relaciona la convergencia uni- forme con la transmisién de la derivabilidad112 CapituLo 3 / Aplicaciones de la derivada Conviene que el lector reflexione sobre la transmisién de la continuidad de las funciones J,, a la funcién limite f(r) cuando la convergencia es uni- forme, notando que no esta garantizada la derivabilidad, de abi la impor tancia de esta tiltima proposicién; en la que resaltamos la circunstancia de que se ha necesitado la convergencia uniforme no de {fn} sino de {4}. Habra observado también el lector que la condicién de convergencia uniforme de la sucesi6n {//,) que asegura la derivabilidad de la funcién limite f es una condicién sufici snte pero no es una condicién necesaria, EJEMPLO 3.11, Sea la sucesin de funciones f(r) = ppc para r ¢ (-1,1). Estudiemos la convergencia puntual, uniforme y comprobemos si se cumple la relacion f'(2) = lim fi") Para estudiar la convergencia puntual caleulamos Hine fo) = Lim D, noe eat luego la sucesion converge puntualmente a f(x") = 0 para x Pasemos a estudiar la convergencia uniforme: sup {[fale) =F} = ee(-1)_ 3.2 Aplicaciones a series y sucesiones de fuciones 113 Para el calculo del supremo de la funcién dada por g(r) = yap en (0.1) observamos que gif!) = 0 y tiny sgl) = iiar Por otro lado, su + es positiva en (0. +) ynegativaen (2, 1), primera derivada y/(1r) = =") por lo tanto la funcién es creciente en ((),;,) y decreciente en (4.1). Lugo a mayor valor que aleanza g en el intervalo estaréen.x =}, yel valor dey 1 e-verifica phy < ah se enese punto es g (4) Como para todo m > 1 tiene : sup {\fule) ~ Fee)lh = ae(-Ll Tomando limites Kim sup {)fule) — a) = lim 5 = Mr, he an Luego { jn} converge uniformemente a f(r) = en (—1.1)- Sin embargo, para x € {—1.1) 0, tir fi() = him ate nos G4 wa Luego, f"(r) # Minty s. f4(4") ya la vista de la proposicién anterior se puede asegurar que la sucesién'de funciones {ff} no converge uniforme- mente. oui Puesto que las series de funciones estan estrechamente relacionadas con las sucesiones de funciones, la propiedad sobre la transmision de la deriva- bilidad mediante la convergencia uniforme se mantiene tal y como estable- comos en el siguiente resultado,114 CaritvLo 3 / Aplicaciones de la derivada Derivacién de series de potencias En este apartado abordaremos las relaciones entre una serie de poten- cias y la serie (que también sera de potencias) formada por sus derivadas y Ja transmisién de la convergencia. El siguiente resultado muestra que en el caso particular de las series de potencias el intercambio entre derivacion y paso al limite esta garantizado si la serie es convergente. Aplicando reiteradamente el resultado anterior llegamos al siguiente importante teorema. EJEMPLO 3.12. Caleulemos la derivada de la serie de potencias convergente enk En realidad, la funcién que hemos llamado f en el ejemplo anterior es la funcién seno, como tal vez ha sospechado por la similitud entre la serie y los polinomios de Taylor del seno que calculamos en el tema an- terior. El siguiente apartado esta dedicado a las funciones que se pueden definir a partir de una serie de potencias y que en esencia tienen las mis- mas propiedades que los polinomios para trabajar con ellas.Neen ee EEE 2. Aplicaciones a series y sucesiones de fuciones 115 32.3. Funciones analiticas son las Una familia especialmente importante de series de potenci series de la forma: wy)” sstas siendo f una funcién que tiene derivadas de todos los érdenes en ry; series reciben el nombre de serie de Taylor de fen. de Taylor es el resultado de hacer tender a infinito Claramente la se elorden del polinomio de Taylor de f centrado en 1 EyEMPLO 3.13. Calculemos la serie de Taylor de f(r) “enn = Oy su radio de convergencia. Es sencillo ver que f"(r) =2"c**, por lo tanto LO), # (oy Para calcular el radio de convergencia utilizaremos el criterio del co- Maxima con Is. instruccion “powerserles{exp(2"x), x. 0)” calcula la serie de Taylor de enn, dente, como obtenemos que el radio de convergencia es infinite. -_ Byempco 3.14. Calculemos la serie de Taylor de f(x) = cos.c en ry = 0. Sin mas que derivar vemos que las derivadas de orden impar de cos # en 0'son nuulas y las pares valen alternativamente —1 y 1. Por lo tanto, la serie buscada es Loméds deseable es que la serie de Taylor converja uniformente a la fun- cién que la define en un intervalo que contenga a zy. Pero esto no siempre es decir, para las que ocurte. Las funciones para las que si oct en.un intervalo al que pertenece 7) J" (a)116 _CarfTULO 3 / Aplicaciones de la derivada reciben el nombre de funciones analiticas. Las funciones polinémicas, tri- gonométricas, exponenciales y logaritmicas son analiticas. Lo que, por ejemplo, a la vista del ejemplo anterior nos indica que (HEY te cosit = yw i= y derivando en ambos miembros resulta Para comprobar esto basta con derivar S(2) = ay + aye + age? + + aya" + término a término. Al hacerlo se comprueba que /" (0) = nlay, luego 70) a ; EJEMPLO 3.15, Desatrollar x? cos.r* en serie de potencias der. Lo haremos de dos formas distintas. Primera forma. Sabemos que Luego, cos. por tanto que es un desarrollo vélido para todo3.3 Interpolacién polinémica 117 Segunda forma, Resulta que cose! = 4 (sen) luego podemos ‘obtener ef desarrollo de »?cos.r desarrollando 4 sen.r y luego derivan- do término a término. En efecto, yderivando resulta af alae que es un desarrollo valido para todo 1. 3.3. Interpolacién polinémica 3.3.1. Motivacion Introduccién A menudo vamos a necesitar trabajar con una funcién cuya expresion no conocemos © vamos a necesitar una expresion més sencilla de una fuun- cién. Por ejemplo, podemos tener la temperatura de un radiador © concen- traciones de una sustancia en un compuesto en ciertos instantes, obtenidos experimentalmente, pero no conocer la funcién que describe el compos tamiento en todo momento, Y nos puede hacer falta para derivarla, inte- grarla, 0 necesitamos sus valores en otro instante. Estos problemas se 1 suelven aproximadamente mediante interpolacién, que es el proceso por el que se determina una funcién que vale exactamente los valores dados. Lo més sencillo es aproximar por la poligonal que pasa por todos los datos. Pero si queremos encontrar una curva suave, facil de construiry de evaluar, lo mejor es buscar un polinomio, Entonces hablamos de interpo- lacién polinémica,118 _Cariruto3 / Aplicaciones de la derivada Orientaciones Antes de resolver un problema, es conveniente que se representen grafi- camente los datos para poder anticipar qué tipo de polinomio vamos a obtener. Ademis, es conveniente que se compruebe que el resultado, ya que el proceso de interpolacién supone realizar diversas operaciones y es e. facil equivoes Objetivos Tras estudiar este apartado, el estudiante podra elaborar una tabla de diferencias a partir de un conjunto de datos y construir un polinomio de interpolacién a partir de unos datos dados. 3.3.2, Interpolacién Intuitivamente y con los conocimientos que tenemos, sabemos que con el Teorema de Taylor podemos aproximar una funcién f (continua y deri- vable), por un polinomio cerca de un punto «. Pero este resultado no nos vale para la interpolacién, no sélo porque hace falta conocer el valor de f y sus derivadas en «a priori, sino también porque sélo es una buena aproxi- macién cerca de «.Y queremos que aproxime bien en todo un intervalo. En general, disponemos de una colecci6n de datos (2. fx) para k 0.....n, Los ntimeros :r; se llaman nodos y fi, representa el valor de la fun- cién f(r) (que no conocemos, en principio) en 2%. Buscamos un polinomio de grado n, Po (0) = dq heap + age? pot dyar” de forma que py, (.r4) = fy para k= 0,0...3.3 Interpolacién polinémica 119 Las condiciones dadas por los datos se pueden escribir como: ay + ajay +e + dnatt) = Joy ay Hayy Haney + ob ant = fi fu ty aay haged 4 Hayat Resulta un sistema de» + | ecuaciones lineales (una ecuacion por cada condicion py(r.) = fx) y m+ 1 incdgnitas (Jos coeficientes del polinomio @,, para i = 0.....n). Se puede resolver mediante distintos métodos, que se estudian en la asignatura de Algebra. El grado de p, («°) asi construido es ncomo maximo, Sin embargo, la resolucion de este sistema de ecuaciones puede ser una tarea ardua por la regla de Cramer (sobre todo si disponemos de una cantidad considerable de datos), por lo que estudiaremos otra forma de determinar el polinomio de interpolaci6n. Unacaracteristica importante de este polinomio es que existe y es tinico. La demostracién de que es tinico es muy sencilla’, Para demostrar que el polinomio existe vamos a construirlo. Utilizaremos el método mas popu- lar, el de diferencias divididas de Newton, por sus ventajas frente a otros métodos® EJEMPLO 3.16. Tomamios la temperatura de una habitacién al encender la calefaccién y tras 1 hora de Funcionamiento. Los resultados son, en grados centigradas: De forma general, la ecuacion de la recta que pasa por (r9,fy} y pen- dente yn es: pa (2) — fy = me — 0) TConsuilte, por gemplo, Rodriguez Matin, L.; Perdn Mazon, |-y Gil Cid, B Fundamentos de Mateinaticas. Matematiegs I Ed. San y Torres. 2006, 2Este método esta estrechamente relacionado con el metodo de eliminacion Gauessiana fiafa la resolucidn se sistemas Splines. Si los datos no son suves y auumentamos el gra do del polinomis, podemos tener una funciin que om cila en intervalos entre datos Una alternativa es interpola por medio de splines, Kei ferque surge al hacer que wna barra tle plistico flexible y dlelgada pase por nos pin tos 2 El Spline es tina curva defini: da a trozas mediante: poli- nomnios, con condiciones de derivabilidad en tos nodos ccomunes. El diserio por orde nador es una de sus minchas aplicaciones120 CarituLo 3 / Aplicaciones de la derivada ‘Como en este caso la pendiente es fi = fo el polinomio interpolador de grado | es pat = f+ 22 (a — ay nn =ty B= 1 . - Too (a —0) = 37 + 15. =154 Si f(r) es la funcidn que describe la temperatura exacta, entonces 1 es una aproximacién a su derivada, en analogia con el polinomio de Taylor de orden | La temperatura de la habitacién a las dos horas de encender la calefac: cién es 20” C. En el polinomio de grado 2 se introduce una cierta curoutune n pecto a la recta anterior, porque su ecuacidn es: Eldiltimo término se determina con el nuevo dato (.r. 2). Ademés, —4 es una aproximacién a la derivada segunda de j.Se deja como actividad a lector que compruebe que el poli lacion de los datos dados. omio p2 (r) es el polinomio de interpo-3.3 Interpolacién polinémica 121 Se definen las diferencias divididas de orden 0 como el valor de la fun- cidnien 2g, para k =... ft) = fr Las diferencias divididas de orden 1 son: | fz J=fk ftewans| = Seal fla fest =h | esa 2k Tey a | Ladiferencia dividida de orden m se define de forma recursiva: ro) —Pilchns =htin =a) endonde f[ri+1,tn42. ten) ¥ Fires Cee 4-1] on diferencias divididas de orden m — 1. Geométricamente, son una aproximacién de la derivada de orden m de la funcién f(r) La forma mas sencilla de calcular las diferencias divididas es en una tabla, conocida como tabla de diferencias, como se muestra en el siguiente ejemplo, EJEMPLO 3. tacién a distintas horas y tenemos: Suponemos que hemos tomado la temperatura de la habi- ot 0 15 | 18 A partir de estos datos, se construye una tabla cuya primera columna son los valores de ry. La segunda columna la forman las diferencias divi- didas de orden 0), frx) = fi. La siguiente columna esté constituida por las diferencias divididas de orden 1, calculadas a partir de f(x). ¥ asi sucesi- vamente, Cada uno de los valores de una columna se escribe medio reglén por debajo de las diferencias de orden anterior.122 CarituLo 3 / Aplicaciones de la derivada EJEMPLO 3.18. Vamos a calcular el polinomio de interpolacién de los datos del Ejemplo 3.17 con las diferencias divididas de Newton A partir de la tabla de diferencias, el polinomio interpolador es: pa(2) =f bry] +S [ras] (@ — xo) + f leoseer.es] (0 —a)+ 2,43) (a — ar) (er ~ 1) (w= 42) 15 + Bla — 0) — 5 (ew — 0) (w= 1) + Fle 0) (w = 1) & Qe + 15, Su grado es 3, porque tenemos 4 datos. Obsérvese que elegimos las dife- rencias de la diagonal superior. El resultado es el que muestra la siguiente figura: 3 4 - Con este método, el polinomio de grado n se obtiene a partir del poli- nomio de grado u — 1, p,-1 Pv (2) = Pav) +L laste + ate] (= ra) (eat) (= tna) Por eso, al afiadir un nuevo nodo no hace falta empezar todo el proce- so de nuevo, basta con caleular las diferencias que nos faltan (que son las diferencias donde esta x.) y atadir este nuevo término, Esta es una ventaja frente a otros métodos de calculo del polinomio de interpolacién.3.4 OptimizaciGn, Extremos relativos y absolutos 123 34. Optimizacién. Extremos relativos y absolutos 341, Motivacién Introduccién Todos estamos acostumbrados a tomar decisiones para tratar de reducir Jos costes y aumentar los beneficios de nuestras actividades. A la rama de Jas matematicas que se dedica a este tipo de problemas se la denomina Optimizacion. Orientaciones La optimizacién es fundamental para el desan Ilo académico y pro- fesional de un ingeniero, en esta asignatura volveremos a ver resultados fur relacionados con la optimizacién un poco mas adelante, al estudi ciones de varias variables. Por lo tanto, resulta fundamental que adquiera una base solida en este tema Objetivos Elestudio del tema le proporcionara los conceptos de extremos relativos yabsolutos para una funcién de una variable, el concepto de punto critico y condiciones suficientes para calcular los extremos de funciones derivables. 34.2. Extremos absolutos En la Proposicisn 1.15, al estudiar las propiedades de las funciones con- tinuas definidas sobre intervalos cerrados, establecimos que aleanzan en ese intervalo los valores méximo y minimo. Sin embargo, aprovechando- nos de la intuicién del lector, no dimos una definicién rigurosa de maximo ominimo. Tampoco facilitamos una forma para su calculo.124 CariruLo 3 / Aplicaciones de la derivada La hipétesis de continuidad en esta tltima propiedad es muy impor- tante. Por ejemplo, la funcién f: |-1,1] + ® dada por Joe ={ pe no tiene extremos absolutos en |~1, 1] pese a ser solamente discontinua en en. = 0 (vea su grafica al margen). Un ejemplo nos ayudara a comprender como se aplica la propiedad anterior. EJEMPLO 3.19. Estudiemos los extremos absolutos de f(ur) = 4! — 3? ~ Gr +2enel intervalo (0.2). Claramente f es continua por ser un polinomio. Calculemos los puntos criticos. La derivada de f es f(r) = 12r*—Gr—6. La derivada esta definida en todo (0,2) por lo tanto los tinicos puntos criticos serdn aquellos en los que "se anula 12x? — 6x = 6 e _layvIF8_ 143 a er ES3.4 Optimizacién. Extremos relativos y absolutos 125 El punto ~$ no pertenece al intervalo (0.2) por lo que no lo conside- ramos. Para terminar comparamos los valares que toma la funcién en los extremos del intervalo y en el punto critico, f(0)=4-0°- 3-0? -G-042=2 FQ) =4 2? fQ)=4-P- 6-242= 10. Puesto que f(1) es el menor de ellos, la funci6n tiene en.» = Tun mini- ‘mo absoluto en el intervalo [0,2]. Por otro lado, como f(2) es el mayor de Jos tres valores, la funcién tiene ene = 2 un maximo absoluto en el inter- alo (0.2). Dichos valores minimo y maximo absoluto son respectivamente fp in fanciin aleanza el valor minimo f() = = ¥ en 2aleanza el valor maximo, S(2) = W. Por supuesto, los valores maximo y minimo absolute se pueden alcan- zaren varios puntos del intervalo. EJEMPLO 3.20. Estudiemos los extremos absolutos de f(r) = | seu) en {0.27}. La funcién seno es mayor o igual que cero en [0. 7] y menor o igual que cero en [7.2x]. Por lo tanto Fer) = [ena -{ a =e =sona. at € (7,2) Hallemos los puntos criticos de /. Derivanda se tiene pinm{ punto critico porque la funcién no es derivable en él. Los puntos 3 y 2° son puntos eriticos porque la derivada se anula en ellos. Ahora comparemos los valores que toma la funcion en los puntos criticos yen los extremos del intervalo, esto es, en 0, 5, ™ Sy Qe, $(0) =|sen0,=0. flF(2n) = |sen2e| = 0. A la vista de los valores anteriores podemos afirmar que f alcanza si valor maximo absoluto en el intervalo [0.27] en los puntos valor maximo es 1. De forma similar f aleanza su valor mi en el intervalo [0,27] en los puntos 0, # y 2 ¥% no absolut no es 0. yest yeste valor mi uv f(r) = [sone 1 Figura 3.1: Grafica de |sen | y sus extremos absolutos en [0,27]. Los razonamientos anteriores se pueden extender a funciones continua definidas en intervalos abiertos tanto finitos como infinitos. En tal caso, ne podemos evaluar la funcién en los extremos del interval pero podemo: sustituir dichos valores por los de los limites de la funcién al tender hacia los extremos del intervalo, Sin embargo, como el intervalo no es cerrado y acotado, no podemos asegurar a priori que la fur cién vaya a alcanzar sus valores maximos y mini mos en el intervalo. EjEMPLO 3.21, Estudiemos los extremos absolutos de f() (0, 50). La funcién es continua y derivable en ((.0¢), siendo su derivada3.4 Optimizacién. Extremos relativos y absolutes 127 Eldenominador no se anula. Por lo tanto no existen puntos en los que esté definida f" (a). Por otro lado, la derivada se anula si lo hace el nu- rador 0 M0) = Gaye = Porlo tanto, el tinico punto critico es.r = | y debemos comparar el valor {(1) con el valor (si existe) de los limites Tim f(z) oy rao Claramente, lim f(e) = Ih son ety +1 utilizando L'Hépital, f(2) = lin —* lin, me eee Sustituyendo tenemos que f (1) = 3 > 0, por tanto f aleanza un maxi- absoluto en | y no existe ningtin punto del intervalo (0), ©) en el que se ince el minimo absoluto. Figura 3.2: Grafica de128 CarituLo 3 / Aplicaciones de la derivada 3.4.3. Extremos relativos Supongamos que una funcién f: [9.17] ~ B informa del valor de cierta accién que cotiza en bolsa durante una jornada. Si f(9) > J(17) la accion habré bajado y muchos accionistas no estarén muy contentos. Sin embargo, la depreciacién de la accién no es incompatible con que algunas personas hayan obtenido beneficios al final de la jornada. La forma de conseguirlo es facil de explicar (pero probablemente no tan facil de realizar): comprando cuando la accién va a subir y vendiendo cuando va a bajar. O en lenguaje matemitico: aprovechando los extremos relativos (0 locales) de la function. (w+ 1P%(e - i: figura al margen no tiene extremos absolutos en (—2,2) pero si relatives Observemos que x = 2 yr = —2son asintotas de la fun EyeMPLo 3.22. La funcién fe) = 1 + representada en la Pa Nuevamente, la continuidad es una hipétesis esencial en la propiedad anterior. es creciente antes de EyemMPLo 3.23, La funcién f(r) = { ae) l-x #21 Ly decreciente después de 1. Sin embargo, /(1) no es ni mayor o igual ni menor o igual que los valores de f sobre cualquier intervalo que contenga a 1, como se puede apreciar en la representaci6n grafica de la funcién que aparece a continuacién. =rel rel Figura 3.3: Grafica de funcién creciente en {~20. 1) y decreciente en (1.>¢) que no tiene extremo relativo en 1 El siguiente resultado nos informa de dénde buscar los extremos rela- tivos de una funcién dependiendo de si su dominio es un intervalo abierto cerrado. ieee eee ‘Asi pues los puntos criticos siempre son candidatos a extremos pero esto no quiere decir que siempre lo sean. Veremos que hay puntos criticos gue no son extremos y en la siguiente definicién les daremos nombre. Las siguientes condiciones proporcionan métodos para detectar y clasi- ficar los extremos de una funcién. 3.4 Optimizaci6n. Extremos relatives y absolutos 129130 CarfruLo 3 / Aplicaciones de la derivada E] resultado que acabamos de presentar no trata el caso en el que la derivada segunda sea nula en el posible extremo. Si es posible seguir deri- vando la funcién, entonces la siguiente proposicion es util. EJEMPLO 3.24. Estudiemos los extremos relatives de f(r) = 4 — 22" Derivando se tiene /"(ir) = 4r* — 6r?. Los puntos en los que se anula esta derivada son las soluciones de ir? — Ga = 0, sacando factor comin -67=0 8 In-6)=0 > 3 ~ 12, Evaluando en Oy 5 tenemos Volviendo a derivar j/"(°) = £Wj=0 y y podemos afirmar que en. ~ > la funeién aleanza un minimo relative pero no obtenemos informacién sobre el punto . Volviendo a derivar J"(r) = 24 ~ 12 y /"(0) = ~12 40. Por lo tanto, la primera derivada que no se anula es impar y obtenemos que x = 0 es punto de silla para f. Le animamos a que tepresente / con Maxima, Para finalizar la seccidn presentamos algunos ejemplos que mostraran el potencial practico de la'teoria desarrollada, encuadrada dentro de la conocida como ieoria de la optimizacién. EJEMPLO 3.25. Disponemos de 100 metros de tela metdlica para construir un recinto rectangular cerrado con ella. ;Qué medidas debe tener el recinto para que el 4rea encerrada sea maxima?3.4 Optimizaci6n. Extremos relativos y absolutos _131 punto de silla 4— ereciente con sus intervalos de crecimiento y ‘oy su punto de silla, Figura 3.4: Grafica de f(s) decrecimiento, su extremo relati Dado que el recinto es rectangular, si un lado mide .r, habra otro de la misma medida y dos de longitud 100 - 50 a. El érea del recinto es A(x) = .r(50 —r) y queremos encontrar el maximo deesta funcién para x € [0.50] porque el lado no puede ser menor que cero ni mayor que 50, Derivando tenemos A’(r) = 50 — « — © = 50-29 y el . Puesto que A"(25) = —2 < Ola funcién tiene Linico punto critico es un maximo relative para a = En los extremos del intervalo [0.50] se tiene A((0) = Oy A(50) = 0. Por lo tanto, el maximo es absoluto, y los cuatro lados del rectingulo deben tener la misma longitud: 25 metros. - EJEMPLO 3.26. Disponemos de 100 metros de tela metélica para construir dos recintos: uno circular y otro cuadrado. {Qué medidas debe tener cada uno de los recintos para que el drea total encerrada sea maxima? Supongamos que xr es la medida del lado del cuadrado. Entonces esta- ‘mos utilizando 4a: metros para construir el recinto cuadrado y disponemos de 100 — 4 metros para construir el recinto circular.132__CarituLo 3 / Aplicaciones de la derivada El radio del recinto circular es r y su drea mr* 2u)? E] rea total encerrada es A(.r) = —=*F" para x € (0,25), puesto que el lado del cuadrado ser como minimo Uy como maximo 25. Derivan- do e igualando a cero encontraremos los puntos criticos de A : (50 — 2r) A'(a) = 2x —4— (50 — 28) 0 -2r)=0 = (r+Aje=100 > v=o 00 pertenece al intervalo (0, 25]. Volviendo a derivar se tiene 1 8 . Loo A"(c)=2 > 0. Por tanto, A tiene un minimo relativo en 7 — El punto Para conocer el maximo absoluto de la funcién A debemos comparar 4(0) y 25), sustituyendo 502-0)" — 2500 40) =08 + § y = TUB TTAT En consecuencia, debemos dedicar toda la tela metalica para construir el recinto circular si queremos conseguir el 4rea maxima. -= 3.5. Concavidad y convexidad 3.5.1, Motivacién Introduccién EL Gitimo tema de este capitulo esta dedicado a la concavidad y la con- vexidad en un intervalo de una funeién. Ambos conceptos tienen una clara interpretacion geométrica si los trasladamos a la grafica de la funcién pero ademés de por esta razén tienen importancia en otros campos como la op- timizacion 0 el diseno industrial.3.5 Concavidad y convexidad 133 Orientaciones Elestudio de la convavidad y la convexidad, junto con otras propieda- des con inierpretacién geométrica en la gréfica de una funcién ya tratadas: asintotas, monotonia, extremos, puntos criticos,.... le permitirén dibujar gré- fieas de forma aproximada. Objetivos Los objetivos fundamentales que persigue el tema son que conozca las definiciones de funcién convexa y céncava, su interpretacion geométrica y condiciones suficientes en funcién de las derivadas de orden superior para ‘garantizar la convexidad © concavidad de una funcién en cierto interval, 35.2. Concavidad y convexidad u grafica entre x.y € [esta de- En otras palabras, es convexa en I si bajo del segmento que une (x. f()) y (y. f(y) porque dados dos puntos en elplano (a,b) y (c,d), el segmento (.r(t), y(¢)] que los une se puede expresar (2(t).u()) = (1 = (a,b) + ted) cont € [0,1]. Fijémonos en que (2(0).14(0)} = (a0) y ((1),y(1)) = (ed). Intuitivamente una funcién es convexa en un intervalo J si su gréfica tiene forma de U. Intuitivamente una funcién es céncava en un intervalo I si su gra tiene forma de (). EJEMPLO 3.27. Las graficas de f(r) = 2? y g(x) = Ine indican que f es convexa y y es céncava. -_ fet)» (1 t)(asb) + Mee (0.2) para re [0134 CapirULO 3 / Aplicaciones de la derivada convexa fa) = tr (i convexa ~ céneava — Figura 3.5: Ejemplos de funciones convexa y eéneava. EJEMPLO 3.28. La funcién f(r) = x no es convexa ni céncava en |=1. 1). Si tomamos los puntos. = 1 y y = 1 se tiene FL = (1) 4) = (4) + ty = (YF (1—8)f(-1) + tf) = (1—t)(-1) + 4-1 = (4-1) +t = 2-1 Ahora bien, (2 1) no es menor que 2 —1 para € [1,1], por ejemplo para t= | se tiene | 4)" > —}. Pero (2 1)" tampoco es mayor que 2 ~ 1 1 para t < [~1,1] porque por ejemplo para f = 4 se tiene (4)* Claramente, el uso de la definicion para estudiar la convexidad 0 con- cavidad de una funcién resulta laborioso. Los siguientes resultados mos- trarin condiciones sencillas que garantizan la concavidad 0 convexidad. eee Ahora podemos utilizar las condiciones suficientes para el crecimiento y decrecimiento de una funcién para enunciar condiciones suficientes para la convexidad y concavidad. SHiSiat aace/scmcem}