SECCIÓN 1.

2 MODELOS MATEMÁTICOS: UN CATÁLOGO DE FUNCIONES ESENCIALES 23

79. Si f y J son funciones pares, ¿es f  J par? Si f y J son funciones 80. Si f y J son dos funciones pares, ¿es el producto fJ par? Si
impares, ¿es f  J impar? ¿Qué sucede si f es par y J es impar? f y J son dos funciones impares, ¿es fJ impar? ¿Qué
Justifique sus respuestas. sucede si f es par y J es impar? Justifique sus respuestas.

1.2 Modelos matemáticos: un catálogo de funciones esenciales

Un modelo matemático es una descripción matemática (a menudo por medio de una

función o una ecuación) de un fenómeno real, como el tamaño de una población, la deman-
da de un producto, la velocidad de un objeto que cae, la concentración de un producto en
una reacción química, la esperanza de vida de una persona al nacer, o el costo de la reduc-
ción de las emisiones. El propósito del modelo es comprender el fenómeno y tal vez hacer
predicciones sobre su comportamiento futuro.
La figura 1 ilustra el proceso de modelado matemático. Dado un problema del mundo
real, nuestra primera tarea es formular un modelo matemático mediante la identificación y
etiquetado de las variables dependientes e independientes, y haciendo supuestos que sim-
plifiquen lo suficiente el fenómeno para que sea matemáticamente manejable. Utilizamos
nuestro conocimiento de la situación física y nuestras habilidades matemáticas para obte-
ner ecuaciones que relacionen las variables. En situaciones donde no hay ninguna ley
física para que nos guíe, podemos necesitar recopilar datos (ya sea en una biblioteca, en
internet o mediante la realización de nuestros propios experimentos) y examinar los datos
en forma de una tabla para poder identificar patrones. A partir de la representación numé-
rica de una función, podemos obtener una representación gráfica. En algunos casos, la
gráfica podría hasta sugerir una forma algebraica adecuada.

Problema en Formular Modelo Resolver Conclusiones Interpretar Predicción en

el mundo real matemático matemáticas el mundo real

Prueba

FIGURA 1 El proceso de modelado

La segunda etapa consiste en aplicar las matemáticas que conocemos (p. ej., el Cálculo
que se desarrollará a lo largo de este libro) al modelo matemático que hemos formulado a
fin de obtener conclusiones matemáticas. A continuación, en la tercera etapa, tomamos
esas conclusiones matemáticas y las interpretamos como información sobre el fenómeno
original del mundo real con el propósito de dar explicaciones o hacer predicciones.
El último paso es poner a prueba nuestras predicciones comparando contra nuevos datos
reales. Si las predicciones no coinciden con una buena aproximación con la realidad,
necesitamos afinar nuestro modelo o formular uno nuevo y empezar otra vez el ciclo.
Un modelo matemático nunca es una representación completamente precisa de una
situación física: es una idealización. Un buen modelo simplifica la realidad lo suficiente
para permitir hacer cálculos matemáticos, pero es razonablemente preciso para proporcio-
nar valiosas conclusiones. Es importante percatarse de las limitaciones del modelo porque,
finalmente, la Madre Naturaleza tiene la última palabra.
Hay muchos tipos diferentes de funciones que pueden utilizarse para modelar relacio-
nes observadas en el mundo real. En lo que sigue, analizaremos el comportamiento y
gráfica de estas funciones y daremos ejemplos de situaciones adecuadamente modeladas
por ellas.

Modelos lineales
En el apéndice B se repasa la geometría analítica Cuando decimos que y es una función lineal de x, queremos decir que la gráfica de la
de las rectas. función es una recta, de manera que podemos utilizar la forma pendiente-intersección de
24 CAPÍTULO 1 FUNCIONES Y MODELOS

la ecuación de la recta para escribir una fórmula para la función como

y m f (x) m mx b

donde m es la pendiente de la recta y b es la intersección de la recta con el eje y.

Un rasgo característico de las funciones lineales es que crecen a una razón constante.
Por ejemplo, la figura 2 muestra una gráfica de la función lineal f (x) m 3x 2 y una tabla
con algunos de sus valores. Observe que cuando x aumenta por 0.1, el valor de f (x) aumenta
por 0.3. Así que f (x) aumenta tres veces más rápido que x. De este modo, la pendiente de
la gráfica y m 3x 2, es decir 3, lo que puede interpretarse como la razón de cambio de y
respecto a x.

x f x 3x 2
y=3x-2
1.0 1.0
1.1 1.3
1.2 1.6
0 x
1.3 1.9
_2 1.4 2.2
1.5 2.5
FIGURA 2

v EJEMPLO 1
a) Cuando el aire seco se mueve hacia arriba, se expande y se enfría. Si la temperatura del
suelo es 20 C, y la temperatura a 1 km de altura es de 10 C, exprese la temperatura T
(en C) en función de la altura h (en kilómetros), suponiendo que un modelo lineal es
adecuado.
b) Dibuje la gráfica de la función del inciso a). ¿Qué representa la pendiente?
c) ¿Cuál es la temperatura a 2.5 km de altura?

SOLUCIÓN
a) Ya que suponemos que T es una función lineal de h, podemos escribir

T m mh b

Estamos teniendo en cuenta que T m 20 cuando h m 0, por lo que

20 m m ? 0 b m b

En otras palabras, la intersección con el eje y es b m 20.

Dado que T m 10 cuando h m 1, tenemos que

10 m m ? 1 20
T
La pendiente de la recta es, por tanto, m m 10 20 m 10, y la función lineal requerida
20 es
T=_10h+20
10
T m 10h 20

0 h
b) La gráfica se muestra en la figura 3. La pendiente es m m 10 CYkm y representa la
1 3
razón de cambio de temperatura respecto a la altura.
c) A una altura de h m 2.5 km, la temperatura es

FIGURA 3 T m 10(2.5) 20 m 5C

 SECCIÓN 1.2 MODELOS MATEMÁTICOS: UN CATÁLOGO DE FUNCIONES ESENCIALES 25

Si no hay ley física o principio que nos ayude a formular un modelo, construimos un
modelo empírico que se base completamente en los datos recopilados. Buscamos una
curva que “encaje” en los datos, en el sentido que sugiera la tendencia básica de los puntos
que representan los datos.

v EJEMPLO 2 La tabla 1 muestra el nivel promedio de dióxido de carbono en la

atmósfera, medido en partes por millón en el Observatorio Mauna Loa, desde 1980 a
2008. Utilice los datos de la tabla 1 para encontrar un modelo para el nivel de dióxido de
carbono.
SOLUCIÓN Utilizamos los datos de la tabla 1 para hacer la gráfica de dispersión en
la figura 4, donde t representa el tiempo (en años) y C, el nivel de CO2 (en partes por
millón, ppm).
C

TABLA 1 380

Nivel de CO2 Nivel de CO2

370
Año (en ppm) Año (en ppm)
1980 338.7 1996 362.4 360
1982 341.2 1998 366.5
1984 344.4 2000 369.4
350
1986 347.2 2002 373.2
1988 351.5 2004 377.5
1990 354.2 2006 381.9 340
1992 356.3 2008 385.6
1994 358.6 1980 1985 1990 1995 2000 2005 2010 t

FIGURA 4 La gráfica de dispersión para el nivel promedio de CO™

Observe que los puntos de datos parecen estar cercanos a una recta, por lo que es
natural que se elija un modelo lineal en este caso. Pero hay muchas rectas posibles que
se aproximan a estos puntos de datos, así que, ¿cuál debemos usar? Una posibilidad es la
recta que pasa por el primero y el último puntos de datos. La pendiente de esta recta es

385.6 338.7 46.9

1.675
2008 1980 28
y su ecuación es
C  338.7 m 1.675(t  1980)
o bien

1 C m 1.675t  2 977.8
La ecuación 1 da un posible modelo lineal para el nivel de dióxido de carbono y se
representa gráficamente en la figura 5.

380

370

360

350

340
FIGURA 5
Modelo lineal a través del primero 1980 1985 1990 1995 2000 2005 2010 t
y el último puntos de información
26 CAPÍTULO 1 FUNCIONES Y MODELOS
Una computadora o una calculadora graficadora
encuentran la recta de regresión por el método
de mínimos cuadrados, que consiste en
minimizar la suma de los cuadrados de las
distancias verticales entre los puntos de datos
y la recta. Los detalles se explican en la
sección 14.7.
FIGURA 6
Recta de regresión
Observe que nuestro modelo da valores por encima de la mayoría de los niveles reales
de CO2. Un mejor modelo lineal se obtiene por un procedimiento estadístico llamado
regresión lineal. Si utilizamos una calculadora graficadora, introducimos los datos
de la tabla 1 en el editor de datos y elegimos el comando de regresión lineal (con
Maple utilizamos el comando fit[leastsquare] en el paquete de estadística; con Mathematica
utilizamos el comando Fit). La máquina da la pendiente y la ordenada al origen de la
recta de regresión
m m 1.65429 b m 2 938.07
Por lo que nuestro modelo de mínimos cuadrados para el nivel de CO2 es
2 C m 1.65429t 2 938.07
En la figura 6 graficamos la recta de regresión, así como los puntos de datos. Compa-
rando con la figura 5, vemos que da un mejor ajuste que nuestro anterior modelo lineal.
380
370
360
350
340
1980 1985 1990 1995 2000 2005 2010 t
v EJEMPLO 3 Utilice el modelo lineal dado por la ecuación 2 para estimar el nivel
promedio de CO2 para 1987 y predecir el nivel para el año 2015. De acuerdo con
este modelo, ¿cuándo el nivel de CO2 superará 420 partes por millón?
SOLUCIÓN Mediante la ecuación 2 con t m 1 987, estimamos que el nivel promedio de
CO2 en 1987 fue
C(1987) m (1.65429)(1987)  2 938.07  349.00
Éste es un ejemplo de interpolación porque hemos estimado un valor entre los valores
observados. (De hecho, el Observatorio Mauna Loa informó que el nivel promedio de CO2
en 1987 fue de 348.93 ppm, por lo que nuestra estimación es bastante precisa.)
Con t m 2015, obtenemos
C(2015) m (1.65429)(2015)  2 938.07  395.32
Por lo que auguramos que el nivel promedio de CO2 en el año 2015 será 395.3 ppm.
Este es un ejemplo de extrapolación porque hemos predicho un valor fuera de la región
de observaciones. En consecuencia, estamos mucho menos seguros acerca de la precisión de
nuestra predicción. Utilizando la ecuación 2, vemos que el nivel de CO2 supera las
420 ppm cuando
1.65429t  2 938.07  420
Resolviendo esta desigualdad, obtenemos
3 358.07
t 2 029.92
1.65429
 SECCIÓN 1.2 MODELOS MATEMÁTICOS: UN CATÁLOGO DE FUNCIONES ESENCIALES 27

Por tanto, predecimos que el nivel de CO2 superará 420 ppm para el año 2030. Esta
predicción es riesgosa porque se trata de un tiempo bastante alejado de nuestras
observaciones. De hecho, podemos ver en la figura 6 que la tendencia ha sido de un
rápido aumento para los niveles de CO2 en los últimos años, por lo que el nivel podría
superar los 420 ppm antes de 2030.

Polinomiales
Una función P se llama polinomial si

Px an x n an 1 x n 1
a2 x 2 a1 x a0

donde n es un número entero no negativo y a0, a1, a2, . . . , an son constantes llamadas los
coeficientes de la polinomial. El dominio de cualquier polinomial es 2 m (@, @). Si
el coeficiente principal an  0, entonces el grado de la polinomial es n. Por ejemplo, la
función
2
Px 2x 6 x4 5 x3 s2

es una polinomial de grado 6.

Una polinomial de grado 1 es de la forma P(x) m mxb, por lo que es una función
lineal. Una polinomial de grado 2 es de la forma P(x) m ax2bxc y se llama fun-
ción cuadrática. Su gráfica es siempre una parábola obtenida por desplazamientos de la
parábola y m ax2, como se verá en la siguiente sección. La parábola abre hacia arriba si
a  0 y hacia abajo si a 0. (Véase la figura 7.)

y
y
2
2

1 x
FIGURA 7
0 1 x
Las gráficas de una
función cuadrática
son parábolas a) y=≈+x+1 b) y=_2≈+3x+1

Una polinomial de grado 3 es de la forma

P(x) m ax3  bx2  cx  d a0

y se llama función cúbica. La figura 8 muestra la gráfica de una función cúbica en el

inciso a) y las gráficas de polinomiales de grados 4 y 5 en los incisos b) y c). Veremos más
adelante por qué las gráficas tienen esas formas.

  



    

FIGURA 8 a) 
 b) 
 c)   



28 CAPÍTULO 1 FUNCIONES Y MODELOS
TABLA 2
Tiempo Altura
(segundos) (metros)
0 450
1 445
2 431
3 408
4 375
5 332
6 279
7 216
8 143
9 61
Las polinomiales se utilizan comúnmente para modelar diversas cantidades que se pre-
sentan en las ciencias naturales y sociales. Por ejemplo, en la sección 3.7 explicaremos por
qué los economistas usan a menudo una polinomial P(x) para representar el costo de pro-
ducir x unidades de una mercancía. En el siguiente ejemplo, utilizamos una función cuadrá-
tica para modelar la caída de una pelota.
EJEMPLO 4 Se deja caer una pelota desde la plataforma de observación de la Torre CN,
a 450 m por encima del suelo. Las sucesivas alturas h de la pelota por encima del suelo
están registradas a intervalos de 1 segundo, en la tabla 2. Encuentre un modelo para ajustar
los datos y utilice ese modelo para predecir el momento en que la pelota golpeará el
suelo.
SOLUCIÓN En la figura 9 se traza una gráfica de dispersión con la información disponible
y se observa que un modelo ideal no es adecuado. Pero parece ser que los puntos de
datos podrían acomodarse a una parábola, por lo que intentamos un modelo cuadrático.
Utilizando una calculadora graficadora o computadora (que utiliza el método de los
mínimos cuadrados), obtenemos el siguiente modelo cuadrático:
3 h m 449.36  0.96t  4.90t 2
h h
(metros)
400 400
200 200
0 2 4 6 8 t 0 2 4 6 8 t
(segundos)
FIGURA 9 FIGURA 10
Gráfica de dispersión para la caída de una Modelo cuadrático para la caída de una
pelota pelota
En la figura 10 dibujamos la gráfica de la ecuación 3 junto con los puntos de datos y
vemos que el modelo cuadrático es muy buen ajuste.
La pelota golpea el suelo cuando h m 0, por lo que resolvemos la ecuación cuadrática
4.90t2  0.96t 449.36 m 0
La ecuación cuadrática da
0.96 s 0.96 2 4 4.90 449.36
t
2 4.90
La raíz positiva es t 9.67, por lo que pronosticamos que la pelota golpeará el suelo
después de aproximadamente 9.7 segundos.
Funciones potencia
Una función de la forma f (x) m x a, donde a es una constante, se llama función potencia.
Consideramos varios casos.
 SECCIÓN 1.2 MODELOS MATEMÁTICOS: UN CATÁLOGO DE FUNCIONES ESENCIALES 29

i) a m n, donde n es un número entero positivo

Las gráficas de f (x) m x n para x m 1, 2, 3, 4 y 5 se muestran en la figura 11. (Estas son
polinomiales con un sólo término.) Ya sabemos la forma de la gráfica de y m x (una recta
que pasa por el origen con pendiente 1) y y m x2 [una parábola, véase el ejemplo 2b) en
la sección 1.1].

 
 


    


    


 
 
 
 

FIGURA 11 Gráficas de 
para 





La forma general de la gráfica de f (x) m xn depende de si n es par o impar. Si n es

par, entonces f (x) m x n es una función par, y su gráfica es similar a la parábola y m x 2.
Si n es impar, entonces f (x) m xn es una función impar, y su gráfica es similar a la
de y m x 3. Observe en la figura 12, sin embargo, que cuando n aumenta, la gráfica de
y m x n se aplana más cerca de 0 y es más pronunciada cuando U x U  1. (Si x es peque-
ña, entonces x2 es más pequeña, x3 es aún más pequeña, x4 es todavía más pequeña aún,
y así sucesivamente.)

 




 






 
 



 

FIGURA 12


Familia de funciones potencia

ii) a m 1Yn, donde n es un número entero positivo

La función f x x1 n s n
x es una función raíz. Para n m 2 es la función raíz
cuadrada f x sx , con dominio en [0, @) y cuya gráfica es la mitad superior de
la parábola x m y2. [Véase la figura 13a)]. Para otros valores pares de n, la gráfica
de y s n
x es similar a la de y sx . Para n m 3 tenemos la función raíz cúbica
f x s
3
x con dominio en 2 (recuerde que todo número real tiene raíz cúbica) y cuya
gráfica se muestra en la figura 13b). La gráfica de y s n
x para n impar (n  3) es
similar a la de y sx .
3

y y

(1, 1) (1, 1)
0 x 0

FIGURA 13
Gráficas de funciones raíz a) ƒ=œ„x b) ƒ=Œ„x
30 CAPÍTULO 1 FUNCIONES Y MODELOS

y iii) a m 1
y=Δ La gráfica de la función recíproca f (x) m x1 m 1Yx se muestra en la figura 14. Su gráfica
tiene la ecuación y m 1Yx o xy m 1, y es una hipérbola con los ejes de coordenadas
1
como sus asíntotas. Esta función surge en física y química en relación con la ley de Boyle,
0 1 x que dice que, cuando la temperatura es constante, el volumen V de un gas es inversamente
proporcional a la presión P:

C
V
P
FIGURA 14
La función recíproca
donde C es una constante. Así, la gráfica de V en función de P (véase la figura 15) tiene
la misma forma general que la mitad derecha de la figura 14.

FIGURA 15
El volumen como una función de 0 P
la presión a temperatura constante

Las funciones potencia también se utilizan para modelar relaciones especie-área (ejercicios
26-27), la iluminación como una función de la distancia a una fuente de luz (ejercicio 25) y
el periodo de revolución de un planeta en función de su distancia al Sol (ejercicio 28).

Funciones racionales
Una función racional f es un cociente de dos funciones polinomiales:

Px
f x
Qx

donde P y Q son polinomiales. El dominio consiste en todos los valores de x tales que
   Q(x) 0. Un ejemplo simple de una función racional es f (x) m 1Yx, cuyo dominio es
Hx U x  0J; esta es la función recíproca graficada en la figura 14. La función

2x 4 x2 1
f x 2
FIGURA 16 x 4



 es una función racional con dominio Hx U x  2J. La gráfica se muestra en la figura 16.



Funciones algebraicas
Una función f se llama función algebraica si puede construirse utilizando operaciones
algebraicas (como suma, resta, multiplicación, división y tomando raíces) comenzando
con las polinomiales. Cualquier función racional es automáticamente una función algebraica.
Aquí hay dos ejemplos más:

x4 16x 2
f x sx 2 1 tx x 2 s
3
x 1
x sx

Cuando esbocemos funciones algebraicas en el capítulo 4, veremos que sus gráficas pue-
den tener una variedad de formas. La figura 17 ilustra algunas de las posibilidades.
 SECCIÓN 1.2 MODELOS MATEMÁTICOS: UN CATÁLOGO DE FUNCIONES ESENCIALES 31
y y y
2

x
_3 1
1 1

0 5 x 0 x
1

FIGURA 17 a) ƒ=xœ„„„„
x+3 b) ©=$œ„„„„„„
≈-25 c) h(x)=x@?#(x-2)@

Un ejemplo de una función algebraica se produce en la teoría de la relatividad. La masa

de una partícula con velocidad v

m0
m f v
s1 v2 c2

donde m0 es la masa en reposo de la partícula y c m 3.0  105 kmYs es la velocidad de la

luz en el vacío.

Las páginas de referencia se encuentran
en la parte final del libro.
Funciones trigonométricas
La trigonometría y las funciones trigonométricas se repasan en la página de referencia 2
y también en el apéndice D. En Cálculo, por convención, siempre se utilizan medidas en
radianes (excepto cuando se indique lo contrario). Por ejemplo, cuando utilizamos la fun-
ción f (x) m sen x, se sobreentiende que sen x significa el seno de un ángulo cuya medida
en radianes es x. Así, las gráficas de las funciones seno y coseno son como se muestra en
la figura 18.

  

 
 

       

  
   

a) sen
 b) cos


FIGURA 18

Observe que para las funciones seno y coseno el dominio es (@, @), y el rango es el
intervalo cerrado [1, 1]. Por tanto, para todos los valores de x, tenemos

1 v sen x v 1 1 v cos x v 1

o bien, en términos de valor absoluto,

U sen x U v 1 U cos x U v 1
También, los ceros de la función seno se producen en los múltiplos enteros de ); es decir,

sen x m 0 cuando x m n) donde n es un entero

Una propiedad importante de las funciones seno y coseno es que son funciones perió-
dicas con periodo 2). Esto significa que, para todos los valores de x,

sen (x 2)) m sen x cos (x 2)) m cos x

32 CAPÍTULO 1 FUNCIONES Y MODELOS

El carácter periódico de estas funciones las hace adecuadas para modelar fenómenos repe-
titivos, como las olas del mar, resortes en vibración y las ondas de sonido. Por ejemplo, en
el ejemplo 4 en la sección 1.3 veremos que un modelo razonable para el número de horas
de luz solar en Filadelfia t días de después del 1 de enero viene dado por la función

2
Lt 12 2.8 sen t 80
365
y
La función tangente está relacionada con las funciones seno y coseno por la ecuación
sen x
1 tan x
cos x
3π _π _ π 0 π π 3π x
_ y su gráfica se muestra en la figura 19. Está indefinida siempre que cos x m 0, es decir,
2 2 2 2
cuando x m )Y2, 3)Y2, . . . Su rango es (@, @). Observe que la función tangente
tiene periodo ):

tan(x)) m tan x para toda x

FIGURA 19
y=tan x
Las tres funciones trigonométricas restantes (cosecante, secante y cotangente) son
los recíprocos de las funciones seno, coseno y tangente. Sus gráficas aparecen en el
apéndice D.

y y Funciones exponenciales
Las funciones exponenciales son funciones de la forma f (x) m ax, donde la base a es una
constante positiva. Las gráficas de y m 2 x y y m (0, 5) x se muestran en la figura 20.
1 1 En ambos casos el dominio es (@, @), y el rango es (0, @).
0 1 x 0 1 x Las funciones exponenciales serán estudiadas en detalle en la sección 1.5, y veremos
a) y=2® b) y=(0.5)® que son útiles para modelar muchos fenómenos naturales, como el crecimiento de una
población (si a > 1) y la desintegración radiactiva (si a  1).
FIGURA 20

Funciones logarítmicas
y Las funciones logarítmicas f (x) m loga x, donde la base a es una constante positiva, son las
y=log™ x
funciones inversas de las funciones exponenciales, que estudiaremos en la sección 1.6.
y=log£ x La figura 21 muestra las gráficas de cuatro funciones logarítmicas con diferentes bases. En
1 cada caso el dominio es (0, @), el rango es (@, @), y la función crece lentamente cuando
x  1.
0 1 x
y=log∞ x EJEMPLO 5 Clasifique las siguientes funciones como uno de los tipos de funciones que
y=log¡¸ x hemos discutido.
a) f (x) m 5x b) J(x) m x5
1 x
c) h x d) u(t) m 1  t  5t4
FIGURA 21 1 sx

SOLUCIÓN
a) f (x) m 5x es una función exponencial. (La x es el exponente.)

b) J(x) m x5 es una función potencia. (La x es la base.) Podría considerarse como una
función polinomial de grado 5.
1 x
c) h x es una función algebraica.
1 sx
d) u(t) m 1  t  5t4 es una función polinomial de grado 4.