Formulario de Cálculo Infinitesimal y Númerico.

Adrián Romero Flores

Grupo 4 de Ingeniería del Software

Universidad de Sevilla

Parte I
Resolución de Ecuaciones no lineales
1. Multiplicidad de una raíz
Sea la ecuación f (x) = 0 y sea x una solución de dicha ecuación.
x tiene multiplicidad n si:

f (x) = 0 , f 0 (x) = 0 , ... , f n−1 (x) = 0 , f n (x) 6= 0

es decir, x anula a f (x) y a todas sus derivadas de orden n − 1 siendo la derivada de orden n la
primera que no anula.
Una raíz es símple si
f (x) = 0 , f 0 (x) 6= 0
es decir, tiene multiplicidad 1.

2. Teorema de Bolzano
Sea f : [a, b] ⊂ R =⇒ R continua en [a, b] y tal que f (a) · f (b) < 0 ⇒ ∃ c ∈ (a, b) / f (c) = 0

3. Garantizar que en un intervalo sólo hay una raíz simple de f (x)

Supongamos que tenemos una raíz de f (x), x ∈ (a, b).
Si f (x) es continua en [a, b] y derivable en (a, b) y f 0 (x) 6= 0 ∀x ∈ (a, b) ⇒ la raíz x ∈ (a, b) es
única.

4. Método de bisección o dicotomía

Sea f (x) = 0 una ecuación de la que quiero aproximar una raíz simple y única que tenemos
localizada en el intervalo [a, b]

1
Considero como una primera aproximación el punto medio del intervalo [a, b], x1 = 2 .
a+b
El error
que se comete es más pequeño que la mitad del intervalo [a, b], ε1 < b−a
2

Ahora comprobamos en que subintervalo se ha quedado la raíz, para ello vemos dónde sigue
habiendo cambio de signo, haciendo el producto f (a, b)·f (x1 ) hasta encontrar un a, b que f (a, b)·
f (x1 ) < 0. En nuestro caso será b, por lo que x1 = b1 .

Repetimos para tener una sucesion de soluciones aproximadas

x1 , x2 , x3 , ..., xn =⇒ x

La cota de error a priori, o εn , nos permite saber cuántas iteraciones tenemos que realizar para
obtener una aproximación a la solución con un número p de cifras decimales exactas.
 
b − a
|εn | =  n  < 10−p

2

5. Método de punto fijo

Sea la función g(x), x es un punto fijo de g(x) si g(x) = x.

5.1. Teorema de punto fijo

Sea la ecuación x = g(x) en la que:

1. g(x) es una función continua en [a, b].

2. g(x) es derivable en (a, b).

3. |g 0 (x)| ≤ q < 1 ∀ x ∈ [a, b] (g es contractiva).

4. g([a, b]) ⊆ [a, b].

Entonces, dado un x0 cualquiera de [a, b], la sucesión {xo , x1 , ..., xn , ...} obtenida como xn+1 =
g(xn ) converge a un valor x que es la única solución de la ecuación x = g(x) en el intervalo [a, b]

5.2. Cota de error a posteriori

Sea la ecuación f (x) = 0 y x ∈ [a, b] una raíz de dicha ecuación, que hemos aproximado por
cualquier método iterado. El error que se comete al aproximar x ≈ xn podemos acotarlo

|f (xn )|
εn ≤
mı́nx∈[a,b] |f 0 (x)|

2
6. Método de Newton
Sea f (x) una función continua en [a, b] y derivable en a, b, siendo [a, b] un intervalo donde
existe una única raíz de f (x) simple, x.
Eligiendo x0 como punto inicial, cumpliendo las condiciones que dice la Regla de Fourier, la
sucesión {xn } obtenida como xn+1 = xn − ff0(x n)
(xn ) converge a x.

6.1. Regla de Fourier

Sea f : R =⇒ R, consideremos la ecuación f (x) = 0 y sea [a, b] un intervalo en el que tenemos
localizada una raíz de la ecuación, simpe y única en dicho intervalo y de manera que:
f continua y derivable en [a, b].
f 0 continua y derivable en [a, b].
f 0 (x) 6= 0 ∀x ∈ [a, b].
f 00 (x) 6= 0 ∀x ∈ [a, b].
Eligiendo como x0 aquel extremo de donde f y f 00 tengan el mismo signo.

Parte II
Interpolación polinomial
1. Teorema: existencia y unicidad
Dada una función f (x), existe un único polinomio de grado menor o igual que n, que la
interpola en el soporte S = {x0 , x1 , ..., xn }.

2. Teorema: Error de interpolación

Sea Pn (x) el polinomio de interpolación de una función f (x) en el soporte {x0 , x1 , ..., xn }. Si
f (x) es n + 1 veces derivable con f n+1) (x) continua y x ∈ R, el error que se comete al aproximar
el valor de f (x) por Pn (x) viene dado por:
|f n+1) (c)|
ε(x) = |f (x) − Pn (x)| = |x − xo | · · · |x − xn |
(n + 1)!

3. Interpolación de Larange
Dado un soporte S = {x0 , x1 , ..., xn }, definimos los polinomios auxiliares de Larange como:
n
Y x − xj
Li(x) = ; i = 0, 1, 2, ..., n
xi − xj
j=0 ; j6=i

Así por ejemplo

(x − x1 )(x − x2 )...(x − xm )
L0(x) =
(x0 − x1 )(x0 − x2 )...(x0 − xn )
(x − x1 )(x − x2 )...(x − xm )
L1(x) =
(x1 − x1 )(x1 − x2 )...(x1 − xn )

3
 Pn
El polinomio P n(x) = i=0 f (xi )Li(x) interpola a la función f (x) en el soporte S = {x0 , x1 , ..., xn }

P n(x) = f (x0 )L0(x) + f (x1 )L1(x) + ... + f (xn )Ln(x)

4. Polinomio de Newton por diferencias divididas

El polinomio de interpolación de Newton se expresa como:

P n(x) = f [x0 ] + f [x0 , xi ](x − x0 ) + ... + f [x0 , ..., xn ](x − x0 )...(x − xn−1 )

Siendo esos coeficientes calculados mediante el método de diferencias divididas. Haremos uso
de una tabla para el calculo de las diferencias divididas de la siguente forma:
S = {x0 , x1 , x2 , x3 } = {1, 3, 4, 5} ; f (1) = 0 , f (3) = 1 , f (4) = −1 y f (5) = 2

5. Polinomio de Taylor
Sea f : D ⊆ R =⇒ R, veces derivable en un punto x0 ∈ D ⇒ existe un único polinomio
T n(x) de grado ≤ n que verifica:
T n(x0 ) = f (x0 )
T n0 (x0 ) = f 0 (x0 )
T n00 (x0 ) = f 0 (x0 )
0 0
T nn (x0 ) = f n (x0 )
Dicho polinomio de orden n en el punto x0 viene dado por
0
f 00 (x0 ) f n (x0 )
T n(x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2 + ... + (x − x0 )n
2! n!
n 0
X f k (x0 )
T n(x) = (x − x0 )k
k!
k=0

En el caso particular x0 = 0 se llama Polinomio de Maclaurin:

0
f 00 (0) 2 f n (0) n
P n(x) = f (0) + f 0 (0)x + x + ... + x
2! n!

4
5.1. Resto de Larange
Sea f (x) una función n + 1 veces derivable en un intervalo abierto que contenga a x0 , y sea
x un punto cualquiera de ese intervalo, entonces existe c ∈ [x, x0 ] o [x0 , x] tal que

f n+1 (c)
Rn(x) = (x − x0 )n+1
(n + 1)!

Su valor absoluto es el error asociado a la aproximación por el polinomio de Taylor o Maclaurin.

Error = |Rn(x)|

Parte III
Series numéricas
1. Series de potencias
Una serie de potencias es la suma infinita de funciones sencillas que aproximan a una función
de la cual no conocemos su expresión o es más complicada.
Una serie de potencias centrada en un punto x0 es una suma infinita de la forma
∞
X
an (x − x0 )n
n=0

Donde los coefinientes an y el centro x0 son números reales.

Si nos quedamos con los n primeros términos, estamos aproximando la funcion por un polinomio
de grado n en un entorno de x0 , que seria la suma parcial de orden n
n
X
Sn(x) = ak (x − x0 )k
k=0

2. Convergencia puntual de una serie de potencias

Al dar a la variable x un valor c, la suma infinita de números que se obtiene, serie numérica,
si tiene un valor finito, se dice que la serie converge en el punto (concreto) x = c. Por tanto,
si una serie de potencias converge puntalmente en x = c, podemos decir que la serie númerica
correspondiente es convergente.

2.1. Criterios de convergencia

Criterio del cociente o de D’Alembert; Sea ∞ n=0 an una serie numérica, an 6= 0 a partir
P
de un n. Si  
 an+1 
lı́m  
n→∞  an 

es:

• <1⇒ an converge.
P

• >1⇒ an diverge.
P

• =1⇒ an no tenemos información.

P

5
 Criterio de la raíz o de Cauchy; Si
p
n
lı́m |an |
n→∞
es:
• <1⇒ an converge.
P

• >1⇒ an diverge.
P

• =1⇒ an no tenemos información.

P

Criterio de Leibnitz; Para series alternadas ∞ n

P
n=0 (−1) an
Si ∀n ≤ N , 0 ≤ an+1 ≤ an (an decreciente) y lı́mx→∞ an = 0, entonces ∞ n
P
n=0 (−1) an
converge.

2.2. Serie geométrica

Una serie geometrica viene dada por la siguiente expresión
∞
X
xn .
n=0

Esta serie converge cuando |x| < 1 y converge a

a0
S(x) =
1−r
, siendo a0 el primer término y r la razón.

3. Intervalo y radio de convergencia

3.1. Teorema de Cauchy-Hadamard
P∞
Dada una serie de potencias centrado en x0 , n=0 an (x − x0 )n , existe un número real r ∈
[0, +∞] tal que:
La serie converge en los puntos x tales que
|x − x0 | < r ⇔ x ∈ (x0 − r, x0 + r)

A este intervalo
P∞ se le conocencomo IC = intervalo de convergencia, y r = radio de convergencia
de la serie n=0 an (x − x0 ) .
Si r = +∞ ⇒ la serie de potencias converge en R
Si r = 0 ⇒ la serie de potencias converge en x = x0
La serie no converge en los x, tal que |x − x0 | > r.

Parte IV
Series de Fourier
Son series trigonométricas del estilo
∞
X
(an cos(nωx) + bn sin(nωx))
n=0

6
que aproximan funciones periodicas.
Una funcion es periódica si verifica que f (x + T ) = f (x), siento T el periodo.
Si T es el mínimo valor que verifica la igualdad anterior, entonces T es es periodo mínimo.
La frecuencia es el número de periodos contenidos en una longitud 2π
2π
ω=
T
La suma parcial de orden n de una serie trigonométrica es un polinomio trigonométrico
n
X
Sn(x) = (ak cos(kωx) + bk sin(kωx))
k=0

Si la función es 2π periódica, entonces

n
2π X
ω= = 1 ; Sn(x) = (ak cos(kx) + bk sin(kx))
2π
k=0

1. Definición
Sea f (x) una función T -periódica. La serie de Fourier de f(x) es la serie trigonométrica
∞
a0 X
Sf (x) = + (an cos(nωx) + bn sin(nωx))
2
n=0

Y en el caso particular de f (x) 2π-periódica. La serie de Fourier de f(x) es la serie trigonométrica

∞
a0 X
Sf (x) = + (an cos(nx) + bn sin(nx))
2
n=0

Siendo a0 , an , bn los Coeficientes de Fourier.

Si la función dada no es periódica, obtendremos su extensión 2π-periódica en un intervalo dado.

2. Coeficientes de fourier
Sea f (x) una función T -periódica. La serie de Fourier de f(x) es la serie trigonométrica
∞
a0 X
Sf (x) = + (an cos(nωx) + bn sin(nωx))
2
n=0

Donde a0 , an , bn valen:
T
Z Z π
2 2 1
a0 = f (x)dx ; T = 2π ⇒ a0 = f (x)dx
T − T2 π −π

T
Z Z π
2 2 1
an = f (x) cos(nωx)dx ; T = 2π ⇒ an = f (x) cos(nωx)dx
T − T2 π −π
T
Z Z π
2 2 1
bn = f (x) sin(nωx)dx ; T = 2π ⇒ bn = f (x) sin(nωx)dx
T − T2 π −π

7
3. Serie de Fourier de una función par ó impar
3.1. Definición: Función par e impar
Se dice que una función F : R → R es par si f (−x) = f (x) para cualquier x ∈ dom(f ). Su
gráfica es simétrica respecto el eje y. Algunas funciones pares son el cos(x), |x|, xn con n
par, etc. Z a Z a
f (x)dx = 2 f (x)dx
−a 0

Se dice que una función F : R → R es impar si f (−x) = −f (x) para cualquier x ∈ dom(f ).
Su gráfica es simétrica respecto del origen. Algunas funciones impares son el sin(x), x, xn
con n impar, etc. Z a
f (x)dx = 0
−a

Respecto del producto, las funciones pares e impares, presentan una analogía con la regla
de los signos:

(par)(par) = (par) ; (impar)(impar) = (par) ; (impar)(par) = (impar)

3.2. Casos especiales cuando la función T -periódica es par ó impar

Sea f (x) una función T -periódica e integrable.

Serie de cosenos: Si f (x) es par, su Serie de Fourier es de cosenos, ya que:

Z T
2 2
bn = f (x) sin(nωx)dx = 0
T − T2

Por tanto:
∞
a0 X
f (x) par −→ Sf (x) = + (an cos(nωx))
2
n=0

Serie de senos: Si f (x) es impar, su Serie de Fourier es de senos, ya que:

Z T
2 2
an = f (x) cos(nωx)dx = 0
T − T2

Por tanto:
∞
X
f (x) impar −→ Sf (x) = (bn sin(nωx))
n=0

4. Convergencia puntual de las Series de Fourier

Una vez calculada la serie de Fourier Sf (x) de una función f (x), resulta que

No sabemos si la serie de Fourier es puntualmente convergente.

Si en un punto x es convergente, no se puede garantizar la igualdad:

f (x) = Sf (x)

8
 Por tanto se utiliza la notación
∞
a0 X
f (x) ∼ Sf (x) = + (an cos(nωx) + bn sin(nωx))
2
n=0

Para que la igualdad f (x) = Sf (x) se dé, la función f (x) tiene que cumplir las llamadas
Condiciones de Dirichlet.

4.1. Condiciones de Dirichlet

Una función f (x) cumple las Condiciones de Dirichlet en un intervalo de amplitud T , si en

dicho intervalo:

• Es continua, ó tiene un número finito de discontinuidades de salto finito.

• Y además tiene un número finito de extremos relativos estrictos.

4.2. Teorema de Dirichlet (sobre convergencia puntual)

Sea f (x) una función T -periódica verificando las Condiciones de Dirichlet en cada intervalo
de amplitud T , entonces su serie de Fourier, Sf (x), converge puntualmente en cualquier x ∈ R y
Sf (x) es igual a
Sf (x) = f (x) si f es continua en x
f (x)− + f (x)+
Sf (x) = si x es una discontinuad de salto finito para f(x)
2

5. Fenómeno Gibbs
Sea f (x) una función T -periódica verificando las Condiciones de Dirichlet en cada intervalo
de amplitud T , y Sf (x) su serie de Fourier.
Si se dibujan las sumas parciales Sn (x), vemos que en los puntos de discontinuidad:

Las gráficas de las sumas parciales oscilan alrededor de la gráfica de f (x)

Al aumentar el tamaño (orden) de las sumas parciales, la aproximación mejora en la parte

centrar del intervalo al ir intensificando las oscilaciones. Sin embargo esto no ocurre en
los puntos de discontinuidad, ya que en estos puntos su amplitud no disminuye. Dicha
amplitud viene a ser un 9 % del tamaño del salto.

9
 Parte V
Funciones de varias variables
Una función real de dos variables, x e y es una correspondencia

f : D ⊆ R2 −→ R

tal que a todo (x, y) ∈ D ⊆ R2 le hace corresponder un f (x, y) ∈ R.

D ≡ Dominio de definicion de la función f .

D = {(x, y) ∈ R2 /∃z ∈ R, f (x, y) = z}

Imf ≡ Imagen de la función f .

Imf = {z ∈ R, z = f (x, y), (x, y) ∈ D}

1. Límite de una función de dos variables

Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D, al límite,

lı́m f (x, y),

(x,y)→(x0 ,y0 )

se le llama límite doble. Este existe si

lı́m f (x, y) = l ⇔ ∀ > 0∃δ > 0/(x, y) ∈ B((x0 , y0 ), δ) ⇒ |f (x, y) − l| < 

(x,y)→(x0 ,y0 )

TEOREMA:
Si existe lı́m(x,y)→(x0 ,y0 ) f (x, y), entonces existen los límites direccionales de f (x, y) en cualquier
dirección y todos coinciden.
Un ejemplo es el siguiente:
Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. Usando los límites direccionales:

y = mx lı́m f (x, mx) = l No tiene que depender de m.

x→x0 y=mx

y = mx2 lı́m f (x, mx2 ) = l No tiene que depender de m y tiene que ser igual que el anterior.
x→x0 y=mx2
√ √
y= x lı́m √ f (x, x) = l Tiene que ser igual que los anteriores.
x→x0 y= x

Si se cumple todo lo dicho, el límite doble (en caso de que exista) valdrá l. Si alguna de las
condiciones no se cumple, no existe.

2. Continuidad de una función de dos variables

Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. f es continua en (x0 , y0 ) si

∃ lı́m f (x, y) = f (x0 , y0 ).

(x,y)→(x0 ,y0 )

10
3. Derivadas parciales y derivadas direccionales
Sea f : D ⊆ R2 −→ R. Va a existir dos derivadas parciales:

∂f
(x, y) Se derivará respecto la x y la y será una constante.
∂x
∂f
(x, y) Se derivará respecto la y y la x será una constante.
∂y

3.1. Vector gradiente

Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D, tales que existen las derivadas parciales
fx (x0 , y0 ) y fy (x0 , y0 ), se define el vector gradiente de f en el punto (x0 , y0 ) como

∇f (x0 , y0 ) = (fx (x0 , y0 ), fy (x0 , y0 ))

3.2. Derivada direccional

Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. Para cada vector unitario u ∈ R2 , con
u = (u1 , u2 ), consideremos el límite

f (x0 + tu1 , y0 + tu2 ) − f (x0 , y0 )

lı́m
t→0 t
Si existe y es finito diremos que este límite es la derivada direccional de la función f en el punto
(x0 , y0 ) en la dirección del vector u, y se denotará por

Du f (x0 , y0 )

3.3. Diferenciabilidad
Sea B = B((x0 , y0 ), r) y f : D ⊆ R2 −→ R. Diremos que f es diferenciable en el punto x0 , y0
si
f (x0 + h, y0 + k) − f (x0 , y0 ) − ∇f (x0 , y0 ) · (h, k)
lı́m √ =0
(h,k)→(0,0) h2 + k 2
TEOREMA: Condición suficiente de diferenciabilidad:
Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. Si existe una bola abierta B = B((x0 , y0 ), r) tal
que

existen las derivadas parciales fx (x, y) y fy (x, y), para cualquier (x, y) ∈ B,

las funciones fx y fy son continuas en (x0 , y0 )

entonces f es diferenciable en (x0 , y0 ).

TEOREMA: Condición necesaria de diferenciabilidad (1):
Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. Si f es diferenciable en (x0 , y0 ) entonces, para
cada vector unitario u ∈ R2 , Du f (x0 , y0 ) y

Du f (x0 , y0 ) = ∇f (x0 , y0 ) · u

TEOREMA: Condición necesaria de diferenciabilidad (2):

Si f es una función diferenciable en un punto es continua en dicho punto.

11
4. Plano tangente y vector normal a una superficie
Sea f : D ⊆ R2 −→ R y un punto (x0 , y0 ) ∈ D. Si f es diferenciable en (x0 , y0 ) entonces, la
ecuación del plano tangente a la superficie z = f (x, y) en dicho punto viene dada por:

z − f (x0 , y0 ) = fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )

5. Cálculo de extremos relativos

Sean f : A ⊂ R2 −→ con A abierto, y un punto (x0 , y0 ) ∈ A tal que fx (x0 , y0 ) = 0 y
fy (x0 , y0 ) = 0. Entonces se dice que (x0 , y0 ) es un punto crítico de f . TEOREMA: Condición
necesaria de primer orden de óptimo local:
Bajo las hipótesis de la definición anterios, supongamos que las derivadas parciales son funciones
continuas en un entorno del punto (x0 , y0 ). Si (x0 , y0 ) es un extremo local f entonces

∂f ∂f
(x0 , y0 ) = (x0 , y0 ) = 0 ⇐⇒ ∇f (x0 , y0 ) = (0, 0),
∂x ∂y

esto es que (x0 , y0 ) es un punto crítico de f .

5.1. Definición (Notación)

Dados un punto (x0 , y0 ) ∈ R2 y una f : R2 −→ R tañes que existen las derivadas parciales
fx (x0 , y0 ), fy (x0 , y0 ), fxx (x0 , y0 ), fxy (x0 , y0 ),fyx (x0 , y0 ) y fyy (x0 , y0 ), denotaremos por
 
fxx (x0 , y0 ) fxy (x0 , y0 )
∆1 (x0 , y0 ) = fxx (x0 , y0 ), ∆2 (x0 , y0 ) =   
fyx (x0 , y0 ) fyy (x0 , y0 )

TEOREMA: Condición suficiente de segundo orden de óptimo local:

Sean f : A ⊂ R2 −→ con A abierto, una función con derivadas parciales de segundo orden
continuas. Si (x0 , y0 ) es un punto crítico de f , entonces

si ∆2 > 0 y ∆1 > 0, (x0 , y0 ) es un mínimo local estricto de f .

si ∆2 > 0 y ∆1 < 0, (x0 , y0 ) es un máximo local estricto de f .

si ∆2 < 0 es un punto de silla de f .

12