Evolucion 2021

Tópicos de Matemática
asociados a modelos de evolución

discretos y continuos
Sucesiones, ecuaciones en diferencias, sistemas dinámicos

discretos, series numéricas, series de potencias, sucesiones y
series de funciones, ecuaciones diferenciales, sistemas de
ecuaciones diferenciales, estabilidad, espacios de funciones.
Fernando Peláez Bruno

Facultad de Ciencias Económicas y de administración
Universidad de la República
2021
Peláez Bruno, Fernando.
Tópicos de Matemática asociados a modelos de evolución discretos y continuos.
c Fernando Peláez Bruno.
De esta edición:
Fernando Peláez Bruno.
Montevideo, Agosto de 2021.
Edición amparada por el Art. 79 de la ley 13.349

Algunos comentarios sobre notación
El chirimbolo ♠ indicará el final de una demostración.

Los conjuntos de números reales, racionales, enteros y naturales serán respectivamente
indicados con los sı́mbolos: R, Q, Z y N.
La presencia de un asterisco en los sı́mbolos anteriores indica la exclusión del cero. Por
ejemplo: R∗ quiere decir R − {0}.
R+ es el conjunto de los números reales positivos.
Cuando no haya lugar a confusión, el producto a.b de dos números a y b será indicado sin
el “punto”. Es decir, a b también representará la multiplicación de a por b.
El cociente de dos números reales A y B (B 6= 0) lo indicaremos mediante A/B o también
A
.
B
El logaritmo Neperiano (logaritmo en base e) será indicado por L.
Llamaré intervalo a cualquiera de los conjuntos que menciono a continuación:
• (a, b) = { x ∈ R / a < x < b } (Intervalo abierto acotado.)
• [a, b] = { x ∈ R / a ≤ x ≤ b } (Intervalo cerrado acotado.)
• [a, b) = { x ∈ R / a ≤ x < b } (Intervalo acotado ni abierto ni cerrado.)
• (a, b] = { x ∈ R / a < x ≤ b } (Intervalo acotado ni abierto ni cerrado.)
• (a, +∞) = { x ∈ R / a < x } (Semirrecta derecha abierta.)
• (−∞, b) = { x ∈ R / x < b } (Semirrecta izquierda abierta.)
• [a, +∞) = { x ∈ R / a ≤ x } (Semirrecta derecha cerrada.)
• (−∞, b] = { x ∈ R / x ≤ b } (Semirrecta izquierda cerrada.)
• (−∞, +∞) = R (todo R.)
• Cuando digamos “intervalo cerrado” nos estaremos refiriendo a un conjunto de la
forma [a, b], aunque no hagamos la aclaración explı́cita de que es, además, acotado.
Si a ∈ R y r es un número real positivo entonces el sı́mbolo Ea,r indicará el entorno de
centro a y radio r. O sea:
Ea,r = (a − r, a + r) = { x ∈ R / a − r < x < a + r } = { x ∈ R / |x − a| < r }

∗ =E
El “entorno reducido” de centro a y radio r es el conjunto: Ea,r a,r − {a}.
4
Alfabeto griego y fechas de matemáticos
α A alfa ι I iota ρ P rho

β B beta κ K kappa σ Σ sigma
γ Γ gamma λ Λ lambda τ T tau
δ ∆ delta µ M mi υ Υ ipsilon
ǫ E épsilon ν N ni ϕ Φ phi
ζ Z zeta ξ Ξ xi χ X ji
η H eta o O ómicron ψ Ψ psi
θ Θ theta π Π pi ω Ω omega
Fechas de matemáticos
Euclides (429-348 a.c.) Pierre Simon de Laplace (1749-1827)

Eudoxo (408-355 a.c.) Joseph Fourier (1768-1830)
Arquı́medes (287-212 a.c.) Karl Gauss (1777-1855)
Rene Descartes (1596-1650) Bernard Bolzano (1781-1848)
Pierre de Fermat (1601-1665) A. L. Cauchy (1789-1857)
Blaise Pascal (1623-1662) Nikolas Lobatchewsky (1793-1856)
Isaac Newton (1642-1727) Niels Abel (1802-1829)
Jacobo Bernoulli (1654-1705) Evariste Galois (1811-1832)
G. W. Leibniz (1646-1716) Karl Weierstrass (1815-1897)
Juan Bernoulli (1667-1748) Bernhard Riemann (1826-1866)
Daniel Bernoulli (1700-1784) Henri Poincaré (1854-1912)
Leonard Euler (1707-1783) George Cantor (1845-1918)
Joseph Lagrange (1736-1813) David Hilbert (1862-1943)
5
Tabla de Primitivas
función f (x) intervalo I primitivas de f (x)
xn+1
xn (n ∈ N) I =R +k
n+1
xα+1
xα (α ∈ R, α 6= −1) I = R+ +k
α+1
1
I = R+ o I = R− L|x| + k
x
1 n 1
I = (−∞, − m ) o
(m 6= 0) n L|mx + n| + k
mx + n I = (− m , +∞) m
eax
eax (a ∈ R∗ ) I =R +k
a
hx
hx (h ∈ R+ , h 6= 1) I =R +k
L(h)
1
sen(bx) (b ∈ R∗ ) I =R − cos(bx) + k
b
1
cos(bx) (b ∈ R∗ ) I =R sen(bx) + k
b
1
I =R Arctg(x) + k
1 + x2
1 1 x
(a ∈ R∗ ) I =R Arctg +k
a + x2
2 a a
1
1 + tg 2 (x) = I = − π2 , π2 tg(x) + k
cos2 (x)
1
√ I = (−1, 1) Arcsen(x) + k
1 − x2
6
SIMPLICIDAD DE LA MATEMÁTICA
Existe una opinión muy generalizada según la cual la matemática es la ciencia más difı́cil
cuando en realidad es la más simple de todas. La causa de esta paradoja reside en el hecho de
que, precisamente por su simplicidad, los razonamientos matemáticos equivocados quedan a la
vista. En una compleja cuestión de polı́tica o arte, hay tantos factores en juego y tantos
desconocidos o inaparentes, que es muy difı́cil distinguir lo verdadero de lo falso. El resultado
es que cualquier tonto se cree en condiciones de discutir sobre polı́tica o arte -y en verdad lo
hace- mientras que mira la matemática desde una respetuosa distancia.
Ernesto Sábato, en “Uno y el Universo” (1945).
(gracias Omar por sugerirme esta cita.)
La Matemática tiene virtudes de formación moral y produce independencia de pensamiento,

porque en ella, el manejo individual y social de la verdad no admite el argumento de autoridad.
James Marshall. (1967).
Conocerse, claro está, que necesita su tiempo,

con años que albañilean . . .
y años de derrumbamiento . . . .
de “El instrumento”
Eduardo Darnauchans - Washington Benavides (1978).
Índice general
1. Sucesiones reales 11
1.1. Definición, ejemplos y propiedades básicas . . . . . . . . . . . . . . . . . . . . . . 11
1.2. Sucesiones monótonas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3. Subsucesiones (sucesiones parciales) . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4. Sucesiones definidas por recurencia . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5. Sucesiones de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2. Ecuaciones lineales en diferencias 31

2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2. Ecuaciones lineales de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1. Propiedades básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2. Lineal de primer orden con coeficientes constantes . . . . . . . . . . . . . 35
2.3. Ecuaciones lineales de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.1. Propiedades básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.2. Lineal de segundo orden con coeficientes constantes . . . . . . . . . . . . . 40
2.3.3. Sobre números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3. Nociones sobre sistemas dinámicos discretos 47

3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2. Órbitas (soluciones de ecuaciones en diferencias) . . . . . . . . . . . . . . . . . . 48
3.2.1. Iteración de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.2. Órbitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3. Órbitas particulares (puntos fijos y periódicos) . . . . . . . . . . . . . . . 50
3.3. Análisis gráfico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4. Atracción y repulsión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4.1. Puntos fijos atractores y repulsores . . . . . . . . . . . . . . . . . . . . . . 58
3.4.2. Clasificación de puntos fijos . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4.3. Órbitas atractoras y repulsoras . . . . . . . . . . . . . . . . . . . . . . . . 67
3.5. El mapa cuadrático Qc (x) = x2 + c . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.5.1. Las primeras bifurcaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.5.2. La función cuadrática Q(x) = x2 − 2 . . . . . . . . . . . . . . . . . . . . . 71
3.5.3. Caos en x2 − 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.5.4. Equivalencia entre Q(x) y V (x) . . . . . . . . . . . . . . . . . . . . . . . . 77
3.6. El mapa logı́stico fλ (x) = λx(1 − x) . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.7. El caso c < −2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7
8 ÍNDICE GENERAL
3.8. Teorema del perı́odo tres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4. Series numéricas 85
4.1. Definición y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2. Propiedades básicas de las series . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.3. Series de términos positivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.4. Sucesiones sin signo constante . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.5. Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.6. Ejercicios de opción múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5. Series de potencias 115

5.1. Introducción y definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.2. Sobre la convergencia de las series de potencias . . . . . . . . . . . . . . . . . . . 116
5.3. Funciones definidas por series de potencias . . . . . . . . . . . . . . . . . . . . . 120
6. Sucesiones de funciones 127

6.1. Convergencia puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.2. Convergencia uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.2.1. Convergencia uniforme y continuidad . . . . . . . . . . . . . . . . . . . . 132
6.2.2. La condición de Cauchy uniforme . . . . . . . . . . . . . . . . . . . . . . 133
6.2.3. Convergencia uniforme e integración . . . . . . . . . . . . . . . . . . . . . 135
6.2.4. Convergencia uniforme y derivación . . . . . . . . . . . . . . . . . . . . . 136
6.3. Más ejercicios sobre este tema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7. Series de funciones 141

7.1. Definición y propiedades básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.2. Otros resultados sobre convergencia uniforme de series . . . . . . . . . . . . . . . 142
7.3. Aplicaciones a las series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . 147
8. Nociones sobre ecuaciones diferenciales 149

8.1. Modelos de evolución de poblaciones . . . . . . . . . . . . . . . . . . . . . . . . . 149
8.1.1. Modelo exponencial de evolución . . . . . . . . . . . . . . . . . . . . . . . 149
8.1.2. Modelo logı́stico de evolución . . . . . . . . . . . . . . . . . . . . . . . . . 152
8.2. Ecuación lineal de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.2.1. Definiciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.2.2. Soluciones de la ecuación homogénea . . . . . . . . . . . . . . . . . . . . . 154
8.2.3. Ecuación completa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.2.4. Una aplicación a la Economı́a . . . . . . . . . . . . . . . . . . . . . . . . 160
8.3. Ecuaciones en variables separadas . . . . . . . . . . . . . . . . . . . . . . . . . . 164
8.4. Interpretación geométrica y teorema de existencia y unicidad . . . . . . . . . . . 171
8.4.1. El campo de direcciones de una ecuación diferencial . . . . . . . . . . . . 171
8.4.2. Planteo general del problema . . . . . . . . . . . . . . . . . . . . . . . . . 173
8.5. Estudios cualitativos de ecuaciones autónomas . . . . . . . . . . . . . . . . . . . 175
8.5.1. Estudio cualitativo del modelo oferta-demanda . . . . . . . . . . . . . . . 175
8.5.2. Ecuaciones autónomas en R . . . . . . . . . . . . . . . . . . . . . . . . . . 176
8.5.3. Estabilidad de puntos de equilibrio. . . . . . . . . . . . . . . . . . . . . . . 181
8.6. Algunas ecuaciones de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . 182
ÍNDICE GENERAL 9
8.6.1. Ecuaciones lineales de segundo orden . . . . . . . . . . . . . . . . . . . . 182

8.6.2. Ecuaciones lineales de segundo orden con coeficientes constantes . . . . . 185
8.6.3. Cambios de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
9. Sistemas de ecuaciones diferenciales 191

9.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
9.2. Sistemas lineales n × n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
9.2.1. Estabilidad de soluciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
9.3. Sistemas lineales con coeficientes constantes . . . . . . . . . . . . . . . . . . . . . 195
9.4. Sistemas 2 por 2 con coeficientes constantes. . . . . . . . . . . . . . . . . . . . . . 198
9.4.1. A diagonalizable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
9.4.2. A no diagonalizable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
9.4.3. Estudio de la estabilidad del 0 en Y ′ = AY . . . . . . . . . . . . . . . . . . 207
9.5. Exponencial de una matriz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
10.Una idea sobre la teorı́a general de ecuaciones diferenciales 213

10.1. Planteo general y resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
10.2. El espacio de funciones C([a, b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
10.3. Demostración del teorema de Picard . . . . . . . . . . . . . . . . . . . . . . . . . 218
11.Selección de respuestas a los ejercicios 221
12.Referencias bibliográficas 225

10 ÍNDICE GENERAL
Capı́tulo 1
Sucesiones reales
1.1. Definición, ejemplos y propiedades básicas
Consideremos el ejemplo de la evolución de un capital de dinero que genera intereses. Designemos

con C al capital inicial (en pesos uruguayos, por ejemplo), y supongamos (para simplificar) que
es colocado a una tasa anual r que se capitaliza anualmente. En cada perı́odo el interés se
calculará sobre el capital más los intereses previos (interés compuesto). En el “instante inicial”
tenemos:
s0 = C.
Al finalizar el primer año, el saldo es la suma del capital inicial más los intereses generados, es
decir:
s1 = C + rC = C(1 + r),
en donde el subı́ndice 1 indica que ha transcurrido el primer perı́odo (el primer año). Si desig-
namos con s2 al saldo al finalizar el segundo año tendremos:
s2 = s1 + rs1 = s1 (1 + r) = C (1 + r)2 ,
y ası́ podemos seguir calculando el monto disponible al finalizar cada perı́odo:
s3 = s2 + rs2 = s2 (1 + r) = C (1 + r)3 ,
s4 = s3 + rs3 = s3 (1 + r) = C (1 + r)4 .
No cabe duda que al finalizar el enésimo año el saldo será:
sn = sn−1 + rsn−1 = sn−1 (1 + r) = C (1 + r)n .
De esta manera hemos ido generando una sucesión de valores en donde, en este caso particular,
cada uno de ellos se obtiene multiplicando al anterior por 1 + r (progresión geométrica):

C, C(1 + r), C(1 + r)2 , C(1 + r)3 , C(1 + r)4 , . . . . . . . ,
o sea
(s0 , s1 , s2 , s3 , s4 , . . . . . . . . ) .
11
12 Capı́tulo 1. Sucesiones reales
La introducción de una misma letra (la s de “saldo”) seguida de un subı́ndice, para nombrar a
los distintos términos de la sucesión es muy útil. Cuando queremos referirnos al saldo al finalizar
el octavo año, por ejemplo, ponemos simplemente s8 . De esta manera podemos nombrar a un
“término genérico”; el saldo al finalizar el enésimo año es:
sn = C (1 + r)n ,
en donde aquı́ n puede ser cualquier número natural.
Lo que hicimos en el ejemplo anterior fue generar una sucesión de números. Más precisamente,
a cada natural n, le hicimos corresponder el número real sn :
n 7−→ sn
Ejemplo 1.1.1. Otro ejemplo de sucesión numérica es el siguiente:

1 1 1 1
1, , , .... , .....
2 3 4 n
Si sus términos los designamos con la letra a tendremos:
1 1 1
a0 = 1, a1 = , a2 = , a3 = , .....
2 3 4
Podemos decir que esta sucesión está determinada por la condición:
1
an = , ∀n ∈ N.
n+1
También aquı́ estamos estableciendo una correspondencia que a cada natural n le hace corres-
ponder un real:
1
n 7−→ an = (n ∈ N.)
n+1
Definición 1.1.1. Definición de sucesión real.

Por definición, una sucesión real es una función cuyo dominio es el conjunto N y cuyo codominio
es R.
Observación 1.1.1.
1. Las funciones reales de dominio real se suelen simbolizar con las letras f , g, h, F , etc;
y a sus respectivas imágenes del punto x con f (x), g(x), h(x), F (x), etc. En sucesiones
haremos un cambio de notación. Para empezar acostumbraremos usar las primeras letras
del alfabeto: a, b, c, etc; pero además, para referirnos a la imagen de n por a escribiremos an
en lugar de a(n). Otro cambio: para referirnos a la sucesión “a” no escribiremos a : N −→ R
sino simplemente (an )n∈N .
2. En este tema (y siempre que no haya lugar para la confusión), la letra “n” representará
números naturales. Es por eso que muchas veces pondremos simplemente n ≥ 0 para decir
que n ∈ N.
3. No es necesario ni obligatorio que el dominio de una sucesión sea todo el conjunto N. Es
decir, no es necesario que el subı́ndice n empiece en 0. Puede “empezar” en 1 (en ese caso
pondremos (an )n≥1 ), o incluso en otro natural.
1.1. Definición, ejemplos y propiedades básicas 13
Ejercicio 1.1.1. Encuentra los seis primeros términos de cada una de las siguientes sucesiones:
1
(an )n≥1 / an = , ∀n ≥ 1, (bn )n≥0 / bn = (−1)n , ∀n ≥ 0,
n2
(cn )n≥0 / cn = 4 − 2−n , ∀n ≥ 0.
Ejemplo 1.1.2. Sucesión de Fibonacci. Consideremos la sucesión (an )n≥0 dada por:
a0 = 0, a1 = 1, an = an−1 + an−2 , ∀n ≥ 2.
En este caso no estamos dando una fórmula explı́cita para an en función de n sino que estamos
definiendo la sucesión por recurrencia (también es otra forma válida de determinarla). Esta
sucesión particular es llamada “sucesión de Fibonacci” y te pedimos que calcules los primeros
trece términos de la misma.
Observación 1.1.2. Sucesiones acotadas.
Si trasladamos la definición de función acotada al caso de sucesiones obtenemos:
(1) (an )n≥0 está acotada superiormente si, y sólo si, existe k ∈ R tal que an ≤ k, ∀n ∈ N.
(2) (an )n≥0 está acotada inferiormente si, y sólo si, existe h ∈ R tal que h ≤ an , ∀n ∈ N.
(3) (an )n≥0 está acotada si, y sólo si, está acotada superiormente e inferiormente, es decir existen
h, k ∈ R tales que h ≤ an ≤ k, ∀n ∈ N.
Nos interesará estudiar el comportamiento de los términos de una sucesión a medida que el
subı́ndice n crece “indefinidamente”. Serı́a interesante que, basándote en la intuición, analices el
comportamiento de todas las sucesiones que hemos presentado previamente. Esta idea nos lleva
al concepto de lı́mite, que debe ser definido rigurosamente.
Definición 1.1.2. Lı́mite de una sucesión.

Sea (an )n≥0 una sucesión de números reales. Damos las siguientes definiciones:
(1) Sucesión convergente. lı́mn−→+∞ (an ) = L ∈ R ⇐⇒
Para cada ǫ > 0, existe n0 ∈ N, tal que si n > n0 entonces |an − L| < ǫ.
(2) Sucesión divergente a +∞. lı́mn−→+∞ (an ) = +∞ ⇐⇒
Para cada K ∈ R, existe n0 ∈ N, tal que si n > n0 entonces an > K.
(3) Sucesión divergente a −∞. lı́mn−→+∞ (an ) = −∞ ⇐⇒
Para cada K ∈ R, existe n0 ∈ N, tal que si n > n0 entonces an < K.
Observación 1.1.3. La sucesión an = n (la sucesión de los números naturales) tiene lı́mite +∞
(¿por qué?). Es por ello que, al trabajar con lı́mites de sucesiones, se suele omitir la aclaración:
“n −→ +∞”:
en lugar de lı́m (an ) pondremos lı́m(an ) y también lı́m an

n−→+∞
1
Ejemplo 1.1.3. Demostraremos, aplicando la definición de lı́mite, que lı́m = 0. Para ello hay
n
que probar que es verdadera la siguiente afirmación:
1
∀ ǫ > 0 , ∃ n0 ∈ N / si n > n0 =⇒ −0 <ǫ .
n
1 1
Está claro que en este caso −0 = .
n n
Sea entonces ǫ > 0 un número positivo cualquiera. Como los naturales no están acotados supe-
1
riormente existe algún natural n0 > . Tenemos entonces lo siguiente:
ǫ
1 1
Si n > n0 =⇒ < <ǫ.
n n0
1
Dado ǫ > 0, hemos encontrado n0 ∈ N (que depende de ǫ), tal que si n > n0 entonces − 0 < ǫ.
n
Y eso es lo que querı́amos demostrar.
1. Como habrás notado, las definiciones dadas son totalmente análogas al las de lı́mite de una
función f (x) para x −→ +∞. Es por ello que todos los teoremas que conoces sobre lı́mites
de funciones (unicidad, lı́mite de una suma, de un producto y de un cociente, lı́mite de
la función comprendida, etc), también son válidos para lı́mites de sucesiones. Este hecho
lo usaremos sin mayor justificación. Todos aquellos lı́mites conocidos también valen para
sucesiones. Por ejemplo:

1 x 1 n
Como lı́m 1+ = e entonces lı́m 1+ = e.
x−→+∞ x n−→+∞ n
L(x) L(n)
Como lı́m = 0 entonces lı́m = 0.
x−→+∞ x n−→+∞ n
2. En particular, usaremos los siguientes resultados:
Si una sucesión tiene lı́mite finito entonces está acotada (superior e inferiormente).
Si una sucesión tiene lı́mite +∞ entonces está acotada inferiormente pero no supe-
riormente.
Si una sucesión tiene lı́mite −∞ entonces está acotada superiormente pero no infe-
riormente.
Si lı́m(cn ) = +∞ y cn ≤ dn , ∀n ≥ 1 entonces lı́m(dn ) = +∞.
lı́m(xn ) = 0 si, y sólo si lı́m(|xn |) = 0.
Ejercicio 1.1.2.
(a) Demuestra que la sucesión (an )n≥0 / an = (−1)n está acotada pero que no tiene lı́mite (ni
finito ni infinito).
(b) Demuestra que la sucesión (bn )n≥0 / bn = [1 + (−1)n ]n no está acotada superiormente y
que, sin embargo, no tiene lı́mite +∞.
(c) Investiga si la siguiente afirmación es verdadera: “Si una sucesión no está acotada infe-
riormente entonces tiene lı́mite −∞.”
Ejemplo 1.1.4. Lı́mite de una progresión geométrica.

Dado un número real q consideremos la progresión geométrica de razón q, es decir, la sucesión
(an )n≥0 dada por an = q n , ∀n ∈ N.
1, q, q 2 , q 3 , q 4 , . . . . , q n , . . . . . .
1.1. Definición, ejemplos y propiedades básicas 15
Vamos a distinguir algunos casos:

1. Caso q > 1.
Vamos a demostrar que, en este caso, lı́m(q n ) = +∞. Como q > 1 existe x > 0 tal que
q = 1 + x. La desigualdad de Bernoulli asegura que (1 + x)n ≥ 1 + nx, ∀x ∈ R, x >
−1, ∀n ∈ N. Usando esta desigualdad tenemos que: q n = (1 + x)n ≥ 1 + nx. Como
lı́mn−→+∞ (1 + nx) = +∞ (recuerda que x > 0), se deduce que lı́m(q n ) = +∞.
2. Caso 0 < q < 1.
n
Como 0 < q < 1 es 1/q > 1 y, por lo tanto lı́m 1q = +∞. Se tiene:
1
lı́m(q n ) = lı́m n = 0.
1
q
3. Caso −1 < q < 0.

Como |q n | = |q|n y lı́m |q|n = 0 (por ser 0 < |q| < 1), podemos concluir que también
lı́m(q n ) = 0.
4. Caso q < −1.
Aquı́ se cumple que:
n
lı́m a2n = lı́m q 2n = lı́m q 2 = +∞ (pues q 2 > 1)
n
lı́m a2n+1 = lı́m q 2n+1 = lı́m q q 2 = −∞ (pues q 2 > 1 y q < 0).
Resulta entonces que la sucesión an = q n no está acotada superior ni inferiormente y, por
lo tanto, no tiene lı́mite (ni finito, ni +∞, ni −∞).
5. Otros casos.
Si q = 1 entonces q n = 1, ∀n y lı́m(q n ) = 1.
Si q = 0 entonces q n = 0, ∀n y lı́m(q n ) = 0.
Si q = −1 entonces es inmediato verificar que (q n ) no tiene lı́mite.
Resumiendo: 

 = 0, si |q| < 1.

= +∞, si q > 1.
lı́m(q n )

 = 1, si q = 1.

no existe, en otro caso.
√
Ejemplo 1.1.5. El lı́mite de n np (p ∈ R fijo).
Para calcular este lı́mite procedemos ası́:
√
p
p L nn p
L(n)
lı́m n
np = lı́m n = lı́m e
n = lı́m e n = e0 = 1,
L(n)
en donde hemos usado que n −→ 0.
1.2. Sucesiones monótonas
Definición 1.2.1. Sucesiones monótonas.

Sea (an )n≥0 una sucesión de números reales. Decimos que (an ) es monótona creciente si se
cumple que an+1 ≥ an , ∀n ≥ 0. Es decir, una sucesión es monótona creciente cuando cada
término es mayor o igual que el anterior. Decimos que (an ) es monótona decreciente cuando
an+1 ≤ an , ∀n ≥ 0.
Cuando se da la desigualdad estricta: an+1 > an o an+1 < an , se dice que la sucesión es
estrictamente monótona (creciente o decreciente respectivamente).
n+1
Ejemplo 1.2.1. Consideremos la sucesión (an )n≥1 dada por an = n . Para estudiar su eventual
monotonı́a nos planteamos la diferencia an+1 − an :
n+2 n+1 1
an+1 − an = − =− < 0, ∀n ≥ 1.
n+1 n (n + 1)n
Resulta entonces que an+1 < an , ∀n ≥ 1 y, por lo tanto, la sucesión es estrictamente monótona
decreciente.
Ejercicio 1.2.1. En cada uno de los siguientes casos estudia la monotonı́a de la sucesión
(an )n≥1 .
1 1
a) an = b) an = n2 c) an = 2 − d) an = [1 + (−1)n ] n
n n
Ejercicio 1.2.2. Demuestra que si (an ) es creciente entonces (−an ) es decreciente.
Ejercicio 1.2.3. Demuestra que la sucesión geométrica an = q n es creciente para q > 1 y es

decreciente para 0 < q < 1. Sin embargo, para −1 ≤ q < 0 no es monótona (ni creciente, ni
decreciente).
Como sucede con las funciones monótonas, las sucesiones monótonas tienen una propiedad fun-
damental vinculada con la existencia de lı́mites. Pero, antes de ellos, corresponde repasar el
concepto de completitud del conjunto de números reales.
Observación 1.2.1. Sobre el supremo y el máximo de un conjunto.

Completitud de R
1. Sea A un subconjunto no vacı́o de R. Recordemos que k ∈ R es una cota superior de
A si k ≥ a, ∀a ∈ A. Si A tiene alguna cota superior entonces se dice que es un conjunto
acotado superiormente. Es claro que si un conjunto está acotado superiormente entonces
tiene infinitas cotas superiores, ya que todo número mayor que una cota superior también
es cota superior. Un número real M es el máximo
√ de A si es cota superior de A y además
√
pertenece a dicho conjunto.√Por ejemplo, 7 es el máximo del intervalo cerrado [0, 7],
pero el intervalo abierto (0, 7) no tiene máximo.
2. El supremo de A (también llamado “extremo superior” y que será indicado con sup A) es
la menor de las cotas superiores de A. O sea, el número L es el supremo de A si, y sólo si,
verifica estas dos condiciones:
1.2. Sucesiones monótonas 17
a ≤ L, ∀a ∈ A (L es cota superior de A).

Si L′ es una cota superior cualquiera de A entonces L ≤ L′ (no hay ninguna cota
superior de A menor que L).
3. El supremo de un conjunto (en caso de que exista) no tiene por qué pertenecer al con-
junto. Recordemos que un conjunto acotado superiormente tiene máximo √ si, y sólo si, su
supremo pertenece a dicho conjunto. Por ejemplo, si A = [−3, 0) ∪ [1, √3) entonces las
cotas superiores de A son todos los números reales mayores √o iguales que 3. Hay√ infinitas
cotas superiores.
√ La menor de todas ellas es precisamente 3, y, por lo tanto, 3 = sup A.
Como 3 6∈ A podemos asegurar que A no tiene máximo.
4. Si L = sup A y h < L entonces siempre es posible encontrar algún elemento a ∈ A tal que
h < a ≤ L. En efecto, si ası́ no fuera, todos los elementos de A estarı́an a la izquierda de
h, con lo cual h se constituirı́a en cota superior de A, contradiciendo el hecho de que L es
la menor de las cotas superiores de ese conjunto.
5. Similares consideraciones valen para cotas inferiores, mı́nimo e ı́nfimo de un conjunto,
conceptos que esperamos repases tú mismo.
6. Como decı́amos, un conjunto puede estar acotado superiormente y no tener máximo. No
ocurre lo mismo con el supremo. La completitud de R afirma que “Todo subconjunto
de R, no vacı́o y acotado superiormente, tiene supremo”. Este hecho tiene con-
secuencias relevantes que están estrechamente vinculadas con la distinción entre R y el
conjunto de números racionales Q. Como consecuencia de la completitud, por ejemplo, es
posible probar que, una vez fijado un sistema de abscisas sobre una recta L, existe una
correspondencia biunı́voca (función biyectiva) entre el conjunto de los números reales y el
conjunto de puntos de L. En otras palabras, los reales ”llenan” la recta mientras que los
racionales no. El conjunto Q no es completo. Por ejemplo, el subconjunto A de Q definido
ası́:
A = q ∈ Q / q > 0 y q2 < 2
es
√ no vacı́o, está acotado superiormente, pero no tiene supremo en Q (el supremo “serı́a”
2 que no está en el universo de los racionales).
Ejercicio 1.2.4. Halla supremo, ı́nfimo, máximo y mı́nimo de cada uno de los siguientes sub-
conjuntos de reales:

√ 1 ∗
a) [2, 4) ∪ (5, 30) b) A = 2 − / n ∈ N c) A ∪ {2}
n

n √ o n √ o 1 ∗
d) x/(x + 2)(x − 1)(x − 3) < 0 e) x/x ≤ 5 ∩ Q f) /n ∈ N
2n
Ejercicio 1.2.5. Sean A ⊂ R y L = sup(A). Clasifica en verdaderas o falsas (justificando la
respuesta):
(a) Si x ∈ A entonces x ≤ L. (b) Si x ≤ c, ∀ x ∈ A entonces L ≤ c.
(c) Si H < L entonces ∃ a ∈ A / H ≤ a. (d) ∀ǫ > 0, ∃ a ∈ A / L − ǫ < a ≤ L.
(e) ∀ǫ > 0, ∃ a ∈ A / L − ǫ < a < L. (f) ∀ǫ > 0, (L − ǫ, L) ⊂ A.
Teorema 1.2.1. Las sucesiones monótonas crecientes tienen lı́mite.

Sea (an )n≥0 una sucesión monótona creciente. Entonces se cumple que:
1. Si (an ) está acotada superiormente entonces tiene lı́mite finito.
2. Si (an ) no está acotada superiormente entonces tiene lı́mite +∞.
Demostración.
1. Que (an ) esté acotada superiormente quiere decir que existe M ∈ R tal que an ≤ M, ∀n ≥
0. El conjunto A = { an / n ≥ 0 } es entonces un conjunto no vacı́o y acotado supe-
riormente. La completitud de R nos permite asegurar que existe L = sup(A). Vamos a
demostrar que lı́m(an ) = L. Sea ǫ > 0. Afirmamos en primer lugar que existe n0 ∈ N tal
que L − ǫ < an0 ≤ L. (Si ası́ no fuera, L − ǫ serı́a cota superior de A lo cual es absurdo pues
L es la menor de las cotas superiores de A). Ahora bien, ¿qué ocurre si n > n0 ? Como la
sucesión es creciente debe ser an ≥ an0 , ∀n > n0 . Además an ≤ L, ∀n ≥ 0 (por ser L cota
superior de A). Tenemos entonces que
si n > n0 =⇒ L − ǫ < an ≤ L < L + ǫ
Para cada ǫ > 0 hemos encontrado un n0 ∈ N tal que si n > n0 entonces L−ǫ < an < L+ǫ.
Esto es precisamente lo que tenı́amos que demostrar. ♠
2. Sea K > 0 un número dado (puede ser muy grande). Como la sucesión no está acotada
superiormente tiene que existir n0 ∈ N tal que an0 > K. (De lo contrario, K serı́a cota
superior de la sucesión). Ahora usamos la monotonı́a: si n > n0 entonces an ≥ an0 . Por
transitiva tenemos entonces que an > K, ∀n > n0 . Hemos demostrado que para cada
K > 0 es posible encontrar un n0 ∈ N tal que si n > n0 entonces an > K. Esa es
precisamente la definición de lı́mite +∞. ♠
Ejercicio 1.2.6. Enuncia y demuestra un resultado análogo al anterior para sucesiones monóto-
nas decrecientes.
Observación 1.2.2. Atención con la completitud.

Para demostrar que una sucesión creciente y acotada superiormente tiene lı́mite finito se utilizó
la completitud de R. Y efectivamente eso es insoslayable. En efecto, el resultado no es cierto si el
universo es Q. Para justificarlo debemos encontrar un contraejemplo, es decir, una sucesión de
puntos de Q que sea creciente y que esté acotada superiormente,
pero
que no sea convergente en
1 n n+1 n
Q. Un ejemplo posible está dado por la sucesión 1 + n = n . Esta sucesión está formada
por números racionales, es creciente y está acotada superiormente. Sin embargo no converge en
Q ya que su lı́mite es el número e que es irracional.
Observen que en el caso de no acotada superiormente no es necesaria la completitud.
Ejercicio 1.2.7. Consideremos la sucesión (An ) definida por:

n
X 1 1 1
An = = 1+ + . . . . . . +
k 2 n
k=1
(a) Demuestra que es monótona creciente.

1
(b) Demuestra que para cada n ≥ 1 se cumple que A2n − An ≥ 2.
(c) Demuestra que lı́m(An ) = +∞.
1.3. Subsucesiones (sucesiones parciales) 19
Ejercicio 1.2.8. Se dice que ((an ), (bn )) es un Par de Sucesiones Monótonas Convergentes si se
cumple que:
i) an ≤ bn , ∀n ≥ 1. ii) (an ) es creciente y (bn ) es decreciente. iii) lı́m (bn − an ) = 0.
(a) Prueba que si ((an ), (bn )) es un P.S.M.C. entonces existe un único número real L con
an ≤ L ≤ bn , ∀n ≥ 1, tal que (an ) −→ L− y (bn ) −→ L+ .
(b) En cada uno de los siguientes casos, investiga si ((an ), (bn )) es un P.S.M.C.

an = 2 − n12 an = 2n−1
n+2
n−1
an = n+1
bn = 2 + n12 bn = 6n+8
3n−1 bn = n+1
n−1
Ejercicio 1.2.9. Dados dos números positivos a y b con a < b consideremos las sucesiones (an )
y (bn ) definidas por:

a0 = a √ b0 = b
an+1 = an bn , ∀n ≥ 0 bn+1 = an +b
2 , ∀n ≥ 0
n
Prueba que ((an ), (bn )) es un Par de Sucesiones Monótonas Convergentes.
1.3. Subsucesiones (sucesiones parciales)
Sea (an )n≥0 una sucesión:

(a0 , a1 , a2 , a3 , a4 , a5 , a6 , a7 , . . . . . . . . )
y consideremos las siguientes sucesiones vinculadas con ella:
(b) (a0 , a2 , a4 , a6 , a8 , a10 , a12 , . . . . . . . . )
(c) (a1 , a3 , a5 , a7 , a9 , a11 , a13 , . . . . . . . . )
(d) (a1 , a2 , a4 , a8 , a16 , a32 , a64 , . . . . . . . . )
(e) (a3 , a3 , a3 , a3 , a3 , a3 , a3 , . . . . . . . . )
¿Qué particularidad tienen estas sucesiones respecto de la original? Es claro que todos los núme-
ros que aquı́ aparecen ya aparecı́an en la original. Dicho de otra manera: cada término de cada
una de éstas es algún término de (an ). Para continuar analizándolas (y buscando similitudes y
diferencias) vamos a escribir la definición de cada una de ellas con más precisión.
(b) Si llamamos (bn )n≥0 a la indicada en (b) observamos que: b0 = a0 , b1 = a2 , b2 =
a4 , b3 = a6 , b4 = a8 , . . . . . La fórmula que determina esta sucesión puede expresarse
de la siguiente manera:
(bn )n≥0 / bn = a2n , ∀n ∈ N.
(c) Manteniendo el mismo criterio de notación tenemos para para (c): c0 = a1 , c1 = a3 , c2 =
a5 , c3 = a7 , c4 = a9 , . . . . . La fórmula que determina esta sucesión puede expresarse
de la siguiente manera:
(cn )n≥0 / cn = a2n+1 , ∀n ∈ N.
(d) Para (d) tenemos: d0 = a1 , d1 = a2 , d2 = a4 , d3 = a8 , d4 = a16 , . . . . . o sea:
(dn )n≥0 / dn = a2n , ∀n ∈ N.
(e) En (e) tenemos una sucesión constante dada por:
(en )n≥0 / en = a3 , ∀n ∈ N.
Fijemos la atención en (b). La sucesión (bn ) está formada por los términos de subı́ndice par de
(an ). En principio, (bn ) no nos brinda toda la información acerca de (an ). Sin embargo, si (an )
tuviese lı́mite, parece bastante razonable pensar que (bn ) va a tener el mismo lı́mite. Similares
consideraciones valen para (cn ) y (dn ). Pero ¡cuidado!, el caso (e) es completamente diferente. Si
bien todo término de (en ) es un término de (an ), en la sucesión (en ) hemos perdido prácticamente
toda la información acerca de la sucesión original. En particular, lı́m(en ) = a3 un valor que no
necesariamente tiene que ver con el lı́mite de (an ).
(bn ), (cn ) y (dn ) serán consideradas subsucesiones de (an ) mientras que (en ) no. Pasemos a la
definición.
Definición 1.3.1. Subsucesiones.

Sean (an )n≥0 y (bn )n≥0 dos sucesiones. Diremos que (bn )n≥0 es una subsucesión de (an )n≥0
si, y sólo si, existe una sucesión (kn )n≥0 que toma valores naturales (kn ∈ N, ∀n ∈ N), de modo
que se cumplan:
(i) (kn )es E.M.C. (ii) bn = akn , ∀n ∈ N.
Observación 1.3.1. Sobre la definición anterior.

La sigla E.M.C. quiere decir “estrictamente monótona creciente”. De esa manera tendremos que
si (kn ) es E.M.C. entonces kn+1 > kn , ∀n ∈ N.
Lo anterior (y el hecho de que sus términos son naturales), implica que (kn ) debe tener lı́mite
+∞. En efecto:
Como k0 es natural entonces k0 ≥ 0.
Como k1 > k0 ≥ 0 y k1 es natural resulta que k1 ≥ 1.
Como k2 > k1 ≥ 1 y k2 es natural resulta que k2 ≥ 2.
Por inducción completa puede probarse que kn ≥ n , ∀n ∈ N. De esta desigualdad se deduce
que (kn ) −→ +∞ (¿por qué?).
n 3 n
Ejemplo 1.3.1. Sea (an )n≥0 dada por an = 1+n . La sucesión (bn )n≥0 / bn = 1+3n es una
n
subsucesión de (an ). En efecto, observamos que bn = a3n , ∀n ∈ N. Como (3 ) toma valores
naturales y (3n ) es E.M.C. se cumple la definición tomando kn = 3n .
Ejercicio 1.3.1. Sea (an )n≥0 una sucesión. Demuestra que las siguientes son subsucesiones de
(an ):
(pn )n≥0 / pn = a2n (in )n≥0 / in = a2n+1 (sn )n≥0 / sn = an+1
n
Ejercicio 1.3.2. Sea (an )n≥1 dada por an = 1 + n1 . Investiga cuales de las siguientes son
subsucesiones de (an ):
n 2 √ n
1 1
(1) (bn )n≥1 / bn = 1+ 2 (2) (cn )n≥1 / cn = 1 + √
n n
1.3. Subsucesiones (sucesiones parciales) 21
Teorema 1.3.1. Lı́mites de subsucesiones.

Si una sucesión tiene lı́mite (finito, +∞ o −∞) entonces toda subsucesión de ella tiene el mismo
lı́mite.
Demostración. Sea (an )n≥0 una sucesión y (bn )n≥0 una subsucesión cualquiera de (an ). Por
definición sabemos que existe una sucesión (kn )n≥0 que toma valores naturales tal que: (kn ) −→
+∞ y bn = akn , ∀n ∈ N. Supongamos que lı́m(an ) = L ∈ R. Vamos a demostrar que lı́m(bn ) =
L. Sea ǫ un número positivo arbitrario.
Como lı́mi→+∞ (ai ) = L, existe p ∈ N, tal que si i > p entonces |ai − L| < ǫ. (∗)
Como lı́m(kn ) = +∞, existe n0 ∈ N, tal que si n > n0 entonces kn > p. (∗∗)
Tenemos entonces que:
si n > n0 =⇒ (por (∗∗)) kn > p =⇒ (por (∗)) |akn − L| < ǫ
Hemos demostrado que para cada ǫ > 0, existe n0 ∈ N, tal que si n > n0 entonces |bn − L| < ǫ,
lo cual es precisamente la definición de lı́m(bn ) = L.
Los casos en que lı́m(an ) = +∞ o lı́m(an ) = −∞ quedan como ejercicio. ♠
Una consecuencia inmediata del teorema anterior (de hecho, su contra-recı́proco) es la siguiente:
Corolario 1.3.2. Sea (an ) una sucesión. Si existe una subsucesión de (an ) que no tiene lı́mite,
o si existen dos subsucesiones de (an ) con lı́mites diferentes entonces (an ) no tiene lı́mite.
Observación 1.3.2. Para probar que una sucesión no tiene lı́mite.

Este corolario nos da una herramienta bastante útil para demostrar que una sucesión no tiene
lı́mite. Consideremos, por ejemplo, (an )n≥0 / an = n2 (1 + (−1)n ). Tenemos que a2n = 8n2 →
+∞ y a2n+1 = 0 → 0. El Corolario 1.3.2 nos permite concluir que (an ) no tiene lı́mite.
Ejercicio 1.3.3. En cada uno de los siguientes casos te pedimos que demuestres que la sucesión
(an )n≥0 no tiene lı́mite (encuentra al menos dos subsucesiones con lı́mites diferentes):
1 + (−1)n (−1)n 1 + (−1)n (−1)n n

an = an = + an = 1 + an = 3cos(nπ)
2 n 2 n+1
Ejercicio 1.3.4. Sea (an )n≥0 una sucesión que tiene lı́mite ∆ (un número o +∞ o −∞). Si
hn = an+1 demuestra que (hn )n≥0 también tiene lı́mite ∆.
Observación 1.3.3. Está claro que si una subsucesión de (an ) tiene lı́mite, no es posible afirmar
nada acerca del comportamiento de (an ). Sin embargo, vale la pena tener presente el próximo
resultado, cuya demostración queda como ejercicio.
Teorema 1.3.3. Sean (an )n≥0 una sucesión, (pn )n≥0 y (in )n≥0 las subsucesiones definidas por
pn = a2n , in = a2n+1 , ∀n ∈ N. Si (pn ) → ∆ y (in ) → ∆ entonces (an ) → ∆. (El sı́mbolo ∆
puede representar un número o +∞ o −∞).
Ejercicio 1.3.5. Sean a, b, c números reales diferentes. Encuentra una sucesión que tenga tres
subsucesiones convergentes a, respectivamente, los puntos a, b, c.
Ejercicio 1.3.6. ¿Existe una sucesión que tenga infinitas subsucesiones convergentes a puntos
diferentes?
El siguiente teorema (en principio sorprendente), dará lugar a consecuencias relevantes.
Teorema 1.3.4. Existencia de subsucesiones monótonas.

Toda sucesión tiene una subsucesión monótona (creciente o decreciente).
Demostración. Sea (xn )n≥0 una sucesión. Diremos que un ı́ndice p es un ı́ndice cumbre de la
sucesión si se cumple que
xm ≥ xp , ∀ m ≥ p
Observemos que un ı́ndice q no es cumbre si existe l > q tal que xl < xq .
Caso 1: El conjunto de ı́ndices cumbre es infinito.

En este caso podemos encontrar ı́ndices cumbre ki tales que:
k1 < k2 < k3 < . . . . . . < kn < . . .
Como k1 es ı́ndice cumbre y k2 > k1 entonces xk2 ≥ xk1 . Razonando de forma análoga
obtenemos:
xk 1 < xk 2 < xk 3 < . . . . . . xk n < . . .
Resulta entonces que (xkn ) es una subsucesión monótona creciente de la (xn ).
Caso 2: El conjunto de ı́ndices cumbre es finito (posiblemente vacı́o).

En este caso existe M ∈ N tal que para todo n > M se cumple que n no es ı́ndice cumbre.
Comencemos tomando un ı́ndice cualquiera k1 > M . Como k1 no es cumbre existirá k2 > k1
tal que xk2 < xk1 .
Ahora bien, como k2 no es cumbre existirá k3 > k2 tal que xk3 < xk2 .
Como k3 no es cumbre existirá k4 > k3 tal que xk4 < xk3 . Y ası́ sucesivamente.
Hemos encontrado entonces una sucesión de ı́ndices
k1 < k2 < k3 < . . . . . . < kn < . . .
tales que
xk 1 > xk 2 > xk 3 > . . . . . . xk n > . . .
Resulta entonces que (xkn ) es una subsucesión monótona decreciente de la (xn ). ♠
Vale la pena observar que en la demostración no se ha usado la completitud de R.
El siguiente corolario es un resultado fundamental.
Teorema 1.3.5. Teorema de Bolzano Weierstrass.

Toda sucesión acotada (de números reales) tiene alguna subsucesión convergente.
Demostración. Sea (xn ) una sucesión acotada. Por el teorema anterior (xn ) tiene una sub-
sucesión (xkn ) monótona. Pero como (xn ) está acotada entonces también lo está (xkn ). Esta
subsucesión es entonces monótona y acotada, y, por lo tanto (Teo 1.2.1), converge. ♠
1.4. Sucesiones definidas por recurencia 23
Observación 1.3.4. Atención con la completitud (nuevamente).

En el teorema 1.2.1 era necesaria la completitud. En el teorema de Bolzano Weierstrass también.
No es posible demostrarlo sin apelar a la completitud. Para justificar esta afirmación hay que
encontrar un ejemplo de una sucesión de puntos de Q, que sea acotada y que no tenga subsuce-
siones convergentes en Q. ¿Te animás?
Por otra parte, también es posible combinar el Teo 1.3.4 con el 1.2.1 en el caso de sucesiones
monótonas no acotadas. Como otro corolario de estos se deduce, por ejemplo, que toda sucesión
no acotada superiormente tiene alguna subsucasión con lı́mite + ∞ (aquı́ no es necesaria la
completitud).
1.4. Sucesiones definidas por recurencia
√
Ejemplo 1.4.1. Una sucesión que converge a λ. √
Dado un número λ > 0 consideremos la sucesión (an )n∈N en donde a0 > λ, y que está
determinada por la relación de recurrencia:
a2n + λ
(RC) an+1 = ∀n ≥ 0.
2 an
Queremos estudiar el comportamiento asintótico de esta sucesión, es decir, calcular lı́m(an ) en

caso de que exista. Vamos a mostrar cómo es posible hacerlo sin necesidad de encontrar una
fórmula explı́cita para (an ).
Vale la pena tener en cuenta las siguientes observaciones previas:

1) Como a0 > 0 resulta obvio (mirando (RC)) que a1 > 0. Del mismo modo resulta a2 > 0, y
podrı́amos arriesgarnos a decir “y ası́ sucesivamente”. Es que si ah > 0, la relación (RC) muestra
que ah+1 también es positivo. Concluimos que an > 0, ∀n ≥ 0, (un hecho que puedes demostrar
por inducción completa).
2) Supongamos que (an ) tenga lı́mite finito L. ¿Qué podemos decir sobre L? En primer lugar
observamos que si (an ) −→ L =⇒ (an+1 ) −→ L. Luego, “tomando lı́mites” en ambos miembros
2 +λ
de la igualdad (RC) llegamos a que L = L2L . Se tiene:
L2 + λ √
L= =⇒ 2 L2 = L2 + λ =⇒ L2 = λ =⇒ L = ± λ
2L
√
Como la sucesión es siempre positiva su lı́mite no puede ser negativo, luego L no puede ser − λ.
¡Cuidado! Estamos aún lejos de demostrar que √ (an ) converge. Lo que hemos demostrado es que
si (an ) fuese convergente, su lı́mite debe ser λ.
3) No conocemos una fórmula explı́cita para (an ). En este caso podremos probar la convergencia
debido a que la sucesión es monótona y acotada. Distinguimos tres etapas en la demostración:
Primera etapa: demostración de la monotonı́a.

Vamos a demostrar que (an ) es estrictamente monótona decreciente. Para ello debemos probar
que
an+1 < an , ∀n ≥ 0. Se tiene:
a2n + λ
an+1 < an ⇐⇒ < an ⇐⇒ a2n + λ < 2 a2n ⇐⇒ a2n > λ.
2 an
Ten en cuenta que obtuvimos una desigualdad equivalente a la original luego de “pasar multipli-
cando” an debido al hecho
√ de √ que los términos son positivos. La solución de la inecuación x2 > λ
es el conjunto (−∞, − λ) ∪ ( λ, +∞). Sabemos que an > 0, ∀n ∈ N. Quedará √ demostrado que
(an ) es monótona decreciente una vez que hayamos probado que an > λ, ∀n ∈ N. Eso es lo
que haremos a continuación.
Segunda etapa: demostración

√ de la acotación.
Vamos a probar que: an > λ, ∀n ∈ N por inducción completa sobre n:
Para √n = 0:
a0 > λ de donde resulta que la desigualdad es válida para n = 0.
Paso inductivo: √ √
Admitamos que ah > λ (h ∈ N). Vamos a probar que ah+1 > λ. Se tiene:
√ a2h + λ √ √
ah+1 > λ ⇐⇒ > λ ⇐⇒ a2h + λ > 2 λ ah
2 ah
√ √
⇐⇒ a2h − 2 λ ah + λ > 0 ⇐⇒ ( ah − λ )2 > 0
√
lo cual es cierto ya que ah 6= λ.
√
El “principio” de Inducción Completa nos permite asegurar entonces que an > λ, ∀n ∈ N.
Tercera etapa: conclusión y cálculo del lı́mite.

(an ) es monótona decreciente.
=⇒ (Teorema 1.2.1) ∃ L ∈ R / (an ) −→ L+ .
(an ) está acotada inferiormente.

(an ) −→ L =⇒ (an+1 ) −→ L 
L2 + λ
a2n + λ L2 + λ =⇒ (unicidad del lı́mite) L =
(an ) −→ L =⇒ −→  2L
2 an 2L
√ √
La única raı́z positiva de esta ecuación es L = λ, de donde concluimos que lı́m(an ) = λ .
♠
√ √ √
Como (an ) −→ λ y an > λ, ∀n, los valores de a√ n son “aproximaciones por exceso” √ de λ.
Designemos con rn al error cometido al aproximar λ por an , es decir: rn = an − λ. En el
ejercicio 1.4.4 se te pide que pruebes una propiedad
√ sobre rn que te permitirá utilizar la sucesión
(an ) para obtener un valor aproximado de λ cometiendo un error prefijado.
Ejemplo 1.4.2. Consideremos la sucesión (an )n≥0 definida por la relación de recurrencia:
√
a0 = 0, an+1 = 2 + an , ∀ n ≥ 0.
Sus cuatro primeros términos son: q

√ p √ p √
a0 = 0, a1 = 2, a2 = 2 + 2 a3 = 2 + 2 + 2. Se nos pide:
(a) Demuestra que (an ) está acotada superiormente por 2.
(b) Demuestra que (an ) es monótona creciente.
(c) Demuestra que (an ) converge y calcula su lı́mite.
Resolución:
En primer lugar observemos que an > 0, ∀n ≥ 1, un hecho que utilizaremos en la resolución (y

que puedes demostrar por inducción completa, si quieres).
(a) Vamos a probar que: an ≤ 2 , ∀n ∈ N. La demostración la haremos por inducción completa

sobre n:
Para n = 0:
a0 = 0 ≤ 2 de donde resulta que la desigualdad es válida para n = 0.
Paso inductivo:
Admitamos que ah ≤ 2 (h ∈ N). Vamos a probar que ah+1 ≤ 2. Se tiene:
√ √
ah ≤ 2 =⇒ 2 + ah ≤ 4 =⇒ 2 + ah ≤ 4 =⇒ ah+1 ≤ 2.
El “principio” de Inducción Completa nos permite asegurar entonces que an ≤ 2, ∀n ∈ N.

(De hecho, podrı́amos haber probado que an < 2, ∀n ∈ N.)
(b) Vamos a demostrar que (an ) es monótona creciente. Para ello debemos probar que an+1 ≥
an , ∀n ≥ 0. Se tiene:
√
an+1 ≥ an ⇐⇒ 2 + an ≥ an ⇐⇒ 2 + an ≥ a2n ⇐⇒ a2n − an − 2 ≤ 0.
Ten en cuenta que obtuvimos una desigualdad equivalente a la original

√ luego de elevar al cua-
drado ambos miembros debido al hecho de que los mismos (an y 2 + an ) son siempre no
negativos. La solución de la inecuación x2 − x − 2 ≤ 0 es −1 ≤ x ≤ 2. Como ya sabemos que
−1 ≤ an ≤ 2, ∀n ≥ 0, ha quedado demostrado que (an ) es creciente. (De hecho, podrı́amos
haber probado que (an ) es estrictamente creciente).
(c) De las partes anteriores tenemos:

(an ) es monótona creciente.
=⇒ (Teorema 1.2.1) ∃ L ∈ R / (an ) −→ L. .
(an ) está acotada superiormente.

(an ) −→ L =⇒ (an+1 )√−→ L √
√ =⇒ (unicidad del lı́mite) L = 2+L
(an ) −→ L =⇒ 2 + an −→ 2 + L
La única raı́z real de esta ecuación es L = 2, de donde concluimos que lı́m(an ) = 2 .
Ejercicio 1.4.1. En cada uno de los siguientes casos demuestra que la sucesión (an )n≥0 está
acotada superiormente y que es monótona creciente. Deduce que converge y calcula su lı́mite.
√ √
(a) a0 = 3, an+1 = 3 an , ∀ n ≥ 0.
(b) a0 = 0, an+1 = 1/(2 − an ) , ∀ n ≥ 0.

√
(c) a0 = 1, an+1 = 4 + 3an , ∀ n ≥ 0.
Ejercicio 1.4.2. Sea la sucesión definida por a1 = 3 y la siguiente recurrencia:
3(1 + an )
an+1 = , ∀n ≥ 1
3 + an
√
(a) Demuestra que an > 0 y que an ≥ 3 ∀n ≥ 1.
(b) Demuestra que (an ) es monótona decreciente.
(c) Demuestra que (an ) converge y calcula su lı́mite.
Ejercicio 1.4.3. Consideremos la sucesión (xn )n≥0 definida por la relación de recurrencia:
p
x0 = a > 0, xn+1 = 2x2n + 1 , ∀ n ≥ 0.
a) Demuestra que es monótona creciente.

b) Muestra que la hipótesis de convergencia de (xn ) conduce a una contradicción. Deduce
lı́m(xn ).
c) Calcula lı́m xxn+1
n
.
d) Para a = 0 halla una fórmula explı́cita para xn , ∀n ∈ N.
√
Ejercicio 1.4.4. Sean (an ) la sucesión considerada en el ejemplo 1.4.1 y rn = an − λ.
(a) Muestra que:
n
rn2 √ r1 2
rn+1 = y rn+1 < 2 λ √ , ∀n ∈ N.
2 an 2 λ
√ √
(b) Usando lo anterior y admitiendo que 2− √ 3 < 1 , calcula
2 3 10 3 con un error menor que 10−7 .
Ejercicio 1.4.5. La sucesión de Fibonacci y la “razón áurea”.

En el rectángulo R de la figura superponemos un cuadrado cuyo lado coincide con el lado menor
del rectángulo. Obtenemos ası́ otro rectangulito R′ . La pregunta es ¿cuál debe ser la proporción
entre los lados del rectángulo R para que éste sea semejante a R′ ? Este criterio ha sido tomado
como sinónimo de “belleza” artı́stica en algunas corrientes de la Pintura y la Escultura. Como
sólo nos interesa la proporción, podemos suponer que los lados de R miden 1 y x con x > 1.
1 R 1 R′
x x−1
Los dos rectángulos serán semejantes si, y sólo si, la relación x/1 es la misma que 1/(x − 1).
Esto nos conduce a una sencilla ecuación de segundo grado:
1
x= =⇒ x2 − x − 1 = 0.
x−1
La única raı́z positiva de esta ecuación es:

√
1+ 5
ϕ̂ = .
2
Se trata de un número irracional cuyas diez primeras cifras decimales son ϕ̂ ≈ 1, 6180339887.
Lo notable es que este valor aparece también como “proporción” de ciertas magnitudes, tanto
en el cuerpo humano, como en diversos ámbitos de la Naturaleza. Es por ello que ha sido
bautizado como razón (o proporción) “áurea” o “de oro” e incluso “divina”. Hace pocos años,
este número fue popularizado mundialmente a partir del libro “El código Da Vinci”. Su autor
(Dan Brown)1 plantea un juego de claves escondidas y acertijos ingeniosos, que permiten a los
protagonistas ir descifrando mensajes ocultos. Durante ese periplo, la razón áurea es acompañada
por la sucesión de Fibonacci: (1, 1, 2, 3, 5, 8, 13, 21, 34, 55, . . . . .), una sucesión que surgió a
partir del estudio de la reproducción de conejos y que luego fue re-descubierta en numerosas
situaciones que aparecen en la Naturaleza. Pero, ¿qué tiene que ver la razón áurea con la sucesión
de Fibonacci? En este ejercicio te propondremos demostrar la relación que existe entre ambas.
Sea entonces (an )n∈N la sucesión de Fibonacci definida por: a0 = 1, a1 = 1, an+2 = an+1 +
an , ∀n ≥ 0. En este ejercicio se te pide estudiar la sucesión de cocientes de “cada término sobre
el anterior”, concretamente, la sucesión (cn )n∈N dada por: cn = an+1 an .
(a) Muestra que cn+1 = 1 + c1n , ∀n ≥ 0.
(b) Sea (xn )n∈N / xn = c2n . Muestra que (xn ) es monótona creciente, que está acotada
superiormente y calcula su lı́mite.
(c) Sea (yn )n∈N / yn = c2n+1 . Muestra que (yn ) es monótona decreciente, que está acotada
inferiormente y calcula su lı́mite.
√
(d) Deduce que lı́m(cn ) = (1 + 5)/2.
El estudio del comportamiento de sucesiones definidas por recurrencia mediante otras técnicas
será el objetivo central del próximo capı́tulo.
1
El autor decreta que el valor de la razón áurea es 1, 618 para (supongo) no entrar en consideraciones ma-
temáticas sobre números irracionales.
1.5. Sucesiones de Cauchy
Sea (xn ) una sucesión de números reales convergente al número L, es decir: lı́m(xn ) = L. Dado
un número cualquiera ǫ > 0 consideramos el número 2ǫ y aplicamos la definición de lı́mite con
este número 2ǫ . Se cumple entonces que existe n0 ∈ N, tal que si n > n0 entonces |xn − L| < 2ǫ .
Si n y m son dos subı́ndices mayores que n0 se tiene:

ǫ ǫ
|xn − xm | = |xn − L + L − xm | ≤ |xn − L| + |xm − L| < + =ǫ
2 2
Hemos demostrado entonces que si (xn ) converge entonces se cumple lo siguiente:
Para todo ǫ > 0 , existe n0 ∈ N / si n, m > n0 entonces |xn − xm | < ǫ
En sı́mbolos:
(C) ∀ ǫ > 0 , ∃ n0 ∈ N / ∀ n, m > n0 , |xn − xm | < ǫ
Esto quiere decir que dos términos de la sucesión van a estar “tan cercanos como se quiera”
siempre que sus subı́ndices sean “suficientemente grandes”. Lo que hemos probado aquı́ (como
simple consecuencia de la definición de lı́mite y de la desigualdad triangular), es que si una
sucesión (xn ) converge entonces debe cumplir la condición (C). Una observación interesante es
que en la condición (C) no aparece explı́citamente el lı́mite de la sucesión (con nuestra notación,
el número L). Pero cuidado! Solamente hemos verificado que la condición (C) es una condición
necesaria para la convergencia de la sucesión. Surge entonces la pregunta natural: ¿será también
una condición suficiente? Es decir, si una sucesión cumple con (C) ¿podremos asegurar que
debe tener lı́mite finito? Estas consideraciones (y otras) nos llevan a dar la siguiente definición
y estudiar el asunto.
Definición 1.5.1. Sucesiones de Cauchy.

Una sucesión (xn ) es de Cauchy (o cumple con la condición de Cauchy) si, y solo si:
∀ ǫ > 0 , ∃ n0 ∈ N / ∀ n, m > n0 , |xn − xm | < ǫ
Teorema 1.5.1. Toda sucesión convergente es de Cauchy.
Demostración. Fue lo que demostramos al comienzo de esta sección (observar que no se usó
la completitud de R).
A los efectos de estudiar el recı́proco conviene analizar algunas propiedades de las sucesiones de
Cauchy.
1.5. Sucesiones de Cauchy 29
Teorema 1.5.2. Toda sucesión de Cauchy está acotada.
Demostración. Sea (xn )n≥0 de Cauchy y apliquemos la definición con ǫ = 1080 . se tiene:
∃ p ∈ N / ∀ n, m > p , |xn − xm | < 1080
Si q = p + 1 entonces |xn − xm | < 1080 siempre que n, m ≥ q. En particular se cumple que:
|xn − xq | < 1080 , ∀ n ≥ q
Esto está diciendo que si n ≥ q entonces los correspondientes xn caen en el intervalo

(xq − 1080 , xq + 1080 ). Afuera de este intervalo caerán, a lo sumo, los términos x0 , x1 , . . . , xq−1
que constituyen un conjunto finito (hay uno que es el mayor y otro que es el menor).
Poniendo A = min{x0 , x1 , . . . xq−1 , xq − 1080 } y B = max{x0 , x1 , . . . xq−1 , xq + 1080 } tenemos
que
A ≤ xn ≤ B , ∀ n ∈ N
y por lo tanto la sucesión está acotada. ♠
Teorema 1.5.3. Si una sucesión de Cauchy tiene una subsucesión convergente en-
tonces ella misma es convergente.
Demostración. Sea (xn ) de Cauchy y (xkn ) una subsucesión tal que lı́m(xkn ) = L. Queremos
demostrar que (xn ) también converge a L y para ello debemos probar lo siguiente:
∀ ǫ > 0 , ∃ n0 ∈ N / ∀ n > n0 , |xn − L| < ǫ
Sea entonces ǫ un número dado.

ǫ
Por ser (xn ) de Cauchy existe n0 ∈ N tal que si n, m > n0 entonces |xn − xm | < 2
Como lı́m(xkn ) = L existe n1 > n0 tal que |xkn1 − L| < 2ǫ
Observemos que kn1 es necesariamente mayor que n0 (¿por qué?)
Por lo tanto, si n es un subı́ndice cualquiera con n > n0 se cumple:
ǫ ǫ
|xn − L| = |xn − xkn1 + xkn1 − L| ≤ |xn − xkn1 | + |xkn1 − L| < + =ǫ
2 2
y ası́ queda terminada la demostración. ♠
Teorema 1.5.4. Toda sucesión de Cauchy en R es convergente.
Demostración. Sea (xn ) de Cauchy. Por el Teorema 1.5.2 (xn ) está acotada. Como estamos
en R, el Teorema de Bolzano Weierstrass permite asegurar que (xn ) tiene una subsucesión (xkn )
convergente. Del teorema anterior resulta que (xn ) también es convergente.
Observación 1.5.1. Atención con la completitud (por tercera vez).

En el teorema anterior es necesaria la completitud. Por ejemplo, en Q el resultado es falso. No es
cierto que toda sucesión de Cauchy en Q sea nconvergente en Q. Como contraejemplo podemos
volver a considerar la sucesión xn = 1 + n1 . Sabemos que lı́m(xn ) = e. Como (xn ) converge
en R entonces es de Cauchy en R. Pero si es de Cauchy en R también lo es en Q (recordemos
que todos los términos de (xn ) son racionales. Si ahora consideramos a (xn ) como una sucesión
de puntos de Q tenemos que es de cauchy en Q pero no converge en Q.
Ejemplo 1.5.1. Sucesiones contractivas.

Sea (xn )n≥0 una sucesión en R tal que existe una constante λ con 0 < λ < 1 tales que
(∗) |xn+2 − xn+1 | ≤ λ |xn+1 − xn | , ∀ n ≥ 0.
Cuando esto ocurre se dice que la sucesión es contractiva. Demostraremos que (xn ) es de
Cauchy y, por lo tanto, convergente. Esta es una situación donde la condición de Cauchy resulta
de utilidad pues nos permitirá probar que la sucesión converge sin tener idea de cuál es su lı́mite.
Paso 1: De (∗) surge lo siguiente:

|x2 − x1 | ≤ λ |x1 − x0 |
|x3 − x2 | ≤ λ |x2 − x1 | ≤ λ2 |x1 − x0 |
|x4 − x3 | ≤ λ |x3 − x2 | ≤ λ3 |x1 − x0 |
En general valdrá entonces:
|xn+1 − xn | ≤ λn |x1 − x0 | , ∀ n ≥ 1.
Paso 2: Si n y p son naturales arbitrarios mayores o iguales a 1 se tiene (desigualdad triangular):
|xn+p − xn | ≤ |xn+p − xn+p−1 | + |xn+p−1 − xn+p−2 | + · · · + |xn+1 − xn | ≤

λn+p−1 + λn+p−2 + · · · + λn |x1 − x0 | =

= λn λp−1 + λp−2 + · · · + λ + 1 |x1 − x0 | =
1 − λp λn
= λn |x1 − x0 | ≤ |x1 − x0 |
1−λ 1−λ
Paso 3: Como λn −→ 0 y el resto son constantes podemos afirmar que
λn
lı́m |x1 − x0 | = 0
n−→+∞ 1 − λ
de donde se sigue que para todo ǫ > 0 existe n0 ∈ N tal que si n > n0 entonces
λn
0≤ |x1 − x0 | < ǫ.
1−λ
Por lo tanto, para todo ǫ > 0 existe n0 ∈ N tal que si n > n0 y p ≥ 1 se cumple |xn+p − xn | < ǫ.
De ahı́ resulta que si n, m > n0 entonces |xm −xn | < ǫ. (Pues podemos suponer m ≥ n y suponer
m = n + p). ♠
Tanto el concepto de aplicación contractiva, como los de sucesión, subsucesión, sucesiones de

Cauchy, etc. serán estudiados más adelante en espacios de mayor dimensión (por ejemplo Rn ),
donde también podremos ver interesantes aplicaciones.
Capı́tulo 2
Ecuaciones lineales en diferencias
2.1. Introducción
Al comienzo del capı́tulo 1 habı́amos considerado la evolución de un capital de dinero que genera
intereses. Sean C es el capital inicial, r la tasa de interés anual y sn es el saldo al finalizar el
enésimo año. Cada saldo se obtiene multiplicando por (1+r) al saldo anterior, (excepto el capital
inicial C = s0 que no tiene anterior), de modo que:
sn+1 = (1 + r) sn , ∀n ≥ 0. (∗)
Suele decirse que esta sucesión de números (sn )n≥0 ha quedado definida por “recurrencia” y que
la relación (∗) es una “ecuación en diferencias” de primer orden. Observemos que si le llamamos
f a la función lineal f (x) = (1 + r)x entonces (∗) puede escribirse:
sn+1 = f (sn ) , ∀n ≥ 0.
Para obtener cada saldo, alcanza con aplicarle la función f al saldo anterior:
s0 = C, s1 = f (s0 ), s2 = f (s1 ), s3 = f (s2 ), s4 = f (s3 ), ......
lo cual también podemos indicar mediante el diagrama:

f f f f f
s0 7−→ s1 7−→ s2 7−→ s3 7−→ s4 7−→ . . . .
En este caso es posible encontrar una fórmula explı́cita para sn , obteniendo:
sn = C (1 + r)n , ∀ n ≥ 0.
Como veremos en otros ejemplos, son diversos los procesos que evolucionan en tiempo discreto
que pueden modelarse mediante una relación de recurrencia. En la sección 1.4 hemos presentado
algunas técnicas que permitieron estudiar sucesiones de este tipo, y que funcionaron en algunos
casos particulares (esencialmente sucesiones monótonas). Por otra parte, en el próximo capı́tulo
abordaremos un planteo más rico y conceptual vinculado con el estudio de estas dinámicas.
Pero, antes de ello, resolveremos en el presente capı́tulo otros casos particulares que admiten
una solución completa y explı́cita.
31
32 Capı́tulo 2. Ecuaciones lineales en diferencias
2.2. Ecuaciones lineales de primer orden
2.2.1. Propiedades básicas

Definición 2.2.1. Ecuación en diferencias de primer orden, lineal y homogénea.
Una ecuación (en diferencias) de primer orden, lineal y homogénea es una ecuación de la forma:
(H) xn+1 = an xn
en donde (an )n≥0 es una sucesión dada (dato) de números reales. En este caso la incógnita es
la sucesión (xn ). Una solución de la ecuación (H) es cualquier sucesión (xn ) que verifique la
igualdad xn+1 = an xn , ∀ n ≥ 0.
Teorema 2.2.1. Existencia y unicidad de soluciones de la ecuación lineal homogénea.

Sea (an )n≥0 dada y consideremos la ecuación (H) xn+1 = an xn . Entonces:
(a) Dado c ∈ R existe una única solución (xn ) de (H) tal que x0 = c. O sea, si damos
una condición iniciañ x0 = c existe una única solución de (H) que comienza con dicha
condición inicial.
(b) La solución de (H) con condición inicial x0 = c viene dada explı́citamente por la siguiente
fórmula: !
i=n−1
Y
xn = ai c , ∀ n ≥ 1.
i=0
Demostración. Sea entonces x0 = c un número dado. La fórmula de recurrencia dada por (H)
permite encontrar la solución de manera única. En efecto, se tiene:
x0 = c
x1 = a0 x0 =⇒ x1 = a0 c
x2 = a1 x1 =⇒ x2 = a1 a0 c
x3 = a2 x2 =⇒ x3 = a2 a1 a0 c
Y ası́ sucesivamente se obtiene xn = an−1 . . . a2 a1 a0 c ♠
Observación 2.2.1. Caso de coeficientes constantes.

Observemos que si an = a (constante) entonces la solución de (H) xn+1 = a xn con condición
inicial x0 = c viene dada por: xn = c an .
Ejemplo 2.2.1. La solución de (H) xn+1 = 2 xn con condición inicial x0 = c viene dada por:
xn = c 2n , ∀ n ≥ 1.
Teorema 2.2.2. La estructura del conjunto de soluciones de (H).

Consideremos la ecuación lineal homogénea (H) xn+1 = an xn . Entonces se cumple que si (un )
y (vn ) son soluciones de (H) y α, β son dos reales cualesquiera, entonces (α un + β vn ) también
es solución de (H). En otras palabras, cualquier combinación lineal de dos soluciones también
es solución.
2.2. Ecuaciones lineales de primer orden 33
Demostración. Sea gn = α un + β vn . Para todo n ≥ 0 se cumple:
gn+1 = α un+1 + β vn+1 = α an un + β an vn = an (α un + β vn ) = an gn
Hemos verificado que gn+1 = an gn , ∀ n ≥ 0 y eso completa la demostración. ♠

Definición 2.2.2. Ecuación en diferencias de primer orden, lineal y completa.
Una ecuación (en diferencias) de primer orden, lineal y completa es una ecuación de la forma:
(E) xn+1 = an xn + bn
en donde (an )n≥0 y (bn )n≥0 son sucesiones dadas (datos) de números reales. En este caso la
incógnita es la sucesión (xn ). Una solución de la ecuación (E) es cualquier sucesión (xn ) que
verifique la igualdad xn+1 = an xn + bn , ∀ n ≥ 0.
Teorema 2.2.3. Existencia y unicidad de soluciones de la ecuación lineal completa.

Sean (an )n≥0 y (bn )n≥0 dadas y consideremos la ecuación (E) xn+1 = an xn + bn . Entonces
dado c ∈ R existe una única solución (xn ) de (E) tal que x0 = c. O sea, si damos una condición
iniciañ x0 = c existe una única solución de (E) que comienza con dicha condición inicial.
Demostración. En efecto, dado x0 = c, la fórmula de recurrencia dada por (E) determina
todos los términos xn que verifican dicha relación. ♠
Teorema 2.2.4. Relación entre las soluciones de (E) y de (H).
Consideremos la ecuación (E) xn+1 = an xn + bn y su homogénea asociada (H) xn+1 = an xn .
Entonces se cumple que:
1. Si (Wn ) y (Zn ) son soluciones de (E) entonces (Wn − Zn ) es solución de (H).
2. Si (Wn ) es solución de (E) y (yn ) es solución de (H) entonces (Wn + yn ) es solución de
(E).
Demostración. Demostremos la primera parte dejando la segunda como ejercicio.
Como (Wn ) y (Zn ) son soluciones de (E) se cumplen las siguientes igualdades:
Wn+1 = an Wn + bn ∀ n ≥ 0.
Zn+1 = an Zn + bn ∀ n ≥ 0.
Restando miembro a miembro obtenemos:
Wn+1 − Zn+1 = an Wn + bn − an Zn − bn = an (Wn − Zn ) , ∀ n ≥ 0.
lo cual significa que la sucesión (Wn − Zn ) es solución de (H). ♠
El resultado previo permite obtener un método para encontrar las soluciones de la ecuación
lineal completa.
Teorema 2.2.5. Soluciones de la ecuación lineal completa.
Consideremos la ecuación (E) xn+1 = an xn + bn y su homogénea asociada (H) xn+1 = an xn .
Supongamos que (Wn ) es una solución (particular) de (E). Entonces,una sucesión (xn ) es
Qi=n−1
solución de (E) si, y solo si, existe c ∈ R tal que xn = Wn + i=0 ai c , ∀ n ≥ 0.
Q
i=n−1
Demostración. Sea (xn ) de la forma xn = Wn + i=0 ai c con c ∈ R. Observemos
Q
i=n−1
que el primer sumando Wn es solución de (E) y que el segundo sumando i=0 ai c es
solución
Qde (H). Luego, la segunda parte del teorema anterior nos permite afirmar que xn =
i=n−1
Wn + i=0 ai c es solución de (E) .
Recı́procamente, sea ahora (xn ) una solución cualquiera de (E). La primera parte del teorema
anterior nos permite asegurar que (xn − Wn ) es solución de (H). Pero el teorema 2.2.1 nos
dice cuál esla forma de cualquier solución de (H). Según ese teorema existirá c ∈ R tal que
Qi=n−1 Qi=n−1
xn − W n = i=0 ai c y por lo tanto xn = Wn + i=0 ai c. ♠
Observación 2.2.2. “Solución general” de la ecuación lineal completa.

Según el teorema anterior, el conjunto de todas las soluciones de (E) es el conjunto de todas las
sucesiones de la forma
i=n−1
!
Y
Wn + ai c
i=0
en donde c es un real cualquiera y (Wn ) es una solución particular de (E). Cuando damos
la descripción explı́cita del conjunto solución de (E) diremos que estamos dando la “solución
general” de (E) y escribiremos:
sol. general de (H)

z }| ! { sol. particular de (E)
sol. general de (E) i=n−1
z}|{ Y z }| {
xn = ai c + Wn
i=0
en donde c ∈ R es una constante “arbitraria”.

Ejemplo 2.2.2. Queremos hallar todas las soluciones de la ecuación (E) xn+1 = 2 xn + n.
La solución general de la homogénea asociada es c 2n , n ≥ 0.
Necesitamos ahora encontrar una solución (particular) de la ecuación (E). Por la forma de la
ecuación es razonable buscar una solución de la forma Wn = An + B con A y B constantes.
Sustituyendo en (E) obtenemos:
A(n+1)+B = 2(An+B)+n ∀ n ≥ 0 ⇐⇒ (A+1)n+(B−A) = 0 ∀ n ≥ 0 ⇐⇒ A = −1 ∧ B = −1
Una solución particular de (E) es entonces Wn = −n − 1. Por lo tanto, la solución general de

(E) es xn = c 2n − n − 1 en donde c es una constante cualquiera.
Ejercicio 2.2.1. En los siguientes casos encuentra la solución general de la ecuación
xn+1 = an xn + bn
(a) xn+1 = (n + 1) xn + n
(b) xn+1 = n+1
n xn + n + 1
(c) xn+1 = −xn + n 3n Se sugiere que busques una solución particular de la forma
Wn = (An + B)3n
2.2. Ecuaciones lineales de primer orden 35
2.2.2. Lineal de primer orden con coeficientes constantes

Teorema 2.2.6. Soluciones de la ecuación lineal con coeficientes constantes.
Sean a, b, x0 ∈ R y consideremos la ecuación en diferencias (E) xn+1 = axn + b. Entonces:
Si a = 1 entonces la solución de (E) con condición inicial x0 es xn = x0 + bn (es una
progresión aritmética).
Si a 6= 1 entonces la solución de (E) con condición inicial x0 es

b b
xn = + x0 − an , ∀ n ≥ 0.
1−a 1−a
b
Además, en este caso la única solución constante (punto de equilibrio) es .
1−a
Demostración. El caso a = 1 queda como ejercicio. Supongamos entonces a 6= 1. Comenzamos
buscando una solución constante de (E), es decir, una sucesión constante xn = p (con p fijo)
que verifique la igualdad (E). Para ello es necesario y suficiente que
b
p = ap + b ⇐⇒ p =
1−a
La solución general de (E) es entonces:
b
xn = + c an , n ≥ 0.
1−a
b
Al imponer la condición inicial x0 resulta x0 = + c. Despejando c se obtiene el resultado.
1−a
♠
Ejemplo 2.2.3. La solución de la ecuación xn+1 = −3xn + 12 con condición inicial x0 es

xn = 3 + (x0 − 3)(−3)n .
Ejercicio 2.2.2. Amortización.

La amortización es el proceso mediante el cual una deuda es pagada mediante una sucesión de
pagos periódicos. Designemos con P0 a la deuda inicial. En cada perı́odo se realizará un pago
constante T . Suponiendo que el interés es compuesto con tasa r por perı́odo, entonces el capital
P1 endeudado al cabo del primer perı́odo vale P1 = (1 + r)P0 − T . La formulación del modelo
se mantiene perı́odo tras perı́odo, es decir:
Pn+1 = Pn + rPn − T , ∀ n ≥ 0.
(a) Encuentra una fórmula para Pn .

(b) Calcula T para que la deuda se salde en exactamente N pagos.
Ejercicio 2.2.3. A un paciente se le suministra una misma cantidad Y0 de medicamento a

intervalos regulares. Durante cada intervalo, el cuerpo elimina cierta proporción p del medica-
mento total presente en la sangre. Se designa con Yn a la cantidad de medicamento presente en
la sangre en el perı́odo n.
(a) Encuentra la ecuación en diferencias que regula el fenómeno (Yn+1 en función de Yn ).

(b) Encuentra la solución Yn de la ecuación.
(c) Calcula la cantidad de medicamento que quedará presente en la sangre cuando n −→ +∞.
Ejemplo 2.2.4. Un modelo de oferta y demanda en el caso discreto.

Designemos con Sn , Dn y pn a la oferta, demanda y precio de un artı́culo en el perı́odo n. Esto
es, en cada perı́odo n, Sn es el número de unidades ofertadas, Dn es el número de unidades
demandadas y pn es el precio del artı́culo en el perı́odo n. Consideremos el caso más sencillo que
es cuando la dependencia con el precio es lineal:
Sn+1 = mS pn + bS , Dn = −mD pn + bD
en donde mS , bS , mD y bD son constantes positivas. Si suponemos además que en cada perı́odo

se fija el precio de manera que la oferta iguala a la demanda se tiene:
Sn+1 = Dn+1 ⇐⇒ mS pn + bS = −mD pn+1 + bD
de donde resulta
mS bD − bS
(E) pn+1 = − pn +
mD mD
que es una ecuación en diferencias de primer orden lineal con coeficientes constantes. Para
identificar los coeficientes como en el teorema anterior ponemos:
mS bD − bS
a=− , b=
mD mD
Aplicando las fórmulas del teorema obtenemos que el precio de equilibrio es
bD − bS
p∗ =
mD + mS
y que la solución de (E) con precio inicial p0 es:
pn = p∗ + (p0 − p∗ ) an
Salvo que p0 = p∗ , la única posibilidad para que pn sea convergente es que |a| < 1. Esto
permite concluir el siguiente resultado conocido como el teorema de la telaraña: Si mS < mD
(productores menos sensibles al precio que los consumidores) entonces la sucesión de precios
converge al precio de equilibrio p∗ . Si mS = mD entonces la sucesión de precios oscila entre los
valores p0 y 2p∗ − p0 . ¿Qué ocurre si mS > mD ?
Ejercicio 2.2.4. Modelo de la telaraña con expectativas.

El modelo presentado en el ejemplo anterior suele denominarse de “expectativas ingenuas”, ya
que no es tan razonable suponer que el precio esperado por los productores coincida con el del
perı́odo precedente. Dentro de las alternativas tendientes a mejorar dicha hipótesis se encuentra
el modelo con expectativas de precio normal que presentamos en este ejercicio. también existe
2.3. Ecuaciones lineales de segundo orden 37
otro, de expectativas adaptativas que veremos más adelante.

Consideremos entonces la siguiente modificación del modelo:
Sn+1 = bS + mS pen , Dn = bD − mD pn , Sn+1 = Dn+1
en donde pen es el precio esperado por los productores . En el modelo anterior se supuso que
pen = pn . El precio normal pN es el precio que los productores creen que se obtendrá en algún
momento en el mercado, es decir el precio de equilibrio del mercado. Una forma simple de
proponer este tipo de expectativa es mediante:
pen = pn + c(pN − pn ) , con 0 < c < 1
(a) Verifica que con estas hipótesis la ecuación en diferencias para pn viene dada por:
mS bD − bS mS
pn+1 = − (1 − c) pn + − c pN
mD mD mD
(b) Verifica que la solución viene dada por:

B B mS (1 − c) n
pn = + p0 − −
1−A 1−A mD
en donde A y B son dos constantes que se hallarán.

(c) Estudia la estabilidad del equilibrio.
2.3. Ecuaciones lineales de segundo orden
2.3.1. Propiedades básicas

Definición 2.3.1. Ecuación en diferencias, lineal y de segundo orden.
Llamaremos ecuación lineal de segundo orden a una ecuación de la forma:
(E) xn+2 + un xn+1 + vn xn = bn
en donde u, v y b son sucesiones dadas (seguimos considerando que n varı́a en todos los natu-
rales).
La ecuación homogénea asociada a (E) es:
(H) xn+2 + un xn+1 + vn xn = 0
Con los mismos razonamientos que usamos en el caso de las ecuaciones de primer orden puedes
probar las siguientes propiedades:
Si (yn ) y (zn ) son soluciones de (H) y α, β son dos reales cualesquiera, entonces (α yn +
β zn ) también es solución de (H). En otras palabras, cualquier combinación lineal de dos
soluciones de (H) también es solución de (H).
Si (Wn ) y (Zn ) son soluciones de (E) entonces (Wn − Zn ) es solución de (H).
Si (Wn ) es solución de (E) y (yn ) es solución de (H) entonces (Wn + yn ) es solución de
(E).
Solución general de (E) = Solución general de (H) + Solución particular de (E)
Observación 2.3.1. Veamos el ejemplo más sencillo que es xn+2 = 0. Observemos que esta
condición está impuesta solamente para los términos cuyos subı́ndices son mayores o iguales
que 2. Estos términos tienen que ser todos nulos. Sin embargo, tanto x0 como x1 pueden tomar
cualquier valor. Las soluciones de esta ecuación son las sucesiones de la forma:
(x0 , x1 , 0, 0, , . . . , 0 , . . . )
en donde x0 y x1 son reales arbitrarios. Esto muestra una diferencia con el caso de ecuaciones
de primer orden. Para las de segundo orden, si damos una sola condición inicial, no quedará
determinada una única solución.
Teorema 2.3.2. Existencia y unicidad de soluciones de la ecuación de segundo orden.

Sean (un )n≥0 , (vn )n≥0 y (bn )n≥0 dadas y consideremos la ecuación
(E) xn+2 + un xn+1 + vn xn = bn .
Entonces, para cada pareja de números reales k0 y k1 existe una única solución (xn ) de (E) tal
que x0 = k0 y x1 = k1 . O sea, si dados los dos primeros términos, existe una única solución de
(E) que comienza en esos dos primeros términos.
Demostración. Consiste simplemente con observar que la relación de recurrencia dada por
(E) determina todos los términos xn a partir de n = 2 si se dan x0 y x1 .
Observación 2.3.2. Solución nula de la homogénea.

Observemos que la única solución (xn ) de (H) tal que x0 = x1 = 0 es la sucesión nula xn =
0 , ∀ n ≥ 0.
Estos resultados son extensiones razonables a ecuaciones de segundo orden respecto de sus
análogos para las de primer orden. Ahora, la gran diferencia consiste en que no hay un método
general que permita obtener una fórmula explı́cita para la solución general de (H) (menos para
la de (E)). Nos limitaremos a trabajar en el caso particular de coeficientes constantes donde es
posible “resolver” la ecuación (H). Pero antes de eso, veamos otra propiedad relevante.
Teorema 2.3.3. Sobre la solución general de la homogénea.

Sean (un )n≥0 y (vn )n≥0 dadas y consideremos la ecuación (H) xn+2 + un xn+1 + vn xn = 0.
Supongamos que conocemos dos soluciones (Wn ) y (Zn ) de (H) tales que W0 Z1 6= Z0 W1
(denominada “condición del determinante”).
Entonces toda solución (xn ) de (H) es combinación lineal de (Wn ) y (Zn ). Es decir, dada (xn )
solución de (H), existen c y d reales tales que xn = c Wn + d Zn , ∀ n ≥ 0.
Demostración. Sea entonces (xn ) una solución de (H) y consideremos (Xn ) definida por
Xn = c Wn + d Zn . Sabemos que (Xn ) es solución de (H) independientemente de cuánto valgan
los reales c y d. La idea es probar que es posible encontrar c y d de modo que xn = Xn , ∀ n ≥ 0.
Comenzamos imponiendo que X0 = x0 y que X1 = x1 :
X0 = x0 ⇐⇒ c W0 + d Z0 = x0
X1 = x1 ⇐⇒ c W1 + d Z1 = x0
Las únicas incógnitas son c y d. Queda entonces el siguiente sistema de dos ecuaciones lineales
con dos incógnitas:
W0 c + Z0 d = x0
W1 c + Z1 d = x1
Como por hipótesis W0 Z1 6= Z0 W1 resulta que dicho sistema es compatible determinado.
Continuamos trabajando con los valors de c y d que son solución del sistema. Tenemos entonces
que (xn ) y (Xn ) son dos soluciones de (H) tales que x0 = X0 y x1 = X1 . Por unicidad de
soluciones (teorema 2.3.2) se deduce que xn = Xn , ∀ n ≥ 0. ♠
Observación 2.3.3. Para resolver (H) alcanza con encontrar dos soluciones adecua-
das de (H)
1. El teorema anterior es clave para encontrar la solución general de (H). Nos dice que si
encontramos tan solo dos soluciones adecuadas (o sea que cumplan con la condición del
determinante W0 Z1 6= Z0 W1 ), entonces tenemos todas las soluciones. Recordemos que
en el caso de una lineal homogénea de primer orden alcanzaba con encontrar una solución
no nula para tener todas las soluciones, y que en la solución general aparecı́a una sola
constante arbitraria c. Ahora aparecen dos constantes arbitrarias c y d.
2. ¿Qué significado tiene la condición del determinante? Que se cumpla W0 Z1 6= Z0 W1 está
diciendo que los pares (W0 , W1 ) y (Z0 , Z1 ) no son proporcionales. Por ejemplo, podrı́an
ser (2, 5) y (4, 3) pero no (2, 5) y (4, 10). Tampoco puede aparecer el (0, 0).
3. En realidad es posible comprender un poco mejor este asunto observando lo siguiente.
Veamos la misma relación con los términos siguientes:
W2 = −u0 W1 − v0 W0 y Z2 = −u0 Z1 − v0 Z0
Calculemos W1 Z2 − Z1 W2 :
W1 Z2 − Z1 W2 = W1 (−u0 Z1 − v0 Z0 ) − Z1 (−u0 W1 − v0 W0 ) =
−v0 W1 Z0 + v0 W0 Z1 = v0 (W0 Z1 − Z0 W1 )
Resulta entonces que W0 Z1 = Z0 W1 si y solo si W1 Z2 = Z1 W2 .
Para verlo mejor, supongamos que ninguno de los Zn es 0. Entonces estamos diciendo que
W0 W1 W1 W2
Z0 = Z1 si y solo si Z1 = Z2 . La misma cuenta puede hacerse (y da el mismo resultado)
con tres pares de términos consecutivos cualesquiera (Wn , Wn+1 , Wn+2 ) y (Zn , Zn+1 , Zn+2 )
en lugar de (W0 , W1 , W2 ) y (Z0 , Z1 , Z2 ). Resulta entonces que si (Wn ) y (Zn ) son soluciones
de (H) y para algún k ≥ 0 ocurre que Wk Zk+1 − Zk Wk+1 = 0 entonces Wn Zn+1 −
Zn Wn+1 = 0 , ∀ n ≥ 0.
La condición W0 Z1 = Z0 W1 es entonces equivalente a que Wk Zk+1 = Zk Wk+1 para

algún ı́ndice k, y a su vez es equivalente a que las sucesiones sean proporcionales (o sea,
linealmente dependientes).
Ejemplo 2.3.1. Consideremos la ecuación xn+2 − 3xn+1 + 2xn = 0. Alguien tuvo la suerte de
verificar que Wn = 2n y Zn = 3n son soluciones de la misma (no dejes de verificarlo). Como
W0 Z1 − Z0 W1 = 3 − 2 = 1 6= 0 entonces toda solución de la ecuación será de la forma
xn = C 2n + D 3n .
2.3.2. Lineal de segundo orden con coeficientes constantes

En este caso podremos encontrar todas las soluciones de la ecuación homogénea.
Observación 2.3.4. Dos casos particulares de ecuación incompleta.

Consideremos la ecuación (H) xn+2 + b xn+1 + c xn = 0, en donde b y c son números reales
fijos. Estudiemos en este ejemplo el caso en que c = 0 con lo cual queda (H) xn+2 + b xn+1 = 0.
Distingamos a su vez dos situaciones:
b = 0. La ecuación queda xn+2 = 0. Es inmediato comprobar que todas las soluciones son
de la forma (k0 , k1 , 0, 0, . . . 0, . . . ).
b 6= 0. Es claro que x0 puede ser cualquier número. Para ver los otros hacemos el cambio
de variable yn = xn+1 (para n ≥ 0. La ecuación se transforma en (H ′ ) yn+1 + byn = 0.
Esta es una lineal de primer orden cuya solución general es yn = k (−b)n (con k constante
arbitraria). Tenemos entonces que xn+1 = k (−b)n , ∀ n ≥ 0. La solución es entonces:

C∈R si n = 0,
xn =
k (−b)n−1 si n ≥ 1.
Ejemplo 2.3.2. Queremos encontrar la solución de xn+2 − 2xn+1 = 0. que verifique x0 = 20 y

x1 = 4.
Bueno, tiene que ser x0 = 20 y x1 = 4 y luego xn+2 = 2xn+1 , ∀ n ≥ 0, con que resulta

20 si n = 0,
xn =
4 2n−1 si n ≥ 1.
Cuando c 6= 0 podemos estudiarlo en general.
Teorema 2.3.4. Solución general de una homogénea con coeficientes constantes.

Consideremos la ecuación (H) xn+2 + b xn+1 + c xn = 0, en donde b y c 6= 0 son números reales
fijos. Entonces se cumple que
1. Si λ2 + b λ + c = 0 tiene dos raı́ces reales y diferentes λ1 6= λ2 entonces la solución general
de (H) es:
xn = C λn1 + D λn2
2. Si λ2 + b λ + c = 0 tiene una raı́z real doble λ entonces la solución general de (H) es:
xn = C λn + D nλn = (C + Dn) λn
3. Si λ2 + b λ + c = 0 no tiene raı́ces reales (b2 − 4c < 0) entonces la solución general de (H)

es:
xn = ρn [ C cos(θn) + D sen(θn) ]
√
en donde ρ = c y θ es un número del intervalo (−π, π] que veremos cómo calcularlo en
la próxima subsección cuando introduzcamos los números complejos.
Demostración. Sabemos que alcanza con encontrar dos soluciones que cumplan la condición
del determinante. Por la forma de (H) buscamos soluciones de la forma λn . Sustituyendo en (H)
y agrupando resulta:
λn λ2 + b λ + c = 0 , ∀ n ≥ 0.
Se deduce que λn es solución de (H) si solo si λ verifica la ecuación λ2 + b λ + c = 0. (Observemos
que como c 6= 0 esta ecuación no tiene raı́z 0). Tenemos entonces que distinguir tres casos:
1. b2 − 4c > 0. En este caso λ2 + b λ + c = 0 tiene dos raı́ces reales y diferentes λ1 6= λ2 ,
que además no valen 0 pues c 6= 0. Tenemos entonces que Wn = λn1 y Zn = λn2 son
soluciones de (H). Veamos si cumplen la condición del determinante:
W0 Z1 − Z0 W1 = λ2 − λ1 6= 0
Se deduce que xn = c λn1 + d λn2 es la solución general de (H).
2. b2 − 4c = 0. En este caso λ2 +bλ+c = 0 tiene una raı́z real doble λ = −b

2 . (Observemos
que b 6= 0 pues si b = 0 también serı́a c = 0). En este caso hay una sola sucesión de la
forma buscada que es solución. Se trata de Wn = λn , con λ = −b 2 . Con esto no alcanza,
pero podemos verificar que Zn = n λn también es solución. En efecto, sustituyendo Zn en
(H) obtenemos:

(n + 2)λn+2 + b (n + 1)λn+1 + c nλn = λn (n + 2)λ2 + b(n + 1)λ + cn =

λn n λ2 + bλ + c + 2λ2 + bλ
Como λ = −b
2 la expresión entre corchetes queda:
2 ! 2 2
−b −b −b −b −b + 4c b2 b2
n +b +c +2 +b =n + − =0
2 2 2 2 4 2 2
Hemos verificadoque Zn = n λn también es solución de (H).
n −b n

Como Wn = −b 2 y Z n = n 2 cumplen la condición del determinante (queda como
ejercicio la verificación), podemos afirmar que la solución general de (H) es:
−b
xn = C λn + D n λn , λ=
2
3. b2 − 4c < 0. En este caso λ2 + b λ + c = 0 no tiene raı́ces reales y omitiremos la
demostración. ♠
Ejemplo 2.3.3. Queremos encontrar la solución general de xn+2 − 7xn+1 + 6xn = 0.

Las raı́ces del polinomio caracterı́stico λ2 − 7 λ + 6 son λ1 = 6 y λ2 = 1 por lo que la solución
general de la ecuación es xn = c 6n + d.
Ejemplo 2.3.4. Queremos encontrar la solución general de xn+2 − 6xn+1 + 9xn = 0.
El polinomio caracterı́stico λ2 − 6 λ + 9 tiene una raı́z real doble λ = 3 por lo que la solución
general de la ecuación es xn = (c + d n) 3n .
Ejemplo 2.3.5. Sucesión de Fibonacci. Consideremos la sucesión (an )n≥0 dada por:
a0 = 0, a1 = 1, an+2 = an+1 + an , ∀n ≥ 0.
Escribiéndola en la forma√habitual an+2 −√an+1 − an = 0, las raı́ces del polinomio caracterı́stico

1 + 5 1 + 5
λ2 − λ − 1 son λ1 = y λ2 = por lo que la solución general de la ecuación es
2 2
√ !n √ !n
1+ 5 1+ 5
xn = C +D
2 2
Imponiendo las condiciones iniciales y resolviendo el sistema se obtiene c = √1 y d = − √15

5
Ejercicio 2.3.1. Encuentra la solución general de las siguientes ecuaciones:

(a) xn+2 − 3xn+1 + 2xn = 0.
(b) xn+2 − 5xn+1 + 6xn = 0.
(c) xn+2 − 10xn+1 + 25xn = 0.
(d) xn+2 − 16xn = 0.
(e) xn+2 + 3xn+1 = 0.
Ejemplo 2.3.6. Queremos hallar la solución general de (E) xn+2 − xn+1 − 6xn = −12n + 8.
Las raı́ces del polinomio caracterı́stico λ2 − λ − 6 son λ1 = 3 y λ2 = −2, por lo que la solución
general de la homogénea es
C 3n + D (−2)n
Ahora buscamos una solución particular de (E) de la forma xn = An + B. Se tiene:
xn = An + B =⇒ xn+1 = A(n + 1) + B =⇒ xn+2 = A(n + 2) + B.
Sustituyendo en (E) y agrupando resulta: A(n + 2) + B − A(n + 1) − B − 6An − 6B = −12n + 8

de donde −6An + (A − 6B) = −12n + 8. Para que las expresiones valgan lo mismo para todo
n debemos identificar los respectivos coeficientes, obteniendo finalmente A = 2 y B = −1. La
solución general de (E) es entonces:
xn = C 3n + D (−2)n + 2n − 1 .
Supongamos que ahora quisiéramos la solución particular que cumple x0 = 1 y x1 = 2. Impone-

mos tales condiciones:
x0 = 1 de donde C + D − 1 = 1.
x1 = 2 de donde 3C − 2D + 1 = 2.
Resolviendo el sistema resultan C = 1 y D = 1. La solución particular pedida es:
yn = 3n + (−2)n + 2n − 1 .
Ejercicio 2.3.2. Halla la solución general de xn+2 − 4xn = 3.

Halla la solución particular que verifica x0 = 3 y x1 = −1.
Ejercicio 2.3.3. En cierto mercado el precio pn de un artı́culo está modelado por la ecuación
pn+2 − 6pn+1 + 8pn = 24.
(a) Encuentra el precio de equilibrio.
(b) Halla todas las soluciones.
(c) ¿Es el equilibrio estable? Justifica.
Ejercicio 2.3.4. Modelo del multiplicador-acelerador del crecimiento.

Se considera el siguiente modelo, Yn representa la renta nacional en el mes n de una cierta
economı́a, Cn es el consumo total e In la inversión total. La renta se divide en inversión y consumo
Yn = Cn + In , el consumo depende linealmente de la renta del periodo anterior Cn+1 = AYn + B
y la inversión es proporcional a la variación del consumo In+1 = C(Cn+1 −Cn ), en donde A, B, C
son constantes positivas.
(a) Determina la ecuación en diferencias que modela la renta nacional.
(b) A partir de aquı́ se continúa trabajando con A = B = C = 1. Determina la solución
general sabiendo que admite una solución particular de la forma Yn = An2 .
(c) Si la renta inicial en miles de millones de dólares es Y0 = 1 y Y1 = 3 determine la renta al
cabo de 100 meses.
(d) ¿Que ocurrirá con la renta al cabo de muchos meses?
Ejercicio 2.3.5. Halla la solución general de xn+2 − 4xn = n sabiendo que admite una solución
particular de la forma: xn = An + B con A, B constantes.
Halla la solución particular que verifica x0 = 0 y x1 = −5/9.
Ejercicio 2.3.6. Halla la solución general de xn+2 − 5xn+1 + 6xn = 4n sabiendo que admite
una solución particular de la forma: xn = An + B con A, B constantes.
Halla la solución particular que verifica x0 = 5 y x1 = 10.
Ejercicio 2.3.7. Halla la solución general de xn+2 −2xn+1 +xn = n+1 , verificando previamente
3
que n6 es una solución particular.
Ejercicio 2.3.8. Halla la solución general de xn+2 −xn+1 = n sabiendo que admite una solución
particular de la forma: xn = A n2 + B n con A, B constantes.
Ejercicio 2.3.9. Halla la solución general de xn+2 − 5xn+1 + 6xn = 4n + n2 + 3 sabiendo que
admite una solución particular de la forma: xn = A 4n + B n2 + C n + D con A, B, C, D
constantes.
2.3.3. Sobre números complejos

En el último caso del teorema 2.3.4 aparece la molesta situación de un polinomio de segundo
grado que no tiene raı́ces reales. Por supuesto que es una situación conocida por nosotros. Si
bien el conjunto de números reales R es completo, lo cual permite resolver problemas que en los
racionales Q no tenı́an solución, aún ası́ persisten varias cuestiones sin solución. Por ejemplo, la
inexistencia de logaritmos de números negativos, o más sencillo aún, polinomios que no tienen
raı́ces, como el caso del simple x2 + 1. Es posible definir un nuevo conjunto numérico, del cual
R podrá considerarse como un subconcunto, en donde esos problemas pueden resolverse. Se
trata del conjunto C de números complejos, donde tanto la teorı́a algebraica, como la teorı́a del
análisis matemático de funciones, adquieren una notable armonı́a estética.
En principio, C = R2 , es decir el conjunto de todos los pares ordenados de números reales. Las
operaciones de suma en C y de producto por un escalar (real), son las habituales en R2 . La
diferencia que en C se define un producto de la siguiente manera:
· : C × C −→ C / (a, b) · (c, d) = (ac − bd, ad + bc)
Puede demostrarse sin dificultad que, de esta forma, se logra que las operaciones de suma y
producto de números complejos tengan las mismas propiedades que las operaciones correspon-
dientes en los reales. Dicho de otro modo, (C, +, ·) tiene una estructura de cuerpo conmutativo,
donde veremos que se pueden resolver muchos de los problemas que en R no tenı́an solución.
Dado el complejo (a, b), su primera componente se denomina parte real y la segunda parte
imaginaria. Cada complejo de la forma (a, 0) se identifica con el real a y es de esa manera
que podemos considerar que R ⊂ C (en realidad lo que tenemos es que la función F : R −→
C / F (a) = (a, 0) resulta ser un isomorfismo).
Se le llama i (unidad imaginaria) al complejo (0, 1). Observemos que
i2 = (0, 1) · (0, 1) = (−1, 0)
que se identifica con el real −1. Observen que, de esta forma, en C, el polinomio x2 + 1 tiene
dos raı́ces que son i y −i. Más aún, existe un teorema denominado ”teorema fundamental del
álgebra” que afirma que todo polinomio de grado n en C tiene exactamente n raı́ces (contadas
con sus órdenes de multiplicidad).
Observemos que, en general, se tiene:
(a, b) = (a, 0) + (0, b) = (a, 0) + b(0, 1)
En base a esto, y haciendo un abuso de lenguaje, se suele escribir (a, b) = a + bi y se dice que
hemos expresado el complejo en notación binómica. El producto de complejos se puede realizar
en notación binómica aplicando distributiva de la manera habitual:
(2 + 3i)(1 − i) = 2 − 2i + 3i − 3i2 = 5 + i
La representación geométrica de los complejos es la misma que la de los vectores de R2 :

(a, b)
b •
θ
a
√
El módulo del complejo z = (a, b) es su módulo como vector de R2 , es decir: |z| = ρ = a2 + b2 .
En los complejos adquiere importancia la noción de argumento. Si z = (a, b) 6= (0, 0) entonces
su argumento es el número θ ∈ (−π, π] que cumple a = ρ cos(θ) y b = ρ sen(θ).
Por ejemplo: √
si z = (1, 1) = 1 + i entonces |z| = 2 y arg(z) = π/4.
si z = (0, 1) = i entonces |z| = 1 y arg(z)√= π/2.
si z = (−1, −1) = −1 − i entonces |z| = 2 y arg(z) = −3π/4.
Observemos que todo complejo z no nulo puede escribirse de la siguiente manera:
z = |z| cos(θ) + i |z| sen(θ)
El conjugado del complejo z = a + bi es el complejo z̄ = a − bi. El producto de un complejo por

su conjugado da como resultado un número real no negativo que coincide con el cuadrado de su
módulo: z.z̄ = (a + bi)(a − bi) = a2 + b2 .
Cuando un polinomio de segundo grado tiene coeficientes reales entonces sus raı́ces son complejos
conjugados. Por ejemplo, si resolvemos la ecuación z 2 − 4z + 13 = 0 en el campo complejo
obtenemos:
√ √ √
4 ± 16 − 52 4 ± −36 4 ± i 36 4 ± 6i
z= = = = = 2 ± 3i .
2 2 2 2
En general, si los coeficientes del polinomio λ2 + b λ + c son reales, entonces sus raı́ces son los
siguientes complejos conjugados:
√
−b ± i 4c − b2
A ± Bi =
2
La suma y el producto de estas raı́ces dan, respectivamente:
2A = −b , A2 + B 2 = c.
Resulta entonces que

b = −2A , c = |A + Bi|2 .
La apasionante tarea de construir el conjunto de los números complejos y de la teorı́a de funciones

en dicho campo va mucho más allá de las consideraciones que estamos presentando. Solamente
queremos hacer una observación vinculada con la tercera parte del teorema 2.3.4. Allı́ se esta-
blecı́a que si λ2 + b λ + c = 0 no tiene raı́ces reales (b2 − 4c < 0) entonces la solución general de
(H) es:
xn = ρn [ C cos(θn) + D sen(θn) ]
√
en donde ρ = c, pero faltaba aclarar cuál es el número θ ∈ (−π, π].
Lo que queremos observar ahora (sin demostración) es que, si A ± Bi son las raı́ces complejas
conjugadas de λ2 + b λ + c = 0, entonces ρ y θ se pueden calcular de la siguiente manera:
√
ρ = c = |A + Bi| , θ = arg(A + Bi)
Ejemplo 2.3.7. Queremos encontrar la solución general de xn+2 + 9xn = 0.

El polinomio caracterı́stico λ2 + 9 tiene dos raı́ces imaginarias conjugadas ±3i. Consideramos
la raı́z z = 3i. Entonces ρ = |z| = 3 y θ = arg(3i) = π2 . La solución general de la ecuación es
entonces h π π i
xn = 3n C cos n + D sen n .
2 2
Ejemplo 2.3.8. Queremos encontrar la solución general de xn+2 − 2xn+1 + 4xn = 0. √
El polinomio caracterı́stico 2
√ λ − 2 λ + 4 tiene dos raı́ces imaginarias
√ conjugadas 1 ± i 3. Con-
sideremos la raı́z 1 + i 3. Entonces ρ = 2 y θ = arg(1 + i 3) = π3 . La solución general de la
ecuación es h π π i
xn = 2n C cos n + D sen n .
3 3
Ejercicio 2.3.10. Encuentra la solución general de las siguientes ecuaciones:
(a) xn+2 + xn = 0.
(b) xn+2 − 2x
√n+1 + 2xn = 0.
(c) xn+2 − 2 3xn+1 + 4xn = 0.
Capı́tulo 3
Nociones sobre sistemas dinámicos

discretos
3.1. Introducción
Un ejemplo de la ecologı́a.
Supongamos que queremos estudiar la evolución de una población de cierta especie a medida que
pasan las generaciones. Designemos con Pn al tamaño de la población en la generación número
n. Nuestra pregunta principal es ¿podemos predecir qué le sucede a la población a medida que
n se hace muy grande? La especie ¿tenderá a extinguirse? o, por el contrario, ¿crecerá sin cotas
de modo que lleguemos a una explosión demográfica? Obviamente necesitamos tener hipótesis
que nos lleven a plantear un modelo matemático. El caso más simple es suponer que el tamaño
de la población en cada generación es directamente proporcional al tamaño de la anterior. Si
interpretamos esta hipótesis en términos matemáticos obtenemos el modelo:
Pn+1 = r Pn , n ≥ 0.
en donde P0 es la población en el instante inicial y r > 0 es una constante determinada por las
condiciones ecológicas. Nuevamente hemos obtenido una “ecuación en diferencias” (la cual, de
hecho, es la misma que la del ejemplo del interés compuesto). ¿Cuál función interviene ahora?
Está claro que si f (x) = rx entonces la relación anterior se puede expresar:
Pn+1 = f (Pn ) n ≥ 0.
f f f f f
P0 7−→ P1 7−→ P2 7−→ P3 7−→ P4 7−→ . . . .
De manera análoga a lo realizado en el primer ejemplo, podemos resolver la ecuación (es decir,
hallar explı́citamente Pn ) obteniendo:
Pn = P0 r n , n ≥ 0.
Si r < 1 entonces r n −→ 0 y la población tenderá a extinguirse. Si r > 1 entonces r n −→ +∞ y la

población tenderá a infinito. Finalmente, si r = 1 entonces Pn = P0 , ∀ n y no hay cambio alguno.
47
48 Capı́tulo 3. Nociones sobre sistemas dinámicos discretos
Obviamente, este modelo tan simple (llamado de “evolución exponencial”) parece poco “realista”
ya que el tamaño de una población no puede tender a infinito. Los ecologistas han elaborado otro
modelo que se ajusta mejor a la experiencia y que se denomina “modelo logı́stico de evolución
de poblaciones”. La idea es la siguiente. Se comienza suponiendo que hay un tamaño M > 0
máximo de individuos que el ambiente puede llegar a soportar. Ahora bien, cuando el tamaño
Pn de la población es pequeño es razonable que pueda tener un crecimiento exponencial, pero
cuando Pn es relativamente grande ya no podrá seguir creciendo de esa manera. Sustituimos
entonces la constante r por un factor que sea cada vez más pequeño cuando Pn se acerca al
umbral crı́tico M . El modelo matemático de crecimiento logı́stico puede expresarse entonces
como:
Pn+1 = a Pn (M − Pn )
en donde a > 0 es constante. Si xn = Pn /M , la ecuación anterior se transforma en:
xn+1 = λ xn (1 − xn ) (∗∗)
en donde λ = aM es otra constante y xn sólo puede variar entre 0 y 1. Tenemos una nueva
ecuación en diferencias. Introduciendo la función Fλ (x) = λx(1 − x), la ecuación (∗∗) se escribe:
xn+1 = Fλ (xn )
Sólo hemos cambiado una función lineal por una cuadrática. Sin embargo, esta última no puede
resolverse, entendiendo por “resolver” el hallar explı́citamente xn . Más aún, la descripción del
comportamiento de todas las posibles soluciones para cualquier valor de λ y para cualquier
condición inicial x0 , continúa siendo un “problema abierto”, es decir, no resuelto todavı́a por lo
matemáticos.
Hemos presentado tres ejemplos en donde interesa saber el comportamiento de cierto fenómeno
que evoluciona con el “tiempo”, que aquı́ varı́a en forma “discreta”. Se trata de un problema
fundamental en las distintas áreas del conocimiento. El objetivo de éste capı́tulo consiste en
introducir los conceptos básicos para intentar estudiar el comportamiento de las soluciones de
ecuaciones de la forma xn+1 = f (xn ), aun cuando no sea posible resolverlas.
3.2. Órbitas (soluciones de ecuaciones en diferencias)
Los comentarios realizados en la Introducción nos conducen de manera natural al proceso de

iterar una función, es decir, aplicar la función sucesivamente, utilizando el resultado de cada
aplicación como la entrada de la siguiente.
Si la función en cuestión es f , la composición f of la llamaremos “segunda iterada” de f , que

viene dada por (f of )(x) = f (f (x)), y que simbolizaremos mediante la notación f 2 . De aquı́
en adelante debemos prestar especial atención y no confundirnos con la nomenclatura: f 2 no
significa elevar al cuadrado la función (en el sentido de multiplicar f por si misma), ni la derivada
segunda de la función, sino la composición de f con f :
f 2 = f of o sea f 2 (x) = f (f (x))
3.2. Órbitas (soluciones de ecuaciones en diferencias) 49
La “tercera iterada” de f es f 3 = f of of y ası́ podrı́amos seguir aplicando la función sucesi-

vamente. Otra observación a tener en cuenta: para poder aplicarle f al valor f (x), éste debe
pertenecer al dominio de f . Consideraremos entonces funciones f definidas en un intervalo I
para el cual f (I) ⊂ I.
3.2.1. Iteración de funciones

Definición 3.2.1. Iteradas de una función.
Sea f : I −→ R una función definida en el intervalo I tal que f (I) ⊂ I y n ∈ N∗ . La iterada
enésima de f es la función f n definida por:
n veces
z }| {
n
f =f of of o . . . . . of
Ejemplo 3.2.1. Sea f dada por f (x) = kx.
Su iterada segunda es f 2 dada por: f 2 (x) = f (f (x)) = f (kx) = k(kx) = k2 x
Su iterada tercera: f 3 (x) = f (f 2 (x)) = f (k2 x) = k(k2 x) = k3 x. En general, su iterada
enésima resulta ser: f n (x) = kn x
Ejemplo 3.2.2. Sea ahora g dada por g(x) = x2 . Su iterada segunda es g2 (x) = g(g(x)) =
g(x2 ) = (x2 )2 = x4 . Su iterada tercera: g3 (x) = g(g2 (x)) = g(x4 ) = (x4 )2 = x8 .
Su iterada cuarta: g4 (x) = g(g3 (x)) = g(x8 ) = (x8 )2 = x16 . ¿Cuál es su iterada enésima?
Ejercicio 3.2.1. Encuentra las tres primeras iteradas de las funciones f (x) = 2x − 1 y g(x) =
x2 + 1
3.2.2. Órbitas
Sean f : I −→ R con f (I) ⊂ I y a ∈ I. La imagen del punto a por f es f (a). A este valor podemos
volver a aplicarle la función obteniendo f 2 (a) = f (f (a)). Continuando, podemos construir la
siguiente sucesión de números reales: (a, f (a), f 2 (a), . , , f n (a), . . . . . ) que se denomina
órbita del punto a por la función f . Cada término se obtiene aplicándole la función f al anterior
(salvo al primero, claro). Observemos que esta sucesión (xn )n≥0 puede definirse por recurrencia
mediante:
x0 = a , xn+1 = f (xn ) , ∀ n ≥ 0.
Definición 3.2.2. Órbita de un punto.

Sean f : I −→ R con f (I) ⊂ I y a ∈ I. La órbita del punto a por la función f es la sucesión
(xn )n≥0 definida por:
x0 = a , xn+1 = f (xn ) , ∀ n ≥ 0.
o sea, la sucesión:
(a, f (a), f 2 (a), . , , f n (a), . . . . . )
El punto a se denomina “condición inicial” de la órbita.
Ejercicio 3.2.2. En cada uno de los siguientes casos encuentra los diez primeros términos de
la órbita de x0 por la función f (si dispones de una computadora, calcula los cien primeros
términos).
(a) x0 = 1 f (x) = x2 (b) x0 = 0, 8 √f (x) = x2 (c) x0 = −1 f (x) = x2 − 2
(d) x0 = 0 f (x) = x2 − 1 (e) x0 = 2 f (x) = x2 − 1 (f ) x0 = 123 f (x) = sen(x)
(g) x0 = 123 f (x) = cos(x) ¿Te animas a conjeturar cuál es el comportamiento asintótico de
la órbita en cada caso?
Observación 3.2.1. Uso de la calculadora o computadora.

Es muy probable que, a esta altura del desarrollo, se te haya ocurrido utilizar la calculadora para
calcular términos de una órbita. Y es muy razonable que ası́ lo hayas hecho. Por ejemplo, para
hallar los diez primeros términos de la órbita del punto 1, 5 para la función f (x) = x2 , podemos
ingresar el valor 1, 5 en la calculadora y apretar diez veces seguidas la “tecla” correspondiente a
dicha función, obteniendo los siguientes valores aproximados:
1, 5 2, 25 5, 06 25, 63 656, 86 431439, 88 1, 86 1011 3, 46 1022 1, 2 1045 1, 44 1090
Para hallar los diez primeros términos de la órbita del punto 0, 8 para la misma función ingre-
samos el valor 0, 8 y apretamos diez veces seguidas la “tecla” correspondiente, obteniendo los
siguientes valores aproximados:
0, 8 0, 64 0, 41 0, 17 0, 02 0, 0008 6, 28 10−7 4 10−13 1, 55 10−25 2, 41 10−50
En todo este capı́tulo resultará de extrema utilidad disponer de una computadora para hacer
los cálculos. Con una planilla Excel será suficiente.
3.2.3. Órbitas particulares (puntos fijos y periódicos)

En el ejercicio anterior te habrás encontrado con algunas órbitas muy especiales. En efecto, si
f (x) = x2 entonces f (1) = 1, con lo cual f n (1) = 1, ∀n ∈ N∗ . Resulta entonces que la órbita
del punto x0 = 1 para la función f (x) = x2 es la sucesión constante (1, 1, 1, 1, 1, 1, . . . . . .).
Puntos fijos
Definición 3.2.3. Puntos fijos.

Diremos que p es un punto fijo de la función f si se cumple que f (p) = p.
Si p es un punto fijo de la función f resulta claro que f n (p) = p, ∀ n ∈ N∗ y, por lo tanto, la

órbita de x0 = p será simplemente la sucesión constante (p, p, p, . . . . .). Se trata del tipo de
órbitas más simples.
Ejemplo 3.2.3. Cálculo de puntos fijos.

Para hallar los puntos fijos de una función f debemos hallar todos los puntos p para los cuales
f (p) = p. Consideremos, por ejemplo f (x) = x2 . Para hallar sus puntos fijos tenemos que resolver
la ecuación p2 = p. Esta ecuación es equivalente a p2 − p = 0 cuyas únicas raı́ces son 0 y 1.
Resulta entonces que los únicos puntos fijos de f (x) = x2 son 0 y 1.
Observación 3.2.2. Interpretación gráfica de los puntos fijos.

Representemos en un mismo sistema de coordenadas las gráficas de la función f y de la recta
de ecuación y = x. Si en un punto de abscisa p dichas gráficas se cortan entonces se cumple
que f (p) = p, y recı́procamente. Resulta entonces que los puntos fijos de f son las abscisas de
los puntos de corte de la gráfica de f con la “diagonal” y = x. Observemos esa situación en el
primero de los ejemplos planteados (f (x) = x2 ):
y = x2
y=x
Figura 3.1: 0 y 1 son puntos fijos.
Ejemplo 3.2.4. Hallemos los puntos fijos de g(x) = xex−2 :

xex−2 = x ⇐⇒ xex−2 − x = 0 ⇐⇒ x ex−2 − 1 = 0 ⇐⇒ x = 0 o x = 2
Los únicos puntos fijos de g son 0 y 2.
Entre otras razones, los puntos fijos juegan un papel importante debido al siguiente resultado.
Teorema 3.2.1. Sea f : I −→ R con f (I) ⊂ I y supongamos que la sucesión (xn )n≥0 verifica la
ecuación xn+1 = f (xn ), ∀ n ≥ 0. Si esta órbita (xn ) converge a un punto L ∈ I y f es continua
en L, entonces L es un punto fijo de f .
Demostración. Sabemos, por hipótesis, que (xn ) −→ L. Como f es continua en L deducimos
que f (xn ) −→ f (L). Por otro lado, como (xn ) converge a L, la sucesión (xn+1 ) también tiene
lı́mite L. Pero xn+1 = f (xn ), ∀ n ≥ 0, de donde resulta (unicidad del lı́mite) que ambos miembros
deben tener el mismo lı́mite. Se deduce que L = f (L) y eso es lo que querı́amos probar. ♠
Observación 3.2.3. Un par de “abusos de lenguaje”.
Cuando digamos que una sucesión verifica la ecuación xn+1 = f (xn ) daremos por entendido que
dicha igualdad se cumple para todo natural n ≥ 0, aunque no lo pongamos explı́citamente.
Del mismo modo, en todo lo que sigue, supondremos que las funciones que aparecen están
definidas en un intervalo I que es invariante por f , es decir f (I) ⊂ I. Al referirnos a la órbita de
un punto x0 por f , dicho punto debe pertenecer a I. Todo esto quedará asumido implı́citamente
aunque no se aclare en cada caso.
Puntos periódicos
Ahora bien, ¿qué ocurre en el caso f (x) = x2 − 1 con la condición inicial x0 = −1?:
x1 = f (−1) = 0, x2 = f (0) = −1, x3 = f (−1) = 0, x4 = f (0) = −1
La órbita de x0 = −1 por esta función es la sucesión (−1, 0, −1, 0, −1, 0, . . . . .). Se dice que
estamos en presencia de un punto periódico de perı́odo 2.
Definición 3.2.4. Puntos de perı́odo dos.

Diremos que p es un punto de perı́odo dos de la función f si f (f (p)) = p y p no es punto
fijo de f .
Si x0 es un punto de perı́odo dos de la función f y x1 = f (x0 ) entonces la órbita de x0 será la
sucesión (x0 , x1 , x0 , x1 , . . . . .), es decir, una órbita periódica de perı́odo dos.
Ciclos periódicos. Es claro que si x0 es un punto de perı́odo dos para la función f entonces
x1 = f (x0 ) también lo es. Los puntos de perı́odo dos aparecen de “a pares”. Se suele decir que
{x0 , x1 } es un 2-ciclo o un ciclo periódico de perı́odo dos.
Cálculo de puntos de perı́odo dos. Si p es un punto fijo de f entonces obviamente verificará
f (f (p)) = p. Para hallar los puntos de perı́odo dos debemos resolver la ecuación f (f (x)) = x y
descartar luego las soluciones de la misma que sean puntos fijos de f .
Puntos fijos de f 2 . Sea p un punto de perı́odo dos para la función f . Esto quiere decir que
f (f (p)) = p y que p no es punto fijo de f . La función f of la venimos simbolizando f 2 . La
condición f (f (p)) = p puede escribirse como f 2 (p) = p. Podemos decir entonces que los puntos
de perı́odo dos de f son los puntos fijos de f 2 que no sean puntos fijos de f .
Ejemplo 3.2.5. Queremos hallar los puntos de perı́odo dos de f (x) = x2 − 1. Comencemos
hallando sus puntos fijos.√Para ello resolvemos
√ x2 − 1 = x que equivale a x2 − x − 1 = 0 y que
tiene como raı́ces α = 1+2 5 y β = 1−2 5 . Esos son sus dos puntos fijos.
Para hallar los puntos de perı́odo dos tenemos que resolver la ecuación f (f (x)) = x. Comencemos
calculando f 2 (x) = f (f (x)):
f (f (x)) = f (x2 − 1) = (x2 − 1)2 − 1 = x4 − 2x2
La ecuación f (f (x)) = x queda x4 − 2x2 = x que equivale a x4 − 2x2 − x = 0. Esta ecuación

tiene dos raı́ces evidentes que son 0 y −1. Sus otras dos raı́ces son los números α y β hallados
anteriormente, es decir, sus puntos fijos. Resulta entonces que los únicos puntos de perı́odo dos
para f (x) = x2 − 1 son 0 y −1.
Ejercicio 3.2.3. En cada uno de los siguientes casos encuentra los puntos fijos y los puntos
de perı́odo dos de f : (a) f (x) = 2x (b) f (x) = 3x + 2 (c) f (x) = x2 (d) f (x) =
x 3 (e) f (x) = 1 − x 2 2
(f ) f (x) = x − 2
Ejercicio 3.2.4. Sea p un punto de perı́odo dos de la función continua f . Demuestra que f
tiene algún punto fijo (te sugerimos aplicar el teorema de Bolzano a la función g(x) = f (x) − x
en el intervalo de extremos p y q = f (p)).
Ejemplo 3.2.6. Un punto de perı́odo tres.
Consideremos f (x) = − 32 x2 + 52 x + 1 y estudiemos los primeros términos de la órbita del punto
x0 = 0. Se tiene: f (0) = 1, f 2 (0) = f (f (0)) = f (1) = 2, f 3 (0) = f (f (f (0))) = f (2) = 0. ¿Se-
guimos calculando las iteradas? Obviamente no es necesario ya que al aplicar la función tres veces
seguidas hemos vuelto al valor inicial. La órbita del 0 es la sucesión (0, 1, 2, 0, 1, 2, 0, 1, 2, . . . .).
Se trata de una órbita periódica de perı́odo tres y x0 = 0 es un punto de perı́odo tres.
Definición 3.2.5. Puntos de perı́odo r.
Diremos que p es un punto de perı́odo r (r ∈ N∗ ) de la función f si f r (p)) = p y f n (p) 6=
p, ∀ n ∈ N∗ , n < r.
Para puntos de perı́odo tres (o de cualquier perı́odo r) valen comentarios análogos a los realizados
en la Observación 3.2.4. Vale la pena que intentes redactarlas.
Ejercicio 3.2.5. Consideremos la función D dada por

2x si 0 ≤ x < 12 .
D(x) =
2x − 1 si 12 ≤ x < 1.
1 1
Grafı́cala y encuentra sus puntos fijos. Muestra que 3 es un punto de perı́odo 2, que 5 es de
perı́odo 4 y que 19 es de perı́odo 6.
Ejercicio 3.2.6. Haciendo conjeturas con la computadora.

Considera la función f (x) = cos(x). Elige diez condiciones iniciales cualesquiera (por ejemplo
x0 = 200 o x0 = 0, 8, etc.) y para cada una de ellas, calcula los trescientos primeros términos de
la órbita correspondiente. Puedes hacerlo, por ejemplo, en una planilla Excel. Luego de observar
los resultados, ¿te animas a conjeturar algo sobre el comportamiento asintótico de las órbitas?
Tomando ahora condiciones iniciales comprendidas entre −2 y 2, repite el procedimiento y
contesta la misma pregunta para la función Qc (x) = x2 + c, para los siguientes valores de c:
c = −0, 5, c = −1, c = −1, 3, c = −2 y c = −3.
Observación 3.2.5. Videos y applets recomendados.

Además de utilizar calculadoras o planillas de cálculo, recomendamos los siguientes applets que
están libremente disponibles en internet.
Para realizar la iteracin del mapa logstico:
https://www.geogebra.org/m/cjvqjcbh
Para realizar la iteracin de una funcin cualquiera:
https://www.geogebra.org/m/YXU5hmEZ
También los siguientes videos que tratan conceptos que veremos a partir de la sección 3.6.
Video sobre la cascada de duplicacin de perodo:
https://www.youtube.com/watch?v=0-vN7bYD29I
Video sobre la constante de Feigenbaum:
https://www.youtube.com/watch?v=ETrYE4MdoLQ
3.3. Análisis gráfico
Ya habı́amos observado lo simple que resulta visualizar los puntos fijos de una función en una
gráfica. Veremos a continuación que es posible disponer de un “método gráfico” para representar
y visualizar la evolución de las órbitas al iterar una función. Sea f una función definida en todo
R y x0 ∈ R. Comencemos a hallar los términos de la órbita de x0 por la función f . Le aplicamos
f a x0 obteniendo x1 = f (x0 ) como se muestra en la figura a. Para obtener x2 = f (x1 ) debemos
colocar el valor x1 en el eje de abscisas y aplicarle la función. Pero el valor x1 lo tenemos en el
−→
eje de ordenadas, ¿cómo lo colocamos en Ox? Para ello podemos aprovechar la recta “diagonal”
y = x (figura b). Observamos que, para obtener x2 hemos realizado un “viaje de ida y vuelta”
−→
por la “horizontal”(paralela al eje Ox). Nos ahorramos ese camino procediendo ası́: a partir de
−→
x0 vamos por la “vertical” (paralela al eje Oy) hasta cortar la gráfica de f , luego por por la
“horizontal” hasta la diagonal y = x y nuevamente por la “vertical” hasta cortar la curva (figura
c).
y=x y=x y=x

x2 x2
x1 x1 x1
x0 x0 x1 x0
(a) figura a (b) figura b (c) figura c
Continuando con este proceso vamos visualizando el comportamiento de la órbita que comienza
en x0 :
x3 y=x
x2
x1
x0
Figura 3.2: Método gráfico para iterar.
Analicemos mediante el “método gráfico” el comportamiento de las órbitas para el caso de la

3.3. Análisis gráfico 55
función f (x) = x2 . Ya habı́amos visto que sus puntos fijos son 0 y 1. Si comenzamos con x0 = 0
no nos movemos nunca de ese punto fijo. Lo mismo ocurre si comenzamos con x0 = 1. La
condición inicial x0 = −1 también es bastante particular, en efecto, como f (−1) = 1 su órbita
resulta ser: (−1, 1, 1, 1, 1, . . . .). Ahora bien, ¿qué ocurre si tomamos una condición inicial
x0 > 1. Del análisis gráfico resulta claro que su órbita tiende a +∞. Por otro lado, si tomamos
x0 con 0 < x0 < 1, su órbita tiende al punto fijo 0.
y=x
−1 1
Figura 3.3: Análisis completo de órbitas para f (x) = x2 .
Completa el análisis gráfico para las órbitas que comienzan con valores menores que −1, y con
valores entre −1 y 0. Observarás que no caben dudas sobre el comportamiento de las mismas.
Resumiendo, para la función f (x) = x2 , las soluciones de xn+1 = f (xn ) que comienzan en x0
cumplen: 
 0 si − 1 < x0 < 1.
lı́m(xn ) = +∞ si x0 > 1 o x0 < −1.

1 si x0 = 1 o x0 = −1.
En el ejemplo anterior hemos podido describir el comportamiento de todas las órbitas cualquiera
sea la condición inicial (punto de partida). Cuando esto ocurre se dice que se ha realizado un
análisis completo de órbitas del sistema dinámico en cuestión.
El siguiente teorema permite justificar varias situaciones con las que nos encontraremos en los
análisis gráficos.
Teorema 3.3.1. Sea f : R −→ R una función continua y p un punto fijo de f . Se tiene:

(1) Si f (x) > x, ∀x > p y x0 > p entonces la órbita (f n (x0 )) es monótona creciente y
(f n (x0 )) −→ +∞.
(2) Si p < f (x) < x, ∀x ∈ (p, p + ǫ) (para algún ǫ > 0) y x0 ∈ (p, p + ǫ) entonces la órbita
(f n (x0 )) es monótona decreciente y (f n (x0 )) −→ p.
(3) Si f (x) < x, ∀x < p y x0 < p entonces la órbita (f n (x0 )) es monótona decreciente y
(f n (x0 )) −→ −∞.
(4) Si x < f (x) < p, ∀x ∈ (p − ǫ, p) (para algún ǫ > 0) y x0 ∈ (p − ǫ, p) entonces la órbita
(f n (x0 )) es monótona creciente y (f n (x0 )) −→ p.
Antes de hacer la demostración (que es muy simple) tratemos de comprender las hipótesis de
cada una de las partes del enunciado y algunas de sus consecuencias.
(1) La hipótesis f (x) > x, ∀x > p significa que la gráfica de f está estrictamente “por encima”
de la recta y = x en el intervalo (p, +∞). Esto tiene las siguientes consecuencias:
(i) f no tiene puntos fijos a la derecha de p.
(ii) El intervalo [p, +∞) es invariante por f , es decir: f ([p, +∞)) ⊂ [p, +∞). Este hecho
nos asegura que si x0 > p entonces los puntos xn = f n (x0 ) de la sucesión de iteradas están
siempre dentro del intervalo [p, +∞).
y=x
y=x
p
p
p x0 p x0 p+ǫ
(a) Caso (1) (b) Caso (2)
(2) La hipótesis p < f (x) < x, ∀x ∈ (p, p + ǫ) significa que, en el intervalo (p, p + ǫ), la gráfica
de f está comprendida estrictamente entre la recta y = p y la recta y = x . Esto tiene las
siguientes consecuencias:
(i) f no tiene puntos fijos en el intervalo (p, p + ǫ).
(ii) El intervalo [p, p+ǫ) es invariante por f , es decir: f ([p, p+ǫ)) ⊂ [p, p+ǫ). Si x0 ∈ (p, p+ǫ)
entonces los puntos xn = f n (x0 ) de la sucesión de iteradas están siempre dentro del
intervalo (p, p + ǫ).
Realiza tú mismo la interpretación correspondiente a las partes (3) y (4).
Demostración. Para cada x0 y n ≥ 1 pongamos xn = f n (x0 ). Sabemos que (xn ) verifica la
relación de recurrencia xn+1 = f (xn ), ∀n ≥ 0.
(1) Sea x0 > p. Como por hipótesis f (x) > x, ∀x > p y xn > p, ∀n ≥ 0, tenemos:
xn+1 = f (xn ) > xn (n ≥ 0).
lo cual demuestra que la sucesión (xn ) es estrictamente monótona creciente. El Teorema 1.2.1 nos
permite afirmar que (xn ) tiene lı́mite finito o lı́mite +∞. Supongamos que (xn ) −→ L ∈ R. Como
(xn ) es estrictamente monótona creciente y xn > p, ∀n, resulta L > p. Por otra parte sabemos
que si (xn ) −→ L entonces L debe ser punto fijo de f (Teorema 3.2.1). Pero esto es absurdo
pues f no tiene puntos fijos a la derecha de p. Queda probado entonces que (xn ) −→ +∞.
(2) Sea x0 ∈ (p, p + ǫ). Como por hipótesis p < f (x) < x, ∀x ∈ (p, p + ǫ) resulta xn ∈
(p, p + ǫ), ∀n ≥ 0, y se tiene:
xn+1 = f (xn ) < xn (n ≥ 0).
lo cual demuestra que la sucesión (xn ) es estrictamente monótona decreciente. Además está
acotada inferiormente por p. Luego, el Teorema 1.2.1 nos permite afirmar que existe L ∈ [p, p+ǫ)
tal que (xn ) −→ L. Este lı́mite L debe ser punto fijo de f . Pero el único punto fijo de f en [p, p+ǫ)
es p. Se deduce que (xn ) −→ p.
La demostración de las partes (3) y (4) queda como ejercicio. ♠
3.4. Atracción y repulsión 57
Ejercicio 3.3.1. Realiza un análisis completo de órbitas para cada uno de los siguientes casos:
(a) f (x) = 2x (b) f (x) = x3 (c) f (x) = −x (d) f (x) = −2x + 1
(e) f (x) = x 3 (f ) f (x) = cos(x) (g) f (x) = sen(x) (h) f (x) = x − x2 .
Ejercicio 3.3.2. Sea f dada por f (x) = (x3 − 2)/3. Encuentra los puntos fijos y realiza un
análisis completo de órbitas.
3.4. Atracción y repulsión
Consideremos el caso particular en que la función f es de la forma: f (x) = mx (con m 6= 0). Su

gráfica es una recta que pasa por el origen y su único punto fijo es precisamente 0. Un análisis
gráfico nos muestra claramente que:
Si m > 1 o m < −1 entonces todas las órbitas que comienzan en puntos diferentes de 0 se
alejan de 0.
y = mx y=x
y=x
y = mx
(c) m > 1 (d) m < −1
Si 0 < m < 1 o −1 < m < 0 entonces todas las órbitas tienden a 0.
y=x
y=x
y = mx
y = mx
(e) 0 < m < 1 (f) −1 < m < 0
Volvamos al ejemplo de la función f (x) = x2 . Habı́amos observado que si comenzamos con

condiciones iniciales x0 ∈ (−1, 1) entonces sus órbitas tienden a 0. Podrı́amos decir que el punto
fijo 0 atrae a todas las órbitas que comienzan cerca de él. Para el otro punto fijo, el 1, no ocurre
lo mismo: si comenzamos con condiciones iniciales cercanas a 1 las órbitas correspondientes se
alejan de él. El 1 es un punto fijo repulsor.
3.4.1. Puntos fijos atractores y repulsores

Definición 3.4.1. Puntos fijos atractores.
Sea p un punto fijo para la función f . Diremos que p es atractor si existe un entorno U de
centro p tal que para todo punto x ∈ U se cumple que:
1. f n (x) ∈ U, ∀ n ≥ 1.
2. f n (x) −→ p cuando n −→ +∞
Es decir, es posible encontrar un entorno U de p de manera que todas las órbitas que comienzan
en puntos de U permanecen siempre en U y tienen como lı́mite el punto fijo p cuando n −→ +∞.
Definición 3.4.2. Puntos fijos repulsores.

Sea p un punto fijo para la función f . Diremos que p es repulsor si existe un entorno U de
centro p tal que para todo punto x ∈ U, x 6= p, existe algún natural m > 0 tal que f m(x) 6∈ U .
Es decir, es posible encontrar un entorno U de p de manera que todas las órbitas que comienzan
en puntos de U se “escapan” de U en alguna iteración.
Observación 3.4.1. Descubriendo puntos fijos con la computadora.

Supongamos que la función f tiene un punto fijo p que desconocemos. ¿Es posible encontrarlo
utilizando la computadora? Podemos intentar el siguiente procedimiento: tomar al azar una
condición inicial x0 y computar numéricamente los términos de su órbita. Si esa órbita ingresa
en algún momento dentro del entorno U de la definición, entonces convergerá al punto fijo p y lo
descubrimos. ¿Sucede lo mismo si el punto fijo p es repulsor? La única forma de descubrirlo serı́a
en el caso en que la órbita elegida al azar cayera exactamente sobre el punto fijo. Por ejemplo:
(x0 , x1 , . . . . , x50 , p, p, p, p, . . . .). Pero al simular dicha órbita con la computadora iremos
obteniendo valores aproximados (debido a los errores de “redondeo”) y nunca obtendremos el
valor “exacto” de p. Al calcular f (x50 ) obtendremos un valor aproximado de p y por lo tanto, la
órbita simulada comenzará a alejarse de p, por ser precisamente un punto repulsor. Suele decirse
(de manera informal) que los puntos fijos atractores pueden “verse” utilizando la computadora,
mientras que la situación es completamente diferente para los puntos respulsores.
3.4.2. Clasificación de puntos fijos

Sea p un punto fijo de la función f . La forma de la gráfica de f cerca de p será clave para
discernir el comportamiento de dicho punto. Para ello estudiamos el valor de la derivada de f
en p que, como sabemos, nos da el coeficiente angular de la recta tangente a G(f ) (gráfica de f )
en el punto de abscisa p. Estudiemos los siguientes casos:
(1) Supongamos que f ′ (p) > 1.

La recta t (tangente a G(f )) tiene un coeficiente angular mayor que el de la diagonal y = x. Si
tomamos una condición inicial x0 próxima a p, el análisis gráfico nos permite conjeturar que la
órbita correspondiente se irá alejando del punto fijo p (¿puedes justificarlo con más precisión?).
(2) Supongamos que 0 ≤ f ′ (p) < 1.
En este caso las órbitas de puntos próximos a p convergerán al punto fijo p.
y=x
y=x
t t
p p
(g) Punto fijo repulsor. (h) Punto fijo atractor.
Te dejamos como ejercicio graficar y argumentar los casos en que f ′ (p) < −1 y −1 < f ′ (p) < 0.
Estas observaciones permiten conjeturar el siguiente teorema:
Teorema 3.4.1. Clasificación de puntos fijos.

Sea p un punto fijo de una función f que tiene derivada continua. Entonces se cumple que:
1. Si |f ′ (p)| < 1 entonces p es atractor.
2. Si |f ′ (p)| > 1 entonces p es repulsor.
Demostración. Supongamos que |f ′ (p)| < 1.

Tomemos un número λ tal que |f ′ (p)| < λ < 1. Como f ′ es continua, existe un entorno U
centrado en p tal que |f ′ (z)| < λ, ∀ z ∈ U . Sea x un punto cualquiera de U con x > p. (Si x < p
el razonamiento es análogo). El teorema del valor medio de Lagrange aplicado a la función f en
el intervalo [p, x] nos permite afirmar que existe c ∈ (p, x) tal que f (x) − f (p) = f ′ (c)(x − p).
Luego:
|f (x) − f (p)| = |f ‘(c)| |x − p| < λ |x − p|
Como p es punto fijo de f , es f (p) = p, con lo cual:
|f (x) − p| < λ |x − p|
Al ser 0 < λ < 1, lo anterior significa que la distancia de f (x) a p es menor que la distancia de
x a p. En particular, podemos asegurar que f (x) también está en el intervalo U .
Aplicando el teorema del valor medio de Lagrange a la función f entre los puntos f (p) y f (x),
y utilizando el mismo argumento que recién, podemos asegurar que:
|f (f (x)) − f (f (p))| < λ |f (x) − f (p)|
Como f (f (p)) = f (p) = p y |f (x) − p| < λ|x − p| deducimos que
|f 2 (x) − p| < λ2 |x − p|
λ está entre 0 y 1, de donde se cumple que λ2 < λ. Resulta entonces que f 2 (x) está más cerca
de p de lo que estaba f (x).
Repitiendo el razonamiento obtenemos que, para cualquier n ≥ 1 se cumple:
|f n (x) − p| < λn |x − p|
Como λn −→ 0 si n −→ +∞ deducimos que f n (x) −→ p si n −→ +∞ y esto completa la

demostración en el caso |f ′ (p)| < 1. La prueba en la situación |f ′ (p)| > 1 queda como ejercicio.1
♠
Ejemplo 3.4.1. En los siguientes casos utilizaremos el teorema anterior para clasificar los puntos
fijos:
1. Los puntos fijos de f (x) = x2 son 0 y 1. Calculamos la derivada: f ′ (x) = 2x.
|f ′ (0)| = 0 < 1 =⇒ 0 es atractor.
|f ′ (1)| = 2 > 1 =⇒ 1 es repulsor.
2. Los puntos fijos de f (x) = xex−2 son 0 y 2. Calculamos la derivada: f ′ (x) = (x + 1)ex−2 .
|f ′ (0)| = e−2 < 1 =⇒ 0 es atractor.
|f ′ (2)| = 3e > 1 =⇒ 2 es repulsor.
√ √
1+ 5 1− 5
3. Los puntos fijos de f (x) = x2 − 1 son α = 2 y β = 2 . Calculamos la derivada:
f ′ (x) = 2x. √
|f ′ (α)| = 1 + √5 > 1 =⇒ α es repulsor.
|f ′ (β)| = |1 − 5| > 1 =⇒ β es repulsor.
Ejercicio 3.4.1. En cada uno de los siguientes casos encuentra los puntos fijos de f y clasifı́calos.
Visualiza el resultado mediante el método gráfico.
(a) f (x) = x4 + 34 (d) f (x) = 12 x(1 − x)

(b) f (x) = −3x + 8 (e) f (x) = 2x(1 − x)
(c) f (x) = 2x2 + x2 (f) f (x) = x3
Ejercicio 3.4.2. En cada uno de los siguientes casos encuentra los puntos fijos de f y clasifı́calos.
(a) f (x) = x3 − 3x (d) f (x) = π2 sen(x)

(b) f (x) = x12 (e) f (x) = 4x(1 − x)
(c) f (x) = x2 − x2
Ejercicio 3.4.3.
(a) Grafica la función f dada por: f (x) = x e(6−x)/(x+2)
(b) Se considera el sistema dinámico discreto dado por (∗) xn+1 = f (xn ) siendo f la función de
la parte anterior.
(i) Halla los puntos fijos y clasifı́calos.
1
Algunos autores (de hecho, especialistas en el tema) reservan el nombre de punto fijo “atractor” para aquellos
puntos p que cumplen |f ′ (p)| < 1. Asimismo, le llaman punto fijo “repulsor” a aquellos puntos p para los cuales
|f ′ (p)| > 1. Cuando |f ′ (p)| = 1 dicen que el punto p es “neutro”. En este último caso, suele ser complicado
estudiar el comportamiento del punto. Según nuestra definición, un punto “neutro” puede ser atractor, repulsor
o ninguna de las dos cosas.
(ii) Una persona de peso inicial x0 > 50 se somete a una dieta de modo que su peso (en decenas
de kilos) evoluciona mes a mes según (∗). ¿A cuánto tenderá el peso de una persona que comienza
con 85 kilos? ¿Puede una persona de 55 kilos rebajar de peso?
Ejercicio 3.4.4. Consideremos la ecuación en diferencias lineal de primer orden dada por
xn+1 = αxn + β en donde α y β son constantes no nulas. Encuentra los puntos fijos y rea-
liza un análisis completo de órbitas discutiendo según α y β.
Ejemplo 3.4.2. Aplicaciones contractivas.

Sea f : R −→ R una función tal que existe una constante λ con 0 < λ < 1, tal que
|f (x) − f (y)| ≤ λ |x − y| , ∀ x, y ∈ R.
Cuando esto ocurre se dice que f es una función contractiva de constante λ. Es inmediato
verificar que el hecho de ser contractiva implica la continuidad. Más aún, implica la continuidad
ǫ
uniforme, ya que dado ǫ >, alcanza con tomar δ = para que se cumpla |f (x) − f (y)| < ǫ para
‘λ
toda pareja de reales x, y con |x − y| < δ.
Consideremos la sucesión de iteradas de f , esto es (xn )n≥0 definida por:
x0 = a , xn+1 = f (xn ) , ∀ n ≥ 0.
Vanos a probar que f tiene un único punto fijo que es globalmente atractor.
Comencemos con la unicidad. Supongamos que p y q son dos puntos fijos de f . Por ser f
contractiva tendrı́amos
|p − q| = |f (p) − f (q)| ≤ λ |p − q|
como 0 < λ < 1, lo anterior solo es posible si |p − q| = 0, o sea si p = q.
Como una aplicación inmediata de lo demostrado en el ejemplo 1.5.1, vamos a probar que,
cualquiera que sea la condición inicial x0 = a, la sucesión (xn ) converge. Cualquiera que sea
a ∈ R y para todo n ∈ N se tiene:
|xn+2 − xn+1 | = |f (xn+1 ) − f (xn )| ≤ λ |xn+1 − xn |
Resulta entonces que la sucesión (xn ) es contractiva, y por lo tanto converge (ejemplo 1.5.1).
Finalmente, ya sabemos que si (xn ) converge, su lı́mite es un punto fijo de f , y esto completa la
demostración.
Dos aplicaciones
Ejemplo 3.4.3. Cálculo aproximado de raı́ces cuadradas.

En el Ejemplo 1.4.1 habı́amos estudiado la sucesión (xn ) definida por recurrencia mediante
√ 2 +λ
x0 > λ y xn+1 = x2x n
n
, ∀ n ≥ 1, en donde λ es un número positivo fijo. En aquella ocasión
demostramos que la sucesión es monótona decreciente y que está acotada inferiormente, de donde
√
se dedujo que tiene lı́mite finito. De esa forma pudimos calcularlo, obteniendo lı́m(xn ) = λ.
Estudiemos ahora la misma sucesión con el nuevo enfoque. Tenemos que (xn ) verifica:
x2 + λ
xn+1 = f (xn ) siendo f (x) =
2x
2 +λ √
Para calcular los puntos fijos de f resolvemos la ecuación x 2x = x cuyas soluciones son p1 = λ
√ 2
y p2 = − λ. La derivada de f es f ′ (x) = x2x−λ 2 . Al evaluarla en los puntos fijos obtenemos
f ′ (p1 ) = f ′ (p2 ) = 0 de donde resulta que ambos puntos fijos son atractores. Más aun, en este
caso es posible realizar √ un análisis completo de órbitas (Figura 10.4). Si comenzamos con una
condición
√ inicial x0 > λ resulta claro que la órbita correspondiente converge al punto fijo
p1 = λ. (Observa además √ que se trata de una sucesión decreciente). Si comenzamos con una
condición
√ inicial 0 < x 0 < λ entonces, en la primera iteración ya pasamos a un valor mayor que
λ y luego todo continúa como antes. ¿Cuál √ es la conclusión? Podemos tomar un valor inicial
x0 > 0 cualquiera y su órbita convergerá a λ. (La situación para el caso de valores negativos es
análoga). En el próximo√ejercicio te pedimos que calcules iteradas de la función f para obtener
valores aproximados de λ.
y = f (x)
√
− λ
√
λ
Figura 3.4: Calculando raı́ces cuadradas.
√
Ejercicio 3.4.5. Un valor aproximado de 2 con nueve cifras decimales correctas es 1, 414213562.
Elige diferentes condiciones iniciales x0 y, para cada una de ellas, calcula cuántas iteraciones ne-
cesitas para alcanzar ese valor. Incluye una poco razonable x0 = 10 y también una disparatada
x0 = 100. Comenta el resultado. √
Repite la tarea para λ = 5, sabiendo que un valor aproximado de 5 con nueve cifras decimales
correctas es 2, 236067977
Ejemplo 3.4.4. La sucesión de Fibonacci y la “razón áurea”.

La sucesión de Fibonacci (an )n∈N está definida por recurrencia mediante:
a0 = 1, a1 = 1, an+2 = an+1 + an , ∀ n ≥ 0.
Sus diez primeros términos son: (1, 1, 2, 3, 5, 8, 13, 21, 34, 55, . . . . . . ) Vamos a estudiar la
sucesión de cocientes de “cada término sobre el anterior”, concretamente, la sucesión (cn )n∈N
dada por: cn = an+1
an . Su primer término es c0 = 1 y, para todo n ≥ 0 se tiene:
an+2 an+1 + an an 1
cn+1 = = =1+ =1+
an+1 an+1 an+1 cn
Resulta entonces que (cn ) verifica la ecuación en diferencias: cn+1 = 1 + c1n . Definiendo la
función f mediante f (x) = 1 + x1 tenemos que cn+1 = f (cn ). Como cn es siempre positivo nos
restringimos a trabajar en x > 0. Comenzamos hallando los puntos fijos de f : 1 + x1 = x ⇐⇒
√
x2 − x − 1 = 0. Las raı́ces
√ de esta ecuación son (1 ± 5)/2. El único punto fijo en la zona que
nos interesa es p = (1 + 5)/2. Para clasificarlo calculamos |f ′ (p)|:
1 2
f ′ (x) = − =⇒ |f ′ (p)| = − √ < 1 =⇒ p es atractor.
x2 3+ 5
Esto implica que si comenzamos con condiciones iniciales “suficientemente próximas” a p en-
tonces la órbita correspondiente convergerá a p. Pero, como c0 = 1, nos interesa la órbita que
comienza en 1. Veamos si un análisis gráfico nos ayuda:
p
1
1 p
Figura 3.5: La órbita de 1 por f (x) = 1 + (1/x).
La figura (creada por computadora) no deja dudas. De todos modos intentemos justificarlo
rigurosamente. Una manera de hacerlo consiste en estudiar la función “iterada segunda”: g(x) =
f (f (x)). Se tiene:
2x + 1 1 −2
g(x) = g′ (x) = g′′ (x) =
x+1 (x + 1)2 (x + 1)3
Es inmediato verificar que los únicos puntos fijos de g son los de f (o sea, f no tiene puntos de
perı́odo dos). La gráfica de g resulta ser:
Figura 3.6: Gráfica de g(x) = f (f (x)).
Ahora sı́, el análisis gráfico nos permite afirmar que, cualquiera que sea la condición inicial
x0 > 0 la órbita correspondiente bajo g converge a p. Si comenzamos a la derecha de p la órbita
es decreciente y si comenzamos a la izquierda de p la órbita es creciente, pero en ambos casos
tiene lı́mite p. Tomemos la condición inicial x0 = 1. Según lo anterior se cumple que:
(1, f 2 (1), f 4 (1), f 6 (1), . . . . . ) −→ p
(La sucesión (c2n ) es creciente y converge a p). Tomemos ahora la condición inicial x0 = 2 = f (1).
Nuevamente se tiene:
(f (1), f 2 (f (1)), f 4 (f (1)), f 6 (f (1)), . . . . . ) −→ p
o sea:
(f (1), f 3 (1), f 5 (1), f 7 (1), . . . . . ) −→ p
(La sucesión (c2n+1 ) es decreciente y converge a p). Se deduce entonces que:
(1, f (1), f 2 (1), f 3 (1), f 4 (1), f 5 (1) . . . . . ) −→ p
(de hecho, el mismo razonamiento vale para cualquier condición inicial x0 > 0).
Hemos demostrado que
√
lı́m(cn ) = (1 + 5)/2.
El caso |f ′(p)| = 1
Observación 3.4.2. ¿Qué sucede si |f ′ (p)| = 1?

Si p es un punto fijo en el cual |f ′ (p)| = 1 entonces no es posible determinar a priori su compor-
tamiento. Puede ser atractor, repulsor o ninguna de las dos cosas. Veamos los siguientes ejemplos:
(1) 0 es punto fijo de la función f (x) = Arctg(x). Si calculamos su derivada y la evaluamos en

0 obtenemos: f ′ (x) = x21+1 =⇒ f ′ (0) = 1. Un análisis gráfico nos permite comprobar que 0 es
atractor.
y=x
Figura 3.7: 0 es atractor para f (x) = Arctg(x).
(2) 0 es punto fijo de f (x) = x3 + x y también se tiene que f ′ (0) = 1. Sin embargo, en este caso
el punto es repulsor.
(3) 0 es punto fijo de f (x) = x(1 − x) y f ′ (0) = 1. Del análisis gráfico deducimos que el punto
fijo no es ni atractor ni repulsor.
y=x
y=x
(a) 0 es repulsor para f (x) = x3 +x. (b) 0 no atractor ni repulsor para

f (x) = x(1 − x)
Ejercicio 3.4.6. En los siguientes casos verifica que 0 es punto fijo de f y que f ′ (0) = 1. Realiza
un análisis gráfico para intentar clasificar dichos puntos.
(a) f (x) = x2 + x (b) f (x) = sen(x) (c) f (x) = x − x3 (d) f (x) = ex − 1
Los siguientes ejercicios te plantean algunos resultados complementarios para el caso f ′ (p) = 1.
Ejercicio 3.4.7. Sea p un punto fijo de la función f que tiene derivada continua en p y supon-
gamos que f ′ (p) = 1. Como f ′ es continua en p y f ′ (p) > 0, existe un entorno Ep = (p−ǫ, p+ǫ) tal
que f ′ (x) > 0, ∀x ∈ Ep . El signo de f (x) − x en Ep permitirá clasificar el punto fijo. Recordando
las ideas utilizadas en la demostración del Teorema 3.3.1 prueba que:
(1) Si f (x) − x > 0, ∀x ∈ Ep∗ o f (x) − x < 0, ∀x ∈ Ep∗ entonces p no es atractor ni repulsor.
(2) Si f (x) − x > 0, ∀x ∈ (p, p + ǫ) y f (x) − x < 0, ∀x ∈ (p − ǫ, p) entonces p es repulsor.
(3) Si f (x) − x < 0, ∀x ∈ (p, p + ǫ) y f (x) − x > 0, ∀x ∈ (p − ǫ, p) entonces p es atractor.
(No dejes de interpretar gráficamente).
Ejercicio 3.4.8. Sea p un punto fijo de la función f tal que f ′ (p) = 1. Demuestra que:
(a) Si f ′′ (p) > 0 o f ′′ (p) < 0 entonces p no es atractor ni repulsor.
(b) Si f ′′ (p) = 0 y f ′′′ (p) > 0 entonces p es repulsor.
(c) Si f ′′ (p) = 0 y f ′′′ (p) < 0 entonces p es atractor.
Sugerencia: utiliza el desarrollo de Taylor de f alrededor de p para estudiar el signo de f (x) − x
y aplica los resultados del ejercicio anterior. (Puedes suponer que f tiene todas las derivadas
continuas que necesites para aplicar la fórmula de Taylor).
El caso en que f ′ (p) = −1 es más complicado. Los siguientes ejercicios aportan algunos resultados
al respecto.
Ejercicio 3.4.9. Sea f una función continua y estrictamente decreciente en Ep = (p − ǫ, p + ǫ),
con f (Ep ) ⊂ Ep , siendo p punto fijo de f . (Observa que f of es continua y estrictamente creciente
en Ep ). Demuestra que
(1) Si (f of )(x) − x > 0, ∀x ∈ Ep∗ o (f of )(x) − x < 0, ∀x ∈ Ep∗ entonces p no es atractor ni
repulsor.
(2) Si (f of )(x) − x > 0, ∀x ∈ (p, p + ǫ) y (f of )(x) − x < 0, ∀x ∈ (p − ǫ, p) entonces p es repulsor.
(3) Si (f of )(x) − x < 0, ∀x ∈ (p, p + ǫ) y (f of )(x) − x > 0, ∀x ∈ (p − ǫ, p) entonces p es atractor.
Ejercicio 3.4.10. Sea p un punto fijo de la función f tal que f ′ (p) = −1. Demuestra que:
(a) Si 2f ′′′ (p) + 3 (f ′′ (p))2 > 0 entonces p es atractor.
(b) Si 2f ′′′ (p) + 3 (f ′′ (p))2 < 0 entonces p es repulsor.
Sugerencia: considera la función ϕ(x) = (f of )(x) − x y verifica que ϕ(p) = ϕ′ (p) = ϕ′′ (p) = 0.
Utiliza el desarrollo de Taylor de ϕ alrededor de p para estudiar su signo en algún entorno de p y
aplica los resultados del ejercicio anterior. (Nuevamente, puedes suponer suficiente regularidad
en f ).2
Ejercicio 3.4.11. En los siguientes casos verifica que 0 es punto fijo de f y que f ′ (0) = −1.
Clasifica dicho punto utilizando el resultado del ejercicio anterior.
(a) f (x) = −sen(x) (b) f (x) = −x + x3 (c) f (x) = −x − x3 (d) f (x) = −x + ax3
Ejercicio 3.4.12. Verifica que −1 es el único punto fijo de f (x) = −ex+1 y clasifı́calo.
Ejercicio 3.4.13. Las células se reproducen por división. El proceso por el cual su núcleo se
divide se denomina mitosis. Existe evidencia bioquı́mica de la existencia de compuestos, llamados
chalones, que son inhibidores de la mitosis. Asumimos, por simplicidad, que las generaciones de
células son distintas y llamemos xn al número de células de generación n. Asumimos también
que la cantidad de chalone producida es proporcional al número de células. La acción bioquı́mica
del chalone consiste en juntarse a una proteı́na involucrada en la mitosis tornándola inactiva.
Estudios acerca de la unión de moléculas a proteı́nas sugieren que una ecuación apropiada para
este proceso sea:
2 xn
xn+1 = p
1 + xαn
donde α y p son parámetros positivos.
(a) Prueba que los puntos fijos son x = 0 y x = α. ¿Son atractores o repulsores? (Eventualmente,
2 2
El número 2f ′′′ (p) + 3 (f ′′ (p)) está estrechamente vinculado con la llamada “derivada Schwarziana” de f en
p donde f ′ (p) = −1. Ver Devaney, página 154.
deberás discutir según p).

(b) Aplica el “método gráfico” para el caso α = 5 y p = 3.
3.4.3. Órbitas atractoras y repulsoras

Al igual que en el caso de los puntos fijos, los puntos periódicos pueden clasificarse en atractores,
repulsores o neutros (ni atractor ni repulsor). Comencemos con el siguiente ejemplo ya manejado
en diversas ocasiones. La función f (x) = x2 − 1 tiene un ciclo de perı́odo dos cuya órbita es
(0, −1, 0, −1, 0, −1, . . . . ). Un análisis gráfico creado por computadora permite observar que
este ciclo atrae a órbitas cercanas.
(c) Un 2-ciclo. (d) El 2-ciclo es atractor.
¿Por qué ocurre esto? Examinemos la función f 2 , es decir, la iterada segunda de f . Habı́amos
obtenido f 2 (x) = x4 − 2x2 que tiene cuatro puntos fijos, los dos puntos fijos de f y los dos
′
puntos periódicos de f que son 0 y −1. La derivada de f 2 : f 2 (x) = 4x3 − 4x, se anula en 0 y
en −1. Eso significa que ambos puntos son puntos fijos atractores para f 2 . Bajo iteración de f 2
las órbitas de puntos cercanos a 0 convergerán a 0 y las que comienzan cerca de −1 convergerán
a −1. Luego, si tomamos una condición inicial cercana a 0 y comenzamos a aplicar f , la órbita
correspondiente (bajo iteración de f ) oscila entre valores que alternadamente se acercan a 0 y a
−1. Damos entonces la definición general.
Definición 3.4.3. Puntos periódicos atractores y repulsores.
Sea q un punto periódico de perı́odo dos para la función f . Diremos que q es un punto periódico
atractor (repulsor) para f si es un punto fijo atractor (repulsor) para f 2 .
Observación 3.4.3. Clasificación de puntos periódicos.
Sea a un punto periódico de perı́odo dos para f . Si b = f (a) entonces la órbita que comienza en
a es (a, b, a, b, . . . . ), es decir, una órbita periódica de perı́odo dos. Como habı́amos observado
anteriormente, los puntos de perı́odo dos aparecen de “a pares” y, por lo tanto, decimos que {a, b}
es un ciclo de perı́odo dos. Tanto a como b son puntos fijos de f 2 . Para clasificarlos calculamos
la derivada de f 2 en dichos puntos. Si aplicamos la “regla de la cadena” (derivada de la función
compuesta) obtenemos:
′
f 2 (x) = (f (f (x)))′ = f ′ (f (x)) f ′ (x)
Al evaluar esta derivada en a resulta:

′
f 2 (a) = f ′ (f (a)) f ′ (a) = f ′ (b) f ′ (a)
Al evaluarla en b: ′
f 2 (b) = f ′ (f (b)) f ′ (b) = f ′ (a) f ′ (b)
′
¡obtenemos el mismo resultado! Esto significa que si, por ejemplo, | f 2 (a)| < 1 entonces
′
también | f 2 (b)| < 1 y recı́procamente. No puede suceder que a sea atractor para f 2 y
b = f (a) sea repulsor.3 Las consideraciones precedentes nos permiten establecer el siguiente
teorema:
Teorema 3.4.2. Clasificación de órbitas periódicas.

Sea a un punto periódico de perı́odo dos para f y b = f (a). Entonces:
1. Si |f ′ (a) f ′ (b)| < 1 entonces el ciclo {a, b} es atractor. (Tanto a como b son puntos
periódicos atractores).
2. Si |f ′ (a) f ′ (b)| > 1 entonces el ciclo {a, b} es repulsor. (Tanto a como b son puntos
periódicos repulsores).
Ejercicio 3.4.14. Establece las definiciones y resultados análogos para puntos periódicos de
perı́odo tres y, en general, para puntos de perı́odo n.
Ejemplo 3.4.5. Como habı́amos visto en el Ejemplo 3.2.6 {0, 1, 2} es un ciclo periódico de
perı́odo tres para la función f (x) = − 32 x2 + 52 x+1. Para clasificarlo calculamos |f ′ (0).f ′ (1).f ′ (2)|.
Haciendo las cuentas obtenemos |f ′ (0).f ′ (1).f ′ (2)| = 35/8. Como este número es mayor que 1
podemos concluir que el ciclo es repulsor.
Ejercicio 3.4.15. En cada uno de los siguientes casos 0 pertenece a una órbita periódica de la
función f . Clasifica dicha órbita.
(a) f (x) = 1 − x2 (b) f (x) = π2 cos(x) (c) f (x) = − 21 x3 − 32 x2 + 1
(d) f (x) = − π4 Arctg(x + 1) (e) f (x) = |x − 2| − 1
Ejercicio 3.4.16. Consideremos la ecuación xn+1 = −x2n + 4xn .

(a) Encuentra los puntos fijos y clasifı́calos.
(b)Encuentra los puntos periódicos de perı́odo dos y clasifı́calos.
(c) Mediante el “método gráfico” estudia la órbita cuya condición inicial es x0 = 2. Idem con la
que comienza en x0 = 4, 2
Ejercicio 3.4.17.
(a) Prueba que el polinomio P (x) = x6 − 2x4 + x2 − 1 tiene una sola raı́z en el intervalo (1, 2).
Sea α dicha raı́z (no se pide calcularla).
(b) Consideremos la ecuación xn+1 = f (xn ) en donde f (x) = α(x2 − 1). Demuestra que 0 es
un punto periódico de perı́odo 3 y clasifı́calo.
Ejercicio 3.4.18. “Descubriendo” órbitas atractoras con la computadora.

Sea f (x) = 3, 83x(1 − x). Elige diez condiciones iniciales en el intervalo (0, 1) y calcula sus
doscientas primeras iteradas por f . ¿Qué puedes conjeturar?
Realiza la misma tarea con f (x) = x2 −1, 32 tomando condiciones iniciales en el intervalo (−2, 2).
3
′
No consideraremos en esta presentación el caso en que | f 2 (a)| = 1.
3.5. El mapa cuadrático Qc (x) = x2 + c 69
3.5. El mapa cuadrático Qc(x) = x2 + c
En los ejemplos y ejercicios te encontraste con funciones muy similares como x2 , x2 − 1 y x2 + 1

que, sin embargo, presentan un comportamiento dinámico diferente. Esto nos lleva a estudiar
en conjunto las funciones de la forma x2 + c, e intentar explicar (en lo posible) como cambia su
comportamiento al variar el parámetro c. En esta sección designaremos con Qc a las funciones
cuadráticas de la forma Qc (x) = x2 + c, en donde c es constante.
3.5.1. Las primeras bifurcaciones.
Puntos fijos
Para hallar los puntos fijos de Qc debemos resolver la ecuación x2 + c = x que es equivalente a
x2 − x + c = 0. Su discriminante vale ∆ = 1 − 4c. Deducimos que:
Si c > 1/4 no hay puntos fijos.
Si c = 1/4 hay un solo punto fijo que vale 21 .√ √
1+ 1−4c 1− 1−4c
Si c < 1/4 hay dos puntos fijos: p+ = 2 y p− = 2 . Observemos que siempre
p− < p+ .
Tenemos que realizar entonces la siguiente discusión:
Caso c > 1/4.
No existen puntos fijos. Un análisis gráfico muestra que todas las órbitas tienden a +∞.
Caso c = 1/4.
Hay un único punto fijo que vale 21 . Este punto no es atractor ni repulsor como lo muestra el
análisis gráfico. Las órbitas que comienzan a la derecha de 21 tienden a +∞ y las que comienzan
a su izquierda tienden al propio punto fijo.
Caso c < 1/4.
En este caso hay dos puntos evaluamos la derivada Q′c (x) = 2x en ellos
√ fijos. Para′ clasificarlos √
obteniendo: Qc (p− ) = 1 − 1 − 4c y Qc (p+ ) = 1 + 1 − 4c. Claramente Q′c (p+ ) > 1 de donde
′
resulta que p+ es siempre repulsor. Para p− la situación es diferente. Puedes verificar fácilmente
que |Q′c (p− )| < 1 si, y sólo si, −3/4 < c < 1/4. Cuando c pasa a tomar valores menores que
−3/4 es Q′c (p− ) < −1 y p− se transforma en repulsor.
Observación 3.5.1. Debido a la simetrı́a de la parábola tenemos que Qc (−p+ ) = Qc (p+ ). Para
c ≤ 3/4 el análisis gráfico nos muestra claramente que si x0 > p+ o x0 < −p+ entonces la
órbita de x0 tiende a +∞. La dinámica interesante ocurre en el intervalo [−p+ , p+ ]. En lo que
sigue nos restringiremos a trabajar en ese intervalo siempre que c ≤ 3/4. De hecho, los puntos
fijos dependen de c. Para no complicar la notación, no incluiremos esa dependencia respecto del
parámetro, tanto en el caso de los puntos fijos como de otros puntos periódicos.
Puntos periódicos de perı́odo 2.
Para estudiar su existencia hallamos f (f (x)) y nos planteamos la ecuación f (f (x)) = x que,
luego de efectuar las operaciones queda:
x4 + 2cx2 − x + c2 + c = 0
Los puntos fijos son soluciones de la misma, por lo que el polinomio de cuarto grado del primer
miembro será divisible entre (x − p+ )(x − p− ) = x2 − x + c. Luego de realizar la división entera
(no dejes de hacerlo) obtenemos
x4 + 2cx2 − x + c2 + c = (x2 − x + c)(x2 + x + c + 1)
Los puntos de perı́odo 2, en caso de existir, son las raı́ces de x2 + x + c + 1. Su discriminante
vale −4c − 3. Deducimos que:
Si c > −3/4 no hay puntos periódicos de perı́odo 2.
Si c = −3/4 la única raı́z es − 21 que coincide con p− .
√ √
−1+ −4c−3 −1− −4c−3
Si c < −3/4 hay un ciclo de perı́odo 2: {q− , q+ } siendo q+ = 2 y q− = 2 .
Observemos que siempre q− < q+ .
Para clasificar este ciclo calculamos
√ √
|Q′c (q− ).Q′c (q+ )| = |(−1 − −4c − 3)(−1 + −4c − 3)| = |4c + 4|
Como |4c + 4| < 1 ⇐⇒ −5/4 < c < −3/4, deducimos que el ciclo es atractor precisamente
para esos valores de c y es repulsor para c < −5/4.
Las dos primeras bifurcaciones.
Resumiendo los resultados que hemos obtenido podemos afirmar que:
(1) Si c > 1/4 entonces no existen puntos fijos ni puntos periódicos (de perı́odo alguno). Todas
las órbitas tienden a +∞.
(2) Si c = 1/4 entonces hay un único punto fijo que vale 1/2 y que no es atractor ni repulsor.
Las órbitas que comienzan a la derecha de 1/2 tienden a +∞ y las que comienzan a su izquierda
tienden al propio punto fijo. En este momento se produce lo que se llama “primera bifurcación
del parámetro”, pues al bajar c del valor 1/4 aparecen dos puntos fijos.
(3) Si −3/4 < c < 1/4 entonces Qc tiene un punto fijo p+ que es repulsor y un punto fijo p− que
es atractor. No hay órbitas periódicas y puede demostrarse que todas las órbitas que comienzan
en (−p+ , p+ ) convergen a p− (es fácil hacerlo si 0 ≤ c < 1/4).
(4) Si c = −3/4 entonces Q′c (p− ) = −1. (Examinando la gráfica de Q2c puede comprobarse
que p− es atractor). En este momento se produce lo que se llama “segunda bifurcación del
parámetro”, pues al bajar c del valor −3/4 el punto fijo p− se transforma en repulsor y aparece
un 2-ciclo atractor.
(5) Si −5/4 < c < −3/4 entonces ambos puntos fijos son repulsores y y hay un 2-ciclo atrac-
tor {q− , q+ }. Puede probarse que no hay otras órbitas periódicas y que todas las órbitas que
comienzan en (−p+ , p+ ) “tienden” al 2-ciclo {q− , q+ }.
Para c < −5/4 tanto los puntos fijos como el 2-ciclo son repulsores. ¿Qué sucede entonces?
Comienza a producirse nuevamente una “bifurcación de duplicación de perı́odo”. Para
valores de c menores que −5/4 pero muy próximos a él, aparece una órbita periódica de perı́odo
4 que es atractora. Luego, al seguir bajando los valores del parámetro, este 4-ciclo se convertirá
en repulsor y aparecerá un 8-ciclo atractor. Y ası́ sucesivamente. Todo esto ocurrirá con valores
de c comprendidos entre −1, 4 y −5/4. No estamos en condiciones de probar estas afirmacio-
nes. Tan sólo te sugerimos un sencillo “experimento” con la computadora que dará resultados
sorprendentes:
Ejercicio 3.5.1. Elige por lo menos cincuenta valores de c distribuidos de la siguiente manera:
Cinco en el intervalo −0, 75 < c < 0, 25; cinco en el intervalo −1, 25 < c < −0, 75; veinte
igualmente distribuidos en el intervalo −1, 4 < c < −1, 25; cinco igualmente distribuidos en el
intervalo −1, 75 < c < −1, 4; diez igualmente distribuidos en el intervalo −1, 78 < c < −1, 75;
cinco igualmente distribuidos en el intervalo −2 < c < −1, 78.
Para cada uno de estos valores valores de c, calcula los primeros mil términos de la órbita de
x0 = 0 por la función Qc . ¿Te animas a conjeturar cuál es el comportamiento asintótico de la
órbita del 0 en cada caso? ¿Tiende a un punto fijo? ¿Tiende a un k-ciclo? ¿No parece seguir
patrón alguno?
Para resumir tus conjeturas puedes hacer un diagrama de la siguiente manera. Dibuja un sistema
de coordenadas en donde los valores de c (−2 < c < 0, 25) serán ubicados en un eje “horizontal”
y los valores de x (−2 ≤ x ≤ 2) en un eje vertical. Si para un valor c1 consideras que la órbita
órbita llena un intervalo

4 − ciclo
2 − ciclo
x
punto f ijo
Figura 3.8: Diagrama de órbitas.
del 0 es atraı́da por un punto fijo p1 , entonces ubica el punto de coordenadas (c1 , p1 ). Si para
un valor c2 consideras que la órbita del 0 es atraı́da por un 2-ciclo {q1 , q2 }, entonces ubica los
puntos de coordenadas (c2 , q1 ) y (c2 , q2 ). Y ası́ sucesivamente. Si no encuentras patrón alguno
para la órbita, halla (aproximadamente) el intervalo (o los intervalos) donde los valores de la
órbita parecen permanecer y dibuja ese intervalo verticalmente sobre el correspondiente valor
de c. Este diagrama se suele denominar “diagrama de órbitas”.
3.5.2. La función cuadrática Q(x) = x2 − 2

Observemos, en primer lugar, que si |x0 | > 2 entonces su órbita tiene lı́mite +∞. Nos concentra-
remos entonces en condiciones iniciales comprendidas en el intervalo [−2, 2] que denominaremos
I de aquı́ en adelante. Una segunda observación a tener en cuenta: el intervalo I es invariante
bajo Q. Esto quiere decir que para todo x ∈ I se cumple que Q(x) ∈ I. Más aun, la imagen de
I es el propio I: Q(I) = I.
−2 2
−2
Figura 3.9: Gráfica de Q(x) = x2 − 2.
Puntos fijos y de perı́odo dos
Ya los tenemos calculados (alcanza con darle a c el valor −2). Los puntos fijos de Q son p− = −1
y p+ = 2 siendo ambos repulsores.
√ √
−1− 5 −1+ 5
Los puntos de perı́odo dos de Q son q− = 2 y q+ = 2 . También sabemos que este
2-ciclo {q− , q+ } es repulsor.
Órbitas periódicas de otros perı́odos.
Al intentar hallar puntos periódicos de perı́odos grandes, nos encontramos con ecuaciones com-
plicadas. Por ejemplo, para investigar existencia de puntos de perı́odo tres para nuestra Q(x) =
x2 − 2 deberı́amos plantearnos Q(Q(Q(x))) = x que es una ecuación de octavo grado. (¿De
qué grado queda la ecuación para los puntos de perı́odo cuatro?). Veremos que, en este caso
particular, es posible hacer un razonamiento que nos permitirá sacar conclusiones sin necesidad
de considerar tales ecuaciones.
Recordemos que un punto de perı́odo n de Q es un punto fijo de Qn , o sea, un punto donde la
gráfica de Qn corta a la diagonal y = x. Comencemos con el caso n = 2. Ya sabemos que Q tiene
dos puntos de perı́odo dos: q− y q+ , que hemos calculado explı́citamente. Vamos a redescubrir
este hecho por otro procedimiento (que no implique resolver la ecuación ni graficar Q2 ).
Como Q(0) = −2, Q(−2) = 2 y Q(2) = 2 deducimos que Qn (−2) = Qn (0) = Qn (2) = 2, ∀ n ≥ 2.
Es decir, todas las iteradas de Q (a partir de la segunda) pasan por los tres puntos (−2, 2), (0, 2)
y (2, 2). No tenemos necesidad de preocuparnos de aquı́ en adelante por los valores −2, 0 y 2.
Volvamos a mirar el gráfico de Q(x) = x2 − 2. Son obvias las siguientes observaciones:
(1) Q mapea (transforma) el intervalo (0, 2) sobre todo (−2, 2). Además lo hace de manera
inyectiva, es decir, cada punto de (−2, 2) tiene una sola preimagen en (0, 2). Lo mismo ocurre con
el intervalo (−2, 0). Resulta entonces que todo punto de (−2, 2) tiene dos preimágenes distintas
por Q, que son opuestas, una en (0, 2) y otra en (−2, 0). Más aun, las siguientes aplicaciones son
biyectivas:
Q Q
(0, 2) 7−→ (−2, 2) (−2, 0) 7−→ (−2, 2)
√
(2) Q mapea (transforma) el intervalo ( 2, 2) sobre todo el (0, 2). Además √ lo hace de manera
inyectiva, es decir, cada
√ punto de (0, 2) tiene una sola preimagen en ( 2, 2). Lo mismo ocurre
con el intervalo (−2, − 2), con√lo cual todo punto de √ (0, 2) tiene dos preimágenes distintas por
Q, que son opuestas, una en ( 2, 2) y otra en (−2, − 2). Más aun, las siguientes aplicaciones
son biyectivas:
√ Q √ Q
( 2, 2) 7−→ (0, 2) (−2, − 2) 7−→ (0, 2)
De manera similar para el (−2, 0) tenemos que las siguientes aplicaciones son biyectivas:
√ Q √ Q
(0, 2) 7−→ (−2, 0) (− 2, 0) 7−→ (−2, 0)
(3) Combinando las dos primeras observaciones obtenemos que las siguientes aplicaciones tam-
bién son biyectivas:
√ Q Q √ Q Q
( 2, 2) 7−→ (0, 2) 7−→ (−2, 2) (−2, − 2) 7−→ (0, 2) 7−→ (−2, 2)
√ Q Q √ Q Q
(0, 2) 7−→ (−2, 0) 7−→ (−2, 2) (− 2, 0) 7−→ (−2, 0) 7−→ (−2, 2)
Estas observaciones nos permiten deducir el aspecto de la gráfica de Q2 sin hacer ningún cálculo.
Observando la figura vemos que la curva corta a la diagonal y = x en cuatro puntos, dos de los
cuales ya eran puntos fijos de Q. Deducimos que Q tiene dos puntos periódicos de perı́odo dos.
2 2
p2
−
p2
−2 2 −2 2
−2 −2
(a) Gráfica de Q2 . (b) Gráfica de Q3 .
Lo más interesante es que este razonamiento puede extenderse de manera similar para las si-
guientes iteradas. En efecto, de la gráfica de Q2 resulta que hay cuatro subintervalos I1 , I3 , I5 , I7
que son mapeados biyectivamente por Q2 sobre (0, 2) y otros cuatro subintervalos I2 , I4 , I6 , I8
que son mapeados biyectivamente por Q2 sobre (−2, 0) ¿te animas a ubicarlos? Por lo tanto, las
siguientes aplicaciones son biyectivas:
Q2 Q
Ii 7−→ (0, 2) 7−→ (−2, 2) i = 1, 3, 5, 7.
Q2 Q
Ij 7−→ (−2, 0) 7−→ (−2, 2) j = 2, 4, 6, 8.
Cada punto del (−2, 2) tiene ocho preimágenes por Q3 y su gráfica debe tener aspecto indicado
en la figura. ¿En cuántos puntos intercepta la gráfica de Q3 a la recta y = x? Precisamente
en ocho, dos de los cuales ya eran puntos fijos de Q. Deducimos entonces que Q tiene seis
puntos periódicos de perı́odo tres. (Justifica que ninguno de estos puntos puede ser de perı́odo
dos). Esperamos que estés convencido de que este razonamiento se puede continuar, llegando
a la conclusión de que Q tiene puntos periódicos de todos los perı́odos. De hecho, es
posible demostrar sin mayores herramientas que si una función f : I −→ I continua tiene un
punto periódico de perı́odo tres entonces tiene puntos periódicos de todos los perı́odos. Es un
teorema notable en todo sentido: por su sencillo y claro enunciado, su simple demostración y
lo sorprendente del resultado. La prueba de este teorema la puedes encontrar en el Apéndice
G. Volviendo a Q(x) = x2 − 2, no parecı́a preverse que tuviera tal comportamiento. Además,
cuando realizaste la experiencia de calcular varias órbitas con condiciones iniciales arbitrarias en
el ejercicio 3.2.2, ¿te habı́as encontrado con puntos periódicos? Te puedo asegurar que no (salvo
los triviales, claro). ¿Cómo puedes tener tan mala suerte? Si la función tiene infinitos puntos
periódicos ¿cómo no le acertaste a ninguno? Te puedes quedar tranquilo ya que no se trata de
mala suerte.
3.5.3. Caos en x2 − 2
Las siguientes afirmaciones ilustran la complejidad de la dinámica de Q(x) = x2 − 2. Puede
demostrarse que:
1. Los puntos periódicos son densos en I. Esto quiere decir que, dados dos valores
arbitrarios a, b ∈ I siempre existe un punto periódico entre ellos.
2. Existen órbitas densas. Este resultado es más sorprendente aún. Está diciendo que
existe alguna condición inicial x0 ∈ I tal que su órbita es densa en I. La órbita de este
punto x0 pasará “tan cerca como se quiera” de todos los puntos de I. (Esta órbita es una
sucesión que aglomera en todos los puntos de I).
3. Existe “sensibilidad respecto de las condiciones iniciales” . Como lo sugiere el nom-
bre, esta propiedad significa que dos órbitas cualesquiera, por más cerca que comiencen,
siempre se terminarán separando en algún momento. (Visualiza este resultado calculando
las primeras quince iteradas para las condiciones iniciales 0, 0, 1, 0, 01 y 0, 001. Verás que,
si bien al comienzo las órbitas se mantienen próximas, rápidamente comienzan a alejarse).
4. No hay ciclo periódico atractor.
Cuando se cumplen estas propiedades se dice que la dinámica es “caótica” o que estamos en
presencia de “caos”. La función Q da lugar entonces a una dinámica caótica.
Consecuencias del caos.
Si tomamos una condición inicial x0 que no sea un punto fijo o un punto periódico de perı́odo
pequeño, será imposible prever el comportamiento de su órbita, determinar con precisión dónde
se encontrará en el futuro. Un sistema caótico es impredecible. Esto tiene una consecuencia
fulminante en las aplicaciones concretas. Para todos los propósitos prácticos, el uso de la simu-
lación numérica (el uso de la computadora) no nos sirve. Los pequeños errores en los cálculos
que son introducidos por mecanismos de “redondeo” nos pueden alejar de la órbita correc-
ta. Entonces, estos errores se verán magnificados al continuar las iteraciones. Además, como
siempre ocurre en las aplicaciones “reales”, nunca podemos saber el punto inicial “exacto” del
sistema, por más dı́gitos que utilicemos en la aproximación. Como consecuencia de la “sensibi-
lidad respecto de las condiciones iniciales”, si utilizamos la computadora, podemos estar viendo
una órbita que eventualmente se aleja de la √ “verdadera”. Por ejemplo, sea (xn ) la solución de
xn+1 = Q(xn ) con condición inicial x0 = 3. Si utilizamos la computadora para calcular√los
términos de la órbita correspondiente debemos comenzar tomando un valor aproximado de 3.
Toma en primera instancia y0 = 1, 732 y calcula los cien primeros iterados. Repite luego el
procedimiento comenzando con z0 = 1, 73205 y compara los resultados. Obtendrás, por ejemplo,
que y55 = 1, 79416227 mientras que z55 = −1, 89209178 ???!!!! Pero√ además, nada nos asegura
que la sucesión que empieza en z0 (una mejor aproximación de 3 que la que da y0 ), y que fue
calculada mediante
√ computadora, se mantenga cerca de la órbita “verdadera” “teórica” que se
inicia en x0 = 3. Algún zn puede haber caı́do en una órbita periódica, manteniéndose en ella
por un tiempo, hasta que los errores de aproximación lleven a un valor que está sobre una órbita
densa, etc, etc.
Otros sistemas caóticos.
Algunas de las afirmaciones sobre el carácter caótico de Q(x) pueden demostrarse de modo más
simple en el caso de la función V (x) = 2|x| − 2. Observemos que V lleva el intervalo I = [−2, 2]
sobre si mismo y que si |x0 | > 2 entonces su órbita tiende a infinito. Ambas propiedades también
las tenı́a la función Q(x).
−2 2
−2
Figura 3.10: Gráfica de V (x).
En este caso, sencillas consideraciones geométricas permiten graficar las iteradas de V (x). En
efecto, el gráfico de V 2 (x) = 2|V (x)| − 2 se obtiene a partir de tres pasos:
−→
(1) Graficamos |V (x)| (alcanza con simetrizar respecto de Ox la parte de V que es negativa.
(2) La función obtenida la multiplicamos por 2 (lo cual es muy simple geométricamente ya que
se trata de segmentos de recta).
(3) Finalmente, la última gráfica la trasladamos dos unidades “hacia abajo”.
Como V n+1 (x) = 2 |V n (x)| − 2, ∀n ≥ 1, el procedimiento antes indicado se aplica de igual
2 2 2
−2 2 −2 2 −2 2
−2 −2 −2
(a) paso 1 (b) paso 2 (c) paso 3
manera para obtener la gráfica de V n+1 a partir de V n . La gráfica de V 3 está compuesta por ocho
segmentos de recta que tienen pendiente 8 o −8. En general, la gráfica de V n estará compuesta
por 2n segmentos de recta que tienen pendiente 2n o −2n . Cada una de estas “porciones” lineales
de la gráfica estará definida en un intervalo de longitud 1/2n−2 . Dado un intervalo abierto J ⊂ I,
2 2
−2 2 −2 2
−2 −2
(d) Gráfica de V 3 . (e) La gráfica de V n lleva J sobre I.
por más pequeño que sea, podemos encontrar un subintervalo de J de longitud 1/2n−2 (con n
suficientemente grande) en donde la gráfica de V n tome todos los valores entre −2 y 2. Luego,
V n tiene un punto fijo en J. Se deduce que los puntos periódicos son densos en I.
Por otra parte, para cada x ∈ J existe y ∈ J tal que |V n (x) − V n (y)| ≥ 2. Se deduce que ∀ x ∈ I
y ∀ ǫ > 0, es posible encontrar y ∈ I y n ∈ N tales que |x − y| < ǫ y |V n (x) − V n (y)| ≥ 2.
Resulta entonces que hay sensibilidad respecto de las condiciones iniciales.
3.5.4. Equivalencia entre Q(x) y V (x)

Veamos a continuación que Q tiene el mismo comportamiento dinámico que V . Consideremos
la función C(x) = −2cos(πx/2). Se verifica fácilmente que esta función transforma el intervalo
I = [−2, 2] sobre si mismo. Se trata de una función continua y sobreyectiva (sobre I). No es
inyectiva, ya que cada punto de I tiene dos preimágenes en I, con excepción del −2 que tiene
solo una. (Vale la pena que la grafiques). Debido a esto, suele decirse que la función es a lo sumo
“dos a uno”.
Estudiemos las composiciones QoC y CoV . Para todo x ∈ I se tiene:
πx 2 πx 2
Q(C(x)) = −2cos − 2 = 2cos − 2 = 2cos(πx) = 2cos(π|x|)
2 2
Por otra parte:

π(2|x| − 2)
C(V (x)) = −2cos = −2cos(π|x| − π) = 2cos(π|x|)
2
Resulta entonces que QoC = CoV en I, es decir, el siguiente diagrama es conmutativo:
V
[−2,
 2] −→ [−2,
 2]
 
Cy yC
[−2, 2] −→ [−2, 2]
Q
Da lo mismo aplicar primero V y a continuación C, que aplicar primero C y luego Q. Recordemos

que, si bien C es continua y sobre, no es biyectiva. Se dice que C es una semiconjugación entre
Q y V.
Tenemos:
QoC = C oV =⇒ Qn o C = C o V n , ∀ n ≥ 1.
Lo anterior implica que C lleva órbitas de V en órbitas de Q. En efecto, como Qn (C(x0 )) =
C(V n (x0 )), la órbita de V que empieza en x0 es transformada por C en la órbita de Q que
empieza en C(x0 ).
Por ejemplo, si p es punto fijo de V entonces C(p) será punto fijo de Q, ya que Q(C(p)) =
C(V (p)) = C(p).
Si a es un punto de perı́odo dos para V tendremos: Q2 (C(a)) = C(V 2 (a)) = C(a), de donde
resulta que C(a) es un punto de perı́odo dos para Q, o un punto fijo de Q.
Sea ahora a un punto de perı́odo tres para V , es decir: V (a) = b, V (b) = c y V (c) = a en donde
a, b y c son diferentes. Igual que antes resulta Q3 (C(a)) = C(a). ¿Podrá ser C(a) punto fijo de
Q? Si Q(C(a)) = C(a) entonces tendrı́amos C(b) = C(V (a)) = Q(C(a)) = C(a). Esto no da
lugar a contradicción alguna ya que C(a) puede ser igual a C(b) aunque a y b sean diferentes.
Sin embargo, también tendrı́amos: C(c) = C(V 2 (a)) = Q2 (C(a)) = Q(C(a)) = C(a) resultando
C(a) = C(b) = C(c). Esto sı́ es absurdo ya que C es a lo sumo “dos a uno”.
Tenemos entonces que los ciclos de V de perı́odo mayor o igual que tres, son transformados por
C en ciclos de Q (que pueden tener un perı́odo menor, pero no pueden ser puntos fijos de Q).
Designemos con P al conjunto de todos los puntos periódicos de V . El conjunto C(P) está for-
mado por infinitos puntos periódicos de Q. Como P es denso en I y C es continua y sobreyectiva,
podemos concluir que C(P) es denso en I. Hemos probado que los puntos periódicos de Q son
densos.
Como es posible elegir n de manera que V n transforme intervalos arbitrariamente pequeños

sobre todo I, lo mismo ocurrirá con Q. Luego, en Q hay sensibilidad respecto de las condiciones
iniciales.
3.6. El mapa logı́stico fλ (x) = λx(1 − x)
Otra dinámica interesante de estudiar es la del “mapa logı́stico” fλ dado por
fλ (x) = λx(1 − x) , x ∈ [0, 1] , 0 < λ < 4.
En primer lugar observamos que, como 0 < λ < 4, es fácil verificar (no dejes de hacerlo), que el
intervalo [0, 1] es invariante por fλ , es decir fλ ([0, 1]) ⊂ [0, 1].
Con esta familia de funciones realizaremos los mismos razonamientos y cálculos que hicimos en
el caso de la familia cuadrática Qc (x). Antes de empezar te sugerimos que grafiques fλ para
λ = 1, 2, 3, 4, conjuntamente con la diagonal y = x.
Puntos fijos.
λ−1
f (x) − x = λx(1 − x) − x = x(−λx + λ − 1) que tiene raı́ces 0 y λ .
Si λ ≤ 1 tiene un solo punto fijo en [0, 1] que es el 0.
f ′ (x) = λ(−2x + 1) de donde f ′ (0) = λ.
Para λ ≤ 1 el 0 es atractor.
Cuando λ > 1 aparece el otro punto fijo p+ = λ−1 λ .
′
f (p+ ) = −2 + λ y tenemos que |λ − 2| < 1 ⇔ 1 < λ < 3.
Cuando λ > 3 los dos puntos fijos son repulsores.
Órbitas de perı́odo 2.
f 2 (x) − x = f (f (x)) − x = λ2 x(1 − x)[1 − λx + λx2 ] − x.
Los puntos de perı́odo 2 son las soluciones de λ2 x2 − λ(λ + 1)x + λ + 1 = 0.
El discriminante vale λ2 (λ − 3)(λ + 1).
Para λ > 3 hay una órbita periódica de perı́odo 2.
√
Se puede demostrar que es atractora para 3 < λ < 1 + 6 ∼ 3, 4494.............
Cascada de duplicación de perı́odo.

√
Para valores de λ mayores que 1 + 6 pero muy próximos a él, aparece una órbita periódica
3.6. El mapa logı́stico fλ (x) = λx(1 − x) 79
de perı́odo 4 que es atractora. Luego, al seguir subiendo los valores del parámetro, este 4-
ciclo se convertirá en repulsor y aparecerá un 8-ciclo
√ atractor. Y ası́ sucesivamente. Todo esto
ocurrirá con valores de λ comprendidos entre 1 + 6 y 3, 56994.......... Sugerimos mirar el video
https://www.youtube.com/watch?v=0-vN7bYD29I
La mayorı́a de los valores de λ más allá de 3,56995 exhiben un comportamiento caótico, pero
todavı́a hay ciertos rangos aislados de λ que muestran un comportamiento no caótico. Se les
llama islas de estabilidad. Por ejemplo, comenzando en aproximadamente 3,8283 hay un rango
de parámetros λ que muestran oscilación entre tres valores, y para valores ligeramente más altos,
oscilación entre 6 valores, luego 12, etc.
Llegamos a λ = 4, en donde hay caos completo.
f4 (x) = 4 x (1 − x)
√
5± 5
En este caso los puntos fijos son 0 y 3/4, mientras que los puntos de perı́odo dos son 8 .
Esta función también da lugar a un sistema caótico al cumplirse lo siguiente.

Hay puntos periódicos de todos los perı́odos.
Los puntos periódicos son densos en [0, 1]. Esto quiere decir que dados dos valores arbitra-
rios a, b ∈ [0, 1] siempre existe un punto periódico entre ellos.
No hay ciclo periódico atractor.
Existen órbitas densas. Este resultado es más sorprendente aún. Está diciendo que existe
alguna condición inicial x0 ∈ I tal que su órbita es densa en I.
Hay “sensibilidad respecto de las condiciones iniciales”, es decir, existe una constante K
tal que, dos órbitas cualesquiera, por más cerca que comiencen, siempre se terminarán
separando más de K en algún momento.
Una forma de demostrarlo consiste en repetir los argumentos utilizados para el mapa cuadrático
cuando c = −2. Ası́ como trabajamos con V (x) en lugar de Q(x), puedes encontrar más sencillos
los argumentos caóticos con G(x) = 1 − |2x − 1|, en lugar de f4 .
1 1
1 1
3.7. El caso c < −2
Consideremos el mapa cuadrático Qc (x) = x2 + c para c < −2. En la siguiente figura hemos
esbozado la gráfica de Qc conjuntamente con el dibujo del cuadrado centrado en el origen y que
tiene como uno de sus vértices el punto de coordenadas (p+ , p+ ). Observa que, en este caso, el
vértice de la parábola tiene una ordenada
√ menor que −p+ , un hecho que puedes demostrar sin
dificultad recordando que p+ = 12 1 + 1 − 4c y que c < −2.
p+
p+
Figura 3.11: Gráfica de Qc para c < −2.
Designemos con I al intervalo (−p+ , p+ ). Del análisis gráfico resulta claro que si algún término
de una órbita se escapa de I entonces necesariamente dicha órbita tendrá lı́mite +∞. Si una
órbita abandona el intervalo I en algún momento entonces ya conocemos su comportamiento.
Nos quedan por estudiar entonces aquellas órbitas que nunca “salen” de I. Designemos con Γ al
conjunto:
Γ = { x ∈ I / Qnc (x) ∈ I, ∀ n ≥ 1 }
Por ejemplo p+ y −p+ pertenecen a Γ. Pero, ¿qué otros puntos están en Γ? En primera ins-
tancia todo hace suponer que este conjunto es muy “pequeño”. Intentaremos describirlo para
comprender “de qué se trata”. Para ello consideramos el complemento de Γ:
A = I − Γ = { x ∈ I / ∃ m ≥ 1 / Qm
c (x) 6∈ I}
es decir, el conjunto de puntos de I cuya órbita se escapa en algún momento de I.

El análisis gráfico nos muestra que existe un intervalo abierto A1 cuyos puntos se escapan
de I en la primera iteración. A1 es precisamente la preimagen por Qc del intervalo (−p+ , c].
Ahora bien, ¿qué ocurre con un punto x cuya imagen cae en A1 ? Si Qc (x) ∈ A1 entonces
Q2c (x) = Qc (Qc (x)) 6∈ I. La preimágenes de A1 serán precisamente los puntos de I cuya segunda
iterada por Qc se escapa de I. Sea A2 = { x ∈ I / Qc (x) ∈ A1 }.
Observamos
S que existen dos intervalos abiertos A21 y A22 (simétricos respecto de 0) tales que
A21 A22 = A2 .
3.7. El caso c < −2 81
p+
p+
A22
A1 A1
A21
(a) Los puntos de A1 se escapan de I en la pri- (b) Los puntos de A2 se escapan de I en la se-
mera iteración. gunda iteración.
Puedes observar que existen cuatro intervalitos abiertos tales que si x pertenece a alguno de
ellos entonces Qc (x) ∈ A2 y, por consiguiente, la órbita de x escapará de I. Designemos con A3
a la unión de esos cuatro intervalos. De ese modo, A3 es el conjunto de puntos de I cuya órbita
abandona I exactamente en la tercera iteración. Continuando de esa manera, sea An el conjunto
de puntos de I cuya órbita abandona I exactamente en la enésima iteración. Este conjunto
An es la unión de 2n−1 intervalos abiertos. “Y ası́ sucesivamente” construimos una sucesión de
conjuntos (An )n≥1 . Si un punto pertenece a A, es decir, si su órbita se escapa en algún S
momento
de I, entonces dicho punto debe estar en alguno de los An . En otras palabras: A = ∞ n=1 An .
El conjunto Γ (de puntos cuyas órbitas permanecen siempre en I) es I − A. ¿Cómo obtenemos
entonces el conjunto Γ? ¿Qué aspecto tiene? Para construirlo podemos proceder de la siguiente
manera. En el primer paso le quitamos a I el intervalo A1 , dejando dos intervalos cerrados.
En el segundo paso, le quitamos a lo que quedó en conjunto A2 . Nos quedan cuatro intervalos
cerrados. Luego removemos A3 quedándonos con ocho intervalos cerrados. Continuamos y al
quitar An nos quedan 2n intervalos cerrados. Luego, el conjunto Γ es lo que queda luego de
quitarle a I todos los An . Esto es lo que se llama un “conjunto de Cantor”. Está claro que p+
y −p+ pertenecen a Γ. También están en Γ los extremos de los intervalos cerrados que quedaron
después de quitar An en el paso enésimo (ya que luego de n iteraciones dichos puntos caen en
−p+ ). Γ es, por lo tanto, un conjunto infinito. Como A es un conjunto abierto (por ser una unión
de intervalos abiertos), Γ es un conjunto cerrado.
Además, es posible demostrar las siguientes propiedades notables:

(1) Γ no contiene intervalos.
(2) El conjunto de puntos de acumulación de Γ coincide con Γ.
(3) Γ es no numerable (es decir, existe una función biyectiva de Γ sobre R, y por lo tanto, desde
el punto de vista de su “cardinal”, se trata de un conjunto “grande”).
3.8. Teorema del perı́odo tres
Los siguientes “lemas” serán utilizados en la prueba del teorema principal de esta sección. La
demostración de los mismos es sencilla (alcanza con utilizar el teorema de Darboux) y queda
como ejercicio.
Proposición 3.8.1. Lema 1.
Sean I y J dos intervalos cerrados tales que I ⊂ J y F una función continua en J. Si F (I) ⊃ J,
entonces F tiene un punto fijo en I.
Proposición 3.8.2. Lema 2.

Sean I y J dos intervalos cerrados y F una función continua en I. Si F (I) ⊃ J, entonces existe
un subintervalo cerrado I ′ ⊂ I tal que F (I ′ ) = J.
Teorema 3.8.1. Teorema del perı́odo tres.
Sea f : R −→ R una función continua. Si f tiene un punto de perı́odo tres entonces tiene puntos
periódicos de todos los perı́odos.
Demostración.Sea {a, b, c} un 3-ciclo para f :

f f f f
a 7−→ b 7−→ c 7−→ a 7−→ . . . . . . .
y supongamos, para fijar ideas, que a < b < c. Sean I0 = [a, b], I1 = [b, c]. Como f (a) =
b ySf (b) = c, tenemos que f (I0 ) ⊃ I1 . De modo análogo, como f (c) = a, resulta f (I1 ) ⊃
I0 I1 . Comencemos considerando un caso particular que permitirá comprender la idea en el
caso general. Vamos a demostrar primero la existencia de un punto periódico de perı́odo 4.
Existencia de un punto de perı́odo 4:
Como f (I1 ) ⊃ I1 , existe un intervalo cerrado A1 ⊂ I1 tal que f (A1 ) = I1 . Ahora bien, como
A1 ⊂ I1 y f (A1 ) = I1 ⊃ A1 , nuevamente el Lema 2 nos permite asegurar la existencia de un
intervalo cerrado A2 ⊂ A1 tal que f (A2 ) = A1 . Por construcción, A2 ⊂ A1 ⊂ I1 y f 2 (A2 ) = I1 .
Ahora bien, como f (I0 ) ⊃ I1S⊃ A2 , existe un intervalo cerrado A3 ⊂ I0 tal que f (A3 ) = A2 .
Finalmente, como f (I1 ) ⊃ I0 I1 ⊃ A3 , existe otro intervalo cerrado A4 ⊂ I1 tal que f (A4 ) =
A3 . Hemos encontrado intervalos Ai que cumplen:
f f f f
A4 7−→ A3 7−→ A2 7−→ A1 7−→ I1
con la particularidad de que f (Ai ) = Ai−1 , (i = 2, 3, 4), de modo que f 4 (A4 ) = I1 .
Pero como A4 ⊂ I1 , el Lema 1 aplicado a la función f 4 nos permite afirmar que existe un punto
p ∈ A1 que es fijo por f 4 , es decir, existe p ∈ A1 tal que f 4 (p) = p. Sólo nos resta probar que p
no puede tener perı́odo menor que 4.
Observemos, en primer lugar, que p no puede coincidir con b (el único punto común de I0 e I1 ),
ya que f (p) ∈ A3 ⊂ I0 = [a, b] y f (b) = c 6∈ I0 . Resulta entonces que p ∈ (b, c]. En segundo
lugar, f (p) tampoco puede coincidir con b. En efecto: si f (p) = b resultarı́a f 3 (p) = f 2 (b) = a
lo cual es absurdo pues f 3 (p) ∈ A1 ⊂ I1 .
Tenemos entonces que f (p) ∈ [a, b), pero f i (p) ∈ [b, c], ∀ i = 2, 3, 4. Es decir, la primera iterada
de p cae en [a, b) mientras que todas las otras caen en [b, c]. Esto implica que p no puede tener
perı́odo menor que 4. En efecto:
3.8. Teorema del perı́odo tres 83
(1) p ∈ (b, c] y f (p) ∈ [a, b) de donde f (p) 6= p.

(2) Si f 2 (p) = p entonces f 3 (p) = f (p). Esto es absurdo ya que f 3 (p) ∈ (b, c] y f (p) ∈ [a, b).
(3) Si f 3 (p) = p entonces p = f 4 (p) = f (p) lo cual ya sabemos que es imposible.
Existencia de un punto de perı́odo n ≥ 4:
Sea n un natural cualquiera mayor o igual que 4. Repitiendo los razonamientos anteriores vamos
a demostrar la existencia de un punto periódico de perı́odo n para f . Comencemos nuevamente
la construcción:
f
An−1 An
I1
I0
f A1
A2
f
An−2
Figura 3.12: Construcción de los Ai .
Como f (I1 ) ⊃ I1 , existe un intervalo cerrado A1 ⊂ I1 tal que f (A1 ) = I1 . Ahora bien, como
A1 ⊂ I1 y f (A1 ) = I1 ⊃ A1 , nuevamente el Lema 2 nos permite asegurar la existencia de un
intervalo cerrado A2 ⊂ A1 tal que f (A2 ) = A1 . Por construcción, A2 ⊂ A1 ⊂ I1 y f 2 (A2 ) = I1 .
Repitiendo este razonamiento n − 2 veces construimos intervalos cerrados Ai , i = 1, 2, . . . n − 2,
tales que:
(1) An−2 ⊂ An−3 ⊂ . . . . ⊂ A2 ⊂ A1 ⊂ I1
(2) f (Ai ) = Ai−1 , (i = 1, 2, . . . n − 2) y f (A1 ) = I1 .
En particular tenemos que An−2 ⊂ I1 y f n−2 (An−2 ) = I1 .
Ahora bien, como f (I0 ) ⊃ I1 ⊃ An−2S, existe un intervalo cerrado An−1 ⊂ I0 tal que f (An−1 ) =
An−2 . Finalmente, como f (I1 ) ⊃ I0 I1 ⊃ An−1 , existe otro intervalo cerrado An ⊂ I1 tal que
f (An ) = An−1 . Hemos encontrado intervalos Ai que cumplen:
f f f f
An 7−→ An−1 7−→ . . . . . 7−→ A1 7−→ I1
con la particularidad de que f (Ai ) = Ai−1 , (i = 2, . . . n), de modo que f n (An ) = I1 . Pero
como An ⊂ I1 , el Lema 1 nos permite afirmar que existe un punto p ∈ An que es fijo por f n .
Sólo nos resta probar que p no puede tener perı́odo menor que n.
Observemos, en primer lugar, que p no puede coincidir con b, ya que f (p) ∈ An−1 ⊂ I0 y f (b) =
c 6∈ I0 . Tampoco f (p) puede coincidir con b. En efecto: si f (p) = b resultarı́a f 3 (p) = f 2 (b) = a
lo cual es absurdo pues f 3 (p) ∈ An−3 ⊂ I1 . Tenemos entonces que f (p) ∈⊂ I0 − {b}, pero
f i (p) ∈ I1 , ∀ i ≥ 2. Es decir, la primera iterada de p cae en I0 − {b}, mientras todas las otras
caen en I1 .
Supongamos que p tenga un perı́odo menor que n. En ese caso existirı́a k con 1 ≤ k ≤ n − 1 tal
que f k (p) = p. Aplicando f obtendrı́amos f k+1 (p) = f (p) lo cual es absurdo pues f k+1 (p) ∈ I1
mientras que f (p) ∈ [a, b). Se deduce que p no puede tener perı́odo menor que n. Esto completa
la demostración en el caso n > 3. Los casos n = 1 y n = 2 quedan como ejercicio. ♠
Cuando estoy triste ella viene hacia mi

con miles de sonrisas
ella me da libertad
está todo bien, ella me dice
está todo bien . . .
toma todo lo que quieras de mı́
de “Little Wing”, Jimi Hendrix. (1968).
Barcos de muchas banderas alegran mis dı́as

allá en la rada de mi ciudad
Gente que espera a su gente llenos de alegrı́a
y otros que lloran porque se van
Después el pito del barco sonando desgarra mil vidas
Y muchos padres y madres preguntan sin poderse explicar
ni siquiera entender
Por qué se van? Adónde van? Volverán?
De ver los barcos partir muero todos los dı́as
allá en la rada de mi cuidad.
de “La rada”, Ruben Rada (1975).
A tiempo yo me retiro; yo sé guardar tus secretos

décima que te respeto; que te respeto y admiro
de un hilo pende el suspiro; del querer adolescente
del que se olvida la gente; que ya ha perdido el valor
de dar todo por amor; sin perderse en la corriente
de “Las décimas”, La Trampa. (2005).
La alegrı́a de los vagabundos

que traspasan este mundo
sin entrar en él . . .
Los “inútil-es-sin-referencia”
los de “sin buena presencia”
los que detestamos el cuartel . . .
de “Alegrı́s”, Tabaré Rivero (La Taberé). (1999).
Capı́tulo 4
Series numéricas
4.1. Definición y ejemplos
Sea (an )n≥1 una sucesión de números reales:
( a1 , a2 , a3 , a4 , . . . . . . . . . )
Si escribimos a1 + a2 no tenemos la menor duda de lo que ello significa: se trata de la suma

(adición) de los dos primeros términos de la sucesión. Conocemos perfectamente bien las pro-
piedades de esta operación. En particular sabemos que a1 + a2 = a2 + a1 . Lo mismo ocurre si
escribimos a1 + a2 + a3 . Es una suma de tres sumandos que puede calcularse como (a1 + a2 ) + a3
o como a1 + (a2 + a3 ) (propiedad asociativa). También podemos plantearnos la suma de los
primeros ochenta términos de la sucesión, un número que puede expresarse en forma abreviada
como
i=80
X
ai
i=1
En todos los casos el resultado es un número que puede calcularse usando las conocidas propie-
dades de la operación de “adición” de números reales.
¿Qué ocurre si quisiéramos “sumar TODOS” los términos de la sucesión? De manera bastante
arriesgada, pero sugestiva a la vez, estarı́amos tentados en escribir
+∞
X
an = a1 + a2 + a3 + a4 + . . . . . . . . .
n=1
aunque, por ahora, ese sı́mbolo carece de sentido. ¿Qué es eso de “sumar infinitos sumandos¿
El objetivo central de este capı́tulo consiste en estudiar de qué manera puede formalizarse esta
idea y analizar las propiedades del nuevo objeto matemático.
Como acabamos de mencionar, el problema que nos planteamos consiste en intentar “sumar”
todos los términos de una sucesión dada. Para darle sentido a esa idea se procede de la siguiente
manera.
85
86 Capı́tulo 4. Series numéricas
Definición 4.1.1. Sucesión de sumas parciales.

Sea (an )n≥1 una sucesión de números reales. Llamamos sucesión de sumas parciales generada
por (an ) a la sucesión (An )n≥1 definida por:
n
X
An = a1 + a2 + a3 + . . . . + an = ai n ∈ N, n ≥ 1.
i=1
Observemos que esta sucesión de sumas parciales puede definirse por recurrencia de la siguiente
manera:
A1 = a1 y An = An−1 + an , ∀n ∈ N, n ≥ 2.
La sucesión (An ) también se denomina serie generada por (an ).
Definición 4.1.2. Series convergentes, divergentes y oscilantes.

Sea (an )n≥1 una sucesión de números reales y (An )n≥1 su correspondiente sucesión de sumas
parciales.
P+∞
1. Si lı́m(An ) = S ∈ R entonces decimos que la serie n=1 an converge y que su suma
es S. Escribimos:
X∞
an = S
n=1
P∞
2. Si lı́m(An ) = +∞ (o −∞) entonces decimos P∞que la serie n=1 an diverge. En este
caso no le asignamos valor alguno al sı́mbolo n=1 an .
P∞
3. Si lı́m(An ) no existe entonces decimos quePla serie n=1 an oscila. En este caso
tampoco le asignamos valor alguno al sı́mbolo ∞ a
n=1 n .
P∞
Ejemplo 4.1.1. Queremos clasificar la serie n=1 an en donde an = k (constante) ∀n ≥ 1.
Comenzamos hallando la sucesión de sumas parciales:
An = a1 + a2 + a3 + . . . . + an = k + k + k + . . . . + k = n.k
Ahora tenemos que calcular el lı́mite de esta sucesión de sumas parciales:

Si k = 0 entonces An = 0, ∀n y por lo tanto lı́m An = 0.
Si k 6= 0 entonces lı́m An = +∞ (si k > 0) y lı́m An = −∞ (si k < 0). Conclusión:
∞
X converge si k = 0.
k
diverge si k =
6 0.
n=1
P∞ n+1

Ejemplo 4.1.2. Consideremos ahora la serie n=1 an en donde an = L n , ∀n ≥ 1.
Tenemos que empezar hallando la sucesión de sumas parciales:

2 3 4 n+1
An = a1 + a2 + a3 + . . . . + an = L +L +L + . . . . + +L =
1 2 3 n
L(2) − L(1) + L(3) − L(2) + L(4) − L(3) + . . . . + L(n + 1) − L(n) = L(n + 1)

4.1. Definición y ejemplos 87
Hemos podido encontrar una fórmula sencilla para An que nos permite calcular su lı́mite sin
dificultad:
∞
X n+1
lı́m(An ) = lı́m L(n + 1) = +∞ =⇒ L diverge
n
n=1
(Haciendo un abuso de lenguaje podemos decir que la “suma de todos los términos de la sucesión
(an ) es infinita”. )
1
Ejemplo 4.1.3. Sea an = n(n+1) , n ≥ 1. Descomponiendo en fracciones simples obtenemos
1 1
an = n − n+1 . La sucesión de sumas parciales generada por (an ) es:

1 1 1 1 1 1 1 1 1 1 1
An = − + − + − + .... + − + − =1−
1 2 2 3 3 4 n−1 n n n+1 n+1
También
aquı́ hemos obtenido una expresión sencilla para An . Como lı́m(An ) =
1
lı́m 1 − n+1 = 1 podemos afirmar que
∞ ∞
X 1 X 1
converge y que =1
n(n + 1) n(n + 1)
n=1 n=1
Es decir, la serie converge y su suma es 1.
Observación 4.1.1. Vale la pena detenernos para realizar dos observaciones importantes refe-
ridas a los dos últimos ejemplos que acabamos de presentar.
1. En ambos casos la sucesión (an ) que genera las series tiende monótonamente a cero cuando
n → +∞. Esto quiere decir que los términos que estamos sumando son cada vez más
pequeños y que se van haciendo “indefinidamente chicos” cuando n crece. Sin embargo,
los comportamientos de las dos series son completamente distintos:
∞ ∞
X n+1 X 1
L diverge converge
n n(n + 1)
n=1 n=1
Observemos que

n+1 n+1 1 1 1
L ∼ −1 = mientras que ∼ 2
n n n n(n + 1) n

Lo que ocurre es que, si bien L n+1 n −→ 0, estos términos no resultan ser lo suficiente-
mente pequeños para que se logre una serie convergente.
2. En los dos casos encontramos una misma particularidad al calcular la sucesión de sumas
parciales. Al aplicar la propiedad asociativa logramos una cancelación importante y An se
redujo a una suma de dos sumandos. En un próximo ejercicio se planteará la discusión de
las series que tienen esa caracterı́stica (suelen ser llamadas “series telescópicas”).
P P∞
Ejemplo 4.1.4. Queremos clasificar ∞ n=1 (−1)
n+1 , es decir,
n=1 an con an = (−1)
n+1 . Se
tiene:
A1 = a1 = 1, A2 = A1 + a2 = 1 − 1 = 0, A3 = A2 + a3 = 1, A4 = A3 − 1 = 0, . . . . . . .
No cabe duda que

1, si n es impar.
An =
0, si n es par.
P
Como lı́m(An ) no existe podemos afirmar que ∞ n=1 (−1)
n+1 oscila.
Observación 4.1.2. Analogı́a entre series e integrales impropias de primera especie.

Es interesante e importante que comparemos las definiciones de integral impropia de primera
especie y de serie:
Integral impropia de primera especie.
1. Nuestro punto de partida es una función f continua en [a, +∞).

Rx
2. Consideramos la función integral F : [a, +∞) −→ R / F (x) = a f , para cada x ≥ a.
3. Nos preocupamos por lı́mx−→+∞ F (x)
4. Para resumir todo lo anterior usamos el sı́mbolo
Z +∞
f
a
R +∞
5. En caso que F converja el sı́mbolo a f indica, además, el valor del lı́mx−→+∞ F (x)
Serie.
1. Comenzamos con una sucesión (an )n≥1 .

P
2. Construimos la sucesión (An )n≥1 / An = ni=1 ai , para cada n ≥ 1.
3. Nuestro interés está en el lı́mn−→+∞ An .
4. Para resumir todo lo anterior usamos el sı́mbolo
∞
X
an
n=1
P∞
5. En caso que (An ) converja el sı́mbolo n=1 an indica, además, el valor del lı́mn−→+∞ An .
Ejercicio 4.1.1. Series telescópicas.

Sean (bn )n≥1 y (an )n≥1 dos sucesiones tales que an = bn − bn+1 , ∀n ≥ 1.
P P
(a) Demuestra que An = ni=1 ai = b1 − bn+1 . Deduce el comportamiento de la serie ∞ n=1 an
según lo que ocurre con lı́m(bn+1 ).
P
(b) En cada uno de los siguientes casos clasifica ∞ n=1 an y, en caso de convergencia, encuentra
la suma de dicha serie.
√ √
1 1 n+1− n
an = 2 − an = √
n (n + 1)2 n2 + n
4.1. Definición y ejemplos 89
Ejercicio 4.1.2. En cada uno de los siguientes casos se te da una sucesión (an )n≥1 y se te pide:
(a) Encontrar una expresión para An = a1 + a2 + . . . . + an
(b) Calcular lı́m(An ) (en caso que exista).
P
(c) Clasificar la serie ∞n=1 an y, en caso de convergencia, calcular su suma.
Z n+1
−x (−1)n+1
a) an = n b) an = e dx c) an = L 1 +
n n
Ejercicio 4.1.3. Sea (an )n≥1 de la cual se sabe que
2n + 1
An = a1 + a2 + . . . . + an = (n ≥ 1).
n+3
P
(a) Clasifica la serie ∞n=1 an y, en caso de convergencia, calcula su suma.
(b) Calcula a1 y determina an para cada n ≥ 2.
El siguiente ejemplo es fundamental.
Ejemplo 4.1.5. Serie geométrica.

Se llama serie geométrica a la generada por la sucesión (an )n≥1 / an = xn−1 (x ∈ R). La
sucesión de sumas parciales
An = 1 + x + x2 + x3 + . . . . + xn−1
es la suma de los primeros n términos de una progresión geométrica de razón x. Si x = 1 queda

la serie estudiada en el ejemplo 4.1.1 Supongamos entonces x 6= 1. Si multiplicamos An por x
obtenemos:
x An = x + x2 + x3 + . . . . + xn−1 + xn
y, por lo tanto:
An − x An = 1 − xn
Como x 6= 1 podemos despejar An resultando:
1 − xn
An = n ≥ 1, x 6= 1.
1−x
Calculemos el lı́m(An ) discutiendo según x. Se tiene:
1
Si |x| < 1 =⇒ xn −→ 0 =⇒ lı́m(An ) = 1−x (finito).
n
Si x > 1 =⇒ x −→ +∞ =⇒ lı́m(An ) = +∞.
Si x ≤ −1 =⇒ lı́m(xn ) no existe =⇒ lı́m(An ) no existe.
En resumen:
X∞
xn−1 converge si, y sólo si, |x| < 1
n=1
En ese caso (|x| < 1) la suma de la serie geométrica es
∞
X 1
(SG) xn−1 =
1−x
n=1
P
1 n−1
Ejemplo 4.1.6. Queremos clasificar ∞ 1 1
n=1 2n−1 . Como 2n−1 = 2 nos damos cuenta que
estamos en presencia de una serie geométrica de razón x = 1/2 (cuyo valor absoluto es menor
que 1). Se deduce que
∞
X 1
converge
2n−1
n=1
Más aún, usando la fórmula (SG) podemos calcular su suma obteniendo:
∞
X 1 1
= 1 =2
2n−1 1− 2
n=1
P
Observación 4.1.3. La suma An = 1 + x + x2 + x3 + . . . . + xn−1 se expresa An = ni=1 xi−1 .
En este sı́mbolo el nombre de la “variable” i no juega ningún papel. Si en lugar de i ponemos r
obtenemos el mismo resultado:
n
X n
X
i−1
An = x = xr−1
i=1 r=1
Se
R b trata entonces
R b de una “variable
Rb muda”. Lo mismo ocurre cuando simbolizamos una integral:
a f (x) dx = a f (t) dt = a f (ñ) dñ (¿te acuerdas?).
Pn−1 k
También hay otras maneras de representar
la misma suma. Observa por ejemplo que k=0 x también coincide con An = 1 + x + x2 +
x3 + . . . . + xn−1 . Es decir:
n−1
X Xn
xk = xi−1
k=0 i=1
Esto da lugar a que en el caso de una serie geométrica convergente (|x| < 1) podamos escribir
∞ ∞
X 1 X 1
xn−1 = o también xk =
1−x 1−x
n=1 k=0
Ejercicio 4.1.4. Clasifica las siguientes series y, en caso de convergencia, encuentra la suma de
las mismas.
∞ n−1 ∞ ∞
X 2 X 5 n−1 X
a) b) − c) e−n
3 4
n=1 n=1 n=0
∞
X (−1)n ∞
X 1 n ∞
X −a n

d) e) f )
2n 2 2
n=0 n=1 n=0
4.2. Propiedades básicas de las series
Teorema
P∞ 4.2.1. Condición necesaria para la convergencia.
Si n=1 an converge entonces (an ) −→ 0.
4.2. Propiedades básicas de las series 91
Demostración. Designemos con (An ) a la enésima suma parcial generada por (an ). Sabemos
que la relación básica entre An y an es:
An = An−1 + an ∀n ∈ N, n > 1.
lo cual es equivalente a:
an = An − An−1 ∀n ∈ N, n > 1.
P
NuestraP hipótesis es que ∞n=1 an converge. ¿Qué quiere decir esto? Por definición, decir que
∞
la serie n=1 an converge, es equivalente a decir que existe un número S tal que lı́m(An ) = S.
Pero si lı́m(An ) = S entonces también lı́m(An−1 ) = S. Tenemos entonces que
lı́m an = lı́m (An − An−1 ) = S − S = 0
♠
Observación 4.2.1. El recı́proco del teorema anterior es falso. En efecto, en el ejemplo 4.1.2
vimos que:
∞
n+1 X n+1
an = L −→ 0 mientras que L diverge
n n=1
n
Podemos decir entonces que el hecho de que el término general de una serie tienda a 0 es una
condición necesaria pero no suficiente para que la serie sea convergente:
∞
X
an converge =⇒ (an ) −→ 0
n=1
aunque
∞
X
(an ) −→ 0 6=⇒ an converge
n=1
(¿En qué parte anterior del curso te habı́as encontrado con una situación análoga?)
P
Ejercicio 4.2.1. Demuestra que ∞ n=1 cos n
1
no converge.
Propiedad de aditividad. P
Sea (an )n≥1 una sucesión de números reales y supongamos que ∞ n=1 an converge con suma
S. Al considerar esta serie hemos tomado en cuenta todos los términos de la sucesión, es decir,
desde n = 1 en adelante:
∞
X
an = a1 + a2 + a3 + a4 + a5 + a6 + . . . . . . . .
n=1
En muchas ocasiones puede interesarnos intentar “sumar” a partir de un término que no nece-
sariamente sea el primero. Por ejemplo, puede interesarnos estudiar el comportamiento de
a3 + a4 + a5 + a6 + . . . . . . . . . .
que podemos simbolizar

∞
X
an
n=3
La única diferencia entre estaP

última serie y la original es el número a1 +Pa2 . Parece totalmente
∞ ∞
razonable pensar que como n=1 an converge con suma S, la serie n=3 an también será
convergente aunque, en este caso, con suma S − (a1 + a2 ). El resultado es general y puede
expresarse de la siguiente manera:
Si p ∈ N es un número mayor que 1 entonces:

∞
X ∞
X
an converge ⇐⇒ an converge
n=1 n=p
P∞ P∞
En este caso, si n=1 an = S entonces n=p an = S − (a1 + . . . . + ap−1 ).
El siguiente teorema justifica estas afirmaciones.
Teorema 4.2.2. Aditividad.

Sean (an )n≥1 una sucesión, r P
un natural fijo
P∞ mayor que 1, y (bn )n≥1 la sucesión definida por
bn = an+r . Entonces las series ∞ a
n=1 n y n=1 bn tienen el mismo comportamiento. En caso
de convergencia se cumple que
∞
X ∞
X
bn = an − (a1 + . . . . + ar )
n=1 n=1
P∞
Demostración. Para n > r consideremos la enésima suma parcial correspondiente a n=1 bn
:
Xn n
X
Bn = bi = ar+i = ar+1 + ar+2 + . . . . + ar+n
i=1 i=1
P∞
La suma parcial de orden n + r correspondiente a n=1 an es:
n+r
X
An+r = ak = a1 + a2 + . . . . + ar + ar+1 + ar+2 + . . . . + ar+n
k=1
Tenemos entonces que

An+r = (a1 + a2 + . . . . + ar ) + Bn
o lo que es lo mismo
Bn = An+r − (a1 + a2 + . . . . + ar ) (∗)

P
Supongamos que ∞ n=1 an converge con suma S. Esto quiere decir que lı́m(An ) = S. Esto último
implica que lı́m(An+r ) = S. Tomando lı́mite en (∗) obtenemos:
lı́m(Bn ) = lı́m [An+r − (a1 + a2 + . . . . + ar )] = S − (a1 + a2 + . . . . + ar )
P
SePdeduce que ∞ n=1 bn converge
P∞con suma S − (a1 + a2 + . . . . + ar ). Hemos demostrado que
si ∞ a
n=1 n converge entonces n=1 bn también converge. La prueba de los otros casos (¿cuáles
son?) quedan como ejercicio. ♠
Observación 4.2.2. La propiedad de aditividad nos está diciendo que el comportamiento de
una serie (si es convergente, divergente u oscilante), no depende del ı́ndice a partir del cual
empezamos a sumar (no depende del “punto de arranque”). Es por ello que cuando estemos
interesados en P
saber si una serie converge o no, sin importarnos el valor de su suma, escribiremos
simplemente: an
P Pn=6 P∞
Ejercicio 4.2.2. Se sabe que ∞ n=1 an = 9 y que n=1 an = 5. Clasifica n=7 an y, en caso
de convergencia, calcula su suma.
Teorema 4.2.3. Linealidad.

Sean (an ) y (bn ) dos sucesiones de números reales y k un número real. Entonces:
P P∞
1. Si ∞ n=1 an converge entonces n=1 k.an también converge y se cumple que:
∞
X ∞
X
k.an = k. an
n=1 n=1
P∞ P∞
2. Si n=1 k.an converge y k 6= 0 entonces n=1 an también converge y se cumple que:
∞
X ∞
X
k.an = k. an
n=1 n=1
P∞ P∞ P∞
3. Si n=1 an converge y n=1 bn converge, entonces n=1 (an + bn ) también converge y se
cumple que:
∞
X ∞
X ∞
X
(an + bn ) = an + bn
n=1 n=1 n=1
Demostración.
1. Sea An = a1 + a2 + . . . . + an (n > 1). Nuestra hipótesis quiere decir que
P existe A ∈ R
tal que lı́m(An ) = A. La enésima suma parcial correspondiente a la serie k.an es:
n
X
k.ai = k.a1 + k.a2 + . . . . + k.an = k.(a1 + a2 + . . . . + an ) = k.An
i=1
Tomando lı́mites obtenemos:

n
X
lı́m k.ai = lı́m (k.An ) = k.A
n−→+∞ n−→+∞
i=1
P∞
Se deduce que n=1 k.an converge y que su suma es k.A, es decir:
∞
X ∞
X
k.an = k. an
n=1 n=1
2. Como k 6= 0 existe su inverso k1 . Aplicando la parte (1) ya demostrada resulta:

∞ ∞ ∞
X X 1 X
k.an converge =⇒ (k.an ) converge =⇒ an converge
n=1 n=1
k n=1
Ahora estamos en las hipótesis de (1) y podemos asegurar que:

∞
X ∞
X
k.an = k. an
n=1 n=1
P∞ P∞
3. Como n=1 an y n=1 bn son ambas convergentes existen números A y B tales que:
n
X n
X
lı́m ai = A y lı́m bi = B
n−→+∞ n−→+∞
i=1 i=1
P
La enésima suma parcial correspondiente a la serie (an + bn ) es:
n
X
(ai + bi ) = (a1 + b1 ) + (a2 + b2 ) + . . . . + (an + bn ) =
i=1
n
X n
X
(a1 + a2 + . . . . + an ) + (b1 + b2 + . . . . + bn ) = ai + bi
i=1 i=1
Tomando lı́mite (siempre con n −→ +∞) obtenemos:

n n n
!
X X X
lı́m (ai + bi ) = lı́m ai + bi =A+B
i=1 i=1 i=1
P∞
Ha quedado demostrado que n=1 (an + bn ) converge y que su suma es A + B, es decir:
∞
X ∞
X ∞
X
(an + bn ) = an + bn
n=1 n=1 n=1
♠
P P∞ P∞
Ejercicio 4.2.3. Se sabe que ∞ n=1 an = 8 y que n=1 bn = −1/2. Clasifica n=1 (−2an +6bn )
y, en caso de convergencia encuentra su suma.
Ejercicio 4.2.4. Clasifica las siguientes series y, en caso ee convergencia, encuentra sus sumas.
∞ ∞ ∞
X 2n + 3n X 2n+1 X 2n−1 + 4n+1
a) b) c)
6n 3n−1 8n
n=0 n=0 n=0
Observación 4.2.3. A esta altura del desarrollo ya debes haber notado la notable similitud
que hay entre las definiciones y teoremas que venimos dando con los que conoces de integrales
impropias de primera especie. Te sugerimos que intentes establecer una correspondencia entre
los resultados obtenidos en las notas de Cálculo 1 con los de este capı́tulo.
P P∞ P∞
Ejercicio
P∞ 4.2.5. Si ∞n=1 aP
n converge y n=1 bn diverge, ¿qué se puede decir de n=1 (an + bn )
? ¿Y si n=1 an diverge y ∞ b
n=1 n diverge?
Observación 4.2.4. Sobre las propiedades asociativa y conmutativa.

La operación de suma (adición) de números reales tiene las bien conocidas propiedades “aso-
ciativa” y “conmutativa”. Es razonable preguntarnos si estas propiedades siguen valiendo para
series. Un simple ejemplo nos pone en alerta. Habı́amos mostrado que la serie
∞
X
(−1)n+1 = 1 − 1 + 1 − 1 + 1 − 1 + . . . . .
n=1
es oscilante. Sin embargo, la serie
(1 − 1) + (1 − 1) + (1 − 1) + . . . . . . = 0 + 0 + 0 + . . . . . .
converge con suma 0. Por otro lado, la serie
1 + (−1 + 1) + (−1 + 1) + (−1 + 1) + . . . . . . = 1 + 0 + 0 + 0 + . . . . . .
converge con suma 1. Esto nos muestra que si “asociamos infinitas veces” podemos cambiar
el comportamiento de la serie. La “propiedad asociativa” no es válida entonces para series
cualesquiera. Lo mismo ocurre con la “propiedad conmutativa”. Si cambiamos el orden de los
términos de una serie puede llegar a cambiar su comportamiento. Si bien hay algunos resultados
que establecen las condiciones necesarias y suficientes para que una serie tenga estas propiedades,
no los estudiaremos en nuestro curso.
Observación 4.2.5. Sobre la dificultad de aplicar la definición.

Hemos dado la definición, varios ejemplos y algunas propiedades de las series numéricas. Salvo
por la eventual aplicación de algunas de estas propiedades, la única herramienta que tenemos
hasta estePmomento para proceder a la clasificación es la propia definición. Esto es, si queremos
clasificar ∞n=1 an tenemos que:
1. Hallar la enésima suma parcial:
n
X
An = ai = a1 + a2 + . . . . + an
i=1
2. Calcular su lı́mite: lı́m(An ).

Ahora bien, para estar en condiciones de calcular lı́m(An ) necesitamos encontrar una expresión
para An que justamente facilite ese cálculo. Como habrás observado, eso es lo que hemos hecho
en todos los ejemplos manejados hasta el momento. Si nosotros dejamos planteada An como
una suma de n sumandos, no podremos (salvo en casos muy particulares) calcular su lı́mite.
Consideremos un ejemplo. Sea (an )n≥1 / an = n1 . En este caso es
1 1 1 1
An = 1 + + + + .... +
2 3 4 n
¿Hay alguna forma de expresar esta suma de una manera más sencilla? No lo parece. ¿Cuál es
el lı́mite de An ? Por ahora no estamos en condiciones de saberlo. Tengamos en cuenta que An
es una suma de n sumandos y que por lo tanto, al tomar lı́mite para n −→ +∞, la cantidad
de sumandos también tiende a infinito. No se trata pues de una suma de un número fijo de
sumandos y en consecuencia no es posible aplicar el teorema del “limite de una suma”.
Es importante entonces intentar obtener algunos resultados que nos permitan clasificar una
serie sin tener necesidad de recurrir a la definición. (Es lo que habı́amos hecho con las integrales
impropias).
4.3. Series de términos positivos
P
Cuando an ≥ 0, ∀n ≥ 1 decimos que ∞ n=1 an es una serie de términos positivos. (Aunque
en realidad deberı́a decirse no negativos). Es precisamente en este caso que aparecen algunas
propiedades adicionales cuya aplicación resulta de gran utilidad. A continuación establecemos
la primera de ellas.
Teorema 4.3.1. No oscilación de series de términos positivos.

Las series de términos positivos no oscilan.
P Pn
Demostración. Sea ∞ n=1 an una serie de términos positivos (an ≥ 0, ∀n ≥ 1). Si An = i=1 ai
es la enésima suma parcial tenemos que:
An = An−1 + an ∀n > 1.
Como an ≥ 0, ∀n ≥ 1, de la relación anterior resulta que
An ≥ An−1 ∀n > 1.
Esto quiere decir que la sucesión (An ) es monótona creciente. Según el Teorema 1.2.1 podemos
afirmar que sólo existen dos posibilidades para el comportamiento de (An ):
Si (An ) está acotada superiormente =⇒ (An ) tiene límite finito.
Si (An ) no está acotada superiormente =⇒ (An ) tiene límite + ∞.

P∞ P∞
En el primer caso resulta an convergente. En el segundo, resulta
n=1 P n=1 an divergente.
Hemos demostrado entonces que ∞ a
n=1 n no oscila. ♠
P 2n2
Ejemplo 4.3.1. Queremos clasificar ∞ n=1 n2 +1 . Para ello comenzamos calculando el lı́mite del
término general:
2n2 2n2
lı́m = lı́m 2 = 2 6= 0 =⇒ (condición necesaria de convergencia )
n2+1 n
∞
X 2n2
no converge.
n=1
n2 + 1
4.3. Series de términos positivos 97
Por otro lado tenemos que

∞
2n2 X 2n2
> 0, ∀n ≥ 1 =⇒ no oscila.
n2 + 1 n2 + 1
n=1
P∞ 2n2
Se deduce que n=1 n2 +1 diverge.
Ejercicio 4.3.1. Comprueba que las siguientes series son divergentes:

∞ ∞ ∞
X 1 X 1 n
X n3 − 1
cos +e
n 2n 3n3 + 2n2 − 4n − 9
n=1 n=1 n=1
El siguiente resultado pone de manifiesto una vez más la relación entre series e integrales im-
propias de primera especie.
Teorema 4.3.2. Criterio integral.

Sea f una función continua, positiva y decreciente en la semirrecta [1, +∞). Entonces se cumple
que:
∞
X Z +∞
f (n) converge ⇐⇒ f converge
n=1 1
En caso de convergencia se cumple además que:
Z +∞ ∞
X Z +∞
(CI) f ≤ f (n) ≤ f (1) + f
1 n=1 1
Antes de realizar una demostración analı́tica mostraremos cómo puede interpretarse gráficamente
este resultado. Tenemos entonces una función f continua, positiva y decreciente.
P
Admitamos que la serie ∞ n=1 f (n) converge con suma S. Este valor puede interpretarse como
la suma de las áreas de rectángulos cuya base mide 1 y cuya altura mideR f (n) (figura 4.1). El
+∞
área por debajo de la curva es menor que S. Esto implica que la integral 1 f también debe
ser convergente y que:
Z +∞ ∞
X
f ≤S= f (n)
1 n=1
Esta es la desigualdad de la izquierda en (CI).

1234567890123456
f (1) 1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345123456789012345
1234567890123456
123456789012345123456789012345
1234567890123456
123456789012345
123456789012345123456789012345
1234567890123456 123456789012345
1234567890123456
123456789012345
123456789012345123456789012345
1234567890123456 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345123456789012345
123456789012345
123456789012345123456789012345
1234567890123456
1234567890123456
123456789012345
123456789012345
123456789012345
123456789012345
123456789012345123456789012345
1234567890123456
1234567890123456
123456789012345
123456789012345
123456789012345
123456789012345
1234567890123456
123456789012345123456789012345
1234567890123456
1234567890123456
123456789012345
123456789012345
123456789012345
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 123456789012345
123456789012345
123456789012345123456789012345
123456789012345 1234567890123456
123456789012345 123456789012345
1234567890123456 123456789012345
123456789012345
123456789012345
12345678901234567
1234567890123456
123456789012345
1234567890123456 123456789012345
123456789012345123456789012345
123456789012345 1234567890123456
123456789012345 123456789012345
1234567890123456 123456789012345
123456789012345 12345678901234567
123456789012345
12345678901234567
1234567890123456
123456789012345
1234567890123456 123456789012345
123456789012345123456789012345
123456789012345 1234567890123456
123456789012345 123456789012345
1234567890123456 123456789012345
123456789012345 12345678901234567
123456789012345
12345678901234567
1234567890123456
123456789012345
1234567890123456
123456789012345 123456789012345
123456789012345 1234567890123456
123456789012345 123456789012345
1234567890123456 123456789012345
123456789012345 12345678901234567
123456789012345
12345678901234567
1234567890123456
123456789012345123456789012345
123456789012345
1234567890123456
123456789012345
123456789012345
12345678901234567
1 2 3 4 5 6 7
Figura 4.1: Áreas en el criterio integral.
Para convencernos de la desigualdad de la derecha en (CI) interpretamos el número S =

P ∞
n=1 f (n) como otra suma de áreas de cuadrados como se indica en la próxima figura:
f (1) 1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1234567890123456
123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456 1234567890123456
123456789012345 123456789012345
1234567890123456
123456789012345
1 2 3 4 5 6 7
De esta figura resulta que

∞
X Z +∞
f (n) ≤ f
n=2 1
Sumando f (1) a ambos miembros obtenemos:

∞
X Z +∞
f (n) ≤ f (1) + f
n=1 1
Este
P∞ “razonamiento gráfico” nos ha permitido convencernos
R +∞ que la convergencia de la serie
n=1 f (n) implica la convergencia de la integral 1 f y que, además, es válida la relación
R +∞
(CI). Usando losPmismos gráficos puedes mostrar que la convergencia de 1 f implica la
convergencia de ∞ n=1 f (n). ♠
Ahora sı́ una demostración analı́tica:
Demostración. En primer lugar hacemos la siguiente observación. Como f es positiva sabemos

P∞ R +∞
que ni n=1 f (n) ni 1 f pueden oscilar. Es decir, los siguientes lı́mites existen
n
X Z x
lı́m f (k) lı́m f (t) dt
n−→+∞ x−→+∞ 1
k=1
y sólo pueden ser finitos o +∞. Ahora bien, sea k ∈ N, k ≥ 1. Como f es decreciente se cumple
que f (k) ≥ f (t) ≥ f (k + 1), ∀t ∈ [k, k + 1]. Por la propiedad de monotonı́a de la integral
tendremos que:
Z k+1 Z k+1 Z k+1
f (k) = f (k) dt ≥ f (t) dt ≥ f (k + 1) dt = f (k + 1)
k k k
Sumando miembro a miembro las desigualdades correspondientes a k = 1, 2, 3, . . . . , n − 1,

obtenemos:
n−1
X Z n n
X
f (k) ≥ f (t) dt ≥ f (k) − f (1) (∗)
k=1 1 k=1
Esta desigualdad se cumple para todo natural n > 1.

P
(1) Supongamos que ∞ k=1 f (k) converge con suma S. Tomando lı́mite en (*) para n −→ +∞
obtenemos: Z n
S ≥ lı́m f (t) dt ≥ S − f (1)
n−→+∞ 1
R +∞ P R +∞ P∞
Se deduce que 1 f (t) dt converge y que: ∞ k=1 f (k) ≥ 1 f (t) dt ≥ k=1 f (k) − f (1).
R +∞
(2) Supongamos ahora que 1 f (t) dt es convergente. La desigualdad de la derecha de (*) es
equivalente a:
Xn Z n
f (k) ≤ f (1) + f (t) dt
k=1 1
Tomando lı́mite para n −→ +∞ obtenemos

n
X Z +∞
lı́m f (k) ≤ f (1) + f (t) dt
n−→+∞ 1
k=1
P∞ P∞ R +∞
de donde se deduce que k=1 f (k) converge y que: k=1 f (k) ≤ f (1) + 1 f (t) dt. ♠
Ejemplo 4.3.2. Clasificación de la serie armónica.

Llamamos serie armónica a la serie:
∞
X 1
(α ∈ R).
nα
n=1
1
Se trata obviamente de una serie de términos positivos. ¿Qué pasa con el lı́mite de nα ? Nos
damos cuenta que tenemos que distinguir dos casos:
Caso 1:
∞
1 X 1
Si α ≤ 0 =⇒ α
−
6 → 0 =⇒ no converge
n n=1
nα
Como es una serie de términos positivos, deducimos que diverge.

Caso 2:
1
Si α > 0 =⇒ −→ 0
nα
En este caso no tenemos todavı́a suficiente información para clasificarla. Intentemos entonces
aplicar el “Criterio Integral”. Tenemos que considerar una función f (x) para la cual f (n) coincida
con n1α . Tomemos entonces f (x) = x1α . Esta f es continua y positiva en [1, +∞). Para estar en
las hipótesis del teorema tenemos que verificar además que f es decreciente en ese intervalo,
lo cual es cierto pues f ′ (x) = −αx−α+1 < 0, ∀x ∈ [1, +∞). Aplicando el “Criterio Integral”
podemos asegurar que
∞ Z +∞
X 1 1
α
y α
dx
n=1
n 1 x
tienen el mismo comportamiento. Como el de la integral de “tipo armónica” es conocido, dedu-
cimos que si α > 1 entonces la serie converge, y que si 0 < α ≤ 1 la serie diverge.
En resumen:
∞
X 1 converge, si α > 1.
nα diverge, si α ≤ 1.
n=1
Además, en el caso α > 1 podemos usar la acotación (CI) obteniendo:
∞
1 X 1 1
≤ α
≤ 1+ (α > 1).
α−1 n=1
n α−1
Ejercicio 4.3.2. Clasifica las siguientes series y, en caso de convergencia, encuentra cotas de
sus sumas:
∞ ∞ ∞
X 1 X 1 X
a) 2
b) √ c) n−5/3
n=1
n n=1
n n=1
P∞ −n2
Ejercicio 4.3.3. Utilizando el “criterio integral” demuestra que n=1 e converge y que
P∞ −n2
n=1 e ≤ 2e−1 .
3
Ejercicio 4.3.4. Sea
Pf∞(x) = x2 e−x . Prueba que f es decreciente en [1, +∞).
3
Prueba que la serie n=1 n2 e−n converge y encuentra dos números A y B tales que
∞
X 3
A≤ n2 e−n ≤ B
n=1
Ejercicio 4.3.5. Sea f la función dada por:

1
f (x) =
(x + 1)L(x + 1)
Prueba que f es decreciente en [1, +∞). P∞ 1
Utilizando el “criterio integral” clasifica la serie n=1 (n+1)L(n+1)
Teorema 4.3.3. Criterio de comparación.

Sean (an ) y (bn ) tales que 0 ≤ an ≤ bn , ∀n ≥ 1. Entonces se cumple que:
P P∞
1. Si ∞ n=1 an diverge, entonces n=1 bn diverge.
P∞ P
2. Si n=1 bn converge, entonces ∞ n=1 an converge y
∞
X ∞
X
an ≤ bn
n=1 n=1
Demostración. P P
Las sumas parciales de an y de bn son respectivamente:
n
X n
X
An = ai Bn = bi
i=1 i=1
Como 0 ≤ ai ≤ bi , ∀i ≥ 1, resulta claro que

(∗) 0 ≤ An ≤ Bn ∀n ≥ 1.
1. Se tiene:
∞
X
an diverge =⇒ lı́m(An ) = +∞ =⇒
n=1
∞
X
(por (∗)) lı́m(Bn ) = +∞ =⇒ bn diverge
n=1
P P∞
2. Supongamos ahora que ∞ n=1 bn converge. Tenemos P∞ que probar que n=1 an también
converge. Para ello razonamos por el absurdo. Si n=1 an no fuese convergente entonces
(por ser una serie de términos postivos) resultarı́a
P divergente. Pero entonces, aplicando la
parte (1) antes demostrada, llegarı́amos a que ∞ n=1 bn deberı́a ser divergente contradi-
ciendo de esta manera la hipótesis. Ha quedado demostrado que, en este caso ambas series
son convergentes. Tomando lı́mite en ambos miembros de (∗) obtenemos la relación entre
sus sumas:
∞
X X∞
an ≤ bn
n=1 n=1
♠
1. Para aplicar el teorema anterior necesitamos poder “comparar” con sucesiones cuyas series
tengan un comportamiento conocido. Para ello es muy útil recordar permanentemente el
comportamiento de la serie armónica.
2. Para aplicar el criterio anterior no es necesario que las hipótesis se cumplan ∀n ≥ 1, sino
que alcanza con que se cumplan desde algún subı́ndice en adelante. Esta afirmación se
justifica a partir de la propiedad de aditividad. Sin embargo debemos tener cuidadoP∞ con
la relación entre las sumas de lasPseries. Si tenemos que 0 ≤ an ≤ bn , ∀n ≥ p y n=p bn
converge, podremos afirmar que ∞ n=1 an también converge, aunque sólo asegurar que
∞
X ∞
X
an ≤ bn
n=p n=p
P∞ L(n)
Ejemplo 4.3.3. Queremos clasificar n=1 n . Para ello observamos que
∞
1 L(n) X 1
0≤ ≤ , ∀n ≥ 3 y que diverge
n n n
n=1
Una aplicación inmediata de la parte (1) del criterio de comparación nos permite afirmar que
P∞ L(n)
n=1 n diverge.
P
Ejemplo 4.3.4. Queremos clasificar ∞ e−n
n=1 n2 . Se tiene:
−n ∞ −n
0 ≤ en2 ≤ 1
n2
,
∀n ≥ 1. X e
P ∞ 1 =⇒ (comparación) converge
n=1 n2 converge n=1
n2
Podemos asegurar además que:

∞ −n ∞
X e X 1
0< ≤ ≤ 2.
n=1
n2 n=1
n2
P∞ e−n
lo cual nos muestra que el valor exacto de la suma de n=1 n2 está comprendido entre 0 y 2.
Ejercicio 4.3.6. Clasifica las siguientes series:

∞ ∞ 1

X (sen n)2 X 2 − cos n
a) b) (discute según α).
n=1
n2 n=1
nα
P∞
Ejercicio 4.3.7. Sean (an ), (bn ) y (cn ) sucesiones tales que: 0 < bn < an < 1, ∀n ≥ 1, n=1 an
converge, y cn = 1−a
1+bn . Clasifica:
n
∞
X ∞
X ∞
X
bn cn (1 − cn )
n=1 n=1 n=1
Teorema 4.3.4. Criterio de comparación con “paso al lı́mite”.

Sean (an ) y (bn ) dos sucesiones con bn > 0, ∀n ≥ 1. Se cumple:
P P∞
1. Si lı́m abnn = L > 0 , entonces ∞ n=1 an y n=1 bn tienen el mismo comportamiento.
an +
P∞ P∞
2. Si lı́m bn = 0 y n=1 bn converge, entonces n=1 an también converge.
an P∞ P∞
3. Si lı́m bn = +∞ y n=1 bn diverge, entonces n=1 an también diverge.
Demostración.
1. Sea ǫ un número positivo tal que L − ǫ > 0. Como lı́m abnn = L > 0 podemos asegurar que
existe p ∈ N tal que
an
L−ǫ< < L + ǫ, ∀n ≥ p.
bn
Como bn es positiva, lo anterior implica que
(L − ǫ) bn < an < (L − ǫ) bn , ∀n ≥ p.
Esta desigualdad muestra (muy en particular) que an > 0, ∀n ≥ p.

P∞
Supongamos que n=1 an converge. Se tiene:
∞
0P< (L − ǫ) bn < an , ∀n ≥ p X
∞ =⇒ (comparación) (L − ǫ) bn converge
n=1 an converge n=1
∞
X
=⇒ (linealidad) bn converge
n=1
P∞
Supongamos ahora que n=1 an diverge. Se tiene:
∞
0P< an < (L + ǫ) bn , ∀n ≥ p X
∞ =⇒ (comparación) (L + ǫ) bn diverge
n=1 an diverge n=1
∞
X
=⇒ (linealidad) bn diverge.
n=1
Esto completa la demostración de la parte 1) (¿por qué?).

2. Como lı́m abnn = 0+ podemos asegurar que existe p ∈ N tal que
an
0≤ < 1, ∀n ≥ p.
bn
Como bn es positiva, lo anterior implica que
0 ≤ an < bn , ∀n ≥ p.
De una aplicación inmediata del criterio de comparación se deduce la tesis.

3. Como lı́m abnn = +∞ podemos asegurar que existe p ∈ N tal que
an
> 100, ∀n ≥ p.
bn
En base a las ideas que hemos manejado reiteradamente consideramos que debes de estar
en condiciones de completar la demostración tú mismo (no dejes de hacerlo).
♠
P
Ejemplo 4.3.5. Queremos clasificar ∞ 4 −n . Sea a = n4 e−n y consideremos b = 1/n2 .
n=1 n e n n
Se tiene:
an n4 e−n 6 −n n6
lı́m = lı́m 1 = lı́m n e = lı́m n
= 0+
bn n 2 e
en
P∞ donde para deducir el resultado del último lı́mite hemos usado “órdenes de infinitos”.
P∞ Como
1 4 −n
n=1 n 2 converge, la parte (2) del teorema anterior nos permite asegurar que n=1 n e
converge.
Corolario 4.3.5. Criterio del “equivalente”.

Sean (an ) y (bn ) dos sucesiones
P conP
bn > 0, ∀n ≥ 1. Si an ∼ bn ((an ) y (bn ) son sucesiones
equivalentes), entonces ∞ a
n=1 n y ∞
n=1 bn tienen el mismo comportamiento.
Demostración. Si recordamos que decir an ∼ bn quiere decir que lı́m abnn = 1 nos damos cuenta
que este corolario es simplemente un caso muy particular de la parte (1) del teorema anterior.
♠
P n2 −4n−7
Ejemplo 4.3.6. Queremos clasificar ∞ n=1 n4 +1 . Sabemos que:
n2 − 4n − 7 n2 1
4
∼ 4
= 2
n +1 n n
P P∞ n2 −4n−7
Como ∞ 1
n=1 n2 converge, “el criterio del equivalente” nos permite afirmar que n=1 n4 +1
también converge.
Ejercicio 4.3.8. En cada uno de los siguientes casos clasifica la serie generada por an .

1 2n + 1 2
an = L 1 + 3 an = 2 an = e1/n − 1
n n (3n + 5)
Observación 4.3.2. Con el Criterio de Comparación y sus corolarios hemos visto nuevamente la
notable similitud de este tema con el de integrales impropias de primera especie. A continuación
presentaremos otros criterios para la clasificación de series de términos positivos.
Teorema 4.3.6. Criterio de la raı́z enésima de Cauchy.

Sea (an ) una sucesión de términos positivos. Se cumple:
√ P
1. Si n an ≤ h < 1, ∀n ≥ p entonces ∞ n=1 an converge.
√ P ∞
2. Si n an ≥ 1, ∀n ≥ p entonces n=1 an diverge.
Demostración.
√
1. En este caso la hipótesis nos dice que existe un número h < 1 tal que n an ≤ h, ∀n ≥ p.
Elevando a la enésima potencia ambos miembros se mantiene el sentido de la desigualdad
(¿por qué?) y obtenemos an ≤ hn , ∀n ≥ p. Esto nosP∞sugiere intentar aplicar el criterio de
n
comparación. ¿Conocemos el comportamiento de n=1 h ? Por supuesto que sı́, se trata
de una serie geométrica de razón h. Como 0 < h < 1 esta serie converge. Tenemos:
n , ∀n ≥ p.
∞
0 ≤ a n ≤ h X
P∞ n =⇒ (comparación) an converge
n=1 h converge
n=1
√ P
2. Si n an ≥ 1, ∀n ≥ p entonces es claro que (an ) 6−→ 0. De ello resulta que ∞ n=1 an no
converge. Como se trata de una serie de términos positivos, deducimos que diverge.
♠
Teorema 4.3.7. Corolario del criterio de Cauchy.
Sea (an ) una sucesión de términos positivos. Entonces:
 P

 λ < 1 =⇒ P∞ n=1 an converge.
λ > 1 =⇒ P∞
√ 
lı́m n an = n=1 an diverge.
∞

 +∞ =⇒ Pn=1 an diverge.
 + ∞
1 =⇒ a
n=1 n diverge.
Demostración.
√
1. Supongamos que lı́m n an = λ < 1. (Es claro que λ ≥ 0). Sea ǫ un número positivo tal que
λ + ǫ < 1. Por definición de lı́mite podemos asegurar que existe algún subı́ndice p ∈ N tal
que
√
λ − ǫ < n an < λ + ǫ, ∀n ≥ p.
Esto implica que estamos en las hipótesis de laPprimera parte del teorema anterior (tomando
h = λ + ǫ) de donde podemos asegurar que ∞ n=1 an converge.
√
2. La demostración del caso lı́m n an = λ > 1 queda como ejercicio.
√
3. La demostración del caso lı́m n an = +∞ queda como ejercicio.
√ √
4. Si lı́m n an = 1+ entonces es seguro que existe algún subı́ndice p ∈ NPtal que n an ≥
1, ∀n ≥ p. Aplicando la parte (2) del Criterio de Cauchy concluimos que ∞ n=1 an diverge.
♠
Ejemplo 4.3.7. Queremos clasificar la serie:
∞
X n2 − 7n + 1
n=1
2n + 9n5 + 12
Se tiene:
n2 − 7n + 1 n2
∼
2n + 9n5 + 12 2n
P n2 n2
El problema se reduce a clasificar ∞ n=1 2n . Sea an = 2n . Es claro que (an ) −→ 0 y, por lo tanto,
aún no podemos decidir el comportamiento de la serie. Vamos a aplicar el “Corolario del criterio
de Cauchy”. Se tiene: r √ √
2 n n
n n n2 n2 1
lı́m n
= lı́m √ = lı́m = <1
2 n n
2 2 2
P∞ n 2 P∞ n2 −7n+1
Se deduce que n=1 2n converge y, por lo tanto, n=1 2n +9n5 +12 también.
Observación 4.3.3. Sobre el “corolario del criterio de Cauchy”.
1. Sea an = n1α . En este caso la raı́z enésima de an es:
r
n 1 1 1 1 1
= √ = α = α L(n) −→ 0 = 1
nα n
n α nn en e
√
Resulta entonces que lı́m n an = 1 independientemente del valor de α. Pero sabemos que
esta serie converge para α > 1 y diverge para α ≤ 1. Este ejemplo pone de Pmanifiesto que
√
cuando lı́m n an = 1 tendremos que buscar otros métodos para clasificar ∞ n=1 an .
2. En los ejercicios que vamos a tratar resultará más simple aplicar el “corolario” que el
propio “Criterio de Cauchy”. Sin embargo, vale la pena aclarar que P el Teorema es más
∞
general que el Corolario. Observen lo que pasa si queremos clasificar n=1 an en donde
n
1/2 , si n es impar.
(an )n≥1 está definida por an = En este caso resulta
1/3n , si n es par.

√n a =
1/2, si n es impar. √
n y por lo tanto no existe lı́m n an . El corolario de Cauchy
1/3, si n es par.
√
no es aplicable. Sin embargo, es claro que n an ≤ 12 , ∀n ≥ 1 lo cual nos muestra que
estamos
P∞ en las hipótesis de la parte (1) del “Criterio de Cauchy” y podemos concluir que
n=1 n converge.
a
P∞ en
Ejemplo 4.3.8. Queremos clasificar n=1 an en donde an = n! . Se tiene:
r √
√ n en n n
e e
lı́m n
an = lı́m √
= lı́m n = lı́m √
n! n! n
n!
√
n n
En el ejercicio ?? se obtuvo que n! ∼ e. A partir de ese resultado obtenemos:
√ e e2
lı́m n
an = lı́m n = lı́m =0
e n
P en
Usando la parte (1) del corolario del criterio de Cauchy deducimos que ∞ n=1 n! converge.
P El
en
ejemplo ha terminado, pero aún podemos sacar alguna conclusión más. En efecto, como n!
converge, la condición necesaria de convergencia nos permite asegurar que:
en
lı́m =0
n!
Este es un resultado nuevo para nosotros y está diciendo que n! es un “infinito de mayor orden”
que en .
En este ejemplo el número e no juega ningún papel esencial. Repitiendo
P el mismo razonamiento
xn
se deduce que, si x es un número positivo cualquiera entonces ∞ n=1 n! converge y que, por lo
tanto:
xn
lı́m =0
n−→+∞ n!
Ejercicio 4.3.9.
P
(a) Compueba que la serie ∞n=1
n!
nn es convergente.
(b) Deduce que nn es un “infinito de mayor orden” que n!, o sea que lı́m nn!n = 0.
P
Ejercicio 4.3.10. En cada uno de los siguientes casos clasifica ∞n=1 an
n n
2n − 1 n+1
an = an = an = nq e−γn (q ∈ R, γ > 0)
5n + 8 n
2n 2n n! 3n n!
an = an = an =
nn nn nn
Teorema 4.3.8. Criterio del cociente de D’Alembert.

Sea (an ) una sucesión de términos positivos. Se cumple:
an+1 P
1. Si ≤ h < 1, ∀n ≥ 1 entonces ∞ n=1 an converge.
an
an+1 P
2. Si ≥ 1, ∀n ≥ 1 entonces ∞ n=1 an diverge.
an
Demostración.
an+1
1. En este caso la hipótesis nos dice que existe un número h < 1 tal que an ≤ h, ∀n ≥ 1,
lo cual implica (recuerda que an > 0) que
an+1 ≤ h an , ∀n ≥ 1.
Aplicando reiteradamente esta desigualdad obtenemos:

a2 ≤ h a1
a3 ≤ h a2 ≤ h h a1 = h2 a1
a4 ≤ h a3 ≤ h h2 a1 = h3 a1
.
.
.
an ≤ hn−1 a1 .
P∞ n−1
n=1 h converge por ser una serie geométrica
P∞ de razón h con 0 < h < 1. Aplicando
linealidad y comparación deducimos que n=1 an converge.
2. Si an+1
an ≥ 1, ∀n ≥ 1 entonces an+1 ≥ an , ∀n ≥ 1, lo cual quiere decir que (an ) es monótona
creciente.
P∞ Como una sucesión positiva y creciente no puede tener lı́mite 0, deducimos que
n=1 n diverge.
a
♠
Teorema
P 4.3.9. Corolario del criterio de D’Alembert.
Sea an una serie de términos positivos. Entonces:
 P

 λ < 1 =⇒ P∞ n=1 an converge.
∞
an+1  λ > 1 =⇒ n=1 an diverge.
lı́m = +
P∞
an 
 1 =⇒ P∞n=1 a n diverge.

+∞ =⇒ n=1 an diverge.
Demostración. La demostración queda como ejercicio. ♠
Ejemplo 4.3.9. Queremos clasificar la serie:

∞
X n!
n=1
(2n)!
n!
Sea an = (2n)! y apliquemos el “Corolario del criterio de D’Alembert”. Se tiene:
(n+1)!
an+1 (2n+2)! (n + 1)! (2n)! n+1
lı́m = lı́m n! = lı́m = lı́m =0
an (2n)!
(2n + 2)! n! (2n + 2)(2n + 1)
P
Se deduce que ∞ n!
n=1 (2n)! converge.
Ejercicio 4.3.11. Aplicando el corolario del criterio de D’Alembert clasifica las mismas series
del ejercicio 4.3.10
Observación 4.3.4. Comparación entre los criterios de Cauchy y D’Alembert.
P
1. En la observación 6.4.3. vimos que el criterio de Cauchy nos llevó a concluir que ∞ n=1 an
n
1/2 , si n es impar.
converge, siendo an = Si en esa serie intentamos usar el criterio
1/3n , si n es par.
de D’Alembert obtenemos que
n n+1
an+1 2 /3 ≤ 2/9, si n es impar.
= n /2n+1 ≥ 9/8, si n es par.
an 3
En consecuencia, ese criterio no nos permite clasificar la serie.
√
2. Puede demostrarse que si existe lı́m an+1
an = L entonces existe lı́m
n a
n y también vale L.
Sin embargo, el recı́proco no es cierto. Puedes intentar comprobar que si (an )n≥1 es la
sucesión definida por:
2 2 2 3 2 !
1 11 1 1 1 1 1 1
, , , , , ......
3 32 3 2 3 2 3 2
q
√
entonces lı́m an+1
an no existe mientras que lı́m n a =
n
1
6 . En este caso, el corolario del cri-
terio de Cauchy nos permite clasificar la serie mientras que no podemos aplicar el corolario
de D’Alembert.
Observación 4.3.5. Series de términosP∞ negativos.
Supongamos que queremos P estudiar n=1 an en donde anP≤ 0, ∀n ≥ 1. Por la propiedad de
linealidad sabemos que ∞ n=1 an es de la misma clase que ∞
n=1 (−an ). Esta última es una serie
de términos positivos y le podemos aplicar los criterios de esta sección. Resulta entonces que el
estudio de una serie de términos negativos se reduce fácilmente al estudio de una de términos
positivos. Ahora bien, la serie:
∞
X 1
(−1)n 2
n=1
n
tiene infinitos términos positivos y también infinitos términos negativos. La sucesión que genera
esta serie no es de signo constante. En este caso no son válidos los criterios que hemos visto en
esta sección. A continuación presentamos algunos resultados que nos permitirán abordar esta
situación.
4.4. Sucesiones sin signo constante
Teorema 4.4.1. Criterio de convergencia P∞ dominada.

P∞
Supongamos
P∞ que an ≤ bn ≤ c n , ∀n ≥ 1. Si n=1 an y n=1 cn son ambas convergentes entonces
b
n=1 n también converge y se cumple que:
∞
X ∞
X ∞
X
an ≤ bn ≤ cn
n=1 n=1 n=1
Demostración. De an ≤ bn ≤ cn , ∀n ≥ 1 resulta 0 ≤ bn − an ≤ cn − an , ∀n ≥ 1. Se tiene:

P∞ ∞
n=1 an converge X
P∞ =⇒ (linealidad) (cn − an ) converge
n=1 cn converge n=1
∞
X
=⇒ (comparación) (bn − an ) converge
n=1
P∞ ∞
n=1 a n converge X
P∞ =⇒ (linealidad) bn converge
n=1 (bn − an ) converge n=1
4.4. Sucesiones sin signo constante 109
Sólo nos resta probar las desigualdades entre las sumas de las tres series (que ya sabemos que
son convergentes). Como ai ≤ bi ≤ ci , ∀i ≥ 1 podemos asegurar que
n
X n
X n
X
ai ≤ bi ≤ ci ∀n ≥ 1.
i=1 i=1 i=1
Tomando lı́mite para n −→ +∞ resulta:

∞
X ∞
X ∞
X
ai ≤ bi ≤ ci
i=1 i=1 i=1
Teorema 4.4.2. Criterio de convergencia absoluta.P P∞

Sea (an )n≥1 una sucesión de números reales. Si ∞n=1 |an | converge, entonces n=1 an también
converge y se cumple que:
∞
X ∞
X
an ≤ |an |
n=1 n=1
P
Demostración. Sabemos queP−|an | ≤ an ≤ |an |, ∀n ≥ 1. Por hipótesis ∞ n=1 |an | converge, de
∞
donde resulta (linealidad) que n=1
P (−|an |) también converge. Usando el criterio de convergencia
dominada podemos concluir que ∞ n=1 an converge y que:
∞
X ∞
X ∞
X
− |an | ≤ an ≤ |an |
n=1 n=1 n=1
Estas desigualdades son equivalentes a afirmar que:

∞
X ∞
X
an ≤ |an |
n=1 n=1
Definición 4.4.1.
P∞ Serie absolutamente convergente. P
Decimos que n=1 an es absolutamente convergente cuando ∞ n=1 |an | es convergente.
P
Ejemplo 4.4.1. Queremos estudiar el comportamiento de ∞ n 1
n=1 (−1) n2 . Para ello intentamos
aplicar el criterio de convergencia absoluta:
∞ ∞ ∞
X 1 X 1 X 1
(−1)n = converge =⇒ (−1)n 2 es absolutamente convergente
n=1
n2 n=1
n 2
n=1
n
∞
X 1
=⇒ (criterio de convergencia absoluta) (−1)n converge
n=1
n2
Podemos asegurar además que:

∞ ∞ ∞
X 1 X 1 X 1
(−1)n ≤ (−1)n = ≤2
n=1
n2 n=1
n2 n=1
n 2
∞
X 1
=⇒ −2 ≤ (−1)n ≤ 2
n2
n=1
Ejercicio 4.4.1. Prueba que las siguientes series son absolutamente convergentes y encuentra
cotas (inferiores y superiores) de sus sumas.
∞ ∞ ∞ 1

X sen(n) X 2 + 3(−1)n X 1 − 2sen n
a) b) c)
n3 2n n3
n=1 n=1 n=1
1. Observemos que el criterio de convergencia absoluta puede enunciarse de la siguiente ma-
nera: “Si una serie es absolutamente convergente, entonces también es convergente”.
2. Es importante preguntarnos sobre la validez del recı́proco del Teorema 4.4.2. O sea, ¿toda
serie convergente también será absolutamente convergente? La respuesta es negativa. Hay
que tener cuidado entonces. La convergencia absoluta implica la convergencia:
∞
X ∞
X
|an | converge =⇒ an converge
n=1 n=1
pero no al revés:
∞
X ∞
X
an converge 6=⇒ |an | converge
n=1 n=1
P (−1)n+1
Un contraejemplo viene dado por ∞ n=1 n (serie llamada “armónica alternada”). Es
claro que esta serie no es absolutamente convergente pues
P∞ (−1)n+1 P∞ 1 P∞ (−1)n+1
n=1 n = n=1 n que diverge. Sin embargo, la serie original n=1 n es
convergente como lo demostraremos a continuación.
Ejemplo 4.4.2. Convergencia de la armónica alternada. P

Vamos a demostrar la convergencia de la serie armónica alternada: P ∞n=1 (−1)
n+1 1 .
n
n
Tenemos que demostrar que la sucesión de sumas parciales: An = k=1 (−1)k+1 k1 tiene lı́mite
finito. Para ello estudiaremos por separado el comportamiento de las sumas parciales de orden
impar y de orden par. Se tiene:

1 1 1 1 1
A1 = 1, A3 = 1 − + = A1 − − = A1 −
2 3 2 3 6
4.4. Sucesiones sin signo constante 111

1 1 1 1 1
A5 = A3 − + = A3 − − = A3 −
4 5 4 5 20
Observamos entonces que A1 > A3 > A5 y estamos dispuestos a conjeturar que esta sucesión de
sumas de orden impar es decreciente. Demostrémoslo:

1 1 1 1
A2n+1 = A2n−1 − + = A2n−1 − −
2n 2n + 1 2n 2n + 1
1
= A2n−1 − < A2n−1 ∀n ≥ 1.
2n(2n + 1)
¿Qué ocurre con las sumas de orden par?
1 1 1 1 1 1 1 1
A2 = 1 − = , A4 = A2 + − = A2 + A6 = A4 + − = A4 +
2 2 3 4 12 5 6 30
1 1 1
A2n+2 = A2n + − = A2n + > A2n
2n + 1 2n + 2 (2n + 1)(2n + 2)
Hemos verificado entonces que la sucesión de reducidas de orden impar (A2n−1 )n≥1 es decreciente
y que la sucesión de reducidas de orden par (A2n )n≥1 es creciente. Tenemos además que: A2n =
1
A2n−1 − 2n < A2n−1 , ∀n ≥ 1.
Resumiendo, (A2n ) y (A2n−1 ) cumplen:
1. (A2n−1 )n≥1 es decreciente y (A2n )n≥1 es creciente.
2. A2n < A2n−1 , ∀n ≥ 1.
1
3. A2n−1 − A2n = 2n −→ 0.
Ahora bien, de A2 < A2n =< A2n−1 , ∀n ≥ 1, deducimos que (A2n−1 )n≥1 está acotada inferior-
mente (por A2 , por ejemplo).
De A1 > A2n−1 > A2n , ∀n ≥ 1, deducimos que (A2n )n≥1 está acotada superiormente (por A1 ,
por ejemplo).
Se tiene:
(A2n−1 )n≥1 decreciente y acotada inferiormente =⇒ ∃L ∈ R tal que (A2n−1 ) −→ L
(A2n )n≥1 creciente y acotada supferiormente =⇒ ∃L′ ∈ R tal que (A2n ) −→ L′
Como lı́m (A2n−1 − A2n ) = 0 debe ser L = L′ . Es decir, las dos sucesiones tienen un mismo lı́mite
finito (llamémosle L). Pero si lı́m(A2n−1 ) = lı́m(A2n ) = L entonces la sucesión (An ) también
tiene lı́mite L. Eso es lo que querı́amos demostrar. ♠
Las mismas ideas que hemos manejado en la demostración precedente pueden usarse para probar
el “Criterio de Leibniz” sobre series de signos alternados que afirma lo siguiente:
TeoremaP4.4.3. Si (an )n≥1 es una sucesión positiva, decreciente y que tiene lı́mite 0 entonces
la serie (−1)n an es convergente.
4.5. Ejercicios complementarios
Ejercicio 4.5.1. Supongamos que

2n
An = a1 + a2 + . . . . + an = ∀n ≥ 1
4n + 5
P
(a) Clasifica ∞ n=1 an y en caso de convergencia calcula su suma.
(b) Halla an para cada n ≥ 1.
P
(c) Clasifica (An )n
Ejercicio 4.5.2. Supongamos que
n
2
An = a1 + a2 + . . . . + an = 1 − ∀n ≥ 1
3
P
(a) Clasifica ∞n=1 an y en caso de convergencia calcula su suma.
(b) Halla an para cada n ≥ 1.
P
(c) Clasifica ∞n=1 (1 − An )an y en caso de convergencia calcula su suma.
P
Ejercicio 4.5.3. Clasifica an en cada uno de los siguientes casos:
n4 + 3L(n) n2 2n+1 e2n
an = an = an = an = e−n sen(n)
3n + 2n 3n nn
Ejercicio 4.5.4. Aplicando el criterio integral clasifica las series
∞ ∞
X 1 X 1
a) b)
2
n L(n) 2
n (L n)2
Ejercicio 4.5.5. Igual que en el ejercicio anterior para la serie

∞
X 1
(β > 1).
n (L n)β
2
Ejercicio 4.5.6. Consideremos la serie:

∞
X 2
n e−2n
n=1
Utilizando el “criterio integral” demuestra que converge y encuentra dos números A y B tales
que
X∞
2
A ≤ n e−2n ≤ B
n=1
P
Ejercicio 4.5.7. Sabiendo que an > 0 y que an converge, clasifica las siguientes series o
muestra con ejemplos que no es posible afirmar nada.
X 1 X X√ X
a) b) a2n c) an d) L(1 + an )
an
4.5. Ejercicios complementarios 113
Ejercicio 4.5.8. Sea f una función con derivada segunda continua en algún entorno de 0 y sea
y = t(x) la ecuación de la tangente a la gráfica de f P
en el punto
(0, f (0)). Si φ(x) = f (x) − t(x)
1
¿qué se puede decir del comportamiento de la serie φ n ?
Ejercicio 4.5.9.
(a) Encuentra el polinomio de Mac Laurin de orden 3 de f (x) = x − sen(x)
P 1 1

(b) Clasifica la serie n − sen n
Ejercicio 4.5.10.
(a) Encuentra el polinomio de Mac Laurin de orden 3 de f (x) = 1 − cos(x) + L(1 + x) − sen(x)
(b) Clasifica la serie
X
1

1

1

1 − cos √ +L 1+ √ − sen √
n n n
P∞ 2 − 3sen(n)
Ejercicio 4.5.11. Demuestra que n=1 ≤ 5/2.
n2
Pn
Ejercicio
P 4.5.12. Sean (aP n ) una sucesión tal que an > 0, ∀n ≥ 1 y An = k=1 ak . Se sabe
∞
que an converge y que n=1 an = 2.
(a) Calcula lı́m An y demuestra que An ≤ 2, ∀n ≥ 1.
P P∞
(b) Prueba que an An converge y que n=1 an An ≤ 4.
P P nAn n
(c) Clasifica i) An ii) 3n+1
2n−1 Pn
Ejercicio 4.5.13. Para n ≥ 1 sean an = 3n+1 y An = k=1 ak .
(a) Prueba que an = 3nn − 3n+1 1
n+1 y deduce que An = 3 −
n+1
3n+1
.
P∞
(b) Calcula n=1 an
(c) Recordando que π4 ≤ Arctg(n) ≤ π2 , ∀n ≥ 1, demuestra que
∞
π X π
≤ ( an Arctg(n) ) ≤
12 n=1
6
Ejercicio 4.5.14. (*) Consideremos los siguientes conjuntos:

V = { sucesiones de números reales }
l∞ = { (xn ) ∈ V / (xn ) está acotada }
l0 = { (xn ) ∈ V / (x
Pn ) −→ 0 }
1
l = { (xn ) ∈ V / P xn converge absolutamente }
l2 = { (xn ) ∈ V / (xn )2 converge }
(a) Demuestra que l1 ⊂ l2 ⊂ l0 ⊂ l∞ ⊂ V .

Si x = (xn ) e y = (yn ) están en l2 demuestra que z = (xn yn ) está en l1 (o sea que
(b) P
∞
n=1 xn yn es absolutamente convergente). Para ello recuerda
que si A y B son dos
números reales entonces se cumple que AB ≤ 12 A2 + B 2 .
4.6. Ejercicios de opción múltiple
n +1 2 2
Ejercicio
P 4.6.1. SeanP an = n5 +3 = n22 n+1 . Entonces:
bn P P
(1) P an converge yP bn converge. (2) Pan converge y P bn diverge.
(3) an diverge y bn converge. (4) an diverge y bn diverge.
P P∞
Ejercicio 4.6.2. Se sabe que an converge y que 1 an = 9. Si An = a1 + a2 + . . . + an
entonces: (1) lı́m an = 9 y lı́m An = 0. (2) lı́m an = 0 y lı́m An = 9.
(3) lı́m an = 9 y lı́m An = 9. (4) lı́m an = 0 y lı́m An = 0.
Ejercicio 4.6.3. Sea f una función continua en [1, +∞) y F una primitiva de f tal que F (1) = 3
y lı́mx→+∞ F (x) = 8. Para cada n ≥ 1 consideremos:
Z n+1
an = f (t) dt y An = a1 + a2 + . . . + an
n
P P P
Entonces:
P (1) an diverge
P∞ (2) an converge y ∞
P 1Pan = 5
(3) an converge y 1 an = 8 (4) an converge y ∞ 1 an = 3.
P P
Ejercicio 4.6.4. Se sabe que an converge y que ∞ 1 an = −5. Si An = a1 + a2 + . . . + an
Entonces:
(1) lı́m an = −5 y lı́m An = 0 (2) lı́m an = 0 y lı́m An = +∞
(3) lı́m an = −5 y lı́m An = −5
(4) lı́m an = 0 y −6 < An < −4 para todo n suficientemente grande.
P∞ n n
Ejercicio 4.6.5. La serie: n=1 (−1) /4
(1) Converge con suma −1/5. (2) Converge con suma 4/5.
(3) Oscila. (4) Converge con suma 3.
P∞ n
Ejercicio 4.6.6. La serie: n=0 ( sen a ) para 0 < a < π2
1
(1) Converge sólo para a = π/4. (2) Converge con suma 1−sen a
1
(3) No converge. (4) Converge con suma 1−a
P∞
Ejercicio
P∞ 4.6.7. Se sabe que P∞ 1 an = 9. Entonces:
(1) P1 (2 + an ) = 11 y 1P(3 an ) = 27.
∞ ∞
(2) P1 (2 + an ) diverge y 1 (3 an ) = 27.
√ P
(3) P∞ 1 an = 3 y ∞
1 (3 aPn = 27.
)
(4) ∞ 1 (2 + an ) diverge y ∞
1 (3 an ) = 9.

1 n−1

2 n
Ejercicio
P∞ 4.6.8. SeanP∞ an = 2 + 3 bn = n1 + n12 . Entonces:
(1) P1 an = 5 y 1Pbn diverge.
(2) P∞ 1 a n diverge y
P
∞
1 bn converge a 0.
∞ ∞
(3) P1 an = 4 y 1Pbn diverge.
(4) ∞ 1 a n diverge y ∞
1 bn diverge.
Capı́tulo 5
Series de potencias
5.1. Introducción y definición
P
Consideremos una serie geométrica de razón x: ∞ n
n=0 x . Conocemos perfectamente cual es su
1
comportamiento: la serie converge para |x| < 1 y, en ese caso su suma es 1−x :
1
1 + x + x2 + x3 + . . . . + xn + . . . . . = si |x| < 1.
1−x
1
La suma de la serie es en este caso una función. Diremos que S(x) = 1−x es la función suma de
esta serie. Hay que tener en cuenta que la igualdad de arriba es válida para cualquier x ∈ (−1, 1).
Podemos escribir entonces:
1
1 + u + u2 + u3 + . . . . + un + . . . . . = si |u| < 1. (5.1)
1−u
En 5.1 podemos sustituir la u por −x siempre que | − x| < 1. Como esta condición es equivalente
a decir que |x| < 1 obtenemos la igualdad:
1
1 − x + x2 − x3 + x4 + . . . . + (−1)n xn + . . . . . = si |x| < 1. (5.2)
1+x
Si en esta última sustituimos x por x2 resulta:
1
1 − x2 + x4 − x6 + x8 + . . . . + (−1)n x2n + . . . . . = si |x2 | < 1. (5.3)
1 + x2
Como |x2 | < 1 ⇐⇒ |x| < 1 deducimos que 5.3 es válida para |x| < 1.
¿Qué hemos obtenido? A partir del conocimiento de la función suma de la serie geométrica y
con algunas sustituciones adecuadas, hemos obtenido nuevas sumas de series. Observemos que,
en todos los casos, se trata de series de la forma:
a0 + a1 x + a2 x2 + a3 x3 + . . . . an xn + . . . . . (5.4)
115
116 Capı́tulo 5. Series de potencias
en donde los ak , (k ∈ N) son números y x puede variar en cierto intervalo. La expresión 5.4
presenta una caracterı́stica peculiar. No podemos contenernos en decir que se trata de un “poli-
nomio con infinitos sumandos”. Con más precisión, se trata de una serie que, de alguna manera,
parece extender el concepto de polinomio. (observa que si ak = 0, ∀k > m entonces 5.4 es un
polinomio de grado menor o igual que m).
En esta sección intentaremos responder tres preguntas fundamentales:

1. ¿Es posible averiguar la zona de convergencia de una serie del tipo 5.4? Es decir, ¿cuáles
son los valores de x para los cuales la serie converge?
2. Supongamos que 5.4 converge para x ∈ I. En este caso podremos hablar de la función
suma que será una función definida en I. ¿Qué propiedades tiene esta función? ¿Será una
función continua? ¿Será derivable?
3. Por lo menos en algunos casos ¿existirá algún procedimiento para hallar la función suma?
En los ejemplos que presentamos las tres preguntas ya tienen respuesta. La zona de convergencia
es el intervalo I = (−1, 1), hemos podido hallar la función suma que resultó ser derivable en
I. Todo eso a partir del simple conocimiento del desarrollo de la serie geométrica 5.1. Antes de
pasar al estudio del caso general, comencemos con la definición inicial:
Definición 5.1.1. Serie de potencias.

Llamamos serie de potencias a una serie de la forma:
∞
X
an xn = a0 + a1 x + a2 x2 + a3 x3 + . . . . + an xn + . . . . .
n=0
en donde (an )n≥0 es una sucesión de números reales y x ∈ R. Si esta serie converge para todos
los x pertenecientes a un intervalo I entonces la función suma de la serie (en I) es la función
definida por:
∞
X
S(x) = an xn (x ∈ I).
n=0
5.2. Sobre la convergencia de las series de potencias
Vamos a demostrar que todas las series de potencias se comportan de la misma manera en el
siguiente sentido: cada una de ellas tiene asociada un intervalo abierto de la forma (−r, r) tal
que la serie converge absolutamente para todo punto x ∈ (−r, r), y no converge para los puntos
que están fuera del [−r, r].
A este número r lo llamaremos radio de convergencia de la serie. Aquı́ estamos haciendo un
abuso de lenguaje ya que pueden darse los casos extremos en que el “intervalo” se reduce al
5.2. Sobre la convergencia de las series de potencias 117
AC
No C No C
−r 0 r
origen (r = 0), o que es todo el eje real (r = +∞).
Para demostrar la existencia del radio de convergencia comenzamos con un lema importante en
si mismo y que, de hecho, definirá el comportamiento.
Teorema
P 5.2.1. Lema previo a la existencia del radio de convergencia.
Sea ∞ n
n=0 n x una serie de potencias. Entonces se cumple que:
a
1. Si la serie converge en x0 con x0 6= 0, entonces es absolutamente convergente para todo x
tal que |x| < |x0 |.
2. Si la serie no converge en x1 entonces tampoco converge en x para todo x tal que |x| > |x1 |.
Demostración.
P
1. Supongamos que ∞ n
n=0 an x0 converge y que x0 6= 0. Fijemos un punto x con |x| < |x0 |.
Se tiene: n
n n x n x n
|an x | = an x0 = |an x0 |
x0 x0
P∞
Como n=0 an xn0 converge podemos asegurar que (an xn0 ) −→ 0. En particular, esta su-
cesión debe estar acotada, es decir, existe M > 0 tal que |an xn0 | ≤ M, ∀n ≥ 0. Podemos
realizar entonces la siguiente acotación:
n
x
|an xn | ≤ M
x0
Como ambos miembros son no negativos aplicamos el criterio de comparación. La serie

P∞ n
x
n=0 x0 es convergente por tratarse de una serie geométrica de razón xx0 < 1 (recuerda
que |x| < |x0 |). Tenemos entonces que:
∞ n ∞ n
X x X x
converge =⇒ (linealidad) M converge =⇒
x0 x0
n=0 n=0
∞
X ∞
X
(comparación) |an xn | converge =⇒ an xn converge absolutamente.
n=0 n=0
♠
P
2. Supongamos queP ∞ n
n=0 an x1 no converge. Fijemos un punto x con |x| > |x1 |. Queremos
∞ n
demostrar que n=0 an x tampoco converge. Supongamos (por reducción al absurdo)
que esta serie fuese convergente. Entonces, una aplicación
P∞ inmediata de la parte (1) ya
demostrada, nos llevarı́a a la conclusión de que n
n=0 an x1 también convergen y esto
contradice la hipótesis. ♠
P∞ n
P∞ n
Ejemplo 5.2.1.
P∞ Sea nn=0 an x una serie de potencias de la cual sabemos que n=0 an 2
converge y n=0 an (−3) no converge. Aplicando el lema anterior deducimos que
∞
X
n converge si |x| < 2.
an x
no converge si |x| > 3.
n=0
P∞ an P∞
−5 n
Ejercicio
P∞ an 5.2.1.
P∞ nSe sabe que n=0 2n converge y que n=0 4 an no converge. Clasifica
n=0 3n y n=0 2 an
Teorema
P 5.2.2. Existencia del radio de convergencia.
Sea ∞ n
n=0 n x una serie de potencias. Entonces se verifica uno, y sólo uno, de los tres casos
a
siguientes:
P∞ n
(i) n=0 an x converge sólo para x = 0.
P∞ n
(ii) n=0 an x converge absolutamente ∀x ∈ R.
(iii) Existe un único número real r > 0 tal que:
∞
X converge absolutamente si |x| < r.
an xn
no converge si |x| > r.
n=0
Demostración. Consideremos el conjunto A definido por:

∞
X
A={x≥0/ an xn converge absolutamente }
n=0
Es obvio que A siempre contiene a x = 0. Distinguimos tres situaciones posibles:

Caso 1: A = {0}. P∞
En este caso vamos a demostrar que n sólo converge en x = 0. Razonemos por el
n=0 an x P
absurdo. Supongamos
P∞ que exista x0 6= 0 tal que ∞ n
n=0 an x0 sea convergente. Por el teorema
5.2.1 la serie n=0 an xn serı́a absolutamente convergente para todo punto x con |x| < |x0 |. Pero
esto es absurdo ya que A = {0} y esto quiere decir que la serie converge absolutamente sólo en
x = 0.
Caso 2: A 6= {0} y A no acotado superiormente.P
Vamos a demostrar que, en este caso, la serie ∞ n
n=0 an x es absolutamente convergente para todo
x ∈ R. Sea entonces x un real cualquiera distinto de 0. Como A no Pestá acotado superiormente
∞ n
existe x1 ∈ A tal que |x| < x1 . Pero que x1 ∈ A implica que n=0 an x1 es absolutamente
P
convergente, y por lo tanto, convergente. El teorema 5.2.1 nos permite concluir que ∞ n=0 an x
n
es absolutamente convergente.
Caso 3: A 6= {0} y A acotado superiormente.
Vamos a demostrar que, en este caso, se cumple la parte (iii) de la tesis del teorema.
La completitud de R nos permite asegurar que A tiene supremo. Sea r = sup(A). Como A 6= {0}
debe ser r > 0.
Sea x ∈ R con P |x| < r.n Como r = sup(A) existe x1 ∈ A tal que |x| < x1 ≤ r. Pero que x1 ∈ A
implica que ∞ n=0 an x1 es absolutamente
P∞ convergente, y por lo tanto, convergente. El Teorema
n
5.2.1 nos permite concluir que n=0 an x es absolutamente P∞convergente.
n
Sea ahora x ∈ R con |x| > r. Queremos probar que n=0 an x no converge. Supongamos
5.2. Sobre la convergencia de las series de potencias 119
P
(por absurdo) que ∞ n
n=0 an x converge. Tomemos
P un real positivo x2 tal que r < x2 < |x|.
Nuevamente, el teorema 5.2.1 conduce a que ∞ n
n=0 an x2 debe ser absolutamente convergente.
Esto implicarı́a que x2 ∈ A, pero esto es absurdo pues r < x2 y r = sup(A). ♠
Definición 5.2.1. Radio de convergencia e intervalo de convergencia.

Cuando se da el caso (iii) mencionado en el teorema anterior, el número r se llama radio de
convergencia de la serie de potencias. En los otros dos casos haremos un abuso de lenguaje
diciendo que el radio de convergencia es 0 (r = 0) si ocurre (i), y que el radio de convergencia
es +∞ (r = +∞) si ocurre (ii).
En las situaciones (ii) y (iii) llamamos intervalo de convergencia al intervalo abierto (−r, r).
P P∞ (−1)n an
Ejercicio 5.2.2. Se sabe que ∞ an
n=0 3n converge y que n=0 3n no converge. Encuentra
P∞ P P na
el radio de convergencia de la serie n=0 an xn . Clasifica n=0 2nn y n=0 (−1)
∞ a ∞
4n
n
Observación 5.2.1. Observemos que el teorema no dice nada sobre lo que eventualmente pueda
ocurrir en los extremos del intervalo de convergencia, es decir en x = r y en x = −r. Antes de
pasar a ver algunos ejemplos que aclaren esto, damos un resultado útil para poder calcular el
radio de convergencia.
Teorema
P∞ 5.2.3. Criterio de Cauchy para el cálculo p del radio de convergencia.
n n
Sea n=0 an x una serie de potencias. Si existe lı́m |an | entonces:

p  L > 0 =⇒ r = L1
n
lı́m |an | = 0 =⇒ r = +∞

+∞ =⇒ r = 0
p
Demostración. Supongamos que lı́m n |an | = L > 0. (losP otros casos se demuestran de manera
análoga).
P Queremos estudiar la convergencia absoluta de an xn , es decir, la convergencia de
n
|an x |. Como esta última es una serie de términos positivos le aplicamos el corolario del
criterio de Cauchy. p p
lı́m n |an | |x|n = lı́m |x| n |an | = |x|.L
1 P∞ n
Deducimos que P∞ si |x|.L < 1 (lo cual es equivalente a |x| < L ) entonces n=0 |an x | converge y,
por lo tanto, n=0 an xn converge absolutamente. P∞
1 n
Si |x|.L > 1 (lo cual es equivalente P∞a |x| >n L ) entonces n=0 |an x | diverge. ¿Nos permite esto
sacar alguna conclusión acerca n=0 an x ? ¡Cuidado! En principio no, pues recuerda que no es
válido el recı́proco del teorema sobre convergencia absoluta. Tenemos que hacer un razonamiento
adicional que esp el siguiente. Si revisamos la demostración del corolario de Cauchy nos damos
cuenta que lı́m |an | |x|n P
n
> 1 implica (|an | |x|n ) 6−→ 0. De aquı́ surge que (an xn ) tampoco
tiende a 0 y, por lo tanto, ∞ n
n=0 an x no converge.
1 P∞ n 1
Hemos demostrado
P∞ que si |x| < L entonces n=0 an x converge absolutamente, y que si |x| > L
entonces n=0 an xn no converge. Como hay un único número r con esta propiedad deducimos
que r = L1 . ♠
P
Ejemplo 5.2.2. Para calcular el radio de convergencia de la serie ∞ −n n
n=0 2n x nos planteamos:
s √
p
n n −n n
n 1
lı́m |an | = lı́m n
= lı́m =
2 2 2
Se deduce que el radio de convergencia de esta serie de potencias es r = 2.
Ejemplo 5.2.3. Consideremos las series:

∞ ∞
X xn X xn
(1) (2)
n=0
n n=0
n2
Podrás encontrar sin dificultad que el radio de convergencia de las dos series es r = 1. Sin
embargo, tienen comportamientos distintos en los extremos del intervalo de convergencia. En
efecto:
La serie (1) diverge en x = 1 y converge (aunque no absolutamente) en x = −1.
La serie (2) converge en x = 1 y converge absolutamente en x = −1.
¿Puedes justificar las afirmaciones correspondientes a la serie (2)?
Ejercicio 5.2.3. En cada uno de los siguientes casos encuentra el radio de convergencia r de la
serie de potencias y estudia su comportamiento en x = r y x = −r.
∞ ∞ ∞
X 1 n X (−1)n n X
a) x b) x c) n n xn
n=0
n! n=0
1 + n2 n=0
∞ ∞ ∞
X (−1)n xn n
X
n n
X 1
d) x e) (−1) x f) 2+ xn
nn n
n=0 n=0 n=0
5.3. Funciones definidas por series de potencias
P∞ n.
Supongamos que (−r, r) (r > 0) es el intervalo de convergencia de la serie de potencias n=0 an x
La función suma de la serie está definida en (−r, r) y está dada por:
∞
X
S(x) = an xn x ∈ (−r, r).
n=0
Como veremos en los próximos teoremas (cuya demostración puedes encontrar en el próximo
capı́tulo), esta función tiene un conjunto de propiedades notables que se asemejan a las propie-
dades de los polinomios.
Teorema 5.3.1.
P Derivación de una serie de potencias.
Si S(x) = ∞ n
n=0 n x , ∀x ∈ (−r, r) entonces S(x) es derivable en todo punto de (−r, r) y su
a
derivada vale:
∞
X
S ′ (x) = nan xn−1 = a1 + 2a2 x + 3a3 x3 + 4a4 x4 + . . . . . ∀x ∈ (−r, r).
n=1
Observación 5.3.1. El teorema nos asegura que toda función definida mediante una serie de
potencias es derivable en el intervalo de convergencia. Pero lo más notable del resultado es la
forma en que se calcula dicha derivada. S ′ (x) es una nueva serie de potencias que se obtiene
5.3. Funciones definidas por series de potencias 121
derivando “término a término” la serie original. Se deriva como igual que cuando derivamos un
polinomio. Observemos además que podemos escribir:
∞
X ∞
X
S ′ (x) = nan xn−1 = (an xn )′ =⇒
n=1 n=1
∞
!′ ∞
X X
an xn = (an xn )′
n=0 n=1
lo cual se interpreta diciendo que “la derivada de la serie” coincide con “la serie de las derivadas”.
Para una serie de potencias es posible entonces intercambiar los sı́mbolos de derivada y de serie.
Ejemplo 5.3.1. Derivadas de la serie geométrica.

Sabemos que:
1
= 1 + x + x2 + x3 + . . . . + xn + . . . . . si |x| < 1.
1−x
Aplicando el teorema anterior obtenemos:
∞
1 X
(GD1) = nxn−1 = 1 + 2x + 3x2 + . . . . + nxn−1 + . . . . . si |x| < 1.
(1 − x)2
n=1
O
P∞sea, derivando término a término la serie geométrica, hemos obtenido la función suma de
n−1 . Por ejemplo, si en (GD1) sustituimos la x por 1/2 obtenemos:
n=1 nx
2 3 ∞ n−1
1 1 X 1 1
1+1+3 +4 + ..... = n = = 4.
2 2 2 1 2
n=1 1− 2
Si volvemos a aplicar el teorema pero ahora a la serie (GD1) (siempre en |x| < 1) obtenemos:
∞
2 X
(GD2) 3
= n(n − 1)xn−2 = 2 + 6x + 12x2 + . . . . + n(n − 1)xn−2 + . . . . .
(1 − x) n=2
y ası́ podrı́amos seguir derivando todas las veces que queramos. Por ejemplo, si en (GD2)
sustituimos la x por 1/2 obtenemos:
∞
X n(n − 1) 2
= = 16.
2n−2 1 3
n=2 1− 2
Teorema P5.3.2. Integración de una serie de potencias.

Si S(x) = ∞ n
n=0 an x , ∀x ∈ (−r, r) entonces, para cada x ∈ (−r, r) se cumple que:
Z x ∞
X an n+1 a1 a2 a3
S(t) dt = x = a0 x + x2 + x3 + x4 + . . . . .
o n=0
n+1 2 3 4
Observación 5.3.2. El teorema nos asegura que la integral entre 0 y x de una serie de potencias
se obtiene integrando “término a término” la serie original. Del mismo modo que con la derivada,
se integra como si la serie fuese un polinomio. Observemos además que podemos escribir:
Z x X ∞
! Z x ∞ ∞ Z x
n
X an n+1 X n
an t dt = S(t) dt = x = an t dt
0 0 n+1 0
n=0 n=0 n=0
Podemos decir entonces que “la integral de la serie” coincide con “la serie de las integrales”.
Para una serie de potencias es posible entonces intercambiar los sı́mbolos de integral y de serie.
Ejemplo 5.3.2. Integral de la serie geométrica.

Volvemos a partir del desarrollo de la serie geométrica:
1
= 1 + x + x2 + x3 + . . . . + xn + . . . . . si |x| < 1.
1−x
Integrando término a término (entre 0 y x) obtenemos:
x2 x3 x4 xn+1
− L(1 − x) = x + + + + .... + ..... |x| < 1.
2 3 4 n+1
o sea
∞
X xn+1
= − L(1 − x) para |x| < 1. (GI1)
n+1
n=0
o, de manera equivalente
∞
X xn+1
− = L(1 − x) para |x| < 1.
n+1
n=0
Hemos obtenido una serie de potencias cuya suma es la función L(1 − x). Por ejemplo, si en
(GI1) sustituimos la x por 1/2 obtenemos:
∞
X 1 1
= −L = L(2)
n=0
(n + 1)2n+1 2
Ejemplo 5.3.3. Si partimos de

1
= 1 − x2 + x4 − x6 + x8 + . . . . + (−1)n x2n + . . . . . |x| < 1.
1 + x2
e integramos término a término entre 0 y x queda:
x3 x5 x7 x9 x2n+1
Arctg(x) = x − + − + + . . . . + (−1)n + ...... |x| < 1.
3 5 7 9 2n + 1
Observación 5.3.3. Igualdad de radios de convegencia. P P∞
Los
P∞ teoremas 5.3.1 y 5.3.2 afirman, en particular, que las series ∞ n
n=0 an x , n=1 nan x
n−1 y
an n+1
n=0 n+1 x tienen el mismo radio de convergencia. Este hecho puede demostrarse directa-
mente utilizando el teorema 5.2.3 y algunos resultados sobre lı́mites, como el que asegura que
√
lı́m n n = 1. Los detalles quedan como ejercicio.
Observación 5.3.4. En estos ejemplos habrás notado una notable similitud con lo obtenido en
los desarrollos de Mac Laurin. La diferencia es que aquı́, en lugar de poner el resto de Taylor,
se puede continuar indefinidamente el desarrollo en forma de serie de potencias. El próximo
ejercicio nos permite avanzar en la comprensión de esta similitud.
Ejercicio 5.3.1.
P
(a) Supongamos que f (x) = ∞ n
n=0 an x , ∀x ∈ (−r, r). Calcula f (0) y, aplicando reiteradamente
“derivación término a término”, prueba que:
f (k) (0)
ak = k = 0, 1, 2, 3, . . . .
k!
Este resultado muestra que si f es una función definida mediante una serie de potencias
entonces los coeficientes de dicha serie coinciden con los “coeficientes de Taylor” de la
función.
P P∞
(b) Supongamos que ∞ n
n=0 an x =
n
n=0 bn x , ∀x ∈ (−r, r). Deduce que ai = bi , ∀i ∈ N.
(Unicidad del desarrollo en serie de potencias.)
Hemos mencionado algunas de las propiedades fundamentales de las funciones definidas mediante
series de potencias. Resta aún responder una pregunta clave, a saber: ¿cómo saber si una función
dada está definida por alguna serie de potencias? Antes de analizar este problema es conveniente
dar la siguiente definición:
Definición 5.3.1. Funciones desarrollables en series de potencias.
Sea f una función que tiene derivadas de todos los órdenes en algún intervalo I = (−r, r)
(r > 0). Decimos
P que f es desarrollable en serie de potencias en I si existe alguna serie
de la forma an xn tal que:
∞
X
f (x) = an xn ∀x ∈ I.
n=0
Consideremos entonces una función f que tiene derivadas de todos los órdenes en algún intervalo
(−r, r) (r > 0). Estamos interesados en averiguar si existe alguna serie de potencias cuya suma
en (−r, r) sea f (x). En caso afirmativo sabemos (ejercicio anterior) que dicha serie tiene que ser:
∞
X f (k) (0)
(∗) xk
k!
k=0
El teorema de Taylor nos asegura que para cada n ∈ N existe un resto rn (x) tal que:
n
X f (k) (0)
(∗∗) f (x) = xk + rn (x) ∀x ∈ (−r, r).
k!
k=0
El primer sumando del segundo miembro (o sea el polinomio de Mac Laurin de orden n de f )
es precisamente la enésima suma parcial de la serie de potencias (*). Tenemos entonces que
∞ n
X f (k)(0) X f (k) (0)
f (x) = xn ∀x ∈ (−r, r) ⇐⇒ lı́m xk = f (x) ∀x ∈ (−r, r)
k! n−→+∞ k!
k=0 k=0
Esto último ocurre (observen la igualdad (**)) si, y sólo si

lı́m rn (x) = 0 ∀x ∈ (−r, r)
n−→+∞
Hemos demostrado entonces el siguiente teorema:

Teorema 5.3.3. Condición necesaria y suficiente para que una función sea desarro-
llable en serie de potencias.
Sean f una función que tiene derivadas de todos los órdenes en algún intervalo (−r, r) (r > 0), y
rn (x) su resto de Taylor de orden n. Entonces f es desarrollable en serie de potencias en (−r, r)
si, y sólo si, para cada x ∈ (−r, r) se cumple que
lı́m rn (x) = 0
n−→+∞
Ejemplo 5.3.4. Desarrollo en serie de potencias de la función exponencial.

Fijemos x ∈ R, x ≥ 0. (Si x < 0 se hace un razonamiento análogo). En el caso de la función
exponencial (f (x) = ex ) sabemos que su resto de Mac Laurin de orden n puede expresarse en
la forma
ec
rn (x) = xn+1
(n + 1)!
en donde c es un punto que, si bien depende de x y de n, cumple 0 < c < x. Se tiene:
ec ex
0≤ xn+1 ≤ xn+1
(n + 1)! (n + 1)!
xn+1
En el ejemplo 4.3.8 habı́amos demostrado que lı́mn−→+∞ (n+1)! = 0. Como x está fijo, ex es una
constante y, por lo tanto, se cumple que
ex
lı́m xn+1 = 0.
n−→+∞ (n + 1)!
Usando el teorema del lı́mite de la sucesión comprendida deducimos que lı́mn−→+∞ rn (x) = 0.
Podemos asegurar entoncesPque ex es desarrollable en serie de potencias en todo R y que es
∞ xn
válida la igualdad: ex = n=0 n! ∀x ∈ R.
Ejercicio 5.3.2. Demuestra que, ∀x ∈ R, son válidos los siguientes desarrollos en serie de
potencias:
∞ ∞
X x2n+1 X x2n
sen(x) = (−1)n cos(x) = (−1)n
(2n + 1)! (2n)!
n=0 n=0
Observación 5.3.5. Existen funciones que no son desarrollables −1/x en serie de potencias. Un
2
e , si x 6= 0.
ejemplo viene dado por la función f definida por: f (x) = Puede de-
0, si x = 0.
mostrarse que esta función admite derivadas de todos los órdenes en todo R y que todas sus
derivadas en 0 valen 0. Es decir, se cumple que f (k) (0) = 0, ∀k ∈ N. Resulta entonces que su
polinomio de Mac Laurin (de cualquier orden) es idénticamente nulo y, por lo tanto, el resto
rn (x) coincide con la propia función. En este caso el resto no depende de n y tenemos que
2
lı́mn−→+∞ rn (x) = e−1/x 6= 0. Aplicando el teorema 5.3.3 concluimos que esta función no es
P f (k) (0) k
desarrollable en serie de potencias. En este caso la serie ∞k=0 k! x es idénticamente nula y
no converge a f (x) en ningún intervalo que contenga al 0.
En la siguiente tabla resumimos varios desarrollos obtenidos en los ejemplos y ejercicios que
seguramente utilizarás en futuras materias de la carrera. En particular, los tres primeros los
necesitarás cuando en Estadı́stica hables de la “distribución geométrica”. El cuarto (el de la
función exponencial) cuando hables de la “distribución de Poisson”.
1
= 1 + x + x2 + x3 + x4 + . . . . + xn + . . . . . (|x| < 1).
1−x
1
= 1 + 2x + 3x2 + 4x3 + . . . . + nxn−1 + . . . . . (|x| < 1).
(1 − x)2
2
= 2 + 6x + 12x2 + . . . . + n(n − 1)xn−2 + . . . . . (|x| < 1).
(1 − x)3
x2 x3 x4 xn
ex = 1 + x + + + .... + + ...... (x ∈ R).
2! 3! 4! n!
x2 x3 x4 xn
L(1 − x) = −x − − − − .... − + ..... (|x| < 1).
2 3 4 n
x2 x3 x4 xn
L(1 + x) = x − + − − . . . . + (−1)n+1 + ..... (|x| < 1).
2 3 4 n
1
= 1 − x2 + x4 − x6 + x8 + . . . . + (−1)n x2n + . . . . . (|x| < 1).
1 + x2
x3 x5 x7 x9 x2n+1
Arctg(x) = x − + − + + . . . . + (−1)n + ...... (|x| < 1).
3 5 7 9 2n + 1
x3 x5 x2n+1
sen(x) = x − + + . . . . + (−1)n + ..... (x ∈ R).
3! 5! (2n + 1)!
x2 x4 x2n
cos(x) = 1 − + + . . . . + (−1)n + ..... (x ∈ R).
2! 4! (2n)!
Ejercicio 5.3.3. Calcula la suma de las siguientes series:
∞ ∞ n−1 ∞
X n X −1 X n (−2)n−1
(a) n−1
(b) n (c)
3 2 5n−1
n=1 n=1 n=1
∞ ∞
X 1 X
(d) n (e) n xn para |x| < 1.
n=1
2n n=1
∞ n−2 ∞ n ∞
X 2 X −1 X
(a) n (n − 1) (b) n (n − 1) (c) n (n − 1) xn (|x| < 1).
3 3
n=2 n=2 n=2

∞ ∞ ∞
X 2n+1 X 1 X (−1)n
(a) (b) (c)
n=0
(n + 1) 3n+1 n=1
n 4n n=1
n 2n
∞ ∞ ∞
X 1 X xn+1 X 1
(d) e) para |x| < 1. f)
n=1
n 3n−1 n=1
(n + 1)n n=1
n(n + 1)2n+1

∞ ∞ ∞ ∞
X 1 X 2n X (−1)n X x2n
a) b) c) d)
n=0
n! n=0
n! n=2
n! n=0
n!
∞ ∞ ∞
X xn X xn X xn
e) n f) n (n − 1) g) n2
n! n! n!
n=1 n=2 n=1

1 1 1 1
a) √ − √ + √ − √ + .....
3 3 ( 3) 3 5 ( 3) 5 7 ( 3)7
π π3 π5 π7
b) − 3
+ 5
− + .....
2 3! 2 5! 2 7! 27
π2 π4 π6 π8
c) 1 − + − + + .....
2! 32 4! 34 6! 36 8! 38
Ejercicio 5.3.8. Como siempre, la validez de un desarrollo en serie de potencias en los extremos
del intervalo de convergencia depende de cada caso. En este ejercicio te sugerimos unos pasos
para que pruebes que el desarrollo de Arctg(x) también converge en x = 1.
(a) Recordando la fórmula para la suma de términos consecutivos de una progresión geométrica
muestra que:
1 + (−1)n x2n+2
1 − x2 + x4 − x6 + . . . + (−1)n x2n = ∀x ∈ R, ∀n ∈ N.
1 + x2
(b) Integrando entre 0 y 1 ambos miembros de la igualdad anterior obtiene:
Z 1 2n+2
1 1 1 n 1 π n x
1 − + − + . . . + (−1) = + (−1) 2
dx .
3 5 7 2n + 1 4 0 1+x
R 1 2n+2 P∞
(c) Muestra que 0 ≤ 0 x1+x2 dx ≤ 1/(2n + 3) y deduce que n 1
n=0 (−1) 2n+1 =
π
4
Ejercicio 5.3.9.
(a) A partir del desarrollo dado por (GI1) demuestra que
x2 x3 x4 xn
L(1 + x) = x − + − − . . . . + (−1)n+1 + ..... |x| < 1.
2 3 4 n
(b) Demuestra que

1+x 2x3 2x5 2x2n+1
L = 2x + + + .... + + ..... |x| < 1.
1−x 3 5 2n + 1
(b) Sustituyendo la x por 1/3 en el desarrollo anterior deduce que:
2 2 2 2
L(2) = + 3
+ 5
+ .... + + .....
3 33 53 (2n + 1)32n+1
Utilizando los cinco primeros sumandos de esta serie (la quinta suma parcial), encuentra
un valor aproximado de L(2) y una cota del error cometido.
Capı́tulo 6
Sucesiones de funciones
6.1. Convergencia puntual
Comencemos con un ejemplo simple pero bien ilustrativo que viene dado por las funciones xn en
donde n es natural. Más formalmente, lo que estamos considerando es una sucesión de funciones
(fn )n∈N∗ , en donde, para cada n ∈ N∗ , fn : R −→ R viene dada por fn (x) = xn , ∀ x ∈ R.
Tengamos en cuenta que, para cada n fijo, fn es una función real de dominio real, mientras que
para cada x fijo, (fn (x)) es una sucesión numérica.
Para cada x fijo podemos estudiar entonces el lı́mite de la sucesión numérica (fn (x)) cuando
n −→ +∞. ¿Qué es lo que ocurre en este caso? Debemos realizar una pequeña discusión a partir
de lo que conocemos sobre sucesiones numéricas. El resultado es el siguiente:


 +∞, si x > 1.

1, si x = 1.
lı́m xn =
n−→+∞ 
 0, si − 1 < x < 1.

no existe, si x ≤ −1.
Resulta entonces que solamente para x ∈ (−1, 1] hay convergencia. En este caso diremos que la
sucesión de funciones (fn ) converge puntualmente en el intervalo (−1, 1] y que la función lı́mite
es:

1, si x = 1.
f : (−1, 1] −→ R / f (x) =
0, si − 1 < x < 1.
127
128 Capı́tulo 6. Sucesiones de funciones
1 •
−1 1
Vale la pena observar que, si bien todas las fn son continuas en R (más aún, son de clase C ∞
en R), la función lı́mite resultó discontinua en 1.
Como ustedes se imaginarán, en este tema resulta fundamental visualizar el comportamiento de

la familia de funciones en cuestión. Para ello contamos con programas de software libre, como
GeoGebra, de simulación dinámica. En todos los ejemplos y ejercicios te resultará de muchı́sima
utilidad conceptual observar las gráficas de las funciones de la sucesión y cómo van evolucionando
cuando n tiende a +∞.
Definición 6.1.1. Convergencia puntual de una sucesión de funciones.

Sea fn : I −→ R una sucesión de funciones. Diremos que (fn ) converge puntualmente en el
conjunto X ⊂ I si, y sólo si, para cada x ∈ X el lı́mite lı́mn−→+∞ fn (x) es finito.
O, de manera equivalente, si ∀ x ∈ X y ∀ ǫ > 0, existe p ∈ N (que puede depender de ǫ y de

x!!!) tal que ∀ n ≥ p se cumple |fn (x) − f (x)| < ǫ.
En ese caso llamaremos “función lı́mite puntual” de las (fn ) a la función:
f : X −→ R / f (x) = lı́m fn (x)

n−→+∞
y escribiremos:
(fn ) −→ f , en X
Ejemplo 6.1.1. Consideremos la sucesión de funciones fn : R −→ R tal que fn (x) = sen(nx) n .

Para cada x fijo el numerador es una sucesión acotada y, por lo tanto, la sucesión de funciones
convrege a 0 para todo x real.
(fn ) −→ f en R, siendo f (x) = 0, ∀ x ∈ R.
Las (fn ) son derivables en R y su derivada vale fn′ (x) = cos(nx). Observemos que, salvo en
algunos puntos particulares, la sucesión de derivadas no converge. Debemos tener mucho cuidado
entonces pues, en general, no tendrá sentido, o no será válida la igualdad:
′
lı́m fn′ (x) = lı́m fn (x)
n n
6.1. Convergencia puntual 129
Ejemplo 6.1.2. Consideremos la sucesión de funciones definida en [0, +∞) por:

 2
 n x si 0 ≤ x ≤ 1/n,
fn (x) = − n2 x − n2 si 1/n ≤ x ≤ 2/n,

0 si si x ≥ 2/n.
1 2
n n
En x = 0 todas valen 0. Fijemos x = x0 > 0. Como n2 es decreciente con lı́mite 0, existe p ∈ N,

tal que n2 < x0 , ∀ n ≥ p. Por lo tanto fn (x0 ) = 0, ∀ n ≥ p. Se deduce que (fn ) converge
puntualmente a la función nula en todo [0, +∞).
R1
Observemos que 0 fn (x) dx = 1, ∀ n ≥ 2 (es un área muy simple de calcular). Sin embargo,
R1
0 f (x) dx = 0. Debemos tener mucho cuidado entonces pues, en general, no será válida la
igualdad: Z b Z b
lı́m fn (x) dx = lı́m fn (x) dx
n a a n
Como una posible estrategia para acercarnos al concepto principal de este tema, el profesor
Raúl H. Cobas solı́a presentar y discutir un razonamiento que transcribimos textualmente (con
su permiso) de las notas por él elaboradas.
Teorema 6.1.1. Teorema falso con demostración mal hecha. Sea (fn ), tal que fn : X −→
R. f : X −→ R tal que f (x) = lı́mn (fn (x)). a ∈ Ẋ y las fn son continuas en a. Entonces f es
continua en a.
Demostración.Debo probar que: ∀ ǫ > 0, ∃ δ > 0 tal que ∀ x ∈ Vδ (a), f (x) ∈ Vǫ (f (a))
Nos damos el ǫ y debemos determinar el δ, para que d(f (x), f (a)) < ǫ si d(x, a) < δ. Se tiene:
d(f (x), f (a)) =| f (x) − f (a) |=| f (x) + fn (x) − fn (x) + fn (a) − fn (a) − f (a) |≤
≤| f (x) − fn (x) | + | fn (x) − fn (a) | + | fn (a) − f (a) |

Para que sea menor que ǫ, voy a tratar de hacer cada sumando menor que 3ǫ .
El primer sumando. Como f (x) = lı́mn (fn (x)), aplicando la definición de lı́mite, dado el
ǫ > 0, ∃ p ∈ N tal que ∀n ≥ p, | f (x) − fn (x) |< 3ǫ .
El tercer sumando es similar porque como las fn son continuas en a y éste es interior al dominio
se va a cumplir que ǫ > 0, ∃ q ∈ N tal que ∀n ≥ q, | fn (a) − f (a) |< 3ǫ .
Y ahora ya está todo. Fijo un natural n tal que n ≥ p y n ≥ q, con esto garantizo que los
sumandos tercero y primero son cada uno de ellos menores que 3ǫ . Y como el n es fijo y fn es
continua en a, se va a cumplir que dado ǫ > 0, ∃ δ > 0 tal que ∀x ∈ Vδ (a), | fn (x) − fn (a) |< 3ǫ .
Con lo que queda demostrado éste teorema con demostración mal hecha.
Aquı́ corresponde una pausa grande para descubrir donde está mal la demostración. Pero como
el tiempo como dicen algunos y las hojas es tirano, lo explicaremos a continuación. Si les da
traten de pensar la posible falla de la demostración antes de seguir adelante.
El problema está en el primer sumando, el p que he determinado, como lo vimos e insistı́ en

su momento, depende del ǫ y del x y como por desgracia hay infinitos x en el entorno de a,
entonces hay infinitos p, en principio, y como de los conjuntos infinitos no se puede apriori
decir que tiene máximo, no tengo derecho a decir que puedo elegir un n ≥ max{p, q}.
¿Qué necesitamos? Necesitamos que el p no dependa del x. Este es un problema ya conocido

por nosotros en otros temas del Análisis, como cuando estudiamos la continuidad uniforme.
6.2. Convergencia uniforme
Definición 6.2.1. Convergencia uniforme de una sucesión de funciones.

Sea fn : X −→ R una sucesión de funciones. Diremos que (fn ) converge uniformemente a
f en X si, y sólo si,
∀ ǫ > 0, ∃ p ∈ N / ∀ n ≥ p, |fn (x) − f (x)| < ǫ , ∀ x ∈ X.
En ese caso escribiremos (fn ) ⇒ f .

X
Desde el punto de vista gráfico (ver próxima figura), dado ǫ > 0 consideramos la faja
{ (x, y) / x ∈ X, f (x) − ǫ < y < f (x) + ǫ}
Luego, debe existir p ∈ N tal que ∀ n ≥ p la gráfica de todas las fn (punteada en rojo en la
figura) debe estar incluida en la faja mencionada.
6.2. Convergencia uniforme 131
y = f (x) + ǫ
y = f (x)
y = f (x) − ǫ
Observación 6.2.1. (a) La diferencia esencial entre la convergencia puntual y la uniforme es

que, en esta última, para cada ǫ > 0 debemos encontrar un p(ǫ) ∈ N que puede depender
de ǫ pero no de x, de tal modo que para todo subı́ndice n ≥ p y para todo x ∈ X se cumpla
que |fn (x) − f (x)| < ǫ. La convergencia uniforme es una propiedad global mientras que la
puntual es un concepto local.
(b) Observemos que la definición dada es equivalente a esta otra (compruébalo):
∀ ǫ > 0, ∃ p ∈ N / ∀ n ≥ p, sup { |fn (x) − f (x)| / x ∈ X } < ǫ.
o, lo que es lo mismo:
lı́m sup { |fn (x) − f (x)| / x ∈ X } = 0.
n−→+∞
Para estudiar la convergencia uniforme de una sucesión de funciones debemos proceder de

manera inversa a como lo hacı́amos con la puntual. En efecto, ahora comezamos fijando n.
Para n fijo hallamos Mn = sup { |fn (x) − f (x)| / x ∈ X }. Está claro que Mn no depende
de x. Finalmente tomamos lı́mite de Mn . Si da 0 hay C.U. De lo contrario no hay C.U.
(c) Está claro que si (fn ) ⇒ f entonces (fn ) −→ f puntualmente en X. El recı́proco no es
X
válido como lo veremos en cantidad de situaciones.
Ejemplo 6.2.1. La sucesión geométrica.
Ya hemos visto que la sucesión (fn ) dada por fn (x) = xn converge en (−1, 1] a la función:

1, si x = 1.
f : (0, 1] −→ R / f (x) =
0, si − 1 < x < 1.
Para estudiar si hay convergencia uniforme fijamos n y calculamos Mn = sup { |fn (x) − f (x)| / x ∈ (−1, 1] }.
¿Cuánto vale el supremo de esas distancias? Tengamos en cuenta que la función |fn (x) − f (x)|
tiene una discontinuidad en 1− . Como lı́mx→1− |fn (x) − f (x)| = 1 deducimos que
Mn = sup { |fn (x) − f (x)| / x ∈ (−1, 1] } = 1 6−→ 0 cuando n −→ +∞
Se tiene entonces que (fn ) no C.U. a f en (−1, 1].
Como se ve claramente en la interpretación gráfica, está claro que el lı́o se produce “cerquita”
de 1 (también de −1). Estudiemos entonces la C.U. en el intervalo (−1, 1). Resulta que, por la
misma razón que antes, el supremo de las distancias sigue dando 1
Kn = sup { |fn (x) − f (x)| / x ∈ (−1, 1) } = 1 6−→ 0 cuando n −→ +∞
de donde (fn ) 6 ⇒ f en (−1, 1).
Veamos ahora qué ocurre en un intervalo compacto de la forma [−h, h] ⊂ (−1, 1):
Hn = sup { |fn (x) − f (x)| / x ∈ [−h, h] } = sup { |fn (x)| / x ∈ [−h, h] } = hn
Como 0 < h < 1 resulta que hn −→ 0 y, por lo tanto, (fn ) ⇒ 0 en [−h, h]
¿Qué comentarios te merece este resultado?
Ejemplo 6.2.2. Consideremos (fn ) dada por fn : R −→ R / fn (x) = xe−nx .

Es inmediato verificar (no deejes de hacerlo) que (fn ) converge puntualmente en [0, +∞) a
la función idénticamente nula. Para estudiar la C.U. fijamos n y tratamos de calcular (si es
posible)
sup { |fn (x) − 0| / x ∈ [0, +∞) }. En dicho intervalo fn es no negativa (las barras se pueden
quitar), es derivable y su derivada vale fn′ (x) = e−nx (1 − nx). Del estudio de signo de fn′ (x)
deducimos que fn es creciente en [0, 1/n] y decreciente en [1/n, +∞), de donde resulta que el
−1
máximo (absoluto) de fn es alcanzado en x = 1/n y vale fn n1 = e n . Se tiene entonces:
sup { |fn (x) − 0| / x ∈ [0, +∞) } = sup { fn (x) / x ∈ [0, +∞) }
e−1
= max { fn (x) / x ∈ [0, +∞) } = −→ 0
n
Podemos concluir que (fn ) ⇒ 0 en [0, +∞).
Ejercicio 6.2.1. Utilizando GeoGebra (o cualquier otro programa de simulación dinámica)

grafica las sucesiones de funciones de los dos ejemplos anteriores (digamos, con un deslizador
con paso 1, desde n = 1 hasta n = 30) e interpreta gráficamente los resultados.
6.2.1. Convergencia uniforme y continuidad

Teorema 6.2.1. Convergencia uniforme y continuidad.
Consideremos una sucesión de funciones fn : X −→ R en donde X es un intervalo de R. Si
(fn ) ⇒ f y cada fn es continua en a ∈ X entonces f es continua en a.
X
Demostración. Debemos probar que:
∀ ǫ > 0, ∃ δ > 0 / ∀ x ∈ Eδ (a) , |f (x) − f (a)| < ǫ

Sea entonces ǫ > 0 cualquiera. Como (fn ) ⇒ f entonces

X
ǫ
∃ p ∈ N / ∀ n ≥ p, |fn (x) − f (x)| < , ∀ x ∈ X.
3
En particular |fn (a) − f (a)| < 3ǫ .
d(f (x), f (a)) =| f (x) − f (a) |=| f (x) + fn (x) − fn (x) + fn (a) − fn (a) − f (a) |≤
Para que sea menor que ǫ, voy a tratar de hacer cada sumando menor que 3ǫ .
El primer sumando. Como f (x) = lı́mn (fn (x)), aplicando la definición de lı́mite, dado el
ǫ > 0, ∃ p ∈ N tal que ∀n ≥ p, | f (x) − fn (x) |< 3ǫ .
El tercer sumando es similar porque como las fn son continuas en a y éste es interior al dominio
se va a cumplir que ǫ > 0, ∃ q ∈ N tal que ∀n ≥ q, | fn (a) − f (a) |< 3ǫ .
Y ahora ya está todo. Fijo un natural n tal que n ≥ p y n ≥ q, con esto garantizo que los
sumandos tercero y primero son cada uno de ellos menores que 3ǫ . Y como el n es fijo y fn es
continua en a, se va a cumplir que dado ǫ > 0, ∃ δ > 0 tal que ∀x ∈ Vδ (a), | fn (x) − fn (a) |< 3ǫ .
| f (x) − f (a) |=| f (x) − fn (x) + fn (x) + fn (a) − fn (a) − f (a) |≤
Observación 6.2.2. En algunos casos el teorema previo nos permite concluir que una sucesión
no puede convreger uniformemente en cierto conjunto X. En efecto, supongamos que una suce-
sión (fn ) de funciones continuas en X converge puntualmente a f en X. Si la función lı́mite f
es discontinua en algún punto de X entonces (fn ) no puede converger uniformemente en X.
Ejercicio 6.2.2. Estudia convergencia puntual y uniforme de fn en cada uno de los siguientes
casos:
1 √
a) fn (x) = x ∈ [1, +∞) b) fn (x) = n x (1 + nx)−1 x ∈ [0, 1]
nx

1, si x ≤ n
c) fn (x) = d) fn (x) = x2 e−nx
0, si x > n
6.2.2. La condición de Cauchy uniforme

Antes de continuar estudiando cuáles propiedades de las fn son heredadas por la función lı́mite
veamos una condición necesaria y suficiente para la convergencia uniforme que les resultará muy
familiar.
Teorema 6.2.2. Condición de Cauchy para la convergencia uniforme.

Una sucesión de funciones fn : X −→ R converge uniformemente en X si, y sólo si, es “unifor-
memente de Cauchy” en X, es decir, si, y sólo si:
∀ ǫ > 0, ∃ p ∈ N / ∀ n, m ≥ p, |fn (x) − fm (x)| < ǫ , ∀ x ∈ X.
o, de manera equivalente, si y sólo si:
∀ ǫ > 0, ∃ p ∈ N / ∀ n, m ≥ p, sup { |fn (x) − fm (x)| / x ∈ X } < ǫ.
Demostración.
Supongamos primero que (fn ) ⇒ f . dado ǫ > 0 podemos encontrar p ∈ N tal que cualquiera
X
sea el sunı́ndice n ≥ p se cumple |fn (x) − f (x)| < ǫ/2, ∀ x ∈ X. Si n y m son mayores o
iguales que p tenemos entonces que:
|fn (x) − f (x)| < ǫ/2 y |fm (x) − f (x)| < ǫ/2, ∀x∈X
Luego, si n, m ≥ p se cumple:
ǫ ǫ
|fn (x) − fm (x)| ≤ |fn (x) − f (x)| + |fm (x) − f (x)| < + = ǫ, ∀ x ∈ X.
2 2
Pasemos al recı́proco. Si (fn ) es uniformemente de Cauchy, entonces, para cada x ∈ X la

sucesión de números (fn (x)) es una sucesión de Cauchy en R. Como la condición de Cauchy
en R es suficiente para la convergencia, para cada x ∈ X la sucesión (fn (x)) converge en
R a un número que llamaremos f (x). Esto define una función:
f : X −→ R / f (x) = lı́m fn (x)

n
Vamos a probar que (fn ) ⇒ f .

X
Dado ǫ > 0 utilizamos primero la hipótesis pudiendo afirmar que
∃ q ∈ N / ∀ n, m ≥ p, |fn (x) − fm (x)| < ǫ/2 , ∀ x ∈ X.
Si en la desigualdad anterior mantenemos x y n ≥ q fijos y tomamos lı́mite cuando m −→

+∞ obtenemos:
|fn (x) − f (x)| ≤ ǫ/2 , ∀ x ∈ X.
Hemos probado que
∀ ǫ > 0, ∃ q ∈ N / ∀ n ≥ q, |fn (x) − f (x)| < ǫ , ∀ x ∈ X.
y eso es lo mismo que decir que (fn ) ⇒ f . ♠

X
Corolario 6.2.3. Si no hay C.U. en X tampoco la hay en X̄

Supongamos que las funciones fn : X̄ −→ R con continuas en X̄ (clausura de X). Si (fn ) C.U.
en X entonces también C.U. en X̄.
Para demostrar el corolario que acabamos de mencionar alcanza con observar que al ser
las fn continuas en X̄ entonces se cumple:

sup { |fn (x) − fm (x)| / x ∈ X } = sup |fn (x) − fm (x)| / x ∈ X̄
y que, por lo tanto, (fn ) es uniformemente de Cauchy en X si, y sólo si, lo es en X̄.
Este corolario es de mucha utilidad. Volvamos al primer ejemplo en donde fn (x) = xn . En
primer lugar vimos que dicha sucesión no C.U. en (−1, 1]. Sin hacer nada más el corolario
nos permite asegurar que tampoco lo será en el abierto (−1, 1).
Ejercicio 6.2.3. Sea (fn ) la sucesión de funciones definida en [0, +∞) por:

 4 n2 x si 0 ≤ x ≤ 1/2n
fn (x) = − 4 n2 x + 4 n si 1/2n ≤ x ≤ 1/n

0 si si x > 1/n
(a) Halla la función lı́mite puntual y prueba que no hay convergencia uniforme en [0, +∞).
(b) Prueba que tampoco la hay en (0, +∞).
(c) Muestra que:
Z 1 Z 1
lı́m fn (x) dx 6= lı́m fn (x) dx
n→+∞ 0 0 n→+∞
(d) Prueba que para cada h > 0, (fn ) C.U. en [h, +∞). Comenta este resultado.
6.2.3. Convergencia uniforme e integración

Teorema 6.2.4. Convergencia uniforme e integración.
Consideremos una sucesión de funciones fn : [a, b] −→ R en donde cada fn es continua en el
intervalo compacto [a, b]. Si (fn ) ⇒ f entonces se cumple:
X
Z b Z b
lı́m fn (x) dx = f (x) dx
n a a
o sea que, en este caso, es posible intercambiar el orden entre el paso al lı́mite y el signo de
integral:
Z b Z b
n a a n
Demostración.A partir del teorema de C.U. y continuidad podemos asegurar que f es continua
en [a, b] y por lo tanto integrable en dicho intervalo.
ǫ
Dado ǫ > 0 existe p ∈ N tal que si n ≥ p entonces |fn (x) − f (x)| < b−a , ∀ x ∈ [a, b].
Para todo n ≥ p y para todo x ∈ [a, b] se tiene:
Z x Z x Z x Z x Z x Z b
ǫ ǫ
fn − f = (fn − f ) ≤ |fn − f | < < =ǫ
a a a a a b−a a b−a
Hemos demostrado que Dado ǫ > 0 existe p ∈ N tal que si n ≥ p entonces

Z x Z x
fn − f < ǫ , ∀ x ∈ [a, b]
a a
Rx
lo cual quiere
Rx decir que la sucesión de funciones a fn converge uniformemente en [a, b] a la
función a f . Como caso muy particular de esto resulta la tesis. ♠
Observación 6.2.4. De hecho es posible demostrar que si las fn son Riemann integrables
en [a, b] (en lugar de continuas) Ry C.U. a f entonces la función lı́mite f también es Riemann
b Rb
integrable en [a, b] y vale: lı́mn a fn (x) dx = a f (x) dx. Si estás interesado puedes leer la
prueba en la bibliografı́a sugerida.
Ejercicio 6.2.4. Sea (fn ) la sucesión de funciones definida en [0, 1] por: fn (x) = n x ( 1 − x )n
(a) Halla la función lı́mite puntual y prueba que fn no converge uniformemente en [0, 1].
(b) Muestra que:
Z 1 Z 1
n→+∞ 0 0 n→+∞
Comenta el resultado.
Ejercicio 6.2.5. Sea (fn ) la sucesión de funciones definida en [−1, 1] por:
fn (x) = nc x ( 1 − x2 )n
(a) Estudia convergencia puntual de fn .
(b) Halla todos los valores de c para los que fn converge uniformemente en [−1, 1].
(c) Hallar todos los valores de c para los que:
Z 1 Z 1
n→+∞ 0 0 n→+∞
6.2.4. Convergencia uniforme y derivación

Ejemplo 6.2.3. La C.U. de una sucesión de funciones derivables no implica la deri-
vabilidad de la unción lı́mite. q
Sea fn : R −→ R dada por fn (x) = x2 + n1 . Es claro que las fn son derivables en todo R y que
la sucesión converge puntualmente en todo R a la función |x|, que no es derivable en 0. Veamos
que también converge uniformemente. Para todo x ∈ R Se tiene:
r
1 1 1 1
x2 + − | x | = q ≤ 3
n n x2 + 1 + | x | n2
n
luego:
sup { |fn (x) − |x|| / x ∈ R } −→ 0
y por lo tanto (fn ) ⇒ | x |.
R
Te sugerimos (nuevamente) que, mediante la utilización de GeoGebra, visualices el comporta-
miento dinámico de las fn .
sen(nx)
Ejercicio 6.2.6. Sea fn : R −→ R dada por fn (x) = . Demuestra que (fn ) C.U. en todo
n
R pero que la sucesión de derivadas no converge ni siquiera puntualmente en intervalo alguno.
Teorema 6.2.5. Convergencia uniforme y derivación.

Consideremos una sucesión de funciones fn : [a, b] −→ R en donde cada fn es derivable en [a, b].
Si para algún punto c ∈ [a, b] la sucesión numérica (fn (c)) converge y si la sucesión de derivadas
(fn′ ) ⇒ g entonces se cumple:
[a,b]
Existe una función f derivable en [a, b] tal que (fn ) ⇒ f
[a,b]
f ′ (x) = g(x), ∀ x ∈ [a, b]. Dicho de otra manera: ( lı́mn fn (x) )′ = lı́mn fn′ (x)
Demostración.Vamos a hacer la demostración en el caso en que las fn′ sean continuas en [a, b].
(La demostración del caso general la puedes encontrar en la bibliografı́a). Según el teorema
Fundamental del Cálculo, para cada n ∈ N y para cada x ∈ [a, b] podemos escribir:
Z x
(∗) fn (x) = fn (c) + fn′ (t) dt
c
Como (fn′ ) ⇒ g y son todas continuas, el teorema de convergencia uniforme e integración nos
[a,b]
permite afirmar que Z Z
x x
fn′ (t) dt ⇒ g(t) dt
c [a,b] c
Y como (fn (c)) es una sucesión numérica, todo el segundo miembro de (∗) converge uniforme-
mente en [a, b]. Llamemosle f a su función lı́mite. Tomando lı́mite en (∗) cuando n −→ +∞
resulta: Z x
f (x) = f (c) + g(t) dt , ∀ x ∈ [a, b]
c
Finalmente, aplicando nuevamente el Teorema Fundamental deducimos que f es derivable en
[a, b] y que f ′ = g en [a, b]. ♠.
x
Ejercicio 6.2.7. Consideremos la sucesión de funciones (fn ) definida en R por fn (x) =
1 + n x2
(a) Halla la función f lı́mite puntual de fn y la función g lı́mite puntual de fn′ .
(b) Muestra que f ′ (x) existe para cada x ∈ R pero que f ′ (0) 6= g(0). Deduce que fn′ no
converge uniformemente en ningún intervalo que contenga a x = 0.
6.3. Más ejercicios sobre este tema
Ejercicio 6.3.1. Estudiar convergencia puntual y uniforme de las siguientes sucesiones de fun-
ciones en los intervalos indicados (no dejes de visualizar utilizando GeoGebra):
√
(a) fn (x) = n x , en [0, 1] y en [a, 1] con 0 < a < 1.
(b) fn (x) = xn − xn+1 , en [0, 1].
(c) fn (x) = xn − x2n , en [0, 1] y en [a, 1] con 0 < a < 1.
(d) fn (x) = 1/(nx + 1) , en [0, +∞) y en (0, +∞).
(e) fn (x) = x/(nx + 1) , en [0, +∞) y en (0, +∞).
(f) fn (x) = xn L(x) , en (0, 1).
(g) fn (x) = n xn L(x) , en (0, 1).
(h) fn (x) = Arctg(nx) , en R y en R − (−δ, δ) con δ > 0.
L(1 + nx)
(i) fn (x) = , en [0, +∞), (0, +∞) y en [a, +∞) con a > 0.
1 + nx
(j) fn (x) = e−nx sen(x) , en [0, +∞).
(k) fn (x) = th(nx) , en R.
(l) fn (x) = nα x e−nx , en [0, +∞) y en subintervalos de [0, +∞). Discute según α > 0.
Ejercicio 6.3.2. Acotación uniforme.

Sea fn : X −→ R una sucesión de funciones. Se dice que (fn ) está puntualmente acotada si,
para cada x ∈ X la sucesión numérica (fn (x)) está acotada, es decir:
∀ x ∈ X, ∃ cx > 0 , / |fn (x)| ≤ cx , ∀ n ∈ N.
Por otra parte se dice que (fn ) está uniformemente acotada si
∃M > 0 / |fn (x)| ≤ M, ∀ n ∈ N y ∀ x ∈ X.
lo cual es equivalente a decir que:
∃M > 0 / sup { |fn (x)| / x ∈ X } ≤ M.
Sea fn : X −→ R una sucesión de funciones puntualmente acotada. Si (fn ) ⇒ f probar que f

X
está acotada en X y que (fn ) es uniformemente acotada.
6.3. Más ejercicios sobre este tema 139
Ejercicio 6.3.3. Supongamos que (fn ) ⇒ f y que (gn ) ⇒ g.

X X
(a) Demuestra que (fn + gn ) ⇒ f + g.
X
(b) Demuestra que si ambas sucesiones están uniformemente acotadas entonces también (fn .gn ) ⇒ f.g.
X
Ejercicio 6.3.4. La norma del supremo.

Sea L(X) = { f : X −→ R / f está acotada en X }. Con las operaciones habituales de suma de
funciones y producto de un real por una función, L(X) es un subespacio vectorial del espacio
de todas las funciones reales de X en R. Para f ∈ L(X) se define:
k f k∞ = sup { |f (x)| / x ∈ X }
(a) Prueba que k k∞ es una norma en L(X).

(b) Resulta entonces que (L(X), k k∞ ) es un espacio vectorial normado y, por lo tanto, un
espacio métrico en donde la distancia se define (como siempre a partir de una norma):
d(f, g) =k f − g k∞ .
Demuestra que una sucesión en (L(X), k k∞ ) converge a f ∈ L(X) si, y sólo si, (fn ) ⇒ f .
X
(c) Supongamos ahora X compacto. Demuestra que C(X) es un subespacio cerrado de L(X).
Ejercicio 6.3.5. Consideremos la función:
L3 (x) −(x+ 1 )
f : (0, +∞) −→ R / f (x) = e x
1 + x2
R +∞
(a) Prueba que 0 f converge. Calcularla mediante el cambio de variable x = 1/t.
R +∞
(b) Consideremos ahora la función F : (0, +∞) −→ R dada por F (x) = x f . Estudia
crecimiento y lı́mites de F . Deduce que F tiene un máximo absoluto M > 0 en (0, +∞).
Bosqueja la gráfica de F .

(c) Se consideran las sucesiones de funciones (gn ) y (hn ) en (0, +∞) dadas por: gn (x) = F nx
y hn (x) = F (nx). Prueba que ninguna de las dos C.U. en (0, +∞). Hallar los subintervalos
de (0, +∞) en los que la convergencia de cada una sea uniforme.
Imagina que no existe el cielo

es fácil si lo intentas
sin el infierno debajo nuestro
arriba nuestro, solo el cielo . . .
Imagina a toda la gente
viviendo la vida en paz . . .
sin necesidad de guı́a o hambre . . .
compartiendo el mundo . . .
Puedes decir que soy un soñador
pero no soy el único
espero que algún dı́a te unas a nosotros
y el mundo vivirá como uno.
de “Imagine”, John Lennon. (1971).
En cada madrugada que se te va

escapando, escapando . . .
Me atrapa cuando estoy para milonguear
tarareando, tarareando . . .
Espera porque sabe que volveré
a su lado, rezongando . . .
Mal compañero de viaje ... la soledad.
de “Arma de doble filo”, Gastón Ciarlo “Dino”. (1981).
Qué inútil son los muros de hormigón

que tienen presa la carne pero no el corazón
Qué inútil los barrotes de acero
por donde se va la idea aunque nadie lo vea
Qué inútil es querer someter
la vida de un hombre al yugo del poder
Qué inútil evitar que un pueblo se libere
si escondido el tirano se entretiene
de “Es inútil”, Psiglo. (1973).
Capı́tulo 7
Series de funciones
El estudio de las series de funciones es la continuación natural del estudio de las sucesiones de
funciones. Veremos que no existen diferencias sustanciales en la definición y propiedades genera-
les de las series de funciones, con respecto a las series numéricas, pero lo realmente importante
ahora es intentar definir nuevas funciones como suma de series y estudiar cuáles son sus propie-
dades caraterı́sticas, tal como se hizo en el capı́tulo sobre series de potencias. Obviamente, las
series de potencias son un caso particular de series funcionales, y por lo tanto ya disponemos de
unos cuantos ejemplos de estas dados en el capı́tulo 5.
7.1. Definición y propiedades básicas
Como ya sabemos, el concepto de serie generada por una sucesión fn se reduce al estudio de la
sucesión de sumas parciales generada por fn .
Definición 7.1.1. Convergencia puntual y uniforme de una serie de funciones.
Sea fn : I −→ R una sucesión de funciones y Sn : I −→ R la sucesión de sumas parciales
generada por fn , es decir:
n
X
S0 = f 0 , Sn = fk , ∀ n ≥ 1.
k=0
P
Diremos que la serie de funciones ∞ n=0 fn (x) converge puntualmente en el conjunto X ⊂ I,
con suma S(x), si, y sólo si, para cada x ∈ X la sucesión de sumas parciales Sn (x) converge
puntualmente a S(x). P
Diremos que la serie de funciones ∞ n=0 fn (x) converge uniformemente a S(x) en el conjunto
X ⊂ I, si, y sólo si, la sucesión de sumas parciales Sn (x) converge uniformemente a S(x) en I.
Los teoremas 6.2.1 , 6.2.2 , 6.2.4 y 6.2.5 vistos en el capı́tulo anterior para sucesiones de funciones
se trasladan de manera natural a series de funciones. Solo haremos la demostración del primero
de ellos, quedando a cargo del lector las restantes. También vale la pena aclarar que, si bien
ponemos que las condiciones en las hipótesis se deben cumplir ∀ n ∈ N, alcanza con que se
cumplan desde algún subı́ndice en adelante.
141
142 Capı́tulo 7. Series de funciones
Teorema
7.1.1. Continuidad de la función suma.
fn continua en X , ∀n ∈ N.
(H) P+∞
n=0 fn (x) C.U. en X con suma S(x).
(T ) { S(x) es continua en X.
Demostración. Sea (Sn ) la sucesión de sumas parciales de la serie. Por hipótesis tenemos que
Sn (x) C.U. a S(x) en X. Además las Sn son continuas en X (por ser suma de funciones continuas
en X). Luego, el teo 6.2.1, permite concluir que S(x) es continua en X. ♠
Teorema
P∞ 7.1.2. Condición de Cauchy para la convergencia uniforme de una serie.
n=0 fn (x) converge uniformemente en X si, y sólo si, cumple la condición uniforme de Cauchy
en X, es decir, si, y sólo si:
k=m
X
∀ ǫ > 0, ∃ p ∈ N / ∀ n, m ≥ p, fk (x) < ǫ , ∀ x ∈ X.
k=n
Teorema
7.1.3. Integración de la función suma.
fn continua en [a, b] , ∀n ∈ N.
(H) P+∞
f (x) C.U. en [a, b] con suma S(x).
( Z n=0 n +∞ Z b
b X
(T ) S(x) dx = fn (x) dx
a n=1 a
Teorema
 7.1.4. Derivabilidad de la función suma.
 Pfn derivable en el intervalo (a, b) , ∀n ∈ N.
+∞
(H) n=0 fn (x) converge en (a.b) con suma S(x).
 P+∞ ′
n=0 fn (x) C.U. en (a, b) con suma H(x).
S(x) es derivable en (a, b) y S ′ (x) = H(x), ∀ x ∈ (a, b) , o sea
(T ) P+∞ ′ P+∞ ′
n=0 fn (x) = n=1 fn (x) , ∀ x ∈ (a, b).
7.2. Otros resultados sobre convergencia uniforme de series
Investigar si serie converge uniformemente o no, aplicando directamente la definición resulta, en

la mayorı́a de los casos, una tarea extremadamente complicada. En la esta sección veremos un
par de resultados sumamente útiles a tales efectos.
La conocida condición suficiente de convergencia también vale para series funcionales, tanto para
la convergencia puntual como para la uniforme. Lo enunciaremos para el caso de convergencia
uniforme y la demostración queda como ejercicio.
Teorema
P 7.2.1. Condición necesaria para la convergencia uniforme de una serie.
Si fn (x) C.U. en D entonces fn ⇒ 0 en D.
Ejemplo 7.2.1. Sobre la convergencia uniforme de la serie geométrica.

P∞ n 1
Sabemos que la serie geométrica n=0 x converge puntualmente a para x ∈ (−1, 1).
1−x
7.2. Otros resultados sobre convergencia uniforme de series 143
Esta convergencia ¿será uniforme? En caso que lo fuera se deberı́a cumplir que xn ⇒ P 0 en
(−1, 1). Y esto no ocurre tal como se vio en el ejemplo 6.2.1. Concluimos entonces que ∞
n=0 x
n
no converge uniformemente en (−1, 1). Aquı́ hemos aplicado el contrarecı́proco del teorema
anterior que establece que
∞
X
Si fn 6⇒ 0 en D entonces fn (x) no converge uniformemente en D.
n=0
Ahora sı́, una condición suficiente para que una serie de funciones sea uniformemente conver-
gente.
Teorema 7.2.2. Criterio de la mayorante de Weierstrass. P

Supongamos
P que |an (x)| ≤ bn , ∀ n ∈ N, ∀ x ∈ X, y que bn converge. Entonces se cumple que
an (x) converge absolutamente y uniformemente en X.
P
Demostración.Para demostrarlo vamos a verificar que an (x) cumple la condición de Cauchy
uniforme. Para todo n, m con m > n, y cualquiera que sea x ∈ X se tiene
k=m
X k=m
X k=m
X
ak (x) ≤ |ak (x)| ≤ bk
k=n k=n k=n
P
Sea ǫ > 0 arbitrario. Como bn converge entonces cumple la condición de Cauchy para series
numéricas. Por lo tanto
k=m
X
∃ p ∈ N / ∀ n, m ≥ p, bk < ǫ
k=n
Este p no depende de x. Luego, hemos encontrado un p (que depende de ǫ pero no de x), tal
Pk=m
que para cualquier x ∈ X se cumple k=n ak (x) < ǫ , ∀ n, m ≥ p. ♠
Observación 7.2.1. El recı́proco no es válido.

1
En efecto, la sucesión fn dada por fn (x) = n si x = n, genera una serie que converge
0 si x 6= n.
uniformemente en R, pero sin embargo ninguna sucesion (bn ) que la mayore genera una serie
convergente. Los detalles quedan a cargo del lector.
∞
X sen(nx)
Ejemplo 7.2.2. Consideremos la serie . Cualquiera que sea el real x se tiene que
n2
n=1
sen(nx) |sen(nx)| 1
= ≤ 2
n2 n2 n
∞
P 1
X sen(nx)
Como n2
converge, el criterio de la mayorante de Weierstrass permite concluir que
n2
n=1
converge uniformemente en todo R. Aunque no conozcamos la función suma, aplicando el teo-
rema 7.1.3 obtenemos
Z x X ∞
! ∞ Z x X ∞
sen(nt) X sen(nt) −cos(nx) + 1
2
dt = 2
dt = , ∀ x ∈ R.
0 n=1
n n=1 0 n n=1
n3
∞
X
Ejemplo 7.2.3. Dada la serie de funciones x e−nx queremos resolver los siguientes puntos
n=1
(a) Hallar D zona de convergencia puntual y hallar la función suma.
(b) Probar que la serie no converge uniformemente en D pero si en cada intervalo cerrado
contenido en el interior de D.
(a) Si x < 0 entonces la serie no converge debido a que el término general no tiende a 0. Si
x = 0 entonces converge con suma 0. Para cada x > 0 la serie converge por ser una geométrica
de razón e−x < 1 y se cumple que
+∞ +∞
X X n 1
x e−nx = x e−x =x
1 − e−x
n=0 n=0
Resulta entonces que

( x
si x > 0,
D = [0, +∞) y la función suma es S(x) = 1 − e−x
0 si x = 0.
(b) Las funciones que generan la serie, es decir fn (x) = x e−nx , son continuas en D = [0, +∞).
Sin embargo, la función suma no es continua en 0+ (¿por qué?). De esto deducimos que la serie
no converge uniformemente en D, pues si lo hiciera, el teorema implicarı́a que S(x) deberı́a ser
continua en D. Tampoco puede converger uniformemente en (0, +∞), pues si lo hiciera, también
lo harı́a en [0, +∞) (recordar el corolario 6.2.3).
Sea ahora I un intervalo de la forma [a, b] o incluso [a, +∞) con a > 0. Para intentar mayorar
la sucesión de funciones fn (x) = x e−nx estudiamos su comportamiento. Derivando obtenemos
fn′ (x) = e−nx − nx e−nx = (1 − nx) e−nx . El signo de esta derivada es el siguiente
+ 0 −
Signo fn′ (x)
0 1
n
1
Como → 0, desde algún subı́ndice en adelante la situación es la siguiente
n
+ 0 −
Signo fn′ (x)
0 1 a
n
Resulta entonces que, desde algún

P subı́ndice en adelante, se cumple que fn (x) = x e−nx ≤
fn (a) = a e−na . Como la serie a e−na converge, el criterio de la mayorante de Weierstrass
∞
X
permite concluir que x e−nx converge uniformemente en [a, +∞).
n=1
7.2. Otros resultados sobre convergencia uniforme de series 145
Ejemplo 7.2.4. La función zeta de Riemman.

∞
X 1
Consideremos la serie de funciones x
.
n=1
n
Para cada x ∈ R tenemos una serie armónica. Su clasificación termina siendo inmediata ya que
las mismas convergen solo si x > 1. Esto prueba que la serie converge puntualmente en (1, +∞).
La funcion suma se conoce como función zeta de Riemman:
∞
X 1
ζ : (1, +∞) −→ R / ζ(x) = .
n=1
nx
Utilizando el criterio de la mayorante de Weierstrass resulta sencillo probar que la serie converge
uniformemente en intervalos de la forma [a, +∞), con a > 1. En efecto, dado a > 1 tomemos α
tal que 1 < α < a. Tenemos que
1 1
0< x
< α , ∀ x ∈ [a, +∞) , ∀ n ∈ N.
n n
P 1
Como la serie converge, el criterio de la mayorante de Weierstrass permite concluir que
nα
∞
X 1
converge uniformemente en [a, +∞).
n=1
nx
1
Si bien ⇒ 0 en (1, +∞) (no dejes de verificarlo), la serie no converge uniformemente en
nx
(1, +∞). La forma más simple de probarlo es utilizando el corolario 6.2.3. Como las funciones
1
son continuas en [1, +∞), si la serie convergiera uniformemente en (1, +∞) también lo harı́a
nx
en [1, +∞) (corolario 6.2.3), y esto no ocurre pues en x = 1 ni siquiera converje puntualmente.
Se puede demostrar que esta función no puede expresarse en términos de funciones elementa-
les. Sin embargo, con las herramientas que poseemos, podemos demostrar que es una función
derivable en (1, +∞). Para ello alcanza con verificar que la serie de las derivadas converge uni-
formemente en intervalos de la forma [a, +∞), con a > 1. Esto queda como ejercicio.
La función zeta de Riemman puede definirse también en los complejos de la siguiente manera:
∞
X 1
ζ : {z ∈ C / Re(z) > 1} −→ C / ζ(z) = .
nz
n=1
Bueno, en realidad la verdadera función zeta de Riemman en C es una función Zeta : C −→ C que
es analı́tica (derivable) en C y tal que coincide con ζ en {z ∈ C / Re(z) > 1}. Esta Zeta tiene una
serie de propiedades notables y una importancia significativa en diversas áreas de la matemática,
particularmente en la teorı́a de números, por su relación con la distribución de los números
primos. Hay conjeturas establecidas por el propio Riemman que aún no han sido demostradas
ni refutadas. Una de ellas es la denominada “Hipótesis de Riemann”, considerado uno de los
mayores problemas matemáticos abiertos en la actualidad, que conjetura que cualquier raı́z s no
trivial (o sea, distinta de los pares negativos) de la función tiene que cumplir Re(s) = 1/2.
+∞
X
Ejercicio 7.2.1. Dada la serie de funciones xn (1 − x)
n=0

(b) Probar que la serie no converge uniformemente en D pero si en cada intervalo cerrado [0, δ]
con 0 < δ < 1.
+∞
X
Ejercicio 7.2.2. Dada la serie de funciones e−nx
n=1
(b) Probar que la serie no converge uniformemente en D pero si en cada intervalo cerrado
contenido en el interior de D.
Ejercicio 7.2.3.
P
(a) Probar que (xLx)n C.U. en [0, 1].
R1
(b) Deducir el valor de 0 (xLx)n dx sabiendo que:
Z 1 Z 1
p q−q
x (Lx) dx = xp (Lx)q−1 dx
0 p+1 0
(c) Demostrar que

Z 1 +∞
X (−1)n−1
xx dx =
0 nn
n=1
Z x
Ejercicio 7.2.4. Dada la sucesión de funciones fn (x) = (tg t)n dt
0
(a) Probar que fn converge puntualmente y uniformemente a 0 en [0, π/4]. Se sugiere usar que
0 ≤ tg(t) ≤ π4 t, ∀ t ∈ [0, π/4].
P
(b) Estudiar convergencia puntual y uniforme de (tgx)n en [0, δ] con 0 < δ < π/4. Demostrar
que
∞ Z x Z x
X
n 1
(tg t) dt = dt
n=0 0 0 1 − tg t
n
X 1
Ejercicio 7.2.5. Dada la sucesión de funciones gn (x) =
k + x k2
k=1
(a) Estudiar convergencia puntual de gn .
(b) Probar que gn no converge uniformemente en (0, 1].
(c) Probar que gn converge uniformemente en [δ, 1] con 0 < δ < 1.
n
X
Ejercicio 7.2.6. Dada la sucesión de funciones φn (x) = ( Arctg x )k
k=0
(a) Hallar la zona de convergencia puntual y la función lı́mite.
(b) Investigar en que intervalos de R φn converge uniformemente.
∞
X
(c) Investigar en qué intervalos X de R se verifica que φ′n ⇒ φ′ siendo φ( x) = ( Arctg x )n -
X n=0
7.3. Aplicaciones a las series de potencias 147
7.3. Aplicaciones a las series de potencias
Ejemplo 7.3.1. Convergencia P uniforme de la serie geométrica revisitada.

En el ejemplo 7.2.1 vimos que ∞ n=0 x n no converge uniformemente en (−1, 1). Vamos a demos-
trar ahora que sı́ converge uniformemente en cualquier subconjunto compacto del (−1, 1). Sin
pérdida de generalidad consideremos [−h, h] ⊂ (−1, 1), en donde 0 < h < 1. Intentamos aplicar
el criterio
P de la mayorante de Weierstrass. Para todo x ∈ [−h, h] se cumple que |xn | = |x|n ≤ hn .
Como hn es una serie geométrica P convergente, estamos en las hipótesis del teorema 7.2.2 y, por
lo tanto, podemos concluir que ∞ n=0 x n converge uniformemente y absolutamente en [−h, h].
A partir de un razonamiento análogo se concluye que converge uniformemente y absolutamente

en cualquier intervalo [a, b] ⊂ (−1, 1).
P∞ n 1
Tenemos entonces que n=0 t = , ∀ t ∈ (−1, 1), siendo la convergencia uniforme en
1−t
intervalos [a, b] ⊂ (−1, 1). Fijemos x con 0 < x < 1. En el intervalo [0, x] estamos en las
hipótesis del teorema 7.1.3, con lo cual podemos concluir que
Z x Z x X ∞
! ∞ Z x
! ∞
1 n
X
n
X xn+1
dt = t dt = t dt = ,
0 1−t 0 n=0 0 n=0
n+1
n=0
y por lo tanto
∞
X xn+1
−L(1 − x) = , ∀ x ∈ (−1, 1).
n+1
n=0
Hemos obtenido nuevamente el resultado asociado a la integración término a término de la serie

geométrica visto en el ejemplo 5.3.2.
El razonamiento realizado en el ejemplo anterior se puede plantear para una serie de potencias
cualquiera, y de ese modo probar los teoremas 5.3.1 y 5.3.2 vistos sin demostración en el capı́tulo
5.
Teorema 7.3.1. Derivación e integración

P∞ de series de potencias.
Consideremos n
la serie de potencias n=0 an x , con radio de convergencia r > 0, y sea
P
S(x) = ∞ n
n=0 n x su función suma para x ∈ (−r, r). Entonces se cumple que
a
1. La serie converge uniformemente en cualquier intervalo [a, b] ⊂ (−r, r).
2. S(x) es derivable en todo punto de (−r, r) y su derivada vale
X∞
S ′ (x) = nan xn−1 , ∀x ∈ (−r, r).
n=1
Z x ∞
X an n+1
3. Para cada x ∈ (−r, r) vale la igualdad S(t) dt = x .
0 n+1
n=0
Demostración.
1. Intentamos aplicar el criterio de la mayorante de Weierstrass. Sea h = max{|a|, |b|}. Re-
sulta entonces que |x| ≤ h, ∀ x ∈ [a, b]. Tenemos entonces que
|an xn | = |an | |x|n ≤ |an | hn , ∀ x ∈ [a, b].

P
Como h ∈ (−r, r) la serie |an | hn esPconvergente (teorema 5.2.2). Luego, el teorema
7.2.2 nos permite asegurar que la serie ∞ n
n=0 an x converge uniformemente en [a, b].
P P∞
2. En primer lugar recordemos (observación 5.3.3), que las series ∞ n
n=0 an x y n=1 nan x
n−1
tienen el mismo radio de convergencia. Sea x0 ∈ (−r, r). Vamos a demostrar que S(x) es
derivable en x0 y que su derivada en ese punto se obtiene derivando término a término.
Para ello tomamos un intervalo [a, b] ⊂ (−r, r) tal que x0 ∈ (a, b). Por la parte (1), ambas
series convergen uniformemente en [a, b] y consecuentemente en (a, b). Resulta entonces
que estamos en las hipótesis del teoremaP 7.1.4 en (a, b) y, por lo tanto, S(x) es derivable
en (a, b) y su derivada vale S ′ (x) = ∞ n=1 nan x
n−1 , ∀x ∈ (a, b).
3. Se sugiere realizar un razonamiento similar al realizado en el ejemplo 7.3.1. ♠
Observación 7.3.1. Las funciones definidas por series de potencias P∞ son de clase C ∞ .
Como consecuencia del teorema anterior deducimos que S(x) = n=0 an x es de clase C ∞ (o
n
sea, tiene derivadas de todos los órdenes) en el intervalo de convergencia (−r, r).
Un dı́a nos encontraremos

en otro carnaval
Tendremos suerte si aprendemos
que no hay ningún rincón
que no hay ningún atracadero
que pueda disolver
en su escondite lo que fuimos
el tiempo est después.
de “El tiempo está después”, Fernando Cabrera. (1989).
Un viejo blues
me hizo recordar
momentos de mi vida
y mi primer amor
Pero aquı́ estoy
tan solo en la vida
que mejor me voy..
de “Desconfı́o”, Pappo. (1972).
Capı́tulo 8
Nociones sobre ecuaciones

diferenciales
Uno de los problemas centrales de todas las ciencias consiste en intentar predecir el compor-
tamiento de los fenómenos que evolucionan con el tiempo. Es ası́ que, desde su nacimiento en
tiempos de Newton y Leibniz, la “teorı́a de ecuaciones diferenciales” se ha desarrollado (y se
sigue desarrollando) en permanente contacto con los problemas planteados por la fı́sica, la bio-
logı́a, la economı́a, la administración, etc. Éstos son fuentes de inspiración y de motivación para
la matemática, quien devuelve la cortesı́a con resultados que muchas veces permiten responder
las preguntas planteadas. Este capı́tulo está destinado a proporcionarte una visión preliminar
de las “ecuaciones diferenciales” introduciéndote en la terminologı́a, ideas y resultados básicos
pero fundamentales. En las aplicaciones que hemos elegido, las funciones involucradas dependen
de una variable que representa al tiempo. Es por ello que, en este capı́tulo, cambiaremos nuestra
familiar x por la letra t. Esperamos que con los ejemplos de la primera sección comiences a
entender “de qué se trata”.
8.1. Modelos de evolución de poblaciones
Queremos estudiar la evolución del tamaño de cierta población a medida que transcurre el
tiempo (puedes pensar en la población de todos los seres humanos del planeta, o de una tribu,
o de una colonia de bacterias, etc.). Designaremos con P (t) al tamaño de la población en cada
instante t. Si bien en la realidad la cantidad de individuos de la población es un número natural,
consideraremos en nuestro modelo que la función P : R −→ R es continua e incluso derivable.
8.1.1. Modelo exponencial de evolución

Se denomina “modelo exponencial” de evolución al dado por la función:
P (t) = A ekt (M E)
149
150 Capı́tulo 8. Nociones sobre ecuaciones diferenciales
en donde A ≥ 0 y k ∈ R son constantes. En ciertas aplicaciones, esta función sirve para re-
presentar el tamaño de cierta población en cada instante de tiempo t. La interpretación de la
constante A es clara: A = P (0) es el tamaño de la población en el instante inicial. Por otra
parte, si k > 0 la función es creciente y si k < 0 la función es decreciente, mientras que si k = 0
la función es constante. Para encontrar una interpretación más profunda del significado de este
modelo recordemos que la derivada de la función P (t) es la “velocidad” instantánea con que
cambia dicha función (recuerda la Observación ??). Tenemos: P ′ (t) = A ekt k = k A ekt = k P (t).
Hemos obtenido que nuestra función verifica la relación
P ′ (t) = k P (t) , ∀ t ∈ R. (1)
Esta relación nos está diciendo que la velocidad con que crece (o decrece) la población
en cada instante es directamente proporcional al tamaño de la población en dicho
instante.
En lo que sigue supondremos que k está fijo. Designemos con P0 al tamaño de la población inicial.
Observemos que entre todas las funciones dadas por (M E), la única que cumple P (0) = P0 es
la función P (t) = P0 ekt . Veamos el recı́proco. ¿Qué queremos decir con esto? Partimos ahora de
una población P (t) desconocida de la cual sólo sabemos que la velocidad con que cambia en cada
instante es directamente proporcional al tamaño de la población en dicho instante. Traduciendo
esta hipótesis en términos matemáticos obtenemos:
P ′ (t) = k P (t) , ∀ t ∈ R. (1)
Este es un ejemplo de “ecuación diferencial”, es decir, una “ecuación” en donde la “incógnita”

es una función y en donde aparecen derivadas de dicha función.
La pregunta es: dada una condición inicial P0 ¿podremos hallar todas las funciones que verifiquen
(1) y tales que P (0) = P0 ? 1 Ya sabemos que P (t) = P0 ekt verifica ambas condiciones, pero
¡cuidado! ¿no habrá otras?
En este caso podemos proceder de la siguiente manera. Supongamos que y(t) es una función que
cumple y ′ (t) = ky(t), ∀t ∈ R y y(0) = P0 . Consideremos la función h dada por h(t) = y(t) e−kt
y calculemos su derivada. Se tiene:

h′ (t) = y ′ (t) e−kt − k y(t) e−kt = y ′ (t) − ky(t) e−kt = 0, ∀t ∈ R.
Como h tiene derivada nula, debe ser constante. Tenemos entonces que existe c ∈ R tal que
y(t) e−kt = c, ∀ t ∈ R. Evaluando en t = 0 obtenemos c = P0 de donde resulta que
y(t) = P0 ekt , ∀ t ∈ R.
Conclusión: dado un valor inicial P0 , existe una única función P (t) que cumple:
P ′ (t) = k P (t) , ∀ t ∈ R. y P (0) = P0 .
1
Cuando decimos “hallar las funciones” estamos pensando en encontrar una fórmula explı́cita para las mismas.
En la mayorı́a de los casos eso no es posible. Lo que realmente importa es obtener información y poder describir
el comportamiento de las soluciones de una ecuación diferencial. Pensamos que la cuarta sección es la realmente
relevante desde el punto de vista conceptual. Ahora bien, también creemos que para llegar allı́, es conveniente
hacer algunos cálculos para familiarizarte con algunas ecuaciones concretas.
8.1. Modelos de evolución de poblaciones 151
1. Cuando queremos encontrar todas las soluciones de una ecuación diferencial que cumplen
cierta condición inicial se dice que estamos en presencia de un “problema de valor
inicial”. La notación a usar (para el ejemplo considerado) es la siguiente:

y ′ (t) = k y(t).
(P.V.I.)
y(0) = y0 .
2. Como estuvimos pensando en tamaños de poblaciones, habı́amos dado por descontado que,
tanto
′ las funciones P (t) e y(t), como el valor P0 , eran no negativos. De hecho, el problema:
y (t) = k y(t).
puede ser planteado para cualquier condición inicial y0 ∈ R. Con los
y(0) = y0 ∈ R.
mismos razonamientos realizados anteriormente, se deduce que este problema tiene una
única solución y que la misma viene dada por y(t) = y0 ekt .
3. Cuando y0 = 0 la única solución del problema es y(t) = 0 (∀t). Esta es, además, la única
solución constante.
Observación 8.1.2. Ecuaciones lineales.
La ecuación y ′ (t) = k y(t) es un caso particular de ecuaciones de la forma y ′ (t) = a(t) y(t) + b(t)
en donde a(t) y b(t) son funciones dadas. Este tipo de ecuaciones diferenciales se denominan
“ecuaciones lineales de primer orden”. En la segunda sección de este capı́tulo aprenderemos a
resolverlas (o sea, a hallartodas sus soluciones) y demostraremos que, bajo ciertas hipótesis, el
y ′ (t) = a(t) y(t) + b(t).
problema de valor inicial tiene solución única.
y(0) = y0 ∈ R.
Ejercicio 8.1.1. Según el modelo de Malthus de crecimiento de la población de la Tierra, el
número de habitantes del planeta en un instante t (medido en años) es P (t) = 3, 06 109 e0,02 t en
donde el instante inicial (t = 0) corresponde al año 1961. Según este modelo, calcula el tamaño
de la población en 1700, 1800, 1900, 1970, 1980, 1990, 2000 y 2004. Busca datos reales y compara
con estos resultados. Este modelo, ¿se ajusta a la realidad?
Ejercicio 8.1.2. Consideremos una población que tiene un modelo de evolución exponencial
dado por (M E).
(a) Si k > 0 demuestra que el tiempo que tiene que transcurrir (a partir del instante inicial)
para que la población se duplique es t̃ = L(2)/k. ¿Cuál es el tiempo que tiene que transcurrir
para que la población inicial se triplique?
(b) Si k < 0 demuestra que el tiempo que tiene que transcurrir (a partir del instante inicial)
para que la población se reduzca a la mitad es τ = −L(2)/k. ¿Cuál es el tiempo que tiene que
transcurrir para que la población se reduzca a la enésima parte de la inicial?
Ejercicio 8.1.3. Cierta población de bacterias tiene un crecimiento exponencial dado por (M E)
en donde t se mide en horas. Se sabe que la población inicial es de 100 bacterias, y que su tamaño
se duplica cada cuatro horas. Determina el tamaño de la población en cualquier instante t.
¿Cuándo llegará la población a un tamaño de 6000?
Ejercicio 8.1.4. Desintegración radiactiva.
Los datos experimentales han mostrado que el decrecimiento exponencial es un buen modelo
para representar la desintegración de elementos radiactivos. Los cientı́ficos toman la función

y(t) = Aekt (k < 0) para expresar la cantidad (masa) de un elemento radiactivo en un instante
de tiempo t. El perı́odo de vida media de un elemento radiactivo es el tiempo requerido para
que una cantidad inicial se desintegre a la mitad. Por ejemplo, se ha calculado que el perı́odo
de vida media para el 14 C (carbono catorce) es de 5730 años. Es decir, si se tienen 2 gramos
de 14 C en la actualidad, dentro de 5730 años quedará aproximadamente 1 gramo. Este perı́odo
de vida media y el hecho de que los seres humanos continuamente toman 14 C, permite que las
observaciones con 14 C sean útiles para determinar la antigüedad de los objetos.
(a) Sabiendo que la vida media del 14 C es 5730 años, deduce que la constante de decrecimiento
k vale k = −(L2)/5730 ∼ = −1, 20968 10−4
(b) Supongamos que en el instante inicial t = 0 hay 50 gramos de 14 C. Calcula la cantidad
que quedarı́a después de transcurridos 100 años.
8.1.2. Modelo logı́stico de evolución
Vamos a restringirnos ahora al caso k > 0, es decir, de crecimiento exponencial.

Como lı́mt→+∞ ekt = +∞, es claro que un modelo de crecimiento exponencial sólo puede ajus-
tarse a una situación real durante algún intervalo de tiempo, pero no eternamente. Obviamente,
una población no puede “tender” a +∞. Un modelo alternativo, que ha resultado de utilidad en
muchas aplicaciones, puede ser planteado a partir de la siguiente idea. Es razonable pensar (y
ası́ se ha verificado experimentalmente) que cuando la población es “relativamente pequeña” su
crecimiento puede ser exponencial, pero, cuando la población aumenta mucho, su crecimiento
empieza a ser más lento. Mucho más lento cuanto más grande sea su tamaño. Supongamos en-
tonces que existe un tamaño máximo admisible (que el medio es capaz de soportar) designado
con la letra M . ¿Cómo modificamos el modelo para tener en cuenta estas consideraciones? Ya no
podemos plantear P ′ (t) = kP (t). Lo que hacemos es cambiar la constante de proporcionalidad
por un factor (variable) que se acerque a 0 cuando la población se acerca al valor M . Un modelo
posible es:
P ′ (t) = a P (t) (M − P (t)) (2)
en donde a es una constante positiva. Ésta es la ecuación diferencial del llamado “modelo logı́sti-
co” de evolución.
La ecuación (2) tiene dos soluciones constantes obvias que son P (t) = 0 y P (t) = M . Esto quiere
decir que si comenzamos con población nula nos mantendremos siempre con población nula, y
si comenzamos con población de tamaño M la misma se mantendrá siempre en ese valor sin
variar.
Ahora bien, con excepción de las dos soluciones constantes mencionadas, no parece nada fácil en-
contrar a “simple vista” otras soluciones de (2). Observemos además que (2) no es una ecuación
lineal como la mencionada en la Observación 8.1.2. En la tercera sección de este capı́tulo estudia-
remos este nuevo tipo de ecuaciones diferenciales y, en particular, encontraremos las soluciones
del modelo logı́stico.
8.2. Ecuación lineal de primer orden 153
8.2. Ecuación lineal de primer orden
8.2.1. Definiciones básicas

Definición 8.2.1. Ecuación lineal de primer orden.
Sean a : I → R y b : I → R dos funciones continuas en el intervalo abierto I ⊂ R. Llamaremos
“ecuación diferencial lineal de primer orden” con coeficientes a y b a la ecuación:
(E) y ′ = a(t) y + b(t)
Diremos que f es solución de (E) en I si f : I → R es una función derivable en I y verifica la

igualdad:
f ′ (t) = a(t) f (t) + b(t) , ∀t ∈ I.
3
Ejemplo 8.2.1. Consideremos la ecuación y ′ = (3t2 − 1) y + et . Se trata de una ecuación lineal
3
de primer orden de la forma (E) en donde a(t) = 3t2 − 1 y b(t) = et . Observa que, en este
3
caso, ambas funciones a(t) y b(t) son continuas en todo R. Queremos verificar que f (t) = et
es solución de la ecuación planteada en todo R. Para ello calculamos f ′ (t) y luego “sustituimos
f ′ (t) y f (t) en la ecuación” para ver si se verifica la igualdad.
3
Tenemos: f ′ (t) = 3t2 et . Por otro lado:
3 3 3 3 3 3 3
(3t2 − 1) f (t) + et = (3t2 − 1) et + et = 3t2 et − et + et = 3t2 et
3
Hemos verificado que f ′ (t) = (3t2 − 1) f (t) + et , ∀t ∈ R y de esa manera queda probado que la
3
función f (t) = et es solución de la ecuación planteada en todo R.
Ejercicio 8.2.1. En cada uno de los siguientes casos verifica que f (t) es solución de (E) en el
intervalo I.
(a) (E) y ′ = cos(t) , f (t) = sen(t) , I = R.
(b) (E) y ′ = 3t y , f (t) = ct3 (c constante) , I = R+ o I = R− .
(c) (E) y ′ = 2t y + t2 , f (t) = ct2 + t3 (c constante), I = R+ o I = R− .
Definición 8.2.2. Ecuación lineal de primer orden homogénea.

Cuando en (E) la función b(t) es nula en I, la ecuación se denomina “ecuación lineal ho-
mogénea” y la indicaremos con la letra H en lugar de E:
(H) y ′ = a(t) y
Observemos que la función nula (y(t) = 0, ∀t) siempre es una solución de la ecuación homogénea.

Consideremos la ecuación lineal homogénea (H) y ′ = a(t) y en donde a : I → R es continua
en el intervalo abierto I ⊂ R. Si ϕ1 y ϕ2 son soluciones de (H) en I y α, β son dos reales
cualesquiera, entonces α ϕ1 + β ϕ2 también es solución de (H) en I. En otras palabras, cualquier
combinación lineal de dos soluciones también es solución.
Demostración. Sea g = α ϕ1 + β ϕ2 . Tenemos que verificar que g es solución de (H). Para

todo t ∈ I se cumple:
g′ (t) = ( α ϕ1 (t) + β ϕ2 (t) )′ = α ϕ′1 (t) + β ϕ′2 (t) = α a(t) ϕ1 (t) + β a(t) ϕ2 (t)
= a(t) [ α ϕ1 (t) + β ϕ2 (t) ] = a(t) g(t)
8.2.2. Soluciones de la ecuación homogénea

Teorema 8.2.2. Soluciones de la ecuación lineal homogénea.
Consideremos la ecuación lineal homogénea (H) y ′ = a(t) y en donde a : I → R es continua
en el intervalo abierto I ⊂ R. Sea A : I → R una primitiva cualquiera de a en I. Entonces se
cumple que f : I → R es solución de (H) en I si, y sólo si, existe una constante c ∈ R tal que
f (t) = c eA(t) , ∀t ∈ I.
En otras palabras, el conjunto de todas las soluciones de (H) en I es el conjunto:
S(H) = { c eA(t) / c ∈ R }
Demostración. Tengamos en cuenta que A′ (t) = a(t), ∀t ∈ I, por ser A es una primitiva de a
en I.
1. Demostremos, en primer lugar, que toda función de la forma c eA(t) (con c constante) es
solución de (H) (esto será una simple verificación).
Si c es constante y y(t) = c eA(t) se tiene
′
y ′ (t) = c eA(t) = c eA(t) a(t) = a(t) y(t) (∀t ∈ I).
de donde se deduce que y(t) es solución de (H) en I.

2. Recı́procamente, sea f (t) una solución cualquiera de (H) en I. Observemos que, por ser f
solución, se cumple que f ′ (t) − a(t)f (t) = 0, ∀t ∈ I. Consideremos la función ϕ : I → R
dada por ϕ(t) = f (t) e−A(t) . Se tiene:
′
ϕ′ (t) = f (t) e−A(t) = f ′ (t) e−A(t) − f (t) e−A(t) a(t)

= e−A(t) f ′ (t) − a(t)f (t) = 0 (∀t ∈ I).
Como ϕ′ (t) = 0, ∀t ∈ I existe una constante c ∈ R tal que ϕ(t) = c, ∀t ∈ I. Recordando

la definición de ϕ(t) llegamos a que:
f (t) e−A(t) = c =⇒ f (t) = c eA(t) (∀t ∈ I).
♠
Observación 8.2.1. “Solución general” de la ecuación lineal homogénea.

Según el teorema anterior, el conjunto de todas las soluciones de (H) y ′ = a(t) y en I es el
conjunto:
S(H) = { c eA(t) / c ∈ R }
en donde A(t) es una primitiva (fija) de a(t). Este conjunto está integrado por infinitas funciones.
De todos modos, se trata de una familia de funciones muy simple ya que cada función de la misma
resulta de multiplicar la función eA(t) por una constante.
Cuando damos la descripción explı́cita del conjunto S(H) se suele decir que estamos dando la
“solución general” de (H) y se escribe:
Solución general de (H) : y(H) (t) = c eA(t)
Ejemplo 8.2.2. Queremos encontrar la solución general (es decir, todas las soluciones) de la
ecuación (H) y ′ = 2t y. Se trata de una ecuación lineal homogénea. Una primitiva de a(t) = 2t
2
es A(t) = t2 . Luego, la solución general de la ecuación planteada es: yH (t) = c et (t ∈ R).
¿Hay alguna solución cuya gráfica pase por el punto (0, 4)? Para que esto ocurra se debe cumplir
yH (0) = 4. Imponiendo tal condición obtenemos 4 = yH (0) = c e0 = c =⇒ c = 4. Resulta
entonces que hay una única solución que pasa por (0, 4). Dicha solución se obtiene para c = 4 y
2
es la función ỹ dada por ỹ(t) = 4 et .
Observación 8.2.2. El problema de valor inicial para la ecuación lineal homogénea.

Con la misma notación y las mismas hipótesis que en el teorema anterior, fijemos ahora un
punto t0 ∈ I. ¿Qué ocurre si estamos interesados en una solución de (H) que en el punto t0
tome un valor y0 dado? En ese caso tendremos que buscar, entre todas las soluciones de (H),
una ỹ(t) que verifique: ỹ(t0 ) = y0 . Imponiendo tal condición obtenemos: y0 = c eA(t0 ) . ¿Es
posible encontrar c de modo que se cumpla esa igualdad? Como eA(t0 ) 6= 0, podemos despejar
c obteniendo: c = y0 e−A(t0 ) . Hemos obtenido un único valor de c y por lo tanto hay una única
solución de (H) que en t0 toma el valor y0 . Sustituyendo el valor de c encontrado obtenemos
dicha solución:
ỹ(t) = y0 e−A(t0 ) eA(t) = y0 eA(t)−A(t0 )
′
y (t) = a(t) y(t).
Conclusión: el problema de valor inicial tiene solución única. Dicha solución
y(t0 ) = y0 ∈ R.
viene dada por ỹ(t) = y0 eA(t)−A(t0 ) .

y ′ (t) = a(t) y(t).
Ejercicio 8.2.2. Demuestra que la única solución de puede expresarse de
y(t0 ) = y0 ∈ R.
la siguiente manera:
Rt
a(u) du
ỹ(t) = y0 e t0
y
Ejercicio 8.2.3. Encuentra la solución de y ′ = t en R+ que verifique la condición inicial
y(1) = −3.
A continuación pasamos a estudiar la ecuación lineal en general.

8.2.3. Ecuación completa

Sean a : I → R y b : I → R continuas en el intervalo abierto I ⊂ R. Consideremos las ecuaciones
(E) y ′ = a(t) y + b(t) y (H) y ′ = a(t) y. Entonces se cumple que:
1. Si f1 (t) y f2 (t) son soluciones de (E) en I entonces f1 (t) − f2 (t) es solución de (H) en I.
2. Si f (t) es solución de (E) en I y ϕ(t) es solución de (H) en I entonces f (t) + ϕ(t) es
solución de (E) en I.
Demostración. Demostremos la primera parte dejando la segunda como ejercicio.

Como f1 (t) y f2 (t) son soluciones de (E) en I se cumple las siguientes igualdades:
f1′ (t) = a(t) f1 (t) + b(t) ∀t ∈ I.
f2′ (t) = a(t) f2 (t) + b(t) ∀t ∈ I.

Restando miembro a miembro obtenemos:
f1′ (t) − f2′ (t) = a(t) f1 (t) − a(t) f2 (t) = a(t) (f1 (t) − f2 (t)) ∀t ∈ I.
lo cual significa que la función f1 (t) − f2 (t) es solución de (H) en I. ♠
Veamos las consecuencias del teorema anterior. Para eso supongamos que conocemos una so-
lución “particular” fp (t) de la ecuación (E) en I (en todos los casos las soluciones son en el
intervalo I). Si f (t) es solución de (E) entonces la primera parte del teorema anterior nos per-
mite afirmar que f (t) − fp (t) es solución de (H). Pero ya conocemos la forma de las soluciones
de (H). Resulta entonces que existe alguna constante c ∈ R tal que f (t) − fp (t) = c eA(t) de
donde obtenemos f (t) = fp (t) + c eA(t) .
Recı́procamente, la segunda parte del teorema anterior nos permite asegurar que, cualquiera
que sea c, la función fp (t) + c eA(t) es solución de (E). Hemos demostrado entonces el siguiente
resultado:
Teorema 8.2.4. Soluciones de la ecuación lineal no homogénea.

Consideremos la ecuación lineal (E) y ′ = a(t) y + b(t) en donde a : I → R y b : I → R son
continuas en el intervalo abierto I ⊂ R. Sean A : I → R una primitiva cualquiera de a en I y
fp (t) una solución de (E) en I. Entonces se cumple que f : I → R es solución de (E) en I si,
y sólo si, existe una constante c ∈ R tal que f (t) = fp (t) + c eA(t) , ∀t ∈ I.
En otras palabras, el conjunto de todas las soluciones de (E) en I es el conjunto:
S(E) = { fp (t) + c eA(t) / c ∈ R }
Observación 8.2.3. “Solución general” de la ecuación lineal no homogénea.

Según el teorema anterior, el conjunto de todas las soluciones de (E) en I es el conjunto:
S(E) = { fp (t) + c eA(t) / c ∈ R }
en donde A(t) es una primitiva de a(t) y fp (t) es una solución particular de (E). Cuando damos
la descripción explı́cita del conjunto S(E) diremos que estamos dando la “solución general” de
(E) y escribiremos:
sol. general de (H) sol. particular de (E)

z }| { z }| {
y(E) (t) = c eA(t) + fp (t)
en donde c ∈ R es una constante “arbitraria”.

Observación 8.2.4. El problema de valor inicial para la ecuación lineal no ho-
mogénea. Fijemos un punto t0 ∈ I. Dado y0 ∈ R queremos averiguar si existe alguna solución
ỹ(t) de (E) que cumpla la condición inicial ỹ(t0 ) = y0 . Imponiendo tal condición obtenemos:
y0 = c eA(t0 ) + fp (t0 ) (que es una ecuación algebraica de primer grado en la incógnita c). Como
eA(t0 ) 6= 0, siempre existe un único valor de c que verifica esa igualdad. Podemos concluir enton-
ces que hay una única solución de (E) que en t0 toma el valor y0 . Conclusión: el problema de
y ′ (t) = a(t) y(t) + b(t).
valor inicial tiene solución única.
y(t0 ) = y0 ∈ R.
Observación 8.2.5. Métodos para hallar una solución particular.
Disponemos de una fórmula (por integración) para hallar la solución general de la homogénea
(H). Queda pendiente el asunto de cómo encontrar una solución particular fp (t) de la ecuación
completa (E). En el próximo ejercicio veremos una forma de hacerlo. Sin embargo, vale la pena
tener en cuenta que independientemente del método que usemos, lo que nos interesa es encontrar
una solución de (E) (una, cualquiera). No importa el método que utilicemos, e incluso es posible
tantear soluciones. Por ejemplo, el caso más simple serı́a aquel en que la ecuación tenga una
solución constante. Eso es muy fácil averiguarlo. En efecto, si la ecuación (E) y ′ = a(t) y + b(t)
tiene una solución constante y(t) = K (cte), entonces debe verificarse: 0 = a(t) K + b(t), de
−b(t)
donde K = . Para que esto tenga sentido a(t) y b(t) deberán ser proporcionales. Veamos
a(t)
un par de ejemplos.
Ejemplo 8.2.3. Queremos hallar la solución general de la ecuación (E) y ′ = λ y + µ en donde
λ 6= 0 y µ son constantes.
En este caso las funciones a(t) y b(t) son muy sencillas; se trata de las funciones constantes
a(t) = λ, b(t) = µ. El intervalo I donde son continuas es I = R. Se verifica inmediatamente que
una solución particular de (E) es fp (t) = − µλ .
Para hallar la solución general de (E) solo resta encontrar la solución general de la homogénea
asociada. Una primitiva de a(t) = λ es A(t) = λt. La solución general de la ecuación homogénea
asociada es entonces: y(H) (t) = c eλt .
La solución general de (E) y ′ = λ y + µ es entonces:

µ
y(E) (t) = c eλt − , t ∈ R.
λ
Encontremos ahora la solución particular ỹ de (E) tal que ỹ(0) = y0 . Se tiene:
y0 = c e0 − µλ = c − µλ =⇒ c = y0 + µλ , de donde la solución ỹ de (E) que cumple ỹ(0) = y0 es:
µ λt µ µ λt
ỹ(t) = y0 + e − = y0 eλt + e −1
λ λ λ
Ejemplo 8.2.4. Queremos hallar la solución general de la ecuación (E) y ′ = −2ty + t y la

solución particular ỹ(t) de dicha ecuación que cumple la condición inicial ỹ(0) = −1/2.
Tenemos a(t) = −2t, b(t) = t, I = R. Una primitiva de a(t) = −2t es A(t) = −t2 .
2
La solución general de la ecuación homogénea asociada es entonces: y(H) (t) = c e−t .
Al igual que en el ejemplo anterior, en este caso (E) también tiene una solución constante que
es fp (t) = 1/2.
La solución general de (E) es entonces:
2 1
y(E) (t) = c e−t + , t ∈ R.
2
Encontremos ahora la solución particular ỹ de (E) tal que ỹ(0) = −1/2. Se tiene:
−1/2 = c e0 + 1/2 = c + 1/2 =⇒ c = −1. La solución ỹ de (E) que cumple ỹ(0) = −1/2 es:
2 1
ỹ(t) = −e−t +
2
Ejercicio 8.2.4. Una solución particular de (E) (método de variación de constantes).
Mantenemos la misma notación e hipótesis con que nos venimos manejando. Sabemos que c eA(t)
(con c constante) es la solución general de (H). Para buscar una solución de (E) haremos “variar
la constante” c. Más precisamente, buscaremos una solución de (E) de la forma fp (t) = c(t)eA(t) .
(a) Verifica que la función c(t) eA(t) es solución de (E) si, y sólo si, eA(t) c′ (t) = b(t) (siempre
en I).
(b) Verifica entonces que si c(t) a una primitiva de e−A(t) b(t) entonces fp (t) = c(t) eA(t) es
solución de (E).
′
y (t) = a(t) y(t) + b(t).
Ejercicio 8.2.5. Demuestra que la única solución de puede expre-
y(t0 ) = y0 ∈ R.
sarse de la siguiente manera:
Z t
A(t)−A(t0 ) A(t)
ỹ(t) = y0 e + e e−A(u) b(u) du
t0
Ejemplo 8.2.5. Siendo α una constante diferente de 0, queremos hallar la solución general de
la ecuación (E) y ′ = αt y + t2 en R+ .
Tenemos: a(t) = αt , b(t) = t2 , I = R+ .
Una primitiva de a(t) = αt en R+ es A(t) = αL(t). La solución general de la ecuación homogénea
α
asociada es : y(H) (t) = c eαL(t) , que puede expresarse: y(H) (t) = c eL(t ) = c tα , (t ∈ R+ ).
Pasamos ahora a buscar una solución particular de (E) por variación de constantes o usando
directamente la fórmula encontrada anteriormente que nos dice que fp (t) = c(t) eA(t) es solución
de (E) si c(t) es una primitiva de e−A(t) b(t). Se tiene:
−α )
e−A(t) b(t) = e−αL(t) t2 = eL(t t2 = t−α t2 = t2−α
Para hallar una primitiva de esta función debemos distinguir dos casos. En efecto, si α = 3
entonces una primitiva de t2−α = t−1 es L(t) (siempre en R+ ). Si α 6= 3 entonces una primitiva
de t2−α es t3−α /(3 − α). Luego:

(
L(t), si α = 3.
B(t) = t3−α
3−α , si α 6= 3.
Una solución particular de (E) es:

(
tα L(t), si α = 3.
fp (t) = t3
3−α , si α 6= 3.
La solución general de (E) en R+ es:

(
c tα + tα L(t), si α = 3.
y(E) (t) = t3
c tα + 3−α , si α 6= 3.
Ejercicio 8.2.6. Encuentra la solución particular ỹ(t) de y ′ = 3t y + t2 que cumple la condición

inicial: ỹ(e) = e3 .
Ejercicio 8.2.7. Modelo de “enfriamiento” de Newton.

Puede observarse que si se introduce un objeto caliente en ambientes frı́os (o, de manera equi-
valente, un objeto frı́o en ambientes calientes), la razón a la que el objeto se enfrı́a (calienta)
no es proporcional a su temperatura, sino a la diferencia de temperaturas entre el objeto y el
ambiente. Si T (t) es la temperatura del objeto en el instante t y Ta es la temperatura ambiente
(que se supondrá constante), la ley de enfriamiento mencionada da lugar al siguiente modelo:
T ′ (t) = k ( T (t) − Ta ) (∗)
siendo k 6= 0 (constante) la razón de enfriamiento (calentamiento).

(a) Demuestra que las soluciones de la ecuación diferencial (∗) son todas de la forma T (t) =
c ekt + Ta en donde c puede ser una constante cualquiera.
(b) ¿Qué interpretación tiene la constante c? (Expresa c en función de Ta y de la temperatura
inicial del objeto: T (0)).
(c) Calcula la temperatura lı́mite del objeto cuando t −→ +∞. ¿Es razonable el resultado?
(d) Enfriamiento de una taza de café. Nos encontramos en una habitación que se mantiene
a una temperatura constante de 21o . Una taza de café instantáneo recién servida tiene una
temperatura de 82o . Después de dos minutos el café se enfrı́a hasta 74o . Suponiendo que la
temperatura T (t) de la taza sigue la “ley de enfriamiento de Newton” (en donde t se mide
en minutos), determina la función T (t). ¿En qué tiempo llega el café a una temperatura
tolerable de 49o ?
Ejercicio 8.2.8. Siendo α, β y γ constantes, encuentra la solución general de la ecuación:
y ′ = α y + β eγt
Ejercicio 8.2.9. En cada uno de los siguientes casos encuentra la solución general de la ecuación
(E) y la solución particular ỹ(t) que verifica la condición inicial indicada.
1
(a) y ′ = 2t y + 2t , I = R ; ỹ(0) = 0. (b) y ′ = − y + t3 , I = R+ ; ỹ(1) = −4/5.
t
(c) y ′ = a y + t (a ∈ R) , I = R. (d) y ′ = −2t y + 6t , I = R ; ỹ(0) = 3.

3 −2t 1
(e) y ′ = − y + tp (p ∈ R) , I = R+ (f ) y ′ = y+ , I = R ; ỹ(1) = 4.
t 1 + t2 1 + t2

′ −π π
(g) y = tg(t) y + 2cos(t) , I = , ; ỹ(0) = 0.
2 2
Ejercicio 8.2.10. Consideremos la ecuación diferencial: (E) y ′ = t+1 −t (t ∈ R+ ).

t y + t(2t + 1)e
(a) Verifica que la función fp (t) = −(t2 + t)e−t es solución de (E).
(b) Encuentra la solución general de (E) y la solución particular ỹ(t) tal que ỹ(1) = 0.
Ejercicio 8.2.11. Caı́da en paracaı́das.

Si una persona (o cualquier cosa) de masa m se deja caer (con velocidad inicial nula) en para-
caı́das desde una altura h entonces la velocidad v(t) que adquiere en cada instante posterior al
arriesgado salto verifica la ecuación:
m v ′ (t) = m g − b v(t)
en donde b > 0 es constante y está relacionada con el grado de resistencia del medio.
(a) Verifica que la única solución de este problema viene dada por:
gm b

v(t) = 1 − e− m t
b
(b) Calcula la velocidad lı́mite de caı́da, esto es, el lı́mite de v(t) cuando t −→ +∞.
(c) Se ha verificado experimentalmente que ciertos paracaı́das ofrecen una resistencia
direc-
980 kg
tamente proporcional a la velocidad con una constante de valor b = 3 seg . Si una
persona de 100 kilos (cualquier semejanza con tu profesor es pura coincidencia) se lanza
con ese paracaı́das desde una altura suficientemente grande, ¿a qué velocidad llega al piso?
(velocidad lı́mite). (Utiliza g = 9, 8 m/s2 ).
(d) Resulta razonable tomar en consideración el tiempo requerido para alcanzar la velocidad
lı́mite. Calcula la velocidad que adquirió la persona luego de tres segundos de tirarse. ¿Y
luego de dos segundos? ¿Y luego de un segundo?
8.2.4. Una aplicación a la Economı́a

El caso de un mercado con elementos especulativos en la oferta y la demanda.
Consideremos el caso de un solo mercado para un bien particular, en el cual tenemos por un
lado el grupo de compradores y el de vendedores por otro. Las variables que se determinarán
con el funcionamiento del mercado son el precio del bien en cuestión y las cantidades vendidas
y compradas, para dicho precio.2 Comencemos estudiando un modelo en el que la demanda y
oferta dependen del precio del bien y pueden ser representadas mediante funciones lineales:
Función de demanda: D(p) = ap + b siendo a y b constantes tales que a < 0 y b > 0.
2
Esta aplicación fue sugerida y en gran parte redactada por el profesor Ec. Juan Pereyra.
Función de oferta: S(p) = αp + β siendo α y β constantes tales que α > 0 y β < 0 . Observa que
estamos considerando D(p) decreciente y S(p) creciente. (un aumento en el precio hace disminuir
la demanda y aumentar la oferta del bien). Gráficamente estas funciones podemos representarlas
de la siguiente forma (supondremos −β/α < −b/a):
b S(p)
D(p)
pe p
β
En el gráfico el valor pe representa el precio de equilibrio, es decir el precio para el cual la

cantidad demandada y ofertada coinciden. Analı́ticamente es el precio para el cual D(p) = S(p),
que resulta ser (resolviendo la ecuación):
β − b
pe =
a − α
y por lo tanto la cantidad de equilibrio es:
aβ − αb
D(pe ) = S(pe ) =
a−α
Luego de resolver el modelo anterior intentemos enriquecerlo flexibilizando algunos de los su-
puestos sobre los que se construye. Cuando analizamos la conducta de los agentes que operan
en un mercado, es lógico suponer que tomen sus decisiones no sólo en función del precio del bien
en ese momento sino también estudiando su evolución hasta ese momento. Por ejemplo, si el
precio del bien que se transa en el mercado, más allá del nivel en que se encuentre, se haya en un
perı́odo de alza, puede suceder que los oferentes prefieran esperar para ofrecer una parte de su
producción y de esa forma obtener mejores precios. En cuanto a la demanda, si el precio está su-
biendo se demandará una cantidad mayor del bien que si las expectativas fueran que el precio se
mantuviera estable. Esta situación nos plantea un modelo dinámico en el cual los agentes tienen
un comportamiento especulativo. Podemos acercarnos a esta situación mediante el siguiente
modelo en donde p(t) representa el precio del bien en el momento t y la oferta y demanda no
sólo dependen del precio sino también de su razón de cambio:
Función de demanda: D(t) = a p(t) + b + c p′ (t) siendo c constante.
Función de oferta: S(t) = α p(t) + β + γ p′ (t) siendo γ constante con γ 6= c.
Con respecto al signo de las constantes α, β, a y b supondremos que tienen el mismo signo que
en el modelo anterior y para las nuevas constantes estudiaremos su signo y las correspondientes
interpretaciones cuando discutamos la solución del modelo. (Tan sólo una observación que per-
mite comprender el sentido del planteo realizado. Imagina que dentro cierto intervalo de tiempo
el precio p(t) está creciendo. Eso implica p′ (t) ≥ 0. Si en esa situación los oferentes deciden
reducir la oferta entonces la constante γ debe tomarse negativa). Una vez que en este modelo
el mercado llegue a la situación de equilibrio, entonces al no haber razones para que cambie el
precio, se tendrá p′ (t) = 0 y, por lo tanto, las ecuaciones se convierten en las estudiadas ante-
riormente. A esta situación se le llama equilibrio estático, y los valores de equilibrio coinciden
con los hallados antes.
Determinemos ahora el equilibrio dinámico del mercado. Necesitamos una función p(t) que
iguale la oferta y demanda para todo t:
D(t) = S(t) =⇒ ap(t) + b + cp′ (t) = αp(t) + β + γp′ (t) =⇒ (c − γ)p′ (t) = (α − a)p(t) + (β − b)
α−a β−b
=⇒ p′ (t) = p(t) +
c−γ c−γ
Hemos obtenido una ecuación diferencial lineal de primer orden. Definiendo:

α−a β−b
λ = y µ =
c−γ c−γ
la ecuación anterior se escribe:
p′ (t) = λ p(t) + µ
Ya hemos resuelto esta ecuación en el Ejemplo 8.2.3 (observa que los coeficientes son constantes).
Su solución general viene dada por:
µ
p(t) = c eλ t −
λ
Simplificando el cociente µ/λ obtenemos µ/λ = −pe (el precio de equilibrio estático) de donde
resulta que la solución se puede escribir:
p(t) = c eλ t + pe
Si p0 es el precio en el instante inicial entonces la solución que cumple p(0) = p0 viene dada por:
(EP ) p(t) = (po − pe ) eλ t + pe
De esta manera hemos podido obtener una solución explı́cita de la evolución del precio del bien
dentro de este modelo.
Si p0 = pe entonces la solución es p(t) = pe , ∀t ∈ R. Supongamos de aquı́ en adelante que
p0 6= pe y estudiemos el comportamiento de p(t). Es claro que hay dos situaciones diferentes:
(1) Caso λ > 0.
Si λ > 0 entonces p(t) es estrictamente monótona (creciente si p0 > pe y decreciente si
p0 < pe ). En este caso p(t) se aleja de su posición de equilibrio pe . Más aún, |p(t)| → +∞
si t → +∞. Cuando ocurre este comportamiento se suele decir que la posición de equilibrio
es inestable.
(2) Caso λ < 0.

Si λ < 0 entonces p(t) es estrictamente monótona (decreciente si p0 > pe y creciente si p0 <
pe ). Pero ahora p(t) se acerca a la posición de equilibrio pe . Más aún, p(t) → pe si t → +∞.
En este caso la posición de equilibrio pe es asintóticamente estable. Independientemente
del precio inicial, el mercado tenderá a su posición de equilibrio.
Las siguientes gráficas muestran el comportamiento de p(t) en ambos casos:
p(t) p(t)
p0
p0
pe pe
p0
p0
t t
(a) Caso λ > 0. (b) Caso λ < 0.
Interpretación económica de los resultados.
(1) Caso de inestabilidad. (λ > 0).

Recordemos que λ = (α − a)/(c − γ) y que α − a > 0. Luego, λ > 0 si, y sólo si, c > γ.
Esto significa que si el elemento especulativo del lado de la demanda es más fuerte que el
de la oferta, entonces el precio se desviará permanentemente de su valor de equilibrio.
Este escenario ocurre, por ejemplo, en el caso en que ante un perı́odo de alza del precio, los
oferentes reaccionen contrayendo la oferta (lo cual corresponde a γ < 0), mientras que los
demandantes aumentan la cantidad que están dispuestos a comprar (esto es c > 0). Ante
estas conductas el modelo predice un desequilibrio permanente. Según esta dinámica, si
el mercado parte de un precio inicial mayor al precio de equilibrio, entonces el precio del
bien crece indefinidamente (mientras se mantengan las hipótesis).
(2) Caso de estabilidad. (λ < 0).
Tenemos que λ < 0 si, y sólo si, c < γ. Esto significa que si el elemento especulativo del
lado de la oferta es más fuerte que el de la demanda, entonces el mercado converge a su
situación de equilibrio.
Este es el caso, por ejemplo, en que tanto la oferta como la demanda reaccionen, frente a
un perı́odo de alza, aumentando las cantidades, siendo el incremento en la primera superior
al de la segunda.
Ejercicio 8.2.12. Consideremos el modelo dinámico de oferta-demanda dado por:
D(t) = −p(t) + 6 + 2 p′ (t) S(t) = p(t) − 2 + 4 p′ (t)
Sabiendo que el precio en el instante inicial es p0 = 3 encuentra p(t) y analiza su comportamiento.

8.3. Ecuaciones en variables separadas
Definición 8.3.1. Ecuación diferencial en “variables separadas”.

Llamaremos ecuación diferencial en “variables separadas” a una ecuación de la forma:
(E) y ′ = g(t) h(y)
en donde g : J1 → R y h : J2 → R son funciones continuas y no idénticamente nulas en los

intervalos abiertos J1 , J2 ⊂ R.
Diremos que f es solución de (E) en I ⊂ J1 si f : I → R es una función derivable en I y verifica
la igualdad:
f ′ (t) = g(t) h( f (t) ) , ∀t ∈ I.
(Observa que si f es solución en I entonces f (t) ∈ J2 , ∀t ∈ I).
J2
J1 t
Definición 8.3.2. Puntos crı́ticos o de equilibrio.

Con la misma notación que en la definición anterior, diremos que ye ∈ J2 es un punto de
equilibrio (o un punto crı́tico) de (E) si, y sólo si, h(ye ) = 0.
Ejemplo 8.3.1. Si la ecuación es y ′ = t4 (y − 2) (ey − 1) entonces los puntos de equilibrio son

y = 2 e y = 0.
Observación 8.3.1. Puntos de equilibrio y soluciones constantes.

Si ye es un punto de equilibrio de (E) entonces es claro que la función constante y(t) = ye es
solución de (E) en J1 . Recı́procamente, si f (t) = k es una solución constante de (E) en J1
entonces, para todo t ∈ J1 debe cumplirse 0 = f ′ (t) = g(t) h(k) de donde resulta que h(k) = 0
y por lo tanto k es punto de equilibrio de (E).
8.3. Ecuaciones en variables separadas 165
Ejemplo 8.3.2. Consideremos la ecuación (E1 ) y ′ = y 2 . Se trata de una ecuación en variables

separadas en donde g(t) = 1, ∀t ∈ J1 = R y h(y) = y 2 , ∀y ∈ J2 = R. El único punto de
equilibrio de esta ecuación es 0.
Tomemos como instante inicial t0 = 0 y fijemos y0 ∈ R∗ . Queremos hallar una solución de
(E1 ) que pasa por el punto (t0 , y0 ). Observemos que todavı́a no sabemos si tal solución existe y
tampoco si es única. Podemos realizar el siguiente razonamiento:
Supongamos que f (t) es una solución de (E1 ) en cierto intervalo I que contiene a 0, con f (0) = y0
y tal que f (t) 6= 0, ∀t ∈ I. Necesariamente se cumplirá:
f ′ (t)
f ′ (t) = [f (t)]2 =⇒ = 1 , ∀t ∈ I.
[f (t)]2
Para cada t ∈ I integramos entre 0 y t obteniendo:

Z t ′ Z t
f (t)
2
dt = 1 dt = t
0 [f (t)] 0
Si en el primer miembro hacemos la sustitución u = f (t) resulta (observa que f (0) = y0 ):

Z f (t)
1 1 1
2
du = t =⇒ − + = t
y0 u f (t) y0
La última igualdad nos permite despejar f (t) obteniendo:
y0
f (t) = (S)
1 − y0 t
¡Cuidado! No hemos demostrado que el problema tiene solución. ¿Cuál es entonces la conclusión
del razonamiento realizado? Lo que permite inferir el desarrollo que acabamos de hacer es que,
si el problema tuviera solución, entonces, necesariamente, dicha solución debe estar dada por
la fórmula (S). En ese sentido, también se concluye que la solución es única, en caso de que
exista. ¿Qué hacemos ahora? Como la única solución posible es la dada en (S), verifiquemos
que efectivamente es solución. Es inmediato que f cumple f (0) = y0 . Veamos que verifica la
ecuación (E1 ):
′
′ y0 y02
f (t) = = = [f (t)]2
1 − y0 t (1 − y0 t)2
Ahora sı́, hemos demostrado que el problema planteado tiene solución única y hemos encontrado
explı́citamente dicha solución. ¿O te queda alguna duda al respecto? En realidad falta un detalle
(que no es tan detalle aunque no insistiremos demasiado con eso). ¿Cuál es, en este caso, el
intervalo I mencionado en la definición de solución? Observa que la función encontrada no está
definida en el punto t̂ = 1/y0 en donde se anula el denominador. Esta situación no ocurrı́a en las
ecuaciones lineales. Aquı́, a pesar que el segundo miembro de (E1 ) (en este caso h(y) = y 2 ) tiene
derivadas de todos los órdenes en R, la solución no está definida en todo R, sino en la unión de
los intervalos (−∞, y10 ) y ( y10 , +∞). ¿Cuál de estos dos damos como intervalo I de definición de
la solución?
Supongamos, por ejemplo, que y0 = 2. En este caso la fórmula de la función solución es f (t) =
1

2/(1 − 2t). ¿Tiene sentido dar como intervalo el 2 , +∞
. No, pues dicho intervalo no contiene el
′
y = y2.
instante inicial t0 = 0 fijado para la condición inicial. La solución del problema es
y(0) = 2.

f : I → R dada por f (t) = 2/(1 − 2t) en donde I = −∞, 12 . ¿Y por qué no dar como intervalo
el −7, 21 (por ejemplo)? Esta claro que ası́ estarı́amos perdiendo (o ocultando información).
Vamos a convenir en tomar siempre un intervalo que contenga el instante inicial t0 elegido y
que, al mismo tiempo, sea el intervalo “más amplio posible” en donde está definida la solución.
Dicho intervalo se denomina intervalo
′ maximal de definición de la solución.
y = y2.
Ası́, la solución del problema es f : I → R dada por f (t) = −3/(1 + 3t) en
y(0) = −3.

donde I = − 13 , +∞ .
′
y = y2.
Para una condición inicial cualquiera tenemos entonces que la única solución de
y(0) = y0 .
es f : I → R dada por (S) en donde:
(
(−∞, y10 ) , si y0 > 0.
I =
( y10 , +∞) , si y0 < 0.
La siguiente figura muestra la solución en su intervalo para y0 > 0.
y
f (t)
y0
1
y0 t
Observación 8.3.2. Procedimiento mecánico de resolución.

El “procedimiento de resolución” usado en el ejemplo anterior es un método general para en-
contrar soluciones de la ecuaciones en variables separadas como lo muestra el siguiente teorema.
Más aún, la demostración del teorema justifica un procedimiento más mecánico aún, que es el
que describimos a continuación.
dy dy
y ′ = y 2 =⇒ = y 2 =⇒ 2 = dt =⇒
dt y
Z Z
dy 1 −1
= dt =⇒ − = t + c =⇒ y =
y2 y t+c
La fórmula que define todas las soluciones (excepto la de equilibrio) es:
−1
y(t) = .
t+c
Teorema 8.3.1. Soluciones de la ecuación en “variables separadas”.

Sean J1 y J2 intervalos abiertos de R, t0 ∈ J1 , y0 ∈ J2 , g : J1 → R continua, h : J2 → R
continua tal que h(y) 6= 0, ∀y ∈ J2 . Entonces
existe una única función f (t) definida en algún
y ′ = g(t) h(y).
intervalo I ⊂ J1 solución del problema: (V S)
y(0) = y0 .
J2 •
J1 t
Demostración.
(1) Supongamos que una función f derivable en el intervalo I ⊂ J1 es solución del problema
(V S). Necesariamente se cumplirá:
f ′ (t)
f ′ (t) = g(t) h(f (t)) =⇒ = g(t) , ∀t ∈ I.
h(f (t))
(Observa que como f , h y g son continuas, de la igualdad anterior resulta que f tiene necesa-
riamente derivada continua en I.)
Para cada t ∈ I integramos entre t0 y t obteniendo:
Z t ′ Z t
f (τ )
dτ = g(τ ) dτ
t0 h(f (τ )) t0
Si en el primer miembro hacemos la sustitución u = f (τ ) resulta (observa que f (t0 ) = y0 ):

Z f (t) Z t
1
du = g(τ ) dτ (∗)
y0 h(u) t0
Si consideremos la función H dada por:

Z y
1
H : J2 −→ R / H(y) = du .
y0 h(u)
entonces (∗) se escribe:

Z t
H( f (t) ) = g(τ ) dτ (∗∗)
t0
Queremos probar que es posible “despejar” f (t) de esta igualdad. Nuestro conocido Teorema
1
Fundamental nos permite afirmar que H es derivable y que H ′ (y) = h(y) , ∀y ∈ J2 . Como h es
′
continua y no se anula, tiene signo constante y, por lo tanto, H (y) tiene signo constante (es
siempre positiva o siempre negativa en J2 ). Deducimos que H(y) es estrictamente monótona,
de donde resulta que la función H : J2 → H(J2 ) tiene función inversa H −1 : H(J2 ) → J2 .
Aplicando H −1 en ambos miembros de (∗∗) obtenemos:
Z t
−1
f (t) = H g(τ ) dτ (∗ ∗ ∗).
t0
Hemos demostrado que si existe una solución del problema (V S) en un intervalo I entonces
dicha solución es única y viene dada por (∗ ∗ ∗).
(2) Ahora vamos a demostrar que (V S) tiene solución. Consideremos H dada por:
Z y
1
H : J2 −→ R / H(y) = du .
y0 h(u)
Ya sabemos que tiene función inversa H −1 : H(J2 ) → J2 . Como H es estrictamente monótona

y H(y0 ) = 0, el conjunto H(J2 ) es un intervalo abierto que contiene a 0. Por el teorema de la
derivada de la función inversa sabemos que H −1 es derivable y que se cumple
′ 1
H −1 (w) = = h(H −1 (w)) ∀w ∈ H(J2 ).
H ′ (H −1 (w))
Consideremos ahora la función γ : J1 → R dada por

Z t
γ(t) = g(τ ) dτ
t0
Como esta función es continua y γ(t0 ) = 0, existe δ > 0 de modo que el intervalo I = (t0 −
δ, t0 + δ) está contenido en H(J2 ). Resulta entonces que para todo t ∈ I es posible considerar la
composición H −1 (γ(t)). Sea f dicha función:
Z t
f : I → R / f (t) = H −1 (γ(t)) = H −1 g(τ ) dτ
t0
Vamos a probar que f es solución de (V S) en I.

f (t0 ) = H −1 (γ(t0 )) = H −1 (0) = y0 , lo cual muestra que f verifica la condición inicial
f (t0 ) = y0 .
Para todo t ∈ I se tiene:
′ ′
f ′ (t) = H −1 (γ(t)) = H −1 (γ(t)) γ ′ (t) = h(H −1 (γ(t))) g(t) = h(f (t)) g(t)
de donde f (t) verifica la ecuación y ′ = h(y) g(t). ♠

Ejemplo 8.3.3. La ecuación diferencial (E2 ) y ′ = y(1 − y) es de variables separadas con

g(t) = 1 y h(y) = y (1 − y). Sus únicos puntos de equilibrio son 0 y 1, es decir, las únicas
soluciones constantes son y(t) = 0, y(t) = 1.
Busquemos ahora soluciones y(t) que no tomen el valor 0 ni el valor 1. Estaremos trabajando
en y > 1 o 0 < y < 1 o en y < 0. O sea en J2 = (1, +∞), o J2 = (0, 1) o J2 = (−∞, 0).
Z Z
′ dy dy dy
y = y(1 − y) =⇒ = y(1 − y) =⇒ = dt =⇒ = dt
dt y(1 − y) y(1 − y)
Z
1 1
=⇒ + dy = t + c =⇒ L|y| − L|1 − y| = t + c
y 1−y
y y
=⇒ L = t + c =⇒ = et+c = et ec
1−y 1−y
Nos enfrentamos ahora a la delicada tarea de quitar los valores absolutos. Para ello observemos
y
que 1−y tiene signo constante en J2 (es siempre positiva o siempre negativa. Resulta entonces
que
y
= A et
1−y
y(0)
en donde A un real cualquiera no nulo, positivo o negativo. Vale la pena observar que A = 1−y(0) .
Ahora bien, despejando y se obtiene
A et
y(t) =
1 + A et
Esa es la fórmula que define las soluciones no constantes. Para determinar una solución que
verifique cierta condición inicial tenemos que hallar A y el intervalo maximal correspondiente.
Por ejemplo, determinemos la solución que cumple y(0) = 1/2:
A 1
y(0) = 1/2 ⇐⇒ = ⇐⇒ A = 1.
1+A 2
et
La única solución de (E2 ) que cumple y(0) = 1/2 es y(t) = y su intervalo maximal de
1 + et
definición es todo R.
Consideremos ahora una condición inicial genérica y(0) = y0 , con y0 6= 0 e y0 6= 1. Como

y(0)
observamos algunas lı́neas más arriba el valor de A es A = 1−y(0) . Sustituyendo A por ese valor
resulta que la fórmula de la solución queda
y0 et
y(t) =
1 − y0 + y0 et
Veamos ahora cual es el intervalo maximal I de definición de la solución hallada. Mirando el

denominador dos damos cuenta que tenemos una pequeña discusión:
Si 0 < y0 < 1 entonces el denominador de y(t) no se anula nunca (es siempre positivo). En
este caso el intervalo maximal de la solución del problema es I = R.
Si y0 > 1 entonces el denominador se anula en t(y0 ) = L ((y0 − 1)/y0 ). Como este número
es negativo, el intervalo maximal de la solución del problema es (t(y0 ), +∞).
Si y0 < 0 entonces el denominador se anula en t(y0 ) = L ((y0 − 1)/y0 ). Ahora este número
es positivo y, por lo tanto, el intervalo maximal de la solución del problema es (−∞, t(y0 )).
Ejercicio 8.3.1. En cada uno de los siguientes casos encuentra la solución de la ecuación
diferencial (E) que cumple la condición inicial e indica el intervalo maximal de definición de
dicha solución.
(a) y ′ = 2t y 2 , y(0) = 1. (b) y ′ = y(3 − y) , y(0) = 2. (c) y ′ = y(2 − y) , y(0) = 4.
(d) y ′ = yL(y) , y(0) = y0 > 0. (e) y ′ = (t2 + 1)(2 − y) , y(0) = 1.

2t + 4t3
(f ) (1 + et ) y y ′ = et , y(0) = 1. (g) y ′ = , y(0) = 1.
y
Ejercicio 8.3.2. Consideremos la ecuación correspondiente al modelo logı́stico:
(L) y ′ = a y (M − y) , a > 0, M > 0.
(a) Encuentra los puntos de equilibrio de (L).

(b) Sea y0 ∈ R, y0 6= 0, y0 6= M . Encuentra la solución f (t) de (L) que cumple f (0) = y0 .
Comprueba que dicha solución puede expresarse de la siguiente manera:
A M ek t P0
(M L) f (t) = en donde k = a M y A = .
1 + A ek t M − P0
(c) Para 0 < y0 < M , la solución hallada es la solución del modelo logı́stico del cual habla-
mos anteriormente. Verifica que, en este caso, la solución está definida en todo R y que
lı́mt−→+∞ P (t) = M . Es ası́ que, si 0 < y0 < M , todas las soluciones de (L) convergen
al valor M cuando el tiempo tiende a +∞. Según este modelo, el tamaño de la población
tenderá al punto de equilibrio M independientemente del valor de la población inicial y0 .
(En la próxima sección veremos que es posible graficar las soluciones de este problema sin
necesidad de usar la fórmula (M L)).
Ejercicio 8.3.3. Cierta población tiene un valor inicial de P (0) = 350 individuos. Suponiendo
que su evolución sigue el modelo de “crecimiento logı́stico” dado por (M L) (en donde t se mide en
horas) con una tasa de crecimiento k = 0, 007 y con un tamaño máximo admisible de M = 1000
individuos, encuentra aproximadamente el tamaño de la población pasadas 100 horas. ¿Qué le
sucede a la población cuando t −→ +∞?
y 2
Ejercicio 8.3.4. Consideremos la ecuación (E) y ′ = 1+t 2 . Hallar la fórmula de todas las solu-
ciones. Determinar la solución particular que verifica la condición inicial y(1) = −4π , indicando
su intervalo maximal de definición.
8.4. Interpretación geométrica y teorema de existencia y unicidad 171
8.4. Interpretación geométrica y teorema de existencia y unicidad
8.4.1. El campo de direcciones de una ecuación diferencial

Hasta ahora hemos considerado ecuaciones diferenciales lineales: y ′ = a(t) y + b(t) y ecuaciones
en variables separadas: y ′ = g(t) h(y). Si bien encontramos algunas diferencias entre ambos tipos
(tanto en los métodos de resolución como en algunas propiedades), hay una serie de observaciones
y resultados que valen en todos los casos. Para tratarlos conjuntamente escribiremos y ′ = F (t, y).
Si F (t, y) = a(t) y + b(t) (Lin) estaremos en presencia de una ecuación lineal.
Si F (t, y) = g(t) h(y) (Sep), estaremos en presencia de una ecuación en variables separadas.
Podemos ir más lejos y pensar que F (t, y) es una expresión que depende (de alguna manera) de
t y de y, aunque no sea de los tipos mencionados ((Lin) o (Sep)).
La ecuación y ′ = F (t, y) es la “forma general” de una ecuación diferencial de primer orden.
Por ejemplo, y ′ = t − y 2 o y ′ = t2 + ey son ecuaciones de primer orden, pero no son lineales ni
de variables separadas.
Las siguientes consideraciones son totalmente generales.
Supongamos que una función f (t) es solución de la ecuación diferencial y ′ = F (t, y) en cierto
intervalo I. Esto quiere decir que al sustituir f (t) en lugar de y se debe cumplir la igualdad.
Con más precisión:
f ′ (t) = F ( t , f (t) ) , ∀t ∈ I.
El significado geométrico de esta igualdad es el siguiente: Para cada t0 , el coeficiente angular mr
de la recta r tangente al gráfico de f en cada punto (t0 , f (t0 )) (o sea, el número f ′ (t0 )) coincide
con el valor F (t0 , f (t0 )).
y r mr = F (t0 , f (t0 ))
y = f (t)
f (t0 )
t0 t
Cuando tenemos una ecuación diferencial y ′ = F (t, y) el “segundo miembro” es un dato del
problema. Imaginen que en cada punto del plano dibujamos la recta que pasa por el punto (t, y)
y que tiene pendiente F (t, y). Obtenemos ası́ una familia de rectas que llamaremos E. Si ahora
tomamos una solución f (t) de y ′ = F (t, y), se cumplirá que, en cada punto (t, f (t)), la tangente
a la gráfica de f será la recta de la familia E que pasa por dicho punto.
Tener como dato F (t, y) equivale a conocer la familia de rectas E (se suele decir que tenemos
como dato un “campo de direcciones”.) Resolver la ecuación y ′ = F (t, y) equivale a encontrar
las curvas del plano que tienen como tangentes las rectas de E.
Consideremos el ejemplo de la ecuación y ′ = y + 1. En este caso el segundo miembro es F (y) =

y + 1 (no depende de t). Para cada k ∈ R tenemos:
F (y) = k ⇐⇒ y + 1 = k ⇐⇒ y = k − 1
En todos los puntos de la recta y = k − 1 las rectas de la familia E tienen pendiente k. Veamos
un par de valores particulares de k:
F (y) se anula para y = −1. Esa recta es el lugar de los puntos del plano donde las soluciones
−
→
tienen tangente paralela al eje Ot. Efectivamente, es inmediato verificar que la función y(t) = −1
es solución constante de la ecuación.
F (y) = 1 sobre y = 0. Esa recta y = 0 es el lugar de los puntos del plano donde las soluciones
tienen tangente con pendiente 1.
F (y) = 2 sobre y = 1. Esa recta y = 1 es el lugar de los puntos del plano donde las soluciones
tienen tangente con pendiente 2.
En la siguiente figura mostramos algunos tramos del “campo de direcciones” y seis soluciones
superpuestas a dicho campo.
y y
t t
(c) Campo de direcciones de y ′ = y + 1. (d) Soluciones superpuestas al campo de di-

recciones.
Estas ideas, que consisten en pensar que la ecuación diferencial nos está dando información
sobre la derivada de las soluciones, nos permiten (en algunos casos) sacar buenas conclusiones
sobre el comportamiento de las soluciones aunque no podamos hallar fórmulas para las mismas.
Trataremos esas ideas en la próxima sección. Antes de eso, establezcamos un teorema general
sobre existencia y unicidad de soluciones.
8.4. Interpretación geométrica y teorema de existencia y unicidad 173
8.4.2. Planteo general del problema

Consideraremos que el segundo miembro de la ecuación diferencial es una función F : Ω −→ R, en
donde Ω es un conjunto abierto de R2 . F da lugar a un campo de direcciones en Ω: (t, x) 7→ F (t, x)
y a la ecuación diferencial
(E) y ′ = F (t, y)
y0 •
t0 t
Definición 8.4.1. Definición precisa de solución que pasa por (t0 , y0 ).

Sea (t0 , y0 ) ∈ Ω. Una solución de (E) que pasa por (t0 , y0 ) es un par (I; ϕ) en donde I es un
intervalo abierto de R que contiene a t0 como punto interior, y ϕ es una función de I en R tales
que
1. ϕ′ (t) = F (t, ϕ(t)) , ∀ t ∈ I.
2. ϕ(t0 ) = y0 .
Definición 8.4.2. Prolongaciones y soluciones maximales.

Con la misma notación que en la definición anterior.
1. Sean (I, f ) y J, g) soluciones de la ecuación (E) tales que f (t0 ) = g(t0 ) = y0 . Si I ⊂ J y

f (t) = g(t), ∀t ∈ I (la gráfica de f es simplemente una parte de la gráfica de g), entonces
se dice que g es una prolongación de f .
2. Sea (I ′ , u) una solución de (E) tal que u(t0 ) = y0 . Si u no tiene prolongaciones entonces
se dice que es una solución maximal por (t0 , y0 ) y el intervalo I ′ se denomina intervalo
maximal de definición.
y y
u(t)
f
y0 y0
g
t0 t t0 t
(e) g es prolongación de f . (f) u es prolongación de g pero u no tiene pro-

longaciones.
Manteniendo las mismas notaciones que en definiciones anteriores tenemos el siguiente resultado.
Teorema 8.4.1. Teorema de existencia y unicidad de soluciones.

Si F : Ω −→ R es de clase C 1 en Ω, entonces para cada punto (t0 , y0 ) ∈ Ω existe una única
solución maximal (I; ϕ) de la ecuación diferencial (E), definida en un intervalo I que contiene
a t0 como punto interior, y tal que ϕ(t0 ) = y0 .3
En otras palabras, por cada punto (t0 , y0 ) ∈ Ω pasa una única solución maximal de (E).
Observación 8.4.1. Un ejemplo de no unicidad.

Si la función F es continua, y no agregamos más hipótesis, es posible demostrar el llamado
teorema de Cauchy que asegura la existencia de soluciones. Sin embargo, en estas circunstancias,
no tiene por qué haber unicidad.
′ Un2/3 ejemplo de esta situación es el siguiente. Consideremos el
y =3y .
problema de valor inicial La función F (y) = 3 y 2/3 es continua en R, derivable
y(0) = 0.
en R∗ , pero no derivable en 0. La función idénticamente nula y(t) = 0, (∀t ∈ R), es solución
de dicho problema. Sin embargo, no es la única. Como puede verificarse fácilmente, la función
f : R → R / f (t) = t3 también lo es.
Con relación al ejemplo planteado vale la pena realizar una aclaración complementaria. La
ecuación y ′ = 3 y 2/3 es de variables separadas. Si recordamos el teorema 8.3.1 ¿no alcanzaba
con la continuidad del segundo miembro para asegurar existencia y unicidad de soluciones? Sı́,
pero además se exigı́a que el segundo miembro no se anulara. La unicidad se puede perder en
un punto de equilibrio y0 donde el segundo miembro no tenga derivada continua respecto de y.
3
En realidad, la hipótesis del teorema puede debilitarse. Alcanza con pedir que F sea continua (como función
de dos variables) en Ω y localmente Lipchitz en Ω. Pueden encontrar los detalles en la bibliografı́a. Vamos a dar
una demostración del teorema en el último capı́tulo, generalizado incluso para más dimensiones.
8.5. Estudios cualitativos de ecuaciones autónomas 175
8.5. Estudios cualitativos de ecuaciones autónomas
8.5.1. Estudio cualitativo del modelo oferta-demanda

La ecuación diferencial del modelo oferta-demanda puede escribirse de la siguiente manera:
y ′ = λ ( y − pe ) (OD)
en donde λ 6= 0 y pe > 0 son constantes. Como se trata de una ecuación lineal con coeficientes
constantes sabemos que por cada punto (t0 , y0 ) del plano pasa una única solución de (OD) y
que esta solución está definida en todo R. También es claro que la única solución constante
de es y(t) = pe . Sea ahora y(t) la solución que cumple y(0) = y0 6= pe . Queremos estudiar el
comportamiento de esta solución sin hallarla explı́citamente. Utilizaremos la información que
nos da la igualdad:
y ′ (t) = λ ( y(t) − pe ) ∀t ∈ R. (∗)
Supongamos λ < 0 y y0 > pe (los otros casos queda como ejercicio).
(1) Monotonı́a de la solución:

Como las gráficas de soluciones diferentes de (OD) no se pueden cortar (¿por qué?) deducimos
que y(t) > pe , ∀t ∈ R. Resulta entonces que λ (y(t) − pe ) < 0, ∀t ∈ R y, por lo tanto,
y ′ (t) < 0, ∀t ∈ R. Se deduce que y(t) es estrictamente decreciente en R.
(2) Concavidad de la solución:

Derivando ambos miembros de (∗) obtenemos:
y ′′ (t) = λ (y ′ (t) − pe ) = λ [ λ (y(t) − pe ) − pe ] = λ [ λ y(t) − λ pe − pe ]
Observemos que λ y(t) − λ pe − pe < 0 si, y sólo si, y(t) > pe + pλe . Como esta desigualdad es
válida ∀t ∈ R (pues y(t) > pe y pe /λ < 0), deducimos que y ′′ (t) > 0, ∀t ∈ R. Concluimos que
y(t) tiene concavidad positiva en todo R.
(3) Comportamiento asintótico para t → +∞:

Como y(t) es decreciente y está acotada inferiormente (por pe ) podemos afirmar que existe L ∈ R
tal que lı́mt→+∞ y(t) = L. Por otro lado también sabemos que y ′ (t) < 0, ∀t ∈ R y que y ′ (t) es
monótona creciente. Luego, existe A ∈ R tal que lı́mt→+∞ y ′ (t) = A. Como y(t) tiene ası́ntota
horizontal para t → +∞ y existe lı́mt→+∞ y ′ (t), resulta que este lı́mite debe ser 0. Es decir:
A = 0.
Ahora bien, ¿cómo calculamos L si no tenemos una fórmula para y(t)? Volvemos a utilizar la
información que nos brinda (∗). Tomando lı́mites en ambos miembros de (∗) obtenemos:
0 = lı́m y ′ (t) = lı́m λ ( y(t) − pe ) = λ ( L − pe )

t→+∞ t→+∞
Se deduce que L = pe y por lo tanto:

lı́m y(t) = pe .
t−→+∞
(4) Comportamiento asintótico para t → −∞:

Como y(t) es decreciente entonces existe lı́mt→−∞ y(t) (finito o +∞).
Si suponemos que lı́mt→−∞ y(t) = L, un razonamiento similar al realizado en el item anterior nos
llevarı́a a concluir que L = pe . Pero en este caso eso es absurdo. Se deduce que lı́mt→−∞ y(t) =
+∞.
Hemos podido deducir el comportamiento de y(t) sin necesidad de resolver la ecuación dife-
rencial. Este tipo de razonamientos e ideas son relevantes ya que, si bien en el ejemplo plan-
teado conocı́amos las soluciones, la mayorı́a de las ecuaciones diferenciales que aparecen en las
aplicaciones no se pueden resolver. En esos casos, los estudios cualitativos son herramientas
fundamentales.
Ejercicio 8.5.1. Completa el estudio cualitativo del ejemplo anterior para p0 < pe y para el
caso λ > 0.
Antes de considerar otros estudios cualitativos, veamos algunos resultados sobre las ecuaciones
de la forma y ′ = F (y).
8.5.2. Ecuaciones autónomas en R

Algunos resultados sobre ecuaciones autónomas
Definición 8.5.1. Ecuaciones autónomas en R.

Llamaremos ecuación autónoma a una ecuación diferencial de la forma:
(A) y ′ = F (y)
en donde F : J2 → R está definida en un intervalo abierto J2 ⊂ R. Se trata de una ecuación de

variables separadas en donde el “segundo miembro” no depende de t.
Ejercicio 8.5.2. Sea f una solución de (A), c una constante y g dada por g(t) = f (t + c).
Demuestra que g también es solución de (A). (El significado de esta afirmación es el siguiente:
como el segundo miembro F (y) no depende de t, si trasladamos una solución según la dirección
−
→
del eje Ot obtenemos otra solución.)
Observación 8.5.1. Regularidad de las soluciones.

Si y(t) es solución de (A) en I entonces se cumple y ′ (t) = F ( y(t) ) , ∀t ∈ I. Como y(t) y F
son continuas, la igualdad anterior muestra que y ′ (t) es continua en I. Resulta entonces que,
si bien en la definición de solución sólo exigimos derivabilidad, las soluciones de (A) tienen
(necesariamente) derivada continua.
¿Qué ocurre si F es además derivable con derivada continua? Nuevamente, la igualdad
y ′ (t) = F ( y(t) ) nos permite afirmar que y ′ (t) es derivable y que y ′′ (t) = F ′ ( y(t) ) y ′ (t) es
continua en I.
Observación 8.5.2. Existencia y unicidad de soluciones para una ecuación autónoma.

Como el segundo miembro no depende de t el conjunto Ω donde podemos trabajar es Ω = R×J2 .
Si F tiene derivada continua en el intervalo J2 entonces el teorema 8.4.1 permite asegurar que
por cada punto (t0 , y0 ) ∈ R × J2 , pasa una única solución maximal de (A).
Observación 8.5.3. Sobre el intervalo maximal de las soluciones.

Sea f una solución maximal de A no constante y designemos con Imax = (α, β) a su correspon-
diente intervalo maximal (α puede ser −∞ y β puede ser +∞). Observemos que el Teorema 8.4.1
no nos dice nada acerca de Imax . De hecho, es difı́cil poder caracterizarlo a priori sin resolver la
ecuación. En el ejemplo 8.3.3 habı́amos considerado la ecuación y ′ = y(1 − y), donde el segundo
miembro F (y) = y(1 − y) tiene derivada continua para todo y ∈ R. La solución f de dicha
ecuación que cumple f (0) = 1/2 es f (t) = et /(1 + et ) y su intervalo maximal es Imax = R;
mientras que la solución g de dicha ecuación que cumple g(0) = 2 es f (t) = 2et /(2et − 1) que
tiene como intervalo maximal Imax = (−L(2), +∞). Observa entonces que el intervalo maximal
depende de la condición inicial.
Estamos en condiciones de deducir de manera relativamente sencilla una serie de propiedades de

las soluciones de las ecuaciones autónomas. (En lo que sigue, cada vez que digamos “solución”
nos estaremos refiriendo a “solución maximal”.)
Teorema 8.5.1. Propiedades de las soluciones de una ecuación autónoma.

Consideremos la ecuación autónoma (A) y ′ = F (y) en donde F tiene derivada continua en R.
Entonces:
(1) Si u es solución de (A) y para algún t1 se cumple que u′ (t1 ) = 0 entonces u es una solución
constante.
(2) Toda solución de (A) que no sea constante es estrictamente creciente o estrictamente decre-
ciente.
(3) Sea f una solución no constante de (A) definida en Imax = (α, β) y t̂ ∈ (α, β).
(a) Si β es un número entonces lı́mt→β − f (t) = +∞ o lı́mt→β − f (t) = −∞.
(b) Si f está acotada en (t̂, β) entonces:
(i) β = +∞.
(ii) Existe lı́mt→+∞ f (t) = L (finito).
(iii) Necesariamente L es punto de equilibrio de (A).
(c) Si f no está acotada en (t̂, β) entonces β puede ser un número o β puede ser +∞. En
ambos casos se cumple:
lı́mt→β − |f (t)| = +∞ (si β es un número).
lı́mt→+∞ |f (t)| = +∞ (si β es +∞).
Resultados análogos valen en (α, t̂) (no dejes de enunciarlos).
Demostración.
(1) Observemos, en primer lugar, que si u′ (t1 ) = 0 entonces F (u(t1 )) = 0. Sea v : R → R la
función constante dada por v(t) = u(t1 ). Es obvio que v ′ (t) = 0, ∀t ∈ R. Por otro lado tenemos
que F (v(t)) = F (u(t1 )) = 0, ∀t ∈ R, con lo cual v ′ (t) = F (v(t)), ∀t ∈ R. Se deduce que v(t) es
solución de (A) en todo R. Como v(t1 ) = u(t1 ), la unicidad de soluciones del Teorema 8.4.1 nos
permite concluir que u(t) = v(t), ∀t ∈ R. Luego, u(t) es constante.

(2) Sea g una solución de (A) en I que no sea constante. De la parte (1) recién demostrada se
deduce que g′ (t) 6= 0, ∀t ∈ I. Como g′ (t) es continua y no se anula nunca, tiene que tener signo
constante. Resulta entonces que g(t) es estrictamente monótona en I.
(3) (a)
Supongamos que β ∈ R. Como f es estrictamente monótona y acotada en (t̂, β), existe lı́mt→β − f (t)
finito o +∞ o −∞. Supongamos que dicho lı́mite fuese L ∈ R. Fijemos nuestra atención en el
punto de coordenadas (β, L). Aplicando el Teorema 8.4.1 podemos afirmar que por (β, L) pasa
una única solución de (A) definida en algún intervalo que contiene a β. Pero entonces, la solución
f podrı́a prolongarse a la derecha de β, lo cual es absurdo.
L
L •
t̂ β
t̂ β
(3) (b)
(i) Si β fuese un número, la parte (a) implicarı́a que f no estarı́a acotada en (t̂, β). Se deduce
que β = +∞.
(ii) f es estrictamente monótona y está acotada en [t̂, +∞). Luego, existe L ∈ R tal que
lı́mt→+∞ f (t) = L.
(iii) Vamos a probar que F (L) = 0.
Ya sabemos que lı́mt→+∞ f (t) = L. De este resultado surgen dos consecuencias.
f (t)
• Como f ′ (t) es continua, la regla de L’Hopital conduce a lı́mt→+∞ f ′ (t) = lı́mt→+∞ =
t
0.
• Como F es continua tenemos que lı́mt→+∞ F (f (t)) = F (L).
Ahora bien, tomando lı́mites en ambos miembros de la igualdad
f ′ (t) = F ( (f (t) )
se sigue que lı́mt→+∞ f ′ (t) = F (L).

Como lı́mt→+∞ f ′ (t) = 0 queda demostrado que F (L) = 0.
(3) (c) Es una consecuencia de lo demostrado en las partes anteriores. ♠
Estudio cualitativo del modelo logı́stico
En la sección anterior aprendimos a resolver la ecuación
y′ = a y ( M − y ) (L)
en donde a > 0 y M > 0 son constantes. A partir de un estudio cualitativo y sin utilizar las
fórmulas de las soluciones encontradas en el ejercicio 8.3.2, vamos a poder describir el compor-
tamiento de sus soluciones. Para ello seguimos las siguientes etapas.
(1) En primer lugar observamos que como F (y) = a y (M − y) tiene derivada continua en R el
Teorema 8.4.1 nos permite afirmar que por cada punto del plano (t, y) pasa una única solución de
(L). Esto tiene como consecuencia que las gráficas de soluciones diferentes no se pueden cortar.
(De hecho, F tiene derivadas continuas de todos los órdenes en R y por lo tanto las soluciones
de (L) también poseen esa regularidad).
(2) Pasamos ahora a hallar todos los puntos de equilibrio de (L) (es decir, las raı́ces de F ). Es
claro que los mismos son 0 y M . En otras palabras, las únicas soluciones constantes son y(t) = 0
y y(t) = M . Según la parte (2) del Teorema 8.5.1, el resto de las soluciones serán estrictamente
monótonas.
(3) Supongamos ahora que y(t) es una solución de (L) definida en cierto intervalo I con condición
inicial f (0) = y0 tal que y0 6= 0 y y0 6= M . Como y ′ (t) tiene signo constante, el mismo queda
determinado por su valor en 0: y ′ (0) = ay0 (M − y0 ). Este número es positivo para 0 < y0 < M
y negativo en caso contrario. Tenemos entonces que distinguir tres casos:
(a) Si 0 < y0 < M entonces y(t) es estrictamente creciente. Como, además, 0 < y(t) < M, ∀t ∈ I,
la solución se mantiene siempre acotada y por lo tanto el intervalo maximal de definición es
I = R. Las partes (3) del Teorema 8.5.1 nos permiten concluir que lı́m→+∞ y(t) = M y
lı́m→−∞ y(t) = 0.
(b) Si y0 > M entonces y(t) es estrictamente decreciente. Como, además, y(t) > M, ∀t ∈
I, la solución se mantiene siempre acotada inferiormente y por lo tanto el intervalo maximal
de definición contiene al [0, +∞). La parte (3) del Teorema 8.5.1 nos permite concluir que
lı́m→+∞ y(t) = M .
(c) Si y0 < 0 entonces y(t) es estrictamente creciente. Como, además, y(t) < 0, ∀t ∈ I, la solución
se mantiene siempre acotada superiormente y por lo tanto el intervalo maximal de definición
contiene al (−∞, 0]. La parte (3) del Teorema 8.5.1 nos permite concluir que lı́m→−∞ y(t) = 0.
Ya tenemos la información esencial para comprender el comportamiento de las soluciones (aun

sin conocerlas) y bosquejar sus gráficas. En este caso podemos, además, estudiar la concavidad:
(4) Derivando ambos miembros de la igualdad y ′ (t) = a y(t) (M − y(t)) obtenemos:

y ′′ (t) = a y ′ (t) (M − y(t)) − y(t) y ′ (t) = a y ′ (t) [ M − 2 y(t) ]
Recordando el signo que tiene y ′ (t) y la posición de y(t) respecto de 0 y de M deducimos que si
y0 > M entonces y ′′ (t) > 0, ∀ t, y que si y0 < 0 entonces y ′′ (t) < 0, ∀ t. Sea ahora 0 < y0 < M .
Como en este caso y ′ (t) > 0, ∀ t, el signo de y ′′ (t) coincide con el signo de (M − 2y(t)). Resulta
entonces que la concavidad de y(t) será positiva mientras y(t) se mantenga por debajo de M/2
y será negativa cuando y(t) tome valores mayores que M/2. Cada curva tiene una inflexión en
un punto de la recta y = M/2.
A continuación te presentamos el bosquejo de algunas soluciones que comienzan en condiciones

iniciales diferentes.
0 t
Interpretación de los resultados:
Si y(t) es el tamaño de cierta población que evoluciona verificando la ecuación (L) ¿qué podemos
predecir?
Si y(0) = 0 entonces la población se mantiene siempre en ese valor.
Si y(0) = M entonces la población se mantiene siempre en ese valor.
Si 0 < y(0) < M entonces la población crece indefinidamente tendiendo al valor M cuando
t → +∞.
Si y(0) > M entonces la población decrece indefinidamente tendiendo al valor M cuando
t → +∞.
Cuando introdujimos el modelo logı́stico habı́amos supuesto que M era el tamaño máximo
admisible de la población. Hay situaciones en donde no es necesario considerar esta última
suposición y por eso también hemos sacado conclusiones para poblaciones mayores que M .
Observemos que cualquiera que sea el valor de la condición inicial y0 > 0 todas las soluciones
tienden a M cuando t → +∞. En este caso M es un punto de equilibrio asintóticamente estable
en el futuro (ver la definición en la próxima subsección).
En los siguientes ejercicios te pedimos que, sin resolver la ecuación, saques conclusiones sobre el
comportamiento de las soluciones de la misma y las grafiques.
Ejercicio 8.5.3. Sea y ′ = y 2 . Demuestra que por cada punto del plano (t, y) pasa una única
solución y que las soluciones son de clase C ∞ en su intervalo maximal. Estudia monotonı́a y
concavidad de las soluciones. Demuestra que las soluciones para las cuales y(0) < 0 tienen
un intervalo maximal de la forma (α, +∞) y cumplen lı́mt→+∞ y(t) = 0. ¿Qué ocurre con las
soluciones tales que y(0) > 0?
Ejercicio 8.5.4. Realiza un estudio cualitativo lo más amplio posible de las soluciones de la
ecuación y ′ = −y 2 .
Ejercicio 8.5.5. Igual que en el anterior con y ′ = −y 3 .
Ejercicio 8.5.6. Igual que en el anterior con y ′ = y − y 3 .
2
Ejercicio 8.5.7. Igual que en el anterior con y ′ = −y e−y .
Ejercicio 8.5.8. Modelo de evolución de poblaciones mejorado.
Supongamos que el tamaño y(t) de una población verifica la ecuación:
(A) y ′ = c y (M − y) (y − m)
en donde c > 0 y 0 < m < M son constantes. Describe el comportamiento de y(t) en [0, +∞)
discutiendo según y0 = y(0). En particular, comprueba que si 0 < y0 < m entonces la población
tiende a extinguirse, y que si y0 > M entonces la población tiende al punto de equilibrio M .
Interpreta el significado del segundo miembro de (A).
8.5.3. Estabilidad de puntos de equilibrio.

Definición 8.5.2. Estabilidad de puntos de equilibrio.
Sea p un punto de equilibrio de la ecuación y ′ = F (y). Decimos que
(1) p es estable (en el futuro) si para cada ǫ > 0 existe δ > 0 tal que para toda solución y(t)
que verifique |y(0) − p| < δ se cumple |y(t) − p| < ǫ, ∀t ≥ 0.
Hablando mal y pronto, p es estable, si toda solución que empieza “suficientemente próxima” a
p se mantiene siempre “próxima” a p.
(2) p es asintóticamente estable (en el futuro) si es estable y además existe δ2 > 0 tal que
para toda solución y(t) que verifique |y(0) − p| < δ2 se cumple lı́mt→+∞ y(t) = p.
(3) p es inestable si no es estable.
Ejemplo 8.5.1. El único punto de equilibrio de y ′ = ay (a constante) es 0. Las soluciones de esta
ecuación son de la forma y(t) = C eat . Queda como ejercicio verificar que 0 es asintóticamente
estable si a < 0; inestable si a > 0 y estable (pero no asintóticamente estable) si a = 0.
Los estudios cualitativos realizados en los ejercicios previos permiten inmediatamente clasificar
los puntos de equilibrio que allı́ aparecı́an. Te proponemos a continuación un teorema, no por
su importancia propia, sino como anticipación a un resultado muy útil que estudiarás para
situaciones más generales en otros cursos.
8.6. Algunas ecuaciones de segundo orden
En esta sección nos limitaremos a algunas ecuaciones “de segundo orden” es decir, ecuaciones
en donde también aparece la derivada segunda de la función incógnita. No volveremos a repetir
la definición de solución ni otras consideraciones suficientemente discutidas. La idea es darte un
“pantallaso” sobre algunos resultados que eventualmente puedas necesitar en algunas ocasiones.
8.6.1. Ecuaciones lineales de segundo orden

La ecuación lineal de primer orden estudiada en la segunda sección también puede escribirse en
la forma:
y ′ + a1 (t) y = b(t)
Llamaremos ecuación lineal de segundo orden a una ecuación diferencial de la forma:
(E) y ′′ + a1 (t) y ′ + a2 (t) y = b(t) .
en donde a1 , a2 y b son continuas en un intervalo I ⊂ R.

La ecuación homogénea asociada a (E) es:
(H) y ′′ + a1 (t) y ′ + a2 (t) y = 0 .
Con los mismos razonamientos que usamos en el caso de las ecuaciones de primer orden puedes
probar las siguientes propiedades:
Teorema 8.6.1.
1. Si ϕ1 y ϕ2 son soluciones de (H) en I y α, β son dos reales cualesquiera, entonces α ϕ1 +

β ϕ2 también es solución de (H) en I. En otras palabras, cualquier combinación lineal de
dos soluciones de (H) también es solución de (H).
2. Si f1 (t) y f2 (t) son soluciones de (E) en I entonces f1 (t) − f2 (t) es solución de (H) en I.
3. Si f (t) es solución de (E) en I y ϕ(t) es solución de (H) en I entonces f (t) + ϕ(t) es
solución de (E) en I.
4. Si yp (t) es una solución particular de (E) entonces:
sol. general de (E) sol. general de (H) sol. particular de (E)

z }| { z }| { z }| {
y(E) (t) = y(H) (t) + yp (t)
en donde esta “igualdad” debes entenderla con el mismo criterio que en caso de ecuaciones
de primer orden.
8.6. Algunas ecuaciones de segundo orden 183
Observación 8.6.1. Consideremos la ecuación de segundo orden más sencilla posible. Nos es-
tamos refiriendo a y ′′ = 0. El Teorema “sobre derivada nula” nos permite afirmar que la solución
general de esta ecuación es y(t) = ct+d en donde c y d son dos números reales cualesquiera. Este
ejemplo trivial nos muestra una primera diferencia entre las ecuaciones homogéneas de primer y
de segundo orden. Recordemos que para determinar el conjunto de todas las soluciones de una
ecuación lineal homogénea de primer orden alcanza con encontrar una solución no nula de la
misma. Si ϕ(t) es una solución no nula, entonces cualquier otra es de la forma c ϕ(t). Eso no
ocurre con el conjunto de soluciones de y ′′ = 0.
Como dijimos al comienzo de esta sección, omitiremos las demostraciones de los próximos resul-
tados.

Consideremos la ecuación (H) y ′′ + a1 (t) y ′ + a2 (t) y = 0 en donde a1 y a2 son continuas en
un intervalo I ⊂ R. Si ϕ1 y ϕ2 son dos soluciones de (H) en I, no nulas y no proporcionales,
entonces el conjunto de todas las soluciones de (H) es:
SH = { c1 ϕ1 (t) + c2 ϕ2 (t) / c1 , c2 ∈ R }
O sea, la solución general de (H) viene dada por: y(H) (t) = c1 ϕ1 (t) + c2 ϕ2 (t).
Teorema 8.6.3. Existencia y unicidad de soluciones.

Consideremos la ecuación (E) y ′′ + a1 (t) y ′ + a2 (t) y = b(t) en donde a1 , a2 y b son continuas
en un intervalo abierto I ⊂ R. Fijemos t0 ∈ I y sean y0 , y1 ∈ R. Entonces se cumple que existe
una única función f : I → R solución de (E) en I y tal que f (t0 ) = y0 y f ′ (t0 ) = y1 . Es decir,
para que quede determinada una solución se deben dar dos condiciones iniciales, a saber: su
valor en el instante inicial y el valor de su derivada en el instante inicial.
Observación 8.6.2. El Demonio de Laplace.

Consideremos la ecuación y ′′ = −g en donde g > 0 es una constante. En este caso es posible
hallar la solución general encontrando primitivas:
t2
y ′′ = −g =⇒ y ′ (t) = −gt + c =⇒ y(t) = −g + ct + d
2
en donde c y d son constantes arbitrarias.
Esta ecuación surgió de una de las primeras aplicaciones de la ley de Newton vinculada con
el movimiento de partı́culas. Se supone que en instante inicial (t = 0) se dispara en dirección
vertical una masa m desde una altura h, con una velocidad inicial de módulo v0 . También se
supone que la única fuerza que actúa sobre la partı́cula es su peso. Designamos con y(t) a la
→
−
altura (desde el piso) de la partı́cula en cada instante t. La ley de Newton establece que F = m− →
a
→
−
en donde F es la resultante de fuerzas sobre la partı́cula y → −a la aceleración de la misma, ambos
en cada instante t.
y(t)
En este caso, proyectando la ecuación vectorial sobre el eje vertical resulta:

−
→
F = m−
→
a =⇒ −mg = my ′′ (t) =⇒ y ′′ (t) = −g
2
Como vimos, la solución general de esta ecuación es y(t) = −g t2 + ct + d. Ahora imponemos las
condiciones iniciales que son y ′ (0) = v0 e y(0) = h. Al hacerlo se calculan las constantes c y d
obteniendo finalmente
gt2
y(t) = − + v0 t + h
2
Mientras no cambien las fuerzas que actúan, el movimiento de la partı́cula ha quedado comple-
tamente determinado. Dicho de otro modo, podemos predecir cómo se va a mover en el futuro
luego del instante inicial t = 0.
El modelo presentado por la Mecánica Clásica (de Newton), acompañado por el teorema de
existencia y unicidad de soluciones de ecuaciones diferenciales, dio lugar a una interesante re-
flexión filosófica, pues conlleva al determinismo de la Fı́sica clásica. Fue Pierre-Simon Laplace
(1749 - 1827) quien presentó en 1814 la siguiente reflexión. Si alguien (el Demonio) pudiera
medir la posición y la velocidad de todos los átomos del universo en un instante dado, y existiera
una máquina capaz de resolver el enorme sistema de ecuaciones diferenciales generado luego de
aplicar la ley de Newton a cada una de ellos, entonces el comportamiento del universo quedarı́a
totalmente determinado, tanto para el pasado como para el futuro.
Estos dos últimos teoremas son extensiones razonables a ecuaciones de segundo orden respecto
de sus análogos para las de primer orden. Ahora, la gran diferencia consiste en que no hay un
método general que permita obtener una fórmula explı́cita (en términos de integrales de a1 , a2 y
b) para la solución general de (H) (menos para la de (E)). Nos limitaremos a mostrarte algunos
casos particulares en donde es posible “resolver” la ecuación (H).
8.6.2. Ecuaciones lineales de segundo orden con coeficientes

constantes
Homogénea con coeficientes constantes
Consideremos (H) y ′′ + b y ′ + c y = 0 en donde b y c son constantes.
Si buscamos soluciones de (H) de la forma y(t) = eλt llegamos a λ2 eλt +bλeλt +ceλt = 0, ∀t ∈ R,
de donde resulta la ecuación λ2 + b λ + c = 0 que se denomina “ecuación caracterı́stica” asociada
a (H). Se cumplen los siguientes resultados:
1. Si λ2 + b λ + c = 0 tiene dos raı́ces reales y diferentes λ1 6= λ2 entonces la solución general

de (H) es:
yH (t) = c1 eλ1 t + c2 eλ2 t
2. Si λ2 + b λ + c = 0 tiene una raı́z real doble λ entonces la solución general de (H) es:
yH (t) = c1 eλt + c2 t eλt
3. Si λ2 + b λ + c = 0 no tiene raı́ces reales (b2 − 4c < 0) entonces la solución general de (H)

es:
yH (t) = eαt [ c1 sen(βt) + c2 cos(βt) ]
√
en donde α = −b/2 y β = 4c − b2 /2
En todos los casos c1 y c2 son constantes arbitrarias. (Puedes verificar, si ası́ lo deseas, que las
funciones indicadas son efectivamente soluciones de (H)).
Ejemplo 8.6.1. Queremos hallar la solución general de y ′′ − y ′ − 6y = 0. La ecuación carac-

terı́stica asociada es λ2 − λ − 6 = 0 que tiene raı́ces λ1 = −2 y λ2 = 3. Luego, la solución general
de (H) es yH (t) = c1 e−2t + c2 e3t .
Ejemplo 8.6.2. Queremos hallar la solución general de y ′′ − 4y ′ + 4y = 0. La ecuación carac-

terı́stica asociada es λ2 − 4λ + 4 = 0 que tiene raı́z doble λ = 2. Luego, la solución general de
(H) es yH (t) = c1 e2t + c2 t e2t .
Ejemplo 8.6.3. Queremos hallar la solución general de y ′′ +y ′ +y = 0. La ecuación √

caracterı́stica
asociada es λ2 + λ + 1 = 0 que no tiene raı́ces reales. En este caso α = −1/2 y β = 3/2. Luego,
la solución general de (H) es
" √ ! √ !#
−t 3 3
yH (t) = e 2 c1 sen t + c2 cos t
2 2
Ejercicio 8.6.1. Encuentra la solución general de las siguientes ecuaciones y la solución parti-
cular que cumple las condiciones indicadas:
(a) y ′′ − 3 y ′ + 2 y = 0, y(0) = 2, y ′ (0) = 3.
(b) y ′′ + 2 y ′ + y = 0, y(0) = 0, y ′ (0) = 1.
(c) y ′′ + 2 y ′ + 5 y = 0, y(0) = 0, y ′ (0) = 1.
(d) y ′′ − 9 y = 0, y(0) = 3, y ′ (0) = 15.
(e) y ′′ − 5 y ′ = 0, y(0) = 2, y ′ (0) = 1.
(f) y ′′ + 4 y ′ + 4 y = 0, y(0) = 1, y ′ (0) = 1.
Ejercicio 8.6.2. Muestra que la solución general de y ′′ +ω 2 y = 0 es y(t) = c1 sen(ωt)+c2 cos(ωt).
No homogénea con coeficientes constantes
Consideremos (E) y ′′ +by ′ +cy = f (t) en donde b y c son constantes y f es una función continua
en I. Como sabemos hallar la solución general de la homogénea, para escribir la solución general
de (E) sólo nos falta encontrar una solución particular de (E). Algunas veces, mirando la forma
de f (t), podemos aventurarnos a probar con cierto tipo de funciones. Veamos los siguientes
ejemplos:
Ejemplo 8.6.4. Queremos hallar la solución general de (E) y ′′ − y ′ − 6y = 4e2t . La solución
general de la homogénea es yH (t) = c1 e−2t + c2 e3t . Como f (t) = 4e2t intentamos buscar una
solución particular de la forma y(t) = ke2t . Mejor dicho, queremos ver si existe alguna constante
k de modo que ke2t sea solución de (E). Tenemos:
y ′ (t) = 2ke2t , y ′′ (t) = 4ke2t . Sustituyendo en (E) obtenemos:
4ke2t − 2ke2t − 6ke2t = 4e2t ⇐⇒ −4k = 4 ⇐⇒ k = −1.
Resulta entonces que yp (t) = −e2t es una solución particular de (E). La solución general de (E)
es:
yE (t) = c1 e−2t + c2 e3t − e2t
Ejemplo 8.6.5. Queremos hallar la solución general de (E) y ′′ − y ′ − 6y = e3t . Un problema
totalmente similar al anterior. Buscamos una solución particular de la forma y(t) = ke3t . Tene-
mos:
y ′ (t) = 3ke3t , y ′′ (t) = 9ke3t . Sustituyendo en (E) obtenemos:
9ke3t − 3ke2t − 6ke2t = e3t ⇐⇒ 0 k = 1 lo cual es imposible.
¿Qué fue lo que sucedió? Lo que ocurre es que ke3t ya era solución de la homogénea y, por
lo tanto no puede ser solución de (E). Intentemos buscar una solución particular de la forma
y(t) = k t e3t . Tenemos:
y ′ (t) = ke3t (1 + 3t), y ′′ (t) = ke3t (6 + 9t). Sustituyendo en (E) obtenemos:
ke3t (6 + 9t) − ke3t (1 + 3t) − 6k t e3t = e3t ⇐⇒ 5 k = 1 ⇐⇒ k = 1/5

1
Resulta entonces que yp (t) = 5 t e3t es una solución particular de (E). La solución general de
(E) es:
1 3t
yE (t) = c1 e−2t + c2 e3t + te
5
Ejercicio 8.6.3. Encuentra la solución general de las siguientes ecuaciones buscando una solu-
ción particular de la forma indicada en cada caso:
(a) y ′′ + 4y = sen(3t), yp (t) = A sen(3t).
(b) y ′′ − 3y ′ + 2y = e4t , yp (t) = A e4t .
(c) y ′′ − 3y ′ + 2y = 4e2t , yp (t) = A t e2t .
(d) y ′′ + y ′ = 2t + 1, yp (t) = Bt2 + Ct.
(e) y ′′ − 4y ′ + 5y = 15t2 − 44t + 32, yp (t) = At2 + Bt + C.
(f) y ′′ + 4y ′ + 4y = (t + 2)e−t , yp (t) = (At + B)e−t .
Teorema 8.6.4. Método de “variación de constantes” .
Consideremos la ecuación (E) y ′′ + a1 (t) y ′ + a2 (t) y = f (t) y la homogénea asociada
(H) y ′′ +a1 (t)y ′ +a2 (t)y = 0 en donde a1 y a2 son continuas en un intervalo I ⊂ R. Supongamos
que conocemos la solución general de la homogénea dada por yH (t) = c1 ϕ1 (t) + c2 ϕ2 (t). Entonces
existen funciones C1 (t) y C2 (t) tales que
yp (t) = C1 (t) ϕ1 (t) + C2 (t) ϕ2 (t)
es una solución particular de (E). Estas funciones se pueden hallar resolviendo el siguiente
sistema:
ϕ1 C1′ + ϕ2 C2′ = 0.
ϕ′1 C1′ + ϕ′2 C2′ = f.
Demostración. Vamos a calcular yp′ (t) e yp′′ (t) para luego sustituir en la ecuación (E). Como ϕ1
y ϕ2 son soluciones de (H), en algún momento debemos utilizar las igualdades ϕ′′1 +a1 ϕ′1 +a0 ϕ1 =
0 y ϕ′′2 + a1 ϕ′2 + a2 ϕ2 = 0. Se tiene:
yp′ = C1′ ϕ1 + C1 ϕ′1 + C2′ ϕ2 + C2 ϕ′2
Imponemos que C1′ ϕ1 + C2′ ϕ2 = 0 con lo cual queda yp′ = C1 ϕ′1 + C2 ϕ′2 .
yp′′ = C1′ ϕ′1 + C1 ϕ′′1 + C2′ ϕ′2 + C2 ϕ′′2 .
Sustituimos yp , yp′ e yp′′ en (E) y ′′ + a1 y ′ + a2 y = f .
C1′ ϕ′1 + C1 ϕ′′1 + C2′ ϕ′2 + C2 ϕ′′2 + a1 C1 ϕ′1 + a1 C2 ϕ′2 + a2 C1 ϕ1 + a2 C2 ϕ2 = f .

0 0
z }| { z }| {
C1′ ϕ′1 + C2′ ϕ′2 + C1 (ϕ′′1 + a1 ϕ′1 + a0 ϕ1 ) + C2 (ϕ′′2 + a1 ϕ′2 + a2 ϕ2 ) = f .
Con lo cual queda una segunda condición que es C1′ ϕ′1 + C2′ ϕ′2 = f .
Resulta entonces el siguiente sistema

ϕ1 C1′ + ϕ2 C2′ = 0.
ϕ′1 C1′ + ϕ′2 C2′ = f.
ϕ1 ϕ2
Debido a que ϕ1 y ϕ2 son soluciones L.I. de (H), puede probarse4 que el determinante
ϕ′1 ϕ′2
4
Este resultado escapa a los objetivos de este libro. Puede encontrarse, por ejemplo, en Lages Lima.
es diferente de 0 siempre, y por lo tanto el sistema es compatible determinado.
Ejercicio 8.6.4. Encuentra la solución general de y ′′ + 2y ′ + y = e−t /t2 en t > 0, buscando una
solución particular por “variación de constantes”.
Ejercicio 8.6.5. Consideremos las ecuaciones diferenciales:

(E) y ′′ + 4y ′ + 3y = u(t) (E ′ ) y ′′ + 3y ′ − 4y = u(t)
(a) Se sabe que admiten una solución común ϕ. Prueba que ϕ es solución de y ′ + 7y = 0.
(b) Determina ϕ sabiendo además que ϕ(0) = 1 y halla la función u(t).
(c) Halla la solución general de cada una de las ecuaciones.
Ejercicio 8.6.6. Consideremos la ecuación diferencial (E) y ′ = sen(y). Prueba que toda solu-
ción de (E) también es solución de la ecuación de segundo orden y ′′ = sen(y) cos(y).
Ejercicio 8.6.7. Consideremos las ecuaciones diferenciales en t > 0 :

(E) t3 y ′ + 2t2 y = 3t3 + 1 (E ′ ) t4 y ′′ − 6t2 y = −6t3 − 5
(a) Sin resolver la ecuación (E), prueba que toda solución de (E) también es solución de (E ′ ).
(b) Halla la solución general de (E).
(c) Halla la solución general de la ecuación homogénea t4 y ′′ − 6t2 y = 0 buscando soluciones de
la forma x(t) = tα . (d) Halla la solución general de (E ′ ).
Ejercicio 8.6.8. Consideremos la ecuación diferencial 4y ′′ + 4tg(t) y ′ + (3tg2 (t) + 2) y = 0 para

0 < t < π/2. Se sabe que admite una solución ϕ(t) tal que t ϕ(t) también es solución. Determina
ϕ(t) sabiendo además que ϕ(0) = 1.
Ejercicio 8.6.9. Consideremos la ecuación t2 y ′′ − 2y = 4t3 (t > 0). Encuentra la solución

general de la homogénea buscando soluciones de la forma x(t) = tα . Encuentra la solución
general de la ecuación original buscando una particular de la forma yp (t) = At3 .
Ejercicio 8.6.10. Consideremos la ecuación diferencial:
(E) y ′′ = a(t) y + b(t) y ′ (t ∈ R).
en donde a(t) y b(t) son funciones continuas en todo R. Se sabe que (E) admite una solución
w(t) tal que u(t) = ew(t)−1 también es solución.
(a) Muestra que w(t) verifica la relación: w′ (t)2 = a(t) (1 − w(t)) ∀ t ∈ R.
(b) Si se sabe además que w(0) = 1, deduce que w′ (0) = 0, u(0) = 1 y u′ (0) = 0.
(c) Según las partes anteriores tenemos que w(t) y u(t) son dos soluciones de (E) definidas en
todo R y que cumplen las mismas condiciones iniciales (u(0) = w(0) y u′ (0) = w′ (0)). Resulta
entonces (unicidad de soluciones) que u(t) = w(t), ∀t ∈ R. Determina w(t) y prueba que
a(t) = 0, ∀t ∈ R.
8.6.3. Cambios de variable

Ejemplo 8.6.6. Reducción del orden para ecuaciones lineales.
Consideremos la ecuación lineal de segundo orden homogénea:
(F ) y ′′ + a1 (t) y ′ + a2 (t) y = 0
y supongamos que conocemos una solución particular yp (t) de la misma. Vamos a ver un pro-
cedimiento que permite “resolverla”. Sea y(t) una solución de (F ) que no se anula y definamos
u(t) mediante y(t) = u(t) yp (t). Tenemos: y ′ = u′ yp + u yp′ =⇒ y ′′ (t) = u′′ yp + 2 u′ yp′ + u yp′′ .
Sustituyendo en (F ) obtenemos:
(∗) u′′ yp + 2 u′ yp′ + u yp′′ +a1 u′ yp + a1 u yp′ + a2 u yp = 0.

|{z} | {z } | {z }
Ahora bien, como yp es solución de (F ) se cumple yp′′ + a1 yp′ + a2 yp = 0. Luego, (∗) se reduce a:
(∗) u′′ yp + 2 u′ yp′ + a1 u′ yp = 0.
que puede expresarse:
(G) yp (t) u′′ + [ 2 yp′ (t) + a1 (t) yp (t) ] u′ = 0.
Hemos demostrado que si y(t) es solución de (F ) entonces u(t) es solución de (G). Recı́pro-
camente, es fácil verificar que si u(t) es solución de (G) entonces la función y(t) dada por
y(t) = u(t) yp (t) es solución de (F ). Si bien la ecuación (G) es de segundo orden, tiene una forma
muy particular. Poniendo v = u′ llegamos a una ecuación lineal de primer orden en v dada por:
(J) yp (t) v ′ + [ 2 yp′ (t) + a1 (t) yp (t) ] v = 0.
Suele decirse (haciendo “abuso de lenguaje” ) que mediante el “cambio de variable” y = u yp ,

la resolución de (F ) se “reduce” a la resolución de una ecuación lineal de primer orden. Veamos
como procedemos en un caso particular. Consideremos la ecuación
2(t − 2) 2(t + 1)
(F ) y ′′ + y− 2 y = 0 (t > 1)
t(t − 1) t (t − 1)
Se da como dato que admite la solución yp (t) = t−2 en t > 1. Reconociendo las funciones a1 y
2
a2 y operando obtenemos que, para este caso, la ecuación correspondiente es: (G) u′′ = t−1 u′ .
2
Poniendo v = u′ queda (J) v ′ = t−1 v. una ecuación que ya sabemos resolver. Sa solución general
2 ′
es: v(t) = c (t − 1) . Como u = v, u tiene que ser una primitiva de v. Obtenemos entonces que
(t − 1)3
la solución general de (G) está dada por: u(t) = c + d, siendo c y d constantes
3
arbitrarias. Ahora bien, si y(t) es solución de (F ) entonces u(t) = y(t)/yp (t) es solución de (G)
(t − 1)3 d
(y recı́procamente). Luego, la solución general de (F ) en t > 1 es: y(t) = c 2
+ 2
3t t
Ejercicio 8.6.11. Consideremos la ecuación: ty ′′ + 2y ′ + ty = 0 en t > 0. Encuentra su solución
general sabiendo que yp (t) = sen(t)
t es solución.
Ejercicio 8.6.12. Ecuación de Bernoulli.
y ′ + a(t)y = b(t)y α (α 6= 1).
Muestra que mediante el cambio de variable u = y 1−α se reduce a una ecuación lineal de primer
orden en u dada por
u′ = (α − 1) a(t) u + (1 − α) b(t)
√
Encuentra la solución y(t) de: y ′ = −ty + ty 3 tal que y(0) = 1/ 2.
Ejercicio 8.6.13. Ecuación de Riccati.
y = a(t) + b(t)y ′ + c(t)y 2
en donde a, b, c son funciones continuas en R. Supongamos que yp es una solución particular de

la ecuación. Muestra que, mediante el cambio de variable y = yp + u1 la ecuación se transforma
en
u′ + [b + 2cyp ]u = −c
Utiliza este método para resolver: y ′ = 1+t2 −2ty +y 2 a partir de la solución particular yp (t) = t.
Cuando te sientas sola

frente a la oscura puerta
y aquella lluvia incierta
toque tu sien y corra
Recuérdame
mi mejor vez, recuérdame...
La espina no, la flor, la flor,
si es que hubo flor...
de “Final”, Eduardo Darnauchans. (1978).
Vine a encontrar en tus ojos nuevos

brillos que encendieron el corazón
vino contigo la invitación
al futuro y a la canción
de tus abrazos
de “Tus abrazos”, Jorge Galemire. (1983).
Capı́tulo 9
Sistemas de ecuaciones diferenciales
9.1. Introducción
Ejemplo 9.1.1. Un Modelo de inflación y desempleo.

El siguiente ejemplo (sugerido por Gastón Cayssials), está sacado del libro: Métodos Funda-
mentales de Economı́a Matemática de Alpha C. Chiang y Kevin Wainwright, capı́tulos 16.5 y
19.4.
Sean p(t) la tasa real de inflación, T una constante positiva que representa el aumento exógeno
de la productividad, U (t) la tasa de desempleo, π(t) la inflación esperada, m > 0 la tasa de
emisión (la controla el Banco Central), α, β, k constantes positivas, y g y j constantes tales
que 0 < g ≤ 1, 0 < j ≤ 1.
La siguiente es la denominada relación de Phillips, y está diciendo que hay una relación negativa
entre inflación y la tasa de desempleo:
p(t) = α − T − β U (t) + g π(t)
Se considera cómo se forman las expectativas de inflación, suponiendo en este caso que son
adaptativas. Si la tasa de inflación real p(t) es mayor a la inflaciçon esperada π(t) entonces esta
última aumentará:
π ′ (t) = j ( p(t) − π(t) )
La tercera ecuación de este modelo dice que la tasa de desempleo está relacionada negativamente
con la tasa de crecimiento del balance monetario real. Es la regla de politica monetaria.
U ′ (t) = k ( m − p(t) )
Sustituyendo la primera ecuación en las otras dos queda el siguiente sistema:
′
π (t) = j(g − 1)π(t) − jβU (t) + j(α − T )
U ′ (t) = kgπ(t) − kβU (t) + k(α − T − m)
El problema consiste en hallar las trayectorias para la inflación Π(t) y el desempleo U (t). De
hecho, más que las trayectorias, importa saber si convergen o no. Tenemos un modelo (y pro-
blema) de teorı́a económica que da lugar a un sistema de dos ecuaciones diferenciales (en este
191
192 Capı́tulo 9. Sistemas de ecuaciones diferenciales
caso con coeficientes constantes), donde están involucradas dos funciones incógnitas π(t) y U (t).
Observemos que, en notación matricial, el sistema puede escribirse de la siguiente manera:
′
π (t) j(g − 1) −jβ π(t) j(α − T )
= +
U ′ (t) kg −kβ U (t) k(α − T − m)
que en notación matricial queda Y ′ = AY + b, en donde
′
π π j(g − 1) −jβ j(α − T )
Y = ,Y = ,A= yb=
U U′ kg −kβ k(α − T − m)
En este capı́tulo vamos a estudiar este tipo de situaciones.
9.2. Sistemas lineales n × n
Supongamos que tenemos dos funciones incógnitas y1 (t) e y2 (t) relacionadas mediante
′
y1 = a11 (t)y1 + a12 (t)y2 + b1 (t)
y2′ = a21 (t)y1 + a22 (t)y2 + b2 (t)
Se trata de un sistema lineal de dos ecuaciones diferenciales con dos incógnitas. Este sistema
puede escribirse en notación matricial de la siguiente manera.

y1 a11 (t) a12 (t) b1 (t)
Si Y = , A(t) = y b(t) = entonces
y2 a21 (t) a22 (t) b2 (t)
′
y1 = a11 (t)y1 + a12 (t)y2 + b1 (t)
⇐⇒ Y ′ = A(t)Y + b(t).
y2′ = a21 (t)y1 + a22 (t)y2 + b2 (t)
En este caso, donde son dos las funciones incógnitas, la visualización se suele hacer en el plano
de fases
y2
•(y1 (t), y2 (t)
y1
9.2. Sistemas lineales n × n 193
Obviamente, el planteo puede generalizarse a más de dos dimensiones.
Definición 9.2.1. Sistema n × n o ecuación lineal de orden 1 en Rn .

Llamaremos ecuación lineal de orden 1 en Rn a una ecuación de la forma:
(E) Y ′ = A(t)Y + b(t)
en donde A(t) es una matriz n × n continua y b(t) un vector de Rn continuo, en ambos casos,
para todo t ∈ I, en donde I ⊂ R es un intervalo de la recta real, que puede coincidir con todo R.
     
y1 a11 (t) a12 (t) . . . a1n (t) b1 (t)

 y2 

 a21 (t) a22 (t) . . . a2n (t) 
 
 b2 (t) 
 
Si Y =  ..  , A(t) =  .. .. .. ..  y b(t) =  .. 
 .   . . . .   . 
yn an1 (t) an2 (t) . . . ann (t) bn (t)
es decir, si expresamos ambas funciones matriciales a partir de sus funciones componentes,
entonces la ecuación (E) es equivalente al siguiente sistema de ecuaciones diferenciales escalares:
 ′
y = a11 (t)y1 + a12 (t)y2 + . . . + a1n (t)yn + b1 (t)
 1′


 y2 = a21 (t)y1 + a22 (t)y2 + . . . + a2n (t)yn + b2 (t)
..


 .
 ′
yn = an1 (t)y1 + an2 (t)y2 + . . . + ann (t)yn + bn (t)
La continuidad de A(t) y de b(t) en I equivale a decir que tanto los coeficientes aij (t) de la
matriz A(t), como las coordenadas del vector b(t), son funciones continuas de I en R.
Observación 9.2.1. Ecuaciones de orden superior se pueden reducir a sistemas de

orden 1.
Consideremos la ecuación escalar de orden dos y ′′ + c1 (t)y ′ + c0 (t)y = c(t). Hacemos el “cambio
de variable” u = y , v = y ′ .
Entonces u′ = v y v ′ = y ′′ = −c1 (t)y ′ − c0 (t)y + c(t). La ecuación escalar original (de orden 2)
es equivalente entonces al siguiente sistema de primer orden:
′
u 0 1 u 0
= +
v′ −c0 (t) −c1 (t) v c(t)
Les queda como ejercicio transformar en un sistema de primer orden la ecuación escaar de orden
n siguiente:
y (n) + c1 (t)y (n−1) + c2 (t)y (n−2) + . . . · · · + cn (t)y = c(t)
Teorema 9.2.1. Teorema de existencia y unicidad de soluciones en el caso lineal.

En las condiciones mencionadas anteriormente se cumple que por cada punto (t0 , Y0 ) ∈ I × Rn
pasa una única solución maximal de (E). Más aún, el intervalo maximal de definición es todo
I. En otras palabras, dados t0 ∈ I y Y0 ∈ Rn , existe una única función ϕ : I −→ R tal que
ϕ′ (t) = A(t)ϕ(t) + b(t) , ∀ t ∈ I , ϕ(t0 ) = Y0

Como es habitual, designemos con (H) a la ecuación homogénea asociada:
(H) Y ′ = A(t)Y
Se cumplen las mismas propiedades que en el caso escalar, como lo establece el siguiente teorema.
Teorema 9.2.2. Estructura del conjunto de soluciones en una lineal.

Si SE es el conjunto de todas las soluciones de (E) y SH el de las soluciones de (H) (todas
definidas en el intervalo I), entonces se cumple que:
1. El conjunto SH es un espacio vectorial de dimensión n. (En particular, cualquier combi-

nación lineal de soluciones de (H) también es solución de (H)).
2. Para cada solución particular ϕp de (E) se tiene que
SE = ϕp + SH
9.2.1. Estabilidad de soluciones.

La idea es la misma que en el caso escalar.
Definición 9.2.2. Estabilidad de soluciones.

Sea ϕ una solución de la ecuación (E) Y ′ = A(t)Y + b(t) que esté definida ∀ t ≥ 0. Decimos que
(1) ϕ es estable (en el futuro) si para cada ǫ > 0 existe δ > 0 tal que para toda solución Y (t)
que verifique ||Y (0) − ϕ(0)|| < δ se cumple ||Y (t) − ϕ(t)|| < ǫ, ∀t ≥ 0.
Hablando mal y pronto, ϕ es estable, si toda solución que empieza “suficientemente próxima” a
ϕ se mantiene siempre “próxima” en el futuro a ϕ.
(2) ϕ es asintóticamente estable (en el futuro) si es estable y además existe δ2 > 0 tal que
para toda solución Y (t) que verifique ||Y (0) − ϕ(0)|| < δ2 se cumple lı́m ||Y (t) − ϕ(t)|| = 0.
t→+∞
(3) ϕ es inestable si no es estable.
La definción puede darse también tomando un instante inicial t0 6= 0. En las próximas secciones
veremos varios ejemplos relacionados con estos conceptos. Un resultado útil para ecuaciones
lineales es el que se presenta en el próximo teorema.
Teorema 9.2.3. Sobre la estabilidad para ecuaciones lineales.

Consideremos las ecuaciones (E) Y ′ = A(t)Y + b(t) , (H) Y ′ = A(t)Y en donde las funciones
son continuas para t ≥ 0. Entonces se cumple que una solución ϕ de (E) es estable (A.E. o
inestable), si, y solo si, la solución nula 0 de (H) es estable en (H) (respectivamente A.E. o
inestable).
La demostración queda como ejercicio. Tengan en cuenta que, según el teorema 9.2.2, la resta
de dos soluciones de (E) es solución de (H), y que si a una solución de (E) le sumamos una
solución de (H) obtenemos una solución de (E).
9.3. Sistemas lineales con coeficientes constantes 195
9.3. Sistemas lineales con coeficientes constantes
Consideraremos ahora el caso en que A(t) = A y b(t) = b son funciones matriciales constan-
tes. En este caso las soluciones están definidas en todo R y además (como veremos) hay una
serie de propiedades adicionales muy especiales. Mantenemos todas las notaciones anteriores, en
particular para la ecuación completa y su homogénea asociada:
(E) Y′ = A Y + b
(H) Y′ = A Y
Antes de analizar cómo es posible resolver el sistema en este caso, veamos el ejemplo más sencillo
posible.
Ejemplo 9.3.1. El caso de

 una matriz diagonal.  ′
λ1 0 . . . 0 
 y1 = λ1 y1
 0 λ2 . . . 0   y ′ = λ2 y2

  2
Si A =  . .. . . ..  entonces el sistema (H) queda .
 .. . . .  
 ..

 ′
0 0 . . . λn yn = λn yn
O sea, las ecuaciones quedan desacopladas y conocemos la solución general de cada una de ellas:


 y1 (t) = c1 eλ1 t
 y2 (t) = c2 eλ2 t

..


 .
yn (t) = cn eλn t

Observen que la constante ck vale ck = yk (0).
Observación 9.3.1. Transformación del sistema en otro más sencillo.

Como vimos en el ejemplo anterior, cuando A es diagonal, las soluciones del sistema homogéneo
son inmediatas. Imaginemos que A no es diagonal, pero que es diagonalizable. En ese caso
existen matrices n × n, P invertible y J diagonal, tales que P −1 AP = J. La última relación es
equivalente a las siguientes:
P −1 AP = J ⇐⇒ AP = P J ⇐⇒ A = P JP −1 .
En este caso se dice que A es semejante a una matriz diagonal. Recordemos también que, en este
caso, existe una base de Rn formada por vectores propios de A. Si V = {v1 , v2 , . . . , vn } es una
base de Rn formada por vectores propios de A y λ1 , λ2 , . . . , λn son los correspondientes valores
propios (esto es: A.vi = λi vi , i = 1, 2, . . . , n), entonces una matriz P que diagonaliza a A es
tieneen sus columnas a los

 vectores propios v1 , ..., vn y la correspondiente matriz diagonal es
λ1 0 · · · 0
 0 λ2 · · · 0 
 
J = . .. . . . 
 .. . . .. 
0 0 · · · λn
Ahora bien, si hacemos el cambio de variable X = P −1 Y (que es lo mismo que Y = P X)

entonces tenemos
Y ′ = AY ⇐⇒ P X ′ = AP X ⇐⇒ X ′ = P −1 AP X ⇐⇒ X ′ = JX
Mediante este cambio de variable hemos transformado la ecuación original (H) Y ′ = AY en

otra muy sencilla que sabemos resolver, que es la ecuación (Hf ) X ′ = JX donde J es una matriz
diagonal. (El subı́ndice f en Hf es de “fácil”). Se podrı́a entonces resolver (Hf ) obteniendo X(t)
y luego deshacer el cambio de variable (mediante Y = P X) para obtener las soluciones Y (t) de
(H).
Muchos de los comentarios que acabamos de realizar también son válidos aún cuando la matriz A
no es diagonalizable. Resulta que siempre es posible encontrar una matriz J semejante a A, y que
sea lo más “sencilla” posible. Esta J es una “forma canónica de Jordan” de A. Tenemos entonces
que existen matrices n × n, P invertible y J (“más sencilla” que A), tales que P −1 AP = J. El
mismo cambio de variable que antes obtenemos
Con el cambio de variable: X = P −1 Y ⇐⇒ Y = P X.
La ecuación (H) Y ′ = AY se transforma en (Hf ) X ′ = JX.

Observación 9.3.2. Sobre la transformación Y = P X.
Si estamos interesados en estudiar el comportamiento dinámico de las soluciones de (H), vamos
a poder hacerlo hacerlo sin necesidad de hallar la fórmula explı́cita de sus soluciones en el sistema
de coordenadas original. Para ello vale la pena observar que X = P −1 Y puede pensarse como
un cambio de coordenadas. Si Y es el vector de las coordenadas de un punto en la base canónica
de Rn entonces X es el vector de las coordenadas del mismo punto en la base constituida por los
vectores de P . Dicho de otra manera, si conocemos el comportamiento dinámico de X(t) solución
de (Hf ) podemos conocer el comportamiento dinámico de Y (t) = P X(t), vı́a la transformación
Y = P X. Más concretamente, consideremos la función
Γ : Rn −→ Rn / Γ(X) = P X , ∀ X ∈ Rn .
Como P es invertible resulta que Γ es una transformación lineal biyectiva de Rn sobre Rn .

Mencionemos algunas de sus propiedades.
Γ es una función de clase C ∞ (y por lo tanto continua) de Rn sobre Rn .

lı́m X(t) = V ⇐⇒ lı́m Γ X(t) = Γ V .
t→+∞ t→+∞
Γ transforma rectas en rectas, semirectas en semirectas, segmentos en segmentos y polı́go-
nos en polı́gonos.
Γ transforma curvas continuas en curvas continuas (lo mismo con curvas diferenciables).
Γ transforma conjuntos acotados en conjuntos acotados.
9.3. Sistemas lineales con coeficientes constantes 197
Si la matriz P es ortogonal entonces Γ es una isometrı́a. En caso contrario no tiene por

qué conservar las distancias.
En el caso particular de R2 tenemos además que Γ transforma cónicas en cónicas. Como casos
particulares de transformaciones lineales biyectivas de R2 sobre R2 tenemos, entreotras las
λ 0
isometrı́as (rotación o simetrı́a axial), las homotecias dadas por matrices de la forma
0 λ

a 0
o transformaciones dadas por matrices de la forma . Si por ejemplo tenemos la matriz
0 b

2 0 2 0 x1 2 x1
entonces = . Esta transformación dilata (al doble) con
0 13 0 13 x2 1
3 x2
relación a la primera componente y comprime en la otra dirección.
Observación 9.3.3. Recordando la básica sobre valores y vectores propios de una

matriz.
Haciendo un abuso de lenguaje (tal vez ya lo hicimos antes), vamos a denotar con 0 al vector
nulo de Rn . Sea A una matriz n × n.
λ es valor propio de A si, y solo si, existe algún vector v ∈ Rn , con v 6= 0, tal que A.v = λv.
Esto es equivalente a que (A − λI).v = 0.
λ es valor propio de A si, y solo si, det(A − λI) = 0.
Sea λ es valor propio de A. Un vector v ∈ Rn es vector propio de A asociado a λ si, y
solo si, (A − λI).v = 0. Esto es equivalente a decir que v pertenece al núcleo de la matriz
A − λI.
El conjunto de valores propios asociados a un valor propio λ es un subespacio que se
simboliza Sλ .
A es diagonalizable si, y solo si, la suma de las dimensiones de todos los subespacios propios
vale n. Esto es equivalente a decir que existen matrices n × n, P invertible y J diagonal,
tales que P −1 AP = J.
Si A tiene n valores propios diferentes entonces A es diagonalizable. Cuidado que esta es
una condición suficiente pero no necesaria para que A sea diagonalizable.
9.4. Sistemas 2 por 2 con coeficientes constantes.
Estudiaremos ahora ′
el sistema (H) Y = AY el caso n = 2, es decir, para una matriz
a11 a12
A= . Supondremos, en principio, que det(A) 6= 0, lo cual es equivalente a decir
a21 a22
que 0 no es valor propio de A. En este caso tenemos que el único punto de equilibrio de Y ′ = AY
es Y = 0.
Vamos a tener los siguientes casos.
CASO (I) A diagonalizable.
• Valores propios diferentes (ambos positivos, ambos negativos, o de distinto signo).

• Un valor propio real doble (positivo o negativo).
CASO (II) A no diagonalizable.
• Hay un solo valor propio λ1 = λ2 = λ. (Como no es diagonalizable la multiplidad

algebraica vale 2 y la geométrica vale 1, es decir, dim N (A − λI) = 1).
• No hay valores propios reales.
9.4.1. A diagonalizable
Sean V = {v1 , v2 } base de R2 formada por vectores propios de A, y λ1 , λ2 los correspondientes
valores propios (esto es: A.vi = λi vi , i = 1, 2). Entonces
tomando
P = MV (sus columnas son
λ1 0
los vectores propios v1 , v2 ) y la matriz diagonal J = se cumple que
0 λ2
P −1 AP = J ⇐⇒ AP = P J ⇐⇒ A = P JP −1
Mediante el cambio de variable X = P −1 Y pasamos de la ecuación original (H) Y ′ = AY a la

ecuación (Hf ) X ′ = JX. Si pensamos que Y es el vector de las coordenadas de un punto en la
base canónica de Rn entonces X es el vector de las coordenadas del mismo punto en la base V .
El sistema (Hf ) X ′ = JX queda

x′1 λ1 0 x1 x′1 = λ1 x1
= ⇐⇒
x′2 0 λ2 x2 x′2 = λ2 x2
La solución general es la siguiente:

x1 (t) = x1 (0) eλ1 t
x2 (t) = x2 (0) eλ2 t
9.4. Sistemas 2 por 2 con coeficientes constantes. 199
Dos valores propios diferentes
Ambos valores propios positivos. Supongamos λ1 > λ2 > 0.

Las soluciones de (Hf ) en el plano (x1 , x2 ) son

x1 (t) = x1 (0) eλ1 t
x2 (t) = x2 (0) eλ2 t
En primer lugar veamos las soluciones particulares que pasan por los puntos de los ejes x1 y
~ 1 ) la
x2 . Por ejemplo, para x1 (0) > 0 y x2 (0) = 0 (o sea un punto del lado positivo del eje Ox
solución es:
x1 (t) = x1 (0) eλ1 t
x2 (t) = 0
~ 1 , en donde la trayectoria es creciente.

Suya gráfica es la semirecta “positiva” del eje Ox
x2
• •
x1
Algo análogo sucede con condiciones iniciales en los otros ejes, terminan quedando trayectorias
que son semirectas que se alejan del origen (tal cual está indicado en la figura).
Consideremos ahora soluciones para las cuales x1 (0) > 0 y x2 (0) > 0. Para analizar el compor-
tamiento de estas curvas tenemos en cuenta las siguientes observaciones.
1. x1 (t) y x2 (t) son E.C. para todo t ∈ R.

2. lı́m x1 (t) = lı́m x2 (t) = +∞.
t→+∞ t→+∞
x2 (t) x2 (0) eλ2 t x2 (0) (λ2 −λ1 )t
3. lı́m = lı́m = lı́m e = 0. Esto significa que las curvas
t→+∞ x1 (t) t→+∞ x1 (0) eλ1 t t→+∞ x1 (0)
tienen dirección asintótica paralela al eje Ox~ 1.
4. lı́m x1 (t) = lı́m x2 (t) = 0.
t→−∞ t→−∞
x2 (t) x2 (0) (λ2 −λ1 )t
5. lı́m = lı́m e = +∞. Esto significa que las curvas son tangentes al
t→−∞ x1 (t) t→+∞ x1 (0)
eje Ox~ 2 cuando t → −∞.
Las trayectorias quedan de la siguiente manera
x2
• •
x1
Si el mayor fuese λ2 (0 < λ1 < λ2 ) el comportamiento es totalmente similar y lo único que

~ 2 cuando t → −∞. y
cambia es que las curvas tendrán dirección asintótica paralela al eje Ox
~
serán tangentes al eje Ox1 cuando t → −∞.
¿Cómo queda la forma de las soluciones (y

1 (t),y2 (t)) en el plano original? Hay que transformar
1 ~ 1 se transforma en el
todo mediante Y = P X. Se tiene que P. = v1 , de donde el eje Ox
0
subespacio propio asociado al valor propio v1 De manera análoga con el otro. Observen cómo se
transformó la trayectoria verde.
y2
Sλ1
•
y1
Sλ2

3 1
Ejemplo 9.4.1. (H) Y ′ = AY siendo A = .
1 3
Comenzamos hallando los valores propios de A:
3−λ 1
det(A − λI) = = λ2 − 6λ + 8.
1 3−λ
Sus raı́ces son λ1 = 4 y λ2 = 2 que son los valores propios de A. La matriz tiene dos valores
propios diferentes y, por lo tanto, es diagonalizable.
Debido al estudio realizado en general
x1 (t) = x1 (0) e4t
tenemos que la solución de (Hf ) viene dada por , y las trayectorias en el
x2 (t) = x2 (0) e2t
plano (O, x1 , x2 ) tienen el siguiente comportamiento (observemos que hemos elegido λ1 > λ2 )
x2
• •
x1
Ahora bien, si queremos hallar, o al menos dibujar, las soluciones de (H) en el plano original,
tenemos que encontrar los subespacios propios correspondientes.
Vectores propios asociados al valor propio 4: Son los vectores del núcleo de la matriz

−1 1 −x + y = 0 −x + y = 0
A − 4I = . El sistema queda ∼ El conjunto
1 −1 x−y =0 0=0
solución es entonces:
x 1
S4 = /y∈R =L
x 1
Vectores propios asociados al valor propio 2: Son los vectores del núcleo de la matriz

1 1 x+y =0 x+y =0
A − 2I = . El sistema queda ∼ El conjunto solución es
1 1 x+y =0 0=0
entonces:
x 1
S2 = /y∈R =L
−x −1
2
Una base
de R formada
porvectores propios de A es V = {v1 , v2 } siendo
1 1
v1 = , v2 = . Estos vectores quedaron ortogonales debido a que la matriz A es
1 −1
simétrica. Obviamente, eso nosiempre ocurre.

1 1 4 0
Resulta que las matrices P = yJ= verifican la relación P −1 AP = J.
1 −1 0 2
La fórmula para las soluciones (y1 (t), y2 (t)) de (H) se puede obtener haciendo la siguiente cuenta:

y1 (t) 1 1 x1 (t)
Y (t) = P X(t) o sea =
y2 (t) 1 −1 x2 (t)
Sin embargo, no es necesario encontrar estas expresiones pues sabemos que la forma de estas
trayectorias será la siguiente:
y2
Sλ1
•
y1
Sλ2
Ambos valores propios negativos. Supongamos λ2 < λ1 < 0.

El razonamiento es idéntico al caso anterior. Las soluciones de (Hf ) en el plano (x1 , x2 ) son

x1 (t) = x1 (0) eλ1 t
x2 (t) = x2 (0) eλ2 t
Aunque ahora los parámetros λ son negativos. Si tenemos soluciones para las cuales x1 (0) > 0
y x2 (0) > 0, lo que ocurre ahora es lo siguiente
1. x1 (t) y x2 (t) son E.D. para todo t ∈ R.

2. lı́m x1 (t) = lı́m x2 (t) = 0.
t→+∞ t→+∞
x2 (t) x2 (0) eλ2 t x2 (0) (λ2 −λ1 )t
3. lı́m = lı́m = lı́m e = 0. Esto significa que las curvas
t→+∞ x1 (t) t→+∞ x1 (0) eλ1 t t→+∞ x1 (0)
~ 2 cuando t → +∞.
son tangentes al eje Ox
4. lı́m x1 (t) = lı́m x2 (t) = +∞.
t→−∞ t→−∞
x2 (t) x2 (0) (λ2 −λ1 )t
5. lı́m = lı́m e = +∞. Esto significa que las curvas tienen dirección
t→−∞ x1 (t) t→+∞ x1 (0)
~ 1 cuando t → −∞.
asintótica paralela al eje Ox
Las trayectorias tienen la misma forma que en el caso de dos valores propios positivos, pero
cambia el sentido en que quedan recorridas.
x2
•
x1
Observemos que todas las trayectorias tienden a 0 cuando t → +∞. El punto de equilibrio
es entonces globalmente asintóticamente estable. No lo hemos mencionado hasta ahora, pero
también es posible estudiar la concavidad de estas curvas. No lo vamos a hacer pues no es de
nuestro interés y las gráficas se pueden comprobar en diversos applets que figuran libres online,
como por ejemplo en https://www.geogebra.org/m/vabxytnc
Valores propios de distinto signo. Supongamos λ2 < 0 < λ1 .

x1 (t) = x1 (0) eλ1 t
Las soluciones de (Hf ) siguen siendo de la forma .
x2 (t) = x2 (0) eλ2 t
Si tomamos soluciones para las cuales x1 (0) > 0 y x2 (0) > 0, se cumple que
1. x1 (t) es E.C. y lı́m x1 (t) = +∞.

t→+∞
2. x2 (t) es E.D. y lı́m x2 (t) = 0.
t→+∞
3. lı́m x1 (t) = 0.
t→−∞
4. lı́m x2 (t) = +∞.
t→−∞
Las trayectorias quedan de forma diferente a los casos anteriores.

x2
•
x1
Un solo valor propio
Si la matriz A es diagonalizable y hay un solo valor propio λ1 = λ2 = λ, es porque el subespacio

propio generado por λ tiene dimensión 2, y por lo tanto es R2 . Resulta entonces que todos los
vectores de R2 son vectores propios y la única posibilidad para esto es que la matriz A sea
directamente

λ 0 y1 (t) = y1 (0) eλt
A= . Las soluciones del sistema (H) son
0 λ y2 (t) = y2 (0) eλt
Estas trayectorias son semirectas.
y2
•
y1
El dibujo corresponde al caso λ > 0 (se trata de un nodo estelar asintóticamente inestable). Si
λ < 0 queda un nodo estelar asintóticamente estable.
9.4.2. A no diagonalizable
Un solo valor propio λ1 = λ2 = λ.
Como A no es diagonalizable, la multiplidad algebraica vale 2 y la geométrica vale 1, es decir,

dim N (A − λI) = 1. En este
casose puede demostrar (forma de Jordan) que la matriz A es
λ 1
semejante a la matriz J = . O sea, existe una matriz invertible P tal que P −1 AP = J.
0 λ
Se hace entonces el mismo cambio de variable que antes X = P −1 Y , y se realiza el mismo
razonamiento que en el caso diagonalizable. El sistema (Hf ) X ′ = JX queda

x′1 λ 1 x1 x′1 = λ x1 + x2
= ⇐⇒
x′2 0 λ x2 x′2 = λ x2

x1 (t) = (x1 (0) + x2 (0)t) eλt
x2 (t) = x2 (0) eλt
Nuevamente λ < 0 implicará estabilidad asintótica y λ > 0 implicará inestabilidad. Ahora bien,
¿qué aspecto tienen las trayectorias?
Para x2 (0) 6= 0 se tiene:
x2 (t) x2 (0) eλt x2 (0)

lı́m = lı́m λt
= lı́m = 0.
t→±∞ x1 (t) t→±∞ (x1 (0) + x2 (0)t) e t→±∞ x1 (0) + x2 (0)t
Esto significa que en el origen las curvas tienen como tangente el eje Ox1 y que también las
curvas tienen dirección asintótica paralela al eje Ox1 .
Supongamos λ > 0 y x2 (0) > 0. Se tiene:

x2 (t) > 0 y es E.C. ∀ t ∈ R.
Para t → −∞ resulta que x1 (t) < 0 , se anula en t = −x1 (0)/x2 (0) y luego es positiva
siempre.
x′1 (t) = (x1 (0) + x2 (0) + x2 (0)t) eλt .
x1 (t) es E.D. hasta t = −(x1 (0) + x2 (0))/x2 (0) y luego x1 (t) es E.C.
La trayectorias quedan de la siguiente manera
x2
•
x1
A no tiene valores propios reales.
Si α ± βi son las raı́ces del polinomio caracterı́stico

en el campo complejo, se puede demostrar
α β
que la matriz A es semejante a J = . O sea, existe una matriz invertible P tal que
−β α
P −1 AP = J. Se hace entonces
′ el mismo
cambio
de variable
que
antes X = P −1 Y El sistema
x1 α β x1 ′
x1 = α x1 + βx2
(Hf ) X ′ = JX queda = ⇐⇒
x′2 −β α x2 x′2 = −βx1 + α x2
Podemos resolverlo siguiendo los siguientes pasos
Derivando la primera ecuación obtenemos x′′1 = αx′1 + βx′2 = α2 x1 + αβx2 − β 2 x1 + αβx2
O sea x′′1 = (α2 − β 2 )x1 + 2αβx2 (∗)
Multiplicamos x′1 = α x1 + βx2 por 2α obteniendo
2αx′1 = 2α2 x1 + 2αβx2 de donde 2αβx2 = 2αx′1 − 2α2 x1
Sustituyendo en (∗) resulta
x′′1 = (α2 − β 2 )x1 + 2αx′1 − 2α2 x1
x′′1 − 2αx1 + (α2 + β 2 )x1 = 0
Las raı́ces de su polinomio caracterı́stico son α ± βi
x1 (t) = eαt [ C cos(βt) + D sen(βt) ]

x1 (t) = eαt [ x1 (0)cos(βt) + x2 (0)sen(βt) ]
x2 (t) = eαt [x2 (0)cos(βt) + x1 (0)sen(βt) ]
Lo que ocurre con estas trayectorias (soluciones de (Hf ) es lo siguiente

Si α = 0 son circunferencias. Se trata de un nodo estable no asintóticamente estable.

Si α < 0 son espirales que se van acercando progresivamente a 0, a la vez que giran
alrededor de él. Se trata de un nodo asintóticamente estable.
Si α > 0 son espirales que se van alejando progresivamente a 0. Se trata de un nodo
inestable.
En la siguiente figura se grafica una trayectoria correspondiente al caso α > 0
x2
x1
9.4.3. Estudio de la estabilidad del 0 en Y ′ = AY .

Si repasamos todos los casos vistos (que son todos los casos posibles), podemos concluir el
siguiente resultado.
Teorema 9.4.1. Estudio de la estabilidad en Y ′ = AY para A 2 × 2.

1. Si todos los valores propios de A (reales o complejos) tienen parte real negativa entonces
0 es asintóticamente estable.
2. Si algún valor propio de A tiene parte real positiva entonces 0 es inestable.
3. Si los valores propios son imaginarios puros (parte real nula) entonces 0 es estable, pero
no asintóticamente estable.
El resultado se extiende a matrices n × n de la siguiente manera.
1. Si todos los valores propios de A (reales o complejos) tienen parte real negativa entonces
0 es asintóticamente estable.
2. Si algún valor propio de A tiene parte real positiva entonces 0 es inestable.
3. En otro caso, todos los valores propios de A tienen parte real ≤ 0.
Si para todos los valores propios λi que tienen parte real 0 se cumple que la multiplicidad
algebraica de λi coincide con la multiplicidad geométrica, entonces 0 es estable, pero no
asintóticamente estable. En caso contrario, 0 es inestable.
Por ejemplo, si A es una matriz 3 × 3 con valores propios −2 ± 3i y 0 entonces hay estabilidad
pero no estabilidad asintótica.
Ahora bien, más arriba afirmamos que los casos vistos eran todos los casos posibles para una
matriz A de dimensiones 2 × 2. Y eso no es cierto. Todos los casos estudiados se basaban en
la hipótesis det(A) 6= 0. ¿Qué sucede si det(A) = 0? Bueno, esto está diciendo que A no es
invertible o, lo que es lo mismo, que 0 es valor propio de A. Los vectores propios v asociados
al valor propio 0, son vectores del N (A) y cumplen A.v = 0. Todos estos vectores son puntos
fijos de la ecuación (H). O sea que ahora aparecen infinitos puntos fijos (los de un subespacio
de dimensión 1 por lo menos). Las soluciones no van a poder ser asintóticamente estables, y su
estabilidad o inestabilidad depende del signo del otro valor propio. Ası́ que no se afectan los
resultados expresados en el teorema . De hecho, como la matriz es 2 × 2, su otro valor propio
es real. Si es valor propio 0 doble entonces la matriz es la nula. En caso contrario (el otro valor
propio positivo o negtivo), la matriz A resulta diagonalizable. Veremos un ejemplo más adelante.
Algunas simples consideraciones permiten analizar más directamente el estudio de la estabilidad

del punto fijo 0 en Y ′ = AY .
El polinomio caracterı́stico de una matriz A 2 × 2 se puede expresar en la forma

λ2 − tr(A)λ + det(A).
De las conocidas relaciones entre coeficientes y raı́ces para un polinomio de segundo grado
se deduce que la suma de los valores propios (reales o complejos) de A coincide con la
tr(A) y que el producto de dichos valores propios con el det(A).
λ1 + λ2 = tr(A) , λ1 λ2 = det(A)
Cuando las raı́ces son reales tenemos:
a) Si det(A) > 0 entonces ambas raı́ces son del mismo signo. Ambas positivas si tr(A) > 0
y ambas negativas si tr(A) < 0.
b) Si det(A) < 0 entonces hay una raı́z positiva y otra negativa.
Cuando las raı́ces son complejas α ± βi tenemos que
tr(A) = 2α , det(A) = α2 + β 2
Resulta que en este caso det(A) > 0 y el signo de la parte real de las raı́ces coincide con el
signo de tr(A).
Concluimos que el 0 es asintóticamente estable en Y ′ = AY si, y solo si, det(A) > 0 y
tr(A) < 0 (no importa si los valores propios son reales o complejos).
Ejemplo9.4.2.
Queremos estudiar la estabilidad
de las soluciones
del ejemplo introductorio
′
π (t) j(g − 1) −jβ π(t) j(α − T )
= + .
U ′ (t) kg −kβ U (t) k(α − T − m)

j(g − 1) −jβ
La matriz correspondiente al homogéneo es A = . No tenemos necesidad de
kg −kβ
calcular los valores propios, sino simplemente calcular
det(A) = β (−kj(g − 1) + kgj) = βk > 0 , tr(A) = j(g − 1) − kβ < 0.
Luego, 0 es asintóticamente estable en Y ′ = AY . Por el teorema 9.2.3 todas las soluciones del
sistema original serán asintóticamente estables.
Ejercicio 9.4.1. En cada uno de los siguientes casos se considera el sistema Y ′ = A.Y y se
pide:
Sin resolver el sistema, estudiar la estabilidad del punto de equilibrio Y = 0.
Sin resolver el sistema, dibujar el plano de fases correspondiente (en el caso en que no sea
diagonalizable dibuja simplemente el comportamiento de las soluciones de (Hf )).

−1 4 5 −3 1 −4 0 1
A= A= A= A=
−2 5 6 −4 2 −5 −1 2

2 1 −1 8 −5 3 2 −3
A= A= A= A=
3 4 1 1 −2 2 1 −2

−5 −3 4 −2 0 3
A= A= A=
3 1 2 0 −3 9

3 −4 −3 2 5 −3 3 −2
A= A= A= A=
2 −1 −1 −1 3 1 5 −3
Ejercicio 9.4.2. Estudia la estabilidad de las soluciones de:
m y ′′ + c y ′ + k y = 0 , m, c, k > 0.
Ejemplo 9.4.3. Un ejemplo

′ con valor propio 0.
y1 = 10y1 + 4y2 ′ 10 4
Consideremos el sistema , o sea Y = AY siendo A = .
y2′ = −5y1 − 2y2 −5 −2
10 − λ 4
El polinomio caracterı́stico es det(A−λI) = = λ2 −8λ. Sus raı́ces son λ1 = 8
−5 −2 − λ
y λ2 = 0 que son los valores propios de A. Los vectores v ∈ S0 (subespacio propio asociado al
valor propio 0) cumplen A.v = 0. Todos los vectores v ∈ S0 son entonces puntos de equilibrio.
Hay una recta de puntos de equilibrio. Como tiene dos valores propios diferentes la matriz A
es diagonalizable. Con el mismo cambio de variable que hacemos siempre, el sistema original se
transforma en este otro
′ ′
x1 8 0 x1 x1 = 8 x1
= ⇐⇒
x′2 0 0 x2 x′2 = 0

x1 (t) = x1 (0) e8t
Cuya solución es
x2 (t) = x2 (0)

x1 (t) = 0
Si x1 (0) = 0 y x2 (0) ∈ R entonces la solución correspondiente es Cada punto
x2 (t) = x2 (0)
del eje Ox ~ 2 es un punto de equilibrio de X ′ = JX.

x1 (t) = x1 (0) e8t
Si x1 (0) 6= 0 entonces la solución es una semirrecta abierta paralela al eje
x2 (t) = x2 (0)
~1
Ox
x2
x1
Ejercicio 9.4.3. En cada uno de los siguientes casos se considera el sistema Y ′ = A.Y . Estudia
la estabilidad del punto de equilibrio Y = 0, y sin resolver el sistema, dibuja el plano de fases
correspondiente.

10 4 −6 2 1 1 1 −1
A= A= A= A=
−5 −2 −15 5 1 1 1 −1
9.5. Exponencial de una matriz.
Recordemos que en el caso escalar y ′ = ay con a ∈ R la solución general está dada por y(t) =
c eat . Veamos que en el caso matricial ocurre algo similar. Para ello deberı́amos ser capaces
de definir la exponencial de una matriz de modo que preserve las propiedades básicas de una
P (at)n
exponencial. Una forma de hacerlo es recordar el desarrollo en serie: eat = ∞n=0 n! . Se podrı́a
plantear algo similar en el caso matricial considerando la serie:
∞
X (tA)n
etA =
n!
n=0
Con respecto a las operaciones con matrices (producto por escalares y suma de matrices) no hay
inconveniente, pero la aparición de una serie implica el siguiente proceso de paso al lı́mite:
∞ n
X (tA)n X (tA)k
= lı́m
n! n−→+∞ k!
n=0 k=0
que implicarı́a definir cuál es la norma que estarı́amos considerando en el espacio de matrices.
No entraremos en esa cuestión y admitiremos que la serie converge para todo t ∈ R e incluso
que es posible derivar término a término. De ese modo observen que resulta lo siguiente:
∞
!′ ∞ ∞
X (tA)n X (tA)n ′ X n(tA)n−1 A
= = =
n=0
n! n=0
n! n=0
n!
9.5. Exponencial de una matriz. 211
∞ ∞
X (tA)n−1 X (tA)i
A =A = A etA
(n − 1)! i!
n=1 i=0
Resulta entonces que etA es solución de la ecuación diferencial matricial Z ′ = A Z.
El siguiente teorema (cuya demostración queda como ejercicio) da una forma alternativa para
hallar las soluciones de (H) y generaliza lo que ocurre en el caso escalar.
Teorema 9.5.1. Solución general del sistema homogéneo con coeficientes constantes
utilizando etA .
Sea A una matriz n × n y consideremos la ecuación (H) Y ′ = AY . Entonces:
tA
1. El conjunto de soluciones de (H) es e C / C ∈ Rn .
2. La solución de (H) que pasa por (0, Y0 ) es Y (t) = etA Y0 .
3. La j-ésima columna de etA es la solución de (H) que en t = 0 pasa por ej (j-ésimo vector
de la base canónica de Rn ).
Observación 9.5.1. Cálculo de etA .
 
λ1 0 ... 0

 0 λ2 . . . 0 

Comencemos con el caso de una matriz diagonal J =  .. .. . . ..  . Se tiene:
 . . . . 
0 0 . . . λn
   
tλ1 0 ... 0 (tλ1 )k 0 ... 0
 0 tλ2 . . . 0   0 k
(tλ2 ) . . . 0 
 =⇒ (tJ)k = 
   
tJ =  .. .. .. .. .. .. .. ..  =⇒
 . . . .   . . . . 
0 0 ... tλn 0 0 ... (tλn )k
 (tλ k 
1)  
k! 0 ... 0 etλ1 0 ... 0
∞  (tλ2 )k  
0 etλ2 ... 0
tA
X  0 k! ... 0   

e = 
 .. .. .. ..
=
  .. .. .. .. 
n=0  . . . .  . . . . 
0 0 ... (tλn )k 0 0 . . . etλn
k!
Ahora bien, en el caso general supongamos que A es semejente a una matriz sencilla J (que será
diagonal si A es diagonalizable). Esto quiere decir que existe un matriz P , n × n e invertible tal
que P −1 AP = J. Recordemos nuevamente que la última relación es equivalente a las siguientes:
P −1 AP = J ⇐⇒ AP = P J ⇐⇒ A = P JP −1
La observación fundamental aquı́ es la siguiente
∞ n n ∞ n n
!
−1 n n −1
X t A X t J
A = P JP =⇒ A = P J P , ∀ n ∈ N =⇒ =P P −1
n=0
n! n=0
n!
Resulta entonces que etA puede calcularse de la siguiente manera
etA = P etJ P −1
Siempre hay cosas para hacer

Pero hoy todas me aburren
No distingo el corazón de la razón
Todo ilusión
Quiero escapar
Gris es todo lo que hay
Quiero escapar
Gris es todo
de “Gris”, Loop Lascano. (2001).
El sigue con su vida recortada

Sin Clara fue una vida sin color
La imagen de sus ratos más felices
Hasta ahora siguen siendo su motor
Se queda con su foto en un rincón
Y sueña encontrarla arriba
Escucha susurrar un disco viejo
Que su Clara una vez le regaló.
de “Clara”, NTVG. (2002).
Dame, dame tu sonrisa loco

tu sonrisa de hombre bueno
Si tú fumas marihuana
que no sea por cirquero
Pues se te viene la mañana
divagando sin saberlo
Dame, dame tu sonrisa loco
tu sonrisa de hombre bueno
No seas revolucionario
de la boca para afuera
Pues se te viene la maana
en algn café del centro
de “Dame tu sonrisa”, Jorge Barral - Dı́as de Blues. (1972).
Capı́tulo 10
Una idea sobre la teorı́a general de

ecuaciones diferenciales
10.1. Planteo general y resultados
Sean Ω un subconjunto abierto de R × Rn y f : Ω −→ Rn una función continua. Estos datos

conducen a la ecuación diferencial (vectorial)
(E) Y ′ = f (t, Y )
Definición 10.1.1. Definición de solución que pasa por (t0 , Y0 ).

Sea (t0 , Y0 ) ∈ Ω. Una solución de (E) que pasa por (t0 , Y0 ) es un par (I; ϕ) en donde I es un
intervalo abierto de R que contiene a t0 como punto interior, y ϕ es una función de I en R tales
que
1. ϕ′ (t) = f (t, ϕ(t)) , ∀ t ∈ I.
2. ϕ(t0 ) = Y0 .
La noción de solución maximal por (t0 , Y0 ) es la misma que habı́amos dado en el capı́tulo 8.
Si Y = (y1 , y2 , . . . , yn ) y f = (f1 , f2 , . . . , fn ) (es decir, si expresamos ambas funciones vectoriales

a partir de sus funciones componentes), entonces la ecuación (E) es equivalente al siguiente
sistema de ecuaciones diferenciales escalares:
 ′
 y1 = f1 (t, y1 , y2 , . . . , yn )

 y ′ = f2 (t, y1 , y2 , . . . , yn )

2
..


 .
 ′
yn = fn (t, y1 , y2 , . . . , yn )
Manteniendo las mismas notaciones y supuestos enunciamos los siguientes resultados que no de-
mostraremos, salvo en el caso del teorema de Picard para el que presentaremos una demostración
en la última sección.
213
214 Capı́tulo 10. Una idea sobre la teorı́a general de ecuaciones diferenciales
Teorema 10.1.1. Teorema de Picard.

Si f : Ω −→ Rn es de clase C 1 entonces para cada punto (t0 , Y0 ) ∈ Ω existe una única solución
maximal (I; ϕ) de la ecuación diferencial (E), definida en un intervalo I que contiene a t0 como
punto interior, y tal que ϕ(t0 ) = Y0 .1
En otras palabras, por cada punto (t0 , Y0 ) ∈ Ω pasa una única solución maximal de (E).
Resulta de utilidad designar con ϕ(t, t0 , Y0 ) al valor en t de la solución que pasa por (t0 , Y0 ).
Teorema 10.1.2. Continuidad respecto de las condiciones iniciales.

Considerando las mismas hipótesis que en el teorema de Picard, sea (t0 , Y0 ) ∈ Ω. Entonces se
cumple que dados ǫ > 0 y τ > 0 , existe δ > 0, tal que si ||Y1 − Y0 || < δ entonces
||ϕ(t, t0 , Y1 ) − ϕ(t, t0 , Y0 )|| < ǫ , siempre que |t − t0 | ≤ τ .
ϕ(t, t0 , Y0 ) + ǫ
ϕ(t, t0 , Y1 )
Y1 •
ϕ(t, t0 , Y0 )
Y0 •
ϕ(t, t0 , Y0 ) − ǫ
t0 − τ t0 t0 + τ t
Hablando mal y pronto, si dos soluciones toman en t0 valores Y1 y Y0 suficientemente próximos,

entonces las soluciones se van a mantener próximas cierto tiempo τ tanto para atrás de t0 como
para adelante de t0 . Cuidado que el δ depende tanto de ǫ como de τ . Este resultado no debe
confundirse con el concepto de estabilidad.
Definición 10.1.2. Estabilidad de soluciones.

Sea ϕ una solución de la ecuación (E) Y ′ = f (t, Y ) que esté definida ∀ t ≥ 0. Decimos que
(1) ϕ es estable (en el futuro) si para cada ǫ > 0 existe δ > 0 tal que para toda solución Y (t)
que verifique ||Y (0) − ϕ(0)|| < δ se cumple ||Y (t) − ϕ(t)|| < ǫ, ∀t ≥ 0.
Hablando mal y pronto, ϕ es estable, si toda solución que empieza “suficientemente próxima” a
ϕ se mantiene siempre “próxima” en el futuro a ϕ.
(2) ϕ es asintóticamente estable (en el futuro) si es estable y además existe δ2 > 0 tal que
para toda solución Y (t) que verifique ||Y (0) − ϕ(0)|| < δ2 se cumple lı́m ||Y (t) − ϕ(t)|| = 0.
t→+∞
(3) ϕ es inestable si no es estable.
El siguiente resultado es muy útil a los efectos de estudiar en algunos casos la estabilidad de
puntos de equilibrio de ecuaciones autónomas.
1
En realidad, la hipótesis del teorema puede debilitarse. Alcanza con pedir que f sea continua (como función
de varias variables) en Ω y localmente Lipchitz respecto de Y en Ω.
10.1. Planteo general y resultados 215
Teorema 10.1.3. Estabilidad de puntos de equilibrio de ecuaciones autónomas -

Linealización.
Sean Ω un conjunto abierto de Rn , F : Ω −→ Rn una función de clase C 1 y la ecuación autónoma
(E) Y ′ = F (Y ) . Supongamos que Y0 es un punto de equilibrio de esta ecuación (F (Y0 ) = 0).
Sea JFY0 la matriz jacobiana de F es Y0 . Entonces se cumple lo siguiente:
Si todos los valores propios de JFY0 tiene parte real negativa entonces Y0 es asintóticamente
estable en (E).
Si algún valor propio de JFY0 tiene parte real positiva entonces Y0 es inestable en (E).

y1′ = −2y1 + y23
Ejemplo 10.1.1. Consideremos la ecuación (sistema) no lineal que
y2′ = −4y2 + sen2 (y1 )
se puede escribir como Y ′ = F (Y ) siendo

y1 −2y1 + y23
F (Y ) = F =
y2 −4y2 + sen2 (y1 )
Obviamente (0, 0) es punto de equilibrio. Estudiemos su estabilidad. Se tiene:

−2 3y22 −2 0
JF(y1 ,y2 ) = =⇒ JF(0,0) =
2sen(y1 )cos(y1 ) −4 0 −4
Se deduce que (0, 0) es asintóticamente estable en el sistema original.
Observación 10.1.1. Si todos los valores propios de JFY0 tiene parte real menor o igual a 0, y al
menos uno de ellos tiene parte real nula entonces no puede asegurarse nada sobre la estabilidad
del punto de equilibrio en la ecuación original a partir de la linealización de la ecuación. En
efecto, veamos un ejemplo sencillo en el caso escalar:
El punto y = 0 es asintóticamente estable en la ecuación y ′ = −y 3 (no dejes de verificarlo).
El punto y = 0 es inestable en la ecuación y ′ = y 2 (no dejes de verificarlo).
Sin embargo, en ambos casos la ecuación linealizada es y ′ = 0. Aquı́ el origen es estable
pero no asintóticamente estable.
Ejercicio 10.1.1. El origen es punto de equilibrio de los siguientes sistemas. Estudiar su esta-
bilidad.
′ ′ ′
y1 = −y1 + y13 − y23 y1 = 2y1 + y22 + y1 y2 y1 = ey1 +y2 − 1
′ 4 , ′ 5
y2 = 5y2 − y1 y2 = y1 − 3y2 y2′ = sen(y1 + y22 )
Teorema 10.1.4. Escape de compactos.

Con la misma notación y en las mismas hipótesis del teorema de Picard, sean (t0 , Y0 ) ∈ Ω y
ϕ la solución maximal que pasa por (t0 , Y0 ) definida en el intervalo maximal (a, b). Si K es un
conjunto compacto contenido en Ω entonces
1. existe t1 ∈ (a, t0 ) / (t1 , ϕ(t1 )) 6∈ K.
2. existe t2 ∈ (t2 , b) / (t2 , ϕ(t2 )) 6∈ K.
Lo anterior no implica la existencia del lı́m ϕ(t) cuando t → a+ o t → b− . En efecto, la ecuación
−cos 1t
y′ = está en las hipótesis del teorema de Picard en Ω = (0, +∞) × R y la solución
t2
ϕ(t) = sen 1t no tiene lı́mite cuando t → 0+ .
En la bibliografı́a pueden encontrar menciones a libros donde se desarrolla con detalle y demos-
traciones completas la teorı́a general de ecuaciones diferenciales. De todos modos, en la última
sección brindaremos una posible demostración del teorema de Picard en donde vamos a utilizar
algunos de los conceptos vistos previamente en diversos capı́tulos de este libro. La prueba la
haremos en el caso escalar, o sea n = 1, aunque las mismas ideas funcionan en el caso general
si se hacen las adaptaciones adecuadas. Antes de pasar a la demostración necesitamos estudiar
algunas propiedades del conjunto de las funciones continuas en un intervalo compacto.
10.2. El espacio de funciones C([a, b]
El conjunto de las funciones continuas en [a, b] con valores en R se simboliza C([a, b]).
C([a, b]) = { ϕ : [a, b] −→ R / ϕ es continua en [a, b] }
Es claro que, con las operaciones habituales de suma de funciones y producto de una función por
un número real, C([a, b]) tiene una estructura de espacio vectorial, en este caso, de dimensión
infinita.
A este espacio lo dotamos con la norma del supremo, que en este caso coincide con la norma del
máximo:
||ϕ||∞ = max{|ϕ(t)| / t ∈ [a, b]}
Es efectivamente una norma pues cumple con las siguientes propiedades
1. ||ϕ||∞ ≥ 0 , ∀ ϕ ∈ C([a, b]) y ||ϕ||∞ = 0 si y solo si ϕ es la función nula.
2. ||λ ϕ||∞ = |λ| ||ϕ||∞ , ∀ ϕ ∈ C([a, b]), ∀ λ ∈ R.
3. ||ϕ + ψ||∞ ≤ ||ϕ||∞ + ||ψ||∞ , ∀ ϕ, ψ ∈ C([a, b]).
Una observación interesante, cuya demostración se puede encontrar en la bibliografı́a citada,

está relacionada con que esta norma no proviene de ningún producto interno. A los efectos de
simplificar la notación, en todo lo que sigue escribiremos simplemente || || en lugar de || ||∞ .
La métrica inducida por esta norma es la función d : C([a, b])× C([a, b]) −→ R definida mediante
d(ϕ, ψ) = ||ψ − ϕ||
Como ocurre con toda métrica inducida por una norma, d cumple con las propiedades carac-
terı́sticas de una distancia, con lo cual (C([a, b]), d) es un espacio métrico.
Teorema 10.2.1. Caracterización de la convergencia en norma.
Sea (fn ) una sucesión de funciones de C([a, b]). Entonces se cumple que (fn ) −→ f si y solo si
|| ||
(fn ) converge uniformemente a f en [a, b].
10.2. El espacio de funciones C([a, b] 217
La demostración del teorema es inmediata si recordamos la definición de convergencia uniforme.
Las siguientes consideraciones son extensiones naturales de algunos conceptos y resultados vistos
en el capı́tulo 1.
Teorema 10.2.2. Completitud de C([a, b]).

En C([a, b]) toda sucesión de Cauchy es convergente.
Demostración. Es precisamente lo que se demostró en el teorema 6.2.2.
Definición 10.2.1. Aplicaciones contractivas.

Sea T : C([a, b]) −→ C([a, b]) una función. Decimos que T es contractiva (o que es una contrac-
ción) si existe una constante λ con 0 < λ < 1, tal que
||T (ϕ) − T (ψ)|| ≤ λ ||ϕ − ψ|| , ∀ ϕ, ψ ∈ C([a, b]).
Teorema 10.2.3. Existencia y unicidad de puntos fijos para contracciones.

Si T : C([a, b]) −→ C([a, b]) es una función contractiva entonces tiene un único punto fijo. Es
decir, existe una única ξ ∈ C([a, b]) tal que T (ξ) = ξ.
Demostración. La demostración es la misma que se realizó en ocasión del teorema 3.4.2 y

en su teorema previo 1.5.1. Lo único que hay que hacer es cambiar los valores absolutos por la
norma. Recordemos la idea.
Se considera la sucesión de iteradas de T , esto es (σn )n≥0 definida por:
σ0 = cualquiera , σn+1 = T (σn ) , ∀ n ≥ 0.
Haciendo las mismas operaciones que en la prueba del teorema 1.5.1 se demuestra que (σn )n≥0 es
de Cauchy. Como C([a, b]) es completo podemos afirmar que (σn ) converge (en norma, obvio), a
una función ξ ∈ C([a, b]). Luego, igual que en el teorema 3.4.2 se deduce fácilmente que T (ξ) = ξ
y que T no puede tener otro punto fijo. ♠
Vale la pena observar que la misma demostración funciona en un caso más general, cambiando
C([a, b]) por un espacio métrico completo cualquiera.
Para nuestros propósitos, también observamos que valen los mismos resultados si en lugar de
C([a, b]) = { ϕ : [a, b] −→ R / ϕ es continua en [a, b] }
se considera
C([a, b], J) = { ϕ : [a, b] −→ J / ϕ es continua en [a, b] }
en donde J = [c, d] es un intervalo compacto de R.
10.3. Demostración del teorema de Picard
Tenemos entonces una función f : Ω −→ R de clase C 1 en un conjunto abierto Ω ⊂ R × R.

Queremos demostrar que para cada punto (t0 , y0 ) ∈ Ω existe una única solución maximal (I; ϕ)
de la ecuación diferencial (E) y ′ = f (t, y), definida en un intervalo I que contiene a t0 como punto
interior, y tal que ϕ(t0 ) = y0 . De hecho, alcanza con demostrar que existe una única solución
definida en algún entorno de t0 , pues luego, otro tipo de consideraciones permiten asegurar la
existencia de una solución maximal (prolongando, prolongando, hasta que no se pueda más).
(1) Primer paso. Nos concentramos en un adecuado rectángulo compacto del punto (t0 , y0 ).
Como Ω es abierto existe una bola B de centro (t0 , y0 ) cuya clausura B está contenida en Ω. (B
es simplemente la bola cerrada que contiene a la frontera de B). Como f es continua en B y B
es compacto, el teorema de Weierstrass permite asegurar que existe
M = max{ |f (t, y)| / (t, y) ∈ B }.
Ahora bien, como f es además de clase C 1 , existe

δf
K = max (t, y) / (t, y) ∈ B .
δy
La desigualdad del valor medio para funciones de dos variables permite asegurar que
|f (t, y1 ) − f (t, y2 )| ≤ K |y1 − y2 | , ∀ (t, y1 ), (t, y2 ) ∈ B.
Tomemos un número δ > 0 de modo que el intervalo Iδ = [t0 − δ, t0 + δ] esté contenido en

−
→
la proyección de B sobre el eje Ot, y a su vez, δ suficientemente pequeño para que Kδ < 1.
Finalmente, definimos b = M δ.
Hemos construido un rectángulo R contenido en B de lados 2δ y 2b tal que la pendiente de su

diagonal es M (recordar que M = δb ).
Para todo punto (t, y) ∈ R se cumple

|t − t0 | < δ.
|y − y0 | < b = M δ.
|f (t, y)| < M .
También se cumple que |f (t, y1 ) − f (t, y2 )| ≤ K |y1 − y2 | , ∀ (t, y1 ), (t, y2 ) ∈ R.

10.3. Demostración del teorema de Picard 219
y0 + b
y0 •
y0 − b
t0 − δ t0 t0 + δ t
(2) Segundo paso. Equivalencia con una ecuación integral.
Observemos la siguiente equivalencia

′ Z t
y (t) = f (t, y(t)) , ∀t ∈ Iδ
⇐⇒ y(t) = y0 + f (s, y(s)) ds , ∀t ∈ Iδ
y(t0 ) = y0 t0
El problema se reduce entonces a probar que existe una única función y(t) que verifica la ecuación
integral Z t
(EI) y(t) = y0 + f (s, y(s)) ds , ∀t ∈ Iδ
t0
(3) Tercer paso. Operador de las aproximaciones sucesivas.
Consideramos la transformación R t T que a cada función continua ϕ : Iδ −→ [y0 − b, y0 + b] le hace

corresponder la función y0 + t0 f (s, y(s)) ds. La observación fundamental es que y(t) verifica
la ecuación integral (EI) si y solo si T (y(t)) = y(t), o sea, si y(t) es un punto fijo de T . Para
simplificar la notación designemos con J al intervalo [y0 − b, y0 + b]. En C(Iδ , J) definimos la
siguiente aplicación
Z t
T : C(Iδ , J) −→ C(Iδ , J) / (T ϕ)(t) = y0 + f (s, ϕ(s)) ds
t0
Para que esté bien definido tenemos que verificar que todos los transformados son realmente
funciones de C(Iδ , J). Por el teorema fundamental del cálculo resulta claro que (T ϕ) es continua
en Iδ . Falta verificar que (T ϕ) toma valores en J. Para todo t ∈ Iδ se tiene:
Z t Z t Z t
|(T ϕ)(t) − y0 | = f (s, ϕ(s)) ds ≤ |f (s, ϕ(s))| ds ≤ M ds = M |t − t0 | ≤ M δ = b.
t0 t0 t0
De donde quedó demostrado que (T ϕ)(t) ∈ J , ∀ ϕ ∈ C(Iδ , J).
Vamos a demostrar que T es una función contractiva en C(Iδ , J), lo cual significa que existe λ
con 0 < λ < 1 tal que
||(T ϕ) − (T ψ)|| ≤ Kδ||ϕ − ψ|| , ∀ ϕ, ψ ∈ C(Iδ , J).
Si recordamos el teorema 10.2.3, con esto alcanzará para justificar que T tiene un único punto
fijo.
Para todo t ∈ Iδ , y para toda pareja de funciones ϕ, ψ ∈ C(Iδ , J) se cumple:

Z t Z t
|(T ϕ)(t) − (T ψ)(t)| = (f (s, ϕ(s)) − f (s, ψ(s))) ds ≤ |f (s, ϕ(s)) − f (s, ψ(s))| ds
t0 t0
Si recordamos la desigualdad |f (t, y1 ) − f (t, y2 )| ≤ K |y1 − y2 | , ∀ (t, y1 ), (t, y2 ) ∈ R, resulta que

Z t Z t
|f (s, ϕ(s)) − f (s, ψ(s))| ds ≤ K |ϕ(s) − ψ(s)| ds ≤ K ||ϕ − ψ|| |t − t0 | ≤ Kδ||ϕ − ψ||
t0 t0
Hemos demostrado que ∀t ∈ Iδ se cumple
|(T ϕ)(t) − (T ψ)(t)| ≤ Kδ||ϕ − ψ||
y por lo tanto
||(T ϕ) − (T ψ)|| ≤ Kδ||ϕ − ψ||
Como Kδ < 1 ha quedado demostrado que T es una contracción.
(4) Cuarto paso. Conclusión.

Si ξ : Iδ −→ J es el único punto fijo de T entonces ξ es la única función que verifica
Z t
(EI) ξ(t) = y0 + f (s, ξ(s)) ds , ∀t ∈ Iδ
t0
y por lo tanto también es la única función que verifica

′
ξ (t) = f (t, ξ(t)) , ∀t ∈ Iδ
ξ(t0 ) = y0
Hemos encontrado un intervalo Iδ = [t0 − δ, t0 + δ] y una única función ξ que verifica la ecuación
diferencial en Iδ y que cumple ξ(t0 ) = y0 .
Observemos finalmente que la solución hallada no se escapa del rectángulo R, es decir ξ(t) ∈
J = [y0 − b, y0 + b] , ∀ t ∈ Iδ . ♠
Capı́tulo 11
Selección de respuestas a los

ejercicios
Ejercicios del Capı́tulo 1
Ejercicio 1.2.1. a) Decreciente. b) Creciente. Ejercicio 1.2.8. b) Las tres son PSMC.
c) Creciente. d) No es monótona.
√ Ejercicio 1.3.2. 1) Si. 2) No.
Ejercicio 1.2.4. a) sup = 30, max 6 ∃, Ejercicio 1.3.5. (a, b, c, a, b, c, a, b, c, . . . )
inf = min = 2 Ejercicio 1.3.6. Si.
b) sup = 2, max 6 ∃, inf = min = 1 Ejercicio 1.4.1. a) lı́m(an ) = 3.
c) sup = 2,
√ max = 2, inf = min = 1 b) lı́m(an ) = 1, c) lı́m(an )√ = 4.
d) sup = √ 3, max 6 ∃, los demás no existen. Ejercicio 1.4.2. lı́m(an ) = 3.
e) sup = 5, max 6 ∃, los demás no existen. Ejercicio 1.4.3. b) lı́m(xn ) = +∞.
√ √
f) sup = max = 1, inf = 0, min 6 ∃ c) 2. d) xn = 2n − 1.
Ejercicio 1.2.5. a) V b) V c) V d) V e) F f) F.
Ejercicio 2.2.1. a) xn = n! − 1 b) xn = c2n + d3n , c) xn = (c + dn)5n

b) xn = n + n2 , c) xn = k(−1)n + 4n−316 3
n
d) xn = c4n + d(−4)n ,
Ejercicio 2.2.2. a) c∈R si n = 0.
(1 + r)n − 1 e) xn =
k (−3)n−1 si n ≥ 1.
Pn = P0 (1 + r)n + T
r Ejercicio 2.3.2. xn = c(−2)n + d2n − 1
r
b) T = P0 La solución particular es xn = 2(−2)n + 2n+1 − 1
1 − (1 + r)−N Ejercicio 2.3.3. a) p = 8 , pn = c2n + d4n + 8
Ejercicio2.2.3. a)Yn+1 = (1 − p)Yn + D0
No, pues salvo el propio punto de equilibrio, todas
Y0 Y0
b) Yn = Y0 − (1 − p)n + las demás soluciones tienden a ∞.
p p Ejercicio 2.3.4. a)
Y0
c) Yn+2 − A(1 + c)Yn+1 + ACYn = B
p b) Yn = (cn + d) + 1
Ejercicio2.2.4. a)Yn+1 = (1 − p)Yn + D0
c) Solución particular es Yn = 2n + 1 dedonde
Y0 Y0
b) Yn = Y0 − (1 − p)n + Y100 = 201
p p
d) Tiende a ∞.
Y0
c) Ejercicio 2.3.5. xn = c(−2)n + d2n − n3 − 29
p
La solución particular es
Ejercicio 2.3.1. a) xn = c + d2n
xn = 19 (−2)n + 19 2n − n3 − 29
221
222 Capı́tulo 11. Selección de respuestas a los ejercicios
Ejercicio 2.3.6. xn = c2n + d3n + 2n + 3 Ejercicio 2.3.9.

La solución particular es xn = 2n + 3n + 2n + 3 xn = c2n + d3n + 12 4n + 12 n2 + 23 n + 4
3
Ejercicio 2.3.7. xn = (c + dn) + n6 Ejercicio 2.3.10. a) xn = ccos( π2 n) + dcos( π2 n)
√ n
c∈R si n = 0. b) xn = 2 (ccos( π4 n) + dcos( π4 n))
Ejercicio 2.3.8. xn =
d+ 2n2 −3n
si n ≥ 1. c) xn = 2n (ccos( π6 n) + dcos( π6 n))
Ejercicio 3.2.1. f 3 (x) = 8x − 7. d) 0 es repulsor.

g 3 (x) = x8 + 4x6 + 8x4 + 8x2 + 5. e) 0 y 3/4 son repulsores.
Ejercicio 3.2.3. a) 0 es fijo, no hay de perı́odo dos. Ejercicio 3.4.3. b) i) 6 es atractor y 0 es repulsor.
b) −1 es fijo, no hay de perı́odo dos. b) ii) Ambas tienden a 60 kilos.
c) 0 y 1 son fijos, no hay de perı́odo dos. Ejercicio 3.4.6. a) repulsor. b) atractor.
d) −1, 0 y 1 son√fijos, no hay de perı́odo dos. c) atractor. d) repulsor.
e) Fijos: (−1 ± 5)/2, perı́odo dos: 0√y 1 Ejercicio 3.4.11. a) atractor. b) atractor.
f) Fijos: −1 y 2, perı́odo dos: (−1 ± 5)/2 c) repulsor. d) atractor si a > 0, repulsor si a < 0.
Ejercicio 3.2.5. 0 y 1. Ejercicio 3.4.12. −1 es atractor.
Ejercicio 3.3.2. −1 y 2. Ejercicio 3.4.13. a) 0 es repulsor. α es atractor
Ejercicio 3.4.1. a) 1 es atractor. para 0 < p ≤ 4 y es repulsor si p > 4.
b) 2 es repulsor. Ejercicio 3.4.15. Todas atractoras salvo la última
c) 0 es atractor y 1/4 es repulsor. que no es atractora ni repulsora.
d) 0 es atractor y −1 es repulsor. Ejercicio√3.4.16. a) 0 y 3 ambos repulsores.
e) 1/2 es atractor y 0 es repulsor. b) (5 ± 5)/2 respulsores.
f) 0 es atractor, 1 y −1 son repulsores. c) Si x0 = 2 entonces xn = 0, ∀n ≥ 2.
Ejercicio 3.4.2. a) −2, 0 y 2 son repulsores. Si x0 = 4, 2 entonces xn → −∞.
b) 1 es repulsor. c) 0 atractor y 3/2 repulsor.

P
Ejercicio 4.1.1. b) Ambas convergen aP 1. (1 − cn ) converge.
∞
Ejercicio 4.1.2. a) An = n(n + 1)/2 y n=1 an Ejercicio 4.3.8. Las tres series convergen.
diverge. P∞ Ejercicio 4.3.10. La segunda y la última serie son
b) An = e−1 − e−n−1 y n=1 an =e−1 . divergentes, las restantes convergentes.
AnP= 0, si n es par; An = L 1 + n1 , si n es impar; Ejercicio 4.4.1. a) Suma entre −3/2 y 3/2, b)
y ∞ n=1 an = 0. Suma entre −1 y 5, c) Suma entre −9/2 y 9/2.
Ejercicio 4.1.3. a) 2, b) a1 = 3/4 Ejercicio 4.5.1. a) Converge con suma 1/2,
5
an = (n+2)(n+3) si n > 1. b) a1 = 2/9, an = 10/(4n + 9)(4n + 5), ∀n ≥ 2.
Ejercicio 4.1.4. a) 3. b) Oscila. c) e/(e − 1) c) Converge.
d) 2/3. e) 1. f) 2/(2 + a) si |a| < 2, Ejercicio 4.5.2. a) Converge
n con suma 1,
diverge si a ≤ −2, oscila si a ≥ 2. b) a1 = 1/3, an = 13 23 , ∀n ≥ 2.
Ejercicio 4.2.2. Suma 4. c) 2/5.
Ejercicio 4.2.3. Suma −19. Ejercicio 4.5.3. Todas convergen.
Ejercicio 4.2.4. a) 7/2, b) 18, c) 26/3. Ejercicio 4.5.4. a) Diverge. b) Converge.
Ejercicio 4.3.2. a) Converge y su suma está entre 1 Ejercicio 4.5.5. Converge.
y 2. b) Diverge. c) Converge y su suma está entre Ejercicio 4.5.6. A = e−2 /4, B = 5e−2 /4.
3/2 y 5/2. Ejercicio 4.5.7. a) Diverge. b) Converge.
Ejercicio 4.3.4. A = 1/3e, B = 4/3e. c) Depende de (an ). d) Converge.
Ejercicio 4.3.6. a) Converge. b) Converge si α > 1 Ejercicio 4.5.8. Converge.
y diverge si α ≤P 1. Ejercicio 4.5.9. a) P3 (x) = x3 /6, b) Converge.
P
Ejercicio 4.3.7. bn converge, cn diverge, Ejercicio 4.5.10. a) P3 (x) = x3 /2, b) Converge.
Ejercicio 4.5.12. a) lı́m An = 2. c) i) Diverge.
223
ii) Converge. Ejercicio 4.6.5. Opción 1.

Ejercicio 4.6.1. Opción 2. Ejercicio 4.6.6. Opción 2.
Ejercicio 4.6.4. Opción 4.

P P n
Ejercicio 5.2.1. an /3n converge. 2 an no c) 25/49, d) 2, e) x/(1 − x)2 .
converge. Ejercicio 5.3.4. a) 54, b) 3/32,
Ejercicio 5.2.2. r = 1/3 c) 2x2 /(1 − x)3 .
Ejercicio 5.2.3. a) r = +∞, Ejercicio 5.3.5. a) L(3), b) L(4/3), c) L(2/3),
b) r = 1, converge en x = 1 y x = −1. d) 3L(3/2), e) (1 − x)L(1 − x) + x, f) (1 − L(2))/2.
2
c) r = 0, d) r = +∞, Ejercicio 5.3.6. a) e, b) e2 , c) 1/e, d) ex ,
e) r = 1, no converge ni en 1 ni en −1 e) xex , f) x2 ex , g) (x + x2 )ex .
f) r = 1, no converge ni en 1 ni en −1. Ejercicio 5.3.7. a) π/6, b) 1, c) 1/2.
Ejercicio 5.3.3. a) 9/4, b) 4/9,
−1/2
Ejercicio 8.1.2. a) Se triplica para t = L(3)/k. b) I = (L(2ep − 1), +∞).
t = −L(n)/k. g) y(t) = 2(t4 + t2 ) + 1, I = R.
Ejercicio 8.1.3. a) P (t) = etL(2)/4 . b) t ≃ 23, 6 Ejercicio 8.3.3. Aprox. 520 individuos.
−1
horas. Ejercicio 8.3.4. a) y(t) = Arctg(t)+c .
Ejercicio 8.1.4. a) P (t) = 50 ekt con −1
b) y(t) = Arctg(t)+c con I = (0, +∞). Ejercicio
k = −L(2)/5730. b) P (100) ≃ 49, 3988 gr. 8.5.4. Tienden a 0.
Ejercicio 8.2.3. y(t) = −3t. Ejercicio 8.5.5. Tienden a 0.
Ejercicio 8.2.6. ỹ(t) = t3 L(t). Ejercicio 8.5.6. Si y0 > 0, tienden a 1. Si y0 < 0,
Ejercicio 8.2.7. a) c = T (0) − Ta , b) Ta , c) 11 tienden a√−1. Presentan inflexión sobre las rectas
minutos. y = ±1/ 3.
Ejercicio 8.2.8. y(t) = (βt + c)eαt si γ = α, Ejercicio 8.6.1. a) yp (t) = e2t + et .
y(t) = ceαt + βeγt /(γ − α) si γ 6= α. b) yp (t) = te−t .
2 2
Ejercicio 8.2.9. a) y(t) = cet − 1, ỹ(t) = et − 1. c) yp (t) = (1/2)e−t sen(2t).
b) y(t) = t4 /5 + c/t, ỹ(t) = t4 /5 −1/t. d) yp (t) = 4e3t − e−3t .
at at t 1 1
c) y(t) = e c + e a − a2 + a . e) yp (t) = (e5t + 9)/5.
2
d) y(t) = 3 + ce−t , ỹ(t) = 3. f) yp (t) = (3t + 1)e−2t .
e) y(t) = c/t3 + tp+1 /(p + 4), si p 6= −4, Ejercicio 8.6.3. a)
y(t) = c/t3 + L(t)/t3 , si p = −4. y(t) = csen(2t) + dcos(2t) − (1/5)sen(3t).
f) y(t) = (c + t)/(1 + t2 ), ỹ(t) = (7 + t)/(1 + t2 ). b) y(t) = ce2t + det + (1/6)e4t .
g) y(t) = sen(t) + (c + t)/cos(t). c) y(t) = ce2t + det + 4te2t .
Ejercicio 8.2.10. b) y(t) = ctet−2 − (t2 + t)e−t , d) y(t) = ce−t + d + t2 − t.
ỹ(t) = 2tet−2 − (t2 + t)e−t . e) y(t) = e2t (ccos(t) + dsen(t)) + 3t2 − 4t + 2.
Ejercicio 8.2.11. b) gm/b. c) 3 m/s. f) y(t) = (ct + d)e−2t + te−t .
Ejercicio 8.2.12. p(t) = 4 − e−t . Ejercicio 8.6.4. y(t) = ce−t + dte−t − e−t (1 + L(t)).
Ejercicio 8.3.1. a) y(t) = 1/(1 − t2 ), I = (−1, 1). Ejercicio 8.6.5. b) ϕ(t) = e−7t , u(t) = 24e−7t .
b) y(t) = 6e3t /(1 + 2e3t , I = R. c) Para E1 ce−3t + de−t + e−7t
c) y(t) = −4e2t /(1 − 2e2t ), I = (−L(2)/2, +∞). Para E2 ce−4t + det + e−7t .
Ejercicio 8.6.7. b) y(t) = t + c/t2 + L(t)/t2 .
t
d) y(t) = ee L(y0 ) , I = R.
e) y(t) = q
3
2 − e−(t +3t)/3 , I = R. c) yH (t) = ct3 + dt−2 .
t d) y(t) = ct3 + dt−2 + t + L(t)/t2 .
f) y(t) = 2L 1+e 2 + 1,
224 Capı́tulo 11. Selección de respuestas a los ejercicios
p
Ejercicio 8.6.8. ϕ(t) = 1/ cos(t). Ejercicio 8.6.11. c sen(t) + d cos(t)
t √ t
Ejercicio 8.6.9. yH (t) = C1 t2 + C2 t−1 . Ejercicio 8.6.12. y(t) = 1/ 1 + et2 .
yp (t) = t3 .
Capı́tulo 12
Referencias bibliográficas
La bibliografı́a que sugerimos con relación a la temática del análisis matemático de funciones de
una variable (sucesiones, funciones continuas, funciones derivables, integración, series numéricas,
series de potencias, sucesiones y series de funciones, ecuaciones diferenciales en general) es la
siguiente:
Apostol, T. Calculus Volumen 1 y 2. Reverté, 1985.

Apostol, T. Análisis Matemático. Reverté, 1982.
Lages Lima, E. Curso de Análise Vol. 1. Projeto Euclides, IMPA.
Linés, E., Principios de análisis matemático. Reverté, 1983.
Peláez, F. Cálculo. Ediciones del CECEA 2012. Se encuentra disponible en el EVA del curso
Cálculo I de la FCEA.
Rudin, W. Principios de Análisis Matemático. McGraw-Hill, 1980.
Spivak, M. Cálculo Infinitesimal. Reverté, Segunda Ed. 1992.
Con relación al análisis matemático de funciones de varias variables se sugiere:
Aemilius, I - Coates, G - Mesa, A. Cálculo en varias variable. 2020. Se encuentra disponible

en el EVA del curso Cálculo 2 de la FCEA.
Apostol, T. Calculus Volumen 1 y 2. Reverté, 1985.
Apostol, T. Análisis Matemático. Reverté, 1982.
Lages Lima, E. Curso de Análise Vol. 2. Projeto Euclides, IMPA.
Con relación al capı́tulo 2 (ecuaciones en diferencias) se sugiere:
Elaydi, S. An introduction to difference equations. Springer, Tercera edición, 2000.

Chiang, A. y K. Wainwright. Métodos Fundamentales de Economı́a Matemática. Cuarta
edición. McGraw Hill. 2006.
Con relación al capı́tulo 3 (sistemas dinámicos discretos):
Devaney, R.L. An introduction to chaotic dynamical systems. Addison-Wesley, 1990.
Con relación a los capı́tulos 8, 9 y 10 (temática especı́fica sobre ecuaciones diferenciales):
Sotomayor, J. Liçoes de equaçoes diferenciais ordinárias. Projeto Euclides, IMPA, 1979.
225
226 Capı́tulo 12. Referencias bibliográficas
Gil, O. Curso introductorio a las ecuaciones diferenciales. Ed, Giros, 2000.
Con relación a la temática especı́fica del álgebra lineal:
Aemilius, I - Cerminara, M - Mesa, A. - Peláez, F. Introducción al Álgebra Lineal.

Ediciones del CECEA 2015. Se encuentra disponible en el EVA del curso Algebra Lineal de la
FCEA.
Con relación a espacios de funciones y teoremas de punto fijo (capı́tulos 10):
Lages Lima, E. Espacios métricos. Projeto Euclides, IMPA. 1977.

Border, K.C. Fixed Point Theorems with Applications to Economics and Game Theory. Cam-
bridge University Press. 1999.
Para las aplicaciones e interacción con la Economı́a se sugiere:
Allen, R.G.D. Análisis Matemático para Economistas. Aguilar Ediciones, 1968.

Allen, R.G.D. Economı́a Matemática. Aguilar Ediciones, 1965.
Chiang, A. y K. Wainwright. Métodos Fundamentales de Economı́a Matemática. Cuarta
edición. McGraw Hill. 2006.
Lomeli, H. y Rumbos, B. Métodos Dinámicos en Economı́a. Instituto Tecnológico Autónomo
de México, 2001.
Simon C. y Blume L. Mathematics for economists. Norton Comp. 1994.

Evolucion 2021

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Evolucion 2021

Cargado por

Copyright:

Formatos disponibles

Tópicos de Matemática

asociados a modelos de evolución

Sucesiones, ecuaciones en diferencias, sistemas dinámicos

Fernando Peláez Bruno

c Fernando Peláez Bruno.

Edición amparada por el Art. 79 de la ley 13.349

El chirimbolo ♠ indicará el final de una demostración.

Ea,r = (a − r, a + r) = { x ∈ R / a − r < x < a + r } = { x ∈ R / |x − a| < r }

Alfabeto griego y fechas de matemáticos

α A alfa ι I iota ρ P rho

Euclides (429-348 a.c.) Pierre Simon de Laplace (1749-1827)

función f (x) intervalo I primitivas de f (x)

La Matemática tiene virtudes de formación moral y produce independencia de pensamiento,

Conocerse, claro está, que necesita su tiempo,

2. Ecuaciones lineales en diferencias 31

3. Nociones sobre sistemas dinámicos discretos 47

3.8. Teorema del perı́odo tres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

5. Series de potencias 115

6. Sucesiones de funciones 127

7. Series de funciones 141

8. Nociones sobre ecuaciones diferenciales 149

8.6.1. Ecuaciones lineales de segundo orden . . . . . . . . . . . . . . . . . . . . 182

9. Sistemas de ecuaciones diferenciales 191

10.Una idea sobre la teorı́a general de ecuaciones diferenciales 213

11.Selección de respuestas a los ejercicios 221

12.Referencias bibliográficas 225

1.1. Definición, ejemplos y propiedades básicas

Consideremos el ejemplo de la evolución de un capital de dinero que genera intereses. Designemos

y ası́ podemos seguir calculando el monto disponible al finalizar cada perı́odo:

sn = sn−1 + rsn−1 = sn−1 (1 + r) = C (1 + r)n .

en donde aquı́ n puede ser cualquier número natural.

Ejemplo 1.1.1. Otro ejemplo de sucesión numérica es el siguiente:

Definición 1.1.1. Definición de sucesión real.

Definición 1.1.2. Lı́mite de una sucesión.

en lugar de lı́m (an ) pondremos lı́m(an ) y también lı́m an

Ejemplo 1.1.4. Lı́mite de una progresión geométrica.

Vamos a distinguir algunos casos:

3. Caso −1 < q < 0.

1.2. Sucesiones monótonas

Definición 1.2.1. Sucesiones monótonas.

Ejercicio 1.2.3. Demuestra que la sucesión geométrica an = q n es creciente para q > 1 y es

Observación 1.2.1. Sobre el supremo y el máximo de un conjunto.

a ≤ L, ∀a ∈ A (L es cota superior de A).

Teorema 1.2.1. Las sucesiones monótonas crecientes tienen lı́mite.

si n > n0 =⇒ L − ǫ < an ≤ L < L + ǫ

Observación 1.2.2. Atención con la completitud.

Ejercicio 1.2.7. Consideremos la sucesión (An ) definida por:

(a) Demuestra que es monótona creciente.

Prueba que ((an ), (bn )) es un Par de Sucesiones Monótonas Convergentes.

1.3. Subsucesiones (sucesiones parciales)

Sea (an )n≥0 una sucesión:

(d) Para (d) tenemos: d0 = a1 , d1 = a2 , d2 = a4 , d3 = a8 , d4 = a16 , . . . . . o sea:

(dn )n≥0 / dn = a2n , ∀n ∈ N.

(e) En (e) tenemos una sucesión constante dada por:

Definición 1.3.1. Subsucesiones.

Observación 1.3.1. Sobre la definición anterior.

Teorema 1.3.1. Lı́mites de subsucesiones.

si n > n0 =⇒ (por (∗∗)) kn > p =⇒ (por (∗)) |akn − L| < ǫ

Observación 1.3.2. Para probar que una sucesión no tiene lı́mite.

1 + (−1)n (−1)n 1 + (−1)n (−1)n n

El siguiente teorema (en principio sorprendente), dará lugar a consecuencias relevantes.

Teorema 1.3.4. Existencia de subsucesiones monótonas.

Caso 1: El conjunto de ı́ndices cumbre es infinito.