David Jornet

Vicente Montesinos
Alicia Roca

ANLISIS MATEMTICO

Departamento de Matemtica Aplicada

Escuela Tcnica Superior de Ingenieros de Telecomunicacin

UNIVERSIDAD POLITCNICA DE VALENCIA

EDITORIAL UPV

Ref.: 2003.320

Dibujo de la portada:
Elisa Montesinos Pustkowska

David Jornet
Vicente Mostesinos
Alicia Roca

Edita:

EDITORIAL DE LA UPV
Camino de Vera, s/n
46071 VALENCIA
Tel. 96-387 70 12
Fax 96-387 79 12

Imprime:

REPROVAL, S.L.
Tel. 96-369 22 72

Depsito Legal: V-2497-2003

ISBN: 84-9705-411-3

A Carolina y mam
a,
A Alba.
A Danusia, Alek y Elisa.
A Jaime.
A Teresita y a Jose Ma .

Si no lo sientes, no lo lograr
as;
si no brota del alma
y, con uidez de fuerza original,
somete, rme, el corazon de todos los oyentes,
no, ya puedes quedarte bien sentado!
J. W. Goethe: Fausto (Primera Parte)
Y es razon averiguada
que aquello que m
as cuesta,
se estima y debe de estimar en mas.
Miguel de Cervantes: Don Quijote de la Mancha (Primera Parte, Captulo 38)

Pr
ologo
A la hora de escribir unas notas sobre una materia como el An
alisis Matematico,
lo primero que hemos considerado es, aparte del contenido, una cuesti
on de estilo. Es
difcil encontrar el tono adecuado al tratar cualquier cuesti
on de Matem
aticas, especialmente si el lector al que va destinado este Curso no va, en su actividad profesional,
a considerar a estas mas que como un instrumento en su trabajo. Hemos decidido distanciarnos de la sequedad del metodo formal y utilizar, tanto como nos sea posible
y en la medida en que no sobrepase en extension lo que parece razonable, una presentacion m
as coloquial de la materia, aunque, desde luego, no menos rigurosa que la
que se puede encontrar en otros tipos de textos. Presentamos, junto con cada nocion
introducida, ejemplos aclaratorios, y damos las ideas que subyacen en los teoremas
y sus demostraciones con el objetivo de que el lector entienda el proceso por el que
se ha llegado a uno y otras. Estamos tan interesados en el rigor y la claridad como
en las aplicaciones que estos conceptos y resultados puedan tener en la Ciencia y la
Tecnica. S
olo si el lector sabe aplicar sus conocimientos a la resolucion de problemas
concretos este Curso habra cumplido su objetivo.
Respecto a la version anterior se han introducido cambios signicativos. El m
as
evidente es que hemos cambiado el formato, usando ahora LATEX. En cuanto al contenido, no se tratan las ecuaciones diferenciales ordinarias, pero s se incluye el Calculo
Diferencial de una variable y se incorpora a cada captulo una colecci
on de ejercicios.
Se ha restructurado el captulo de Integraci
on, que ahora es pr
acticamente autocontenido. Hemos mantenido el listado de programas de ordenador que tratan algunos
de los metodos numericos desarrollados, aunque se sustituye el codigo fuente de los
programas en BASIC por el de archivos .m para Matlab. Se a
nade tambien un ndice
de terminos, en el que los n
umeros en negrita reeren a las deniciones.
Este texto es un curso de Analisis de funciones de una y varias variables. Muchas
de las ideas esenciales se deberan tratar en un contexto unicado, y as se hace
en buena parte del libro. Sin embargo, ciertos aspectos de la teora de una variable
son especcos y se tratan por tanto de forma diferenciada. As, en el captulo 3
se introducen en primer lugar conceptos y propiedades b
asicos sobre funciones de
una variable, como son los relativos a la continuidad (por ejemplo, el Teorema de
Bolzano). El captulo 4 (que versa sobre diferenciabilidad), se inicia tambien con unas
notas sobre derivabilidad de funciones de una variable, en donde se tratan resultados
propios de este caso, como, por ejemplo, el Teorema del Valor Medio. Parte del captulo
v

6 (Integraci
on) trata asmismo la teora de una variable: la integral de RiemannStieltjes la integral de Riemann se presenta como un caso particular y sus aspectos
mas pr
acticos: el Teorema Fundamental del Calculo, las aplicaciones geometricas de la
integral de Riemann y el calculo de primitivas. El captulo 7 vuelve al contexto de una
variable: en el se hace un estudio de las series numericas, se considera la integracion
impropia y, por u
ltimo, se trata la teora de sucesiones y series de funciones. Se
incluyen tambien aspectos de Analisis Numerico en los captulos 5 y 6, pues creemos

que deben de formar parte de un curso de estas caractersticas. Este

es un breve
resumen de la interaccion entre el calculo de una y varias variables en el texto.
En una descripci
on general, el captulo 1 es, de alguna forma, de car
acter introductorio. Se tratan en el, entre otras cosas, algunos aspectos basicos de la teora de
conjuntos (el lector debera conocer el Principio de Inducci
on, que se demuestra aqu a
partir del Principio de Buena Ordenaci
on). Se construye tambien el conjunto de los
n
umeros reales (brevemente presentamos dos modelos: el metodo de las cortaduras
de Dedekind, y el de las sucesiones de Cauchy de Weierstrass).
Como requisito previo a la teora de funciones de varias variables, el captulo 2
introduce el espacio Rn , haciendose en el un estudio de su estructura geometrica y
topol
ogica. En los captulos 4, 5 y 6 se desarrolla el cuerpo de esta teora (diferenciabilidad, aproximaci
on de funciones y problemas de extremos, e integracion). El
u
ltimo captulo trata la teora de series, numericas y de funciones. Se ha optado por
incluir en el el tratamiento de las integrales impropias, pues creemos que las ideas y
los ejemplos adecuados para ellas estan en ntima conexi
on con la teora de series.
Este libro debe mucho a lecturas y discusiones realizadas sobre la materia del
An
alisis Matematico. Muchas de sus paginas estan inspiradas por otros autores, de
los que se da precisa referencia. Las notas previas han servido de texto a los alumnos
de las Escuelas Superiores de Ingenieros Industriales y de Telecomunicacion de la
Universidad Politecnica de Valencia, quienes, en algunos casos, han colaborado en la
deteccion de alg
un error mecanogr
aco, por lo que les damos las gracias. En la seccion
de An
alisis de funciones de una variable y en los programas de Matlab incluidos ha
colaborado Ramon Aliaga, a quien agradecemos su dedicaci
on. Tambien queremos
agradecer al profesor Felix Martnez sus sugerencias en el uso del sistema LATEX,
contribuyendo en dar al documento su aspecto denitivo.
Agradecemos a los responsables de la Editorial UPV su soporte tecnico, as como
la comprension y paciencia que han tenido con nosotros.
Los autores, mayo de 2003.

vi

Indice general
Pr
ologo

1. Intro ducci
on

1.1. Conceptos elementales y notaciones en Teora de Conjuntos . . . . . .

1.1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.2. Conjuntos ordenados . . . . . . . . . . . . . . . . . . . . . . . .

1.1.3. Producto cartesiano . . . . . . . . . . . . . . . . . . . . . . . .

1.2. El conjunto de los n

umeros naturales . . . . . . . . . . . . . . . . . . .

1.2.1. N como conjunto . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.2. El Principio de Inducci

on . . . . . . . . . . . . . . . . . . . . .

1.3. N
umeros enteros y racionales . . . . . . . . . . . . . . . . . . . . . . .

1.3.1. El conjunto de los n

umeros enteros . . . . . . . . . . . . . . . .

1.3.2. El conjunto de los n

umeros racionales . . . . . . . . . . . . . .

1.4. El conjunto de los n

umeros reales . . . . . . . . . . . . . . . . . . . . .

11

1.4.1. Un conjunto de axiomas para los n

umeros reales . . . . . . . .

11

1.4.2. Construcci
on de los n
umeros reales a partir de los racionales,
junto con una interpretaci
on geometrica . . . . . . . . . . . . .

14

1.4.3. Dos modelos de los n

umeros reales . . . . . . . . . . . . . . . .

18

1.5. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

2. El espacio Rn

23

2.1. Introducci
on: Dos problemas de localizaci
on optima

. . . . . . . . . .

23

2.1.1. Enunciados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.1.2. Comentarios al enunciado de los problemas . . . . . . . . . . .

23

2.2. Descripcion del ambito de trabajo . . . . . . . . . . . . . . . . . . . .

24

2.2.1. El espacio vectorial R . . . . . . . . . . . . . . . . . . . . . . .

24

2.2.2. Denici
on de distancia . . . . . . . . . . . . . . . . . . . . . . .

26

vii

Indice general
2.2.3. Ejemplos de distancias . . . . . . . . . . . . . . . . . . . . . . .

26

2.2.4. Denici
on de norma . . . . . . . . . . . . . . . . . . . . . . . .

27

2.2.5. Ejemplos de normas . . . . . . . . . . . . . . . . . . . . . . . .

28

2.2.6. Bolas abiertas y cerradas; esferas . . . . . . . . . . . . . . . . .

29

2.2.7. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . .

29

2.2.8. Ejemplos de productos escalares . . . . . . . . . . . . . . . . .

30

2.2.9. Desigualdad de Cauchy-Schwarz . . . . . . . . . . . . . . . . .

31

2.2.10. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

2.2.11. Norma obtenida mediante un producto escalar . . . . . . . . .

38

2.3. Convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

2.3.1. Normas equivalentes . . . . . . . . . . . . . . . . . . . . . . . .

39

2.3.2. El lmite de una sucesion convergente . . . . . . . . . . . . . .

41

2.3.3. Propiedades algebraicas de los lmites . . . . . . . . . . . . . .

42

2.3.4. Conjuntos abiertos, cerrados y acotados . . . . . . . . . . . . .

42

2.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

2.4.1. Espacio eucldeo. Norma. Distancia. . . . . . . . . . . . . . . .

48

2.4.2. Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . .

52

2.4.3. Lmites de Sucesiones. . . . . . . . . . . . . . . . . . . . . . . .

59

3. Funciones y gr
aficas

61

3.1. El concepto de funci

on . . . . . . . . . . . . . . . . . . . . . . . . . . .

61

3.1.1. Deniciones generales . . . . . . . . . . . . . . . . . . . . . . .

62

3.1.2. La teora de funciones de una variable versus la de funciones de

varias variables . . . . . . . . . . . . . . . . . . . . . . . . . . .

66

3.2. Funciones de una variable . . . . . . . . . . . . . . . . . . . . . . . . .

67

3.2.1. Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

67

3.2.2. Funciones elementales . . . . . . . . . . . . . . . . . . . . . . .

68

3.2.3. Concepto de lmite . . . . . . . . . . . . . . . . . . . . . . . . .

72

3.2.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

79

3.3. Lmites y continuidad. El caso general . . . . . . . . . . . . . . . . . .

82

3.3.1. Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

82

3.3.2. Propiedades de los lmites y de las funciones continuas. C

alculo
de algunos lmites en R2 . . . . . . . . . . . . . . . . . . . . . .

83

3.3.3. Funciones uniformemente continuas . . . . . . . . . . . . . . .

88

3.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

90

3.4.1. Funciones en R

viii

. . . . . . . . . . . . . . . . . . . . . . . . . .

90

3.4.2. Lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

92

Indice general
3.4.3. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4. Diferenciabilidad

93
95

4.1. Introducci
on al c
alculo diferencial de funciones de una variable . . . .

95

4.1.1. La derivada y su interpretaci

on geometrica . . . . . . . . . . .

95

4.1.2. Algunas propiedades de las funciones derivables de una variable

96

4.1.3. Innitesimos . . . . . . . . . . . . . . . . . . . . . . . . . . . .

99

4.1.4. Diferencial de una funci

on en un punto

. . . . . . . . . . . . . 100

4.1.5. Teoremas del Valor Medio y de Rolle . . . . . . . . . . . . . . . 101

4.2. C
alculo diferencial de funciones de varias variables . . . . . . . . . . . 108
4.2.1. Diferenciabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.2.2. Derivada direccional, derivadas parciales, gradiente . . . . . . . 114
4.2.3. La Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . . 123
4.2.4. Una aplicaci
on. La solucion de la ecuacion de onda . . . . . . . 125
4.2.5. Interpretaci
on geometrica del gradiente . . . . . . . . . . . . . 128
4.2.6. Un caso concreto . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.3. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.3.1. Diferenciabilidad de funciones de varias variables. . . . . . . . . 133
5. Aproximaci
on de funciones y problemas de extremos
5.1. Aproximaci
on polinomial

139

. . . . . . . . . . . . . . . . . . . . . . . . . 139

5.1.1. Breve repaso del concepto de polinomio de Taylor de una funcion de una variable . . . . . . . . . . . . . . . . . . . . . . . . 140
5.1.2. Aplicaciones geometricas elementales . . . . . . . . . . . . . . . 149
5.1.3. Metodos numericos de calculo de ceros (solucion de ecuaciones
por aproximaciones sucesivas) . . . . . . . . . . . . . . . . . . . 151
5.1.4. Iteraci
on de punto jo . . . . . . . . . . . . . . . . . . . . . . . 154
5.1.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
5.1.6. Un programa en Matlab para los metodos introducidos . . . . 161
5.2. Polinomios de interpolaci
on . . . . . . . . . . . . . . . . . . . . . . . . 163
5.2.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
5.2.2. Forma de Lagrange del polinomio de interpolaci
on . . . . . . . 164
5.2.3. Forma de Newton del polinomio de interpolaci
on (polinomios
con diferencias divididas) . . . . . . . . . . . . . . . . . . . . . 165
5.2.4. An
alisis del error en el polinomio de interpolaci
on . . . . . . . 166
5.3. Interpolaci
on segmentaria (spline) . . . . . . . . . . . . . . . . . . . . 168
5.3.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
ix

Indice general
5.3.2. Interpolaci
on c
ubica fragmentaria (spline c
ubico) . . . . . . . . 169
5.4. F
ormula de Taylor para funciones de varias variables . . . . . . . . . . 173
5.4.1. Introducci
on. Derivadas parciales de orden superior . . . . . . . 173
5.4.2. F
ormula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.4.3. An
alisis del error . . . . . . . . . . . . . . . . . . . . . . . . . . 180
5.4.4. Aplicaciones a problemas de extremos . . . . . . . . . . . . . . 182
5.4.5. Aplicaci
on a la resoluci
on numerica de sistemas de ecuaciones . 192
5.4.6. Segundo metodo . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.5. Teoremas de la Funcion Implcita y de la Funci
on Inversa . . . . . . . 196
5.5.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.5.2. La linealidad de las funciones diferenciables . . . . . . . . . . . 200
5.5.3. El Teorema de la Funci
on Implcita para tres variables . . . . . 200
5.5.4. El Teorema de la Funci
on Implcita en el caso de mas variables 206
5.5.5. El Teorema de la Funci
on Inversa . . . . . . . . . . . . . . . . . 206
5.5.6. El Teorema del Rango . . . . . . . . . . . . . . . . . . . . . . . 207
5.6. Problemas de extremos condicionados de funciones de varias variables

209

5.6.1. Una condici

on necesaria de extremo local condicionado . . . . . 209
5.6.2. Existencia de plano tangente . . . . . . . . . . . . . . . . . . . 211
5.6.3. Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . . . . 214
5.7. Problemas propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
5.7.1. Polinomios de Taylor de una variable. . . . . . . . . . . . . . . 218
5.7.2. Metodos numericos de obtencion de races. . . . . . . . . . . . 220
5.7.3. Polinomios de interpolaci
on. . . . . . . . . . . . . . . . . . . . . 221
5.7.4. Polinomios de Taylor de Funciones de varias variables. . . . . . 221
5.7.5. Formas cuadr
aticas. . . . . . . . . . . . . . . . . . . . . . . . . 222
5.7.6. Extremos de funciones de varias variables. . . . . . . . . . . . . 222
5.7.7. Teoremas de la Funci
on Inversa e Implcita. . . . . . . . . . . . 224
5.7.8. Extremos condicionados. . . . . . . . . . . . . . . . . . . . . . . 225
6. Integraci
on

227

6.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
6.2. Introducci
on al c
alculo de primitivas . . . . . . . . . . . . . . . . . . . 229
6.2.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
6.2.2. Integraci
on de funciones racionales cuyo denominador tiene races
m
ultiples (Metodo de Hermite) . . . . . . . . . . . . . . . . . . 229



6.2.3. Integrales del tipo R x, Ax2 + 2Bx + C dx, R funci
on racional230
x

Indice general
6.2.4. Integrales binomias . . . . . . . . . . . . . . . . . . . . . . . . . 232
6.2.5. Integraci
on de funciones trascendentes . . . . . . . . . . . . . . 233
6.3. Introducci
on a la Integral de Riemann-Stieltjes . . . . . . . . . . . . . 236
6.3.1. Introducci
on y motivaci
on . . . . . . . . . . . . . . . . . . . . . 236
6.3.2. Integradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
6.3.3. Denici
on de la integral de Riemann-Stieltjes . . . . . . . . . . 239
6.3.4. Propiedades de la integral de Riemann-Stieltjes . . . . . . . . . 243
6.3.5. La integrabilidad frente a la composici
on con funciones continuas243
6.3.6. El Teorema Fundamental del C
alculo Integral . . . . . . . . . . 245
6.3.7. C
alculo de una integral de Riemann-Stieltjes mediante reduccion a una integral de Riemann . . . . . . . . . . . . . . . . . . 246
6.3.8. Extensi
on de la clase de integradores: integraci
on respecto a
integradores de variaci
on acotada . . . . . . . . . . . . . . . . . 247
6.3.9. F
ormula de integraci
on por partes. Teoremas del Valor Medio.
Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . 248
6.4. Algunas aplicaciones geometricas de la integral de Riemann . . . . . . 251

6.4.1. Area
encerrada por la gr
aca de una funci
on . . . . . . . . . . 251
6.4.2. Vol
umenes de cuerpos de revolucion . . . . . . . . . . . . . . . 252
6.4.3. Vol
umenes de cuerpos usando sus secciones . . . . . . . . . . . 255
6.5. Integraci
on numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
6.5.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
6.5.2. F
ormulas de integraci
on de Newton-Cotes . . . . . . . . . . . . 258
6.5.3. Integraci
on de Romberg y cuadratura gaussiana

. . . . . . . . 267

6.5.4. Investigacion del error en la integraci

on numerica . . . . . . . . 270
6.5.5. Traducci
on de los metodos de integracion numerica expuestos
a programas en Matlab . . . . . . . . . . . . . . . . . . . . . . 283
6.6. Integrales dependientes de un par
ametro . . . . . . . . . . . . . . . . . 288
6.6.1. Introducci
on. Un caso particular . . . . . . . . . . . . . . . . . 288
6.6.2. El caso general . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
6.7. Integraci
on m
ultiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
6.7.1. Denici
ones generales . . . . . . . . . . . . . . . . . . . . . . . 293
6.7.2. Funciones escalonadas y sus integrales . . . . . . . . . . . . . . 293
6.7.3. Integrales de funciones acotadas denidas en rect
angulos . . . . 296
6.7.4. Una condici
on suciente de integrabilidad . . . . . . . . . . . . 299
6.7.5. Integraci
on de funciones acotadas denidas en dominios m
as
generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
6.7.6. Aplicaciones geometricas de la integral doble . . . . . . . . . . 309
xi

Indice general
6.8. Curvas e integrales de lnea . . . . . . . . . . . . . . . . . . . . . . . . 312
6.8.1. Curvas y caminos en Rn . . . . . . . . . . . . . . . . . . . . . . 312
6.8.2. Integrales de lnea . . . . . . . . . . . . . . . . . . . . . . . . . 318
6.8.3. Teorema de Green en el plano . . . . . . . . . . . . . . . . . . . 322
6.9. Cambio de variable en integraci
on doble . . . . . . . . . . . . . . . . . 326
6.10. Supercies e integrales de supercie

. . . . . . . . . . . . . . . . . . . 331

6.10.1. Representaciones de una supercie en R3 . . . . . . . . . . . . 331

6.10.2. Producto vectorial fundamental . . . . . . . . . . . . . . . . . . 334

6.10.3. Area
de una supercie parametrica . . . . . . . . . . . . . . . . 336
6.10.4. Integrales de supercie . . . . . . . . . . . . . . . . . . . . . . . 337
6.10.5. Cambio de representaci
on parametrica . . . . . . . . . . . . . . 338
6.10.6. Otras notaciones para las integrales de supercie . . . . . . . . 339
6.10.7. El Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . 340
6.10.8. Una aplicaci
on: campos conservativos . . . . . . . . . . . . . . 343
6.11. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
6.11.1. C
alculo de primitivas. Integraci
on numerica. . . . . . . . . . . . 347
6.11.2. Integraci
on de Riemann-Stieltjes. . . . . . . . . . . . . . . . . . 348
6.11.3. Integral denida y aplicaciones geometricas elementales de la
integral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
6.11.4. Metodos numericos de integracion. . . . . . . . . . . . . . . . . 350
6.11.5. Integrales parametricas. . . . . . . . . . . . . . . . . . . . . . . 350
6.11.6. Integraci
on m
ultiple. . . . . . . . . . . . . . . . . . . . . . . . . 353
6.11.7. Integrales de lnea. . . . . . . . . . . . . . . . . . . . . . . . . . 355
6.11.8. Integrales de supercie. . . . . . . . . . . . . . . . . . . . . . . 359
7. Series num
ericas y de funciones. Integrales impropias

361

7.1. Series numericas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361

7.1.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
7.1.2. Tests generales para la convergencia o divergencia de series . . 364
7.1.3. Criterios de convergencia para series de terminos positivos . . . 365
7.1.4. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . 372
7.1.5. Sumaci
on parcial . . . . . . . . . . . . . . . . . . . . . . . . . . 374
7.1.6. Reordenaci
on de series . . . . . . . . . . . . . . . . . . . . . . . 383
7.2. Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
7.2.1. Generalizaci
on de la idea de integral: integrales impropias de
primera y de segunda especie . . . . . . . . . . . . . . . . . . . 386
7.2.2. Criterios de convergencia . . . . . . . . . . . . . . . . . . . . . 390
xii

Indice general
7.2.3. Integrales impropias y series . . . . . . . . . . . . . . . . . . . . 395
7.3. Sucesiones y series de funciones . . . . . . . . . . . . . . . . . . . . . . 404
7.3.1. Convergencia puntual y uniforme . . . . . . . . . . . . . . . . . 405
7.3.2. Convergencia uniforme y continuidad . . . . . . . . . . . . . . . 411
7.3.3. Convergencia uniforme, integraci
on y diferenciaci
on . . . . . . 412
7.3.4. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . 414
7.3.5. Funciones real-analticas . . . . . . . . . . . . . . . . . . . . . . 421
7.3.6. Algunas aplicaciones de los resultados sobre series de potencias
a ciertas series particulares . . . . . . . . . . . . . . . . . . . . 422
7.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431
7.4.1. Series numericas. . . . . . . . . . . . . . . . . . . . . . . . . . . 431
7.4.2. Integrales Impropias . . . . . . . . . . . . . . . . . . . . . . . . 435
7.4.3. Sucesiones de funciones. . . . . . . . . . . . . . . . . . . . . . . 438
7.4.4. Series de potencias. . . . . . . . . . . . . . . . . . . . . . . . . . 439

Indice de t
erminos

444

xiii

Captulo 1

Introducci
on
1.1.

Conceptos elementales y notaciones en Teora

de Conjuntos

Para un Curso de An
alisis Matematico como el que aqu se inicia, la Teora de
Conjuntos ser
a solo una herramienta y un lenguaje (lo que no es poco para cualquier
disciplina), de los que bastar
a conocer sus rudimentos. Resulta difcil desarrollar coherentemente y, al mismo tiempo, con precision y exibilidad, los conceptos que forman parte del C
alculo Innitesimal sin recurrir, aunque sea de forma supercial, a los
de la Teora de Conjuntos. S
olo a partir de su conocimiento le ser
a posible al lector
acceder a cualquier libro que trate el tema. Es por ello por lo que iniciaremos este
captulo con una breve discusi
on de dichos conceptos. Tenga sin embargo presente el
lector que la Teora de Conjuntos es actualmente un campo de estudio desarrollado,
con sus metodos propios y sus resultados de importancia excepcional no s
olo para las
Matematicas.

1.1.1.

Conjuntos

Ser
a suciente considerar un conjunto como una coleccion de objetos de cualquier
tipo. No vamos a encontrarnos en nuestro estudio con situaciones en las que esta
noci
on, puramente intuitiva, nos conduzca a dicultades. Sin embargo, casos en los
que ello ocurre no son difciles de encontrar, aunque es cierto que aparecen en niveles
de abstraccion superiores a aquellos en los que vamos a movernos. En la primera
nota a pie de p
agina, cuando hayamos introducido algunas deniciones adicionales,
remitiremos a un ejemplo de ello.
Los objetos formando parte de un conjunto son sus elementos, o miembros, o
puntos. Diremos que un conjunto contiene a sus elementos, o que estos pertenecen
a un conjunto, o son miembros de el. Usaremos en general letras may
usculas, tales
como A, B, C, . . ., para referirnos a conjuntos, letras min
usculas, como a, b, c, . . ., para
1

1.1. Conceptos elementales y notaciones en Teora de Conjuntos

sus elementos, y el hecho de que, por ejemplo, a sea un elemento del conjunto A
se simbolizara por a A. Los conjuntos de los que trataremos estaran formados,
generalmente, por puntos de la geometra ordinaria, por n
umeros, por funciones o,
incluso, por otros conjuntos. Para simplicar casos complicados hablaremos entonces
de familias o clases de conjuntos. Ser
a algo menos enrevesado hablar de una clase de
familias de conjuntos que de un conjunto de conjuntos de conjuntos.
Si A es un conjunto, otro conjunto B ser
a llamado un subconjunto de A, y escribiremos B A, cuando todo elemento de B sea tambien elemento de A. Hay un
error que se comete con frecuencia, y es el siguiente: Sea A el conjunto formado por
los n
umeros 1, 2 y 3 (introduciremos la notaci
on A = {1, 2, 3}). Formalmente, es distinto considerar el conjunto {1} que el elemento 1. El primero es un subconjunto de
A, que posee un solo elemento. El segundo es un elemento del conjunto A. Por tanto,
son entes diferentes. Observar que, entonces, las notaciones adecuadas son {1} A,
y 1 A, aunque ambas representan el mismo hecho.
Ahora, con estos conceptos en mente, aparecen1 algunas dicultades surgidas al
aceptar la noci
on intuitiva de conjunto como algo tan evidente que no requiere mayor
an
alisis y no es susceptible de producir dudas ni problemas.
Dado un conjunto A y un subconjunto suyo B, el complemento de B respecto
de A es el conjunto formado por todos aquellos elementos de A que no estan en B.
Utilizaremos la notacion A\B para referirnos a este conjunto.
Sean A y B conjuntos. Hay dos conjuntos adicionales que pueden formarse usando
estos. Aparecen con tanta frecuencia que merecen un nombre propio: Uno de ellos
es la uni
on de los conjuntos A y B, denotada por A B, y que, por denici
on,
es el conjunto que contiene los elementos que estan en A o en B (o en ambos; un
elemento que esta simult
aneamente en A y en B se cuenta solo una vez). Otro es su
interseccion, denotada por A B, y que se dene como el conjunto formado por los
elementos comunes a A y a B. Dos conjuntos A y B cuya interseccion es el conjunto
vaco 2 , denotado por , se dice que son disjuntos.
1 Un ejemplo de las dificultades que se pueden encontrar al considerar la noci
on intuitiva de
conjunto es el siguiente: Si aceptamos la existencia del conjunto cuyos elementos son todos los
conjuntos existentes, tendremos que admitir que, puesto que el es un conjunto, es un elemento de
s mismo. Esta es una situaci
on que vamos a excluir por principio. Porque, que pasara si aceptamos
que hay conjuntos que pueden ser elementos de s mismos? (y tales conjuntos aparecen en el discurso
normal: considerese, por ejemplo, el conjunto formado por todos aquellos objetos que puedan ser
definidos con menos de treinta palabras. Este conjunto es un elemento de s mismo). Ocurrira lo
siguiente: llamemos a un conjunto A normal si no es elemento de s mismo, especial si, por el
contrario, es elemento de s mismo. Formemos el conjunto A cuyos elementos son todos los conjuntos
normales. Es A un conjunto normal o especial? Si A es normal, A pertenece a A, luego A es especial.
Si A es especial, A se contiene a s mismo como uno de sus elementos, luego A es normal. En ambos
casos obtenemos una contradicci
on! La u
nica forma de salvar la dificultad es convenir que las palabras
que sirven para definir A no definen en realidad un conjunto.
2 La

existencia de un conjunto llamado conjunto vaco, suele producir confusi

on, al entender, y no
sin raz
on, que no tiene sentido hablar de un conjunto que no contiene ning
un elemento. En cierta
forma, y salvando las distancias, la repugnancia a aceptar la existencia de tal ente es la misma que la
que algunos sintieron confrontados con el n
umero 0, que no denota ninguna cantidad. Sin embargo,
el uso de este u
ltimo es tan conveniente para la Aritmetica como lo puede ser el del primero para la

Captulo 1. Introducci
on
Haremos uso de unas notaciones que extienden las anteriores en el caso en que las
operaciones de uni
on e interseccion se realicen con muchos conjuntos. Nos detendremos
un momento en ellas:
Antes de comenzar propiamente veamos como suele denotarse un conjunto de
elementos: supongamos que queremos describir el conjunto C de puntos de la circunferencia de centro el origen de coordenadas, 0, y de radio 1, en el plano eucldeo. Una
forma de hacerlo es desde luego listando todos sus elementos . Esto, aunque es f
acil
de hacer en el caso, digamos, del conjunto A formado por los cinco primeros n
umeros
naturales (se escribe, sin m
as, A = {1, 2, 3, 4, 5}), no tiene sentido en el nuestro
(hay demasiados puntos). En lugar de ello, se da una propiedad que satisfagan
los puntos de nuestro conjunto y s
olo ellos. La notaci
on empleada es la siguiente:
C := {x : x R2 , d(x, 0) = 1} , donde R2 es la notacion empleada para el plano, y d
es la distancia eucldea (la distancia
entre dos puntos de coordenadas cartesianas (a, b)

on, insustituible
y (c, d) respectivamente, es (a c)2 + (b d)2 ). Esta segunda opci
en el caso de conjuntos de puntos tan grandes como C, puede utilizarse tambien
para nuestro sencillo ejemplo A. Sera as A = {x : x N, 1 x 5} , donde N
denota el conjunto de los n
umeros naturales, es decir N = {1, 2, 3, . . .}3 .
Introduciremos ahora una notaci
on adecuada para representar familias de conjuntos. Sea I un conjunto no vaco arbitrario. Lo llamaremos conjunto de ndices.
Sus elementos entonces son los ndices. Supongamos que, dado un ndice i I, le
asociamos un cierto conjunto A. Para recordar que este conjunto ha sido asociado al
ndice i, sera mejor denotar al conjunto como Ai . As tenemos una familia de conjuntos, tantos como ndices tena nuestro conjunto I. La denotaremos entonces como
on de uni
on e interseccion a familias
{Ai : i I} . Ahora, podemos extender la notaci
de conjuntos. Supongamos que tenemos una familia de conjuntos {Ai : i I} . Denotaremos por {Ai : i I} o por iI A el conjunto tal que un elemento pertenece a
on para la intersecci
on de
el si y solo si esta en alguno de los conjuntos Ai . La notaci
todos los conjuntos de la familia, es decir, para el conjunto que tiene como elementos
exactamente a los que estan simult
aneamente en todos ellos, es analoga: {Ai : i I}
o iI A.

1.1.2.

Conjuntos ordenados

Un orden en un conjunto A es una relacion en A que verica las siguientes

condiciones:
1.

(reexiva) a a para todo elemento a A.

2.

(transitiva) Si a, b y c son elementos de A tales que a b y b c, entonces

a c.

Teora de Conjuntos. Aceptelo el lector como una simple comodidad notacional.

3 Aqu
hemos abusado de la notaci
on que precisamente estamos introduciendo, pues que significan
esos puntos suspensivos? Desde luego no son ninguna propiedad. Bien, mientras el lector no se
sienta confundido, podremos, en algunas ocasiones como esta, violar algunas reglas en aras de la
sencillez. Pues todo el mundo imagina lo que hay detr
as de esos puntos suspensivos.

1.2. El conjunto de los n

umeros naturales
3.

(antisimetrica) Si a b y b a, entonces a = b.

Cuando a b se dice que a es anterior a b, o que precede a b. Un conjunto A con una

relacion de orden se dice que est
a totalmente ordenado si dados dos elementos a y b
cualesquiera de A se tiene que, o bien a b o bien b a. Un conjunto totalmente
ordenado A se dice que esta bien ordenado (o que el orden en A es un buen orden)
cuando todo subconjunto B no vaco de A tiene primer elemento, es decir, un elemento
que es anterior a todos los otros del conjunto. Se acepta el siguiente axioma de la Teora
de Conjuntos:
Axioma 1.1.1 (Principio de Buena Ordenaci
on) En todo conjunto no vaco se
puede denir un orden que lo haga un conjunto bien ordenado.

1.1.3.

Producto cartesiano

Definici
on 1.1.2 Dados dos conjuntos S y T no vacos, se dene su producto cartesiano S T como el conjunto de todas las parejas (s, t), donde s S y t T .
Hay que hacer observar que el orden de los elementos en cada pareja es relevante.
El primer elemento pertenece al conjunto S, el segundo al conjunto T . El producto
cartesiano de un conjunto por s mismo, digamos S S, se denota como S 2 . Obviamente, estas deniciones se pueden extender al caso de n conjuntos. Se suele utilizar
el smbolo
n

Si
i=1

para denotar el producto cartesiano de los conjuntos S1 , S2 , . . . , Sn , tomados en ese

orden. Cuando todos ellos coinciden se denota el producto como S n .

1.2.

El conjunto de los n
umeros naturales

1.2.1.

N como conjunto

En la seccion 1.1 se ha mencionado el conjunto de los n

umeros naturales, que
hemos llamado N. Tiene como elementos los n
umeros 1, 2, 3, . . . Aunque se puede dar
una denici
on formal, creemos que no es necesario (la frase de L. Kronecker , 18231891, es conocida: Dios creo los n
umeros naturales. El hombre hizo todo lo dem
as).
A pesar de que nuestra intuici
on nos gua con seguridad a la hora de considerarlo,
hay que hacer algunas observaciones, algunas de ellas obvias:
En primer lugar, el conjunto N es innito. Es necesario que el lector abandone
desde este momento el error de utilizar la logica de los conjuntos nitos para los que
no lo son. Por ejemplo, no tiene ning
un sentido hablar del
ultimo elemento de un
4

Captulo 1. Introducci
on
conjunto como N. Simplemente no hay ning
un elemento en N que pueda llevar ese
calicativo4 .
Sin embargo, en N s que se puede hablar de elemento siguiente a uno determinado,
as como del anterior, excepto en el caso del elemento 1, que no posee anterior (el 0
no es un n
umero natural). As, en N hay una ordenaci
on muy particular: por una
parte, adem
as de no tener u
ltimo elemento, es un orden total, es decir, dados dos
elementos distintos cualesquiera, siempre uno de ellos es menor que el otro. Por otra,
N esta bien ordenado, es decir, todo subconjunto no vaco tiene primer elemento. Esta
u
ltima propiedad genera un mecanismo fundamental en el estudio de los conjuntos
innitos como N: es el llamado principio de inducci
on, que tratamos a continuaci
on.

1.2.2.

El Principio de Inducci
on

El principio de inducci
on, tambien llamado principio de inducci
on nita, expresado en forma no tecnica, viene a decir los siguiente: supongamos que queremos probar
que una determinada propiedad P , que esta expresada usando n
umeros naturales, es
cierta sea cual sea el n
umero natural que se introduce. El alumno puede pensar en
una m
aquina (llamada propiedad P ) que acepta como input n
umeros naturales,
dando como resultado uno de los dos output: verdadero o falso. Presumimos
que sea cual sea el n
umero natural n introducido el resultado va a ser verdadero.
Un primer intento de prueba sera introducir n
umeros consecutivamente y observar
el output, pero es evidente que este procedimiento nunca va a proporcionarnos la
certeza de que para cualquier n
umero introducido la m
aquina va a responder verdadero. Hay un procedimiento que s nos asegura esto. Consiste tan solo en dos
operaciones:
1.

Introducir el n
umero 1 y esperar el resultado (verdadero!).

2.

Destripar la m
aquina y analizar su estructura. Supongamos que al hacer esto
descubrimos lo siguiente: que si la introducci
on de un n
umero n provoca el resultado verdadero entonces la introducci
on de n+1 provoca tambien el mismo
resultado

Los puntos 1 y 2 conjuntamente aseguran que sea cual sea el n

umero n introducido,
el resultado es verdadero.
4 Se pueden plantear unas adivinanzas que ilustran lo que ocurre cuando no se tiene en cuenta
que las afirmaciones hechas sobre conjuntos finitos no pueden en general ser extrapoladas a los
conjuntos infinitos. Una de las m
as conocidas es la siguiente: Suponga el lector que es el (afortunado)
propietario de un hotel que posee tantas habitaciones como n
umeros naturales! (cada una de ellas
tiene un n
umero natural en la puerta), y que (su fortuna es todava mayor), todas las habitaciones
est
an ocupadas. De pronto se presenta un viajero que quiere pasar la noche. Es posible acomodarlo sin
dejar a ninguno de los hu
espedes en la calle. El procedimiento es sencillo (aunque un poco molesto
para los mismos): Basta pedir a cada uno de los inquilinos de las habitaciones que se trasladen a la
habitaci
on con n
umero una unidad m
as que la que antes ocupaban. De nuevo todos tienen habitaci
on
y, desde luego, la que lleva el n
umero 1 queda libre.
Planteamos ahora el siguiente problema: Estando el hotel lleno, se presenta una delegaci
on de
tantos miembros como n
umeros naturales! Intente el lector acomodarlos, cada uno de ellos en una
habitaci
on, sin dejar a ninguno de los anteriores ocupantes en la calle.

1.2. El conjunto de los n

umeros naturales
Demostraremos ahora, basandonos en el Principio de Buena Ordenaci
on (teorema
1.1.1), el Principio de Inducci
on Finita (teorema 1.2.1). La forma de hacerlo es un
ejemplo tpico de lo que se entiende por una demostraci
on por reducci
on al absurdo:
Se supone que lo que se quiere demostrar es falso. A partir de ello, se construye
una cadena de razonamientos que conduzca a una contradicci
on. Se puede armar
entonces que el punto de partida era falso, es decir, aquello que se quera demostrar
era verdadero.
Teorema 1.2.1 (Principio de Inducci
on Finita) Supongamos que para cada n
umero natural n tenemos una aserci
on P (n), y que podemos probar las dos siguientes
propiedades:
1.

La aserci
on P (1) es verdadera.

2.

Dado cualquier numero natural n, si P (n) es cierta, as lo es P (n + 1).

Entonces, la aserci
on P (n) es cierta para todo n
umero natural n.
n. Sea S el conjunto de todos los n
Demostracio
umeros naturales para los que P (n)
es falsa. Supongamos que S no es el conjunto vaco. Entonces, por el Principio de
Buena Ordenaci
on (axioma 1.1.1), S tiene un primer elemento n0 . Por la armaci
on
1 de la hip
otesis n0 = 1, luego n0 > 1. Como n0 es el primer elemento de S, resulta
on 2 de
que n0 1 no pertenece a S, es decir, P (n0 1) es verdadera. Por la armaci
/ S, una contradicci
on. Entonces, el punto de
la hip
otesis, P (n0 ) es cierta, luego n0
partida es falso, es decir, S = . Por lo tanto, la propiedad P (n) es cierta para todo
n
umero natural n.


Algunos ejemplos aclarar
an el procedimiento de prueba. Necesitaremos conceptos
b
asicos, como el de sucesi
on de puntos de un conjunto.
Definici
on 1.2.2 Dado un conjunto no vaco S, una sucesion en S es una forma
de asignar a cada n
umero natural n N un elemento y s
olo uno de S, denotado
como xn . N
umeros naturales distintos pueden tener asociado el mismo elemento. Una
as brevemente, como (xn )nN o,
sucesi
on en S se denotar
a como (x1 , x2 , x3 . . .) o, m
incluso, como (xn ).
Elegimos en primer lugar un resultado bien conocido: La expresi
on del n-esimo
termino y de la suma de los n primeros terminos de una progresi
on aritmetica. Sea
(an ) una sucesion de n
umeros reales (el conocimiento que de los n
umeros reales tiene
el lector es suciente para lo que nos interesa demostrar) que forma una progresi
on
aritmetica, es decir, cada termino se obtiene del anterior al sumar a este una cantidad
constante r (la raz
on de la progresi
on). Dicho de otro modo: an+1 = an + r, n =
1, 2, 3, . . . Se tiene la siguiente
Proposici
on 1.2.3 Sea {an : n N } una progresi
on aritmetica de raz
on r. Entonces,
se tiene an+1 = a1 + nr, para n = 1, 2, 3, . . .
6

Captulo 1. Introducci
on
n. Dividiremos el argumento en dos partes.
Demostracio
1.

El resultado es obvio para n = 1.

2.

Probaremos ahora que si se supone el resultado cierto para un n

umero natural
n, entonces tambien es cierto para n+1.
As pues, vamos a suponer que
an+1 = a1 + nr.

(1.1)

Intentemos demostrar que a partir de (1.1) se obtiene la f

ormula
an+2 = a1 + (n + 1)r.

(1.2)

an+2 = an+1 + r.

(1.3)

Para ello escribimos

Usando ahora (1.1) en (1.3) tenemos
an+2 = a1 + nr + r = a1 + (n + 1)r,
y esta es la formula (1.2) que queramos probar.

Proposici
on 1.2.4 Si Sn representa la suma de los n primeros terminos de una
on r, entonces
progresi
on aritmetica {an : n N} de raz


a1 + an
Sn =
n.
2
n. Dividiremos el argumento en dos partes.
Demostracio
1.

El resultado es obviamente cierto para n = 1.

2.

Probaremos ahora lo siguiente: en el supuesto de que el resultado sea cierto para

n, tambien va a ser cierto para n + 1.
Como antes, vamos a suponer que
Sn =

a1 + an
n.
2

(1.4)

Intentemos demostrar que a partir de (1.4) se obtiene la f

ormula
Sn+1 =

a1 + an+1
(n + 1).
2

(1.5)

Para ello escribimos

Sn+1 = Sn + an+1 .

(1.6)
7

1.2. El conjunto de los n

umeros naturales
Usando ahora (1.6) y el resultado de la proposici
on 1.2.3 en (1.4) obtenemos
Sn+1 =

a1 + an+1
(a1 + an )n + 2a1 + 2nr
=
(n + 1)
2
2

y esta es la formula (1.5) que queramos probar5 .

Proposici
on 1.2.5 Sea {an : n N } una progresion geometrica de raz
on r, es decir,
una sucesi
on de n
umeros naturales tales que an+1 = an r, n = 1, 2, 3, . . . Entonces,
an = a1 rn1 , n = 1, 2, 3, . . . ,

(1.7)

on, se tiene
y, si Sn denota la suma de los n primeros elementos de la progresi
Sn =

an r a1
.
r1

(1.8)

Si, en particular, |r| < 1, la sucesi

on (Sn ) tiene lmite 6 , llamado la suma de la
progresion y cuyo valor es
a1
.
(1.9)
S=
1r
n. La igualdad (1.7) es obvia para n = 1. Supongamos que es cierta
Demostracio
para un cierto n
umero natural n. Ahora, an+2 = an+1 r = a1 rn r = a1 rn+1 , luego la
f
ormula (1.7) es cierta para todo n.
5 El lector, sobre todo el se encuentra por vez primera argumentos de este tipo, puede sorprenderse
de que para demostrar un resultado se utilice precisamente ese mismo resultado (las f
ormulas (1.1)
y (1.4) en las demostraciones anteriores). En esta situaci
on esto no es una petici
on de principio
y el razonamiento es correcto. Observese su estructura: la frase que precede a la f
ormula (1.1) o
(1.4), respectivamente, es condicional (vamos a suponer que...). No se est
a afirmando que (1.1) o
(1.4) sean ciertas necesariamente. Es lo que en terminos l
ogicos corresponde a una implicaci
on del
tipo A B en nuestro caso (1.1) (1.2) (o (1.4) (1.5)). La verdad de una tal implicaci
on no
presupone la verdad de la premisa A. De forma m
as precisa A B es cierta si y s
olo si siendo cierta
A es tambi
en cierta B, o cuando es falsa A.
Aun corriendo el riesgo de ser reiterativos, queremos insistir sobre el mecanismo subyacente al
m
etodo de inducci
on finita. Antes hemos hablado de una m
aquina que acepta inputs (n
umeros
naturales) y proporciona outputs (verdadero o falso). Hay una imagen m
as ajustada: supongamos que tenemos una colecci
on de fichas de domin
o numeradas mediante los n
umeros naturales.
Hay por tanto una familia infinita de fichas, pero cada una de ellas es reconocible al llevar adscrito un
determinado numero natural. Est
an colocadas de pie, una detr
as de la otra, respetando la ordenaci
on
creciente del n
umero de su r
otulo y a una cierta distancia una de la que le sigue, siempre la misma.
Aseguramos que todas las fichas caen. Esta es una afirmaci
on acerca de infinitos elementos. Su
comprobaci
on va a quedar reducida a la verificaci
on de dos puntos: 1) que la ficha rotulada con el
n
umero 1 cae; 2) que la distancia entre la fichas es tal que podemos asegurar que si una cualquiera
lo hace, la que le sigue tambien. Este ejemplo de las fichas de domin
o har
a entender que la siguiente
versi
on del metodo de inducci
on finita es v
alida:
1) La proposici
on es cierta para el n
umero natural n0 .
2) Si es cierta para un n
umero n arbitrario, entonces es cierta para n+1.
Entonces la proposici
on es cierta para todo n
umero natural mayor o igual que n0 .
6 La noci
on precisa de lmite de una sucesi
on aparece en la definici
on 2.3.4

Captulo 1. Introducci
on
La demostracion de (1.8) no requiere el uso del metodo de inducci
on:
Sn = a1 + a2 + . . . + an ,
de donde
Sn r = a1 r + a2 r + . . . + an r = a2 + a3 + . . . + an+1 .
Entonces
Sn r Sn = Sn (r 1) = an+1 a1 = a1 rn a1 .
Obtenemos (1.8).
Para demostrar (1.9) supondremos que el lector est
a familiarizado con los rudimentos de la teora de lmites de sucesiones: De la formula (1.8) se obtiene
a1
an r a1
=
,
n
r1
1r

lm Sn = lm

pues an r = a1 rn 0 cuando n .

1.3.

N
umeros enteros y racionales

No vamos a detenernos en analizar exhaustivamente los conjuntos Z de los n

umeros
enteros y Q de los n
umeros racionales, que el lector conoce bien. Tan solo damos un
resumen de sus propiedades mas importantes.

1.3.1.

El conjunto de los n
umeros enteros

El conjunto Z (de los n

umeros enteros) es el conjunto
{0, 1, 1, 2, 2, 3, 3, . . .} .
Posee dos leyes de composicion; una, + , la suma, que lo convierte en un grupo
conmutativo (es decir, la ley es asociativa, conmutativa, posee elemento neutro, y
todo elemento posee un simetrico), y otra, , el producto, que es asociativa. Con
ambas leyes, Z es un anillo.

1.3.2.

El conjunto de los n
umeros racionales

Hay una forma de introducir el conjunto de los n

umeros racionales Q usando el
de los n
umeros enteros Z, introducidos en la subsecci
on anterior. Q es el conjunto de
todas las parejas (a, b), donde a Z, b Z, b = 0, si convenimos en identicar ciertas
parejas entre s: precisamente, se introduce en Z(Z\ {0}) (el producto cartesiano fue
introducido mediante la denici
on 1.1.2) una relaci
on de equivalencia : diremos que
dos parejas (a, b) y (c, d) en Z (Z\ {0}) est
an relacionadas, y escribiremos (a, b)
9

1.3. N
umeros enteros y racionales
(c, d), cuando ad = bc. Esta relacion es de equivalencia porque satisface las siguientes
condiciones: (1) reexiva: (a, b) (a, b), (2) simetrica: si (a, b) (c, d), entonces
(c, d) (a, b), y (3) transitiva: si (a, b) (c, d) y (c, d) (e, f ), entonces (a, b)
(e, f ). Es posible considerar ahora en Z (Z\ {0}) el subconjunto de todas las parejas
que estan relacionadas con una determinada (a, b); dicho subconjunto se llama clase
de equivalencia denida por la relaci
on , y lo denotaremos por < a, b > . Entonces,
deniremos Q, llamado conjunto de los n
umeros racionales, como el formado por
todas las posibles clases < a, b >, donde a Z, b Z, b = 0. Se identica Z con un
subconjunto de Q, ya que precisamente a z Z se le hace corresponder < z, 1 >, que
se suele seguir denotando por z.
Hay dos operaciones denidas en Q: la suma (+) y el producto (). Act
uan de la
siguiente forma:
< a, b > + < c, d > = < (a d) + (b c), b d >,

(1.10)

< a, b > < c, d > = < a c, b d >,

(1.11)

donde a, b, c y d son n
umeros enteros, siendo b = 0, d = 0. Es f
acil ver que estas
deniciones no dependen de los representantes elegidos7 . Q con estas operaciones es
un cuerpo8 .
Respecto a su ordenacion Q deja de tener una propiedad muy importante de
los n
umeros naturales. Aunque sigue estando ordenado (el orden viene dado por
< a, b > < c, d > a d c b, si b > 0, d > 0), deja de estar bien ordenado (ver las deniciones en la subsecci
on 1.1.2). Ahora, ya no es cierto en general que todo subconjunto S = de Q tenga primer elemento. Por ejemplo: sea
S = {x : x Q : 0 < x < 1}; este conjunto no tiene primer elemento (0 no pertenece
a S!). Todava mas: dado un elemento x Q, no existe un predecesor, es decir, no
hay n
umero racional inmediatamente anterior a x.
7 El considerar un n
umero racional como una clase de equivalencia de parejas de n
umero enteros
(con su segundo elemento no nulo) viene forzado por el intento de mantener la coherencia interna.
Estamos pasando de estructuras m
as simples a otras m
as complicadas. No tiene sentido definir un
n
umero racional como un COCIENTE de n
umeros enteros: en la estructura de Z no esta presente la
operaci
on divisi
on (t
engase en cuenta que la operaci
on en Z no tiene como una de las propiedades
la existencia de inversos). De todas formas, observe el lector que, teniendo en mente la asociaci
on

< a, b >

a
,
b

las formulas (1.10) y (1.11) se ajustan a lo esperado.

8 Una cuesti
on de numerabilidad. Piense el lector en lo que realmente hace al contar una colecci
on
de elementos: a uno de ellos le asocia el n
umero natural 1, a otro el 2, y as sucesivamente. Esta
realizando una correspondencia o aplicaci
on biyectiva (ver la definici
on 3.1.3) entre su conjunto
y una parte del conjunto N. Un conjunto S es finito cuando hay un n
umero natural n de modo
que S y el conjunto {1, 2, 3, . . . , n} est
an en correspondencia biyectiva. Un conjunto S es infinito
numerable cuando S y N est
an en correspondencia biyectiva. Es sencillo probar que Z es un conjunto
infinito numerable. Un poco m
as arduo es probar que Q es tambi
en un conjunto infinito numerable:
omitiendo los detalles, digamos que una manera de contar los elementos de Q es escribirlos en forma
de tabla de dos entradas. En la intersecci
on de la fila j y la columna i est
a < i, j >. Cuente ahora
los elementos de la tabla por diagonales como en la figura 1.1.

10

Captulo 1. Introducci
on

Figura 1.1: El orden de numeraci

on de Z N

1.4.

El conjunto de los n
umeros reales

El conjunto R de los n
umeros reales es la estructura numerica mas compleja que
vamos a tratar con cierto detenimiento en este Curso (s
olo eventualmente mencionaremos los n
umeros complejos). Solo su denici
on precisa comporta una gran dicultad
para el principiante. Hoy en da, y para evitar las complicaciones de los metodos
constructivos de denici
on de R a partir de Q, muchos libros de texto preeren dar
una denici
on puramente axiom
atica de R. Seg
un este punto de vista, R es un conjunto abstracto que satisface unos ciertos axiomas (que sean sus elementos no tienen
la menor importancia; s
olo se les exige que cumplan los axiomas). No cabe la menor
duda de que resulta un procedimiento expeditivo, aunque no es el m
as adecuado para
construirse una imagen mental de apoyo. En cierta forma, los que adoptan la denicion axiom
atica de los n
umeros reales confan en que sus lectores tengan ya esa imagen
de la que habl
abamos. Nosotros no vamos a quedarnos con uno de los procedimientos
tan s
olo, aunque es cierto que tampoco vamos a realizar un estudio muy detallado de
la estructura de R. Daremos los axiomas que la denen, y completaremos su descripcion mencionando el procedimiento constructivo y la expresi
on decimal de un n
umero
real, as como proporcionando una representaci
on geometrica.

1.4.1.

Un conjunto de axiomas para los n

umeros reales

Los elementos del conjunto R verican los siguientes axiomas. Los hay de tres
tipos: unos son de naturaleza algebraica (es decir, hacen referencia a las operaciones
algebraicas), otros describen propiedades del orden, y hay uno especial, de naturaleza
topol
ogica9 .
En todo lo que sigue las letras x, y, z . . ., denotar
an elementos arbitrarios de R.
9 Topolog
a es una palabra derivada de la griega oo, lugar, y hace referencia a la disciplina
matem
atica que antes se llamaba An
alisis Situs. Es difcil describir en pocas palabras su objeto. Es
una abstracci
on de las relaciones espaciales entre los cuerpos, y tiene su origen en la Geometra. De
alguna forma, es una Geometra sin coordenadas.

11

1.4. El conjunto de los n

umeros reales
Axiomas de cuerpo (algebraicos)
Existen dos operaciones en R, llamadas suma (+) y producto (), de forma que R
es un cuerpo:
1. Propiedad conmutativa: x + y = y + x, x y = y x.
2. Propiedad asociativa: x + (y + z) = (x + y) + z, x (y z) = (x y) z.
3. Propiedad distributiva: x (y + z) = (x y) + (x z).
4. Existencia de elementos neutros: Existen dos elementos, denotados por 0 y por
1, de modo que se tiene x + 0 = x, x 1 = x.
5. Existencia de elementos inversos: Para todo elemento x hay otro (denotado por
x), de forma que x + (x) = 0, y para todo elemento x = 0 hay otro (denotado por
x1 ), de forma que x x1 = 1.
Axiomas de orden
Hay un subconjunto de R, denotado por R+ , que verica10 :
6. Estabilidad por las operaciones + y : si x, y R+ , entonces x + y R+ ,
as como x y R+ .
7. Propiedad de tricotoma: se tiene x = 0, o bien x R+ o bien (x) R+ ,
siendo las tres alternativas excluyentes.
8. 0
/ R+ .
El axioma del supremo
La razon de que R posea una estructura tan rica se debe al llamado Axioma del
Supremo.
La descripcion del mismo requiere algunas deniciones previas:
Definici
on 1.4.1 Dado un subconjunto S de R, se dice que esta acotado superiormente (inferiormente) cuando existe un n
umero real c, llamado cota superior (inferior)
de S, tal que x S, x c (o bien x c)11 . Observar que c puede o no pertenecer
10 El lector no tendr
a dificultad en recordar los axiomas referentes a la ordenaci
on (ver las definiciones en la subsecci
on 1.1.2) si tiene presente que, en realidad, se est
a introduciendo un orden en el
conjunto R definiendo un subconjunto especial de R, denotado R+ , los n
umeros positivos. Es sencillo
demostrar a partir de estos axiomas que la relaci
on definida en R mediante la f
ormula

x y (x = y)
o bien

y x R+ ,

es una relaci
on de orden.
11 Para abreviar la escritura utilizaremos los s
mbolos siguientes:
: se lee para todo. Quiere decir sea cual sea....
: se lee existe. Se debe interpretar como existe por lo menos uno.... No excluye que puedan
existir varios.

12

Captulo 1. Introducci
on
a S.
Si un conjunto S est
a acotado superiormente, considerese el conjunto C de sus
cotas superiores. Este conjunto, por denici
on, no es vaco. Si C tiene un elemento
m
as peque
no, ese elemento recibe el nombre de supremo de S. Hay una denici
on
simetrica para nmo de S.
Entonces se tiene
9. Axioma del supremo: Todo subconjunto no vaco de R
acotado superiormente tiene supremo.

Es conveniente que el lector considere la siguiente caracterizacion de supremo de

un conjunto, obtenida trivialmente a partir de la propia denici
on.
Proposici
on 1.4.2 Sea S un subconjunto no vaco de R. Un punto s R es supremo
de S si, y s
olo si, se verican simult
aneamente las dos siguientes condiciones:
1. > 0, x S tal que s < x.
2. x S, x s.
La siguiente consecuencia del Axioma del Supremo sera utilizada m
as adelante.
Incluimos aqu la demostracion de la misma, aunque hay que estar familiarizado con
la denici
on de sucesion convergente, que trataremos en la seccion 2.3.2.
Proposici
on 1.4.3 (de la convergencia mon
otona) Sea (xn ) una sucesi
on mon
otona no decreciente y acotada superiormente de n
umeros reales. Entonces (xn )
converge.
n. El conjunto S = {xn : n N} esta acotado superiormente, luego
Demostracio
posee supremo s. Probaremos que s es el lmite de (xn ): Sea > 0 arbitrario. Entonces,
en virtud de la caracterizaci
on anterior de supremo, hay un elemento de S, digamos
xn0 , tal que s < xn0 . Por la monotona de la sucesion, se tiene s < xn s,
n n0 . Pero esta propiedad es precisamente la denicion de que s es el lmite de la
sucesion.


El lector no encontrar
a dicultad en sustituir el Axioma del Supremo por otro
equivalente usando nmos, as como formular la proposici
on 1.4.2 y la proposici
on
1.4.3 para nmos y sucesiones monotonas no crecientes acotadas inferiormente, respectivamente.
La introducci
on axiom
atica de R no establece quienes sean sus elementos, como
antes hemos mencionado. Existe, por el axioma 4, un elemento, denotado por 1.
13

1.4. El conjunto de los n

umeros reales
Denimos recursivamente12 un subconjunto de R, denotado de momento por N , de
la siguiente forma: se denota como 2 el elemento 1+1, como 3 el elemento 2+1, y
as sucesivamente. El subconjunto de R as denido tiene todas las propiedades de N
(en particular, la siguiente: si un elemento n N, entonces n + 1 N), por lo que se
usar
a a partir de este momento el mismo smbolo. Se entender
a, pues que N R.
La siguiente propiedad de los n
umeros naturales se llama propiedad arquimediana.
Simplemente indica que el conjunto N no esta acotado superiormente en R:
Teorema 1.4.4 Para todo x R existe n N con n > x.
n. Supongamos que N R este acotado superiormente. Por el axioma
Demostracio
del supremo, existe s := sup N. Por la proposici
on 1.4.2, dado = 1/2 existe n N
tal que s 1/2 < n s. Entonces s < n + 1 N, una contradicci
on.

1.4.2.

Construcci
on de los n
umeros reales a partir de los racionales, junto con una interpretaci
on geom
etrica

En 1.4.1 hemos introducido un conjunto de axiomas para R. Desde luego ello no

basta para asegurar la existencia de tal conjunto. Una forma de hacerlo es partir de
Q, introducido en la subsecci
on 1.3.2, para denir nuevos entes (los n
umeros reales),
y demostrar que satisfacen los axiomas mencionados. Esto requiere mas esfuerzo que
el consagrado a una introducci
on, as que nos limitaremos a dar una idea aproximada
del procedimiento.
Tomemos una lnea recta horizontal 13 . Marcamos dos puntos sobre ella como en
la gura 1.2 asoci
andolo a 0 (0) y a 1 (I). Determinan un intervalo unidad. Ahora, es

Figura 1.2: 0 y 1 sobre la recta

sencillo situar sobre la recta cualquier n
umero entero, y, por ende, cualquier racional.
Fue una aportaci
on fundamental de los pitag
oricos entre los siglos VI y V antes
de Cristo el descubrimiento de que hay puntos de esta recta que no corresponden
a ning
un n
umero racional. En particular, encontraron que no hay n
umero racional
correspondiente al punto P de la recta tal que su distancia al origen 0 coincida con
la longitud de la diagonal de un cuadrado de lado unidad (ver la gura 1.3).
12 Podr
a pensarse que esta definici
on hace uso, precisamente, de la estructura de los n
umeros
naturales al invocar el Principio de Inducci
on Finita 1.2.1, por lo que sera circular. Esto no es as,
pues este Principio es una consecuencia del Axioma de Buena Ordenaci
on (axioma 1.1.1).
13 Apelamos aqu
s
olo a la idea intuitiva de recta que el lector tiene. Se trata de dar una representaci
on geometrica u
til para indicar razonamientos que se pueden precisar completamente con el
m
etodo axiom
atico.

14

Captulo 1. Introducci
on

Figura 1.3: Raz de 2

Posteriormente se demostro que muchos otros puntos de la recta no correspondan

a n
umeros racionales. Hubo que introducir otros n
umeros (llamados irracionales)
para cubrir esos huecos. Los n
umeros reales, as, estan formados por los n
umeros
racionales junto con los irracionales. La demostraci
on de que la longitud de la diagonal
de un cuadrado de lado 1 no es un n
umero racional es extraordinariamente elegante,
y es otro ejemplo de demostracion por reducci
on al absurdo:
Proposici
on 1.4.5

2 no es un n
umero racional.

n. Supongamos que lo sea, digamos

Demostracio

p
2= ,
q

(1.12)

donde p y q son n
umeros enteros, q = 0, pudiendo suponer de partida que no tienen
factores comunes en su descomposicion en factores primos.
Elevando al cuadrado ambos miembros en (1.12) resulta
2=
de donde

p2
,
q2

2 q 2 = p2 .

(1.13)

(1.14)

Resulta que p2 es par, es decir, tiene a 2 en su descomposici

on en factores primos.
Necesariamente, a p le ocurre lo mismo, es decir, 2 es uno de sus factores primos. As,
p = 2 r,

(1.15)

siendo r un n
umero entero.
Llevando (1.15) a (1.13) tendremos
2 q 2 = 4 r2 ,
15

1.4. El conjunto de los n

umeros reales
as que

q 2 = 2 r2 ,

(1.16)

luego q tiene a 2 como uno de sus factores primos, y as le ocurre a q. Resulta que
ambos q y p son pares, lo que contradice
la eleccion hecha de p y q sin factores primos


comunes. El punto de partida es falso y 2 no es racional.
La siguiente proposici
on, una generalizaci
on de la proposici
on 1.4.5, tiene una
demostracion que utiliza las mismas ideas que la anterior, aunque es ligeramente m
as
complicada. Queda propuesta como ejercicio.
Proposici
on 1.4.6 Sea n un n
umero natural que no es cuadrado
perfecto (es decir,
que no es el cuadrado de ning
un n
umero natural). Entonces n no es un n
umero
racional.
El tecnico utiliza solo en sus calculos n
umeros racionales, e incluso no todos ellos.
As, un n
umero racional como 1/3, cuando es manipulado en una calculadora o en
un el n
umero de dgitos signicativos de la
un ordenador14 , adquiere el aspecto (seg
presentacion), digamos, 0.33333333. Este valor no coincide con 1/3, aunque el error
que se comete puede ser irrelevante (o no, depende del objetivo del calculo) para la
aproximaci
on deseada en el resultado nal. Por ello, y por otros mecanismos de los que
ya daremos alguna cuenta, la estimaci
on de errores cometidos en calculos numericos
es importante en la Tecnica. Los resultados como los que hemos mencionado en las
proposiciones 1.4.5 y 1.4.6 son de car
acter teorico, aunque no est
a de mas que un
cientco o un tecnico conozcan los entes que manejan, en particular el soporte de
todas sus f
ormulas: los n
umeros que las integran.
Aparte de estas consideraciones, lo que realmente importa para la Tecnica es el
hecho de que un n
umero real ( cualquier punto de la recta real ) tiene una representaci
on decimal :
Sea x R. Supongamos x 0. Entonces existe un u
nico n
umero entero n
tal que n x < n + 1. Dicho n
umero n se llama la parte entera de x, y se
representa como [x] . Ahora, sea a1 = [10 (x n)], a2 = [10 (10 (x n) a1 )],
a3 = [10 (10 (10 (x n) a1 ) a2 )], y as sucesivamente. Se conviene en representar x mediante su expresi
on decimal
x = n.a1 a2 a3 a4 a5 a6 a7 a8 . . .

(1.17)

(el tratamiento de los n

umeros reales negativos es analogo). Observar que el proceso
elemental de divisi
on de un n
umero entero por otro distinto de cero reproduce esta
secuencia de deniciones; en el cociente van apareciendo sucesivamente los dgitos que
forman n, seguidos de a1 , a2 , . . .
14 Hay programas de matem
atica simb
olica para ordenadores personales que trabajan, si el usuario
lo desea, con fracciones racionales. De esta forma se eliminan los errores de redondeo correspondientes
al truncamiento de los n
umeros racionales. Algunos de tales programas son -Math, Derive, Matlab
o Mathematica.

16

Captulo 1. Introducci
on
El lector sabe que hay dos tipos diferentes de expresiones decimales: las peri
odicas
y las no peri
odicas. Las primeras tienen la propiedad de que existe un bloque de dgitos
(lo representaremos subrayado) que se repite indenidamente, como en los n
umeros
0,1674367
25,045 (= 25,0450)
0.3
Las segundas no poseen tal propiedad. La siguiente proposici
on determina que expresiones decimales corresponden a los distintos tipos de n
umeros reales.
Proposici
on 1.4.7 Un n
umero real x es racional si y solamente si su expresi
on
decimal es peri
odica. Sea
x = n.a1 a2 . . . ai p1 p2 . . . pj

(1.18)

Entonces se tiene

p1 p2 . . . pj
10j
na1 a2 . . . ai
.
(1.19)
+
j
i
i+j
10
10
10 1
Donde por na1 a2 . . . ai se entiende el n
umero natural formado por esos dgitos.
x=

n. Sea x Q. Entonces se puede escribir x = p/q, donde p y q son

Demostracio
n
umeros enteros, q = 0. Al realizar el algoritmo de la divisi
on de p por q, se van
obteniendo restos que, en todos los casos, son menores que el divisor q. Necesariamente
hay un momento en que un resto que ya haba aparecido lo vuelve a hacer, pues no
hay m
as que un n
umero nito de posibles restos distintos. En ese momento comienza
a repetirse un bloque de dgitos en el cociente, con lo que su expresion decimal es
peri
odica.
Recprocamente, sea x R un n
umero con expresion decimal peri
odica, digamos
x = n.a1 a2 . . . ai p1 p2 . . . pj .
Entonces podemos escribir



na1 a2 . . . ai
p1 p2 . . . pj
1
1
1
x=
+
1 + j + 2j + 3j + . . . .
10i
10i+j
10
10
10

(1.20)

La expresion entre parentesis en (1.20) en una suma innita15 . El lector ya encontr

o una suma de este tipo en la proposici
on 1.2.5, ya que se trata de una progresi
on
geometrica de raz
on (10j )1 < 1. Calculamos entonces su suma que en nuestro caso
es


1
1
1
10j
1
.
= j
1 + j + 2j + 3j + . . . =
j
1
10
10
10
1 (10 )
10 1
15 Un

estudio sistem
atico de tales objetos matem
aticos se abordar
a en el Captulo 4. Baste tan s
olo
indicar que una suma infinita a1 +a2 +a3 +. . . es una combinaci
on de dos tipos de procedimiento: uno,
algebraico, que consiste en calcular las sumas parciales Sn = a1 + a2 + a3 + + an , n = 1, 2, 3, . . .,
y otro analtico, el c
alculo del lmite de esas sumas, lmn Sn , lmite que se llama la suma de la
serie.

17

1.4. El conjunto de los n

umeros reales
lo que proporciona la f
ormula (1.19) del enunciado.

1.4.3.

Dos modelos de los n

umeros reales

Como hemos mencionado al principio de la seccion anterior, decir que los n

umeros
reales son un conjunto de entes abstractos que satisfacen un cierto n
umero de axiomas no asegura que se pueda construir un conjunto y unas operaciones y relaciones
entre sus elementos de forma que la estructura resultante efectivamente verique tal
conjunto de axiomas.
Hasta el momento, y partiendo de la existencia del conjunto de lo n
umeros naturales N, se ha construido el conjunto Z de los n
umeros enteros y el conjunto Q de los
racionales. Se ha visto que los n
umeros racionales, representado sobre una recta, no la
llenan. Precisamente, una denici
on constructiva del conjunto R de los n
umeros reales
consiste en el llenado de los posibles huecos que aparecen: b
asicamente, dos formas
de hacer esto conducen al Metodo de las Cortaduras de R. Dedekind por una parte, y
por otra al de las Clases de equivalencia de sucesiones de Cauchy de K. Weierstrass
(1815-1897).
Daremos una idea breve de ambos, sin entrar en detalles (estos p
arrafos pueden
omitirse en una primera lectura). Tengase presente que disponemos tan solo del conjunto Q de los n
umeros racionales.
El m
etodo de las cortaduras de Dedekind
Dedekind denomina cortadura a un subconjunto de Q que verica
1.

= , = Q,

2.

si a Q, b , a b, entonces a ,

3.

no contiene un n
umero racional m
aximo.

Ahora, un n
umero real es precisamente una cortadura. Ciertas cortaduras se denominan racionales. Son aquellas denidas por {x : x Q, x < r}, donde r es cierto
elemento de Q. Identicamos r con esta cortadura; as Q es un subconjunto de R.
Es posible denir una ordenaci
on en R: dadas dos cortaduras y , se dice que
< cuando existe p Q con p , pero p
/ .
Para introducir dos operaciones + y en el conjunto R de cortaduras, basta denir
como + la cortadura {p + q : p , q } . Es posible demostrar que R con
esta operacion es un grupo conmutativo. Denotamos por la u
nica cortadura que
verica + () = 0, y por || la cortadura si 0 , si < 0. Entonces,
dadas dos cortaduras y tales que 0 , 0 , se dene la cortadura
{r Q : r 0} {p q : p , 0 p, q , 0 q} . Finalmente en los otros casos
18

Captulo 1. Introducci
on
se dene

(|| ||),
(|| ||),
=

+(|| ||),

si < 0, 0 ,
si 0 < , < 0,
si < 0, < 0.

Se puede comprobar ahora que estas operaciones y esta ordenaci

on denidas en R
satisfacen todos los axiomas dados en la subseccion 1.4.1. As, hemos construido un
modelo de los n
umeros reales.
El m
etodo de las clases de equivalencia de sucesiones de Cauchy de K.
Weierstrass
Cuando se construyeron los n
umeros racionales a partir de los enteros en 1.3.2, se
introdujo la noci
on de relaci
on de equivalencia. Una sucesi
on de Cauchy (qn ) denida
en Q es aquella que verica > 0, n0 N tal que, si n n0 , m n0 , entonces
|qn qm | < . Dos sucesiones de Cauchy (pn ) y (qn ) en Q se dice que son equivalentes
(y se escribe (pn ) (qn )) si > 0, n0 N tal que, si n n0 , entonces |pn qn | <
. Tal relacion es de equivalencia16 en el conjunto de sucesiones de Cauchy formadas
por n
umeros racionales. Se llama n
umero real a cada una de las clases de equivalencia
(< pn > es la clase en la que se encuentra la sucesion de Cauchy (pn )) denidas por
esta relacion. La clase donde esta la sucesion (q, q, q, . . .), siendo q un cierto n
umero
racional, se denota simplemente por q. As, con esta identicaci
on, Q esta contenido
en R.
Se denen operaciones entre estas clases: Dadas dos clases < pn > y < qn >, la
clase suma < pn > + < qn > se dene como < pn + qn >, y la producto < pn >
< qn > como < pn qn > . Asmismo se dene una ordenacion en el conjunto de
las clases: < pn > es menor que < qn > cuando > 0 y n0 N tales que
pn < qn , n n0 .
Resulta que el conjunto R de las clases de equivalencia de sucesiones de Cauchy
de n
umeros racionales, con este orden y estas operaciones, satisface todos los axiomas
exigidos a los n
umeros reales.

16 Una relaci
on entre los elementos de un conjunto S se dice que es de equivalencia (ver tambi
en
la p
agina 9) cuando satisface las tres siguientes propiedades: (i) Reflexividad: a a, a s, (ii)
Antisimetra: Si a b, tambi
en b a, siendo a y b elementos de S, y (iii) Transitividad: si a b y
b c, entonces a c, siendo a, b y c elementos de S.
Una relaci
on de equivalencia en un conjunto permite agrupar sus elementos en clases de equivalencia, de forma que una clase contiene a todos los elementos que est
an relacionados entre s. El
conjunto cuyos elementos son las distintas clases resultantes se llama conjunto cociente de S por la
relaci
on de equivalencia .

19

1.5. Ejercicios propuestos

1.5.

Ejercicios propuestos

1.

Se ha introducido el concepto de supremo de un conjunto acotado superiormente

de n
umeros reales (su existencia viene garantizada por uno de los axiomas del
sistema de los n
umeros reales), y se han probado ciertas armaciones sobre
el. Introducir el concepto de nmo de un conjunto acotado inferiormente en
R y probar correspondientes armaciones. Demostrar que no hay m
as que un
n
umero (para un subconjunto acotado superiormente en R) que corresponda a
la denici
on de supremo (an
alogamente para nmo). Dar un ejemplo de un tal
conjunto para el que el supremo no este en el conjunto, y otro para el que s.

2.

Completar los detalles de las construcciones de R a partir de Q realizadas en

1.4.3.

3.

Demostrar la proposicion 1.4.6.

Sugerencia: seguir los pasos de la demostraci
on de la proposici
on 1.4.5. Tener en
un entero, entonces
cuenta que si n es divisor de p2 y n no es cuadrado de ning
n es divisor de p.

4.

Demostrar, con un procedimiento similar al usado para probar que Q es numerable, que el producto cartesiano de dos conjuntos numerables es numerable.
Sugerencia: enumerados los elementos del conjunto S, basta seguir el procedimiento indicado en la gura 1.1.

5.

Probar que la uni

on de una familia numerable de conjuntos numerables es un
conjunto numerable.
Sugerencia: utilizando el ejercicio anterior, efectuar la prueba por inducci
on.
Nota: Como consecuencia, si S es un conjunto numerable, la familia de todos los
subconjuntos nitos de S es numerable puesto que posee una cantidad numerable de subconjuntos de 1 elemento, una cantidad numerable de subconjuntos de
2 elementos, . . . .

6.

Se denomina n
umero algebraico al que es raz de un polinomio con coecientes
enteros. Demuestre que hay una cantidad numerable de n
umeros algebraicos.
Sugerencia: existe una cantidad numerable de polinomios con coecientes enteros. Por el Teorema fundamental del Algebra, todo polinomio de grado n tiene,
a lo sumo, n races. Del ejercicio anterior se sigue la conclusi
on.

7.

Probar que hay tantos n

umeros reales en R como en cualquier intervalo abierto
no vaco en R.
Sugerencia: la funci
on f :] /2, /2[ R, f (x) = tg x es biyectiva. Ello
prueba que hay tantos elementos en ] /2, /2[ como en R. Comprobar que
hay tantos elementos en ] /2, /2[ como en cualquier otro intervalo ]a, b[.

20

Captulo 1. Introducci
on
8.

Demostrar que R no es numerable.

Sugerencia: probar que el intervalo ]0, 1[ no lo es. Proceder por reducci
on al
absurdo: Considerar una enumeraci
on 0, xn1 xn2 . . . , n = 1, 2, . . . de los elementos
del intervalo (en forma decimal peri
odica; por ejemplo 0, 5 se representa por
0,499 . . .). Siempre es posible encontrar un elemento b = 0, b1 b2 . . . , bi = xii , i =
1, 2, . . . no incluido en la enumeraci
on.
Nota: Como consecuencia, hay mas n
umeros irracionales que racionales, en un
sentido que el lector debe precisar, y demostrar.

9.

Si un conjunto S es numerable, pruebe que la familia de todos los subconjuntos

de S no es numerable
Sugerencia: esto es delicado; el procedimiento de prueba contiene las mismas
ideas que el de probar que R no es numerable.
Nota: De hecho, el mismo argumento prueba que no hay ninguna biyecci
on entre
un conjunto y el conjunto de todos sus subconjuntos. Esto prueba que no existe
un conjunto con el mayor n
umero posible de elementos. Como consecuencia, no
existe el conjunto de todos los conjuntos.

10.

Demuestre que hay n

umeros reales que no son algebraicos. Todos los n
umeros
reales que no son algebraicos se llaman transcendentes. De hecho, puede probar
que hay m
as n
umeros transcendentes que algebraicos.
Sugerencia: utilizar adecuadamente resultados de los ejercicios anteriores.

11.

Dado un punto x en R, hay siempre una sucesion de irracionales que converja a

el? y de racionales?. Probar que en todo intervalo que no se reduzca a un punto
hay una cantidad innita de racionales y una cantidad innita de irracionales.
Sugerencia: probar en primer lugar la segunda parte utilizando el ejercicio 8.

12.

Demostrar que el conjunto de todas las sucesiones formadas con los n

umeros
0 y 1 es no numerable. Como consecuencia, probar que la familia de todos los
subconjuntos de N es, tambien, no numerable.
Sugerencia: sirve un razonamiento similar al que prueba que R es no numerable.

13.

Demostrar que toda familia de intervalos disjuntos de longitud positiva en R es

numerable.
Sugerencia: razonar por reducci
on al absurdo y utilizar el ejercicio 11.

14.

Probar que hay tantos elementos en un cuadrado de R2 como en uno de sus

lados.

21

Captulo 2

El espacio Rn
2.1.

Introducci
on: Dos problemas de localizaci
on o
ptima

2.1.1.

Enunciados

Problema 1.1 En una meseta dedicada al cultivo extensivo de cereales se encuentran

situadas 10 ciudades. Usted es un ingeniero al que se le pide que calcule la localizaci
on
de una planta de energa electrica para abastecer a las mencionadas ciudades. Debe
hacerlo de forma que cada una de ellas este unida a la planta por su propia lnea
electrica y que la longitud total del cable empleado sea mnima.

Problema 2. En la ciudad de Nueva York los autobuses urbanos circulan, o bien a

lo largo de las calles, o bien de las avenidas, que se cruzan formando a
ngulo recto.
Un ciudadano quiere alquilar un apartamento en un lugar desde el que pierda, a la
larga, menos tiempo en los desplazamientos a 6 distintos lugares en los que trabaja
sucesivamente durante la semana, cada da en uno. Se trata de localizar el mejor
emplazamiento para su piso.

2.1.2.
1.

1 El

Comentarios al enunciado de los problemas

En primer lugar, no hay ninguna raz

on que haga suponer que el n
umero 10, o
el 6 tengan alg
un signicado especial a la hora de buscar una soluci
on a estos
problemas. Lo u
nico que nos dice es que el n
umero de ciudades, o de lugares
de trabajo, es lo sucientemente grande como para hacernos abandonar la idea
de que se pueda intentar un metodo de tanteo. As que trataremos de resolver
problema aqu enunciado aparece en [No67].

23

2.2. Descripcion del ambito de trabajo

estos problemas suponiendo que el n
umero de datos es k, un n
umero natural.
2.

Los problemas as planteados pueden parecer irreales en su simplicaci

on: es
dudoso que el u
nico criterio para la instalaci
on de una planta electrica, en el
primero, o para el alquiler de un apartamento, en el segundo, sea la minimizaci
on
del cable empleado o del tiempo de acceso al trabajo, respectivamente. Incluso
en el caso de que as sea en el primero, se podra pensar en tender un u
nico
cable en ciertas direcciones que se bifurcara en otros para alcanzar las ciudades.
Resolveremos estos casos simplicados en primer lugar.

3.

El enunciado de ambos problemas permite hacer la simplicaci

on de que es
posible situar las ciudades, o los lugares de trabajo, en un plano. Este es el
primer paso para la construcci
on de un modelo matem
atico que nos permita
utilizar tecnicas que a continuaci
on desarrollaremos. Una de nuestra primeras
tareas sera la de describir ese plano (o al menos los elementos que necesitaremos
en el).

4.

Los problemas 1 y 2 son de naturaleza similar. En ambos hay que hacer mnima
una suma de distancias. La descripci
on del entorno en el primero sugiere que
los cables se puedan tender en lnea recta entre la planta y las ciudades, ya que
se trata de campos de cultivo de cereales. La distanciaes medida de forma
usual (la llamada distancia eucldea que luego discutiremos). En el segundo, la
distancia es de otro tipo distinto: a lo largo de rectas perpendiculares a unos
ejes. El tener una noci
on de distancia que contemple esas dos posibilidades simult
aneamente (y otras hipoteticas), har
a que podamos hacer un planteamiento
unicado para ambos problemas (resaltando as lo que tienen de com
un). Sin
embargo, veremos que la obtenci
on de la soluci
on nal necesita de tecnicas de
calculo distintas seg
un se trate de una distancia o de otra.

2.2.

Descripci
on del
ambito de trabajo

De acuerdo con lo dicho en el comentario 3, supondremos que los datos (las ciudades o los lugares de trabajo) se encuentran sobre un plano, cuyo modelo matem
atico
es el conjunto R2 .
M
as generalmente, muchas de las construcciones que se describiran a lo largo de
estas paginas se realizar
an sobre el conjunto Rn , que pasamos a describir.

2.2.1.

El espacio vectorial Rn

En el apartado 1.4.1 se deni

o el conjunto R como un conjunto abstracto que
satisfaca un determinado conjunto de axiomas, y en 1.4.3 se dieron dos estructuras
que se comportan de la forma descrita, por lo que se pueden tomar como modelos de
los n
umeros reales. En la denici
on 1.1.2 se introdujo el concepto producto cartesiano
de un n
umero nito de conjuntos.
24

Captulo 2. El espacio Rn
Definici
on 2.2.1 Considerese el conjunto, denotado como Rn , producto cartesiano
de n copias de R. Sus elementos se expresan como x = (x1 , x2 , . . . , xn ), donde cada
xi R se denomina coordenada iesima de x, i = 1, 2, . . . , n.
Este conjunto tiene una estructura algebraica. Precisamente, las operaciones de
suma y producto en R permiten denir operaciones suma y producto por un escalar
(es decir, un n
umero real) en Rn . Precisamente se tiene la siguiente
Definici
on 2.2.2 Dados elementos x := (x1 , . . . , xn ) e y := (y1 , . . . , yn ) en Rn ,
elementos que se llamar
an vectores, y dado un elemento en R, elemento que se
llamar
a escalar, se dene
1.

La operaci
on suma como aquella que asocia a la pareja (x, y) el elemento x +
y := (x1 + y1 , . . . , xn + yn ).

2.

La operaci
on producto por un escalar como aquella que asocia a la pareja (, x)
el elemento x := (x1 , . . . , xn ).

Estas deniciones introducen una estructura algebraica en el conjunto Rn . Se tiene

la siguiente proposici
on, cuya demostraci
on es puramente rutinaria, limit
andose a una
comprobacion, por lo que no la realizaremos.
on
Proposici
on 2.2.3 El conjunto Rn con las operaciones introducidas en la denici
2.2.2 es un espacio vectorial, es decir, se verican las siguientes propiedades:
1.

2.

(Rn , +) es un grupo conmutativo, es decir,

a)

x + (y + z) = (x + y) + z, x, y, z en Rn .

b)

x + y = y + x, x, y en Rn .

c)

Existe un elemento 0 = (0, . . . , 0) en Rn tal que x + 0 = x, x Rn .

d)

Dado cualquier x en Rn , existe un elemento en Rn , denotado como x,

tal que x + (x) = 0.

El producto por un escalar tiene las siguientes propiedades:

a)

(x) = ()x, , escalares, x Rn .

b)

1x = x, x Rn .

c)

( + )x = x + x, , escalares, x Rn .

d)

(x + y) = x + y, escalar, x, y en Rn .

Los elementos de un espacio vectorial arbitrario se llaman vectores. As, nos referiremos a los elementos de Rn como vectores, o tambien puntos.
Podemos ahora dar una formulaci
on matematica unicada tanto del Problema 1
como del Problema 2. Ambos se formulan sobre el espacio R2 . Tenemos localizados
25

2.2. Descripcion del ambito de trabajo

k puntos en ese plano, p1 , p2 , . . . , pk , cada uno de ellos con dos coordenadas pi =
(xi , yi ), i = 1, 2, . . . , k. Intentaremos encontrar un punto p = (x, y) en ese plano de
forma que, si d(, ) denota la distancia entre dos puntos, entonces
M=

d(p, pi )

(2.1)

i=1

sea mnima. Es necesario introducir lo que se entiende como una distancia. Esto es lo
que haremos en el siguiente apartado.

2.2.2.

Definici
on de distancia

Como hemos dicho antes, los problemas 1 y 2 involucran distancias diferentes

en el plano. Esas distancias tienen, sin embargo, algo com
un, que queda reejado
en la siguiente denici
on abstracta de lo que se debe entender como una distancia,
denici
on que puede realizarse en un conjunto no vaco cualquiera.
Definici
on 2.2.4 Sea S un conjunto no vaco arbitrario. Una funci
on d denida en
S S con valores en R (los n
umeros reales) se dice que es una distancia en S si
verica las siguientes propiedades, siendo x, y, z, elementos de S:
d1) d(x, y) 0.
d2) d(x, y) = 0 x = y.
d3) d(x, y) = d(y, x) (simetra).
d4) d(x, z) d(x, y) + d(y, z) (desigualdad triangular).

2.2.3.

Ejemplos de distancias

La distancia cero-uno
Dado un conjunto no vaco arbitrario S se dene la siguiente funci
on sobre S S:

d(x, y) =

1
0

si x = y,
si x = y.

(2.2)

Es sencillo comprobar que d as denida satisface las propiedades d1) a d4) de la

denici
on 2.2.4.
La distancia d1
Dado Rn , se dene la funci
on d1 sobre Rn Rn (el producto cartesiano, ver la
denici
on 1.1.2) como
d1 (x, y) =

n

i=1

26

|xi yi | .

(2.3)

Captulo 2. El espacio Rn
Tampoco ofrece ninguna dicultad comprobar que d1 satisface las condiciones de
la denici
on 2.2.4 para ser una distancia. Notar que es esa la distancia que debe ser
substituida en la f
ormula (2.1) si queremos considerar el Problema 2.
La distancia eucldea
Dado el mismo espacio Rn del ejemplo anterior, la siguiente funci
on d2 sobre
R Rn tambien es una distancia (la distancia eucldea):
n

d2 (x, y) =

1/2
2

(xi yi )

(2.4)

i=1

Probar que d2 satisface las condiciones d1), d2) y d3) de la denici

on 2.2.4 es
simple. Tambien satisface d4) como consecuencia de una desigualdad importante, la
Desigualdad de Cauchy-Schwarz , que enunciaremos y probaremos m
as adelante (ver
el teorema 2.2.9). Notar que la distancia eucldea denida en (2.4) es la que debe ser
substituida en la f
ormula (2.1) para considerar el Problema 1.
La distancia d
Dado de nuevo el espacio Rn , la siguiente funci
on d sobre Rn Rn denida por
d (x, y) = m
ax{|xi yi | : i = 1, 2, . . . , n},
donde x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn ) son dos vectores en Rn , es una distancia, como es sencillo comprobar.

2.2.4.

Definici
on de norma

La siguiente nocion es la generalizacion natural del concepto de valor absoluto de

un n
umero real. Es lo que en Fsica recibe el nombre de m
odulo de un vector. Su
denici
on debe hacerse en un espacio vectorial, pues requiere la existencia de una tal
estructura algebraica.
Definici
on 2.2.5 Sea E un espacio vectorial sobre el cuerpo K de los reales o de los
complejos. Una norma en E es una funci
on  denida en este espacio con valores
en R, que satisface las siguientes propiedades:
n1) x 0, x E.
n2) x = 0 x = 0.
n3) x = | | x , x E, K.
n4) x + y x + y , x, y E.
Una norma en E induce una distancia, de forma natural; se dene
27

2.2. Descripcion del ambito de trabajo

d(x, y) = x y ,

x, y E.

(2.5)

Como ejercicio se propone que el lector demuestre que d denida en (2.5) posee
las propiedades de una distancia introducidas en la Denici
on 2.2.4.

2.2.5.

Ejemplos de normas

La norma  1
En Rn se dene la siguiente funci
on:
x1 =

|xi | ,

(2.6)

i=1

donde x = (x1 , x2 , . . . , xn ) Rn . Es un ejercicio sencillo probar que la funci

on 1
as denida satisface las condiciones n1) a n4) de una norma. Tambien es elemental probar que la distancia obtenida a partir de (2.6) mediante la f
ormula (2.5) es
precisamente la distancia d1 denida en el ejemplo 2.2.3.
La norma eucldea
on:
En Rn se dene la siguiente funci
x2 =

 n


1/2
2

(xi )

(2.7)

i=1

donde x = (x1 , x2 , . . . , xn ) Rn . Probar que satisface las propiedades n1) a n3) de

una norma es un ejercicio elemental. De nuevo, el hecho de que satisfaga n4) va a ser
una consecuencia de la Desigualdad de Cauchy-Schwarz (ver el teorema 2.2.9).
ormula (2.5) es precisaNotar que la distancia que 2 induce en Rn mediante la f
mente d2 del ejemplo 2.2.3. Incidentalmente, si probamos que 2 es una norma en
Rn habremos tambien probado que d2 es una distancia.
La norma  
En Rn se dene la siguiente funci
on:
x = max {|xi | : i = 1, 2, . . . , n} ,

(2.8)

donde x = (x1 , x2 , . . . , xn ) Rn . Tambien es un ejercicio simple probar que  es

una norma. Observar que la distancia deducida de esta norma mediante la f
ormula
(2.5) es la denida en 2.2.3.
28

Captulo 2. El espacio Rn

2.2.6.

Bolas abiertas y cerradas; esferas

Los siguientes conceptos, asociados a la existencia de una norma, o m

as generalmente, de una distancia, aparecer
an con frecuencia en este texto.
Definici
on 2.2.6 Dada una norma  en el espacio Rn , dado un punto arbitrario
umero real r > 0, se llama bola abierta (respectivamente, cerrada) de centro
x0 y un n
x0 y radio r, al conjunto
B o (x0 ; r) = {x : x Rn , x x0  < r}

(2.9)

B(x0 ; r) = {x : x Rn , x x0  r}).

(2.10)

(respectivamente,

Se llama esfera de centro x0 y radio r al conjunto

S(x0 ; r) = {x : x Rn , x x0  = r} .

(2.11)

Cuando se trate del punto x0 = 0 y del radio r = 1, escribiremos sencillamente B o ,

B y S, respectivamente, y hablaremos de la bola unidad abierta, cerrada y de la esfera
unidad, respectivamente.
Es conveniente que el lector contraste su comprension de las normas introducidas
en los ejemplos 2.2.5 con la observacion de las siguientes guras, que representan las
esferas unidad en R2 para las normas 1 (gura 2.1, a), 2 (gura 2.1, b), y 
(gura 2.1, c):

Figura 2.1: Tres normas en R2

En lo sucesivo, la palabra bola denotar

a bola cerrada. En el caso de tener que
referirnos a la bola abierta, lo diremos explcitamente.

2.2.7.

Producto escalar

Hasta ahora, los conceptos introducidos (distancia, norma) no permiten una geometra del espacio en los que estan denidos, en el sentido de que no puede todava
29

2.2. Descripcion del ambito de trabajo

hablarse del de
angulo (o, m
as particularmente, perpendicularidad) el siguiente concepto cumple este objetivo.
Definici
on 2.2.7 Un producto escalar en un espacio vectorial E sobre el cuerpo K
de los n
umeros reales o complejos, es una funci
on  ,  denida en E E, con valores
en R que satisface las siguientes propiedades:
p1) x, x 0, x E.
p2) x, x = 0 x = 0.
p3) x, y = y, x, x, y E,
p4) x + y, z = x, z + y, z, x, y, z E, , K.
El concepto de producto escalar permite denir la perpendicularidad.
Definici
on 2.2.8 Estando denido un producto escalar ,  en E, se dice que dos
vectores x e y de E son perpendiculares, cuando x, y = 0.
Es posible, incluso, denir el
angulo entre dos vectores. Para ello, sin embargo,
debemos demostrar primero la Desigualdad de Cauchy-Schwarz, cosa que haremos en
2.2.9.

2.2.8.

Ejemplos de productos escalares

El producto escalar eucldeo

En Rn Rn se considera la siguiente funci
on:
x, y =

xi yi ,

(2.12)

i=1

donde x = (x1 , x2 , . . . , xn ) Rn , y = (y1 , y2 , . . . , yn ) Rn . Es un ejercicio simple

probar que (2.12) dene un producto escalar. Este

es el usualmente denido en Rn .
Un producto escalar con pesos
En Rn Rn se considera la siguiente funci
on:
x, y =

i xi yi ,

(2.13)

i=1

donde x = (x1 , x2 , . . . , xn ) Rn , y = (y1 , y2 , . . . , yn ) Rn , y donde 1 ,2 , 3 , . . .,n

son n
umeros reales mayores que 0, de la que la funci
on (2.12) es un caso particular.
Tambien (2.13) dene un producto escalar en Rn .
La comprobaci
on es inmediata.
30

Captulo 2. El espacio Rn

2.2.9.

Desigualdad de Cauchy-Schwarz

El siguiente resultado establece una desigualdad fundamental en An

alisis Matematico. Muchas otras desigualdades son consecuencia de esta. En la subseccion 2.2.10
se mencionara como se puede usar para denir el angulo entre dos vectores, se estableceran gracias a ella algunas desigualdades relacionadas con diversos tipos de
promedios y se usara para el estudio de las funciones convexas.
Teorema 2.2.9 (Desigualdad de Cauchy-Schwarz) Sea  ,  un producto escalar
en Rn . Entonces se tiene
x, y2 x, x y, y,

x, y Rn .

(2.14)

Adem
as, se verica la igualdad en (2.14) si, y s
olo si, uno de los vectores es m
ultiplo
del otro.
n. Si x = 0 no hay nada que probar. La desigualdad es en realidad la
Demostracio
igualdad trivial 0 = 0 y adem
as x es un m
ultiplo de y (pues x = 0 y).
Supongamos entonces x = 0. En virtud de la propiedad p2) de la denici
on de
producto escalar 2.2.7, se tiene que x, x = 0. Sea un n
umero real arbitrario.
Formemos el vector x y. En virtud de la propiedad p1) se tiene
x y, x y 0

(2.15)

Desarrollando la expresi
on (2.15), haciendo uso de las propiedades p3) y p4) de
2.2.7, obtenemos
2 x, x 2x, y + y, y 0.

(2.16)

Observar ahora que el primer miembro de (2.16) representa un polinomio de segundo grado en , digamos p(), ya que x, x = 0. As, (2.16) arma que ese polinomio
es siempre 0. Pero se sabe que un polinomio de segundo grado tiene exactamente
dos races, digamos 1 y 2 (que pueden ser reales, iguales o distintas, o complejas).
Supongamos por un momento que 1 y 2 fueran reales y distintas. El polinomio p()
tendra una gr
aca similar a la representada en la gura 2.2.
M
as precisamente: 1 y 2 seran dos mnimos locales de p() (tengase en cuenta
que p() 0, R). Es bien conocido que, en ese caso, p (1 ) = p (2 ) = 0.
Pero p (), la derivada de p(), es un polinomio de grado 1, luego no puede tener
dos races distintas. Esta contradiccion prueba que la suposici
on hecha es falsa: 1 y
2 deben ser ambas imaginarias o ambas reales e iguales2 . En un polinomio p() =
a2 + b + c, esto equivale a que el discriminante b2 4ac sea 0. En nuestro caso
4x, y2 4x, xy, y 0, o, lo que es lo mismo, x, y2 x, x y, y, que es lo
que queramos probar.
2 Por

qu
e no puede ser una de ellas real y la otra imaginara?

31

2.2. Descripcion del ambito de trabajo

Figura 2.2: Dos mnimos locales

Supongamos ahora que x, y2 = x, xy, y. Nos encontramos con un polinomio
p() cuyo discriminante es 0 y, por lo tanto con dos races reales iguales 1 = 2 .
Entonces
p(1 ) = 21 x, x 21 x, y + y, y = 1 x y, 1 x y = 0.
En virtud de la propiedad p2 de la denici
on 2.2.7 de producto escalar, esto s
olo
ultiplo de x (3 ).


puede ocurrir cuando 1 x y = 0, es decir, cuando y es m
3 Una demostraci
on especialmente simple, de car
acter geometrico, es debida a J.W. Cannon: The
Cauchy-Schwarz Inequality: A Geometric Proof. The Amer. Math. Monthly, 96, 7, 630-631 (1989):
b
asicamente es la que aparece en (T. M. Ap
ostol: calculus, Vol. 1. Ed. Reverte, 1986, teorema
12.3); el interes reside precisamente en el aspecto geometrico de la construcci
on:
Dados dos vectores no cero x e y, resulta que y es la suma de dos vectores x y z, siendo z
perpendicular a x (la determinaci
on de es simple:

0 = z, x
= y x, x
= y, x
x, x
,
luego
= y, x
/ x, x
.
Obtenemos un tri
angulo rect
angulo con catetos x, z, e hipotenusa y. Sabemos que, en ese caso, el
cuadrado de la longitud de la hipotenusa es la suma de los cuadrados de las longitudes de los catetos
( hip, hip
= cat1 + cat2, cat1 + cat2
= cat1, cat1
+ cat2, cat2
). En nuestro caso,
y, y
= 2 x, x
+ z, z
.
Substituyendo el valor calculado de y transponiendo terminos, tenemos
x, x
y, y
= x, y
2 + x, x
z, z
.
Como x, x
z, z
0 (s
olo es 0 si z = 0), obtenemos
x, x
y, y
x, y
2 ,
(verific
andose la igualdad si y s
olo si, y = x). Adem
as, aparece claro el significado geometrico del
t
ermino del error.)

32

Captulo 2. El espacio Rn

2.2.10.

Aplicaciones

Angulo
entre dos vectores
Definici
on 2.2.10 Sea E un espacio vectorial sobre el cuerpo de los n
umeros reales
o de los complejos, en el que hay denido un producto escalar.
Sean dos vectores x e y no nulos. Se dene angulo entre x e y como el valor de
[0, 2[ tal que
x, y
.
cos =
x.y
Notar que
on tiene sentido, pues la Desigualdad de Cauchy-Schwarz
 la denici

 x,y 
asegura que  xy  [0, 1] .
Algunas desigualdades que relacionan diversos tipos de promedios
Definici
on 2.2.11 Sean x1 , x2 , . . . , xn n
umeros reales positivos. Sea p Z, p = 0.
Se llama media de potencias p-esima Mp a

Mp =

xp1 + xp2 + . . . + xpn

n

 n

1/p
=

i=1

xpi

1/p

(2.17)

atica, y M1 media
En particular, M1 se llama media aritmetica, M2 media cuadr
arm
onica.
Proposici
on 2.2.12 Si p > 0, Mp < M2p cuando x1 , x2 , . . . , xn no son todos iguales.
Si todos son iguales, se tiene Mp = M2p .
n. Sea ak = xpk , bk = 1, k = 1, 2, . . . , n. Entonces, aplicando la
Demostracio
desigualdad de Cauchy-Schwarz (teorema 2.2.9) a los vectores a = (a1 , . . . , an ), b =
(b1 , . . . , bn ), se tiene (para el producto escalar eucldeo en Rn ):

 

m
1/2
m
m

 

 2p

 
p
|a, b| = 
ai bi  = 
xi  a b =
xi
n1/2 .

 

i=1

Entonces

i=1

i=1


1/2


n
2p

 n
n
2p 1/2
 i=1 xpi 
i=1 xi
x
i
i=1


=
.


n
n
n1/2

Elevando a la potencia 1/p resulta

 n
i=1

xpi



1/p

n
i=1

x2p
i

1/2p
.
33

2.2. Descripcion del ambito de trabajo

on del enunciado concerniente a cu
ando se verica
Es decir, Mp M2p . La armaci
la igualdad est
a contenida en la propia formulaci
on de la desigualdad de CauchySchwarz.
umeros reales > 0, tales que
Proposici
on 2.2.13 Sea a1 , a2 , . . . , an un conjunto de n
olo si
a1 a2 an = 1. Entonces a1 + a2 + . . . + an n, y se verica la igualdad si y s
ai = 1, i = 1, 2, . . . , n.
n. Procederemos por induccion nita:
Demostracio
Obviamente, el resultado a probar es cierto si n = 1. Para n = 2, es igualmente
cierto: tenemos, en ese caso, a1 a2 = 1. Debemos probar que a1 + a2 2.
Notar que a2 = 1/a1 , luego se tiene
a1 + a2 = a1 + 1/a1 =

a21 + 1
2,
a1

pues a21 + 1 2a1 , ya que a21 2a1 + 1 = (a1 1)2 0. Para determinar cu
ando se
produce la igualdad, supongamos a1 + a2 = 2. Entonces a21 2a1 + 1 = (a1 1)2 = 0,
luego a1 = 1, as que tambien a2 = 1.
Supongamos el resultado cierto para n. Queremos probarlo para n + 1. As, a1 ,
umeros reales > 0 tales que a1 a2 an+1 = 1.
a2 , . . ., an+1 son ahora n + 1 n
1.

Supongamos ak = 1, k = 1, 2, . . . , n + 1. Entonces a1 + a2 + . . . + an+1 = n + 1.

2.

Supongamos, por el contrario, que no todo ak es 1. Como a1 a2 . . . an+1 = 1, hay

un factor, digamos a1 , mayor que 1, y un factor, digamos an+1 , menor que 1.
otesis de induccion
Sea b1 = a1 an+1 . Se tiene b1 a2 . . . an = 1. Aplicando la hip
a los n n
umeros b1 , a2 , . . . , an , resulta que b1 + a2 + . . . + an n. Observemos
que (a1 1)(an+1 1) < 0, es decir, a1 an+1 an+1 a1 + 1 < 0. Entonces
b1 = a1 an+1 < a1 + an+1 1, luego
n b1 + a2 + . . . + an < (a1 + an+1 1) + a2 + . . . + an ,
es decir n + 1 < a1 + a2 + . . . + an+1 .

Proposici
on 2.2.14 Si Mp es la media de potencias p-esima y G = (x1 x2 . . . xn )1/n
es la media geometrica de n n
umeros reales positivos, se tiene
1.

G M1 , y G = M1 , si y s
olo si x1 = x2 = . . . = xn .

2.

Si q < 0 < p son enteros Mq < G < Mp , si x1 , x2 , . . . , xn no son todos iguales.

34

Captulo 2. El espacio Rn
n. Sea x1 , x2 , . . . , xn n
Demostracio
umeros > 0.
1.

a) Supongamos x1 x2 . . . xn = 1. Entonces, en virtud de la proposici

on 2.2.13,
x1 + x2 + . . . + xn n, es decir,
x1 + x2 + . . . + xn
1 = x1 x2 . . . xn = (x1 x2 . . . xn )1/n .
n
Obtenemos G M1 . Ademas, si G = M1 , tendramos x1 + x2 +. . .+xn = n,
luego x1 = x2 = . . . = xn = 1.
b) Supongamos ahora x1 , x2 , . . . , xn positivos arbitrarios. Sea
G = (x1 x2 . . . xn )1/n .
Consideramos la familia nita
parte 1.a). Obtenemos

x1 x2
xn
G , G ,..., G ,

 x1
x x
+
xn 1/n
1 2
...
G
G G
G
Y la igualdad es cierta si y s
olo si
si x1 = x2 = . . . = xn .
2.

x1
G

x2
G

x2
G

a la que podemos aplicar la

+ ... +
n

= ... =

xn
G

xn
G ,


,
es decir, si y solo

Sea r Z, r = 0.

Mr (x1 , x2 , . . . , xn ) =

xr1 + xr2 + . . . + xrn

n

1/r

1/r

= (M1 (xr1 , xr2 , . . . , xrn ))

(2.18)
En virtud de la parte 1 ya demostrada,
M1 (xr1 , xr2 , . . . , xrn ) >
=

G(xr1 , xr2 , . . . , xrn ) =

(xr1 xr2

. . . xrn )1/n

(2.19)
r

= (G(x1 , x2 , . . . , xn )) . (2.20)

Supongamos ahora r = p > 0. Elevando a la potencia 1/p la expresion (2.19)

y teniendo en cuenta (2.18), obtenemos G < Mp . Si, por el contrario, hacemos
r = q < 0, elevando a (1/q) < 0 la expresi
on (2.19), tenemos, de nuevo usando
(2.18), Mq < G.

Funciones convexas
Definici
on 2.2.15 Una funci
on real denida en un intervalo J de R se dice que
es convexa cuando


x+y
(x) + (y)

2
2
para cualesquiera dos puntos x e y en J.
35

2.2. Descripcion del ambito de trabajo

Proposici
on 2.2.16 La funci
on es convexa si, y s
olo si


x1 + x2 + . . . + xn
(x1 ) + (x2 ) + . . . (xn )
,

n
n
si x1 , x2 , . . . , xn son puntos arbitrarios en J.
n. Para ello comencemos probandolo en el caso en que n = 2m , para
Demostracio
cierto m N. Para m = 1, es la denici
on. Supuesta probada la desigualdad hasta
m, demostremosla para m + 1 :




x m +...+x
x1 +x2 +...+x2m
+ 2 +1 2m 2m+1
x1 + x2 + . . . + x2m+1
2m

2m+1
2

 x1 +x2 +...+x2m 
2m


+

x2m +1 +...+x2m+1
2m


,

lo que, por la hip

otesis de inducci
on, implica


  (x m )+...+ x
( 2m+1 )
2 +1
(x1 )+(x2 )+...+(x2m )
+
2m
2m

=
2
=

(x1 ) + . . . + (x2m+1 )
.
2m+1

Esto demuestra, por inducci

on, la armaci
on para n = 2m .
n
Supongamos ahora n < 2m . Hagamos xj = x1 +...+x
, j = n + 1, n + 2, . . . , 2m .
n
Basta aplicar lo que acabamos de demostrar a los puntos x1 , . . . , x2m para obtener la
conclusi
on.

La siguiente proposici
on caracteriza a las funciones continuas y convexas. Como
el concepto de continuidad aun no ha aparecido, damos aqu un esbozo de la demostracion, y dejamos que el lector complete los detalles relativos a la continuidad
(ver la denici
on 3.2.17).
Proposici
on 2.2.17 Las funciones continuas y convexas pueden ser caracterizadas
como aquellas que tienen la propiedad siguiente:
x, y J, t [0, 1] , [(1 t)x + ty] (1 t)(x) + t(y).

(2.21)
n

n. Es f
Demostracio
acil probar que, dados x, y en J, si p = 2kn , y q = 2 2k
n ,
entonces (p x+q y) p(x)+q(y), siendo k = 0, 1, 2, . . . , 2n , usando, precisamente,
lo demostrado en la proposici
on 2.2.16. Ahora, por la continuidad de , resulta la
armaci
on.


36

Captulo 2. El espacio Rn
Para terminar, daremos una caracterizaci
on de convexidad para funciones con
segunda derivada, que resulta especialmente u
til. Por si el lector la necesita, la noci
on
de derivada de una funci
on la podemos encontrar en la denici
on 4.1.1. Tambien
aparece el Teorema del Valor Medio en la prueba. Si el lector no lo conoce, remitimos
al teorema 4.1.21.
Proposici
on 2.2.18 Supongamos que existe  en el intervalo J. Entonces es
convexa si, y s
olo si,  (x) 0, x J.
Para probar la precedente proposici
on, se har
a uso del siguiente lema, cuya demostracion dejamos como ejercicio.
Lema 2.2.19 Si f es una funci
on real de variable real, si existe f  en R y existe f  (a)
en cierto punto a, se tiene
f (a + h) 2f (a) + f (a h)
.
h0
h2

f  (a) = lm

n de la proposicio
n 2.2.18.
Demostracio
1.

Supongamos que tiene segunda derivada en el intervalo J, y que es convexa.

Entonces, dado a en el interior de J, y tomando h sucientemente peque
no para
que a + h y a h esten en J, se tiene
(a)

(a + h) + (a h)
.
2

En virtud del lema 2.2.19, se tiene  (a) 0.

2.

Supongamos, por el contrario, que  (a) 0, a J. Tomando dos puntos

x < y en J, resulta, por el Teorema del Valor Medio,




.
para cierto z x, x+y
2
An
alogamente,


=  (u)
(y) x+y
2

x+y
2

yx
2 ,

(x) =  (z)

para cierto u

yx
,
2

 x+y
2


,y .

Restando ambas expresiones,


2

x+y
2

(x) (y) = [ (z)  (u)]

yx
.
2

Pero
 es
on mon
otona no decreciente, luego  (z) (u) 0, as que
 una funci
 x+y

es la condicion de convexidad.


2 2 (x) (y) 0. Esta

37

2.2. Descripcion del ambito de trabajo

2.2.11.

Norma obtenida mediante un producto escalar

Volvamos, de nuevo, a considerar aspectos de las normas, distancias y productos

escalares. Esta vez estamos interesados en la relacion entre ellos.
Proposici
on 2.2.20 Todo producto escalar ,  en Rn dene una norma  en este
espacio mediante la f
ormula
x = x, x1/2 ,

x Rn ,

(2.22)

donde la raz cuadrada se toma positiva.

n. En primer lugar, p1) en la denici
Demostracio
on 2.2.7 arma que x, x 0,
x Rn , luego (2.22) es un n
umero real 0, as que se tiene n1) de la denici
on
2.2.5.
n2) y n3) son consecuencia inmediata de p2) y p3).
Para demostrar n4) haremos uso de la desigualdad de Cauchy-Schwarz (teorema
2.2.9): Sean x e y dos vectores en Rn . Entonces,
2

x + y

= x + y, x + y =
= x, x + 2x, y + y, y x, x + 2 |x, y| +
2

+y, y x + 2 x y + y = (x + y) .

Obtenemos, extrayendo races cuadradas,
x + y x + y , x, y Rn .

Ejemplo 2.2.21 El producto escalar

x, y =

xi yi ,

i=1

en Rn denido en el ejemplo 2.2.8, induce, de acuerdo con la proposici

on 2.2.20, una
norma en Rn , que es precisamente la norma eucldea 2 denida en 2.2.5 como
 n
1/2

x2i
,
x2 =
i=1

norma que, a su vez, de acuerdo con lo dicho en 2.2.3, induce una distancia en Rn , la
distancia eucldea, dada por
n
1/2

2
(xi yi )
.
d2 (x, y) =
i=1

38

Captulo 2. El espacio Rn
Las normas obtenidas a partir de un producto escalar como en 2.2.20 tienen una
propiedad que las caracteriza, contenida en la siguiente proposici
on:
Proposici
on 2.2.22 (Ley del Paralelogramo) Sea  una norma denida en un
espacio vectorial E. Entonces,   se obtiene a partir de un producto escalar ,  si
y solamente si verica la Ley del Paralelogramo, es decir
x + y2 + x y2 = 2x2 + 2y2 , x, y E.
n. Probaremos tan solo la condici
Demostracio
on necesaria, es decir, que si   se
obtiene a partir de un producto escalar, entonces verica la Ley del Paralelogramo.
La condici
on suciente se deja como ejercicio.
Basta realizar un calculo sencillo:
x + y, x + y + x y, x y =
= x, x + y, y + 2x, y + x, x + y, y 2x, y,
y se obtiene inmediatamente la conclusion.

Ejemplo 2.2.23 Las normas  1 y   denidas en Rn (ver 2.2.5), no proceden

de un producto escalar, ya que no verican la Ley del Paralelogramo.

2.3.

Convergencia

Nuestro prop
osito ahora es usar el concepto de norma en Rn para introducir las
nociones de convergencia, de la misma forma que el lector uso el valor absoluto en R
con el mismo objetivo. Basicamente las ideas son las mismas, y la seccion que sigue
puede servir como repaso de sus conocimientos sobre la recta real. El punto de partida
es simple: si se dispone de una norma en Rn tambien se tiene, como ya se ha dicho
repetidas veces, una distancia. Esta permitir
a decir cuando dos puntos en Rn estan
pr
oximos, y, por tanto, cu
ando una sucesi
on de puntos de Rn se aproxima o, en otros
terminos, converge, a un punto.

2.3.1.

Normas equivalentes

Parece que hay una dicultad: se han denido sobre Rn varias normas, como
1 , 2 y  , que inducen correspondientes distancias d1 , d2 y d (estas no son
las u
nicas normas que se pueden denir en Rn ). Podra pensarse que el concepto de
proximidad dependera as de la particular norma elegida, y puntos que estuvieran
cerca para una de ellas podran no estarlo para otra, de forma que una sucesi
on podra
converger a un punto en una norma y no hacerlo en otra. Esta dicultad no existe,
como se deduce del siguiente teorema, que no demostraremos.
39

2.3. Convergencia
Teorema 2.3.1 En Rn todas las normas son equivalentes (lo que signica que dadas
dos normas cualesquiera  y | |, existen dos n
umeros positivos M y K de modo que
M.  | | K  .

(2.23)

na, tambien
Lo que indica el teorema 2.3.1 es que si un vector en Rn tiene  peque
tiene | | peque
na (precisamente, menor que un m
ultiplo de la anterior). Para las
normas dadas como ejemplo en 2.2.5, el teorema 2.3.1 adquiere una forma m
as precisa:
podemos decir quienes son las constantes que aparecen en (2.23):
Proposici
on 2.3.2 Se tiene en Rn las siguientes desigualdades:

 2 1 n 2 n  .

(2.24)

n. Dado x = (x1 , x2 , . . . , xn ) Rn , la denici

on
Demostracio
x2 =

 n


1/2
x2i

i=1

permite asegurar que x2 |xi | , i = 1, 2, . . . , n, luego

x2 max {|xi | , i = 1, 2, . . . , n} = x .
Para probar la segunda desigualdad, sea
x1 =

|xi | = 1.

i=1

Entonces |xi | 1, i = 1, 2, . . . , n. Por tanto x2i |xi |, i = 1, 2, . . . , n. Obtenemos

2

x2 =

x2i x1 =

i=1

|xi | = 1,

i=1

as que x2 1 = x1 .

Si, ahora, y es un punto de Rn con y1 = 0 arbitraria (para y = 0 no hay nada
que probar), sea x = y / y1 . Se tiene x1 = 1, luego lo ya demostrado asegura que
x2 1 = x1 , es decir (y / y1 )2 1, luego y2 y1 .
Para probar la tercera desigualdad, puede usarse la de Cauchy Schwarz (teorema
2.2.9). Tenemos
n
n


|xi | =
|xi | 1 .
x1 =
i=1

i=1

Considerese ahora en Rn los dos vectores a = (|x1 | , |x2 | , . . . , |xn |) , b = (1, 1, . . . , 1).
La expresion anterior es, simplemente,
x1 = a, b,
40

Captulo 2. El espacio Rn
donde ,  denota el producto escalar eucldeo en Rn . Por tanto,

x1 = a, b a2 . b2 = x2 n.

Por u
ltimo
2

x2 =

x2i n x ,

i=1

pues |xi | x , i = 1, 2, . . . , n. Obtenemos la conclusion.

Nota 2.3.3 La consecuencia de la proposici

on 2.3.2 y, m
as generalmente, del teorema 2.3.1, es que, en las secciones que siguen, y hasta que no digamos otra cosa
explcitamente, por norma en Rn entenderemos cualquiera de las normas utilizadas
en la mencionada proposici
on.

2.3.2.

El lmite de una sucesi

on convergente

Definici
on 2.3.4 Sea x0 Rn y (x1 , x2 , x3 , . . . .) una sucesi
on en Rn (4 ). Se dice que
0
0
on, cuando, dado > 0
la sucesi
on converge a x , o que x es el lmite de la sucesi
arbitrario, se puede encontrar un ndice k0 N de modo que

 k
x x0  < , k k0 ,
(2.25)
o equivalentemente 5 ,

xk B o (x0 ; r)

(2.26)

(ver (2.9) en la denici

on 2.2.6). Denotaremos esta situaci
on mediante los smbolos
xk x0 .
Usando terminos mas gracos, y para que el lector tenga una imagen mental de
lo que ocurre, se puede decir que la sucesion converge a x0 cuando dada una bola de
centro x0 y radio prejado arbitrario > 0 hay un momento en que los terminos de la
sucesion entran en esa bola y ya no vuelven a salir.
Este concepto no es nuevo. En realidad, se puede reducir al que el lector seguramente ya conoce en la recta real, en virtud de la siguiente
Proposici
on 2.3.5 Sea x0 Rn y (x1 , x2 , x3 , . . . .) una sucesi
on en Rn . Se tiene
k
0
olo si ello ocurre en cada coordenada, es decir, si y s
olo si xki
x x si, y s
0
xi , i = 1, 2, . . . , n.
4 Usaremos

superndices para denotar diferentes elementos en Rn con objeto de no confundirlos

con las coordenadas de esos mismos elementos, denotadas como subndices.
5 Un momento de reflexi
on permitir
a concluir que se puede sustituir < en (2.25) por ,
defini
endose el mismo concepto. As, en (2.26) puede usarse la correspondiente bola cerrada si se
desea.

41

2.3. Convergencia
n. Basta recordar que todas las normas en Rn son equivalentes (teoreDemostracio
ma 2.3.1), por lo que es suciente probar la proposici
on en el caso de la norma  .
Ahora la demostraci
on es inmediata.

2.3.3.

Propiedades algebraicas de los lmites

Se tienen los resultados esperados, que no demostraremos, aunque la prueba de

ellos es inmediata usando la proposici
on 2.3.5:
El lmite de una sucesion, si existe, es u
nico.
El mecanismo del calculo de lmites respeta las operaciones algebraicas basicas
(suma y producto por un escalar).
Toda sucesion convergente en Rn esta acotada (esto es facil de demostrar:
tomando una bola de centro el lmite de la sucesion y radio 1, hay un ndice k0
a partir del cual todos los terminos de la sucesion estan en esa bola. Fuera de
ella hay a lo sumo un n
umero nito de terminos de la sucesion, claramente un
conjunto acotado. As, el conjunto de terminos de la sucesion esta acotado), etc.

2.3.4.

Conjuntos abiertos, cerrados y acotados

Las siguientes deniciones son u

tiles a la hora de describir ciertos conjuntos de
puntos en Rn .
Definici
on 2.3.6 Un subconjunto A no vaco de Rn se dice que es abierto cuando,
dado un punto x A se puede encontrar una bola con centro en x y radio positivo
contenida en A (se presupone que el conjunto vaco es abierto).
Definici
on 2.3.7 Un subconjunto C de Rn se dice que es cerrado si su complemen/ C}) es abierto.
tario (es decir, el subconjunto Rn \ C = {x Rn : x
Definici
on 2.3.8 Dado un subconjunto C de Rn , el interior de C, denotado por
int(C), es el mayor subconjunto abierto de C. Se denota por C, y se llama clausura
de C, al menor conjunto cerrado que contiene a C. El conjunto C \ int(C) se llama
la frontera de C, y se denota como F r(C).
Definici
on 2.3.9 Un subconjunto M de Rn es acotado si se puede encontrar r > 0
de modo que M B(0; r).
Las siguientes simples observaciones pueden resultar apropiadas (y son de f
acil
demostracion):
42

Captulo 2. El espacio Rn
Rn es un conjunto abierto. Por tanto el conjunto vaco es un conjunto cerrado
Tambien, Rn es un conjunto cerrado, luego es abierto6 .
El conjunto formado por un solo punto es un conjunto cerrado (es sencillo probar que su complementario es un conjunto abierto). M
as generalmente, todo
subconjunto nito de Rn es un conjunto cerrado.
Toda bola abierta (respect. cerrada) es un conjunto abierto (respect. cerrado).
La uni
on (respect. interseccion) arbitraria de conjuntos abiertos (respect. cerrados) es un conjunto abierto (respect. cerrado).
La uni
on (respect. interseccion) de una familia nita de conjuntos cerrados (respect. abiertos) es un conjunto cerrado (respect. abierto).
La siguiente proposici
on caracteriza los conjuntos cerrados mediante sucesiones.
olo si, dada cualquier
Proposici
on 2.3.10 Un subconjunto C de Rn es cerrado si y s
sucesi
on (xk ) contenida en C que converja a un elemento x0 Rn , se verica que
x0 C.
n. () Supongamos en primer lugar que C es cerrado, y sea (xk ) una
Demostracio
sucesion en C que converge a un punto x0 Rn . Supongamos que x0  C. Entonces,
como Rn \ C es abierto, existe r > 0 de modo que B(x0 ; r) Rn \ C. Ahora, en virtud
de la denici
on de lmite de una sucesion (denici
on 2.3.4), hay un ndice k0 N de
modo que xk B(x0 ; r), k k0 . Eso es imposible, pues xk C, k N.
() Supongamos ahora que se verica la condici
on sobre sucesiones del enunciado.
Probaremos que C es cerrado, demostrando que Rn \ C es abierto. Supongamos que
no los sea. Entonces existe un punto x0 en Rn \ C de modo que toda bola de radio
positivo centrada en x0 corta a C. En particular, dado k N, podemos encontrar un
a en C, obviamente
punto xk en B(x0 ; 1/k) C. La sucesion (xk ) as obtenida est
/ C, una contradicci
on.


converge a x0 pero x0

a acotada.
Proposici
on 2.3.11 Toda sucesi
on convergente en Rn est
n. El resultado es una consecuencia inmediata de la denici
Demostracio
on de sucesion convergente (denici
on 2.3.4). T
omese = 1 en esa denici
on. Entonces existe
n0 N tal que xn B(x0 , 1) si n n0 , donde x0 es el lmite de la sucesion (xn ).
on de un conjunto
El conjunto B(x0 , 1) {x1 , . . . , xn0 1 } esta acotado (por ser la uni
acotado y otro nito) y contiene a todos los terminos de la sucesion.


Introducimos ahora un concepto que ser
au
til en discusiones posteriores.
6 No lo demostraremos, pero es cierto que los u
nicos subconjuntos de Rn que son simult
aneamente
abiertos y cerrados son y Rn .

43

2.3. Convergencia
on en Rn . Supongamos que elegimos un subDefinici
on 2.3.12 Sea (xk ) una sucesi
on
conjunto de N, digamos {k1 , k2 , k3 , . . .} , de forma que k1 < k2 < k3 < . . . La sucesi
(xk1 , xk2 , xk3 , . . .) as obtenida se dice que es una subsucesion de la sucesi
on original
(xk ).
Demostraremos ahora una propiedad particular e importante de los subconjuntos
cerrados y acotados de Rn : las sucesiones en ellos tienen subsucesiones convergentes
a puntos en ellos7 .
La demostracion esta basada en un resultado que tiene importancia por s mismo, a la vista de las consecuencias que posee. Es el llamado Teorema de BolzanoWeierstrass, que asegura que, dado un subconjunto innito acotado S de Rn , existe
on de S. Este concepto se dene a continuacion.
en Rn un punto de acumulaci
Definici
on 2.3.13 Dado un conjunto S Rn , un punto x Rn se dice que es de
acumulaci
on de S cuando, tan cerca de x como queramos, podemos encontrar puntos
en S distintos de el.
Se verica el siguiente resultado fundamental:
Teorema 2.3.14 (Bolzano-Weierstrass) Sea S un subconjunto innito y acotado
on de S.
de Rn . Entonces, en Rn hay al menos un punto de acumulaci
n. El metodo de prueba ha sido descrito como la forma de cazar un
Demostracio
leon en el Desierto del Sahara: rodeamos el desierto con una valla. Entonces bisecamos
el desierto mediante otra valla, digamos trazada de norte a sur. El le
on se encuentra
desde luego en alguna de las dos mitades. Elegimos aquella en la que est
a y la volvemos
a bisecar con una valla. El le
on esta ahora en alguno de los dos cuartos. Bisecamos
aquel en que se encuentra, para determinar a continuaci
on en cu
al de los dos octavos
se halla. Siguiendo con este proceso, hay un momento en que el le
on se encuentra en
un recinto de area tan peque
na como previamente hayamos prejado.
Esta es la idea esencial, junto con la siguiente: si un conjunto innito se divide
en un n
umero nito de partes, no importa como lo hagamos es seguro que alguna de
ellas tiene innitos elementos.
Dicho esto, procederemos con los aspectos esenciales de la prueba, dejando que
el lector complete los detalles: Sea S un subconjunto innito acotado de Rn , lo que
signica que podemos encerrar S en un cubo en Rn (es decir, una bola en la norma
 ). Tal cubo es el producto cartesiano de sus lados, intervalos cerrados en R.
Cada uno de ellos lo dividiremos en dos mitades iguales y ahora construimos todos
los subcubos posibles del cubo original que los tienen como lados (si estamos en el
plano R2 obtenemos cuatro subcubos, si en R3 , ocho; en general, 2n ). Como hemos
indicado antes, es obvio que alguno de los subcubos contiene innitos puntos de S. Lo
7 Este resultado permitir
a establecer, entre otras cosas, la existencia de extremos de funciones
reales continuas cuando estas est
an definidas en conjuntos cerrados y acotados de Rn (ver el teorema
3.3.3).

44

Captulo 2. El espacio Rn
seleccionamos (si hay varios con esa propiedad, elegimos uno de ellos) para realizar con
el la misma operacion de subdivisi
on a la que se sometio al cubo original, eligiendo a
continuaci
on uno de los sub-subcubos resultantes que contenga innitos elementos
de S. Procedemos recursivamente. Si observamos ahora los lados (intervalos cerrados
en R) de esos cubos encajados que vamos obteniendo, nos daremos cuenta de que
forman una sucesi
on de intervalos asimismo encajados en R. Fijemonos en una
de las coordenadas. Obtenemos intervalos [a1 , b1 ] , [a2 , b2 ] , [a3 , b3 ] , . . . en R con las
propiedades:
1) a1 a2 a3 . . . b3 b2 b1 ,
2) La longitud de [an+1 , bn+1 ] es la mitad de la de [an , bn ], n N.
Ahora (y esto se deriva de una propiedad esencial de R, la existencia del supremo (consultar la Introducci
on, denici
on 1.4.1)) la sucesion (a1 , a2 , a3 , . . .), como es
mon
otona creciente y esta acotada superiormente, tiene lmite, digamos a (ver la
proposici
on 1.4.3), y se tiene a bn , n N. Asimismo, la sucesion (b1 , b2 , b3 , . . .), al
ser monotona decreciente y estar acotada inferiormente por a, tiene lmite, debido al
mismo resultado, digamos b, y se tiene a b. De la observaci
on sobre las longitudes
de los intervalos [an , bn ] se deduce que a = b (por que?). As, el punto a esta en todos
y cada uno de los intervalos [an , bn ].
Repetido el argumento en cada coordenada, podemos construir el punto de Rn con
las coordenadas encontradas, que tiene la propiedad de estar en todos y cada uno de
los cubos de la sucesion de cubos encajados denida. Pero recuerdese que cada uno
de estos cubos contiene innitos elementos de S, y que las longitudes de sus lados se
dividen sucesivamente por dos. El punto obtenido es de acumulaci
on del conjunto S.

Teorema 2.3.15 Sea C un subconjunto cerrado y acotado en Rn . Sea (xk ) una suceon convergente a un punto de C.
si
on en C. Entonces, (xk ) tiene una subsucesi
n. Tomemos un subconjunto cerrado y acotado C de Rn , y una sucesion
Demostracio
k
(x ) en C. Pueden ocurrir dos casos:
a) que (xk ) tenga solo un n
umero nito de puntos distintos. Es inmediato entonces
extraer una subsucesi
on constante (es decir, que repite siempre el mismo elemento),
sucesion obviamente convergente, o bien
b) que (xk ) consista de innitos puntos distintos. En ese caso, el Teorema de
 BolzanoWeierstrass (teorema 2.3.14) asegura que el conjunto S = x1 , x2 , x3 , . . . tiene un
acil ahora extraer una subsucesion de (xk ) que converja
punto de acumulaci
on x0 . Es f
0
omese B(x0 ; 1). Por la denici
on de punto de acumulaci
on, hay
precisamente a x : t
innitos puntos de S en esta bola. Elegimos uno de ellos, digamos xk1 . Tomamos ahora
B(x0 ; 1/2). De nuevo hay en esa bola innitos elementos de S, luego seguramente
on existe xk3 en
xk2 con k2 > k1 . Consideramos ahora B(x0 ; 1/3). Por la misma raz
esa bola con k3 > k2 . Es claro que este procedimiento no permite seleccionar una
subsucesion (xkn ) de (xk ) con las propiedades deseadas.
45

2.3. Convergencia
on 2.3.10. Esto concluye
Ahora, la raz
on de que x0 C se encuentra en la proposici
la prueba del teorema 2.3.15.


La propiedad exhibida por el teorema anterior (teorema 2.3.15) merece un nombre
especial:
Definici
on 2.3.16 Se dice que un subconjunto K de un espacio metrico (E, d) es
on que converge a un
compacto cuando toda sucesi
on (xn ) en K tiene una subsucesi
punto de K.
As, el teorema 2.3.15 demuestra que todo subconjunto cerrado y acotado de Rn es
compacto. Se puede demostrar que el recproco es trivialmente cierto: todo conjunto
compacto, en un espacio metrico cualquiera, es necesariamente cerrado y acotado.
Como aplicacion del Teorema de Bolzano-Weierstrass (teorema 2.3.14), probaremos un resultado sobre sucesiones que puede resultar u
til. De alguna forma asegura
que una sucesion en Rn converge si y solo si sus terminos se aproximan ente s cada
vez mas. Sucesiones que se comportan de este modo han aparecido ya, precisamente
cuando se dio un modelo de los n
umeros reales en 1.4.3. Este comportamiento de una
sucesion es sucientemente importante como para merecer un nombre propio.
Definici
on 2.3.17 Una sucesi
on (xn ) en un espacio metrico (S, d) tal que
> 0, k0 N de modo que, k, m k0 , d(xk xm ) <

(2.27)

se llama de Cauchy . Un espacio metrico (S, d) tal que toda sucesi

on de Cauchy en el
converja a un punto de el se dice que es completo.
olo si, es de Cauchy
Proposici
on 2.3.18 Una sucesi
on (xn ) en Rn converge si, y s
(en la metrica obtenida a partir de la norma eucldea, luego en cualquier metrica
equivalente). Por tanto, Rn con la metrica eucldea es un espacio completo.
n. () Supongamos, en primer lugar, que (xk ) sea una sucesion conDemostracio
on de sucesion convergente
vergente a un punto x0 Rn . En virtud de la denici
(denici
on 2.3.4), dado > 0 arbitrario,
si
tomamos
el
n
umero /2 podemos en
contrar k0 N de modo quexk x0  < /2, k k0 . As, si k y m son ambos
k0 .

 k


x xm  = xk x0 + x0 xm 

 

xk x0  + x0 xm  < + = .
2 2
Esto prueba (2.27).
k
n
() Supongamos ahora que
) sea una sucesi
 (x
 on en R que satisfaga (2.27).
k
Consideremos el conjunto S = x : k = 1, 2, . . . . Hay dos posibilidades:
46

Captulo 2. El espacio Rn
1.

S es un conjunto nito; en este caso la sucesion (xk ) es constante a partir de

cierto ndice. Por tanto, (xk ) converge.

2.

S es un conjunto innito. Es f
acil demostrar que S esta acotado (tomese = 1
un esa misma formula. Entonces, todo elemento xk
en (2.27); se obtiene k0 seg
con k k0 esta en la bola de centro xk0 y radio 1. Fuera de esa bola hay, a lo
mas, una cantidad nita de elementos de la sucesion. As, S es acotado). Por el
Teorema de Bolzano-Weierstrass (teorema 2.3.14), hay un punto de acumulacion
on de punto acumulaci
on, en
de S, digamos x0 . Sea > 0 arbitario. Por denici
o
n
(2.27)
asegura
B(x0 ; /2) hay innitos puntos de S. Por otraparte, la condici

que existe k0 N de modo que k, m k0 , xk xm  < /2. Sea k k0 tal
que xk B(x0 ; /2). Se tiene entonces,

 

m k0 , xm x0  = xm xk + xk x0 

 

xm xk  + xk x0  < + = .
2 2
As, (xk ) converge a x0 .

47

2.4. Ejercicios propuestos

2.4.
2.4.1.
1.

Ejercicios propuestos
Espacio eucldeo. Norma. Distancia.

Dar ejemplos de problemas reales en los que, para dar de ellos una descripci
on
matematica, se necesite hacer uso de  1 ,  2 o   en Rn .
Sugerencia: ver problemas 1 y 2 de la secci
on 2.1.

2.

Sea A Rn no vaco. Supongamos que es abierto en  2 . Es abierto en  1

y en   ? Supongamos que es cerrado en  1 . Es cerrado en  2 y en
  ?
Sugerencia: basta observar que dado un abierto en una norma, por la proposici
on
2.3.2 existe otro en cualquier otra que lo contiene.

3.

([Ap85, Vol. II, 8.3.2]): En cada uno de los casos siguientes, sea S el conjunto de
todos los puntos (x, y) del plano que satisfacen las desigualdades dadas. Hacer
un gr
aco mostrando el conjunto S y explicar, geometricamente, si S es abierto,
cerrado o ninguna de las dos cosas. Indicar la frontera de S en el gr
aco:

x2 + y 2 < 1.

(2.28)

1 x 2, 3 < y < 4.
3x2 + 2y 2 < 6.

(2.29)
(2.30)

1 < x < 2, y > 0.

|x| < 1, |y| < 1.

(2.31)
(2.32)

x y.
x 0, y > 0.
x > y.

(2.33)
(2.34)
(2.35)

|x| 1, |y| 1.
y > x2 , |x| < 2.

(2.36)
(2.37)

x > 0, y < 0.
(x2 + y 2 1)(4 x2 y 2 ) > 0

(2.38)
(2.39)

xy < 1.
(2x x y )(x + y x) > 0.

(2.40)
(2.41)

Sugerencia: hallar en cada caso el conjunto de puntos que satisfacen las expresiones anteriores sustituyendo las desigualdades por identidades. Se obtienen
curvas que dividen el plano en regiones. Determinar a continuaci
on la regi
on
requerida. Ejemplo: los puntos que satisfacen x2 + y 2 = 1 son los de la circunferencia unidad. La regi
on x2 + y 2 < 1 corresponde a su interior: el c`rculo de
radio 1 (excluida la circunferencia).
48

Captulo 2. El espacio Rn
4.

Sea (S, d) un espacio metrico (es decir, S es un conjunto no vaco y d es una

distancia en el). Dado un subconjunto A de S, un punto x A se dice que es
interior si hay una bola centrada en x totalmente contenida en A, y otro punto
y S se dice que es exterior si hay una bola centrada en y disjunta de A. Se
ha denido el interior de A, denotado por int(A) al mayor conjunto abierto
contenido en A, y clausura de A, denotada por A, como el menor conjunto
cerrado que contiene a A. Un punto z S es un punto frontera de A si no es
interior ni exterior a A. Se dene la frontera de A, y se representa por A, como
el conjunto de puntos frontera de A.
a) Demostrar que un punto z S esta en A si y solo si toda bola centrada
en el corta tanto a A como a S \ A.
b) Demostrar que A = A A.
c) Demostrar que int(A) es el conjunto de todos los puntos interiores de A.
d)

Demostrar que A = A \ int(A).

Sugerencia:
a)

5.

Es consecuencia de la denici
on.

b)

Probar que A A A y A A A.

c)

Probar que un punto de int(A) es interior a A y que cualquier punto interior a A est
a en int(A).

d)

De nuevo probar la doble inclusi

on.

Obtener el interior, la frontera y el conjunto de puntos de acumulaci

on de los
siguientes conjuntos:
{(x, y) R2 : y = x} ( R).

(2.42)

{(x, y, z) R3 : x2 + y 2 1}.
{(x, y, z) R3 : z 2 = x2 + y 2 }.

(2.43)
(2.44)

Sugerencia: utilizando el ejercicio anterior obtenemos: Interior: , crculo abierto de radio 1, , respectivamente. Frontera: el propio conjunto, la circunferencia
de radio 1, el propio conjunto. Puntos de acumulaci
on: el propio conjunto en
los tres casos.
6.

Sean x, y Rn . Probar que x + y2 = x2 + y2 si y solo si un vector es

m
ultiplo 0 del otro. Probar que x + y22 = x22 + y22 si y solo si x e y son
ortogonales.
Sugerencia: elevando la primera expresi
on al cuadrado y simplicando se obtiene
< x, y >= x2 y2 . Se verica por tanto la igualdad en la desigualdad de
Cauchy-Schwarz. Por la observaci
on de 2.2.9 se obtiene que y = x en donde
<x,y>
. Notar que en este caso < x, y > es un valor mayor o igual que cero.
= <x,x>
Teniendo en cuenta que x22 =< x, x >, se verica x + y22 = x22 + y22 si
y s
olo si < x, y >= 0.
49

2.4. Ejercicios propuestos

7.

Dar ejemplos (no triviales) de conjuntos abiertos, conjuntos cerrados, as como

de conjuntos que no son ni abiertos ni cerrados, en R, R2 y R3 .
Sugerencia: el conjunto S = {1/n : n = 1, 2, . . .} {0} es cerrado. Su complementario R \ S es abierto. Si suprimimos el {0}, el conjunto resultante
S  = {1/n : n = 1, 2, . . .} no es abierto ni cerrado.
Adem
as, S es cerrado en R2 y R3 , pero R2 \ S y R3 \ S no son abiertos en R2 \ S
y R3 \ S respectivamente. Los conjuntos S  y R2 \ S  no son abiertos ni cerrados.
Sucede lo mismo en R2 .

8.

Dar un ejemplo que demuestre que la uni

on innita de cerrados no es necesariamente cerrado. Dar un ejemplo que demuestre que la interseccion innita de
abiertos no es necesariamente un abierto.
Ejemplos: El conjunto
i=1 [1 + 1/n, 1 1/n] =] 1, 1[ no es cerrado en R. El
]

1/n,
1/n[=
{0} no es abierto en R.
conjunto
i=1

9.

Probar que los u

nicos conjuntos en R que son simultaneamente abiertos y cerrados son y R. Que ocurre en Rn ?
Sugerencia: sea S abierto y cerrado de R. Suponer que S = y probar que
S = R. Razonar de manera similar.

10.

No hay ninguna relaci

on entre los conceptos de conjunto acotado y conjunto
cerrado. De hecho, hay conjuntos en R que son cerrados y no acotados, otros
abiertos y no acotados, unos terceros cerrados y acotados y, nalmente, abiertos
y acotados. Dar ejemplos de estas cuatro situaciones.
Ejemplos: N , [0, +[ son cerrados no acotados, ]0, +[ es abierto no acotado,
[0, 1] es cerrado y acotado y ]0, 1[ es abierto y acotado.

11.

Todo conjunto abierto no vaco en R contiene n

umeros racionales e irracionales.
Sugerencia: notar que contiene un intervalo abierto.

12.

Todo conjunto abierto de R es la uni

on de una familia numerable de intervalos
abiertos.
Sugerencia: razonar por reducci
on al absurdo. Si existiera un abierto S que
fuera uni
on de una familia no numerable de intervalos abiertos, el conjunto
de racionales sera no numerable.

13.

Todo conjunto cerrado de R es la interseccion de una familia numerable de

conjuntos abiertos.
Sugerencia: si S es cerrado de R, R \ S es abierto. Del ejercicio anterior se
sigue la conclusi
on.

14.

50

De las deniciones de producto escalar, norma y distancia en Rn deducir que

todo producto escalar induce una norma, y que toda norma dene una distancia
en este espacio. Observar, sin embargo, que no toda distancia en Rn proviene
de una norma, as como que no toda norma proviene de un producto escalar

Captulo 2. El espacio Rn
(indicaci
on: las normas que provienen de un producto escalar verican la llamada
Ley del Paralelogramo:
 x + y 2 +  x y 2 = 2  x 2 +2  y 2 .
Comprobar esta igualdad y ver, por ejemplo, que  1 no la verica).
15.

([Ap85, Vol. II, 8.3.3]): En cada uno de los siguientes casos, sea S el conjunto
de todos los puntos (x, y, z) en R3 que satisfacen las desigualdades dadas. Hacer
una representaci
on gr
aca de S y determinar si S es abierto, cerrado, o ninguna
de ambas cosas.
z 2 x2 y 2 1 > 0.
| x | 1, | y |< 1, | z |< 1.
| x |< 1, | y |< 1, | z |< 1.

(2.45)
(2.46)
(2.47)

x + y + z < 1, x > 0, y > 0, z > 0.

x + y + z < 1.

(2.48)
(2.49)

x2 + 4y 2 + 4z 2 2x + 16y + 40z + 113 < 0

(2.50)

Sugerencia: proceder como en el ejercicio 3. Los conjuntos S resultantes son

abiertos salvo el del segundo caso que no es abierto ni cerrado.
16.

Indicadores en los senderos de las monta

nas proporcionan el tiempo necesario
(aproximadamente) para llegar hasta un cierto destino. Discutir si esta medida
proporciona una distancia, en el sentido en que ha sido introducida tal funci
on.
Sugerencia: comprobar que se satisfacen las propiedades de la denici
on 2.2.4.

17.

En el espacio C[0, 1] de las funciones continuas en el intervalo [0, 1] se introducen

diversas normas. Una de ellas es
 1
f 1 =
|f (x)|dx,
0

otra
f  = sup{|f (x)| : x [0, 1]}.
Dar interpretaciones geometricas de las bolas de centro 0 y radio 1 en ambas
normas. Supongamos que esas funciones representan las uctuaciones de las
paridades de las monedas en los distintos pases de la CE durante un a
no. En
que norma esta interesada la CE si pretende que todos sus pases no se salgan
de la serpiente monetaria?. Supongamos ahora que los elementos del espacio
representan valores instant
aneos (=densidades) de precipitaciones (=lluvia) a
lo largo de un perodo de un a
no. Que norma proporciona una idea precisa de
lo lluvioso que ha sido un a
no?
Sugerencia: un rombo y un cuadrado de lado 2. La norma f 1 . La norma f  .
51

2.4. Ejercicios propuestos

18.

Se ha introducido una distancia muy especial en un conjunto S, diciendo que

la distancia entre dos elementos distintos es 1, mientras que la distancia de un
elemento a s mismo es 0. Describir las bolas de distinto radio, los conjuntos
abiertos, cerrados, las fronteras, interiores, clausuras de los subconjuntos de S,
as como cuando una sucesi
on en S converje a un punto. Decir cu
ales son los
puntos de acumulaci
on de un conjunto. Se verica el Teorema de BolzanoWeierstrass? Es cierto que toda sucesion de Cauchy es convergente? Es cierto
que los conjuntos cerrados y acotados son exactamente los compactos?
Sugerencia: observar que todo elemento de S no tiene otros puntos de S tan
cerca como se quiera de el.

19.

Dar una prueba (en el caso de que sean correctos) o un contraejemplo (en caso
contrario) de los siguientes enunciados:
Teorema 2.4.1 Un conjunto A en un espacio metrico (S, d) es cerrado si y
s
olo si contiene a todos sus puntos de acumulaci
on.
Teorema 2.4.2 El conjunto formado por todos los puntos de acumulaci
on de
un conjunto A en un espacio metrico (S, d) es cerrado.
Teorema 2.4.3 Si x es un punto de acumulaci
on del conjunto A B en un
espacio metrico (S, d), entonces x es de acumulaci
on de A o de B.
Sugerencia: el teorema 2.4.1 es cierto. Necesidad: Un punto x de acumulaci
on
de A es lmite de una sucesi
on de puntos de A. Suciencia: Un conjunto es
cerrado si contiene a su clausura. Comprobar que todo punto de la clausura de
A o bien est
a en A o en ac(A.
El teorema 2.4.2 es cierto: Sea A S y supongamos que ac(A) no es cerrado.
Entonces S \ ac(A) no es abierto. Obbtener una contradicci
on.
El teorema 2.4.3 es cierto: Efectuar la prueba de nuevo por reducci
on al absurdo.

2.4.2.
1.

Desigualdades

Teorema 2.4.4 (Desigualdad de Bernoulli) : Sean a1 , a2 , . . . , an , n 2,

n
umeros reales no nulos, mayores que 1 y todos del mismo signo. Entonces:
(1 + a1 )(1 + a2 ) . . . (1 + an ) > 1 + a1 + a2 + . . . + an .
Estudiar el caso particular
a1 = a2 = . . . = an , 0 = ai > 1, i = 1, . . . n.
Sugerencia: efectuar la prueba por inducci
on. Observar que el caso particular
establece que
(1 + a)n > 1 + na, n 2.

52

Captulo 2. El espacio Rn
2.

Sea T un subconjunto no vaco de n

umeros reales. Supongamos que g : T R
satisface la siguiente desigualdad:


t1 + t2
g(t1 ) + g(t2 )
dados t1 , t2 T, t1 = t2 , g
<
2
2
entonces se cumple la desigualdad m
as general


t1 + t2 + . . . + tn
g(t1 ) + g(t2 ) + . . . + g(tn )
,
g
<
n
n
donde t1 , t2 , . . . , tn T y existe al menos un par de ndices i, j, 1 i, j n, i = j
tal que ti = tj .
Sugerencia: proceder como en la demostraci
on de la proposici
on 2.2.16.

3.

Comprobar que para xi > 0, i = 1, 2, . . . , n,


k
x1 + x2 + . . . + xn
xk + xk2 + . . . + xkn
,
1
n
n
siendo k un entero positivo.
Sugerencia: sea (x) = xk , k 1. Comprobar que es convexa y utilizar la
proposici
on 2.2.16.

4.

Sean ai > 0, bi > 0, i = 1, 2, . . . , n. Probar que:




n
(a1 + b1 ).(a2 + b2 ) . . . (an + bn ) n a1 .a2 . . . an + n b1 .b2 . . . bn
Sugerencia: idem para la funci
on (x) = log(1 + ex ).

5.

Sean las fracciones ai /bi con bi > 0, i = 1, 2, . . . , n. Probar que

a1 + a2 + . . . + an
b1 + b 2 + . . . + b n
esta comprendida entre la mayor y la menor de las fracciones anteriores.
Sugerencia: denotemos por m y M la menos y mayor de las fraciciones respectivamente. Entonces, mbi ai M bi , i = 1, . . . , n. Sumar estas desigualdades.

6.

Sean a, b, . . . , d n
umeros reales positivos y m, n, . . . , p enteros positivos. Probar
que

m+n+...+p
ab . . . d
esta comprendida entre el mayor y el menor de los n
umeros

a, b, . . . , d
(se supone que tomamos en cada caso el valor principal de la raz).
Sugerencia: utilizar el ejercicio anterior para las fracciones

loga logb
logd
m , n ,..., p .

53

2.4. Ejercicios propuestos

7.

Sea 0 < < < < . . . < < /2. Probar que:
tg <

sen + sen + sen + . . . + sen

< tg .
cos + cos + cos + . . . + cos

Sugerencia: an
alogo al anterior.
8.

Sea xn =

1000n
n! ,

n = 1, 2, . . .. Encontrar el mayor termino de la sucesion.

Sugerencia: discutir que sucede antes y despues del termino 1000.

9.

Probar que

1
1 3 5 (2n 1)
<
.
2 4 6 . . . 2n
2n + 1

Sugerencia: efectuar la prueba por inducci

on.
10.

Sean a1 a2 . . . an y b1 b2 . . . bn . Probar que:

 n
 n

n
1
1
1
ak
bk
ak bk .
n
n
n
k=1

k=1

k=1

Sugerencia: comprobar previamente que

n 
n


(ai bi ai bj ) = n

i=1 j=1

i=1

n 
n


ai bi

ai

i=1

bj .

j=1

An
alogamente,
(aj bj aj bi ) = n

i=1 j=1

aj bj

j=1

aj

j=1

bi .

i=1

Calcular la semisuma de estas dos expresiones.

11.

Probar que si a > b > 0, entonces A < B, donde

A :=

1 + a + a2 + . . . + an1
1 + b + b2 + . . . + bn1
,
B
:=
.
1 + a + a2 + . . . + an
1 + b + b2 + . . . + b n

Sugerencia: escribir 1/A, 1/B y comparar.

12.

Sea x > 0 y n un entero positivo. Probar que

xn
1
.

1 + x + + . . . + x2n
2n + 1
x2

Sugerencia: escribir el termino de la izquierda como

1
xn

+ ... +

1
x

Probar que si t > 0 entonces t +

54

1
.
+ 1 + x + x2 + . . . + xn
1
t

2.

Captulo 2. El espacio Rn
13.

Sean x, y > 0 con x = y y m, n enteros positivos. Probar que

xm y n + xn y m < xm+n + y m+n
Sugerencia: escribir
xm y m = (x y)(xm1 + xm2 y + . . . + xy m2 + y m1 ).
Descomponer en forma an
aloga xn y n .

14.

Sea x > 0, x = 1. Sea n un entero positivo. Probar que

x2n1 + x < x2n + 1.
Notar en particular que
xn1 +

1
xn1

< xn +

1
.
xn

Sugerencia: observar que (x2n1 1)(x 1) > 0.

15.

Sea a > b > 0. Sea n un entero positivo mayor que 1. Si k 0 probar la siguiente
desigualdad:

an + k n bn + k n a b.
Sugerencia: se verica que x = (an + k n )1/n a. Del mismo modo, y = (bn +
k n )1/n b. Descomponer xn y n = (x y)(xn1 + xn2 y + . . . + xy n2 + y n1 )
y acotar.

16.

Si a1 , a2 , . . . , an con ai > 0, i = 1, 2, . . . , n forman una progresi

on aritmetica,
probar que se verica:

a1 + an
.
a1 an n a1 a2 . . . an
2

En particular, n n n! n+1
2 .
Sugerencia: probar que a1 an ak an(k1) , k = 1, 2, . . . , n. Deducir que
((a1 an )n )1/(2n) ((a1 o ldotsan )2 )1/(2n).
Tener en cuenta que la media geometrica es menor o igual que la media aritmetica.

17.

Sea a > 1, n un entero positivo. Probar que:



1
1
an 1 n an+ 2 an 2 .
Sugerencia: considerar a = s2 y probar que

s2n 1
s2 1

nsn1 .
55

2.4. Ejercicios propuestos

18.

Sea f :]a, b[ R tal que para todo

x1 , x2 ]a, b[, q1 > 0, q2 > 0, q1 + q2 = 1,
se cumple:
f (q1 + q2 ) q1 f (x1 ) + q2 f (x2 ).
Probar
que entonces dados x1 , x2 , . . . , xn ]a, b[, qi > 0, i = 1, 2, . . . , n, con

qi = 1, se verica
f (q1 x1 + . . . + qn xn ) q1 f (x1 ) + . . . + qn f (xn ).
Sugerencia: efectuar la prueba por inducci
on.
Nota: En algunos textos se dene funci
on convexa como aquella que satisface la
propiedad anterior. Se trata de una propiedad m
as restrictiva que la dada en la
denici
on 2.2.15). En realidad, si una funci
on f satisface el enunciado de este
ejercicio, es convexa y continua.

19.

Si xi > 0, qi > 0, i = 1, 2, . . . , n y q1 + q2 + . . . + qn = 1, probar que

xq11 .xq22 . . . xqnn q1 x1 + q2 x2 + . . . + qn xn .
Sugerencia: escribir xi = eyi para ciertos valroes de yi , i = 1, . . . , n y utilizar
el resultado anterior para la funci
on convexa f (y) = ey .

20.

Sean aij > 0, xj > 0, i, j = 1, 2, . . . n. Supongamos que

ak1 + ak2 + . . . + akn = 1
a1k + a2k + . . . + ank = 1
Si yi = ai1 x1 + ai2 x2 + . . . + ain xn , i = 1, 2, . . . , n, entonces
y1 .y2 . . . . yn x1 .x2 . . . . xn .
Sugerencia: comprobar que la funci
on ln y es c
oncava. Probar que

n
ln
x
.
i
i=1

21.

n
i=1

ln yi

Desigualdad de H
older. Sean ai > 0, bi > 0, i = 1, 2, . . . , n. Sean k > 1, k  > 1
1
1
tales que k + k
= 1. Probar que se verica:
n

i=1


ai bi

n

i=1

 k1 
aki

bki

 1

k

i=1

Si k = k  = 2, la expresi
on resultante se denomina Desigualdad de CauchySchwarz (ver el teorema 2.2.9).
56

Captulo 2. El espacio Rn
n
n


Sugerencia: suponer en primer lugar que i=1 aki = i=1 bki = 1. Probar que
n


k
k

i=1 ai bi 1 tomando x1 = ai , x2 = bi , q1 = 1/k, q2 = 1/k y aplicar el
resultado del ejercicio 19. Reducir el caso general a este tomando
ai
bi
ai = n
, b = n k
1/k
.
( i=1 aki )1/k i
( i=1 bi )
22.

Desigualdad de Minkowski. Sean ai > 0, bi > 0, i = 1, 2, . . . , n. Sea k > 1.

Probar que:
 n


 k1

(ai + bi )k

 n


i=1

(ai )k

 n


i=1

Sugerencia: sea k  tal que

n


 k1

1
k

(ai + bi )k =

i=1

1
k

 k1
(bi )k

i=1

1. Escribir

ai (ai + bi )k1 +

i=1

bi (ai + bi )k1 .

i=1

Aplicar la desigualdad de H
older a los terminos de la derecha.
23.

Sea n un entero positivo. Probar que:

1
1 1
1
< 1 + + + . . . + ln n < 1.
2
2 3
n
Sugerencia: hallar


In =

1/n

 
1
1

dx.
x
x

Comprobar que 1/2 < 1 In < 1.

24.

Sea s = 2k, k Z. Si
A := sen t + sen(t + s) + sen(t + 2s) + . . . + sen[t + (j 1)s]
B := cos t + cos(t + s) + cos(t + 2s) + . . . + cos[t + (j 1)s],
probar que:
js

A = sen(t +

js

j 1 sen( 2 )
j 1 sen( 2 )
s)
s)
.
s , B = cos(t +
2
sen 2
2
sen 2s

j
Sugerencia: comprobar que 2A sen(s/2) = 2 sen(t + j1
2 s) sen 2 s utilizando la
expresi
on del producto de senos en terminos de la diferencia de cosenos. Proceder
an
alogamente con B.

57

2.4. Ejercicios propuestos

25.

k
k
Probar que si a1 a2 . . . an 0 y i=1 ai i=1 bi , k = 1, 2, . . . , n
entonces
n
n


a2i
b2i .
i=1

i=1

Sugerencia: probar que para k = 1, . . . , n se verica la siguiente desigualdad:

n


(ak ak+1 )

i=1

ai

i=1

(ak ak+1 )

i=1

bi .

i=1

Comprobar que
n


(ak ak+1 )

i=1

ai =

i=1

a2i .

i=1

(tomamos an+1 = 0). Del mismo modo, comprobar que

n


(ak ak+1 )

i=1

bi =

i=1

ai bi .

i=1

Utilizando la desigualdad de Cauchy-Schwarz se obtiene el resultado.

26.

Para un entero positivo n sea p(n) la proposici

on


n+

f (n) =

n 1 + ... +

1<

n + 1.

Comprobar que es cierta la proposicion para todo n.

Sugerencia: efectuar la prueba por inducci
on.
27.

Probar que para n = 1, 2, 3, . . . se verica:



1
a) 1 +
n


1
b) 1 +
n

n
<

n
< 3.

1
1+
n+1

n+1
.

n

seg
un el binomio de Newton. Para k =
Sugerencia: a) Desarrollar
+ n1
 1
n
1
1
2, . . . , n justicar la cota
2k1
.
nk
k
b) Probar que si 0 a < b, entonces bn (b (n + 1)(b a)) < an+1 . Tomar
1
y b = 1 + n1 .
a = 1 + n+1
58

Captulo 2. El espacio Rn

2.4.3.
1.

Lmites de Sucesiones.

Estudiar la convergencia de las siguientes sucesiones de R:

1
, n = 1, 2, . . .
n
1
, n = 1, 2, . . . , siendo a > 0.
1 + na
1
, p 1.
np

n
c, c > 0.

n
n, n = 1, 2, . . .

(2.51)
(2.52)
(2.53)
(2.54)
(2.55)

Sugerencia: 1) Tener en cuenta que dado > 0, existe n0 N tal que n10 <
(ver teorema 1.4.4) y utilizar la denici
on de lmite. 2) An
alogo al anterior.
. . n1 . Si p R, p0 N tal
3) Observar que si p N entonces n1p = n1 .(p)
1
n1p < n1p0 . La soluci
on se sigue del caso anterior. 4) Sea
xn =
que
np0 +1

n
c, c > 0. Si c = 1, la sucesi
on converge a 1. Si c > 1, entonces n c =
on a n y
1 + an para ciertos valores an > 0, n = 1, 2, . . .. Elevando la expresi
utilizando la desigualdad de Bernoulli (ver el teorema 2.4.4) se prueba que la
sucesi
on tambien convege a 1. Si 0 <
c < 1 denamos b = 1/c y apliquemos
el caso anterior. 5) Podemos escribir n n = 1 + rn para algunos valores rn >
0, n = 1, 2, . . .. Seg
un el desarrollo del binomio de Newton, n = (1 + rn )n >

n(n1) 2
1 + 2 rn . Deducir que n n converge a 1.
2.

Sea b > 0. Usando la desigualdad de Bernoulli (ver el teorema 2.4.4) probar que
la sucesion (bn ) no es acotada.
Sugerencia: el lmite es 1 si b = 1. Si b > 1, diverge a + (escribir b =
1 + a, a > 0 y utilizar la desigualdad de Bernoulli). Si b < 1, estudiar c = 1b > 1
y utilizar el resultado anterior.

3.

Estudiar la convergencia de las sucesiones

n
, n = 1, 2, . . .
2n
2yn + 3
.
y1 = 1, yn+1 =
4

(2.56)
(2.57)

Sugerencia: la sucesi
on 2nn , n = 1, 2, . . . es mon
otona decreciente y acotada
inferiormente por 0. Por la propiedad an
aloga a la establecida en la proposici
on
1.4.3 para sucesiones mon
otonas decrecientes, converge.
Comprobar por inducci
on que yn 2, n = 1, 2, . . . , y que yn+1 yn 0. Por
la proposici
on 1.4.3, converge.
4.

Sea (an ) una sucesion de n

umeros reales positivos. Probar que
a) Si

an+1
an

c < 1 para todo n no , la sucesion converge a cero.

59

2.4. Ejercicios propuestos

b)

Si

an+1
an

c > 1 para todo n no , la sucesion diverge a +.

Sugerencia:
a)

c < 1 para todo n no , an cnn0 +1 an0 , n n0 . Por

Ver que si aan+1
n
el ejercicio 2, la sucesi
on converge a cero.

b)

c > 1 para todo n no , an cnn0 +1 an0 , n n0 . Por el

Si aan+1
n
ejercicio 2, la sucesi
on diverge a +.

Nota: Comprobar, con ayuda de las propiedades a) y b) que:

< 1, la sucesion converge a cero.
a) Si limn+ aan+1
n

5.

b)

Si limn+ aan+1
> 1, la sucesion diverge a +.
n

c)

Si limn+ aan+1
= 1, no hay conclusi
on ((1/n) converge a cero y (n)
n
diverge a +).

Estudiar la convergencia de las siguientes sucesiones de R2 :

(an , nan ), n = 1, 2, . . . , 0 < a < 1.
bn
(cn , ), n = 1, 2, . . . , c > 0, b > 1.
n
n2
1
(
, 2 ), n = 1, 2, . . .
n+1 n
(1)n
, (1)n ), n = 1, 2, . . .
(
n
23n cn
( 2n , ), n = 1, 2, . . .
3
n!

(2.58)
(2.59)
(2.60)
(2.61)
(2.62)

Sugerencia: una sucesi

on en R2 converge si y s
olo si converge cada una de sus
componentes. Utilizando los ejercicios 2, 5 y la proposici
on 1.4.3 se prueba que:
a) converge a (0, 0); b) diverge; c) diverge; d) diverge; e) converge a (0, 0) si
c 1 y diverge si c > 1.
6.

Sea (ak ) una sucesion en Rn tal que (ak ) es una sucesion convergente. Converge la sucesion inicial?. Supongamos ahora que (ak ) converge a cero. Converge la sucesion inicial?
on de conSugerencia: estudiar el comportamiento de (1)n . Aplicar la denici
vergencia de una sucesi
on.

60

Captulo 3

Funciones y gr
aficas
Este captulo tiene dos objetivos fundamentales. El primero es de car
acter introductorio: se pretende sentar las bases del Analisis de funciones de una variable. El
discurso ser
a somero, pero no dejar
a de tratar algunos resultados imprescindibles que
son propios de esta teora, como el Teorema de Bolzano, o el Teorema de los Valores
Intermedios. El segundo, hacer que estas notas sirvan de enlace entre lo que en este
momento conoce el lector y el Analisis de varias variables a desarrollar posteriormente.
Deniremos funci
on, lmite y continuidad en una variable. La derivabilidad se
estudiar
a en el pr
oximo captulo que, igual que este, contendra como preambulo el caso
de una variable, para hacer despues el tratamiento de los correspondientes conceptos y
resultados en varias variables. Ello no signica que esta u
ltima teora sea simplemente
una extensi
on de la de una variable. De hecho, hay resultados que s
olo tienen sentido
en el este contexto (ver la subseccion 3.1.2 para una discusi
on m
as detallada sobre
esto).

3.1.

El concepto de funci
on

Despues de esta larga disgresion a traves de conceptos abstractos en el espacio Rn ,

que nos ha permitido jar tambien algunas notaciones y probar algunos resultados de
los que haremos uso, volvamos a los problemas inicialmente planteados:
Como se dijo en (2.1), se trataba de minimizar la expresi
on
M=

d(p, pi ),

i=1

en la que p es un punto desconocido de R2 y pi , i = 1, 2, . . . , k, son puntos prejados

on 2.1.1) sugiere que la distancia a considerar
de R2 . El Problema 1 (ver la subsecci
sea la eucldea d2 , deducida de la norma 2 , mientras que el Problema 2 requiere el
uso de la distancia d1 , deducida de la norma 1 , (ver 2.2.5).
61

3.1. El concepto de funci

on
Para jar ideas, trataremos primero el Problema 1:
Supondremos que el punto pi tiene como coordenadas (xi , yi ), i = 1, 2, . . . , k, y
on (2.1) queda pues
que las de el punto inc
ognita p son (x, y)1 . La expresi
M=

k


 1/2
(x xi )2 + (y yi )2
,

(3.1)

i=1

en la que, para resaltar que M es una cantidad que depende de las variables o inc
ognitas x e y, escribiremos
M (x, y) =

k


 1/2
(x xi )2 + (y yi )2
.

(3.2)

i=1

Este
es un tpico ejemplo de una funci
on real de dos variables reales (el adjetivo
real indica que sus valores son n
umeros reales, de hecho mayores o iguales que cero
en este caso). La denicion formal de funci
on se recoge a continuacion.

3.1.1.

Definiciones generales

Hemos tratado ya varias veces con ejemplos de funciones, como la norma de un

vector, la distancia, o el producto escalar en el captulo anterior. Aunque pensamos
que el lector ya conoce bien el concepto de funci
on, damos aqu una denici
on precisa
de este termino.
Definici
on 3.1.1 Una funci
on f de un conjunto D en un conjunto R es un subconjunto del producto cartesiano D R que verica dos propiedades:
1.

x D, y R tal que (x, y) f .

2.

Si (x, y1 ) f, (x, y2 ) f , entonces y1 = y2 .

Usualmente se sustituye (x, y) f por la expresi

on y = f (x), y se dice que y es la
imagen de x mediante la funci
on f . As, (1) y (2) se traducen en que todo elemento
de D tiene una imagen y una sola en R. El conjunto D se suele llamar dominio de la
funci
on f , y se denota tambien como Dom(f ), y el conjunto de todas las im
agenes,
precisamente f [D] := {f (x) : x D}, rango o recorrido de la funci
on f , denotado
tambien como Rang(f ). Es un subconjunto de R.
El conjunto
G = {(x, y) D R : y = f (x)}
se suele llamar gr
aca de la funci
on f .
1 En este estudio particular abandonamos moment
aneamente las notaciones de las coordenadas de
los puntos x = (x1 , x2 , x3 , . . . xn ) para usar x = (x, y), m
as c
omodo en el caso de dos dimensiones.

62

Captulo 3. Funciones y graficas

Tipos especiales de funciones
Definici
on 3.1.2 Sea f : D  Rn una funci
on denida en un cierto conjunto D.
Diremos que f es acotada si f [D] es un conjunto acotado (ver la denici
on 2.3.9).
Definici
on 3.1.3 Se dice que una funci
on f : D  R es inyectiva si dados x1 , x2
D se cumple x1 = x2 f (x1 ) = f (x2 ). Se dice que es sobreyectiva o suprayectiva si
f [D] = R. Si f es inyectiva y sobreyectiva, se dice que es una funci
on biyectiva.
Por ejemplo, f (x) = x, x R, es inyectiva; f (x) = 1, x R, no es inyectiva.

Figura 3.1: Las funciones f (x) = x y f (x) = 1

Figura 3.2: La funci

on de la derecha es sobreyectiva, la de la izquierda no.
La funci
on exp : R  R es inyectiva pero no es sobreyectiva (ver la denicion
3.2.4). Por ejemplo, ex = 0 para todo x R. En cambio, exp : R  R+ = ]0, +[
s es sobreyectiva: dado y R+ (y > 0) existe x R con ex = y; x es el logaritmo de
y (x = ln y). El logaritmo es una funci
on inyectiva y sobreyectiva (restringida a R+ ).
Funci
on inversa de una funci
on biyectiva
Definici
on 3.1.4 Sea f : D  R una funci
on biyectiva. Se dene la funci
on inversa
de f como aquella f 1 : R  D que verica
f 1 (y) = x f (x) = y
63

3.1. El concepto de funci

on

Ejemplo: f : R \ {1}  R es inyectiva, siendo f (x) =

amos que f (x) = f (y), donde x, y R \ {1}. Entonces

x
. En efecto, supong1x

x
y
=
= x xy = y xy = x = y
1x
1y
f : R \ {1}  R \ {1} es suprayectiva. En efecto, si y = 1 queremos hallar x = 1
x
.
tal que y = f (x) = 1x
y=

y
x
= y xy = x = y = x(1 + y) = x =
1x
1+y

luego x existe y f es suprayectiva.

Por tanto, f tiene inversa y
f 1 (y) =

y
.
1+y

Composici
on de funciones
Definici
on 3.1.5 Sean f : A  B y g : B  C dos funciones. Se dene la composicion de f y g como
g f : A  C
x  (g f )(x) = g(f (x))
Si A = B = C, tambien esta denida f (g(x)) = f g(x).
Ejemplo: No es lo mismo g f que f g.
Sean f, g : R  R, con f (x) = 2x y g(x) = 3x2 1. Entonces

(g f )(x) = 3(4x2 ) 1 = 12x2 1
g f = f g
(f g)(x) = 2(3x2 1) = 6x2 2

Sea f : D  R una funci

on biyectiva. Tiene inversa f 1 : R  D, e y = f (x)
(y) = x. Entonces:

64

Captulo 3. Funciones y graficas

1.

Para cada x D, es (f 1 f )(x) = f 1 (f (x)) = f 1 (y) = x.

2.

Para cada y R, es (f f 1 )(y) = f (f 1 (y)) = f (x) = y.

Es decir, f 1 f y f f 1 son las funciones identidad IdD en D e IdR en R, respectivamente.

f f 1

- R

f 1

- D
6

?
- R

f 1 f
La siguiente proposici
on recoge la informaci
on dada sobre funciones inversas, y su
demostracion esta contenida en las observaciones precedentes:
Proposici
on 3.1.6 Si f : D  R es biyectiva, entonces
a) f tiene inversa, f 1 : R  D tal que, para x D e y R
f (x) = y f 1 (y) = x.
b) f f 1 = IdR y f 1 f = IdD .
Ejemplo 3.1.7 Volvamos al ejemplo con que comenzaba este captulo. Supongamos
que en nuestra funci
on M denida por (3.2), k sea igual a 2 (es decir, hay solo dos
ciudades en el Problema 1). La funci
on es as
M (x, y) =

k


 1/2
(x xi )2 + (y yi )2
=
i=1


 1/2 
 1/2
= (x x1 )2 + (y y1 )2
+ (x x2 )2 + (y y2 )2
.
Esta funci
on esta denida en todo el plano. Haremos una representaci
on gr
aca (sin
perdida de generalidad podemos suponer que los puntos (x1 , y1 ), (x2 , y2 ) son, respectivamente, (1, 0) y (1, 0), pues tenemos libertad de elegir los ejes y la unidad de
medida sobre ellos. La funci
on M es pues
 1/2 
 1/2

+ (x 1)2 + y 2
).
(3.3)
M (x, y) = (x + 1)2 + y 2
La gr
aca de esta funci
on M esta representada en la gura 3.3.
En este caso es mas ilustrativo considerar las curvas de nivel . Es la forma usual en
la que aparecen los planos topogr
acos: en lugar de representar la gr
aca G (denici
on
3.1.1), un subconjunto de R3 , se trazan en R2 las curvas
z = {(x, y) : M (x, y) = z}

(3.4)
65

3.1. El concepto de funci

on

Figura 3.3: La gr
aca de la funci
on M

(curva correspondiente al nivel z ). Si el lector considera que el valor M (x, y) (volviendo

a la formulaci
on original del Problema 1 en la subsecci
on 2.1.1) representa el coste
de situar la planta de energa electrica en la posicion (x, y), la curva de nivel z es
el conjunto de todos los puntos del plano en los que situar en ellos la planta electrica
tiene el mismo coste (precisamente z) (una tal imagen gr
aca es u
til a la hora de
considerar la posibilidad de emplazar la planta en un lugar que, aunque no sea el
optimo para la funci

on M , tenga otras ventajas). Ahora bien, el lugar geometrico de

los puntos del plano cuya suma de distancias a dos puntos jos es constante es una
elipse con esos puntos como focos. Las curvas de nivel correspondientes a la supercie
G, gr
aca de la funci
on (3.3), son as elipses z , z 2 (para z < 2 la ecuacion
M (x, y) = z no tiene soluciones reales) con los mismos focos, los puntos (1, 0) y
(1, 0), una de ellas (precisamente 2 ) degenerada (el segmento que une esos puntos).
Es claro en este caso que la situacion optima viene dada por cualquiera de los puntos
de este segmento (lo que ilustra que, en general, el problema planteado puede no tener
solucion u
nica).
Esta forma de resolver el problema, puramente geometrica, obviamente no hubiera
sido posible si, en lugar de dos ciudades tan s
olo, su n
umero hubiera sido mayor.
Necesitamos desarrollar la teora suciente que nos permita tratar analticamente
este y otros problemas similares.

3.1.2.

La teora de funciones de una variable versus la de funciones de varias variables

Iniciaremos esta parte del Captulo tratando las propiedades de las funciones de
una y varias variables.
En principio, y en aras de evitar repeticiones innecesarias, sera posible desarrollar
solo la teora de funciones de varias variables, ya que se podra entender que el caso
de funciones de una variable no es m
as que una particularizaci
on del anterior. Esto,
sin embargo, no es del todo exacto, por las siguientes razones:
1.
66

Hay resultados que son especcos de las funciones de una variable, y que no

Captulo 3. Funciones y graficas

se pueden extender al de funciones de dos o m
as variables. Un ejemplo es el
del Teorema de Valor Medio (teorema 4.1.21) del C
alculo Diferencial. No existe
una versi
on para funciones de varias variables, simplemente porque no existe el
concepto de derivada de una funci
on de varias variables.
2.

Hay resultados que, a pesar de ser ciertos en versiones para funciones de una
o de varias variables, el segundo caso depende de tal manera del primero que
su demostracion requiere la reduccion a un problema de una variable, con lo
que habra que, de todos modos, demostrar esta version. Un ejemplo de esta
situaci
on es el teorema 3.2.21, que asegura que una funci
on continua denida en
un intervalo de la recta real tomando en algunos puntos valores positivos y en
otros negativos, toma en alg
un punto del intervalo el valor cero. La formulaci
on
de un resultado similar para funciones de varias variables, adem
as de ser mas
complicada (requiere denir lo que se entiende por un segmento en Rn ), no
a
nade nada al caso de una variable, pues depende directamente de el.

Por tanto, daremos en primer lugar una introducci

on a la teora de funciones
de una variable, formulando y demostrando s
olo aquellos resultados que tengan una
especicidad propia, y remitiendo al de n variables cuando se obtengan como caso
particular y la demostraci
on del general sea del mismo tipo que en el caso n = 1.

3.2.

Funciones de una variable

En este apartado, y mientras no se diga lo contrario, se tratar

an funciones f
denidas en un conjunto D R con valores en R.

3.2.1.

Definiciones

Definici
on 3.2.1 (Funci
on mon
otona) Sea f : D  R. Se dice que f es creciente
si dados x1 , x2 D se cumple
x1 x2 = f (x1 ) f (x2 ).
Se dice que f es decreciente si
x1 x2 = f (x1 ) f (x2 ).
Si f es creciente o decreciente, se llama mon
otona.
Definici
on 3.2.2 (Funci
on par e impar) Sea f : D  R.
Se dice que f es par si, para cada x D, se tiene f (x) = f (x). Equivalentemente, la gr
aca de f es simetrica respecto al eje de ordenadas (eje OY ).
Se dice que f es impar si, para cada x D, se tiene f (x) = f (x). Equivalentemente, la gr
aca de f es simetrica respecto al origen de coordenadas.
67

3.2. Funciones de una variable

Definici
on 3.2.3 (Funci
on peri
odica) Sea f : D  R una funci
on. Sea k > 0
una constante. Se dice que f es peri
odica si se verica que, para todo x D, f (x) =
f (x+k). Al mnimo valor de la constante k > 0 que cumple esta propiedad se le llama
perodo.

3.2.2.

Funciones elementales

Funci
on exponencial
La funci
on exponencial es la mas importante del An
alisis Matematico. Su denicion m
as operativa (de la que se deducen las propiedades listadas mas abajo) requiere,
por ejemplo, el desarrollo de la Teora de Series (que no abordaremos hasta el captulo 7). De momento se puede denir recurriendo a los axiomas de los n
umeros reales
introducidos en 1.4.1. Se parte para ello de que est
a denida la operaci
on producto, y,
por tanto, la potencia de exponente entero positivo. Tambien, y como consecuencia, la
raz entera de un n
umero positivo. La notaci
on ab denota, para a = 0, precisamente
b
1/a .
Definici
on 3.2.4 Dado x > 0, se dene la funci
on exponencial exp(x), tambien
denotada por ex como
ex := sup{eq : q Q, q < x}
donde e R \ Q es el n
umero


e := lm

1+

1
n

n
,

siendo su valor aproximado 2,71828...

Se dene e0 := 1 y, si x < 0, se dene ex := ex .

Las propiedades m
as importantes de la funci
on exponencial quedan reejadas en
la siguiente proposici
on, que no demostraremos.
Proposici
on 3.2.5 ex tiene las siguientes propiedades:
68

Captulo 3. Funciones y graficas

1.

ex es estrictamente creciente.

2.

Dom(ex ) = R.

3.

Rang(ex ) = ]0, +[.

4.

ex es inyectiva.

5.

Como consecuencia, ex tiene inversa, denotada como ln : ]0, +[  R (ver la

denici
on 3.2.6).

6.
x < 0 ex < 1
x > 0 ex > 1
x = 0 ex = 1
Funci
on logartmica
Definici
on 3.2.6 Se dene la funci
on logaritmo neperiano (o, m
as simplemente,
logaritmo) como la funci
on inversa de la funci
on exponencial. Se denota, como se
ha indicado en la proposici
on 3.2.5, por ln(x). Se verica, por tanto,
x = ln y y = ex
Es posible denir funciones logartmicas en otras bases; precisamente, dado a > 0,
ab = c lna c = b

La siguiente proposici
on recoge las propiedades fundamentales de la funci
on logaritmo, deducidas f
acilmente a partir de las de la funci
on exponencial:
Proposici
on 3.2.7
2.

1.

ln(x) es estrictamente creciente.

Dom(ln(x)) = ]0, +[.

69

3.2. Funciones de una variable

3.

Rang(ln(x)) = R.

4.

ln(x) es inyectiva.

Funciones trigonom
etricas
De nuevo, una denici
on precisa de las funciones seno, coseno o tangente requiere
el uso de la Teora de Series. En este momento, no podemos dar mas que la descripcion
geometrica que de estas funciones se proporciona en las matematicas elementales, a
saber, que el seno es el cociente entre el cateto opuesto y la hipotenusa en un triangulo
rectangulo que en un vertice tiene un angulo x, expresado en radianes, que el coseno
es la razon entre el cateto contiguo y la hipotenusa, y que la tangente es la raz
on entre
el cateto opuesto y el contiguo. Las denotamos, respectivamente, por sen(x), cos(x),
tg(x).

Proposici
on 3.2.8 La funci
on sen(x) tiene las siguientes propiedades:
1.

sen(x) no es inyectiva. Sin embargo, es una biyecci

on del intervalo [/2, /2]
sobre [1, 1].

2.

Es peri
odica, de perodo k = 2.

3.

sen(x) es impar.

4.

Rang(sen(x)) = [1, 1].

70

Captulo 3. Funciones y graficas

Proposici
on 3.2.9 La funci
on cos(x) tiene las siguientes propiedades:
1.

cos(x) no es inyectiva. Sin embargo, es una biyecci

on del intervalo [0, ] sobre
[1, 1].

2.

Es peri
odica, de perodo k = 2.

3.

cos(x) es par.

4.

Rang(cos(x)) = [1, 1].

La funci
on sen(x) : [/2, /2]  [1, 1] tiene una funci
on inversa arc sen(x) :
[1, 1]  [/2, /2]. La funci
on es el arco seno.
La funci
on cos(x) : [0, ]  [1, 1] tiene una funci
on inversa arc cos(x) : [1, 1] 
[0, ]. La funci
on es el arco coseno.
Proposici
on 3.2.10 Se verican las siguientes relaciones:
1.

sen2 (x) + cos2 (x) = 1.

2.

sen x x, para todo x 0.

3.
sen(x + y) = sen x cos y + sen y cos x
cos(x + y) = cos x cos y sen x sen y
4.
sen 2x = 2 sen x cos x
cos 2x = cos2 x sen2 x
5.


x
sen x2 = 1cos
2

x
cos x2 = 1+cos
2

Otras funciones trigonom

etricas
Otras funciones y relaciones trigonometricas son las siguientes:
sen x
Tangente: tg x =
cos x
cos x
1
Cotangente: ctg x =
=
sen x
tg x
1
Secante: sec x =
cos x
71

3.2. Funciones de una variable

Cosecante: cosec x =

1
sen x

Se verica:
1 + tg2 x =

1
= sec2 x
cos2 x

Figura 3.4: Gr
aca de la tangente. Tiene perodo .
Funciones hiperb
olicas
Se denen el seno hiperb
olico y el coseno hiperb
olico como
senh x =

ex ex
ex + ex
, cosh x =
2
2

Se verican las siguientes propiedades:

1) cosh2 x senh2 x = 1
2)
senh(x + y) = senh x cosh y + cosh x senh y
cosh(x + y) = cosh x cosh y + senh x senh y

3.2.3.

Concepto de lmite

La denici
on de lmite se da, para funciones de varias variables, en 3.3.1. La denicion siguiente no es mas que un caso particular. Sin embargo, se presta a introducir
lo que se entiende como lmites laterales, lo cual ya es especco de las funciones
de una variable. Por tanto, optamos por proporcionarla en este momento, aunque,
como se ha dicho, se dar
a una denici
on, incluyendola, en 3.3.1. All, se utilizar
a el
concepto de sucesion convergente. Aqu, solo para que el lector se familiarice con ambos tratamientos, se utilizar
a una denici
on . Por supuesto, ambos metodos son
equivalentes, como es facil observar 2 .
2 Como ejercicio, y para conectar ambos tratamientos, el lector puede probar que una funci
on f
como la introducida en la definici
on 3.2.11 tiene lmite L cuando x tiende al punto a si, y solamente

72

Captulo 3. Funciones y graficas

Figura 3.5: El senh(x) y el cosh(x)

Definici
on 3.2.11 Sea f : D  R una funci
on, donde D R, y sea a R un punto
de acumulaci
on de D (ver la denici
on 2.3.13 y la nota al pie de la p
agina 82). Se
dice que L R es el lmite de f cuando x tiende al punto a, lo que se denota como
L = lm f (x),
xa

si dado > 0, existe > 0 tal que si 0 < |x a| < , x D entonces |f (x) L| < .
Se dice que L es el lmite por la derecha de f cuando x tiende a a, lo que se denota
por
L = lm+ f (x),
xa

si, dado > 0, existe > 0 tal que si |x a| < , x D y x > a entonces |f (x) L| <
. An
alogamente se dene el lmite por la izquierda en a, denotado como
L = lm f (x),
xa

cambiando la condici
on x > a por x < a. A estos lmites, cuando existan, nos referimos como lmites laterales.
La siguiente proposici
on tiene una demostracion inmediata, que omitiremos.
Proposici
on 3.2.12 Dada una funci
on f : D  R, y dado un punto de acumulaci
on
a R de D, son equivalentes:
1.

Existe L R tal que L = lmxa f (x).

2.

Existen los dos lmites laterales de f cuando x a, y coinciden (con L).

si, dada una sucesi

on arbitraria (xn ) en D que converja a a, entonces la sucesi
on (f (xn )) converge
a L. De la misma forma, no tendr
a dificultades en definir alternativamente, mediante sucesiones, los
lmites laterales o los conceptos introducidos en la definici
on 3.2.13.

73

3.2. Funciones de una variable

Figura 3.6: Se elige > 0 de modo que f (]a , a + [\{a}) ]L , L + [

Las siguientes son variantes de la denicion de lmite 3.2.11, aplicables tambien
solo al caso de funciones de una variable.
Definici
on 3.2.13 Decimos que f : D  R tiene lmite + para x a, donde a es
un punto de acumulaci
on de D, lo que se escribe como
lm f (x) = +

xa

si, dado M > 0 arbitrario existe > 0 tal que 0 < |x a| < implica f (x) M .
An
alogamente deniramos el lmite , lm f (x) = .
xa

Dada una funci

on f : [c, +[ R, donde c R, se dene el lmite en + de la
funci
on f de la siguiente manera:
lm f (x) = L

x+

si, para cada > 0, existe M > 0 tal que, para x M es |f (x) L| < .
An
alogamente deniramos el lmite en , lm f (x).
x

Teorema 3.2.14 Si existe, el lmite es u

nico.
n. Supongamos que el lmite de f cuando x a es L1 , y tambien L2 .
Demostracio
Entonces
|L1 L2 | = |(L1 f (x)) + (f (x) L2 )| |f (x) L1 | + |f (x) L2 | .
Fijamos > 0. Podemos encontrar > 0 tal que, si 0 < |x a| < , sea

|f (x) L1 | < 2
|f (x) L2 | < 2
74

Captulo 3. Funciones y graficas

Figura 3.7: lm f (x) = +

xa

Figura 3.8: No existe el lmite: lm f (x) = + pero lm+ f (x) = .

xa

Luego, si 0 < |x a| < ,

|L1 L2 |

xa

+ = .
2 2

Como esto es cierto para cualquier > 0, resulta |L1 L2 | 0. Luego L1 = L2 .

Operaciones con lmites

Las siguientes propiedades se deducen de forma simple de la denici
on de lmite.
En todos los casos, las funciones estan denidas en un cierto conjunto D R, toman
valores en R y a R es un punto de acumulaci
on de D.
Proposici
on 3.2.15 Si lm f (x) = L y lm g(x) = L , con L, L R, entonces
xa

xa

1) lm [f (x) g(x)] = L L .
xa

75

3.2. Funciones de una variable

Figura 3.9: lm f (x) = L

x+

2) lm [f (x) g(x)] = L L .
xa

3) Si L = 0, lm

xa

L
f (x)
= .
g(x)
L

4) Si f (x) > 0, x D, se tiene lm f (x)g(x) = LL .

xa

5) lm |f (x)| = |L|.
xa

n. 1) Por la desigualdad triangular

Demostracio
|(f (x) + g(x)) (L + L )|

= |(f (x) L) + (g(x) L )|

|f (x) L| + |g(x) L | .




lmxa f (x) = L
1 > 0
tales que si 0 <
Como
, para cada > 0 existe
lmxa g(x) = L
2 > 0


|f (x) L| < 2
|x a| < 1 y 0 < |x a| < 2 , entonces
.
|g(x) L | < 2
Si = mn {1 , 2 }, entonces 0 < |x a| < implica

|(f (x) + g(x)) (L + L )| |f (x) L| + |g(x) L | <

+ =
2 2

Por tanto, lm (f (x) + g(x)) = L + L .

xa

umero real), entonces la funci

on f esta acotada en
2) Si lm f (x) es nito (un n
xa

un entorno del tipo B(a; ) \ {a}. Es decir,

K > 0 : |f (x)| K, x B(a; ) \ {a}
Esto se puede deducir tomando, por ejemplo, = 1; entonces existe > 0 tal que, si
0 < |x a| < , es
|f (x)| = |f (x) L + L| |f (x) L| + |L| < + |L| = 1 + |L| =: K
76

Captulo 3. Funciones y graficas

(El recproco no es cierto: dados L [1, 1] y > 0 peque
no, para cada > 0
/ ]L , L + [. Por ejemplo,
existen puntos x tales que 0 < |x| < y se cumple sen x1
si L = 0, tomando = 12 , > 0 hay x ], [ tal que sen x1  > = 12 .)
Para ver que lm f (x)g(x) = L L , hacemos
xa

|f (x)g(x) LL | = |f (x)g(x) f (x)L + f (x)L LL |

|f (x) (g(x) L )| + |(f (x) L) L |
= |f (x)| |g(x) L | + |f (x) L| |L |

Dado > 0, sea 0 < 1 < tal que, para 0 < |x a| < 1 , sea |g(x) L | < 2K
y


|f (x) L| < 2|L
| (porque lmxa f (x) = L y lmxa g(x) = L ). Ademas, |f (x)|
K. Luego

+ |L |
=
|f (x)g(x) LL | |f (x)| |g(x) L | + |f (x) L| |L | < K
2K
2 |L |

y por lo tanto lm f (x)g(x) = L L .

xa

3) y 4) no los probamos.
5) Es suciente usar que ||f (x)| |L|| |f (x) L|:
Sabiendo que lm f (x) = L, lo que signica que para cada > 0 existe > 0 tal
xa
que
0 < |x a| < = |f (x) L| <
tomando ese mismo > 0 resulta ||f (x)| |L|| |f (x) L| < para 0 < |x a| < .


Entonces lm |f (x)| = |L|.
xa

Se usa el termino indeterminaci

on para referirse a ciertos lmites, si es que existen,
cuyo calculo requiere algo m
as que la simple sustitucion de smbolos como +, ,
etc.
Las siguientes son indeterminaciones:
,

, 0 , , 0 , 1 , 00

Estas
no son indeterminaciones:
+=
L+=
L =
=
Se introdujo el n
umero e en la denici
on 3.2.4. Se puede probar que se tiene

x
1
e = lm 1 +
x
x
77

3.2. Funciones de una variable

y que, por tanto, si lmxa f (x) = +, entonces
e = lm

xa


1+

1
f (x)

f (x)
.

Cuando estamos ante una indeterminaci

on del tipo 1 , se puede usar la f
ormula de
Euler (que se deduce de las consideraciones anteriores):
lm f (x)g(x) = elmx [f (x)1]g(x)

En la siguiente proposici
on se listan algunas propiedades de los lmites, de prueba
sencilla, y que por ello no demostraremos. Hacen referencia a funciones denidas en
conjuntos y puntos como los usados anteriomente.
Proposici
on 3.2.16

1) Si f (x) g(x) en un entorno de a, entonces lm f (x)

xa

lm g(x).

xa

2) Si lm g(x) = L = lm h(x), L R y g(x) f (x) h(x) para x en un entorno

xa

xa

de a, entonces lm f (x) = L.
xa

3) Si L = 0 y lm f (x) = L, entonces f (x) tiene el mismo signo que L en un entorno

xa
de a.
4) Si |g(x)| < K en un entorno de a y lm f (x) = 0, entonces lm f (x)g(x) = 0.
xa

xa

Algunos lmites conocidos

No existen los siguientes lmites:
lm sen x ,
1
,
lm sen
x0
x
x

lm cos x ,
1
lm cos
,
x0
x
x

lm tg x
1
lm tg
x0
x
x

Existen los siguientes lmites:

ln x
=0
x
x
lm
= 0 si a > 1
x+ ax
sen x
tg x
lm
= lm
=1
x0
x0 x
x

lm arc tg x = , lm arc tg x =
x+
2 x
2
lm

x+

78

Captulo 3. Funciones y graficas

3.2.4.

Continuidad

Como en el apartado sobre lmites, aqu tambien podramos remitirnos a la denicion m

as general de continuidad que se har
a en 3.3.2 para el caso de funciones de
varias variables, de la cual la de una variable no es m
as que un caso particular. Ciertas particularidades propias del caso de una variable, como el concepto de continuidad
a un lado, aconsejan introducir la denici
on ahora. Hay que hacer notar que la continuidad es un concepto local, es decir, que se habla de una funci
on continua en un
punto, de forma que la continuidad en un conjunto se denir
a como continuidad en
cada uno de sus puntos.
Definici
on 3.2.17 Se dice que una funci
on f , denida en un entorno de un punto
a R, es continua en a si existe
lm f (x)
xa

y coincide con f (a).

Se dir
a que f es discontinua en a si no es continua en a.
Se dir
a que f es continua a la derecha en a si existe
lm f (x)

xa+

y coincide con f (a). An

alogamente se dene continua a la izquierda en a.
Se dir
a que una funci
on denida en un intervalo ]a, b[ R es continua si es continua en cada punto de ]a, b[.
Si I = [a, b], diremos que f es continua en I si lo es en ]a, b[ y, adem
as, f es
continua a la derecha en a y continua a la izquierda en b.
Las siguientes proposiciones listan varias propiedades de las funciones continuas.
Sus pruebas son simples y las omitiremos.
Proposici
on 3.2.18 Si f, g son funciones denidas en un entorno de a R y continuas en a, entonces
a) f + g, f g, kf son continuas en a (siendo k una constante).
b)

f
g

es continua en a si y s
olo si g(a) = 0.

Proposici
on 3.2.19 Si f es continua en x = a y g es continua en x = f (a), entonces
g f es continua en x = a.
Nota 3.2.20 Algunas consecuencias de las proposiciones anteriores son las siguientes:
(i) Las discontinuidades de af (x) , |f (x)|, sen f (x), arc tg f (x) son, a lo sumo, las
de f (x).
(ii) Las discontinuidades de lna f (x) son, a lo sumo, las de f (x) y los puntos que
cumplen la inecuacion f (x) 0.
79

3.2. Funciones de una variable

Tipos de discontinuidades

Figura 3.10: Existe el lmite en x = 0 pero no coincide con f (0)

Que una funci
on no sea continua en x = a puede ser debido a
(i) Existe lm f (x) pero no es igual a f (a) (discontinuidad evitable). En este caso
xa

g(x) =

f (x)
si x = a
lm f (x) si x = a
xa

es continua.
(ii) Existen los lmites laterales lm+ f (x) y lm f (x) pero son distintos (disconxa

xa

tinuidad de salto, o de primera especie).

(iii) Alg
un lmite lateral no existe (discontinuidad esencial, o de segunda especie).

Figura 3.11: Discontinuidades: a, evitable; b, de salto; c y d, esenciales.

El Teorema de los Valores Intermedios

La siguiente proposici
on asegura, desde el punto de vista geometrico, y hablando
sin mucha precisi
on, que la gr
aca de una funci
on continua con puntos arriba y abajo
del eje de abcisas, debe cortar a ese mismo eje.
80

Captulo 3. Funciones y graficas

Como consecuencia, se obtendra que la imagen por una funci
on continua de un
intervalo es tambien un intervalo. En particular, y usando el teorema 3.3.3, resultar
a que la imagen por una funci
on continua de un intervalo cerrado y acotado es
tambien un intervalo cerrado y acotado.
Teorema 3.2.21 (Bolzano) Sea f una funci
on continua denida en un intervalo
I de R, con valores en R. Si existen puntos x , x+ en I de modo que f (x ) < 0,
f (x+ ) > 0, hay al menos un punto x0 entre x y x+ (por tanto, en I) tal que f (x0 ) =
0.
n. Supongamos x < x+ (en caso contrario, se razona an
Demostracio
alogamente).
Sea
S = {x [x , x+ ] : f (x) < 0} .
Como S es un conjunto acotado, existe x0 = sup(S). Obviamente x0 [x , x+ ] .
Probaremos que f (x0 ) = 0.
Supongamos f (x0 ) < 0 (luego x0 = x+ ). Entonces, por continuidad, hay un
on de x0 .
intervalo ]x0 , x0 + ] donde f es < 0, lo que contradice la denici
Supongamos, por el contrario, f (x0 ) > 0 (luego x0 = x ). De nuevo aplicando la
continuidad, hay un intervalo ]x0 , x0 ] donde f es > 0, lo que, de nuevo, contradice


la denici
on de x0 . Se concluye que f (x0 ) = 0.

Como una consecuencia, se obtiene el siguiente resultado.

Teorema 3.2.22 (de los valores intermedios) Si f : [a, b]  R es continua, entonces toma todos los valores comprendidos entre dos cualesquiera de su rango.
n. Dados dos puntos a p < q b, sin perdida de generalidad
Demostracio
podemos suponer que f (p) < f (q). Sea f (p) < s < f (q). Denimos la funci
on g(x) :=
f (x)s, x [p, q]. Entonces f (p) < 0 y f (q) > 0. Basta aplicar el Teorema de Bolzano
(teorema 3.2.21) a la funci
on g para obtener x [p, q] tal que g(x) = 0. Por tanto,
f (x) = s.


81

3.3. Lmites y continuidad. El caso general

Si se utiliza el teorema 3.3.3 (cuya demostracion no depende del siguiente resultado) se obtiene inmediatamente:
Corolario 3.2.23 Si f est
a denida y es continua en un intervalo I, su imagen f (I)
es un intervalo.

3.3.

Lmites y continuidad. El caso general

Volvemos ahora al contexto de varias variables. Introducimos el concepto de lmite

y continuidad. Tratamos en este punto el caso pr
actico del calculo de lmites de
funciones denidas en R2 . Probamos tambien el Teorema de Heine relativo a funciones
continuas, muy importante en lo que sigue.

3.3.1.

Definiciones

Definici
on 3.3.1 Sea f una funci
on denida en un subconjunto S no vaco de Rn ,
m
0
on de S. Se dice que existe el lmite
con valores en R . Sea x un punto de acumulaci
de f cuando x tiende a x0 , y que ese lmite es L, lo que se escribe como
lm f (x) = L,

xx0

cuando, dada cualquier sucesi

on (xn ) en S tal que xn = x0 , n = 1, 2, 3, . . ., y tal que
0
on de sus im
agenes, (f (xn )), converge a L (3 ).
converja a x , entonces la sucesi
Definici
on 3.3.2 Sea f una funci
on denida en un subconjunto S no vaco de Rn ,
m
0
on o no). Se dice que es continua en x0
con valores en R . Sea x S (de acumulaci
k
si, para toda sucesi
on (x ) en S que converja a x0 , se tiene que (f (xk )) converge a
0
4
f (x ) ( ). Se dice que f es continua en S cuando es continua en todos los puntos de
S.
3 En primer lugar hay que hacer notar que el punto x0 no pertenece necesariamente a S (as
que
f puede no estar definida en ese punto). La exigencia de que x0 sea un punto de acumulaci
on de S
est
a justificada, pues pretendemos aproximarnos a el mediante puntos de S distintos de el mismo,
lo que no podra hacerse en otro caso. En segundo lugar, es conveniente considerar la siguiente
afirmaci
on, equivalente a la definici
on de lmite, en el espritu de las definiciones realizadas para
funciones de una variable (definiciones 3.2.11 y 3.2.13): lm f (x) = L cuando
x0 s, y s
olo si,
 x
dado > 0 arbitrario, existe > 0 (que depende de ) de modo que si 0 <  x x0  < , entonces
f (x) L < (alternativamente,

 
f B 0 (x0 ; ) \ x0 B 0 (L; )).

4 Obs
erverse que, si x0 S no es de acumulaci
on de S, la condici
on es vaca, lo que implica que
f es siempre continua en un tal punto.

82

Captulo 3. Funciones y graficas

3.3.2.

Propiedades de los lmites y de las funciones continuas.

C
alculo de algunos lmites en R2

Las propiedades de los lmites son las esperadas: Si x0 es un punto de acumulaci

on
de S, y, cuando x x0 se tiene lm f (x) = L, lm g(x) = K, entonces lm(f + g)(x) =
L + K, as como lm f (x) = L, para cualquier escalar . Tambien, en el caso de que
f y g sean funciones reales, lm(f g)(x) = LK, y si K = 0, lm(f /g)(x) = L/K.
Consecuentemente, las funciones denidas en un conjunto S de Rn continuas en
un punto x0 S verican las propiedades usuales: la suma de dos de tales funciones
on por un escalar. En el caso
es continua en x0 , as como el producto de una tal funci
de funciones reales el producto de dos funciones continuas es una funci
on continua,
on continua
as como el cociente de dos funciones continuas en x0 es tambien una funci
en x0 si el denominador no se anula en S. Tambien, la composicion de dos funciones
continuas es una funci
on continua.
Como se vio en la subseccion 2.3.1 y siguientes, la convergencia de una sucesion
en Rn a un punto no depende de la norma particular usada. Por tanto, el concepto de
la continuidad, que involucra convergencia de sucesiones, es tambien independiente
de la norma usada en Rn .
El resultado sobre funciones continuas del que haremos uso m
as frecuente es el
siguiente.
Teorema 3.3.3 Sea f una funci
on real denida y continua en un conjunto no vaco
a acotada sobre A (es decir, existe
A Rn . Si A es cerrado y acotado, entonces f est
M > 0 tal que f (x) M, x A) y alcanza su supremo, es decir, existe al menos
un punto x0 A tal que f (x0 ) f (x), x A. Este punto x0 se denomina maximo
absoluto de f en el conjunto A(5 ).
n. El resultado es consecuencia del fundamental teorema 2.3.15, como
Demostracio
ahora se pondr
a de maniesto.
Para demostrar que f esta acotada sobre A razonaremos por reducci
on al absurdo:
supongamos que no
lo
est
a
;
entonces
podemos
encontrar
una
sucesi
o
n
(xk ) en A de

k 

on (xki )
modo que f (x ) > k, k N. Toda sucesion en A tiene una subsucesi
0
convergente a un punto x A (teorema 2.3.15). Entonces, como f es continua en x0 ,
(f (xki )) debera converger a f (x0 ), lo que es absurdo por ser (f (xki )) una sucesion
no acotada (toda sucesion convergente esta acotada, ver la proposicion 2.3.11).
Probaremos ahora que f alcanza el supremo en A: acabamos de demostrar que el
conjunto f (A) = {f (x) : x A} R esta acotado. Una de las propiedades esenciales
del conjunto de los n
umeros reales es la de la existencia del supremo de todo subconjunto acotado (ver el apartado 1.4.1). Sea s el supremo de f (A). Por denici
on de
supremo, hay una sucesi
on en f (A), digamos, (f (xk )), que converge a s. La sucesion
on convergente (xki ) a un punto x0 A (de nuevo se
(xk ) en A tiene una subsucesi
5 Obviamente, existe un resultado an
alogo para el nfimo, obteniendose un punto que se denominar
a mnimo absoluto. No es necesario establecer y probar un teorema paralelo, pues basta aplicar

este a la funci
on f .

83

3.3. Lmites y continuidad. El caso general

usa el teorema 2.3.15). Como f es continua en x0 , (f (xki )) converge a f (x0 ). Pero


(f (xki )) converge a s. Obtenemos f (x0 ) = s.
Otro resultado u
til en el estudio de las funciones continuas es la siguiente caracterizacion.
Teorema 3.3.4 Sea f una funci
on denida en un conjunto no vaco S Rn con
m
valores en R . Entonces, f es continua en S si, y solamente si, la imagen inversa 6
de un subconjunto cerrado de Rm es cerrada en S.
n. Supongamos que f sea continua en S. Sea A Rm un subconjunto
Demostracio
cerrado. Sea (xk ) una sucesion en f 1 (A) que converja a un punto x0 S. Entonces
(f (xk )) es una sucesion en A que converge a f (x0 ). Como A es cerrado, f (x0 ) A,
luego x0 f 1 (A). As, f 1 (A) es cerrado.
Inversamente, supongamos que para todo subconjunto cerrado A de Rm , f 1 (A)
sea cerrado en S. Sea (xk ) una sucesion en S que converja a un punto x0 de S. Supongamos que (f (xk )) no converja a f (x0 ). Entonces, hay una bola abierta B o (f (x0 ); r),
/ B o (f (x0 ); r), j = 1, 2, . . . Se
y una subsucesion (xkj ) de (xk ), de modo que f (xkj )
m
o
tiene que R \ B (f (x0 ); r) es un conjunto cerrado, luego su imagen inversa f 1 (Rm \
B o (f (x0 ); r)) es cerrada en S. La sucesion (xkj ) esta en f 1 (Rm \ B o (f (x0 ); r)), y
converge a x0 S. Como f 1 (Rm \ B o (f (x0 ); r)) es cerrado en S, necesariamente
on.
x0 f 1 (Rm \ B o (f (x0 ); r)), es decir, f (x0 ) Rm \ B o (f (x0 ); r), una contradicci

C
alculo de algunos lmites en R2
En la pr
actica, son u
tiles las siguientes consideraciones cuando lo que queremos
es calcular el lmite de una funci
on f denida en un subconjunto de R2 . Sin perdida
de generalidad consideraremos que f toma valores reales, en virtud de la proposici
on
2.3.5. Para simplicar, tambien supondremos que el subconjunto S es abierto en R2 .
Lmite a lo largo de una curva (en R2 )
Se trata de calcular el lmite en un punto, si existe, a lo largo de curvas en R2
que pasen por el punto, donde, en este contexto, curva es la graca de una funci
on
g : R  R.
6 Se llama imagen inversa de un conjunto A Rm por una aplicaci
on f : S Rn Rm al
conjunto
f 1 (A) := {x : x S, f (x) A} .

Ver tambi
en la definici
on 3.1.4.

84

Captulo 3. Funciones y graficas

Proposici
on 3.3.5 Sea f : S R, S un subconjunto abierto de R2 , y (a, b) S.
Sea g : R R una funci
on continua en x = a y tal que g(a) = b. Entonces, si
lm

(x,y)(a,b)

f (x, y) =
( R),

se cumple lm f (x, g(x)) =

.
xa

n. Sea (xn ) una sucesion que tiende a a en R. Por la continuidad de

Demostracio
g, la sucesion (g(xn )) converge a g(a) = b, es decir, la sucesion ((xn , g(xn ))) converge
a (a, b) en R2 (aplicando 2.3.5 otra vez). Por lo tanto,
lm f (xn , g(xn )) =
.

Ahora, dado que la sucesi

on (xn ) es arbitraria, se obtiene
lm f (x, g(x)) =
.

xa

6 S
y = g(x)
b
g(xi )

Y
(a, g(a))
xi

Figura 3.12: Lmite por curvas

Este criterio s
olo sirve para descartar la existencia de lm(x,y)(a,b) f (x, y)
Ejemplo 3.3.6
f (x, y) =
Veamos que no existe

lm

(x,y)(0,0)

x2

xy
, si (x, y) = (0, 0).
+ y2

f (x, y). Tomemos la curva y = mx = gm (x) (rectas

on g(a) = b). Luego

por (0, 0)). Entonces gm es continua en R y gm (0) = 0 (condici
hm (x) = f (x, gm (x)) =

xgm (x)
mx2
m
=
=
x2 + gm (x)2
x2 + m2 x2
1 + m2
85

3.3. Lmites y continuidad. El caso general

m
. Es decir, el lmite depende de la curva
1 + m2
con la que nos acerquemos. Por el criterio anterior, no existe lm(x,y)(0,0) f (x, y) (si
existiese, sera el mismo para cualquier curva por la que nos acerc
asemos).
siempre que x = 0. As lm hm (x) =
x0

Ejemplo 3.3.7
f (x, y) =

x2 y 2
; existe
x2 + y 2

lm

(x,y)(0,0)

f (x, y)?

Tomemos de nuevo la curva y = mx. Entonces

x2 m2 x2
1 m2
1 m2
= lm
=
2
2
2
2
x0 x + m x
x0 1 + m
1 + m2

lm f (x, mx) = lm

x0

depende de m. Por tanto, no existe el lmite.

Naturalmente, tambien podemos tomar curvas para la variable y. Es decir, x =
g(y) con g(b) = a. Si g es continua, entonces lmyb f (g(y), y) he de ser igual a
lm(x,y)(a,b) f (x, y) (siempre que este exista).
Ejemplo 3.3.8
f (x, y) =

xy 2
.
+ y4

x2

Consideramos ahora x = my 2 . Entonces

lm (my 2 , y) = lm

my 4
m
= 2
+ y4
m +1

y0 m2 y 4

y0

depende de m. Luego no existe

lm

(x,y)(0,0)

f (x, y).

Cambio a polares
Podemos expresar todo punto (x, y) R2 distinto de (0, 0) en la forma

x = cos
y = sen
con > 0 y [0, 2[, de manera u
nica. En concreto, si x = 0,
=

x2 + y 2 ; = arc tg

y
x

Un cambio a coordenadas polares s que sirve para probar la existencia del lmite.
De hecho, es sencillo comprobar a partir de las deniciones el siguiente
86

Captulo 3. Funciones y graficas

Teorema 3.3.9 Son equivalentes:
(1) lm(x,y)(0,0) f (x, y) =
R.
(2) Para todo > 0 existe > 0 tal que 0 < ||(x, y)|| < implica |f (x, y)
| < .
(3) > 0 > 0 tal que 0 < < implica |f ( cos , sen )
| < .
Ejemplo 3.3.10
f (x, y) =

x2 y
.
x2 + y 2

En coordenadas polares
f ( cos , sen ) =
por lo tanto

3 cos2 sen
= cos2 sen
2

0 |f ( cos , sen )| = cos2 |sen |

Cuando 0, resulta f ( cos , sen ) 0. Por el teorema anterior

lm

(x,y)(0,0)

Ejemplo 3.3.11 Determinar si existe

f (x, y) = 0.

xy
.
(x,y)(0,0) x + y
lm

En polares
cos sen
xy
cos sen
= lm
=
0
cos + sen
cos + sen
(x,y)(0,0) x + y
lm

luego el lmite depende de . Por tanto, el lmite no existe.

Ejemplo 3.3.12 Calcular (si existe)

sen(x2 + y 2 )
.
x2 + y 2
(x,y)(0,0)
lm

En polares, el lmite sera igual a

sen(2 cos2 + 2 sen2 )
sen 2
= lm
= 1.
2
2
2
2
0
0
cos + sen
2
lm

Ejemplo 3.3.13 Calcular (si existe)

lm

(x,y)(0,0)

y
sen(x2 + y 2 ).
x

En polares, ser
a
lm

sen
sen 2 = lm tg sen 2
0
cos

Si nos acercamos a (0, 0) por una recta, con = 0 constante, esta claro que el lmite
es lm0 tg 0 sen 2 = 0. Esto no justica la existencia del lmite. De hecho, por el
87

3.3. Lmites y continuidad. El caso general

teorema 3.3.9(3), la desigualdad |f ( cos , sen )
| < ha de cumplirse para todo
, cosa que aqu no ocurre. Veremos, por reducci
on al absurdo, que el lmite no existe.
Supongamos que el lmite existe y coincide con
. Entonces la funci
on esta acotada
en un entorno de (0, 0). Es decir
|f ( cos , sen )| M
siempre que 0 < < , para cierto > 0 y alg
un M > 0, independientes de .
<
,
bastante
peque
n
o
de
modo
que sen(20 ) = 0, se sigue que
Si
jamos

0


tg sen(20 ) M (para cada ), o
|tg |

M
,
|sen(20 )|

luego tg estara acotada. Contradicci

on, pues lm/2 tg = +. Por tanto, no
existe el lmite buscado.
Como hemos visto, la funcion tiende a cero cuando 0 para jo, pero no lo
hace uniformemente en .

Ejemplo 3.3.14 f (x, y) =

x sen y1 , si y = 0
.
0, si y = 0

En este caso




1
0 x sen  |x|
y

y por el teorema 3.2.16, lm(x,y)(0,0) x sen y1 = 0.

En polares:






1
 cos sen


sen 

y obtenemos el mismo resultado.

3.3.3.

Funciones uniformemente continuas

Definici
on 3.3.15 Sea S Rn un conjunto no vaco. Sea f : S  Rm una funci
on.
Se dice que f es uniformemente continua en S cuando > 0 existe > 0 tal que si
x, y son puntos de S que verican x y < , entonces f (x) f (y) < .
Si se observa esta denici
on se aprecia que hay una diferencia con el concepto m
as
debil de continuidad: si se dice que f es continua en S se esta armando que, jado
x0 S, f es continua en ese punto, es decir, que
Dado > 0, podemos encontrar > 0 de modo que,
si x S verica x x0  < , entonces f (x) f (x0 ) < .
88

Captulo 3. Funciones y graficas

Por tanto, depende en este caso, tanto de como de x0 . Si se cambia el punto
x0 por otro, el requerido puede cambiar. Sin embargo, en el caso de que f sea
uniformemente continua, el mismo vale para cualquier x de S.
Es un resultado fundamental el siguiente
Teorema 3.3.16 (Heine) Sea S Rn un conjunto cerrado y acotado. Sea f : S 
on continua. Entonces f es uniformemente continua en S.
Rm una funci
n. Supongamos que f no es uniformemente continua en S. Entonces,
Demostracio
existe > 0 de modo que, para todo > 0, podemos encontrar dos puntos x, y, en
S, de modo que x y < , pero que verican f (x) f (y) .
Tomemos = 1. Obtenemos, como se acaba de indicar, dos puntos x1 e y1 con
x1 y1  < 1, pero tales que f (x1 ) f (y1 ) .
Sea ahora = 1/2. Obtenemos x2 , y2 , con x2 y2  < 1/2, f (x2 ) f (y2 ) .
Tomamos = 1/3, obtenemos x3 , y3 , y as sucesivamente.
De esta manera resultan dos sucesiones (xn ), (yn ), en S. Podemos (ver el teorema 2.3.15) extraer una subsucesi
on (xni ) de (xn ) que converge a un punto x0 de
S. Como xni yni  < n1i , resulta que (yni ) tambien converge a x0 . Como f es
continua, (f (xni )) y (f (yni )) convergen ambas a f (x0 ), lo que es imposible, pues


f (xni ) f (yni ) , i = 1, 2, 3, . . .

89

3.4. Ejercicios propuestos

3.4.

Ejercicios propuestos

3.4.1.
1.

Funciones en Rn

El siguiente ejercicio es puramente descriptivo. No se hace ninguna pregunta.

Sin embargo, es conveniente que el lector visualice cada una de las gracas y
procure captar las propiedades m
as importantes.
Si F (x, y, z) es un polinomio de grado 2 en las variables x, y, z, la supercie de
ecuacion F (x, y, z) = 0 se llama una supercie cu
adrica, o, simplemente, una
cu
adrica. Las cuadricas son de los siguientes tipos:
2

a) Elipsoide: La ecuacion xa2 + yb2 + zc2 = 1 representa un elipsoide centrado

en el origen (si a = b = c se tiene una esfera). Cualquier seccion plana de
un elipsoide es una elipse.
b)

2.

Hiperboloide: Hay dos tipos de hiperboloide:

2

1)

Hiperboloide de una hoja, de ecuacion xa2 + yb2 zc2 = 1. Planos paralelos

a OXY cortan la supercie en elipses, mientras que planos paralelos
a OXZ o bien a OY Z cortan la supercie en hiperbolas.

2)

Hiperboloide de dos hojas, de ecuacion xa2 yb2 + zc2 = 1. De nuevo,

las secciones paralelas a OXY son elipses, mientras que las secciones
paralelas a OXZ o a OY Z son hiperbolas.

c)

Paraboloide: Las ecuaciones z = xa2 + yb2 , z = xa2 yb2 representan paraboloides,

el primero un paraboloide elptico, el segundo un paraboloide hiperb
olico.
Las secciones paralelas a OXY son, respectivamente, elipses e hiperbolas,
mientras que las secciones paralelas a OXZ o a OY Z son par
abolas.

d)

Cono: La cu
adrica puede ser un cono. Es el caso, por ejemplo, en que
F (x, y, z) es homogenea de grado 2 en x, y, z. La ecuacion F (x, y, z) = 0 es
un cono de segundo grado con vertice en el origen.

e)

Cilindro: La cu
adrica puede ser un cilindro. Es el caso, por ejemplo, en
que f (x, y) es un polinomio de grado 2 en x, y. La supercie f (x, y) = 0 es
un cilindro con generador paralelo al eje OZ, y con secciones paralelas a
OXY curvas conicas.

f)

Un Par de planos: Si F (x, y, z) es un polinomio de grado 2 que puede

ser factorizado en dos factores reales lineales, la cu
adrica con ecuaci
on
F (x, y, z) = 0 es un par de planos. Por ejemplo, x2 + xy + xz 2x = 0 es
el par de planos x = 0, x + y + z 2 = 0.

Representar gracamente y justicar las siguientes armaciones:

a) La supercie ax + by + cz + d = 0 es un plano en R3 , cuyo vector normal
tiene cosenos directores proporcionales a (a, b, c).

90

Captulo 3. Funciones y graficas

a
Sugerencia: basta observar que si ax + by + cz = (x, y, z) b = 0,
c
(x, y, z) es perpendicular a (a, b, c). Si d = 0, se trata de un plano paralelo
al anterior que pasa por (0, 0, d/c) (suponiendo que c = 0).
b) La supercie (x a)2 + (y b)2 + (z c)2 = r2 es una esfera con centro
(a, b, c) y radio r.
Sugerencia: basta observar que (x a)2 + (y b)2 + (z c)2 = (x, y, z)
(a, b, c)22 .
c) La supercie f (x, y) = 0 es un cilindro con generador paralelo al eje OZ y
que pasa por la curva f (x, y) = 0 en el plano OXY .
Sugerencia: si (x, y, z0 ) pertenece a la supercie, entonces (x, y, z) tambien
lo hace para cualquier otro valor de z. La gura posee, por tanto, generatrices paralelas al eje z.
d)

Si F (x, y, z) es homogenea de grado n en x, y, z, es decir, si

F (x, y, z) = n F (x, y, z), (n IN ),
la supercie F (x, y, z) = 0 es un cono con vertice el origen.
Sugerencia: la propiedad indica que si un punto P pertenece a la supercie,
la recta que genera OP tambien. Por denici
on, la gura es un cono.

e)

3.

on alrededor
La supercie F [x2 + y 2 )1/2 , z] = 0 es una supercie de revoluci
del eje OZ.
Sugerencia: si un punto (x, y, z0 ) pertenece a la supercie, cualquier otro
a siempre que (x21 + y12 )1/2 = (x2 + y 2 )1/2 ,
(x1 , y1 , z0 ) tambien pertenecer
es decir, siempre que este a la misma distancia del eje z, sobre el plano
z = z0 .

Sea P = (x, y, z) un punto en R3 , y M su proyecci

on en el plano OXY . Si
OM = , XOM = , entonces (, , z) son las coordenadas cilndricas de P ,
y se tiene x = . cos , y = . sen . Si OP = r, ZOP = , entonces (r, , )
son las coordenadas esfericas polares de P . Se tiene x = r. sen . cos , y =
r. sen . sen , z = r. cos . Comprobar estas f
ormulas y
a) encontrar las coordenadas cartesianas del punto con coordenadas esfericas
polares (2, 13 , 1
4 );
b) encontrar las coordenadas esfericas polares del punto con coordenadas
cartesianas (1,-2,3).

4.

Determinar la naturaleza de las supercies en R3 representadas por las ecuaciones

f (, ) = 0;

(3.5)

f (r, ) = 0;

(3.6)
91

3.4. Ejercicios propuestos

f (r, ) = 0;

(3.7)

donde r, , son las coordenadas polares esfericas.

Sugerencia: a) No depende de r. Si (r, , ) es un punto de la gura, (r , , )
tambien. Consta, por tanto de rectas que pasan por el origen. b) No depende de
. Si (r, , ) es un punto de la gura, (r, ,  ) tambien. Consta de circunferencias con centro en el eje z. c) No depende de . Cosnta de semicircunferencias
centradas en el origen con di
ametro sobre el eje z.
5.

Representar gracamente la curva, en el octante x 0, y 0, z 0, interseccion

de las supercies
x2 + y 2 + z 2 = 1, x2 + y 2 = y.

6.

Encontrar la ecuaci
on del cilindro con generador paralelo al eje OZ que pasa
por la curva de intersecci
on de las supercies
x2 + 2y 2 + z 2 = 12, x + y z = 1.

7.

Encontrar la ecuaci
on del cono formado girando la lnea x = 0, y = 2z, alrededor
del eje OZ.
Sugerencia: tener en cuenta el ejercicio 2.e).

8.

Probar que el lugar geometrico de los puntos cuya suma de distancias (en la
distancia d2 ) a dos puntos jos es constante, es un elipsoide.

3.4.2.
1.

Lmites

([Ap85, Vol. II, 8.5.2]): Si lm(x,y)(a,b) f (x, y) = L, y si existen los dos lmites
unidimensionales lmxa f (x, y) y lmyb f (x, y), demostrar que
lm lm f (x, y) = lm lm f (x, y) = L

xa yb

yb xa

Los dos lmites de esta igualdad de llaman lmites iterados; la existencia del
lmite bidimensional y de los dos lmites unidimensionales, implican la existencia
e igualdad de los dos lmites iterados (el recproco no es cierto. En el ejercicio
siguiente se da un contraejemplo).
2.

([Ap85, Vol. II, 8.5.3]): Sea f (x, y) =

xy
x+y

si x + y = 0. Demostrar que

lm lm f (x, y) = 1

x0 y0

pero que
lm lm f (x, y) = 1.

y0 x0

Utilizar este resultado y el del ejercicio anterior para deducir que f (x, y) no
tiende a un lmite cuando (x, y) (0, 0).
92

Captulo 3. Funciones y graficas

3.

([Ap85, Vol. II, 8.5.4]): Sea

x2 y 2
, siempre que x2 y 2 + (x y)2 = 0.
x2 y 2 + (x y)2

f (x, y) =

Demostrar que lmx0 lmy0 f (x, y) = lmy0 lmy0 f (x, y) = 0, pero que
f (x, y) no tiende a un lmite cuando (x, y) (0, 0) (indicaci
on: examinar f
sobre la recta x = y). Este ejemplo demuestra que el recproco del ejercicio 2
no siempre es cierto.
4.

([Ap85, Vol. II, 8.5.5]): Sea


f (x, y) =

x. sen y1
0

, si y = 0,
, si y = 0.

Demostrar que f (x, y) 0 cuando (x, y) (0, 0), pero que

lm lm f (x, y) = lm lm f (x, y).

x0 y0

y0 x0

Explicar por que esto no contradice el ejercicio 2.

Sugerencia: revisar si se cumplen todas las hip
otesis establecidas en el ejercicio
1.

3.4.3.

Continuidad

1.

Se denota por [x] la parte entera de un n

umero x R como el mayor entero
menor o igual que x, y (x) la parte fraccionaria como x [x]. Estudiar las
discontinuidades de estas funciones.

2.

([Ap85, Vol. II, 8.5.1]): Determinar el conjunto de puntos de R2 en los que las
siguientes funciones estan denidas y en los que son continuas:
a) f (x, y) = x4 + y 4 4x2 y 2 .
b) f (x, y) = arc sen

(x2 +y 2 ) 2

c) f (x, y) = ln(x2 + y 2 ).
d)

x+y
f (x, y) = arctan 1xy
.

e)

f (x, y) = y1 . cos x2 .

f ) f (x, y) =
g)

(x2 +y 2 ) 2

f (x, y) = tg

x2
y .
2

h) f (x, y) = xy .
i)

f (x, y) = arctan xy .
93

3.4. Ejercicios propuestos

j)

f (x, y) = arc cos( xy ) 2 .

2

3.

([Ap85, Vol. II, 8.5.6]): Si (x, y) = (0, 0), pongamos f (x, y) = xx2 y
+y 2 . Hallar el
lmite de f (x, y) cuando (x, y) (0, 0) a lo largo de la recta y=mx. Es posible
denir f (0, 0) de manera que f sea continua en (0, 0)?

4.

([Ap85, Vol. II, 8.5.7]): Sea f (x, y) = 0 si y 0 o si y x2 , y sea f (x, y) = 1

si 0 < y < x2 . Demostrar que f (x, y) 0 cuando (xy) (0, 0) a lo largo de
cualquier recta por el origen. Hallar una curva que pase por el origen a lo largo
de la cual (salvo en el origen) f (x, y) tenga el valor constante 1. Es f continua
en el origen?
Sugerencia: estudiar c
omo se comporta la funci
on sobre el conjunto de puntos
de la curva y = 12 x2 .

5.

([Ap85, Vol. II, 8.5.8]): Si f (x, y) = sen(x+y)

cuando x + y = 0, como debe
x+y
denirse f (0, 0) para que f sea continua en todo el plano?
Sugerencia: efectuar el cambio de variable u = x + y.

6.

Estudiar la continuidad en (0, 0) de la funci

on
f (x, y)

xy 2
x2 +y 4

,
,

(x, y) = (0, 0)
(x, y) = (0, 0).

Sugerencia: analizar el comportamiento de la funci

on sobre los puntos de la
curva y = ax2 para distintos valores de a.
7.

Sea f : Rn R continua en un punto x Rn . Demostrar que, si f (x) = 0, hay

una bola de centro x en la que f tiene el mismo signo que f (x).
Sugerencia: tomar = f (x)/2 y utilizar la denici
on de continuidad.

94

Captulo 4

Diferenciabilidad
Como en el caso del tratamiento de los lmites y continuidad se opt
o, inicialmente,
por proporcionar las deniciones y resultados para funciones de una variable, en el
del Calculo Diferencial se procedera de la misma forma. Los argumentos para hacerlo
as estan contenidos en lo que se dijo en el apartado 3.1.2. S
olo demostraremos, pues,
aquellos resultados que sean especcos para funciones de una variable, remitiendo al
correspondiente resultado para funciones de varias variables en otro caso.

4.1.
4.1.1.

Introducci
on al c
alculo diferencial de funciones
de una variable
La derivada y su interpretaci
on geom
etrica

En este apartado consideraremos funciones f denidas en un intervalo abierto (si

no se dice lo contrario) I de R (intervalo que puede coincidir con toda la recta real)
y con valores en R.
Definici
on 4.1.1 Dada una funci
on f : I  R, se dice que f es derivable en x0 I
si existe
f (x) f (x0 )
R.
(4.1)
lm
xx0
x x0
A este n
umero se le llama derivada de f en x0 y se denota por f  (x0 ), o, alternativamente, por Df (x0 ), con lo que se tiene
f  (x0 ) := lm

xx0

f (x) f (x0 )
.
x x0

(4.2)

Nota 4.1.2 Una forma equivalente, en ocasiones mas comoda, de formular la existencia de la derivada de una funci
on como la anterior en un punto x0 es la siguiente:
95

4.1. Introducci
on al calculo diferencial de funciones de una variable
f es derivable en el punto x0 cuando se puede escribir
f (x0 + x) = f (x0 ) + f  (x0 )x + o(x),

(4.3)

para x = x x0 sucientemente peque

no de modo que x0 + x I, siendo o(x)
una funci
on 1 con la propiedad
o(x)
= 0.
x0 x
lm

Interpretaci
on geom
etrica
La funci
on f es derivable en x0 si la gr
aca de f admite recta tangente en el punto
(x0 , f (x0 )). La recta tangente tiene por ecuacion
y = f (x0 ) + f  (x0 )(x x0 ).

(4.4)

Es conveniente observar que esta ecuacion es una de las partes de (4.3).

4.1.2.

Algunas propiedades de las funciones derivables de una

variable

Teorema 4.1.3 Si f es derivable en x0 , entonces f es continua en x0 (ver el teorema

4.2.3).
El recproco del teorema 4.1.3 no es cierto: f (x) = |x| es continua en x = 0, pero
no es derivable en ese punto.
Derivadas sucesivas
Definici
on 4.1.4 Si f es derivable en todo I, podemos considerar la funci
on derivada
f  , denida en cada punto. Tambien escribimos f  (x) = Df (x).
1 Observar

96

la definici
on 4.1.10.

Captulo 4. Diferenciabilidad
Si f  es derivable, su derivada es la derivada segunda de f , la denotamos por f 
o D2 f . An
alogamente denimos las derivadas sucesivas 2
Dk f,

k = 1, 2, . . .

Derivadas de funciones elementales

Si k es una constante, D(k) = 0
D(xk ) = kxk1
D(ax ) = ax ln a
D(lna x) =

1
x ln a

D(sen x) = cos x
D(cos x) = sen x
D(tg x) = sec2 x = 1 + tg2 x
D(ctg x) = cosec2 x =

1
= 1 ctg2 x
sen2 x

1
D(arc sen x) =
1 x2
D(arc tg x) =

1
1 + x2

Propiedades algebraicas
Proposici
on 4.1.5 Sean f y g funciones denidas en I. Sea x I, tales que existan
f  (x) y g  (x). Entonces:
a) La funci
on suma f + g es derivable en x, y se tiene (f + g) (x) = f  (x) + g  (x).
b) La funci
on producto es derivable en x, y se tiene (f g) (x) = f  (x)g(x) +

f (x)g (x).
c) Si g(x) = 0, entonces la funci
on f /g es derivable en x, y se tiene
 
f
f  (x)g(x) f (x)g  (x)
(x) =
.
g
g(x)2
2 Consultar

la definici
on 4.2.12 en el caso de funciones de varias variables

97

4.1. Introducci
on al calculo diferencial de funciones de una variable
La Regla de la Cadena
Uno de los resultados mas interesantes, desde el punto de vista teorico y pr
actico,
es la posibilidad de expresar la derivada de una funci
on compuesta g f cuando se
conocen las derivadas de f y de g. El siguiente resultado, conocido familiarmente como
Regla de la Cadena, precisa esta situacion. No lo demostraremos, ya que es un caso
particular de la versi
on para funciones de varias variables que daremos en el teorema
4.2.15.
Teorema 4.1.6 (Regla de la Cadena) Dados dos intervalos abiertos I, J en R, y
dadas dos funciones f : I  J, g : J  R, si f  existe en cierto a I y g  existe en
b = f (a) J, entonces g f es derivable en a y se tiene
(g f ) (a) = g  (b)f  (a) = g  (f (a))f  (a).
(Ver el teorema 4.2.15).
Ejemplo 4.1.7 Sea f (x) = ln(sen x), para x ]0, [. Entonces:
f  (x) = ln (sen x) sen x =

1
cos x = ctg x.
sen x

Teorema de la Funci
on Inversa
Daremos a continuaci
on una versi
on de un teorema que posteriormente enunciaremos y demostraremos en el caso de funciones de varias variables (teorema 5.5.7).
Aqu, de forma distinta a como hicimos en el caso de la Regla de la Cadena (teorema
4.1.6) s daremos la prueba, ya que el resultado no es exactamente la traducci
on a
una variable del teorema 5.5.7.
Teorema 4.1.8 Sean I y J dos intervalos abiertos, y f : I  J derivable y biyectiva,
tal que f 1 es continua. Si, adem
as, para cada x I es f  (x) = 0, entonces f 1 es
derivable en J y adem
as, para y = f (x) J se tiene
 1 
(y) =
f

1
.
f  (x)

n. Denotamos g := f 1 . Dados puntos x y x+x en I, denotamos y :=

Demostracio
f (x), y + y := f (x + x), con lo que y = f (x + x) f (x), x = g(y + y) g(y).
Como f es derivable en todo punto x I, se tiene
f (x + x) = f (x) + f  (x)x + o(x),
donde
o(x)
0, cuando x 0.
x
98

(4.5)

Captulo 4. Diferenciabilidad
Llevando las enteriores expresiones para x y y a la f
ormula (4.5), se obtiene
g(y + y) = g(y) +

1
f  (x)

o(x)
.
f  (x)

(4.6)

Observar ahora que, por la continuidad de g, cuando y 0 entonces x 0, luego

1 o(x)
o(x) x 1
=
0
y f  (x)
x y f  (x)
cuando y 0.

Ejemplo 4.1.9 Para cada x R, calculamos la derivada

 de arc tg x usando el teorema anterior. La funci
on arc tg es la inversa de tg : 2 , 2  R, es derivable y
biyectiva. Adem
as
(tg) (x) = 1 + tg2 x 1 > 0.
Como arc tg es continua, el teorema implica que tambien es derivable. Si ponemos
y R, y = tg x, entonces
(arc tg) (y) =

4.1.3.

1
1
1
=
=
.
2

(tg) (x)
1 + y2
1 + tg x

Infinit
esimos

Definici
on 4.1.10 Una funci
on f se dice que es un innitesimo en a si lm f (x) = 0.
xa

Por ejemplo, x = x a es un innitesimo en x = a; tambien lo son (x)2 =

(x a)2 y sen(x a).
Definici
on 4.1.11 Sean f, g dos innitesimos en x = a, y sea
lm

xa

f (x)
= L.
g(x)

a) Si L = 0, se escribe f = o(g) y se dice que f es un innitesimo de orden

superior a g en x = a.
b) Si L = 1, se dice que f y g son innitesimos equivalentes y se escribe f g.
c) Si L es nito y no nulo, se dice que f y g son innitesimos comparables.
Ejemplo: Algunos innitesimos equivalentes en 0 son
x sen x tg x arc sen x ex 1 ln(1 + x)
x2
1 cos x
2
(1 + x)k 1 xk
99

4.1. Introducci
on al calculo diferencial de funciones de una variable
Proposici
on 4.1.12 En el estudio del lmite cuando x a es v
alido sustituir un
innitesimo f por otro equivalente siempre que f actue como factor o divisor. Es
decir, si f g entonces
lm h(x)f (x) = lm h(x)g(x).

xa

4.1.4.

xa

Diferencial de una funci

on en un punto

El lector puede consultar el apartado 4.2.1 correspondiente a funciones de varias

variables.
Si f es una funci
on derivable en x = a, entonces
lm

xa

de donde
lm

xa

Esto implica que

f (x) f (a)
= f  (a)
xa


f (x) f (a)
f  (a) = 0.
xa

f (x) f (a) f  (a)(x a)

= 0,
xa
xa
lm

o, lo que es lo mismo,

(4.7)

f (x) [f (a) + f  (a)(x a)] = o(x a)

on a f
Por tanto, la recta tangente y = f (a) + f  (a)(x a) es una buena aproximaci
en el punto x = a.
Definici
on 4.1.13 A la funci
on lineal x  f  (a)x de R en R se le llama diferencial
de f en el punto x = a y se denota por dfa .
Como toda funci
on lineal, dfa tiene como graca una recta que pasa por el origen.
Como se deduce que la expresion (4.4), la translaci
on de esta recta al punto (a, f (a))
es la recta tangente. Si esta vez denotamos por P1 (4 ) la ecuacion de la recta tangente,
resulta que P1 (x) = f (a) + f  (a)(x a) es un polinomio de grado 1 que aproxima
f (x) con un error sustancialmente menorque x = x a cuando x a (5 ). As, el
oximo a f = f (x) f (a) cuando x esta cerca de a.
valor de dfa (x a) esta muy pr
Como se insistira en el caso de funciones de varias variables (ver el apartado 4.2.1),
este es el principio basico de todo el Calculo Diferencial.
3 Ver

la f
ormula (4.3).
raz
on de utilizar esta notaci
on para la recta tangente es que, como se ver
a m
as adelante en
la definici
on 5.1.2, no es m
as que el polinomio de Taylor de orden 1 de la funci
on f en el punto a.
De hecho, la F
ormula de Taylor dada en los teoremas 5.1.4 y 5.1.8 es la generalizaci
on natural del
concepto de recta tangente (polinomio de grado 1) a polinomios de grado superior.
5 Para una justificaci
on de este hecho y un estudio preciso del grado de aproximaci
on que existe
entre la recta tangente y la funci
on en las proximidades del punto a consultar el corolario 5.4.9, que
proporciona una estimaci
on del error cometido al sustituir la funci
on por su polinomio de Taylor, en
este caso el de primer orden.
4 La

100

Captulo 4. Diferenciabilidad

Figura 4.1: Interpretaci

on geometrica de la diferencial

4.1.5.

Teoremas del Valor Medio y de Rolle

M
aximos y mnimos locales
Recordamos que en esta seccion, y mientras no se diga lo contrario, I es un intervalo
abierto de la recta real (que puede coincidir con toda la recta) y f : I  R es una
funci
on denida en I.
Definici
on 4.1.14 Un punto c I se dice que es un maximo local de una funci
on f
si existe > 0 tal que E (c) = ]c , c + [ I y f (c) f (x), x E(c).
Se dice que c es mnimo local si existe > 0 como antes tal que f (x) f (c) para
todo x E (c).
En general, si c es m
aximo o mnimo local, se le llama extremo local6 .
El concepto de extremo absoluto de una funci
on f relativo a un conjunto fue
introducido en el teorema 3.3.3.

Nota: Un extremo local puede no ser absoluto. De hecho, una funci

on continua en
un intervalo abierto puede no estar acotada, tener extremos locales y, l
ogicamente, no
tener extremos absolutos.
Ejemplo 4.1.15 M
aximos y mnimos de f (x) = sen x (en todo R).
6 Ver el concepto general de extremo local de una funci
on de varias variables dado en la definici
on
5.4.13.

101

4.1. Introducci
on al calculo diferencial de funciones de una variable

Figura 4.2: c es maximo local pero no absoluto; d es mnimo local pero no

absoluto.

Figura 4.3: La funci

on f (x) = sen x
Los puntos


2


+ k : k Z son extremos locales y absolutos de f en R.

Puntos crticos
Definici
on 4.1.16 Sea f es derivable en I = ]a, b[ y sea c I. Se dice que c es un
on 5.4.14).
punto crtico de f si f  (c) = 0 (ver la denici
Teorema 4.1.17 (Condici
on necesaria de extremo local) Si f es derivable en
I = ]a, b[ y c I es un extremo local, entonces f  (c) = 0.
n. Supongamos que f  (c) > 0. Por la denici
on de derivada (denici
on
Demostracio
4.1.1), existe > 0 tal que ]c , c + []a, b[ y
f (x) f (c)
> 0, x ]c , c + [\{c}.
xc
Esto implica que f (x) > f (c) para x ]c, c+[ y que f (x) < f (c) para x ]c, c[, una
contradicci
on. De la misma forma se llega a una contradiccion si se supone f  (c) < 0.

102

Captulo 4. Diferenciabilidad
Nota 4.1.18 Observar que la condici
on dada en el teorema 4.1.17 es necesaria,
aunque no es suciente7 . Dicho de otro modo, en un punto c puede ocurrir que
f  (c) = 0 aunque este punto no sea un extremo local.
La funci
on f (x) = x3 , en x = 0. Se cumple f  (0) = 0 pero 0 no es un extremo.

El metodo a seguir para calcular los extremos absolutos de una funci

on f denida
en un intervalo [a, b] sera, pues, el siguiente:
1.

Mediante el uso del teorema 3.3.3, asegurar que la funci

on, si es continua, tiene
extremos absolutos (maximo y mnimo).

2.

En el caso de que la funci

on sea derivable en ]a, b[, resolver la ecuacion f  (x) = 0
para hallar los (posibles) extremos locales en este intervalo abierto, as como los
valores de f en esos puntos.

3.

Calcular f (a) y f (b) y comparar estos valores con los obtenidos antes para
decidir si son o no extremos absolutos.

Teoremas de Rolle y del Valor Medio

Teorema 4.1.19 (de Rolle) Si f : [a, b]  R es continua en [a, b] y derivable en
]a, b[, y adem
as se verica f (a) = f (b), entonces existe c ]a, b[ tal que f  (c) = 0.
n. Por el teorema 3.3.3, f tiene un m
Demostracio
aximo absoluto C [a, b] y un
mnimo absoluto c [a, b]. Si uno de los dos est
a en ]a, b[, es un extremo local, y basta
aplicar el teorema 4.1.17 para obtener que la derivada en el es cero. Si c y C estan en
los extremos del intervalo, f es constante en [a, b], luego su derivada es cero en todo
punto de ]a, b[.


Una consecuencia inmediata del teorema de Rolle (teorema 4.1.19) y que, por
tanto, no demostraremos, es el siguiente
7 Como consecuencia del Teorema de Taylor para funciones de una variable (teoremas 5.1.4 y
5.1.8) se proporcionar
a en 5.1.11 una condici
on suficiente de extremo local, junto con un criterio
para distinguir entre m
aximo y mnimo local.

103

4.1. Introducci
on al calculo diferencial de funciones de una variable

Figura 4.4: El Teorema de Rolle

Corolario 4.1.20 Si f es derivable en un intervalo abierto I, consideramos las siguientes ecuaciones:

(A) f (x) = 0 , (B) f  (x) = 0
Entonces:
a) Entre dos soluciones consecutivas de (A) existe al menos una de (B).
b) Entre dos soluciones consecutivas de (B) hay, a lo sumo, una de (A).

Figura 4.5: x1 , x2 son soluciones consecutivas de (B); c es u

nico o bien no
hay tal c
En este momento es ya muy sencillo probar el siguiente teorema. A pesar de su
simplicidad es, sin ninguna duda, el teorema central del C
alculo Diferencial, pues de
el derivan todos los resultados importantes.
Teorema 4.1.21 (del Valor Medio) Si f : [a, b]  R es continua en [a, b] y derivable en ]a, b[, entonces existe c ]a, b[ tal que
f (b) = f (a) + f  (c)(b a).
104

(4.8)

Captulo 4. Diferenciabilidad
n. Si a = b no hay nada que probar. En caso contrario, considerese la
Demostracio
funci
on g : [a, b]  R denida como
g(x) := f (x)

f (b) f (a)
x, x [a, b].
ba

Obviamente g satisface todas las condiciones del Teorema de Rolle (teorema 4.1.19),
luego existe c ]a, b[ tal que g  (c) = 0. Esto prueba la armaci
on.


Es posible dar una interpretaci
on geometrica del Teorema del Valor Medio (teorema 4.1.21), interpretaci
on que aparece reejada en la gura 4.6.

Figura 4.6: El Teorema del Valor Medio

Si se escribe la formula (4.8) como
f  (c) =

f (b) f (a)
,
ba

(4.9)

se puede dar una interpretaci

on cinematica de la misma: si un vehculo hace un
recorrido a velocidad variable, en alg
un momento su velocidad instant
anea coincide
con su velocidad media.
Una variante del Teorema del Valor Medio (teorema 4.1.21) es la siguiente:
Teorema 4.1.22 Dadas dos funciones f y g, denidas y continuas en un intervalo
[a, b], derivables en ]a, b[, existe un punto c ]a, b[ tal que
[f (b) f (a)]g  (c) = [g(b) g(a)]f  (c).

(4.10)

n. Basta observar que la funci

Demostracio
on
h(x) := [f (b) f (a)]g(x) [g(b) g(a)]f (x)
satisface las condiciones del teorema 4.1.21.

105

4.1. Introducci
on al calculo diferencial de funciones de una variable
Consecuencias del Teorema del Valor Medio
La siguiente proposici
on contiene una breve lista de consecuencias del teorema
4.1.21 que podemos proporcionar ahora. Como se ha dicho m
as arriba, muchos otros
resultados del C
alculo Diferencial son consecuencia de este importante teorema, y se
mencionar
a esta dependencia cuando sean enunciados.
La demostracion de las dos siguientes proposiciones es inmediata a partir del
teorema 4.1.21, y por tanto se omitir
a. Se recomienda al lector que las proporcione
por su cuenta.
Proposici
on 4.1.23 Si f ; ]a, b[ R es derivable en ]a, b[, entonces
- f es constante en ]a, b[ si y s
olo si f  (x) = 0 para todo x ]a, b[.
- si f  (x) 0 para x ]a, b[, entonces f es creciente en ]a, b[.
- si f  (x) 0 para x ]a, b[, entonces f es decreciente en ]a, b[.
Proposici
on 4.1.24 (Intervalos de monotona) Si f es derivable en ]a, b[, supongamos que f  se anule en x1 < x2 < . . . < xn , puntos de ]a, b[. Entonces en cada
on f es mon
otona.
intervalo [a, x1 ], [x1 , x2 ], . . . , [xn , b], la funci
La Regla de lH
opital
Una de las aplicaciones m
as practicas del Teorema del Valor Medio es el siguiente
resultado, que permite en muchos casos el calculo de lmites reduciendo el problema
a uno m
as simple. La prueba es la que aparece en [Ru66].
Proposici
on 4.1.25 (Regla de LH
opital) Dadas dos funciones reales f y g denidas
y derivables en un intervalo ]a, b[ R, donde a < b +, sup
ongase que
g  (x) = 0, x ]a, b[. Sup
ongase tambien que existe
f  (x)
= L.
xa g  (x)
lm

(4.11)

Entonces, si alguna de las dos condiciones siguientes se verica

1.
f (x) 0, g(x) 0, cuando x a, o bien

(4.12)

g(x) +, cuando x a,

(4.13)

f (x)
= L(8 ).
g(x)

(4.14)

2.
se tiene
lm

xa

8 Es importante hacer notar que se acepta en este enunciado la posibilidad de que alguno de los
extremos del intervalo de definici
on sea infinito, as como que L pueda ser, tambien, + o . Por
otra parte, un resultado similar se puede obtener cuando x b o cuando g(x) .

106

Captulo 4. Diferenciabilidad
n. Trataremos primero el caso en que L < +. Fijamos L < q
Demostracio
para el resto de la prueba. Fijamos a continuaci
on L < r < q. Por la denici
on de
lmite en (4.11) resulta que existe un punto c ]a, b[ tal que, si a < x < c,
f  (x)
< r.
g  (x)

(4.15)

Tomamos ahora a < x < y < c y aplicamos el Teorema del Valor Medio en la versi
on
dada en el teorema 4.1.22 a los dos puntos x e y. Resulta que existe un punto t ]x, y[
tal que
f  (t)
f (x) f (y)
= 
< r.
(4.16)
g(x) g(y)
g (t)
1.

Supongamos ahora que se cumple (4.12). Haciendo x a en (4.16), resulta

f (y)
r < q, si a < y < c.
g(y)

2.

(4.17)

Supongamos ahora que, en lugar de la condici

on (4.12), se cumple (4.13). Fijamos y en (4.16). Entonces se puede elegir c1 ]a, y[ tal que, si a < x < c1 resulta g(x) > g(y), as como g(x) > 0. Multiplicando (4.16) por [g(x) g(y)]/g(x)
se obtiene
g(y) f (y)
f (x)
<rr
+
, a < x < c1 .
(4.18)
g(x)
g(x) g(x)
Haciendo x a en (4.18), la condici
on (4.13) permite obtener un punto c2
]a, c1 [ tal que
f (x)
< q, x ]a, c2 [.
(4.19)
g(x)

Por tanto, se ha demostrado que, tanto en un caso como en otro, hay un punto
c2 ]a, b[ tal que se verica
f (x)/g(x) < q, si a < x < c2 .

(4.20)

Del mismo modo, si < A + y se elige p < A, se puede hallar c3 ]a, b[ tal
que,
f (x)
, si a < x < c3 .
(4.21)
p<
g(x)
Entonces , en virtud de (4.20) y (4.21), se tiene la conclusi
on (4.14).

Las aplicaciones de la proposicion 4.1.25 son evidentes: basta con que el cociente
de las derivadas tenga un lmite f
acilmente calculable para que se pueda obtener el
lmite del cociente de las funciones. Ademas, es posible aplicar la Regla de LHopital
reiteradamente si se dan las condiciones adecuadas para ello.
107

4.2. Calculo diferencial de funciones de varias variables

4.2.
4.2.1.

C
alculo diferencial de funciones de varias variables
Diferenciabilidad

Volviendo a nuestros problemas iniciales en los que pretendamos calcular los punon real alcanzaba el mnimo, observemos
tos de Rn en los que una determinada funci
la gura 4.7.

Figura 4.7: Plano tangente a una gr

aca
De la misma forma que en el caso de funciones de una variable, desarrollado en
la seccion 4.1, la intuici
on nos dice que, para funciones con gr
aca lo sucientemente
suave, tales puntos son aquellos en los que la supercie denida por la gr
aca tiene
un plano tangente horizontal o, de forma alternativa, aquellos en los que las posibles
curvas trazadas sobre la supercie presentan un mnimo local en ellos. Explotaremos
ambos puntos de vista.
Diferenciabilidad y funciones lineales
El principio b
asico de todo el Calculo Diferencial (de funciones de una o de varias
variables) es que funciones sucientemente buenas se pueden aproximar localmente
por funciones lineales.
Las funciones lineales son especialmente simples, sobre todo si se trata de funciones
on
lineales denidas en Rn con valores en Rm . Asumidas sendas bases9 , a una aplicaci
lineal T : Rn Rm le corresponde una matriz m n ( de m las y n columnas),
que denotaremos tambien por T, exactamente aquella que en la posici
on (i, j) tiene el
elemento ai,j , la i-esima coordenada del vector T(ej ) (y recprocamente, una matriz
T de tama
no mn dene una aplicaci
on lineal T : Rn Rm con el mismo convenio).
Esta representacion es especialmente u
til, ya que si x = (x1 , x2 , . . . , xn ) Rn y su
imagen por T es T(x) = y = (y1 , y2 , . . . , ym ) entonces se tiene
9 Si no se dice lo contrario, se supodr
a siempre Rn dotado de la base can
onica, entendi
endose por
tal la base formada por los vectores que tienen la coordenada i-esima 1 y las dem
as 0, vectores que
denotaremos por ei , i = 1, 2, . . . , n.

108

Captulo 4. Diferenciabilidad

a11
am1

...
..
.
...

a1n
amn

x1
..
. =
xn

y1
..
.
ym

(4.22)

(producto de matrices). Adem

as, la gr
aca de una funci
on lineal T : Rn Rm es
n
m
simple: es un subespacio vectorial de R R .
Desde el punto de vista geometrico, este principio b
asico del Calculo Diferencial
puede formularse diciendo que la gr
aca de una funci
on sucientemente buena se
aproxima en una bola centrada en cada punto por un subespacio vectorial trasladado
a ese punto (corresponde a la experiencia que apreciemos el entorno de la supercie
de nuestro planeta como un plano, aunque en realidad se trate de un fragmento de
supercie esferica). Esta idea de aproximaci
on de funciones no lineales en general por
otras que s lo son es la extension natural de la que domina todo el C
alculo Diferencial
de funciones reales de una variable real: si una tal funci
on es derivable en un punto, su
gr
aca se aproxima en una bola centrada en ese punto a una recta, la recta tangente.
Precisaremos a continuacion estas ideas.
Parte lineal de una funci
on de una variable
A
un a riesgo de ser reiterativos, una breve menci
on del caso de funciones reales de
una variable real, que ya hemos tratado en 4.1, permitir
a entender el caso de funciones
de varias variables como una extension natural de este:
Sea f : ]a, b[ R una funci
on. Sea x0 un punto de ]a, b[ y supongamos que f es
0
derivable en x . Ello signica que existe el siguiente lmite, al que hemos llamado la
derivada de la funci
on f en el punto x0 , y se representa por f  (x0 ) :
f (x0 + h) f (x0 )
h0
h

f  (x0 ) = lm

(4.23)

(ver la ecuacion (4.2) o, si se quiere,

f (x0 + h) f (x0 ) f  (x0 )h
=0
h0
h
lm

(4.24)

(ver la ecuacion (4.7)).

Geometricamente, la funcion f tiene una gr
aca para la que, en el punto (x0 , f (x0 )),
hay una tangente, precisamente la recta de ecuaci
on
x  f (x0 ) + f  (x0 )(x x0 ),

(4.25)

recta que pasa por el punto (x0 , f (x0 )) y tiene como pendiente f  (x0 ) (ver la gura
4.8).
Denotemos por
u(h) :=

f (x0 +h)f (x0 )

h

0,

f  (x0 ),

si h = 0,
si h = 0,
109

4.2. Calculo diferencial de funciones de varias variables

Figura 4.8: Recta tangente

funci
on denida s
olo para h sucientemente pr
oximo a 0. Entonces
f (x) f (x0 ) f  (x0 )(x x0 ) = (x x0 )u(x x0 )

(4.26)

(hemos denotado por x el punto x0 + h).

La ecuacion (4.26) describe el hecho de que la gr
aca de f queda aproximada por
aca de una
la gr
aca de la tangente (que es la trasladada al punto (x0 , f (x0 )) de la gr
funci
on lineal (una recta)) y que la aproximaci
on es tanto mejor cuanto mas cerca
on de esa aproximacion: teniendo
estemos del punto x0 . De hecho, nos da una estimaci
en cuenta que lmh0 u(h) = 0, tenemos
lm0

xx

f (x0 + h) f (x0 ) f  (x0 )(x x0 )

= lm0 u(x x0 ) = 0.
x x0
xx

(4.27)

Resulta que la gr
aca de la tangente (la funci
on x  f (x0 ) + f  (x0 )(x x0 )) se
aproxima a la gr
aca de f (x) de modo que la diferencia tiende a cero m
as rapidamente
que (x x0 ) cuando x se acerca a x0 .
La misma idea es la que congura el Calculo Diferencial de funciones de varias
variables.
Parte lineal de una funci
on de varias variables
Definici
on 4.2.1 Sea f una funci
on denida en un subconjunto abierto 10 U de Rn ,
m
0
con valores R . Sea x U. Se dice que f es diferenciable en x0 cuando existe una
10 La conveniencia de utilizar conjuntos abiertos en la definici
on estriba en la siguiente idea, que
ya hemos mencionado m
as arriba, pero que repetimos de nuevo: esta definici
on, como otras muchas
en An
alisis, es la de un concepto puramente local; es decir, todo depende de lo que ocurra en una
bola centrada en el punto x0 en cuesti
on. Es por ello por lo que, por comodidad, se elige x0 en
un conjunto abierto U . Se sabe (ver la definici
on 2.3.6) que entonces hay una bola centrada en x0
contenida enteramente en U , donde est
a definida la funci
on. La aproximaci
on a x0 se realiza as sin
restricciones, en cualquier direcci
on.

110

Captulo 4. Diferenciabilidad
aplicaci
on lineal A : Rn  Rm tal que
f (x0 + h) f (x0 ) A(h)
=0
h0
h
lm

(4.28)

A la aplicaci
on lineal A se le llama la diferencial de f en el punto x0 y se representa
por dfx0 .
Formalmente, esta ecuacion es la misma que (4.24). All, el termino f  (x0 )h es la
funci
on lineal de la variable h. De nuevo, la idea a la que responde el hecho de que una
funci
on f es diferenciable en un punto x0 es la siguiente: f se aproxima en una bola
on trasladada de una funci
on lineal, exactamente
centrada en x0 mediante una funci
la funci
on
x  f (x0 ) + A(x x0 ) = f (x0 ) + dfx0 (x x0 ),

(4.29)

y esa aproximaci
on es tanto mejor cuanto mas cerca estemos de x0 . De hecho, la
diferencia
entre
on dada en (4.29) en x tiende a 0 mas rapidamente
 f en x y la funci

on lineal dfx0 informar
a sobre el comporque x x0  . El conocimiento de esa funci
tamiento de la funci
on f en una bola centrada en el punto x0 .
Observar tambien que la condici
on dada en (4.28) puede expresarse como
f (x0 + h) f (x0 ) dfx0 (h) = u(h) h , h Rn ,

h = 0,

(4.30)

donde u es una funci

on denida en una bola centrada en 0 con valores en Rm , y tal
que lmh0 u(h) = 0. Exactamente,
u(h) =

f (x0 +h)f (x0 )dfx0 (h)

,
h

0,

si h = 0,
si h = 0.

(4.31)

con h sucientemente peque

na para que x0 + h este en el abierto U .
Proposici
on 4.2.2 Si una funci
on f como la considerada en la denici
on 4.2.1 es
diferenciable en un punto x0 de U, su diferencial en ese punto es u
nica.
n. Es consecuencia directa de la propia denici
Demostracio
on. Pues supongamos
que dos aplicaciones lineales A y B satisfacen (4.28). Entonces, dado > 0, > 0
de modo que si 0 < h < ,




0
0


 f (x0 + h) f (x0 ) A(h) 
 < ,  f (x + h) f (x ) B(h)  < .





h
h
Por tanto, por la desigualdad triangular, si 0 < h < ,


 A(h) B(h) 

 < 2,


h
111

4.2. Calculo diferencial de funciones de varias variables

es decir, teniendo en cuenta la linealidad de A y B,
 




h
h 
A
< 2, si 0 < h < .
B

h
h 
Notar ahora que h/ h recorre la esfera unidad S(0;1) de Rn , y que es arbitrario.
Resulta que A y B coinciden sobre esa esfera. Como son funciones lineales, A = B.

Algunas consecuencias de la diferenciabilidad

Es una consecuencia inmediata de la denici
on 4.2.1 que una funci
on constante es
diferenciable, y su diferencial en cualquier punto es la aplicaci
on lineal nula, as como
que una funci
on lineal f tambien es diferenciable, siendo su diferencial en cualquier
punto de nuevo f .
Por otra parte, el c
alculo de diferenciales de funciones en cierto punto de su dominio respeta las operaciones b
asicas: Si dos funciones f y g denidas es un subconjunto abierto U de Rn con valores en Rm son diferenciables en un punto x0 U,
y es un escalar, tanto f como f + g son funciones diferenciables en x0 , siendo
d(f )x0 = dfx0 , y d(f + g)x0 = dfx0 + dgx0 . Ambas armaciones tienen una demostracion inmediata, y la omitiremos.
Una consecuencia inmediata de la denici
on de funci
on diferenciable en un punto
es la siguiente.
Teorema 4.2.3 Sea f una funci
on denida en un subconjunto abierto U de Rn con
m
valores en R . Si f es diferenciable en x0 U , entonces f es continua en x0 .
n. A partir de (4.25) obtenemos
Demostracio
f (x0 + h) f (x0 ) dfx0 (h) = u(h) h ,

h Rn , h = 0,

donde u es una funci

on denida en una bola centrada en 0, excepto en 0, con valores
en Rm y tal que lmh0 u(h) = 0. Tomando lmites cuando h 0 y teniendo en
cuenta que toda aplicaci
on lineal de Rn en Rm es continua y vale 0 en 0, se obtiene
lm (f (x0 + h) f (x0 )) = 0,

h0

que equivale a decir que f es continua en x0 .

Antes de proceder en la exposicion teorica del C

alculo Diferencial de funciones de
varias variables, consideraremos un problema elemental que pueda ser resuelto con
sus metodos.
112

Captulo 4. Diferenciabilidad
ologos ha descubierto, al realizar una perforaci
on,
Problema 311 : Un equipo de ge
un dep
osito subterr
aneo de mineral, y desea encontrar el punto en el cual el dep
osito
est
a m
as pr
oximo de la supercie. Se supone que no se dispone de informaci
on sobre
la inclinaci
on de los estratos a la profundidad a la que fue encontrado el yacimiento, y
que la u
nica forma de obtener informaci
on adicional es realizando m
as perforaciones.
Una primera aproximaci
on a la resoluci
on del problema es suponer que, en una
bola centrada en el punto donde se realiz
o la primera perforaci
on, la supercie exterior
del dep
osito de mineral puede ser aproximada por un plano (el lector reconocer
a en
esta hip
otesis la idea b
asica del Calculo Diferencial que hemos expuesto mas arriba).
Esto no es demasiado disparatado, teniendo en cuenta que muchos yacimientos de
mineral tienen su supercie exterior en forma de b
oveda. As que, denotando por
(x, y) las coordenadas de un punto en el plano, f (x, y) la profundidad a la que se
encuentra la supercie exterior del yacimiento, una aproximaci
on de f en una bola
on) viene dada por la ecuaci
on
centrada en (x0 , y0 ) (el lugar de la primera perforaci
(4.30).
Para adaptar esta al caso de una funci
on como f , se debe considerar que la aplicacion lineal df(x0 ,y0 ) : R2 R viene representada por una matriz de una la y dos
columnas, (, ), as que df(x0 ,x0 ) (x x0 , y y0 ) = (x x0 ) + (y y0 ). De esta
manera, la ecuacion (4.30) proporciona.
f (x, y) f (x0 , y0 ) + df(x0 ,y0 ) (x x0 , y y0 ) =
= f (x0 , y0 ) + (x x0 ) + (y y0 ).

(4.32)

Necesitamos determinar y . Esto se puede lograr con dos informaciones adicionales,

es decir, con dos perforaciones mas. Supongamos que situamos el origen de coordenadas en el punto (x0 , y0 ), y que f (x0 , y0 ) = f (0, 0) = 700 metros. Se realiza otra
perforaci
on 100 m. en direccion este ( en el punto (100,0)) y otra 100 m. en direccion norte ( en el punto (0,100)), obteniendose profundidades de 750 m. y de
675 m., respectivamente. Sustituyendo estos valores en la ecuacion (4.32) obtenemos
aca
= 0 5, = 0 25. El plano f (x0 , y0 ) + (x x0 ) + (y y0 ) es por tanto la gr
de la funci
on (x, y) 700 0 5x + 0 25y.
Debemos encontrar la direccion de m
axima pendiente sobre el plano (a prop
osito,
lo que estamos haciendo es reproducir en un caso muy simple el metodo de calculo de
extremos llamados precisamente de m
axima pendiente, y que puede ser visualizado
imaginando un explorador buscando la cumbre de una colina cubierta de bosque
denso: puede alcanzar un m
aximo local simplemente dirigiendose en cada momento
en la direcci
on de m
axima pendiente ascendente).

Como calcular esa direccion? Este

es un tpico problema que resuelve la aplicacion
del Calculo Diferencial de varias variables. Nuestro caso del plano es tan simple que
el recurso al de una sola variable da la soluci
on: t
omese una circunferencia de centro
(0,0) y radio 100. Entonces, un punto sobre esa circunferencia tiene como coordenadas
x = 100 cos , y = 100 sen , donde es el angulo formado con el eje OX, as que la
coordenada z de cada punto de la circunferencia es z = 700 50 cos + 25 sen .
11 Este

ejemplo aparece en [No67].

113

4.2. Calculo diferencial de funciones de varias variables

Figura 4.9: Perforaci

on

El lector sabe que el punto de esa circunferencia de coordenada z maxima viene

dado por
dz
= 50 sen + 25 cos = 0,
d
de donde se deduce tg = 1/2, luego
= 26,56505 grados. La direccion de pendiente maxima es la dada por ese angulo, as que el punto de la circunferencia m
as
pr
oximo a la supercie es el (89.44272, -44.72135).
Hay un problema que el metodo de pendiente m
axima no resuelve en nuestro caso:
a que distancia de (0,0) hay que perforar, en la direcci
on noroeste, para encontrar
el punto en el que el mineral est
a mas cerca de la supercie? Una forma de atacar el
problema, partiendo del supuesto de un yacimiento en forma de b
oveda, sera aproximar su supercie exterior por medio, no de un plano, sino de una supercie de segundo
grado. B
asicamente la idea es la misma, aproximar una funci
on complicada o desconocida por una funci
on sucientemente simple. El principio te
orico tambien: donde antes
se elegan los terminos de primer grado del desarrollo de Taylor de una funci
on (la
ecuacion (4.29)), ahora se tomar
an los terminos hasta segundo grado inclusive. En el
captulo 5 investigaremos los desarrollos de Taylor de funciones de varias variables y
su aplicaci
on, entre otros, a los problemas de extremos.

4.2.2.

Derivada direccional, derivadas parciales, gradiente

Derivada direccional
Un concepto relacionado con el de diferencial de una funci
on en un punto es el de
derivada direccional:
Definici
on 4.2.4 Sea f una funci
on denida en un subconjunto abierto U Rn con
m
0
valores en R . Sea x un punto de U . Sea v un vector de Rn . Al siguiente lmite (si
114

Captulo 4. Diferenciabilidad
existe) se le llama la derivada direccional en la direcci
on v de la funci
on f en el punto
x0 , y se representa por Dv f (x0 ) :
f (x0 + tv) f (x0 )
t0
t

Dv f (x0 ) := lm

(4.33)

Nota 4.2.5 1. La derivada direccional Dv f (x0 ) es un elemento de Rm , que repon f a lo

resenta de alguna forma la tasa de variaci
on en el punto x0 de la funci
0
on del vector v.
largo de la recta que pasa por el punto x y tiene la direcci
Una interpretaci
on geometrica de Dv f (x0 ) podemos hacerla para funciones f
reales denidas en un subconjunto abierto U R2 : supongamos, para simplicar, que v es un vector unitario 12 ( tiene norma 1). La recta t  x0 + tv en
el plano OXY dene un plano que la contiene y es paralelo al eje OZ. Este
plano corta a la supercie determinada por la gr
aca de la funci
on f en una
curva que pasa por el punto (x0 , f (x0 )). La recta tangente a en dicho punto
(recta contenida en ) tiene ahora una pendiente (respecto a la horizontal en
ese plano) cuyo valor coincide con la derivada direccional de f respecto a v en
x0 (ver la gura 4.10).
2.

Otra observaci
on pertinente es que el c
alculo de una derivada direccional se
reduce al c
alculo de la derivada de una funci
on de una variable: sea g(t) =
on de Dv f (x0 ) dada en 4.2.4
f (x0 + tv), t R. Entonces, la propia denici
proporciona
f (x0 + tv) f (x0 )
g(t) g(0)
= lm
= g (0).
t0
t0
t
t

Dv f (x0 ) = lm

Desde luego, como g es una funci

on de m componentes g = (g1 , . . . , gm ), se

(0)) (an
alogamente para cualquier otro punto).
tiene g (0) = (g1 (0), . . . , gm
Derivadas parciales
En el caso particular en que v sea uno de los vectores de la base canonica
 1

e , . . . , en
12 En la definici
on de derivada direccional dada en 4.2.4, el vector v no es necesariamente unitario.
El lector podr
a preguntarse por que el denominador en (4.33) no es de la forma t v, sobre todo
observando que la interpretaci
on geometrica que vamos a dar a continuaci
on (la derivada direccional
como la pendiente de una recta) deja de corresponder exactamente cuando v no es unitario. Una
justificaci
on de la definici
on hecha es que la magnitud de v influye en lo que queremos que represente
la tasa de variaci
on de f en la direcci
on de v. Se comprender
a que ello es conveniente con el siguiente
ejemplo: sup
ongase una superficie met
alica plana calentada en un punto p. Cada punto de esa
superficie tiene as una temperatura, lo que proporciona una funci
on real de dos variables reales (las
coordenadas de cada punto). La derivada en la direcci
on de un vector v en p proporciona la tasa de
variaci
on de temperatura que experimentamos al movernos en esa direcci
on a partir de p. Si v es
grande (si nos movemos a gran velocidad en la direcci
on dada por v) la tasa de variaci
on es mayor
(nos enfriamos m
as r
apidamente). Conviene poder reflejar este hecho con el mismo concepto de
derivada direccional.

115

4.2. Calculo diferencial de funciones de varias variables

Figura 4.10: Derivada direccional

la derivada direccional se llama derivada parcial. As, este concepto no es mas que
un caso particular del de derivada direccional, y no requerira propiamente una nueva
denici
on. A pesar de todo, y para precisar las notaciones, se proporciona la denici
on
siguiente:
Definici
on 4.2.6 Sea f una funci
on denida en un subconjunto abierto U Rn con
m
0
valores en R . Sea x un punto de U . Dado i {1, 2, . . . , n}, se llama derivada
parcial iesima de f en el punto x0 a la derivada direccional de f en el punto x0 en
la direcci
on ei , es decir, al siguiente lmite (si existe)
f (x0 + tei ) f (x0 )
.
t0
t

Dei f (x0 ) := lm

En vez de escribirse Dei f (x0 ) se representa por Di f (x0 ) o, incluso, por

aremos alternativamente una u otra notaci
on.

(4.34)
f (x0 )
. Usxi

Observar que
Di f (x0 ) = Di f1 (x0 ), Di f2 (x0 ), . . . , Di fm (x0 )) =


f1 (x0 ) f2 (x0 )
fm (x0 )
,
,...,
=
xi
xi
xi
donde f = (f1 , f2 , . . . , fm ).

13

13 Fijado i = 1, 2, . . . , n, la funci
on f : Rn R definida como f (x) = xi , x = (x1 , x2 , . . . , xn )
Rn es, obviamente, diferenciable (por ser lineal), y su diferencial en un punto, dfx , coincide con ella

116

Captulo 4. Diferenciabilidad
El vector gradiente
En el caso de funciones con valores reales, se introduce el siguiente concepto.
Definici
on 4.2.7 Sea f : U R una funci
on denida en un subconjunto abierto U
de Rn . El vector


f (x0 ) = D1 f (x0 ), D2 f (x0 ), . . . , Dn f (x0 )

(4.36)

se llama gradiente de f en el punto x0 .14

La relacion entre derivadas direccionales y la diferencial viene dada por la siguiente
Proposici
on 4.2.8 Sea f una funci
on denida en un subconjunto abierto U de Rn
m
con valores en R . Si f es diferenciable en un punto x0 U , entonces existen todas
las derivadas direccionales en x0 , y se tiene
Dv f (x0 ) = dfx0 (v), v Rn

(4.37)

n. La condici
Demostracio
on de que f sea diferenciable en x0 asegura que
f (x0 + h) f (x0 ) dfx0 (h) = u(h) h , h Rn , h = 0,

(4.38)

(esta es la formula (4.30)), donde u es una funci

on denida en una bola centrada en 0
que verica lmh0 u(h) = 0. Escribamos la f
ormula (4.38) en el caso en que h = tv,
donde v es un vector jo en Rn , t R, t = 0. Obtenemos
f (x0 + tv) f (x0 ) dfx0 (tv) = u(tv) tv , t Rn ,

t = 0,

(4.39)

misma (ver 4.2.1). As, su matriz asociada es

(0, 0, . . . , 0, 1, 0, . . . , 0)

(4.35)

donde 1 de encuentra en la posici

on i
esima. Es usual denotar a la funci
on f as definida como xi ,
con lo que (dxi )x representa una aplicaci
on lineal de Rn en R con matriz (4.35).
Si, ahora, f es un funci
on real diferenciable arbitraria definida en un subconjunto abierto U de Rn
sabemos (corolario 4.2.10) que la matriz de su diferencial en un punto x U es


f
f
f
(x),
(x), . . . ,
(x)
dfx =
x1
x2
xn
donde identificaremos la aplicaci
on lineal y su matriz. Por tanto,
dfx =

f
f
f
(x)(dx1 )x +
(x)(dx2 )x + . . . +
(x)(dxn )x ,
x1
x2
xn

lo que se escribe, m
as brevemente, omitiendo la referencia a x, como
df =
14 En

f
f
f
dx1 +
dx2 + . . . +
dxn .
x1
x2
xn

la secci
on 4.2.5 se dar
a una interpretaci
on geometrica del vector gradiente.

117

4.2. Calculo diferencial de funciones de varias variables

on lineal y que, por tanto dfx0 (tv) =
y, teniendo en cuenta que dfx0 es una funci
tdfx0 (v), (4.38) equivale a
f (x0 + tv) f (x0 )
u(tv) |t| v
dfx0 (v) =
,
t
t

t R,

t = 0,

por lo que

 

  u(tv) |t| v 
 f (x0 + tv) f (x0 )

=


dfx0 (v) = 


t
t
= u(tv) v , t R, t = 0.

(4.40)

Tomando ahora lmites en (4.40) cuando t 0, y teniendo en cuenta que el

termino u(tv) v tiende a cero, se obtiene
f (x0 + tv) f (x0 )
= dfx0 (v).
t0
t
lm

Nota 4.2.9 El recproco de la proposici

on 4.2.8 no es cierto: hay funciones que poseen
todas las derivadas direccionales en un punto, aunque no son continuas en ese punto
(y, por tanto, a la vista del teorema 4.2.3, no son diferenciables en ese punto). Un
ejemplo de este fenomeno es la funcion f de R2 en R dada por
f (x, y) =

xy 2
x2 +y 4

si x = 0,
si x = 0.

Veamos que existe Dv f (0, 0), v = (a, b) R2 . Si a = 0 y t = 0, tenemos

f (ta, tb)
ab2
f (t(a, b)) f (0, 0)
b2
=
= 2
= Dv f (0, 0),

2
4
t
t
a +t b
a
cuando t 0. Un calculo similar prueba que Dv f (0, 0) = 0 cuando a = 0. Sin embargo, esta funci
on no es continua en (0,0): basta aproximarse a (0,0) por la par
abola
x = y 2 (sobre la que f , excepto en el origen, vale 1/2) para comprobarlo.

La proposici
on 4.2.8 tiene una consecuencia pr
actica apreciable; si se sabe que
una funci
on f es diferenciable en un punto (y, por tanto, existen en el sus derivadas
direccionales, en particular las derivadas parciales), podemos construir la matriz de
su diferencial efectivamente. Esto es lo que hace el siguiente
Corolario 4.2.10 Sea f una funci
on denida en un subconjunto abierto U de Rn con
m
valores en R . Sean f1 , f2 , . . . , fm sus componentes. Si f es diferenciable en un punto
118

Captulo 4. Diferenciabilidad
x0 U , su diferencial dfx0 tiene como matriz

D1 f1 (x0 ) D2 f1 (x0 )

dfx0 =
D1 fm (x0 ) D2 fm (x0 )

...
..
.
...

Dn f1 (x0 )

(4.41)

Dn fm (x )

que recibe el nombre de matriz jacobiana de f en x0 .

n. Basta recordar que la columna j-esima de la matriz de una aplicacion
Demostracio
lineal esta formada por las coordenads de la imagen del j-esimo vector de la base. En
nuestro caso, la columna j-esima son las coordenadas del vector dfx0 (ej ) = Dej f (x0 ) =
Dj f (x0 ), es decir, las coordenadas de


Dj f1 (x0 ), Dj f2 (x0 ), . . . , Dj fm (x0 ) .


En la proposici
on 4.2.8 hemos visto que la existencia de la diferencial de una
funci
on en un punto asegura la de todas sus derivadas direccionales, en particular de
todas las derivadas parciales, aunque mediante un ejemplo se ha visto tambien que
la existencia de todas las derivadas direccionales no implica la diferenciabilidad. En
el siguiente resultado probaremos que la existencia de las derivadas parciales y su
continuidad asegura la diferenciabilidad de la funci
on. As, muchas de las funciones
que el lector usara resultar
an ser diferenciables.
Teorema 4.2.11 Sea f una funci
on denida en una bola abierta B o (x0 ; r) de Rn con
m
valores en R . Si existen todas las derivadas parciales en B o (x0 ; r) y son continuas
en x0 , entonces f es diferenciable en x0 (15 ).
n. Desde luego, basta probar que cada una de las componentes fi es
Demostracio
on de Rn en Rm ,
diferenciable en x0 (en ese caso la aplicacion lineal dfx0 , aplicaci
sera precisamente la que tenga como componentes d(fi )x0 , i = 1, 2, . . . , m). Basta
pues probar el resultado para funciones f de B o (x0 ; r) en R.
Deberemos demostrar que hay una bola centrada en 0, digamos U , de modo que
se satisfaga la siguiente ecuacion (ver la ecuaci
on (4.30)):
f (x0 + h) f (x0 ) A(h) = u(h) h , h U,

(4.42)

donde u es una funci

on denida en U con valores en R de modo que lmh0 u(h) = 0, y
A es una aplicaci
on lineal de Rn en R. Sabemos de antemano que existen las derivadas
parciales de f en B o (x0 ; r). El candidato entonces para A es precisamente la aplicacion
lineal que tiene como matriz asociada


D1 f (x0 ), D2 f (x0 ), . . . , Dn f (x0 ) .
15 En el caso en que f tenga definidas todas las derivadas parciales en un conjunto abierto del
espacio y sean continuas en el, se dice que la funci
on f es continuamente diferenciable (o de clase
C 1 ) en dicho conjunto.

119

4.2. Calculo diferencial de funciones de varias variables

Es decir, debemos intentar probar que hay una bola U centrada en 0 de modo que
f (x0 + h) f (x0 ) D1 f (x0 ) h1 D2 f (x0 ) h2 . . .
. . . Dn f (x0 ) hn = u(h) h ,
(4.43)
h = (h1 , h2 , . . . , hn ) U, con u como antes.
Tomemos > 0 arbitrario. Entonces, como cada derivada parcial Dj f es continua
U centrada en 0 de modo que, si h U entonces
en x0 , hay una bola abierta

x0 + h B o (x0 ; r), y Dj f (x0 + h) Dj f (x0 ) < /n, j = 1, 2, . . . , n. Tomemos
h U .
Desde luego,
f (x0 + h) f (x0 ) =


= f (x0 + (h1 , h2 , . . . , hn )) f (x0 + (h1 , h2 , . . . , hn1 , 0)) +


+ f (x0 + (h1 , h2 , . . . , hn1 , 0)) f (x0 + (h1 , h2 , . . . , hn2 , 0, 0)) + . . .


. . . + f (x0 + (h1 , 0, . . . , 0, 0)) f (x0 ) .
(4.44)
La ventaja de descomponer f (x0 + h) f (x0 ) en la suma (4.44) es que cada
parentesis [] representa la diferencia entre la funci
on f evaluada en un punto y en
otro que diere del primero en una s
ola de las coordenadas (por ejemplo, el primer
parentesis en la coordenada n-esima). As, aplicaremos a cada uno de ellos el Teorema
del Valor Medio para funciones de una variable (teorema 4.1.21). Si, por comodidad,
denotamos v0 := 0, vk := (h1 , h2 , . . . , hk , 0, . . . , 0), entonces (4.44) aparece como
f (x0 + h) f (x0 ) =

n




f (x0 + vj ) f (x0 + vj1 ) .

(4.45)

j=1

Se tiene entonces


f (x0 + vj ) f (x0 + vj1 ) = Dj f (x0 + vj1 j hj ej ) hj ,
para cierto j ]0, 1[ , donde ej denota el j-esimo vector coordenado. Es obvio que
vj1 j hj ej es un vector en U , j = 1, 2, . . . , n. De esta forma, (4.45) aparece como
f (x0 + h) f (x0 ) =

Dj f (x0 + vj1 + j hj ej ) hj .

(4.46)

j=1

Llevando (4.46) al primer termino de (4.43), el valor absoluto de este se convierte

en


f (x0 + h) f (x0 ) D1 f (x0 ) h1 D2 f (x0 ) h2 . . . Dn f (x0 ) hn  =


 n

n



0
j1
j
0

=
Dj f (x + v
+ j hj e ) hj
Dj f (x ) hj  =
 j=1

j=1
120

Captulo 4. Diferenciabilidad


 n

 


Dj f (x0 + vj1 + j hj ej ) Dj f (x0 ) hj 
= 
 j=1


n



Dj f (x0 + vj1 + j hj ej ) Dj f (x0 ) |hj | < h .
j=1

Ello indica que, denotando

u(h) :=

1 
f (x0 + h) f (x0 )
h


D1 f (x0 ) h1 D2 f (x0 ) h2 . . . Dn f (x0 ) hn ,
si h = 0, se tiene |u(h)| < . De donde se obtiene que lmh0 u(h) = 0. Como bola U
buscada puede tomarse, por ejemplo B(0; r). Esto prueba el teorema.

Derivadas parciales sucesivas

Definici
on 4.2.12 Dada una funci
on f denida en un conjunto abierto U de Rn y
m
con valores en R , si f tiene derivada parcial j-esima en todo punto de U , queda
denida una nueva funci
on, precisamente Dj f , en U , con valores de nuevo en Rm . Si
esta funci
on tiene, a su vez, derivada parcial k-esima en cierto punto x0 de U , esta
derivada parcial se denota como
Dk Dj f (x0 ).
El proceso de deniciones de derivadas sucesivas podra eventualmente continuar,
escribiendose
Di Dk Dj f (x0 ),
y as sucesivamente. La derivada parcial reiterada respecto a la misma coordenada
(r)
. . . . Dj f (x0 ) suele escribirse abreviadamente Dj f (x0 ), y as las posibles
Dj Dj r. .veces
combinaciones
(s)
(r)
Dk . . . Dj f (x0 ).
De la misma forma podran denirse derivadas direccionales sucesivas.
En las secciones 5.1.1 y 5.4 continuaremos con este estudio, all relacionado con
un resultado muy importante conocido como F
ormula de Taylor .
En este momento nos limitaremos tan solo a dar un resultado que asegura que, en
condiciones sucientemente buenas, el orden de derivaci
on en el calculo de derivadas
parciales sucesivas es irrelevante para el resultado nal. Es lo que se conoce como
Teorema de Schwarz de las Derivadas Cruzadas.
121

4.2. Calculo diferencial de funciones de varias variables

Teorema 4.2.13 (Teorema de Schwarz de las derivadas cruzadas) Sea f una
funci
on con valores en Rm , denida en una bola abierta B o de Rn . Si, para dos
ndices i, j {1, 2, . . . , n}, existen las derivadas parciales Dj f y Dk f en B o , as como
ltimas
las derivadas parciales de segundo orden Djk f y Dkj f en B o , siendo estas u
continuas en un punto x0 B o , entonces
Djk f (x0 ) = Dkj f (x0 ).
n. Un momento de reexi
Demostracio
on permitir
a convencerse de que es suciente
demostrar el resultado para una funci
on real f de dos variables reales x1 y x2 . Fijamos
un vector h = (h1 , h2 ) con h1 = 0, h2 = 0, de modo que x0 + h = (x1 + h1 , x2 + h2 ),
as como (x01 , x02 + h2 ) y (x01 + h1 , x02 ), esten en B o . Denimos
C := f (x01 + h1 , x02 + h2 ) f (x01 , x02 + h2 ) f (x01 + h1 , x02 ) + f (x01 , x02 ),

(4.47)

y escribimos esta expresion de dos modos distintos. Para ello, introduzcamos la funci
on
auxiliar
(4.48)
(x2 ) = f (x01 + h1 , x2 ) f (x01 , x2 ),
denida s
olo para aquellos x2 R de modo que los puntos que aparecen en (4.47)
esten en B . Entonces, podemos escribir
C = (x02 + h2 ) (x02 ).

(4.49)

Desde luego, estamos en condiciones de aplicar el Teorema del Valor Medio para
funciones de una variable (teorema 4.1.21) a , con lo que resulta de (4.49) que existe
0 < < 1 de modo que
C = h2  (x02 + h2 ).
(4.50)
on (4.48) hace que (4.50) se transforme en
El c
alculo de  a partir de su denici


C = h2 D2 f (x01 + h1 , x02 + h2 ) D2 f (x01 , x02 + h2 ) .
(4.51)
Podemos de nuevo aplicar el teorema del Valor Medio para funciones de una
variable (teorema 4.1.21) a esta u
ltima expresion, consider
andola s
olo funci
on de la
primera variable. Obtenemos que existe 0 < < 1 tal que
C = h2 h1 D1 D2 f (x01 + h1 , x02 + h2 ).

(4.52)

De la simetra de esta u
ltima expresion resulta que podemos intercambiar los
papeles de x1 y x2 para obtener valores 0 <  < 1 y 0 <  < 1 tales que
C = h1 h2 D2 D1 f (x01 +  h1 , x02 +  h2 ).

(4.53)

De las expresiones (4.52) y (4.53), despues de dividir por h1 h2 , obtenemos

D1 D2 f (x01 + h1 , x02 + h2 ) = D2 D1 f (x01 +  h1 , x02 +  h2 ).

(4.54)

Recordando que, por hip

otesis, las dos funciones D1 D2 f y D2 D1 f son continuas


en x0 , basta hacer h = (h1 , h2 ) 0 en (4.54) para obtener el resultado.

122

Captulo 4. Diferenciabilidad

4.2.3.

La Regla de la Cadena

Funciones compuestas
Recordamos aqu el concepto de funci
on de funci
on, o funci
on compuesta, que
aparece con mucha frecuencia en An
alisis. Por ejemplo, el lector esta acostumbrado
a manejar expresiones como y = sen(x2 ). El signicado es claro: dado el n
umero real
on se
x, se calcula en primer lugar su cuadrado x2 , y al resultado de esta operaci
le aplica la funci
on seno. La siguiente denici
on precisa este comportamiento en el
caso general, que ya hemos analizado en el caso de funciones de una variable (ver el
teorema 4.1.6).
Definici
on 4.2.14 Dados tres conjuntos X, Y, Z, y dos funciones f : X Y ,
g : Y Z, se dene la funci
on compuesta h = g f como aquella h : X Y dada
por
h(x) = g [f (x)] , x X.
(4.55)
En nuestro ejemplo, f (x) = x2 , g(y) = sen(y), h(x) = sen(x2 ).
Es natural preguntarse por las propiedades que posee h a partir de las de f y g.
La Regla de la Cadena (o teorema de derivacion de la funci
on compuesta, que ya fue
mencionado en el caso de una variable en el teorema 4.1.6) asegura, basicamente, que
la diferenciabilidad de f y g implica la de h. Es mas: proporciona un metodo para el
calculo de la diferencial de h a partir de las de f y g. El resultado es completamente
natural: la diferencial de h en un punto es la composici
on de las de f en el punto y
g en su imagen por f . El lector conoce que la composicion de aplicaciones lineales
entre espacios nito-dimensionales tiene una matriz que es, simplemente, el producto
de las matrices respectivas. Esto hace que el problema de componer dos aplicaciones
lineales se reduzca al puramente mecanico de multiplicar dos matrices.
Teorema 4.2.15 (La Regla de la Cadena) Sean U y V , subconjuntos abiertos,
respectivamente, de Rn y Rm . Sean f : U V y g : V Rp , dos funciones. Sea
x0 U , sea f (x0 ) = y0 . Si f es diferenciable en x0 y g lo es en y0 , entonces h = g f ,
la funci
on compuesta, es diferenciable en x0 , y se verica
dhx0 = (dgy0 ) (dfx0 )

(4.56)

n. Si se trata de demostrar que h es una funci

Demostracio
on diferenciable en x0 ,
0
ormula (4.38)) asegurar que
y que su diferencial en x esta dada por (4.56), basta (f
h(x0 + a) h(x0 ) (dgy0 ) (dfx0 )(a) = w(a) a ,

(4.57)

no para que el punto x0 + a este en

a Rn , a = 0, con a lo sucientemente peque
U , y donde w es una funci
on que verica lma0 w(a) = 0.
Ahora




(4.58)
h(x0 + a) h(x0 ) = g f (x0 + a) g f (x0 ) .
123

4.2. Calculo diferencial de funciones de varias variables

ormula
Teniendo en cuenta que f es diferenciable en x0 resulta (usando de nuevo la f
(4.25))
 0,
(4.59)
f (x0 + a) f (x0 ) dfx0 (a) = u(a) a , a Rn , a =
a como antes, donde u es una funci
on tal que lma0 u(a) = 0, as que
f (x0 + a) = f (x0 ) + dfx0 (a) + u(a) a .
Llevando esta u
ltima expresion a (4.58) tenemos




h(x0 + a) h(x0 ) = g f (x0 ) + dfx0 (a) + u(a) a g f (x0 ) .

(4.60)

El segundo miembro de (4.60) representa la funci

on g calculada en un punto f (x0 )+b,
donde b = dfx0 (a) + u(a) a, menos la misma funcion calculada en f (x0 ).
Pero g es diferenciable en y0 = f (x0 ), as que, de nuevo usando (4.25), ahora para
g, se tiene
(4.61)
g(y0 + b) g(y0 ) = dgy0 (b) + v(b) b ,
siendo v una funci
on tal que lmb0 v(b) = 0. Sustituyendo (4.61) en (4.60) tenemos
h(x0 + a) h(x0 ) =




= g f (x0 ) + dfx0 (a) + u(a) a g f (x0 ) =
= dgy0 [dfx0 (a) + u(a) a] +
+v [dfx0 (a) + u(a). a] dfx0 (a) + u(a) a .
on lineal, la expresi
on anterior se
Teniendo en cuenta ahora que dgy0 es una aplicaci
convierte en
h(x0 + a) h(x0 ) = dgy0 [dfx0 (a)] + a dgy0 [u(a)] +
+v [dfx0 (a) + u(a) a] dfx0 (a) + u(a) a =
= dgy0 [dfx0 (a)] + w(a) a ,

(4.62)

donde
w(a) = dgy0 [u(a)] +

1
v [dfx0 (a) + u(a) a] dfx0 (a) + u(a) a .
a

(4.63)

La expresion (4.62) es (4.57) si logramos demostrar que lma0 w(a) = 0. Ahora

bien: si a 0, entonces u(a) tambien, y como toda funci
on lineal entre espacios
nito-dimensionales es continua (por que?), se tiene que dgy0 [u(a)] 0. Por la
misma razon, dfx0 (a) 0, as que dfx0 (a) + u(a) a tambien, luego
v [dfx0 (a) + u(a) a] 0.
Finalmente,
1
dfx0 (a) + u(a) a =
a
124

(4.64)

Captulo 4. Diferenciabilidad

 





 

a
a



 + u(a) .
= dfx0
(4.65)
+ u(a) dfx0
a
a 





a
Notar que u(a) 0 cuando a 0, mientras que dfx0 a
 esta acotado, para
cualquier a = 0 (la raz
on es que dfx0 es una funci
on continua y, sea cual sea a, se tiene
a
se encuentra sobre la esfera unidad, que es un conjunto cerrado y acotado
que a
n
en R , ver el teorema 3.3.3). Por tanto, cuando a 0, el primer miembro de (4.65)
esta acotado, as que, en vista de (4.64), el segundo sumando de (4.63) tambien tiende


a cero. As, lma0 w(a) = 0 y esto concluye la demostracion.
La diferencial es una aplicaci
on lineal, y como tal posee una matriz asociada en la
base canonica. Por lo tanto, se puede establecer una expresion matricial de la Regla
de la Cadena: supongamos que h = g f = (h1 , . . . , hp ), que f = (f1 , . . . , fm ) y que
g = (g1 , . . . , gp ). Del teorema anterior se deduce que

h1 (x0 )
h1 (x0 )

x
xn
1

.
..
..
d hx0 =
(4.66)
= d gy0 d fx0 =
.

0
0
hp (x )
hp (x )

x1
xn

g1 (y0 )
g1 (y0 )
f1 (x0 )
f1 (x0 )

y
ym
xn
1
x1

.
.
.
..
..
..
..
=

0
0
0
gp (y0 )
fm (x )
gp (y )
fm (x )

y1
ym
x1
xn
o abreviadamente, para cada i = 1, . . . , p y j = 1, . . . , n,
hi (x0 )  gi (y0 ) f (x0 )
=

xj
y
xj
m

=1

4.2.4.

Una aplicaci
on. La soluci
on de la ecuaci
on de onda

Demostrar que si V = f (x + ct) + g(x ct), entonces

2 V / t2 = c2 2 V / x2

(4.67)

donde c es una constante (esta ecuaci

on recibe el nombre de ecuacion de ondas) y,
recprocamente, cualquier soluci
on de esa ecuaci
on en derivadas parciales (4.67) debe
tener la forma de V .
Notar, en primer lugar, que f y g son funciones de una variable, mientras que V
es una funci
on de dos variables: x, t. Probar (4.67) a partir de la expresi
on de V es
125

4.2. Calculo diferencial de funciones de varias variables

sencillo: Considerese las aplicaciones
R2
(x, t)

R
 x + ct

R
 f (x + ct)

Desde luego, se supone que f es diferenciable. Al ser una funci

on de R en R, ello es
on
equivalente a que tenga derivada. Exactamente, dfy (h) = f  (y) h dfy es una aplicaci
lineal cuya matriz tiene una s
ola la y columna, precisamente, la formada por el
elemento (f  (y)). Desde luego, es diferenciable, y se tiene



(x, t),
(x, t) = (1, c)
d(x,t) =
x
t
(matriz 1 2). Entonces, por la Regla de la Cadena (ver el teorema 4.2.15), f
tiene como matriz de su diferencial


(f ) (f )
,
d(f )(x,t) =
=
x
t
= [f  ((x, t))] (1, c) = [f  (x + ct), cf  (x + ct)] .
Un resultado similar para las funciones : (x, t)  xct y g(y) proporciona, teniendo
en cuenta que V = f + g ,
V
V
(x, t) = f  (x + ct) + g  (x ct),
(x, t) = cf  (x + ct) cg  (x ct).
x
t
Volviendo a aplicar la Regla de la Cadena a las funciones de (x, t),

V
x

V
x

, resulta

2V
2V


(x,
t)
=
f
(x
+
ct)
+
g
(x

ct),
(x, t) = c2 f  (x + ct) + c2 g  (x ct).
x2
t2
As,

2 V /t2 = c2 2 V /x2 .

(4.68)

Recprocamente, supongamos que V satisface (4.67). Sea = x + ct, = x ct.

on = (1 , 2 ), (, ) = (x, t).
Entonces x = +
2 , t = 2c , lo que dene una funci
Consideramos as V como funci
on de (, ) :

R2
(, )

R2
 (x, t)
()

'

R
V (x, t)
*

W
La Regla de la Cadena, escrita ya en forma matricial, proporciona

1
1


 



W W
V V
V V

=
=

x t
x t
2
2

126

1
2

1
2

1
2c

1
2c

Captulo 4. Diferenciabilidad
luego
1 V
1 V
W
=

2 x
2c t

(4.69)

Podemos simplicar la expresi

on anterior llamando h(x, t) a la funci
on dada por el
segundo miembro de (4.69). Calcularemos las derivadas parciales de W
(, ) = h(x, t)
usando de nuevo la Regla de la Cadena:

R2
(, )

R2
 (x, t)
'

R
 h(x, t)

()

2W 2W
2


=

h h
x t

1
2

1
2

1
2c

1
2c

de donde
2W



1 h
1 h
1 1 2V
1 2V
=
+
=

+
2 x
2c t
2 2 x2
2c x t


1 2V
1 1 2V

=
+
2c 2 t x 2c t2

 2
1 2V
1 2V
1 2V
1 V
+

=
= 0,
4 x2
c x t c tx c2 t2

ya que se verica (4.67) (y se supone que se cumplen las hip

otesis del Teorema de
Schwarz de igualdad
de
las
derivadas
cruzadas
(teorema
4.2.13)).
Hemos as probado


W
W
que = 0, luego no depende de , y podemos escribir
W
= (),

(4.70)

para cierta funci

on . Ello indica tambien que, jado , y considerando los dos miembros de (4.70) como funciones solo de ,

W = ()d + una constante.
Pero esa constante depende del valor jado para (otro valor distinto podra
proporcionar otra constante distinta). Entonces

W = ()d + f () = g() + f ().
127

4.2. Calculo diferencial de funciones de varias variables

As, obtenemos
V (x, t) = W (, ) = g() + f () = g(x ct) + f (x + ct),
como queramos probar.

4.2.5.

Interpretaci
on geom
etrica del gradiente

En este apartado, proporcionaremos dos interpretaciones geometricas distintas del

vector gradiente, introducido en 4.2.2.
El gradiente como vector perpendicular al n
ucleo de una funci
on
Definici
on 4.2.16 Un camino en Rn es una funci
on denida en un intervalo de
R con valores en Rn . La imagen de esa funci
on se denomina curva en Rn . Si es
una funci
on continua, diferenciable,..., el camino se llama continuo, diferenciable,...
La variable (elemento del intervalo de denici
on) se suele llamar par
ametro.
Supongamos un camino denido en un intervalo abierto de R con valores en Rn ,
diferenciable en un punto de dicho intervalo. El lector observar
a que, sin perdida
de generalidad, puede suponer que el intervalo es ]1, 1[ y el punto en cuesti
on 0
(realizando un cambio de par
ametro). La diferencial d0 es una matriz 1 n cuyos
elementos son las derivadas en 0 de las funciones componentes de . Interpretada esta
matriz como un vector en Rn , coincide con  (0), es decir
(t) (0)
,
t
lmite que es un vector en Rn . La gura 4.11 ilustrar
a el signicado geometrico de
este vector: es el vector tangente a la curva denida por el camino en la direcci
on
del movimiento.
lm

t0

Figura 4.11: Vector velocidad

Sea ahora f una funci
on real denida en un subconjunto abierto U de Rn . Su
n
ucleo N (f ) es el subconjunto de U dado por
N (f ) = {x : x U, f (x) = 0} .
128

Captulo 4. Diferenciabilidad
Al conjunto {x : x U, f (x) = k} , donde k es cierta constante, se le llama conjunto
de nivel k.
Sea x0 un punto de N (f ) y un camino cuya curva asociada este contenida
en N (f ) y pase por x0 . Como antes, podemos suponer denida en ]1, 1[ con
on.
(0) = x0 . La gura 4.12 ilustra la situaci

Figura 4.12: Una curva en el n

ucleo de una funci
on
Consideremos la composicion de aplicaciones

]1, 1[ U

Pero f es identicamente nula! Si f es diferenciable en x0 y lo es en 0, la Regla

de la Cadena (teorema 4.2.15) proporciona, matricialmente,
df(0) d0 = dfx0 d0 = 0.

(4.71)

Si se interpreta dfx0 como un vector es, precisamente, f (x0 ) (ver la f

ormula
(4.29)), mientras que hemos visto m
as arriba que d0 es un vector tangente a la curva
en x0 . As (4.71) se traduce en el siguiente resultado
Teorema 4.2.17 Sea f : D  R una funci
on denida y diferenciable en un conjunto
abierto D Rn y sea N (f ) Rn+1 su n
ucleo. Sea :] 1, 1[ N (f ) un camino
diferenciable, y sea (0) = a. Entonces, f (a) es perpendicular a  (0), el vector
tangente a la curva en el punto a.
En particular, supongamos que N (f ) tiene la propiedad de que cualquier curva
que pase por x0 tiene un vector tangente siempre en el mismo plano. Esta propiedad
aparecera con frecuencia, y merece una denicion.
Definici
on 4.2.18 Se llama plano tangente a un conjunto S Rn en un punto x S
al subespacio formado por todos los vectores tangentes en x a las curvas diferenciables
contenidas en S y que pasan por x, en el caso de que realmente formen un subespacio
vectorial.
Resulta que
f (x0 ) es perpendicular al plano tangente a N (f ) en x0

129

4.2. Calculo diferencial de funciones de varias variables

Figura 4.13: Tangente a una curva en Gr(f )

El gradiente como direcci

on de m
axima variaci
on
Daremos ahora una distinta interpretaci
on geometrica del gradiente . Como antes,
sea f una funci
on real denida en un subconjunto abierto U de Rn y con valores en
R. La gr
aca de f , Gr(f ), es el subconjunto de Rn+1 dado por
Gr(f ) = {(x, f (x)) : x U } .
Sea x0 un punto de U donde f sea diferenciable. Estamos interesados en responder
a la siguiente pregunta: en que direccion a partir de x0 hay que moverse para que la
pendiente en la gr
aca sea maxima?
Para responderla, sea v Rn un vector arbitrario con v = 1. Si nos movemos
en Rn a partir de x0 en la direccion dada por v, estamos recorriendo en Rn la recta
x0 + tv (t es la variable), y, por tanto, la curva (x0 + tv, f (x0 + tv)) sobre Gr(f ).
Remtase el lector a la gura 4.13 (que ilustra el caso n = 2).
As el camino sobre Gr(f ) viene dado por , donde
] , [

- U

F
- Gr(f )
6

siendo (t) = x0 + tv ( > 0 se elige para que las imagenes de esten en U ), F(x) =
(x, f (x)), x U . Obviamente, es diferenciable en 0, con d0 = v (interpretada la
on de la Regla de la Cadena a la
matriz como un vector), y F lo es en x0 . La aplicaci
funci
on compuesta = F , proporciona
d0 = (v, f (x0 ) v),
donde d0 se interpreta como el vector  (0). Resulta que el vector tangente en
(x0 , f (x0 )) a la curva dada por el camino tiene una u
ltima coordenada que es
nico que nos interesa es
f (x0 ) v. Variamos v (siempre con norma unidad, pues lo u
la posible direcci
on). Cu
ando f (x0 ) v es maximo? Ello ocurre cuando f (x0 ) y
v son paralelos (por que?). Llegamos as a la siguiente conclusi
on:
130

Captulo 4. Diferenciabilidad
El vector gradiente f (x0 ) proporciona la direcci
on de m
axima pendiente a la
aca
gr
aca de f en el punto (x0 , f (x0 )) de esa gr

4.2.6.

Un caso concreto

Problema: Sea S una supercie en R3 , de ecuaci

on z = xy.
1.

Determinar la familia  de curvas sobre la supercie que tienen la propiedad

de que, en cada punto (x, y, z) , tiene la direcci
on de m
axima pendiente
de la supercie en ese punto (se supone que la curva puede ser dada en forma
parametrica utilizando precisamente x como par
ametro.)

2.

Hay, para cada punto (x0 , y0 , z0 ) S, una curva de la familia que pase por el?
Es una curva u
nica? Si no es as, determinar los puntos de S para los que una
o ambas de las preguntas tiene respuesta negativa.
Soluci
on:

1.

Se trata de determinar las curvas de la familia . Se dice que cada una de

ellas esta dada en forma parametrica usando como par
ametro precisamente x,
es decir, los caminos correspondientes vienen dados por una funci
on de la forma
x  [x, y(x), z(x, y(x))] ,
siendo z(x, y(x)) = x y(x), para que este sobre S. Para determinar el vector
v tangente a esta curva en un punto basta derivar respecto del par
ametro:
z
z 
+ y
y (x)). Sabemos que la direcci
on de m
axima pendiente
v = (1, y  (x), x
en cada punto de la supercie z = z(x, y) viene dada por z(x, y). En nuestro
caso, w = z(x, y) = (y, x). As, exigimos que la proyecci
on de v sobre el plano
OXY, que es precisamente (1, y  (x)), sea un vector paralelo a w (ver la gura
4.14).

Figura 4.14: Proyeccion del vector velocidad

131

4.2. Calculo diferencial de funciones de varias variables

La condici
on de paralelismo es que las coordenadas sean proporcionales. As,
1
y  (x)
=
.
y
x

Resulta que y(x) satisface la ecuacion y  (x) = xy . Esta

es una ecuacion diferencial
de variables separadas. Formalmente,
y2
2

x2
2

dy
dx

x
y,

luego ydy = xdx, e integrando,

+ constante, es decir,
y 2 = x2 + K.

(4.72)

As, la familia  pedida est

a formada por las curvas de ecuacion parametrica
x  [x, y(x), x y(x)], donde y 2 = x2 + K, siendo K una constante arbitraria.
2.

Dado un punto (x0 , y0 , z0 ) de S, la ecuacion (4.72) nos proporciona una conola, que verica y02 = x20 + K0 . La curva de la familia  que
stante K0 , y una s
tiene como ecuacion parametrica x  [x, y(x), x y(x)] donde y02 = x20 + K0 , pasa
nico punto conictivo: (0, 0, 0).
por ese punto (x0 , y0 , z0 ), y no hay otra. Hay un u
En ese punto no hay una direcci
on de m
axima pendiente, pues z(0, 0) = (0, 0).
La pendiente en cualquier direcci
on es 0. Una curva de nuestra familia  que
pasara por (0,0,0), al llegar a ese punto, no sabra como continuar. S
olo hay
dos curvas de  que pasan por (0, 0, 0): corresponden a K = 0, exactamente la
curva
x  (x, x, x2 ),
por una parte, y, por otra, la curva
x  (x, x, x2 ).

132

Captulo 4. Diferenciabilidad

4.3.

Ejercicios propuestos

4.3.1.
1.

Diferenciabilidad de funciones de varias variables.

Demostrar que todo vector unidad u en R3 puede expresarse de la forma u =

al es el signicado geometrico de 1 , 2 y 3 ?
(cos 1 , cos 2 , cos 3 ). Cu
Sugerencia: si u = 1 entonces sus componentes satisfacen |ui | 1. Por tanto
pueden ser cosenos de ciertos
angulos. Estudiar las proyecciones de un vector
unitario sobre los ejes.

2.

Sea f una funci

on denida en un conjunto abierto D R3 , diferenciable en
un punto x D. Demostrar que Du f (x) = D1 f (x). cos 1 + D2 f (x). cos 2 +
D3 f (x). cos 3 , donde 1 , 2 y 3 tienen el signicado del apartado anterior.
Sugerencia: utilizar la proposici
on 4.2.8 y el ejercicio anterior.

3.

Hallar las primeras y segundas derivadas parciales con respecto a x e y de

2f
2f
f (x, y) = arctan( xy ) y vericar que xy
= yx
.

4.

on de la ecuacion de Laplace 2 u = 0 (2
Mostrar que ln(x2 +y 2 ) es una soluci
2
2
x2 + y 2 es el operador bidimensional de Laplace).

5.

Vericar que u = y 2 e

que u = xy
6.

32

x2
y

x2
y

es una solucion de la ecuacion

2u
u
x2 +4 y

= 0 y deducir

tambien lo es.

Estudiar la existencia de derivadas parciales y la diferenciabilidad en (0, 0) de

las funciones
a)


f (x, y)

1
x sen x2 +y
2
0

(x, y) = (0, 0)
(x, y) = (0, 0).

,
,

b)
f (x, y)

(x2 + y 2 ) sen

1
x2 +y 2

(x, y) = (0, 0)

, (x, y) = (0, 0).

c)
f (x, y)

x|y|
2

(x, y) = (0, 0)

(x, y) = (0, 0).

x +y 2

a) No existe la derivada parcial primera en (0, 0), por tanto la funci

on no es
diferenciable en el origen.
b) Las derivadas parciales en (0, 0) son cero y la funci
on es diferenciable en el
origen.
133

4.3. Ejercicios propuestos

c)
7.

Existen las derivadas parciales de la funci

on en (0, 0) y son nulas. en cambio
la funci
on no es diferenciable en el origen.

A la vista de un plano topogr

aco, en el que estan representadas curvas de
nivel cada 10m de altura, se toma un punto (x0 , y0 ) y una cuadrcula de 10
metros de lado con ese punto como uno de los vertices. Se cuenta el n
umero de
curvas que cortan al lado inferior resultando p de ellas, y el n
umero que corta
al lado vertical, resultando q. Si f (x, y) representa la altura del punto del plano
(x, y), se aproxima f (x0 , y0 ) por unvector perpendicular a la curva de nivel
que pasa por ese punto y de m
odulo p2 + q 2 . a) Probar que es una razonable
aproximaci
on. b) Dar, as, una interpretaci
on geometrica del vector f (x0 , y0 ).
Sugerencia: a) A partir de la denici
on, es razonable aproximar la derivada
(x0 ,y0 )
0 )f (x0 ,y0 )
parcial primera por f (x0 +p10,y10
p y f (x0 ,y0 +q10)f
q. b) Es
10
perpendicular a la tangente a la curva de nivel en un punto.

8.

Sean f y g dos funciones diferenciables denidas en Rn con valores en Rn .

Supongamos que poseen derivadas parciales en un punto x. Denimos una nueva
funci
on h, esta vez de Rn en R, como h(x) := f (x), g(x), donde ,  denota un
on h posee derivadas parciales
producto escalar en Rn . Demostrar que la funci
en x y calcular su gradiente.
Sugerencia: describir las funciones f (x) y g(x seg
un sus funciones componentes
y efectuar el producto escalar.

9.

Sea r la distancia desde un punto jo P hasta un punto Q = (x, y, z). Cu

ales
son las supercie de nivel de r? Demostrar que r es un vector unitario en la
direccion de P a Q.
Sugerencia: circunferencias centradas en P. De nuevo es perperdicular a las
supercies de nivel en un punto.

10.

Hallar los puntos (x, y) y las direcciones para las que la derivada direccional de
aximo, si (x, y) esta en el crculo x2 + y 2 = 1.
f (x, y) = 3x2 + y 2 tiene el valor m
3
Considerese ahora un plano en R , digamos Ax + By + Cz + D = 0. Determinar
la direcci
on de pendiente m
axima. Hay en todos los casos una direccion de
pendiente 0?

Sugerencia: calcular la derivada direccional y maximizarla sobre la circunferencia unidad. Los puntos son (1, 0) y (1, 0) y las direcciones de m
axima derivada
direccional (1, 0) y (1, 0). La direcci
on de m
axima pendiente en cualquier punto del plano es la determinada por el vector (A/C, B/C) suponiendo C = 0.
A
, suponiendo B = 0. Otros casos son
S, es la direcci
on (u, v) en donde v = B
triviales.

f
11. ([Ap85, Vol. II, 8.17.6]): Sea f (x, y) = |xy|. a) Comprobar que f
x , y son
ambas cero en el origen. b) Tiene la supercie z = f (x, y) plano tangente en el
origen?
Sugerencia: considerese la secci
on producida en la supercie por el plano x = y.
134

Captulo 4. Diferenciabilidad
12.

([Ap85, Vol. II, 8.17.11]). Si r1 y r2 son las distancias desde un punto (x, y)
de una elipse a sus focos, demostrar que la ecuacion r1 + r2 =constante que
satisfacen esas distancias implica la relacion
T (r1 + r2 ) = 0,
siendo T el vector unitario tangente a la curva. Interpretar geometricamente
ese resultado y con ello demostrar que la tangente forma angulos iguales con las
rectas que unen (x, y) a los focos.

13.

([Ap85, Vol. II, 8.17.12]): Si f (x, y, z) es siempre paralelo a xi + yj + zk,

demostrar que f debe tomar valores iguales en los puntos (0, 0, a) y (0, 0, a).
Sugerencia: probar que la funci
on es de la forma f (x, y, z) = a(x2 + y 2 + z 2 ) + b
por integraci
on de las derivadas parciales.

14.

Sea f una funci

on real diferenciable denida en todo IRn . Suponer que f (0) = 0,
y que f (tx) = tf (x), t R, x = (x1 , x2 , . . . , xn ) Rn . Demostrar que
f (x) = f (0).x, x Rn .
Sugerencia: probar que f  (tx) es constante respecto de t. Particularizar en un
punto.

15.

([Ap85, Vol. II, 8.24.13]): Hallar el conjunto de todos los puntos (a, b, c) en R3
en los cuales las dos esferas (x a)2 + (y b)2 + (z c)2 = 1 y x2 + y 2 + z 2 = 1
se cortan ortogonalmente.
Sugerencia: sus planos tangente son perpendiculares en cada punto de intersecci
on.

16.

([Ap85, Vol. II, 8.24.14]): Un cilindro cuya ecuaci

on es y = f (x) es tangente a
la supercie z 2 + 2xz + y = 0 en todos los puntos comunes a las dos supercies.
Hallar f (x).
Sugerencia: sus planos tangente son paralelos en cada punto de intersecci
on.

17.

Probar que si V = f (t), donde t2 = x + y + z, es una soluci

on de 2 V = 0,
2
2
2
2
donde x2 + y2 + z2 es el operador tridimensional de Laplace, entonces
f (t) = At2 + B, donde A y B son constantes arbitrarias.

18.

on de x e y, demostrar que
Si x2 + y 2 + z 2 = a2 dene z como funci
2z 2z
2z 2
a2
]

[
=
.
x2 y 2
xy
z4

19.

Si ln V = at +

bx2
t

ln V t, probar que
2V
V
= abV.
+ 2b
2
x
t
135

4.3. Ejercicios propuestos

20.

Si V = (u), donde u = xyz, probar que

3V
= u2  + 3u +  .
xyz

21.

z
z
Si z = f (x + y) satisface la ecuacion x x
+ y y
= 1, probar que

(x + y)f  (x + y) = 1
y deducir la forma de la funci
on f .
Sugerencia: tomando t = x + y se obtiene que f (t) es una primitiva de 1/t. Se
trata, por tanto, de un logaritmo.
22.

Demostrar que, si f y g son funciones arbitrarias, u =

la ecuacion
1 2u
2 u 2 u
.
=
+
2
2
c t
x2
x x
sen

cos

f (xct)+g(x+ct)
x

satisface

ct

a
a
Deducir que u =
es una solucion a) por substituci
on directa en la
x
ecuacion; b) expres
andola en la forma de la anterior ecuaci
on general.

23.

Obtener la ecuacion en derivadas parciales de segundo orden satisfecha por V ,

que resulta al eliminar las funciones f y g de la relacion V = x2 g(y) + y 2 f (x).
Encontrar una soluci
on de esta ecuacion diferencial tal que V = x6 , V
x = 0
cuando y = x.

24.

Si z = f (x, y), donde x = x(t), y = y(t), obtener la expresi

on de

25.

Si f es una funci
on de x, y, y u = xm y n , v = xn y m , probar
a)
2

f
x

2
+y

f
y

2


2

= (m + n ) u

f
u

2
+v

d2 z
dt2 .

f
v

2 
;

b)
f
f
2f
2f
+ y2
+x
+y
=
x
y
x
y


2
2
f
f
2
2
2 f
2 f
= (m + n ) u
+v
+u
+v
.
u
v
u
v
x2

26.

136

v v
u
Si u, v son funciones de x, y tales que u
x = y , x = y (estas ecuaciones
se llaman de Cauchy-Riemann), demostrar que tanto u como v son funciones
arm
onicas, es decir funciones que satisfacen la Ecuaci
on de Laplace 2 = 0,
2
2
2
donde = x2 + y2 . Demostrar tambien que si f es una funci
on de u, v (y,
por tanto, de x, y), entonces

Captulo 4. Diferenciabilidad
a)
(
b)

27.

f
f 2
) + ( )2 =
x
y
2f
2f
+ 2 =
2
x
y




u
u
f
f
( )2 + ( )2
( )2 + ( )2 ;
x
y
u
v

 2

u
u
2f
f
( )2 + ( )2
+
.
x
y
u2
v 2

Demostrar que si V = f (x + ct) + g(x ct), entonces

2V
2V
= c2 2
2
t
x
esta ecuacion recibe el nombre de ecuaci
on de ondas) y, recprocamente, cualquier
solucion de esa ecuacion en derivadas parciales debe tener la forma de V .
Sugerencia: para probar el recproco denir u = x + ct, v = x ct. Utilizando
la regla de la cadena, obtener las derivadas parciales de orden 2 de la funci
on V (u, v) soluci
on de la ecuaci
on de ondas. Obtener informaci
on sobre las
derivadas parciales de orden 1. Integrar.

28.

([Ap85, Vol. II, 8.9.20]): a) Suponer que la derivada en la direcci

on y de una
funci
on f : Rn R en el punto x (denotada por Dy f (x)) es 0 para todo x en
una cierta bola B(a, r) y para todo y. Utilizar el Teorema del Valor Medio para
demostrar que f es constante en B(a, r). b) Suponer ahora que Dy f (x) = 0
para un vector jo y y para todo x en B(a, r). Que puede decirse de f en este
caso?

29.

([Ap85, Vol. II, 8.9.21]): Un conjunto S de Rn se llama convexo si para todo

par de punto a y b de S, el segmento de recta que une a con b tambien esta en
S. a) Demostrar que toda bola en Rn es convexa. b) Si Dy f (x) = 0 x S
(conjunto convexo abierto), y Rn , demostrar que f es constante en S.
Sugerencia: razonar de modo similar a como se hace en el ejercicio anterior.

30.

([Ap85, Vol. II, 8.22.5]): La introducci

on de las coordenadas polares cambia
f (x, y) en (r, ), donde x = r cos , y = r sen . Expresar las derivadas parciales
2
2
2
y r
en funci
on de las derivadas parciales de f .
de segundo orden r2 , r

31.

([Ap85, Vol. II, 8.22.8]): Las ecuaciones

u = f (x, y, z), x = X(s, t), y = Y (s, t), z = Z(s, t)
denen u como funci
on de s, t, sea esta u = F (s, t). Aplicando una forma
F
adecuada de la regla de la cadena expresar las derivadas parciales F
s y t en
funci
on de las derivadas parciales de f , X, Y , Z.

32.

Sea f (x) = f (x, y) = x2 2xy. Se pide a) garantizar que hay al menos un punto
x0 = (x0 , y0 ) en la esfera unidad S de R2 y una direcci
on dada por un vector
137

4.3. Ejercicios propuestos

on
w = (wx , wy ) de S de modo que, si Dv f (x, y) denota la derivada en la direcci
v de f en el punto (x, y), se tenga
Dw f (x0 , y0 ) = sup{Dv f (x, y), (x, y) S, v S}.
b) Encontrar ese punto y esa direcci
on, as como el valor del anterior supremo.
c) Si se interpreta Dv f (x, y) como un producto escalar de dos vectores (dar esa
interpretacion), se podra haber previsto la direcci
on w de antemano?
Sugerencia: razonar de modo similar a como se hace en el ejercicio 10.
33.

Hallar una constante c para que, en todo punto de intersecci

on de las dos esferas
(x c)2 + y 2 + z 2 = 3,
x2 + (y 1)2 + z 2 = 1,
los planos tangentes correspondientes sean perpendiculares.

34.

El volumen de un cilindro circular crece a raz

on de 2 cm3 /s y su altura a
0,04 cm/s. Encontrar la velocidad a la que cambia el radio cuando tiene 6 cm
y la altura 4 cm.

35.

Sea f : D R una funci

on denida en un conjunto abierto D Rn . Supongamos que existan todas las derivadas parciales en x, x D. Entonces, si f posee
un m
aximo o mnimo relativo en un punto x0 D, demostrar que Dk f (x0 ) = 0,
k = 1, 2, . . . , n.

138

Captulo 5

Aproximaci
on de funciones y
problemas de extremos
5.1.

Aproximaci
on polinomial

Una funci
on f denida en cierto dominio de Rn y con valores en Rm puede tener
una expresi
on y un comportamiento complicados. En muchas circunstancias es conveniente aproximar la funci
on mediante una m
as simple. Estos dos terminos son
ambiguos. En primer lugar, porque no est
a claro lo que se quiere decir mediante la
expresion aproximar. En segundo lugar, porque lo que se entiende como una funcion simple es impreciso (la funcion exponencial puede entenderse como una funci
on
simple; sin embargo, es la suma de una serie innita de potencias (ver el apartado
7.1.4).
Respecto al segundo aspecto, adoptaremos el punto de vista de que los polinomios
son funciones sencillas (aunque, por ejemplo, el problema de calcular sus ceros puede
ser muy complicado), ya que se pueden derivar tantas veces como se desee, y a partir
de un cierto momento las derivadas sucesivas se anulan.
En relaci
on con lo que se entiende como aproximar hay que adoptar distintos
criterios. En el primer tratamiento que haremos, se trata de hacerlo localmente, es
decir, en las proximidades de un punto. Esto se hace en los apartados 5.1.1 y 5.4.
En 5.2 haremos un segundo tratamiento, que consiste en realizar una aproximaci
on
global, es decir, en todo punto del dominio.
139

5.1. Aproximaci
on polinomial

5.1.1.

Breve repaso del concepto de polinomio de Taylor de

una funci
on de una variable

Introducci
on
Sea f una funci
on real denida en un intervalo abierto ]a, b[ que contenga un punto
x0 . Nuestra intenci
on es aproximar la funci
on f en las proximidades de x0 mediante
on que
un polinomio de cierto grado n, denotado como Pn f 1 con una aproximaci
podamos controlar, y que nos proporcione una idea del comportamiento de f , con
posibles aplicaciones pr
acticas, como determinar el caracter de dicho punto (m
aximo,
mnimo, punto de inexi
on, concavidad, convexidad, existencia de races,...).
a deFijada la funci
on f y el punto x0 , el polinomio Pn f, de grado n, quedar
terminado por su grado, as como por ciertas condiciones adicionales que lo distingan
de los otros posibles polinomios del mismo grado. Un polinomio de grado n, cuya
expresion general es de la forma
Pn f (x) = a0 + a1 (x x0 ) + a2 (x x0 )2 + + an (x x0 )n ,

(5.1)

(se admite que alguno de los coecientes pueda ser cero), queda determinado dando
los valores de sus (n + 1) coecientes a0 , a1 , ..., an .2 Una forma que responde a la idea
local de aproximaci
on (hay otras, como veremos en la Seccion 5.2 sobre interpolaci
on) de asegurar que, en las proximidades de x0 , Pn f simula el comportamiento
de f , es asegurar que los valores de f y de sus derivadas sucesivas coincidan con los
de Pn f y sus correspondientes derivadas hasta orden n en x0 .
Por ejemplo, y seg
un este punto de vista local, el polinomio de grado 0 (es decir,
una constante) que mejor aproxima a f en un entorno de x0 es
P0 f (x) = f (x0 ).

(5.2)

El de grado 1 (es decir, una recta) que tiene la propiedad de coincidir el y su

primera derivada con f y f  en x0 , respectivamente (obviamente, en el supuesto de
que f tenga derivada en x0 ) es
P1 f (x) = f (x0 ) + f  (x0 )(x x0 ),

(5.3)

que resulta f
acilmente reconocible como la recta tangente a f en el punto x0 (ver el
desarrollo realizado en la seccion 4.1).
1 El polinomio en cuesti
on depender
a de la funci
on f considerada, as como del n
umero entero
positivo n y del punto x0 , aunque ser
a denotado simplemente por Pn f . La notaci
on, pues, no precisa
el punto alrededor del cual se desarrolla la funci
on f , aunque en todos los casos se indicar
a este
importante detalle.
2 La raz
on de considerar en (5.1) potencias de (x x0 ) en lugar de potencias de x es que, de esa
forma, hay una relaci
on muy sencilla entre los coeficientes a0 , a1 , ..., an y los valores de Pn f y de sus
sucesivas derivadas en x0 ; exactamente,

ak =

140

(Pn f )(k) (x0 )

, k = 0, 1, 2, . . . , n.
k!

Captulo 5. Aproximaci
on de funciones y problemas de extremos
An
alogamente, el polinomio de grado 2, P2 f, que coincide con f y sus derivadas
hasta el grado 2 en x0 (ahora suponiendo que existe f  (x0 ), lo que requiere que exista
f  en un entorno de x0 ), es
P2 f (x) = f (x0 ) + f  (x0 )(x x0 ) +

f  (x0 )
(x x0 )2 .
2!

(5.4)

De la misma forma se procedera con polinomios de grado mayor, obteniendose

inmediatamente (mediante identicaci
on de coecientes, simplemente observando la
nota 2) la f
ormula que proporciona el polinomio Pn f de grado n que tiene la
propiedad de coincidir con f y sus derivadas sucesivas hasta el orden n en el punto
x0 (siempre suponiendo que f (n) (x0 ) exista, lo que requiere la existencia de f (m) (x)
en un entorno de x0 para m = 1, 2, . . . , n 1):
f  (x0 )
f (3) (x0 )
(x x0 )2 +
(x x0 )3 + . . .
2!
3!
n

f (n) (x0 )
f (k) (x0 )
... +
(x x0 )n =
(x x0 )k ,
n!
k!

Pn f (x) = f (x0 ) + f  (x0 )(x x0 ) +

k=0

es decir,
Pn f (x) =

n

f (k) (x0 )

k!

k=0

(x x0 )k .

(5.5)

donde f (0) denota simplemente la funci

on f .
En la gura 5.1 se representan los polinomios P0 f , P1 f , P2 f y P3 f , as como la
funci
on f en el intervalo ]2, 2[ , cuando f (x) = sen(x) y x0 = 0.
2

1.5

0.5

P1, P3 y P5

0.5

1.5

2
2

1.5

0.5

0.5

1.5

Figura 5.1: Distintos polinomios de Taylor alrededor de x0 = 0 de sen x

Existencia del polinomio de Taylor

Lo dicho hasta ahora puede resumirse en el siguiente
141

5.1. Aproximaci
on polinomial
Teorema 5.1.1 Sea f una funci
on real denida en un intervalo abierto ]a, b[ R que
contenga un punto x0 . Supongamos que exista f (n) (x0 ) (lo que requiere la existencia
de f (m) (x0 ) en un entorno de x0 , m = 1, 2, . . . , n 1). Entonces existe un polinomio
de grado n y uno s
olo, denotado por Pn f , tal que
Pn f (m) (x0 ) = f (m) (x0 ),

m = 0, 1, 2, ..., n.

(5.6)

Exactamente, tal polinomio tiene la expresi

on

Pn f (x) =

n

f (k) (x0 )
k=0

k!

(x x0 )k

(5.7)

n. En este caso, la demostracion queda reducida a dos elementales

Demostracio
comprobaciones: la primera, que, efectivamente, (5.7) verica las condiciones (5.6). La
segunda, que si un polinomio como (5.1) verica (5.6), necesariamente sus coecientes
vienen dados por las f
ormulas
ak =
Esto concluye la demostracion.

f (k) (x0 )
, k = 0, 1, 2, . . . , n
k!

(5.8)

Definici
on 5.1.2 Dada una funci
on f que verica las condiciones impuestas en el
teorema 5.1.1, se llama Polinomio n-esimo de Taylor asociado a f en el punto x0 al
polinomio Pn f denido por la formula (5.7).
Nota 5.1.3 1. En primer lugar, es claro que el nesimo polinomio de Taylor
asociado a un polinomio f de grado n, es precisamente el mismo polinomio f .
2.

Es inmediato que el nesimo polinomio de Taylor Pn f asociado a f = g + h

en el punto x0 es, precisamente, la suma de los correspondientes polinomios
nesimos asociados a g y h, Pn g y Pn h, respectivamente. Analogamente, el
polinomio asociado a f, siendo un cierto n
umero real, es, precisamente,
Pn f. Estas observaciones permiten calcular el polinomio de Taylor asociado a
funciones que son combinaci
on lineal de otras m
as simples.

Ejemplos
Daremos algunos ejemplos de polinomios de Taylor asociados a funciones elementales, as como algunas propiedades simples de tales polinomios. Los siguientes
ejemplos hacen referencia a funciones elementales conocidas.
142

Captulo 5. Aproximaci
on de funciones y problemas de extremos
1.

on f sabemos 3 que es derivable tantas veces

Sea f (x) = ex = exp(x). De la funci
como queramos en cualquier entorno de 0 (siendo su derivada en cada punto
igual a la misma funci
on evaluada en ese punto). Un sencillo c
alculo demuestra
que el n-esimo polinomio asociado a f en x0 = 0 es
Pn f (x) = 1 +

2.

x3
xn
x x2
+
+
+ .... +
.
1
2!
3!
n!

Sea f (x) = sen(x). Tambien f es derivable tantas veces como queramos en

cualquier entorno de 0. Igual que antes (respecto al punto x0 = 0), resulta
P2n+1 f (x) = P2n+2 f (x) = x

3.

x2n+1
x5
x3
+
+ (1)n
3!
5!
(2n + 1)!

(5.10)

Sea f (x) = cos(x). La funci

on f es derivable tantas veces como queramos en
cualquier entorno de 0. Como antes (siempre respecto al punto x0 = 0), resulta
P2n f (x) = P2n+1 f (x) = 1

4.

(5.9)

x4
x2n
x2
+
+ (1)n
2!
4!
(2n)!

(5.11)

Sea f (x) = ln(1+x), x > 1 (en otro caso, f no esta denida). En el intervalo
]1, +[ esta funci
on tiene derivadas de todos los ordenes. Es inmediato que
(respecto al punto x0 = 0)
Pn f (x) = x

x3
xn
x2
+
+ (1)n1 .
2
3
n

(5.12)

La F
ormula de Taylor y el Resto de Taylor
El desarrollo hecho hasta ahora sugiere que, en relaci
on con los polinomios de
Taylor Pn de una funci
on real f denida en un intervalo ]a, b[ respecto a un punto x0
de ese intervalo, cabe hacerse las siguientes preguntas (ver la gura 5.1):
1.

Aparentemente (y jado n N), Pn f (x) es tanto mejor aproximaci

on de f (x)
cuanto m
as cerca este x del punto x0 . Se trata de cuanticar el grado de aproximaci
on |f (x) Pn f (x)| para distintos x.

3 Aqu
hay que hacer una observaci
on; el lector percibir
a que se han utilizado, desde el estudio de los
lmites, continuidad y derivabilidad de funciones de una variable, funciones denominadas elementales
(como la exponencial, logartmica, trigonometricas, etc,) aunque no han sido propiamente definidas
-la funci
on exponencial s, en la definici
on 3.2.4. La forma m
as adecuada de introducir estas funciones
es, precisamente, a traves de la Teora de Series, y as se har
a en el captulo 7. Basta ahora observar
que el polinomio de Taylor de orden n de la funci
on exponencial desarrollado en 0 (ecuaci
on (5.9)) es
la parte inicial(es decir, la suma parcial n
esima) de la serie de Taylor que definir
a, exactamente,
la funci
on exponencial. Esta especie de crculo viciosoes lo que se podra haber evitado definiendo
la funci
on exponencial directamente como suma de una serie.

143

5.1. Aproximaci
on polinomial
2.

Que ocurre en el caso que sea posible calcular polinomios de Taylor Pn f ,

n = 1, 2, 3, . . .? Es cierto que Pn f es, a medida que n crece, cada vez mejor
aproximaci
on de f en el intervalo ]a, b[ (entre otras cosas, sera necesario denir
lo que se entiende por la expresi
on mejor aproximaci
on de f en un subconjunto).

Una respuesta a la segunda pregunta tendr

a que esperar hasta que presentemos,
en el captulo 7, las series numericas y de funciones y, mas particularmente, en la
denici
on 7.3.17, el concepto de serie de Taylor asociada a una funci
on.
Sin embargo, podemos dar una respuesta inmediatamente a la primera pregunta.
Es lo que constituye la F
ormula de Taylor (teorema 5.1.4). Como el resto se expresar
a usando una integral, remitimos al captulo 6 y, m
as particularmente, al teorema
6.5.2, donde se proporciona la prueba.
Teorema 5.1.4 (F
ormula de Taylor con resto integral) Sea f una funci
on denida y con derivada continua hasta el orden (n + 1) en un intervalo I R que
contiene a un punto x0 . Entonces, dado un punto arbitrario x I, se tiene
f (x) = Pn f (x) + En f (x),

(5.13)

donde Pn f es el Polinomio de Taylor asociado a f en el punto x0 , dado por

Pn f (x) =

n

f (k) (x0 )
k=0

k!

(x x0 )k (ver la f
ormula 5.7)

y En f (x) es el llamado Resto de Taylor en forma integral, dado por

En f (x) =

1
n!

(x t)n f (n+1) (t)dt

(5.14)

x0

Esta
es la llamada Forma Integral del Resto de Taylor (4 ).
4 Existen versiones de la F
ormula de Taylor que proporcionan una cota del error cometido al
considerar Pn f en lugar de f con menos condiciones sobre la funci
on f . El siguiente teorema puede
encontrarse, por ejemplo, en [T.M. Ap
ostol: An
alisis Matem
atico, segunda edici
on, teorema 5.19]:

Teorema 5.1.5 Sea f una funci

on que admite derivada (n + 1)
esima finita en todo el intervalo
abierto ]a, b[, y supongamos que la derivada n
esima de f sea continua en el intervalo cerrado [a, b].
Sea x0 [a, b]. Entonces dado x [a, b], x = x0 , existe un punto z, interior al intervalo que une x
con x0 , tal que
f (x) = Pn f (x) + En f (x),
donde Pn f es el polinomio de Taylor (5.7) asociado a f en x0 y
En f (x) =

f (n+1) (z)
(x x0 )n .
(n + 1)!

(Ver la f
ormula (5.19), que proporciona la llamada forma de Lagrange del resto de Taylor ).

144

(5.15)

Captulo 5. Aproximaci
on de funciones y problemas de extremos
La formula (5.14) (que es una f
ormula exacta) proporciona el error cometido al
aproximar f (x) mediante Pn f (x), ya que, obviamente, En f (x) = f (x) Pn f (x). A
continuaci
on, indicaremos el modo de usar el teorema 5.1.4 para estimar dicho error,
es decir, para proporcionar cotas superiores e inferiores para En f (x) cuyo calculo sea
relativamente simple.
Proposici
on 5.1.6 Con las condiciones exigidas a f en el teorema 5.1.4, se tiene,
en el caso en que m f (n+1) (t) M para t I, que
m

(x x0 )n+1
(x x0 )n+1
En f (x) M
, si x > x0 ,
(n + 1)!
(n + 1)!

(5.16)

mientras que
m

(x0 x)n+1
(x0 x)n+1
(1)n+1 En f (x) M
, si x < x0 .
(n + 1)!
(n + 1)!

(5.17)

n. El resultado tiene una prueba simple: Supongamos en primer lugar

Demostracio
n
(un n
umero 0) los
que x > x0 . Sea t [x0 , x] . Entonces, multiplicando por (xt)
n!
miembros de las desigualdades m f (n+1) (t) M, obtenemos
m

(x t)n
(x t)n
(x t)n
f n+1 (t)
M
.
n!
n!
n!

Basta ahora integrar entre x0 y x cada uno de los miembros de la anterior desigualdad, teniendo en cuenta la Ley de Monotona de las integrales de Riemann. Resulta
exactamente (5.16).
Si ahora, por el contrario, se tiene x < x0 y se toma t [x, x0 ], basta multiplicar
n
umero 0 dado por (tx)
las desigualdades m f (n+1) (t) M por el n
n! , e integrar
entre x y x0 , aqu x < t < x0 :
 x0
 x0
 x0
(t x)n
(t x)n
(t x)n
dt
dt M
dt,
m
f n+1 (t)
n!
n!
n!
x
x
x
de donde
(x0 x)n+1
m
(1)n+1
(n + 1)!

f n+1 (t)
x0

(x0 x)n+1
(x t)n
dt M
,
n!
(n + 1)!

que es precisamente (5.17).

Ejemplo 5.1.7 Sea f (x) = sen(x), x0 = 0. Hemos dado la expresion de P2n+2 f

en 5.1.1, ejemplo 2 (la raz
on de usar P2n+2 f en lugar de P2n+1 f, aunque ambos
polinomios coinciden, se ver
a inmediatamente). As, dado x R arbitrario,
sen(x) = x

x5
x2n+1
x3
+
. . . + (1)n
+ E2n+2 (x).
3!
5!
(2n + 1)!
145

5.1. Aproximaci
on polinomial
on 5.1.6,
Se tiene 1 sen(k) (x) 1, k = 0, 1, 2, . . ., x R. Aplicando la proposici
resulta
x2n+3
x2n+3
E2n+2 f (x)
, si x > 0,
(1)
(2n + 3)!
(2n + 3)!
(1)

(x)2n+3
(x)2n+3
(1)2n+3 E2n+2 f (x)
, si x < 0,
(2n + 3)!
(2n + 3)!

de lo que se deduce que

|En+2 f (x)|

2n+3

|x|
,
(2n + 3)!

x R.

(5.18)

Esto proporciona una estimaci

on del error cometido al aproximar sen(x) mediante el
polinomio de Taylor
P2n+2 f (x) = x

x5
x2n+1
x3
+
+ (1)n
.
3!
5!
(2n + 1)!

Se aprecia que este error es peque

no en las proximidades de 0 (cuanto m
as peque
no
sea x en valor absoluto, tanto m
as peque
no es el error). Por ejemplo, si |x| 1, el
error es
1
|E2n+2 f (x)|
.
(2n + 3)!
En este caso tambien aparece claramente un tipo de comportamiento acerca del que
ya hemos indicado antes algo: sea cual sea x R, a medida que n aumenta, el nesimo
polinomio de Taylor se aproxima m
as y mas a la funci
on sen(x). M
as precisamente,
dado un intervalo [r, r] (para cierto r > 0), y dado > 0, es posible encontrar
un n N de modo que el nesimo polinomio de Taylor Pn f diere de la funci
on
f (x) = sen(x) en menos que en todo punto del intervalo. Ello es f
acil de comprobar
a partir de las estimaciones (5.16) y (5.17) anteriores: si |x| r, se tiene
|E2n+2 f (x)|

r2n+3
, x [r, r] .
(2n + 3)!
n

Se puede pues comprobar que, sea cual sea r > 0, rn! converge a cero cuando n +
(tambien se puede obtener este resultado como consecuencia de la teora de series
n
numericas (ver la seccion 7.1): basta observar que rn! es el termino general de una
serie convergente, por tanto converge a cero cuando n +). Resulta entonces que
no en todo el intervalo [r, r] , es decir, que
|E2n+2 f (x)| es uniformemente peque
|f (x) P2n+2 f (x)| < , x [r, r] , sin mas que tomar n sucientemente grande.
En el mismo Captulo 7 indicaremos que el tipo de convergencia que aqu resulta
(convergencia de Pn f hacia f cuando n crece) en un intervalo [r, r] recibe el nombre
de uniforme).
Como ejemplo numerico particular, supongamos que queremos obtener el valor
ormula (5.18) da una cota superior
de sen(0,5) con un error menor que 107 . La f
146

Captulo 5. Aproximaci
on de funciones y problemas de extremos
del error cuando se toma P2n+2 f (0,5) como valor aproximado de sen(0,5). Si n = 3,
resulta
8
|0,5|
< (9,69)108 < 107 .
|E7 f (x)|
8!
Se tiene
x5
x7
x3
+
,
P8 f (x) = x
3!
5!
7!
as que P8 f (0,5) = 0,4794255 representa pues el valor de sen(0,5) con un error < 107 .
F
ormula de Taylor con resto de Lagrange
El siguiente resultado proporciona una expresi
on del Resto de Taylor En f (x) que,
en muchas circunstancias, es mas comodo de manejo que el resto integral dado en el
teorema 5.1.4, formula (5.14). Es la llamada Forma de Lagrange del Resto de Taylor.
Es cierto que puede obtenerse, como hemos dicho en la nota 4, con menos condiciones
sobre la funci
on. Sin embargo, las que aqu exigimos (las mismas que lo fueron en el
teorema 5.1.4) son sucientes para nuestros prop
ositos.
Teorema 5.1.8 (F
ormula de Taylor con resto de Lagrange) Con las mismas
condiciones sobre una funci
on f que las exigidas en el teorema 5.1.4, resulta que
existe un punto c en el intervalo comprendido entre x0 y x tal que
En f (x) = f (n+1) (c)

(x x0 )n+1
(n + 1)!

(5.19)

Esta forma del resto se denomina de Lagrange.

n. Este resultado es una simple consecuencia del teorema 5.1.4 junto
Demostracio
con el Teorema del Valor Medio Ponderado para integrales de Riemann, que reproducimos y probamos a continuaci
on para referencia posterior:
Teorema 5.1.9 (Del valor medio para integrales de Riemann) Sean f y g dos
funciones continuas en un intervalo [a, b]. Supongamos que g no cambia de signo en
dicho intervalo. Entonces existe un c [a, b] tal que


f (x)g(x)dx = f (c)
a

g(x)dx.

(5.20)

n. Podemos suponer g(x) 0, x [a, b] (en el otro caso, se procede

Demostracio
similarmente). Sea
m = mn {f (x) : x [a, b] } , M = max {f (x) : x [a, b] } .
Entonces, multiplicando las desigualdades m f (x) M por g(x), obtenemos
mg(x) f (x)g(x) M g(x), x [a, b]. Basta ahora tener en cuenta la ley de
147

5.1. Aproximaci
on polinomial
monotona de las integrales de Riemann para obtener, integrando,


g(x)dx

m

b
a

f (x)g(x)dx M

Si

b
a

g(x)dx.
a

g(x)dx fuera cero, (5.20) sera obvio. Si no, resulta que

m

b
a

f (x)g(x)dx
M,

b
g(x)dx
a

as que, por el Teorema del Valor Intermedio aplicado a la funci

on continua f , existe
c [a, b] de modo que

b
f (x)g(x)dx
.
f (c) = a
b
g(x)dx
a

Esto demuestra (5.20).

Continuando con la demostraci

on del teorema 5.1.8, es bastante aplicar el teorema
5.1.9 a la f
ormula integral (5.14) del Resto de Taylor obtenida en el teorema 5.1.4,
teniendo en cuenta que la funci
on de t dada por (x t)n no cambia de signo mientras
on continua:
t se encuentre entre x0 y x, as como que f (n+1) (x) es una funci
 x
1
(x t)n f (n+1) (t)dt =
En f (x) =
n! x0
 x
(x x0 )n+1
= f (n+1) (c)
,
(x t)n dt = f (n+1) (c)
(n + 1)!
x0

para cierto c entre x0 y x.

Ejemplo 5.1.10 Supongamos que queremos aproximar el valor del n

umero e =
exp(1), con un error < 108 . Sea f (x) = ex = exp(x) (la funci
on exponencial esta caracterizada como la u
nica funci
on derivable f denida en la recta real que tiene las
dos siguientes propiedades: (1) f  (x) = f (x), x R, y (2) f (0) = 1. Ellas son
sucientes para deducir todas las restantes propiedades).
La f
ormula (5.13) proporciona, para x0 = 0, siendo x un punto cualquiera en R,
exp(x) = Pn f (x) + En f (x) = 1 + x +

x3
xn
x2
+
+ ... +
+ En f (x),
2!
3!
n!

(5.21)

donde seg
un (5.19),
En f (x) = f (n+1) (c)
148

xn+1
xn+1
= f (c)
(n + 1)!
(n + 1)!

(5.22)

Captulo 5. Aproximaci
on de funciones y problemas de extremos
siendo c un punto comprendido entre 0 y x. Ahora, resulta que f es una funci
on
estrictamente creciente para x 05 . Por tanto, (5.22) proporciona
En f (1) = f (c)

1
,
(n + 1)!

donde c esta comprendida entre 0 y 1, as que

En f (1) f (1)

e
1
=
.
(n + 1)!
(n + 1)!

(5.23)

Obtenemos, haciendo x = 1 en (5.21),

e = exp(1) = Pn f (1) + En f (1) = 1 +

1
1
1
1
+ + + ... +
+ En f (1),
1! 2! 3!
n!

luego
e1+
as que

1
1
1
e
1
+ + + ... +
+
,
1! 2! 3!
n! (n + 1)!

1
e 1
(n + 1)!


1+

1
1
1
1
+ + + ... + .
1! 2! 3!
n!

Tomando en particular n = 2, resulta, despues de unos pocos calculos con la expresion

anterior, que e 3.
Llevando ahora esta estimacion a (5.23) obtenemos
En f (1)

3
.
(n + 1)!

Tomando n = 11, tenemos E11 f (1) 6,263 109 < 108 . Una aproximaci
on de e con
1
1
1
1
+ 2!
+ 3!
+ ... + 11!
= 2,7182814.
un error menor que 108 viene dada pues por 1 + 1!
El valor de e con 10 decimales exactos es 2.7182818285.

5.1.2.

Aplicaciones geom
etricas elementales

Si una funci
on f : [a, b]  R es continua en el intervalo [a, b] alcanza el supremo
en dicho intervalo, como se deduce del teorema 3.3.3. As, el supremo es, en realidad,
un m
aximo, que puede alcanzarse en un punto x0 de la frontera del intervalo (es
5 Esta afirmaci
on puede demostrarse usando s
olo las propiedades (1) y (2) de la funci
on exponencial
dada en el p
arrafo anterior, de la siguiente forma:
Supongamos que existe x > 0 tal que f (x) = 0. Entonces, el conjunto C = {x : x 0, f (x) = 0}
es cerrado y no vaco (pues f es una funci
on continua). Sea x0 C su nfimo. Entonces f (x0 ) = 0,
luego el Teorema del Valor Medio proporciona f (x0 ) f (0) = 1 = f  (c) x0 , para cierto c ]0, x0 [ .
As, f (c) = f  (c) < 0. Como f (0) = 1, hay un punto entre 0 y c en el que f se anula, por el Teorema
del Valor Intermedio. Esto contradice la definici
on de x0 . As pues, f (x) = 0, x 0, lo que implica,
pues f (0) = 1, que f (x) > 0, x 0. Entonces f  (x) = f (x) > 0, x 0, y f es estrictamente
creciente en {x : x 0}.

149

5.1. Aproximaci
on polinomial
decir, x0 = a o bien x0 = b) o en un punto interior. Si f tiene ademas derivada en el
intervalo ]a, b[, es una consecuencia del Teorema del Valor Medio que f  (x0 ) = 0.
La condici
on f  (x0 ) = 0 es as necesaria una vez es conocido que el extremo se
alcanza en x0 ]a, b[. Sin embargo, no es suciente, pues puede en ese caso ocurrir
que f no tenga un extremo en x0 .
Si el Teorema del Valor Medio 4.1.21 (que, si el lector observa, no es m
as que el
teorema 5.1.8 en la situaci
on en que la funci
on es de una sola variable y se considera
la existencia de una sola derivada) proporciona esta condici
on necesaria, el uso de
derivadas sucesivas discrimina mejor y puede proporcionar condiciones sucientes,
incluso informando del car
acter del extremo.
Supongamos que f es una funci
on real denida en un intervalo [a, b] de la recta real, con derivada continua de segundo orden en dicho intervalo. Supongamos f  (x0 ) =
0, siendo x0 un punto del intervalo abierto ]a, b[ . Entonces, por continuidad, hay un
entorno de x0 , digamos ]x0 , x0 + [ , de modo que si x [a, b] ]x0 , x0 + [
entonces f (x) tiene el mismo signo que f  (x0 ). Por tanto, para x en esas condiciones,
es decir, x [a, b] ]x0 , x0 + [ , se tiene
f (x) = f (x0 ) + f  (x0 )(x x0 ) + E2 f (x),
donde

f  (c)
(x x0 )2 ,
(5.24)
2!
siendo c es un punto del intervalo que une x con x0 , luego c [a, b] ]x0 , x0 + [ .
E2 f (x) =

Supongamos, por ejemplo, que f  (x0 ) > 0. Resulta, observando (5.24), que
E2 f (x) > 0,
para cada x [a, b] ]x0 , x0 + [ (excepto cuando x = x0 , en cuyo caso E2 f (x) es
cero), es decir, f (x) > f (x0 ) + f  (x0 )(x x0 ), x [a, b] ]x0 , x0 + [, x = x0 .
Geometricamente, resulta que f tiene una gr
aca que, en [a, b] ]x0 , x0 + [ ,
esta por encima de la tangente en x0 , recta que tiene como ecuacion y = f (x0 ) +
f  (x0 )(x x0 ) (ver la gura 5.2). Si f  (x0 ) < 0 se tiene el fenomeno contrario: la
gr
aca de f esta, en ese entorno de x0 , por debajo de la tangente en x0 .
Si f  (x0 ) = 0 y la primera derivada en x0 (suponiendo que f posea esa derivada
y sea continua) que no se anula es f (p) (x0 ), tenemos
f (x) = f (x0 ) + f  (x0 )(x x0 ) +

f (p) (c)
(x x0 )p ,
p!

donde c esta en el intervalo que une x con x0 . Razonando como antes, obtenemos
que, si p es par, la curva y = f (x) esta a un lado de la tangente en un entorno de x0 ,
mientras que si p es impar, la curva y = f (x) cruza la tangente en x0 .
Una condici
on suficiente de extremo local
El teorema 4.1.17 proporciona una condici
on necesaria de extremo local. No discrimina entre m
aximos y mnimos locales. El siguiente resultado no s
olo da una condi150

Captulo 5. Aproximaci
on de funciones y problemas de extremos

Figura 5.2: Gr
aca localmente por encima de la tangente

cion suciente, sino que permite distinguir el tipo de extremo local. Por supuesto,
requiere condiciones adicionales y es consecuencia inmediata de las consideraciones
hechas en el parrafo anterior, por lo que no lo demostraremos.
Proposici
on 5.1.11 (Criterio de la derivada segunda) Sea f : I  R, donde
I es un intervalo abierto de R. Supongamos que f tenga derivada de primer y de
segundo orden en I.
a) Si f  (c) = 0 y f  (c) > 0, entonces c es un mnimo local de f .
b) Si f  (c) = 0 y f  (c) < 0, entonces c es un m
aximo local de f .

5.1.3.

M
etodos num
ericos de c
alculo de ceros (soluci
on de
ecuaciones por aproximaciones sucesivas)

En este apartado, estudiaremos diversos metodos para aproximar los ceros de una
funci
on de una variable (es decir, la resoluci
on de una ecuaci
on con una inc
ognita).
Como apendice a la F
ormula de Taylor de Varias Variables (ver el teorema 5.4.6), en
el apartado 5.4.5, extenderemos algunos de estos al caso de funciones vectoriales de
varias variables (es decir, sistemas de ecuaciones con varias incognitas).
Introducci
on
La resoluci
on de una ecuaci
on
y = f (x) = 0,

(5.25)

(es decir, del calculo de sus ceros) incluso en el caso en que f sea un polinomio, puede
presentar dicultades si se pretende realizar mediante metodos directos analticos, e
incluso puede ser imposible (es conocido que no existe f
ormula analtica que proporcione los ceros de un polinomio de grado superior a 4).
Los metodos que se expondran a continuaci
on tienen una estructura com
un: todos
ellos parten de una primera aproximaci
on de un cero, digamos x1 , para obtener una
151

5.1. Aproximaci
on polinomial
segunda (mejor) aproximaci
on x2 , una tercera x3 , y as sucesivamente, esperando, de
alguna forma, que la sucesi
on x1 , x2 , x3 , ... converja hacia el cero buscado . Esto es
lo que se llama resolver una ecuacion por aproximaciones sucesivas.

M
etodo de la bisecci
on
Una primera idea consiste en utilizar el teorema 3.2.21. El procedimiento iterativo
es claro: Si x1 y x2 son dos puntos tales que
f (x1 ) f (x2 ) < 0,
2
se toma x3 = x1 +x
, punto medio del intervalo determinado por x1 y x2 . Se elige ahora
2
el subintervalo determinado por x3 y el punto x1 o x2 de modo que f cambie de signo
en el. Entonces x4 es su punto medio. El procedimiento contin
ua, convergiendo con
toda seguridad a la raz .

La desventaja radica en la lentitud de convergencia: si, por ejemplo, |x2 x1 | = 1,

entonces |x3 x2 | = 0,5, |x4 x3 | = 0,25, . . . En general, |xn xn1 | = 2n+2 .
Como esta en todos y cada uno de los subintervalos, |xn | < 2n+2 , n = 1, 2, . . .
Cuantas iteraciones seran necesarias para, por ejemplo, obtener con un error <
uan
108 ? A pesar de ello, el metodo puede ser ecaz en situaciones en que otros no act
con efectividad.

Aproximaciones lineales
Un segundo procedimiento consiste, en el espritu de la subseccion 5.1.1 precedente,
sustituir la funci
on f en el entorno de un cero por una funci
on m
as simple, y calcular
el cero de esta u
ltima en lugar de la de f . Un metodo efectivo consiste en usar
aproximaciones lineales (es decir, rectas).
on del cero , una
M
as precisamente (ver la gura 5.3), si xn es una aproximaci
recta de pendiente m que pase por el punto (xn , f (xn )) esta dada por
Y f (xn ) = m(X xn ),

(5.26)

y esta recta corta al eje 0X en un punto que denotaremos como xn+1 , de modo que
xn+1 = xn

f (xn )
.
m

(5.27)

Esto dene una relaci

on de recurrencia, de modo que, proporcionando x1 (una primera
aproximaci
on del cero , encontrada por metodos gracos o de otro tipo), se obtenga
x2 , a partir de este x3 , y as sucesivamente.
Se trata de determinar en cada paso, la pendiente m a utilizar.
152

Captulo 5. Aproximaci
on de funciones y problemas de extremos

Figura 5.3: Siguiente aproximaci

on

M
etodo de Newton o de la tangente
Corresponde al esquema anterior en el que, en el paso nesimo, se toma m =
f  (xn ) con lo que (5.27) aparece como
xn+1 = xn

f (xn )
f  (xn )

(5.28)

Esto corresponde a la utilizaci

on, como aproximaci
on de f , del polinomio de Taylor
de orden 1 (es decir, de la recta tangente. Ver la gura 5.4.

Figura 5.4: Metodo de Newton

M
etodo de la secante
En este caso, se utiliza como pendiente de la recta que aproxima la de la recta
que pasa por (xn1 , f (xn1 )) y por (xn , f (xn )). Ver la gura 5.5. Desde luego, ello es
efectivo cuando f (xn1 ) f (xn ) < 0. Resulta, en el paso nesimo
m=

f (xn ) f (xn1 )
,
xn xn1
153

5.1. Aproximaci
on polinomial
con lo que (5.27) se convierte en
xn+1 = xn

f (xn )
(xn xn1 )
f (xn ) f (xn1 )

(5.29)

f
xn+1
6
xn1

xn


Figura 5.5: El metodo de la secante

Estimaci
on del error
Sea la raz de f (x) = 0. Sea xn una cierta aproximaci
on. La f
ormula de Taylor
con Resto de Lagrange desarrollada en xn (ver el teorema 5.1.8) de orden 1 (lo que
equivale al Teorema de Valor Medio del C
alculo Diferencial) asegura que
f () = f (xn ) + f  (c)( xn ),
siendo c un punto entre y xn . Como f () = 0, resulta
xn =
luego, si

K := inf { |f  (x)| : x entre y xn } ,

resulta
| xn |

5.1.4.

f (xn )
,
f  (c)

|f (xn )|
.
K

(5.30)

Iteraci
on de punto fijo

Procedimiento
Si deseamos encontrar ceros de f (x) = 0, escribamos f (x) de la forma f (x) =
g(x) x. El c
alculo de que verique f () = 0 equivale pues al de tal que
g() = .
154

(5.31)

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Un punto de este tipo se llama un punto jo de la funci
on g.
El procedimiento iterativo (una simplicaci
on del llamado Metodo de Iteracion
del Punto Fijo de Banach) a seguir para la determinaci
on de con un error predeterminado es el siguiente (procedimiento que proporciona, como veremos despues, el
u
nico punto jo existente):
on de . Se dene
Sea x1 una primera aproximaci
x2 := g(x1 ), x3 := g(x2 ), . . . ,
luego, en general,
xn+1 := g(xn ), n N.

(5.32)

Bajo determinadas circunstancias, la sucesion (xn ) converge a .

Daremos a continuaci
on una condici
on suciente para que la sucesion (xn ) converja: supongamos que g esta denida y es derivable en un intervalo. De acuerdo con
el Teorema del Valor Medio del C
alculo Diferencial,
xn+1 xn = g(xn ) g(xn1 ) = g  (c)(xn xn1 ),

(5.33)

donde c es un punto entre xn y xn1 . Si suponemos que |g  (x)| M < 1 en el dominio

de denici
on de g, (5.33) proporciona6
|xn+1 xn | = |g  (c)| |xn xn1 | M |xn xn1 | ,
o, llamando n = xn xn1 ,
|n+1 | M |n | ,

(5.34)

y esto es valido para n = 1, 2, 3, . . . Por tanto,

|n+1 | M |n | M 2 |n1 | . . . M n1 |2 | , n N.

(5.35)

Observar que
xn = x1 + (x2 x1 ) + . . . + (xn xn1 ) = x1 + 2 + 3 + . . . + n .

(5.36)

Si conseguimos demostrar que, cuando n +, entonces 2 + 3 + . . . + n

converge, resultar
a de (5.36) que xn tambien lo har
a. El argumento que utilizamos a
continuaci
on esta tomado de la teora de series numericas, aspectos que trataremos
en la seccion 7.1, aunque no se requiera en este instante para seguirlo m
as que el
concepto de sucesi
on de Cauchy de n
umeros reales (ver la denicion 2.3.17).
6 El

resultado, como se deduce inmediatamente de lo que a continuaci

on se trata, es aplicable a
una contracci
on, es decir, a una funci
on g con la propiedad |g(x) g(y)| C |x y| , siendo C una
constante tal que 0 C < 1. En el siguiente apartado daremos una versi
on m
as general del Teorema
del Punto Fijo para funciones de varias variables que son no expansivas, es decir, verificando la
condici
on anterior para una constante C tal que 0 C 1.

155

5.1. Aproximaci
on polinomial
Denotamos
Sn := 2 + 3 + . . . + n , n = 1, 2, . . .
Entonces, dados n < m en N,
Sm Sn = n+1 + n+2 + . . . + m ,
con lo que
|Sm Sn | |n+1 | + |n+2 | + . . . + |m | ,
y, teniendo en cuenta (5.35),
|Sm Sn | (M n1 + M n + . . . + M m2 )2 =
= M n1 (1 + M + M 2 + . . . + M mn1 )2 =
 mn

1
n1 M
= M
2 .
M 1

(5.37)
(5.38)

Esto asegura que, tomando n lo sucientemente grande, y m < n, entonces |Sm Sn |

se puede hacer mas peque
no que un n
umero positivo prejado. Dicho de otro modo,
la sucesion (Sn ) es de Cauchy en R, luego convergente. Por tanto, como hemos dicho
antes, (xn ) converge.
Sea su lmite. Tomando lmites en (5.32) cuando n +, y, teniendo en cuenta
que g es una funci
on contnua, obtenemos
g( ) = .
As, es el punto jo que buscabamos. Resulta = lm xn . Ademas, ese punto
n+

jo es u
nico, pues si existiera otro, digamos , obtendramos | | = |g() g()|
C | | , lo que solo es posible si = .
Estimaci
on del error
El procedimiento seguido permite tambien expresar una cota del error cometido
cuando se toma xn como valor del cero :
Observar (5.36): Resulta que
xn = x1 + Sn , n = 1, 2, 3, . . .
Sea
S := lm Sn .
n+

Tomando lmites en (5.39) cuando n +, resulta

= x1 + S.
Entonces
xn = x1 + S x1 Sn = S Sn = n+1 + n+2 + n+3 + . . .
156

(5.39)

Captulo 5. Aproximaci
on de funciones y problemas de extremos
luego


| xn | |2 | M n1 + M n + M n+1 + . . . =


= |2 | M n1 1 + M + M 2 + . . . =


1
= |2 | M n1
.
1M
Obtenemos, por tanto

| xn | |2 | M

n1

1
1M


n = 1, 2, . . .

(5.40)

Usando las mismas ideas, podemos probar el siguiente resultado:

r) B(0;
r) una funci
Teorema 5.1.12 Sea g : B(0;
on, donde
r) := {x Rn : x r} ,
B(0;
siendo r > 0.
1.

Supongamos que g es una contracci

on, es decir, existe 0 < C < 1 tal que
r). Entonces, g tiene un u
g(x) g(y) C x y, x, y B(0;
nico punto
jo.

2.

Supongamos ahora que g es no expansiva, es decir, g(x) g(y) x y .

Entonces, aunque no se puede asegurar la unicidad, sigue existiendo un punto
jo.

n.
Demostracio
1.

r) arbitrario. Se dene una sucesi

on recursivaT
omese un elemento x1 B(0;
mente xn+1 = g(xn ), n = 1, 2, 3, . . . El procedimiento para probar que (xn )
r) y que ese punto jo es u
converge a un punto jo de B(0;
nico, es exactamente el mismo que el utilizado mas arriba (tengase en cuenta que, si (xn )
r), necesariamente converge a un punto de
es una sucesion de Cauchy en B(0;
r)).
B(0;

2.

Para demostrar este caso mas general, denamos las funciones gn = (1 1/n) g,
n = 1, 2, 3, . . . Es obvio que son contracciones. Si aplicamos el resultado 1
on gn ,
podemos asegurar que existe un punto jo, digamos n , de la funci
r) es un conjunto cerrado y acotado, sabemos (por el
n = 1, 2, 3, . . . Como B(0;
teorema 2.3.15) que hay una subsucesi
on de (n ), que denotaremos como (nk ),

que converge a un punto de B(0; r). Probaremos que es un punto jo de g:

 g()

 nk  + nk g(nk ) + g(nk ) g() =

=  nk  + gnk (nk ) g(nk ) + g(nk ) g() =

157

5.1. Aproximaci
on polinomial
1
g(nk ) + g(nk ) g()
nk
1
1
nk  = 2 nk  +
.
=  nk  +
nk
nk

=  nk  +

ltimo termino tienden

Ahora, cuando nk tiende a +, ambos sumandos en el u
a cero. Por tanto, = g() (observar, por otra parte, que no es posible obtener
r) es, desde luego, una aplicaci
la unicidad: la aplicaci
on identidad en B(0;
on no

expansiva, y todos los puntos de B(0; r) son puntos jos7 .

Ejemplos
1.

Calcular los ceros del siguiente polinomio con un error menor que 108 :
f (x) := x5 x3 + 1.
Notar, en primer lugar, que f (0) = 1, mientras que lmx f (x) = . Por
tanto, debe existir al menos un cero en ], 0[ . Un breve rastreo asegura que
hay un cero entre 1,5 y 0, pues f (1,5) < 0. De hecho, el aspecto de la
gr
aca de f viene dado en la Figura 5.6.
1.5

0.5

0.5

1.5

y=x5x3+1

2.5

3.5
1.5

0.5

0.5

Figura 5.6: El polinomio x5 x3 + 1

Si queremos determinar con un error < 108 , el Metodo de la Biseccion
requiere 26 iteraciones. El Metodo de la Tangente requiere 6 iteraciones El
resultado es, con el grado de precisi
on exigido, 1,23650570339.
7 Es posible, aunque nada sencillo, demostrar el siguiente resultado, debido a Brouwer: Sea g una
aplicaci
on continua de la bola unidad cerrada de Rn en s misma. Entonces, g tiene al menos un
punto fijo. Ni siquiera se exige que g sea no expansiva! Hay varias formas de probarlo, pero todas
ellas se basan en resultados que escapan al nivel de este curso.

158

Captulo 5. Aproximaci
on de funciones y problemas de extremos
2.

Calcular los ceros de

f (x) := x 2 sen(x).
El aspecto de la funci
on f nos lo muestra la gura 5.7.
3

y=x2sen(x)

3
3

Figura 5.7: La funci

on y = x 2 sen x
Hay tres ceros reales; uno en ]3, 0,5[ , otro es, obviamente, 0, y el otro esta en
]0,5, 3[ . Si se pretende calcularlos con un error < 108 , el metodo de la biseccion,
partiendo de los intervalos indicados, requiere 27 iteraciones. El de la Tangente,
tomando como primera aproximaci
on 2 y 2, respectivamente, requiere 4 iteraciones. El resultado es 1.89549427 y 1.89549427, respectivamente.
3.

Sea f (x) := cos(x) x. Calcular sus ceros con un error menor que 1010 .
Hay un cero entre 0 y 1. Para calcularlo con un error < 1010 , el Metodo de la
Biseccion requiere, partiendo del intervalo [0, 1] , 32 iteraciones. El Metodo de la
Tangente, tomando como primera aproximaci
on x1 = 0, requiere 5 iteraciones.
Se obtiene como cero = 0.7390851332. El Metodo del Punto Fijo entra en un
bucle de donde aparecen n
umeros que tienen en com
un 0.739085.

5.1.5.

Conclusiones

Se han dado unos metodos elementales, aunque operativos, para determinar ceros
de f (x).
1.

El de la Tangente suele ser mas rapido que el de la Biseccion, aunque puede

presentar problemas si cerca del cero la tangente de la funcion tiene valores
pr
oximos a 0, y requiere, adem
as, la estimacion de una primera aproximaci
on.
En vez de calcular el error cometido usando la f
ormula (39), suele recurrirse al
procedimiento de detener las iteraciones en cuanto dos sucesivas dieran menos
que un n
umero positivo prejado. Esto es lo que se hace en el programa en
Matlab que damos en el apartado 5.1.6.

2.

El de la Biseccion requiere la determinaci

on de un intervalo que contenga un
cero. Si hay dos ceros muy pr
oximos puede resultar difcil localizarlos. Lo que
159

5.1. Aproximaci
on polinomial
es claro es que, determinado un intervalo [a, b] donde f (a) f (b) < 0, el metodo
conduce, indefectiblemente, a un cero. La lentitud de convergencia s
olo sera un
problema cuando haya que resolver aquellos que involucren el c
alculo de un gran
n
umero de ceros.
3.

160

El Metodo de Iteracion de Punto Fijo es aplicable cuando, en un intervalo

que contenga un cero, el valor absoluto de la primera derivada de la funci
on
g este acotado por un n
umero M estrictamente menor que 1. Este requerimiento puede hacer el metodo difcilmente aplicable. En la pr
actica, se pone en
marcha la iteracion, que se detiene cuando dos valores consecutivos calculados
dieren menos que un n
umero prejado. Esto es lo que se hace (como en el caso
del Metodo de la Tangente), en el programa en Matlab que incluimos en el
siguiente apartado.

Captulo 5. Aproximaci
on de funciones y problemas de extremos

5.1.6.

Un programa en Matlab para los m

etodos introducidos
El metodo de la biseccion

function r=biseccion(f,a,b,E)
% Metodo de la Biseccion para calculo de raices
%
% r=biseccion(f,a,b,E)
%
% f = archivo .m con la funcion de la cual
% buscamos una raiz ( f(x)=0 )
% a,b = extremos del intervalo en el cual
% buscar la raiz
% E = error maximo permitido
% r = estimacion de la raiz
if (feval(f,a)*feval(f,b)>0) | (a>=b)
disp(No puede emplearse el metodo en este intervalo);
else
while b-a>E
m=(a+b)/2;
if feval(f,m)*feval(f,a)<0
b=m;
else
a=m;
end
end
r=(a+b)/2;
end
Metodo de la tangente
function r=tangente(f,df,x,E,MAXITER)
% Metodo de la Tangente para calculo de raices
%
% r=tangente(f,df,x,E,MAXITER)
%
% f = archivo .m con la funcion de la cual
161

5.1. Aproximaci
on polinomial
% buscamos una raiz ( f(x)=0 )
% df = archivo .m con la derivada de f
% x = estimacion inicial de la raiz
% E = error maximo permitido
% MAXITER = maximo numero de iteraciones permitido
% r = estimacion de la raiz
incr=E+1; %para que haga la primera iteracion
iter=0;
while (incr>E) & (iter<MAXITER)
iter=iter+1;
r=x-feval(f,x)/feval(df,x);
incr=abs(r-x);
x=r;
end
if (incr>E)
disp(El metodo no converge con las iteraciones fijadas);
end
Metodo de la secante
function r=secante(f,a,b,E)
% Metodo de la Secante para calculo de raices
%
% r=secante(f,a,b,E)
%
% f = archivo .m con la funcion
% de la cual buscamos una raiz ( f(x)=0 )
% a,b = extremos del intervalo en el cual buscar la raiz
% E = error maximo permitido
% r = estimacion de la raiz
if (feval(f,a)*feval(f,b)>0) | (a>=b)
disp(No puede emplearse el metodo en este intervalo);
else
r=(a+b)/2; %por si b-a<E de entrada...
while abs(a-b)>E
c=b-feval(f,b)*(b-a)/(feval(f,b)-feval(f,a));
a=b;
162

Captulo 5. Aproximaci
on de funciones y problemas de extremos
b=c;
end
r=c;
end
Metodo del punto jo
function r=ptofijo(g,x,E)
% Metodo del Punto Fijo para calculo de raices
%
% r=ptofijo(g,x,E)
%
% g = archivo .m con la funcion de la cual
% buscamos una raiz ( g(x)=x )
% x = estimacion inicial de la raiz
% E = error maximo permitido
incr=E+1; %para que haga la primera iteracion
while incr>E
r=feval(g,x);
incr=abs(r-x);
x=r;
end

5.2.
5.2.1.

Polinomios de interpolaci
on
Introducci
on

Como indicamos en la seccion 5.1, existe una forma de aproximar globalmente un

polinomio a una funci
on dada. Por el termino global queremos indicar que esperamos
que la discrepancia entre la funci
on y el polinomio sea peque
na en todo el dominio de
denici
on de la funci
on (generalmente un intervalo en R). El problema de encontrar
tal polinomio recibe el nombre de Interpolaci
on, llamada lineal si el polinomio se
requiere que sea de grado 1, cuadr
atica de grado 2, c
ubica de grado 3,. . .
Por ejemplo: si se quiere aproximar la funci
on f denida en el intervalo [x0 , x1 ] ,
cuya gr
aca esta representada en la Figura 5.8, por un segmento de recta, se toma
aquella que pase por los puntos (x0 , f (x0 )), (x1 , f (x1 )).
163

5.2. Polinomios de interpolaci

on

Figura 5.8: Polinomio de interpolaci

on de grado 1

Si se busca un polinomio de grado 2 que aproxime f denida en [x0 , x2 ] , (ver la

gura 5.9), se toma aquel que pase por los puntos (x0 , f (x0 )), (x1 , f (x1 )) y (x2 , f (x2 )),
y as sucesivamente.

Figura 5.9: Polinomio de interpolaci

on de grado 2

5.2.2.

Forma de Lagrange del polinomio de interpolaci

on

El que haya diversos tipos de polinomios de interpolaci

on puede hacer pensar al
lector que el problema de determinacion puede conducir a resultados distintos. Ello
no es as. Basta observar el siguiente resultado

Teorema 5.2.1 Dada una funci

on f denida en un intervalo [a, b], y dados n + 1
puntos distintos x0 , x1 , . . . , xn en [a, b], existe un polinomio y uno s
olo de grado n
que en xi toma el valor f (xi ), i = 0, 1, 2, . . . , n.
n. El polinomio
Demostracio
164

Captulo 5. Aproximaci
on de funciones y problemas de extremos

In (x)

(x x0 )(x x1 ) . . . (x xn )
(x0 x0 )(x0 x1 ) . . . (x0 xn )
(x x0 )(x x1 ) . . . (x xn )
(x1 x0 )(x1 x1 ) . . . (x1 xn )
... +

f (x0 )+

f (x1 ) + . . .

(x x0 )(x x1 ) . . . (x xn )
(xn x0 )(xn x1 ) . . . (xn xn )

f (xn )

(donde la barra encima de uno de los factores indica que tal factor est
a ausente),
desde luego satisface las condiciones del enunciado.
Supongamos que Jn sea otro polinomio con las mismas propiedades. Entonces,
In Jn es un polinomio de grado n con n + 1 ceros. Por el Teorema Fundamental

del Algebra,
In Jn es identicamente 0.

Definici
on 5.2.2 La forma del polinomio de interpolaci
on dada por In (x) se llama
de Lagrange.

5.2.3.

Forma de Newton del polinomio de interpolaci

on (polinomios con diferencias divididas)

Otra forma de escribir el polinomio In , que resulta especialmente comoda en la

computaci
on numerica, es la siguiente:
Escrbase In como
In (x) = b0 + b1 (x x0 ) + b2 (x x0 )(x x1 ) + . . .
. . . + bn (x x0 )(x x1 ) . . . (x xn1 ).

(5.41)

Determinaremos los coecientes b0 , b1 , . . . , bn de modo que se satisfagan las condiciones requeridas:

Haciendo x = x0 , resulta f (x0 ) = In (x0 ) = b0 .
Haciendo x = x1 , y substituyendo el valor obtenido para b0 , resulta
b1 =

f (x1 ) f (x0 )
.
x1 x0

Tomando x = x2 , usando los valores obtenidos de b0 y b1 , resulta

b3 =

f (x2 )f (x1 )
x2 x1

f (x1 )f (x0 )
x1 x0

x2 x0

Para facilitar la escritura, se adopta la notaci

on de las diferencias divididas:
165

5.2. Polinomios de interpolaci

on

f [x0 ] = f (x0 ),
(x0 )
f [x1 , x0 ] = f (xx01)f
,
x0
f [x2 ,x1 ]f [x1 ,x0 ]
f [x2 , x1 , x0 ] =
,
x2 x0
..
.
[xn1 ,xn2 ,...,x0 ]
f [xn , xn1 , . . . , x1 , x0 ] = f [xn ,xn1 ,...,x1x]f
,
n x0

(5.42)

con lo que el polinomio de interpolaci

on de grado n adopta el aspecto
In (x) = f [x0 ] + (x x0 )f [x1 , x0 ] + (x x0 )(x x1 )f [x2 , x1 , x0 ] + . . .
. . . + (x x0 )(x x1 ) . . . (x xn1 )f [xn , xn1 , . . . , x0 ] .

(5.43)

El siguiente esquema facilita los c

alculos de las sucesivas diferencias divididas:
i
0
1
2
3

xi
x0
x1
x2
x3

f (xi ) prim. dif.

seg. dif.
f (x0 ) f [x1 , x0 ] f [x2 , x1 , x0 ]
f (x1 ) f [x2 , x1 ] f [x3 , x2 , x1 ]
f (x2 ) f [x3 , x2 ]
f (x3 )

terc. dif . . .
f [x3 , x2 , x1 , x0 ]
(5.44)

Una de las ventajas de la forma de Newton del Polinomio de Interpolaci

on In
radica en que, al pasar de In a In+1 por adjunci
on de un nuevo punto xn+1 , no es
necesario rehacer todos los calculos (como ocurrira usando la forma de Lagrange),
haciendose uso de los coecientes ya obtenidos.
Una segunda es la facilidad de programar el esquema (5.44) para su tratamiento
en un ordenador.

5.2.4.

An
alisis del error en el polinomio de interpolaci
on

Supongamos que se aproxima una funci

on f mediante el polinomio de interpolaci
on
In . Es importante saber la magnitud del error cometido. Esto es lo que hace el siguiente
teorema8 .
Teorema 5.2.3 (Error en la interpolaci
on polinomial) Sea f una funci
on real de variable real, y sean x0 , x1 , . . . , xn puntos distintos de su dominio. Sea In el
polinomio de interpolaci
on de grado n que coincide con f en esos puntos. Sea x
un punto del dominio de f , y sea [, ] un intervalo que contenga x, x0 , x1 , . . . , xn .
Supongamos que exista f (n+1) en [, ]. Entonces, existe un punto c ], [ tal que
f (x) In (x) =

A(x) (n+1)
f
(c)
(n + 1)!

(5.45)

donde A(x) = (x x0 ) . . . (x xn ).
8 Si se proporciona una tabla de valores y se trata de interpolar un polinomio, no tiene sentido
preguntarse por el error cometido, ya que no hay ning
un patr
on con respecto al que comparar.

166

Captulo 5. Aproximaci
on de funciones y problemas de extremos
n. Supongamos en primer lugar que x coincida con alguno de los
Demostracio
puntos x0 , x1 , . . . , xn , digamos con xk . Entonces f (x) In (x) = 0, y tambien A(xk ) =
0, luego (5.45) se verica c ], [ .
Supongamos ahora x = xk , k = 0, 1, 2, . . . , n. Denimos
F (t) := A(x) [f (t) In (t)] A(t) [f (x) In (x)] , t ], [ .
Obviamente, existe F (n+1) en [, ] y, como A(n+1) (t) = (n+1)!, e In es un polinomio
de grado n, resultando pues que I (n+1) 0, se tiene
F (n+1) (t) = A(x)f (n+1) (t) (n + 1)! [f (x) In (x)] .
Observar que F se anula en los n + 2 puntos distintos x, x0 , x1 , . . . , xn , luego F  lo
hace en n + 2 puntos distintos, F  en n, . . . , F (n+1) en uno, digamos c 9 . Por tanto,


0 = A(x)f (n+1) (c) (n + 1)! [f (x) In (x)] . Esto coincide con (5.45).

Ejemplo 5.2.4 (error en la interpolaci

on lineal) Como consecuencia del teorema 5.2.3, calculemos el error que se produce cuando se interpola una funci
on entre
dos puntos mediante un segmento de recta (ver la gura 5.8).
Sea h la longitud del intervalo [x0 , x1 ] . Todo punto x del mismo puede escribirse
de la forma
x = x0 + (1 )x1 ,
donde 0 1. En virtud de la f
ormula (5.45) resulta
f (x) I1 (x) =

(x x0 )(x x1 ) 
f (c),
2

donde c ]x0 , x1 [, es decir

f (x) I1 (x) =

h2 (1 ) 
f (c).
2

(5.46)

Es claro que la funci

on de dada por (1 ) alcanza su m
aximo en [0, 1] en 1/2, y
su valor es 1/4. Por tanto, tomando valores absolutos en (5.46),
|f (x) I1 (x)|

h2 
|f (c)| ,
8

luego, si M es una cota superior de |f  | en [x0 , x1 ] ,

|f (x) I1 (x)|

h2
M
8

(5.47)

9 Si una funci
on se anula en dos puntos distintos, su derivada lo hace, con toda seguridad, en un
punto estrictamente entre los dos. Esto es una consecuencia inmediata del Teorema del Valor Medio
del C
alculo Diferencial.

167

5.3. Interpolaci
on segmentaria (spline)

5.3.
5.3.1.

Interpolaci
on segmentaria (spline)
Introducci
on

En el problema de interpolaci
on tratado anteriormente se pretende calcular un
polinomio que tome en determinados puntos x0 , x1 , . . . , xn los mismos valores que
una funci
on f (o, simplemente, los valores dados por una tabla). Sabemos (ver el
teorema 5.2.1) que hay un u
nico polinomio de grado n que tenga esa propiedad.
on f (o para inEl interes de utilizar un polinomio In para aproximar una funci
terpolar en una tabla de valores) es que un polinomio es una funci
on sencilla o, por
lo menos, con buenas propiedades de derivaci
on (es derivable tantas veces como queramos); tambien tiene una primitiva muy sencilla de calcular.
Sin embargo, en cuanto el n
umero de puntos sea grande, In es un polinomio de
grado alto y pierde parte de los atractivos que tena. Pero no es ese el inconveniente
en todos los casos. Incluso con muchos puntos, la aproximacion dada por In puede no
ser satisfactoria. Simplemente observando la expresi
on del error en la f
ormula (5.45)
del apartado anterior, precisamente
f (x) In (x) =

f (n+1) (c)
A(x),
(n + 1)!

donde A(x) = (x x0 )(x x1 ) . . . (x xn ), y c es un punto del intervalo ], [ ,

cuando [, ] contiene a todos los puntos x0 , x1 , . . . , xn , se ve que, para funciones f
con derivadas de ordenes superiores grandes en valor absoluto, la aproximaci
on puede
ser muy pobre. Estas funciones tienen un aspecto regular, con saltos bruscos. Pero el
problema es que tales funciones se presentan naturalmente en muchos fen
omenos.
Ejemplo 5.3.1 Se podra tomar como un ejemplo extremo una funci
on como la de
la gura 5.10.

Figura 5.10: Una funci

on con un salto
denida como
f (x) =

0,

si x 0,

si x > 0.

1,

Observemos como son los polinomios de interpolaci

on en las proximidades de 0.
Para ello tomemos como puntos de tabulaci
on los siguientes:
168

Captulo 5. Aproximaci
on de funciones y problemas de extremos
a) -1, 0, 1.
Se obtiene el polinomio P1 (x) = 0,5(x)(x + 1).
b) -2, -1, 0, 1, 2.
Se obtiene P2 (x) = 0,166(x + 2)(x + 1)x 0,125(x + 2)(x + 1)x(x 1).
c) -1, -0.5, 0, 0.5, 1.
Resulta P3 (x) = 1,333(x + 1)(x + 0,5)x 2(x + 1)(x + 0,5)x(x 0,5).
d) -0.5, -0.25, 0, 0.25, 0.5.
Ahora es P4 (x) = 10,66(x + 0,5)(x + 0,25)x 32(x + 0,5)(x + 0,25)x(x 0,25).
Gr
acamente, estos polinomios se pueden observar en la gura 5.11:
1.5

P (x)
0.5

P1(x)

P (x)

P (x)

0.5

1.5
0.5

0.5

Figura 5.11: Polinomios de interpolaci

on que aproximan a la funci
on de la
gura 5.10
Una alternativa para sobrepasar estas dicultades consiste en utilizar diferentes
polinomios de grado peque
no en cada uno de los subintervalos. Como se pretende que
la funci
on resultante tenga ciertas buenas propiedades (continuidad, derivabilidad de
primero o de segundo orden, . . .) en todo su dominio, se exigir
a que en los puntos de
interpolaci
on los polinomios adyacentes coincidan ellos y sus derivadas hasta cierto
orden.
Se ha observado que, en la pr
actica, la relacion entre el esfuerzo necesario para el
calculo y la bondad del resultado es m
as favorable en la llamada Interpolaci
on C
ubica
Segmentaria (tambien llamada Spline C
ubico), que a continuaci
on describiremos.

5.3.2.

Interpolaci
on c
ubica fragmentaria (spline c
ubico)

Se trata de ajustar, dados puntos x0 , x1 , . . . , xn y valores correspondientes

f (x0 ), f (x1 ), . . . , f (xn ),
en cada subintervalo [xi , xi+1 ] , un polinomio de grado 3, digamos fi , para i =
0, 1, 2, . . . , n 1, de modo que la funci
on resultante tenga derivada de segundo orden
continua.
169

5.3. Interpolaci
on segmentaria (spline)
ognitas
Cada polinomio fi necesita, para su determinacion, el calculo de cuatro inc
ai , bi , ci , di , ya que fi (x) = ai x3 + bi x2 + ci x + di . Como hay n funciones a determinar
necesitamos calcular en total 4n inc
ognitas, precisamente
{ai , bi , ci , di , i = 0, 1, 2, . . . , n 1} .
Hemos dicho que exigimos que la funci
on resultante tenga segunda derivada continua en su dominio. Para ello, las condiciones impuestas son:
1 y 2. Cada funci
on fi debe tomar en los extremos de su intervalo de denici
on
[xi , xi+1 ] los valores adecuados (f (xi ), f (xi+1 ), respectivamente).
3. Las derivadas en el punto com
un a dos intervalos adyacentes deben coincidir.
4. Las derivadas segundas en el punto com
un a dos intervalos adyacentes deben
coincidir.
Traducidas estas condiciones a ecuaciones resulta:
1.
2.
3.
4.

fi (xi ) = f (xi ),
fi (xi+1 ) = f (xi+1 ),

(xi+1 ),
fi (xi+1 ) = fi+1


(xi+1 ),
fi (xi+1 ) = fi+1

i = 0, 1, 2, . . . , n 1.
i = 0, 1, 2, . . . , n 1.
i = 0, 1, 2, . . . , n 2.
i = 0, 1, 2, . . . , n 2.

(5.48)

Resultan 2n+(n1)+(n1) = 4n2 ecuaciones. Como necesitamos dos adicionales,

a
nadimos unas que parecen naturales (de hecho, ello indica que, sin ellas, lo que ocurra
en el primer subintervalo no est
a unvocamente determinado):
5. f0 (x0 ) = 0,


fn1
(xn ) = 0.

(5.49)

En principio, el sistema lineal en las 4n inc

ognitas
{ai , bi , ci , di , i = 0, 1, 2, . . . , n 1}
que resuelve el problema esta explcitamente formulado en las ecuaciones 1 a 5 precedentes (f
ormulas (5.48) y (5.49)), y existen tecnicas de calculo numerico para proporcionar las soluciones.
Lo que sigue a continuaci
on trata de transformarlo en un sistema equivalente que
tenga una resoluci
on m
as sencilla. Llegaremos a un sistema lineal con matriz tridiagonal (solo hay elementos no cero en la diagonal principal y en las dos diagonales
adyacentes), para el que existen metodos numericos muy efectivos:
Obtenci
on de las funciones interpolantes f0 , f1 , . . . , fn1
Consideremos la funcion s(x) resultante de la interpolaci
on, que no es otra cosa
que
s(x) = fi (x), si x [xi , xi+1 ] , i = 0, 1, 2, . . . , n 1
170

Captulo 5. Aproximaci
on de funciones y problemas de extremos
(s, en el subintervalo [xi , xi+1 ] , es, precisamente, fi , y esto es cierto para cada i =
0, 1, 2, . . . , n 1).
Establecemos como nuevas incognitas a determinar precisamente los n
umeros
s (x0 ), s (x1 ), . . . , s (xn ).

(5.50)

Tenemos as solo n + 1 inc

ognitas. Escribiremos las funciones fi mediante ellas. Obon [xi , xi+1 ] ,
servar en primer lugar que fi (xi ) es una recta en su intervalo de denici
recta que, en xi , vale, precisamente s (xi ), mientras que en xi+1 vale s (xi+1 ). Entonces,
x xi+1 
x xi 
fi (x) =
s (xi ) +
s (xi+1 ), x [xi , xi+1 ] .
(5.51)
xi xi+1
xi+1 xi
Dos integraciones sucesivas proporcionan fi :
fi (x)

(x xi+1 )3 
s (xi ) +
6(xi xi+1 )
(x xi )3 
s (xi+1 ) + c1 x + c2 , x [xi , xi+1 ] .
+
6(xi+1 xi )

(5.52)

Resulta que fi viene determinada en cuanto se conozcan los n

umeros s (xi ),
s (xi+1 ), c1 y c2 . Las dos constantes c1 y c2 se pueden determinar al exigir que
fi satisfaga las ecuaciones 1 y 2 de (5.48):


fi (xi ) =
=

fi (xi+1 ) =
=

(xi xi+1 )3 
s (xi ) + c1 xi + c2 =
6(xi xi+1 )
1
(xi xi+1 )2 s (xi ) + c1 xi + c2 = f (xi ).
6
(xi+1 xi )3 
s (xi+1 ) + c1 xi+1 + c2 =
6(xi+1 xi )
1
(xi+1 xi )2 s (xi+1 ) + c1 xi+1 + c2 = f (xi+1 ).
6

(5.53)

(5.54)

Para simplicar la escritura hagamos i = (xi+1 xi ), i = 0, 1, 2, . . . , n 1. Ahora,

las ecuaciones (5.53) y (5.54) adquieren el aspecto
f (xi ) =

1 2 
s (xi ) + c1 xi + c2 ,
6 i

1 2 
s (xi+1 ) + c1 xi+1 + c2 .
6 i
Resolviendo este sistema en las incognitas c1 y c2 obtenemos:
f (xi+1 ) =

c1 =

f (xi+1 )f (xi )
i

16 i [s (xi+1 ) s (xi )] ,

c2 = f (xi ) 16 2i s (xi ) c1 xi .

(5.55)

171

5.3. Interpolaci
on segmentaria (spline)
on de las
Disponemos ahora, usando (5.52) y (5.55), de la expresi
on de fi en funci
inc
ognitas s (xi ), s (xi+1 ). Entonces, basta conocer los valores de
s (x0 ), s (x1 ), . . . , s (xn )
para tener construidas y determinadas las funciones f0 , f1 , . . . , fn1 .
Calculo de los valores s (x0 ), s (x1 ), . . . , s (xn )
Usaremos las ecuaciones en 3 de (5.48). Hemos determinado las expresiones de fi ,
i = 0, 1, 2, . . . , n 1, en (5.52). Entonces
fi (x) =

(x xi+1 )2 
(x xi )2 
s (xi ) +
s (xi+1 ) + c1 ,
2(xi xi+1 )
2(xi+1 xi )


i = 0, 1, 2, . . . , n1, donde c1 esta dado por (5.55). La expresi
on an
aloga para fi+1
(x)
ormula (5.55) cambiando i
usa una constante c1 distinta, que responde tambien a la f
por i + 1. Entonces, sustituyendo en 3 (f
ormula (5.48)), tenemos

fi (xi+1 )

i 
s (xi+1 ) +
2

f (xi+1 ) f (xi ) 1
i [s (xi+1 ) s (xi )] =
+
i
6

i+1 

= fi+1
s (xi+1 ) +
(xi+1 ) =
2


f (xi+2 ) f (xi+1 ) 1
i+1 [s (xi+2 ) s (xi+1 )]
+
i+1
6
=

(5.56)

i = 0, 1, 2, . . . , n 2. Las ecuaciones (5.56) relacionan linealmente s (xi ), s (xi+1 ),

s (xi+2 ). En total hay (n 1) ecuaciones de ese tipo, a resolver en las variables
s (x0 ), s (x1 ), . . . , s (xn ). Aparentemente hay (n + 1) variables, pero observese que
las condiciones 5 de (5.49) arman que s (x0 ) = s (xn ) = 0. As, hay que determinar
solo (n1) variables, para lo que se dispone de (n1) ecuaciones lineales. Aparece un
sistema de (n1) ecuaciones lineales no homogeneas en el que la matriz es tridiagonal,
es decir, como en la gura 5.12.

Figura 5.12: Matriz de un sistema tridiagonal

172

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Este sistema puede resolverse por el Metodo de Eliminaci
on de Gauss, por ejemplo,
siendo este especialmente rapido en esta situaci
on. Las ecuaciones (5.56), despues de
transponer terminos, aparecen como
s (xi )

i
6

5.4.
5.4.1.

i + i+1
i+1
+ s (xi+2 )
=
3
6
f (xi+2 ) f (xi+1 ) f (xi+1 ) f (xi )

.
i+1
i

+ s (xi+1 )

(5.57)

F
ormula de Taylor para funciones de varias variables
Introducci
on. Derivadas parciales de orden superior

El objetivo de este apartado es la generalizaci

on del Teorema de Taylor 5.1.8 al
caso de funciones de varias variables. Como all, se trata de aproximar, en el entorno
on real f de n variables reales mediante un polinomio
de un punto x0 Rn , la funci
(tambien de n variables, naturalmente), y de tener una estimaci
on del error cometido
al tomar el polinomio en lugar de la funci
on.
Obviamente, se debe, en primer lugar, entender lo que se considera un polinomio
en n variables, lo que no es m
as que una generalizacion natural del concepto de
polinomio en una variable:
on de la
Definici
on 5.4.1 Un monomio en las variables x1 , . . . , xn , es una expresi
umeros enteros no negativos. En ese caso,
forma xr11 xr22 . . . xrnn , donde r1 , . . . , rn son n
su grado es r1 +. . .+rn . Un polinomio en las variables x1 , . . . , xn es una combinaci
on
lineal de monomios. Se llama grado del polinomio al de su monomio de mayor grado.
Por ejemplo, 1 + x1 + 2x2 x1 x2 + 3x21 x2 es un polinomio de dos variables de grado
3.
Definici
on 5.4.2 Sea f una funci
on real denida en un conjunto abierto U de Rn .
Se dice que f es de clase Ck en U , lo que denotaremos como f Ck (U ), cuando
existan las derivadas parciales de orden k en U , y estas sean continuas en U .
Sabemos (y es una consecuencia inmediata del Teorema de Schwarz de las Derivadas
Cruzadas, teorema 4.2.13, que podemos intercambiar en esas derivadas parciales de
orden k el orden de derivaci
on sin alterar el resultado.
Utilizaremos, por comodidad, la notaci
on
Di1 Di2 . . . ..Dip f (x)

(5.58)

para indicar
if
(x),
xi1 xi2 . . . .xip
173

5.4. F
ormula de Taylor para funciones de varias variables
donde i = i1 + i2 + . . . + ip , o, mas generalmente,
j

Dij11 Dij22 . . . ..Dipp f (x)

(5.59)

si la derivaci
on parcial respecto de la i1 -esima variable se realiza un n
umero j1 de
umero j2 de veces, etc..
veces, respecto de la i2 -esima variable un n
Por ejemplo, si f es una funci
on real de dos variables (que ahora denotaremos por
x1 y x2 y x es un punto de R2 ,
D12 f (x) =

2f
2f
2f
(x), D12 f (x) =
(x) =
(x),
x1 x2
x1 x1
x21

etc . . .

Si f es, como al principio, una funci

on real de clase Ck en U , un conjunto abierto
n
on D1j1 D2j2 . . . ..Dnjn f es diferenciable
de R , y j1 + j2 + . . . + jn < k, entonces la funci
en todo punto x U. La razon es que esa funcion tiene todas las derivadas parciales
de primer orden en U y son continuas en cualquier punto de U (ver el teorema 4.2.11).
Por tanto, podemos asegurar la existencia de la derivada direccional de esa funci
on
on v Rn , v = 0
D1j1 D2j2 . . . Dnjn f en cualquier punto x U y en cualquier direcci
(ver la proposici
on 4.2.8). Esa derivada direccional se representar
a como
Dv D1j1 D2j2 . . . Dnjn f (x),
siempre en el caso j1 + j2 + . . . + jn < k.
Recordando ahora que

v1

= dfx (v) = (D1 f (x), . . . , Dn f (x)) ... =

vn

Dv f (x)

= v1 D1 f (x) + . . . + vn Dn (x),
obtenemos
Dv D1j1 D2j2 . . . ..Dnjn f (x) =
= v1 D1 D1j1 D2j2 . . . Dnjn f (x) + v2 D2 D1j1 D2j2 . . . Dnjn f (x) + . . .
n

vr D1j1 . . . Drjr +1 . . . Dnjn f (x).
. . . + vn Dn D1j1 D2j2 . . . Dnjn f (x) =
r=1

En particular, este procedimiento puede aplicarse para denir las derivadas direccionales de orden superior:
Definici
on 5.4.3 Sea f Ck (U ), y sea v Rn , w Rn . Si existe la funci
on
derivada direccional de f en los puntos x U en la direcci
on v, denotada como
Dv f (x) =

n

r=1

174

vr Dr f (x),

Captulo 5. Aproximaci
on de funciones y problemas de extremos
y esta funci
on tiene, a su vez, derivada direccional en la direcci
on w en un punto
x U , se dene la derivada direccional sucesiva

n

f
Dw Dv f (x) := Dw
vr Dr (x) =
r=1

ws

s=1


vr Ds Dr f (x) =

r=1

n
n 


ws vr Ds Dr f (x).

s=1 r=1

Definici
on 5.4.4 Cuando w = v se denota, m
as brevemente,
Dv Dv f (x)

= Dv2 f (x) =


=
j1 +...+jn =2

2
j1 . . . jn


v1j1 . . . vnjn D1j1 D2j2 . . . Dnjn f (x),


2!
2
.
donde
=
j1 . . . jn
j1 !j2 ! . . . jn !
En general se dene
Dvm f (x)


j1 +...+jn =m

m
j1 . . . jn


v1j1 . . . vnjn D1j1 D2j2 . . . Dnjn f (x)


para cada x U , cuando 0 m k, donde

m
j1 . . . jn


=

(5.60)

m!
.
j1 !j2 ! . . . jn !

Recordando la f
ormula del binomio de Newton, una expresi
on simb
olica para la formula (5.60) f
acil de recordar es
Dvm f (x) = (v1 D1 + . . . + vn Dn )m f (x),

(5.61)

donde (5.61) representa precisamente la f

ormula (5.60).
on es de clase Ck
Ejemplo 5.4.5 Sea f (x1 , x2 , . . . , xn ) = x21 +x22 +. . .+x2n . Esta funci
n
en R , para cualquier k. Supongamos v = (1, 1, . . . , 1), un vector en Rn . Queremos
calcular
Dv f (x1 , x2 , . . . , xn ),
la derivada direccional de f en la direccion de v en el punto x = (x1 , x2 , . . . , xn ).
Observar que
D1 f (x) = 2x1 ,
D2 f (x) = 2x2 ,
..
.
Dn f (x) = 2xn .
175

5.4. F
ormula de Taylor para funciones de varias variables

es una funci
on de x. Podemos calcular su
Entonces Dv f (x) = 2(x1 + . . . + xn ). Esta
derivada direccional en la direcci
on v, denotada por
Dv Dv f (x) = Dv2 f (x).
Ser
a
Dv2 f (x) = v1 D1 [Dv f (x)] + v2 D2 [Dv f (x)] + . . . + vn Dn [Dv f (x)] =


= v1 v1 D12 f (x) + v2 D1 D2 f (x) + . . . + vn D1 Dn f (x) +


+v2 v1 D2 D1 f (x) + v2 D22 f (x) + . . . + vn D2 Dn f (x) + . . .


. . . + vn v1 Dn D1 f (x) + v2 Dn D2 f (x) + . . . + vn Dn2 f (x) .
En nuestro caso,

Dv2 f (x) = (2, 2, . . . , 2) ... = 2n.

1

Es claro que las derivadas direccionales sucesivas Dv3 f (x), Dv4 f (x), . . . , Dvm f (x), . . .,
son todas cero.

5.4.2.

F
ormula de Taylor

Teorema 5.4.6 Sea f Ck+1 (U ), con valores en R, donde U es un subconjunto

abierto de Rn . Sean a y a + h puntos de U , y supongamos que el segmento rectilneo
L que une a con a + h tambien este contenido en U . Entonces existe L tal que
f (a + h) = Pk f (a + h) + Ek f (a + h)

(5.62)

donde
Pk f (a + h) =

k

Dr f (a)
h

r=0

r!

(10 )

(5.63)

y
Ek f (a + h) =

Dhk+1 f ()
(k + 1)!

(11 )

(5.64)

10 La funci
on Pk f as definida es llamada Polinomio k-
esimo de Taylor asociado a la funci
on f en
el punto a, y realmente es un polinomio de grado k en n variables (obs
ervese la expresi
on de la
derivada direccional r
esima dada por (5.60)).
11 Esta expresi
on se llama Resto k
esimo de Taylor asociado a la funci
on f en el punto a. El lector
reconocer
a la similitud que existe entre las f
ormulas (5.63) y (5.64) y las f
ormulas (5.7) y (5.19). En
realidad, estas u
ltimas no son m
as que un caso particular de (5.63) y (5.64), precisamente cuando
n = 1. El uso de las derivadas direccionales en (5.63) y (5.64) hace que estas f
ormulas adquieran un
aspecto particularmente simple, lo que las hace f
aciles de recordar.

176

Captulo 5. Aproximaci
on de funciones y problemas de extremos
n. Toda la dicultad de la prueba consiste en reducir el problema al
Demostracio
de una funci
on de una variable, y aplicar el correspondiente resultado para esta, es
decir, el teorema de Taylor 5.1.8.
Para ello, lo natural es describir los puntos del segmento L usando un par
ametro
real mediante la funci
on
(t) = a + th, t [0, 1] .
Entonces, (0) = a, (1) = a + h, y cuando t recorre el intervalo [0, 1], (t) recorre
el segmento L (ver la gura 5.13).

Figura 5.13: Representacion parametrica del segmento L

Sea ahora g(t) = f [(t)] = (f )(t), t [0, 1]. Esta

es una funci
on de clase Ck
en [0, 1], luego podemos aplicarle la formula de Taylor (teorema 5.1.8):
g(1) =

k

g (r) (0)
r=0

r!

g (k+1) (c)
(k + 1)!

(5.65)

para cierto c ]0, 1[ . Como g(1) = f (a + h), basta probar, para obtener la f
ormula
(5.62) que, para t [0, 1],
g (r) (t) = Dhr f (a + th), r = 0, 1, 2, . . . , k + 1.

(5.66)

Para ello, considerese que

g (0) (t) = g(t) = f (a + th) = Dh0 f (a + th).
Si r = 1, resulta g  (t) = f [(t)] .  (t) ( por la Regla de la Cadena), luego
g  (t) = f [a + th] h = Dh f (a + th).
Probaremos (5.66) por inducci
on sobre r. En las lneas anteriores lo hemos comprobado para r = 0 y para r = 1. Supongamos que es cierto para todo ndice hasta cierto
r k. Lo probaremos para r + 1: para simplicar la notaci
on, denimos la funci
on
f1 como f1 (x) = Dhr f (x). Entonces
g (r+1) (t) = Dg (r) (t) = D [Dhr f (a + th)] = (hip
otesis de inducci
on)

= D [f1 (a + th)] = D [(f1 )(t)] = f1 [(t)]  (t) = (Regla de la Cadena)

177

5.4. F
ormula de Taylor para funciones de varias variables
= f1 [a + th] h = Dh f1 (a + th) = Dh Dhr f (a + th) = Dhr+1 f (a + th).
Observar que a + ch = L. Obtenemos la conclusion.

Nota 5.4.7 El signicado que tiene la F

ormula de Taylor (teorema 5.4.6), es, como
ya hemos indicado en la introducci
on 5.1, la posibilidad de aproximar, al menos en un
entorno de un punto, una funci
on f mediante un polinomio Pk f controlando el error
ormula (5.64)). Distintos ks (siempre que la funci
on sea
cometido Ek f (observar la f
de clase Ck+1 en U ) producen, en principio, distintos polinomios.
Por ejemplo, si k = 0, el polinomio P0 f que resulta es una constante, simplemente
f (a). Si k = 1, el polinomio es, precisamente
P1 f (x) = f (a) + [D1 f (a)(x1 a1 ) + . . . + Dn f (a)(xn an )] .

(5.67)

La gr
aca de esta funci
on de x es un subespacio vectorial de Rn+1 , que pasa por el
punto (a, f (a)). Luego veremos (observar 5.4.11), que es caracterstico de este subespacio ser el que mejor se ajusta a la gr
aca de la funci
on en las proximidades
del punto (a, f (a)). Dicho subespacio recibe el nombre de plano tangente a la gr
aca
de f en el punto (a, f (a)), y corresponde exactamente al concepto introducido en la
denici
on 4.2.18. Observar tambien que, en el caso de funciones de una variable, el
plano tangente es, simplemente, la recta tangente.
Ejemplo 5.4.8 1. Sea f (x) = ex1 +x2 +...+xn , x = (x1 , x2 , . . . , xn ) Rn . Entonces
f es una funci
on en Ck (Rn ), para todo k.
Calcularemos las derivadas direccionales sucesivas: sea h = (h1 , h2 , . . . , hn )
ormula (5.60)):
Rn . Entonces, si r = 0, 1, 2, . . . , se tiene (observar la f



r
Dhr f (x) =
hj11 . . . hjnn D1j1 D2j2 . . . Dnjn f (x) =
j1 . . . jn
j1 +...+jn =r



r
= ex1 +x2 +...+xn
hj11 . . . hjnn =
j1 . . . jn
j1 +...+jn =r

x1 +x2 +...+xn

= e

(h1 + h2 + . . . + hn )r .

Supongamos que queremos desarrollar la funci

on en a = (0, 0, . . . , 0) = 0. Se
tiene entonces
Dhr f (0) = (h1 + h2 + . . . + hn )r , r = 0, 1, 2, . . .
Aplicando el teorema 5.4.6, resulta
f (x)

= ex1 +x2 +...+xn =

= f (0 + x) =

k

Dr f (0)
x

r=0

178

r!

Dxk+1 f ()
=
(k + 1)!

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Dk f (0) Dxk+1 f ()
Dx2 f (0)
+ ... + x
+
=
2!
k!
(k + 1)!
(x1 + . . . + xn )2
+ ...
= 1 + (x1 + . . . + xn ) +
2!
Dk+1 f ()
(x1 + . . . + xn )k
+ x
.
... +
k!
(k + 1)!

= f (0) + Dx f (0) +

2.

Sea f (x1 , x2 ) = x1 x2 . Queremos desarrollar f en potencias de (x1 1), (x2

1). Para ello, usaremos el polinomio de Taylor de f en a = (1, 1), para un
incremento h = (h1 , h2 ) = (x1 1, x2 1).
Se tiene
f (a + h) = f (x1 , x2 ) =

k

Dr f (a)
h

r=0

r!

Dhk+1 f ()
,
(k + 1)!

donde ]a, a + h[ . Observemos el aspecto de las derivadas parciales y direccionales sucesivas de f en un punto (y1 , y2 ) cualquiera de R2 :
D1 f (y1 , y2 ) = y2 , D2 f (y1 , y2 ) = y1 ,
as que
Dh f (y1 , y2 ) = h1 D1 f (y1 , y2 ) + h2 D2 f (y1 , y2 ) = h1 y2 + h2 y1 .
Tambien
D11 f (y1 , y2 ) = D22 f (y1 , y2 ) = 0, D12 f (y1 , y2 ) = D21 f (y1 , y2 ) = 1,
as que
Dh2 f (y1 , y2 ) = (h1 D1 + h2 D2 )2 f (y1 , y2 ) =
= h21 D12 f (y1 , y2 ) + 2h1 h2 D12 f (y1 , y2 ) + h22 D22 f (y1 , y2 ) = 2h1 h2 .
Todas las derivadas parciales de orden 3 son cero, luego as lo son las derivadas
direccionales de orden 3. Entonces podemos escribir
f (a + h) = f (x1 , x2 ) = f (1, 1) +

Dh1 f (a) Dh2 f (a)

+
.
1!
2!

Sustituyendo en esta f
ormula los valores de h y a antes especicados, obtenemos
f (x1 , x2 ) = x1 x2 = 1 + [(x1 1) + (x2 1)] + [(x1 1) + (x2 1)] ,
lo que constituye la expansi
on buscada.
179

5.4. F
ormula de Taylor para funciones de varias variables

5.4.3.

An
alisis del error

A continuaci
on estudiaremos, como hicimos en la proposicion 5.1.6, el error que se
comete al tomar el polinomio de Taylor (5.63) asociado a la funci
on f en el punto a
en lugar de la propia funci
on. El siguiente corolario arma que ese error se hace tanto
mas peque
no cuanto m
as cerca estemos del punto a, as que el polinomio de Taylor es
una buena aproximaci
on de la funci
on en las proximidades del punto a. El resultado
es incluso mas preciso, pues nos dice que el error se acerca a cero mas deprisa que
la potencia kesima de la magnitud (es decir, la norma) del incremento:
Corolario 5.4.9 (Estimaci
on del error en la F
ormula de Taylor) Sea f una
funci
on real de clase Ck+1 (U ), donde U es un entorno abierto de a Rn . Si Ek
denota, como en el teorema 5.4.6, el resto de Taylor de orden k de f en el punto a,
se tiene
Ek f (x)
lm
=0
(5.68)
xa x ak
n. Tomemos x en un entorno de a lo sucientemente peque
Demostracio
no para
que el segmento [a, x] este contenido en U . Entonces, en virtud del teorema 5.4.6, si
h = x a,
Dk+1 f ()
, donde ]a, x[ .
Ek f (x) = h
(k + 1)!
As, denotando por h al incremento x a,



1
k+1
Ek f (x) =
hj11 . . . hjnn D1j1 . . . Dnjn f ().
j1 . . . jn
(k + 1)!
j1 +...+jn =k+1

Si hacemos ahora x a (o, equivalentemente, h 0), entonces a, y como f es

de clase Ck+1 en U ,
D1j1 D2j2 . . . Dnjn f () D1j1 D2j2 . . . Dnjn f (a),
pues j1 + . . . + jn = k + 1.
Veamos que
lm

h0

hj11 . . . hjnn
h

= 0,

(5.69)

cuando j1 + . . . + jn = k + 1.
|hi |
Para ello, basta tener en cuenta que h
1, i = 1, 2, . . . , n. El resultado (5.69)
es ahora obvio, y por tanto, queda demostrado (5.68).

Los siguientes resultados tienen como objetivo caracterizar a los polinomios de

Taylor como aquellos que tienen una cierta cualidad de mejor aproximaci
on a la
funci
on f en un entorno del punto a en que esta se ha desarrollado.
180

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Lema 5.4.10 Sea P (x) y Q(x) dos polinomios de grado k en la variable x Rn ,
x = (x1 , x2 , . . . .xn ), tales que
P (x) Q(x)

lm

x0

= 0.

x

Entonces se tiene P = Q.
n. Supongamos P = Q. Sea P (x) Q(x) = F (x) + G(x), donde F es
Demostracio
un polinomio en la variable n-dimensional x que contiene todos los terminos de P Q
del menor grado existente, digamos 1, mientras que G contiene todos los restantes (de
grado, por tanto, mayor que 1). Sea b = 0 un punto de Rn tal que F (b) = 0. Como
1 k, es obvio que
k
tb tb
cuando t es sucientemente peque
no. Entonces
0 = lm

t0

F (b)
P (tb) Q(tb)
F (tb) + G(tb)
= lm
=
= 0,
t0
tb
tb
b

(b)
una contradicci
on. Por tanto, P = Q (la raz
on de que el anterior lmite sea Fb
es
que todos los terminos en F son de grado 1, mientras que los de G son de grado mayor
que 1. Basta observar lo que pasa al hacer la divisi
on F (tb)/t y G(tb)/t).

Teorema 5.4.11 Sea f : U R una funci

on de clase Ck+1 en un entorno U Rn
de un punto a Rn . Sea Q un polinomio en n variables de grado k tal que
lm

xa

f (x) Q(x)
k

x a

= 0.

Entonces Q es el polinomio de Taylor de grado k de f en a.

n. Sabemos, por el corolario 5.4.9, que, si Pk f es el polinomio de Taylor
Demostracio
de grado k de f en a, entonces
lm

xa

Resulta

f (x) Pk f (x)
k

x a

= 0.

(5.70)



 Q(x) P f (x) 


k

=
 x ak



 [f (x) P f (x)] [f (x) Q(x)] 


k
=

k


x a
181

5.4. F
ormula de Taylor para funciones de varias variables

|[f (x) Pk f (x)]|

x a

|[f (x) Q(x)]|

x a

cantidad que, en virtud de 5.4.9 y de la hip

otesis, tiende a cero cuando x tiende a a.
Aplicando ahora el lema 5.4.10 obtenemos Q = Pk f.

Ejemplo 5.4.12 Como aplicacion del teorema 5.4.11, calcularemos el polinomio de

Taylor de grado 3 de la funci
on f (x) = ex sen(x), en el punto 0, multiplicando los
correspondientes a las funciones ex y sen(x), respectivamente:
x2
x3
x
+
+
+ R3 (x),
1!
2!
3!
x3
sen(x) = x
+ E3 (x)
3!

ex = 1 +

donde
lm

x0

R3 (x)
E3 (x)
= lm
= 0.
3
x0
x
x3

Entonces,

 

x2
x3
x
x3
+
+ R3 (x) . x
+ E3 (x) .
e sen(x) = 1 + +
1!
2!
3!
3!
x

Escribiremos de nuevo esta expresi

on agrupando, por una parte, todos aquellos monomios
as prede grado 3, y, por otra, el resto de los sumandos en un termino R (x). M
cisamente,


x3
x
2
e sen(x) = x + x +
+ R (x),
3
donde
R (x) =





x6
x3
x3
x5
x2

+ x
+
R3 (x) + 1 + x +
E3 (x) + E3 (x)R3 (x).
12 36
6
2
6

Es inmediato que se tiene

R (x)
= 0.
x0
x3
lm


Por tanto, en virtud del teorema 5.4.11, resulta que x + x2 +

x3
3


es el Polinomio de

Taylor de orden 3 de la funci

on ex sen(x) en el punto 0.

5.4.4.

Aplicaciones a problemas de extremos

Introducci
on
Los apartados 5.1.1 y 5.4 tenan como objetivo basico, ya indicado, aproximar
funciones localmente mediante polinomios. Adem
as del interes teorico, los resultados
182

Captulo 5. Aproximaci
on de funciones y problemas de extremos
obtenidos son de especial utilidad pr
actica, como inmediatamente se comprendera.
Los polinomios son funciones de propiedades bien conocidas, y cuyo comportamiento
es facil de estudiar. Si uno de ellos se aproxima a una determinada funci
on en el
entorno de un punto, se podr
a reproducir con bastante exactitud el comportamiento
de esta en ese mismo entorno. Mas particularmente, sera posible localizar y clasicar
los posibles extremos locales de una funcion si se conoce el comportamiento de una
buena aproximaci
on.
Definiciones asociadas a extremos
Usaremos el termino local para referirnos a propiedades relativas a los puntos en
la proximidad de uno determinado (es decir, puntos en una bola centrada en el punto
en cuestion).
Definici
on 5.4.13 Se dice que una funci
on real f denida en un conjunto S Rn
tiene un extremo local (maximo o mnimo local) en un punto x0 S cuando existe
> 0 de modo que
(5.71)
f (x0 ) f (x) (f (x0 ) f (x), respectivamente)


nade el calicativo de estricto cuando las
para todo x S tal que x x0  < (se a
desigualdades (5.71) son estrictas). Observar que tal extremo local puede no ser global
(o, como tambien se dice, absoluto): un punto x1 S es maximo (mnimo) absoluto
cuando
f (x1 ) f (x)

xS

(f (x1 ) f (x),

x S, respectivamente).

(5.72)

En parte debido a estas consideraciones locales con frecuencia se tomaran conjunon de la funci
on (pues, de acuerdo con
tos S Rn abiertos como dominio de denici
la denici
on 2.3.6 todo punto x0 de un conjunto abierto S tiene la propiedad de que
hay una bola centrada en el contenida en el conjunto, siendo as posible encontrar
on).
puntos de S pr
oximos a x0 en cualquier direcci
Puntos crticos y formas cuadr
aticas
Comenzaremos por dar una denici
on.
on. Si f tiene derivadas parciales de
Definici
on 5.4.14 Sea f : Rn R una funci
primer orden Di f (a), i = 1, 2, . . . , n, en un punto a Rn , se dice que a es un punto
crtico si todas ellas se anulan (equivalentemente, el vector f (a) es cero).
Supongamos que la funci
on f es de clase C2 en un entorno del punto crtico a. El
teorema 5.4.6 asegura, en ese caso, que podemos escribir
f (x) = P1 f (x) + E1 f (x),

(5.73)
183

5.4. F
ormula de Taylor para funciones de varias variables
donde P1 f (x) es el polinomio de Taylor de grado 1 de f en a y E1 f (x) el correspondiente resto de Taylor , veric
andose
lm

xa

E1 f (x)
= 0.
x a

(5.74)

Pero, en nuestro caso, P1 f (x) se reduce a una constante, precisamente f (a), pues a
es un punto critico! Tambien indicamos (ver la nota 5.4.7) que, en general, la gr
aca
del polinomio de grado 1 que hemos denotado por P1 f (x) recibe el nombre de plano
tangente a la gr
aca de f en el punto (a, f (a)). As, desde un punto de vista geometrico
las f
ormulas (5.73) y (5.74) se traducen en el hecho de que la gr
aca de la funci
on f
tiene en el punto (a, f (a)) un plano tangente horizontal. Esto hace que el punto a sea
un candidato a m
aximo o mnimo local de f (pudiendo ser ni una cosa ni otra).
Desarrollaremos criterios para saber si a es un punto donde f tiene un m
aximo
local, un mnimo local, o ninguna de ambas cosas. Observar, de paso, que las conclusiones s
olo pueden ser analizadas desde el punto de vista local. Incluso en funciones
de una variable, f  (a) = 0 no asegura, como se observa en la gura 5.14, que a sea
extremo absoluto o global de la funci
on (ver la nota 4.1.18):

Figura 5.14: La derivada cero no implica extremo

Supongamos f C3 (U ), siendo U un entorno del punto a, punto crtico de f .
Entonces podemos usar el desarrollo de Taylor en a hasta el orden 2:
f (a + h) = f (a) + q(h) + E2 f (a + h)
(mientras h tenga una norma lo bastante peque
na para que a + h U ), donde
q(h) =

1 2
1
2
Dh f (a) = [h1 D1 + . . . + hn Dn ] f (a),
2
2

(obervar la f
ormula (5.60)), mientras que
lm

h0

184

E2 f (a + h)
h

= 0.

Captulo 5. Aproximaci
on de funciones y problemas de extremos
(observar la f
ormula (5.68)). Desarrollando la expresi
on de q(h), tenemos

n
n

1
hi hj Di Dj f (a) =
aij hi hj ,
q(h) =
2 i,j=1
i,j=1

(5.75)

donde aij = 12 Di Dj f (a), i, j = 1, 2, . . . , n.

Definici
on 5.4.15 Una expresi
on del tipo (5.75) recibe el nombre de forma cuadr
atica
en las variables h1 , . . . , hn .
Veremos que el comportamiento de f en las proximidades de a depende de la naturaleza de la forma cuadr
atica q 12 .

El caso de una variable

Una consideraci
on de lo que ocurre en el caso de funciones de una variable proporcionar
a alguna orientaci
on sobre este caso mas general: si
f : ]a , a + [ R
tiene derivada hasta el orden 3 en ese intervalo ( es un numero > 0), y si a es un
punto crtico de f (es decir, f  (a) = 0), entonces (ver el teorema 5.1.8)
1
f (a + h) = f (a) + f  (a)h + f  (a)h2 + E2 f (a + h),
2
f  (a + h) 3
h , siendo 0 < < 1,
3!
siempre que h sea sucientemente peque
na (precisamente, |h| < , para que a + h
]a , a + ]). Como f  (a) = 0, resulta

donde una posible expresi

on para E2 f (a + h) es

1
f (a + h) = f (a) + f  (a)h2 + E2 f (a + h).
2
En la terminologa que hemos considerado un poco m
as arriba, q(h) = 12 f  (a)h2
(forma cuadr
atica en una variable, h). Vimos con anterioridad (ver la proposici
on
5.1.11) que si q(h) > 0 para 0 < |h| < (en realidad, para todo h = 0), entonces f
tiene un mnimo local en a, mientras que si q(h) < 0 para 0 < |h| < , (en realidad,
para todo h = 0) entonces f tiene un m
aximo local en a (pues q(h) > 0 f  (a) > 0,

q(h) < 0 f (a) < 0, h).
12 Es conveniente que, en este punto, el lector consulte cualquier manual de Algebra

Lineal y se
familiarice con las propiedades elementales de las formas cuadr
aticas.

185

5.4. F
ormula de Taylor para funciones de varias variables
El caso de varias variables
En el caso de varias variables es tambien el signo de q el que va a determinar el
car
acter del punto crtico a:
Definici
on 5.4.16 Una forma cuadr
atica q(h) en n variables h = (h1 , . . . , hn ) es
denida positiva cuando q(h) > 0, h Rn , h = 0. Es denida negativa cuando
q(h) < 0, h Rn , h = 0. Si hay puntos donde q es positiva y puntos donde es
negativa, se dice que q es no denida.
Se tiene el siguiente teorema, similar al resultado dado para funciones de una
variable (ver la proposici
on 5.1.11).
Teorema 5.4.17 Sea f : U R, f C3 (U ), donde U es un entorno del punto
crtico a Rn . Entonces,
1.

si q, la forma cuadr
atica denida en (5.75), es denida positiva, f tiene un
mnimo local en a,

2.

si q es denida negativa, f tiene un m

aximo local en a, y

3.

si q es no denida, a no es ni mnimo ni m
aximo local, denomin
andose punto
de silla.

n. Tenemos f (a + h) f (a) = q(h) + E2 f (a + h), para h sucienDemostracio

temente peque
na (de forma que a + h U ).
1.

Supongamos que q es una forma cuadr

atica denida positiva. Basta demostrar
que si 0 < h < (para un cierto > 0, como acabamos de indicar), entonces
q(h) + E2 f (a + h)
2

h

> 0.

Observar que
q(h) + E2 f (a + h)
h


=q

h
h


+

E2 f (a + h)
2

h

h
esta en la esfera unidad SRn = {x Rn : x = 1} . Este conjunto
El vector h
es cerrado y acotado en Rn , luego, al ser q una funci
on continua, hay al menos
un punto de SRn donde q alcanza el valor mnimo (ver el teorema 3.3.3). Como
otesis, resulta que ese valor mnimo m es > 0.
q(x) > 0, x SRn por
 hip

Resulta entonces q

h
h

m, h Rn , h = 0, as que

q(h) + E2 f (a + h)
2

h
186

m+

E2 f (a + h)
2

h

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Por otra parte,
E2 f (a + h)

lm

h

h0

= 0.

Entonces, podemos encontrar > 0 (y lo podemos tomar lo bastante peque

no
para que a + h U cuando h < ) de modo que


 E f (a + h)  m

 2
0 < h < 
< .
2


2
h
As pues, tomando 0 < h < ,
q(h) + E2 f (a + h)
h

>m

m
> 0.
2

Esto demuestra 1.
2.

Se prueba como 1.

3.

Supongamos ahora q no denida. Entonces hay dos puntos h1 y h2 en Rn tales

que q(h1 ) > 0, q(h2 ) < 0. Resulta
f (a + thi ) f (a) =
2

= q(thi ) + E2 f (a + thi ) = t2 q(hi ) + t2 hi 

2

= t2 q(hi ) + hi 

Como lm

t0

E2 f (a + thi )
thi 

E2 f (a + thi )
thi 


,

E2 f (a + hi )
thi 

i = 1, 2.

= 0, existe > 0 de modo que, si 0 < |t| < , entonces

f (a + thi ) f (a)

> 0, si i = 1,

< 0, si i = 2.

Obtenemos que a no es ni maximo ni mnimo local (es lo que se llama un punto

de silla).


Ejemplo 5.4.18 Sea f (x1 , x2 ) = x21 + x22 + cos(x1 ). Entonces
D1 f (x1 , x2 ) = 2x1 sen(x1 ), D2 f (x1 , x2 ) = 2x2
D12 f (x1 , x2 ) = 2 cos(x1 ), D1 D2 f (x1 , x2 ) = 0, D22 f (x1 , x2 ) = 2.
El punto (0, 0) es, obviamente, un punto crtico de f . Analizaremos el car
acter de
(0, 0).
187

5.4. F
ormula de Taylor para funciones de varias variables
De momento, calculemos el polinomio de Taylor de orden 2 asociado a f en (0, 0).
Procederemos as: dado un vector h R2 ,
P2 f (h)

2

Dr f (0, 0)
h

r!

r=0

1
1
= f (0, 0) + Dh f (0, 0) + Dh2 f (0, 0) = 1 + Dh2 f (0, 0),
2
2
pues observar que Dh f (0, 0) = h1 D1 f (0, 0) + h2 D2 f (0, 0) = 0. Entonces,
P2 f (h) = 1 +



1 2
1 2 2
h D + 2h1 h2 D1 D2 + h2 D22 f (0, 0) = 1 +
h + 2h22 .
2 1 1
2 1

En la terminologa del apartado anterior, la forma cuadr

atica
q(h) = q(h1 , h2 ) =


1 2
h1 + 2h22
2

es, obviamente, denida positiva. Entonces (0, 0) es un mnimo local de f .

Todava considerando el mismo ejemplo, y para ilustrar el uso del teorema 5.4.11,
veamos como es posible determinar el polinomio de Taylor de una funci
on expresada
mediante funciones de las que s se conoce sus polinomios de Taylor :
Sabemos que cos(x) = 1
f (x1 , x2 )

x2
2

+ E2 (x), con lm

x0

E2 (x)
x2

= 0. Entonces,

= x21 + x22 + cos(x1 ) = x21 + x22 + 1

= 1+

x21
+ x22 + E2 (x1 ).
2

x21
+ E2 (x1 ) =
2

Por otra parte,

lm

(x1 ,x2 )(0, 0)

pues

E2 (x1 )
(x1 , x2 )

= 0,



 E (x )  |E (x )|


2 1
2 1
.


 (x1 , x2 )2 
x21

Resulta que el polinomio de Taylor de orden 2 de la funci

on f es
P2 f (x1 , x2 ) = 1 +

x21
+ x22 .
2

Esto concuerda con el calculo realizado anteriormente.

Ejemplo 5.4.19 Sea f (x1 , x2 ) = x21 sen(x2 ) 4x1 .
188

Captulo 5. Aproximaci
on de funciones y problemas de extremos
1.

Determinacion de puntos crticos: se estudia para ello el sistema de ecuaciones

D1 f (x1 , x2 ) = 2x1 sen(x2 ) 4 = 0.

D2 f (x1 , x2 ) = x21 cos(x2 ) = 0.

De la segunda ecuacion obtenemos x1 = 0 o bien cos(x2 ) = 0. Pero x1 = 0 no

proporciona
un puntocrtico. As, cos(x2 ) = 0, lo que hace que, necesariamente,

on,
x2 2 + k : k Z . Resulta, resolviendo la primera ecuaci
{puntos crticos} =

4 3

4
3

=
2, + k : k Z, k par 2, + k : k Z, k impar .
2
2
2.

Clasicaci
on de los puntos
crticos: Analicemos, por ejemplo, lo que ocurre en

el punto crtico 2, 2 = a. En primer lugar,
2
D1 f (x1 , x2 ) = 2 sen(x2 ),

D1 D2 f (x1 , x2 ) = 2x1 cos(x2 ).

2
D2 f (x1 , x2 ) = x21 sen(x2 ),
por lo que D12 f (a) = 2, D1 D2 f (a) = 0, D22 f (a) = 4. Denotamos h :=
(h1 , h2 ) = x1 2, x2 2 . Entonces (x1 , x2 ) = a + h = x. Resulta
f (x)

5

6
=
= f a + x1 2, x2
2
Dh f (a) Dh2 f (a)
= f (a) +
+
+ E3 f (x),
1!
3!

Dh3 f (a + h)
, para un cierto 0 < < 1.
3!
Como a es un punto crtico, Dh f (a) = 0, por lo que
donde E3 f (x) =

f (x) = f (a) +

Dh2 f (a)
+ E3 f (x).
3!

atica a
Un simple calculo proporciona Dh2 f (a) = 2h21 4h22 . La forma cuadr
analizar es as q(h) = h21 2h22 . Es claro que esta forma es no denida: hay
por ejemplo,
puntos h = (h1 , h2 ) donde q es positiva y otros donde es

 negativa;
q(1, 0) = 1, q(1, 0) = 2. Por todo ello, el punto a = 2, 2 no es un extremo
local de f (es, de acuerdo con lo anterior, un punto de silla).
Ejercicio: Que ocurre con los restantes puntos crticos de f ?
189

5.4. F
ormula de Taylor para funciones de varias variables
atica en n
Nota 5.4.20 Es sencillo observar que si q(h1 , . . . , hn ) es una forma cuadr
variables,


h
q(h)
n
q
=
2 , h R , h = (h1 , . . . , hn ), h = 0.
h
h
As, resulta que el comportamiento de q (y, por tanto, su car
acter), viene descrito por
su comportamiento sobre la esfera unidad de Rn , SRn = {x Rn : x = 1}. Basta
acter: si q(h) > 0, h SRn , entonces q
calcular q sobre SRn para determinar su car
es denida positiva. Si q(h) < 0, h SRn , entonces q es denida negativa. Si existe
h SRn , y existe w SRn con q(h) > 0, q(w) < 0, resulta que q es no denida.
Parece natural entonces estudiar el comportamiento de funciones de varias variables sobre ciertos subconjuntos de Rn , en particular los posibles extremos. Una
posible tecnica para realizarlo es la llamada de los Multiplicadores de Lagrange, que
sera tratada en el apartado 5.6.3.
Otra tecnica para analizar el car
acter de una forma cuadr
atica, basada en los signos
de los valores propios de una cierta matriz asociada, o bien de los determinantes de

ciertas submatrices de esa misma matriz, es tratada en los textos de Algebra

Lineal13 .
El caso de formas cuadr
aticas de dos variables
En el caso de funciones de dos variables, hay un metodo para determinar el car
acter
de una forma cuadr
atica sin necesidad de utilizar m
as que metodos elementales:
Supongamos que q sea una forma cuadr
atica en dos variables,
q(h) = q(h1 , h2 ) = a11 h21 + a12 h1 h2 + a21 h2 h1 + a22 h22 , h = (h1 , h2 ) R2 .
Siempre puede escribirse de modo que a12 = a21 (es decir, que la matriz asociada


a11 a12
A :=
(5.76)
a21 a22
13 Reproducimos aqu
el criterio para uso del lector: Sea q una forma cuadr
atica en n variables,


n
q(x1 , . . . , xn ) = n
etrii=1
i=1 aij xi xj , aij = aji , i, j = 1, 2, . . . , n. Denotamos por A su matriz sim
ca nn asociada, es decir, A = (aij ). Entonces, todos los valores propios de A son reales y existe una
base de Rn formada por vectores propios de A (es decir, A es diagonizable). Adem
as, las siguientes
afirmaciones son equivalentes:

1.

q es definida positiva.

2.

Todos los valores propios de A son positivos.

3.

Los menores principales descendentes de A (es decir, los determinantes de aquellas submatrices
obtenidas a partir de A suprimiendo las u
ltimas k filas y columnas, k = 0, 1, 2, . . . , n 1) son
positivos.

Tambi
en se tiene el siguiente test: las siguientes afirmaciones son equivalentes:
1.

q es definida negativa.

2.

Todos los valores propios de A son negativos.

3.

El k
esimo menor principal descendente de A tiene el mismo signo que (1)k , k = 1, 2, . . . , n.

190

Captulo 5. Aproximaci
on de funciones y problemas de extremos
sea simetrica).
Se tiene el siguiente
Teorema 5.4.21 Sea q una forma cuadr
atica de dos variables, y sea A su matriz
asociada dada en (5.76). Entonces,
1.

Si a11 > 0 y D > 0, entonces q es denida positiva.

2.

Si a11 < 0 y D > 0, entonces q es denida negativa.

3.

Si D < 0, q es no denida.

n. Observemos que, denotando por D = a11 a22 a12 a21 = a11 a22 a212
Demostracio
el determinante de esta matriz, resulta, si a11 = 0,

2
a12
D 2
2
2
a11 h1 + 2a12 h1 h2 + a22 h2 = a11 h1 +
h2 +
h = q(h).
a11
a11 2
De esta formula se obtiene inmediatamente 1 y 2. Para demostrar 3, un posible argumento es el siguiente: supongamos a11 > 0. Si tomamos h2 > 0 y h1 tales que
h2 = 0, tenemos valores de q negativos, mientras que q en (0, 1) es positiva.
h1 + aa12
11
h2 = 0, obtenemos
Si, por el contrario, a11 < 0, y tomamos h2 > 0, h1 tal que h1 + aa12
11
valores positivos de q, mientras que q en (0, 1) es negativa.


Aplicando ahora el teorema 5.4.17 obtenemos criterios de discriminacion del car
acter
de un punto crtico, en el caso de funciones de dos variables.
Ejemplos
1.

Determinar la naturaleza de los puntos crticos de las funciones

f (x1 , x2 ) = x21 + x42 , g(x1 , x2 ) = x21 x42 .
Obviamente, estas funciones son de clase C (R2 ). Se tiene
D1 f (x1 , x2 ) = 2x1 ,
D1 g(x1 , x2 ) = 2x1 ,

D2 f (x1 , x2 ) = 4x32 ,

D2 f (x1 , x2 ) = 4x32 .

As, el u
nico punto crtico de estas funciones es (0, 0). Por otra parte,
D11 f (x1 , x2 ) = 2, D12 f (x1 , x2 ) = 0, D22 f (x1 , x2 ) = 12x22 ,
D11 g(x1 , x2 ) = 2, D12 g(x1 , x2 ) = 0, D22 g(x1 , x2 ) = 12x22 .
La forma cuadr
atica asociada a f en el punto (0, 0) es la misma que la asociada
a g, precisamente
q(h1 , h2 ) =

1
1
2
2
[D1 h1 + D2 h2 ] f (0, 0) = [D1 h1 + D2 h2 ] g(0, 0) = h21 .
2
2
191

5.4. F
ormula de Taylor para funciones de varias variables
En este caso no podemos aplicar el teorema 5.4.17: q no es denida positiva,
ni denida negativa, ni siquiera no denida (pues hay puntos (h1 , h2 ) = (0, 0)
donde q(h1 , h2 ) = 0, aunque q(h1 , h2 ) 0, (h1 , h2 ) R2 .)
Observar que, a pesar de ello, es posible deducir en este caso que tipo de punto
crtico es (0, 0) para f y para g. Basta notar que f (0, 0) = g(0, 0) = 0.
Como f (x1 , x2 ) 0, (x1 , x2 ) R2 , resulta que (0, 0) es, obviamente, un
mnimo local (que tambien es global) para f .
Sin embargo, g(1, 0) = 1, g(0, 1) = 1, y, en general, podemos encontrar puntos
tan pr
oximos como queramos a (0, 0) donde g es positiva, as como puntos tan
pr
oximos a (0, 0) como queramos donde g es negativa. Resulta que (0, 0) no es
ni m
aximo ni mnimo local para g.
2.

Determinar la naturaleza de los puntos crticos de la funci

on
f (x1 , x2 ) = x21 x22 .
En este caso,
D1 f (x1 , x2 ) = 2x1 , D2 f (x1 , x2 ) = 2x2 .
El punto (0, 0) es el u
nico punto crtico. Por otra parte,
D11 f (x1 , x2 ) = 2,

D12 f (x1 , x2 ) = 0,

D22 f (x1 , x2 ) = 2.

La forma cuadr
atica asociada a f en (0, 0) es
q(h1 , h2 ) = h21 h22 .
Es obvio que q es no denida, luego (0, 0) no es ni maximo ni mnimo local.
Otra forma de llegar a la misma conclusion es considerar la matriz simetrica
asociada a q:

 

1
0
a11 a12
=
.
a21 a22
0 1
Entonces, a11 > 0, D = 1 < 0. Resulta que (0, 0) no es ni maximo ni mnimo
local.

5.4.5.

Aplicaci
on a la resoluci
on num
erica de sistemas de ecuaciones

El metodo de las aproximaciones sucesivas (ver 5.1.3) puede extenderse para resolver sistemas de ecuaciones (no necesariamente lineales).
192

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Primer m
etodo
Desarrollaremos a continuacion el procedimiento para resolver un sistema de dos
ecuaciones con dos incognitas. El caso general se trata de forma an
aloga.
Sea el sistema

F (x, y) = 0,
(5.77)

G(x, y) = 0.
on a una raz (, ). Entonces, desarrollando F y
Sea (x0 , y0 ) una primera aproximaci
G en serie de Taylor en el punto (x0 , y0 ) hasta el grado 1 obtenemos, aproximadamente
(pues despreciamos los terminos de grado superior al primero),

F
F
0 = F (, ) = F (x0 , y0 ) + x (x0 , y0 )( x0 ) + y (x0 , y0 )( y0 ),
(5.78)

G
(x
,
y
)(

x
)
+
(x
,
y
)(

y
).
0 = G(, ) = G(x0 , y0 ) + G
0 0
0
0 0
0
x
y
Esto es un sistema lineal en las incognitas , . Su resoluci
on proporciona un nuevo
on de la raz
punto, al que llamaremos (x1 , y1 ), que representa una mejor aproximaci
(, ).
El procedimiento puede ahora repetirse para obtener (x2 , y2 ), y as sucesivamente,
hasta el grado de precisi
on que se desee, lo que se aprecia estudiando la discrepancia
entre dos aproximaciones consecutivas.

Ejemplo 5.4.22 1.
de ecuaciones

Encontrar una soluci

on (x, y) diferente de (0, 0) del sistema

x sen(x) cosh(y) = 0
y cos(x) senh(y) = 0.

Tomemos como primera aproximacion de una raz no nula (x0 , y0 ) = (2, 2).
Obtenemos, con un error < 108 , los valores
x = 7,49767627778,
2.

y = 2,76867828299.

Este ejemplo intenta resolver los que llam

abamos Problema 1 y Problema 2 en
el apartado 2.1.1.
a) Respecto al Problema 1, se trataba de minimizar la funci
on
M (x, y) =

k



(x xi )2 + (y yi )2

1/2

i=1

que proporcionaba la suma de distancias eucldeas a los puntos de una

on es
familia nita {(xi , yi ) : i = 1, 2, . . . , k} del plano 0XY . Esta funci
continua, y podemos restringirnos, en orden a obtener el punto (, ) que
193

5.4. F
ormula de Taylor para funciones de varias variables
la hace mnima, a una cierta bola cerrada y acotada sucientemente grande.
Por tanto, es segura la existencia de solucion.
Sabemos que el punto (, ) debe ser crtico, es decir, anular las derivadas
parciales de M , con lo que se obtiene un sistema
M
x (, ) = 0,

M
y (, )

= 0,

es decir,

1/2

k
M

= 0,
x (, ) = i=1 ( xi ) ( xi )2 + ( yi )2

M
y (, )

k

i=1 (


2 1/2

yi ) ( xi ) + ( yi )

(5.79)
= 0,

Desgraciadamente, un sistema como (5.79) (que, desde luego, no es lineal),

es imposible de resolver en cuanto el n
umero de puntos sea superior a 2.
Este es un ejemplo de como, incluso con una teora analtica elegante (la
de extremos de funciones de varias variables), la obtenci
on de un resultado
numerico puede requerir otro tipo de procedimientos, como los aproximados
indicados en este apartado, resolviendo un sistema lineal como (5.78), en
M
donde F es M
x , mientras que G es y .
Supongamos, para realizar los c
alculos, que k = 4 y que los puntos dados
son
x1 := (0, 0), x2 := (3, 3), x3 := (5, 1), x4 := (2, 1).
Tomemos como primera aproximacion, (x0 , y0 ) := (2, 1). Denotamos las
soluciones (, ) del sistema (5.78) como (x1 , y1 ). Tomamos estas como
nueva aproximaci
on y repetimos el proceso, obteniendo (x2 , y2 ), y as sucesivamente. Resulta
(x0 , y0 ) = (2, 1)
(x1 , y1 ) = (2,38228002649, 0,467017639778)
(x2 , y2 ) = (2,36840467502, 0,47363748813)
(x3 , y3 ) = (2,3684210525, 0,47368421043)
(x4 , y4 ) = (2,36842105264, 0,473684210529)
..
.
Observemos la buena convergencia del metodo. Es posible deducir, de
la teora desarrollada, bas
andose en la estimacion del resto de Taylor,
ecuacion (5.68), cotas del error cometido. Sin embargo, basta en este caso
apreciar la convergencia observando la tabla anterior.
b)

Tratemos ahora el Problema 2. En el, la funci

on a minimizar es
M (x, y) =

k

i=1

194

(|x xi | + |y yi |).

Captulo 5. Aproximaci
on de funciones y problemas de extremos
que da la suma de distancias en la norma 1 a los puntos de una familia
{(xi , yi ) : i = 1, 2, . . . , k}
del plano OXY . Esta funci
on es tambien continua. Un an
alisis similar al
hecho en el Problema 1 permite asegurar que el problema tiene soluci
on.
Ahora, el tratamiento de acuerdo con este primer metodo no es posible,
pues la funci
on M no tiene derivadas parciales. Un procedimiento primitivo14 , pero efectivo, consiste en lo siguiente: Se toma > 0, y se forma una
cuadrcula de puntos de paso (ver la gura 5.15).

Figura 5.15: Cuadrcula de paso

Se toma un vertice en la cuadrcula como primera aproximaci
on a la solucion y se rastrea en puntos adyacentes, cambiando de punto en cuanto
la funci
on haya disminuido de valor, deteniendose en cuanto el vertice
este rodeado de vertices donde la funci
on valga m
as o igual que en el. De
esta manera se obtiene una segunda aproximaci
on. Se reduce ahora el paso
de la malla, , y se vuelve a repetir la b
usqueda, y as sucesivamente.
Realizamos un ejemplo numerico con los mismos datos que en el Problema
1, es decir k = 4 y los puntos dados
x1 := (0, 0),

x2 := (3, 3),

x3 := (5, 1),

x4 := (2, 1).

Tomemos, como primera aproximaci

on, (x0 , y0 ) := (2, 1). Sea = 0,1.
Obtenemos (x1 , y1 ). Tomamos este vertice como nueva aproximacion y
repetimos el proceso, con = 0,01, obteniendo (x2 , y2 ), y as sucesivamente.
Resulta
(x0 , y0 ) = (2, 1)
(x1 , y1 ) = (2,1, 1)
(x2 , y2 ) = (2,11, 1)
(x3 , y3 ) = (2,111, 1)
(x4 , y4 ) = (2,1111, 1)
..
.
14 Tan poco sofisticado y, en muchos casos, tan efectivo, como el M
etodo de la Bisecci
on ([Link])
para el c
alculo de races.

195

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa
De nuevo se aprecia la convergencia del metodo (por el mismo procedimiento de
construccion es evidente que la sucesion converge). Ademas, el error cometido en cada
paso viene dado por el ancho de malla utilizado. Observar que la soluci
on no es
la misma que la del problema anterior. La raz
on es que se esta utilizando una norma
distinta.

5.4.6.

Segundo m
etodo

An
alogamente al metodo de iteracion de punto jo (ver el apartado 5.1.4), y con
el mismo fundamento te
orico, se puede proceder de la siguiente forma para aproximar
la soluci
on de un sistema como el (5.77) en el caso en que se pueda escribir
F (x, y) = x f (x, y),

G(x, y) = y g(x, y),

con lo que el sistema a resolver es ahora

x = f (x, y)

y = g(x, y),

teniendose, ademas, que

   
 f   f 
  +   < k,
 x   y 

   
 g   g 
  +   < k,
 x   y 

siendo 0 < k < 1. Entonces, si (x0 , y0 ) es una primera aproximaci

on de la raz (, ),
ormula
se obtiene una sucesion (x1 , y1 ), (x2 , y2 ), . . . mediante la f
xn = f (xn1 , yn1 ),

yn = g(xn1 , yn1 ),

n = 1, 2, 3, . . .

pudiendose demostrar que converge a (, ).

5.5.
5.5.1.

Teoremas de la Funci
on Implcita y de la Funci
on Inversa
Introducci
on

Muchos problemas de An
alisis Matematico tienen soluci
on ligada a la posibilidad
de dar una respuesta a alguna de las dos siguientes preguntas:
1.

Sea F una funci

on en las variables (que pueden ser multidimensionales) x e y,
con valores quizas multidimensionales. Cuando es posible despejar una de
ellas como funci
on de la otra en una ecuaci
on F (x, y) = 0?
Los resultados que arman (en ciertos casos) esta posibilidad forman parte de
lo que, en general, se llama Teorema de la Funci
on Implcita.

196

Captulo 5. Aproximaci
on de funciones y problemas de extremos
2.

Sea G una funci

on de la variable x (que puede ser multidimensional), con valores
quiz
as multidimensionales. Cuando una ecuaci
on como G(x) = y dene a x
como funci
on de y? Es decir cuando hay funci
on inversa?15
Resultados en esta direccion aparecen bajo la denominaci
on de Teorema de la
Funci
on Inversa.

Un estudio detallado de ambos tipos de resultados demuestra que, en realidad, son

manifestaciones del mismo fenomeno. El Teorema de la Funcion Inversa es una consecuencia del de la Funci
on Implcita y viceversa. Establecer uno de ellos y demostrar el
otro como consecuencia diciendo quien es uno y quien el otro es una cuesti
on de
gustos. Antes de pasar a ello, haremos algunas precisiones (totalmente elementales)
que pueden resultar aclaratorias.
Una funci
on es una forma de asignar, a cada elemento x de un conjunto X, un
elemento, y uno s
olo, de un conjunto Y . Se dice que se ha denido una funci
on f con
dominio X y rango en Y (se denota como f : X  Y y al elemento y que corresponde
a un elemento dado x X se le denota como f (x) y se llama la imagen de x). Hay
que subrayar dos aspectos fundamentales:
1.

Todo elemento x X debe tener asignada una imagen f (x) en Y .

2.

A cada x X se le debe asignar un s

olo elemento de Y .

Funci
on inversa
El concepto de funci
on inversa de una funci
on dada fue introducido en la denici
on
3.1.4, como se ha indicado en el p
arrafo precedente. Un momento de reexi
on permite
entender que f tiene funci
on inversa si, y solo si, es inyectiva (es decir, si f (x1 ) = f (x2 )
implica x1 = x2 ), y es sobre (es decir, y Y , existe x X con f (x) = y), es decir,
si es una biyecci
on.

Ejemplo 5.5.1 Sea f denida en R, con valores en R, dada por f (x) = x2 , x R.

La gr
aca de f esta representada en la gura 5.16
Esta funci
on f : R  R no tiene inversa. La raz
on es que f no es inyectiva: hay
elementos como x1 = 1, x2 = 1, que tiene la misma imagen f (x1 ) = f (x2 ) = 1.
Consideremos ahora la funci
on f , denida como antes, pero cuyo dominio es ahora
solo [0, 1] . Su gr
aca esta representada en la gura 5.17.
Esta funci
on f : [0, 1]  [0, 1] s tiene inversa. Obviamente, la inversa es la funci
on
raz cuadrada positiva denida en [0, 1] .
Si consideramos de nuevo f , pero esta vez denida en [1, 1], observamos que,
como en el primer caso, f : [1, 1]  [0, 1] no tiene inversa.
15 El

concepto de funcion inversa fue introducido en la definici

on 3.1.4.

197

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa

Figura 5.16: Una funci

on sin inversa

Figura 5.17: Existe la inversa

La inversi
on como problema local
El sencillo ejemplo anterior nos indica que el problema de invertir una funci
on
depende, no s
olo del tipo de funci
on considerado, sino tambien del dominio de la
funci
on. Como en muchas cuestiones del Analisis Matematico, el problema es de tipo
local : en ciertos lugares es resoluble, en otros no.
Ejemplo 5.5.2 Sea F denida en R2 , con valores en R, dada por F (x, y) = x2 +

on F (x, y) = 0. Esta
y 2 1, (x, y) R2 . Supongamos que analizamos la ecuaci
2
,
su
n
u
cleo,
exactamente
N
(F
) =
determina
un
conjunto
de
puntos
del
plano
R


(x, y) R2 : F (x, y) = 0 (ver la gura 5.18).
Queremos saber cuando se puede despejar x en funci
on de y, o bien y en funci
on
de x, de la ecuacion F (x, y) = x2 + y 2 1 = 0, es decir, de x2 + y 2 = 1. Esto parece
elemental; por ejemplo, se podra seguir el siguiente proceso:



(x2 + y 2 = 1) (y 2 = 1 x2 ) y = 1 x2 .
Pero el resultado de realizar estas operaciones no es un funci
on, incluso si restringimos
su dominio a x [1, 1]! A cada valor de x [1, 1] corresponden varios valores de
198

Captulo 5. Aproximaci
on de funciones y problemas de extremos

Figura 5.18: El n
ucleo de F

y (por lo menos si x = 1, x = 1). Geometricamente, una recta paralela al eje OY

pasando por un x ]1, 1[ en el eje OX corta a N (F ) en dos puntos distintos.
Sin embargo, N (F ) s aparece como la graca de una funci
on y = h(x) cuando se
considera una porci
on de N (F ). M
as precisamente: supongamos un punto (x0 , y0 )
on
N (F ) y un entorno de (x0 , y0 ) que sera denotado por U . Entonces, hay una funci
y = h(x) denida en un entorno de x0 , digamos ]x0 , x0 + [ , de modo que la
gr
aca de h esta contenida en U y all coincide con N (F ). Pero atenci
on!, esto ocurre
si, y solo si, (x0 , y0 ) = (1, 0), (x0 , y0 ) = (1, 0). Una mirada a la gura 5.19 (b) y
(c), aclarar
a que en estos puntos no es posible despejar y como funci
on de x en un
entorno.

Figura 5.19: Diversas posibilidades

Sin embargo, en las situaciones (b) y (c) descritas en la gura, aunque no es posible
obtener y como funci
on de x, s lo es obtener x como funci
on de y. Precisamente, en
(b), lafunci
on denida implcitamente x =g(y) a partir de x2 + y 2 1 = 0 es
x = + 1 y 2 , mientras que en (c) es x = 1 y 2 , variando y en un entorno de 0
en ambos casos.
De nuevo queda claro que la posibilidad de denir, a partir de F (x, y) = 0, x
como funci
on de y o bien y como funci
on de x, no s
olo depende de F , sino tambien
del entorno de un punto (x0 , y0 ) en R2 en el que se considere N (F ).
199

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa

5.5.2.

La linealidad de las funciones diferenciables

Hay un principio fundamental que rige todo el C

alculo Diferencial, y que hemos
mencionado continuamente: se trata de aproximar mediante funciones lineales otras
que no lo son, y esta aproximaci
on es siempre de tipo local ; la diferencial es una
funci
on lineal que aproxima, al menos en el entorno de un punto, el incremento de
la funci
on (ver las deniciones 4.1.13 y 4.2.1 y la informaci
on dada en el apartado
4.2.1). La gr
aca de esa diferencial es un subespacio vectorial. El comportamiento
de esa funci
on lineal proporciona informaci
on sobre el comportamiento de la funci
on
original, siempre en el entorno de un punto.
Observando desde esta optica los dos ejemplos anteriores se adivina la raz
on por
la que en ciertos casos es posible invertir la funcion o despejar una variable respecto
a la otra, y en otros no:
Volvamos al Ejemplo 5.5.1. La funci
on
f (x) = x2 ,

x R,

tiene, en cada punto x0 , una diferencial dfx0 , funci

on lineal de R en R, cuya expresi
on
es
dfx0 (h) = f  (x0 ) h = 2x0 h, h R.
La gr
aca de la funci
on que a (x0 + h) hace corresponder f (x0 ) + dfx0 (h) es, precisaaca de
mente, la recta tangente a la graca de f en (x0 , f (x0 )) (digamos que la gr
dfx0 , una recta que pasa por el origen, trasladada al punto (x0 , f (x0 )), es la tanolo si, su gr
aca no es horizontal.
gente). La funci
on lineal dfx0 (h) es invertible si, y s
Bien; la posibilidad de invertir dfx0 (h) hace, ya que aproxima de la forma que hemos
dicho a f , que f se pueda invertir en un entorno de x0 . Parece ahora natural que
f (x) = x2 se pueda invertir en un entorno de x0 siempre que la recta tangente en
(x0 , f (x0 )) no tenga pendiente horizontal, es decir, siempre que f  (x0 ) = 0.
Respecto al Ejemplo 5.5.2, si F (x, y) = x2 + y 2 1, el mismo argumento permite
decir que F tiene un n
ucleo N (F ) = {(x, y) : F (x, y) = 0} que, en un entorno del
aca de una funci
on lineal (su recta
punto (x0 , y0 ) N (F ), queda aproximado por la gr
tangente en ese punto); esta recta tiene como vector normal precisamente F (x0 , y0 ).
Ser
a posible despejar y como funci
on de x, al menos en un entorno (x0 , y0 ), cuando
esta recta tangente no sea vertical, es decir, cuando F (x0 , y0 ) no sea horizontal
( F/y(x0 , y0 ) = 0). Ser
a posible despejar x como funci
on de y en un entorno
de (x0 , y0 ) cuando la recta tangente no sea horizontal (lo que equivale a decir que
F/x(x0 , y0 ) = 0).

5.5.3.

El Teorema de la Funci
on Implcita para tres variables

Formalizaremos ahora estos resultados, de los que lo anterior desde luego no constituye una prueba.
Daremos una version del Teorema de la Funci
on Implcita que, aunque no es el
mas general posible, ilustra el tipo de resultado que buscamos.
200

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Teorema 5.5.3 (de la Funci
on Implcita) Sea (x0 , y0 , z0 ) R3 un punto que saon denida y continuamente
tisface la ecuaci
on F (x0 , y0 , z0 ) = 0, donde F es una funci
diferenciable en un entorno U de (x0 , y0 , z0 ), con valores en R. Supongamos que
F
(x0 , y0 , z0 ) = 0.
z
Entonces existe un entorno W U de (x0 , y0 , z0 ), un entorno V de (x0 , y0 ) en R2 y
una funci
on u
nica f , continuamente diferenciable, denida en V y con valores en R,
de modo que
N (F ) W = gr
aca de f,

ucleo de F(16 ).
donde N (F ) = (x, y, z) R3 : F (x, y, z) = 0 es el n


 F (x0 , y0 , z0 )

W
N (F )

R2
(x0 , y0 )

Figura 5.20: Teorema de la Funcion Implcita

16 (Ver la figura 5.20). La interpretaci
on geometrica es la siguiente: N (F ) es una superficie en R3 ,
que pasa por (x0 , y0 , z0 ). El hecho de que F/z(x0 , y0 , z0 ) = 0 indica que el plano tangente a esa
superficie en (x0 , y0 , z0 ) no es vertical (recordar que F/z(x0 , y0 , z0 ) es la tercera componente del
gradiente F (x0 , y0 , z0 ), vector perpendicular al plano tangente a N (F ) en (x0 , y0 , z0 )). Entonces,
en cierto entorno W de (x0 , y0 , z0 ), N (F ) coincide exactamente con la gr
afica de cierta funci
on f
on u
nica con esa propiedad. Dicho de otra forma: los
definida en un entorno V de (x0 , y0 ), funci
puntos (x, y, z) de W que satisfacen la ecuaci
on F (x, y, z) = 0 son exactamente los que verifican
z = f (x, y), con (x, y) V. Esto es lo que queremos decir mediante la expresi
on z se puede despejar
de F (x, y, z) = 0 en funci
on de (x, y) cuando (x, y, z) W , o bien que F (x, y, z) = 0 define en W
a z como funci
on de (x, y).

201

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa
n. Sabemos que F/z(x0 , y0 , z0 ) = 0. Supongamos que se veriDemostracio
que F/z(x0 , y0 , z0 ) > 0 (el otro caso se trata similarmente). Como las tres funciones F/x, F/y, F/z son continuas en U (un entorno de (x0 , y0 , z0 )) por
hip
otesis, podemos encontrar l > 0 de modo que
1.

si (x, y, z) (x0 , y0 , z0 ) l, entonces (x, y, z) U , y tambien

2.

si (x, y, z) (x0 , y0 , z0 ) l, entonces

F/z(x, y, z) > P > 0,
|F/x(x, y, z)| Q,
|F/y(x, y, z)| Q,
para ciertos P > 0, Q > 0.

Tomemos ahora (x, y, z) R3 con (x, y, z) (x0 , y0 , z0 ) l. Entonces

F (x, y, z) F (x0 , y0 , z0 ) = [F (x, y, z) F (x0 , y, z)] +
+ [F (x0 , y, z) F (x0 , y0 , z)] + [F (x0 , y0 , z) F (x0 , y0 , z0 )] .

(5.80)

Aplicamos el Teorema del Valor Medio unidimensional a cada uno de los parentesis []
en la expresion (5.80) anterior, considerando que tan s
olo vara una de las variables.
Obtenemos
F (x, y, z) F (x0 , y0 , z0 ) =


F
=
[x0 + (x x0 ), y, z] (x x0 ) +
x


F
[x0 , y0 + (y y0 ), z] (y y0 ) +
+
y


F
[x0 , y0 , z0 + (z z0 )] (z z0 ) ,
+
z

(5.81)

donde 0 < < 1, 0 < < 1, 0 < < 1.

Obtenemos entonces
F (x, y, z) F (x0 , y0 , z0 ) =
= A(x, y, z)(x x0 ) + B(x, y, z)(y y0 ) + C(x, y, z)(z z0 ),
donde
|A(x, y, z)| Q, |B(x, y, z)| Q, |C(x, y, z)| > P,
siempre que (x, y, z) (x0 , y0 , z0 ) l.


P
Sea ahora 0 < 1, = mn l,
. Tomaremos (x, y) R2 con
2Q
(x, y) (x0 , y0 ) < .
202

(5.82)

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Probaremos que, para ese valor (x, y), hay un u
nico z entre z0 , z0 + , de modo
que F (x, y, z) = 0. El argumento que se va a utilizar es que, en (5.82), y teniendo en
ltimo
cuenta que F (x0 , y0 , z0 ) = 0, el signo de F (x, y, z) viene determinado por el u
sumando C(x, y, z) (z z0 ). Precisamente:
F (x, y, z0 + ) =
= A(x, y, z0 + ) (x x0 ) + B(x, y, z0 + ) (y y0 ) + C(x, y, z0 + )
C(x, y, z0 + ) |A(x, y, z0 + )| |x x0 | |B(x, y, z0 + )| |y y0 | >
> P Q Q = P 2Q 0.
An
alogamente
F (x, y, z0 ) < P + Q + Q 0.
Entonces, como F es continua en U , hay al menos un punto (x, y, z), con z0 <
nico: pues si existieran dos,
z < z0 + , de modo que F (x, y, z) = 0. Ademas, ese z es u
la funci
on F/z, por el Teorema de Rolle aplicado a F como funci
on u
nicamente de
la variable z, se anulara en un punto (x, y, z1 ) con z0 < z1 < z0 + , lo que es
imposible por hip
otesis. Denotamos ese u
nico z ]z0 , z0 + [ como f (x, y) (pues,
desde luego, depende de x e y anteriormente jados). Queda as denida una funci
on
f en aquellos puntos (x, y) con (x, y) (x0 , y0 ) < .
El argumento anterior prueba lo siguiente:
4
3
Pl
. Entonces, dado (x, y) R2 con
Sea h := mn l, 2Q
(x, y) (x0 , y0 ) < h,
hay un u
nico punto z = f (x, y) que verica F (x, y, z) = 0, estando ese punto comprendido entre z0 l y z0 + l. Entonces, denotando por V el cuadrado centrado en
nica funci
on denida en V , denotada por f , de modo
(x0 , y0 ) de lado 2h, hay una u
que
N (F ) W = gr
aca de f,
donde W = {(x, y, z) : |x x0 | < h, |y y0 | < h, |z z0 | < l} .
Tambien, ese argumento prueba que f es continua en (x0 , y0 ): pues basta notar
que se tomo > 0 arbitrario con 0 < 1, y se concluyo que


P
(x, y) (x0 , y0 ) < := mn l,
|f (x, y) f (x0 , y0 )| = |f (x, y) z0 | < .
2Q
Ahora, el argumento se puede repetir para cualquier otro punto (x1 , y1 , z1 ) en W
(pues tambien F/z(x1 , y1 , z1 ) > 0 en ese punto), y as f tambien es continua en
(x1 , y1 ).
Es mas, f tendr
a derivadas parciales de primer orden continuas en V : pues supongamos (x, y) V. Se obtuvo que si, en particular, se da a x un incremento x mientras
que y permanece jo (siempre considerando puntos en V ), z sufre un incremento z
(ver la ecuacion (5.81)). Entonces (siempre considerando z como funci
on implcita de
203

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa
x e y, exactamente la funci
on f antes denida), y aplicando el Teorema del Valor
Medio unidimensional,
0

= F (x + x, y, z + z) F (x, y, z) =
= [F (x + x, y, z + z) F (x, y, z + z)] + [F (x, y, z + z) F (x, y, z)] =
F
F
(x + x, y, z + z) + z
(x, y, z + z),
= x
x
z

con 0 < < 1, 0 < < 1.

Entonces
z
F/x(x + x, y, z + z)
=
,
x
F/z(x, y, z + z)
y, cuando x 0, este cociente tiende a F/x(x,y,z)
que
F/z(x,y,z) , as
F/x(x, y, z)
z
=
x
F/z(x, y, z)

(5.83)

F/y(x, y, z)
z
=
y
F/z(x, y, z)

(5.84)

An
alogamente se obtiene

y obtenemos la conclusion.

Nota 5.5.4 En muchos ejemplos, la forma particular de la funci

on F hace que, a
pesar de poder utilizar la potencia del Teorema de la Funci
on Implcita para asegurar
que una de las variables queda expresada localmente como funci
on f de las otras,
la expresion precisa de dicha funci
on f sea muy complicada o imposible de dar de
forma explcita. Sin embargo, la utilizaci
on reiterada de las f
ormulas (5.83) y (5.84),
junto con la F
ormula de Taylor (ver el teorema 5.4.6), permite dar una aproximaci
on
adecuada de f .
Ilustraremos este punto con un ejemplo:
on continuamente diferenciable
Ejemplo 5.5.5 Sea F (x, y, z) = x+y+z+ez 1, funci
on de x e y
en R3 . Nos preguntamos sobre la posibilidad de despejar z como funci
de la ecuacion F (x, y, z) = 0, o, equivalentemente, de
x + y + z + ez = 1.

(5.85)

z
El punto (0, 0, 0) satisface esta ecuacion. Por otra parte, F
z (x, y, z) = 1 + e = 0,
(x, y, z) R3 . En particular, F
z (0, 0, 0) = 2. El teorema 5.5.3 asegura entonces que
nica
existe un entorno W de (0, 0, 0) en R3 , un entorno V de (0, 0) en R2 , y una u
funci
on f : V R, continuamente diferenciable, de modo que

N (F ) := {(x, y, z) : F (x, y, z) = 0} W =
204

Captulo 5. Aproximaci
on de funciones y problemas de extremos
= gr
aca de f := {(x, y, z) : z = f (x, y), (x, y) V } .
Dicho de otro modo, se puede despejar z como funci
on de (x, y), de modo que z =
z(x, y) = f (x, y), al menos en el entorno W . En particular, z(0, 0) = 0.
Aplicando (5.83) y (5.84) se obtiene

as como

F/x(x, y, z)
z
=
= (1 + ez )1 ,
x
F/z(x, y, z)

(5.86)

z
F/y(x, y, z)
=
= (1 + ez )1 .
y
F/z(x, y, z)

(5.87)

Tambien podemos obtener la f

ormula de z/x teniendo en cuenta que F (x, y, z) se
puede escribir en funci
on solo de las variables x e y en la forma F (x, y, z(x, y)): No
hay m
as que derivarla parcialmente respecto de x, usando la Regla de la Cadena, para
obtener z/x despejando. En particular,
z
1
z
(0, 0) =
(0, 0) = .
x
y
2
z
Ahora, las funciones x
,
17
cialmente, obteniendose

z
y ,

funciones de (x, y), pueden volverse a derivar par-

2z
2z
2z
(x, y) = ez (1 + ez )3 ,
(x,
y)
=
(x,
y)
=
x2
y 2
xy
lo que, en particular, proporciona
2z
1
2z
2z
(0, 0) = .
(0, 0) =
(0, 0) =
2
2
x
y
xy
8
Esto nos permite escribir, usando el Teorema de Taylor 5.4.6:


z
z
(0, 0)x +
(0, 0)y +
z(x, y) = z(0, 0) +
x
y
17 Una

forma de calcular, por ejemplo

2z
x2

=
=
=

2z
, sera usando la Regla de la Cadena y la f
ormula (5.83):
x2

 F/x 

=
x
F/z

 2 F
 2 F
2
F
z F
x
+ xz
+
x2 + zx
z
0

F
z

(F/z)2


z
1
+ 0 + ez x
=
(1 + ez )2

2 F
z 2

z
x

 F
x

ez (1 + ez )3 .

205

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa
2

z
1 z
(0, 0)x +
(0, 0)y + E2 z(x, y) =
+
2! x
y






1
1
1
1
1
1
=
x y +
x2 + 2
xy y 2 + E2 z(x, y) =
2
2
2
8
8
8
x + y (x + y)2
=

+ E2 z(x, y),
(5.88)
2
16
2 z(x,y)
donde Ex,y
0 cuando (x, y) 0. La f
ormula (5.88) nos proporciona as una
2
aproximaci
on de la funci
on z(x, y) en un entrono del punto (0, 0) tanto mejor cuanto
mas pr
oximos estemos a dicho punto.

5.5.4.

El Teorema de la Funci
on Implcita en el caso de m
as
variables

Es conveniente dar una versi

on m
as general del Teorema de la Funcion Implcita
5.5.3 cuando las funciones involucradas son de m
as de tres variables. Observar, sin
embargo, que el siguiente teorema es identico (salvo los naturales cambios en las
dimensiones de las variables) al dado anteriormente (teorema 5.5.3):
Teorema 5.5.6 (de la Funci
on Implcita) Sea (x0 , u0 ) un punto de Rm Rn (es
0
m
0
n
on continuamente diferdecir, x R , u R ). Supongamos que F sea una funci
enciable denida en un entorno U de (x0 , u0 ) en Rm Rn con valores en Rn . Supongamos tambien que F(x0 , u0 ) = 0, y que Fu (x0 , u0 ) sea invertible (representamos por
Fu (x0 , u0 ) la matriz n n con la siguiente expresi
on, donde F = (F1 , F2 , . . . , Fn ):
F1 F1
F1
u
u1
u2
n

F2 F2
F2


0
0
(5.89)
Fu (x , u ) = u1 u2 un ,

.
.
.
.
.
.
.
.
.
.
.
.
Fn
Fn
Fn
. . . un
u1
u2
evaluadas las derivadas parciales en (x0 , u0 )).
Entonces, existe un entorno W U de (x0 , u0 ), un entorno V de x0 en Rm y una
funci
on u
nica f , continuamente diferenciable, denida en V y con valores en Rn , de
modo que
N (F) W = gr
aca de f ,
donde N (F) = {(x, u) Rm+n : F(x, u) = 0} es el n
ucleo de F.

5.5.5.

El Teorema de la Funci
on Inversa

Una consecuencia inmediata del Teorema de la Funci

on Implcita es el Teorema de
la Funci
on Inversa; este permite, al menos localmente, asegurar que una determinada
funci
on posee inversa.
206

Captulo 5. Aproximaci
on de funciones y problemas de extremos
Teorema 5.5.7 (de la Funci
on inversa) Sea x0 un punto de Rn . Sea f una funci
on continuamente diferenciable denida en un entorno U de x0 en Rn , con valores
en Rn . Sea u0 = f (x0 ). Supongamos que la matriz dfx0 sea invertible. Entonces, existe un entorno W de x0 contenido en U , y un entorno V de u0 en Rn , de modo que
f (W ) = V y de forma que f restringida a W tiene funci
on inversa g : V W , que
es tambien continuamente diferenciable.
n. Denamos una funci
Demostracio
on F en el entorno del punto (u0 , x0 ) R2n
n
n
dado por R U, con valores en R , como
F(u, x) = u f (x) = [u1 f1 (x), u2 f2 (x), . . . , un fn (x)] ,
donde u Rn , x U. Entonces F es continuamente diferenciable, F(u0 , x0 ) = 0, y,
con la notaci
on del teorema 5.5.6,
F1
f1
f1
F1
x
x1 x
x1
n
n

.. =
..
..
..
..
Fx (u0 , x0 ) = ...

.
.
.
.
.
Fn
Fn
fn
fn
xn
x1 xn
x1
(donde todas las derivadas parciales de la u
ltima matriz estan calculadas en x0 ) es una
matriz no singular (es decir, invertible). El Teorema de la Funci
on Implcita (teorema
5.5.6) asegura que hay un entorno W1 de (u0 , x0 ) en R2n , un entorno V de u0 y una
u
nica funci
on continuamente diferenciable g de V en Rn de modo que
{(u, x) W1 : F(u, x) = 0}
coincide con la gr
aca de g en V , es decir, con
{(u, g(u)) : u V } .
Ahora bien, un punto (u, x) verica F(u, x) = 0 si, y s
olo si, u = f (x). Resulta
que g es la inversa de f al restringir f a W , proyecci
on de W1 sobre las segundas n
coordenadas.

5.5.6.

El Teorema del Rango

El siguiente resultado arma, esencialmente, que la imagen de una aplicaci

on diferenciable cuya diferencial tiene rango r en todo punto es una supercie rdimensional,
es decir, con un plano tangente de dimensi
on r en cada punto.
Teorema 5.5.8 (Teorema del Rango) Sea un subconjunto abierto y no vaco
de Rr+n . Sea F :  Rr+m una aplicaci
on de clase C1 (es decir, una aplicaci
on
con derivadas parciales continuas). Supongamos que dFx tiene rango r, x .
Entonces F() es localmente una supercie de dimensi
on r, precisamente la gr
aca
de una funci
on : W  Rm , donde W es un subconjunto abierto de Rr .
207

5.5. Teoremas de la Funci

on Implcita y de la Funci
on Inversa
n. Daremos un esquema de la demostracion. La vericaci
Demostracio
on de algunos
detalles se deja al lector. La gura 5.21 ilustra la construcci
on. Sea a un punto de , y
sea A := dFa la diferencial de F en a. Podemos suponer, sin perdida de generalidad,
que a = 0, y que F(a) = 0. Como A es una aplicaci
on lineal de rango r podemos
suponer tambien que la base de Rr+n y de Rr+m es tal que la matriz A, matriz
(r + m) (r + n) es de la forma

A=

1 ...
..
.
0 ...
0 ...
..
.

0 0 ...
..
.
1 0 ...
0 0 ...
..
.

0 ...

0 0 ...

donde los unos se encuentran en las primeras r columnas. Se dene la aplicaci

on
f : Rr+n  Rr+n como
f (x) = f (x1 , . . . , xr+n ) := (F1 (x), . . . , Fr (x), xr+1 , . . . , xr+n ), x Rr+n .
Resulta que df0 = Idr+n , la matriz identidad de dimensi
on r+n. Aplicando el Teorema
de la Funci
on Inversa (teorema 5.5.7) resulta que existen entornos abiertos U y V de
on g : U  V de clase C1 con inversa h : V  U tambien de
0 en Rr+n y una biyecci
1
clase C . Es sencillo observar ahora que
F h(z) = (z1 , . . . , zr , (z1 , . . . , zr )), z = (z1 . . . , zr+n ) V,
donde esta denida en la proyecci
on del conjunto abierto V sobre las primeras r
coordenadas, un subconjunto abierto, digamos W , de Rr . Esta funci
on y este conjunto
satisfacen las condiciones del teorema.

Figura 5.21: El Teorema del Rango para n = 2, m = r = 1

208

Captulo 5. Aproximaci
on de funciones y problemas de extremos

5.6.

Problemas de extremos condicionados de funciones de varias variables

5.6.1.

Una condici
on necesaria de extremo local condicionado

El primer resultado de esta seccion da una condici

on necesaria de extremo local
de una funci
on denida en un subconjunto arbitrario de Rn .
Teorema 5.6.1 Sea S un subconjunto no vaco de Rn , : ]1, 1[ S un camino
diferenciable, con (0) = a. Sea f una funci
on real diferenciable denida en un conjunto abierto U que contiene a S. Supongamos que f tenga un extremo local relativo
a S en el punto a18 . Entonces f (a) es perpendicular a  (0).
n. Consideremos la funcion compuesta h = f
Demostracio
]0, 1[

- S

f
-

R
6

h
Entonces h es una funci
on real de variable real diferenciable y alcanza un extremo
local en 0, as que h (0) = 0. La Regla de la Cadena (teorema 4.2.15) asegura que


h (0) = f (a)  (0).
Una consecuencia importante del teorema 5.6.1 es el siguiente resultado, que trata
la situacion particular en que el conjunto de denici
on es abierto (es decir, el caso en
que una funci
on tiene en un punto un extremo local ).
Corolario 5.6.2 Sea U un subconjunto abierto de Rn , y sea a U. Sea f : U R
una funci
on diferenciable que tiene en a un extremo local. Entonces f (a) = 0, es
decir, a es un punto crtico de f .19
n. Sea v Rn , v = 0, un vector en Rn . Denimos un camino
Demostracio
en U dado por (t) = a + tv ( denida en un intervalo abierto centrado en 0
lo sucientemente peque
no para que la curva asociada a este contenida en U ).
Entonces es, obviamente, diferenciable, (0) = a, y el teorema anterior proporciona
f (a) perpendicular a  (0) = v.
18 En primer lugar, y como se indic
o en el apartado 4.2.5, no hay perdida de generalidad suponiendo
que est
e definida en el intervalo ]1, 1[ . En segundo lugar, decir que f tiene un extremo local
relativo a S en el punto a quiere decir que hay un entorno V de a de modo que f (x) f (a), x
V S o bien f (x) f (a), x V S.
19 La situaci
on especial descrita por el corolario es que a es un extremo de f relativo a un cierto
subconjunto abierto V de Rn . En el teorema 5.6.1, S era un subconjunto arbitrario. La idea de
la prueba del corolario es muy sencilla: como podemos hacer pasar por a segmentos rectilneos en
cualquier direcci
on contenidos en V debido precisamente a que V es abierto, f (a) ser
a perpendicular
a cualquier vector, luego f (a) = 0.

209

5.6. Problemas de extremos condicionados de funciones de varias variables

f (a)
6
 (0)

(0) = a
S

Figura 5.22: f (a) y  (0) son perpendiculares

Como v = 0, es arbitrario, necesariamente f (a) = 0.

Los resultados 5.6.1 y 5.6.2 estan en la base de la mayora de los tratamientos de

los problemas de extremos. Daremos un ejemplo ilustrativo.
Ejemplo 5.6.3 Calcular
de la funci
on f (x, y, z) = x + y + z sobre la
 los extremos

bola cerrada unidad de R3 , 2 .
Soluci
on: A pesar de ser un problema tan sencillo, ya ejemplica el tipo de razonamiento general apropiado a la resoluci
on de problemas de extremos:
1.
2.

f es, desde luego, una funci

on continua.



La bola cerrada unidad de R3 , denotada como B = x : x R3 , x2 1 , es
un subconjunto cerrado y acotado.

3.

El teorema 3.3.3 asegura que, en esta situacion, f alcanza los extremos en B;

es decir, hay al menos un punto xM B y un punto xm B de modo que
nicos). Sea x0 uno
f (xm ) f (x) f (xM ), x B (nadie asegura que sean u
de esos puntos.

4.

Supongamos que x0 esta en el interior de B, interior que se denota como



B = x : x R3 , x2 < 1
y que es, por su misma denici
on, un subconjunto abierto de R3 . El corolario
5.6.2 asegura entonces que x0 es un punto crtico de f , es decir, f (x0 ) = 0.
Observemos que, en este caso f (x) = (1, 1, 1), x R3 , luego esta posibilidad est
a descartada: f no posee extremos relativos
interior B .
 a B en el
3
Necesariamente esos puntos estan en la frontera S = x : x R , x2 = 1 .

5.

210

Estudiaremos as el comportamiento de f sobre S. Observando el teorema 5.6.1,

resulta que, si x0 es un extremo de f en S (por tanto, un extremo local relativo a

Captulo 5. Aproximaci
on de funciones y problemas de extremos
S), f (x0 ) debe ser perpendicular al vector tangente a cualquier curva diferenciable contenida en S y que pase por x0 . Ahora bien: S puede describirse como
el n
ucleo de una funci
on g : R3 R, exactamente g(x, y, z) = x2 + y 2 + z 2 1.
Sabemos (ver el teorema 4.2.17) que g(x, y, z) es un vector perpendicular a
cualquier curva contenida en S (de hecho, S tiene en cada punto un plano tangente y g(x, y, z) es perpendicular as a dicho plano, ver la gura 5.23). Por tanto, si x0 S es un extremo de f relativo a S, los dos vectores f (x0 ) y g(x0 )
deben ser paralelos. As, f (x0 ) = (2x0 , 2y0 , 2z0 ) = (1, 1, 1). Necesariamente,
a x20 +y02 +z02 = 1. Rex0 = y0 = z0 . Como, al mismo tiempo, x0 S, se vericar
sulta 3x20 = 1, luego x0 = y0 = z0 = 13 . Obtenemos exactamente dos puntos
 


en S, 13 , 13 , 13 y 13 , 13 , 13 . Si recordamos que, necesariamente,
debe aparecer al menos un maximo xM
mnimo
 y un
 debeser
 xm , uno de ellos

1
1
1
1
1
1
xM y el otro xm . Pero f 3 , 3 , 3 = 3, y f 3 , 3 , 3 = 3.
Por tanto,




1
1
1
1
1
1
xM = , ,
, xm = , ,
.
3
3
3
3
3
3


g(x0 )

x0
O
S

Figura 5.23: g(x0 ) es perpendicular a S en x0

5.6.2.

Existencia de plano tangente

La razon de que el problema en el ejemplo 5.6.3 haya podido ser resuelto es, si se
observa el metodo utilizado, que S tiene en cada punto un plano tangente de dimensi
on
2. El resultado general depender
a de la existencia de tales planos tangentes. Nuestra
investigacion contin
ua, por tanto, en esa direcci
on. El siguiente teorema asegura la
211

5.6. Problemas de extremos condicionados de funciones de varias variables

existencia de planos tangentes a ciertos subconjuntos de Rn , as como proporciona la
informaci
on sobre dichos planos que permitir
a calcularlos. Esta basado en el Teorema
de la Funci
on Implcita (teorema 5.5.6):
on continuamente diferenciable. Sea
Teorema 5.6.4 Sea g : Rn R una funci
M = {x : x Rn , g(x) = 0, g(x) = 0} .
Entonces M tiene en cada punto a M un plano tangente de dimensi
on (n 1),
perpendicular al vector g(a).
n. Sea a := (a1 , a2 , . . . , an ). Como g(a) = 0, hay un ndice i
Demostracio
on podemos, sin
{1, 2, . . . , n} de modo que Di g(a) = 0. Para simplicar la notaci
on
perdida de generalidad, suponer que Dn g(a) = 0. Aplicando el Teorema de la Funci
Implcita (teorema 5.5.6) resulta que hay un entorno W de a en Rn , as como un
nica funci
on h : V R, continuamente
entorno V de (a1 , a2 , . . . , an1 ) y una u
diferenciable, de modo que
{x : x Rn , g(x) = 0} W = gr
aca de h en V =
= {[x1 , x2 , . . . , xn1 , h(x1 , x2 , . . . , xn1 )] : (x1 , x2 , . . . , xn1 ) V } .
El entorno W de a puede tomarse lo sucientemente peque
no para que en el, g(x) =
0 (en virtud de la continuidad de las derivadas parciales de g, y del hecho de que
g(a) = 0). Resulta que
{x : x Rn , g(x) = 0} W =
= {x : x Rn , g(x) = 0, g(x) = 0} = M W =
= gr
aca de h en V .

(5.90)

Probaremos que todos los caminos diferenciables en M cuya curva asociada pasa
por a tienen un vector tangente en a que se encuentra en un u
nico subespacio de
dimension (n1). Sea un tal camino. Como siempre, podemos suponer : ]1, 1[
M, (0) = a.
Sea : Rn Rn1 la proyeccion paralela al eje 0Xn , es decir,
(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn1 ), (x1 , x2 , . . . , xn ) Rn .
Denimos
: ]1, 1[ Rn1
como = .
Resulta entonces que (0) = (a) =: b, y es un camino cuya curva asociada
esta en Rn1 y pasa por b. En virtud de (5.90) se tiene que, para t ]1, 1[ ,
(t) = [(t), h [(t)]] .
212

Captulo 5. Aproximaci
on de funciones y problemas de extremos
*

a
6

x3 6

?
x2
b

+ x1

Figura 5.24: La proyeccion

Por la Regla de la Cadena resulta
 (0) = [  (0), h(b)  (0)] =




= 1 (0), . . . , n1
(0), D1 h(b)1 (0) + . . . + Dn1 h(b)n1
(0) =

= 1 (0) [e1 , D1 h(b)] + 2 (0) [e2 , D2 h(b)] + . . . + n1
(0) [en1 , Dn1 h(b)] =
=

n1


i (0) [ei , Di h(b)],

i=1

donde e1 , . . . , en1 es la base canonica de Rn1 . Resulta que  (0) esta en el subespacio de Rn de dimensi
on (n 1) generado por los (n 1) vectores linealmente
independientes
[e1 , D1 h(b)] , [e2 , D2 h(b)] , . . . , [en1 , Dn1 h(b)]
de Rn (por que son linealmente independientes?).
Recprocamente, todo vector de este subespacio, como
v=

n1


vi [ei , Di h(b)]

i=1

es el vector tangente en a a una cierta curva diferenciable sobre M ; basta denir el

camino
(t) = [b + tw, h(b + tw)] ,
213

5.6. Problemas de extremos condicionados de funciones de varias variables

con |t| lo sucientemente peque
no para que (t) este en M , siendo w = (v) Rn1 .
Resulta  (0) = v.
Para probar, nalmente, que g(a) es perpendicular a ese plano (nos referimos
al plano tangente a M en a), consideramos un camino diferenciable : ]1, 1[ M
con (0) = a. Entonces, la funci
on compuesta g es identicamente 0. La Regla de
la Cadena proporciona
g(a)  (0) = 0.

5.6.3.

Multiplicadores de Lagrange

El caso de una condici

on
Como consecuencia de los resultados anteriores tenemos el siguiente
Teorema 5.6.5 (de los multiplicadores de Lagrange con una condici
on) Sea
g : Rn R una funci
on continuamente diferenciable. Sea
M = {x : x Rn , g(x) = 0, g(x) = 0} .
Si f es una funci
on real diferenciable denida en un conjunto abierto que contiene
a M y si f alcanza un extremo local respecto a M en un punto a M, se tiene
que f (a) es paralelo a g(a) y, por tanto, existe R, llamado multiplicador de
Lagrange, de modo que
f (a) = g(a)
n. En virtud de los teoremas 5.6.1 y 5.6.4, tanto f (a) como g(a),
Demostracio
vectores en Rn , son perpendiculares al mismo subespacio (n 1)dimensional, luego
son paralelos.

El caso de varias condiciones

Generalizaremos ahora el anterior resultado al caso en que exista m
as de una
condici
on.
Se trata de maximizar o minimizar una funci
on f cuando su variable x Rn esta
sometida a varias restricciones de la forma g1 (x) = 0, . . . , gm (x) = 0, con m < n.
Denimos una funci
on G : Rn Rm cuyas componentes son las funciones gi , i =
1, 2, . . . , m, es decir
G = (g1 , . . . , gm ).
Se tiene el siguiente
214

Captulo 5. Aproximaci
on de funciones y problemas de extremos
on continuamente
Teorema 5.6.6 Sea G : Rn Rm , G = (g1 , . . . , gm ), una funci
diferenciable, m < n. Sea
M = {x : x Rn , G(x) = 0, rango (dGx ) = m} .
Entonces M tiene en cada punto un plano tangente de dimensi
on (n m). Adem
as,
dado a M, los vectores g1 (a), . . . , gm (a) son perpendiculares a dicho plano tangente.
n. La prueba es en todo similar a la del teorema 5.6.4 (caso de una s
Demostracio
ola
componente). De nuevo usa el Teorema de la Funci
on Implcita, ahora en su versi
on
general (teorema 5.5.6).


Teorema 5.6.7 (de los multiplicadores de Lagrange) Sea G : Rn Rm , G =
on continuamente diferenciable, m < n. Sea
(g1 , . . . , gm ), una funci
M = {x : x Rn , G(x) = 0, rango (dG)x = m} .
Sea f una funci
on real diferenciable denida en un conjunto abierto U M, tal que
alcanza un extremo local relativo a M en un punto a M. Entonces, existen n
umeros
reales 1 , . . . , m (llamados multiplicadores de Lagrange) de modo que
f (a) = 1 g1 (a) + . . . + m gm (a)
n. (ver la gura 5.25) Sabemos, por el teorema 5.6.6, que M tiene
Demostracio
en cada punto, en particular en a, un plano tangente de dimensi
on (n m). Sea H
su complemento ortogonal, por tanto un subespacio de dimensi
on m. La hip
otesis
asegura que los vectores g1 (a), . . . , gm (a) son linealmente independientes, y el
mismo teorema 5.6.6 que estan en H, luego forma una base de H. Como, en virtud
del teorema 5.6.4, tambien f (a) esta en H, obtenemos la conclusion.

Aplicaci
on a la resoluci
on de un problema
Calcular los puntos a distancia mnima entre la elipse x2 + 4y 2 = 4 y la recta
x + y = 4.
La funci
on a minimizar es la distancia entre dos puntos de R2 . Para evitar la
aparici
on de races cuadradas, haremos mnima la distancia al cuadrado. Si tales
puntos son (x, y), (u, v), se trata de una funci
on f : R4 R denida por
f (x, y, u, v) = (x u)2 + (y v)2 .
Existen dos restricciones: por una parte, (x, y) pertenece a la elipse; por otra, (u, v)
pertenece a la recta (ver la gura 5.26). Podemos traducir, en el espritu del teorema
5.6.7, estas dos condiciones en forma de una ecuacion
G(x, y, u, v) = (0, 0),
215

5.6. Problemas de extremos condicionados de funciones de varias variables

 g1 (a)
g2 (a)

H
N (g1 )
1

a
N (g2 )

Figura 5.25: M y H en el teorema de los multiplicadores de Lagrange

sin mas que tomar G = (g1 , g2 ) donde
g1 (x, y, u, v)
g2 (x, y, u, v)
Observar que, en este caso,

dG(x,y,u,v)

= x2 + 4y 2 4,
= u + v 4.

g1
x

g1
y

g1
u

g1
v

g2
x

g2
y

g2
u

g2
v

2x 8y

=
0
0

0 0

1 1

Por tanto, el conjunto M (en la terminologa del teorema 5.6.7), es el n

ucleo de G,
denotado N (G), al que se le han quitado los puntos (x, y, u, v) en los que x = y = 0.
Pero estos puntos no estan en N (G), luego M = N (G).
M no es un conjunto acotado. Sin embargo, es claramente suciente trabajar con
un subconjunto cerrado y acotado de M , precisamente los puntos (x, y, u, v) de modo
que (x, y), (u, v) esten en la bola considerada en la gura 5.24. As, como f es continua,
alcanza el mnimo en dicho subconjunto (digamos, en un punto (x0 , y0 , u0 , v0 ), mnimo
que es, desde luego, el buscado.
216

Captulo 5. Aproximaci
on de funciones y problemas de extremos
y

O
x2 + 4y 2 = 4

x+y =4

Figura 5.26: La elipse y la recta

Seg
un el teorema 5.6.7, se debe vericar
f (x0 , y0 , u0 , v0 ) = 1 g1 (x0 , y0 , u0 , v0 ) + 2 g2 (x0 , y0 , u0 , v0 ),
es decir,
[2(x0 u0 ), 2(y0 v0 ), 2(x0 u0 ), 2(y0 v0 )] =
= 1 (2x0 , 8y0 , 0, 0) + 2 (0, 0, 1, 1).
Resulta

(x0 u0 )

(y0 v0 )
2(x0 u0 )

2(y0 v0 )

=
=
=
=

1 x0 ,
41 y0 ,
2 ,
2 .

Por tanto (x0 u0 ) = (y0 v0 ), luego 1 x0 = 41 y0 . Si 1 = 0, resulta (x0 , y0 ) =

(u0 , v0 ), lo que es imposible, pues la elipse y la recta no tienen puntos comunes. Luego
on de la elipse resulta
1 = 0, as que entonces x0 = 4y0 . Sustituyendo en la ecuaci
4
1
x0 = , y0 = .
5
5
Sustituyendo en el sistema y teniendo en cuenta que (u0 , v0 ) pertenece a la recta,
resulta

4 5+3
4 53
, v0 =
.
u0 =
2 5
2 5

217

5.7. Problemas propuestos

5.7.

Problemas propuestos

5.7.1.
1.

Polinomios de Taylor de una variable.

Trazar las gr
acas de los polinomios de Taylor
a)
P3 (sen x) = x
b)

x3
.
3!

x5
x3
+ .
3!
5!
Poner especial atenci
on en los puntos en los que las curvas cortan al eje
OX. Comparar estas gracas con la de f (x) = sen x.
P5 (sen x) = x

2.

Lo mismo para P2 (cos x), P4 (cos x) y f (x) = cos x.

3.

Obtener los polinomios de Taylor Pn f (x) que se indican:

a)
x

Pn (a ) =

n

(ln a)k

k!

k=0

b)

xk .


x
)
=
x2k+1 .
1 + x2
n

P2n+1 (

k=0

c)


1
)=
(1)k xk .
1+x
n

Pn (

k=0

d)
Pn (ln(1 + x)) =

n

(1)k+1 xk
k=0

e)
Pn ((1 + x) ) =


n 


xk .
k

k=0

f)
Pn (sen2 x) =

(1)k+1

k=0
20
20 Indicaci
on:

218

cos(2x) = 1 2 sen2 x.

2k1 2k
x .
(2k)!

Captulo 5. Aproximaci
on de funciones y problemas de extremos
4.

on de la raz no nula de la
Obtener el n
umero r = 15 3 como aproximaci
ecuacion x2 sen x = 0, utilizando el polinomio de Taylor de tercer grado que
aproxima a sen x.

5.

Utilizar el polinomio de Taylor de tercer grado que aproxima arctan x para

obtener el n
umero r = 213
, como aproximaci
on de la raz no nula de la
2
ecuacion arctan x = x2 .

6.

Demostrar que


0

1 + x30
c
dx = 1 +
1 + x60
31

donde 0 < c < 1.

Sugerencia: sea t = x30 . Observar que
1

7.

1+t
1 + x30
=
1 + t = 1 + x30 .
1 + x60
1 + t2

Demostrar que


0,49375 <
0

1
2

1
dx < 0,5
1 + x4

Sugerencia: comprobar que para todo x [0, 1/2],

1 x4 + x8 x12
8.

1
1 x4 + x8 x12 + x16 .
1 + x4

a) Si 0 x 1/2 demostrar que sen x = x

x3
3!

+ r(x), donde |r(x)|

(1/2)5
5!

b) Utilizar la estimacion de la parte (a) para encontrar un valor aproximado

de la integral
 22
sen(x2 )dx.
0

Dar una estimacion del error. (Soluci

on: 55 6722 + R, siendo |R|
4
2,10 .

2
7680

<

9.

Utilizar los tres primeros terminos no nulos de la
f

ormula de Taylor de sen x
1
para encontrar un valor aproximado de la integral 0 senx x dx as como dar una
on: 0,9461 + R, donde |R| < 2,104 .
estimacion del error. 21 Soluci

10.

Un hilo pesado se comba bajo la acci

on de la gravedad, formando la catenaria
y = a cosh( xa ). Demostrar que para valores peque
nos de |x|, la forma que toma
2
el hilo puede representarse aproximadamente por la par
abola y = a + x2a .
Sugerencia: desarrollar por Taylor la funci
on f (x) = ach(x/a) en z = 0.

21 Se

sobreentiende que el cociente

sen x
x

es igual a 1 cuando x = 0.

219

5.7. Problemas propuestos

11.

Hallar m
aximos, mnimos y puntos de inexi
on en las siguientes funciones:
a)
f (x) = 2 sen x + cos(2x).
b)

3
f (x) = (x 1)3 x2 .

c)
f (x) = x4 4x3 + 6x2 4x + 1.
12.

Determinar zonas de concavidad y convexidad en las siguientes funciones:

a)
2

f (x) = ex (curva de Gauss).

b)
f (x) = (x 1)1/3 .

5.7.2.
1.

M
etodos num
ericos de obtenci
on de races.

a) Probar que la ecuaci

on x = sen x + 1/4 tiene una raiz u
nica xo en [ 4 , 2 ].
b)

Probar que la sucesi

on de n
umeros
x1 , x2 = sen x1 + 1/4, x3 = sen x2 + 1/4, . . .
converge a xo si

c)

x1

2.

Hallar una aproximaci

on a la soluci
on.

Sugerencia:

2.

a)

Utilizar el teorema de Bolzano.

b)

Estudiar f  (x) (ver 5.1.4)

Encontrar la raz cercana a T = 30 de la ecuacion

0,0003T 3 + 0,72T 34 = 0
por el metodo de Newton o de la tangente, con cuatro cifras decimales exactas.

220

Captulo 5. Aproximaci
on de funciones y problemas de extremos

5.7.3.
1.

Polinomios de interpolaci
on.

Dados los datos

x
0
0.5
f(x) 1 2.119

1.0
2.910

1.5
3.945

2.0
5.720

2.5
8.695

calcular f (1,6) usando el polinomio de interpolaci

on de Newton y el polinomio
de interpolaci
on de Lagrange. Comparar los resultados.
2.

Dados los datos

x
1
2
f(x) 4.75 4

3
5.25

5
19.75

6
36

calcular f (3,5) usando polinomios de interpolaci

on de Newton y de Lagrange.

5.7.4.
1.

Polinomios de Taylor de Funciones de varias variables.

Desarrollar por Taylor, alrededor del punto (1, 2), la funci

on
f (x, y) = x3 + y 2 + xy 2 .
Sugerencia: calcular las derivadas parciales en (1, 2).

2.

on implcita de x e y. Hallar
La ecuacion ez + x2 y + z + 5 = 0 dene z como funci
el desarrollo de Taylor de orden 2 de z(x, y) en el punto (0, 0).
Sugerencia: derivando implcitamente, calcular las derivadas parciales en (0, 0).

3.

a) Sea f una funci

on escalar de dos variables denida en un abierto de R2
que contiene el punto (0, 0), y tal que admite derivadas parciales continuas
en su dominio, de todos los ordenes. Cu
al es el coeciente de x5 y 7 en la
f
ormula de Taylor de f entorno a (0, 0)?.
b) Sea 5 + 6x + 11y 2x2 3xy + 7y 2 el comienzo de la formula de Taylor
de cierta funci
on escalar f (x, y) en (0, 0). Calcular f (0, 0) y las derivadas
parciales de primer y segundo orden de f en (0, 0).

4.

Desarrollar mediante la f
ormula de Taylor las funciones que siguen, en los puntos
que se indican:
a) f (x, y) = x3 + 3x2 y + 6xy 2 5x2 + 3y 2 , en (1, 2).
b) g(x, y) = xy + yz + xz, en (1, 1, 1).

5.

Escribir los polinomios de Taylor de orden n de las funciones que siguen, en los
puntos que se indican:
a) f (x, y) = x4 x2 y 2 + y 4 , n = 4 en (0, 0).
b) g(x, y) = senxseny, n = 3 en (0, 0).
Sugerencia: proceder como en el ejemplo 5.2.4.
221

5.7. Problemas propuestos

c)
6.

h(x, y) = xy , n = 4 en (1, 2).

Desarrollar mediante la f
ormula de Taylor las funciones que siguen, en los puntos
que se indican:
a) f (x, y) = log(x + y), en (1, 0).
b)

5.7.5.
1.

g(x, y) = ex+y cos(x + y), en (0, 0).

Sugerencia: proceder como en el ejemplo 5.2.4.

Formas cuadr
aticas.

Expresar las siguientes formas cuadraticas como productos de matrices, usando

como matriz de la forma cuadratica una matriz simetrica:
a) 4u2 + 4uv + 3v 2 .
b)

5x2 + 6xy.

c)

2u2 + 4uv 4v 2 .

2.

Estudiar el car
acter de las anteriores formas cuadraticas.

3.

Calcular los valores y vectores propios de las 4 anteriores matrices asociadas a

las formas cuadr
aticas.

5.7.6.
1.

Extremos de funciones de varias variables.

([Ap85, Vol. II, 9.9, Ejemplos]). Encontrar y clasicar los extremos (relativos
y absolutos) de las funciones siguientes. (h
agase una representacion geometrica
de las gracas de dichas funciones): f (x, y) =
(1) 2 x2 y 2 .
(3) xy.
(5) 1 x2 .
(7) x2 (y 1)2 .
(9) (x y + 1)2 .
(10) 2x2 xy 3y 2 3x + 7y.
(11) x2 xy + y 2 2x + y.
(12) sen(x) sen(y) sen(x + y). x, y [0, ].
2
+y 2 )
(13) (x2 + y 2 )e(x
.

(14) x 2y + ln x2 + y 2 + 3 arctan xy , x > 0.
(16) x2 y 3 (6 x y).
(18) sen(x) cosh(y).
(19) e2x+3y (8x2 6xy + 3y 2 ).
2
2
(20) (5x + 7y 25)e(x +xy+y ) .

222

(2)
(4)
(6)
(8)

x2 + y 2 .
x2 y 2 .
x2 + (y 1)2 .
1 + x2 y 2 .

(15) x3 3xy 2 + y 3 .
(17) x3 + y 3 3xy.

Captulo 5. Aproximaci
on de funciones y problemas de extremos
2.

([Ap85, Vol. II, 9.13.16]): Sea f (x, y) = 3x4 4x2 y + y 2 . Demostrar que sobre
toda recta de la forma y = mx, la funci
on tiene un mnimo en (0, 0), pero
que no existe mnimo relativo en ning
un entorno del origen. Hacer un dibujo
indicando el conjunto de puntos (x, y) en los que f (x, y) > 0 y el conjunto en el
que f (x, y) < 0.

3.

([Ap85, Vol. II, 9.13.19]): Determinar las constantes a y b para que la integral


(ax + b f (x))2 dx.

tome el valor menor posible si

f (x) = x2 .

(5.91)

o bien

f (x) =

1
.
x2 + 1

(5.92)

Sugerencia: considerar la integral como una funci

on de dos variables F (a, b) y
calcular sus mnimos locales.
4.

El Metodo de los Mnimos Cuadrados puede obtenerse como consecuencia de

las ideas desarrolladas sobre extremos de funciones de varias variables: se trata, como se sabe, de ajustar una recta f (x) = ax + b a una nube de puntos
(x1 , y1 ), . . . , (xn , yn ). Ya que, en general, no existir
a una recta que pase por esos
puntos, se buscar
a aquella que minimice el error cuadr
atico, es decir
E(a, b) =

(f (xi ) yi )2 .

i=1

Sugerencia: proceder como en el ejercicio anterior.

5.

Dada una familia nita de puntos z1 , . . . , zn en Rm , demostrar que existe un

punto c (llamado el centroide) que hace mnima la suma de cuadrados de distancias (eucldeas) a los puntos zi .
Sugerencia: relacionarlo con el problema 1 de la secci
on 2.1.

6.

Calcular los puntos crticos de las siguientes funciones, determinando su car

acter.
Obtener, si existen, los extremos absolutos.
a) f (x, y) := x2 + xy + 2y 2 + 3.
b) f (x, y) := x2 + xy + y 2 + 2x + y.
223

5.7. Problemas propuestos

c)

un el signo de los coecientes).

f (x, y) := ax2 + by 2 + c (discutir seg

d)

f (x, y) := e2x 2x + 2y 2 + 3.

e)

f (x, y) := (x 2)4 + (y 3)4 .

7.

Dar ejemplos de funciones de dos variables que no esten acotadas en su dominio,

otras que estando acotadas no tengan extremos absolutos ni locales, otras que
tengan una innidad de extremos locales estrictos.

8.

Calcular los extremos absolutos de la funci

on f (x, y) := x2 + y 2 denida en
2
on necesaria de
{(x, y) R : (x, y) 1}. Discutir si cumplen la condici
extremo local.

9.

Calcular los puntos crticos de las siguientes funciones y estudiar su car

acter
(estudiar las asociadas formas cuadr
aticas, sus matrices, sus valores propios,...).
Determinar, si es posible, si los extremos son absolutos o locales:
a) f (x1 , x2 , x3 ) := 2x21 + x1 x2 + 4x22 + x1 x3 + x23 + 2.

10.

b)

f (x1 , x2 , x3 ) := x31 + 3x1 x3 + 2x2 x22 3x23 .

c)

f (x1 , x2 , x3 ) := x21 + 3x22 3x1 x2 + 4x2 x3 + 6x23 .

d)

f (x, y, z) := e2x + ey + ez (2x + 2ez y).

Estudiar los extremos de la funci

on f (x, y, z) := ex

5.7.7.

+y 2 +z 2

Teoremas de la Funci
on Inversa e Implcita.

1.

Si x2 xz + z 2 + yz = 4, encontrar z/xyz/y cuando x = 1 e y = 3.

2.

Si u, v son funciones de x, y denidas implcitamente en alguna regi

on del plano
xy por las ecuaciones
usenv + x = 0
ucosv y = 0
encontrar u/x, u/y, v/x y v/y.

3.

Si la ecuaci
on F (x, y, z) = 0 puede resolverse para cualquiera de las variables
x, y, z en terminos de las otras dos, demostrar que
(x/y)z (y/z)x (z/x)y = 1
en donde la variable indicada fuera del parentesis se mantiene constante al
derivar.

4.

Si R es la region triangular en el plano xy limitada por las rectas x + y =

2, y x = 1, x = 0, encontrar la regi
on imagen S en el plano uv bajo la
transformaci
on
x = u + 2v, y = v 2u
Hallar adem
as (u, v)/(x, y).

224

Captulo 5. Aproximaci
on de funciones y problemas de extremos
5.

a) Encontrar la regi
on R del plano xy que se aplica en el plano uv por medio
de la transformaci
on x = uchv, y = u.
b) Describir las curvas de R cuyas imagenes son las rectas u = u0 , v = v0 .
c) Indicar en un diagrama la regi
on R en el plano xy cuya imagen es la region
rectangular S limitada por las rectas
u = 1, u = 2, v = 1/2, v = 1.

5.7.8.

Extremos condicionados.

1.

Hallar los valores extremos de z = xy con la condici

on x + y = 1.

2.

Hallar las distancias m

axima y mnima desde el origen a la curva
5x2 + 6xy + 5y 2 = 1.

3.

Sean a y b son n
umeros positivos jos.
a) Hallar los valores extremos de z =

y
x
a + b , con
2
2

la condici
on x2 + y 2 = 1.

b) Hallar los valores extremos de z = x + y con la condici

on

x
a

y
b

= 1.

En cada caso, interpretar geometricamente el problema.

4.

Hallar los puntos de la supercie z 2 xy = 1 mas proximos al origen.

5.

Hallar el volumen mnimo limitado por los planos x = 0, y = 0, z = 0, y un

plano que sea tangente al elipsoide
x2
y2
z2
+ 2 + 2 = 1,
2
a
b
c
en un punto del octante x > 0, y > 0, z > 0.

6.

Hallar el maximo de ln x+ln y+3 ln z en la porci

on de la esfera x2 +y 2 +z 2 = 5r2
en la que x > 0, y > 0, z > 0. Aplicar el resultado para demostrar que, para
n
umeros reales positivos a, b, c, tenemos,
3

abc 27

a+b+c
5

5
.

7.

Hallar los puntos de la intersecci

on del cilindro x2 + y 2 = 4 y el plano 6x + 3y +
2z = 6 que estan m
as pr
oximos y mas lejanos del origen.

8.

Un punto puede ser un extremo relativo respecto a un cierto subconjunto y no

ser un punto crtico de una funci
on. Como ejemplo, localizar los puntos de la
curva x5 + x 2 donde la funci
on f (x, y) = x y tiene un extremo local relativo.
Trazar la curva y las curvas de nivel de f para comprobarlo.
225

5.7. Problemas propuestos

9.

Considerar una forma cuadr

atica de dos variables q(x, y) = ax2 + 2bxy + cy 2 .
Calcular los extremos de q relativos a la circunferencia unidad x2 + y 2 = 1.
Probar que el mayor (menor) valor propio de la matriz simetrica asociada a q
es el maximo (el mnimo) de q sobre la esfera.

10.

La suma de tres n
umeros reales es 9. Encontrar esos n
umeros si su producto es
maximo.

11.

Demostrar que el volumen de la mayor caja rectangular que puede inscribirse

2
2
2
.
en el elipsoide xa2 + yb2 + zc2 1 es 8abc
3 3

12.

Calcular los extremos de f (x, y) = (1 x2 ) sen y sobre S := {(x, y) : |x|

1, |y| }.

13.

Encontrar los extremos de f (x, y, z) = x3 + y 3 + z 3 con las restricciones x2 +

y 2 + z 2 = 1, x + y + z = 1.

14.

Hallar los puntos de la curva intersecci

on de las dos supercies
x2 xy + y 2 z 2 = 1, x2 + y 2 = 1
que estan m
as proximos al origen.

226

Captulo 6

Integraci
on
6.1.

Introducci
on

Dada una funci

on F de una variable t denida en un intervalo I R es posible,
bajo determinadas circunstancias que han sido analizadas en el captulo 4, obtener
la funci
on derivada F  , que denotaremos en este momento por f . Es usual decir que
F es la funci
on primitiva de f (o, solamente, la primitiva de f ). As, el c
alculo de
primitivas se presenta como la operacion inversa de la derivaci
on.
Uno de los problemas m
as antiguos de las Matematicas era el de calcular el area
encerrada por una curva dada como la gr
aca de una funci
on f en un intervalo
cerrado y acotado I y el eje 0X (ver la gura 6.1). Esta cuesti
on haba sido tratada
por Arqumedes (287-212 a.C.). Es as muy anterior al de calcular la derivada de
una funci
on en un punto, lo que geometricamente se expresa como la pendiente de la
tangente a una curva, que s
olo comenzo a ser tratado en el siglo XVII, especialmente
por Fermat (1601-1665)).

Figura 6.1: Area

encerrada por la gr
aca

Uno de los resultados mas espectaculares del Calculo (esencialmente debido a

227

6.1. Introducci
on
Barrow (1630-1677), maestro de Newton) es que existe una relacion entre ambos
problemas, el de calcular el area y el de calcular una primitiva. Precisamente (ver el
teorema 6.3.15), lo que ocurre es que el area A representada en la gura 6.1, area

b
que usando la notaci
on de Leibniz (1646-1716) es a f (t)dt, resulta ser F (b) F (a),
donde F es una primitiva de
f . M
as generalmente, el area A(x) representada en la
x
gura 6.2, denotada pues por a f (t)dt, area que depende de x, es, precisamente, una
primitiva de f . Es por ello por lo que las primitivas de f se suelen denotar como

f (t)dt
lo que se llama integral indenida de f . En general, todas las primitivas de una funci
on
dieren en constantes, por lo que la f
ormula general de las primitivas de f es

f (t)dt + K,
siendo K una constante arbitraria.

Figura 6.2: La funci

on primitiva

En denitiva, para calcular areas se requiere calcular primitivas de funciones y es

por ello por lo que iniciamos este captulo con una secci
on de car
acter marcadamente
aplicado, que tiene como objetivo precisamente el calculo de primitivas.
La presentacion actual de la teora de integraci
on hace honor a las ideas de Ar
b
qumedes, y se basa en el hecho de que una integral a f (t)dt (lo que se llama una
integral denida) es un n
umero asociado a una funci
on denida en un intervalo [a, b],
n
umero que, como hemos indicado, representa el area encerrada por la gr
aca de f
en el intervalo [a, b] y el eje 0X. Esta teora ha evolucionado a medida que se ha
requerido un ambito de aplicabilidad mayor (Cauchy, Riemann, Lebesgue, etc.). En
las aplicaciones a la tecnica tiene especial importancia una versi
on generalizada de
la teora de la integraci
on de Riemann, llamada de Riemann-Stieltjes, en la que se
utilizan integradores mas generales que la funcion identidad, que desarrollaremos de
forma condensada en la seccion 6.3. Como la teora de Riemann aparece as como un
caso particular (tomando como integrador precisamente g(x) = x), el lector interesado solo en esta puede remitirse a la seccion 6.3 y particularizar las deniciones y
resultados en este caso.
228

Captulo 6. Integraci
on

6.2.

Introducci
on al c
alculo de primitivas

6.2.1.

Introducci
on

Definici
on 6.2.1 Dadas dos funciones f y F denidas en un intervalo I R, se
dice que F es una primitiva de f cuando F tiene derivada F  que coincide con f .
Desarrollaremos en esta seccion procedimientos de calculo de primitivas.1
Es seguro que el lector conoce ya ciertos metodos de calculo de funciones primitivas
(tambien llamadas integrales indenidas), como la integracion por partes, la f
ormula
del Cambio de Variable, la integraci
on de funciones racionales,. . . Completaremos estos
metodos con algunos otros no comprendidos en los prerequisitos.

6.2.2.

Integraci
on de funciones racionales cuyo denominador
tiene races m
ultiples (M
etodo de Hermite)

Definici
on 6.2.2 Se denomina funci
on racional a una funci
on de la forma
donde P y Q son polinomios (se supone que, en el dominio, Q no se anula).
Se quiere calcular

P (x)
Q(x) ,

P (x)
dx.
Q(x)

Supongamos
Q(x)

(x 1 )r1 .(x 2 )r2 . . . (x n )rn

s1 
s2
sm


(x a2 )2 + b22 (x am )2 + b2m
(x a1 )2 + b21
.

donde 1 , 2 , . . . , n son las races reales de Q y r1 , r2 , . . . , rn sus ordenes de multiplicidad respectivos. Entonces


A(x)
R(x)
P (x)
dx =
+
dx,
(6.1)
Q(x)
B(x)
S(x)
donde
B(x) = (x 1 )r 1 1 .(x 2 )r 2 1 . . . (x n )rn 1

s 1 1 
s 2 2
sm 1

(x a1 )2 + b21
. (x a2 )2 + b22
. . . (x am )2 + b2m
,
donde
S(x) = (x 1 ).(x 2 ) . . . (x n )
 
 


(x a1 )2 + b21 . (x a2 )2 + b22 . . . (x am )2 + b2m ,
1 Este

apartado debe bastante, por una parte, a [Go59] y, por otra, a [Va76].

229

6.2. Introducci
on al calculo de primitivas
y los numeradores A(x), R(x), son polinomios de un grado menos que el correspondiente denominador. Se obtiene en la pr
actica mediante la derivaci
on de la expresi
on
(6.1) y la subsiguiente identicaci
on de coecientes.
Ejemplo 6.2.3 Resolveremos la integral

3x3 + 2x2 + 1
dx.
x5 x4 + 2x3 2x2 + x 1
Resulta que el denominador es un polinomio con races 1 (simple), +i (doble) y i
(doble). Por tanto,
x5 x4 + 2x3 2x2 + x 1 = (x2 + 1)2 (x 1).
Seg
un (6.1), escribamos


A(x)
3x3 + 2x2 + 1
dx =
+
(x2 + 1)2 (x 1)
B(x)

R(x)
dx,
S(x)

donde B(x) = (x2 + 1), S(x) = (x2 + 1)(x 1), as que resulta


 
px + q
3x3 + 2x2 + 1
ax + b
r
dx
=
+
+
dx.
(x2 + 1)2 (x 1)
(x2 + 1)
x2 + 1 x 1

(6.2)

(6.3)

Derivando ambos miembros de (6.3) e identicando coecientes resulta


  3

3
2x + 1
12 x 1
3x3 + 2x2 + 1
2
dx = 2
+
+
dx.
(x2 + 1)2 (x 1)
(x + 1)
x2 + 1
x1
Entonces



12 x 1
3
3x3 + 2x2 + 1
3
2
dx
=
+

ln(x
ln(x

1)
+ C.
+
1)
+
arctg(x)
+
(x2 + 1)2 (x 1)
(x2 + 1)
4
2

6.2.3.

Integrales del tipo

racional



R x, Ax2 + 2Bx + C dx, R funci
on

a) La funci
on bajo el signo radical es un polinomio de primer grado
Supongamos que queremos calcular



R x, ax + b dx,
siendo R una funci
on racional. En este caso, la sustituci
on ax + b = t2 convierte la
integral en la de una funci
on racional, pues resulta

 2




2tdt
t b
, t
.
R x, ax + b dx = R
a
a
230

Captulo 6. Integraci
on
Ejemplo 6.2.4

x
dx.
x+1

Haciendo x + 1 = t2 , resulta x = t2 1, dx = 2tdt, luego



x
dx
x+1

=

=

t2 1
2tdt =
t
(t2 1) dt = 2


3
1
t3
2
t + C = (x + 1) 2 2 (x + 1) 2 + C.
3
3

b) La funci
on bajo el signo radical es un polinomio de segundo grado y
tiene dos races reales a y b
Se trata de calcular en esa situacion


 

R x, Ax2 + 2Bx + C dx,

donde de nuevo R es una funci

on racional.
En este caso, podemos escribir


Ax2 + 2Bx + C =

7
A(x a)(x b) = (x b)

(x a)
,
(x b)

2
y la sustituci
on A (xa)
on racional.
(xb) = t transforma la integral en la de una funci

Ejemplo 6.2.5


I=

Haciendo

x+1
x1

x2
(x2 1)

dx.

= t2 , resulta

I = 2

(t2 + 1)2
dt.
(t2 1)3

Esta
es la integral de una funci
on racional. Se obtiene
I=

1
1
1
1
1
1
(t + 1)2 (t + 1)1 ln(t + 1) (t 1)2 (t 1)1 + ln(t 1) + C.
4
4
4
4
4
4


Basta substituir ahora en esta expresi

on t por

x+1
x1

1/2

.
231

6.2. Introducci
on al calculo de primitivas
c) La funci
on bajo el signo radical es un polinomio de segundo grado y
tiene dos races imaginarias
Se trata de calcular, ahora en esta nueva situaci
on,

 

R x, Ax2 + 2Bx + C dx,
donde R es otra vez una funci
on racional.
1.

Supongamos A > 0. El cambio de variable Ax2 + 2Bx + C = x A + t transforma la integral en la de una funci
on racional.

2.

Si A < 0, entonces Ax2 + 2Bx + C debe tener dos races reales a, b (en otro
caso, Ax2 + 2Bx + C sera negativo para todo x real), y se aplica el caso 1.

Ejemplo 6.2.6


I=

Hagamos

x2 dx

.
x2 + 1

x2 + 1 = x + t. Entonces,
x=

1 t2
1 + t2
, dx =
dt.
2t
2t2


1
(1 t2 )2
dt,
4
t3
que es la integral de una funci
on racional. Se obtiene
Resulta

I=

1
1
1
I = t2 + t2 + ln(t) + C.
8
8
2

Basta ahora sustituir t por x2 + 1 x.

6.2.4.

Integrales binomias

Definici
on 6.2.7 Se denominan integrales binomias a las de alguno de los tres tipos
siguientes:

6
5
(I)
R x, (ax + b)1/q dx,

(II)

5 
6

R x, ax + b, cx + d dx,


(III)

R [xq1 , xq2 , . . . , xqn ] dx,

donde R es una funci

on racional, y q1 , . . . , qn son n
umeros racionales.
232

Captulo 6. Integraci
on
Pueden reducirse a las de funciones racionales con los siguientes cambios de variable:
1.

Tipo I: ax + b = tq .

2.

Tipo II: despues de una sustitucion ax + b = t2 , se obtiene una integral del

tipo visto en el apartado 6.2.3.

3.

un m
ultiplo de los
Tipo III: basta hacer x = tD , siendo D el mnimo com
denominadores de las fracciones q1 , . . . , qn .

Ejemplo 6.2.8

1.

Tipo I:

I=

x(x + 1)(1/3) dx.

Basta hacer (x + 1)(1/3) = t, es decir, x + 1 = t3 . Obtenemos


3
3
3
3
I = 3 t3 (t3 + 1) dt = t7 t4 + C = (x + 1)(7/3) (x + 1)(4/3) + C.
7
4
7
4
2.

Tipo II:


x+1

I=
dx.
x2

2
Si hacemos (x + 1) = t2 , resulta I = 2 tt2dt
. Esta es una integral del tipo
3
visto en el apartado 6.2.3 b). Basta hacer u2 =
la integral de una funci
on racional.

3.

Tipo III:

I = 15

para que se convierta en

1 + x1/3
dx.
1 x1/5

I=
Basta hacer x = t15 . Resulta

t+3
t 3

1 + t5 14
t dt,
1 t3

que es la integral de una funci

on racional.

6.2.5.

Integraci
on de funciones trascendentes

Integraci
on de funciones racionales de las funciones seno y coseno
Se trata de calcular


R [sen(x), cos(x)] dx,

(6.4)

donde R es una funci

on racional.
233

6.2. Introducci
on al calculo de primitivas
1.

Caso general: Una integral como (6.4), se transforma en la integral de una

funci
on racional mediante el cambio de variable
x
= t.
tg
2
Observar que, en ese caso, se tiene
x = 2 arc tg(t), dx =

2dt
2t
1 t2
, sen(x) =
, cos(x) =
.
2
2
1+t
1+t
1 + t2

Ejemplo 6.2.9


I=

Haciendo tg

x
2


I=

2.

dx
.
5 + 3 cos(x)

= t resulta

dt
1
= arc tg
2
4+t
2

 


t
1 x
1
tg
+ C = arc tg
+ C.
2
2
2
2

Casos particulares: En algunos casos, es posible encontrar substituciones mas

simples:
a) Por ejemplo, si la funci
on R [sen(x), cos(x)] es peri
odica de perodo , es
una funci
on racional de tg(x), digamos F [tg(x)] , cuya integral se reduce
a la de una funci
on racional haciendo el cambio tg(x) = t.
Ejemplo 6.2.10 Calcularemos ahora

d
sen(x) cos(x).
I=
x
Obviamente, la funci
on
se tiene

I=

1
sen(x) cos(x)

es periodica de perodo . Observar que

dx
=
tg(x) cos2 (x)

1 + tg2 (x)
dx.
tg(x)

Haciendo tg(x) = t, resulta


I=

dt
= ln(t) + C = ln [tg(x)] + C.
t

Si el integrando es de la forma R[sen(x)] cos(x), o R[cos(x)] sen(x), donde,

como siempre, R es una funci
on racional, los cambios de variable sen(x) = t,
o bien cos(x) = t, respectivamente, convierten la integral en la de una
funci
on racional.
234

Captulo 6. Integraci
on
Ejemplo 6.2.11 Resolvemos a continuacion la siguiente integral

sen2 (x)
dx.
I = cos(x)
1 + sen(x)
Haciendo sen(x) = t, resulta

 
1
I =
t1
dt =
t+1
1
1 2
t t ln(t + 1) + C = sen2 (x) sen(x) ln [sen(x) + 1] + C.
=
2
2
F
ormulas de reducci
on
Se aplica a las integrales de la forma

senm (x) cosn (x) dx,
donde m, n son n
umeros enteros. Si uno de los enteros es impar, conviene usar el
cambio de variable sugerido en 2, b) del apartado anterior (es decir, si n = 2p +
1, hagamos sen(x) = t, mientras que si m = 2p + 1, hagamos cos(x) = t). As,
supondremos que se trata de integrar

Im,n = sen2m (x) cos2n (x) dx.
6
5
1
cos2n+1 (x), la integraci
Tomando cos2n (x) sen(x) dx como la diferencial de 2n+1
on
por partes proporciona

cos2n+1 (x) 2m 1
2m+1
+
(x).
Im,n = sen
sen2m2 (x) cos2n (x). (1 sen2 x) dx,
2n + 1
2n + 1
que puede ser escrito como
Im,n =

2m 1
sen2m1 (x) cos2n+1 (x)
+
Im1, n .
2(m + n)
2(m + n)

(6.5)

Esta f
ormula permite disminuir el ndice m en una unidad sin alterar n. Si m < 0,
se obtiene una f
ormula an
aloga resolviendo la ecuacion (6.5) con respecto a Im1, n y
reemplazando m por 1 m. Se obtiene
Im,n =

sen12m (x) cos2n+1 (x) 2(n m + 1)

+
I1m, n .
1 2m
1 2m

(6.6)

Las siguientes formulas tienen una deducci

on del mismo tipo, y permiten disminuir
el exponente de cos(x):
Im,n =

2n 1
sen2m+1 (x) cos2n1 (x)
+
Im,n1
2(m + n)
2(m + n)

(6.7)
235

6.3. Introducci
on a la Integral de Riemann-Stieltjes
Im,n =

6.3.

sen2m+1 (x) cos12n (x) 2(m + 1 n)

+
Im, n+1 .
1 2n
1 2n

(6.8)

Introducci
on a la Integral de Riemann-Stieltjes

La siguiente seccion pretende ser una introducci

on al concepto de Integral de
Riemann-Stieltjes y tan s
olo intenta recoger aquellos aspectos que puedan interesar
para las aplicaciones. Como se ha indicado en la Introducci
on, puede ser tambien
considerada como una exposici
on breve de la integral de Riemann, sin m
as que particularizar el integrador a la funci
on (x) = x. Esta seccion debe mucho a la forma
como se expone esta teora en [Ru66].

6.3.1.

Introducci
on y motivaci
on

La integral de Riemann-Stieltjes es un poderoso instrumento para las aplicaciones

tecnicas. Su uso no se limita tan s
olo al ambito de la Teora de la Probabilidad o de
la Estadstica Matematica.
Un ejemplo elemental ilustrar
a su utilidad: sea un sistema formado por un n
umero
nito de puntos materiales de masas m1 , m2 , . . . , mn , situados sobre el eje 0X, con abcisas x1 , x2 , . . . , xn , respectivamente. El momento de inercia de este sistema alrededor
del eje 0Y viene dado por
I = m1 x21 + m2 x22 + . . . + mn x2n .

(6.9)

Esta expresion se podra entender como una suma ponderada de desviaciones al

cuadrado, siendo los pesos las masas de los puntos.
El an
alogo continuo sera una varilla material sobre el eje 0X, extendida ocupando el intervalo [a, b], de masa variable, descrita por una densidad lineal (x). Si
quisieramos calcular, como antes, su momento de inercia respecto al eje 0Y , podramos
considerar una partici
on2 del intervalo [a, b], de la forma
a = x0 < x1 < x2 < . . . < xn = b,
jar en cada subintervalo [xi1 , xi ] un punto ti , y asignar a dicho subintervalo una
on del momento de inercia sera
masa (ti )(xi xi1 ), i = 1, 2, . . . , n. Una aproximaci
pues
n

(ti )(xi xi1 )t2i .
(6.10)
i=1

Se tratara ahora de considerar todas las posibles particiones de [a, b] y todas las
un la denici
on de integral de
elecciones de puntos ti [xi1 , xi ], i = 1, 2, . . . , n. Seg
Riemann3 , se debera tomar como momento de inercia el valor de la integral
 b
x2 (x)dx.
(6.11)
a
2 Ver

la definici
on 6.3.1.
3 Ver la definici
on 6.3.7.

236

Captulo 6. Integraci
on
Una forma alternativa, y m
as natural, consiste en denir una funci
on m : [a, b]  R de
modo que, si a x < x b, entonces m(x) m(x ) represente la masa del intervalo
[x , x] . Ahora, tomando como antes una partici
on
a = x0 < x1 < x2 < . . . < xn = b,
una aproximaci
on del momento de inercia, eligiendo un punto ti [xi1 , xi ], i =
1, 2, . . . , n. vendra dada por
n


t2i [m(xi ) m(xi1 )] .

(6.12)

i=1

Si se conviene en representar al lmite (en el sentido en que se utiliza est

a palabra en
la denici
on de integral de Riemann, ver el teorema 6.3.10) de esas expresiones, cuando
varan las particiones de [a, b] y la eleccion de puntos ti [xi1 , xi ], i = 1, 2, . . . , n,
como

b

x2 dm(x),

(6.13)

se tiene una expresi

on m
as adecuada que (6.11), ya que denota la integraci
on de la
funci
on x2 cuando los intervalos no se miden mediante su longitud, sino mediante
una funci
on que representa una cierta distribuci
on a lo largo del intervalo, funci
on
que se llama integrador.

6.3.2.

Integradores

En muchas de las aplicaciones se integra una funci

on respecto a un integrador
que no es continuo. La clase mas general de los integradores que interesan en esta
teora de integraci
on es la de las funciones de variaci
on acotada. Es la clase natural
si se pretende usar integradores para los que sumas como (6.12) tengan un lmite
nito.
A lo largo de esta seccion utilizaremos repetidas veces el concepto de particion y
su norma.
Definici
on 6.3.1 Llamaremos partici
on de un intervalo [a, b] al conjunto
P := {a = x0 < x1 < . . . < xn = b}.
La familia de todas las particiones de intervalo [a, b] se denotar
a por P[a, b]. Se llama
norma de la partici
on P al n
umero
P  := m
ax {xi xi1 , i = 1, 2, ..., n} .
Definici
on 6.3.2 Una funci
on g : [a, b]  R se dice que es de variaci
on acotada
cuando el siguiente conjunto de n
umeros reales es acotado
n
3

|g(xi ) g(xi1 )| : P P [a, b],

i=1

237

6.3. Introducci
on a la Integral de Riemann-Stieltjes
4
P = {a = x0 < x1 < x2 . . . < xn = b} .

(6.14)

Al supremo del conjunto (6.14) se le llama variaci

on total de la funci
on g en [a, b] , y
se representa por V [g(a, b)] 4 .
El siguiente resultado nos permitir
a expresar las funciones de variaci
on acotada como
diferencia de funciones mon
otonas crecientes:
Proposici
on 6.3.3 Sea : [a, b]  R una funci
on de variaci
on acotada. Entonces
es tambien de variaci
on acotada al restringirla a cada subintervalo de [a, b], y la
variaci
on total es una funci
on aditiva respecto al intervalo. Es decir, si a x y b,
entonces se tiene
V (, [a, x]) + V (, [x, y]) = V (, [a, y]).
n. La primera armaci
Demostracio
on es inmediata. Para probar la segunda parte,
dadas sendas particiones a = c0 < c1 < . . . < cn = x de [a, x], x = d0 < d1 < . . . <
on de ambas resulta una partici
on de [a, y], luego
dm = y de [x, y], la uni
n

i=1

|(ci ) (ci1 )| +

|(dj ) (dj1 )| V (, [a, y]).

j=1

Tomando supremos para todas las particiones de [a, x] y [x, y], obtenemos
V (, [a, x]) + V (, [x, y]) V (, [a, y]) .
Para demostrar ahora la desigualdad contraria, tomemos > 0 arbitrario. Entonces existe una particion a = r0 < r1 < . . . < rk = y de modo que
V (, [a, y])

|(rj ) (rj1 )| + .

j=1

La partici
on obtenida a
nadiendo el punto x a la anterior proporcionar
a una suma
mayor, que descompondremos en un sumando correspondiente a [a, x] y otro a [x, y] .
Basta ahora tomar supremos para obtener
V (, [a, y]) V (, [a, x]) + V (, [x, y]) + .
Como es arbitrario, se obtiene el resultado.

De ello se deduce, inmediatamente, que V (, [a, x]) es una funci

on creciente en
[a, b], as como tambien lo es V (, [a, x]) (x).
La siguiente proposici
on usa este resultado para reducir el concepto de funci
on de
variaci
on acotada al elemental de funci
on mon
otona.
4 Los

conceptos de funci
on de variaci
on acotada y de variaci
on total aparecer
an de nuevo en el
contexto de la teora de curvas (ver la definici
on 6.3.2). Una funci
on : [a, b]  Rn es una curva
a rectificable (es decir, con longitud) exactamente cuando sea una funci
on de
en Rn , y se llamar
variaci
on acotada. Es claro que la variaci
on total, en este caso, es lo que naturalmente debe definirse
como su longitud.

238

Captulo 6. Integraci
on
Proposici
on 6.3.4 Una funci
on g : [a, b]  R es de variaci
on acotada si, y solamente si, es diferencia de dos funciones mon
otonas crecientes.
n. Una direcci
Demostracio
on es inmediata: si g = g1 g2 , donde g1 y g2 son funciones monotonas crecientes denidas en [a, b], es claro que g es de variacion acotada.
El recproco consiste en probar que la funci
on de x dada por V (g, [a, x]) denida
como la variacion total de g en [a, x], es creciente, y que la funci
on V (g, [a, x]) g(x)
tambien. Si llamamos g1 (x) := V (g, [a, x]), g2 (x) := V (g, [a, x]) g(x), x [a, b],


se tiene g = g1 g2 .

6.3.3.

Definici
on de la integral de Riemann-Stieltjes

El tratamiento de la integral de Riemann-Stieltjes se inicia estudiando un caso

particular, la integraci
on respecto a un integrador mon
otono creciente. Posteriormente
se tratar
a el caso general de un integrador de variaci
on acotada. Considerando la
proposici
on 6.3.4 se entender
a que la extension es natural.
Definici
on 6.3.5 Sea f : [a, b]  R una funci
on acotada (digamos |f (x)| K, x
[a, b] ). Sea : [a, b]  R una funci
on mon
otona creciente. Sea P P [a, b], P =
{a = x0 < x1 < . . . < xn = b}. Sea
Mi = sup {f (x) : x [xi1 , xi ]} ,
mi = inf {f (x) : x [xi1 , xi ]} ,
y escribimos i := (xi ) (xi1 ), i = 1, 2, . . . , n.
Se dene la suma superior de Riemann-Stieltjes de la funci
on f para la partici
on
P respecto al integrador como
U (P, f, ) =

Mi i .

i=1

An
alogamente, se dene la suma inferior de Riemann-Stieltjes de la funci
on f para
la partici
on P respecto al integrador como
L(P, f, ) =

mi i .

i=1

Se dene suma de Riemann-Stieltjes correspondiente a la funci

on f y a la partici
on
P a la expresi
on
n

S(P, f, ) :=
f (ti )i ,
(6.15)
i=1
5

donde ti [xi1 , xi ], i = 1, 2, . . . , n ( ).
5 Propiamente hablando, S(P, f, ) depende de la elecci
on de los puntos ti , i = 1, 2, . . . , n. Esto
no se refleja en la notaci
on, por la raz
on de que sera excesivamente complicada. Se precisar
a, en
cada caso, qui
enes son los puntos ti .

239

6.3. Introducci
on a la Integral de Riemann-Stieltjes
Es obvio que se tiene
K [(b) (a)] L(P, f, ) U (P, f, ) K [(b) (a)] .
Por tanto la siguiente denici
on tiene sentido.
Definici
on 6.3.6 Los valores


f d = inf {U (P, f, ) : P P [a, b]}



a
b

f d = sup {L(P, f, ) : P P [a, b]} ,

a

se llaman, respectivamente, integral superior e inferior de Riemann-Stieltjes de la

funci
on f respecto al integrador .
Definici
on 6.3.7 Dada una funci
on acotada f : [a, b]  R, se dice que es integrable
Riemann-Stieltjes respecto a en el intervalo [a, b], y se escribe
F R(),
si

f d =
a

f d
a

A ese valor com

un se le llama la integral de Riemann-Stieltjes de f respecto al inte
b
grador en [a, b], valor que se denota como a f d. (6 )
Cuando el integrador es la funci
on (x) := x, se dice que la funci
on f es
integrable Riemann en el intervalo [a, b], lo que se indica escribiendo f R.
El comportamiento de las sumas U (P, f, ) y L(P, f, ) al variar la partici
on P
viene descrito por la siguiente
as na que P
Proposici
on 6.3.8 Sean P y P en P [a, b] y supongamos que P es m
(es decir, P P , utiliz
andose en ese caso la notaci
on P P ). Entonces
L(P , f, ) L(P, f, ),
y

U (P , f, ) U (P, f, ).

n. Probaremos que si P = P {c} para un cierto c ]a, b[, se verica

Demostracio
el resultado. La aplicacion de esto un n
umero nito de veces probar
a el caso general.
6 En

algunos casos escribiremos

integraci
on no juega ning
un papel.

240

b
a

f (x)d(x). Sin embargo, hay que insistir en que la variable de

Captulo 6. Integraci
on
Sea P := {a = x0 < x1 < . . . < xn = b}, y sea c ]xi1 , xi [ para cierto i
{1, 2, . . . , n}. Sea
m1 := mn{f (x) : x ]xi1 , c[}, m2 := mn{f (x) : x ]c, xi [}.
Entonces,
mi i = mi [(c)(xi1 )]+mi [(xi )(c)] m1 [(c)(xi1 )]+m2 [(xi )(c)].
alogamente se obtiene U (P, f, ) U (P , f, ).
Por tanto, L(P, f, ) L(P , f, ). An


Este resultado permite comparar sumas U y L para particiones distintas. Pues es
ahora claro que si P1 y P2 son dos particiones cualesquiera de [a, b] , se tiene
L(P1 , f, ) U (P2 , f, )
(no hay m
as que compararlas con L(P1 P2 f, ) y con U (P1 P2 f, )). Por tanto,
sea o no f integrable,
 b
 b
f d
f d.
a

Tambien se tiene, de forma natural, la siguiente proposici

on, que da una condici
on
necesaria y suciente de la integrabilidad.
Proposici
on 6.3.9 f R() si, y solamente si, > 0, existe P P [a, b] de modo
que
U (P, f, ) L(P, f, ) < .
n. Sea, en primer lugar, f R(). Entonces, dado > 0, existe P1 y
Demostracio
P2 en P[a, b] tales que


f d /2 < L(P1 , f, ) U (P2 , f, ) <

a

f d + /2.
a

Basta tomar ahora P = P1 P2 para, usando la proposici

on 6.3.8, obtener el resultado.
Para probar la otra direcci
on, dado > 0 existe P P[a, b] tal que


L(P, f, )

f d U (P, f, ) < L(P, f, ) + ,

a

luego

f d


f d
a

f d < .
a

Como > 0 es arbitrario, se obtiene la conclusi

on.

241

6.3. Introducci
on a la Integral de Riemann-Stieltjes
Es claro, sin embargo, que ni la denici
on 6.3.7, ni la anterior proposici
on 6.3.9,
se pueden usar en general de forma operativa para asegurar que una funci
on f es
integrable respecto a un integrador (cu
anto menos para efectivamente calcular la
integral). El siguiente teorema da una condici
on suciente para que una funci
on f sea
integrable, siempre respecto a un integrador que es monotono creciente. Ademas
permite aproximar el valor de la integral, en ese caso, mediante sumas nitas, tomando
particiones sucientemente nas, en el sentido de que sus normas (ver la denici
on
6.3.1) sean peque
nas.
Teorema 6.3.10 Sea f una funci
on real continua en el intervalo [a, b]. Entonces
f R(), y se tiene que, para todo > 0, existe > 0 de modo que si P es una
partici
on de [a, b] de norma < , y si ti [xi1 , xi ], i = 1, 2, ..., n,


 b
n




f (ti )i
f d < .



a
i=1

n. Si f es continua en [a, b], podemos usar el Teorema de Heine 3.3.16

Demostracio
para asegurar que f es uniformemente continua en [a, b]. As, dado > 0 existe > 0
tal que si t, s [a, b] y |t s| < , entonces |f (t) f (s)| < . Si ahora se toma una
partici
on P P[a, b] con P  < ,
U (P, f, ) L(P, f, )

(Mi mi )i [(b) (a)],

i=1

donde Mi y mi aparecen en la denici

on 6.3.7, i = 1, 2, . . . , n. Se cumple as la
condici
on en la proposici
on 6.3.9, y f R(). De la propia construcci
on se obtiene
tambien la estimacion del enunciado.


Una condici
on de alguna forma simetrica a la anterior es la siguiente:
Teorema 6.3.11 Si f es mon
otona en [a, b], y es mon
otona creciente y continua
en [a, b], entonces f R().
n. Se puede suponer, sin perdida de generalidad, que f es monotona
Demostracio
creciente en [a, b]. Como es continua, de nuevo por el Teorema de Heine 3.3.16 es
uniformemente continua en [a, b], luego dado > 0 existe > 0 tal que, si s, t [a, b],
|t s| < , entonces |(t) (s)| < . Sea P := {a = x0 < . . . < xn = b} P[a, b]
con P  < . Entonces
U (P, f, ) L(P, f, ) =

[f (xi ) f (xi1 )]i < [f (b) f (a)].

i=1

Basta aplicar ahora la proposici

on 6.3.9.

242

Captulo 6. Integraci
on

6.3.4.

Propiedades de la integral de Riemann-Stieltjes

La siguiente es una lista de propiedades, que son, por otra parte, las esperadas: la
integral se comporta bien respecto a las operaciones algebraicas, tanto en el integrando
como en el integrador. Tambien, y siempre para integradores mon
otonos crecientes,
respeta al orden.
Se deducen inmediatamente de la denici
on, y no las demostraremos:
1.

otona
Linealidad: Sean f1 , f2 , y funciones reales denidas en [a, b], mon
creciente, f1 R() y f2 R(). Sean y n
umeros reales. Entonces (f1 +
f2 ) R(), y se tiene
 b
 b
 b
(f1 + f2 ) d =
f1 d +
f2 d.
a

otonas
Tambien, si f , 1 y 2 son funciones reales denidas en [a, b], 1 y 2 mon
crecientes en [a, b], f R(1 ) y f R(2 ), entonces f R(1 + 2 ), y se
tiene



b

f d(1 + 2 ) =
a

2.

f d2 .
a

Aditividad respecto al intervalo de integraci

on: Si c ]a, b[, y si f , son
funciones reales denidas en [a, b], mon
otona creciente y f R(), entonces
f restringida a [a, c] y a [c, b] tambien es integrable respecto a y se tiene
 c
 b
 b
f d =
f d +
f d.
a

3.

f d1 +

Monotona: Si f y son funciones reales denidas en [a, b], mon

otona
creciente y f R(), y se tiene f 0 en [a, b], entonces
 b
f d 0.
a

6.3.5.

La integrabilidad frente a la composici

on con funciones
continuas

Si una funci
on es integrable respecto a y se compone con una funci
on continua,
sigue siendolo. Esto es lo que arma el siguiente.
Teorema 6.3.12 Considerese el siguiente diagrama
f

[a, b] - [m, M ] - R
6
h
243

6.3. Introducci
on a la Integral de Riemann-Stieltjes
donde f R(), y es una funci
on continua. Entonces h R().
n. La funci
Demostracio
on es uniformemente continua en [m, M ] (Teorema de
Heine 3.3.16), luego dado > 0 existe 0 < < tal que, si s, t [m, M ] y |t s| < ,
entonces |(t) (s)| < .
Como f R(), existe P = {a = x0 < . . . < xn = b} tal que
U (P, f, ) L(P, f, ) < 2 .
umeros
Sean Mi , mi como en la denicion 6.3.7, y sean Mi y mi los correspondientes n
para h, i = 1, 2, . . . , n. Dividimos {1, 2, . . . , n} en dos subconjuntos: i A si Mi
mi < , i B en caso contrario. Entonces, si i A, Mi mi , mientras que
Mi mi 2K en otro caso, donde || K en [m, M ]. Se tiene


iB

luego


iB

(Mi mi )i < 2 ,

iB

i < . Se obtiene, pues,

U (P, h, ) L(P, h, ) =


= iA (Mi mi )i + iB (Mi mi )i [(b) (a)] + 2K <
< [(b) (a) + 2K].
Como > 0 es arbitrario se obtiene la conclusi
on, gracias a la proposici
on 6.3.9.

Corolario 6.3.13 Si f R() y g R(), entonces f g R(), as como |f |

R(). Adem
as, se tiene

 
 b

b


f d
|f | d.

 a

a
n. Para probar la primera armaci
Demostracio
on observar que f 2 R(), y 4f g =
2
2
(f + g) (f g) . La segunda es una consecuencia inmediata del teorema 6.3.12,
tomando como la funci
on m
odulo. La desigualdad se prueba tomando c = 1 de

b
forma que c a f d 0, se tiene


 b
 b
 b
 b



f d = c
f d =
cf d
|f |d,

 a

a
a
a
pues cf |f |.

244

Captulo 6. Integraci
on

6.3.6.

El Teorema Fundamental del C

alculo Integral

El siguiente resultado establece precisamente lo que se dijo de manera informal en

la introducci
on a la teora de la integral (ver la seccion 6.1). Comenzaremos probando que, de alguna manera, la integral tiene mejores propiedades que la funci
on, y
que, por otra parte, cuando f es continua, se puede construir una primitiva usando
precisamente la integracion.
Teorema 6.3.14 Sea f una funci
on integrable Riemann en el intervalo [a, b], lo que,
de acuerdo con la denici
on 6.3.7 denotamos como f R. Entonces
 x
F (x) :=
f (t)dt, x [a, b],
(6.16)
a

es una funci
on continua en [a, b].
Si, adem
as, f es continua en un punto x0 [a, b], resulta que F es derivable en
ese punto 7 y se tiene
F  (x0 ) = f (x0 ).
(6.17)
n. Sea |f (x)| K, x [a, b]. Entonces, dados a x y b,
Demostracio
  y
 y



f (t)dt
|f (t)|dt M (y x),
|F (y) F (x)| = 
x

luego F es uniformemente continua en [a, b].

Sea ahora f continua en x0 . Entonces, dado > 0, existe > 0 tal que, si
|x x0 | < . Se tiene |f (x) f (x0 )| < . Resulta, para t [a, b], t = x0 , |t x0 | < ,



 F (t) F (x0 )

f (x0 ) =

t x0


 t
 t
 1

1

=
[f (x) f (x0 )]dx
|f (x) f (x0 )|dx < .
t x0 x0
|t x0 | x0

Esto concluye la prueba.

Teorema 6.3.15 (Fundamental del C

alculo Integral) Sea f R en un intervalo [a, b]. Sea F una funci
on denida y continua en [a, b], derivable en ]a, b[ y tal que
F  (x) = f (x), para todo x ]a, b[. Entonces


f (x)dx = F (b) F (a).

(6.18)

a
7 Si el punto x coincide con alguno de los extremos del intervalo [a, b], la continuidad y la deriv0
abilidad deben entenderse, por supuesto, a un lado.

245

6.3. Introducci
on a la Integral de Riemann-Stieltjes
n. Dado > 0, existe P := {a = x0 < . . . < xn = b} tal que
Demostracio
L(P, f, x) U (P, f, x) < L(P, f, x) + .
Por el Teorema del Valor Medio (ver el teorema 4.1.21) aplicado a cada uno de los
intervalos [xi1 , xi ], existe ti ]xi1 , xi [ tal que
F (xi ) F (xi1 ) = f (ti )xi , i = 1, 2, . . . , n.
Claramente,
F (b) F (a) =

[F (xi ) F (xi1 )] =

i=1

f (ti )xi ,

i=1

as que
L(P, f, x) F (b) F (a) =

f (ti )xi U (P, f, x) < L(P, f, x) + .

i=1

Como > 0 es arbitrario, se obtiene la conclusi

on.

6.3.7.

C
alculo de una integral de Riemann-Stieltjes mediante
reducci
on a una integral de Riemann

Hasta ahora, no hemos proporcionado un metodo efectivo de calculo de integrales

de Riemann-Stieltjes. El siguiente resultado, uno de los m
as u
tiles de esta seccion, lo
hace, reduciendo el problema al c
alculo de una integral de Riemann:
Teorema 6.3.16 Si f es una funci
on real acotada integrable Riemann en [a, b], y es
una funci
on mon
otona creciente con derivada integrable Riemann en [a, b], entonces
f R(), y se tiene
 b
 b
f d =
f (x) (x)dx.
a

n. Como  R, dado > 0 existe P = {a = x0 < x1 < . . . < xn = b}

Demostracio
tal que
L(P,  , x) U (P,  , x) < L(P,  , x) + .
Entonces, dados si , ti [xi1 , xi ], i = 1, 2, . . . , n, se tiene
L(P,  , x)
L(P,  , x)

 (si )xi U (P,  , x),

i=1
n

i=1

246

 (ti )xi U (P,  , x),

Captulo 6. Integraci
on
por lo que

| (si )  (ti )| xi < .

(6.19)

i=1

Por el Teorema del Valor Medio (teorema 4.1.21),

i = (xi ) (xi1 ) =  (si )xi ,
donde si ]xi1 , xi [, i = 1, 2, . . . , n. Fijemos ti ]xi1 , xi [ arbitrario, i = 1, 2, . . . , n.
Entonces
n


f (ti )i

i=1

f (ti ) (si )xi =

i=1

f (ti ) (ti )xi +

i=1

f (ti )[ (si )  (ti )]xi .

(6.20)

i=1

Por (6.19) se tiene que

 n

n

 





f
(t
)[
(s
)

(t
)]x
|f (ti )| | (si )  (ti )|xi < K,

i
i
i
i


i=1

i=1

donde |f | K en [a, b]. Denotamos h := f  . Por el corolario 6.3.13 resulta h R.

Como
n

h(ti )xi [L(P, h, x), U (P, h, x)],
i=1

resulta que, a partir de (6.20),

n


f (ti )i [L(P, h, x) K, U (P, h, x) + K].

i=1

Esto es cierto para toda eleccion de ti [xi1 , xi ], i = 1, 2, . . . , n, luego

L(P, h, x) K L(P, f, ) U (P, f, ) U (P, h, x) + K,
lo que concluye la demostracion aplicando la proposici
on 6.3.9.

6.3.8.

Extensi
on de la clase de integradores: integraci
on respecto a integradores de variaci
on acotada

Hasta ahora, hemos integrado una funci

on acotada f respecto a un integrador
monotono creciente. Ahora, consideraremos integradores que son de variaci
on
acotada.
247

6.3. Introducci
on a la Integral de Riemann-Stieltjes
Se recordar
a (ver la proposici
on 6.3.4) que una funci
on : [a, b]  R es de
variaci
on acotada si y s
olo si es diferencia = de dos funciones y mon
otonas
creciente en [a, b] .

b
La denici
on natural de a f d es, desde luego,
 b
 b
 b
f d :=
f d
f d,
a

siempre que existan las integrales del segundo miembro, en el sentido en que fueron
denidas anteriormente.
Hay que asegurar, sin embargo, que esta denici
on es independiente de la particular
descomposicion de como diferencia de dos funciones monotonas crecientes. Si, por
ejemplo, = 1 1 , el apartado 6.3.4 (1.) asegura que
 b
 b
 b
 b
f d
f d =
f d1
f d1 ,
a

siempre que f R(), f R(), f R(1 ) y f R(1 ). Para evitar inconvenientes y

notaciones farragosas, cuando se integra respecto a integradores de variaci
on acotada,
se supone siempre alguna de las dos condiciones:
1.

f es continua, y es de variaci
on acotada, o

2.

f y son de variaci
on acotada y es continua.
Este es el contexto en el que a partir de ahora nos moveremos.

6.3.9.

F
ormula de integraci
on por partes. Teoremas del Valor
Medio. Cambio de variable

Teorema 6.3.17 (Integraci

on por Partes) Sean f y funciones de variaci
on
acotada en [a, b]. Supongamos que f R(). Entonces, R(f ) y
 b
 b
f d = f (b)(b) f (a)(a)
df .
a

n. Dado > 0 existe P P[a, b] tal que

Demostracio
L(P, f, ) U (P, f, ) < L(P, f, ) + .

(6.21)

Denotamos
A := f (b)(b) f (a)(a).


Sea P := {a = x0 < x1 < . . . < xn = b} P[a, b] arbitraria, y elegimos un punto

cualquiera ti [xi1 , xi ], i = 1, 2, . . . , n. Denotamos
S(P  , , f ) :=

n

i=1

248

(ti )[f (xi ) f (xi1 )] =

n

i=1

(ti )f (xi )

n

i=1

(ti )f (xi1 ). (6.22)

Captulo 6. Integraci
on
Es inmediato que se tiene
A=

f (xi )(xi )

i=1

f (xi1 )(xi1 ).

(6.23)

i=1

Restando las expresiones (6.23) y (6.22) se obtiene

A S(P  , , f ) =
n
n
= i=1 f (xi )[(xi ) (ti )] i=1 f (xi1 )[(xi ) (ti )].

(6.24)

La suma que aparece en el segundo miembro de (6.24) es del tipo usado en la denici
on

b

de a f d, correspondiente a una partici

on P := P {ti : i = 1, 2, . . . , n}, por lo
que usaremos la notacion

S(P , f, ) :=

f (xi )[(xi ) (ti )]

i=1

f (xi1 )[(xi ) (ti )].

i=1

Por la proposici
on 6.3.8 se tiene
 b
L(P, f, ) L(P , f, )
f d U (P , f, ) U (P, f, ) < L(P, f, ) + ,
a

(6.25)
as como
L(P, f, ) L(P , f, ) S(P , f, ) U (P , f, ) U (P, f, ) < L(P, f, ) + ,
(6.26)
por lo que resulta


 b





f d < .
S(P , f, )


a
En virtud de (6.24) se tiene


 b





f d < .
A S(P , , f )


a
Por tanto,

S(P , , f ) A

f d , A
a

f d + .

(6.27)

Dejamos ahora que ti vare en [xi1 , xi ] arbitrariamente, i = 1, 2, . . . , n. De (6.27) se

obtiene
 b
 b


A
f d L(P , , f ) U (P , , f ) A
f d + .
a

Como > 0 es arbitrario se obtiene, por una parte, por la proposici

on 6.3.9, que
R(f ), y por otra,
 b
 b
df = A
f d.
a

249

6.3. Introducci
on a la Integral de Riemann-Stieltjes

Esto concluye la prueba.

Teorema 6.3.18 (Primer Teorema del Valor Medio) Sea f continua en [a, b],
mon
otona creciente en [a, b]. Entonces, existe un punto x [a, b] de modo que
 b
f d = f (x) [(b) (a)] .
a

n. Sea m := inf{f (x) : x [a, b]}, M := sup{f (x) : x [a, b]}.

Demostracio
Entonces

b

f d M [(b) (a)].

m[(b) (a)]
a

En virtud del Teorema de los Valores Intermedios (teorema 3.2.22) existe un punto
x [a, b] tal que
 b
f d = f (x)[(b) (a)].
a

Teorema 6.3.19 (Segundo Teorema del Valor Medio) Sea f continua en [a, b],
mon
otona creciente en [a, b]. Entonces, existe un punto x [a, b] de modo que
 b
f d = f (a) [(x) (a)] + f (b) [(b) (x)]
a

n. Basta aplicar los teoremas 6.3.17 y 6.3.18.

Demostracio

Teorema 6.3.20 (Cambio de variable) Sean f R(), donde f y est

an denidas
en [a, b], siendo de variaci
on acotada. Sea : [a, b]  R estrictamente creciente en
[a, b]. Sea la funci
on inversa de . Entonces,
 b
 (b)
f (x)d(x) =
(f )(y)d [ ] (y).
a

(a)

n. Dada una partici

Demostracio
on P := {a = x0 < x1 < . . . < xn = b} P[a, b],
se dene una correspondiente partici
on Q = {(a) = y0 < y1 < . . . < yn = (b)}
P[(a), (b)], donde (xi ) = yi , i = 1, 2, . . . , n. Dados puntos ti [xi1 , xi ], y siendo
si := (ti ), i = 1, 2, . . . , n, se tiene
n

i=1

f (ti )[(xi ) (xi1 )] =

(f )(si )[ (yi ) (yi1 )].

i=1

Basta ahora usar la denici

on de integral de Riemann-Stieltjes (denici
on 6.3.7) para
obtener el resultado.

250

Captulo 6. Integraci
on

6.4.
6.4.1.

Algunas aplicaciones geom

etricas de la integral
de Riemann

Area
encerrada por la gr
afica de una funci
on

La primera y m
as evidente aplicaci
on geometrica de la Integral de Riemann es el
calculo del area encerrada por la gr
aca de una funci
on continua f : [a, b]  R y el
eje 0X, como se representa en la gura 6.1. El valor de dicha area es

A=

f (x)dx,

(6.28)

ya que, si se considera la denici

on de Integral de Riemann (la particularizaci
on de
Integral de Riemann-Stieltjes introducida en la denici
on 6.3.7 cuando el integrador
es la funci
on x), las sumas superior e inferior de Riemann asociadas a una partici
on
P := {a = x0 < x1 < . . . < xn = b} como en la gura 6.3 corresponden a la suma de
las areas de los rectangulos indicados como S y s, respectivamente, en dicha gura.

Figura 6.3: Suma superior e inferior

Hay que hacer una observaci

on: si f (x) < 0 en [a, b], la integral en (6.28) es
negativa. Por lo tanto, si se trata de calcular un area A como en la gura 6.4, habr
a que

Figura 6.4: Un area

251

6.4. Algunas aplicaciones geometricas de la integral de Riemann

considerar


A=
a

x1


f (x)dx

x2

f (x)dx +
x1

f (x)dx.
x2

Observaciones similares se pueden hacer en los apartados siguientes.

6.4.2.
1.

Vol
umenes de cuerpos de revoluci
on

Giro alrededor del eje OX: Sea f : [a, b] R una funci

on cuyo cuadrado
es integrable Riemann en [a, b] . Supongamos, para jar ideas, que f (x) 0 en
[a, b], y que queremos calcular el volumen de la gura generada al girar la gr
aca
de f en torno al eje OX un angulo (ver la gura 6.5).

Figura 6.5: Giro alrededor del eje OX

Sea a = x0 < x1 < x2 < . . . < xn = b una partici
on de intervalo [a, b] (ver la
gura 6.6).

Figura 6.6: Una partici

on del intervalo
Consideremos uno de los subintervalos de la particion, digamos [xi1 , xi ] .
Substituimos el volumen a calcular comprendido entre xi1 y xi , representado
en la gura 6.7 a) , por el volumen representado en la gura 6.7 b), donde ti es
un punto arbitrario del intervalo [xi1 , xi ] . El volumen del cuerpo de la gura
6.7 b) es

2
2
[f (ti )] (xi xi1 ).
= [f (ti )] (xi xi1 ).
2
2
252

Captulo 6. Integraci
on

Figura 6.7: Sustituci

on de un volumen por otro

Esta
es una aproximaci
on del verdadero volumen (gura 6.7 a) (siendo, intuitivamente, mejor la aproximaci
on cuanto menor sea xi xi1 ). Entonces, el
volumen total generado al girar la gr
aca de f en [a, b] un angulo es aproximado por la suma nita
n


i=1


2
[f (ti )] (xi xi1 ).
2 i=1
n

[f (ti )] (xi xi1 ) =

El volumen buscado ser

a el lmite (si existe) de estas expresiones cuando la
norma de la partici
on (ver la denici
on 6.3.1) tiende a cero. Como f 2 es inte

b
2
grable en [a, b], este lmite es 2 a [f (x)] dx. Resulta, por tanto, que el volumen
buscado se expresa como
V =

2.

[f (x)] dx.

(6.29)

Giro alrededor del eje OY : Sea f : [a, b]  R una funci

on integrable Riemann. Queremos ahora calcular el volumen del cuerpo engendrado al girar la
gr
aca de f un angulo alrededor del eje OY (ver la gura 6.8).
Para ello, dividimos el intervalo [a, b] en subintervalos usando una partici
on
a = x0 < x1 < x2 < . . . < xn = b. Sea Vi el volumen generado por el giro de la
gr
aca de f restringida al subintervalo [xi1 , xi ] (ver la gura 6.9).
Si denotamos por
mi = inf {|f (x)| : x [xi1 , xi ]} ,
Mi = sup {|f (x)| : x [xi1 , xi ]} ,
(ver la gura 6.9), entonces el volumen, Vi a calcular verica


 2
 2
xi x2i1 mi Vi
xi x2i1 Mi .
2
2
253

6.4. Algunas aplicaciones geometricas de la integral de Riemann

Figura 6.8: Giro alrededor del eje OY

Figura 6.9: Giro en un subintervalo

Por tanto, el volumen V del cuerpo de revoluci

on, que es la suma de los Vi ,
i = 1, 2, . . . , n, verica


 2
 2
xi x2i1 mi V
xi x2i1 Mi ,
2 i=1
2 i=1
n

o, lo que es lo mismo,

n

xi + xi1
i=1

Como

xi +xi1
2

mi (xi xi1 ) V

n

xi + xi1
i=1

[xi1 , xi ] , resulta que

 


xi + xi1 

mi f
 Mi , i = 1, 2, . . . , n,
2

as que

n

xi + xi1
i=1

254

Mi (xi xi1 ) . (6.30)

mi (xi xi1 )

Captulo 6. Integraci
on

 

n

xi + xi1 
xi + xi1 
f

 (xi xi1 )
2
2
i=1

n

xi + xi1
i=1

Mi (xi xi1 ) = .

(6.31)

Si ahora hacemos que la norma de la partici

on tienda a cero, tenemos
0 lm( ) = lm

n

xi + xi1

i=1

lm . b

(Mi mi ) (xi xi1 )

(Mi mi ) (xi xi1 ) = 0,

i=1

en virtud de que la funci

on |f | es integrable Riemann en [a, b]. Observando
ahora (6.31) y (6.30), llegamos a la conclusi
on de que, cuando la norma de la
partici
on tiende a cero, el primer y u
ltimo termino de (6.31), por tanto de (6.30),
se aproximan entre s tanto como queramos. Como V es siempre un valor entre
ambos, los dos se aproximan a V , luego tambien el termino central en (6.31) se
aproxima a V . Pero ese termino central se aproxima, por denici
on de integral
Riemann, a
 b
x |f (x)| dx.

Resulta

x |f (x)| dx.

V =

(6.32)

3.

Caso general: Los casos en los que se quiere calcular el volumen engendrado por guras planas al girar alrededor de alguno de los ejes se reducen a los
anteriormente estudiados considerando funciones adecuadas. Por ejemplo, si se
quiere calcular el volumen engendrado por la rotaci
on de una gura plana como en la gura 6.10 alrededor del eje OX, considerese sucesivamente los casos
siguientes: si la primera area (ver la gura 6.11) genera un volumen V1 al girar,
y la segunda (ver la gura 6.12) uno V2 , el volumen buscado es, obviamente,
V = V1 V2 . Otros casos se tratan analogamente.

6.4.3.

Vol
umenes de cuerpos usando sus secciones

Sea una gura tridimensional como la representada en la gura 6.13. Supongamos

que su seccion al cortar con un plano paralelo al plano OY Z tiene un area conocida
en funci
on de x (el razonamiento que sigue es valido cuando el plano que se considera
es arbitrario, y los otros son paralelos a el). Sea esa area S(x).
Supongamos S(x) = 0, x ] , a[]b, +[.
255

6.4. Algunas aplicaciones geometricas de la integral de Riemann

Figura 6.10: Una forma arbitraria

Figura 6.11: La parte superior

Consideramos una partici

on a = x0 < x1 < x2 < . . . < xn = b del intervalo [a, b] .
El volumen V del cuerpo esta comprendido entre las dos sumas siguientes:
n


mi (xi xi1 ) V

i=1

Mi (xi xi1 ) ,

(6.33)

i=1

donde
mi = inf {S(x) : x [xi1 , xi ]} ,
Mi = sup {S(x) : x [xi1 , xi ]} ,
ya que mi (xi xi1 ) corresponde al volumen de un cilindro (as como Mi (xi xi1 )),
como puede observarse en la gura 6.14:
Cuando la norma de la partici
on tiende a cero, si suponemos que la funci
on S(x)
es integrable Riemann en [a, b] , el primer y tercer miembro de las desigualdades (6.33)

b
se acercan hacia el valor de la integral a S(x)dx, por denici
on de integral Riemann.
Entonces V coincide con esa integral. Obtenemos


V =

S(x) dx.
a

256

(6.34)

Captulo 6. Integraci
on

Figura 6.12: La parte inferior

Figura 6.13: Secciones de un volumen arbitrario

Es muy conveniente que el lector compare los resultados de esta seccion con los que
se obtendr
an en 6.7.3 usando integraci
on doble, en particular el Teorema de Fubini
6.7.18.

6.5.
6.5.1.

Integraci
on num
erica
Introducci
on

En la seccion 6.2 se han introducido algunos metodos de calculo de primitivas de

funciones, lo que, junto con el Teorema Fundamental del C
alculo Integral (teorema
6.3.15, permite obtener el valor de una integral denida. Sin embargo, en muchos casos
o bien no es posible obtener con exito una primitiva o bien el trabajo es excesivamente
laborioso, si lo que se pretende es tan s
olo proporcionar un valor aproximado de la
integral denida.
En este apartado se desarrollar
an algunos metodos de calculo numerico de integrales denidas. Todos ellos est
an basados en la substituci
on de la funci
on a integrar
por una funci
on m
as simple y que aproxime sucientemente bien la primera.
Lo primero que debemos decir es que no hay un metodo optimo. La eleccion de
257

6.5. Integraci
on numerica

Figura 6.14: Dos cilindros

uno entre los expuestos m

as adelante se debe hacer en funci
on del problema particular
planteado, intentando llegar a un equilibrio entre el grado de aproximaci
on conseguido
y el esfuerzo de calculo empleado en ello. Tengase en cuenta tambien algo que puede
ser infravalorado en el planteamiento del problema: la obtenci
on de aproximaciones
altas a base de procesos iterativos laboriosos puede ser cticia, al aparecer de forma
signicativa errores de redondeo que distorsionen los resultados e incluso lleguen a
hacerlos muy poco ables.
Junto con la descripci
on te
orica del metodo (que comporta tanto el establecimiento
de algoritmo as como y esto es especialmente importante la determinacion de cotas
del error cometido, lo que se justicar
a en 6.5.4) proporcionaremos, al nal de la
seccion (ver 6.5.5), esquemas de programas de ordenador en Matlab que permitan
que el lector los ponga en pr
actica y elabore su propias herramientas de calculo.

6.5.2.

F
ormulas de integraci
on de Newton-Cotes

Las formulas de integraci

on de Newton-Cotes son los esquemas mas comunes dentro de la integraci
on numerica. Se basan en la estrategia de reemplazar una funci
on
complicada o un conjunto de datos tabulados por alguna funci
on aproximada que sea
mas facil de integrar. En el caso de una funci
on real f denida en un intervalo [a, b]
e integrable Riemann en [a, b] (lo que representaremos por f  [a, b]):
 b
 b

f (x) dx =
fn (x) dx,
(6.35)
I=
a

donde fn es un polinomio de grado n. La ecuacion precedente tambien la expresaremos

como


I=

f (x)dx =
a

fn (x)dx + R(f, a, b) = A(f, a, b) + R(f, a, b)

(6.36)

b

b
donde A(f, a, b) = a fn (x) dx es la aproximaci
on a la integral a f (x) dx y R(f, a, b)
es el error cometido al tomar A(f, a, b) como valor de la integral.
258

Captulo 6. Integraci
on
En el caso de un conjunto de datos tabulares se elige un polinomio que tome
exactamente esos valores o lo haga con una cierta aproximacion.
La integral se puede aproximar usando un u
nico polinomio o, m
as com
unmente,
distintos polinomios que aproximen a la funci
on o a los datos tabulados en subintervalos del intervalo [a, b], generalmente (aunque ello no es necesario) de la misma
longitud.
Tambien se suele distinguir entre las llamadas f
ormulas cerradas y f
ormulas abiertas de Newton-Cotes-Cotes, seg
un que se conozcan o no los valores de la funci
on en los
extremos del intervalo de integracion (en el segundo caso, el intervalo de integraci
on
se extiende mas all
a de los valores tabulados). Aunque no se suelen usar las f
ormulas
abiertas en el calculo aproximado de integrales, s tienen importancia en la soluci
on
de ecuaciones diferenciales ordinarias, por lo que las mencionaremos en 6.5.2.
Caso en que el polinomio de aproximaci
on es de grado 0
Un intervalo. La funci
on en un intervalo se aproxima mediante un polinomio de
grado 0, es decir, mediante una constante. As se tendra


f (x) dx
= C(b a)

(6.37)

donde, como C, podra tomarse el valor de f en un punto cualquiera t del intervalo

[a, b] , obteniendose
 b
f (x) dx
(6.38)
= f (t)(b a),
a

o, en el caso particular en que t = (1/2)(a + b),



b
a

f (x) dx
=f

a+b
2


(b a),

(6.39)

o bien C = (1/2) [f (a) + f (b)] (un caso particular de (6.38) en el caso en que f sea
una funci
on continua), resultando


b
a

f (a) + f (b)
(b a).
f (x) dx
=
2

(6.40)

Gr
acamente esto signica (para funciones positivas en el intervalo [a, b]) que se
toma como valor aproximado del area encerrada por la gr
aca de la funci
on, el eje
OX y las rectas x = a, x = b, el area del rectangulo sombreado en la gura 6.15:
An
alisis del error con un solo intervalo. Aunque realizaremos en el apartado
6.5.4 un estudio completo de los errores cometidos con estos metodos o con otros que
mas tarde introduciremos, es conveniente dar en este momento cotas de esos errores.
259

6.5. Integraci
on numerica

Figura 6.15: Aproximaci

on a la integral

El error cometido al utilizar la aproximaci

on dada por (6.38) o (6.39) es R(f, a, b),
que en el primer caso verica
|R(f, a, b)| |f  |

(b a)2
,
2

(6.41)

|R(f, a, b)| |f  |

(b a)2
,
4

(6.42)

aunque (6.41) pasa a ser


si se elige precisamente t = a+b
2 , siendo |f | en ambos casos una cota del valor absoluto
de la primera derivada de f en el intervalo [a, b] , es decir |f  (x)| |f  |, x [a, b],
con lo que es mas conveniente esta segunda alternativa, y, en el caso de la ecuaci
on
(6.40),
(b a)3
,
(6.43)
|R(f, a, b)| |f  |
12

donde |f  | es una cota del valor absoluto de la segunda derivada de f en el intervalo

[a, b] .
Divisi
on en varios intervalos. El procedimiento efectivo sera dividir el intervalo
de integraci
on [a, b] en un conjunto nito de subintervalos [xi1 , xi ], i = 1, 2, . . . , k, y
en cada uno realizar el proceso indicado
En el primer caso se tendra


f (x) dx
=

f (ti )(xi xi1 ),

(6.44)

i=1

donde ti [xi1 , xi ], i = 1, 2, . . . , k, o bien, eligiendo precisamente el punto medio,



b
a

260

f (x) dx
=



k

xi + xi1
f
(xi xi1 ),
2
i=1

(6.45)

Captulo 6. Integraci
on
mientras que en el segundo


k

f (xi1 ) + (xi )

f (x) dx
=

i=1

(xi xi1 ).

(6.46)

El lector reconocera en la f
ormula (6.44) una de las llamadas sumas de Riemann
correspondiente a la funci
on f en el intervalo [a, b] (ver la denici
on 6.3.5).
Gr
acamente, esto corresponde a aproximar el area encerrada por la gr
aca de la
funci
on f , el eje OX y las rectas x = a, x = b, por el area del conjunto sombreado en
la gura 6.16.

Figura 6.16: Aproximaci

on usando varios intervalos

Si se divide, como es usual, el intervalo [a, b] en un n

umero n de partes iguales,
cada una de ellas de longitud h = (b a)/n, las anteriores f
ormulas adquieren, respectivamente, el aspecto


f (x) dx
=h

f (x) dx
=h

f (x) dx
=h

f (ti ),

(6.47)

i=1

y, por u
ltimo



k

xi + xi1
f
,
2
i=1

(6.48)

k

f (xi1 ) + f (xi )
i=1

o, lo que es lo mismo,


b
a

h
f (x) dx
= {f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xn1 ) + f (xn )}
2

donde, obviamente,
xi = a +

(6.49)

ba
i, i = 0, 1, 2, . . . , n.
n
261

6.5. Integraci
on numerica
An
alisis del error con varios intervalos. El error cometido al substituir
f (x) dx por las expresiones que aparecen en (6.44), (6.45) o (6.46) es menor o
igual que la suma de los errores correspondientes a cada uno de los subintervalos en
los que se ha dividido el intervalo [a, b] . Si este se ha dividido en n intervalos iguales
de longitud h = (b a)/n, obtenemos, respectivamente,

b
a

|R(f, a, b)| n |f  |

h2
(b a)2
= |f  |
,
2
2n

(6.50)

|R(f, a, b)| n |f  |

h2
(b a)2
= |f  |
,
4
4n

(6.51)

|R(f, a, b)| n |f  |

h3
(b a)3
= |f  |
12
12n2

(6.52)

o bien,

correspondiente a los f
ormulas (6.47), (6.48) y (6.49), respectivamente.
Caso en que el polinomio de interpolaciones es de grado 1
Supongamos ahora una funci
on f denida en un intervalo [a, b] , integrable Riemann en el. Si aproximamos f por un polinomio f1 de grado 1 en [a, b] (es decir, una
recta) que tome en a y en b los mismos valores que f (es decir, que pase por (a, f (a))
xa
y por (b, f (b)) (tal recta tiene como ecuacion y = xb
ab f (a) + ba f (b)), obtenemos


f (x) dx =
a

f1 (x) dx + R(f, a, b) =
a

ba
[f (a) + f (b)] + R(f, a, b).
2

(6.53)

Esta f
ormula, sin embargo, ha sido obtenida antes. Corresponde a (6.40) y, geometricamente, al hecho de que el area del trapecio formado por el eje OX, las rectas x = a,
x = b, y la recta y = f1 (x) es la misma que la del rectangulo de base (b a) y de
aca de f , el eje
altura 12 (f (a) + f (b)). Se ha aproximado el area encerrada por la gr
OX y las rectas x = a, x = b mediante el area sombreada en la gura 6.17.

Figura 6.17: Aproximaci

on por un polinomio de grado 1

262

Captulo 6. Integraci
on
As que (6.53) (o bien (6.40)) es llamada la F
ormula de los Trapecios, resultanormula
do por su misma denici
on que R(f1 , a, b) = 0 (o, lo que es lo mismo, la f

b
ba

f (x) dx = 2 [f (a) + f (b)] es exacta) para polinomios de grado 1. Ya se cala

cul
o una cota del error cometido en el caso general (ver la f
ormula (6.43)).
Cuando se divide el intervalo [a, b] en n subintervalos de la misma longitud h =
(b a)/n y en cada uno de ellos se aproxima la integral mediante la f
ormula de los
trapecios, se obtiene exactamente (6.49), donde el error cometido esta dado en (6.52),
lo que corresponde geometricamente a substituir el valor de la integral por el del area
sombreada en la gura 6.18.

Figura 6.18: Metodo de los trapecios

Caso en que el polinomio de interpolaci

on es de grado 2. F
ormula de
Simpson 1/3
La idea es la misma que anteriormente: se trata de substituir el calculo de la

b

b
integral a f (x) dx por el de la integral de una funci
on m
as sencilla, a f2 (x) dx,
donde ahora f2 es un polinomio de grado 2 que aproxima a f . Se exige que ese
polinomio tome los mismos valores que f en los puntos x0 = a, x1 = a+b
2 , y x2 = b
(ver la gura 6.19).

Figura 6.19: Simpson 1/3 en un intervalo

263

6.5. Integraci
on numerica
Es sencillo construir tal polinomio. Puede para ello usarse el Polinomio de interpolaci
on de Lagrange (ver 5.2.2), que tiene un nuestro caso el siguiente aspecto:
f2 (x)

(x x1 ) (x x2 )
(x x0 ) (x x2 )
f (x0 ) +
f (x1 ) +
(x0 x1 ) (x0 x2 )
(x1 x0 ) (x1 x2 )
(x x0 ) (x x1 )
f (x2 ).
(x2 x0 ) (x2 x1 )

=
+

(6.54)

Es claro que f2 es un polinomio de segundo grado y que satisface las condiciones

requeridas. La integraci
on de ese polinomio en [a, b] proporciona


f2 (x) dx =
a

donde h =

ba
2 ,

a+b
2 ,

x0 = a, x1 =


h
[f (x0 ) + 4f (x1 ) + f (x2 )] ,
3

y x2 = b, con lo que resulta

h
[f (x0 ) + 4f (x1 ) + f (x2 )] + R(f, a, b)
3

f (x) dx =
a

(6.55)

que es la llamada F
ormula de Simpson 1/3 (por el coeciente que afecta a h).
Es signicativo que esta f
ormula proporcione un valor exacto de la integral para
polinomios de grado no s
olo hasta el segundo, que sera lo esperado por la propia
construccion del algoritmo, sino incluso para polinomios de grado 3. Es decir, con la
terminologa que introduciremos en la denici
on 6.5.1, R es un operador de grado 3.
El lector puede comprobar que


x3 dx =

donde h =

ba
2 ,

x0 = a, x1 =

a+b
2 ,


h 3
x + 4x31 + x32 ,
3 0

y x2 = b.

An
alisis del error para un solo intervalo. El error R(f, a, b) que se comete al
tomar
h
[f (x0 ) + 4f (x1 ) + f (x2 )]
3

b
como valor aproximado de la integral a f (x) dx verica
|R(f, a, b)|

(b a)5  iv 
f
2880

(6.56)

 
donde, como siempre, f iv  representa el supremo del valor absoluto de la derivada
cuarta de f en el intervalo [a, b] .
An
alisis del error para varios intervalos. Si, ahora, dividimos el intervalo [a, b]
en n partes iguales, cada una de ellas conteniendo 3 puntos igualmente espaciados
(los dos del extremo y el del centro) (lo que representa en total un n
umero de puntos
264

Captulo 6. Integraci
on
de divisi
on en [a, b] igual a 2n + 1, contando los extremos), y en cada una de ellas
aplicamos el metodo de Simpson 1/3, resulta, siendo h = (b a)/(2n),


f (x) dx

n 

i=1
n

i=1

x2i

f (x) dx =
x2(i1)

h
[f (x2i2 ) + 4f (x2i1 ) + f (x2i )] + R(f, a, b) =
3

h
[f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + . . .
3
. . . + 2f (x2n2 ) + 4f (x2n1 ) + f (x2n )] + R(f, a, b), (6.57)

donde R(f, a, b), al ser la suma de los errores individuales cometidos en cada uno de
los n subintervalos de [a, b] , resulta
|R(f, a, b)| n

(b a)5  iv  (b a)5  iv 
(2h)5  iv 
f =n 5
f = 4
f ,
2880
n 2880
n 2880

(6.58)

donde h = (b a)/(2n).
Caso en que el polinomio de interpolaci
on es de grado 3. F
ormula de
Simpson 3/8
Caso de un intervalo. De nuevo se explota la misma idea que en las secciones

b
precedentes: se va a sustituir el calculo de la integral a f (x) dx por el de una funci
on
on
mas simple, en este caso un polinomio de grado 3, digamos f3 , que aproxime la funci
en el intervalo [a, b] . Se exige que este polinomio tome los mismos valores que f en
(ba)
y b, puntos que denotaremos, para simplicar, por
los puntos a, a + (ba)
3 , a+2 3
x0 , x1 , x2 , x3 , respectivamente (ver la gura 6.20).

Figura 6.20: Simpson 3/8

Denotando h : (b a)/3, e integrando el polinomio de interpolaci
on de Lagrange
(ver la denici
on 5.2.2) que en esos puntos toma los mismos valores que la funci
on
265

6.5. Integraci
on numerica
(6.54), se tiene que
 b
f3 (x) dx =
a

3h
[f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )] ,
8

con lo que resulta



f (x) dx =
a

3h
[f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )] + R(f, a, b)
8

(6.59)

que es la llamada F
ormula de Simpson 3/8, por el coeciente que afecta a h.
An
alisis del error
El error R(f, a, b) que se comete al tomar 3h
8 [f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )]

b
como valor aproximado de la integral a f (x) dx verica
|R(f, a, b)|

(b a)5  (iv) 
f 
6480

(6.60)



donde, como siempre, f (iv)  representa el supremo del valor absoluto de la derivada
cuarta de f en el intervalo [a, b] . Conviene hacer notar que el orden de exactitud de
esta formula es similar al dado por la F
ormula de Simpson 1/3, por lo que, en el caso
en que pueda aplicarse ambas, ser
a conveniente usar esta u
ltima (la de Simpson 1/3),
debido a su mayor simplicidad.
Caso de varios intervalos. Si ahora dividimos el intervalo [a, b] en un n
umero
de partes m
ultiplo de 3 podemos aplicar la F
ormula de Simpson 3/8 a cada tres
subintervalos consecutivos, sumando los resultados (y los errores cometidos). El lector
deducir
a f
acilmente por s mismo la formula resultante.
Conclusi
on. Por lo dicho un p
arrafo m
as arriba respecto a los errores en Simpson
1/3 y en Simpson 3/8, parece claro el procedimientos a seguir: ser
a mas conveniente
usar Simpson 1/3 donde sea posible. Si el n
umero de subintervalos en los que se
divide el intervalo de integraci
on viene dado (por ejemplo, en el caso de una funci
on
dada en forma tabular), aplquese Simpson 1/3 si el n
umero de subintervalos es par, y
combnese Simpson 1/3 con Simpson 3/8 cuando el n
umero de subintervalos es impar:
u
sese Simpson 3/8 en los u
ltimos 3 subintervalos, Simpson 1/3 en los anteriores (un
n
umero par).
F
ormulas de integraci
on abierta de Newton-Cotes
Se trata de evaluar integrales en intervalos que se extiendan m
as all
a del rango
de los datos. Este procedimiento rara vez se usa en integracion numerica. Lo mencionamos porque tienen interes en resolucion numerica de ecuaciones diferenciales. Nos
limitaremos a dar una tabla de las f
ormulas para 2, 3, 4, 5 y 6 segmentos, incluyendo
los errores de truncamiento. En ella, S denota el n
umero de segmentos usados, P el
n
umero de puntos.
266

Captulo 6. Integraci
on
S
2
3
4
5
6

P
1
2
3
4
5

6.5.3.

F
ormula
(b a)f (x1 )
(b a)[f (x1 ) + f (x2 )]/2
(b a)[2f (x1 ) f (x2 ) + 2f (x3 )/3
(b a)[11f (x1 ) + f (x2 ) + f (x3 ) + 11f (x4 )]/24
(b a)[11f (x1 ) 14f (x2 ) + 26f (x3 ) 14f (x4 ) + 11f (x5 )]/20

Error
(1/3)h3 |f  |
(3/4)h3 |f  | 
(14/45)h5 f (4)  
(95/144)h5 f (4) 
(41/140)h7 f (6) 

Integraci
on de Romberg y cuadratura gaussiana

Integraci
on de Romberg
A pesar de la precision de las f
ormulas de integraci
on de Simpson, cuando se
requieren calculos muy exactos el procedimiento puede no ser suciente. La raz
on es
que, si se debe realizar un gran n
umero de operaciones, los errores de redondeo pueden
llegar a ser signicativos.
Un procedimiento que proporciona una gran exactitud con un n
umero relativamente peque
no de operaciones es la llamada Integraci
on de Romberg. Basicamente
consiste en la sustitucion de dos aproximaciones sucesivas de la integral por una tercera que, sea combinacion (con ciertos factores peso) de aquellas.
El fundamento te
orico viene dado por la llamada
Extrapolaci
on de Richardson.
Dada f una funci
on real denida en un intervalo [a, b] , y considerado un cierto
metodo de integraci
on numerica que divida el intervalo en partes iguales de longitud

b
h, proporcionando un valor aproximado de la integral I = a f (x)dx denotado por
A(h), (cometiendo un errorR(h)), se tiene
I = A(h) + R(h).

(6.61)

Supongamos ahora que se utilizan dos particiones del intervalo [a, b] , con longitud de
los subintervalos h1 y h2 , respectivamente. Obtenemos
I = A(h1 ) + R(h1 ) = A(h2 ) + R(h2 ).

(6.62)

Si el metodo numerico es, por jar ideas, el de los Trapecios, sabemos que el error
cometido (6.52) es, aproximadamente,
R(h)
=
Por tanto

b a 2 
h |f | .
12

R(h1 ) h21
= 2,
R(h2 )
h2

lo que implica
h2
R(h1 )
= R(h2 ) 12 .
h2
267

6.5. Integraci
on numerica
Entonces se tiene
2

h
I = A(h2 ) + R(h2 ) = A(h1 ) + R(h1 )
= A(h1 ) + R(h2 ) 12 .
h2
de donde se deduce que R(h2 )
=

A(h1 )A(h2 )
1(h1 /h2 )2

luego

A(h1 ) A(h2 )
I
= A(h2 ) +
1 (h1 /h2 )2

(6.63)

Esta f
ormula proporciona una aproximaci
on mejorada de la integral I usando dos
aproximaciones A(h1 ) y A(h2 ). Tomemos como caso particular aquel en que h2 =
h1 /2. La ecuacion (6.63) queda as
4
1
I
= A(h2 ) A(h1 )
3
3

(6.64)

Aplicaci
on a la Integraci
on de Romberg
El procedimiento general, del que daremos el algoritmo, responde a un esquema

b
similar: se trata de calcular aproximadamente I = a f (x)dx. En primer lugar se
utiliza la F
ormula de los Trapecios con, sucesivamente, divisiones de [a, b] usando
longitudes de subintervalos:
1) h = b a: intervalo [a, b] completo. Proporciona el valor I1,1 .
2) h = (b a)/2 : dos subintervalos. Proporcionan el valor I2,1 .
3) h = (b a)/4 : cuatro subintervalos. Proporcionan el valor I3,1 .
4) h = (b a)/8 : proporciona I4,1 , . . . y as sucesivamente. Esto dene la primera
columna de valores.

se computan a
La segunda columna de valores consta de I1,2 , I2,2 , I3,2 , . . . Estos
partir de la primera columna con la f
ormula
Ij,2 =

4Ij+1,1 Ij,1
, j = 1, 2, 3, . . .
3

En general, cada columna se obtiene a partir de la anterior usando el algoritmo

Ij,k =

4k1 Ij+1,k1 Ij,k1

, j = 1, 2, 3, . . . , k = 1, 2, 3, . . .
4k1 1

(6.65)

No vamos a justicar aqu esta f

ormula. Respecto al error cometido, se considera
el error relativo m
as bien que el absoluto: si se toma como valor de la integral I
precisamente Ij, k , el error relativo (en tanto por cien) cometido es


 I Ij, k 

.
100 

I
268

Captulo 6. Integraci
on
Como I no es conocido, este no es computable. Se recurre a tomar como error relativo
el calculado usando dos aproximaciones sucesivas, es decir,


 Ij. k Ij, k1 
.
100 

Ij, k
Se calculan aproximaciones sucesivas hasta que este error relativo sea menor que uno
previamente especicado.
En la gura 6.21 se presenta el esquema de lo realizado (las echas indican el
uso de dos aproximaciones en una columna para producir una tercera y mejor
aproximaci
on):

Figura 6.21: Secuencia del procedimiento

Cuadratura Gaussiana
La F
ormula de los Trapecios usaba en la estimacion de la integral los valores de
la funci
on en los extremos del intervalo (ver (6.40). Es posible dise
nar f
ormulas que

b
aproximen la integral a f (x)dx mediante expresiones de la forma


f (x)dx
= c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 ) + . . . cn f (xn )

(6.66)

donde c1 , c2 , . . . cn son ciertas constantes, x1 , x2 , . . . xn puntos del intervalo [a, b].

Como hay 2n elementos a determinar, se requieren 2n condiciones, obtenidas exigiendo
que la f
ormula (6.66) sea exacta para polinomios de grado 0, 1, 2, . . . , (2n 1). Notar
ademas que, debido a que se va a evaluar la funci
on f en ciertos puntos del intervalo
[a, b] , las f
ormulas de cuadratura gaussiana no son adaptables al caso en que la funci
on
se de en forma tabulada.
Por ejemplo: supongamos que queremos aproximar la integral usando


f (x)dx
= c1 f (x1 ) + c2 f (x2 )

(6.67)

269

6.5. Integraci
on numerica
Exigimos que la f
ormula sea exacta para polinomios hasta de tercer grado. Obtenemos
acil si
on es
ecuaciones a resolver en c1 , c2 , x1 y x2 . Ello es f
el intervalode integraci
[1, 1] . Resulta en ese caso c1 = c2 = 1, x1 = 1/ 3, x2 = 1/ 3. As, (6.67) se
convierte en




 1
1
1

+
f
f (x)dx
f
(6.68)
=
3
3
0
Cuando se trate de calcular aproximadamente la integral de una funci
on en [a, b],
para poder aplicar (6.68) debe hacerse previamente un cambio de variable que la
transforme en una integral extendida al intervalo [1, 1] .
El mismo tipo de calculo se puede hacer cuando en la f
ormula (6.66) se considere
n = 3, 4, 5, . . . En cada caso se obtienen coecientes ci y puntos xi del intervalo
[1, 1], i = 1, 2, . . . , n. A continuaci
on se incluye una tabla conteniendo estos valores
para n = 2, 3, 4, 5, 6.
Puntos

Coeficientes

Punto x

c1
c2
c1
c2
c3
c1
c2
c3
c4
c1
c2
c3
c4
c5
c1
c2
c3
c4
c5
c6

x1
x2
x1
x2
x3
x1
x2
x3
x1
x1
x2
x3
x4
x5
x1
x2
x3
x4
x5
x6

6.5.4.

= 1,000
= 1,000
= 0,555
= 0,888
= 0,555
= 0,347
= 0,652
= 0,652
= 0,347
= 0,236
= 0,478
= 0,568
= 0,478
= 0,236
= 0,171
= 0,360
= 0,467
= 0,467
= 0,360
= 0,171

000 000
000 000
555 556
888 889
555 556
854 845
145 155
145 155
854 845
926 885
628 670
888 889
628 670
926 885
324 492
761 573
913 935
913 935
761 573
324 492

= 0,577 350 269

= 0,577 350 269
= 0,774 596 669
= 0,0
= 0,774 596 669
= 0,861 136 312
= 0,339 981 044
= 0,339 981 044
= 0,861 136 312
= 0,906 179 846
= 0,538 469 310
= 0,0
= 0,538 469 310
= 0,906 179 846
= 0,932 469 514
= 0,661 209 386
= 0,238 619 186
= 0,238 619 186
= 0,661 209 386
= 0,932 469 514

Error
de
camiento

= f (4) ()

trun-

= f (6) ()

= f (8) ()

= f (10) ()

= f (12) ()

Investigaci
on del error en la integraci
on num
erica

En este apartado investigaremos con procedimientos generales el error cometido

en integraci
on numerica 8 .
Como motivacion del procedimiento a utilizar, considerese de nuevo la Regla de
los Trapecios en su forma mas simple: substitucion de la integral de una funci
on f en
8 Este

apartado puede ser omitido en una primera lectura. Su car

acter es m
as t
ecnico que el
de secciones precedentes. Sin embargo, creemos que el lector interesado en dise
nar por s mismo
m
etodos numericos aplicables a integraci
on debera conocer el procedimiento de estimaci
on de errores.
Tambi
en est
a dirigido al lector interesado en conocer la raz
on de las estimaciones de los errores dadas
en los diferentes metodos, sin justificaci
on hasta ahora.

270

Captulo 6. Integraci
on
un intervalo [a, b] por (1/2)(b a) [f (a) + f (b)] (ver la f
ormula (6.40)). Evidentemente
(salvo en el caso de funciones f lineales) se comete un error al tomar este valor por
el de la integral, error que denotaremos por R(f, a, b). Tenemos pues


f (x)dx = (1/2)(b a) [f (a) + f (b)] + R(f, a, b),

(6.69)

o, si se quiere,


f (x)dx {(1/2)(b a) [f (a) + f (b)]} .

R(f, a, b) =

(6.70)

La ecuacion (6.70) puede interpretarse como la denici

on de un operador R que
act
ua sobre funciones denidas en el intervalo [a, b] para producir n
umeros reales.
Las consideraciones siguientes son independientes del ejemplo particular utilizado
al comenzar este apartado. De modo general, sup
ongase que se tiene un cierto metodo
numerico que estima integrales de funciones f reales denidas en R o en un subconjunto de R. Digamos que proporciona, aplicado a una funci
on f , un valor A(f, a, b)

b
como aproximaci
on de a f (x)dx, cometiendo un error R(f, a, b). Tenemos, por tanto


f (x)dx = A(f, a, b) + R(f, a, b).

(6.71)

Si A es un operador lineal en f (es decir, si A(f + g, a, b) = A(f, a, b) + A(g, a, b)

para y n
umeros reales, f y g funciones), entonces R es tambien un operador lineal
en f.
Una f
ormula de integraci
on numerica A(f, a, b) razonable tendr
a la propiedad de
que si, para todo a, b, la funci
on f se reemplaza por un polinomio p de grado n
(el n
umero n depender
a de la particular expresi
on de A, por tanto de R), entonces

b
R(p, a, b) = 0, es decir, A(p, a, b) da el verdadero valor de la integral a p(x)dx. En
nuestro ejemplo particular de la f
ormula del trapecio, es sencillo comprobar que n = 1;
es decir, la formula es exacta si se integran funciones constantes o lineales.
Es conveniente introducir una denici
on en el sentido indicado.
Definici
on 6.5.1 Sea R(, a, b) un operador lineal que act
ua sobre funciones reales
denidas en un intervalo [a, b] . Se dice que R es de grado n (siendo n un n
umero
natural) cuando R(p, a, b) = 0 para todo polinomio p en [a, b] de grado n, a, b.
Procederemos ahora a estimar el valor R(f, a, b). Esto nos proporcionar
a as una
medida de la bondad del metodo de integraci
on numerica usado. Para ello necesitamos
el siguiente resultado, que no es otra cosa m
as que el Teorema de Taylor (ver 5.1.4)
expresado el resto en forma integral.
Teorema 6.5.2 (de Taylor con resto integral) Sea f : [a, b]  R una funci
on
con derivada continua de orden (n + 1) en su dominio. Sea x [a, b] . Entonces se
271

6.5. Integraci
on numerica
tiene
f  (a)
(x a)2 + . . .
2!
 x
f (n) (a)
1
n
(x a) +
... +
f (n+1) (s)(x s)n ds.
n!
n! a

f (x) = f (a) + f  (a)(x a) +

(6.72)

n. La prueba es una simple aplicaci

Demostracio
on reiterada de la f
ormula de integracion por partes (teorema 6.3.17):
 x
1
f (n) (a)
(x a)n . . .
f (n+1) (s)(x s)n ds =
n! a
n!
f  (a)
...
(x a)2 f  (a)(x a) f (a) + f (x).
2!
Si se resuelve esta ecuacion para f (x) se obtiene (6.72).

Denimos
Qn (x) : = f (a) + f  (a)(x a) +

f  (a)
f (n) (a)
(x a)2 + . . . +
(x a)n ,
2!
n!

el Polinomio de Taylor de grado n asociado a la funci

on f (ver la denici
on 5.1.2).
La f
ormula (6.72) aparece as como
 x
1
f (x) = Qn (x) +
f (n+1) (s)(x s)n ds.
(6.73)
n! a
La siguiente notaci
on resulta conveniente para eliminar la referencia a x en el lmite
superior de integraci
on en (6.73): Sea

(x s), si x s
(6.74)
(x s) =
0,
si x < s.
As, (6.73) aparece ahora como
f (x) = Qn (x) +

1
n!

f (n+1) (s)(x s)n ds,

(6.75)

porque el integrando es 0 para todos los valores de s mayores que x: escrbase la

x
b
integral que aparece en (6.75) como a + x para percatarse.
Sea ahora R(, a, b) un operador lineal en la primera variable, de grado n, continuo
sobre el espacio de las funciones continuas en [a, b] dotado de la norma supremo 
(ver el apartado 2.2.5), que no hace intervenir derivadas de f de orden > (n 1) al
aplicarlo a una funci
on arbitraria.
Sea f una funci
on real denida en [a, b] . Si hacemos actuar el operador R sobre
ambos miembros de (6.75), obtendremos
 b
1
f (n+1) (s)Rx [(x s)n , a, b] ds,
(6.76)
R(f, a, b) = R(Qn , a, b) +
n! a
272

Captulo 6. Integraci
on
5
6
n
donde Rx (x s) , a, b denota que R(, a, b) se aplica a la funci
on de x: (x s)n (9 ).
9 La f
ormula (6.76) requiere una justificaci
on, que al mismo tiempo, permite entender por que se
pide que el operador R satisfaga las condiciones exigidas m
as arriba:

1.

R es lineal.

2.

R debe ser continuo sobre el espacio de las funciones continuas en [a, b] dotado de  .

R, al actuar sobre f , no hace intervenir derivadas de f de orden > (n 1).

Como se observa, hay que justificar que R e se pueden permutar; procederemos de forma general
para despu
es aplicarlo a nuestro caso concreto.
Sea una funci
on real continua definida en [c, d] [a, b]. Definimos
 b
g(x) =
(x, s)ds, x [c, d] .
3.

Sea x [c, d] . Definimos

Mx = m
ax {(x, s) : s [a, b]} ,
Entonces


mx (b a)

mx = mn {(x, s) : s [a, b]} .

(x, s)ds Mx (b a),

(6.77)

y tambi
en,
mx (b a) (x, s)(b a) Mx (b a),
De (6.77) y (6.78) resulta





b
a

s [a, b] .



(x, s)ds (x, s)(b a) (Mx mx )(b a).

(6.78)

(6.79)

Sea > 0 arbitrario. Como R es continua en g, resulta que existe > 0 de modo que g f  <
|R(g) R(h)| < . Tomamos ese . Probaremos que hay una partici
on P de [a, b] de modo que, si
ti [si1 , si ], i = 1, 2, . . . , n,


n





(6.80)
(x, ti )(si si1 ) < , x [c, d] .
g(x)


i=1

Como es continua en [c, d] [a, b] , es uniformemente continua en este conjunto, luego existe > 0
de modo que
(x1 , s1 ) (x2 , s2 ) < |(x1 , s1 ) (x2 , s2 )| < /(b a).
(6.81)
Sea ahora P = {a = s0 < s1 < . . . < sn = b} una partici
on de [a, b], tal que si si1 < , i =
1, 2, . . . , n. Entonces


n





(x, ti )(si si1 ) =
g(x)


i=1
 n 

n
  si




=
(x, s)ds
(x, ti )(si si1 )


i=1 si1
i=1


n 
n
n
 
si





(x, s)ds
(x, ti )(si si1 )
(Mxi mix )(si si1 ),


 si1
i=1

i=1

i=1

ax {(x, s) : s [si1 , si ]}, mix = mn {(x, s) : s [si1 , si ]} , en virtud de (6.79).

donde Mxi = m
Pero, a la vista de (6.81), 0 Mxi mix , x [c, d], i = 1, 2, . . . , n, por lo que resulta (6.80), es
decir,


n





(, ti )(si si1 ) < .
g


i=1

273

6.5. Integraci
on numerica
Como Qn es un polinomio de grado n y nuestro operador R es de grado n, se tiene
R(Qn , a, b) = 0, y la ecuacion (6.76) aparece ahora como


R(f, a, b) =

f (n+1) (s)G(s, a, b) ds

(6.82)

donde
G(s, a, b) : =

1
Rx [(x s)n , a, b] , s [a, b]
n!

(6.83)

Esta f
ormula nos permite estimar el error cometido al tomar A(f, a, b) como valor de

b
la integral a f (x)dx:

4
3
 (n+1) 
|R(f, a, b)| max f
(s) : s [a, b]

|G(s, a, b)| ds

(6.84)

b
Notar, y esto es importante, que el factor a |G(s, a, b)| ds es independiente de la
funci
on f , y puede ser calculado para cada metodo usando la expresi
on (6.83) de G
y la (6.70) de R.
Hemos obtenido as el siguiente.

 n




As pues, R(g) R
(, ti )(si si1 )  < , lo que, unido a la linealidad de R, proporciona
i=1



n





Rx [(, ti )] (si si1 ) < ,
R(g)


i=1

donde escribimos Rx para recordar que R act

ua sobre (, s), considerada esta funci
on s
olo de la
variable x. Si supi
eramos de antemano que Rx [(, s)] es funci
on de s integrable en [a, b] , lo que en
realidad habramos obtenido es que
 b
Rx (x, s)ds.
R(g) =
a

La aplicaci
on de este resultado a nuestra situaci
on se realiza como sigue:
(x, s) = f (n+1) (s)(x s)n ,
definida y continua en [a, b] [a, b] . Entonces,


Rx (x, s) = f (n+1) (s)Rx (x s)n .
Es inmediato probar que
d
(x s)n
dx

n(x s)n1 ,
...,

d2
(x s)n = n(n 1)(x s)n2 , . . .
dx2

dn1
(x s)n = n(n 1) . . . 2(x s).
dxn1

Pero la funci
on de x dada por n(n 1) . . . 2(x s) ya no es derivable! As, R, al aplicarse a una
funci
on, no debe hacer intervenir derivadas de f de orden > (n 1).

274

Captulo 6. Integraci
on
Teorema 6.5.3 Sea R(, a, b) un operador lineal en la primera variable de grado n,
continuo sobre el espacio de las funciones continuas denidas en [a, b] dotado de la
norma supremo  , que no hace intervenir derivadas de f de orden > (n 1) al
aplicarlo a una funci
on arbitraria. Sea f una funci
on real denida en [a, b] . Entonces,
si

b

f (x) dx = A(f, a, b) + R(f, a, b),

a

b
proporciona un valor aproximado de la integral a f (x) dx dado por A(f, a, b), se tiene
que una cota del error cometido R(f, a, b), viene dada por la f
ormula (6.84), en la que
G est
a denida por (6.83).
En ciertos casos, como el que trataremos a continuacion, es mas sencillo calcular
este error.
Definici
on 6.5.4 Un operador R se dice que es denido en un intervalo [a, b] cuando
la funci
on asociada G(s, a, b) no cambia de signo al variar s en [a, b] .
Entonces tenemos el siguiente
Teorema 6.5.5 Sea R un operador denido en un intervalo [a, b] . Entonces
 n+1 
x
R(f, a, b) = f (n+1) (z)R
,
(6.85)
(n + 1)!
donde z [a, b] .
n. Por hip
Demostracio
otesis, G(, a, b) no cambia de signo en [a, b]. Podemos aplicar
el Primer Teorema del Valor Medio del C
alculo Integral (ver el teorema 6.3.18) a la
integral en (6.82) y obtener


R(f, a, b) =

(n+1)

(s)G(s, a, b)ds = f

(n+1)

(z)

G(s, a, b) ds,

(6.86)

donde z [a, b] .
n+1

x
, as que f (n+1) (z) = 1, z [a, b] .
Tomese en particular la funci
on f (x) = (n+1)!
La ecuacion (6.86) aparece entonces como
 n+1   b
x
R
G(s, a, b)ds,
=
(n + 1)!
a

por lo que, substituyendo este valor en (6.86) resulta

 n+1 
x
R(f, a, b) = f (n+1) (z)R
.
(n + 1)!


275

6.5. Integraci
on numerica
El interes practico de este resultado radica en que es mas facil en general calcular
 n+1 
x
R
(n + 1)!

b
a en que es necesario conocer de antemano que
que a G(s, a, b)ds. La dicultad est
R es un operador denido, lo que no es posible a menos que se sepa como es la
funci
n G(,
caso es m
as sencillo, como antes hemos dicho, calcular
 a, b). En cualquier
 on+1

b
x
en lugar de a G(s, a, b)ds.
R (n+1)!
Casos particulares
Como ejemplo, estimaremos a continuacion mediante este metodo el error cometido al evaluar una integral denida por alguno de los metodos numericos expuestos en
6.5.2.
1.

Caso n = 0. Va a ser evidente, a partir del siguiente resultado (cuyo contenido

ya hemos avanzado en 6.5.2), que estos metodos no presentan apenas interes
desde el punto de vista pr
actico, ya que requieren muchos calculos para obtener
aproximaciones satisfactorias. Sin embargo, la forma de proceder a la aplicaci
on
de lo dicho con anterioridad sobre el c
alculo del error dar
a al alumno una cierta
familiaridad con el procedimiento.
Teorema 6.5.6 Sea f : [a, b]  R una funci
on con derivada continua de orden
1 en su dominio. Entonces,
|R(f, a, b)| |f  |
cuando

(b a)2
,
2

(6.87)

f (x)dx = f (t)(b a) + R(f, a, b),

(6.88)

siendo t [a, b], mientras que

|R(f, a, b)| |f  |
cuando

f (x)dx = f
a

a+b
2

(b a)2
,
4

(6.89)


(b a) + R(f, a, b).

(6.90)

n. Supongamos ab f (x)dx = f (t)(b a) + R(f, a, b), donde t es
Demostracio
un elemento arbitrario de [a, b] . Entonces


f (x)dx f (t)(b a).

R(f, a, b) =
a

276

(6.91)

Captulo 6. Integraci
on
Observamos que R(, a, b) es un operador lineal. Es inmediato demostrar que es
de grado 0, es decir, R(1, a, b) = 0, mientras que R(x, a, b) = 0, en general. A
partir de (6.83) obtenemos
G(s, a, b) :=





1
Rx (x s)0 , a, b = Rx (x s)0 , a, b ,
0!

s [a, b] .

(6.92)

Fijamos s [a, b] . Sea g(x) := (x s )0 , s [a, b] (la gr

aca de g, para una
cierta eleccion de s, corresponde a la gura 6.22).

Figura 6.22: Una funci

on escalonada

Entonces
G(s)

= R [g, a, b] =
 b
=
g(x)dx g(t)(b a)
a

(b s), si t s,
= (b s) g(t)(b a) =

(a s), si t > s.

La gr
aca de G esta representada en la gura 6.23

Figura 6.23: La gr
aca de G

277

6.5. Integraci
on numerica
Resulta que R no es un operador denido, ya que G no mantiene el signo a lo
largo de todo el intervalo [a, b] (ver la denici
on 6.5.4).
Aplicaremos directamente la estimacion dada por la f
ormula (6.84):


b
4
3


|R(f, a, b)| max f (n+1) (s) : s [a, b] .
|G(s, a, b)| ds.

(6.93)

b
Para ello debemos calcular a |G(s, a, b)| ds. Esto es sencillo en nuestro caso:
 b
(t a)2 (b t)2
+
.
|G(s, a, b)| ds =
2
2
a
Es f
acil demostrar que la funci
on h de t denida en la anterior f
ormula como
(ta)2
(bt)2
h(t) := 2 + 2 , t [a, b], tiene un mnimo (local y absoluto) en el punto
(a + b)/2, siendo su maximo en [a, b] precisamente (b a)2 . Obtenemos entonces
(6.87) cuando la u
nica informaci
on que se tiene es que t [a, b] , mientras que
resulta (6.89) si se elige precisamente t = (a + b)/2.



1/2
4
usando la f
ormula
Ejemplo 6.5.7 Calc
ulese 0 (x3dx
1)2 con un error < 10
(6.90) (o m
as precisamente, (6.45)). Hemos elegido una integral de una funci
on
de la que es posible calcular una primitiva al ser una funci
on racional.

1/2
7
.
Precisamente, 0 (x3dx
1)2 = 0,53504231, con un error menor que 10
1

2 3
3
Sea f (x) = (x3 1)
. Resulta que
2 , x [0, 1/2] . Entonces f (x) = 6x (x 1)


2
2


6(1/2)
6x

|f  (x)| =  (1x
x [0, 1/2] .
3 )3  (1(1/2)3 )3 = 2 24,

Si ahora dividimos [0, 1/2] en n partes iguales y aproximamos la integral

 1/2
dx
3
(x 1)2
0
por la f
ormula (6.45) obtenemos


 1/2
n

xi1 + xi
dx
=
h. f
+ R(f, 0, 1/2),
(x3 1)2
2
0
i=1

(6.94)

donde
xi = i/2n,

i = 0, 1, 2, . . . , n,


h = 1/2n,

|R(f, 0, 1/2)| n(1/4)(2 24)h = (0 14)/n.

Por tanto, si queremos un error menor que 104 , exigimos que [(0 14)/n] < 104 ,
con lo que resulta n > 1400. Resulta desde todo punto de vista evidente que
realizar las 1400 sumas que aparecen
en
 (6.94), en cada una de las cuales se

xi1 +xi
, va a producir errores de c
alculo que
debe calcular la expresion h.f
2
proporcionar
an un valor de la integral con un error signicativamente mayor
que el esperado.
278

Captulo 6. Integraci
on
2.

Caso n = 1: F
ormula de los trapecios Hemos pospuesto para esta seccion
el calculo del error en la F
ormula de los Trapecios porque, como se vio en 6.5.2,
el operador que resulta es de grado 1 (dicho de otra forma, la F
ormula de los
Trapecios es exacta para polinomios de grado 1). Tenemos el siguiente
Teorema 6.5.8 Sea f : [a, b]  R una funci
on con derivada continua de orden
2 en su dominio. Entonces, denido


f (x)dx {(1/2)(b a) [f (a) + f (b)]},

R(f, a, b) =

(6.95)

se verica
|R(f, a, b)| |f  |

(b a)3
,
12

(6.96)

donde |f  | es el supremo de |f  (x)| cuando x vara en el intervalo [a, b] .

n. Resulta que R(1, a, b) = R(x, a, b) = 0, aunque, en general,
Demostracio
R(x2 , a, b) = 0, por lo que R es un operador de grado 1. La funci
on G viene
denida por G(s) = Rx [(x s), a, b] , s [a, b] . Fijamos s [a, b] , y denimos
aca como en la
g : [a, b]  R como g(x) = (x s). Resulta que g tiene una gr
gura 6.24.

Figura 6.24: Gr
aca de g

Entonces


g(x)dx {(1/2)(b a) [g(a) + g(b)]} =

G(s) = R(g, a, b) =
a

= (1/2)(b s)2 (1/2)(b s)(b a) = (1/2)(b s)(a s),

as que G tiene una gr
aca del tipo mostrado en la gura 6.25:
Resulta que R es un operador
 2
denido, y en virtud del teorema 6.5.5, tenemos
R(f, a, b) = f  (z)R x2 , a, b , donde z es un cierto punto de [a, b] . Pero
279

6.5. Integraci
on numerica

Figura 6.25: Gr
aca de G

calcular R
Resulta R

x2
2
x2
2


, a, b es muy sencillo, usando la expresi
on (6.95) que dene R.

1
1
3
, a, b = 12 (a b) , con lo que |R(f, a, b)| |f  | 12
(a b)3 .

Ejemplo 6.5.9 Como ejemplo del uso de la Formula de los Trapecios hemos
elegido el calculo de la misma integral dada en el ejemplo del caso n = 0.
Contrastaremos el grado de aproximacion al valor exacto de la integral usando
la F
ormula de los Trapecios o la ineciente f
ormula anterior.
As pues, sea f (x) =

1
(x3 1)2

denida en el intervalo [0, 1/2] . Resulta



6x
9x3
2

.
(x3 1)3
(x3 1)




En el intervalo [0, 1/2] tenemos, obviamente, (x3 1)3  0 67, x3 1 7/8,
luego |f  (x)| 14 72 si x [0, 1/2].
f  (x) =

Resulta, dividiendo [0, 1/2] en n partes iguales, cada una de ellas de longitud
h = 1/(2n),


1/2
0

 f (xi1 ) + f (xi )
dx
+ R(f, 0, 1/2),
=
h
3
2
(x 1)
2
i=1
n

(6.97)

donde, como antes,

xi = i/2n,

i = 0, 1, 2, . . . , n,

h = 1/2n,

|R(f, 0, 1/2)| (14 72)(1/12)h3 = (0 1534)/n2 .

Por tanto, si queremos que el error sea menor que 104 , debemos conseguir
que (0 1534)/n2 < 104 , lo que implica n2 > 1534, luego n > 39,16. Dividir el
intervalo [0, 1/2] en 40 partes para usar el algoritmo (6.97) resulta m
as operativo
que dividirlo en 1400, como resultaba de la utilizaci
on del metodo anterior.
280

Captulo 6. Integraci
on
3.

Caso n = 2 : F
ormula de Simpson 1/3. El algoritmo dado por la F
ormula
de Simpson 1/3 proporciona la siguiente f
ormula para el operador del error R
(ver el apartado 6.5.2):
 b
h
f (x)dx [f (x0 ) + 4f (x1 ) + f (x2 )] ,
(6.98)
R(f, a, b) =
3
a
donde x0 = a, x1 = (a + b)/2, x2 = b, h = (b a)/2.
Tenemos el siguiente
Teorema 6.5.10 Sea f : [a, b]  R una funci
on con derivada continua de
orden 4 en su dominio. Entonces, denido
 b
h
R(f, a, b) =
f (x)dx [f (x0 ) + 4f (x1 ) + f (x2 )] ,
(6.99)
3
a
donde x0 = a, x1 = (a + b)/2, x2 = b, h = (b a)/2, se verica
  (b a)5
|R(f, a, b)| f iv 
,
(6.100)
2880




donde f (iv)  es el supremo de f (iv) (x) cuando x vara en el intervalo [a, b] .
n. Es un hecho interesante, como ya mencionamos en 6.5.2, que
Demostracio
R sea un operador de grado 3 (es decir, la f
ormula de Simpson 1/3 es exacta
para polinomios de grado 3 (basta comprobarlo integrando los polinomios
1, x, x2 y x3 ), aunque en general no es exacta para polinomios de grado 4).
Entonces


G(s) = (1/6)Rx (x s)3 , a, b , s [a, b] .
Fijamos s [a, b] y denimos g : [a, b]  R como g(x) = (x s)3 . Resulta que
g tiene una gr
aca del tipo de la representada en la gura 6.26.

Figura 6.26: Gr
aca de g
Se tiene

h
[g(x0 ) + 4g(x1 ) + g(x2 )] =
3
a

 

 b
a+b
ba
3
=
g(x)dx
4g
+ (b s) =
6
2
a

R(g, a, b) =

g(x)dx

281

6.5. Integraci
on numerica


=
s


 

a+b
ba
3
(x s) dx
4g
+ (b s) .
6
2
3

Realizando la integraci
on obtenemos
3
5 
64
3
4
(bs)
1

4 a+b
ba
+ (b s)3 , si s

4
6
2 s
6
G(s) =
3


4

(bs)4
1
ba
3

(b

s)

,
si s >
6
4
6

a+b
2 ,

(6.101)
a+b
2 .

Se simplican los c
alculos si se toma a = 0, b = 1 (no hay perdida de generalidad,
pues se trata tan solo de estudiar el comportamiento de la funci
on G(s), que va
a ser el mismo sea cual sea el intervalo [a, b]). As pues, analizaremos la funcion
3
5 
64
3
(1s)4
1

16 4 12 s + (1 s)3 , si s 12 ,

4
6
G(s) =

1
6

(1s)4
4

1
6


4
(1 s)3 ,

(6.102)
si s >

1
2.



Probaremos que G(s) 0 cuando s 0, 12 . Para ello basta probar que


3
1
(1 s)4
1

4
s + (1 s)3 .
4
6
2
Desarrollando estas expresiones y simplicando resulta que hay que probar
que

1
,
0
.
Pues,
3s < 2, lo que es cierto. Tambienresulta
que
G(s)

0
cuando
s

2

1
. Se tiene 1 3s < 0, y obtenemos el
(1 s)3 13s
en ese caso, G(s) = 12
6
resultado.
Resulta entonces que R es un operador denido. Entonces
 4
x
(iv)
R(f, a, b) = f (z)R
,
4!
donde z es un cierto punto del intervalo [a, b] .
Es inmediato ahora (usando la expresi
on (6.70) del operador R), que
 4
x
(a b)5
,
=
R
4!
2880
con lo que queda, por n,

 (b a)5


,
|R(f, a, b)| f (iv) 
2880


donde, como siempre, f (iv)  denota una cota del valor absoluto de la derivada
cuarta de f en el intervalo [a, b]. Esto prueba el teorema.

282

Captulo 6. Integraci
on
Los casos analizados nos parecen sucientes para que el lector se familiarice con
el procedimiento del calculo del error en un metodo numerico de calculo de integrales
que se ajuste al enunciado del teorema 6.5.3. En los apartados 6.5.2 y 6.5.3 expusimos
distintas formulas de integraci
on numerica. En este hemos deducido cotas del error
para alguno de los metodos. All se dieron para los otros metodos expuestos.

6.5.5.

Traducci
on de los m
etodos de integraci
on num
erica expuestos a programas en Matlab

Con objeto de que el lector construya efectivamente programas de ordenador que

utilicen los algoritmos anteriormente expuestos, daremos de cada uno de ellos el programa completo en Matlab.
Metodo de los trapecios
function I=trapecios2(f,f2,a,b,N,E)
% Integracion por trapecios, con error maximo prefijado
%
% I=trapecios2(f,f2,a,b,N,E)
%
% f = archivo .m con la funcion a integrar
% f2 = archivo .m con la segunda derivada de f
% a,b = extremos del intervalo de integracion
% N = numero de subintervalos para estimar una cota de f
% E = error maximo permitido
% I = estimacion de la integral
x=a+(b-a)/N*(0:N);
y=feval(f2,x);
M=max(abs(y));
N=floor(sqrt((b-a)^3*M/12/E))+1;
I=trapeciosN(f,a,b,N);

function I=trapeciosN(f,a,b,N)
% Integracion por trapecios, con numero de intervalos fijo
%
283

6.5. Integraci
on numerica
% I=trapeciosN(f,a,b,N)
%
% f = archivo .m con la funcion a integrar
% a,b = extremos del intervalo de integracion
% N = numero de subintervalos
% I = estimacion de la integral
x=a+(b-a)/N*(0:N);
y=feval(f,x);
T=sum(y(1:N))+sum(y(2:(N+1)));
I=T*(b-a)/2/N;
Metodo de Simpson
function I=simpson2(f,f4,a,b,N,E)
% Integracion por Simpson 1/3 y 3/8, con error maximo prefijado
%
% I=trapecios2(f,f4,a,b,N,E)
%
% f = archivo .m con la funcion a integrar
% f4 = archivo .m con la cuarta derivada de f
% a,b = extremos del intervalo de integracion
% N = numero de subintervalos para estimar una cota de f
% E = error maximo permitido
% I = estimacion de la integral
x=a+(b-a)/N*(0:N);
y=feval(f4,x);
M=max(abs(y));
N=floor(sqrt(sqrt(((b-a)^5*M/180/E))))+1;
I=simpsonN(f,a,b,N);

function I=simpsonN(f,a,b,N)
% Integracion por Simpson 1/3 y 3/8,
%con numero de intervalos fijo
284

Captulo 6. Integraci
on
%
% I=simpsonN(f,a,b,N)
%
% f = archivo .m con la funcion a integrar
% a,b = extremos del intervalo de integracion
% N = numero de subintervalos
% I = estimacion de la integral
if N==1
N=2;
end
h=(b-a)/N;
if floor(N/2)*2~=N %si N es impar,
%calculo los 3 ultimos con Simpson 3/8
I=3*h/8*sum([1 3 3 1].*feval(f,(b-3*h):h:b));
N=N-3;
else
I=0;
end
if N~=0 %si N no era 3 de entrada,
%hago Simpson 1/3 en cada 2 restantes
P=ones(1,N+1);
P([Link]N)=4;
P([Link]N-1)=2; %esto crea un vector 1424242...4241
x=a+h*(0:N);
y=feval(f,x);
I=I+h/3*sum(y.*P); %asi ha calculado simpson 1/3
end
Intervalos desiguales
function T=intdesig(X,Y)
% Integracion con intervalos desiguales (datos arbitrarios)
%
% T=intdesig(X,Y)
%
285

6.5. Integraci
on numerica
% X,Y = pares de datos (x,f(x)) de entrada
% T = estimacion de la integral
N=length(X);
if length(Y)~=N
disp(Error: X e Y no tienen la misma dimension);
else
T=0;
h=X(2)-X(1);
k=1;
for j=2:N
if j==N
h1=0;
else
h1=X(j+1)-X(j);
end
if h~=h1
if k==1
T=T+h*(Y(j)+Y(j-1))/2;
elseif k==2
T=T+2*h*(Y(j)+4*Y(j-1)+Y(j-2))/6;
k=1;
else
T=T+3*h*(Y(j)+3*Y(j-1)+3*Y(j-2)+Y(j-3))/8;
k=1;
end
else
if k==3
T=T+2*h*(Y(j-1)+4*Y(j-2)+Y(j-3))/6;
k=k-1;
else
k=k+1;
end
end
h=h1;
end
286

Captulo 6. Integraci
on
end
Metodo de Romberg

function INT=romberg(f,a,b,E,MAXITER)
% Integracion de Romberg
%
% INT=romberg(f,a,b,E,MAXITER)
%
% f = archivo .m con la funcion a integrar
% a,b = extremos del intervalo de integracion
% E = error relativo, en tanto por cien
% MAXITER = numero maximo de iteraciones
% (columnas de la tabla de Romberg)
% INT = estimacion de la integral
I(1,1)=trapeciosN(f,a,b,1);
i=0;
EA=E+1; %para que entre en el bucle
while (EA>=E) & (i<MAXITER)
i=i+1;
I(i+1,1)=trapeciosN(f,a,b,2^i);
for k=2:(i+1)
j=2+i-k;
I(j,k)=(4^(k-1)*I(j+1,k-1)-I(j,k-1))/(4^(k-1)-1);
end
EA=abs((I(j,i+1)-I(j,i))/I(j,i+1))*100;
end
if (EA<E)
disp([Converge con error relativo<num2str(EA)%]);
else
disp(El criterio de paro no se ha cumplido.);
end
INT=I(j,i+1);
287

6.6. Integrales dependientes de un parametro

6.6.
6.6.1.

Integrales dependientes de un par

ametro
Introducci
on. Un caso particular

En multitud de ocasiones se trata de integrar funciones de una variable que dependen, adem
as, de uno o varios par
ametros. Tomemos el caso mas simple, el de una
funci
on f continua de dos variables (x, ) (la segunda variable se interpreta como el
par
ametro), denida para x [x0 , X] y [0 , 1 ].
Si jamos un valor del par
ametro , podemos integrar la funci
on resultante entre
x0 y X, obteniendo
 X
f (x, )dx.
x0

Obviamente, el resultado depende de , y, por tanto, podemos escribir

 X
F () =
f (x, )dx, [0 , 1 ] .

(6.103)

x0

Se trata, as, de estudiar las propiedades de F en funci

on de las de f . La f
ormula
(6.103) es lo que se llama una integral parametrica.
El problema de la continuidad de las integrales param
etricas
Comenzaremos por el estudio de la continuidad de F . Sea [0 , 1 ] . La funci
on
F sera continua en si la cantidad
F ( + ) F ()
na cuando
(donde suponemos que es tal que + [0 , 1 ] ) se hace peque
se hace peque
no. Ahora bien,
 X
F ( + ) F () =
[f (x, + ) f (x, )] dx,
x0

y nos vemos conducidos a estudiar la diferencia

[f (x, + ) f (x, )]

(6.104)

para peque
no, cuando x vara en el intervalo [x0 , X]. De alguna forma tenemos
que garantizar que (6.104) es peque
no para todo x [x0 , X]. Este es el concepto de
continuidad uniforme, que ha sido introducido en el apartado 3.3.3.
Observemos que se ha hecho la hipotesis de la continuidad de f en un rect
angulo
[x0 , X] [0 , 1 ] , obviamente un subconjunto cerrado y acotado de R2 . Podemos
pues aplicar el teorema 3.3.16 y concluir que f es uniformemente continua en el. En
particular, esto implica que dado > 0, existe > 0 de modo que, si || < ,
entonces
|f (x, + ) f (x, )| < , x [x0 , X] .
288

Captulo 6. Integraci
on
Por tanto, para ese ,
|F ( + ) F ()|




 X


[f (x, + ) f (x, )] dx
= 

 x0
 X

|f (x, + ) f (x, )| dx |X x0 | .
x0

Como |X x0 | es una constante, esto demuestra la continuidad de F . Hemos probado

el siguiente
Teorema 6.6.1 Sea f una funci
on continua en el rect
angulo [x0 , X] [0 , 1 ]. Entonces la funci
on F denida en [1 , 2 ] por (6.103) es continua.
Derivabilidad de las integrales param
etricas
Respecto al problema de la derivacion de F , debemos estudiar el cociente

 X
f (x, + ) f (x, )
F ( + ) F ()
=
dx
(6.105)

x0
para = 0, cuando 0. Supongamos que f tenga derivada parcial respecto a
para (x, ) en [x0 , X] [0 , 1 ], y que esa derivada sea continua en este rectangulo.
Tiene sentido, por tanto, considerar la integral

 X
f
(x, ) dx.
(6.106)

x0
Demostraremos que (6.106) es la derivada de F , es decir, el lmite de (6.105) cuando
0.
Fijado x [x0 , X], se considera la funci
on f solo de la variable , y se aplica el
Teorema del Valor Medio (teorema 4.1.21):
f (x, + ) f (x, ) =

f
(x, + ).

(6.107)

donde 0 < < 1. De hecho, este numero depende no s

olo de , sino tambien de
x. Llevando (6.107) a (6.105), resulta

 X
f
F ( + ) F ()

(x, ) dx =

x0

 X
f
f
=
(x, + )
(x, ) dx

x0

(6.108)

f
Como
es una funci
on continua en el conjunto cerrado y acotado [x0 , X] [0 , 1 ],
resulta, por el teorema 3.3.16, que es uniformemente continua. Por tanto, dado > 0,

289

6.6. Integrales dependientes de un parametro

existe > 0 de modo que, si || < , entonces



 f
 (x, + ) f (x, ) < .



Para ese , resulta


 
 F ( + ) F ()  X  f



(x, ) dx |X x0 | ,




x0
()
lo que concluye que el lmite de F (+)F
cuando 0 (es decir, la derivada

X f
de F en ) coincide con x0 (x, ) dx.

Hemos demostrado el siguiente

Teorema 6.6.2 Sea f como en el teorema 6.6.1. Supongamos adem
as que exista la
f
derivada parcial
en el rect
angulo [x0 , X] [0 , 1 ] y sea continua all. Entonces
F es derivable en [0 , 1 ] y se tiene

 X
f
(x, ) dx, [0 , 1 ] .
(6.109)
F  () =

x0

6.6.2.

El caso general

Finalmente, trataremos una situaci

on que se plantea en ciertas ocasiones y de la
que la anterior no es m
as que un caso particular. Es aquella en la que, no s
olo la
funci
on f depende de un par
ametro , sino tambien los lmites de integraci
on en
(6.103), resultando ahora


X()

f (x, ) dx,

F () =
x0 ()

[0 , 1 ] ,

(6.110)

donde f esta denida y es continua en un rect

angulo [a, b] [0 , 1 ], y las funciones
X y x0 estan denidas y son continuas en [0 , 1 ], tomando sus valores en [a, b] .
Continuidad de las integrales param
etricas
Para la demostraci
on de la continuidad de F denida por (6.110) se procede
an
alogamente a como se hizo en el teorema 6.6.1:

F ( + ) F () =


290

X(+)
x0 (+)

X()

f (x, + ) dx

x0 ()

f (x, ) dx =
x0 ()

f (x, + ) dx +
x0 (+)

Captulo 6. Integraci
on


X()

X(+)

f (x, + ) dx

f (x, + ) dx +


x0 ()

X()

X()
x0 ()

f (x, ) dx =


x0 ()

f (x, + ) dx +
x0 (+)

X(+)

X()

f (x, + ) dx +

x0 ()

X()

[f (x, + ) f (x, )] dx.

La funci
on f esta acotada en el rectangulo [P, Q] [0 , 1 ] , donde
P = mn {mn {x0 () : [0 , 1 ]} , mn {X() : [0 , 1 ]}} ,

(6.111)

Q = max {max {x0 () : [0 , 1 ]} , max {X() : [0 , 1 ]}} ,

(6.112)

digamos |f | K en ese rectangulo. Obtenemos

|F ( + ) F ()|
K |x0 ( + ) x0 ()| + K |X( + ) X()| +
 X()
|f (x, + ) f (x, )| dx.
+
x0 ()

Dado > 0, existe > 0 tal que, si || < , entonces

|x0 ( + ) x0 ()| < ,
|X( + ) X()| < ,
|f (x, + ) f (x, )| < ,
siendo v
alidas las dos primeras desigualdades por la continuidad uniforme de x0 y de
X, respectivamente, y la u
ltima por la continuidad uniforme de f en el rectangulo
[P, Q] [0 , 1 ] .
Entonces, si || < ,
|F ( + ) F ()| K + K + . max {|X() x0 ()| : [0 , 1 ]} .
Por tanto, F es continua. Resulta el siguiente
Teorema 6.6.3 Sea f una funci
on continua en el rect
angulo [P, Q] [0 , 1 ], con
valores en R, siendo P y Q las funciones denidas en (6.111) y (6.112), respectivaon denida
mente, siendo x0 y X funciones continuas en [0 , 1 ]. Entonces, la funci
como
 X()
F () :=
f (x, ) dx, [0 , 1 ] ,
(6.113)
x0 ()

es continua.
291

6.6. Integrales dependientes de un parametro

Derivabilidad de las integrales param
etricas (Regla de Leibniz)
La posibilidad de derivar F denida en (6.113) se trata como antes resultando el
siguiente teorema.
Teorema 6.6.4 (Regla de Leibniz) Con las notaciones anteriores, si adem
as la
funci
on f / es continua en [P, Q] [0 , 1 ], mientras que x0 y X son derivables
andose
en [0 , 1 ], resulta que F tambien es derivable, veric
 X()
f
dX
dx0
F  () =
(x, )dx +
f [X(), ]
f [x0 (), ] .
(6.114)
d
d
x0 ()
n. En lugar de proporcionar una prueba similar a la del teorema 6.6.2,
Demostracio
recurrimos a este resultado y al Teorema de Derivacion de la Funci
on Compuesta
(Regla de la Cadena, teorema 4.2.15) .
Sea H(x0 , X, ) denida como

H(x0 , X, ) :=

f (x, )dx.

(6.115)

x0

Supongamos ahora, como es el caso, que x0 y X son funciones derivables de la variable

. Es bien conocido que H es una funci
on con derivadas parciales respecto a x0 , a
X, y tambien respecto a (esto u
ltimo constituye el teorema 6.6.2, necesitando que
f / sea una funci
on continua, mientras que las dos primeras armaciones estan
contendidas en el Teorema Fundamental del Calculo Integral 6.3.15), resultando
H
(x0 , X, ) = f (x0 , ),
x0

(6.116)

H
(x0 , X, ) = f (X, ),
X
 X
H
f
(x0 , X, ) =
(x, ) dx.

x0

(6.117)
(6.118)

Ademas, estas derivadas parciales son continuas. Por tanto, podemos aplicar la Regla
de la Cadena (teorema 4.2.15) y resulta que
 X()
F () :=
f (x, ) dx
x0 ()

es derivable en [0 , 1 ], con
F  ()

H dX
H
H dx0
+
+
=
x0 d
X d

dx
dx0
= f [x0 (), ]
+ f [X(), ]
+
d
d

X()
x0 ()

f
(x, )dx.

292

Captulo 6. Integraci
on

6.7.

Integraci
on m
ultiple

En esta seccion se tratan las integrales m

ultiples de Riemann, aunque nuestro
estudio se reducir
a a las dobles, pues el caso general es una extension natural de este.

6.7.1.

Definici
ones generales

La siguiente terminologa sera utilizada en toda esta seccion:

Definici
on de rect
angulos y particiones
Se llama rect
angulo en R2 al producto cartesiano Q de dos intervalos cerrados y
acotados de R. As,
Q = [a, b] [c, d] .
El correspondiente rect
angulo abierto se denotar
a como
Q = ]a, b[ ]c, d[ .
Dado un intervalo [a, b] en R, se introdujo el concepto de partici
on P de dicho intervalo
en la denici
on 6.3.1: es un conjunto nito de puntos P := {a = x0 < x1 < . . . <
o la familia de todas las particiones de un intervalo [a, b] con el
xn = b}. Se denot
smbolo P[a, b]. Supongamos dadas dos particiones P1 y P2 de [a, b]. Se dice que P1
es m
as na que P2 (lo que se escribira P1  P2 ) cuando, como conjuntos, P1 P2 .
Tambien se dice, en ese caso, que P2 es menos na que P1 , y se escribe P2 P1 . Estos
conceptos aparecieron por primera vez en la proposici
on 6.3.8.
on de Q al conjunto
Dado un rect
angulo Q = [a, b] [c, d] en R2 , se llama partici
P = {(xi , yj ), i = 0, 1, 2, . . . , n, j = 0, 1, 2, . . . , m} ,
donde
{a = x1 < x2 < . . . < xn = b} P[a, b],
{c = y1 < y2 < . . . < ym = d} P[c, d]
(ver la gura 6.27).

6.7.2.

Funciones escalonadas y sus integrales

Definici
on de integral doble de una funci
on escalonada
Definici
on 6.7.1 Sea Q = [a, b] [c, d] un rect
angulo en R2 . Una funci
on
f : Q  R
se dice que es escalonada cuando hay una partici
on
P = {(xi , yj ), i = 0, 1, 2, . . . , n, j = 0, 1, 2, . . . , m}
293

6.7. Integraci
on m
ultiple
d 6

y4
y3
y2
y1
y0

c
a
x0 x1

x2

x3

b
x4

Figura 6.27: Partici

on de [a, b] [c, d]
de Q de modo que f sea constante en cada uno de los subrect
angulos abiertos
Qij = ]xi1 , xi [ ]yj1 , yj [ , i = 1, 2, . . . , n, j = 1, 2, . . . , m
denidos por P, y f este acotada en Q10 .
La siguiente es la tpica gr
aca de una funci
on escalonada:

Figura 6.28: Una funci

on escalonada
Sea, como antes, f : Q  R una funci
on escalonada en un rectangulo Q. Supongamos f (x, y) = cij , (x, y) Qij , i = 1, 2, . . . , n, j = 1, 2, . . . , m. Se dene

f=
Q

n 
m


cij (xi xi1 ) (yj yj1 ).11

(6.119)

i=1 j=1

10 Los valores que f tome en la frontera de cada uno de los subrect

angulos no son considerados en
la definici
on de funci
on

escalonada ni, como se ver
a, en la de su integral.
11 Geom
etricamente, Q f representa, si f 0, el volumen de la Figura 6.28, formada por los






as breve que Q f (x, y)dxdy, tambi
en emdiferentes prismas que aparecen. El smbolo Q f es m
pleado.

294

Captulo 6. Integraci
on
Propiedades de las integrales de funciones escalonadas
Las siguientes propiedades son elementales, derivando directamente de la denicion. S
olo daremos la demostracion de aquellas que tienen alguna dicultad.
1.

Linealidad: Sean f y g funciones escalonadas denidas en un rect

angulo Q y
sean y n
umeros reales. Entonces f + g es una funci
on escalonada y se
tiene



(f + g) =
f +
g.
Q

2.

Aditividad respecto al rect

angulo de integraci
on: Si Q es un rect
angulo,
angulos con Q1 Q2 = , y si f es
y Q = Q1 Q2 , donde Q1 y Q2 son rect
una funci
on escalonada en Q, entonces f restringida a Q1 y Q2 es asmismo
escalonada, y se tiene



f=
f+
f.
Q

3.

Q1

Q2

Monotona: Si f es una funci

on escalonada denida en el rect
angulo Q, y se
tiene f 0 en Q, entonces

f 0.
Q

4.

Integrales reiteradas:
Teorema 6.7.2 (de Fubini para funciones escalonadas) Si f es una funci
on escalonada en el rect
angulo Q = [a, b] [c, d], se tiene



 
 
b

f=
Q

f (x, y)dy dx =
a

f (x, y)dx dy. (12 )

n.
Demostracio
a) Supongamos en primer lugar que f sea constante en Q, digamos f K.
Entonces

f = K(b a)(d c).
Q

Ademas,

f (x, y)dy = K(d c),

c
12 Las integrales deben interpretarse como integrales de una funci
on de una sola variable, siendo lo
otra fija. Es exactamente el punto de vista adoptado en lo que hemos llamado integrales parametricas(ver la secci
on 6.6). Este resultado, y las generalizaciones posteriores, son los que permiten el
c
alculo efectivo de las integrales dobles, reduciendolas a integrales reiteradas.

295

6.7. Integraci
on m
ultiple
luego


K(d c)dx = K(b a)(d c).

f (x, y)dy dx =
a

La otra integral se trata de forma an

aloga.
b)

Sea ahora f escalonada. Basta aplicar la parte a) demostrada junto con la

propiedad 2. de aditividad respecto al rect
angulo de integraci
on.

6.7.3.

Integrales de funciones acotadas definidas en rect

angulos

En este apartado trataremos s

olo de integrar funciones acotadas denidas en
rectangulos. La integraci
on en dominios m
as generales la abordaremos posteriormente,
en el apartado 6.7.5.
Definici
on de integral doble de una funci
on en un rect
angulo
Definici
on 6.7.3 Sea f : Q  R una funci
on acotada denida en el rect
angulo Q de
R2 . Supongamos |f | M en Q. Entonces:
3


4
1. El conjunto
s
:
s
escalonada
en
Q,
s

f
est
a acotado superiormente
Q
por M (b a)(d c), luego tiene supremo. Lo denotamos por

f,
Q

2.

la integral inferior de f .
3


4
El conjunto
t
:
t
escalonada
en
Q,
t

f
est
a acotado inferiormente
Q
por M (b a)(d c), luego tiene nmo. Lo denotamos por

f
Q

3.

la integral superior de f .






f=
En el caso en que
Q

f se dice que f es integrable en Q, y se dene







f=
Q
13 El

296

f=
Q

f.

(13 )

lector comparar
a la definici
on de integral dada aqu y la de integral de Riemann-Stieltjes

Captulo 6. Integraci
on
La siguiente proposici
on es inmediata.
Proposici
on 6.7.4 Una funci
on f : Q  R es integrable en Q si, y solamente si,
dado > 0, existen funciones escalonadas s f y t f de modo que


t
s < .
Q

Propiedades de las integrales de funciones acotadas en rect

angulos
Estas propiedades se deducen inmediatamente de la denici
on y de las correspondientes para funciones escalonadas dadas en el apartado 6.7.2.
1.

Linealidad: Sean f y g funciones integrables denidas en un rect

angulo Q, y
sean y n
umeros reales. Entonces f + g es integrable en Q, y se tiene



(f + g) =
f +
g.
Q

2.

Aditividad respecto al rect

angulo de integraci
on: Si Q es un rect
angulo,
angulo con Q1 Q2 = , y si f es
y Q = Q1 Q2 , donde Q1 y Q2 son rect
integrable en Q, entonces f restringida a Q1 y Q2 es asmismo integrable, y se
tiene



f=
f+
f.
Q

3.

Q1

Q2

Monotona: Si f es una funci

on integrable denida en el rect
angulo Q, y se
tiene f 0 en Q, entonces

f 0.
Q

4.

Integrales reiteradas: El siguiente resultado generaliza el teorema 6.7.2 que

permite expresar una integral doble como dos integrales reiteradas. Como indicamos en la nota all, permite el calculo efectivo de las integrales dobles.
Teorema 6.7.5 (de Fubini para integrales en un rect
angulo) Sea
f : Q  R
una funci
on acotada en el rect
angulo Q. Si f es integrable en Q, si dado y [c, d]

b

d
existe a f (x, y)dx = A(y), y si existe c A(y)dy, se tiene
 d

f=
A(y) dy,
Q

hecha en la definici
on 6.3.7. All se utiliz
o el lenguaje de sumas superiores e inferiores. Aqu, el de
funciones escalonadas. Es sencillo comprobar que son equivalentes (una funci
on escalonada estando
asociada a una partici
on del conjunto de definici
on, y, viceversa, pudiendo asociar a una partici
on
funciones escalonadas por encima y por debajo). Adoptamos aqu el lenguaje de las funciones
escalonadas porque resulta intuitivamente m
as claro.

297

6.7. Integraci
on m
ultiple
es decir



f=

f (x, y) dx dy.

(6.120)

n. Sean s, t, funciones escalonadas en Q tales que s f t.

Demostracio
Fijamos y [c, d] . Entonces, por la propiedad de monotona de integrales de
funciones de una variable,
 b
 b
 b
s(x, y) dx
f (x, y) dx
t(x, y) dx,
a

es decir,

s(x, y) dx A(y)
a

t(x, y) dx.

(6.121)

Las desigualdades (6.121) hacen referencia a tres funciones de la variable y

[c, d] que son, a su vez, integrables. De nuevo la propiedad de monotona de
integrales de funciones de una variable proporciona


 d
 d  b
 d  b
s(x, y) dx dy
A(y) dy
t(x, y) dx dy.
c

El Teorema de Fubini para funciones escalonadas (teorema 6.7.2) asegura que


 d  b

s=
s(x, y) dx dy,
Q



t=

t(x, y) dx dy,
c

luego



s
Q



f (x, y) dx dy
c

t.
Q

Como f es integrable, hay un u

nico n
umero real, precisamente
isface



s
f
t,
Q

(6.122)



Q

f, que sat(6.123)

para cualesquiera funciones escalonadas s y t con s f t. Por tanto, observando (6.122) y (6.123), se obtiene

 d  b

s
f (x, y) dx dy. (14 )
Q

14 Es

298

posible, desde luego, enunciar un resultado an

alogo para

b
a

5

d
c

6
f (x, y) dy dx.

Captulo 6. Integraci
on
Interpretaci
on geom
etrica de la integral doble de una funci
on acotada en
un rect
angulo
Sea f : Q  R una funci
on. Supongamos que se verican las condiciones del
Teorema de Fubini 6.7.5. Si, para facilitar la interpretaci
on, suponemos f 0 en Q,
consideremos la gura 6.29.
z 6
y = f (x, y)

O
y

)
x

y
z

Figura 6.29: Interpretaci

on geometrica de la integral doble
Fijamos y [c, d]. Entonces


f (x, y) dx = A(y)
a

tiene como signicado geometrico el area rayada de la gura 6.29. Si ahora integramos
A(y) en el intervalo [c, d] obtenemos el volumen de la gura tridimensional dada por
{(x, y, z) : (x, y) Q, 0 z f (x, y)} ,
gura que se suele llamar conjunto de ordenadas de la funci
on f en Q. El mismo
resultado se obtendra, con las hip
otesis adecuadas, considerando

 
b

f (x, y) dy dx.
a

Observar que el c
alculo del volumen se hizo, en el apartado 6.4.3, integrando areas
de secciones, lo que no es otra cosa que la utilizacion, como se ha hecho aqu, del
Teorema de Fubini para el c
alculo de ese volumen.

6.7.4.

Una condici
on suficiente de integrabilidad

Desde luego, si queremos saber si una funcion f : Q  R denida y acotada en un

rectangulo es integrable mediante la denici
on dada en 6.7.3, nos podemos encontrar
con serias dicultades.
299

6.7. Integraci
on m
ultiple
Los resultados que a continuaci
on se exponen van dirigidos a asegurar que, bajo
condiciones relativamente amplias, las funciones consideradas son integrables en un
rectangulo.
Lo que subyace a estos resultados, el primero de los cuales asegura que toda funcion
continua denida en Q es integrable, es el hecho, que ya apareci
o en el teorema
3.3.16, de que toda funci
on continua denida en un conjunto cerrado y acotado es
uniformemente continua en el (Teorema de Heine, teorema 3.3.16).
Para el segundo resultado una generalizaci
on del primero se consideran funciones
que casison continuas, en el sentido de que el conjunto de puntos de discontinuidad
es, en cierto sentido que especicaremos, peque
no.
Teorema 6.7.6 Sea f : Q  R una funci
on denida en un rect
angulo Q = [a, b]
[c, d], continua en el. Entonces, f es integrable en Q, y se tiene


 
 

d

f=
Q

f (x, y) dx dy =
c

f (x, y) dy dx.
a

(6.124)

n. Sabemos que, por ser Q un conjunto cerrado y acotado, f es uniDemostracio

formemente continua en Q (ver el teorema 3.3.16), y est
a acotada en Q (ver el teorema 3.3.3). Fijamos > 0. Entonces podemos denir una partici
on P = {(xi , yj ), i =
0, 1, 2, . . . , n, j = 0, 1, 2, . . . , m} de Q de modo que si Qij es uno de los subrectangulos
de P , y si
Mij = max {f (x, y) : (x, y) Qij } ,
mij = min {f (x, y) : (x, y) Qij } ,
entonces Mij mij < , i = 0, 1, 2, . . . , n, j = 0, 1, 2, . . . , m.
Sea
M = max {f (x, y) : (x, y) Q} ,
m = min {f (x, y) : (x, y) Q} .
Denimos dos funciones escalonadas en Q, digamos s y t, como

mij , si (x, y) Qij ,
s(x, y) =
m,
si (x, y) F r(Qij ), ( frontera de Qij ).

t(x, y) =

Mij , si (x, y) Qij ,

M,
si (x, y) F r(Qij ), ( frontera de Qij ).

Entonces,
s f t en Q.
300

Captulo 6. Integraci
on
Ademas,



t
Q

s =
Q

<

n 
m


(Mij mij )(xi xi1 )(yj yj1 ) <

i=1 j=1
n 
m


(xi xi1 )(yj yj1 ) = (d c)(b a).

i=1 j=1

Como > 0 es arbitrario, ello implica, en virtud de la proposici

on 6.7.4, que f es
integrable en Q.
Para demostrar ahora (6.124), basta aplicar el teorema 6.7.18. S
olo se requiere
probar (ya que, jado y, resulta que f (, y) es una funci
on continua de la variable x
en [a, b], luego integrable), que


A(y) :=

f (x, y)dx
a

es una funci
on integrable en [c, d] . Pero ello es consecuencia de la continuidad de A,
que fue demostrada en el teorema 6.6.1 y, mas generalmente, en el teorema 6.6.3.

d
An
alogamente se hace para c f (x, y)dy, si x [a, b] .

El siguiente resultado examina lo grandeque es el conjunto de puntos de discontinuidad de f en Q para asegurar su integrabilidad. Introduciremos una noci
on que
permita hablar de conjuntos peque
nosen la teora de integraci
on.
Definici
on 6.7.7 Sea A un conjunto acotado en R2 . Se dice que A tiene contenido
nulo cuando, > 0, existe una familia nita de rect
angulos Q1 , Q2 , . . . , Qn , de modo
que
A Q1 Q2 . . . Qn ,
y, si denotamos por a(Q) el a
rea de cualquier rect
angulo,
a(Q1 ) + a( Q2 ) + + a(Qn ) < .
Nota 6.7.8 Un conjunto nito tiene, obviamente, contenido nulo. Un segmento en el
plano tambien. Es claro, por otra parte, que la uni
on nita de conjuntos de contenido
nulo tiene contenido nulo, as como cualquier subconjunto de uno de contenido nulo.
El objetivo de la introducci
on de este concepto es el siguiente resultado, que generaliza el teorema 6.7.6:
Teorema 6.7.9 Sea f : Q  R una funci
on acotada denida en un rect
angulo Q de
R2 . Si el conjunto de punto de discontinuidad de f tiene contenido nulo, entonces f
es integrable en Q.
301

6.7. Integraci
on m
ultiple
n. Sea |f | M , M > 0. Sea D el conjunto de puntos de discontinuidad
Demostracio
de f en Q. Dado > 0, podemos denir una partici
on P de Q de modo que los
subrectangulos abiertos de P que tengan puntos de D tengan areas que sumen una
cantidad < .
En la uni
on de los otros subrectangulos (un conjunto cerrado y acotado), f es
continua, luego uniformemente continua (teorema de Heine 3.3.16), as que puede
construirse una partici
on P   P con las dos propiedades siguientes:
1.

Los subrectangulos abiertos de P  que tienen puntos de D tienen areas que

suman < . Denotaremos a estos subrectangulos de tipo I.

2.

En los restantes subrectangulos Qij (que denotaremos de tipo II), se tiene Mij
mij < , donde Mij = sup {f (x, y) : (x, y) Qij } , y mij = inf {f (x, y) : (x, y)
Qij } .

Denimos ahora dos funciones escalonadas s y t en Q, de la forma

M, si (x, y) subrectangulos abiertos de tipo (I),

s(x, y) =

mij ,

t(x, y) =

si (x, y) subrectangulos abiertos de tipo (II).

M, si (x, y) subrectangulos abiertos de tipo (I),

Mij , si (x, y) subrectangulos abiertos de tipo (II).

Se tiene
s f t,
y


(t s) a(Q). + 2M = [a(Q) + 2M ] .
Q

Entonces, como > 0 es arbitrario, f es integrable en Q.

6.7.5.

Integraci
on de funciones acotadas definidas en dominios
m
as generales

Introducci
on
Hasta ahora, hemos desarrollado una teora de integraci
on de funciones de dos
variables denidas en rect
angulos. Obviamente esto no es suciente, pues en la mayor
parte de las aplicaciones las funciones a integrar est
an denidas en conjuntos m
as
generales.
302

Captulo 6. Integraci
on
Un procedimiento natural para extender la teora, con los elementos desarrollados
hasta ahora, a conjuntos acotados generales se establece a continuacion.
on acotada
Supongamos S un conjunto acotado en R2 , y f : S  R una funci
denida en S. Como S es acotado, lo consideramos contenido en un rect
angulo Q.
Denimos una extensi
on de f , denotada f, denida ahora en todo Q simplemente
haciendo que tome el valor

0 en Q \ S (ver la gura 6.30). La forma natural de denir



f es identicarla con Q f.
S

Figura 6.30: La extension f8 de f

Sin embargo, surge inmediatamente un problema. Recordemos el teorema 6.7.9:
una funci
on denida en un rect
angulo es integrable si el conjunto de puntos de discontinuidad tiene contenido nulo. Nuestra funci
on f tiene, ademas de los puntos de
discontinuidad que pudiera tener f , previsiblemente muchos de los de la frontera de
S (observar de nuevo la gura 6.30).
Resulta evidente ahora que la posibilidad de integrar f en S depende, no s
olo de
lo buenaque sea la funci
on, sino tambien de lo bueno que sea el conjunto S (es
decir, que tenga una frontera de contenido nulo).
Definici
on de la integral doble en un conjunto general
Lo que sigue formaliza lo que acabamos de decir.
angulo que lo
Definici
on 6.7.10 Sea S R2 un conjunto acotado. Sea Q un rect
contiene. Denimos

/ S,
0, si (x, y)
(6.125)
KS (x, y) =

1, si (x, y) S.
Tal funci
on recibe el nombre de funci
on caracterstica del conjunto S.
Definici
on 6.7.11 Una funci
on f : Q  R acotada se dice que es integrable en el
conjunto S Q cuando la funci
on [Link] es integrable en Q, y se dene


f :=
f KS .
S

303

6.7. Integraci
on m
ultiple
Lo dicho en la introducci
on a 6.7.5 implica, en particular, que si f es continua en S
y f es la extension

f (x, y), si (x, y) S,

f (x, y) =
(6.126)
0,
en otro caso,
f es continua en todo punto interior de S (pues en un entorno del mismo coinciden
f y f), as como en todo punto interior de Q \ S, mientras que el conjunto de puntos
de discontinuidad de f esta contenido en la frontera de S.
El siguiente resultado es ahora consecuencia inmediata del teorema 6.7.9.
Teorema 6.7.12 Sea f una funci
on real denida y acotada en un conjunto acotado
angulo
S R2 . Si f es continua en S y si la frontera F r(S) de S relativa a Q (un rect
que contiene a S) es de contenido nulo, f es integrable en S.
Algunos tipos de dominios
Daremos a continuaci
on una versi
on limitada de la teora de integraci
on en R2 ,
considerando s
olo funciones acotadas denidas en conjuntos s
olo de ciertos tipos,
suciente en la mayora de los casos para tratar las aplicaciones que se presenten.
Definici
on 6.7.13 (Regiones de tipo I) Se llaman regiones de tipo I a los conjuntos
S = {(x, y) R2 , a x b, 1 (x) y 2 (x), x [a, b]} ,
donde 1 y 2 son funciones continuas en [a, b] (ver la gura 6.31).

Figura 6.31: Region de Tipo I

Definici
on 6.7.14 (Regiones de tipo II) Se llaman regiones de tipo II a los conjuntos
T = {(x, y) R2 , c y d, 1 (y) x 2 (y), y [c, d]} ,
donde 1 y 2 son funciones continuas en [c, d] (ver la gura 6.32).
304

Captulo 6. Integraci
on

Figura 6.32: Region de Tipo II

Definici
on 6.7.15 (Regiones de tipo III) Se llaman regiones de tipo III a los
conjuntos que pueden descomponerse en un n
umero nito de regiones del Tipo I o
II.
El interes en el uso de tales regiones es que, precisamente, entran dentro de la
categora mencionada en el teorema 6.7.12: sus fronteras (relativas a rectangulos que
los contengan) tienen contenido nulo. Este es el objeto de la siguiente.
Proposici
on 6.7.16 Sea una funci
on real continua en un intervalo [a, b]. Entonces,
la gr
aca de tiene contenido nulo.
n. La gr
Demostracio
aca de es el conjunto
Graf() = {(x, y) : a x b, y = (x)} .
Fijado > 0, como es uniformemente continua en [a, b] (ver el teorema 3.3.16) se
tendr
a que existe > 0 tal que
si x1 , x2 [a, b] , con |x1 x2 | < , entonces |(x1 ) (x2 )| < .
Entonces, podemos denir una partici
on P de [a, b] , de modo que, en cada subintervalo
de P , el maximo y el mnimo de dieran en una cantidad < (ver la gura 6.33).
Entonces, claramente, Graf() uni
on de rectangulos cuyas areas suman una
cantidad < (b a). Como es arbitrario, Graf() tiene contenido nulo.


Podemos concluir el siguiente corolario (puesto que los segmentos de recta en R2
tienen contenido nulo):
Corolario 6.7.17 Las regiones de los tipos I, II, III tienen fronteras (relativas a
rect
angulos que las contengan) de contenido nulo.
El siguiente resultado permite reducir el c
alculo de una integral doble en una
region del Tipo I a una integral reiterada. Obviamente, se puede formular un resultado
an
alogo para una regi
on del Tipo II.
305

6.7. Integraci
on m
ultiple

Figura 6.33: La gr
aca tiene contenido nulo

Teorema 6.7.18 (de Fubini) Sea S una regi

on del tipo I, comprendida entre las
gr
acas de 1 y 2 en un intervalo [a, b] (ver la gura 6.34).
on real


Sea f una funci
denida y acotada en S, continua en S. Entonces existe S f, y puede calcularse
mediante integraci
on reiterada:




f (x, y)dxdy =
S

2 (x)

f (x, y)dy dx.

a

(6.127)

1 (x)

n. Sea Q = [a, b][c, d] un rect

Demostracio
angulo que contenga a S. Sea f : Q  R
denida por

0,
(x, y) Q \ S,

f (x, y) =
f (x, y) (x, y) S.
Entonces, el conjunto de puntos de discontinuidad de f esta contenido en F r(S), la

frontera de S. Resulta,


por el teorema 6.7.9

y el corolario 6.7.17, que f es integrable
on S f.
en Q, as que existe S f y, por denici
Fijado x [a, b], la funci
on de una variable y  f(x, y) denida en [c, d] tiene a
los sumo dos discontinuidades (en y = 1 (x) y en y = 2 (x)), luego es integrable.
Existe entonces

d

f(x, y) dy,

A(x) =

x [a, b] .

Si probamos que A es una funci

on integrable en [a, b] , podremos aplicar el teo
d
rema 6.7.5 y concluir que se verica (6.127), ya que, obviamente, c f(x, y)dy =

2 (x)
f (x, y)dy.
1 (x)
Veamos que A es una funci
on continua en [a, b]: jamos x0 [a, b] . Dado > 0,
como 1 y 2 son funciones continuas en un intervalo cerrado y acotado [a, b] , existe
 > 0 tal que si x [a, b] con |x x0 | <  , se tiene |i (x) i (x0 )| < , i = 1, 2.
Se tiene tambien que S es un conjunto cerrado y acotado, luego f es uniformemente
continua en el (ver el teorema 3.3.16), as que existe  > 0 de modo que si x S,
306

Captulo 6. Integraci
on

Figura 6.34:

x S, x x  <  , entonces |f (x) f (x )| < . Podemos tomar = mn(  ,  ) .

Resulta pues, tomando |x x0 | < , que


 d
 d




|A(x) A(x0 )| = 
f (x, y) dy
f (x0 , y) dy  =
 c

c


 d5
6 


= 
f(x, y) f(x0 , y) dy  =
 c




 1 (x0 )
1 (x0 )+
2 (x0 )

= 
+
+
+
1 (x0 )

2 (x0 )+

+
2 (x0 )

1 (x0 )

|| +

2 (x0 )+

+
2 (x0 )

2 (x0 )+





1 (x0 )+
1 (x0 )

|| +

1 (x0 )+


|| +

2 (x0 )
1 (x0 )+

|| +

d
2 (x0 )+

|| .

(6.128)

Analizaremos el comportamiento de cada una de las integrales en (6.128):



1 (x0 )





f (x, y) f(x0 , y) = 0,

(6.129)

pues si y [c, 1 (x0 ) ] resulta que (x0 , y)

/ S, pero tambien
y 1 (x0 ) 1 (x) + = 1 (x) ,
luego (x, y)
/ S.
An
alogamente,

d
2 (x0 )+





f (x, y) f(x0 , y) = 0,

(6.130)
307

6.7. Integraci
on m
ultiple
Por otra parte,


2 (x0 )
1 (x0 )+





f (x, y) f(x0 , y) =

2 (x0 )

=
1 (x0 )+

|f (x, y) f (x0 , y)| (d c)

(6.131)

en virtud de que (x0 , y) S, (x, y) S, cuando y [1 (x0 ) + , 2 (x0 ) ] .

Queda as por estudiar


1 (x0 )+
1 (x0 )

y tambien

2 (x0 )+
2 (x0 )





f (x, y) f(x0 , y)




f (x, y) f(x0 , y).





Pero como f(x, y) M , (x, y) Q, siendo M una cota de |f | en S, resulta que
cualquiera de estas dos integrales es menor o igual que 4M . Obtenemos, a partir de
(6.128), (6.129), (6.130), (6.131) y esta u
ltima armacion, que
|A(x) A(x0 )| (d c) + 8M = (d c + 8M ).

Esto concluye que A es continua en [a, b].

Interpretaci
on geom
etrica
Supongamos una funci
on f 0 denida y continua en una regi
on S de tipo I.
Sabemos (teorema 6.7.18) que f es integrable en S, y que


 
b

2 (x)

f (x, y)dxdy =
S

f (x, y)dy dx,

a

1 (x)



siendo S = (x, y) R2 : x [a, b] , 1 (x) y 2 (x) Q = [a, b] [c, d], siendo
1 , 2 funciones continuas en [a, b] (ver la gura 6.35).

(x)
Fijado x [a, b], resulta que 12(x) f (x, y)dy tiene como signicado geometrico 5el area de la l
aminavertical
rayada en la gura. Por tanto, geometricamente,
6

b
2 (x)
f (x, y)dy dx es el volumendel conjunto de ordenadas de f , es decir, del
a
1 (x)
conjunto


(x, y, z) R3 : (x, y) S, 0 z f (x, y) .
Esta interpretacion fue hecha ya, en el contexto de la integral de Riemann, y tambien
en relaci
on con el calculo de vol
umenes, en el apartado 6.4.3.
308

Captulo 6. Integraci
on

Figura 6.35: Interpretacion geometrica

6.7.6.

Aplicaciones geom
etricas de la integral doble

C
alculo de vol
umenes
A partir de la interpretaci
on geometrica que hicimos del concepto de integral
doble (ver 6.7.3 y 6.7.5), es claro que la aplicaci
on m
as inmediata es la del calculo de
vol
umenes.
Si una funci
on f : S  R esta denida en un subconjunto acotado de R2
y es integrable y positiva en S, se dene el volumen del conjunto de ordenadas
{(x, y, z) : (x, y) S, z = f (x, y)} (ver la gura 6.36) precisamente como

f,
S

y esta denici
on, por las consideraciones hechas, esta de acuerdo con nuestra intuici
on

Figura 6.36: Volumen

de volumen.
Ejemplo 6.7.19 Calcular el volumen del elipsoide
x2
y2
z2
+ 2 + 2 = 1.
2
a
b
c
309

6.7. Integraci
on m
ultiple
Por simetra, basta calcular el volumen comprendido en el primer cuadrante, es decir,
el del conjunto de ordenadas de la funci
on

x2
y2
f (x, y) = c 1 2 2 ,
a
b
(la raz tomada positiva) denida en


S=

x2
(x, y) : 0 x a, 0 y b 1 2
a

En virtud del teorema 6.7.18, se tiene


 
a


donde (x) := b 1

(x)

f=
S

f (x, y)dy dx,

0

x2
a2 .

Algunos conceptos fsicos expresables mediante integrales dobles

Haremos referencia en esta seccion a conceptos fsicos como los de centro de
gravedad, masa, momento de inercia, . . . , relativos a objetos planos. El lector no
tendr
a ninguna dicultad en adaptarlos al caso de objetos tridimensionales.
Supongamos n puntos materiales que ocupan en el plano R2 las posiciones dadas
por P1 , P2 , . . . , Pn . Supongamos que en Pi hay concentrada una masa mi , i =
1, 2, . . . , n. La masa total del sistema es
m :=

mi ,

i=1

y se llama centro de gravedad del mismo al punto

1 
mi P i .
m i=1
n

C :=
Observar que, si C = (
x, y), entonces

1 
x
=
mi xi ,
m i=1
n

1 
mi y i ,
m i=1
n

y =
si Pi = (xi , yi ), i = 1, 2, . . . , n.
310

Captulo 6. Integraci
on
Si ahora se trata de un cuerpo material cuya masa est
a distribuida en una cierta
region del plano S, debemos asociar a cada punto (x, y) S una densidad f (x, y)
(intuitivamente representa el lmite al que tiende el cociente m/s cuando s es el area
de un entorno del punto (x, y) y m su masa, tendiendo a cero el di
ametro del mismo).
En ese caso, se dene la masa total m (S) como

f (x, y)dxdy.
m(S) :=
S

Si a(S) =

S

dxdy denota el area de S, el cociente

m(S)/a(S)

se llama densidad media de la l

amina S

Esta es una generalizaci

on del siguiente concepto, denido para funciones reales
de variable real:
Definici
on 6.7.20 Si f es una funci
on integrable
f : [a, b] R
se dene A(f ), el valor medio de f en [a, b], mediante la f
ormula
1
A(f ) :=
ba

f (x)dx.
a

Se dene centro de gravedad de la l

amina S al punto P = (
x, y) cuyas coordenadas
vienen dadas por

x
.m(S) =
xf (x, y)dxdy,
S
yf (x, y)dxdy.
y.m(S) =
S

Sea L una recta en R2 . Se dene el momento de inercia de la l

amina S respecto a
L como

2 (x, y)f (x, y)dxdy,
IL :=
S

donde (x, y) es la distancia del punto (x, y) a L.

amina S respecto al origen a la suma
Se llama momento polar de inercia I0 de la l
de los dos momentos respecto a los ejes coordenados, es decir

I0 := Ix + Iy
(x2 + y 2 )f (x, y)dxdy.
S

311

6.8. Curvas e integrales de lnea

6.8.
6.8.1.

Curvas e integrales de lnea

Curvas y caminos en Rn

Definiciones
En la denici
on 4.2.16 introdujimos los conceptos de curva y camino en Rn . Un
camino : [a, b]  Rn continuamente diferenciable tambien se suele llamar regular.
Se dice que es un camino regular a trozos cuando existe una partici
on15 P de [a, b]
(el conjunto de todas las particiones de [a, b] se denotar
a por P [a, b]) tal que es
regular en cada uno de los subintervalos de la partici
on. La gura 6.37 representa un
camino regular a trozos:
(b)
:
:

:
-

(a)

Figura 6.37: camino regular a trozos

Es usual asociar a ciertos conceptos de la teora de curvas nombres provenientes
de la cinematica.
Definici
on 6.8.1 Si
: [a, b] Rn
es un camino diferenciable en un punto t, entonces  (t) se suele llamar vector velocidad en el punto (t), representado a veces como v(t), y su norma  (t) velocidad
escalar, representada a veces como v(t). Caso que el camino tenga derivada segunda
en un punto t, entonces  (t) recibe el nombre de vector aceleracion.
Se llama vector tangente unitario a
T(t) :=

 (t)
 (t)

(6.132)

cuando  (t) = 0, y vector normal principal a

N(t) :=

T (t)
T (t)

(6.133)

cuando T (t) = 0 (ver la gura 6.38).

15 El concepto de partici
on y de norma de una partici
on fue introducido en la definici
on 6.3.1, a
la que remitimos para las notaciones.

312

Captulo 6. Integraci
on

N (t)

>

(t)

T (t)
q
q
w

 (t)

z
(b)

(a)

Figura 6.38: El vector tangente y el vector normal

Proposici
on 6.8.2 En el caso en que  (t) = 0 y  (t) = 0, t [a, b], los vectores
tangente unitario y normal principal son perpendiculares.
n. Se tiene
Demostracio
2

< T(t), T(t) >= T(t) = 1,

t [a, b] ,

y, derivando respecto a t,
< T (t), T(t) > + < T(t), T (t) >= 0,
es decir

2 < T (t), T(t) >= 0,

t [a, b] ,

t [a, b] ,

y se tiene que T(t) y T (t) son perpendiculares.

Definici
on 6.8.3 Como consecuencia de la proposici
on 6.8.2, T(t) y N(t) (caso de
que existan) son linealmente independientes, as es que generan un plano, llamado
plano osculador.
Proposici
on 6.8.4 El vector aceleraci
on pertenece al plano osculador.
n.  (t) = T(t).  (t) = v(t).T(t). Por tanto,
Demostracio
 (t) = v  (t).T(t) + v(t).T (t) =
= v  (t).T(t) + v(t). T (t) .N(t).

(6.134)

Definici
on 6.8.5 Los coecientes de la aceleraci
on  (t) en la f
ormula (6.134) respecto a los vectores T(t) y N(t) se llama, respectivamente, componentes tangencial y
normal de esta.
313

6.8. Curvas e integrales de lnea

Concepto de longitud de arco
Como siempre, sea : [a, b]  Rn un camino.
Definici
on 6.8.6 Se dice que (o la curva imagen C) es recticable si existe un
n
umero M > 0 de modo que
|(P )| =

(ti ) (ti1 ) M,

(6.135)

i=1

para cualquier partici

on P := {a = t0 < t1 < ... < tn = b} del intervalo [a, b] (simb
olicamente, P P [a, b]).
En el caso en que la curva sea recticable, se dene su longitud como
(a, b) = sup {|(P )| : P P [a, b]} .

(6.136)

Se observar
a que la f
ormula (6.135) denota la longitud de la poligonal asociada a la
partici
on P (ver la gura 6.39).

(t1 )


*
(t2 )

W
(b) = (t3 )

(a) = (t0 )

Figura 6.39: Poligonal asociada a la partici

on P
Observar que es recticable exactamente cuando es de variaci
on acotada, resultando que la longitud no es otra cosa que su variaci
on total (ver la denici
on
6.3.2).
Proposici
on 6.8.7 Sea : [a, b]  Rn un camino tal que y  sean funciones
integrables en [a, b] . Entonces

 
 b

b


(t)dt 
(t) dt.
(6.137)

 a

a


n. Sea C = ab (t)dt en el caso en que C = 0 (en otro caso no hay
Demostracio
nada que demostrar). Entonces
C
314

= < C, C >=

Captulo 6. Integraci
on


= < C,

(t)dt >=
a


< C, (t) > dt

b
a

|< C, (t) >| dt

C . (t) dt =

(por la desigualdad de Cauchy-Schwarz)

a

(t) dt.

= C
a

Dividiendo el primer y u
ltimo termino de la anterior cadena de desigualdades por
C resulta
 


 b
b


(t)dt 
(t) dt.


 a
a


El siguiente resultado da una condici
on para que un camino sea recticable. Resultar
a mas adelante (corolario 6.8.13) que la desigualdad (6.138) en realidad es una
igualdad.
Proposici
on 6.8.8 Sea : [a, b]  Rn un camino tal que la velocidad v sea continua.
Entonces es recticable, y se tiene
 b
v(t)dt.
(6.138)
(a, b)
a

n.
Demostracio
|(P )|



n  t1




=
(ti ) (ti1 ) =
 (u)du

 ti1

i=1
i=1
 b
n  t1
n  t1



(u) du =
v(u)du =
v(u)du.
n


i=1

ti1

i=1

ti1

Observar que la primera desigualdad es consecuencia de la proposicion anterior.

La siguiente propiedad es fundamental. Asegura que la longitud de un arco que
esta compuesto de otros dos es la suma de la de ambos.
Proposici
on 6.8.9 (Aditividad de la longitud de arco) Sea : [a, b]  Rn un
camino, con a < c < b. Entonces,
(a, b) = (a, c) + (c, b).

(6.139)

n. Sea P1 P [a, c] y P2 P [c, b] . Entonces, si P := P1 P2 , resulta

Demostracio
P P [c, b] . Obviamente,
|(P1 )| + |(P2 )| = |(P )| (a, b).
315

6.8. Curvas e integrales de lnea

Por tanto,
|(P1 )| (a, b) |(P2 )| .

(6.140)

on de
Haciendo variar en (6.140) la partici
on P1 en P [a, c] , obtenemos, por denici
longitud,
(a, c) (a, b) |(P2 )| .
(6.141)
Resulta, de (6.141),
|(P2 )| (a, b) (a, c),

(6.142)

ormula (6.142),
as que, haciendo variar P2 en P [c, b] en la f
(c, b) (a, b) (a, c),
es decir,
(a, c) + (c, b) (a, b).
Para obtener la desigualdad contraria, sea P P [a, b] . As, P {c} es la uni
on
de dos particiones, P1 P [a, c] y P2 P [c, b] . Es inmediato que
|(P )| |(P1 )| + |(P2 )| (a, c) + (c, b).

(6.143)

Haciendo variar P en P [a, b] en (6.143), obtenemos

(a, b) (a, c) + (c, b).

Definici
on 6.8.10 Sea : [a, b]  Rn un camino. Se dene la funci
on longitud de
arco como

s(t) := (a, t), t ]a, b] ,
s(a) := 0,
donde est
a denida por (6.136) (ver la gura 6.40).

S(t)
(a)

^
U

(t)

W
(b)

Figura 6.40: Longitud de arco

La siguiente propiedad es consecuencia de la proposici
on 6.8.9:
316

Captulo 6. Integraci
on
on longitud
Proposici
on 6.8.11 Si : [a, b]  Rn es un camino recticable, la funci
de arco es mon
otona no decreciente.
n. Sea a t1 t2 b. Entonces
Demostracio
s(t2 ) s(t1 ) = (a, t2 ) (a, t1 ) = (t1 , t2 ) 0.


Podemos ahora establecer el resultado que anunci
abamos inmediatamente antes de
la proposici
on 6.8.8. Es f
acil de recordar; indica que la derivada de la funci
on longitud
es, simplemente, la velocidad escalar.
Teorema 6.8.12 Si : [a, b]  Rn es un camino tal que v es continua, se tiene
s (t) = v(t),

t [a, b] .

(6.144)

n. Denimos la funci
Demostracio
on
 t
v(u)du, t [a, b] .
f (t) =
a

Por el Teorema Fundamental del C

alculo Integral 6.3.15 se tiene
f  (t) = v(t),

t [a, b] .

Por otra parte, y teniendo en cuenta que {t, t + h} es una partici

on particular de
[t, t + h] en el caso en que h > 0 (si h < 0 se razona an
alogamente),


 (t + h) (t) 

 (t, t + h) = s(t + h) s(t)


h
h
h


t+h
f (t + h) f (t)
1
=
.
(6.145)

v(u)du
h
h
t
Cuando h 0, el primer miembro de (6.145) tiende a  (t) = v(t), mientras que el
u
ltimo lo hace a f  (t) = v(t). Por tanto, tambien
s(t + h) s(t)
h
lo hace hacia v(t). Es decir, s (t) = v(t).

El siguiente resultado es una consecuencia inmediata del teorema anterior:

Corolario 6.8.13 Si : [a, b]  Rn es un camino tal que v es continua, se tiene


(a, b) =

v(t)dt

(6.146)

317

6.8. Curvas e integrales de lnea

6.8.2.

Integrales de lnea

Definiciones
Definici
on 6.8.14 Sea : [a, b]  Rn un camino regular a trozos en Rn . Sea f
una funci
on denida y acotada sobre la imagen C de (es decir, la correspondiente
curva), con valores en Rn . Se dene la integral de lnea de f a lo largo de como


f d =

f [(t)]  (t)dt,

(6.147)

cuando la integral del segundo miembro exista ( denota el producto escalar eucldeo
en Rn ).
Otras notaciones para las integrales de lnea se derivan de la expresion (6.147)
en funci
on de sus coordenadas: Si f = (f1 , . . . , fn ), = (1 , . . . , n ), la integral del
segundo miembro de (6.147) es
9
 b 
n

fi [(t)] i (t) dt,
a

i=1

por lo que la integral curvilnea tambien se denota por


f1 d1 + f2 d2 + . . . + fn dn .

(6.148)

Cuando el camino es cerrado (es decir, (a) = (b)), se suele utilizar

:

En lo que sigue, sera siempre un camino regular a trozos,

: [a, b]  Rn
Propiedades elementales de la integral de lnea
1.

Linealidad. Sean f y g dos funciones denidas y acotadas

sobre



la curva asociada a , tales que existan las integrales de lnea C f d y C g d. Si p y
q son dos n
umeros reales, entonces existe la integral de lnea

(pf + qg) d,
C

y su valor es


f d + q

p
C

318

g d
C

Captulo 6. Integraci
on
2.

Aditividad respecto del camino. Dado el camino regular a trozos : [a, b] 

Rn y dado c [a, b], denimos dos caminos regulares a trozos
1 : [a, c]  Rn ,
2 : [c, b]  Rn ,
simplemente como la restriccion de a cada uno de los correspondientes intervalos. Denotamos las correspondientes curvas por C1 y C2 , respectivamente. Se
tiene entonces, para una funci
on f denida y acotada sobre la imagen de ,



f d =
f d1 +
f d2 ,
C

C1

C2

cuando la primera integral existe. Tambien, si existen las dos integrales del
segundo miembro, existe la del primero y se verica la igualdad.
3.

Comportamiento de la integral de lnea respecto a un cambio de

par
ametro. Sean y dos caminos regulares a trozos,
: [a, b]  Rn ,
: [c, d]  Rn .
Se dice que y son equivalentes cuando existe una aplicaci
on u de [c, d] sobre
[a, b] de modo que sea derivable y se tenga u (t) = 0, t [c, d], y tal que
[u(t)] = (t),

t [c, d] .

Sea f denida y acotada sobre la imagen C de (que coincide con la imagen

de ). Entonces, si existe una de las integrales curvilneas existe la otra, y se
verica


f d =
f d,
C

en el caso u (t) > 0, t [c, d] (en cuyo caso se dice que y recorren C en
la misma direcci
on) mientras que


f d =
f d
C

si u (t) < 0, t [c, d] (en cuyo caso se dice que y recorre C en direcciones
opuestas).
Integrales de lnea con respecto a la longitud de arco
Definici
on 6.8.15 Sea : [a, b]  Rn un camino continuamente diferenciable (por
tanto, en virtud de la proposici
on 6.8.8, recticable). Sea C la curva imagen. Sea
: C  R una funci
on acotada denida en C. En la denici
on 6.8.6 se ha introducido
319

6.8. Curvas e integrales de lnea

el concepto de longitud de arco, y se ha introducido la funci
on s. Se dene la integral
de lnea respecto a la longitud de arco como


ds =

[(t)] s (t) dt,

(6.149)

cuando la integral del segundo miembro existe.

Observar que, en este caso (ver el teorema 6.8.12), la funci
on s (t) coincide con la
funci
on velocidad escalar asociada a la descripcion parametrica de la curva. Observar
que la integral en (6.149) es una integral de Riemann-Stieltjes en el sentido del teorema
6.3.16.
on
Un caso particular merece ser considerado: Supongamos f : C  Rn una funci
acotada denida en C. Recordemos que el vector tangente unitario T(t) a la curva
viene denido como
 (t)
.
T(t) :=
 (t)
Denimos la funci
on sobre C como [(t)] = f [(t)] T(t), t [a, b] , donde,
como siempre, denota el producto escalar eucldeo. Entonces,



ds

f [(t)] T(t).v(t)dt =

[(t)] s (t) dt =


f [(t)] (t)dt =

f d.

(6.150)

La integral de lnea con respecto a la longitud de arco aparece as como integral de

lnea en el sentido usual (denici
on 6.8.14).
Definici
on 6.8.16 La integral del primer miembro de (6.150),


< f , T >ds.
a

se llama integral de ujo a lo largo de C, mientras que si C es cerrada, este mismo

concepto se denomina circulacion de f a lo largo de C.
Conceptos fsicos expresables mediante integrales de lnea
En este parrafo se dan algunos ejemplos de conceptos fsicos expresables mediante integrales de lnea. Tambien se incluyen algunos que usan las integrales de lnea
respecto a la longitud de arco.
1.

Concepto de trabajo.
Sea una partcula que se mueve a lo largo de una curva C en Rn y esta sometida
a un campo de fuerzas.

320

Captulo 6. Integraci
on
Definici
on 6.8.17 Un campo vectorial (tambien llamado campo de fuerzas
on f : Rn  Rn .
cuando n = 2 o n = 3) en Rn es una funci
As, a cada punto de Rn le hace corresponder un vector de Rn ; la gura 6.41
visualiza un campo de fuerzas en R2 ).
-

:
-

q
U

Figura 6.41: Un campo de fuerzas en R2

Supongamos que la curva C es la imagen de un camino : [a, b] Rn regular
a trozos.
Definici
on 6.8.18 Se dene el trabajo realizado por el campo f contra la
partcula (o necesario para transladar la partcula a lo largo de C desde (a)
hasta (b)) como

W =
f d
(6.151)
C

Definici
on 6.8.19 Un campo de fuerzas se llama conservativo cuando el trabajo realizado para transladar una partcula de un punto p0 a un punto p1 no
depende del camino, sino tan solo de los puntos p0 y p1 .
Proposici
on 6.8.20 Un campo constante es conservativo.
n. Sea f (x) = c, x Rn , siendo c un cierto punto de Rn . Sea
Demostracio
: [a, b]  Rn un camino de imagen C tal que (a) = p0 , (b) = p1 . Resulta

W

C
b

=
a

f d =

f [(t)]  (t)dt =

[c1 1 (t) + ... + cn n (t)] dt =

b
a

n

i=1

c  (t)dt =


ci

i (t)dt =

ci [i (b) i (a)] = c [(b) (a)] = c (p1 p0 ),

i=1

expresion esta u
ltima que no depende de .

321

6.8. Curvas e integrales de lnea

Ejemplo de un campo no conservativo: Sea

f (x, y) = ( y, x3 + y),

(x, y) R2 ,

y 0.

Es f
acil ver que el trabajo realizado para desplazar una partcula de (0,0) a
(1,1),
a) a lo largo del camino : [0, 1]  R2 ,
b)

a lo largo del camino : [0, 1]  R ,

(t) = (t, t),

(t) = (t2 , t3 ),

es distinto.
2.

Masa de un cable. Centro de gravedad. Momento de inercia respecto a un eje.

Definici
on 6.8.21 Si un cable de densidad lineal (x, y, z) ocupa la posici
on
de una curva C, se dene su masa como

(x, y, z)ds.
(6.152)
m=
C

y su centro de gravedad como el punto (x0 , y0 , z0 ) dado por

1
x0 = m
x(x, y, z)ds,

1
y(x, y, z)ds,
y0 = m
C

1
z0 = m
z(x, y, z)ds.
C

(6.153)

El momento de inercia respecto a un eje L se dene como



2 (x, y, z)(x, y, z)ds

IL =

(6.154)

donde (x, y, z) denota la distancia del punto (x, y, z) al eje L.

6.8.3.

Teorema de Green en el plano

El siguiente resultado permite evaluar integrales dobles sobre un cierto recinto

mediante integrales de lnea sobre la frontera de dicho recinto. Las aplicaciones te
oricas
y pr
acticas de este son indudables.
Aunque el resultado es v
alido en condiciones m
as amplias de las que consideraremos, nos limitaremos a enunciarlo para regiones acotadas por curvas de Jordan
regulares a trozos, y lo demostraremos s
olo para ciertas regiones particulares, lo que
es suciente para la mayora de los casos con los que el lector se tendra que enfrentar.
322

Captulo 6. Integraci
on
Curvas de Jordan
Definici
on 6.8.22 Sea : [a, b]  R2 un camino. La curva imagen se dice que es
una curva de Jordan cuando es continua, inyectiva en [a, b[ y (a) = (b).
Es posible demostrar que una curva de Jordan divide el plano R2 en dos regiones;
una de ellas es acotada, y se llama interior a la curva, y la otra no acotada, llamada
exterior.
Es necesario tambien, para nuestros prop
ositos, asignar una direcci
on al recorrido
de una tal curva. Aunque lo que sigue no es muy preciso, para el tipo de regiones que
consideraremos no hay ambig
uedad:
Se dice que la curva de Jordan se recorre en sentido contrario a las agujas de un
reloj cuando la regi
on acotada siempre queda a la izquierda (ver la gura 6.42).
(a)
9
q

=
(b)


-

Figura 6.42: Curva de Jordan recorrida en sentido contrario al de las agujas del reloj

Teorema 6.8.23 (de Green) Sean P y Q funciones reales continuamente diferenciables denidas en un conjunto abierto S de R2 . Sea C una curva de Jordan regular
a trozos. Sea R la regi
on acotada determinada por esa curva, y supongamos que C R
este contenida en S. Entonces
 
R

Q P

x
y

:
P dx + Qdy

dxdy =

(6.155)

donde la integral de lnea de segundo

miembro debe entenderse de la siguiente forma:
corresponde a la f
ormula (6.147) C f d donde f = (P, Q) y C es la imagen de un
camino que la recorre en el sentido contrario a las agujas del un reloj.
n. Obviamente, probar (6.155) equivale a probar simult
Demostracio
aneamente
(6.156) y (6.157), donde
:

Q
dxdy =
Qdy,
(6.156)
R x
C
:

P
dxdy =

P dx,
(6.157)
R y
C
323

6.8. Curvas e integrales de lnea

pues basta tomar Q = 0 en (6.155) para obtener (6.156), P = 0 para obtener (6.157)
y recprocamente, sumar (6.156) y (6.157) para obtener (6.155).
Como (6.156) y (6.157) se prueban de forma similar, nos limitaremos a hacerlo con
(6.157). S
olo consideraremos regiones de Tipo III (ver la denicion 6.7.15), y como
ellas estan formadas por regiones de Tipo I y II (ver las deniciones 6.7.13 y 6.7.14),
lo haremos para las primeras, siendo para las segundas similar.
As, nuestra regi
on es la representada en la gura 6.43, donde hemos se
nalado el
sentido del recorrido. Se trata, pues, de demostrar
:

P
dxdy =
P dx
(6.158)

R y
C
C3


6
C4

?
-

C2
6

C1

b
Figura 6.43: Teorema de Green

La curva C se compone de cuatro fragmentos, que hemos se

nalado en la gura
6.43 como C1 , C2 , C3 y C4 , respectivamente. Por tanto,
:
:
:
:
:
P dx =
P dx+
P dx+
P dx+
P dx.
(6.159)
C

C1

C2

C3

C4

La integral de lnea que aparece en el
segundo miembro de (6.158) corresponde a una

integral de la forma (6.147), es decir C f d donde f = (P, Q).
Comenzaremos analizando el primer miembro de (6.158):

P

dxdy.
R y
La utilizaci
on del teorema 6.7.18 permite escribirlo como

 b  g(x)

P
P
dxdy =
(x, y)dy dx =

R y
a
f (x) y
 b
=
{P [x, g(x)] P [x, f (x)]} dx.

(6.160)

Analizaremos el segundo miembro de (6.158), es decir, las cuatro integrales que aparecen en el segundo miembro de (6.159).
324

Captulo 6. Integraci
on
Una posible parametrizacion del camino C1 sera 1 : [a, b]  R2 denida por
1 (t) = (t, f (t)), t [a, b], con lo que

 b
P dx =
P (t, f (t))dt.
C1

An
alogamente, si parametrizamos C3 mediante un camino 3 : [a, b]  R2 para que C3
se recorra en el sentido esperado, deniendo, por ejemplo 3 (t) = [a+bt), g(a+bt)],
t [a, b], obtenemos
 b

P dx =
P (t, g(t))dt.
a

C3

Una parametrizaci
on de C2 podra ser
2 (t) = [b, f (b) + t [g(b) f (b)]], t [0, 1].


alogamente C4 P dx =0. Finalmente obtenemos
Resulta que C2 P dx =0. An


:
C

P dx =

P (t, f (t)) dt
a

P (t, g(t)) dt.

(6.161)

Las formulas (6.160) y(6.161) proporcionan el resultado. La correspondiente igualdad para Q se demuestra analogamente.
La demostracion para regiones del tipo II es similar. Obtenemos as la validez del
Teorema de Green para regiones que pueden descomponerse en un n
umero nito de
subregiones del tipo I o del tipo II, regiones que hemos llamado de Tipo III.

Una aplicaci
on al c
alculo de
areas
Supongamos que en el teorema 6.8.23 se toma P (x, y) = y2 , y Q(x, y) = x2 .
Entonces, (6.155) proporciona

:
1
dxdy =
ydx + xdy.
2 C
R



Teniendo en cuenta que R dxdy tiene como signicado geometrico el area de la
region R, resulta que
:
1
area de R =

ydx + xdy
(6.162)
2 C
Ejemplo 6.8.24
area de una elipse.
Sea la elipse C de ecuacion

x2
y2
+ 2 = 1.
2
a
b
Observar que una posible parametrizaci
on de dicha curva viene dada por
: [0, 2] 
R2

(a cos , b sen )

(6.163)
325

6.9. Cambio de variable en integraci

on doble
estando recorrida C en;sentido contrario de las agujas del reloj. Por
un

tanto, seg

es una integral de lnea C f d donde

(6.141) basta calcular 12 C ydx + xdy. Esta
f (x, y) = (y, x), y viene dada por (6.163). As,
:

1
1 2
ydx + xdy =
(b. sen , a. cos ) (a. sen , b. cos )d,
2 C
2 0
donde denota el producto escalar eucldeo. Resulta

1 2
abd = ab.
2 0
Ejemplo 6.8.25 (c
alculo de un trabajo) Se trata de calcular el trabajo realizado
para desplazar una partcula en torno a una elipse de ecuaci
on 4x2 + y 2 = 4 en un
campo de fuerzas f (x, y) = (y + 3x, 2y x), en la direcci
on representada en la Figura
6.44.

?


Figura 6.44: La elipse de ecuacion 4x2 + y 2 = 4

Se trata, pues, de calcular

:
W =

f d,

donde f (x, y) = [P (x, y), Q(x, y)] = (y + 3x, 2y x), y es un camino describiendo la
curva en cuesti
on. En virtud del Teorema de Green 6.8.23, podemos escribir, siendo
R la regi
on encerrada por C,

 
:

Q P

P dx + Qdy =
W =
f d =
dxdy =
x
y
C
R


(1 1)dxdy = 2
dxdy = 2. area (R) = 4.
=
R

6.9.

Cambio de variable en integraci

on doble

Demostraremos una version limitada de la f

ormula de cambio de variable en integrales dobles. Se trata b
asicamente de lo siguiente: hay denida una funci
on f en una
326

Captulo 6. Integraci
on
region S del plano OXY y se proporciona una aplicaci
on (X, Y ) del plano uv en el
plano xy de modo que una cierta regi
on T del plano uv se transforma en S. Entonces
puede considerarse la funci
on compuesta f (X, Y ) : T  R.
S

v
6

T
(X, Y )

-u

- R

-x

Figura 6.45: La transformaci

on (X, Y )



Podemos ahora, en ciertas circunstancias, expresar la integral S f como la integral de la funci
on compuesta f (X, Y ) en T , con un cierto factor de conversi
on,
que de alguna forma, proporciona una medida del grado de deformaci
on al que la
transformaci
on (X, Y ) somete al plano uv. Este factor es |J(u, v)|, el valor absoluto
del Jacobiano de la transformaci
on, denido por


X/u X/v
J(u, v) = det
.
Y /u Y /v
Una forma de interpretar correctamente el papel de |J(u, v)| es observar la formula
(6.166): el primer miembro es el area de un rect
angulo R en el plano xy. La f
ormula
de cambio de variable aparece, para situaciones que inmediatamente especicaremos,
como


f (x, y)dxdy =
f [X(u, v), Y (u, v)] |J(u, v)| dudv.
(6.164)
S

Precisamente se tiene el siguiente

Teorema 6.9.1 (del Cambio de Variable) Sean T y S regiones cerradas y acoa contenida en un
tadas en R2 limitadas por curvas de Jordan regulares a trozos. S est
rect
angulo R donde se encuentra denida una funci
on (U, V ) : R  R2 cuya imagen
on de R
R contiene a T = (U, V )(S). Se supone tambien que (U, V ) es una biyecci
on inversa (X, Y ), siendo X e Y funciones con derivadas
sobre R , luego tiene funci
segundas continuas. Si f : S  R tiene un conjunto de puntos de discontinuidad de
contenido nulo y J(u, v) = 0, (u, v) R , entonces


f (x, y)dxdy =
f [X(u, v), Y (u, v)] |J(u, v)| dudv
(6.165)
S

n. Realizaremos primero la demostracion de un caso particular. PosDemostracio

teriormente veremos que el caso general del enunciado puede deducirse a partir de
este.
327

6.9. Cambio de variable en integraci

on doble
1.

Caso particular:
S es un rect
angulo R en el plano xy.
Algunas observaciones son importantes: Supongamos que J(u, v) pueda cambiar
de signo en R , digamos que hay dos puntos, (u1 , v1 ) y (u2 , v2 ), en R con
J(u1 , v1 ) < 0 y J(u2 , v2 ) > 0. El punto (ui , vi ) corresponde a un punto (xi , yi )
del rectangulo R, i = 1, 2. Sea una curva continua en R que une (x1 , y1 ) con
(x2 , y2 ). La imagen por (U, V ) es una curva continua en R que une (u1 , v1 ) con
(u2 , v2 ). Entonces, por el Teorema de los Valores Intermedios (teorema 3.2.22),
on. As, J(u, v) no
hay un punto de R donde J(u, v) se anula, una contradicci
cambia de signo en R . Podemos suponer, para precisar ideas, que J(u, v) > 0,
(u, v) R . En otro caso, la demostracion se hace similarmente.
a) Supongamos f 1.
Se trata entonces de probar que


dxdy =
R

que, en nuestro caso, se convierte en



dxdy =
R

|J(u, v)| dudv,

(6.166)

|J(u, v)| dudv.

(6.167)

Para demostrar (6.166) aplicaremos el Teorema de Green (teorema 6.8.23)

a la primera integral (con Q(x, y) = x, P (x, y) = 0, (x, y) R). Se
obtiene


 
:
:
Q P

dxdy =
P dx + Qdy =
xdy,
dxdy =
x
y
R
R
C
C
(6.168)
donde la integral de lnea se toma a lo largo del contorno C de R recorrido
en sentido positivo, es decir, contrario a las agujas del reloj.
Si ahora lo aplicamos tambien a la segunda integral en (6.166), y teniendo
en cuenta que
J(u, v)

=
=
=

obtenemos

X Y
X Y

=
u v
v u
X Y
2Y
2Y
X Y
+X 2 X 2
=
u v
v
v


 v u

Y
X

X
,
u
v
v
u


J(u, v) dudv =
R

328

Captulo 6. Integraci
on







Y
=
X

X
dudv =
v
v
u
R u


:
Y
Y
du + X
dv ,
(6.169)
X
=
u
v

C


donde C es el contorno de R y la integral de lnea del segundo miembro

en (6.168) es a lo largo de C recorrido en sentido positivo (si J(u, v)
hubiera sido negativo en R , el efecto hubiera sido que C sera recorrido
en sentido negativo).
Para completar la demostracion de este caso particular, basta pues probar
que el valor de la integral del segundo miembro en (6.168) coincide con el
de la del primer miembro de (6.166). Para realizar el c
alculo efectivo de la
integral de lnea introduciremos una parametrizaci
on de C : sea : [a, b] 
on, digamos (t) = (u(t), v(t)), t [a, b]. La
C una tal parametrizaci
funci
on compuesta = (X, Y ) es una parametrizaci
on de C. Basta
ahora usar las deniciones:

: 
Y
Y
du + X
dv =
X
u
v
C
 b
Y
=
[u(t), v(t)]u (t)+
X[u(t), v(t)]
u
a

Y
[u(t), v(t)]v  (t) dt.
(6.170)
+ X[u(t), v(t)]
v
Por otra parte,
:

f [(t)]  (t)dt,

f d =

xdy =
C

donde f = (0, Q), siendo Q(x, y) = x, as que f = [(t)] = (0, X [u(t), v(t)]).
Ademas,

X
X

(t) =
[u(t), v(t)] u (t) +
[u(t), v(t)] v  (t),
u
v

Y
Y
[u(t), v(t)] u (t) +
[u(t), v(t)] v  (t) .
u
v
Obtenemos, por tanto,
:


xdy
C

Y
(u(t), v(t))u (t)+
u
a

Y

(u(t), v(t))v (t) dt,
+X(u(t), v(t))
v
X(u(t), v(t))

luego la igualdad (6.170).

329

6.9. Cambio de variable en integraci

on doble
b)

Supongamos ahora que f sea una funci

on escalonada s.
Probaremos que


s(x, y)dxdy =
s [X(u, v), Y (u, v)] |J(u, v)| dudv,

(6.171)

que, en nuestro caso adopta la forma



s(x, y)dxdy =
s [X(u, v), Y (u, v)] J(u, v)dudv.

(6.172)

Para ello, sea P una partici

on de R en m n subrectangulos Rij de dimensiones xi .yj , siendo cij el valor que toma s en el interior de Rij .
Haremos uso de lo demostrado en la parte 1.:


dxdy = xi yj =
J(u, v)dudv.

Rij

Rij

Multiplicando ambos miembros por cij y sumando para i, j, resulta


n 
m

s(x, y)dxdy =
cij xi .yj =
R

i=1 j=1

n 
m



cij

Rij

i=1 j=1
n 
m 


Rij
i=1 j=1


n 
m

i=1 j=1



Rij

J(u, v)dudv =

cij J(u, v)dudv =

s [X(u, v), Y (u, v)] J(u, v)dudv =

s [X(u, v), Y (u, v)] J(u, v)dudv,

=
R

c)

que es la f
ormula (6.172).
Sea f ahora una funci
on como en el enunciado.
Sean s y t funciones escalonadas en R tales que s f t. Entonces,
(u.v) R ,
s [X(u, v), Y (u, v)] f [X(u, v), Y (u, v)] t [X(u, v), Y (u, v)] .

Multiplicaremos estas desigualdades por J(u, v). Esta

es una funci
on con
tinua en R , luego f [X(u, v), Y (u, v)] J(u, v), as como el producto de una
funci
on escalonada por J(u, v), resulta una funci
on cuyo conjunto de puntos
de discontinuidad en R es de contenido nulo, luego integrable. Integrando
las desigualdades resultantes y usando la ley de monotona:

s [X(u, v), Y (u, v)] J(u, v)dudv
R

330

Captulo 6. Integraci
on




f [X(u, v), Y (u, v)] J(u, v)dudv

t [X(u, v), Y (u, v)] J(u, v)dudv.

Usando ahora la parte 2., resulta


s(x, y)dxdy
R


f [X(u, v), Y (u, v)] J(u, v)dudv

R
t(x, y)dxdy.

Observar que
nico n
umero real compren

f es integrable en


R, as que el u
dido entre R s(x, y)dxdy y R t(x, y)dxdy,
para
cualesquiera
funciones



escalonadas s f t, es precisamente R f (x, y)dxdy. Obtenemos, por
tanto,


f (x, y)dxdy =
f [X(u, v), Y (u, v)] J(u, v)dudv.
(6.173)
R

2.

Caso general:
Sean ahora S, T , R, R y f como en el enunciado Denimos f : R  R como

f (x, y), si (x, y) S,
f(x, y) =
0
si (x, y) R \ S.
Entonces f sigue teniendo un conjunto de puntos de discontinuidad de contenido
nulo. Aplicando a f lo ya demostrado en el caso particular obtenemos


f(x, y)dxdy =
f [X(u, v), Y (u, v)] J(u, v)dudv,
R

luego, por denici

on,


f (x, y)dxdy =
f [X(u, v), Y (u, v)] J(u, v)dudv.
S

6.10.

Superficies e integrales de superficie

6.10.1.

Representaciones de una superficie en R3

Definiciones
Una supercie S es un subconjunto de R3 . Puede representarse de diversas formas.
331

6.10. Superficies e integrales de superficie

Definici
on 6.10.1 (Representaci
on implcita) Una supercie S est
a representada implcitamente cuando se puede escribir
S := {(x, y, z) : F (x, y, z) = 0} ,
donde F es una cierta funci
on denida en un subconjunto de R3 y con valores en R.
Se describe as S como el n
ucleo de F .
Definici
on 6.10.2 (Representaci
on explcita) Una supercie S est
a representada explcitamente cuando se puede escribir
S := {(x, y, z) : z = f (x, y)} ,
donde f es una cierta funci
on denida en un subconjunto de R2 y con valores en R.
Se describe as S como gr
aca de una funci
on f .
Definici
on 6.10.3 (Representaci
on param
etrica) Una supercie S est
a representada parametricamente cuando se puede escribir


S := (x, y, z) : x = X(u, v), y = Y (u, v), z = Z(u, v), (u, v) T R2 ,
siendo T un cierto subconjunto de R2 y X, Y , Z funciones de T en R. Esta u
ltima
forma puede escribirse tambien como


S := x = r(u, v) : (u, v) T R2 ,
donde
r(u, v) = X(u, v)i + Y (u, v)j + Z(u, v)k = [X(u, v), Y (u, v), Z(u, v)]
es una funci
on de T en R3 , siendo i, j, k los tres vectores de la base can
onica. Esta
representaci
on de una supercie tambien se llama representacion vectorial.
Ejemplos
1.

Esfera.
La representacion implcita de una esfera de radio r centrada en el origen en R3
es
F (x, y, z) = x2 + y 2 + z 2 r2 = 0.
El hemisferio norte [sur] puede representarse explcitamente por
5
6
z = f (x, y) = (x2 + y 2 )1/2 z = f (x, y) = (x2 + y 2 )1/2 .
Una posible representacion parametrica de una esfera es
x = r. cos(u). cos(v),
y = r. sen(u). cos(v),
z = r. sen(v),
donde (u, v) T := [0, 2] [0, ] (ver la gura 6.46).

332

Captulo 6. Integraci
on
z
6

- v

(x, y, z)
y


-u

- r

Figura 6.46: Esfera

2.

Cono.
Representacion implcita:
k 2 (x2 + y 2 ) z 2 = 0,
donde k es una constante.
Representacion explcita:

z = k(x2 + y 2 )1/2 ,

donde k es una constante.

Una posible representacion parametrica es
x = v. sen(). cos(u),
y = v. sen(). sen(u),
z = v. cos(),
donde es cierta constante, y (u, v) T := [0, 2] [0, h] (ver la gura 6.47).
Normalmente, en el breve estudio de supercies que sigue, utilizaremos representaciones parametricas de las mismas.
Definici
on 6.10.4 Sea r : T  S una representaci
on parametrica de la supercie S.
Si r es inyectiva, la supercie se llama simple.
Observar que, intuitivamente, la aplicaci
on r toma un cierto subconjunto plano T
y lo transforma en uno alabeadoS en R3 .
333

6.10. Superficies e integrales de superficie

z
6

u


- v
x

Figura 6.47: Cono

6.10.2.

Producto vectorial fundamental

Definiciones
Sea r : T  S una representaci
on parametrica de la supercie S, donde T R2 ,
3
S R . Supongamos que existan, en un punto (u, v) T, las derivadas parciales
r
r
3
u (u, v), v (u, v). Son dos vectores en R .
Definici
on 6.10.5 Se llama producto vectorial fundamental al vector
r
r
(u, v)
(u, v) R3
u
v

(6.174)

Definici
on 6.10.6 Se dice que un punto P = r(u0 , v0 ) S es regular cuando existen
r
r
(u, v), v
(u, v) en un entorno, son continuas en (u0 , v0 ), y
las derivadas parciales u
r
r
(u,
v)

(u,
v)
=

0.
En
otro
caso,
el punto se llama singular. Una supercie
u
v
formada s
olo por puntos regulares se llama regular.
Significado geom
etrico
Veremos que, por una parte, el vector producto vectorial fundamental en un punto
regular es perpendicular a la supercie, y que, por otra parte, y en todo caso, su
modulo representa un factor de deformaci
on de areas.
Se tiene la siguiente

334

Captulo 6. Integraci
on
Proposici
on 6.10.7 Sea S := r [T ] una supercie regular. Sea C una curva regular
r
r
(u, v) v
(u, v) es perpendicular a C en
en T , C su imagen por r en S. Entonces u
r(u, v).
n. Supongamos que la curva C venga denida por una funci
on conDemostracio
tinuamente diferenciable : [a, b]  T, digamos
(t) = (U (t), V (t)), t [a, b] .
La imagen C de la curva C por la aplicaci
on r tiene una representacion parametrica
que es simplemente la composicion
= r : [a, b]  S.
La derivada  (t)en un punto t [a, b] puede obtenerse mediante la Regla de la
Cadena (teorema 4.2.15):
dt = dr(t) dt , t [a, b] .
Traducido al lenguaje vectorial,


r
r
 (t) =
[(t)] ,
[(t)] . [U  (t), V  (t)] =
u
v
r
r
[(t)] . U  (t) +
[(t)] .V  (t),
=
u
v
r
r
[(t)] y v
[(t)] . Pero
es decir, una combinaci
on lineal de los vectores u
r
on.
v [(t)] es perpendicular a ambos. Obtenemos la conclusi

r
u

[(t)]

As, si el producto vectorial fundamental en un punto P no es 0, representa un

vector perpendicular a la supercie en ese punto (en el sentido de que lo es al vector
velocidad de cualquier curva que pase por el punto P). El plano tangente a la supercie
es perpendicular al vector producto vectorial fundamental.
Definici
on 6.10.8 El cociente del producto vectorial fundamental P por su norma
se llama vector normal unitario a la supercie y se representa por n1 . Se denota
n2 := n1 .
Para tener una idea intuitiva del signicado de la norma del producto vectorial
fundamental, considerese en T un punto (u, v) y un rect
angulo como el de la gura
6.48.
Su area es uv. Su imagen por r es un rectangulo alabeado (el rect
angulo
rayado en la gura 6.49), cuya area es aproximadamente igual a la del correspondiente
rectangulo tangente, precisamente



 r
 (u, v) r (u, v) uv

 u
v
335

6.10. Superficies e integrales de superficie

6
v
(u, v)

u
u

Figura 6.48: Rectangulo en T

(observese la magnitud de los lados de ese rectangulo tangente en la gura 6.49).
 r

r
on
As,  u
(u, v) v
(u, v) proporciona una especie de factor de deformaci
de las areas. Conviene tener esto en cuenta para que la denici
on de area de una
supercie, que daremos inmediatamente, sea razonable.
Lo dicho anteriormente permite obtener una imagen de lo que un punto regular
r(u0 , v0 ) representa: al ser continuas las derivadas parciales, el plano tangente vara
suavemente al acercarse al punto, mientras que rectangulos pr
oximos a (u0 , v0 ) en
el plano (u, v) no se colapsan al calcular su imagen por r.

6.10.3.

Area
de una superficie param
etrica

Las consideraciones realizadas en el apartado anterior permiten tomar como razonable la siguiente
Definici
on 6.10.9 Dada una supercie S = r(T ) en R3 , se llama area de S, representada por a(S), a la integral doble

 

 r
r


a(S) :=
(6.175)
 u (u, v) v (u, v) du dv
T
Si la supercie viene dada en forma explcita, z = f (x, y), donde (x, y) T R2 ,
tomamos como parametros precisamente x e y. La aplicaci
on r puede ser entonces
r(x, y) = [x, y, f (x, y)] , (x, y) T.
El producto vectorial fundamental es as


 
 i j
k





f (x, y)
f (x, y)
 1 0 f (x,y) 
=

i
+

j+k


x

x
y
(x,y) 

 0 1 f y
336

(6.176)

Captulo 6. Integraci
on

z

r
v

r
u

r(u, v)

S
y
=
x

Figura 6.49: Rectangulo tangente

(notar que nunca es 0), luego su norma es
7

2 
2
f (x, y)
f (x, y)
1+
+
x
y

6.10.4.

Integrales de superficie

En cierto sentido, el concepto de integral de supercie es una extensi

on del de
integral de lnea.
Definiciones
Definici
on 6.10.10 Sea S = r(T ) una supercie parametrica en R3 , donde r es una
on
funci
on diferenciable denida en una regi
on T R2 . Sea f : S  R una funci
acotada. Sea llama integral de supercie de f en S, y se denota como

f dS,
(6.177)
S

a la integral doble (en el caso de que exista)






 r
r
 du dv
(u,
v)

(u,
v)
f dS :=
f [r(u, v)] 

 u
v
S
T

(6.178)

337

6.10. Superficies e integrales de superficie

Conceptos fsicos y geom
etricos expresables mediante integrales de superficie
1.

Area
de una supercie
Basta tomar f 1 en S para que resulte (ver las f
ormulas (6.175) y (6.178))

dS.
(6.179)
a(S) =
S

2.

Masa de una l
amina. Centro de gravedad. Momento de inercia respecto a un eje
Sea S una l
amina material en R3 . Sea f (x, y, z) la densidad puntual en cada
punto de la l
amina (es decir, el lmite del cociente masa/supercie cuando la
supercie es la de un entorno de (x, y, z) de di
ametro tendiendo a cero en todas
direcciones). Se llama masa de S a

f (x, y, z) dS
(6.180)
m :=
S

Se llama centro de gravedad de la l

amina S al punto (
x, y, z) de coordenadas

1
x f (x, y, z) dS,
m
S
1
y f (x, y, z) dS,
y :=
m
S
1
z f (x, y, z) dS.
z :=
m
S

x
:=

(6.181)

Si L es una recta en R3 , se llama momento de inercia de la l

amina S respecto
al eje L a

2 (x, y, z) .f (x, y, z)dS,
(6.182)
IL :=
S

donde (x, y, z) representa la distancia de un punto (x, y, z) al eje L.

6.10.5.

Cambio de representaci
on param
etrica

Es claro que una misma supercie en R3 puede ser la imagen de distintas aplicaciones r : T R2  R3 , es decir, puede tener distintas representaciones parametricas.
Es natural preguntarse si el concepto de integral de supercie depende de la particular
representacion elegida.
Definici
on 6.10.11 Dos aplicaciones r : A R2  R3 y R : B R2  R3 se
llaman regularmente equivalentes si existe una aplicaci
on biyectiva y continuamente
diferenciable G : B  A de modo que
r G = R.
338

Captulo 6. Integraci
on
Los elementos de A los denotamos como (u, v), los de B como (s, t).
Desde luego, dos aplicaciones regularmente equivalentes representan la misma supercie.
El siguiente resultado es, simplemente, una aplicaci
on de la regla de la cadena:
Proposici
on 6.10.12 Sean r y R dos representaciones parametricas regularmente
equivalentes de la supercie S, como en la denici
on 6.10.11. Entonces,


r
R
r
R
(s, t)
(s, t) =
(u, v)
(u, v) JG (s, t),
(6.183)
s
t
u
v
donde JG representa el determinante jacobiano de la transformaci
on G y donde
(u, v) = G(s, t).
Corolario 6.10.13 En el caso anterior, y siendo f una funci
on real acotada denida
en S, si existe una de las dos siguientes integrales existe la otra, y se tiene


f dS =
f dS.
(6.184)
r(A)

R(B)

n. Es simplemente la formula de cambio de variable en una integral

Demostracio
doble (ver la seccion 6.9 y, m
as precisamente, la formula (6.165)), teniendo en cuenta
la denici
on de integral de supercie y la proposici
on 6.10.12.

6.10.6.

Otras notaciones para las integrales de superficie

Es usual encontrar en los textos la siguiente manera de escribir integrales de supercie.

Si n denota el vector normal unitario a la supercie S en un punto regular P (es
un lo dicho en la denici
on 6.10.8), y si F es una aplicacion
decir, n1 o bien n2 , seg
de S en R3 , con F = (P, Q, R), la integral de supercie

F n dS
(6.185)
S

se suele representar como



P (x, y, z) dy dz+
S


Q(x, y, z) dz dx+
S

R(x, y, z) dx dy
S

cuando n = n1 , y cambiando las integrales de signo en el caso de que se tome n2 en

as brevemente,
lugar de n1 . M

P dy dz + Q dz dx + R dx dy.
(6.186)
S

339

6.10. Superficies e integrales de superficie

6.10.7.

El Teorema de Stokes

Representa la generalizacion natural del Teorema de Green al caso de una supercie alabeada. Resulta que una determinada integral de supercie es reemplazada
por una cierta integral de lnea a lo largo de su contorno.
Definiciones
Para formulario concisamente necesitamos algunas deniciones.
Definici
on 6.10.14 Sea F una funci
on denida en un cierto subconjunto de R3 , con
3
valores en R , de modo que F = (P, Q, R).
Se llama rotacional de F a la funci
on que, abreviadamente, se expresa as:


 i
j
k 








rot F (x, y, z) = 
,
 x y z 




 P
Q
R 
es decir

rot F (x, y, z) =






R Q
R
P
Q P

i+
j+
k
y
z
z
x
x
y


lo que, abusando de la notaci

on, e interpretando
podra expresar como

x , y , z

rot F = F

(6.187)


como un vector, se

(6.188)

Definici
on 6.10.15 Siguiendo con la misma convenci
on simb
olica, se llama divergencia de F a
div F := F
(6.189)
es decir,
div F (x, y, z) =

Q R
P
+
+
x
y
z

(6.190)

Teorema de Stokes
El siguiente teorema expresa una integral de supercie sobre una acotada por una
curva cerrada como una integral de lnea a lo largo de su contorno. Representa de
cierta forma una extensi
on al caso tridimensional del Teorema de Green 6.8.23, por
lo que no es sorprendente que este u
ltimo se use en su demostracion.
340

Captulo 6. Integraci
on
Teorema 6.10.16 (de Stokes) Sea S una supercie parametrica simple regular,
S = r(T ), siendo T una regi
on del plano uv limitada por una curva de Jordan regular
a trozos (ver la gura 6.50). Supongamos que r es una aplicaci
on inyectiva de clase
C2 (es decir, con derivadas parciales de segundo orden continuas) denida en cierto
conjunto abierto de R2 que contiene a T . Sea C la imagen de por r, sean P, Q
y R funciones reales continuamente diferenciables denidas en S y sea F = (P, Q, R).
Entonces


(rot F) n1 dS =
P dx + Qdy + Rdz
(6.191)
S

donde la curva C se recorre en el sentido resultante de recorrer en el positivo (es

decir, contrario a las agujas del reloj) y aplicar r.

Figura 6.50: El teorema de Stokes

n. Consideramos en primer lugar que cada recta paralela al eje OZ
Demostracio
corta a la supercie en un solo punto. De esta forma S puede ser parametrizada por
una funci
on de las variables x e y. Precisamente, existe un subconjunto A R2 (la
proyeccion de S sobre el plano OXY ) y una funci
on s : A  R3 dada por
s(x, y) = (x, y, (x, y)), (x, y) A,
de modo que
S = {s(x, y) : (x, y) A}
(ver la gura 6.51). El vector producto vectorial fundamental correspondiente a esa
parametrizacion es


s

s

= , ,1 ,
x y
x
y
cuya norma es

2
+

2

1/2
+1

.
341

6.10. Superficies e integrales de superficie

As, el vector unitario normal exterior a la supercie S viene dado por
s
x
n1 = 
 s
 x

s
y

,

s 
y 

y sus cosenos directores, representados por cos , cos y cos , respectivamente, son
 
1/2
 2
2

cos =
+
+1
,
x
x
y
 
1/2
 2
2

cos =
+
+1
,
y
x
y
 
1/2
 2
2

cos = 1
+
+1
.
x
y
Se obtiene, pues
cos
cos

=
,
=
.
x
cos y
cos
Se considera la curva C recorrida en el sentido que se dene al situarse sobre ella
en la forma en que lo esta el vector n1 y dejando a la izquierda la supercie S. El
subconjunto A del plano OXY esta limitado por una curva c (la proyecci
on de C
sobre ese plano) recorrida en el sentido inducido por el de C (ver la gura 6.51).
Denotamos

Figura 6.51: S y su proyecci

on
P (x, y) := P (x, y, (x, y), (x, y) A.
Obviamente,

:
P (x, y, z)dx =
C

P (x, y)dx.
c

Para calcular esta segunda integral aplicamos el Teorema de Green (6.8.23) a la funcion P , a la curva c y al conjunto A, y obtenemos

  
:
P
P
+
P (x, y)dx =
dxdy.
y
z y
c
A
342

Captulo 6. Integraci
on
Dadas las relaciones anteriores, resulta

  
:
dxdy
P
P
cos
cos
.
P (x, y)dx =
z
y
cos
c
A
Esta u
ltima integral es, simplemente, una integral de supercie, precisamente

  
P
P
cos
cos dS,
z
y
S
calculada sobre el lado positivode la supercie, es decir, lado para el que el vector
normal calculado apunta hacia el exterior. As, se puede escribir
:
 
P
P
dzdx
dxdy.
P (x, y, z)dx =
z
y
C
S
Esta f
ormula obviamente tambien se cumple cuando se considera el otro lado de la
supercie, con la correspondiente direcci
on de recorrido de C. Tampoco depende de
la particular forma de S. Por permutaci
on cclica de las variables se obtiene
 
:
Q
Q
dxdy
dydz,
Q(x, y, z)dy =
x
z
:C
 S
R
R
dydz
dzdx.
R(x, y, z)dz =
x
C
S y
Sumando estas expresiones resulta, nalmente,
:
P (x, y, z)dx + Q(x, y, z)dy + R(x, y, z)dz =
C





  
Q P
R
R Q
P
=

dxdy +
dydz +
dzdx,
x
y
y
z
z
x
S
lo que corresponde a la f
ormula (6.191).

6.10.8.

Una aplicaci
on: campos conservativos

Sea A R3 un conjunto abierto y no vaco. Un campo vectorial, o campo de fuerzas

denido en A es una funci
on F : A  R3 , como se indico en la denici
on 6.8.17. Como
ejemplo de esta situacion el lector puede pensar en el campo gravitatorio producido
en una cierta regi
on del espacio por la presencia de un cuerpo material, o en el campo
electrico producido por una partcula cargada. Una de las caractersticas de estos dos
campos es que son conservativos16 , es decir, que el trabajo17 realizado para mover un
cuerpo a lo largo de una curva cerrada (en el primer caso, una masa, en el segundo
una partcula cargada) en el seno de ellos, es nulo.
16 Ver
17 Ver

la definici
on 6.8.19.
la definici
on 6.8.18.

343

6.10. Superficies e integrales de superficie

Lo que sigue pretende caracterizar, en un caso particular suciente para las aplicaciones, las funciones F que proporcionan campos conservativos, usando el Teorema
de Stokes (teorema 6.10.16). Para evitar complicaciones innecesarias, restringimos ligeramente el concepto de campo conservativo que introdujimos en la denicion 6.8.19.
Un tri
angulo en R3 queda determinado por tres puntos, sus vertices. Se debe interpretar como una curva cerrada en R3 , y se considera una parametrizacion que recorra
la curva y que sea diferenciable en cada segmento rectilneo.
Definici
on 6.10.17 Sea A R3 un conjunto abierto y no vaco. Se dice que una
funci
on F : A  R3 es un campo vectorial conservativo cuando el trabajo
; realizado
por F a lo largo de cualquier tri
angulo contenido en A es nulo, es decir, F d = 0,
siendo una parametrizaci
on del tri
angulo. Se dice que el campo F es irrotacional
cuando rot F(x) = 0, x A.
Para abreviar la notaci
on, denominaremos intervalo abierto en R3 al producto
cartesiano Q :=]a1 , b1 []a2 , b2 []a3 , b3 [ R3 de intervalos abiertos en R, siendo ai < bi
n
umeros reales, i = 1, 2, 3.
Teorema 6.10.18 Sea Q un intervalo abierto en R3 . Sea F = (F1 , F2 , F3 ) : Q  R3
un campo vectorial continuamente diferenciable en Q, es decir, una funci
on con
derivadas parciales continuas en Q. Entonces, las siguientes armaciones son equivalentes:
1.

F es conservativo.

2.

Existe una funci

on : Q  R diferenciable (llamada funci
on potencial del
campo F) tal que (x) = F(x) para todo x Q.

3.

F es irrotacional en Q.

n. (1) (2) Fijemos x0 Q. Dado x Q denimos una funci

on
Demostracio
: Q  R como

F d, x Q,
(x) :=

donde es el segmento rectilneo que empieza en x0 y termina en x. Demostraremos

que es una funci
on potencial de F, es decir, que (x) = F(x) para todo x Q.
Fijamos para ello x Q y un ndice i {1, 2, 3}. Entonces, para t > 0 (para t < 0 se
hace de forma similar) tal que x+tei Q se tiene, en virtud de que F es conservativo,
que la integral de F a lo largo de la curva , parametrizacion del tri
angulo indicado
en la gura 6.52, es 0.
Es decir,

[x0 x]

344


F d +

[xx+tei ]


F d +

[x+tei x0 ]

F d = 0,

Captulo 6. Integraci
on

6
)

x + t ei
q

R
=

x0

Figura 6.52: La integral

F d es cero

siendo
en cada caso la parametrizaci

on del segmento rectilneo que corresponda.


Pero, [x+tei x0 ] F d = [x0 x+tei ] F d = (x + tei ), y as,


  

 (x + tei ) (x)
 1

A(t) := 
Fi (x) = 
F d Fi (x) ,
 t [xx+tei ]

t
donde [x x+tei ] denota el segmento rectilneo que une x con x+tei , parametrizado
por el camino : [0, t] R3 , denido precisamente como (s) := x + sei , s [0, t].
Por tanto,
  t


1

1 t
A(t) 
F[(s)] ei ds
Fi (x)ds
t 0
t 0
 t
1

|F(x + sei ) ei ds Fi (x)| ds.

t 0
Aplicando ahora el Teorema del Valor Medio (teorema 4.1.21) a la funci
on continuamente diferenciable Fi como funci
on de la variable xi se obtiene
|Fi (x + sei ) Fi (x)| = |Di Fi (x + sei ) s| Ks,
donde 0 < < 1 es cierto n
umero (que depende de s) y K es una cota de |Di Fi | en
un entorno previamente jado de x. Se obtiene, entonces,

1 t
1
A(t) K
sds = Kt,
t 0
2
por lo que A(t) 0 cuando t 0 y se obtiene Di (x) = Fi (x), i = 1, 2, 3.
(2) (3) Si F = , un ejercicio de derivaci
on elemental, haciendo uso del
Teorema de Schwarz (4.2.13), permite obtener que rot F = 0.
(3) (1) Si se toma una tri
angulo cualquiera en Q, parametrizado como se ha
indicado por el camino y se considera la supercie S triangular plana determinada
345

6.10. Superficies e integrales de superficie

limitada por el tri
angulo dado, basta aplicar el Teorema de Stokes (teorema 6.10.16)
a S y a para obtener la conclusi
on.

Ejemplo 6.10.19 Los campos electrico y gravitatorio son conservativos.

Las mismas ecuaciones describen ambos campos: supongamos un cuerpo de masa
m0 [una partcula cargada de carga q0 ] situada en el origen de coordenadas. La fuerza
F ejercida sobre un cuerpo de masa m [sobre una partcula cargada de carga q] situada
en el punto x es


m0 m
q0 q
F(x) = k
x,
F(x)
=
k
x
,
x3
x3
donde k es una cierta constante, pues lleva la direcci
on de x y tiene como norma


q0 q
m0 m
,
F(x) = k
.
F(x) = k
x2
x2
La fuerza ejercida por unidad de masa [de carga] es, pues, en ambos casos
F(x) = K

x
,
x3

donde K es una cierta constante.

Ahora es sencillo, usando el teorema 6.10.18, probar que el campo denido por F
en R3 \ {0} es conservativo: basta comprobar que
(x) :=

K
, x R3 \ {0},
x

es la funci
on potencial del campo.
Sea i {1, 2, 3}. Entonces
1
Kx, x3/2 [ei , x + x, ei ] =
2
= Kx, x3/2 x, ei  = Kx, x3/2 xi .

Di (x) =

Entonces

346

(x) = Kx, x3/2 x = K

x
.
x3

Captulo 6. Integraci
on

6.11.

Ejercicios propuestos

6.11.1.

C
alculo de primitivas. Integraci
on num
erica.

C
alculo de primitivas y de integrales definidas.
1.

En los textos resulta usual encontrar los ejercicios propuestos

agrupados tras el tratamiento de los aspectos teoricos que proporcionan las
herramientas para su soluci
on. En la pr
actica, los problemas que tenemos que
resolver no se nos presentan etiquetados con indicaciones de la estrategia optima
a seguir para resolverlos. Este problema presenta una miscelanea de integrales
indenidas que incluye de forma arbitraria desde integrales inmediatas hasta
otras en las que son necesarios cambios de variable o tecnicas de integracion por
partes no triviales. El objetivo es, pues, doble: identicar el (los) metodos de
resolucion apropiados y , por supuesto, resolverlas.

(1)

(3)

(5)

7)

(9)

dx
(2)
x ln x

xdx
x4 + 2x2 + 2


4
x
(4)
(ln x)m dx
1+ x

dx
(6)
sen2 x cos2 x

 

xm dx

a2 x2


r2 x2 dx (8)

sen3 xdx (10)

xn ax dx
x2 arc cos xdx



1+x

dx (12)
ln xdx
(11)
1x



dx

(13)
x sen(x x)dx (14)
x a2 x2
(15)


(19)


dx
x3 x2 1

dx
(16)
x4 + 3x3 + 4x2 + 3x + 1
x x2 + 4x 4


dx
(17)
(18)
arc sen xdx
x(ln x 1)
ex

1
1
1
( 2 sen ex cos )dx (20)
x
x
x

 
1 2x x2 dx
347

6.11. Ejercicios propuestos




x

(21)

e sen x cos 2xdx (22)



(23)

2x + 2
dx (24)
(x 1)(x2 + 1)2


(25)

x2


(27)

dx
(1 +

x2 )3

(28)
3
3
x2 (1 + x2 )

ln x
dx
x2

dx
sen x cos x + 2

(26)


dx

2t2 dt
(1 + t2 )2

(3x2 2x + 1)ex dx

 2
x + 9x
dx
(29)
x2

6.11.2.
1.

Integraci
on de Riemann-Stieltjes.


Sea
(x) =

0 , x = 0
1 , x = 0,

y f (x) = 1, x [1, 1].

1
a) Hallar 1 f d.

1
b) Estudiar 1 f d si redenimos f (0) = 2.
c)

Concluir que, a diferencia de lo que sucede en integrales Riemann, una

integral Riemann-Stieltjes puede alterar su valor si se modica la funci
on
integrando en un punto.

Sugerencia: a) Hallar las sumas de Riemann-Stieltjes (ver la ecuaci

on 6.15) y
calcular el lmite cuando la longitud de la partici
on tiende a cero. El valor de la
integral es 0. b) Seguir el mismo procedimiento.
2.

Utilizar la integraci
on por partes en una integral Riemann-Stieltjes para justicar las siguientes expresiones:
 n
n

1
[x]
1
=
+
s
dx, s = 1.
s
s1
s+1
k
n
1 x
k=1
 n
n

1
x [x]
= ln n
dx + 1.
k
x2
1
k=1

348

Captulo 6. Integraci
on
3.

ormula de
Sea f : [a, b] R tal que admite derivada f  continua. Utilizar la f
integraci
on por partes para justicar la f
ormula de sumacion de Euler:


f (n) =

f (x)dx +
a

a>nb

6.11.3.

f  (x)(x [x])dx + f (a)(a [a]) f (b)(b [b]).

Integral definida y aplicaciones geom

etricas elementales de la integral.

n

Calcule

2.

Dibuje las gr
acas de las funciones siguientes y calcule el area que limitan entre
ambas:
a)
b)

f , donde f (x) =

[x+1]

1.

2[x+ 2 ]

f (x) = 4 x2 , g(x) = 8 2x2 entre -2 y 2.

f (x) = |x|, g(x) = x2 1 entre -1 y 1.

c)
f (x) = |x| + |x 1|, g(x) = 0 entre -1 y 2.
3.

Halle c para que las gr

acas de f (x) = x2 y g(x) = cx3 delimiten un area de
2/3 unidades.

4.

Area comprendida entre las curvas x2 = 2py, y(x2 + p2 ) = p3 , p > 0.

5.

Area comprendida entre las rectas y = mx, y = nx y la hiperbola xy = k; k >

0; m, n ]0, 2 [; m > n.

6.

Calcule k para que la curva y = k sen x divida en dos partes iguales el area
encerrada por y = cos x, x = 0, x = 2 y el eje 0X.

7.

Area com
un a las elipses

8.

Volumen del toro generado por la revoluci

on del crculo de centro el origen y
radio 2 alrededor de la recta x = 3.

9.

Volumen limitado en su parte inferior por el paraboloide x2 + y 2 = az y en su

parte superior por la esfera x2 + y 2 + z 2 = 2az.

x2
9

y2
16

= 1,

x2
16

y2
9

= 1.

x2
2p

y2
2q

10.

Volumen comprendido entre el paraboloide z =

11.

Volumen generado por un tri

angulo equil
atero de lado variable que se mantiene
sobre planos verticales al z = 0 y cuya base es la cuerda de la elipse x2 + 2y 2 = 1
perpendicular al eje mayor.

y el plano z = a.

349

6.11. Ejercicios propuestos

6.11.4.

M
etodos num
ericos de integraci
on.

2

1
dx,
1 x

1.

Haciendo n = 10 y utilizando la regla del trapecio, calcule ln 2 =

determine la correspondiente cota del error.

2.

Id. haciendo 2n = 10 y utilizando la regla de Simpson. Comparar con (1).

1
1
Ya que 4 = 0 f (x)dx, donde f (x) = 1+x
2 , utilice la regla del trapecio con
n = 10 y la de Simpson con 2n = 4 para obtener un valor aproximado de 4 .
(Su valor con 6 cifras exactas es 0.785398).

3.

4.

para x > 0. Probar que h(4) es decreciente

Sea h(0) = 1 y h(x) = ln(x+1)
x

1
en [0, +] y utilizar la regla de Simpson para calcular el valor de 0 h(x)dx.
(Metodos adecuados de la teora de series innitas permiten probar que el valor
2
de esta integral es 12 ).

5.

Determinar el
n
umero de subintervalos necesarios para que la regla del trapecio
2
2
1
de el valor de 0 ex dx con 6 cifras decimales correctas, suponiendo que ex
pueda calcularse de forma precisa. Obtener la aproximaci
on. Hacer lo mismo,
esta vez con la regla de Simpson.

1
6. Utilizando la regla de Simpson con 2n = 10 obtener 0 ln(1+x)
1+x2 dx 0,27219844.
Probar que el valor de esta integral es 8 ln 2 0,2721982613 . . . (Sugerencia:
hacer el cambio x = tg t y despues t = 4 s).


7. Utilizando la regla de Simpson con 2n = 6 obtener 0 senx x 1,852.
8.
9.

3
Utilizar la integraci
on de Romberg para evaluar 020 sen(5x + 1)dx con una
exactitud del 0,5 %. Calcular la solucion analtica y determinar el error real.

4
Lo mismo con la integral 0 xe2x dx.

10.

Obtener estimaciones de las integrales de 8 y 9 usando formulas de GaussLegendre de dos, tres y cuatro puntos. Calcular en cada caso el error teniendo
en cuenta la solucion analtica.

11.

Calcular mediante integraci

on
de Romberg y con las f
ormulas de Gauss-Legendre
3 x sen x
dx,
con
una
exactitud
del 0,1 %.
de hasta 5 puntos la integral 0 e1+x
2

6.11.5.
1.

Integrales param
etricas.

2
Sea f (x, y) = ln(1 2x cos y + x2 ), x, y [ 12 , 12 ] [0, 2]. Si G(x) = 0 ln(1
2x cos y + x2 )dy, x [ 12 , 12 ], calcular G (x) y deducir que G(x) = 0, x
[ 12 , 12 ].

Sugerencia: hallar G (x) derivando bajo el signo integral (comprobar que se satisfacen las hip
otesis requeridas para ello). Calcular la integral resultante (dividir
numerador y denominador por 1 x cos y). Particularizar en x = 0.
350

Captulo 6. Integraci
on
2.

Sea
ln(1+x sen2 y)
sen2 y

f (x, y) =

y = 0,
y = 0,

en D := [ 12 , 1] [0, 4 ]. Si G(x) = 04 f (x, y)dy, x [1/2, 1], probar que


G (x) = 04 1+xdy
sen2 y , x [1/2, 1] y deducir que

x
G(x) = 2 1 + x arctan( 1 + x) ln(1 + ) .
2
2
Sugerencia: comprobar que podemos hallar G (x) derivando bajo el signo integral. Calcular G (x) (hacer el cambio tg x = u). Integrar G (t) entre 0 y x a
continuaci
on.

2 sen2 xdx


3. Calcular 0 (1+ sen2 x)2 , por derivaci
on de 02 1+dx
sen2 x .

4.

5.

Sugerencia: considerar la segunda expresi

on como una integral dependiente del
par
ametro .

2


dx
dx
Calcular 02 (a cos2 x+b
sen2 x)2 , a partir de la integral 0 a cos2 x+b sen2 x .


dx
Sugerencia: considerar F (a) = 02 a cos2 x+b
sen2 x . Derivar la integral respecto


dx
del par
ametro a. Considerar a continuaci
on G(b) = 02 a cos2 x+b
sen2 x . Derivar


la integral respecto del par
ametro b. Calcular F (a) + G (b).
Se dene



f (x) :=

et dt

2

, g(x) :=

ex (t +1)
dt.
t2 + 1

a) Demostrar que g  (x) + f  (x) = 0 para todo x y deducir que g(x) + f (x) =
/4.
b) Utilizar lo que precede para probar que
 x
2
1
lm
et dt =
.
x 0
2
6.

Sean las funciones



f (x, t) =

et(1+x )
,
1 + x2

F (t) =

f (x, t) dx.
0

a) Probar lm F (t) = 0.
t

z
et
2
b) Probar F  (t) = G( t), para t > 0, donde G(z) = 0 es ds.
t
2

c) Probar G (z) = ez .
351

6.11. Ejercicios propuestos


d)
7.

Sea R > 0 y consideremos IR (t) =

R
0

s2

Usar los apartados anteriores para deducir lm

.
ds =
2

ex cos(2tx) dx, denida para t 0.

a) Pruebe

b)

2
dIR
= eR sen(2Rt) 2tIR (t).
dt
Se puede demostrar que la soluci
on general de la ecuacion diferencial
obtenida en (a) es


 t
2
2
2
IR (t) = et K(R) + eR
es sen(2Rs) ds ,
(6.192)

donde K(R) es una funci

on que depende s
olo de R. Deduzca de (6.192)

R
2
que K(R) = 0 ex dx.

c)

Pruebe que para t 0 jo se tiene

 t
2
R2
es sen(2Rs) ds = 0.
lm e
R

d)

8.

352

A partir de los apartados anteriores y del ejercicio anterior demuestre

 R
2
2

.
ex cos(2tx) dx = et
lm
R 0
2

a) Probar que para R > 0 se tiene



R xy
d
1
e
sen x
eRy (cos R + y sen R)
dx =
+
.
2
dy 0
x
1+y
1 + y2
b)

Usar el apartado anterior para probar que para R > 0 se tiene

 R xy
e
sen x
dx =
x
0
 R
 y Rs
 y
sen x
e
eRs
=
dx arc tg y + cos R
ds
+
sen
R
s
ds.
2
x
1 + s2
0
0 1+s
0

c)

Probar que para y 0 jo se tiene

 y Rs
 y
e
eRs
ds
=
l
m
sen
R
s
ds = 0.
lm cos R
2
R
R
1 + s2
0 1+s
0

d)

Usar los apartados anteriores para deducir

 R
sen x
(1 exy ) dx = arc tg y.
lm
R 0
x

Captulo 6. Integraci
on

6.11.6.
1.

Integraci
on m
ultiple.

Calcular las siguientes integrales dobles por integracion sucesiva, supuesta la

existencia de cada integral:
 
xy(x + y)dxdy, siendo Q = [0, 1] [0, 1].
Q

 

(x3 + 3x2 y + y 3 )dxdy, siendo Q = [0, 1] [0, 1].

 
f (x + y)dxdy, siendo Q = [0, 2] [0, 2],
Q

cuando f (t) representa el mayor n

umero entero t.
2.

Sea f una funci

on denida en el rect
angulo Q = [0, 1][0, 1] del siguiente modo:

f (x, y) =

1xy
0

si x + y 1,
en los demas puntos de Q.

Representar el conjunto de ordenadas de f sobre Q y calcular su volumen por

doble integraci
on (sup
ongase la existencia de la integral).
3.

Resolver el ejercicio 2 cuando Q = [1, 1] [1, 1] y


f (x, y) =

4.

x2 + y 2
0

si x2 + y 2 1,
en los demas puntos de Q.

En los siguientes ejercicios, dibujar la regi

on de integraci
on y calcular la integral
doble.
 
x cos(x + y)dxdy,
S

siendo S el tri
angulo de vertices (0, 0), (, 0), (, ).
 
(1 + x) sen ydxdy,
S

siendo S el trapezoide de vertices

(0, 0), (1, 0), (1, 2), (0, 1).
 
ex+y dxdy,
S

siendo S = {(x, y) : |x| + |y| 1}.

353

6.11. Ejercicios propuestos

5.

Un s
olido est
a limitado por la supercie z = x2 y 2 , el plano 0XY , y los planos
x = 1 y x = 3. Representar el solido y calcular su volumen por doble integraci
on.

6.

Calcular por doble integraci

on el volumen del conjunto de ordenadas de f sobre
S si:
(a) f (x, y) = x2 + y 2 , S = {(x, y) : |x| 1, |y| 1}.
(b) f (x, y) = 3x + y, S = {(x, y) : 4x2 + 9y 2 36, x > 0, y > 0}.
(c) f (x, y) = y + 2x + 20, S = {(x, y) : x2 + y 2 16}.

7.

Dibujar la regi
on limitada por las curvas siguientes, y determinar las coordenadas x e y del centroide.
a) y = x2 , x + y = 2.
b) y 2 = x + 3, y 2 = 5 x.
c) x2/3 + y 2/3 = 1, x = 0, y = 0, en el primer cuadrante.

8.

Una l
amina delgada est
a limitada por el arco de par
abola y = 2x x2 y el
intervalo 0 x 2. Determinar su masa si la densidad en cada punto (x, y) es
1y
1+x .

9.

Determinar el centro de gravedad de una l

amina delgada rectangular ABCD si
la densidad en todos sus puntos es el producto de sus distancias a los lados AB
y AD.

10.

El contorno de una l
amina delgada es una elipse de semiejes a y b. L representa
una recta en el plano de la l
amina que pasa por el centro de la elipse y forma
un angulo con el eje de longitud 2a. Si la densidad es constante y la masa m,
demostrar que el momento de inercia IL es igual a 14 m(a2 sen2 + b2 cos2 ).
Sugerencia: calcular la distancia de un punto de la elipse a la recta L en funci
on
del a
ngulo .

11.

amina delgada S del plano

Calcular los momentos de inercia Ix e Iy de una l
0XY bordeada por las curvas y = sen2 x, y = sen2 x, para x , donde
f (x, y) = 1 representa la densidad de un punto cualquiera (x, y) de S.

12.

Calcular la posici
on del centro de gravedad de un cono circular recto homogeneo
de radio de la base R y altura H.

354

Captulo 6. Integraci
on
13.

Transformar la integral a coordenadas polares y calcular su valor (a es una

constante positiva).




14.


x2 + y 2 dy dx.

Utilizar una transformaci

on lineal conveniente para calcular la integral doble
 

(x y)2 sen2 (x + y)dxdy

donde S es el paralelogramo con vertices (, 0), (2, ), (, 2), (0, ).

15.

Los vertices de un paralelogramo S del plano 0XY son los puntos

(0, 0), (2, 10), (3, 17) y (1, 7).
a) Hallar una transformaci
on lineal u = ax + by, v = cx + dy, que aplique S
en un rect
angulo R del plano uv con vertices opuestos en (0, 0) y (4, 2). El
vertice (2, 10) deber
a aplicarse en un punto del eje 0u.
Sugerencia: tomar u = x y, v = x + y y utilizar el teorema de cambio
de variable 6.9.1.



b) Calcular la integral doble
xydxdy transform
andola en una integral
S
equivalente en el rectangulo R del apartado anterior.

6.11.7.

Integrales de lnea.

Calcular C xy 3 ds, donde C es el segmento de la recta y = 2x en el plano 0XY ,
desde A := (1, 2, 0) hasta B := (1, 2, 0).


2. Calcular C (x2 + y 2 + z 2 )2 ds, donde C es el arco de la helice circular r(t) :=
[cos(t), sen(t), 3t] desde A := (1, 0, 0) hasta B := (1, 0, 6).

1.

3.

([Kr90, Vol I, pp. 393-394]): Sea una partcula sobre la cual act
ua una fuerza
variable p. Sup
ongase que la partcula se desplaza a lo largo de una trayectoria
dada C en el espacio. Entonces, el trabajo W realizado por p en este desplazamiento esta dado por la integral de lnea

p, dr,

W :=
C

tomandose la integraci
on en el sentido del desplazamiento. Puede introducirse
el tiempo como la variable de integraci
on. Entonces
dr = vdt,
donde v es el vector velocidad. Por tanto, la integral de lnea queda
355

6.11. Ejercicios propuestos



t1

W =

p, vdt,

(6.193)

t0

donde t0 y t1 son los valores inicial y nal de t. Ademas, por la Segunda Ley de
Newton, se tiene
p = mr = mv ,
donde m es la masa de la partcula. Si se introduce esto en 6.193, se obtiene


t1

W =
t0

t1

t0

t1

d m
( v, v)dt =
t0 dt 2
6t1
5m
d m
( v2 )dt =
v2 ,
dt 2
2
t0

mv , vdt =

es decir, el trabajo realizado es igual al incremento de la energa cinetica.

4.

Hallar el trabajo realizado por el campo de fuerzas f (x, y, z) = (yz, xz, x(y +
1)) para desplazar un cuerpo de manera que recorra el tri
angulo de vertices
(0, 0, 0), (1, 1, 1), (1, 1, 1) en este orden.

5.

Hallar el area determinada por y = 2x , y = 2x3 , y =

6.

Hallar el area de la elipse

7.

Hallar le trabajo realizado para desplazar una partcula en torno a la elipse

4x2 + y 2 = 4 en el campo de fuerzas f (x, y) = (y + 3x, 2y x), en en sentido
contrario a las agujas del reloj.

8.

Se considera un alambre semicircular uniforme de densidad ((x, y, z) = k) de

radio a. Demostrar que el centro de gravedad esta situado en el eje de simetra
a una distancia 2a
rculo. Hallar el momento de inercia respecto
del centro del c
del di
ametro que pasa por los extremos.

9.

Calcular la integral de lnea de f a lo largo del camino que se indica.

x2
a2

y2
b2

x
2 .

= 1.

a) f (x, y) = (x2 2xy, y 2 2xy) , a lo largo de la porci

on de la par
abola
y = x2 desde (1, 1) a (1, 1).

356

b)

f (x, y, z) = (y 2 z 2 , 2yz, x2 ), a lo largo del camino descrito por (t) =

(t, t2 , t3 ), 0 t 1.

c)

f (x, y) = (x2 + y 2 , x2 y 2 ), alrededor de la elipse b2 x2 + a2 y 2 = a2 b2 en

sentido contrario de las agujas del reloj.

d)

f (x, y, z) = (x, y, xz y), desde (0, 0, 0) a (1, 2, 4) a lo largo del segmento

que una ambos puntos.

Captulo 6. Integraci
on
10.

Calcular el valor de la integral de lnea en cada uno de los siguientes apartados.

a) C (x2 2xy)dx + (y 2 2xy)dy, donde C es el arco de parabola y = x2 que
une (2, 4) con (1, 1).

dx+dy
, donde C es el cuadrado de vertices (1, 0), (1, 0), (0, 1), (0, 1)
b) C |x|+|y|
recorrido en sentido contrario a las agujas del reloj.


c) C (ydx + zdy + xdz), donde
1)

2)

C es la curva interseccion de las dos supercies x+y = 2 y x2 +y 2 +z 2 =

2(x + y). La curva es recorrida de modo que, mirando desde el origen,
el sentido es el de las agujas del reloj.
C es la interseccion de las supercies z = xy y x2 + y 2 = 1, recorrida
en sentido tal que, visto desde encima del plano OXY , es el contrario
al de las agujas del reloj.

11.

Sea : [a, b] IR3 una curva parametrizada que no pasa por el origen. Si (t0 )
es el punto de la curva m
as cercano al origen, cumpliendo que  (t0 ) = 0, probar
que (t0 ) es ortogonal a  (t0 ).

12.

Sea F (x, y) = (f (x, y), g(x, y)) y C una curva en el plano. Probar la siguiente
desigualdad:




 f dx + gdy  M L


C

Siendo L la longitud de la curva y M = max{F (x, y) : (x, y) C}

13.

Un disco circular de radio 1 rueda sin deslizar sobre el eje OX. La gura descrita
por un punto de la circunferencia del disco se llama cicloide.
a) Obtengase una parametrizaci
on de la curva.
b) Para que puntos de la curva no existe la tangente?
c) Calcular la longitud de la cicloide correspondiente a una rotaci
on completa
del disco.

14.

Sea (t) = (aebt cos t, aebt sen t), t [t0 , +], a y b constantes, a > 0, b < 0.

+
Probar que t0  (t)dt es convergente, (esto es, tiene una longitud nita
en [t0 , +]).

15.

Sea : [a, b] IR3 una curva parametrizada, p = (a), q = (b).

a) Probar que, para cualquier vector constante v de norma 1,

q p, v =
a

 (t), vdt

 (t)dt

357

6.11. Ejercicios propuestos

b)

Sea v =

qp
qp .

Probar


(b) (a)

 (t)dt

Esto es, la curva de longitud m

as corta desde (b) hasta (a) es el segmento
rectilneo uniendo estos dos puntos.
16.

Considerar la curva plana dada en coordenadas polares = (), [a, b].

Probar que la longitud de la curva es


2 + ( )2 d

donde la derivada lo es con respecto a .

17.

Sea : [a, b] IR3 una curva regular. Se considera la funci

on longitud de arco

t 
(t) = a  (u)du, : [a, b] [0, L], siendo L la longitud de la curva .
a) Probar que existe 1 y que es derivable.
b)

Considerar = 1 . Probar que   (s) = 1. A esta parametrizacion

de la curva se le llama la parametrizaci
on por la longitud de arco.

c)

Encontrar la parametrizaci
on por la longitud de arco de la curva
(t) = (a cos t, a sen t, bt), t [0, 6]

18.

Sea (s) = (x(s), y(s)) una curva plana parametrizada por la longitud de arco.
a) Probar que existe una funci
on k(s) : [0, L] IR tal que  (s) = k(s)N(s).
A esta funci
on se le llama la curvatura de .

19.

b)

Probar que N (s) = k(s)T(s).

c)

Encontrar la curvatura del crculo de radio R.

Sea (s) una curva plana parametrizada por la longitud de arco.

a) Sea (s) = (s)+R.N(s) y (s) = (s)R.N(s). Probar que L()+L() =
2L(), siendo L() la longitud de la curva correspondiente, y R un n
umero
positivo tal que 1 Rk(s) > 0, 1 + Rk(s) > 0, k(s) la curvatura de la curva
.
b)

358

Sea A = {P IR2 : P = (s) + rN(s), s [O, L], r [R, R]}, siendo

L la longitud de . Probar que el area de A es igual a la longitud de
multiplicado por 2R.

Captulo 6. Integraci
on

6.11.8.
1.

Integrales de superficie.

Un reector de una antena se construye girando la curva z = x2 (en el plano

0XZ) en torno al eje 0Z, x [0, 1].
a) Parametrizar la supercie obtenida.
b) Calcular su area.
c) Hallar el volumen del paraboloide resultante.
Sugerencia: a) Parametrizar la supercie en la forma
r(, ) = ( cos , sen , r2 ), [0, 2], [0, 1].
c) Plantear el c
alculo en coordenadas cartesianas.

2.

Hallar el momento de inercia I de una l

amina esferica homogenea S := x2 +
y 2 + z 2 = a2 de masa M respecto del eje 0Z.

3.

Hallar el vector normal a cada una de las siguientes supercies. Comprobar que
las ecuaciones representan efectivamente las supercies que se indican:
a) Plano: r(u, v) = (a1 + b1 u + c1 v, a2 + b2 u + c2 v, a3 + b3 u + c3 v).
b) Paraboloide elptico: r(u, v) = (au cos v, bu sen v, u2 ).
c) Elipsoide: r(u, v) = (a sen u cos v, b sen u sen v, c cos u).
d)

4.

Cilindro: (u, v) = (u, a sen v, a cos v).

Hallar el area de la regi

on que determina el cilindro x2 + y 2 = a2 en el plano
x + y + z = a.
Sugerencia: parametrizar la supercie en la forma
r(, ) = ( cos , sen , a (cos + sen )), [0, 2], [0, a].

5.

Hallar el centro de gravedad de un hemisferio uniforme de radio a.

Sugerencia: parametrizar la supercie en coordenadas esfericas.

6.

Consideremos
la
semiesfera de radio 1. Sea F (x, y, z) = (x, y, 0) un campo vecF nds,

torial. Hallar
s
a) Utilizando la representaci
on de S en coordenadas esfericas.
b) Utilizando la representaci
on explcita.
359

6.11. Ejercicios propuestos

7.

Si S es la supercie de la esfera x2 + y 2 + z 2 = a2 , hallar

 
I=

xzdy dz + yzdz dx + x2 dx dy.

Sugerencia: otra representaci

on de la integral es I

S

F ndS en donde

F (x, y, z) = (xz, yz, x2 ).

8.

Hallar el area de la esfera x2 +y 2 +z 2 = a2 interior al cilindro x2 +y 2 = ay, a > 0.

9.

Comprobar el T. de Stokes para el campo vectorial F (x, y, z) = (z y, x +

z, (x + y)) y la supercie limitada por el paraboloide z = 4 x2 y 2 y el plano
z = 0.

10.

Hallar el area del cono de altura h obtenido por rotaci

on de la recta z = 3x del
plano OXZ, alrededor del eje OZ.
Sugerencia: parametrizar la supercie en la forma
r(u, v) = (u cos v, u sen v, 3u), u [0, h/3], v [0, 2].

11.

Integrar las siguientes funciones sobre las supercies que se indican:

a) f (x, y, z) = (x2 + y 2 )z, sobre el hemisferio superior de la esfera de radio a,
centrada en (0, 0, 0).
f (x, y, z) = x, sobre el cilindro x2 + y 2 = a2 y 0 z 1.


Calcular C ydx + zdy + xdz siendo C la curva interseccion de x2 + y 2 + z 2 = R2
e y + z = R.
b)

12.

a) Directamente.
b)

360

Aplicando el teorema de Stokes.

Captulo 7

Series num
ericas y de
funciones. Integrales
impropias
7.1.
7.1.1.

Series num
ericas
Introducci
on

La paradoja de Aquiles y la tortuga fue propuesta por Zenon para poner de maniesto la inadecuaci
on de la l
ogica de los procesos nitos a los innitos. Aquiles no
puede alcanzar a la tortuga porque debe recorrer la mitad del camino que los separa,
momento en que la tortuga se encuentra m
as all
a de su posicion inicial. De nuevo se
repite el argumento: debe alcanzar la mitad del camino que los separa, y otra vez la
tortuga se ha desplazado durante ese perodo de tiempo, y as sucesivamente.
El tiempo es innitamente divisible, tambien el espacio (al menos conceptualmente). Parece que la suma de innitas cantidades debe siempre producir un resultado
mayor que cualquier n
umero conocido. Esto, sin embargo, no es cierto.
El lector se ha encontrado ya en este curso con la necesidad de sumar innitas
cantidades, pues se considero la familiar suma de los terminos de una progresi
on
geometrica ilimitada (ver la proposici
on 1.2.5): sea la progresi
on geometrica de primer
termino a y raz
on r, es decir, a1 = a, a2 = ra, a3 = r2 a, . . . Se trata de dar un

sentido a la suma a1 + a2 + a3 + . . . El problema ya no es algebraico: en Algebra

no esta denida m
as que la suma nita. Entra en juego el An
alisis y la denici
on
b
asica de lmite. Lo que se dice a continuaci
on se puede aplicar a cualquier sucesi
on
de n
umeros (a1 , a2 , a3 , . . .).
361

7.1. Series numericas

Denimos
s1 := a1 .
s2 := a1 + a2 .
s3 := a1 + a2 + a3 .
..
.

(7.1)

sn := a1 + a2 + a3 + . . . + an .
De esa forma, cada sn suma mas y mas terminos de nuestra sucesion original
(respetando el orden y comenzando por el principio). Es l
ogico hacer la siguiente
Definici
on 7.1.1 Dada la sucesi
on de n
umeros reales

(a1 , a2 , a3 , . . .),
(llamada de terminos de la serie

(7.2)

an ), la sucesi
on

n=1

(s1 , s2 , s3 , . . .)
denida en (7.1) se llama de sumas parciales de la serie

an .

n=1

Definici
on 7.1.1, representada abreviadamente
 on 7.1.2 La serie dada en la denici
por
an , se dice que es convergente si la sucesi
on (s1 , s2 , s3 , . . .) converge. En ese caso, su lmite
se
llama
suma
de
la
serie.
En
otro
caso,
la serie se dice que es divergente.

se
dice
que
es
absolutamente
convergente
cuando la correspondiente
Una serie
a
n

serie
|an | es convergente.
Nota 7.1.3 Observando la denici
on anterior del car
acter de una serie (convergente
o divergente), as como la de sumas parciales, resulta inmediato que una serie no
cambia de car
acter si se suprime o se a
nade un n
umero nito de terminos. Dicho de
otro modo, el car
acter de una serie depende del comportamiento de una cualquiera
de sus colas (es decir, de la serie a partir de un termino cualquiera).
Volviendo a nuestro ejemplo inicial de la progresi
on geometrica, es bien conocido
que, si r = 1,
rn 1
.
sn = a1 + a2 + . . . + an = a
r1
Por tanto, si |r| < 1, existe S = lm sn =
n

a
1r .

No solo sabemos que la serie

converge, sino que somos capaces de calcular su suma. Por el contrario, si |r|
1 (y a = 0) la serie diverge.
Hay una situaci
on en la que el concepto de serie aparece tambien naturalmente: la
expresi
on decimal de un n
umero real (ver el tratamiento realizado en la proposici
on
1 Muchas de las afirmaciones que se hagan en este cap
tulo pueden ser aplicadas palabra por
palabra a series de terminos complejos. S
olo en ciertas circunstancias, sin embargo, mencionaremos
esta posible aplicaci
on.

362

Captulo 7. Series numericas y de funciones. Integrales impropias

1.4.7 y en lo que la precede): supongamos que r es un n
umero real con expresion
decimal nita, es decir, de la forma
r = a0 , a1 a2 a3 . . . an ,

(7.3)

donde a0 , a1 , a2 , . . . , an , son cifras 0, 1, 2, . . . , 9. Con ello se quiere indicar que

r = a0 +

a2
a1
a3
a4
an
+
+ 3 + 4 + ... + n.
10 102
10
10
10

(7.4)

Supongamos ahora que el n

umero real r tenga una expresi
on decimal ilimitada, de la
forma
r = a0 , a1 a2 a3 . . . ,

(7.5)

donde a0 , a1 , a2 , etc., son, como antes, cifras 0, 1, 2, . . . , 9. El signicado de una exprean

sion como (7.5) es que r es la suma de la serie que tiene, como termino general 10
n,
es decir,
r = a0 +

a2
a1
a3
a4
+
+ 3 + 4 + ...
10 102
10
10

(7.6)

Probaremos, m
as adelante, que una tal serie es siempre convergente. Estas consideraciones han sido ya adelantadas cuando se formularon las proposiciones 1.2.5 y
1.4.7.
Dos objetivos son centrales en la teora de series:
1.

Saber si una determinada serie converge o diverge (se dice entonces que se
pretende determinar el caracter de una serie), y

2.

En el caso de que la serie converja, calcular su suma.

En general, es mas difcil determinar la suma de una serie (en el caso de series
convergentes) que su car
acter. Para cumplir el primer objetivo, se han desarrollado
m
ultiples tests. Expondremos algunos de ellos m
as adelante.
Las siguientes propiedades se deducen inmediatamente de las correspondientes
para sucesiones, y as no las probaremos:


bnson series convergentes de n
umeros reales, y si
Proposici
on 7.1.4 Si
an y
En ese caso, si
y son n
umeros reales, la serie
( an + bn ) es convergente.

( an + bn ) tiene
Sa es la suma de la primera serie y Sb de la segunda, la serie
como suma Sa + Sb .
363

7.1. Series numericas

7.1.2.

Tests generales para la convergencia o divergencia de

series

Como observacion de car

acter general, es importante hacer notar que todos los
criterios que se den pueden ser aplicados simplemente a una colade la serie, de
acuerdo con lo dicho en la nota 7.1.3. El siguiente teorema resalta este hecho.
Es bien conocido que una sucesi
on (xn ) en R es convergente si, y solo si, es de
Cauchy (ver la proposici
on 2.3.18). Aplicando esto a la serie, resultar
a inmediatamente
el siguiente


an es
Teorema 7.1.5 (Criterio de Cauchy ) Sea
an una serie. Entonces
convergente si y s
olo si, > 0 existe N N tal que, si n > m N, entonces
n



ak  < .

(7.7)

k=m

Nota 7.1.6 Es claro que este resultado es de caracter principalmente teorico. No

tiene, en principio, sentido utilizarlo directamente para comprobar el car
acter de una
determinada serie. Sin embargo, sus consecuencias son interesantes. Por ejemplo, se
tiene el siguiente
Corolario 7.1.7 Si una serie

an es convergente, su termino general tiende a cero.

n. Dado > 0 arbitrario, determinamos N como en el teorema

Demostracio
7.1.5. Tomando ahora n = m + 1 N, resulta
|an | < .

Esta
es la denicion de lm an = 0.

Nota 7.1.8 Una forma usual de utilizar el corolario anterior es en la versi

on (l
ogicamente equivalente) siguiente: si el termino general no tiende a cero, la serie no puede
ser convergente. As, por ejemplo, la serie
1 1 + 1 1 + 1 1 + ...
es divergente.
Cuando conocemos el caracter de una serie podemos compararla con otras cuyo
comportamiento desconocemos en un intento de obtener informacion sobre estas u
ltimas.
Corolario 7.1.9 (Criterio de Comparaci
on) Sea
de terminos positivos. Entonces, si
|an | bn ,
364

n N,

an una serie,

bn una serie
(7.8)

Captulo 7. Series numericas y de funciones. Integrales impropias



an resulta absolutamente convergente, luego
y la serie
bn es convergente, la serie
convergente 2 .
n. Como
Demostracio
si n > m N,

bn es de Cauchy , dado > 0, existe N N de modo que

n


bk < .

k=m

Por tanto, por la desigualdad triangular,

n
n
n

 
  

ak  <
ak  <
bk < .
k=m

As, la serie

k=m

k=m

an es de Cauchy , luego convergente.

Una consecuencia inmediata del corolario 7.1.9 es el siguiente

Corolario 7.1.10 Si una serie
7.1.2) entonces es convergente.

an es absolutamente convergente (ver la denici

on

Otra consecuencia del corolario 7.1.9 es el siguiente

Corolario 7.1.11 Sean

an y

bn series de terminos positivos tales que

an
Q,
bn

n N

(si bn = 0, n N), donde P y Q son dos n

umeros estrictamente positivos (por
acter.
ejemplo, si existe lm abnn = 0). Entonces, las dos series tienen el mismo car
n

n. Basta observar que P bn an Qbn , n N, y aplicar el corolario

Demostracio
7.1.9.

7.1.3.

Criterios de convergencia para series de t

erminos positivos

Veremos mas adelante que las series absolutamente convergentes tienen todas las
buenas propiedades de las sumas nitas: se pueden, por ejemplo, sumar en cualquier
orden, dando siempre el mismo resultado, o se puede en ellas introducir parentesis,
de nuevo sin alterarlas.
2
on (7.8), que la serie
 Se dice, en el caso en que se verifique la condici
an .

bn domina a la serie

365

7.1. Series numericas

Los criterios que desarrollaremos a continuacion se aplican a series de terminos
positivos (como el caso de corolario 7.1.11 anterior) o a las series de los valores absolutos de series arbitrarias (produciendo as, realmente criterios de convergencia
absoluta).
Una armaci
on inmediata, consecuencia del hecho de que toda sucesi
on de n
umeros
reales monotona creciente y acotada superiormente es convergente (ver la proposicion
1.4.3), es la siguiente.


an es
Proposici
on 7.1.12 Sea
an una serie de terminos positivos. Entonces,
convergente si, y s
olo si, la sucesi
on de sumas parciales es acotada superiormente.
Para ciertas series de terminos positivos, el caracter se determina observando solo
unos cuantos terminosde la serie (precisamente, los de ndice potencia de 2):

Teorema 7.1.13 (Criterio de Condensaci
on de Cauchy ) Sea
an una serie



n n
an y la serie
2 a2 tienen el
tal que 0 an+1 an , n = 1, 2, . . . Entonces,
n=0

mismo car
acter.
n. Denotamos
Demostracio
sn

= a1 + a2 + . . . + an ,

tk

= a1 + 2a2 + 4a4 + . . . + 2k a2k ,

siendo n = 1, 2, . . ., k = 0, 1, 2, . . . Entonces, si n < 2k , tenemos

sn

= a1 + a2 + . . . + an
a1 + (a2 + a3 ) + . . . + (a2k + a2k +1 + . . . + a2k+1 1 )
a1 + 2a2 + 4a4 + . . . + 2k a2k = tk .

Por otra parte, si n > 2k , se tiene

sn

= a1 + a2 + . . . + an
a1 + a2 + (a3 + a4 ) + . . . + (a2k1 +1 + . . . + a2k )
1
1
a1 + a2 + 2a4 + . . . + 2k1 a2k = tk

2
2

De estos dos resultados se deduce la conclusion.

El teorema 7.1.13 tiene muchas aplicaciones. Por ejemplo, se tiene el siguiente

Corolario 7.1.14 La serie

es convergente si, y s
olo si, p > 1.
366


1
p
n
n=1

Captulo 7. Series numericas y de funciones. Integrales impropias

n. Sea
Demostracio
an =

1
, n = 1, 2, . . .
np

(7.9)

Si p > 0, estamos en condiciones de aplicar el teorema anterior. Resulta que

converge si, y solo si, lo hace


k=0

2k (2k1)p , es decir,


n=1

1
np

2k(1p) . Pero esta u

ltima es una

k=0

serie geometrica, que converge si y solo si 2(1p) < 1. Esto ocurre si, y s
olo si, p > 1.
Por otra parte, si p 0, el termino general de la serie (7.9) no tiende a cero, con
lo que la serie, en virtud del corolario 7.1.7, diverge.


Es un ejercicio simple, siguiendo las ideas del corolario anterior, probar el siguiente
resultado.
Corolario 7.1.15 La serie

1
n(ln
n)p
n=2

(7.10)

converge si, y s
olo si, p > 1.
La serie


n=0

1
n!

y el n
umero e

El n
umero e es, sin lugar a dudas, el m
as importante en todas las Matematicas.
Aparece de forma natural, por ejemplo, en la teora de ecuaciones diferenciales ordinarias, puesto que cualquier proceso en el que su evoluci
on dependa del estado actual
hace intervenir, de alguna manera, la funci
on exponencial.
Hay muchas formas de introducirlo (precisamente por su propiedad de ubicuidad),
dependiendo del contexto en el que nos estemos moviendo. Por ejemplo, en desarrollos
anteriores lo hemos denido como un lmite de una sucesion adecuada (ver la denicion 3.2.4). Puesto que lo hacemos actualmente en la teora de series, parece natural
considerar la siguiente expresi
on como una denici
on. Esta hace intervenir una serie
de importancia especial, como el n
umero que dene.
Definici
on 7.1.16 Se dene e como la suma de la serie


1
n!
n=0

(7.11)

Nota 7.1.17 Para que la denici

on anterior sea consistente, es necesario probar que
la serie (7.11) es convergente (ver tambien la f
ormula 5.9). Pero esto es sencillo: si sn
denota, como siempre, la suma parcial n-esima de la serie (7.11),
sn = 1 +

1
1
1
1
1
1
1
1
+ + + ... +
1 + 1 + + 2 + 3 + . . . + n1 ,
1 2! 3!
n!
2 2
2
2

(7.12)
367

7.1. Series numericas

n = 0, 1, 2, . . . Por tanto, est
a dominada por una serie geometrica convergente, as que
tambien converge. Es mas, en virtud de (7.12), resulta que sn < 1 + 1 + 12 + 212 + 213 +
1
. . . + 2n1
+ . . . = 3, luego 2 < e < 3.
Nota 7.1.18 La rapidez de convergencia de la serie (7.11) es especialmente elevada.
De hecho se tiene que
1
0 < e sn <
(7.13)
n! n
Esto es facil de probar:
e sn

=
<
<

1
1
+
+ ... <
(n + 1)! (n + 2)!


1
1
1
+
+ ... <
1+
(n + 1)!
(n + 2) (n + 2)(n + 3)


1
1
1
1
1
+
.
+
+
.
.
.
=
1+
(n + 1)!
(n + 1) (n + 1)2
(n + 1)3
n! n

Por ejemplo, si se toma como valor aproximado de e el n

umero
s5 = 1 +

1
1
1
1
1
+ + + +
= 2,716666 . . . ,
1 2! 3! 4! 5!

se esta cometiendo un error de modo que 0 < e 2,71666 . . . < 0,001666 . . . as que
2,71666 . . . < e < 2,718333 . . .
La acotacion (7.13) tiene una consecuencia interesante:
Proposici
on 7.1.19 e no es un n
umero racional 3 .
n. Supongamos e = pq , donde p y q son n
umeros enteros positivos.
Demostracio
Aplicando (7.13) resulta
1
,
0 < e sq <
q!q
lo que se traduce en
0 < q!e q!sq <

1
.
q

(7.14)

Ahora bien, tanto q!e como q!sq son n

umeros enteros, con lo que su diferencia tambien:
(7.14) es imposible.


3 Es cierto, aunque mucho m
as difcil de probar, que e es un n
umero transcendente, es decir, que
no es raz de ning
un polinomio con coeficientes enteros. La prueba de este hecho se debe a Hermite.
Se puede encontrar, por ejemplo, en [Go59, Secc. 87, p.171].

368

Captulo 7. Series numericas y de funciones. Integrales impropias

Criterios de la raz y del cociente
Dos de los tests mas usados de convergencia de una serie proporcionan en realidad
convergencia absoluta, ya que se aplican a series de terminos positivos (por tanto, a
la serie formada por los valores absolutos de los terminos de una serie dada).
La utilizaci
on adecuada de los criterios que expondremos a continuaci
on requiere
el conocimiento del concepto de lmite superior e inferior de una sucesi
on de n
umeros
reales.
Definici
on 7.1.20 Dada una sucesi
on (an ) en R se llama lmite superior, y se escribe
lm sup an ,
n

a un n
umero L (eventualmente + o ) denido de la siguiente forma:
1) Si (an ) no es acotada superiormente, L = +.
2) Si (an ) tiene como lmite , se toma L = .
3) En otro caso L es el mayor de entre los lmites de las posibles subsucesiones
convergentes de (an ) 4 .
An
alogamente se dene el concepto de lmite inferior de una sucesi
on en R denotado
lm inf an .
n

Teorema 7.1.21 (Criterio de la raz o de Cauchy) Sea

= lm sup
n


n

an una serie. Sea

|an |.

Entonces,
1) Si < 1, la serie es absolutamente convergente.
2) Si > 1, la serie es divergente.
3) Si = 1, no es posible concluir nada.
n. Caso 1: ( < 1) Tomemos
Demostracio
on
< < 1. En virtud de la denici
de lmite superior, existe n0 N de modo que n |an | < , n n0 . Resulta que
|an | < n , n n0 , as que, a partir de un termino, la serie de los valores absolutos
esta 
dominada por una serie geometrica de raz
on < 1, luego convergente. Resulta
que
an es absolutamente convergente.

Caso 2: ( > 1) Entonces an no converge a cero, luego
an diverge (ver el
corolario 7.1.7).
4 Es

f
acil comprobar que, en el caso 3), L se puede definir tambien como el u
nico n
umero real que
verifica las dos siguientes propiedades: Dado un n
umero > 0 arbitrario,
a) a la derecha de L + hay, como m
aximo, un n
umero finito de terminos de la sucesi
on, y
b) a la derecha de L hay un n
umero infinito de terminos de la sucesi
on.
Para el caso de lmite inferior, es f
acil simetrizar esta descripci
on.

369

7.1. Series numericas

1  1
Caso 3: Las series
n y
n2 son, respectivamente, divergente y convergente.
Sin embargo en ambos casos = 1.

Teorema 7.1.22 (Criterio del cociente o de DAlembert) Sea

tal que an = 0, n = 1, 2, . . . Sea

an una serie



 an+1 

.
= lm sup 
an 
n
Entonces,
1) Si < 1, la serie es absolutamente convergente.




2) Si  aan+1
 1, n = 1, 2, . . . , la serie diverge.
n






 an+1 
3) Si lm inf  aan+1

l
m
sup


an  , no es posible deducir nada.
n
n

n. Caso 1:
Demostracio
superior, existe n0 N tal que

(
on de lmite
 <  1) Sea < < 1. Por denici
 an+1 
 an  < , n n0 . Entonces

|an0 +1 |
|an0 +2 |

<
<
..
.

|an0 | ,
|an0 +1 | < 2 |an0 |

|an0 +k+1 |

<
..
.

|an0 +k | < k+1 |an0 | ,


luego los terminos de la serie
|an | , a partir de n0 , estan dominados por los deuna
serie geometrica de raz
on < 1, luego convergente. Resulta que nuestra serie
an
es absolutamente convergente.
Caso 2: En ese caso, |an+1 | |an |, n = 1, 2, . . . , luego el termino general no
converge a cero y la serie diverge.
Caso 3: Los dos ejemplos del teorema 7.1.21, Caso 3), aseguran que tampoco se
puede decir nada en esta situaci
on.

Es u
til en esta situacion tener en cuenta el siguiente resultado, de f
acil demostracion:
Lema 7.1.23 Sea (an ) una sucesi
on de n
umeros reales positivos. Entonces
lm inf
n

370

an+1
an+1
lm inf n an lm sup n an lm sup
.
n
an
an
n
n

(7.15)

Captulo 7. Series numericas y de funciones. Integrales impropias

n. La desigualdad central es obvia, por la misma denici
Demostracio
on de lmite
superior e inferior. Las dos de los extremos se demuestran igual, as que probaremos

an+1
n
an lm sup
.
an
n

lm sup
n

Si lm sup
n

an+1
an

= +, no hay nada que probar. Supongamos entonces que

lm sup
n

an+1
= < +.
an

Tomemos un n
umero cualquiera con < . Entonces, existe N N tal que
an+1
< , n N.
an
As, se tiene
aN +p < p aN ,

p = 1, 2, . . .

Extrayendo la raz (N + p)esima,

1/(N +p)

(aN +p )1/(N +p) < p/(N +p) aN

p = 1, 2, . . .

Cuando p +, el miembro de la derecha converge a . Por tanto

lm sup n an .
n

Pero esto es cierto para todo > . Necesariamente

lm sup n an .
n

Nota 7.1.24 Esto permite concluir, en particular, que si una sucesi

on de terminos

n a
,
tambi
e
n
existe
l
m
positivos (an ) verica que existe L = lm sup aan+1
n y coincide
n
n

con L, lo que resulta u

til en numerosos casos de calculo de lmites. Por ejemplo, si se
trata de calcular

lm n n,
n

tengase en cuenta que

lm n+1
n n

= 1. Entonces, tambien
lm

n = 1.

Por otra parte, la f

ormula (7.15) asegura que el criterio de la raz es mas potenteque
el del cociente (aunque este suele ser mas f
acil de aplicar), en el sentido de que si el
criterio del cociente proporciona informaci
on, tambien lo hace (por supuesto, en el
mismo sentido) el de la raz. En particular, si el criterio del cociente no nos aporta
 1
ninguna informaci
on, el criterio de la raz tampoco, como pasa con las series
np
con p > 0.
371

7.1. Series numericas

7.1.4.

Series de potencias

Un tipo de series especialmente importante es el de las obtenidas de la siguiente

forma 5 :
Definici
on 7.1.25 Sea (an ) una sucesi
on de n
umeros complejos (que llamaremos
coecientes de la serie). Sea z un n
umero complejo. La serie numerica

an z n

(7.16)

n=0

se llama serie de potencias (a veces se a

nade desarrollada en torno a cero).
Observar que esta serie puede converger o diverger seg
un sea el valor de z. Desde
luego, si z = 0, la serie converge. Una primera tarea consiste en determinar los valores
de z para los que la serie converge y para los que diverge. Observar tambien que (7.16)
dene una funci
on (de z) en el conjunto de aquellos z para los que la serie converja.
El resultado m
as importante en esta direccion es el
Teorema 7.1.26 (F
ormula de Cauchy-Hadamard) Sea

an z n

n=0

una serie de potencias. Entonces, asociada a ella existe R [0, +] (llamado radio
de convergencia) de modo que:
i) (7.16) converge absolutamente si |z| < R.
ii) (7.16) diverge si |z| > R.
iii) R = 1/, donde
= lm sup
n


n

|an |

(7.17)

con el convenio siguiente: si = 0, se toma R = +. Si, por el contrario, = +,

se toma R = 0.

n. Basta aplicar el criterio de la raz (teorema 7.1.21) a la serie

Demostracio
an z n , para un cierto z C dado: calculamos

n=0


lm sup
n

|an | |z|

lm sup |z|
n


n

|an | =

5 En este momento, permitiremos que los n

umeros que aparezcan sean complejos, tanto los coeficientes como el n
umero z. Esto no a
nade ninguna complicaci
on adicional, ya que las operaciones
algebraicas con reales o complejos obedecen a las mismas leyes, y las particularidades de una serie
de potencias son m
as aparentes cuando se permite la utilizaci
on de n
umeros complejos.

372

Captulo 7. Series numericas y de funciones. Integrales impropias

= |z| lm sup
n


n

|an | = |z| .

Entonces, si |z| < 1 (equivalentemente, si |z| < R), la serie

(es decir,

|an | |z| converge

n=0

an z converge absolutamente). Si, por el contrario, |z| > 1 (equivan

n=0

lentemente, si |z| > R), la serie diverge.


El teorema 7.17 demuestra que la serie n=0 an z n converge si z B (0; R) (la
bola abierta de centro 0 y radio R), mientras que diverge en C\B(0; R). Nada dice, sin
embargo, respecto al car
acter de la serie para |z| = R. Algunos ejemplos demostraran
que el comportamiento en esta circunferencia puede ser muy variado:
Ejemplo 7.1.27 Sea la serie

n!z n .

n=0

Si calculamos = lm supn n n! usando el lema 7.1.23, resultar

a = +, luego
R = 0. As, la serie solo converge para z = 0.
Ejemplo 7.1.28 Sea la serie

z n /n!.

n=0

Esta
es, sin lugar a dudas, la serie m
as importante del An
alisis Matematico, como ya
se ha comentado antes. De nuevo usando el lema 7.1.23, resulta = 0, luego R = +.
As, la serie converge para todo z C. Dene, por tanto, una funci
on en todo el plano
complejo. Por denici
on, esa funci
on se llama exp(z). Precisamente, destacamos la
siguiente
Definici
on 7.1.29 Se dene la funci
on exponencial, denotada alternativamente coon
mo exp() o como e() , a la funci
exp(z) = ez :=

z n /n!,

z C

(7.18)

n=0

Ejemplo 7.1.30 Sea la serie

zn.

n=0

Es inmediato que = 1, luego R = 1. As, la serie (geometrica) converge para |z| < 1
(deniendo la funci
on 1/(1z), la suma de la serie), mientras que diverge para |z| < 1.
373

7.1. Series numericas

En este caso, cuando |z| = 1, el termino general z n no tiende a cero, por lo que la
serie diverge en toda la circunferencia unidad.
Ejemplo 7.1.31 Sea la serie


1 n
z .
n
n=1

El radio de convergencia R es 1. Observemos que, para z = 1, la serie diverge. Veremos

en el corolario 7.1.38 que la serie converge en todo otro punto de la circunferencia
unidad.
Ejemplo 7.1.32 Sea la serie


1 n
z .
2
n
n=1

Tambien el radio de convergencia R es 1. Sin embargo, para |z| = 1 la serie converge,


1
por el criterio de comparacion con
n2 .
n=1

7.1.5.

Sumaci
on parcial

En el tratamiento de series que no son necesariamente de terminos positivos, conviene tener criterios para estudiar el car
acter de series de la forma


an bn .

El siguiente lema es puramente algebraico, pero resulta u

til para este prop
osito:
Lema 7.1.33 (Sumaci
on Parcial de Abel) Dadas dos sucesiones

(an )
n=0 , (bn )n=0

de n
umeros reales, y denotando
An =

ak ,

n = 0, 1, 2, 3, . . . , A1 = 0,

k=0

se tiene, para 0 p q,
q

n=p

374

an bn =

q1

n=p

An (bn bn+1 ) + Aq bq Ap1 bp

(7.19)

Captulo 7. Series numericas y de funciones. Integrales impropias

n.
Demostracio
q


an bn =

n=p

(An An1 ) bn =

n=p

An bn

n=p

An bn

n=p
q1


An bn+1 =

q1


An1 bn =

n=p

An (bn bn+1 ) + Aq bq Ap1 bp .

n=p

n=p1

Los dos siguientes resultados son especialmente u

tiles para estudiar el car
acter de
las series cuyos terminos no son necesariamente positivos.

Teorema 7.1.34 (Criterio de Dirichlet) Sean (an )

n=0 y (bn )n=0 dos sucesiones
tales que:

i) Las sumas parciales An =

n


ak ,

n = 0, 1, 2, 3, . . . , forman una sucesi

on aco-

k=0

tada.
otona decreciente.
ii) La sucesi
on (bn ) es mon
iii) lm bn = 0.
n

Entonces, la serie

an bn es convergente.

n. En virtud del lema 7.1.33, se tiene

Demostracio
q



an bn 

q1



=
An ( bn bn+1 ) + Aq bq Ap1 bp 

n=p

n=p

q1


|An | (bn bn+1 ) + |Aq | bq + |Ap1 | bp

n=p

q1


(bn bn+1 ) + M bq + M bp =

n=p

= M (bp bq ) + M bq + M bp = 2M bp ,
si M denota una cota superior de la sucesi
on (|An |) . Basta tomar entonces p < q
q


no que un n
umero > 0
sucientemente grandes para obtener 
an bn  mas peque
n=p

prejado. Esta
es la condicion de Cauchy (ver el teorema 7.1.5), luego la serie es
convergente.

Un criterio parecido al anterior es el

375

7.1. Series numericas

Teorema 7.1.35 (Criterio de Abel) Sean (an )

n=0 y (bn )n=0 dos sucesiones tales
que:

i) La serie

an es convergente.

n=0

otona (creciente o decreciente).

ii) La sucesi
on (bn ) es mon
iii) Existe lm bn .
n

Entonces, la serie

an bn es convergente.

n. Supongamos que (bn ) es una sucesion mon

otona decreciente (en
Demostracio
el otro caso se procede de forma muy parecida). Como antes, usamos la f
ormula de
sumacion parcial de Abel (ver el lema 7.1.33):
q



an bn 

q1


= 
An ( bn bn+1 ) + Aq bq Ap1 bp 

n=p

n=p

q1


|An | ( bn bn+1 ) + |Aq bq Ap1 bp | .

n=p

Ahora, si M es una cota superior de la sucesion (|An |), la suma

q1


|An | ( bn bn+1 )

n=p

na cuando p < q es suesta acotada por M (bp bq ), cantidad que es muy peque
cientemente grande. Por otra parte, y bajo las mismas circunstancias, el termino
no, ya que Aq bq y Ap1 bp estan ambos muy cerca de
|Aq bq Ap1 bp | es muy peque


an y b := lm bn . De nuevo, el criterio de Cauchy (teorema 7.1.5)
Ab, siendo A :=
n

n=0

proporciona la conclusi
on.

Corolario 7.1.36 (Criterio de Leibniz para series alternadas) Sea una sucesi
on mon
otona decreciente y convergente a cero, digamos (bn ). Entonces, la serie
b1 b2 + b3 b4 + . . . + (1)n+1 bn + . . .
(llamada serie alternada) es convergente.
n. Basta aplicar el criterio de Dirichlet (teorema 7.1.34) a las dos
Demostracio
sucesiones (an ) y (bn ), donde an := (1)n+1 , n = 1, 2, 3, . . .


376

Captulo 7. Series numericas y de funciones. Integrales impropias

El siguiente resultado completa la informaci
on dada por el corolario anterior, y es
especialmente u
til, al estimar la rapidez de convergenciade la serie hacia su suma;
se asegura que el error cometido al tomar Bn en lugar de B es, en valor absoluto,
menor o igual que el primer termino despreciado:
Proposici
on 7.1.37 Sea
b1 b2 + b3 b4 + . . . + (1)n+1 bn + . . .
una serie alternada como en el corolario 7.1.36. Entonces, el error que se comete al
tomar como su suma B una de sus sumas parciales, digamos Bn , es
0 (1)n (B Bn ) bn+1
n. Basta escribir
Demostracio
B B2n = b2n+1 b2n+2 + b2n+3 b2n+4 + . . . ,
y observar que b2n+2 b2n+3 0, b2n+4 b2n+5 0, y as sucesivamente, de la
misma manera que b2n+1 b2n+2 0, b2n+3 b2n+4 0, y as sucesivamente, con lo
que resulta
0 B B2n b2n+1 .
De la misma manera se demuestra que
0 B B2n+1 b2n+2 .
Por tanto, podemos escribir 0 (1)n (B Bn ) bn+1 .

on mon
otona decreciente, tal que la serie de
Corolario 7.1.38 Sea (cn ) una sucesi
potencias


cn z n
n=0

tenga radio de convergencia 1. Entonces, la serie convergente en toda la circunferencia

unidad, excepto, quiz
as, en z = 1.
n. Tomando an := z n , bn := cn , podemos aplicar el Criterio de
Demostracio
Dirichlet (teorema 7.1.34), pues las sumas parciales
An :=

ak =

k=0

zk ,

n = 1, 2, 3, . . . ,

k=0

estan acotadas: para verlo, basta escribir

n

  1 z n+1 
2

,
|An | 
zk  = 
1z
|1 z|
k=0

cuando |z| = 1, z = 1.

377

7.1. Series numericas

Series telesc
opicas
Estudiamos en esta parte un tipo de series que por sus caractersticas especiales es
posible calcular su suma. En otros casos, como se ha mencionado en la Introducci
on
(ver el apartado 7.1.1) ello puede ser muy complicado. Hacemos un tratamiento de la
sumacion (en realidad, del producto de Cauchy) en el siguiente apartado.
Definici
on 
7.1.39 Sea an R, para n N (no es necesario que an 0). Se dice

on {bn }n=1 de n
umeros reales
que la serie n=1 an es telescopica si existe una sucesi
tal que, o bien
(i) an = bn bn+1 para todo n N, o bien
(ii) an = bn+1 bn para todo n N.
En el caso (i), las sumas parciales de


n=1

an son

Sn = a1 + a2 + + an = (b1 b2 ) + (b2 b3 ) + + (bn bn+1 ) = b1 bn+1 ,



luego n=1 an converge si, y solo si, la sucesion {bn }n=1 es convergente y, ademas,
en este caso, la suma de la serie es

an = lm Sn = lm (b1 bn+1 ) = b1 lm bn .
n

n=1

En el caso (ii), an
alogamente tenemos
Sn = a1 + a2 + + an = (b2 b1 ) + (b3 b2 ) + + (bn+1 bn ) = bn+1 b1


y n=1 an converge si y solo si {bn } converge. En tal caso, n=1 an = lm bn b1 .
Ejemplo 7.1.40 La serie

1
es telesc
opica.
n(n + 1)
n=1

Sabemos que la serie converge, por comparacion con

1
n=1 n2

(pues

1
n(n+1)

<

1
n2 ).

1
Usando lo anterior, denimos an = n(n+1)
. Si tomamos bn = n1 , vemos que se
cumple an = bn bn+1 ; luego la serie es telescopica, y convergente, puesto que {bn }
converge a cero. Ademas

1
= b1 lm bn = b1 0 = 1.
n
n(n
+ 1)
n=1
Ejemplo 7.1.41 Estudiar la convergencia de




a)
n+1 n
b)

n=1



n=1

378

1
1+
n

n

1
1+
n+1

n+1 

Captulo 7. Series numericas y de funciones. Integrales impropias

Vamos a resolver a). Sea an = n + 1 n, y bn = n. Entonces an = bn+1 bn

para n N. Como lm bn = +, la serie diverge.
Otra forma de resolverlo es la siguiente. Escribimos

n+1+ n
(n + 1) n
1
an = n + 1 n
=
=

n+1+ n
n+1+ n
n+1+ n

y, si comparamos con n=1 1n en el lmite
1
n
lm
1
n
n+1+ n

Como


n=1

1
n

n+1+ n

= 2.
= lm
n
n

diverge, tambien lo hace la serie original.

Ejemplo 7.1.42 Estudiaremos a continuaci

on el caracter de dos series telecopicas:


1
a)
21
4n
n=1
Descomponemos en fracciones simples:
1
1
A
B
A(2n 1) + B(2n + 1)
=
=
+
=
.
1
(2n + 1)(2n 1)
2n + 1 2n 1
4n2 1

4n2

Por tanto,

1 = A(2n 1) + B(2n + 1) = (2A + 2B)n + (A + B) =

2A + 2B = 0
A + B = 1

cuya soluci
on es A = 21 , B = 12 . Entonces,
1
1
=
4n2 1
2

1
1

2n 1 2n + 1


=

1
2

2n 1

1
2

2n + 1

1/2
1/2
Si hacemos bn = 2n1
, sera bn+1 = 2n+1
, luego an = bn bn+1 . Puesto que lm bn = 0,

1
as
n=1 4n2 1 es convergente. Adem

1
1
= b1 lm bn = b1 = .
21
4n
2
n=1
b)

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

Queremos ver si es telescopica. Intentamos escribir

an =

2n + 3
A
B
A(n + 1)3 + Bn
= n1 +
=
,
n(n + 1)3n
n3
(n + 1)3n
n(n + 1)3n
379

7.1. Series numericas

as que 2n + 3 = 3A(n + 1) + Bn. De aqu

2 = 3A + B
A = 1, B = 1
3 = 3A
Luego la serie es telescopica, pues A + B = 0. Se tiene
an =

1
1

n1
n3
(n + 1)3n

1
o sea,
an = bn bn+1 donde bn = n3n1
. Como la sucesion {bn } converge (a cero), la

serie n=1 an converge, y ademas

2n + 3
= b1 lm bn = b1 = 1.
n
n(n + 1)3n
n=1
Ejercicio: Estudiar la convergencia de la serie

1
n(n
+
1)(n
+ 2)
n=1
Sugerencia: considerar que an =

A
n(n+1)

B
(n+1)(n+2) .

Adici
on y multiplicaci
on de series
Las series convergentes tienen la propiedad de linealidad, recogida en la siguiente
proposici
on, resultado que no demostraremos pues es muy sencillo de probar (en
realidad se trata de la propiedad de linealidad del lmite de una sucesion de n
umeros
reales o complejos), es decir:


bn tambien, con
Proposici
on 7.1.43 Si
an es convergente y tiene suma A y si
suma
B,
entonces
la
serie
obtenida
sumando
t
e
rmino
a
t
e
rmino
las
dos
series dadas,

suma
A
+
B.
La
serie
obtenida
multiplicando
por
(an + bn ) es convergente, y tiene


can , tambien es convergente con suma cA.
una constante c cada termino de
an ,

an y
 Se trata ahora de denir un producto razonable de dos series numericas
bn . La forma de hacerlo (llamada producto de Cauchy de las dos series) puede
parecer un tanto articial. Una posible justicaci
on se encuentra
en la consideracion


bn xn . Supongamos que
del producto formal de dos series de potencias
an xn y
se puedan multiplicar como si fueran polinomios. Resulta (agrupando terminos del
mismo grado):
 


bn xn =
an xn .
380

Captulo 7. Series numericas y de funciones. Integrales impropias

= (a0 + a1 x + a2 x2 + . . .). (b0 + b1 x + b2 x2 + . . .) =
= (a0 + b0 ) + (a0 b1 + a1 b1 )x + (a0 b2 + a1 b1 + a2 b0 )x2 + . . .
Si ahora hacemos x = 1 obtenemos la denici
on que consideraremos del producto de
series numericas:
Definici
on 7.1.44 Sean dosseries numericas
Cauchy de ambas a la serie
cn , donde
cn =

ak bnk ,

an y

bn . Se llama producto de

n = 0, 1, 2, . . .

(7.20)

k=0

Nota 7.1.45 Se presenta

un
 problema que mostraremos con un ejemplo: no es siem
bn son dos series convergentes, lo sea su producto de
pre cierto que si
an y
Cauchy . Una condici
on adicional que lo asegura es, por ejemplo, que una de las series sea absolutamente convergente. Este es el contenido del Teorema de Mertens, que
veremos mas adelante (teorema 7.1.47).
Ejemplo 7.1.46 Sea la serie


n=0

(1)n

.
n+1

Una aplicaci
on inmediata del Criterio de

Leibniz (teorema 7.1.36) asegura que esta serie es convergente. Veamos que el producto
de Cauchy de ella por s misma es divergente: con las notaciones de la denicion 7.1.44
se tiene
n

1

cn = (1)n
.
(n k 1)(k + 1)
k=0

2 
2 
2
Observar ahora que (n k 1)(k + 1) = n2 + 1 n2 k n2 + 1 , as que se
tiene
n

2
2(n + 1)
|cn |
=
,
n+2
n+2
k=0

de donde se sigue que el termino general cn no tiende a cero, y la serie no puede ser
convergente (ver el corolario 7.1.7).
Inmediatamente, a la luz del siguiente resultado, se ver
a que la raz
on de esta anomala
radica en que la serie utilizada no es absolutamente convergente. En realidad, basta
con que una de las series a multiplicar lo sea para que el producto de Cauchy sea
convergente.
El siguiente resultado asegura que, bajo la hip
otesis de que al menos una de las
series converja absolutamente (y la otra, al menos, converja), el producto de Cauchy
converge al producto de las sumas.

Teorema 7.1.47 (Mertens)
Dada una serie n=0 an = A absolutamenteconver

gente, y otra serie n=0 bn = B convergente, la serie producto de Cauchy n=0 cn

donde cn est
a dada por (7.20), converge con suma AB.
381

7.1. Series numericas

n. Denotamos
Demostracio
An :=

ak ,

Bn :=

k=0

Cn :=

ck ,

n :=

k=0

bk ,

k=0
n


|ak | ,

n := Bn B,

k=0

para n = 1, 2, 3, . . . Entonces, se trata de estudiar la convergencia o divergencia de

Cn , cuando n +. Podemos escribir
Cn

= (a0 b0 ) + (a0 b1 + a1 b0 ) + (a0 b2 + a1 b1 + a2 b0 ) + . . .

. . . + (a0 bn + . . . + an b0 ) =
= a0 (b0 + b1 + . . . + bn ) + a1 (b0 + b1 + . . . + bn1 ) + . . . + an b0 =
= a0 Bn + a1 Bn1 + . . . + an B0 =
= a0 (B + n ) + a1 (B + n1 ) + . . . + an (B + 0 ) =
= B(a0 + a1 + . . . + an ) + (a0 n + a1 n1 + . . . + an 0 ) =
= BAn + n ,

(7.21)

donde n = a0 n + a1 n1 + . . . + an 0 , n = 1, 2, 3, . . . A la vista de (7.21), si

conseguimos demostrar que n 0 cuando n +, entonces Cn AB cuando
n +, lo que terminar
a la prueba.
Para ello, tomemos > 0. Entonces, como n 0 cuando n +, existe N N
tal que, si n N, |n | < . Por otra parte, escribamos, para n N,
|n | = |a0 n + a1 n1 + . . . + an 0 |
|0 an + 1 an1 + . . . + N anN |

donde =


k=0

+ |N +1 anN 1 + N +2 anN 2 + . . . + n a0 |
|0 an + 1 an1 + . . . + N anN | +

+ [|anN 1 | + |anN 2 | + . . . + |a0 |]

|0 an + 1 an1 + . . . + N anN | + ,

(7.22)

|ak | .

Si ahora hacemos n +, el primer sumando en (7.22) tiende a cero, ya que

contiene un n
umero jo (N + 1) de sumandos, cada uno de ellos convergiendo a cero,
puesto que an 0 cuando n + . Entonces,
lm sup |n | ..
n+

Como esto es valido para cualquier > 0, obtenemos n 0 cuando n +.

Enunciaremos un resultado, debido a Abel, que asegura que, en el caso en que el

producto de Cauchy de dos series converja, lo hace hacia la suma esperada (el producto
382

Captulo 7. Series numericas y de funciones. Integrales impropias

de las sumas), sin necesidad de que alguna de ellas sea absolutamente convergente.
No daremos ahora su demostracion, ya que puede obtenerse de modo sencillo a partir
de las propiedades de las series de potencias, lo que haremos mas adelante (ver la
nota 7.3.23).


bn series 
convergentes, con sumas A y
Teorema 7.1.48 (Abel) Sean
an y
B, respectivamente. Si la serie producto de Cauchy
cn es tambien convergente,
entonces su suma es AB.

7.1.6.

Reordenaci
on de series

Una suma nita S = a1 +a2 +. . .+an tiene la propiedad de que, al cambiar el orden
de sumacion, no se altera el valor de la suma. Esta propiedad deja de ser verdad en
general en el caso de una serie innita. Al reordenarla, puede cambiar no s
olo de suma,
sino incluso de caracter. Es otra de las razones por las que hay que tomar precauciones
especiales al manejar series innitas. Tambien veremos en este apartado que las series
absolutamente convergentes estan desprovistas de estas patologas, as como de otras
que tambien trataremos en posteriores puntos.
Definici
on 7.1.49 Precisaremos en primer lugar lo que entendemos por reordenar
una serie: consiste en utilizar, para
ordenar sus ndices,
una biyecci
on p : N N. As,

,
la
serie
a
se
llama
una reordenaci
on
dada
una
tal
biyecci
o
n,
y
la
serie
a
n
p(n)

de
an .


Observar que en
ap(n) est
an presentes todos los terminos de
an , aunque
quiz
as en otro orden distinto.

Ejemplo 7.1.50 Sea la serie n=1 (1)n+1 /n. Se vio usando el criterio de Leibniz
(ver el teorema 7.1.36) que esta serie era convergente. Observemos a continuacion
que se produce el siguiente fen
omeno: dado un n
umero real cualquiera, digamos ,
podemos reordenar la serie para que sume precisamente . El procedimiento es muy
sencillo, y constituye la idea del llamado Teorema de Riemann, que veremos mas
adelante en esta misma seccion (ver el teorema 7.1.55):
Veamos en primer lugar que la serie formada por los terminos positivos de la
serie original es divergente, as como la formada por los valores absolutos de los
terminos negativos (se sugiere que el lector pruebe esta armacion). Ahora, gracias
a estaobservacion, se puede comenzar a elegir terminos positivos correlativos de la

serie n=1 (1)n+1 /n deteniendose en cuanto la suma haya sobrepasado . En ese

momento tomense terminos negativos correlativos deteniendose en cuanto la suma
total sea menor que . A
nadanse ahora terminos positivos a partir de donde nos
quedamos, hasta que la suma total sea
que , y as sucesivamente. Como el
mayor

valor absoluto del termino general de n=1 (1)n+1 /n tiene a cero, es claro que de
esta forma obtenemos una reordenacion de la serie original que converge
acil
 a . Es f
imaginar un procedimiento que permita denir una reordenaci
on de n=1 (1)n+1 /n
que diverja a +, as como otra que lo haga a (h
agalo el lector como ejercicio).
383

7.1. Series numericas

queremos indicar
Incluso, si se han dado dos n
umeros en R (con esa notacion 

n+1
/n
R junto con los dos smbolos + y ), es posible reordenar
n=1 (1)
para que, si {Sn } es la sucesion de sumas parciales, se tenga lm inf n Sn = y
lm supn Sn = . Los detalles los haremos en la demostracion del Teorema de
Riemann (teorema 7.1.55).

Definici
on 7.1.51 Una serie
an se dice que es incondicionalmente convergente
cuando toda reordenaci
on converge.
Nota 7.1.52 Veremos despues (teorema 7.1.57) que, en ese caso, necesariamente,
toda reordenaci
on converge a la misma suma.
El an
alisis del ejemplo 7.1.50 parece sugerir que la raz
on de que (al menos en el caso
real) una serie no sea incondicionalmente convergente se encuentra en que las series
formadas por los terminos positivos y negativos sean divergentes. Esta intuici
on es
correcta. Para probarlo necesitamos hacer algunas consideraciones adicionales, en el
caso de una serie general, siempre en el espritu del citado ejemplo:

umeros reales. Deniremos dos sucesiones asociadas, (pn )
Sea
an una serie de n
y (qn ), de la forma:

si an 0
an , si an 0
0,
pn =
, qn =
, n N.

0, si an < 0
an , si an < 0
Observemos que pn 0, qn 0, as como pn qn = an , pn + qn = |an | , para cada
n N. La siguiente proposici
on es elemental:
Proposici
on 7.1.53 Sea

an una serie de terminos reales.



convergente
y s
olo si las dos series
pn y
qn
an es absolutamente 
 si 
convergen. En ese caso
an =
pn q n .



b) Si
an es convergente pero no absolutamente, las series
pn y
qn son
ambas divergentes.

a)


n. a) Supongamos que
Demostracio
an es absolutamente convergente.En+
q
=
|a
|
,
se
tiene
0

p
|an | y0 qn 
|an | , luego
pn
tonces,
como
p
n
n
n
n

y
qn convergen. Rec
procamente,
supongamos
que
p
y
q
converjan.
Con
n


|a
decir,
an es absolutamente convergente.
mo pn + qn = |an | ,
n | converge,
 es 
pn q n .
Obviamente, en ese caso
an =



b) Supongamos que an converge, y que
|an | diverge. Si
 pn converge, como
qn = pn an , tambien
qn converge. Laparte a) prueba que
an es absolutamente

qn diconvergente, una contradicci
on. Luego
pn diverge. De la misma forma,
verge.

384

Captulo 7. Series numericas y de funciones. Integrales impropias

Con la anterior proposici
on queda probado que una serie absolutamente convergente de n
umeros reales es exactamente la que puede ser representada como la dife
rencia termino a termino de dos series convergentes de terminos positivos. Esta
es la
razon por la que las series absolutamente convergentes de terminos reales y, por tanto,
las absolutamente convergentes complejas (basta considerar la serie cuyos terminos
son las partes reales y las partes imaginarias de los terminos de la serie original)
participan de las buenas propiedades de las series de terminos positivos y, por tanto,
tienen un comportamiento similar a las sumas nitas.
Anunciamos antes que las series absolutamente convergentes no presentan patologas en cuanto a reordenaciones. Esto es lo que prueba el siguiente resultado:
todas las reordenaciones de una tal serie convergen (luego probaremos que lo hacen
siempre hacia la misma suma).
Teorema 7.1.54 Una serie absolutamente convergente de terminos reales o complejos es incondicionalmente convergente, y cualquier reordenaci
on converge hacia la
misma suma.

n. Sea an una serie absolutamente convergente. Probaremos que
Demostracio
cualquier reordenaci
on converge y lo hace hacia la misma suma. Si fueramos capaces
de hacerlo para una serie de terminos positivos, habramos probado el resultado, en
virtud de lo dicho anteriormente.

Sea p : N N una biyecAs pues, sea
an una serie de terminos positivos.


bn es la reordenacion de
an
cion. Consideramos bn = ap(n) , n N. La serie
correspondiente
a
p.
Denotaremos
por
A
y
por
B
las
sumas
parciales
corresponn
n

dientes, A =
an . Tomemos n N. Es claro que hay un m N de modo que
{p(1), p(2), . . . , p(n)} {1, 2, . . . , m} (basta tomar m = max {p(1), p(2), . . . , p(n)}).
Entonces
Bn Am A,

luego B
bn converge con suma B A. Como

n A, n N. Necesariamente
bn , lo ya demostrado asegura que A B, as que
ahora
an es una reordenada de
A = B.

Resulta que el teorema anterior tiene un recproco, como ya hemos mencionado

varias veces:

Teorema 7.1.55 (de Riemann) Sea
an una serie de terminos reales conver
gentes, pero no absolutamente. Entonces,
 dados  en R (es decir, R junto
an tal que, si Bn es su suma
con + y ) hay una reordenaci
on
bn de
parcial n-esima
(7.23)
lm inf Bn = , lm sup Bn = .
n

En particular, si = , se obtiene una reordenaci

on que converge a (que diverge a
+ o , si ese es el valor de ).
385

7.2. Integrales impropias

n. El procedimiento es el esbozado en el ejemplo 7.1.50: supongDemostracio
amos
dos
sucesiones
(n ) y (n ) en R, de forma que n y que n . Como


pn y
qn son series divergentes de terminos
positivos (ver la proposici
on 7.1.53),

podemos tomar terminos consecutivos de
pn , empezando con el primero, hasta que
la suma
 parcial sobrepase 1 . En cuanto esto ocurra, comenzamos a restar terminos
de
qn
. En cuanto tengamos una suma menor que 1 , comenzamos a sumar termiltimo considerado, hasta el momento
nos de
pn a partir del u
 en que la suma haya
qn . El procedimiento
sobrepasado 2 , en el que comenzamos a restar terminos de

se continua de esta forma. Es claro (basta considerar que el termino general de
an
tiende a cero) que se obtiene una reordenaci
on con las propiedades requeridas.

Finalmente, podemos escribir los resultados anteriores conjuntamente.

Teorema 7.1.56 Una serie de terminos reales o complejos es incondicionalmente
convergente si y s
olo si es absolutamente convergente.
Tambien se obtiene el siguiente resultado.
Corolario 7.1.57 Si todas las reordenaciones de una serie
o complejos convergen, lo hacen hacia la misma suma.

an de n
umeros reales


n. Si la serie
umeros complejos, la condicion del enunDemostracio
an es de n
ciado aseguraque todas las reordenaciones de la serie formada por la parte real de
sus terminos
Re(an ) (as como la de aquella formada por la parte imaginaria de los

)) convergen.
mismos,
Im(an
En virtud del Teorema de Riemann (teorema 7.1.55),
)
y
Im(an ) sean absolutamente convergentes (luego as lo
esto
obliga
a
que
Re(a
n

on
es
an ). Observando ahora el teorema 7.1.54, se obtiene que cualquier reordenaci
converge hacia la misma suma.

7.2.

Integrales impropias

La razon de incluir en este captulo una secci

on sobre integrales impropias de
Riemann se debe a que tanto su denici
on como su comportamiento y las tecnicas
utilizadas en el an
alisis de sus propiedades dependen o estan ntimamente conectadas
con la teora de series.

7.2.1.

Generalizaci
on de la idea de integral: integrales impropias
de primera y de segunda especie

El C
alculo Integral de funciones de una variable consideraba funciones denidas
en un intervalo cerrado y acotado en R y acotadas en el (ver la denici
on 6.3.7).
386

Captulo 7. Series numericas y de funciones. Integrales impropias

En algunas circunstancias es necesario extender el concepto de integral para abarcar situaciones en las que la funci
on a integrar no est
a acotada en el intervalo de
integraci
on, ese intervalo no est
a acotado o se da la combinacion de ambas patologas.
Ejemplo 7.2.1 Considerese la funcion f : [1, +[  R denida por f (x) = 1/x2 .
Esta funci
on esta
acotada en su dominio de denici
on. Es posible atribuir un valor
+
nito al smbolo 1 f (x)dx?
Desde el punto de vista puramente geometrico, este valor debera representar el

rea encerrada por la curva y el eje de abcisas a la derecha del punto 1. Esta
a
es una
region no acotada. Sin embargo, veremos que est
a de acuerdo con la intuici
on atribuirle
un area nita: basta considerar que esta regi
on esta contenida en la determinada por
la funci
on escalonada dibujada en la gura 7.1. Ahora bien: el area de esta u
ltima
es 1 + (1/2)2 + (1/3)2 + (1/4)2 + . . ., y sabemos que esta serie converge. Por tanto,
nuestra regi
on debe tener un area nita.
1.4

1.2

0.8
y

y=1/x

0.6

0.4

0.2

0
0.5

1.5

2.5

3
x

3.5

4.5

5.5

Figura 7.1: El c
alculo integral y las series numericas
Analticamente
podra procederse de la siguiente forma: t
omese x > 1 arbitrario, y

x

calc
ulese 1 f (t)dt (corresponde al area rayada en la gura 7.1). Esta
es una funci
on de
x, digamos A(x). Se trata ahora de saber si A(x) converge hacia un valor nito cuando
x +. En nuestro ejemplo ello es muy f
acil, pues obviamente A(x) = 1 (1/x).

+
Por tanto lmx+ A(x) = 1. Es natural atribuir a 1 f (x)dx el valor 1.
Esta idea esta en la base de todo el desarrollo que sigue.
Definici
on 7.2.2 Sea a R y sea f una funci
on real denida y continua en [a, +[ .

+
El smbolo a f (x)dx se llama integral impropia de primera especie. N
otese que

x
existe la integral a f (t)dt, x a, (por el teorema 6.3.10) y es una funci
on de x.
Si existe el lmite
 x
f (t)dt = L,

lm

x+

(7.24)

+
se dice que la integral a f (x)dx es convergente y su valor se dene como L, escri
+
biendose a f (x)dx = L. En otro caso se dice que la integral es divergente. Es claro
387

7.2. Integrales impropias

que el car
acter de la integral
cualquier b a.

+
a

f (x)dx es el mismo que el de

+
b

f (x)dx, para

Nota 7.2.3 Las siguientes variantes de la denici

on 7.2.2 son pertinentes:
1.

2.

a
El lector podr
a proporcionar la correspondiente denici
on de f (x)dx para
una funci
on f continua denida en ], a] , siguiendo el modelo de la denici
on
anterior.
Si ahora f es una funci
on real continua denida en R, en el caso que exista el
lmite
 b
lm
f (x)dx = L,
(7.25)
lm

a b+

se dice que la integral

f (x)dx es convergente, y su valor es L, siendo divergente en otro caso. El lmite (7.25) debe interpretarse de la siguiente forma
(como todo lmite doble): > 0 existe r > 0 tal que, si a < r y b > r se

b
tiene | a f (x)dx L| < . Desde luego, si existe el lmite doble en (7.25) existe
el lmite
 a
f (x)dx,
(7.26)
lm
a+

y su valor coincide con L. Sin embargo, la existencia de (7.26) no es suciente

para asegurar la existencia de (7.25). Un ejemplo inmediato lo proporciona la
funci
on f (x) = x, x R (algo que el lector puede comprobar).
3.

otra parte, el cambio de variable t = s convierte una integral del tipo

Por
a
f (x)dx indicado en la primera de estas notas, en una integral del tipo


+
f (x)dx considerado en la denici
on 7.2.2. Tambien, es inmediato que una
a

+
integral f (x)dx es convergente si y solo si, dado un a R arbitrario, cada

+

a
una de las integrales a f (x)dx y f (x)dx es convergente. Por todo ello,
resulta que basta estudiar integrales impropias de primera especie del tipo dado
en la denici
on 7.2.2.

Definici
on 7.2.4 Sea [a, b] un intervalo en R y sea f una funci
on real denida y

b
continua en ]a, b] , con una discontinuidad en a no evitable. El smbolo a f (x)dx se

b
llama integral impropia de segunda especie. N
otese que existe la integral x f (t)dt,
x ]a, b] (de nuevo por el teorema 6.3.10) y es una funci
on de x. Si existe el lmite
 b
f (t)dt = L,
(7.27)
lm
xa+

se dice que la integral a f (x)dx es convergente y su valor se dene como L, es
b

cribiendose a f (x)dx = L. En otro caso se dice que la integral es divergente. Obvia
b

c
mente, el car
acter de la integral a f (x)dx es el mismo que el de la integral a f (x)dx,
para cualquier c ]a, b] .
388

Captulo 7. Series numericas y de funciones. Integrales impropias

Nota 7.2.5 Es importante hacer notar que una integral de segunda especie como la
denida en 7.2.4 se convierte en una integral de primera especie sin m
as que realizar
un cambio de variable.
Para ser mas precisos, sea f una funci
on real denida y continua en ]a, b] con una

b
discontinuidad en a no evitable. Sea a < x b. Consideremos la integral x f (t)dt, y
realicemos el cambio de variable t = (1/s) + a. Entonces


f (t)dt =
x

1
ba

1
xa

1




1
 xa
+a
f 1s + a
ds
=
ds.
1
s2
s2
ba

1
+. Resulta que
Ahora, cuando x a+, se tiene que xa
gente si y solo si
 
 + 
1
1
+a
f
ds
2
1
s
s
ba

b
a

f (x)dx es conver-

es convergente.
Nota 7.2.6 De la misma manera como se hizo en la nota 7.2.3, es posible considerar
variantes de la anterior denici
on:

b
a) El lector podr
a proporcionar la correspondiente denici
on de a f (x)dx para
una funci
on f continua denida en [a, b[ que posea en b una discontinuidad no
evitable, siguiendo el modelo de la denici
on anterior.
b) Sea ahora una funci
on denida y continua en [a, c[ ]c, b] , con una discon
b
on
tinuidad no evitable en c. La integral a f (x)dx es convergente por denici

c

b
cuando las dos integrales a f (x)dx y c f (x)dx son convergentes, siendo en

b

c

b
ese caso a f (x)dx = a f (x)dx + c f (x)dx. Ello equivale, como sabemos, a
la existencia de los dos lmites
 x
 b
lm
f (x)dx y lm
f (x)dx.
xc

yc+

Por tanto, el estudio de una integral como la considerada en esta nota b) se

reduce al de integrales de tipo analizado en a) y en la denici
on 7.2.4.
Sea ahora una funci
on denida en ]a, b] con discontinuidades no evitables en a
y en b, en el caso de que exista el lmite
 y
lm
f (t)dt = L,
(7.28)
lm
xa+

yb

b
se dice que la integral a f (x)dx es convergente, y su valor es L, siendo divergente en otro caso. El lmite (7.28) debe interpretarse de la siguiente forma
(como todo lmite doble): > 0, existe r > 0 tal que, si a < x < a + r,
389

7.2. Integrales impropias



y
b r < y < b, se tiene  x f (x)dx L < . Desde luego, si existe el lmite
doble en (7.28) existe el lmite
 br
lm
f (x)dx,
(7.29)
r0+

a+r

y su valor coincide con L. Sin embargo, la existencia de (7.29) no es suciente

para asegurar la existencia de (7.28). Un ejemplo inmediato lo proporciona la
funci
on f (x) = tg(x), x ]/2, /2 ] (el lector debera comprobarlo).
c) Por otra parte, el cambio de variable t = s + (a + b) convierte una integral

b
del tipo a f (x)dx considerado en estas notas, a), en una integral del tipo

b
f (x)dx considerado en la denici
on 7.2.4. Tambien, es inmediato que una
a

b
integral a f (x)dx del tipo mencionado en c) es convergente si y solo si, dado

x

b
un x ]a, b] arbitrario, cada una de las integrales a f (t)dt y x f (t)dt es
convergente. Por todo ello, resulta que basta estudiar integrales impropias de
segunda especie del tipo dado en la denici
on 7.2.4.

7.2.2.

Criterios de convergencia

En la nota 7.2.5, junto con lo dicho en las notas 7.2.3 y 7.2.6, se puso de maniesto
que el estudio de las integrales impropias puede reducirse al de aquellas del tipo
descrito en la denici
on 7.2.2. Por tanto, bastara desarrollar criterios de convergencia
solo para estas integrales. Sin embargo, resulta mas pedagogico explicar al menos
tambien los que resultan para integrales como las denidas en 7.2.4.
Criterios de convergencia para integrales impropias de primera especie
Como vimos en las notas 7.2.3, el estudio de las integrales de primera especie puede
ser reducido al del tipo introducido en la denici
on 7.2.2. As, nos limitaremos a dar
criterios de convergencia para estas u
ltimas.
En esta parte, f ser
a una funci
on real denida y continua en [a, +[ .
de

El siguiente resultado da una condici

on necesaria y suciente para la convergencia
 +
f (x)dx.
a

Teorema 7.2.7 (Criterio de Cauchy ) La integral

y s
olo si, para cada > 0, existe x0 [a, +[ tal que
 y




f (t)dt <

x

siempre que x0 x y.
390

+
a

f (x)dx es convergente si,

Captulo 7. Series numericas y de funciones. Integrales impropias

n. En realidad, es simplemente la reformulaci
Demostracio
on
del criterio de
x
Cauchy de convergencia de una funci
on, en este caso de F (x) = a f (t)dt, cuando x +.

Teorema 7.2.8 (Criterio de Comparaci

on) Sea una funci
on real denida y

+
continua en [a, +[ tal que (x) 0, x [a, +[ , y de modo que a (x)dx sea

+
convergente. Entonces, a f (x)dx es convergente si |f (x)| (x), x [a, +[ .
n. Es una consecuencia inmediata del Criterio de Cauchy 7.2.7.
Demostracio
a
de ese
Pues dado > 0, podemos determinar x0 asociado

y
 como

y en el enunciado

y
criterio. Entonces, dado x0 x y, se tiene  x f (t)dt x |f (t)| dt x (x)dx <

+
. Por tanto, a f (x)dx es convergente.



+
Es natural que, para determinar la convergencia de integrales a f (x)dx, a la
vista del teorema 7.2.8, sea conveniente disponer de funciones denidas en [a, +[

+
de las que se conozca la convergencia de a (x)dx. Este es el objetivo de la siguiente
Proposici
on 7.2.9 Sea a > 0 y k una constante = 0. Entonces, si p > 1, la integral


+
a

k
dx
xp

es convergente, mientras que si p 1, es divergente.

n. Se prueba, simplemente, recurriendo a la denici
Demostracio
on: sea x a.
Entonces, si p = 1,
 x
kdt
k
(x1p a1p ).
=
p
t
1

p
a
Por tanto, si p > 1, existe


lm

mientras que si p < 1,

k
k
(a1p ),
dt =
tp
1p

a

es divergente. Si p = 1,

luego

+
a

k/t dt es divergente.

k
dt
tp

k
dt = k [ln(x) ln(a)]
t


391

7.2. Integrales impropias

Ahora, los criterios de convergencia que indicaremos est
an basados en el de comparaci
on 7.2.8, junto con la proposici
on anterior. Por ejemplo, se tiene la siguiente
Proposici
on 7.2.10 Supongamos que f pueda escribirse de la forma f (x) = (x)
xp ,
x [a, +[ . Entonces,

+
a) Si existe M > 0 tal que |(x)| < M , x [a, +[ , y p > 1, a f (x)dx es
convergente.

+
b) Si existe m > 0 tal que |(x)| < m, x [a, +[ , y p 1, a f (x)dx es
divergente.
n. a) es consecuencia inmediata de 7.2.8, as como b) si se tiene
Demostracio
en cuenta que, en ese caso, o bien (x) > m, x [a, +[ , o bien (x) > m,
x [a, +[ .

Nota 7.2.11 La anterior proposici

on suele usarse de la forma siguiente

+
a) Si existe p > 1, de modo que existe lm xp f (x) = M, entonces a f (x)dx es
x+
convergente.

+
b) Si existe p 1 de modo que existe lm xp f (x) = M = 0, entonces a f (x)dx
x+

es divergente.
El Teorema Fundamental del C
alculo Integral 6.3.15 sigue siendo v
alido para una
funci
on continua f : [a, +[ R de modo que sea la derivada en [a, +[ de una
funci
on F : [a, +[ R con la propiedad de tener lmite nito lm F (x) (lmite
x+

que denotaremos por F (+)). Se tiene entonces

 +
f (x)dx = F (+) F (a).

(7.30)

En efecto, dado x
[a, +[ , el Teorema Fundamental se aplica al intervalo [a, x] ,

x
con lo que resulta a f (t)dt = F (x)F (a). Ahora, como existe lm F (x) = F (+),
x+

tenemos que existe

f (t)dt = F (+) F (a),

lm

x+

luego

f (x)dx = F (+) F (a).

Criterios de convergencia para integrales impropias de segunda especie

El an
alisis del problema de la convergencia para integrales impropias de segunda
especie es muy similar al hecho anteriormente para las de primera especie, debido
392

Captulo 7. Series numericas y de funciones. Integrales impropias

precisamente a lo dicho en la nota 7.2.5. Seguiremos el mismo esquema, teniendo
en cuenta que cualquiera de ellas, por lo dicho en las notas 7.2.6, puede reducirse
al tipo mencionado en la denici
on 7.2.4. As, nos limitaremos a dar criterios de
convergencia para estas u
ltimas, aunque para no resultar reiterativos, omitiremos la
correspondientes demostraciones, totalmente similares, por otra parte, a las dadas en
anteriormente.
En este p
arrafo, f ser
a una funci
on real denida y continua en ]a, b] .

de

El siguiente resultado da una condici

on necesaria y suciente para la convergencia

b
f
(x)dx
:
a

b
Teorema 7.2.12 (Criterio de Cauchy) La integral  a f (x)dx  es convergente si,

y
y s
olo si, para cada > 0, existe x0 ]a, b] tal que  x f (t)dt < siempre que
a < x y x0 .
Teorema 7.2.13 (Criterio de Comparaci
on) Sea una funci
on real denida y
continua en ]a, b] tal que
1.

(x) 0, para cada x ]a, b] y

2.

la integral

Entonces

b
a

b
a

(x)dx sea convergente.

f (x)dx es convergente si |f (x)| (x), para cada x ]a, b] .

Nota 7.2.14 Como consecuencia del anterior criterio, una funci

on puede, siendo continua en ]a, b] no converger ni diverger a + o a cuando x a y, sin embargo,

b
ser convergente la integral a f (x)dx.
 
Por ejemplo, considerese f (x) = sen x1 para x ]0, 1] . Como |f (x)| 1 para
 

1
cada x ]0, 1], el teorema 7.2.13 asegura que 0 sen x1 dx es convergente.
Es natural pues que, para determinar la convergencia de integrales de la forma
f (x)dx, a la vista de 7.2.13, sea conveniente disponer de funciones denidas en

b
]a, b] de las que se conozca la convergencia de a (x)dx. Este es el objetivo de la
siguiente

b
a

Proposici
on 7.2.15 Sea a > 0 y M una constante = 0. Entonces, si p < 1, la
integral
 b
M dx
dx
(x
a)p
a
1p

es convergente, siendo su valor M (ba)

1p

, mientras que si p 1, es divergente.

393

7.2. Integrales impropias

6
y=

1
xa

Figura 7.2: Las funciones f (x) = M/(x a)

M
Observar que la funci
on f (x) = (xa)
aca como en la
p tiene, para p > 0, una gr
gura 7.2. La recta x = a es una asntota. As, en el caso en que p < 1, la regi
on
(ba)1p
sombreada tiene un area nita, precisamente M 1p .
Ahora, los criterios de convergencia que indicaremos est
an basados en el de comparaci
on 7.2.13, junto con la proposici
on anterior. Por ejemplo, se tiene la siguiente

Proposici
on 7.2.16 Supongamos que f pueda escribirse de la forma f (x) =
para cada x ]a, b] . Entonces,

(x)
(xa)p ,

a) Si existe M > 0 tal que |(x)| < M, para cada x ]a, b], y si p < 1, la integral

b
f (x)dx es convergente.
a
b) Si existe m > 0 tal que |(x)| > m, para cada x ]a, b], y si p 1, la integral

b
f (x)dx es divergente.
a
La anterior proposici
on suele usarse de la forma siguiente:
Proposici
on 7.2.17 Con las condiciones de la proposici
on anterior,
a) Si para p < 1 existe lm (x a)p f (x) = M, entonces
xa+

b) Si para p 1 existe

b
a

f (x)dx es convergente.

lm (x a)p f (x) = M = 0, entonces

x+

b
a

f (x)dx es

divergente.
El Teorema Fundamental del C
alculo Integral (teorema 6.3.15) sigue siendo v
alido
para una funci
on continua f : ]a, b] R de modo que sea la derivada en ]a, b] de una
funci
on F : ]a, b] R continua. Se tiene entonces


f (x)dx = F (b) F (a).

a

394

(7.31)

Captulo 7. Series numericas y de funciones. Integrales impropias

Pues dado x ]a, b], el Teorema Fundamental se aplica al intervalo [x, b], con lo que

b
resulta x f (t)dt = F (b) F (x). Ahora, como existe lm F (x) = F (a), tenemos que
xa+

existe

f (t)dt = F (b) F (a),

lm

xa+

luego

f (x)dx = F (b) F (a).

a

7.2.3.

Integrales impropias y series

Los criterios de convergencia antes expuestos no son sucientes en todos los casos
para determinar si cierta integral impropia es convergente. El an
alisis de los siguientes
ejemplos pone de maniesto que el estudio de las series en conexion con las integrales
impropias puede arrojar luz sobre el asunto, pues hay una relaci
on natural entre el
concepto de integral impropia y el de serie.
Ejemplo 7.2.18 Sea la funci
on f (x) = (sen x)/x, denida en [0, +[ (esta funci
on,
si se le asigna en x = 0 el valor 1, es continua). Su gr
aca esta representada en la
Figura 7.3.

y=sen(x)/x

Figura 7.3: La funci

on f (x) =

sen(x)
x

Resulta que, cuando x +, la expresion xp f (x), si p < 1, tiende a cero,

mientras que, si p > 1, puede tomar valores tan grandes como se quiera. Los criterios
anteriores no son aplicables. Veamos que la integral converge. Consideraremos un caso
algo m
as general: estudiemos la integral
 +
sen x
dx,
(7.32)
ex
x
0
donde 0. El integrando cambia de signo en x = k, k = 1, 2, 3, . . . La gr
aca de
la funci
on ex senx x para = 1 esta representada en la Figura 7.4.
395

7.2. Integrales impropias

Figura 7.4: La funci

on f (x) = ex sen(x)
frente a la funci
on f (x) = ex /x
x
Es natural estudiar la serie numerica alternada
+


(1)n an ,

(7.33)

donde
a0 =

0

2
ex senx x dx, a1 = ex senx x dx, . . .



 (n+1) x sen x 
. . . , an =  n
e
x dx .

Observar que un simple cambio de variables asegura que


sen y
an =
dy,
exn
y + n
0

(7.34)

(7.35)

As, es inmediato
otona decreciente de terminos positivos,

1 que (an1) es una sucesion mon
dy = n . El criterio de Leibniz (ver el teorema 7.1.36) asegura que
y que an 0 n
n
n-esima, An = k=0 (1)k ak ,
la serie (7.33) es convergente. Sea An su suma parcial

x t
sen t
que converge a A. Ahora, sea x 0, y calculemos 0 e
t dt. Sea n N {0} de
modo que n x < (n + 1). Entonces (tomando como convenio A1 = 0)
 x
sen t
sen t
dt +
dt =
et
et
t
t
0
0
n
 x
sen t
= An1 +
dt,
et
t
n

x

 
x
por lo que  0 et sent t dt An1  =  n et sent t dt an n1 . Si hacemos tender
x a +, tambien n lo har
a, luego nuestra integral es convergente y tiene como valor
precisamente A.


396

et

sen t
dt =
t

Captulo 7. Series numericas y de funciones. Integrales impropias

De forma similar, se puede probar que las integrales


sen x dx,
0

cos x2 dx,

son convergentes. Es interesante notar que ninguna de las dos funciones sen x2 y
aca de la primera (la segunda
cos x2 converge cuando x +. Por ejemplo, la gr
es similar) es de la forma representada en la Figura 7.5
1.5

0.5

0.5

1.5

0.5

1.5

2.5
x

3.5

4.5

Figura 7.5: La funci

on f (x) = sen(x2 )

+
As, una integral a f (x)dx puede ser convergente aunque la funci
on f no converja a ning
un lmite cuando x +. Lo que s es cierto es que si f (x) tiene lmite

+
diferente de cero cuando x +, entonces la integral a f (x)dx no puede ser
convergente (es conveniente que el lector intente probar esta armacion).
Cauchy observ
o la conexi
on existente entre la convergencia de series y la de integrales impropias. El siguiente criterio es debido a el y es especialmente u
til en el
estudio de series innitas.
Teorema 7.2.19 (Criterio Integral) Sea f una funci
on real, continua decreciente
y positiva denida en un intervalo [a, +[ , y supongamos que lmx+ f (x) = 0.
Entonces, la serie f (a) + f (a + 1) + f (a + 2) + converge si y s
olo si la integral

+
f (x)dx converge.
a
n. Una gr
Demostracio
aca de la situacion har
a la demostracion pr
acticamente
evidente (consultar la gura 7.6):
Consideremos rectangulos de base [a + k, a + k + 1] y de altura f (a + k) (por
tanto, de area f (a + k)), k = 0, 1, 2, . . . Es claro que, si a + k x < a + k + 1,


f (t)dt f (a) + f (a + 1) + + f (a + k + 1).

(7.36)

397

7.2. Integrales impropias

y
6

- x
1

Figura 7.6: El criterio integral

Si ahora consideramos rect
angulos de base [a + k, a + k + 1] y de altura f (a) (por
tanto, de area f (a)), k = 0, 1, 2, . . ., se tiene, si a + k x < a + k + 1,
 x
f (t)dt f (a) + f (a + 1) + . . . + f (a + k).
(7.37)
a

De las dos desigualdades (7.36) y (7.37) se deduce la conclusion.

Ademas de la aplicacion inmediata del anterior criterio a la determinaci

on del
car
acter de series de terminos positivos, se puede dar otra al estudio del comportamiento de las colasde las series divergentes: supongamos una funcion f como en
el enunciado del Criterio Integral (ver el teorema 7.2.19). Consideremos la suma
f (a + n) + f (a + n + 1) + f (a + n + 2) + . . . + f (a + n + p),

(7.38)

donde n y p son dos enteros positivos que tienden a +. Si la serie de termino

general f (a + n) es convergente, el Criterio de Cauchy de convergencia de series (ver
el teorema 7.1.5) asegura que la suma (7.38) (que no es otra cosa que Sn+p Sn1 ,
siendo Sn = f (a) + f (a + 1) + f (a + 2) + . . . + f (a + n) la suma parcial n-esima
correspondiente) tiende a cero. Pero si la serie es divergente, no se puede armar
nada. Observar, sin embargo, que (consultar las desigualdades (7.36) y (7.37))


a+n+p

f (t)dt

f (a + n) + f (a + n + 1) + + f (a + n + p 1)

a+n

a+n+p

f (t)dt f (a + n + p),

f (a + n) +
a+n

de lo que se deduce que (7.38) tiene, cuando n y p tienden a +, el mismo lmite que

a+n+p
f (t)dt, ya que f (a + n) y f (a + n + p) convergen a cero.
a+n
Caso particular: Sea f (x) = 1/x denida en [1, +[ . Esta funci
on cumple los
requisitos exigidos en el enunciado del Criterio Integral (ver el teorema 7.2.19). La
398

Captulo 7. Series numericas y de funciones. Integrales impropias


serie f (1) + f (2) + f (3) + es simplemente la serie armonica n=1 n1 . Desde luego

+ 1
esta serie, y as tambien la integral 1
x dx, son divergentes. Si denotamos por
n
Sn = k=1 k1 la suma parcial n-esima de esta serie, se tiene que Sn +, y la
sucesion (Sn ) es monotona creciente. Sin embargo, el crecimiento es cada vez mas
lento, de alguna forma similar al de la funci
on logaritmo neperiano. De hecho, si
denotamos por pn = Sn ln(n) la diferencia entre Sn y ln(n) esta representada en la
tabla que se presenta a continuaci
on.
Sn
1
15
1833333..
2083333..
2283333..
2449999..
2592857..

pn
1
08068529..
07347213..
06970393..
06738953..
06582409..
0646947..

Un comportamiento de este tipo no puede ser casual. Un argumento para probar

que, efectivamente, (pn ) converge a un lmite cuando n + es el siguiente:
Sn ln(n) =
 




+ ln n+1
= 1 ln 21 + 12 ln 32 + + n1 ln n+1
n
n .

(7.39)

ermino general de una serie convergente. Para verlo,

El sumando p1 ln p+1
p es el t
t
considerese la funcion g(t) = p(p+t)
, as como la funcion constante h(t) = p12 , ambas

1
denidas en [0, 1] . Entonces g(t) h(t), para cada t [0, 1] , luego 0 g(t)dt

1
1
h(t)dt, por lo que p1 ln p+1
p p2 . Ello signica que la diferencia pn = Sn ln(n)
0
expresada como en (7.39) es la suma parcial n-esima (mas un sumando que converge a
cero) de una serie convergente, as que converge a cierto n
umero , llamado Constante
de Euler, y cuyo valor con 20 cifras decimales es
= 0 57721566490153286060.
En conexi
on con lo dicho m
as arriba, considerese ahora
m la suma de un fragmento
de la colade la serie armonica: denotamos Snm = k=n+1 k1 , cuando n < m. Se
trata de saber que modo de crecimiento deben tener los ndices n y m para queSnm

converja. Observar que Snm = Sm Sn = pm +ln(m)pn ln(n) = pm pn +ln m
n ,
y que, cuando n y m tienden a +, la diferencia pm pn tiende a cero. Entonces
Snm converge cuando n y m tienden a + si y solo si m/n converge, y, en ese caso,
su lmite es, precisamente, ln(lm(m/n)). Por ejemplo, si m = 2n, resulta que
1
1
1
+
+ ... +
n+1 n+2
2n
399

7.2. Integrales impropias

se aproxima, cuando n +, a ln(2).
Otra forma de obtener el mismo resultado, m
as general en cuanto que no depende
del an
alisis previo del comportamiento asint
otico de las sumas parciales, consiste en
utilizar las desigualdades (7.39), que en este caso aparecen como


n+p

1
dt
t

por lo que

1
1
1
1
+
+
+ +

n n+1 n+2
n+p1
 n+p
1
1
1
+
dt
,
n
t
n
+
p
n


n+p
n


p
1
dt = ln 1 +
t
n

(7.40)

(7.41)

tiene el mismo caracter (y el mismo lmite en el caso de converger) que

1
1
1
+
+ ... +
.
n+1 n+2
n+p

(7.42)

Es decir, (7.42) converge si y s

olo si lo hace (7.41), luego si y s
olo si p/n converge.
1
1
1
+ n+2
+ + 2n
converge a
Como ejemplo, encontramos de nuevo que si p = n, n+1
ln(2).
Ejemplo 7.2.20 Otra aplicaci
on inspirada en el tipo de acotaci
on considerado en el
Criterio Integral de Cauchy (teorema 7.2.19) permite dar una estimaci
on (no demasiado precisa, por cierto), de n!. Para ello, supongamos esta vez que f es una funci
on
real monotona creciente en el intervalo [a, +[ . De la misma manera como se hizo
en la demostracion de ese criterio, obtenemos


a+n+p

f (t)dt

f (a + n + 1) + f (a + n + 1) + . . . + f (a + n + p)

a+n

a+n+p

f (a + n + p) +

f (t)dt f (a + n),

(7.43)

a+n

en (7.43) en particular a = 0, n = 1, p =

nn 1, y f (x) = ln(x), obtenemos

Tomando
n
ln(t)dt

ln(2)
+
ln(3)
+

+
ln(n)

ln(n)
+
ln(t)dt, es decir
1
1
n ln(n) n + 1 ln(n!) ln(n) + n ln(n) n + 1,
o bien
nn e1n n! n1+n e1n .

(7.44)

Por ejemplo, para n = 10 obtenemos 1234098 10! 12340980 siendo el valor

exacto 10! = 3628800. Si n = 20, resulta 5 87495,1017 20! 1 17499,1019 . El valor
exacto es 2432902008176640000.
400

Captulo 7. Series numericas y de funciones. Integrales impropias

La funci
on Gamma de Euler
Considerese la integral impropia


(a) =

xa1 ex dx.

(7.45)

Probaremos que la integral en (7.45) es convergente si y s

olo si a > 0. Para demostrarlo consideremos la funci
on f (x) = xa1 ex cuando x > 0. En la gura 7.7 aparecen
las gr
acas de f para diversos valores de a:
1.5

a=1

a1 x

f(x)=x

a=0

a=3

0.5

a=1
0.5

a=2
1

1.5
1

0.5

0.5

1.5

2.5

3.5

Figura 7.7: La funci

on f (x) = xa1 ex para distintos valores de a
Observar que, cuando a > 1, entonces f es continua y acotada en [0, +[ , f (0) =
0, y f tiene un m
aximo local en x = a 1, siendo creciente en [0, a 1[ y decreciente
en ]a 1, +] . Por otro lado, si 0 < a 1 se tiene lmx0+ f (x) = +, siendo
decreciente en ]0, +] . En todo caso, lmx+ f (x) = 0.
Estudiaremos las dos integrales
 1
xa1 ex dx
(7.46)
0

xa1 ex dx.

(7.47)

La primera de ellas, es, por supuesto, un n

umero nito cuando a 1. Si a < 1,
obtenemos f (x)x1a = ex 1 cuando x 0+, por lo que, teniendo en cuenta el
resultado 7.2.17, esta integral converge si y solo si 1 a < 1, es decir, a > 0.
La segunda es siempre convergente, pues a partir de cierto x0 > 1 se tiene
f (x)x1a x12 .
As pues, (7.45) es convergente si y solo si a > 0, como queramos probar. La
funci
on denida en ]0, +] se llama Funci
on Gamma de Euler.
401

7.2. Integrales impropias

La funci
on introducida tiene las siguientes propiedades (de las que s
olo demostraremos la u
ltima):
Proposici
on 7.2.21 Se tiene
1.

lma0+ (a) = +.

2.

(a) > 0, para cada a ]0, +] .

3.

lma+ (a) = +.

4.

tiene un mnimo local y absoluto en a = 1 4616321 . . . , y el correspondiente

valor de es 0 8856032 . . .

5.

Dado a > 1,
(a) = (a 1)(a 1),

(7.48)

(n) = (n 1)!.

(7.49)

y, como (1) = 1, se tiene

n de 5: Tomemos 0 < < x, e integremos por partes en

Demostracio
 x
ta1 et dt.

Se obtiene


x

ta1 et dt = ta1 et t= + (a 1)

ta2 et dt.

Tomando lmites ahora cuando x + y cuando 0, y teniendo en cuenta

que xa1 ex tiende a cero en esos casos, obtenemos (7.48). Por otra parte, (1) =

+ x
+
e dx = [ex ]0 = 1, as que, aplicando (7.48) repetidas veces,
0
(n)

(n 1)(n 1) = (n 1)(n 2) =

(n 2) = . . . = (n 1)!(1) = (n 1)!.

Esto proporciona (7.49).

Como aplicacion, calculemos de nuevo aproximaciones de 10! y 20! (ver 7.2.20),

usando esta vez (11) y (21), respectivamente. Para evaluar las integrales emplearemos un metodo de integraci
on numerica. Los resultados son (11)
= 3628800, lo
que da el valor exacto de 10!, mientras que (21)
= 2 4329020,1018 , una muy buena
aproximaci
on del valor exacto de 20! reproducido en el ejemplo 7.2.20.
Sabemos, por la proposici
on anterior, que la funci
on (x) es un innito cuando
x +. En el siguiente resultado veremos de que orden es ese innito. Proporciona
la conocida F
ormula de Stirling. La prueba es la que aparece en [Or90].
402

Captulo 7. Series numericas y de funciones. Integrales impropias

Teorema 7.2.22
(F
ormula de Stirling) El innito (x + 1) es equivalente al in
nito xx ex 2x, esto es,
lm

x+

(x + 1)

=1
xx ex 2x

(7.50)

n. Haremos un cambio de variable adecuado en la denici

Demostracio
on de
 +
(x) =
tx1 et dt,
0

de forma que aparezca fuera del signo integral el factor xx ex 2x. Fijando x > 1, se
introduce la nueva variable y de forma que t = x(1 + y), con lo que se obtiene
(x + 1) = xx+1 ex

(1 + y)x exy dy.

Usaremos ahora la relacion

et dt =

que se obtiene f
acilmente calculando,
cambiando a coordenadas polares y usando el


2
2
Teorema de Fubini, la integral R2 e(x +y ) dx dy, que da como valor .
Ponemos (1 + y)ey = ey+ln(1+y) y denimos la funci
on g(y) en 1 < y < +
por
g(0) = 1, g(y) =

2
(y ln(1 + y)) y = 0.
y2

La funci
on g es continua y decreciente y ahora (x + 1) se escribe como
x+1 x

(x + 1) = x

ey

g(y)
2

dy.

Se introduce la nueva variable z de modo que y = z

 +
(x + 1) = xx ex 2x


2/x, para obtener

ez

g(z

2/x)

dz.

x/2

Se trata pues de demostrar que



lm

x+

ez

g(z

2/x)

dz =

x/2

Si
x (z) =

ez
0,

g(z

2/x)


si z x/2
si z < x/2,
403

7.3. Sucesiones y series de funciones

sera suciente probar que


lm

x+


2
ez x (z) dz = 0.

Se observa que, para z > 0, x (z) < 1 (z), para cada x > 1. Por lo tanto, dado > 0
existe k > 0 tal que, para cada x > 1 se cumple


|ez x (z)|dz

ez dz +

z 2

|e

1 (z)dz < /3, y tambien

k


x (z)|dz 2

ez dz < /3.

Fijado este k, existe un N tal que si x > N ,

2

|ez x (z)| <

y por lo tanto

+k

,
6k

k < x < k,

|ez x (z)|dz < /3.

Todo ello demuestra que







 
2
ez x (z) dz  <

si x > N , x > 1, lo que concluye la prueba.




n!
.
nn
Por la proposici
on 7.2.21, apartado 5, (n + 1) = n!, y ahora, de la f
ormula de
Stirling (7.50),
Ejemplo 7.2.23 Calcular el lmite de la sucesi
on

n!
nn en 2n
lm n = lm
= lm en 2n = 0.
n
n
n

7.3.

Sucesiones y series de funciones

La razon b
asica de estudiar sucesiones y series de funciones es que muchas de las
funciones que aparecen en el An
alisis Matematico, as como en sus aplicaciones a la
tecnica, vienen dadas mediante sus desarrollos usando funciones elementales (potencias, funciones trigonometricas,. . . ). Es importante, por tanto, conocer las propiedades
de aquellas deducidas de las de estas, as como del tipo de convergencia involucrado.
404

Captulo 7. Series numericas y de funciones. Integrales impropias

7.3.1.

Convergencia puntual y uniforme

Definiciones y cuestiones previas

Comenzaremos por algunas deniciones necesarias:
Definici
on 7.3.1 Sea (fn ) una sucesi
on de funciones denidas en un conjunto S,
con valores reales o complejos. Sea f una funci
on del mismo tipo. Se dice que las
on
sucesi
on (fn ) converge a f puntualmente cuando, dado cualquier x S, la sucesi
(fn (x))
n=1 converge a f (x).

Sea
fn una seriede funciones, donde cada fn es como antes, as como una
funci
o
n
f
.
Se dice que
fn converge a f puntualmente si, para cada x S, la serie

fn (x) converge a f (x) (este concepto es un caso particular del anterior, pues que
una serie converja puntualmente a una funci
on f quiere decir que la sucesi
on de
sumas parciales converge puntualmente a f ).
Desde luego esta denicion describe la forma mas natural de convergencia. S
olo
mas adelante percibiremos que, a pesar de ser la mas simple, y probablemente por
ello, tiene unos inconvenientes que la hacen poco interesante: aunque cada una de
on f puede no
las funcionesfn tenga, individualmente, buenas propiedades, la funci
heredarlas. Esto hace que nos debamos concentrar en un tipo de convergencia que,
aunque m
as restrictivo (en el sentido de que impone m
as condiciones), posee la ventaja
de que la funci
on f hereda muchas de las propiedades de las funciones fn , as como
que se pueda operar sobre la funci
on f haciendolo sobre las funciones fn .
M
as precisamente: supongamos que una funci
on f real viene denida en un subon de funciones reales (fn ).
conjunto S de Rn como el lmite (puntual) de una sucesi
Las siguientes preguntas son pertinentes:
1. Sea x0 int(S), donde int(S) denota el interior del conjunto S (ver la denici
on
2.3.8), y supongamos que exista lmxx0 fn (x) = ln , as como tambien lmn ln = l.
Ser
a cierto que existe lmxx0 fn (x) y, en caso armativo, coincide con l?
2. Un caso particular de la pregunta anterior seria: si cada funci
on fn es continua,
lo es f ?
3. Supongamos que cada funci
on fn se pueda integrar en S. Ser
a integrable la
funci
on f y, en caso armativo, ser
a su integral el lmite de las integrales de las
funciones fn ?
4. Supongamos que cada funci
on fn se pueda derivar en un punto x0 S R.
a su derivada el lmite de
Ser
a derivable la funci
on f en x0 y, en caso armativo, ser
las derivadas de las funciones fn ? (las mismas cuestiones podran ser formuladas en
terminos de una serie que converja puntualmente a una funci
on).
Si se observa cada una de estas preguntas, se ver
a que todas se reducen a una sola:
es posible intercambiar cierta operacion (tomar lmite, integrar, derivar) con la de
tomar lmites cuando n ? Es decir (los n
umeros hacen referencia a las preguntas
anteriores):
1. lmn lmxx0 fn (x) = lmxx0 lmn fn (x)?
405

7.3. Sucesiones y series de funciones

3. lmn fn (x) = lmn fn (x)?
4. lmn fn (x) = (lmn fn (x)) ?
Veamos con algunos ejemplos que ello no siempre es as.
Ejemplo 7.3.2 (de nuevo, los n
umeros hacen referencia a las preguntas del p
arrafo
anterior):
2. Una sucesi
on de funciones reales continuas cuyo lmite puntual es una funci
on
discontinua:
Sea fn (x) = xn , para cada x [0, 1] y cada n N. Es inmediato (observar la
Figura 7.8) que el lmite puntual es la funci
on discontinua f denida por f (0) = 0 y
f (x) = 1, para cada x ]0, 1] .
1

0.9

0.8

f(x)=x

0.7

0.6

0.5

n=1
0.4

0.3

n=5

n=2

0.2

n=4
0.1

n=3
0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Figura 7.8: La funci

on f (x) = xn para distintos valores de n
Un ejemplo del mismo tipo, ahora referido a una serie de funciones, es el siguiente:

x2
Sea fn denida en R como fn (x) = (1+x
2 )n , siempre que n N. La serie
n=0 fn (x)
1
<
1,
luego
convergente
a
es, jado x = 0 en R, una serie geometrica de razon 1+x
2
2
1+x (para x = 0, cada sumando es 0 y la serie suma 0). As, esta serie cuyos terminos
son funciones continuas es puntualmente convergente a una funci
on que, obviamente,
no es continua en x = 0.
3. Una sucesi
on de funciones reales integrables cuyo lmite puntual tiene una integral que no coincide con el lmite de las integrales:
2
Sea fn (x) = nxenx , para cada x [0, 1] , y n N. El lmite puntual es la
 k
funci
on f 0 (esto es evidente para x = 0; en otro caso, como ez = k=1 zk! , para
cualquier z, se tiene
nx
nx
2
0 fn (x) = nx2 (nx2 )2 =
;
nx3
e
2!

por tanto, fn (x) 0 cuando n +) (observar la gura 7.9).

Sin embargo,
 1
 1
2
1
fn (x)dx =
nxenx dx = (1 en ),
2
0
0
406

Captulo 7. Series numericas y de funciones. Integrales impropias

1
n=4
n=3
n=2
n=1

0.8

0.6

0.4

0.2

0.2

n x

f(x)=nx e
0.4

0.6

0.8

1
1

0.5

0.5

Figura 7.9: La funci

on fn (x) =

1.5

nx
enx2

2.5

para distintos valores de n

que converge a 1/2 cuando n +.

4. Una sucesi
on de funciones derivables que converge puntualmente a una funci
on
cuya derivada no es el lmite de las derivadas:
Sea fn (x) =

sen (nx)

,
n

x R, n = 1, 2, . . .

Obviamente, f (x) = lmn+ fn (x) = 0, x R, (ver la gura 7.10).

n=1
n=2
n=3
n=4

1/2

f(x)=sen(n x)/n

0.5

0.5

Figura 7.10: La funci

on fn (x) =
Sin embargo,
fn (x) =

n cos(nx),

sen (nx)

x R,

para distintos valores de n

n = 1, 2, . . . ,

que, desde luego, no converge a f  (x) (por ejemplo, si x = 0,

fn (0) = n , n = 1, 2, . . .).

De todo ello se deduce que la convergencia puntual es claramente insuciente
para asegurar que la funci
on lmite tenga, al menos, tan buenas propiedades como las
407

7.3. Sucesiones y series de funciones

funciones de la sucesion o de la serie. Un an
alisis detallado de las razones por las que
ello ocurre conduce a la introducci
on de una noci
on muy importante.
Convergencia uniforme
Definici
on 7.3.3 Una sucesi
on de funciones (fn ) denidas en un subconjunto S de
on f si, dado
Rn y con valores en R se dice que converge uniformemente a una funci
> 0, existe N N de modo que si n N,
|f (x) fn (x)| < ,

(7.51)

para todo x S.

Una serie de funciones
fn (x) converge uniformemente a una funci
on f si la
sucesi
on de sumas parciales converge uniformemente a f.
Nota 7.3.4 Es claro que toda sucesion o serie que converja uniformemente a una
funci
on tambien lo hace puntualmente. La denici
on de convergencia uniforme introduce una restricci
on m
as fuerte: en el caso de la convergencia puntual, por ejemplo
de una sucesion (fn ) a f , dado > 0, y dado x en S, es posible encontrar N N, que
depende en general tanto de como de x, de modo que se tenga (7.51). En el caso de
la convergencia uniforme, por el contrario, N depende s
olo de , y, por lo tanto, el
mismo N sirve para todo x en S.
Gr
acamente, en el caso de que las funciones tengan valores reales, una sucesion
(fn ) que converja uniformemente a f se comporta de la siguiente forma: dada una
bandade anchura 2 centrada en la gr
aca de f , existe un ndice N de la sucesion
aca incluida en esa
de modo que todas las funciones fn con n N tienen una gr
banda(ver la gura 7.11). Notar tambien que una consecuencia inmediata de esta
descripcion (consecuencia tambien valida para funciones con valores complejos) es que
on de funciones acotadas en S que
si f es una funci
on acotada en S y (fn ) una sucesi
converge uniformemente a f, la sucesi
on est
a uniformemente acotada (en el sentido
de que existe M > 0 de modo que |fn (x)| M, para cada n N y x S).
Ejemplo 7.3.5 Resulta ahora inmediato que la sucesi
on utilizada en la primera parte
del ejemplo 2 de 7.3.2 no converge uniformemente a la funci
on lmite puntual: basta
tomar = 1/3. Si una funci
on tuviera una gr
aca contenida en la bandade anchura
2/3 centrada en la gr
aca de f , no podra ser continua, debido al Teorema de los
Valores Intermedios (ver el teorema 3.2.22).
Por la misma raz
on la serie dada como ejemplo en la segunda parte del mismo
tampoco converge uniformemente: cada una de las sumas parciales es una funcion
continua.
2

La sucesion (fn ) denida por fn (x) = nxenx , para cada x [0, 1] y n N, en

el ejemplo 3 de 7.3.2, que ya vimos que converga a f 0 puntualmente en [0, 1] , no
aximo local y absoluto en
lo hace uniformemente: basta observar que fn tiene un m
408

Captulo 7. Series numericas y de funciones. Integrales impropias

4

y=f(x)

f+

f
0

2
1.5

0.5

0
x

0.5

1.5

Figura 7.11: Banda de anchura 2 centrada en la gr

aca de f


[0, 1] en el punto x = 1/ n, donde su valor es n/2e(1/2) , valor que tiende a +

cuando n +.
La sucesion (fn ) denida en el ejemplo 4 de 7.3.2 s es uniformemente convergente
a la funci
on f 0. A pesar de ello, f no tiene como derivada el lmite puntual de la
sucesion (fn ), como vimos. Como mas adelante indicaremos (ver el teorema 7.3.16)
se requieren condiciones adicionales (adem
as de la convergencia uniforme) para poder
dar un resultado positivo en este sentido.
El siguiente resultado da una condici
on necesaria y suciente para que la convergencia sea uniforme.
Proposici
on 7.3.6 (Criterio de Cauchy de convergencia uniforme) Sea (fn )
una sucesi
on de funciones reales o complejas denida en un subconjunto S de Rn . La
on f si y s
olo si, dado > 0, existe
sucesi
on (fn ) converge uniformemente a una funci
N N de modo que, si n, m N,
|fn (x) fm (x)| <

(7.52)

siempre que x S.


on adopta el aspecto siguiente: para cada
En el caso de una serie
fn la condici
> 0, existe N N de modo que, si n m N,


n




(7.53)
fk (x) < ,



k=m

siempre que x S.
n. Desde luego, la segunda parte es consecuencia inmediata de la
Demostracio

primera. Esta tiene una demostraci

on inmediata: si (fn ) converge uniformemente a
f , es claro que se tiene (7.52), pues |fn (x) fm (x)| |fn (x) f (x)| + |f (x) fm (x)|
para todo x S.
409

7.3. Sucesiones y series de funciones

Recprocamente, si se verica la condici
on (7.52), dado x S la sucesion (fn (x))
n=1
es convergente (Criterio de Cauchy para sucesiones de n
umeros reales, ver la proposicion 2.3.18). Sea f (x) su lmite. Ahora, basta hacer en (7.52) m +. Resulta
|fn (x) f (x)| , para cada n N. Como ello es cierto para cualquier x S,
obtenemos la conclusion.


Desde luego el Criterio de Cauchy no resulta en general operativo a la hora de
decidir si una determinada sucesi
on o serie de funciones es uniformemente convergente
a una funci
on. El siguiente resultado da tan s
olo una condici
on suciente, pero suele
ser u
til en los casos que se presentan en las aplicaciones.
on de funciones
Teorema 7.3.7 (Criterio M de Weierstrass) Sea (fn ) una sucesi
on de
reales o complejas denidas en un subconjunto S de Rn . Si (Mn ) es una sucesi
n
umeros reales tal que |fn (x)| Mn , para cada x S, y N N, se tiene:
on (fn ) converge uniformemente a la funci
on
a) Si (Mn ) converge a 0, la sucesi
f 0.


b) Si
Mn converge,
fn converge uniformemente.
n. a) Si se tiene en cuenta que |fn (x) fm (x)| Mn + Mm , para
Demostracio
cada x S, y que (Mn ) converge a 0, el resultado es consecuencia del Criterio de
Cauchy (proposici
on 7.3.6).
n
n
b) Basta considerar que | k=m fk (x)| k=m Mk , para cada x S. El resultado
es consecuencia de nuevo del Criterio de Cauchy (proposici
on 7.3.6), as como del
correspondiente para series numericas 7.1.5.

Ejemplo 7.3.8 Como aplicacion, podemos de nuevo deducir que la sucesi

on del ejem
n

plo 4 de 7.3.2 es uniformemente convergente a 0. Considerese la serie n=0 xn! . Si


n
Mn es
|x| R, su termino general, en valor absoluto, es Mn = Rn! , y la serie
 xn
convergente. As, la serie n=0 n! (demostramos que converga puntualmente para
todo x R) converge uniformemente en [R, R] (tengase en cuenta que R es un
n
umero positivo arbitrario). Un estudio general sobre la convergencia uniforme de
series de potencias se llevara a cabo en el apartado 7.3.4.
Daremos dos criterios mas que establecen condiciones sucientes para que una serie
de funciones converja uniformemente. Las demostraciones est
an obtenidas variando
ligeramente las de los criterios de Dirichlet y Abel para series numericas.
Teorema
 7.3.9 (Criterio de Dirichlet) Sea Fn (x) la n-esima suma parcial de la
on compleja denida en cierto conjunto S.
serie
fn (x), donde cada fn es una funci
Supongamos que la sucesi
on (Fn ) sea uniformemente acotada en S (es decir, que exista
on de funciones
M > 0 tal que |Fn (x)| M, si n N y x S). Sea (gn ) una sucesi
n

N
y
x

S,
y
supongamos
que gn 0
reales tal que gn+1 (x) gn (x), para cada

uniformemente en S. Entonces, la serie
fn (x)gn (x) converge uniformemente en S.
410

Captulo 7. Series numericas y de funciones. Integrales impropias

n. Sea Sn (x) =
Demostracio
Parcial de Abel (7.19) obtenemos
Sn (x) =

n
k=1

fk (x)gk (x). Usando la F

ormula de Sumaci
on

Fk (x)(gk (x)gk+1 (x)) + gn+1 (x)Fn (x),

k=1

as que, si n > m,
Sn (x) Sm (x) =
n

=
Fk (x)(gk (x)gk+1 (x)) + gn+1 (x)Fn (x) gm+1 (x)Fm (x).
k=m+1

Por tanto,
|Sn (x) Sm (x)|
n

M
(gk (x)gk+1 (x)) + M gn+1 (x) + M gm+1 (x) =
k=m+1

= M (gm+1 (x) gn+1 (x)) + M gn+1 (x) + M gm+1 (x) = 2M gm+1 (x).
Como gn 0 uniformemente en S, esta desigualdad, junto con la Condici
on de
Cauchy
de
convergencia
uniforme
de
series
(ver
la
proposici
o
n
7.3.6)
implica
que



fn (x)gn (x) converge uniformemente en S.
De modo totalmente an
alogo, es posible enunciar y demostrar otro resultado,
siguiendo ahora las lneas de Criterio de Abel para series numericas (teorema 7.1.35):

Teorema 7.3.10 (Abel) Sea
fn (x) una serie uniformemente convergente en un
on compleja denida en S. Sea (gn )
cierto conjunto S, donde cada fn es una funci
una sucesi
on de funciones reales tal que gn+1 (x) gn (x), para todo n N y x S y
fn (x)gn (x)
supongamos que gn es uniformemente acotada en S. Entonces, la serie
converge uniformemente en S.

7.3.2.

Convergencia uniforme y continuidad

El siguiente resultado asegura que, en presencia de convergencia uniforme, se hereda en el lmite (respectivamente, en la suma) la continuidad de las funciones de una
sucesion (respectivamente, de una serie).
on de funciones continuas denidas en un subTeorema 7.3.11 Sea (fn ) una sucesi
on f . Entonces f es conconjunto S de Rn que converja uniformemente a una funci
tinua en S. An
alogamente, si f es la suma de una serie uniformemente convergente
de funciones continuas, f es continua.
411

7.3. Sucesiones y series de funciones

n. El caso de una serie es consecuencia inmediata del de una
Demostracio
on de conversucesion. Sea x0 un punto de S. Dado > 0 existe, por la denici
gencia uniforme (denici
on 7.3.3) un N N de modo que, si n N, se cumple
|f (x) fn (x)| < /3, para todo x S. Como fN es continua en x0 , existe > 0 de
modo que si x S, |x x0 | < , entonces |fN (x) fN (x)| < /3. Para esos valores
de x, resulta
|f (x) f (x0 )|
|f (x) fN (x)| + |fN (x) fN (x0 )| + |fN (x0 ) f (x0 )|
/3 + /3 + /3 = .

As, f es continua en x0 , luego en S.

Nota 7.3.12 La misma demostracion prueba que el resultado podra haber sido formulado asegurando s
olo la continuidad de cada fn en un punto. Se concluira, por
supuesto, la continuidad de f en ese mismo punto. Incluso, mas generalmente, si existiera lmxx0 fn (x) = An , para cada n N, la convergencia uniforme asegurara la
existencia de lmn+ An = A, as como que lmxx0 f (x) = A.
Como consecuencia del teorema 7.3.11 volvemos a encontrar eh hecho de que la

x2
serie n=0 fn (x) denida en 7.3.2, Ejemplo 2, donde fn (x) = (1+x
2 )n , para n N y
x R, no puede ser uniformemente convergente.

7.3.3.

Convergencia uniforme, integraci

on y diferenciaci
on

Integraci
on
on de funciones reales denidas en un intervalo
Teorema 7.3.13 Sea (fn ) una sucesi
[a, b] que converge uniformemente a una funci
on f . Entonces, si cada fn es integrable
en [a, b] , as lo es f , y se tiene


f (x)dx = lm
Asmismo, si
tiene

f (x)dx.

n+

(7.54)

fn converge uniformemente a f en [a, b] , f es integrable en [a, b] y se



f (x)dx =
a



n=1

fn (x)dx.

(7.55)

n. Como en casos anteriores, la segunda armacion es consecuencia

Demostracio
inmediata de la primera. As, sea (fn ) una sucesion de funciones reales integrables en
[a, b] , convergiendo a f uniformemente en [a, b] . Fijado > 0, existe un N N de
modo que
(7.56)
|fn (x) f (x)| < , n N, x [a, b] .
412

Captulo 7. Series numericas y de funciones. Integrales impropias

on P de [a, b] de modo que si
Como fN es integrable en [a, b] , existe una partici
U (P, fN ) y L(P, fN ) son la suma superior e inferior de Riemann, respectivamente,
asociadas a esa particion, se tenga
U (P, fN ) L(P, fN ) <

(7.57)

(ver la proposici
on 6.3.9).
Ahora, gracias a (7.56), se concluye que U (P, f ) U (P, fN ) + , y que L(P, f )
L(P, fN ) . Entonces, en virtud de (7.57) se tiene
U (P, f ) L(P, f ) < 3,
As, en virtud de nuevo de la proposici
on 6.3.9, f es integrable. Para demostrar (7.54),
t
omese > 0 y N como antes. Si ahora n N,




 b
 b
 b






f (x)dx
fn (x)dx = 
[f (x)dx fn (x)] dx

 a



a
a
 b

|f (x)dx fn (x)| dx (b a).

a

Como es arbitrario, se concluye (7.54).

Nota 7.3.14 De nuevo se obtiene, como consecuencia de 7.3.13, que el ejemplo 3 en

7.3.2 proporciona una sucesi
on que no converge uniformemente.
Derivaci
on
El siguiente resultado da una condici
on suciente para que se pueda derivar
termino a termino una sucesion o una serie convergente de funciones. Consultando
el ejemplo 4 dado en 7.3.2 (en el que la sucesion (fn ) s converge uniformemente,
aunque la sucesion (fn ) de sus derivadas no converja a la derivada del lmite), se
observa que, esta vez, la convergencia uniforme no es suciente. No daremos mas que
un resultado particular, u
til en la mayor parte de los casos 6 .
Teorema 7.3.16 Sea (fn ) una sucesi
on de funciones derivables con derivada continua en un intervalo [a, b] . Si (fn ) converge uniformemente en [a, b] , y existe un punto
6 Un

resultado m
as general podra ser (ver, por ejemplo, [Ap76, teorema 9.13]):

on de funciones derivables en [a, b] , de modo que (fn (x0 ))

Teorema 7.3.15 Sea (fn ) una sucesi
converja para alg
un punto x0 de [a, b] . Si (fn ) converge uniformemente en [a, b] , entonces (fn )
converge uniformemente en [a, b] hacia una funci
on f , y se tiene f  (x) = lmn+ fn (x), para
cada x [a, b] .

413

7.3. Sucesiones y series de funciones

x0 en [a, b] de modo que (fn (x0 )) converja, entonces (fn ) converge uniformemente a
una cierta funci
on f en [a, b] y se tiene
f  (x) = lm fn (x),
n+

(7.58)

siempre que x [a, b] .

n. En primer lugar, si denotamos por g el lmite uniforme de la
Demostracio
sucesion (fn ) en [a, b] , se tiene, en virtud del teorema 7.3.11, que g es continua en
[a, b] . Sea
A = lm fn (x0 ).
m+

(fn )

La convergencia uniforme de
a g, y el lmite anterior, permiten, dado > 0
arbitrario, elegir N N de modo que |fn (x) g(x)| < y |fn (x0 ) A| < , para
cada n N y x [a, b] . Sea x un punto arbitrario en [a, b] . Entonces, para cada
n N,
 x
  x

 x

 






fn (t)dt
g(t)dt = 
[fn (t) g(t)] dt

x0

x0

|fn (t) g(t)| dt

x0

x0

|fn (t) g(t)| dt (b a).

(7.59)

El Teorema Fundamental del C

alculo Integral 6.3.15 asegura que
 x
fn (t)dt = fn (x)fn (x0 ),
x0

x
as como que, si denotamos por fn (x) = A + x0 g(t)dt, x [a, b] , f es una funci
on
derivable en [a, b] cuya derivada es g. La ecuacion (7.59) se convierte pues en
|fn (x) fn (x0 ) f (x) + A| (b a)
para cada n N . Resulta de ello
|fn (x) f (x)|

|fn (x) fn (x0 ) f (x) + A| + |fn (x0 ) A|

(b a) + = (1 + b a),
para todo n N, por lo que (fn ) converge a f uniformemente, y f se deni
o de modo


que su derivada fuera g, el lmite uniforme de (fn ).

7.3.4.

Series de potencias

Introducci
on

Un caso particular especialmente importante del concepto de serie funcional
fn
es aquel en que fn (z) = an z n , donde an es una cierta constante (en principio real o
414

Captulo 7. Series numericas y de funciones. Integrales impropias

compleja), y z es un n
umero complejo. As, se trata de estudiar funciones denidas
por


f (z) =
an z n
(7.60)
n=0

o, mas generalmente,
f (z) =

an (z z0 )n

(7.61)

n=0

donde z0 es un cierto n
umero complejo jo. En realidad, el estudio de funciones
como (7.61) se reduce al caso (7.60) sin mas que realizar un cambio de variable (una
traslacion).
Ya demostramos (ver el teorema 7.1.26) que, asociado a cualquier serie de
potencias

como (7.60), existe un R 0 (eventualmente R = +) de modo que n=0 an z n

converja absolutamente si |z| < R y diverja si |z| > R (en los casos en que |z| = R se
puede producir una u otra situaci
on). Observese que, si R = 0, el u
nico punto en el
que la serie converge es z = 0, divergiendo en todo otro punto. En general, tal R se
denomina radio de convergencia y su valor puede ser calculado mediante la f
ormula
de Cauchy-Hadamard, dada por
R1 = lm sup |an |

1/n

(7.62)

n+

con el convenio de que si el segundo miembro de es + entonces R = 0, mientras que

si es 0, entonces R = +. En el plano complejo, B(0; R), la bola de centro 0 y radio R,
se llama crculo de convergencia. Si la serie es como en (7.61), converge absolutamente
en el interior de su crculo de convergencia, bola B(z0 ; R) ahora centrada en z0 , y,
como antes, de radio R.
Se otiene, pues, en el caso que R > 0, una funci
on f denida en la bola abierta
B(0 : R) en el caso que f este denida por la ecuaci
on (7.60), o en la bola abierta
ormula (7.61). Se introduce la siguiente
B(z0 ; R) en el caso que f este denida por la f

Definici
on 7.3.17 Sea
an z n una serie de potencias con radio de convergencia
R > 0. Se dice que la funci
on
f (z) :=

an z n , z B(0; R)

n=0

esta denida por la serie de potencias o que es la suma de la serie de potencias.

Esta serie de potencias se llama la serie de Taylor de la funci
on f en B(0; R).
An
alogamente se da la correspondiente denici
on para una serie y una funci
on
f (z) :=

an (z z0 )n , z B(z0 ; R).

n=0

415

7.3. Sucesiones y series de funciones

Aunque, formalmente, los argumentos que utilizaremos pueden ser aplicados tanto
al caso de n
umeros complejos como reales, es conveniente en este curso limitarse al
caso en que todos los n
umeros involucrados son reales. As estudiaremos
f (x) =

an xn ,

(7.63)

n=0

umeros reales. Mas generalmente,

siendo an (n N) y x n
f (x) =

an (x x0 )n ,

(7.64)

n=0

umero real jo, entendiendo, desde luego, que esta serie puede
donde x0 es cierto n
converger o no seg
un los valores de x (en caso negativo, la funci
on f no esta denida).
Ahora, en lugar de hablar de crculo de convergencia, lo haremos en terminos de
intervalo de convergencia, y se dice que f esta desarrollada en serie de potencias en
torno del punto 0 (en el caso (7.63)) o en torno del punto x0 (en caso (7.64)).
Como ya hemos dicho, el caso (7.64), a pesar de su aparente mayor generalidad,
puede reducirse al (7.63)
 con un simple cambio de variable. As nos centraremos en
el estudio de series n=0 an xn .
Tambien se ha mencionado que no existe un comportamiento general de una serie
de potencias en la frontera de su crculo de convergencia (lo que en el caso real se
traduce por en los extremos del intervalo de convergencia). Los siguientes ejemplos
ilustrar
an esta armacion.
Ejemplo 7.3.18 1. Una serie de potencias convergente para |x| < 1 pero divergente para |x| 1:

ormula (7.62) (o, m
as sencillamente, la consideracion
Sea la serie n=0 xn . La f
de que, para cada x R, es una serie geometrica de razon x) permite concluir
que R = 1. Sin embargo, no converge ni para x = 1 ni para x = 1 (por que?).
2.

Una serie de potencias que converge en |x| 1 pero diverge en |x| > 1 :

Sea la serie n=0 (1/n2 )xn . De nuevo la f
ormula (7.62) asegura que R = 1. En
este caso la serie converge tambien en los extremos del intervalo [1, 1] (por
que?).

3.

Una serie de potencias convergente en |x| 1 excepto en x = 1, pero divergente

en todo otro punto:

ormula (7.62) asegura que R = 1. En
Sea la serie n=0 (1/n)xn . De nuevo la f
este caso sera convergente tambien en todo punto de la esfera unidad (ver el
corolario 7.1.38) pero divergente en x = 1 (pues resulta la serie armonica).

416

Captulo 7. Series numericas y de funciones. Integrales impropias

Convergencia uniforme
El siguiente resultado es de fundamental importancia en todo lo que sigue:

Teorema 7.3.19 Sea n=0 an xn una serie de potencias cuyo radio de convergencia
es R > 0. Sea 0 < r < R. Entonces, la serie converge uniformemente en [r, r] .
n. La prueba es una simple aplicaci
Demostracio
on del Criterio M de Weierstrass
(ver el teorema 7.3.7): Si |x| r, entonces |an xn | |an | rn , y Mn = |an | rn es
el termino general de una serie convergente (recordar que toda serie de potencias
converge absolutamente en el interior de su crculo de convergencia, en virtud del
teorema 7.1.26).

Derivabilidad
En este momento, gracias al teorema 7.3.19, tenemos a nuestra disposicion todos
los resultados que se obtenan en el caso general de una serie de funciones a partir de
su convergencia uniforme. Por ejemplo, se tiene el siguiente teorema de derivabilidad
de una funci
on denida por una serie de potencias:

n
Teorema 7.3.20 Sea
n=0 an x una
serie de potencias con radio de convergencia
R > 0. Entonces, la funci
on f (x) = n=0 an xn denida en ]R, R[ tiene derivadas
de todos los
ordenes (en particular, es continua) en ]R, R[ . Adem
as, cualquiera de
sus derivadas tiene una expresi
on como suma de una serie de potencias con el mismo
radio de convergencia R de la forma
f (k) (x) =

n(n 1) . . . (n k + 1)an xnk ,

k = 0, 1, 2, . . .

(7.65)

n=k

En particular
f (k) (0) = k!ak ,

k = 0, 1, 2, . . .

(7.66)


n. Dada la funci
Demostracio
on f (x) = n=0 an xn denida ]R, R[ , consideramos la serie obtenida derivando termino a termino, dada por

nan xn1 .

(7.67)

n=1

Observando que

1/(n1)

lm sup |nan |
n+

1/n

= lm sup |nan |

n+


ya que n1/(n1) 1 cuando n +, resulta que ambas series n=0 an xn y (7.67)
tienen el mismo radio R de convergencia. Sea 0 < r < R. Podemos aplicar ahora el
417

7.3. Sucesiones y series de funciones


teorema 7.3.16 a la funci
on f (x) = n=0 an xn denida en [r, r] , puesto que la serie
(7.67) obtenida al derivar termino a termino converge uniformemente en [r, r] , en
virtud del teorema 7.3.19. Obtenemos que f es derivable en [r, r] , y que su derivada
es exactamente la funcion denida en [r, r] por la suma de la serie (7.67). Como r
es arbitrario en ]0, R[ , esto prueba (7.61) para k = 1. Para k arbitrario se procede
por inducci
on.
La f
ormula (7.66) es el resultado de particularizar (7.61) al caso x = 0.


La f
ormula (7.66) es especialmente signicativa. Podemos extraer inmediatamente
algunas consecuencias importante:

1. Los valores que la funci
on f (x) = n=0 an xn toma en los puntos en los que
est
a denida dependen tan s
olo del valor de f y de sus derivadas sucesivas en el punto
0. Pues de (7.66) se deduce
an =

f (n) (0)
,
n!

n = 0, 1, 2, . . .

(7.68)

En particular, basta conocer f en un entorno de 0, por peque

no que sea, para que f
quede determinada en su intervalo de convergencia. As, si dos funciones desarrollables
en serie de potencias coinciden en un entorno de 0, por peque
no que sea, son iguales.7

n
2. Si una funci
on f tiene como expresi
on f (x) =
n=0 an x en un intervalo
]R, R[ para un cierto
R
>
0,
su
serie
de
Taylor
en
0
(denida
en
7.3.17) coincide

on f ) 8 .
exactamente con n=0 an xn (y por tanto, converge a la funci

3. A la vista de los coecientes de la serie n=0 an xn que dene a la funci
on f , se
pueden proporcionar inmediatamente las derivadas de cualquier orden de la funci
on
en x = 0.
7 Este resultado puede ser mejorado, aunque no daremos la demostraci
on aqu (ver, por ejemplo,
[Ja73, Teorema de Unicidad]):

Teorema 7.3.21 Si dos funciones desarrollables en serie de potencias en torno a cero coinciden
en los puntos de una sucesi
on que tiene un punto de acumulaci
on, son iguales.
8 El inter
es de esta afirmaci
on se pone de manifiesto cuando se observa que se puede producir el
siguiente fen
omeno: Existen funciones con derivadas de todos los ordenes en la recta real (y, por
tanto para las que se puede, para cualquier k, aplicar la F
ormula de Taylor (ver el teorema 5.1.8)
hasta el orden k, y que, sin embargo, la sucesi
on de polinomios de Taylor no converge a f . Dicho
de otro modo, hay funciones con derivadas de cualquier orden para las que su serie de Taylor no
converge a la funci
on.
Un ejemplo de esta situaci
on es el siguiente: se define

exp(1/x2 ), si x = 0,
f (x) =
0
, si x = 0.

Como ejercicio, probar que esta funci

on tiene derivadas de cualquier orden en R, aunque todas sus
derivadas en 0 se anulan. As, su serie de Taylor es una suma de ceros, que, desde luego, no converge
a f en ning
un entorno de 0.

418

Captulo 7. Series numericas y de funciones. Integrales impropias

Un teorema de N. Abel
Queremos discutir un fen
omeno interesante respecto a la continuidad de la funci
on
denida como una suma de potencias, descubierto por N. Abel:

Teorema 7.3.22 Sea f (x) = n=0 an xn si x ]R, R[ . Si la serie converge tambien

on f es continua en
para x = R, entonces, si denimos f (R) := n=0 an Rn , la funci
x = R.

n
n. Sea S =
Demostracio
n=0 an R . Dado > 0, el Criterio de Cauchy
(proposici
on 7.3.6) aplicado a
esta serie num
 erica asegura que existe N N de modo

que si N n m, entonces  k=n ak Rk  < , de donde se deduce que tambien




ak Rk  < ,

n N.

(7.69)

k=n

Tomemos x = R, donde 0 < < 1; calcularemos |S f ( R)| y probaremos que,

cuando 1 (con lo que x R), este valor absoluto converge a cero, demostrando as el teorema. Para tal x tenemos


f (x) = f (R) =
an (R)n ,
n=0

con lo que




n

=
an R
an (R)n  =



S f (R)

n=0

(7.70)

n=0





= 
an (1 n )Rn +
an Rn
an n Rn 




n=0

n=N +1

  

an Rn  + 
an n Rn .

n=N +1

n=N +1

 
an (1 n )Rn  + 

n=0

n=N +1

Trataremos ahora de probar que cada uno de los tres u

ltimos valores absolutos que
aparecen en(7.64) son, cuando esta pr
oximo a 1, peque
nos. Observar en primer

n
lugar que
|
a
R
|
es
independiente
de
,
y
(7.69)
asegura
que es < . Para
 n=N +1 n
acotar | n=N +1 an n Rn | haremos uso del Lema de Sumacion Parcial de Abel (lema
7.1.33), que aplicado a este caso, proporciona

an n Rn = m+1 Am

n=N +1

donde An =
Entonces

N +n

k=N +1

An (n+1 n ),

(7.71)

n=N +1

ak Rk , para cada n N (notar que |An | < , para cada n N).


 

an n Rn 
k=N +1

m



  n
An ( n+1 )
m+1 Am  +
n=N +1

419

7.3. Sucesiones y series de funciones

+ (N +1 m+1 )
(1 + N +1 ) 2.
N
La expresion | n=0 an (1 n )Rn | tiene una cantidad de sumandos que no depende
N
de . As, cuando 1, se tiene | n=0 an (1 n )Rn | tiende a cero. Podemos
N
pues elegir > 0 de modo que si 1 < < 1, entonces | n=0 an (1 n )Rn | < .
Finalmente, poniendo todos estos resultados juntos, obtenemos (ver (7.70)): si es tal
que 1 < < 1 (o, equivalentemente, si (1 )R < x < R), entonces |S f (x)| <
+ + 2 = 4. Esto demuestra el teorema.

Nota 7.3.23 Una aplicaci

on de este resultado permite demostrar lo que en el teorema

7.1.48
enunci
a
bamos
en
torno
al producto de Cauchy de series nume
ricas: si
an y

umericas
convergentes,
y
su
producto
de
Cauchy
c
es
tambi
en
bn son dos series n
n

 
convergente, se tiene que
an bn = cn .


n
En efecto: las series depotencias
an x
y
bn xn convergen en ]1, 1[ , luego
n
n
an x en ese intervalo. Si elegimos x
denen funciones f (x) =
an x y g(x) =
]1, 1[ , ambas series son absolutamente convergentes, luego el Teorema 
de Mertens
) es,
(teorema 7.1.47) asegura que el productode Cauchy de ambas (que es
cn xn
n
x ]1, 1[ . Como
cn
precisamente, f (x)g(x). As f (x)g(x) =
cn x , para todo 
es convergente,
el
teorema
7.3.22
asegura
que
f
(x)g(x)

c
,
cuando
x

.
n

 


bn , cuando x 1, luego
an bn = cn .


Pero f (x) an , y g(x)

Integraci
on
Otra consecuencia de la convergencia uniforme de una serie de potencias (teorema
7.3.19) es el siguiente resultado, que nos permite integrar termino a termino una
serie de potencias:

Teorema 7.3.24 Sea n=0 an xn una serie de potencias
con radio de convergencia

R > 0. Entonces, la funci
on f denida por f (x) = n=0 an xn en ]R, R[ es integrable
en cualquier subintervalo cerrado [a, b] y acotado contenido en]R, R[ y se tiene que
cualquier primitiva de f es de la forma
F (x) = C +

an
xn+1 ,
(n
+
1)
n=0

(7.72)

donde C es una constante arbitraria. Adem

as, la serie de potencias en (7.72) tiene
tambien radio de convergencia R.

n
n. Basta observar que la serie
Demostracio
n=0 an x converge uniformemente
en [a, b] , en virtud del teorema 7.3.19, y aplicar el teorema 7.3.13. El radio de convergencia de la serie en (7.72) es tambien R, como consecuencia de la Formula de
Cauchy-Hadamard (7.62), ya que (n + 1)1/(n+1) converge a 1 cuando n +.

420

Captulo 7. Series numericas y de funciones. Integrales impropias

7.3.5.

Funciones real-analticas

Introducci
on
on f denida por f (x) =
Hemosnvisto en el apartado anterior que una funci
a
x
en
]R,
R[
,
si
esta
serie
tiene
radio
de
convergencia
R > 0, tiene buenas
n=0 n
propiedades en el conjunto ]R, R[: tiene derivadas de todos los ordenes en ]R, R[
(ver el teorema 7.3.20) (en particular es continua), derivadas que son a su vez expresables como sumas de series de potencias en el mismo intervalo, y se puede integrar
termino a termino en cualquier subconjunto cerrado y acotado de ]R, R[ . Ademas,
f es desarrollable en serie de Taylor en 0 y su desarrollo converge a la funci
on en
]R, R[ .
Se plantea ahora el problema inverso: sea una funci
on f , denida en un intervalo
]R,
R[
.
Qu
e
propiedades
debe
tener
f
para
que
sea
la
suma
de una serie de potencias

n
a
x
?
n
n=0
Definici
on 7.3.25 Sea una funci
on f , denida en un intervalo ]R, R[ . La serie

an xn ,

n=0

donde an := f (n) (0)/n!, n = 0, 1, 2, . . ., se llama desarrollo de Taylor (o tambien serie

de Taylor) asociado a la funci
on f en el punto 0. Una denici
on an
aloga se puede
hacer para una funci
on f denida en ]x0 R, x0 + R[. Se llama desarrollo de Taylor
(o tambien serie de Taylor) asociado a la funci
on f en el punto x0 a la serie

an (x x0 )n ,

n=0

donde an := f (n) (x0 )/n!, n = 0, 1, 2, . . . No se hace ninguna hip

otesis sobre la convergencia de las series involucradas 9 .
Nota 7.3.26 Hemos visto (nota al pie 8) que la existencia de todas las derivadas
no es una condici
on suciente para que el desarrollo de Taylor converja a la funci
on,
 f (k) (0) n
pues la serie de Taylor n=0 k! x desarrollada en 0 correspondiente a la funci
on
puede no converger a dicha funci
on e, incluso, simplemente no converger.
Una condici
on necesaria y suficiente
Una aplicaci
on del Teorema de Taylor (teorema 5.1.8) permite dar una condicion necesaria y suciente: supongamos que f tenga derivadas de cualquier orden en
]R, R[ . Sea 0 = x ]R, R[ arbitrario. Entonces, dado n N existe un punto
9 Ver

la definici
on 7.3.17.

421

7.3. Sucesiones y series de funciones

entre 0 y x de modo que se tiene
f (x) =

n

f (k) (0)
k=0

k!

xk +

f (n+1) () n+1
x
.
(n + 1)!

(7.73)

 (k)
Por tanto, se puede asegurar que f (x) = k=0 f k!(0) xk si y solo si el resto de Taylor
tiende a cero cuando n +, es decir, si y solo si
f (k) () k
x = 0.
k+
k!
lm

(7.74)

Sin embargo, este lmite es difcil de manejar en la pr

actica, ya que el punto depende
de x y de k.
Una condici
on suficiente
Una
ormula (7.74) es que exista un M > 0 tal
 condici
 on suciente basada en la f
que f (k) (x) M k , siempre que k N y x ]R, R[ , pues, en ese caso se verica
obviamente (7.74). Podemos formular lo dicho en el siguiente:
Teorema 7.3.27 Sea f una funci
on denida en un intervalo ]R, R[, de modo que
tenga
derivadas
de
cualquier
orden
en el. Supongamos que exista M > 0 de modo que
 (k) 
f (x) M k , para k = 0, 1, 2, . . . , y x ]R, R[ . Entonces f es la suma de una
serie de potencias en ]R, R[ . M
as precisamente,
f (x) =

n

f (k) (0)
k=0

7.3.6.

k!

xk .

(7.75)

Algunas aplicaciones de los resultados sobre series de

potencias a ciertas series particulares

Desarrollo de la funci
on ln(1 + x)
Consideremos la progresion geometrica
1 x + x2 x3 + x4 . . . + (1)n xn + . . . ,

(7.76)

cuya raz
on es (x). Sabemos que converge si |x| < 1. Tambien es claro que diverge
si x = 1 y, obviamente, si |x| > 1. Su radio de convergencia es 1. Adem
as, siempre
que |x| < 1, podemos dar una expresi
on para su suma:
1 x + x2 x3 + x4 . . . + (1)n xn + . . . =

1
1+x

La gr
aca de esta funci
on en su dominio est
a en la gura 7.12.
422

(7.77)

Captulo 7. Series numericas y de funciones. Integrales impropias

y
6
f (x) =
1

1
1+x

Figura 7.12: La funci

on f (x) =

1
1+x

1
Observar que 1+x
tiene lmite cuando x 1, precisamente 12 , aunque, sin embargo, la serie (7.76), como hemos dicho, no converge en x = 1. Esta situacion llev
oa
algunos analistas del siglo XVII a asignar la suma 12 a la serie 1 1 + 1 1 + 1 1 + . . .
Insistimos en que, seg
un nuestras deniciones, esta serie no converge.
Fijemos x ]1, 1[ . Sabemos (teorema 7.3.19) que la serie de potencias (7.76)
converge uniformemente en el intervalo [0, x[ (usamos esta notacion incluso si x < 0),
luego puede ser integrada termino a termino (teorema 7.3.13), obteniendose

 x 
 x

1
dt =
(1)n tn dt =
0 1+t
0
n=0
 x



xn+1
n
,
(7.78)
=
(1)
tn dt =
(1)n
n+1
0
n=0
n=0

serie de potencias que sabemos converge en ]1, 1[ (directamente, analizando su radio

de convergencia o como consecuencia del teorema 7.3.13). Por otra parte,
 x
1
x
dt = [ln(1 + t)] 0 = ln(1 + x), si |x| < 1,
1
+
t
0
con lo que se obtiene
ln(1 + x) =


n=0

(1)n

xn+1
, si |x| < 1
n+1

(7.79)

Es interesante notar que la serie en (7.78) o (7.79) es convergente tambien si x = 1

(por el Criterio de Leibniz, ver el teorema 7.1.36). El Teorema del Lmite de Abel
7.3.22 asegura entonces que la funci
on ln(1+x) converge a la suma 1 12 + 13 14 + 15 .
Obtenemos la curiosa relacion
ln 2 = 1

1 1 1 1
+ +
2 3 4 5

(7.80)
423

7.3. Sucesiones y series de funciones

Seria posible usar (7.80) para obtener ln 2 con la aproximaci
on deseada, aunque
esta serie converge lentamente (se vio en 7.1.37 que el error cometido al tomar la suma
parcial n-esima de una serie alternada como esta es menor, en valor absoluto, que el
del primer termino despreciado. As, si se quiere usar (7.80) para calcular ln 2 con un
error < 108 habra que sumar 1 12 + 13 14 + 15 + 1081+1 !).
Al tener la serie (7.79) radio de convergencia 1, solo proporciona los valores de
ln para ]0, 2[ (tambien para = 2, como hemos visto). Sin embargo, es posible
usarla para calcular el valor de ln tambien para > 2:
Substituyendo x por x en (7.79) obtenemos
ln(1 + x) = (1)


xn+1
,
n+1
n=0

(7.81)

si |x| < 1. Restando (7.81) de (7.79), resulta


ln

1+x
1x


=2

x x3
x5
x2n+1
+
+
+ ... +
+
1
2
5
2n + 1


(7.82)

si |x| < 1.
Ahora bien: la funci
on cuya gr
aca es la gura 7.13, transforma el intervalo ]1, 1[
y

y=

1+x
1x

x
O

Figura 7.13: La funci

on g(x) =

1+x
1x

biyectivamente en el intervalo ]0, +[ . Eligiendo x adecuadamente en ]1, 1[ podemos obtener mediante (7.82) el desarrollo del logaritmo de cualquier n
umero g(x) > 0.
Desarrollo de la funci
on arctg (x)
Podemos usar la expresion de la suma de la serie (7.77) en el apartado anterior
para |x| < 1, cuando es calculada en x2 (con |x| < 1, en todo caso).
424

Captulo 7. Series numericas y de funciones. Integrales impropias

Obtenemos
1
= 1 x2 + x4 x6 + + (1)n x2n + , si |x| < 1.
1 + x2
Integrando en [0, x] , siendo |x| < 1, obtenemos de nuevo por convergencia uniforme
en dicho intervalo (teorema 7.3.13):
arctg(x) =

x5
x7
x2n+1
x x3

+ + (1)n
+
1
3
5
7
2n + 1

(7.83)

si |x| < 1. De nuevo, el resultado mencionado nos asegura que esta serie tiene el mismo
radio de convergencia que la original, es decir, 1. Podemos, como antes, obtener

1
1 1 1
= arctg(1) = 1 + + + (1)n
+
4
3 5 7
2n + 1

(7.84)

usando el Teorema de Lmite de Abel 7.3.22, pues la serie de la derecha converge

gracias al Criterio de Leibniz para series alternadas 7.1.36. De la misma manera que
en el apartado anterior, esta serie converge lentamente (un poco m
as rapido que la
serie (7.79), ya que se necesitan la mitad de sumandos que all para obtener el mismo
grado de aproximaci
on; ver 7.1.37).

La serie bin
omica
Constituye un resultado elemental el siguiente:
m

(1 + x)

m

m 
n

xn ,

(7.85)

n=0

v
alido para cualquier x, siempre que m sea un n
umero entero positivo. De el se deduce
umero combinatorio (m
inmediatamente la expresion de (a + b)m . El signicado del n
n)
es
 
m
m(m 1) (m 2) . . . (m n + 1)
.
(7.86)
=
n
n!
Es importante hacer notar que un resultado formalmente similar sigue siendo v
alido
cuando m deja de ser un n
umero entero positivo, salvo que ahora la suma nita en
(7.85) se convierte en una serie. M
as precisamente se tiene
m

(1 + x)


m 
n

xn ,

si |x| < 1,

m arbitrario

(7.87)

n=0

La serie que aparece en (7.87) se llama serie bin

omica, y desde luego, se puede
adaptar inmediatamente para expresar (a+b)m , cuando |b| < |a| (lo que no representa
perdida de generalidad).
425

7.3. Sucesiones y series de funciones

on denida en
Consideremos (7.87). Sea f (x) = (1 + x)m . Supondremos esta funci
x > 1, ya que, si se admiten valores arbitrarios de m, f podra no estar denida en
otro caso. Entonces
f  (x) = m(1 + x)m1 ,

f  (x) = m (m 1) (1 + x)m2 . . . .

En general,
f (n) (x) = m(m 1) (m 2) (m n + 1) (1 + x)mn .
Usando la F
ormula de Taylor con resto integral (teorema 5.1.4) en un intervalo [0, x] ,
donde 1 < x, se obtiene
f (x) = (1 + x)m =

x (n+1)
f
(0)
f

(0) 2
f (n) (0) n
1
(t)(x t)n dt =
1! x + 2! x + +
n! x + n! 0 f
(m2) 3
1 + mx + m(m1)
x2 + m(m1)
x + . . . + m(m1)...n!(mn+1) xn +
2!
3!


x
1
+ n!
m(m 1) . . . (m n) (x t)n (1 + t)mn1 dt.
0

= f (0) +
=

Supongamos que el resto,

x
1
m(m 1) . . . (m n) (x t)n (1 + t)mn1 dt,
Rn (x) = n!
0

(7.88)

tiende a cero cuando n , siendo x jo. Ello es equivalente a armar que la serie
de termino general
 
m n
f (n) (0) n
x =
x
n
n!
converge, 
y que lo
hace hacia (1+x)m . Ahora bien; si aplicamos el criterio del cociente
m n
a la serie n=0 n x obtenemos


 m  n+1 

 n+1 x
|m n|
 m   =
|x| ,
n


|n + 1|
x
n

lo que implica
que converge cuando |x| < 1 y diverge cuando |x| > 1. Nuestra serie



m n
x
tiene
pues radio de convergencia 1. Por tanto, no podemos esperar que
n=0 n
Rn (x) 0 cuando n + a menos que |x| 1. As, tomaremos |x| 1 (excluyendo
x = 1).
Si 0 x 1, tenemos, en el calculo de la integral en (7.88), 0 t x 1, luego
1 1 + t 1 + x 2, y 0 x t x, con lo que |x t| |x| , mientras que si
1 < x 0, se tiene 0 1 + x 1 + t 1, y tambien |x t| |x| .
En todo caso,

 x

1

|m(m 1) . . . (m n)|
(x t)n (1 + t)mn1 dt 
|Rn (x)| =
n!
0
 x

2
m(m 1) . . . (m n) n+1
n 

|m(m 1) . . . (m n)| |x|

|x|
dt = 2
.
n!
n!
0
426

Captulo 7. Series numericas y de funciones. Integrales impropias

n+1

Si tomamos |x| < 1, m(m1)...(mn)

|x|
es el termino general de una serie convern!
gente (basta aplicar como antes, el criterio del cociente). Por tanto,
m(m 1) . . . (m n) n+1
|x|
0
n!
cuando
, as que |Rn (x)| 0 cuando n +. Obtenemos (1 + x)m =
 mn
n


n=0 n x , si |x| < 1, m arbitrario.

Una aplicaci
on al c
alculo de una integral
Las series de potencias pueden ser usadas para calcular integrales de funciones para
las que no existe primitiva expresable mediante funciones elementales. Un ejemplo
interesante, en cuya resolucion aparecen diversos aspectos de la teora de series de
potencias, es el del c
alculo del permetro de una elipse. Desarrollaremos este ejemplo
en sucesivas etapas:
a) C
alculo de la longitud de una curva expresada de forma param
etrica
En este apartado, consultar tambien la seccion 6.8.1. Sea una curva cuya ecuaci
on
parametrica es x = x(t), y = y(t), siendo x, y, funciones derivables en la variable t,
t [a, b] . Dados dos puntos pr
oximos
de , (x(t), y(t)) y (x(t + t), y(t + t)),
la distancia que los separa es
= (x2 + y 2 ), donde x = x(t + t) x(t),
y = y(t + t) y(t). Podemos escribir
7
2 
2
y
x

= t
+
,
(7.89)
t
t
y, aplicando el Teorema del Valor Medio del C
alculo Diferencial, existe 0 < <
y


=
x
(t
+

t),
y
1, 0 < < 1, de modo que x
t
t = y (t + t), con lo que
resulta

2
2

= t [x (t + t)] + [y  (t + t)]

(7.90)
(ver la gura 7.14).


2
2
Supongamos que la funci
on [x (t + t)] + [y  (t + t)] sea integrable Riemann en [a, b] (por ejemplo, si es continua en este intervalo). Entonces hay un u
nico
n
umero real,
 b
2
2
[x (t)] + [y  (t)] dt
L=
(7.91)
a

que tiene la siguiente propiedad: dado > 0, hay una partici

on P0 de [a, b] modo que
si P = {a = t0 < t1 < . . . < tn = b} es mas na que P0 , entonces


n 





2
2
(7.92)
[x (si )] + [y  (ri )] (ti ti1 ) < ,
L


i=1

427

7.3. Sucesiones y series de funciones

[x(t + t), y(t + t)]

y
6

[x(t), y(t)]

Figura 7.14: Calculo de la longitud de una curva

donde si , ri son puntos arbitrarios de [ti1 , ti ] , para i = 1, 2, . . . , n. A la vista de
(7.92) es natural denir la longitud de la curva precisamente como el n
umero L
dado por (7.92) (notar que, elegimos los n
umeros si , ri convenientemente, de acuerdo
con la f
ormula (7.90), la suma que aparece en (7.92) corresponde a la longitud de
una poligonal (ver la gura 7.14) que, de cierta forma, aproxima la longitud de la
curva. La ecuaci
on (7.92) indica que, a medida que se toman particiones m
as nas, la
poligonal tiende a la curva ).
b) Caso particular:
En el caso particular de la elipse de semiejes a y b, cuya ecuacion parametrica es
x = a cos , y = b sen (el par
ametro es el angulo formado por el radio vector de un
punto de la elipse con el eje OX, en sentido positivo (ver la gura 7.15), calculamos,
por simplicidad, la cuarta parte de su longitud L. Es inmediato que (7.91) proporciona
 /2 
L
= 4a
1 2 cos2 d,
(7.93)
4
0
donde es la excentricidad de la elipse, que verica a2 b2 = 2 a2 . El problema es
que la integral en (7.93) no puede expresarse mediante funciones elementales. Recurriremos a las series de potencias para dar una expresion de su valor con la exactitud
deseada.
c) Uso del Teorema del Binomio para desarrollar la funci
on (7.93):
Sabemos (ver (7.87)) que la funci
on f (x) = (1+x)m (donde m no es necesariamente
un n
umero entero) admite un desarrollo en serie de potencias alrededor de 0 que
converge a la funci
on f si |x| < 1, precisamente
 

m n
m
(1 + x) =
x ,
n
n=0
donde
428

m
n

m(m1) (m2)(mn+1)
.
n!

Podemos suponer, sin perdida de generalidad

Captulo 7. Series numericas y de funciones. Integrales impropias

y

6
*
o
a

(a cos , b sen )
x

Figura 7.15: Elipse en el eje OX

que < 1 (si = 1, estamos en presencia de una circunferencia, y el problema
desaparece). Entonces, 0 2 cos2 < 2 < 1, con lo que el desarrollo (7.87) es
v
alido, y obtenemos



1/2
(7.94)
(2 cos2 )n .
(1 2 cos2 )1/2 =
n
n=0
Incluso podemos decir mas: la serie (7.87) (y, por tanto, la serie (7.94)) converge
uniformemente
 en cualquier subintervalo cerrado contenido en ]1, 1[ , en particular

en 2 , 2 , en virtud del teorema 7.3.19. As, podemos integrar termino a termino
entre 0 y /2 en (7.94) (estando seguros de que la serie resultante converge) y obtener

 /2 
 /2 

L
1/2
= 4a
1 2 cos2 d =
(2 cos2 )n = d =
n
4
0
0
n=0

 /2


1/2
=
cos2n d.
(7.95)
(2 )n
n
0
n=0
Haciendo uso de las formulas de reduccion, resulta que


/2

cos2n d =

 1 3 5
2

246

2n 1
,
2n

si n = 1, 2, 3, . . . , luego
L
4

=
=



 1 3 5
 1/2
2n 1
+
...
=
(2 )n
2 n=0 n
2 246
2n

a1 a2 ,
2

donde
a1 =

(7.96)

1 2 1

= 2 ,
2 22
8
429

7.3. Sucesiones y series de funciones

y
an =

1 3 5 (2n 3) 2n   1 3 5 (2n 1)
,

(n!)2n
2
2 4 6 (2n)

n = 2, 3, . . . .

Observar que
1 3 5 (2n 3)
1 1
1
1 3 5 (2n 3)
<
=
,
=
(n!)2n
2 4 6 (2n 2) (2n)
2 2n
4n
as como

1 3 5 (2n 1)
1
< .
2 4 6 (2n)
2

Por tanto
an <
por lo que


k=n

1 1 2n
1 2n
=
,
4n 2 2
n 16
ak <

n = 2, 3, . . . .

 1 2k
1  2k
<
=
16
k
16 n
k=n

k=n

2n

1
= g(, n)
16 n 1 2n

n = 2, 3, . . . .

(7.97)

La f
ormula (7.97) nos permite dar una cota del error al usar (7.96) para estimar la
longitud de la elipse.
d) Un ejemplo num
erico:
Supongamos que nuestra elipse verica a = 1, = 1/2. Si queremos calcular su
3
permetro con un error < 10
 , basta tomar n =4, pues, es ese caso, g(0,5, 4) =
4
2,55663 10 , as que L = 4 2 a1 a2 a3 a4
= 5,8698988 con un error menor
que 4g(0,5, 4) = 1,02265 103 . De hecho, calculada la integral en (7.93) mediante
tecnicas de Calculo Numerico obtenemos L = 5,8698488, lo que representa para nuestro calculo una aproximaci
on incluso mejor que la prevista.

430

Captulo 7. Series numericas y de funciones. Integrales impropias

7.4.
7.4.1.
1.

Ejercicios propuestos
Series num
ericas.

Determinar el car
acter de las series
a)

c)

e)


1
ln n
1 1
1
+ + 2 + 2 + . . . b)
2 3 2
3
n
n=1

1
ln n
3
5
d) +
+
+ ...
33
2
2n
2
(
2)
(
2)3
n=1


2 2.5 2.5.8
(n!)2 n
+
+
+ . . . f)
3
1 1.5 1.5.9
2n!
n=1



2
nn
h)
g)
n4 en
n .n!
3
n=1
n=1



3n
( 5 1)n
i)
j)
3
n
n2 + 1
n=1
n=1

k)

m)


4
| sen n|
l)
21
2+n+1
4n
n
n=1
n=1

 2  3


3
4
nln n
2
+
n)
+
+ ...
n
(ln
n)
1
3
5
n=2
o)

q)

s)


1
1
p)
n
(ln n)
n. ln(ln(ln n))
n=2
n=10



(n!)2 4n
1 3 . . . (2n 1)
r)
(2n)!
2 4 . . . (2n)
n=1
n=1



1 4 7 . . . (3n + 1)
1


t)
2

8
.
.
.
(3n
+
2)
n
+
3
n=0
n=1
3

1
1
1
+
+
+ ...
2.4 4.6 6.8
1

si n es cuadrado perfecto,
n,

v)
an , en donde an =
1
n=1
si n no es cuadrado perfecto.
n2 ,
u)

431

7.4. Ejercicios propuestos

2.

Si en cada uno de los n

umeros siguientes la expresion decimal se repite indenidamente, comprobar que tales n
umeros son, en realidad, una serie innita.
Sumarla y dar el resultado como un cociente de enteros.
0,4444 . . .

0,515151 . . .

0,123123

0,142857142857 . . .

Probar que todo n

umero decimal peri
odico representa un n
umero racional, y
recprocamente, que todo n
umero racional tiene una expresi
on decimal peri
odica.
Sugerencia: consultar la proposici
on 1.4.7.
3.

En los siguientes apartados se supone que las series tienen los terminos reales:


a) Si an > 0 y
an converge, probar que ( a1n ) diverge.

 2
b) Si
|an | converge, probar que
an converge. Probar, mediante un contraejemplo, que el inverso no siempre se cumple.

c) 
Dada una serie convergente
an en la que cada an 0, probar que

an np converge si p > 1/2. Dar un contraejemplo para p = 12

d)

Decidir si es cierta o falsa cada una de las siguientes proposiciones:

 a2n

1) Si
an converge absolutamente, tambien lo hace
1+a2n .

un n es an = 1, entonces
2) 
Si an converge absolutamente, y para ning
an
converge
absolutamente.
1+an

Sugerencia: para a), recordar el corolario 7.1.7. Para b), usar el criterio de
comparaci
on, pues, que pasa cuando |an | es menor que 1? Para c), usar la
desigualdad de Cauchy-Schwarz (ver el teorema 2.2.9). Para d1), observar en
este mismo ejercicio el apartado b). Pada d2), considerar el cociente del termino
general de una serie y de la otra.
4.

on o un contraejemplo a
Dado an > 0 para cada n natural, dar una demostraci
cada una de las proposiciones siguientes:

 2
a) Si
an diverge, entonces
an diverge.
 2
 an
b) Si
an converge, entonces
n converge.
Sugerencia: para b), considerar la Desigualdad de Cauchy-Schwarz (teorema
2.2.9).

5. 
Estudiar, utilizando el criterio de condensaci
on de Cauchy, el car
acter de la serie
1
para
los
distintos
valores
de
.

n
Como consecuencia demostrar el criterio de Primgsheim:

Teorema 7.4.1 Dada la serie
an con an > 0 entonces, si existe tal que
lmn+ an n = b > 0 con < 1, la serie diverge, mientras que si >1 la
serie converge.
432

Captulo 7. Series numericas y de funciones. Integrales impropias

y el criterio logartmico:

Teorema 7.4.2 Dada la serie
an con an > 0, si existe lmn+
entonces la serie converge cuando > 1 y diverge cuando < 1.

ln a1n
ln n

Sugerencia: utilizar los criterios que permiten estudiar si una serie es o no

convergente mediante el procedimiento de compararla con otra.
6.

Estudiar para que valores de son convergentes las series

2



en
(a)
(b)
(na + b) , a, b > 0
n
n=1
n=1

(c)
sen 2 (d)
n
n=1
n

(e)

| sen

n=1

  
 

1
13
135
+
+
+ ...
2
24
246





n
| (f )
n 1 n

n=1

(g) 1 + 2 + 2 + 23 + 4 + 25 + . . . (h)

ln

n=2

(i)
7.

n+1
n1

1
n.(ln
n)
n=2

Estudiar para que valores de x 0 son convergentes las series

a)
1
12
123
+
+
+ ...
x x(x + 1) x(x + 1)(x + 2)
1 2 3...n
... +
+ ...
x(x + 1)(x + 2) . . . (x + n 1)
b)

xn n!
(n + 1)(n + 2) . . . (2n + 1)
n=1
8.

Determinar el conjunto de todos los complejos z para los que la serie dada
converge.
(a)


n=1

nn z n (b)


(1)n z 3n
n!
n=1

433

7.4. Ejercicios propuestos



(2z + 3)n
zn
2n + 1
ln
(d)
n ln(n + 1)
n
n
n=1
n=1

(c)

(e)

1
(1 + |z|2 )n
n=1

Sugerencia: el c
alculo del radio de convergencia mediante la f
ormula de CauchyHadamard (teorema 7.1.26) es el mismo en el caso de series de potencias reales
o complejas.
9.

Determinar el car
acter y, en el caso de convergencia, sumar las series





1
1
(b)
(a)
ln 1 2
4n2 1
n
n=1
n=2
(c)

(e)

(g)


n=1


3n 2
n2 + 1
(d)
n(n + 1)(n + 2)
5n
n=1
n=1


2n + 3
(1)n1 n
(f
)
n(n + 1)3n
2n
n=1
n=1


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

(i)


p=1

1

n
p


10. 
Sea
an una serie de terminos positivos convergente. Demostrar que la serie

an a2n converge y aplicar el resultado a la serie


n=0

3n
, 0.
(2n)!n!

Sugerencia: demostrar previamente que

de Cauchy-Schwarz (teorema 2.2.9).
11.

Determinar si son convergentes o absolutamente convergentes las series

(a)


n=1

434

an a2n an +a2n . Usar la desigualdad

(1)n n , 0 < < 1. (b)


(1)n
ln n
n=1

Captulo 7. Series numericas y de funciones. Integrales impropias

(c)

(e)



(1)n
(1)n

(d)
n2
n
n=1
n=1


3 5 7 . . . (2n + 1)
(1)n1
(f )
2 5 8 . . . (3n 1)
n(ln n)2
n=1

(1)n1

n=1



(1)n n
(1)n n3
(h)
(g)
ln n
(n2 + 1)4/3
n=1
n=1
(i)


(1)n1 n3

2n 1

p=1

12.

Consideremos la sucesion a1 = 1, an+1 = ba1n n 1. Estudiar, seg

un el valor
de
b
=

0,
el
car
a
cter
de
las
series
denidas
por
las
subsucesiones
par
e impar de
 n 
a
.
En
caso
de
convergencia
calcular
la
suma
de
la
serie
denida
por la
bn n n=1
subsucesion impar.

7.4.2.
1.

Integrales Impropias

Estudiar la convergencia de las siguientes integrales impropias



(1)
0

+1

(4)
1

(7)
0

dx

(2)
x4 + 1

dx
(5)
(x )1/3

xs
dx (8)
1+x

+
0

1
0

+
0

dx

(3)
ex

ln x
dx (6)
x

dx
(9)
x(ln x)s

+
0

1
0

ln x1
dx
x

dx
dx
x ln x
x
dx.
cosh x

Sugerencia: utilizar el criterio de comparaci

on en (1), (2), (3), (6) y (7). Integrar (4), integrar (5) y (8) por partes, partir el intervalo de integraci
on en (6)
y (7).
2.

Para un cierto n
umero real c, la integral dada converge. Determinar c y calcular
la integral.
a)


2

cx
1

x2 + 1 2x + 1


dx.

435

7.4. Ejercicios propuestos

b)

1
c

x+1
1 + 2x2


dx.

Sugerencia: operar el integrando. Despues calcular la integral.

h

+
3. Demostrar lmh h sen xdx = 0. Es sen xdx convergente?

+
Sugerencia: estudiar a sen xdx.

1
t
4. Probar que lmx0+ x x cos
t2 dt = 1. Decidir si es o no convergente la integral

1 cos2 t
t2 dt.
0

1
t
Sugerencia: calcular por partes x cos
t2 dt. De nuevo por partes reducir el segundo
lmite al primero.
5.

Sea f una funci

on denida
para todo x 1. Supongamos que para cada n
n
natural existe el valor In = 1 f (x) dx. Demostrar o dar un contraejemplo de
las siguientes armaciones
a) Si f es monotona decreciente y si lmn In existe, entonces

+
f (x)dx converge.
1
b)

Si la sucesion (In ) converge, entonces



f (x)dx
1

converge.
c)
d)

+
Si lmn f (x) = 0 y lmn In = A, entonces 1 dx converge a A.

+
Si 1 f (x)dx converge, entonces lmn f (x) = 0 cuando x +.

Sugerencia: observar que

x

n
a) In = 1 f (t)dt In = 1 f (t)dt si 0 x n + 1.

n+ 1
b) Estudiar 0 2 sen xdx.
c) Utilizar la denici
on de integral convergente,

+
d) Estudiar 1 sen x2 dx.
6.

Analizar la convergencia o divergencia de las siguientes integrales impropias



(1)
0

dx
(2)
(x + x2 )1/2


(4)
0

436

1
0

dx
(3)
(x x2 )1/2

ln x
dx (5)
x1/2

1
0

xdx
.
(1 x3 )1/2

1
0

xdx
1 x3

Captulo 7. Series numericas y de funciones. Integrales impropias

7.

Determinar los valores de p y q para los cuales las siguientes integrales convergen.


(1)
0


x (1 x) dx. (2)
p

sen x
dx (4)
xq

(3)
1

8.

+
1

(4)
1

dx
(2)
x(1 + x1/2 )

cos x
x

1
2

+
1

sen(x)p
dx.
x

x+2
dx (3)
x2 + 1

x sen x
dx (6)
1 + x2

dx (5)
1

+
1

+
1

sen x1
dx
x

sen x sen 2x
dx.
1 + x2

Estudiar la convergencia de las integrales de Fresnel



(1)

sen x dx (2)
0

Sugerencia: estudiar el lmite de

cambio ce varuable x2 = t).
10.

(ln x)p dx.

Analizar la convergencia o divergencia de las siguientes integrales innitas.

(1)

9.

cos x2 dx.

b

sen x2 dx. cunado b tiende a (efectuar el

Estudiar, seg
un los valores de p, la convergencia de la funci
on


(p) =

ex xp1 dx.

11.

Estudiar, seg
un los valores de p y q, la convergencia de la funci
on


12.

xp1 (1 x)q1 dx.

Estudiar la convergencia de las funciones



(1)

ex dx,

ex dx.

Esta segunda integral se llama la integral de probabilidad.

13.

Consideremos la siguiente integral parametrica


(p) =

ex xp1 dx

Probar las siguientes propiedades:

437

7.4. Ejercicios propuestos

a) (p) converge para p > 0.

+

2
b) (1/2) = . (Como consecuencia, 0 ex dx =

14.

2 ).

c)

(p + 1) = p(p), para p > 0. (Como consecuencia, (n + 1) = n).

d)

es continua y diferenciable.

Consideremos la siguiente integral parametrica



(p, q) =
0

xp1 (1 x)q1 dx

Probar las siguientes propiedades:

a) (p, q) converge para p > 0 y q > 0.
b)

(1, 1) = 1, (1/2, 1/2) = .

c)

(p, q) =

7.4.3.
1.

(p)(q)
(p+q)

Sucesiones de funciones.

Estudiar si existen los lmites de las siguientes funciones

lm enx ,

n+

lm xenx ,

n+

lm x2 enx

n+

para x 0. En tal caso, es la convergencia uniforme?

Sugerencia: calcular el punto donde la funci
on alcanza el m
aximo y el valor de
la funci
on en ese m
aximo.
2.

Sea fn (x) :=

x
1+nx2 ,

n = 1, 2, . . .

a) Demostrar que la sucesion (fn ) converge uniformemente a una funci

on f .
b)
3.

Probar que la expresi

on f  (x) = lmn fn (x) es correcta si x = 0, pero
es falsa si x = 0.

1
Demostrar que la convergencia de la sucesion fn (x) = nx
, x ]0, +[, n =
1, 2, . . . no es uniforme en ]0, +[, pero s lo es para x c > 0.

Sugerencia: en primer lugar, calcular el lmite puntual de la sucesi

on; despues
estudiar lo que ocurre cerca de x = 0.
4.

Es uniforme en R la convergencia de la sucesion

fn (x) :=

nx
, n = 1, 2, . . .?
1 + n2 x2

Sugerencia: estudiar en primer lugar el lmite puntual de la sucesi

on; despues,
calcular el m
aximo de cada una de las funciones fn .
438

Captulo 7. Series numericas y de funciones. Integrales impropias

5.

Estudiar si es uniforme, en el intervalo [0, 1], la convergencia de las sucesiones

(para n 2)
a)


hn (x) :=

b)


gn (x) :=

1 nx, 0 x n1
1
0,
n < x 1.
nx,
n(1x)
n1 ,

0 x n1
1
n < x 1.

Sugerencia: en el caso a), considerar la continuidad del lmite puntual. En el

caso b), calcular el lmite puntual y el m
aximo de cada una de las funciones gn .
6.

Sea

0,
sen2 ( x ),
fn (x) :=

0,

x<
1
n+1
1
n

1
n+1

x<
x

1
n

on continua, pero no lo hace

a) Demostrar que (fn ) converge hacia una funci
uniformemente.

un
b) Utilizar la serie
fn para demostrar que la convergencia absoluta, a
para todo x, no implica convergencia uniforme.
Sugerencia: para a), calcular el m
aximo de cada una de las funciones fn .
7.

Demostrar que la serie


n=1

(1)n

x2 + n
n2

converge uniformemente en todo intervalo acotado, pero no converge absolutamente para todo valor de x.
Sugerencia: para la primera armaci
on, estudiar el comportamiento de las sumas
desde k hasta m en un intervalo (es decir, usar el criterio de Cauchy); para la
segunda, considerar el punto 0. Que pasa en otros puntos?

7.4.4.
1.

Series de potencias.

Determinar el radio de convergencia y la convergencia en los puntos de la frontera de las siguientes series:
(a)



xn
xn
n
(b)
(1)
2n
(n + 1)2n
n=0
n=0

439

7.4. Ejercicios propuestos

(c)

(e)



(x + 3)n
22n x2n
(d)
(1)n
n
(n + 1)2
2n
n=0
n=1

[1 (2)n ]xn (f )

n=1

an xn , 0 < a < 1

n=1



(n!)2 n
3 n xn
(g)
x (h)
(2n)!
n
n=1
n=1

(i)

(sen an)xn , a > 0, b > 0

n=0

2.

Considerar la funci
on f (x) := e1/x , x = 0, f (x) := 1, x = 0. Calcular las
derivadas sucesivas de esta funcion en 0. Deducir que esta funci
on, a pesar de
ser innitamente diferenciable, no es desarrollable en serie de Taylor en ning
un
entorno de 0.
Sugerencia: observar que todas las derivadas de f en x = 0 se anulan. Si la
funci
on fuera desarrollable en serie de Taylor en un entorno alrededor de 0,
observar el valor de los coecientes.

3.

Considerar la serie de potencias


xk
k=1

k!

a) Demostrar que esta serie converge para cualquier valor de x.

b)

4.

La funci
on que dene en R se llama la exponencial, es decir, ex . Demostrar
las propiedades b
asicas de la exponencial a partir de la denici
on como
suma de una serie (continuidad, derivabilidad, valor de la derivada, comportamiento asint
otico, no existencia de ceros, crecimiento, etc.).

Sean dos
funciones f y g denidas
como la suma de sendas serie de potencias,

bn xn , ambas convergentes en un entorno de cero,
f (x) :=
an xn , g(x) :=
B(0; R), R > 0. Supongamos que f y g coincidan en un entorno B(0; r), 0 <
r < R. Probar que an = bn , n = 1, 2, . . ..
Sugerencia: utilizar inducci
on nita.

5.


Calcular el radio de convergencia de una serie
an xn , siendo an = 1 cuando n
es el cuadrado de un n
umero natural, 0 en otro caso.
Sugerencia: usar la f
ormula de Cauch-Hadamard (ver el teorema 7.1.26).

440

Captulo 7. Series numericas y de funciones. Integrales impropias

6.


Calcular el radio de convergencia de una serie
bn xn , siendo an = 1 cuando n
es el factorial de un n
umero natural, 0 en otro caso.

Sugerencia: usar la f
ormula de Cauch-Hadamard (ver el teorema 7.1.26).

7. Sea una serie de potencias
an xn para la que existe lmn |an+1 /an |. Demostrar que el radio de convergencia es el inverso de este lmite.
Sugerencia: considerar el lema 7.1.23.

441

Bibliografa
La siguiente lista esta formada b
asicamente por las fuentes que, en ciertos casos, han inspirado parte de estas notas. La dividiremos en Teora y
Problemas, aunque todos los libros de teora contienen un gran n
umero de
problemas, muchos de ellos resueltos.

Teora
[Ap85]

Apostol, T. M.: Calculus. Vol. I, II (2a. edic.). Ed. Reverte, 1985.

[Ap76]

Apostol, T. M.: An
alisis Matem
atico (2a. edic.). Ed. Reverte, 1976.

[Ba76]

Bartle, R. G.: The Elements of Real Analysis. Second Edition. John Wiley
and Sons., 1976.

[Bo96]

Boas, R. P.: A Primer of Real Functions (4th. edit). The Carus Math.
Monographs. The Mathematical Association of America, 1996.

[CC87]

Chapra, S. C., Canale R. P.: Metodos Numericos para Ingenieros con Aplicaciones en Computadoras Personales. McGraw-Hill, 1987.

[Ed59]

Edwards, C. H., Jr.: Advanced Calculus in Several Variables. Academic

Press, Inc., 1973.

[GV90]

Gonz
alez, F., Villanova, J.: Curso pr
actico de Matem
aticas COU. EDUNSA,
1990.

[Go59]

Goursat, E.: A Course in Mathematical Analysis. Vol. I, II, III, IV, V. Dover
Pub. Inc. 1954.

[Ja73]

G. J. O. Jameson: Primer Curso de Funciones Complejas. C.E.C.S.A., 1973.

[Kr90]

Kreyszig, E.: Matem

aticas Avanzadas para Ingeniera. Vol. I, II. LimusaNoriega, 1990.

[Mi94]

Milne, W. E.: Numerical Calculus. Princeton Univ. Press., 1949.

443

Bibliografa
[No67]

Noble, B.: Applications of Undergraduate Mathematics in Engineering. The

Mathematical Assoc. of America, 1967.

[Or90]

Ortega Aramburu, J. M.: Introducci

o a lan`
alisi matem`
atica. Publicacions
de la Universitat Aut`
onoma de Barcelona, 1990.

[Pe66]

Petrovsky, I. G.: Ordinary Dierential Equations. Dover Pub., Inc., 1966.

[Ru66]

Rudin, W.: Principios de An

alisis Matem
atico. Ed. del Castillo, S. A. 1966.

[Si72]

Simons, G.F.: Dierential Equations With Applications and Historical

Notes. Int. Ser. Pur. Appl. Math. McGraw-Hill Book Co., 1972.

[Va76]

Valdivia, M.: Funciones de Una Variable. Series Numericas y C

alculo de
Primitivas. Valencia, 1976.

Problemas
[Ay69]

Ayres, F., Jr.: Ecuaciones Diferenciales. Teora y 560 Problemas Resueltos.

Schaum. McGraw-Hill, 1969.

[BRV87] Bombal, F., Rodrguez, L., Vera, G.: Problemas de An

alisis Matem
atico.
Vol. I, II, III. Ed. AC, 1987.
[DPK83] Danko, P. E., Popov, A. G., Kozhennikova, T. YA.: Higher Mathematics in
Problemss and Exercises. Vol. I, II. Mir Pub., 1983.
[De76]

Demidovich, B.: Problems in Mathematical Analysis. Mir Pub., 1976.

[Gi72]

Gillespie, R. P.: Solving Problems in Advanced Calculus: I. Oliver and Boyd,

1972.

[Sp63]

Spiegel, M. R.: C
alculo Superior. Teora y 925 Problemas Resueltos.
Schaum. McGraw-Hill, 1963.

Revistas
The American Mathematical Monthly.
Publicada por The Mathematical Association of America. Contiene regularmente las secciones Articles, Notes, The Teaching of Mathematics, Problems
and Solutions, Reviews, y Telegraphic Reviews.
The College Mathematical Journal.
Publicada por The Mathematical Association of America. De car
acter mas
elemental que la anterior. Es especialmente interesante para estudiantes y
docentes.

444

Indice de t
erminos
Abel, 374, 376, 382, 383, 410, 411, 419,
423, 425
aceleracion, 312
componente normal, 313
componente tangencial, 313
angulo, 31, 33, 70

arco, 314317, 319, 320

longitud, 314316, 316, 317, 319,
320
area, 44, 255, 259, 261263, 299, 301,

302, 305, 308, 311, 325327,

334336, 338, 387, 394, 397,
398
axioma del supremo, 12
Banach, 155
bola
abierta, 29
cerrada, 29
Bolzano, 4447, 81
buena ordenaci
on, 4
Ck , 173
camino, 128, 128, 129131, 209, 212
214, 312, 314319, 321323, 325,
326, 361
campo
de fuerzas, 321
electrico, 346
gravitatorio, 346
campo vectorial, 321
conservativo, 343, 344, 346
irrotacional, 344
caracterizacion
convexidad, 37
445

Cauchy, 18, 19, 28, 30, 31, 46, 56, 155

157, 364366, 369, 372, 373,
375, 376, 380383, 390, 391,
393, 397, 398, 400, 409411,
415, 419, 420
Cauchy-Hadamard, 372, 415, 420
Cauchy-Schwarz, 27, 28, 3034, 38, 56,
315
clase de equivalencia, 10, 19
clausura, 42
conjunto, 1
abierto, 42
acotado, 42
acotado inferiormente, 12
acotado superiormente, 12
bien ordenado, 4
cerrado, 42
complemento, 2
elementos, 1
familia, 2
nito, 10
innito numerable, 10
interseccion, 2
miembros, 1
ordenado, 3
paradojas, 2
puntos, 1
subconjunto, 2
uni
on, 2
vaco, 2
constante de Euler, 399
contenido nulo, 301, 305
continua, 36, 44, 67, 79, 79, 8082, 82,
83, 84, 88, 89, 96, 98, 99, 101,
103105, 112, 118120, 122, 124,

Indice de terminos
125, 128, 144, 147150, 158,
169, 170, 173, 174, 186, 193,
195, 202, 203, 210, 216, 242
244, 248, 250, 259, 271276,
279, 281, 288292, 300302, 304
306
uniformemente, 88, 88, 89, 273, 288,
289, 300, 302, 305, 306
convergencia
absoluta, 362, 365, 366, 370, 372,
381, 384386
puntual, 405
uniforme, 408, 408, 409414, 417,
418, 420, 423, 429
coordenadas, 25
cortadura, 18
coseno, 71
cota
inferior, 12
superior, 12
curva, 65, 108, 115, 128, 128, 129132,
150, 209, 211213, 238, 312,
314, 318326, 328, 335, 341,
387, 427, 428
de Jordan, 322, 323, 323, 327, 341
de nivel, 65, 66
recticable, 314
Dedekind, 18
derivada, 31, 37, 67, 95, 95, 9699, 102,
103, 107, 109, 114, 115, 126,
128, 139141, 143, 144, 150,
151, 160, 167170, 184, 185,
229, 246, 260, 264, 266, 271
276, 279, 281, 282, 289, 290,
312, 317, 327, 335, 392, 394,
405, 407, 409, 413, 414, 417,
418, 421, 422
direccional, 114, 114, 115119, 121,
174176, 178, 179
orden superior, 174
orden superior, 96, 121
parcial, 114116, 116, 118122, 125,
127, 173, 174, 179, 183, 194,
195, 203, 205207, 212, 289,
446

290, 292, 334, 336, 341

desarrollo de Taylor, 114, 184, 404, 421,
421, 424, 428, 429
desigualdad
Bernoulli, 52
Cauchy-Schwarz, 27, 28, 3034, 38,
40, 56, 315
H
older, 56
Minkowski, 57
normas, 40
diferencial, 100, 101, 110, 111, 112,
114, 116119, 123, 126, 128,
200, 235
Dirichlet, 375377, 410
discontinuidad, 80
de salto, 80
evitable, 80
primera especie, 80
segunda especie, 80
distancia, 26
d1 , 26
d , 27
cero-uno, 26
eucldea, 27
divergencia, 340
dominio, 62
error, 274
interpolaci
on, 166
escalar, 25
esfera, 29
espacio
completo, 46
vectorial, 25
Euler, 78, 399, 401
explcita, 332
exponencial, 68, 68, 69, 139, 143, 148,
149, 367, 373
expresion decimal, 17
extremo, 44, 101103, 113, 114, 139,
150, 182184, 189, 190, 194,
209211, 214, 215
absoluto, 83
condicionado, 209
estricto, 183

Indice de terminos
local, 101, 101, 102, 103, 150, 151,
183, 183, 189, 209, 210, 214,
215
extremo local
condici
on necesaria, 102
ujo, 320
forma cuadr
atica, 185, 191
denida postiva, 186
f
ormula
Cauchy-Hadamard, 372, 373, 415,
420
Euler, 78
F
ormula de Stirling, 402, 403
frontera, 42, 149, 210, 294, 300, 303
306, 322, 416
Fubini, 295, 297299, 306
funci
on, 62
Ck , 173
acotada, 63
biyectiva, 63, 65
caracterstica, 303
composicion, 64
compuesta, 123
continua, 36, 44, 67, 79, 79, 80
82, 82, 83, 84, 88, 89, 96, 98,
99, 101, 103105, 112, 118
120, 122, 124, 125, 128, 144,
147150, 158, 169, 170, 173,
174, 186, 193, 195, 202, 203,
210, 216, 242244, 248, 250,
259, 271276, 279, 281, 288
292, 300302, 304306
continua a un lado, 79
convexa, 35, 36, 37
coseno, 71
creciente, 67
decreciente, 67
derivable, 97
discontinua, 79
escalonada, 277, 293, 293, 294298,
300, 302, 330, 331, 387
exponencial, 68, 68, 69, 139, 143,
148, 149, 367, 373
Gamma, 401, 402

gr
aca, 62
hiperb
olica, 72
impar, 67
implcita, 201, 206
integrable, 303
inversa, 63, 207
inyectiva, 63
lmite, 73
logaritmo, 69, 69
monotona, 67
par, 67
peri
odica, 68
polinomio, 173
primitiva, 229
racional, 229
seno, 70, 71
serie de potencias, 415
sobreyectiva, 63
trigonometrica, 71
variaci
on acotada, 237
gradiente, 117, 128, 130, 131, 201, 209
grado
operador, 271
gr
aca, 61, 62, 66, 67, 80, 96, 100, 108,
277, 306, 332
Green, 322, 323, 325, 326, 328, 340
Hadamard, 372, 373, 415, 420
Heine, 89, 288, 289, 300, 305, 306
Holder, 56
imagen, 62
implcita, 332
indeterminaci
on, 77
innitesimo, 99, 100
orden, 99
integral
binomia, 232
doble, 293, 295, 296, 297, 299, 305,
309, 310, 322, 326, 336, 337,
339
ujo, 320
impropia, 361, 386, 388, 390, 392,
395, 397, 401
447

Indice de terminos
primera especie, 387, 388390,
392
segunda especie, 386, 388, 389,
390, 392
inferior, 240
lnea, 312, 318, 318, 319, 320, 322
324, 326, 328, 329, 337, 340
respecto a longitud de arco, 319,
320
parametrica, 288292
por partes, 248
Riemann-Stieltjes, 236, 239, 240,
240, 243, 246, 296, 320
supercie, 331, 337, 337, 338340
superior, 240
interior, 42
interpolaci
on
c
ubica fragmentaria, 169
segmentaria, 168
iteracion de punto jo, 154160, 196
Jordan, 322, 323, 327, 341
Kronecker, 4
lH
opital, 106
Lagrange, 147, 165, 214, 215
Leibniz, 292
Ley del Paralelogramo, 39
lmite, 73, 75, 78
calculo de lmites, 83
lmites a lo largo de curvas, 84
lmites por polares, 86
doble, 388390
innito, 74
lateral, 73
varias variables, 82
logaritmo, 69, 69
longitud de arco, 315, 316
masa
cable, 322
Matlab, 16
Matlab
programa en, 159, 160, 283
maximo
448

absoluto, 83, 183, 408

local, 101, 183
media
aritmetica, 33, 34
armonica, 33
potencias pesima, 33, 33
Mertens, 381
mnimo
absoluto, 83
mnimo
absoluto, 103, 402
local, 101, 183
Minkowski, 57
monomio, 173
N, 49
Newton, 153, 165, 166, 175, 258, 259,
266
Newton-Cotes, 258, 259, 266
norma, 27
equivalente, 40
eucldea, 28
partici
on, 237
n
umero
combinatorio, 425
entero, 9
racional, 9, 15, 16
real, 11
operador
denido, 275, 275
grado, 271
orden, 3
parametrica, 332
parte entera, 16
partici
on
norma, 237
perodo, 68
perpendicular, 30
plano
osculador, 313
plano tangente, 108, 129, 212, 215
polinomio, 173
interpolaci
on, 164, 165

Indice de terminos
Taylor, 142, 142, 181, 272
primitiva, 229
Principio de Buena Ordenaci
on, 4
Principio de Inducci
on Finita, 6
producto
de Cauchy, 381
escalar, 30
producto cartesiano, 4
producto escalar
con pesos, 30
eucldeo, 30
producto vectorial fundamental, 334
progresion
aritmetica, 6
geometrica, 8
progresion aritmetica
suma, 7
propiedad
arquimediana, 14
proyeccion, 131
punto
acumulaci
on, 44
crtico, 102, 183, 186
jo, 154160, 196
regular, 334
singular, 334
Q, 9
R, 11
Rn , 25
operaciones, 25
racional, 229
rango, 62
recorrido, 62
region
tipo I, 304
tipo II, 304
tipo III, 305
regularmente equivalente, 338
relacion de equivalencia, 9
relacion de orden, 3
reordenaci
on, 383, 384
representacion
explcita, 332

parametrica, 332
representacion implcita, 332
Riemann-Stieltjes, 240
rotacional, 340
Schwarz, 28, 30, 31, 56, 122
seno, 70, 71
serie
armonica, 399, 399
bin
omica, 425
convergente, 362
de potencias, 372, 372, 377, 380,
383, 410, 414418, 420423, 427,
428
de Taylor, 143, 144, 193, 415, 418,
421
numerica, 362
reordenaci
on, 383
telescopica, 378
Simpson, 263267, 281
splines, 168, 169
Stirling, 403
Stokes, 341
sucesion, 6, 6, 41, 43, 46, 72, 73, 367
convergente, 41
de Cauchy, 18, 19, 46, 46, 155
157, 364, 365, 410, 411, 419
lmite, 41
suma inferior, 239
suma superior, 239
supercie
area, 336
simple, 333
supremo, 13
Taylor, 100, 103, 114, 121, 140144, 146
148, 151, 153, 154, 173, 176
182, 184, 188, 193, 194, 204,
205, 271, 272, 415, 418, 421,
422, 426
teorema
Rango, 207
Bolzano, 81
Bolzano-Weierstrass, 4447
Cambio de Variable, 250, 327
449

Indice de terminos
Cauchy-Hadamard, 372, 373, 415,
420
Criterio de Abel, 411
Criterio de Comparaci
on, 393
Criterio de condensaci
on de Cauchy,
366
Criterio de Dirichlet, 410
Criterio de la raz de Cauchy, 371,
372, 393, 409
Criterio del cociente de DAlembert,
369371, 426, 427
Criterio Integral, 397
Criterio M, 410
de la convergencia monotona, 13
F
ormula de Stirling, 403
Fubini, 295, 297, 306
funci
on implcita, 201, 206
funci
on inversa, 98, 207
Green, 322, 323, 325, 326, 328, 340,
342
Heine, 89
integraci
on por partes, 248
Mertens, 381
multiplicadores de Lagrange, 214,
215
Primero del Valor Medio, 250
Punto Fijo, 157
Regla de lH
opital, 106
Regla de la Cadena, 98, 123
expresion matricial, 125
Regla de Leibniz, 292
Rolle, 103
Schwarz, 122
Segundo del Valor Medio, 250
Stokes, 341
Taylor, 144, 147, 176, 271
valor medio, 104106
valor medio ponderado, 147
valores intermedios, 81
trabajo, 321
uniformemente continua, 88, 88, 89, 273,
288, 289, 300, 302, 305, 306
valor medio
450

de una funci
on, 311
variaci
on acotada, 237
variaci
on total, 237
vector, 25
gradiente, 117
normal unitario, 335
velocidad, 312
Weierstrass, 19, 4447, 410, 417
Z, 9