Capítulo 4.

Series y sucesiones
En este capítulo se tratará todo lo referente a series y sucesiones, desde las definiciones y
tipos de series; finitas e infinitas, hasta los criterios de convergencia y las series de
potencias, para finalizar con series de Taylor. Por último, se aplicarán estas series para
resolver integrales que por métodos convencionales no son tan fáciles de resolver.

4.1 Definición de sucesión.

Intuitivamente, podemos pensar en una sucesión como una serie de objetos ordenados bajo
cierto criterio. Estos objetos reciben el nombre de términos o elementos y pueden ser
números, figuras, símbolos, funciones etc. Formalmente, se le llama sucesión a una función
𝑎𝑛 cuyo dominio es el conjunto natural ℕ, y cuyo rango puede ser cualquier otro conjunto
𝑋. Se representa así:

𝑎: ℕ → 𝑋

𝑛 ⟼ 𝑎𝑛

Los elementos de la sucesión se representan como 𝑎1 , 𝑎2 , 𝑎3 …, donde el subíndice

representa el número natural con el que se asocia (o el lugar que ocupa en la sucesión).

Ejemplo de sucesión es: {𝑎𝑛 } = {3,6,9,12, … } la cual asocia a cada número natural, el triple
de ese mismo número, es decir: 𝑎1 = 3, 𝑎2 = 6, 𝑎3 = 9, … , 𝑎𝑛 = 3𝑛. Es común utilizar la
notación {𝑎𝑛 } para representar la sucesión en donde 𝑎𝑛 es el término 𝑛 −ésimo, por
ejemplo, en la sucesión anterior 𝑎𝑛 = 3𝑛.

Existen varias notaciones de sucesiones, las siguientes son las notaciones más comunes
usadas para representarlas:

• {𝑎𝑛 } = 𝑎1 , 𝑎2 , 𝑎3 , …
• (𝑎𝑛 ) = 𝑎1 , 𝑎2 , 𝑎3 , …
• {𝑎𝑛 }𝑛∈ℕ = 𝑎1 , 𝑎2 , 𝑎3 , …
• (𝑎𝑘 )𝑚
𝑘=1 = 𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑚
En este texto se usarán indistintamente todas esas notaciones, de modo que se sugiere al
lector familiarizarse con todas.

Una sucesión se le llama finita cuando tiene un número finito de términos, en caso contrario
se le llama infinita. Al término 𝑎𝑛 que se obtiene cuando 𝑛 → ∞ en una sucesión infinita
se le llama límite de la sucesión y se representa como 𝐿 = lim 𝑎𝑛 .

A las sucesiones infinitas se les puede clasificar en tres tipos de acuerdo a su límite:
convergentes, divergentes y oscilatorias. Las sucesiones convergentes son aquellas en las
que el límite de la sucesión converge, en el caso que el límite diverja, la sucesión se dice
que es divergente. Por otro lado, si el límite oscila entre una serie de valores, se dice que es
una sucesión oscilante.

Definición (De límite de una sucesión). La sucesión {𝑎𝑛 } con 𝑎𝑛 ∈ ℝ converge a 𝐿 (o se

dice que su límite es 𝐿) y se escribe:

𝐿 = lim 𝑎𝑛

Si para toda 𝜀 positiva existe un 𝑁 ∈ ℕ tal que |𝑎𝑛 − 𝐿| < 𝜀, para todo 𝑛 ≥ 𝑁.

Ejemplo 4.1 (de sucesión convergente). Calcule el límite de la siguiente sucesión y

1 1 1 1 1
determine el tipo de serie que es. {𝑎𝑛 } = {1 , 2 , 3 , 4 , … , 𝑛 , … }.

Solución. Se calcula el límite de la sucesión.

1
lim{𝑎𝑛 } = lim { } = 0
𝑛

Como el límite converge a 0, la sucesión es convergente,

Teorema 4.1. Si {𝑎𝑛 } es una sucesión de términos reales es convergente, entonces su límite
existe y es único.
Demostración: Se demostrará usando una contradicción, supongamos que la sucesión {𝑎𝑛 }
es convergente, pero tiene más de un límite.

Sea 𝐿1 y 𝐿2 los dos límites diferentes de la sucesión {𝑎𝑛 }. Es decir, la sucesión converge a
𝐿1 y también converge a 𝐿2 , donde 𝐿1 ≠ 𝐿2 .

Por definición de límite, para cualquier 𝜀 > 0, existen dos enteros 𝑁1 y 𝑁2 tal que:

|𝑎𝑛 − 𝐿1 | < 𝜀 para todo 𝑛 > 𝑁1

|𝑎𝑛 − 𝐿2 | < 𝜀 para todo 𝑛 > 𝑁2

Tomando 𝜀 = |𝐿1 − 𝐿2 | / 2, podemos elegir un valor de n suficientemente grande, por

ejemplo, 𝑛 > 𝑚𝑎𝑥{𝑁1 , 𝑁2 }, de tal manera que se cumpla ambas desigualdades.

Entonces, por la desigualdad triangular tenemos:

|𝐿1 − 𝐿2 | = |(𝐿1 − 𝑎𝑛 ) + (𝑎𝑛 − 𝐿2 )| ≤ |𝐿1 − 𝑎𝑛 | + |𝑎𝑛 − 𝐿2 | < 𝜀 + 𝜀 = |𝐿1 − 𝐿2 |,

donde hemos utilizado que |𝑥 + 𝑦| ≤ |𝑥| + |𝑦| (desigualdad triangular) y la elección de

𝜀.

Esto lleva a una contradicción, ya que la única manera en que se puede cumplir la
desigualdad anterior es si |𝐿1 − 𝐿2 | = 0, lo que significa que 𝐿1 = 𝐿2 . Esto contradice
nuestra suposición inicial de que {𝑎𝑛 } tiene dos límites diferentes.

Por lo tanto, hemos demostrado que si {𝑎𝑛 } es una sucesión convergente, entonces su límite
existe y es único. QED

Definición. Una subsucesión es una sucesión que se forma por los términos de la sucesión
{𝑎𝑛 }, a la cual se le retiran algunos términos que tenía en un principio sin cambiar el orden
inicial. Estrictamente se dice que {𝑎𝑛𝑘 } es una subsucesión si {𝑛𝑘 }𝑘∈ℕ es una sucesión
𝑘∈ℕ

estrictamente creciente de números naturales.

Ejemplo 4.2 (De subsucesiones). Las sucesiones {2𝑛} y {2𝑛 + 1} son sub sucesiones de
{𝑛}. Esto se puede apreciar pues {2𝑛} es la sucesión de números pares y {2𝑛 + 1} es la
sucesión de números impares, ambas son tales que se pueden obtener de la sucesión de
números naturales retirando los números impares y pares, respectivamente.

Este ejemplo también muestra que puede haber más de una subsucesión para una misma
sucesión.

4.1.1 Sucesiones monótonas

Una sucesión monótona es una sucesión numérica en la que cada término es mayor o igual
(en el caso de una sucesión creciente) o menor o igual (en el caso de una sucesión
decreciente) al término anterior. Es decir, una sucesión es monótona si sus términos
siempre van en la misma dirección sin cambiar de dirección. Una sucesión monótona puede
tener una tendencia constante hacia arriba (creciente) o hacia abajo (decreciente), o puede
ser constante si cada término es igual al anterior.

Definición. Se dice que la sucesión es creciente si satisface que 𝑎𝑛+1 ≥ 𝑎𝑛 para todo 𝑛 ∈
ℕ.

Definición. Se dice que la sucesión es decreciente si satisface que 𝑎𝑛+1 ≤ 𝑎𝑛 para todo 𝑛 ∈
ℕ.

Definición. Se dice que la sucesión es estrictamente creciente si satisface que 𝑎𝑛+1 > 𝑎𝑛
para todo 𝑛 ∈ ℕ.

Definición. Se dice que la sucesión es estrictamente decreciente si satisface que 𝑎𝑛+1 <
𝑎𝑛 para todo 𝑛 ∈ ℕ.

Definición. Se dice que la sucesión es constante si satisface que 𝑎𝑛+1 = 𝑎𝑛 para todo 𝑛 ∈
ℕ.
4.1.2 Sucesiones acotadas
Una sucesión acotada es una sucesión numérica en la que los valores de sus términos están
limitados por algún valor. En otras palabras, una sucesión es acotada si existe un número
real que sirve como cota superior (por encima) o inferior (por debajo) para todos los
términos de la sucesión.

Es importante destacar que una sucesión puede estar acotada por arriba y por abajo al
mismo tiempo o sólo por uno de los dos lados. En matemáticas, las sucesiones acotadas
tienen propiedades interesantes y son útiles en muchos contextos, como en análisis
matemático y en teoría de la probabilidad.

La sucesión {𝑎𝑛 } se dice que es acotada superiormente si existe un número 𝑀 tal que
𝑎𝑛 ≤ 𝑀 para todo 𝑎𝑛 de la sucesión.

La sucesión {𝑎𝑛 } se dice que es acotada inferiormente si existe un número 𝑁 tal que 𝑎𝑛 ≥
𝑁 para todo 𝑎𝑛 de la sucesión.

En caso que 𝑁 ≤ 𝑎𝑛 ≤ 𝑀 para toda 𝑎𝑛 de la sucesión, se dice que es una sucesión

acotada.

Definición: sea {𝑎𝑛 } una sucesión acotada, su límite inferior se define como:

sup inf 𝑎𝑛 = sup{inf{𝑎𝑘 : 𝑘 ≥ 𝑛}: 𝑛 ≥ 0}

𝑛≥0 𝑘≥𝑛

O también:

lim ( inf 𝑎𝑛 )
𝑛→∞ 𝑘≥𝑛

lim
Que se expresa como lim inf 𝑎𝑛 o como 𝑎 .
𝑛→∞ 𝑛→∞ 𝑛

De manera análoga, su límite superior se define como:

 inf {sup{𝑎𝑛 }} = inf{sup{𝑎𝑘 : 𝑘 ≥ 𝑛}: 𝑛 ≥ 0}
𝑛≥0 𝑘≥𝑛

Y se expresa como lim sup 𝑎𝑛 o como lim 𝑎𝑛 .

𝑛→∞ 𝑛→∞

4.1.2 Sucesión de Cauchy

Definición. Una sucesión de Cauchy es una sucesión numérica en la que los términos se
acercan cada vez más entre sí de forma infinitesimal. En otras palabras, una sucesión {𝑎𝑛 }
es de Cauchy si para cualquier número real positivo 𝜀, existe un número natural 𝑁 tal que si
𝑚, 𝑛 ≥ 𝑁, entonces |𝑎𝑚 − 𝑎𝑛 | < 𝜀.

Esto significa que, para cualquier par de términos en la sucesión con índices lo
suficientemente grandes, la distancia entre ellos será cada vez más pequeña. De esta
manera, una sucesión de Cauchy se puede interpretar como una sucesión "apretada" que se
acerca a un límite común, aunque no se sabe si la sucesión realmente converge o no.

El concepto de sucesiones de Cauchy es importante en el análisis matemático, ya que todas

las sucesiones convergentes son de Cauchy, pero no todas las sucesiones de Cauchy son
convergentes. Por lo tanto, las sucesiones de Cauchy son una herramienta útil para
demostrar la existencia y unicidad de límites y para establecer la completitud de ciertos
espacios métricos.

Teorema 4.2. Toda sucesión es convergente si y solo si es de Cauchy.

Demostración. Para demostrar que toda sucesión convergente es de Cauchy, tomemos una
sucesión {𝑎𝑛 } que converge a un límite 𝐿. Entonces, para cualquier 𝜀 > 0, podemos elegir
𝜀 𝜀
un número natural 𝑁 tal que si 𝑛, 𝑚 ≥ 𝑁, entonces |𝑎𝑛 − 𝐿| < 2 𝑦 |𝑎𝑚 − 𝐿| < 2.

𝜀 𝜀
Por lo tanto, si 𝑛, 𝑚 ≥ 𝑁, entonces |𝑎𝑛 − 𝑎𝑚 | ≤ |𝑎𝑛 − 𝐿| + |𝑎𝑚 − 𝐿| < 2 + 2 = 𝜀.

Esto muestra que la sucesión {𝑎𝑛 } es de Cauchy.

La demostración de que toda sucesión de Cauchy es convergente, se deja como ejercicio al
lector1. QED.

4.2 Series

En el capítulo 1 se han presentado algunas sucesiones numéricas y se han deducido algunas

expresiones para sus términos. Sin embargo, muchas de estas sucesiones están compuestas
por un número infinito de términos, lo que nos lleva a considerar la suma de todos estos
términos, es decir, una serie, de las cuales dedujimos algunas expresiones para sumarlos.

En esta sección nos enfocaremos en definir adecuadamente lo que entendemos por serie, así
como en estudiar la convergencia y divergencia de estas. Veremos que el comportamiento
de las series puede ser muy diferente al comportamiento de las sucesiones individuales que
las componen, y que la convergencia o divergencia de una serie puede depender
fuertemente de los valores que toman los términos de la sucesión correspondiente.

Además, exploraremos algunas propiedades importantes de las series, como la suma de dos
o más series, la multiplicación de una serie por un escalar y la convergencia absoluta.
También estudiaremos un caso particular de series llamadas series de potencias.

Definición. Una serie es la suma de los términos de una sucesión numérica. Formalmente,
dada una sucesión {𝑎𝑛 }, se define la serie correspondiente como:

𝑆 = 𝑎1 + 𝑎2 + 𝑎3 + … + 𝑎𝑛 + ⋯

donde 𝑆 es la suma de todos los términos de la sucesión. En otras palabras, la serie es la

suma de los términos de la sucesión.

1
Para una comprensión completa del tema, se sugiere consular la demostración en el libro de Michael
Spivak, Calculus segunda edición al español página 624.
Una serie puede ser finita o infinita, dependiendo de si la sucesión correspondiente es finita
o infinita. Si la serie es infinita, puede converger a un valor finito o divergir a infinito2. La
convergencia y la divergencia de una serie son conceptos importantes en el análisis
matemático, ya que permiten determinar si una serie puede ser evaluada para obtener un
resultado finito o no.

Retomaremos la notación presentada en el capítulo 1 sobre series, utilizando la notación

sigma. Es decir, si queremos representar la suma 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑛 se puede
representar en notación sigma como:

∑ 𝑎𝑛 = 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑛
𝑘=1

En caso de ser una serie infinita se representaría así:

∑ 𝑎𝑛 = 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑛 + ⋯
𝑘=1

Formalmente, se entiende por el límite de las sucesiones {𝐴𝑛 } donde

𝐴𝑛 = ∑ 𝑎𝑛
𝑘=1

De modo que:

∑ 𝑎𝑛 = lim 𝐴𝑛
𝑘=1

4.3 Criterios de convergencia de series numéricas.

Las series numéricas son una herramienta fundamental en el análisis matemático, y

permiten representar la suma de un número infinito de términos de una sucesión. Sin

2
En general, decimos que una serie es convergente si da un valor finito, en caso contrario se dice
divergente.
embargo, no todas las series son convergentes, es decir, no todas ellas tienen una suma
finita. Por ello, en este apartado estudiaremos los criterios que nos permiten determinar si
una serie es convergente o divergente.

En particular, nos enfocaremos en tres criterios importantes de convergencia de series: el

criterio de la razón, el criterio de la raíz y el criterio de la integral. El criterio de la razón se
basa en comparar el cociente de dos términos consecutivos de la serie con un número real,
mientras que el criterio de la raíz se basa en comparar la raíz enésima de un término con un
número real. Por último, el criterio de la integral utiliza técnicas de integración para
comparar una serie con una integral definida.

Estos criterios son útiles para determinar la convergencia de muchas series comunes, y son
fundamentales para el análisis matemático. En este apartado, estudiaremos cada uno de
estos criterios en detalle, mostrando cómo se aplican y discutiendo sus limitaciones y
alcances. También veremos algunos ejemplos y ejercicios que nos permitirán aplicar estos
criterios en la práctica y desarrollar nuestra intuición acerca del comportamiento de las
series numéricas.

Definición: Se dice que la serie 𝐴𝑛 = ∑𝑛𝑘=1 𝑎𝑛 es convergente si lim 𝐴𝑛 es finito.

Definición. Si la serie no es convergente se dice divergente.

Definición. Se dice que la serie ∑𝑛𝑘=1 𝑎𝑛 es absolutamente convergente si ∑𝑛𝑘=1|𝑎𝑛 | es

convergente.

4.3.1 Criterio de d´Alembert (criterio de la razón).

El criterio de la razón es un método comúnmente utilizado para determinar la convergencia
de series numéricas. Este criterio se basa en comparar cada término de la serie con su
término precedente, y analizar el comportamiento de la sucesión resultante. Si el límite de
esta sucesión es menor que 1, entonces la serie converge; si es mayor que 1, entonces la
serie diverge; y si es igual a 1, entonces el criterio no permite determinar la convergencia.

Este criterio se puede formalizar de la siguiente manera: sea {𝑎𝑛 } una sucesión de términos
𝑎𝑛+1
positivos y sea 𝑟𝑛 = el cociente entre los términos 𝑎𝑛 y 𝑎𝑛+1 . Si el límite inferior de la
𝑎𝑛
sucesión {𝑟𝑛 } es mayor que 1, entonces la serie diverge; si el límite superior es menor que
1, entonces la serie converge; y si los límites inferior y superior son iguales y menores que
1, entonces la serie converge.

El criterio de la razón es muy útil para determinar la convergencia de series que tienen
términos que varían de manera proporcional o similar en su expresión, y puede ser
especialmente útil cuando se trata de series que tienen factoriales o potencias de n en su
expresión. Sin embargo, es importante tener en cuenta que este criterio no funciona para
todas las series, y que puede haber casos en los que la serie sea convergente pero el límite
inferior de la sucesión {𝑟𝑛 } sea mayor que 1.

A continuación, veremos algunos ejemplos de aplicación del criterio de la razón, así como
algunas consideraciones importantes a tener en cuenta al utilizar este método.

Ejemplo 4.3. Usando el criterio de la razón determina si la siguiente serie es o no

convergente.
∞
1
∑ , 𝑎>1
𝑎𝑛
𝑘=0

Solución.

1
( 𝑛+1 ) 𝑎𝑛 1
𝑟𝑛 = 𝑎 = 𝑛+1 =
1 𝑎 𝑎
(𝑎𝑛 )

1
lim 𝑟 𝑛 = <1
𝑎

∴ 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒 ∀𝑎 > 1

Ejemplo 4.4. Usando el criterio de la razón determina si la siguiente serie es o no

convergente.
∞
𝑎𝑛
∑
𝑛!
𝑘=0

Solución.
 𝑎𝑛+1
( ) 𝑛! 𝑎𝑛+1 𝑎
(𝑛 + 1)!
𝑟𝑛 = 𝑛 = =
𝑎 (𝑛 + 1)! 𝑎𝑛 𝑛 + 1
( 𝑛! )

𝑎
lim { }=0
𝑛+1

∴ 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒 ∀𝑎 ∈ ℝ

Nota: En caso de fallar el criterio de la razón, se suele usar el criterio de Raabe, este criterio
establece que si se tiene la serie ∑∞
𝑛=1 𝑎𝑛 , tal que 𝑎𝑛 > 0, sí existe el límite:

𝑎𝑛+1
lim 𝑛 (1 − ) = 𝐿, |𝐿| < ∞
𝑛→∞ 𝑎𝑛

Entonces sí 𝐿 > 1 la serie es convergente y si 𝐿 < 1, es divergente.

4.3.2 Criterio de la raíz.

El criterio de la raíz es un método útil para determinar la convergencia de series numéricas.
Su idea básica es comparar cada término de la serie con la raíz enésima de una potencia de
n, donde n es el índice del término en cuestión. Si el límite de esta raíz enésima es menor
que 1, entonces la serie converge; si es mayor que 1, entonces la serie diverge; y si es igual
a 1, entonces el criterio no permite determinar la convergencia.

Este criterio se puede formalizar de la siguiente manera: sea {𝑎𝑛 } una sucesión de términos
1
positivos y sea 𝑟𝑛 = (𝑎𝑛 )𝑛 la raíz enésima del término 𝑎𝑛 . Si el límite inferior de la
sucesión {𝑟𝑛 } es mayor que 1, entonces la serie diverge; si el límite superior es menor que
1, entonces la serie converge; y si los límites inferior y superior son iguales y menores que
1, entonces la serie converge.

El criterio de la raíz es útil para determinar la convergencia de series que tienen términos
exponenciales o factoriales en su expresión, y puede ser especialmente útil cuando el
criterio de la razón no es aplicable o es difícil de aplicar. Sin embargo, es importante tener
en cuenta que este criterio no funciona para todas las series, y que puede haber casos en los
que la serie sea convergente pero el límite inferior de la sucesión {𝑟𝑛 } sea mayor que 1.

A continuación, veremos algunos ejemplos de aplicación del criterio de la raíz, así como
algunas consideraciones importantes a tener en cuenta al utilizar este método.
Ejemplo 4.5. Usando el criterio de la raíz determina si la siguiente serie es o no
convergente.
∞

∑ 𝑛−𝑛
𝑛=1

Solución:

1
𝑟𝑛 = (𝑛−𝑛 )1/𝑛 = 𝑛−1 =
𝑛

1
lim 𝑟𝑛 = lim =0
𝑛→∞ 𝑛→∞ 𝑛

Como es menor que 1, converge.

Ejemplo 4.6. Usando el criterio de la raíz determina si la siguiente serie es o no

convergente.
∞
𝑛
∑
𝑒𝑛
𝑛=1

Solución:

𝑛
𝑛 1/𝑛 √𝑛
𝑟𝑛 = ( 𝑛 ) =
𝑒 𝑒
𝑛
√𝑛 1 𝑛
lim 𝑟𝑛 = lim = lim √𝑛
𝑛→∞ 𝑛→∞ 𝑒 𝑒 𝑛→∞

Para el límite del lado derecho podemos resolverlo sacando logaritmo natural de ambos
lados y sacando límite:

𝑛
𝑧 = √𝑛

1
𝑧 = 𝑛 (𝑛 )

1
ln 𝑧 = ln(𝑛)
𝑛
 ln 𝑛
lim ln 𝑧 = lim
𝑛→∞ 𝑛→∞ 𝑛

Se aplica la regla de L’Hopital del lado derecho y se ordena el primer miembro de la

igualdad anterior:

1
lim
𝑛→∞ 𝑛
ln ( lim 𝑧) =
𝑛→∞ lim 1
𝑛→∞

Resolviendo queda:

ln ( lim 𝑧) = 0
𝑛→∞

Despejando el límite de 𝑧 se obtiene:

lim 𝑧 = 𝑒 0 = 1
𝑛→∞

Finalmente se concluye que:

1
lim 𝑟𝑛 = <1
𝑛→∞ 𝑒

De modo que converge.

4.3.3 Criterio de la integral.

El criterio de la integral es uno de los métodos más útiles y versátiles para determinar la
convergencia de series numéricas. Este criterio se basa en comparar cada término de la
serie con el valor de una función continua y decreciente en el intervalo [1, +∞], y luego
analizar el comportamiento de la integral definida de esta función. Si la integral es
convergente, entonces la serie converge; si la integral es divergente, entonces la serie
diverge.

Este criterio se puede formalizar de la siguiente manera: sea {𝑎𝑛 } una sucesión de términos
positivos y sea f una función continua y decreciente en [1, +∞] tal que 𝑓(𝑛) = 𝑎𝑛 para
todo n natural. Si la integral definida de 𝑓 en [1, +∞] converge, entonces la serie ∑𝑎𝑛
converge; y si la integral diverge, entonces la serie diverge.

El criterio de la integral es especialmente útil para series que tienen términos que se
comportan de manera similar a alguna función continua y decreciente, y puede ser utilizado
en una amplia variedad de situaciones. Además, este criterio es muy flexible, ya que
permite la comparación de la serie en cuestión con diferentes funciones continuas y
decrecientes, lo que puede llevar a la elección de la mejor función para la comparación.

Sin embargo, es importante tener en cuenta que el criterio de la integral no funciona en

todos los casos, y que puede haber casos en los que la serie sea convergente pero la integral
sea divergente. Además, es posible que no sea fácil encontrar una función continua y
decreciente que se comporte de manera similar a los términos de la serie en cuestión.

A continuación, veremos algunos ejemplos de aplicación del criterio de la integral, así

como algunas consideraciones importantes a tener en cuenta al utilizar este método.

Ejemplo 4.7. Usando el criterio de la integral determina si la siguiente serie es o no

convergente.
∞
1
∑
𝑛2 +1
1

Solución;

1
𝑓(𝑛) =
𝑛2 +1

Se plantea la integral:

∞ ∞
𝑑𝑛 𝜋 𝜋 𝜋
∫ 2 = arctan(𝑛)| = lim arctan(𝑛) − arctan(1) = − =
𝑛 +1 𝑛→∞ 2 4 4
1 1

Como la integral converge, la suma igual lo hace.

Ejemplo 4.8. Usando el criterio de la integral determina si la siguiente serie es o no
convergente.
∞
1
∑
𝑛
𝑛=1

Solución:

1
𝑓(𝑛) =
𝑛

Se plantea la integral:

∞ ∞
𝑑𝑛
∫ = ln(𝑛)| = lim (ln(𝑛)) − ln(1) = ∞ − 0 = ∞
𝑛 𝑛→∞
1 1

Como la integral diverge, la suma igual lo hace.

4.4 Series de potencias.

Las series de potencias son una herramienta matemática poderosa que se utiliza en muchos
campos de la ciencia, la ingeniería y las matemáticas. Una serie de potencias es una serie
infinita de términos que involucran potencias de una variable x, donde la variable x es la
variable independiente de la serie. Las series de potencias se utilizan comúnmente para
representar funciones analíticas como funciones polinómicas infinitamente diferenciables.

En general, una serie de potencias se puede expresar como:

𝑓(𝑥) = ∑ 𝑎𝑘 (𝑥 − 𝑐)𝑘
𝑘=0

donde 𝑎𝑛 son los coeficientes de la serie, 𝑐 es la constante de la serie y 𝑥 es la variable

independiente. Si la serie converge para un valor dado de 𝑥, entonces la suma de la serie
representa la función 𝑓(𝑥) en ese punto. Además, la serie de potencias puede converger
para un rango de valores de 𝑥, lo que permite representar la función 𝑓(𝑥) como una serie
infinita de potencias.

Las series de potencias tienen muchas aplicaciones prácticas, como la aproximación de

funciones complejas, la solución de ecuaciones diferenciales, la representación de
funciones trigonométricas y la generación de funciones especiales. Además, los métodos de
cálculo y manipulación de series de potencias son útiles en muchos campos de la
matemática y la física, como el cálculo de límites y derivadas, el análisis de convergencia y
la teoría de funciones analíticas.

En este apartado, exploraremos algunos conceptos importantes en la teoría de series de

potencias, como la convergencia de series de potencias, el radio de convergencia y la suma
de series de potencias. También veremos algunas aplicaciones de las series de potencias en
la resolución de problemas prácticos y en la teoría matemática.

4.5 Radio de convergencia.

Cuando trabajamos con series de potencias, es importante tener en cuenta que estas series
pueden no converger para todos los valores de la variable independiente 𝑥. Es por eso que
se define el concepto de radio de convergencia, que nos permite determinar el intervalo de
valores de x para los cuales la serie converge.

El radio de convergencia es un valor numérico 𝑅, que puede ser cero, infinito o un número
real positivo, y que se calcula utilizando diferentes métodos, como el criterio de la razón o
el criterio de la raíz. Este valor 𝑅 representa la distancia desde el centro de la serie (es decir,
el valor c de la serie de potencias) hasta el punto más lejano de la serie en el cual la serie
converge.

Más formalmente, el radio de convergencia se define como el recíproco de la constante 𝐿

1
(siempre que 𝐿 exista) que aparece en el límite de la expresión |𝑎𝑛 |𝑛 cuando 𝑛 tiende a
infinito. Es decir, si tomamos la serie de potencias 𝑓(𝑥) = ∑∞ 𝑘
𝑘=0 𝑎𝑘 (𝑥 − 𝑐) , su radio de

convergencia 𝑅 se define como:

 1 1
𝑅 = = 1
𝐿
lim |𝑎𝑛 |𝑛
𝑛→∞

Es importante destacar que el radio de convergencia puede ser un número real positivo,
infinito o cero. Si el radio de convergencia es infinito, entonces la serie converge para
cualquier valor de 𝑥. Si el radio de convergencia es cero, entonces la serie converge
únicamente para el punto c en que se centra la serie. En el caso de que el radio de
convergencia sea un número real positivo, la serie converge en un intervalo de la forma
(𝑐 − 𝑅, 𝑐 + 𝑅), que se conoce como el intervalo de convergencia.

En resumen, el radio de convergencia es un concepto fundamental en la teoría de series de

potencias, ya que nos permite determinar el intervalo de valores de 𝑥 para los cuales la serie
converge. En este apartado, exploraremos algunos métodos para calcular el radio de
convergencia y discutiremos algunas propiedades importantes de este valor.

El radio de convergencia viene dado por el teorema de Cauchy Hadamard. Que se

demostrará a continuación:

Teorema 4.3 (De Cauchy Hadmard). Si una función 𝑓(𝑥) se puede expresar como una
serie de potencias en (𝑥 − 𝑐), entonces existe un número real positivo 𝑅, llamado radio de
convergencia, tal que la serie de potencias converge absolutamente para todo 𝑥 tal que
|𝑥 − 𝑐| < 𝑅, y diverge para todo 𝑥 tal que |𝑥 − 𝑐| > 𝑅.

Además, la fórmula para calcular 𝑅 es:

1
𝑅 = 1
lim {|𝑎𝑛 |𝑛 }
𝑛→∞

Demostración: Sea 𝑓(𝑥) = ∑∞

𝑘=0 𝑎𝑘 (𝑥 − 𝑐)
𝑘
una serie de potencias en (𝑥 − 𝑐).
Definamos la cantidad:

1
𝐿 = lim {|𝑎𝑛 |𝑛 }
𝑛→∞
Entonces, por definición de límite superior, se cumple que:

1
𝐿 = lim (sup {|𝑎𝑛 |𝑛 , 𝑘 ≥ 𝑛})
𝑛→∞

De esta manera, podemos escribir:

|𝑎𝑛 | ≤ 𝐿𝑛 para 𝑛 suficientemente grande

Así, la serie de potencias converge absolutamente en el intervalo abierto de centro 𝑐 y radio

𝑅 = 1/𝐿.

Para probar que la serie diverge para |𝑥 − 𝑐| > 𝑅, asumimos por reducción al absurdo
que la serie converge para algún valor 𝑥 > 𝑐 + 𝑅. En este caso, existen números reales 𝑀
y 𝑁 tales que:

|𝑎𝑛 (𝑥 − 𝑐)𝑛 | ≤ 𝑀 para todo 𝑛

𝑁
|𝑎𝑛 (𝑥 − 𝑐)𝑛 | ≤ para 𝑛 suficientemente grande
𝐿𝑛

Por lo tanto, podemos escribir:

𝑀
|𝑎𝑛 | ≤ (𝑥−𝑐)𝑛 para todo 𝑛

𝑁
|𝑎𝑛 | ≤ para todo 𝑛
𝐿𝑛

De aquí se desprende que:

𝑀
|𝑎𝑛 | ≤ para todo 𝑛
|𝑥−𝑐|𝑛

𝑁
|𝑎𝑛 | ≤ para todo 𝑛
𝐿𝑛

Entonces, tenemos que:

 ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅1
𝑀 𝑛 1
𝐿 ≥ lim | 𝑛
| =
𝑛→∞ |𝑥 − 𝑐| 𝑥−𝑐

lo cual contradice la suposición de que 𝑥 > 𝑐 + 𝑅 = 1/𝐿.

Análogamente, se puede demostrar que la serie diverge para |𝑥 − 𝑐| < 𝑅.

Por lo tanto, hemos demostrado que la serie de potencias converge absolutamente en el

intervalo abierto de centro 𝑐 y radio 𝑅, y diverge para todo 𝑥 tal que |𝑥 − 𝑐| > 𝑅. Esto
completa la demostración del teorema de Cauchy-Hadamard QED.

Ejemplo 4.9. Determinar el radio de convergencia para la siguiente serie de potencias.

∞
(−1)𝑛 𝑛
∑ 𝑥
2𝑛 + 1
𝑛=1

Solución:

1 1 𝑛
𝑅= 1 = = lim √2𝑛 + 1
𝑛→∞
(−1)𝑛 𝑛 1
lim | | ( 𝑛 )
𝑛→∞ 2𝑛 + 1 lim √2𝑛 + 1
𝑛→∞

𝑛
Llamemos 𝑧 = √2𝑛 + 1, de modo que si sacamos logaritmo natural a ambos lados y
sacamos el límite cuando 𝑛 → ∞ queda:

1
ln(𝑧) = ln(2𝑛 + 1)
𝑛

ln(2𝑛 + 1)
lim (ln(𝑧)) = lim
𝑛→∞ 𝑛→∞ 𝑛

Aplicando la regla de L’Hopital en el segundo miembro y reordenando el primer miembro

de la desigualdad queda:
 1
2 lim 2𝑛 + 1
𝑛→∞
ln ( lim 𝑧) = =2
𝑛→∞ lim 1
𝑛→∞

De modo que:

lim 𝑧 = 𝑒 2
𝑛→∞

Con lo que el radio de convergencia es 𝑒 2 . Finalmente, como la serie se centra en el origen,

el intervalo de convergencia es: (−𝑒 2 , 𝑒 2 ).

Ejemplo 4.10. Determinar el radio de convergencia para la siguiente serie de potencias.

∞
𝑒𝑛
∑ (𝑥 − 7)𝑛
𝑛2 + 1
𝑛=0

Solución:

1 1 1 𝑛
𝑅= 1 = = lim √𝑛2 + 1
𝑒 𝑒 𝑛→∞
𝑒𝑛 𝑛 ( )
lim | 2 | 𝑛
𝑛→∞ 𝑛 + 1 lim √𝑛2 + 1
𝑛→∞

𝑛
Para resolver el límite que aparece, se propone 𝑧 = √𝑛2 + 1 y se saca logaritmo natural de
ambos lados:

ln(𝑛2 + 1)
ln(𝑧) =
𝑛

Se saca límite de ambos lados cuando 𝑛 → ∞ y queda:

ln(𝑛2 + 1)
lim (ln(𝑧)) = lim ( )
𝑛→∞ 𝑛→∞ 𝑛

Se reordena el primer miembro y se aplica la regla de L’Hopital en el segundo, con lo que

se obtiene:
 2
lim 𝑛
2𝑛 𝑛→∞ 1
lim 2 1+ 2
𝑛→∞ 𝑛 + 1 𝑛
ln ( lim 𝑧) = = =0
𝑛→∞ lim 1 1
𝑛→∞

De modo que

ln ( lim 𝑧) = 0
𝑛→∞

Con lo que queda que:

lim 𝑧 = 𝑒 0 = 1
𝑛→∞

1 1
𝑅= (1) =
𝑒 𝑒

1 1
Y su intervalo de convergencia es (7 − 𝑒 , 7 + 𝑒).

Ejemplo 4.11. Determinar el radio de convergencia para la siguiente serie de potencias.

∞
1
∑ (𝑥 − 𝑎)𝑛 , 𝑐𝑜𝑛 𝑎 > 1
𝑛𝑛
𝑘=0

Solución;

1 1
𝑅= 1 = = lim 𝑛 = ∞
1 𝑛→∞
1 𝑛
lim 𝑛
lim |𝑛𝑛 | 𝑛→∞
𝑛→∞

Finalmente dado que el radio es infinito, entonces el intervalo de convergencia es ℝ.

4.6 Series de Taylor.

Las series de Taylor son un tema fundamental en el cálculo y su importancia se extiende a
las ciencias y la ingeniería. Fueron descubiertas por el matemático escocés James Gregory
en el siglo XVII, aunque su nombre se debe al matemático británico Brook Taylor, quien
las estudió más a fondo en el siglo XVIII.

Las series de Taylor se utilizan para aproximar funciones en términos de polinomios, lo que
permite simplificar su cálculo y análisis. De hecho, muchas funciones en las ciencias y la
ingeniería pueden ser aproximadas por una serie de Taylor.

La serie de Taylor se basa en la idea de que una función puede ser representada como una
suma infinita de términos polinómicos. La serie de Maclaurin es un caso especial de la serie
de Taylor, donde la aproximación se realiza alrededor del punto cero de la función. En
ambos casos, la aproximación se vuelve más precisa a medida que se incluyen más
términos en la serie.

4.6.1 Deducción de la expresión de la serie de Taylor.

Supóngase que se tiene una función 𝑓(𝑥), la cual es infinitamente derivable en el punto
𝑥 = 𝑐. Pensemos que esa función se puede representar como una serie de potencias infinita
de la siguiente forma:
∞
(4.1)
𝑓(𝑥) = ∑ 𝑎𝑘 (𝑥 − 𝑐)𝑘
𝑘=0

Si se logran encontrar todos los valores de 𝑎𝑘 , la serie estará determinada.

Al expandir la serie la serie, esta queda:

𝑓(𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑐) + 𝑎2 (𝑥 − 𝑐)2 + 𝑎3 (𝑥 − 𝑐)3 + ⋯ + 𝑎𝑛 (𝑥 − 𝑐)𝑛 + ⋯ (4.2)

Aún si el radio fuese cero, esa serie debería converger en el punto 𝑥 = 𝑐, consideremos eso
si se reemplaza 𝑥 = 𝑐 en (4.2) se obtiene que 𝑓(𝑐) = 𝑎0, de tal manera que ya se conoce el
primer valor.
Para obtener los siguientes valores, se derivará consecutivamente (4.2) y se reemplazará
𝑥 = 𝑐. Por ejemplo, la primera derivada de (4.2) es:

𝑓´(𝑥) = 𝑎1 + 2𝑎2 (𝑥 − 𝑐)1 + 3𝑎3 (𝑥 − 𝑐)2 + ⋯ + 𝑎𝑛 (𝑥 − 𝑐)𝑛−1 + ⋯ (4.3)

Reemplazando 𝑥 = 𝑐 en (4.3) se sigue que 𝑎1 = 𝑓´(𝑐). Se puede volver a derivar para

calcular ahora 𝑎2 . Derivando (4.3) se obtiene:

𝑓′′(𝑥) = 2𝑎2 + 2 ⋅ 3𝑎3 (𝑥 − 𝑐)2 + ⋯ + (𝑛 − 1) ⋅ 𝑛𝑎𝑛 (𝑥 − 𝑐)𝑛−1 + ⋯ (4.4)

Repitiendo el procedimiento, se llega a que 𝑎2 = 𝑓′′(𝑐)/2. Bajo esa idea, si logramos

derivar 𝑛 veces, podremos encontrar el término 𝑛-ésimo. Esto es posible porque estamos
exigiendo que sea infinitamente derivable en 𝑥 = 𝑐. No obstante, según el lema 1 del
capítulo 2 se sabe que:

𝑑𝑘 𝑚
𝑚!
𝑘
(𝑥 − 𝑐) = (𝑥 − 𝑐)𝑚−𝑘
𝑑𝑥 (𝑚 − 𝑘)!

De tal manera que si se deriva 𝑛 veces la expresión (4.2) todos los sumandos del segundo
miembro con exponente menor a 𝑛 van a valer cero, mientras que, para los demás términos
podemos aplicar el lema 1. Co lo que queda:

(𝑛 + 1)! (𝑛 + 2)! (4.4)

𝑓 (𝑛) (𝑥) = 𝑎𝑛 𝑛! + 𝑎𝑛+1 (𝑥 − 𝑐)1 + 𝑎𝑛+2 (𝑥 − 𝑐)2 + ⋯
1! 2!

𝑓 (𝑛) (𝑐)
Si se evalúa 𝑥 = 𝑐 en (4.4) se obtiene que 𝑎𝑛 = . Para el caso concreto que sea el
𝑛!

término 𝑘-ésimo, se obtiene la serie de Taylor, la cual es:

∞
𝑓 (𝑘) (𝑐) (4.5)
𝑓(𝑥) = ∑ (𝑥 − 𝑐)𝑘
𝑘!
𝑘=0
La expresión (4.5) se le conoce como serie de Taylor de la función 𝑓 alrededor del punto3
𝑥 = 𝑐.

Ejemplo 4.12. Determinar la serie de Maclaurin de 𝑓(𝑥) = 𝑒 𝑥

Solución. Se busca obtener una serie de la forma:

∞
𝑓 (𝑘) (0) 𝑘
𝑓(𝑥) = ∑ 𝑥
𝑘!
𝑘=0

𝑑𝑒 𝑥
Como = 𝑒 𝑥 , y al evaluarla en 0 se obtiene 1, la serie queda dada como:
𝑑𝑥

∞
𝑥
1 𝑘
𝑒 =∑ 𝑥
𝑘!
𝑘=0

Ejemplo 4.13. Determinar la serie de Maclaurin de 𝑓(𝑥) = sin(𝑥)

Solución. Se empieza calculando las derivadas:

𝑓(𝑥) = sin(𝑥) ⇒ 𝑓(0) = 0

𝑓´(𝑥) = cos(𝑥) ⇒ 𝑓´(0) = 1

𝑓´´(𝑥) = − sin(𝑥) ⇒ 𝑓´´(0) = 0

𝑓´´´(𝑥) = − cos(𝑥) ⇒ 𝑓´´´(0) = −1

𝑓 (4) (𝑥) = sin(𝑥) ⇒ 𝑓 (4) (0) = 0

Y a partir de ahí, se vuelve a repetir, de modo que el patrón que llevan es

{0,1,0, −1,0,1,0, −1 … } De modo que la serie se puede escribir como sigue:

0 0 1 1 0 2 1 3 0 4 1 5
sin(𝑥) = 𝑥 + 𝑥 + 𝑥 − 𝑥 + 𝑥 + 𝑥 +⋯
0! 1! 2! 3! 4! 5!

3
En el caso de que 𝑐 = 0 se dice que es una serie de Maclaurin.
Quitando los términos 0 se obtiene:

1 1 1 3 1 5 1 7 1 9
sin(𝑥) = 𝑥 − 𝑥 + 𝑥 − 𝑥 + 𝑥 …
1! 3! 5! 7! 9!

Que se puede reescribir como:

∞
(−1)𝑛 2𝑛+1
sin(𝑥) = ∑ 𝑥
(2𝑛 + 1)!
𝑛=0

Ejemplo 4.14. Determinar la serie de Maclaurin de 𝑓(𝑥) = cos(𝑥)

Solución. Se comienza calculando las derivadas del coseno.

𝑓(𝑥) = cos(𝑥) ⇒ 𝑓´(0) = 1

𝑓´(𝑥) = − sin(𝑥) ⇒ 𝑓´´(0) = 0

𝑓´´(𝑥) = − cos(𝑥) ⇒ 𝑓´´´(0) = −1

𝑓´´´(𝑥) = sin(𝑥) ⇒ 𝑓 (4) (0) = 0

𝑓 (4) (𝑥) = cos(𝑥) ⇒ 𝑓 (4) (0) = 1

Y a partir de ahí, se vuelve a repetir, de modo que el patrón que llevan es

{1,0, −1,0,1,0, −1 … } De modo que la serie se puede escribir como sigue:

1 0 0 1 1 2 0 3 1 4 0 5 1 6
cos(𝑥) = 𝑥 + 𝑥 − 𝑥 + 𝑥 + 𝑥 + 𝑥 − 𝑥 +⋯
0! 1! 2! 3! 4! 5! 6!

Quitando los términos 0 se obtiene:

1 0 1 2 1 4 1 6
cos(𝑥) = 𝑥 − 𝑥 + 𝑥 − 𝑥 +⋯
0! 2! 4! 6!

Que se puede reescribir como:

 ∞
(−1)𝑛 2𝑛
cos(𝑥) = ∑ 𝑥
(2𝑛)!
𝑛=0

Ejemplo 4.15. Determinar la serie de Maclaurin de 𝑓(𝑥) = sinh (𝑥)

Solución. Primero se calculan las derivadas, sin embargo, como la derivada del seno
hiperbólico es el coseno hiperbólico y viceversa y, además, como sinh(0) = 0 y
cosh(0) = 1, se verifica para 𝑛 = 0,1,2,3, … que:

𝑑2𝑛+1 sinh(𝑥)
| = cosh(0) = 1
𝑑𝑥 2𝑛+1 𝑥=0

𝑑2𝑛 sinh(𝑥)
| = sinh(0) = 0
𝑑𝑥 2𝑛 𝑥=0

De modo que la suma se puede hacer solo sobre los términos impares, pues los pares son 0,
quedando:

1 1 1 3 1 5 1 7
sinh(𝑥) = 𝑥 + 𝑥 + 𝑥 + 𝑥 +⋯
1! 3! 5! 7!

Que se puede reescribir como:

∞
1
sinh(𝑥) = ∑ 𝑥 2𝑛+1
(2𝑛 + 1)!
𝑛=0

Ejemplo 4.16. Determinar la serie de Maclaurin de 𝑓(𝑥) = cosh (𝑥)

Solución. Mediante un argumento semejante al del ejemplo 4.15 se puede ver que:

𝑑2𝑛+1 cosh(𝑥)
| = cosh(0) = 1
𝑑𝑥 2𝑛+1 𝑥=0

𝑑 2𝑛 cosh(𝑥)
| = sinh(0) = 0
𝑑𝑥 2𝑛 𝑥=0
De modo que la suma se puede hacer solo sobre los términos pares, pues los impares son 0,
quedando:

1 0 1 2 1 4 1 6
cosh(𝑥) = 𝑥 + 𝑥 + 𝑥 + 𝑥 +⋯
0! 2! 4! 6!

Que se puede reescribir como:

∞
1
cosh(𝑥) = ∑ 𝑥 2𝑛
(2𝑛)!
𝑛=0

Ejemplo 4.17. Determinar la serie de Taylor alrededor de 𝑐 = 1 de 𝑓(𝑥) = ln(𝑥).

Solución. Se busca una expresión de la forma:

∞
𝑓 (𝑘) (1)
ln(𝑥) = ∑ (𝑥 − 1)𝑘
𝑘!
𝑘=0

Para empezar, calcularemos las derivadas de la función ln(𝑥):

𝑓(𝑥) = ln(𝑥) ⇒ 𝑓(1) = ln(1) = 0

𝑓´(𝑥) = 𝑥 −1 ⇒ 𝑓´(1) = 1

𝑓´´(𝑥) = −𝑥 −2 ⇒ 𝑓´´(1) = −1

𝑓´´´(𝑥) = 2𝑥 −3 ⇒ 𝑓(1) = 2

𝑑𝑘 (ln(𝑥))
Por inducción probaremos que = (−1)𝑘+1 (𝑘 − 1)! 𝑥 −𝑘 para 𝑘 ≥ 1. Nótese que
𝑑𝑥 𝑘

esto se cumple para 𝑘 = 1, 2, 3 que son los casos que hicimos al inicio. Supongámoslo
válido para 𝑘 = 𝑛 (hipótesis de inducción), es decir, pensemos que la siguiente igualdad es
cierta:

𝑑𝑛 (ln(𝑥))
= (−1)𝑛+1 (𝑛 − 1)! 𝑥 −𝑛
𝑑𝑥 𝑛
 𝑑𝑛 (ln(𝑥))
Luego, derivemos (paso inductivo):
𝑑𝑥 𝑛

𝑑 𝑑 𝑛 (ln(𝑥)) 𝑑 𝑛+1 (𝑛 −𝑛 ) 𝑛+1 (𝑛

𝑑𝑥 −𝑛
( ) = ((−1) − 1)! 𝑥 = (−1) − 1)!
𝑑𝑥 𝑑𝑥 𝑛 𝑑𝑥 𝑑𝑥

= (−1)𝑛+2 𝑛(𝑛 − 1)! 𝑥 −𝑛−1 = (−1)𝑛+2 𝑛! 𝑥 −(𝑛+1)

Que es lo que se quería probar. Luego al evaluar en 𝑥 = 1 la derivada se obtiene:

𝑑 𝑘 (ln(𝑥))
| = (−1)𝑘+1 (𝑘 − 1)!, 𝑘 = 1, 2, 3, 4, …
𝑑𝑥 𝑘 𝑥=1

Luego, se expresa la serie de Taylor desarrollando el primer término de la suma:

∞
ln(1) 0 𝑓 (𝑘) (1)
ln(𝑥) = 𝑥 +∑ (𝑥 − 1)𝑘
0! 𝑘!
𝑘=1

Se reemplaza la derivada calculada en la suma del segundo miembro, y recordamos que

ln(1) = 0 y queda:

∞
(−1)𝑘+1 (𝑘 − 1)!
ln(𝑥) = ∑ (𝑥 − 1)𝑘
𝑘!
𝑘=1

Se puede simplificar la expresión anterior de la siguiente manera:

∞
(−1)𝑘+1 (𝑘 − 1)!
ln(𝑥) = ∑ (𝑥 − 1)𝑘
𝑘 ⋅ (𝑘 − 1)!
𝑘=1

Finalmente se obtiene que:

∞
(−1)𝑘+1
ln(𝑥) = ∑ (𝑥 − 1)𝑘
𝑘
𝑘=1
4.6.2 Radio de convergencia de la serie de Taylor

La expresión (4.5) al ser una serie de potencias, se le puede determinar su radio de

convergencia, este radio de convergencia, lo podemos calcular de la siguiente forma:

1 1
𝑅 = = 1
𝐿
lim |𝑎𝑘 |𝑘
𝑘→∞

𝑓 (𝑘) (𝑐)
Donde 𝑎𝑘 = , de modo que el radio de convergencia es:
𝑘!

1
𝑅= 1
𝑓 (𝑘) (𝑐) 𝑘
lim | |
𝑘→∞ 𝑘!

Definición: Se dice que 𝑓 es una función analítica si está dada por una serie de potencias
que converge a la función en el intervalo (𝑐 − 𝑅, 𝑐 + 𝑅).

Definición: Se dice que 𝑓 es una función entera si 𝑅 = ∞, es decir, si converge para todo
valor de 𝑥.

Ejemplo 4.18. Determinar el radio de convergencia de la serie de 𝑓(𝑥) = 𝑒 𝑥

Solución. La serie de Taylor de la función exponencial es:

∞
𝑥
1 𝑘
𝑒 =∑ 𝑥
𝑘!
𝑘=0

Calculando su radio de convergencia queda:

1 1 𝑘
𝑅= 1 = = lim √𝑘!
𝑘→∞
1 𝑘 1
lim | | ( 𝑘 )
𝑘→∞ 𝑘! lim √𝑘!
𝑘→∞
 𝑘
Luego, para calcular ese límite, proponemos 𝑧 = √𝑘!. Sacando logaritmo natural de ambos
lados se obtiene:

ln(𝑘!)
ln(𝑧) =
𝑘

Calculando el límite de ambos lados cuando 𝑘 → ∞:

ln(𝑘!)
lim (ln(𝑧)) = lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Reordenando el primer miembro y segundo podemos aplicar la fórmula de Stirling4 para

aproximar factoriales de grandes números

𝑘 ln(𝑘) − 𝑘
ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Simplificando términos podemos reescribir el segundo miembro como:

ln ( lim (𝑧)) ≈ lim (ln(𝑘) − 1)

𝑘→∞ 𝑘→∞

Se resuelve el límite del segundo miembro y queda que:

ln ( lim (𝑧)) ≈ ∞
𝑘→∞

De modo que

lim (𝑧) = 𝑒 ∞ = ∞
𝑘→∞

Finalmente 𝑅 = ∞. Con lo que el intervalo de convergencia es ℝ.

4
Esta fórmula fue planteada por el matemático escoces James Stirling en el sglo XVIII, sirve para aproximar
la factorial de números grandes. La fórmula dice que ln(𝑘!) ≈ 𝑘 ln(𝑘) − 𝑘
Ejemplo 4.19. Determinar el radio de convergencia de la serie de 𝑓(𝑥) = sin(𝑥)

Solución. La serie de la función seno es:

∞
(−1)𝑛 2𝑛+1
sin(𝑥) = ∑ 𝑥
(2𝑛 + 1)!
𝑛=0

Calculando su radio de convergencia queda:

1 1 𝑘
𝑅= 1 = = lim √(2𝑘 + 1)!
𝑘→∞
(−1)𝑘 𝑘 1
lim | | ( )
𝑘→∞ (2𝑘 + 1)! 𝑘
lim √(2𝑘 + 1)!
𝑘→∞

Luego, para calcular ese límite, proponemos 𝑧 = 𝑘√(2𝑘 + 1)!. Sacando logaritmo natural
de ambos lados se obtiene:

ln((2𝑘 + 1)!)
ln(𝑧) =
𝑘

Calculando el límite de ambos lados cuando 𝑘 → ∞:

ln((2𝑘 + 1)!)
lim (ln(𝑧)) = lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Reordenando el primer miembro y segundo podemos aplicar la fórmula Stirling:

(2𝑘 + 1) ln(2𝑘 + 1) − (2𝑘 + 1)

ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Aplicando la regla de L´Hopital podemos reescribir el segundo miembro como:

ln ( lim (𝑧)) ≈ lim (2 + 2 ln(2𝑘 + 1) − 2)

𝑘→∞ 𝑘→∞

ln ( lim (𝑧)) ≈ 2 lim (ln(2𝑘 + 1))

𝑘→∞ 𝑘→∞
Se resuelve el límite del segundo miembro y queda que:

ln ( lim (𝑧)) ≈ ∞
𝑘→∞

De modo que:

lim (𝑧) = 𝑒 ∞ = ∞
𝑘→∞

Finalmente 𝑅 = ∞. Con lo que el intervalo de convergencia es ℝ.

Ejemplo 4.20. Determinar el radio de convergencia de la serie de 𝑓(𝑥) = cos(𝑥)

Solución. La serie de la función coseno es:

∞
(−1)𝑛 2𝑛
cos(𝑥) = ∑ 𝑥
(2𝑛)!
𝑛=0

Calculando su radio de convergencia queda:

1 1 𝑘
𝑅= 1 = = lim √(2𝑘)!
𝑘→∞
(−1)𝑘 𝑘 1
lim | | ( )
𝑘→∞ (2𝑘)! 𝑘
lim √(2𝑘)!
𝑘→∞

Luego, para calcular ese límite, proponemos 𝑧 = 𝑘√(2𝑘)!. Sacando logaritmo natural de
ambos lados se obtiene:

ln((2𝑘)!)
ln(𝑧) =
𝑘

Calculando el límite de ambos lados cuando 𝑘 → ∞:

ln((2𝑘)!)
lim (ln(𝑧)) = lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Reordenando el primer miembro y segundo podemos aplicar la fórmula Stirling:

 (2𝑘) ln(2𝑘) − (2𝑘)
ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Simplificando términos semejantes en el segundo miembro queda:

ln ( lim (𝑧)) ≈ lim (2 ln(2𝑘) − 2)

𝑘→∞ 𝑘→∞

Se resuelve el límite del segundo miembro y queda que:

ln ( lim (𝑧)) ≈ ∞
𝑘→∞

De modo que

lim (𝑧) = 𝑒 ∞ = ∞
𝑘→∞

Finalmente 𝑅 = ∞. Con lo que el intervalo de convergencia es ℝ.

Ejemplo 4.21. Determinar el radio de convergencia de la serie de 𝑓(𝑥) = sinh (𝑥)

Solución. La serie de la función seno hiperbólico es:

∞
1
sinh(𝑥) = ∑ 𝑥 2𝑛+1
(2𝑛 + 1)!
𝑛=0

Calculando su radio de convergencia queda:

1 1 𝑘
𝑅= 1 = = lim √(2𝑘 + 1)!
𝑘→∞
1 𝑘 1
lim | | ( )
𝑘→∞ (2𝑘 + 1)! 𝑘
lim √(2𝑘 + 1)!
𝑘→∞

Luego, para calcular ese límite, proponemos 𝑧 = 𝑘√(2𝑘 + 1)!. Sacando logaritmo natural
de ambos lados se obtiene:
 (2𝑘 + 1) ln(2𝑘 + 1) − (2𝑘 + 1)
ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Reordenando el primer miembro y segundo podemos aplicar la fórmula Stirling:

(2𝑘 + 1) ln(2𝑘 + 1) − (2𝑘 + 1)

ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Aplicando la regla de L´Hopital podemos reescribir el segundo miembro como:

ln ( lim (𝑧)) ≈ lim (2 + 2 ln(2𝑘 + 1) − 2)

𝑘→∞ 𝑘→∞

ln ( lim (𝑧)) ≈ 2 lim (ln(2𝑘 + 1))

𝑘→∞ 𝑘→∞

Se resuelve el límite del segundo miembro y queda que:

ln ( lim (𝑧)) ≈ ∞
𝑘→∞

De modo que:

lim (𝑧) = 𝑒 ∞ = ∞
𝑘→∞

Finalmente 𝑅 = ∞. Con lo que el intervalo de convergencia es ℝ.

Ejemplo 4.22. Determinar el radio de convergencia de la serie de 𝑓(𝑥) = cosh (𝑥)

Solución. La serie de la función coseno es:

∞
1
cosh(𝑥) = ∑ 𝑥 2𝑛
(2𝑛)!
𝑛=0

Calculando su radio de convergencia queda:

 1 1 𝑘
𝑅= 1 = = lim √(2𝑘)!
𝑘→∞
1 𝑘 1
lim | | ( )
𝑘→∞ (2𝑘)! 𝑘
lim √(2𝑘)!
𝑘→∞

Luego, para calcular ese límite, proponemos 𝑧 = 𝑘√(2𝑘)!. Sacando logaritmo natural de
ambos lados se obtiene:

ln((2𝑘)!)
ln(𝑧) =
𝑘

Calculando el límite de ambos lados cuando 𝑘 → ∞:

ln((2𝑘)!)
lim (ln(𝑧)) = lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Reordenando el primer miembro y segundo podemos aplicar la fórmula Stirling:

(2𝑘) ln(2𝑘) − (2𝑘)

ln ( lim (𝑧)) ≈ lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Simplificando términos semejantes en el segundo miembro queda:

ln ( lim (𝑧)) ≈ lim (2 ln(2𝑘) − 2)

𝑘→∞ 𝑘→∞

Se resuelve el límite del segundo miembro y queda que:

ln ( lim (𝑧)) ≈ ∞
𝑘→∞

De modo que

lim (𝑧) = 𝑒 ∞ = ∞
𝑘→∞

Finalmente 𝑅 = ∞. Con lo que el intervalo de convergencia es ℝ.

Ejemplo 4.23. Determinar el radio de convergencia de la serie de Taylor alrededor del
punto 𝑐 = 1 de 𝑓(𝑥) = ln(𝑥).

Solución. La serie de Taylor alrededor de 𝑐 = 1 del logaritmo natural es:

∞
(−1)𝑘+1
ln(𝑥) = ∑ (𝑥 − 1)𝑘
𝑘
𝑘=1

Calculando su radio de convergencia queda:

1 1 𝑘
𝑅= 1 = = lim √𝑘
𝑘→∞
(−1)𝑘+1 𝑘 1
lim | | ( 𝑘 )
𝑘→∞ 𝑘 lim √𝑘
𝑘→∞

𝑘
Luego, para calcular ese límite, proponemos 𝑧 = √𝑘. Sacando logaritmo natural de ambos
lados se obtiene:

ln(𝑘)
ln(𝑧) =
𝑘

Calculando el límite de ambos lados cuando 𝑘 → ∞:

ln(𝑘)
lim (ln(𝑧)) = lim ( )
𝑘→∞ 𝑘→∞ 𝑘

Aplicando la regla de L´Hopital en el segundo miembro y reordenando el primer miembro

queda:

1
ln ( lim (𝑧)) = lim ( ) = 0
𝑘→∞ 𝑘→∞ 𝑘

De modo que:

lim (𝑧) = 𝑒 0
𝑘→∞
 lim (𝑧) = 1
𝑘→∞

De tal manera que el radio de convergencia es 𝑅 = 1, por lo que el intervalo de

convergencia es: (0,2). En la ilustración inferior se ve el radio de convergencia de la serie
de Taylor del logaritmo natural centrada en 1. En graficas punteadas se muestran algunas
gráficas de 𝑠𝑛 (𝑥), la línea gruesa es la gráfica del logaritmo natural.

Ilustración 1. Intervalo de convergencia del logaritmo natural.

4.6.3 Resto de la serie de Taylor

Una vez que hemos obtenido la serie de Taylor de una función y hemos determinado su
radio de convergencia, nos surge la pregunta de qué tan buena es esta aproximación en
términos del error cometido al truncar la serie. Afortunadamente, podemos medir este error
mediante el uso del resto de la serie de Taylor, el cual nos indica la diferencia entre el valor
real de la función y su aproximación por la serie truncada. En esta subsección,
exploraremos algunas técnicas para calcular el resto de una serie de Taylor y entenderemos
cómo su magnitud está relacionada con el número de términos que se retienen en la
aproximación.

Es entendible, pensar que entre más términos tenga la serie, mejor la aproximación será.
Por ejemplo, si definimos la sucesión {𝑠𝑛 } tal que:

𝑛
𝑓 (𝑘) (𝑐) (4.6)
𝑠𝑛 (𝑥) = ∑ (𝑥 − 𝑐)𝑘
𝑘!
𝑘=0

Está claro, que en el límite de 𝑠𝑛 (𝑥) es la serie de Taylor de la función 𝑓(𝑥) alrededor de
𝑥 = 𝑐. Podemos pensar que 𝑠𝑛 (𝑥) es una aproximación a la serie de Taylor de 𝑓 y por
consiguiente una aproximación a 𝑓. Entre más grande sea 𝑛 mejor es la aproximación, de
modo que, por ejemplo 𝑠3 (𝑥) es mejor aproximación que 𝑠2 (𝑥) y 𝑠4 (𝑥) mejor que 𝑠3 (𝑥).
La formalización de esta idea viene dada por el teorema de Taylor.

El Teorema de Taylor es un resultado fundamental en cálculo que establece que cualquier

función suficientemente diferenciable en un intervalo cerrado [𝑎, 𝑏] puede ser aproximada
por su serie de Taylor centrada en algún punto c dentro de ese intervalo. El teorema
establece que:

Teorema 4.4 (De Taylor). Sea 𝑓(𝑥) una función que es 𝑛 veces diferenciable en un
intervalo cerrado [𝑎, 𝑏], y sea 𝑐 un punto dentro de ese intervalo. Entonces, existe un
número real 𝑅𝑛 (𝑥) tal que:

𝑓 ′′ (𝑐) 𝑓 (𝑛)(𝑐)
f(𝑥) = 𝑓(𝑐) + 𝑓′(𝑐)(𝑥 − 𝑐) + ( ) (𝑥 − 𝑐)2 + . . . + ( ) (𝑥 − 𝑐)𝑛 + 𝑅𝑛 (𝑥)
2! 𝑛!

donde 𝑅𝑛 (𝑥) es el resto de la serie de Taylor, dado por:

𝑅𝑛 (𝑥) = ℎ𝑛 (𝑥)(𝑥 − 𝑐)𝑛+1 (4.7)

Demostración. Supongamos que 𝑅𝑛 (𝑥) = ℎ𝑛 (𝑥)(𝑥 − 𝑐)𝑛 . De tal manera que podemos
escribir:
 𝑓(𝑥) = 𝑠𝑛 (𝑥) + ℎ𝑛 (𝑥)(𝑥 − 𝑐)𝑛 (4.8)

𝑓(𝑥)−𝑠𝑛 (𝑥)
Nótese que, despejando ℎ𝑛 (𝑥) se puede ver que ℎ𝑛 (𝑥) = (𝑥−𝑐)𝑛
, sin embargo, eso

supone un problema, porque entonces no podría evaluarse 𝑥 = 𝑐, lo cual no tendría sentido,

porque la expansión es alrededor de ese punto. De modo que, para solucionar ese
inconveniente, se define ℎ𝑛 (𝑥) como sigue:

𝑓(𝑥) − 𝑠𝑛 (𝑥) (4.9)

, 𝑥≠𝑐
ℎ𝑛 (𝑥) ≔ { (𝑥 − 𝑐)𝑛
0, 𝑥=𝑐

Lo cual arregla el problema porque en el caso de que 𝑥 = 𝑐 debe coincidir perfectamente

𝑠𝑛 (𝑥) con 𝑓(𝑥) pues la expansión es alrededor de ese punto.

Nótese que si se logra demostrar que cuando 𝑥 → 𝑐 entonces ℎ𝑛 (𝑥) → 0 esto será
suficiente para demostrar que el resto debe ser de la forma 𝑅𝑛 (𝑥) = ℎ𝑛 (𝑥)(𝑥 − 𝑐)𝑛 , pues
entre más cerca esté, mejor debe ser la aproximación.

𝑓(𝑥) − 𝑠𝑛 (𝑥)
lim ℎ𝑛 (𝑥) = lim
𝑥→𝑐 𝑥→𝑐 (𝑥 − 𝑐)𝑛

𝑓(𝑐) 𝑓´(𝑐) 𝑓´´(𝑐) 𝑓 (𝑛) (𝑐)

𝑓(𝑥) − ( 0! + 1! (𝑥 − 𝑐) + 2! (𝑥 − 𝑐)2 + ⋯ + 𝑛! (𝑥 − 𝑐)𝑛 )
= lim
𝑥→𝑐 (𝑥 − 𝑐)𝑛

Para resolver ese límite, se puede aplicar múltiples veces la regla de L´Hopital.

Se aplica 1 vez:

𝑓´(𝑐) 𝑓´´(𝑐) 𝑓 (𝑛) (𝑐)

lim (𝑓 ′ (𝑥) − ( 0! + 1! (𝑥 − 𝑐)1 + ⋯ + (𝑥 − 𝑐)𝑛−1 ))
𝑥→𝑐 (𝑛 − 1)! 0
= =
lim 𝑛(𝑥 − 𝑐)𝑛−1 0
𝑥→𝑐

Se aplica 2 veces:
 𝑓´´(𝑐) 𝑓 ′′′ (𝑐) 𝑓 (𝑛) (𝑐)
lim (𝑓 ′ ′(𝑥) − ( 0! + 1! (𝑥 − 𝑐) + ⋯ + (𝑥 − 𝑐)𝑛−2 ))
𝑥→𝑐 (𝑛 − 2)! 0
= =
lim 𝑛(𝑛 − 1)(𝑥 − 𝑐)𝑛−1 0
𝑥→𝑐

Aplicando 𝑛 veces queda:

𝑓 (𝑛) (𝑐)
lim (𝑓 (𝑛) (𝑥) − ( ))
𝑥→𝑐 (0)! 0
= = =0
lim 𝑛! 𝑛!
𝑥→𝑐

Lo que termina la prueba QED.

Cabe resaltar que, en base a lo anterior se puede resumir como que el resto es una función
del valor absoluto de la diferencia 𝑥 − 𝑐 elevada al orden de la suma. Es decir:

𝑅𝑛 (𝑥) = 𝑂(|𝑥 − 𝑐|𝑛 )

En resumen, el teorema de Taylor nos dice que una función suave se puede aproximar por
una serie de polinomios, llamados polinomios de Taylor, centrados en un punto 𝑐, y que el
error en la aproximación está dado por el término del resto 𝑅𝑛 (𝑥) = 𝑂(|𝑥 − 𝑐|𝑛 ).

4.6.3.1 Formas de calcular el resto

El término 𝑅𝑛 (𝑥) es el resto de la serie de Taylor, dado por las siguientes expresiones:

𝑓 (𝑛+1) (𝜉) (4.10)

𝑅𝑛 (𝑥) = ( ) (𝑥 − 𝑐)𝑛+1
(𝑛 + 1)!
𝑓 (𝑛+1) (𝜉) (4.11)
𝑅𝑛 (𝑥) = ( ) (𝑥 − 𝜉)𝑛 (𝑥 − 𝑐)
𝑛!
𝑥
𝑓 (𝑛+1) (𝜉) (4.12)
𝑅𝑛 (𝑥) = ∫ (𝑥 − 𝜉)𝑛 𝑑𝜉
𝑛!
𝑐

para algún valor 𝜉 entre 𝑥 y 𝑐. La expresión (4.10) se le llama resto de Lagrange, la

expresión (4.11) es el resto de Cauchy y la (4.12) se le llama forma integral del resto.
Para encontrar las expresiones del resto mostradas, vamos a recurrir a los teoremas del
valor medio, particularmente para las expresiones (4.10) y (4.11) recurriremos al teorema
del valor medio de Cauchy del cálculo diferencial.

El teorema del valor medio de Cauchy establece que dadas dos funciones 𝑓 y 𝑔,
continuas en el intervalo [𝑎, 𝑏] y diferenciables en (𝑎, 𝑏). Entonces existe al menos un
punto 𝑐 ∈ (𝑎, 𝑏) tal que:

𝑔´(𝑐)(𝑓(𝑏) − 𝑓(𝑎)) = 𝑓´(𝑐)(𝑔(𝑏) − 𝑔(𝑎))

Particularmente si 𝑔(𝑎) ≠ 𝑔(𝑏) y 𝑔′ (𝑐) ≠ 0 entonces se puede reescribir como:

𝑓(𝑏) − 𝑓(𝑎) 𝑓´(𝑐)

=
𝑔(𝑏) − 𝑔(𝑎) 𝑔´(𝑐)

Definamos una función 𝐹(𝑡) de la siguiente manera:

𝑛
𝑓 (𝑘) (𝑡) 𝑓 (𝑛) (𝑡)
𝐹(𝑡) ≔ ∑ (𝑥 − 𝑡)𝑘 = 𝑓(𝑡) + 𝑓 ′ (𝑡)(𝑥 − 𝑡) + ⋯ + (𝑥 − 𝑡)𝑛
𝑘! 𝑛!
𝑘=0

Usando el teorema de Cauchy del valor medio sobre 𝐹(𝑡) una función 𝐺(𝑡) continua en
[𝑥, 𝑐] y diferenciable en (𝑥, 𝑐) que satisfaga que 𝐺´(𝜉) ≠ 0 y 𝐺(𝑥) ≠ 𝐺(𝑐), podemos
plantear:

𝐹(𝑥) − 𝐹(𝑐) 𝐹´(𝜉) (4.13)

=
𝐺(𝑥) − 𝐺(𝑐) 𝐺´(𝜉)

Sin embargo, por la forma en que se definió 𝐹(𝑡), se tiene que 𝐹(𝑥) = 𝑓(𝑥) y 𝐹(𝑐) =
𝑠𝑛 (𝑥), adicionalmente, se puede calcular 𝐹´(𝜉):

𝑛 𝑛
𝑑𝐹(𝑡) 𝑑 𝑓 (𝑘) (𝑡) 𝑑 𝑓 (𝑘) (𝑡)
= (∑ (𝑥 − 𝑡)𝑘 ) = (𝑓(𝑡) + ∑ (𝑥 − 𝑡)𝑘 )
𝑑𝑡 𝑑𝑡 𝑘! 𝑑𝑡 𝑘!
𝑘=0 𝑘=1
 𝑛
𝑑𝑓(𝑡) 𝑑 𝑓 (𝑘) (𝑡)
= +∑ ( (𝑥 − 𝑡)𝑘 )
𝑑𝑡 𝑑𝑡 𝑘!
𝑘=0

𝑛
𝑓 (𝑘) (𝑡) 𝑓 (𝑘+1) (𝑡)
= 𝑓´(𝑡) + ∑ {−𝑘 (𝑥 − 𝑡)𝑘−1 + (𝑥 − 𝑡)𝑘 }
𝑘! 𝑘!
𝑘=1

𝑛
𝑓 (𝑘+1) (𝑡) 𝑓 (𝑘) (𝑡)
= 𝑓´(𝑡) + ∑ { (𝑥 − 𝑡)𝑘 − (𝑥 − 𝑡)𝑘−1 }
𝑘! (𝑘 − 1)!
𝑘=1

Nótese que esa es una serie telescópica, de modo que:

𝑑𝐹(𝑡) 𝑓 (𝑛+1) (𝑡) 𝑛

𝑓 (1) (𝑡)
= 𝑓´(𝑡) + (𝑥 − 𝑡) − (𝑥 − 𝑡)1−1
𝑑𝑡 𝑛! (1 − 1)!

𝑑𝐹(𝑡) 𝑓 (𝑛+1) (𝑡) 𝑛 ′

𝑓 (𝑛+1) (𝑡)
= 𝑓´(𝑡) + (𝑥 − 𝑡) − 𝑓 (𝑡) = (𝑥 − 𝑡)𝑛
𝑑𝑡 𝑛! 𝑛!

𝑑𝐹(𝑡) 𝑓 (𝑛+1) (𝜉)

| = (𝑥 − 𝜉)𝑛
𝑑𝑡 𝑡=𝜉 𝑛!

Por lo que se puede reescribir (4.13) como:

𝑓 (𝑛+1) (𝜉) (4.14)

𝑓(𝑥) − 𝑠𝑛 (𝑥) (𝑥 − 𝜉)𝑛
= 𝑛!
𝐺(𝑥) − 𝐺(𝑐) 𝐺´(𝜉)

Dado que 𝑅𝑛 (𝑥) = 𝑓(𝑥) − 𝑆𝑛 (𝑥), la expresión (4.14) se puede plantear como:

𝑅𝑛 (𝑥) (𝑥 − 𝜉)𝑛 𝑓 (𝑛+1) (𝜉) (4.15)

=
𝐺(𝑥) − 𝐺(𝑐) 𝐺´(𝜉) ⋅ 𝑛!

Despejando 𝑅𝑛 (𝑥) queda:

𝐺(𝑥) − 𝐺(𝑐) (𝑥 − 𝜉)𝑛 𝑓 (𝑛+1) (𝜉) (4.16)

𝑅𝑛 (𝑥) = ⋅
𝐺´(𝜉) 𝑛!
Lo que resta, es la elección de la función 𝐺(𝑡), la función debe ser continua en [𝑥, 𝑐] y
diferenciable en (𝑥, 𝑐) además de satisfacer que 𝐺´(𝜉) ≠ 0 y 𝐺(𝑥) ≠ 𝐺(𝑐). Dependiendo
deesa elección es el resto que se obtiene.

Si se propone: 𝐺(𝑡) = (𝑥 − 𝑡)𝑛+1 entonces:

𝐺(𝑡) = (𝑥 − 𝑡)𝑛+1 ⇒ 𝐺´(𝑡) = −(𝑛 + 1)(𝑥 − 𝑡)𝑛

(𝑥 − 𝑐)𝑛+1 (𝑥 − 𝜉)𝑛 𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉)

⇒ 𝑅𝑛 (𝑥) = ⋅ ⇒ 𝑅𝑛 (𝑥) = ( ) (𝑥 − 𝑐)𝑛+1
(𝑛 + 1)(𝑥 − 𝜉)𝑛 𝑛! (𝑛 + 1)!

Que es la expresión del resto de Lagrange. Por otro lado, si se propone 𝐺(𝑡) = (𝑐 − 𝑡)
entonces:

𝐺(𝑡) = 𝑐 − 𝑡 ⇒ 𝐺´(𝑡) = −1

(𝑐 − 𝑥) (𝑥 − 𝜉)𝑛 𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉)

⇒ 𝑅𝑛 (𝑥) = ⋅ ⇒ 𝑅𝑛 (𝑥) = ( ) (𝑥 − 𝜉)𝑛 (𝑥 − 𝑐)
−1 𝑛! 𝑛!

Que es la expresión del resto de Cauchy.

Finalmente, para obtener la expresión integral del resto lo podemos hacer aplicando
inducción sobre 𝑛 para probar que toda función 𝑓(𝑥) con 𝑛 derivadas se puede expresar
como:

𝑥
𝑓 (𝑛+1) (𝜉)
𝑓(𝑥) = 𝑠𝑛 (𝑥) + ∫ (𝑥 − 𝜉)𝑛 𝑑𝜉
𝑛!
𝑐

Base de la inducción. 𝑘 = 1. Para conseguir esto basta con aplicar el segundo teorema
fundamental del cálculo junto con el método DI de integración por partes.

El segundo teorema fundamental del cálculo establece que

 𝑥
(4.17)
′ (𝜉)𝑑𝜉
∫𝑓 = 𝑓(𝑥) − 𝑓(𝑐)
𝑐

Despejamos 𝑓(𝑥) de (4.17) queda:

𝑥
(4.18)
𝑓(𝑥) = 𝑓(𝑐) + ∫ 𝑓 ′ (𝜉)𝑑𝜉
𝑐

Si se resuelve por integración por partes la integral de 𝑓´(𝜉) que aparece en el segundo
miembro de (4.18) queda:

D I
𝑓´(𝜉) 1
𝑓´´(𝜉) 𝜉

𝑥 𝑥 𝑥

𝑓(𝑥) = 𝑓(𝑐) + (𝜉𝑓´(𝜉)| − ∫ 𝜉𝑓´´(𝜉)𝑑𝜉 ) = 𝑓(𝑐) + 𝑥𝑓´(𝑥) − 𝑐𝑓´(𝑐) − ∫ 𝜉𝑓´´(𝜉)𝑑𝜉

𝑐 𝑐 𝑐

Se puede volver a expresar la función 𝑓´(𝑥) usando (4.18) con lo que se obtiene

𝑥 𝑥

𝑓(𝑥) = 𝑓(𝑐) + 𝑥 ( 𝑓 ′ (𝑐) + ∫ 𝑓′′(𝜉)𝑑𝜉 ) − 𝑐𝑓´(𝑐) − ∫ 𝜉𝑓´´(𝜉)𝑑𝜉

𝑐 𝑐

Reagrupando términos semejantes se obtiene:

𝑓(𝑥) = 𝑓(𝑐) + (𝑥 − 𝑐)𝑓´(𝑐) + ∫(𝑥 − 𝜉)𝑓´´(𝜉)𝑑𝜉

𝑐

𝑥
Lo que guarda semejanza con 𝑓(𝑥) = 𝑠1 (𝑥) + ∫𝑐 (𝑥 − 𝜉)𝑓´´(𝜉)𝑑𝜉

Como hipótesis de inducción podemos considerar que la expresión

𝑥 𝑓 (𝑛+1) (𝜉)
𝑓(𝑥) = 𝑠𝑛 (𝑥) + ∫𝑐 (𝑥 − 𝜉)𝑛 𝑑𝜉 para todo 𝑛 > 1.
𝑛!
Finalmente, se realizará el paso inductivo, mostrando que, si consideramos válida la
𝑥 𝑓 (𝑛+2) (𝜉)
hipótesis, se puede inducir que: 𝑓(𝑥) = 𝑠𝑛+1 (𝑥) + ∫𝑐 (𝑥 − 𝜉)𝑛+1 𝑑𝜉 . Esto último
(𝑛+1)!

se puede conseguir aplicando integración por partes a la integral del segundo miembro de la
hipótesis de inducción, esto es:

D I
(𝑥 − 𝜉)𝑛
𝑓 (𝑛+1) (𝜉)
𝑛!
(𝑛+2)
(𝑥 − 𝜉)𝑛+1
𝑓 (𝜉) −
(𝑛 + 1)!

𝑥 𝑥 𝑥
𝑓 (𝑛+1) (𝜉) (𝑥 − 𝜉)𝑛+1 𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+2) (𝜉)
∫ (𝑥 − 𝜉)𝑛 𝑑𝜉 = − | +∫ (𝑥 − 𝜉)𝑛+1
𝑛! (𝑛 + 1)! (𝑛 + 1)!
𝑐 𝑐 𝑐

Al evaluar los límites en el segundo miembro se obtiene:

𝑥
(𝑥 − 𝜉)𝑛+1 𝑓 (𝑛+1) (𝜉) (𝑥 − 𝑥)𝑛+1 𝑓 (𝑛+1) (𝑥) (𝑥 − 𝑐)𝑛+1 𝑓 (𝑛+1) (𝑐)
− | = −( − )
(𝑛 + 1)! (𝑛 + 1)! (𝑛 + 1)!
𝑐

(𝑥 − 𝑐)𝑛+1 𝑓 (𝑛+1) (𝑐)

=
(𝑛 + 1)!

Es decir, se puede reescribir 𝑓(𝑥) como sigue:

𝑥
(𝑥 − 𝑐)𝑛+1 𝑓 (𝑛+1) (𝑐) 𝑓 (𝑛+2) (𝜉)
𝑓(𝑥) = 𝑠𝑛 (𝑥) + +∫ (𝑥 − 𝜉)𝑛+1
(𝑛 + 1)! (𝑛 + 1)!
𝑐

Lo que a su vez es:

𝑥
𝑓 (𝑛+2) (𝜉)
𝑓(𝑥) = 𝑠𝑛+1 (𝑥) + ∫ (𝑥 − 𝜉)𝑛+1 𝑑𝜉
(𝑛 + 1)!
𝑐

Que es lo que se pretendía probar.

Finalmente, como la función 𝑓(𝑥) se puede reescribir como 𝑓(𝑥) = 𝑠𝑛 (𝑥) +
𝑥 𝑓 (𝑛+1) (𝜉)
∫𝑐 (𝑥 − 𝜉)𝑛 𝑑𝜉 que es análogo a 𝑓(𝑥) = 𝑠𝑛 (𝑥) + 𝑅𝑛 (𝑥), donde 𝑅𝑛 (𝑥) es el resto,
𝑛!

𝑥 𝑓 (𝑛+1) (𝜉)
nos lleva a que entonces 𝑅𝑛 (𝑥) = ∫𝑐 (𝑥 − 𝜉)𝑛 𝑑𝜉 , el cual es el resto de Taylor en
𝑛!

su forma integral.

Ejemplo 4.24. Calcula el resto de la serie de la función exponencial de 𝑛 términos, en

forma del resto de Lagrange.

Solución. La fusión exponencial con 𝑛 términos es:

𝑛
𝑥
𝑥𝑘
𝑒 =∑ + 𝑅𝑛
𝑘!
𝑘=0

El término del resto viene dado por:

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

Para obtener el resto, se necesita la derivada 𝑛 + 1 ésima de la función exponencial, pero

eso no es problema pues como lo hemos comentado antes, es la misma. De modo que es:

𝑓 (𝑛+1) (𝜉) = 𝑒 𝜉

Adicionalmente, como se trata de una serie de Maclaurin (lo que significa que 𝑐 = 0), se
tiene que:

𝑒𝜉
𝑅𝑛 (𝑥) = 𝑥 𝑛+1 , 0≤𝜉≤𝑥
(𝑛 + 1)!

Finalmente se tiene que:

𝑛
𝑥
𝑥𝑘 𝑒𝜉
𝑒 =∑ + 𝑥 𝑛+1 , 0≤𝜉≤𝑥
𝑘! (𝑛 + 1)!
𝑘=0
Ejemplo 4.25. Calcula el resto de la serie de la función exponencial de 𝑛 términos, en
forma del resto de Cauchy.

Solución. La fusión exponencial con 𝑛 términos es:

𝑛
𝑥𝑘
𝑒𝑥 = ∑ + 𝑅𝑛 (𝑥)
𝑘!
𝑘=0

El término del resto viene dado por:

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

Para obtener el resto, se necesita la derivada 𝑛 + 1 ésima de la función exponencial, pero

eso no es problema pues como lo hemos comentado antes, es la misma. De modo que es:

𝑓 (𝑛+1) (𝜉) = 𝑒 𝜉

Adicionalmente, como se trata de una serie de Maclaurin (lo que significa que 𝑐 = 0), se
tiene que:

𝑒𝜉
𝑅𝑛 (𝑥) = ( ) (𝑥 − 𝜉)𝑛 𝑥, 0≤𝜉≤𝑥
𝑛!

Finalmente se tiene que:

𝑛
𝑥𝑘 𝑒𝜉
𝑒 = ∑ + ( ) (𝑥 − 𝜉)𝑛 𝑥,
𝑥
0≤𝜉≤𝑥
𝑘! 𝑛!
𝑘=0

Ejemplo 4.26. Calcula el resto de la serie de la función exponencial de 𝑛 términos, en la

forma integral del resto.

Solución. La fusión exponencial con 𝑛 términos es:

 𝑛
𝑥
𝑥𝑘
𝑒 =∑ + 𝑅𝑛 (𝑥)
𝑘!
𝑘=0

El término del resto viene dado por:

𝑥
𝑓 (𝑛+1) (𝜉)
𝑅𝑛 (𝑥) = ∫ (𝑥 − 𝜉)𝑛 𝑑𝜉
𝑛!
𝑐

Para obtener el resto, se necesita la derivada 𝑛 + 1 ésima de la función exponencial, pero

eso no es problema pues como lo hemos comentado antes, es la misma. De modo que es:

𝑓 (𝑛+1) (𝜉) = 𝑒 𝜉

Adicionalmente, como se trata de una serie de Maclaurin (lo que significa que 𝑐 = 0), se
tiene que:

𝑥
1
𝑅𝑛 (𝑥) = ∫ 𝑒 𝜉 (𝑥 − 𝜉)𝑛 𝑑𝜉 , 0≤𝜉≤𝑥
𝑛!
0

Finalmente se tiene que:

𝑛 𝑥
𝑥
𝑥𝑘 1
𝑒 =∑ + ∫ 𝑒 𝜉 (𝑥 − 𝜉)𝑛 𝑑𝜉 , 0≤𝜉≤𝑥
𝑘! 𝑛!
𝑘=0 0

4.6.3.2 Acotación del resto

Después de haber estudiado el teorema de Taylor y sus diferentes formas de expresar el

resto de la aproximación polinómica, es natural preguntarse: ¿cuán buena es esta
aproximación? ¿Podemos acotar el error que cometemos al usar un polinomio para
aproximar una función?

La respuesta es sí, y en este capítulo estudiaremos como acotar el resto de Taylor. Esto nos
permitirán obtener estimaciones precisas del error que cometemos al usar un polinomio de
Taylor para aproximar una función en un intervalo dado.
Adicionalmente, exploraremos algunas aplicaciones de la acotación del resto de Taylor,
como la aproximación de funciones mediante polinomios de Taylor truncados y la
estimación de límites de funciones mediante la serie de Taylor.

En resumen, en este capítulo estudiaremos como acotar el resto de Taylor, que nos
permitirán obtener estimaciones precisas del error que cometemos al aproximar una función
mediante su polinomio de Taylor. Esto tendrá aplicaciones importantes en el cálculo
numérico y en la aproximación de funciones en la física, la ingeniería y otras áreas de las
ciencias aplicadas.

Pensemos que la función 𝑓 es 𝑛 + 1 veces derivable en un intervalo (𝑐 − 𝑟, 𝑐 + 𝑟), con 𝑟

positivo. Adicionalmente, supongamos que existen 𝑚, 𝑀 números reales tales que:

𝑚 ≤ 𝑓 (𝑛+1) (𝑥) ≤ 𝑀

En (𝑐 − 𝑟, 𝑐 + 𝑟) con 𝑟 > 0, entonces dado que 𝜉 está entre 𝑥 y 𝑐 se cumple que:

𝑚 𝑛+1
𝑓 (𝑛+1) (𝜉) 𝑀
(𝑥 − 𝑐) ≤( ) (𝑥 − 𝑐)𝑛+1 ≤ (𝑥 − 𝑐)𝑛+1
(𝑛 + 1)! (𝑛 + 1)! (𝑛 + 1)!

Es decir, el resto de Taylor en la forma de Lagrange satisface que:

𝑚 𝑀
(𝑥 − 𝑐)𝑛+1 ≤ 𝑅𝑛 (𝑥) ≤ (𝑥 − 𝑐)𝑛+1
(𝑛 + 1)! (𝑛 + 1)!

Adicionalmente, ya que 𝑥 ∈ [𝑐 − 𝑟, 𝑐 + 𝑟] podemos pensar en dos posibles casos:

1. 𝑥 > 𝑐, en este caso 𝑥 − 𝑐 ≤ 𝑟

2. 𝑥 < 𝑐, en este caso también 𝑥 − 𝑐 ≤ 𝑟

De modo que se cumple que:

𝑀 𝑀
𝑅𝑛 (𝑥) ≤ (𝑥 − 𝑐)𝑛+1 ≤ 𝑟 𝑛+1
(𝑛 + 1)! (𝑛 + 1)!
Con lo que hemos conseguido una cota superior para el resto de Taylor en el intervalo (𝑐 −
𝑀
𝑟, 𝑐 + 𝑟), la cual es (𝑛+1)! 𝑟 𝑛+1 . Donde 𝑀 ≥ 𝑓 (𝑛+1) (𝑥).

Ejemplo 4.27. ¿Qué grado de polinomio necesito para aproximar 𝑒 𝑥 con resto menor o
igual a 10−6 en el intervalo (−2,2)?

Solución: Según el ejemplo 4.24 se tiene que el resto de la función exponencial para una
expansión de Taylor de Grado 𝑛 es:

𝑒𝜉
𝑅𝑛 (𝑥) = 𝑥 𝑛+1
(𝑛 + 1)!

De modo, que:

𝑀 𝑀
𝑅𝑛 (𝑥) ≤ (𝑥)𝑛+1 ≤ (2)𝑛+1
(𝑛 + 1)! (𝑛 + 1)!

Adicionalmente, se debe encontrar 𝑀 tal que 𝑀 ≥ 𝑓 (𝑛+1) (𝑥), es decir, se debe encontrar
𝑀 ≥ 𝑒 𝑥 con 𝑥 ∈ [−2,2], como 𝑒 𝑥 es creciente, basta que 𝑀 ≥ 𝑒 2 ≈ 7.38. Por ejemplo,
haciendo 𝑀 = 7.39. Si exigimos que la cota superior sea menor que el error que queremos
bastará:

7.39
(2)𝑛+1 < 10−6
(𝑛 + 1)!

7.39
Se puede tabular 𝑛 vs (𝑛+1)! (2)𝑛+1 y ver donde satisface que sea menor que 10−6.
 n Cota superior
1 14.76
2 9.84
3 4.92
4 1.968
5 0.656
6 0.187428571
7 0.046857143
8 0.010412698
9 0.00208254
10 0.000378644
11 6.31073E-05
12 9.70881E-06
13 1.38697E-06
14 1.8493E-07
15 2.31162E-08
16 2.71955E-09

Se puede ver que a partir de 𝑛 = 14 es suficiente. De modo que se deben usar un polinomio
de grado 14.

Ejemplo con 𝑥 = 1.5

𝑒 2.5 = 4, 4816890703380. ..

𝑠14 (2.5) = 4.48168907

Nótese que satisface las 6 cifras decimales exigidas.

Ejemplo 4.28. ¿Qué grado de polinomio necesito para aproximar sin(𝑥) con resto menor o
igual a 10−6 en el intervalo (−𝜋, 𝜋)?

Solución: Primero se debe encontrar una ecuación del resto en forma del resto de Lagrange
para la función seno, esto es:

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

Consideremos la serie de Maclaurin del seno:

 ∞
(−1)𝑛 2𝑛+1
sin(𝑥) = ∑ 𝑥
(2𝑛 + 1)!
𝑛=0

De modo que el resto es:

𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉)

𝑅𝑛 (𝑥) = ( ) (𝑥)2(𝑛+1)+1 = ( ) (𝑥)2𝑛+3
(2(𝑛 + 1) + 1)! (2𝑛 + 3)!

Además, la derivada 𝑛 + 1 ésima del seno con 𝑛 natural, va a ser menor o igual que 1, pues
solamente puede ser seno o coseno cuya cota superior es el 1. De modo que se cumple que:

1
𝑅𝑛 (𝑥) ≤ (2𝜋)2𝑛+3
(2𝑛 + 3)!

Se resuelve la desigualdad:

(2𝜋)2𝑛+3
< 10−6
(2𝑛 + 3)!

n Cota superior
1 81.60524928
2 76.70585975
3 42.05869394
4 15.09464258
5 3.819952585
6 0.718122302
7 0.104229162
8 0.012031586
9 0.001130924
10 8.82353E-05
11 5.80565E-06
12 3.26493E-07
13 1.58737E-08
14 6.73836E-10
15 2.51913E-11
16 8.35724E-13

Con un polinomio de grado 12 se obtiene el resultado buscado.

Ejemplo 4.29. ¿Aproxime ln(𝑥) para valores de 𝑥 entre 1 y 2 usando series de Taylor
alrededor de 𝑥 = 1, de tal manera que el resto sea menor que 10−10?

Solución: Primero se debe encontrar una ecuación del resto en forma del resto de Lagrange
para la función seno, esto es:

𝑓 (𝑛+1) (𝜉)
𝑅𝑛 (𝑥) = ( ) (𝑥 − 1)𝑛+1
(𝑛 + 1)!

Consideremos la serie del logaritmo natural según el ejemplo 4.17 es:

∞
(−1)𝑛+1
ln(𝑥) = ∑ (𝑥 − 1)𝑛
𝑛
𝑛=1

La cual converge en (0,2) por el ejemplo 4.23.

A su vez, dado que 𝑟 = 1 el resto tiene la forma de:

𝑓 (𝑛+1) (𝜉) 𝑀 𝑀
𝑅𝑛 (𝑥) = ( ) (𝑥 − 1)𝑛+1 ≤ ( ) (𝑥 − 1)𝑛+1 ≤ (1)
(𝑛 + 1)! (𝑛 + 1)! (𝑛 + 1)!

Además, la derivada 𝑛 + 1 ésima del logaritmo natural con 𝑛 ≥ 1es:

(𝑛+1) 𝑑 𝑛+1 (ln(𝑥)) (−1)𝑛+2

𝑓 (𝑥) = = (𝑛)!
𝑑𝑥 𝑛+1 𝑥 𝑛+1

Como los valores de interés de 𝑥 están entre 1 y 2, y queremos un valor 𝑀 ≥ 𝑓 (𝑛+1) (𝑥), lo
que se puede hacer es tomar el máximo valor posible en el numerador que es 1 (pues puede
tomar valores de ±1) y minimizar el denominador para tomar como 𝑀 el valor máximo
que toma la derivada. En este caso el valor que lo minimiza es 𝑥 = 1. De tal manera que:

𝑀 = (𝑛)!

Entonces se cumple que:

 𝑀 (𝑛)! 1
𝑅𝑛 (𝑥) ≤ (1) = =
(𝑛 + 1)! (𝑛 + 1)! 𝑛 + 1

Basta con exigir que la cota superior sea menor que 10−10:

1
< 10−10
𝑛+1

Resolviendo la desigualdad se sigue que:

1
<𝑛+1
10−10

𝑛 + 1 > 1010

𝑛 + 1 > 10 000 000 000

𝑛 > 9 999 999 999

Como 𝑛 ∈ ℕ y debe ser mayor estricto que 9 999 999 999, se concluye que se debe usar
un polinomio de grado 1010 para poder conseguir el resultado buscado.

Es decir, el siguiente polinomio nos va a dar los resultados buscados:

1010
(−1)𝑛+1
𝑠1010 (𝑥) = ∑ (𝑥 − 1)𝑛
𝑛
𝑛=1

El valor aproximado de ln (2) a 10 cifras decimales usando series de Taylor es:

1010
(−1)𝑛+1
ln(2) ≈ ∑ (2 − 1)𝑛
𝑛
𝑛=1

1010
(−1)𝑛+1
ln(2) ≈ ∑ = 0.69314718050994530941973212155
𝑛
𝑛=1
Al usar una calculadora, se ve que el logaritmo natural de 2 es:

ln(2) = 0. 69314718055994530941723212145. ..

Nótese que tiene las 10 cifras decimales buscadas de exactitud.

4.7 Cálculo de integrales de funciones expresadas como serie de Taylor.

En esta subsección, nos enfocaremos en el cálculo de integrales de funciones expresadas
como serie de Taylor. Hasta ahora, hemos visto cómo encontrar la serie de Taylor de una
función, así como cómo determinar su intervalo y radio de convergencia, calcular el resto y
acotarlo utilizando el teorema de Taylor. Ahora, utilizaremos estas herramientas para
calcular integrales de funciones expresadas como series de Taylor.

En particular, veremos cómo se puede calcular la integral de una función mediante su serie
de Taylor y cómo la convergencia de la serie afecta la convergencia de la integral. También
exploraremos ejemplos de funciones que pueden ser integradas fácilmente utilizando su
serie de Taylor, y cómo se pueden aplicar los conceptos que hemos visto hasta ahora para
encontrar el valor exacto de estas integrales.

En resumen, en esta subsección exploraremos cómo el cálculo de integrales de funciones

expresadas como serie de Taylor puede ser una herramienta poderosa para encontrar
soluciones precisas a problemas de cálculo integral.

4.7.1 Teorema de Tonelli

El Teorema de Tonelli es una herramienta fundamental en el cálculo de integrales de

funciones expresadas como series de Taylor. Este teorema establece una condición bajo la
cual es posible intercambiar el orden de integración y suma en una serie convergente de
funciones. En particular, si la serie converge uniformemente en el intervalo de integración,

5
El cálculo se hizo en Wolfram Alpha
https://www.wolframalpha.com/input?i2d=true&i=Sum%5BDivide%5BPower%5B%5C%2840%29-
1%5C%2841%29%2Cn%2B1%5D%2Cn%5D%2C%7Bn%2C1%2C10000000000%7D%5D&lang=es
entonces se puede intercambiar el orden de integración y suma sin afectar el valor de la
integral.

En este apartado, exploraremos en detalle este teorema y veremos cómo se puede aplicar
para calcular integrales de funciones expresadas como series de Taylor. Además,
discutiremos ejemplos concretos que ilustran la aplicación del teorema y veremos las
condiciones necesarias para su uso.

En resumen, el Teorema de Tonelli es una herramienta esencial en el cálculo de integrales

de funciones expresadas como series de Taylor y su comprensión y aplicación es
fundamental para cualquier estudiante de cálculo.

Teorema 4.6 (De Tonelli en una variable real). Sí tenemos una serie convergente de
funciones continuas no negativas {𝑓𝑛 (𝑥)} en un intervalo [𝑎, 𝑏], entonces se cumple que:

𝑏 ∞ ∞ 𝑏
∫ ∑ 𝑓𝑛 (𝑥) 𝑑𝑥 = ∑ ∫ 𝑓𝑛 (𝑥)𝑑𝑥
𝑎 𝑛=1 𝑛=1 𝑎

Es decir, se puede intercambiar el orden de integración y la suma sin afectar el valor de la

integral, siempre y cuando la serie converja uniformemente en [𝑎, 𝑏].

Cabe destacar que este teorema es una generalización del Teorema de Fubini para
funciones continuas no negativas en intervalos.

La demostración del Teorema de Tonelli es un proceso matemático complejo que no se

puede abordar completamente en este texto. Sin embargo, se pueden presentar algunos
ejemplos prácticos para que los usuarios puedan aplicar el teorema en casos particulares.

Aunque no se incluirá la demostración completa del Teorema de Tonelli en este texto, se

pueden encontrar demostraciones detalladas en numerosos libros y recursos en línea sobre
análisis matemático y cálculo de integrales. Estos recursos proporcionan una comprensión
más profunda y completa del teorema y su aplicación en una amplia variedad de problemas
de cálculo.

Ejemplo 4.30. Indicar si la siguiente igualdad es cierta o no para la serie de Taylor del
logaritmo natural con centro en 1.
 5 ∞ ∞ 5
(−1)𝑛+1 (−1)𝑛+1
∫ (∑ (𝑥 − 1)𝑛 ) 𝑑𝑥 = ∑ (∫(𝑥 − 1)𝑛 𝑑𝑥)
𝑛 𝑛
1 𝑛=1 𝑛=1 1

Solución: Dado que el intervalo de convergencia es (0,2) y la integral va en el intervalo [1,5] que
está fuera del de convergencia, no cumple.

Ejemplo 4.31. Indicar si la siguiente igualdad es cierta o no para la serie de Maclaurin dela
función exponencial.

ln(2) ∞ ∞ ln(2)
𝑥𝑛 1
∫ (∑ ) 𝑑𝑥 = ∑ ( ∫ 𝑥 𝑛 𝑑𝑥)
𝑛! 𝑛!
0 𝑛=0 𝑛=0 0

Solución: Dado que el intervalo de convergencia es ℝ y como integral va en el intervalo

[0, ln(2)] ⊂ ℝ, cumple. Es más, se podría plantear que:

ln(2) ∞ ∞ ∞
ln(2)
𝑥𝑛 1 𝑥 𝑛+1 ln𝑛+1(2)
∫ (∑ ) 𝑑𝑥 = ∑ ( | )=∑
𝑛! 𝑛! 𝑛 + 1 0 (𝑛 + 1)!
0 𝑛=0 𝑛=0 𝑛=0

Además, como:

ln(2) ∞ ln(2)
𝑥𝑛
∫ (∑ ) 𝑑𝑥 = ∫ (𝑒 𝑥 )𝑑𝑥 = 𝑒 ln(2) − 𝑒 0 = 2 − 1 = 1
𝑛!
0 𝑛=0 0

Se ve que:
∞
ln𝑛+1 (2)
∑ =1
(𝑛 + 1)!
𝑛=0

Que es una serie muy interesante que, al inicio del curso, de verla uno no encontraría tan
fácilmente como calcularla.

En caso de no querer usar sumas infinitas, siempre se puede recurrir al resto de Taylor para
acotar el error de integración tanto como se necesite como se ve en el siguiente ejemplo.
Ejemplo 4.32. Calcular la integral dada de manera numérica empleando series de potencias
con un error menor a 10−10 .

2
2
∫ 𝑒 𝑥 𝑑𝑥
0

Solución. Se sabe que la función exponencial se puede expresar como una serie de
Maclaurin como sigue:
𝑛
𝑧𝑘𝑧
𝑒 = ∑ + 𝑅𝑛 (𝑧)
𝑘!
𝑘=0

Donde:

𝑒𝜉
𝑅𝑛 (𝑧) = 𝑧 𝑛+1
(𝑛 + 1)!

Como el caso que tenemos es tal que 𝑧 = 𝑥 2 , podemos reemplazarlo y se obtiene que:
𝑛
𝑥2
𝑥 2𝑘
𝑒 =∑ + 𝑅𝑛 (𝑥)
𝑘!
𝑘=0

El resto lo podemos acotar como sigue:

2 2
𝑒𝜉 2(𝑛+1)
𝑒2
𝑅𝑛 (𝑥) = (𝑥) ≤ (2)2(𝑛+1)
(𝑛 + 1)! (𝑛 + 1)!
2 2
Esto porque 𝑟 = 2 en este caso y al ser 𝑒 𝑥 creciente en (0,2) se toma 𝑀 = 𝑒 2 .

Basta con encontrar el número de iteraciones que hagan que:

2
𝑒2
(2)2(𝑛+1) < 10−10
(𝑛 + 1)!

Se puede tabular para hallar el valor de 𝑛 que satisface:

 n Cota superior
1 436.7852003
2 582.380267
3 582.380267
4 465.9042136
5 310.6028091
6 177.4873195
7 88.74365974
8 39.44162655
9 15.77665062
10 5.736963862
11 1.912321287
12 0.58840655
13 0.168116157
14 0.044830975
15 0.011207744
16 0.002637116
17 0.000586026
18 0.000123374
19 2.46748E-05
20 4.69996E-06
21 8.54538E-07
22 1.48615E-07
23 2.47692E-08
24 3.96307E-09
25 6.09703E-10
26 9.03264E-11

Se puede ver que con 26 términos de la suma es suficiente, de modo que

2 2 26
𝑥2
𝑥 2𝑘
∫ 𝑒 𝑑𝑥 ≈ ∫ ∑ 𝑑𝑥
𝑘!
0 0 𝑘=0

Debe satisfacer que es igual a 10 cifras decimales.

Resolviendo la integral queda:

2 26 2 26 2 26
𝑥2
𝑥 2𝑘 𝑥 2𝑘+1 22𝑘+1
∫ 𝑒 𝑑𝑥 ≈ ∑ ∫ 𝑑𝑥 = ∑ ( | ) = ∑( )
𝑘! 𝑘! (2𝑘 + 1) 0 𝑘! (2𝑘 + 1)
0 𝑘=0 0 𝑘=0 𝑘=0
Esta suma al realizarla en wólfram6 se obtiene:

26
22𝑘+1
∑( ) = 16.4526277655071. ..
𝑘! (2𝑘 + 1)
𝑘=0

Por otro lado, si se resuelve esa integral en wólfram 7se obtiene:

2
2
∫ 𝑒 𝑥 𝑑𝑥 = 16.45262776550723 …
0

Nótese que cumple con la cantidad de cifras decimales.

En resumen, en esta sección hemos explorado cómo podemos usar la serie de Taylor para
calcular la integral de una función en un intervalo de integración dado. Si la serie de Taylor
de la función converge en el intervalo de integración, podemos representar la integral como
la suma infinita de los términos de la serie, lo que nos permite calcular la integral de
manera más eficiente. Sin embargo, si la serie no converge en el intervalo de integración,
según el teorema de Tonelli, no podemos expresar la integral como la suma de una serie de
Taylor. Además, hemos visto cómo podemos acotar el resto de la serie para obtener una
estimación más precisa de la integral. En conclusión, el uso de la serie de Taylor es una
herramienta valiosa para el cálculo de integrales, siempre y cuando se cumplan ciertas
condiciones de convergencia.

6
Link de la solución:
https://www.wolframalpha.com/input?i2d=true&i=Sum%5BDivide%5BPower%5B2%2C2k%2B1%5D%2C%5C
%2840%29k%21%5C%2841%29%5C%2840%292k%2B1%5C%2841%29%5D%2C%7Bk%2C0%2C26%7D%5D&l
ang=es
7
Link de la solución:
https://www.wolframalpha.com/input?i2d=true&i=Integrate%5BPower%5Be%2CPower%5Bx%2C2%5D%5D
%2C%7Bx%2C0%2C2%7D%5D&lang=es