2 F UNCIONES DERIVABLES

El contacto realizado en el capı́tulo anterior con el proceso de paso al

lı́mite nos deja en situación de poder introducir el importantı́simo concepto
de derivada, y con él, el de función derivable. Como veremos, si una fun-
ción es derivable en un punto su gráfica puede ser aproximada localmente
por una recta (la recta tangente). Si posee derivada en todos los puntos de
un intervalo su gráfica no tendrá aristas en ese intervalo, será suave. Co-
mo consecuencia las funciones derivables poseen interesantes propiedades
que nos ayudarán a calcular lı́mites, aproximar soluciones de ecuaciones o
caracterizar las funciones constantes.
El siguiente esquema le indica las relaciones entre los principales con-
ceptos que trataremos.

Derivada

Reglas de derivación

Continuidad. Propiedades Monotonı́a.

Regla de L’Hôpital funciones derivables Funciones constantes

Resolución aproximada
de ecuaciones

73
74 C AP ÍTULO 2 / Funciones derivables

2.1. Derivada de una función

2.1.1. Motivación
Introducción
El cálculo diferencial, del que la derivada es el ingrediente principal,
ha hecho y hace avanzar la ciencia y la tecnologı́a desde su nacimiento en
tiempos de Newton y Leibniz.
La derivada es un lı́mite con una interpretación fı́sica y geométrica clara
que aparecerá en muchı́simos modelos matemáticos de fenómenos reales
durante la formación y labor profesional de un ingeniero. Serán muy pocas,
si es que hay alguna, las áreas de conocimiento que no recurran a la versátil
herramienta presentada en esta sección.

Orientaciones
La mayorı́a de lo tratado en este tema deberı́a resultarle familiar. Pa-
ra poder seguir los ejemplos y realizar ejercicios adicionales es imprescin-
dible conocer las derivadas de las funciones elementales y tener destreza
calculando derivadas. Aquı́ daremos una tabla con algunas derivadas y las
reglas fundamentales de derivación, pero la única forma de derivar con
garantı́as es que realice muchas.

Objetivos
Tras el estudio de esta parte del texto, entenderá el significado fı́sico y
geométrico de la derivada. Además, conocerá algunas de las propiedades
más importantes de las funciones derivables tanto en un punto como en
todo un intervalo.

2.1.2. Derivada en un punto

Supongamos que f (x) indica para cada instante x la posición de una
hormiga que se mueve en la recta real. La cantidad

f (b) − f (a)
b−a
coincide con la velocidad media entre los instantes x = a y x = b. Pero
nuestra hormiga es muy curiosa y no sólo le gusta conocer la velocidad
 2.1 Derivada de una función 75

media entre dos instantes cualesquiera sino que quiere saber exactamente
a qué velocidad se desplaza en el instante x = c. Esa velocidad instantánea
parece natural definirla como lı́mite de velocidades medias, esto es

f (x) − f (c)
lı́m ,
x→c x−c
y hemos llegado al concepto de derivada. Como vamos a calcular un lı́mite,
vamos a pedir que para r > 0 sea (a − r, a + r) ∩ (D\ {a}) 6= ∅.

Definición 2.1 Una función f es derivable en a ∈ D si existe y es finito

f (x) − f (a) f (a + h) − f (a)

lı́m = lı́m . (2.1)
x→a x−a h→0 h
El valor del lı́mite anterior se denota por f ′ (a) y es la derivada de f en a.

La derivada de una función tiene una clara interpretación geométrica. Otra notación para la deriva-
Para cada valor h el cociente da de f en a que se emplea
df
frecuentemente es dx
(a).
f (a + h) − f (a)
(2.2)
h
coincide con el valor de la pendiente del segmento que une los puntos
(a, f (a)) y (a+h, f (a+h)). La derivada es el lı́mite al tender h a cero en (2.2).
Por eso, la derivada es el lı́mite de las pendientes de los segmentos entre
(a, f (a)) y (a + h, f (a + h)) cuando h tiene a cero. Tal lı́mite es la pendiente
de la recta tangente a la gráfica de la función en el punto (a, f (a)). Valor pendiente. Para una
recta de ecuación y = mx + b,
b
la constante m es el valor de
y (a + h, f (a + h)) la pendiente. Por otro lado, la
pendiente del segmento que
d−b
une (a, b) con (c, d) es c−a su-
b poniendo c 6= a.

b
Recta tangente
(a, f (a)) b

Figura 2.1: Interpretación geométrica de la derivada.

76 C AP ÍTULO 2 / Funciones derivables

E JEMPLO 2.1. Una función constante tiene derivada en todo punto y ésta
es 0.
Una función constante viene dada por f (x) = k con k ∈ R. Por lo tanto,
aplicando la definición de derivada resulta f ′ (a) = 0 porque

f (a + h) − f (a) 0
lı́m = lı́m = 0.
h→0 h h→0 h

E JEMPLO 2.2. Calculemos la derivada de f (x) = x2 .

Maxima deriva la función Aplicando la definición se tiene f ′ (a) = 2a porque
f (x) mediante “diff(f(x),x);”
x 2 − a2 (x − a)(x + a)
lı́m = lı́m = 2a = f ′ (a).
x→a x − a x→a x−a

La siguiente propiedad de las funciones con derivada en un punto mues-

tra su estrecha relación con las funciones continuas y aporta una condición
necesaria para la derivabilidad y una suficiente para la continuidad.

Teorema 2.1 Si f es derivable en a, entonces f es continua en a.


1, x > 0,
E JEMPLO 2.3. Sea f : R → R dada por f (x) = Esta función
0, x ≤ 0.
se llama función escalón o función de Heaviside y es discontinua en 0,
por lo tanto no necesitamos estudiar el lı́mite (2.1) para afirmar que no es
derivable en 0.
y
Función de Heaviside
1

0
x
−4 −2 0 2
−1

E JEMPLO 2.4. Estudiemos la derivabilidad en 0 de la función dada por

 2
x sen2 x3 , x 6= 0,
f (x) =
0, x = 0.
 2.1 Derivada de una función 77

Recordando que seno es una función acotada y que el lı́mite de una

función acotada por otra que tiende a 0 es 0, tenemos

h2 sen2 h3 − 0 3
f ′ (0) = lı́m = lı́m h sen2 = 0.
h→0 h h→0 h

x2 sen2 x3 ,

x 6= 0,
y f (x) =
0, x = 0.

E JEMPLO 2.5. Pero mucho cuidado, la función dada por


x cos 10
x , x 6= 0,
f (x) =
0, x = 0,

es continua en R y sin embargo no es derivable en 0, ya que no existe el

lı́mite
h cos 10
h −0 10
lı́m = lı́m cos
h→0 h h→0 h
porque cos 10
h oscila cada vez más rápido entre −1 y 1 al hacer tender h a 0.
y
5

10

x cos x
, x 6= 0
f (x) =
0, x=0

0 b

x
−5 0 5

−5
78 C AP ÍTULO 2 / Funciones derivables

Observemos que en los dos ejemplos anteriores las gráficas de las fun-
ciones oscilan entre funciones que se tocan en 0 y comparten tangente en 0
(primer caso) y entre gráficas de funciones que se tocan en 0 pero no com-
parten tangente.

2.1.3. Derivabilidad en un intervalo

El concepto de derivada es local. Sin embargo, las funciones que tienen
derivada en todos los puntos de su dominio tienen propiedades interesan-
tes, que estudiaremos a continuación.

Definición 2.2 Una función es derivable en un conjunto A ⊂ D si lo es

en todos los puntos de A.

A partir de una función f dada podemos definir otra que llamaremos

función derivada o función derivada primera de f que tendrá como do-
minio el conjunto A en que f es derivable y que denotaremos por f ′ y es:

f ′ : A → R.

2.2. Reglas de derivación

2.2.1. Motivación
Introducción
En este tema presentaremos resultados que nos permitirán calcular de-
rivadas sin tener que recurrir a la definición.

Orientaciones
Este tema deberı́a ser de repaso para la mayorı́a de los lectores. Además
conocer las reglas de derivación no es suficiente para derivar con soltura.
Para conseguirlo tendrá que realizar, si no las ha hecho ya, muchas deriva-
das. El calculo de derivadas estará presente en todo lo que resta de libro.

Objetivos
Al finalizar este tema debe conocer la derivada de las funciones elemen-
tales y ser capaz de calcular la derivada de cualquier función construida a
 2.2 Reglas de derivación 79

partir de tales funciones mediante las operaciones habituales y la composi-

ción de funciones.

2.2.2. Reglas de derivación

La mayorı́a de las veces no necesitaremos recurrir a la definición para
el cálculo de derivadas gracias a los siguientes resultados.

Proposicion 2.1 Supongamos que f y g son derivables en a. Entonces

las funciones f + g y f · g son derivables en a, verificándose

(f + g)′ (a) = f ′ (a) + g′ (a) y (f · g)′ (a) = f ′ (a) · g(a) + f (a) · g′ (a).

f
Además, si g(a) 6= 0, entonces es derivable en a y se tiene
g
 ′
f f ′ (a) · g(a) − f (a) · g′ (a)
(a) = .
g [g(a)]2

Regla de la cadena. Sea f derivable en a y g derivable en f (a), entonces

la composición g ◦ f es derivable en a y se verifica

(g ◦ f )′ (a) = g′ (f (a)) · f ′ (a).

Utilizando la definición y las propiedades anteriores es sencillo demos-

trar la siguiente tabla de derivadas para las funciones más usuales:

Función Derivada Función Derivada

c 0 xc cxc−1
ex ex ax ax ln a
1 1
ln x loga x loga e
x x
sen x cos x cos x − sen x

en donde c ∈ R y a ∈ (0, ∞) = R+ .
Por supuesto, existen tablas más completas. Pero creemos que el mane-
jo correcto de esta tabla y de las propiedades anteriores es suficiente para
generar rápidamente todas las derivadas que suelen aparecer en esas otras
tablas sin esfuerzo. En otras palabras, creemos que aquı́ es bueno el dicho:
80 C AP ÍTULO 2 / Funciones derivables

no me regales pescado y enséñame a pescar. Por ejemplo, teniendo en cuenta

que tg x = sen x
cos x , con la regla de derivación para un cociente se llega a

d tg cos2 x + sen2 x 1
(x) = 2
= .
dx cos x cos2 x
Otras derivadas que suelen aparecer en las tablas son las relativas a las
funciones inversas de las trigonométricas.

E JEMPLO 2.6. Calculemos la derivada de f (x) = arc sen x.

Recordemos que la inversa Puesto que sen x y arc sen x son inversas se verifica arc sen(sen x) = x.
de una función en D se de- Derivando ambos miembros de la igualdad y utilizando la Regla de la ca-
nota por f −1 y verifica f ◦
dena en el primero de ellos se tiene
f −1 (x) = f −1 ◦ f (x) = x en
D. Por otro lado, la función 1
sen x no tiene inversa global arc sen′ (sen x) · cos x = 1 ⇒ arc sen′ (sen x) = ,
en todo R pero sı́, por ejem- cos x
plo, en el intervalo [ π2 , 3π ].
2 utilizando la igualdad cos2 x + sen2 x = 1
1
arc sen′ (sen x) = √ ,
1 − sen2 x
luego si denotamos y = sen x obtenemos la fórmula
1
arc sen′ (y) = p .
1 − y2

El lector tiene toda la información necesaria para pescar un montón de

derivadas pero como a cualquier pescador le hará falta práctica, y sobre
todo, mojarse en el rı́o.
La aplicación de la Regla de la cadena a la tabla anterior da lugar a la
siguiente tabla:

Función Derivada Función Derivada

c 0 (u(x))c c(u(x))c−1 u′ (x)
eu(x) eu(x) u′ (x) au(x) au(x) (ln a) u′ (x)
1 ′ loga e ′
ln u(x) u (x) loga u(x) u (x)
u(x) u(x)
sen u(x) (cos u(x))u′ (x) cos u(x) (− sen u(x))u′ (x)

en donde c ∈ R y a ∈ (0, ∞) = R+ .
 2.3 Lı́mites y derivación 81

4
E JEMPLO 2.7. Las derivadas de las funciones f (x) = sen(ln x2 ) y g(x) = ex
son respectivamente
1 2 4 4
f ′ (x) = (cos(ln x2 )) · 2
· 2x = cos(ln x2 ) y g ′ (x) = ex · (4x3 ) = 4x3 ex .
x x

Como hemos visto la derivada de una función en un punto es un lı́mite.

Si consideramos lı́mites laterales llegamos al concepto de derivada por la Notación: Recuerde que a+
derecha y por la izquierda. indica que es para valores
mayores que a (a la derecha
Definición 2.3 Una función f es derivable por la derecha en a si existe de a) y a− valores menores
que a (o por la izquierda).
y es finito
f (a + h) − f (a)
f ′ (a+ ) = lı́m .
h→0+ h
El valor f ′ (a+ ) es la derivada por la derecha de f en a.
Análogamente, f es derivable por la izquierda en a si existe y es finito

f (a + h) − f (a)
f ′ (a− ) = lı́m .
h→0− h

El valor f ′ (a− ) es la derivada por la izquierda de f en a.

Las derivadas f ′ (a+ ) y f ′ (a− ) reciben el nombre de derivadas laterales

y se verifica lo siguiente.

Si las derivadas laterales en a existen y coinciden, entonces la de-

rivada en a existe y su valor coincide con el de las derivadas late-
rales.

2.3. Lı́mites y derivación

2.3.1. Motivación
Introducción
Hemos utilizado el concepto de lı́mite para definir la derivada. Ahora
nos plateamos si la existencia de derivada nos puede ayudar en el cálculo
de lı́mites. La respuesta a esta pregunta es afirmativa y recibe el nombre de
Regla de L’Hôpital.
82 C AP ÍTULO 2 / Funciones derivables

Orientaciones
En el tema, después de presentar el resultado, realizaremos varios ejem-
plos de su aplicación tratando de ilustrar las diferentes situaciones en la que
puede ser utilizado. La práctica hará que domine su uso.

Objetivos
Tras el estudio de este tema deberá ser capaz de saber si puede aplicar
la Regla de L’Hôpital para el cálculo de un lı́mite y de ser ası́, cómo hacerlo.

2.3.2. Regla de L’Hôpital

Como se verá muy pronto la siguiente propiedad descubierta por John
Bernoulli, pero llamada Regla de L’Hôpital, resulta de gran utilidad para el
cálculo de lı́mites. La Regla de L’Hôpital indica que si aparece una indeter-
minación del tipo 00 o ∞∞ considerando el lı́mite de un cociente de funciones
tal vez nos interese saber que tal lı́mite coincide con el del cociente de sus
derivadas. En principio puede parecer poco útil puesto que debemos cal-
cular el lı́mite del cociente de las derivadas, y para realizarlo, pasar antes el
trabajo de derivar.

Regla de L’Hôpital. Supongamos que f y g son funciones con el mismo

dominio, derivables y que g ′ (x) 6= 0 cerca de a (esta última condición no
excluye que g ′ (a) pueda ser 0). Si

lı́m f (x) = lı́m g(x) = 0

x→a x→a

o
La Regla de L’Hôpital tam- lı́m f (x) = ±∞ y lı́m g(x) = ±∞.
x→a x→a
bién es válida para lı́mites en
el infinito o lı́mites laterales, Entonces
es decir podemos reempla-
f (x) f ′ (x)
lı́m = lı́m ′ =ℓ
zar en el enunciado a por ∞, x→a g(x) x→a g (x)
−∞, a+ o a− .
en donde ℓ ∈ R.

El siguiente ejemplo nos sacará de dudas sobre la utilidad del resultado

anterior.
sen x
E JEMPLO 2.8. Calculemos el valor del lı́mite lı́m .
x→0 x
 2.3 Lı́mites y derivación 83

Se trata de una indeterminación del tipo 00 . Se verifican las condiciones

de la Regla de L’Hôpital puesto que las funciones seno e identidad son
derivables y x 6= 0 excepto en 0.
sen x cos x
lı́m = lı́m = 1.
x→0 x x→0 1

Una de las razones que hace muy versátil a la Regla de L’Hôpital es que Maxima utiliza L’Hôpital para
se puede aplicar de forma reiterada. calcular lı́mites internamente.
La variable “lhospitallim” fija
2
1 + ex el número máximo de veces
E JEMPLO 2.9. Calculemos el valor del lı́mite lı́m . que se aplica para evitar bu-
x→∞ x3
cles infinitos. Por defecto, su
Se trata de una indeterminación del tipo ∞
∞ . Es sencillo comprobar que valor es 4.
se verifican las condiciones de la Regla de L’Hôpital. Luego
2 2 2
1 + ex 2xex 2ex
lı́m = lı́m = lı́m .
x→∞ x3 x→∞ 3x2 x→∞ 3x
∞
Pero el último lı́mite sigue llevándonos a la indeterminación ∞ . Vol-
vemos a aplicar L’Hôpital (fijémonos en que seguimos en condiciones de
hacerlo)
2 2
2ex 4xex
lı́m = lı́m = ∞.
x→∞ 3x x→∞ 3
Por lo tanto el valor buscado es ∞.
La Regla de L’Hôpital no sólo es útil cuando nos enfrentamos a lı́mites
de cocientes con indeterminaciones del tipo 00 y ∞ ∞
, ya que a veces es posible
transformar lı́mites con otras indeterminaciones en las anteriores.
Indeterminaciones del tipo ∞ − ∞ pueden desaparecer o transformarse
en una del tipo ∞ 0
∞ o 0 si realizamos la resta.
 
1 1
E JEMPLO 2.10. Calculemos lı́m − .
x→0+ x sen x
Se trata de una indeterminación del tipo ∞ − ∞. Operando se tiene
 
1 1 sen x − x
lı́m − = lı́m
x→0 + x sen x x→0 + x sen x
que nos lleva a una indeterminación del tipo 00 , a la que se puede aplicar
L’Hôpital ya que las funciones son derivables y la derivada del denomina-
dor no se anula cerca de 0
sen x − x cos x − 1
lı́m = lı́m
x→0+ x sen x x→0+ sen x + x cos x
84 C AP ÍTULO 2 / Funciones derivables

que mantiene la indeterminación del tipo 00 . Volviendo a aplicar L’Hôpital

obtenemos el valor buscado
− sen x
lı́m = 0.
x→0+ cos x + cos x − x sen x

Las indeterminaciones del tipo ±∞ · 0 no aparecen citadas en la Regla

de L’Hôpital. Pero recordando lo siguiente podremos atacarlas
f (x)
lı́m f (x) · g(x) = lı́m 1 .
x→a x→a
g(x)
 π
E JEMPLO 2.11. Calculemos el valor de lı́m x− tg x.
x→ π2 − 2
Se trata de una indeterminación del tipo 0 · ∞. Pero
π
x− 2
lı́m 1
x→ π2 − tg x

tiene la indeterminación 00 y está en las condiciones de L’Hôpital. Luego

 π x − π2 x − π2 1
lı́m x − tg x = lı́m 1 = lı́m cos x = lı́m −1 = −1.
x→ 2π− 2 x→ 2π −
tg x x→ 2 π −
sen x x→ 2π −
sen2 x

Si nos encontramos con una indeterminación del tipo ∞0 deberemos

utilizar logaritmos primero.
1
E JEMPLO 2.12. Calculemos lı́m x x .
x→∞

Se trata de una indeterminación del tipo ∞0 . Si suponemos que

1
lı́m x x = l
x→∞

tomando logaritmos se tiene

1 1 1
ln lı́m x x = ln l ⇔ lı́m ln x x = ln l ⇔ lı́m ln x = ln l.
x→∞ x→∞ x→∞ x
Ahora estamos en condiciones de emplear la Regla de L’Hôpital y se
tiene
1
ln x
lı́m = lı́m x = 0.
x→∞ x x→∞ 1
Por lo tanto, ln l = 0 y, en consecuencia, l = 1 es el valor buscado.
 2.3 Lı́mites y derivación 85

Ojo, un error tı́pico es olvidar que aplicamos logaritmos y dar

como valor del lı́mite 0 en lugar de 1.

También las indeterminaciones del tipo 1∞ pueden estudiarse utilizan-

do logarı́tmos que nos llevan a una indeterminación del tipo 0 · ∞. Sin
embargo, es muy útil el siguiente resultado.
 f (x)
1
Proposicion 2.2 Si lı́m f (x) = ±∞ se tiene lı́m 1 + = e.
x→a x→a f (x)

 2x2
1
E JEMPLO 2.13. Calculemos el lı́mite lı́m 1+ 2 .
x→∞ x
Recordando las propiedades de las potencias se tiene
  2   2 !2  x 2 !2
1 2x 1 x 1
lı́m 1 + 2 = lı́m 1+ 2 = lı́m 1+ 2 = e2 .
x→∞ x x→∞ x x→∞ x

Seguro que a algún lector le sonará el ejemplo anterior y si retrocedemos

a la sección dedicada a las sucesiones encontraremos que el ejemplo que
acabamos de presentar coincide, cambiando x por n, con el Ejemplo 1.29.
Esto nos lleva a plantearnos la relación entre lı́mites de sucesiones y de
funciones.
Ası́, para terminar este capı́tulo volvemos a considerar lı́mites de suce-
siones. Hemos visto que la Regla de L’Hôpital es muy útil en el cálculo de
lı́mites de funciones. ¿Qué ocurre con los lı́mites de sucesiones que estu-
diamos anteriormente? La siguiente propiedad establece cómo utilizar las
técnicas de lı́mites de funciones para calcular algunos lı́mites de sucesiones.

Proposicion 2.3 Si lı́m f (x) = l ∈ R, entonces lı́m f (n) = l.

x→∞ n→∞
Si contamos el número de ve-
ln n ces que ha aparecido el ape-
E JEMPLO 2.14. Calculemos lı́m . llido L’Hôpital está claro que
n→∞ n
éste acertó en la apropiación
1
ln x del resultado de John Ber-
Antes hemos visto que gracias a L’Hôpital lı́m = lı́m x = 0. noulli que le llevarı́a a la pos-
x→∞ x x→∞ 1
ln n teridad.
Luego, aplicando la propiedad anterior lı́m = 0.
n→∞ n
86 C AP ÍTULO 2 / Funciones derivables

2.4. Método de Newton. Método de punto fijo

2.4.1. Motivación
Introducción
Una aplicación muy útil de las derivadas se encuentra en la resolución
aproximada de ecuaciones del tipo f (x) = 0 (suponemos que f es una fun-
ción continua y derivable). Como ya dijimos al presentar el método de bi-
sección, la solución a cualquier ecuación de este tipo no se puede encontrar
de forma exacta en la mayorı́a de las ocasiones. Por eso, hay que recurrir a
métodos aproximados. Dentro de estos métodos se encuentran el de New-
ton y el de punto fijo, que vamos a estudiar a continuación.

Orientaciones
Para poder aprovechar al máximo el estudio en este apartado, es im-
portante conocer las derivadas de las funciones elementales, por lo que se
remite al Curso 0 a aquellos estudiantes que tengan dificultades al respecto.
También es necesario que el estudiante sea capaz de acotar una expresión.

Objetivos
Tras estudiar esta sección, el estudiante podrá determinar la solución
aproximada de una ecuación de una variable por los métodos de punto fijo
y de Newton. Además, distinguirá las ventajas y desventajas de cada méto-
do y sabrá elegir entre ellos para la resolución de un problema concreto.

2.4.2. Método de Newton

Comenzamos en un punto x0 (podemos suponer que es una primera
aproximación de la solución) y trazamos la recta tangente a la gráfica de
f en (x0 , f (x0 )). Normalmente, el punto donde esta recta corta al eje x es
una aproximación mejor de la solución que x0 (Figura 2.2). El proceso de
aproximación se repite iterativamente, hasta encontrar una solución válida.
La derivada de f es importante porque nos da la iteración xn+1 a partir
de xn , ya que f ′ (xn ) es la pendiente de la recta tangente a la gráfica de f por
(xn , f (xn )). Este proceso se llama método de Newton, de Newton-Raphson
o de Newton-Fourier y es uno de los métodos más utilizados por su senci-
llez y rapidez. Aunque no es un método infalible (puede no converger bajo
 2.4 Método de Newton. Método de punto fijo 87

20 f (x) = x4 − 5

10

b b b

0 1 2

Figura 2.2: Método de Newton.

ciertas condiciones), tiene ventajas frente al método de bisección, como que

no necesitamos conocer un intervalo donde está la solución y que cuando
converge, lo hace mucho más rápido.
Antes de la descripción rigurosa de este método, veremos su potencial
con un ejemplo.
√
E JEMPLO 2.15. Una de las soluciones de x4 − 5 = 0 es x = 4
5. Vamos a
buscar una aproximación por el Método de Newton.

Comenzamos con la aproximación inicial x0 = 2. Calculamos el valor

de f en 2 y tenemos f (2) = 11, y está lejos de ser una solución aproximada
aceptable.
Nuestro siguiente candidato a solución aproximada es x1 , que es el pun-
to donde corta la tangente en (2, 11) a la gráfica al eje x (Figura 2.2). De for-
ma general, la ecuación de la recta que pasa por (x0 , y0 ) y tiene pendiente
m es:
y − y0 = m (x − x0 ) .

En nuestro caso, y0 = f (x0 ) y m = f ′ (x0 ) porque es la pendiente de la

recta tangente en x0 :

y − f (x0 ) = f ′ (x0 ) (x − x0 ) .

Nos interesa encontrar x1 , que es el punto donde la recta tangente corta

88 C AP ÍTULO 2 / Funciones derivables

al eje x, es decir, x1 verifica la ecuación anterior con y = 0. Tenemos:

f (x0 )
−f (x0 ) = f ′ (x0 ) (x1 − x0 ) ⇒ − = x1 − x0
f ′ (x0 )
f (x0 )
⇒ x1 = x0 − ′ .
f (x0 )
Si f ′ (x0 ) fuera 0, entonces no podrı́amos calcular x1 y tendrı́amos que
comenzar con otro valor de x0 . En nuestro ejemplo, f (x) = x4 − 5 y f ′ (x) =
4x3 . Por tanto:
f (x0 ) x4 − 5
x1 = x0 − ′ = x0 − 0 3 .
f (x0 ) 4x0
Evaluando en x0 = 2 la expresión anterior, resulta:
24 − 5 53
x1 = 2 − = ≈ 1,6563.
4 · 23 32
La idea es continuar con este proceso (Figura 2.2) para obtener aproxi-
maciones sucesivas:
1,65634 − 5
x2 = 1,6563 − ≈ 1,5173
4 · 1,65633
1,51734 − 5
x3 = 1,5173 − ≈ 1,4958
4 · 1,51733
Y ası́ sucesivamente. Este procedimiento nos lleva a la solución aproxi-
mada de forma bastante rápida.
√
xi f (xi ) error: xi − 4 5
2 11 0,50465
1,6563 2,5249 0,1609
1,5173 −6,5241 × 10 −4 2,1951 × 10−2
1,4958 6,0377 × 10−3 4,5122 × 10−4
En esta tabla hemos utilizado aproximaciones a las fracciones, para sim-
plificar los resultados.

Método de Newton. Se puede aplicar para funciones f derivables. Se

puede resumir en la igualdad que nos da la expresión de una iteración
xn+1 a partir xn , f (xn ) y f ′ (xn ):

f (xn )
xn+1 = xn − .
f ′ (xn )
 2.4 Método de Newton. Método de punto fijo 89

Con los valores xn se construye una sucesión que converge, en principio

(ver nota al margen), a una solución de f (x) = 0. ¿Es infalible el método de
Newton? Puede no conver-
E JEMPLO 2.16. Compruébese que en el Ejemplo 2.15, la sucesión que se ger a una solución aproxima-
obtiene con las iteraciones dadas por el método de Newton si no tiene ele- da de la ecuación′ f (x) = 0.
Por ejemplo, si f (xn ) = 0
mentos cero y converge, lo hace a una solución de x4 − 5 = 0.
para algún n, entonces no se
Puesto que xn 6= 0, tenemos puede finalizar el proceso ite-
rativo comenzando con el va-
3xn 5 3x4n 5 lor que hemos elegimos de
xn+1 = + 3 ⇔ xn+1 x3n = + . x0 . O se puede dar la situa-
4 4xn 4 4 ción que se representa en la
figura:
Tomando lı́mites cuando n → ∞ y suponiendo que lı́mn→∞ xn = x̃,
 4  b

3

3xn 5 3x̃4 5
lı́m xn+1 xn = lı́m + ⇒ x̃4 = +
n→∞ n→∞ 4 4 4 4 b b

3x̃ 4 5 x̃ 4 5
⇒ x̃4 − = ⇒ = ⇒ x̃4 = 5.
4 4 4 4 b

√
Las soluciones de esta ecuación son x̃ = ± 4 5 y con el método de Newton
obtuvimos la raı́z positiva.

Para saber cuándo debemos finalizar las iteraciones se utiliza un criterio

de parada. Un criterio muy usual es que el siguiente error

|xn − xn−1 |
εr =
|xn |

sea menor que un valor dado. El número εr es el error relativo aproximado

y está muy relacionado con el error absoluto aproximado

εa = |xn − xn−1 | .

Se toman valores absolutos porque generalmente no es importante te-

ner en cuenta si el error es por defecto o por exceso1 . Se divide entre |xn |
para tener en cuenta la influencia del tamaño de xn en la estimación del
error, de la misma manera que no consideramos lo mismo, por ejemplo,
que el precio de un caña de cerveza suba 10 céntimos, como que suba 10
céntimos el precio de un coche.
1
Aunque hay casos en los que sı́ lo es, por ejemplo, al calcular la velocidad mı́nima de
despegue de un avión. Un error por defecto significa que el avión no despega y se sale de
la pista. Un error por exceso no tiene esa trascendencia: solo se gasta más combustible.
90 C AP ÍTULO 2 / Funciones derivables

De forma rigurosa el test de parada se deberı́a utilizar con el error rela-

tivo exacto (es decir, con la solución exacta x̃ en vez de la aproximación xn ),
pero en la práctica puede resultar imposible: aplicamos un método numéri-
co porque no podemos encontrar la solución exacta. Pero se supone que x̃
está cerca de xn (aunque no siempre sea ası́) y por esto se utiliza el método
de aproximación.
Otro criterio de parada puede ser un número máximo de iteraciones,
indicadas a priori. Es muy conveniente para la implementación del método
de Newton en un ordenador, para evitar errores como el indicado en la
figura de la nota al margen, que nos llevarı́a a un proceso infinito y no
convergente.

2.4.3. Puntos fijos de funciones

Hay elementos del dominio de una función que tienen un nombre pro-
pio por sus caracterı́sticas particulares, por ejemplo, llamamos raı́ces o ce-
ros de una función a los elementos del dominio que tal función lleva a cero.
En esta sección nos centraremos en los elementos que la función deja inva-
riantes y que reciben el nombre de puntos fijos.
Gráficamente los puntos fijos
Definición 2.4 Dada una función g diremos que x̃ es un punto fijo de g
de una función g son las in-
tersecciones de su gráfica con si se cumple g(x̃) = x̃.
la recta y = x.
Para calcular los puntos fijos de una función g debemos resolver la ecua-
ción x = g(x). A continuación presentaremos un método iterativo muy
y=x sencillo para aproximar puntos fijos. O dicho con otras palabras, un méto-
y = g(x)
b
do para resolver numéricamente ecuaciones de la forma
b

x = g(x),
b

en donde g es una función continua que cumplirá unas condiciones que

estableceremos más adelante. Pero primero, veamos cómo funciona.

Método de punto fijo. Escogemos una primera aproximación x0 , el pri-

mer iterante será x1 = g(x0 ), el segundo será x2 = g(x1 ) y de forma
general el iterante n-ésimo será

xn+1 = g(xn ). (2.3)

 2.4 Método de Newton. Método de punto fijo 91

Es sencillo demostrar que si la sucesión de iterantes ası́ construida con-

verge, entonces lo hará a una solución de la ecuación x = g(x). Efectiva-
mente, si lı́m xn = a y tomamos lı́mites en (2.3), entonces
n→∞

lı́m xn = lı́m g(xn−1 ) ⇔ lı́m xn = g( lı́m xn−1 ) ⇔ a = g(a).

n→∞ n→∞ n→∞ n→∞

Por lo tanto, para poder utilizar el método debemos conocer alguna

condición que garantice la convergencia de la sucesión de iterantes.

Teorema 2.2 Si g : [a, b] → [a, b] verifica para algún k ∈ [0, 1)

|g′ (x)| ≤ k, ∀x ∈ (a, b),

entonces:

1. g tiene un único punto fijo en [a, b];

2. para cualquier condición inicial x0 ∈ [a, b] la sucesión dada por

(2.3) converge al único punto fijo de g en [a, b].

Fijémonos con atención en el Teorema 2.2. Para aplicarlo necesitamos

que la función g transforme un intervalo cerrado en sı́ mismo (g : [a, b] →
[a, b]) y que en (a, b) la derivada de g esté acotada en valor absoluto por
un número menor que 1 (|g′ (x)| ≤ k < 1, ∀x ∈ (a, b)). Como resultado
obtenemos que la sucesión de iterantes converge, tal y como querı́amos,
pero además sabemos que lo hace a un punto fijo contenido en [a, b] y que
ese punto fijo es único.
Además, en las condiciones del Teorema 2.2, es posible conocer el error
absoluto cometido al aproximar el punto fijo por un iterante.

Teorema 2.3 En las condiciones del Teorema 2.2 se verifica

kn
|xn − x̃| < (b − a),
1−k
donde x̃ es el único punto fijo de g en [a, b] y k es el número que acota a
|g′ |.

Del Teorema 2.3 deducimos el número de iteraciones que debemos rea-

lizar para garantizar que el error cometido sea menor que ε, puesto que
92 C AP ÍTULO 2 / Funciones derivables

debemos encontrar el número natural n más pequeño para el que

kn
(b − a) < ε.
1−k
1
E JEMPLO 2.17. Dada la ecuación cos x = x.
2
a) Comprobar que el método de punto fijo converge para cualquier dato
inicial x0 ∈ [0, π2 ].

b) Utilice el método de punto fijo para aproximar una solución de la

ecuación partiendo del dato inicial x0 = 1 y con cuatro iteraciones.

c) Estime el error absoluto cometido al utilizar esa aproximación.

d) ¿Cuántas iteraciones necesitarı́a realizar como mı́nimo para garanti-

zar que el error absoluto es menor que 0,01?

Vayamos apartado por apartado.

a) Resolver la ecuación 21 cos x = x es equivalente a encontrar los puntos

fijos de g(x) = 21 cos x. Veamos si se cumplen las hipótesis del Teore-
ma 2.2 para g(x) = 12 cos x en el intervalo [a, b] = [0, π2 ].
En primer lugar comprobemos que g : [a, b] → [a, b].

Sabemos que cos x ∈ [0, 1] para x ∈ [− π2 , π2 ], ahora bien,

como [0, π2 ] ⊂ [− π2 , π2 ] resulta

1 π π
0≤ cos x ≤ 1 < , x ∈ [0, ].
2 2 2

Y hemos demostrado que g : [0, π2 ] → [0, π2 ].

Ahora probemos que |g′ (x)| ≤ k < 1 para todo x ∈ (a, b).

Derivando y teniendo en cuenta que el seno varı́a entre −1

y 1 resulta
1 1
|g′ (x)| = sen x ≤ < 1.
2 2
Por lo tanto podemos tomar k = 12 .
 2.4 Método de Newton. Método de punto fijo 93

En consecuencia el Teorema 2.2 garantiza que el método de punto fijo

converge para cualquier dato inicial x0 ∈ [0, π2 ].

b) Tenemos que el dato inicial facilitado es x0 = 1. Sin más que sustituir

resulta (recuerde que el argumento de cos x se toma en radianes)

x1 = g(1) = 21 cos 1 = 0,2701; x2 = g(0,2701) = 0,4819;

x3 = g(0,4819) = 0,4430; x4 = g(0,4430) = 0,4517.

c) Sabemos que
kn
|xn − x̃| < (b − a).
1−k
Sustituyendo,

( 12 )4  π  π
|x4 − x̃| < 1 2 − 0 = 4 = 0,1963.
1− 2 2

k n
d) Buscamos el primer número natural tal que 1−k (b − a) < 0,01, en
donde a, b y k son números conocidos. Sustituyendo resulta
 n
( 12 )n  π  1 0,01
1 − 0 < 0,01 ⇔ < .
1− 2 2 2 π

Tomando logaritmos en la última desigualdad y recordando que el

logaritmo de un número entre 0 y 1 es negativo, tenemos
     
1 0,01 1 0,01
n ln < ln ⇔ n> ln .
2 π ln( 12 ) π

Finalmente, como 1
ln( 12 )
ln( 0,01
π ) ≈ 8,2953, debemos realizar nueve ite-
raciones para poder garantizar que el error absoluto cometido es me-
nor que 0,01.
El método de punto fijo puede ser empleado para aproximar raı́ces de
funciones. Es decir, para resolver numéricamente la ecuación f (x) = 0.
Para hacerlo debemos previamente transformar la ecuación f (x) = 0 en
una equivalente de la forma x = g(x), esta transformación no es única, es
más hay infinitas maneras de hacerla. Una muy sencilla consiste en sumar
x en ambos lados de la ecuación f (x) = 0 con lo cual

f (x) + x = x,
94 C AP ÍTULO 2 / Funciones derivables

y tomarı́amos
g(x) = f (x) + x.

E JEMPLO 2.18. Transformemos la ecuación x3 − x = 0 en una ecuación de

la forma g(x) = x de, al menos, dos formas distintas.

Sumando x en ambos lados de x3 − x = 0 llegamos a x3 = x. Por tanto,

una primera g puede ser g(x) = x3 .
√
Si tomamos raı́ces cúbicas resulta x = 3 x. Por tanto, otra g válida es
√
g(x) = 3 x.
Si buscamos una raı́z no nula, podemos dividir por x2 y obtener x = x1 .
Por tanto, otra posible función g viene dada por g(x) = x1 .

2.5. Teoremas de Rolle y del valor medio

2.5.1. Motivación
Introducción
El Teorema de Bolzano establecı́a que si una función f era continua en
un intervalo y tomaba valores de distinto signo en los extremos del inter-
valo entonces existı́a un punto c en el que f (c) = 0. En este tema establece-
remos el teorema de Rolle que nos da una condición suficiente para que la
derivada de una función se anule, es decir, para que exista un punto d en el
que f ′ (c) = 0.
Como consecuencia del Teorema de Rolle obtendremos el del valor me-
dio y condiciones para el crecimiento y decrecimiento de una función en
un intervalo.

Orientaciones
Fı́jese en la importancia de que todas las hipótesis de un teorema se
cumplan para poder aplicarlo.

Objetivos
Al finalizar la lectura de esta sección conocerá los Teoremas de Rolle,
valor medio y algunas de sus implicaciones.
 2.5 Teoremas de Rolle y del valor medio 95

2.5.2. Teorema de Rolle

Teorema de Rolle. Sea f : [a, b] → R continua en [a, b], derivable en (a, b)

y f (a) = f (b). Entonces existe al menos un c ∈ (a, b) tal que f ′ (c) = 0.

E JEMPLO 2.19. La función f (x) = x2 en el intervalo [−1, 1] verifica las con-

diciones del teorema ya que

f (−1) = (−1)2 = 1 = 12 = f (1)

y f es derivable en (−1, 1) y continua en [−1, 1]. En efecto, f ′ (x) = 2x y vale

0 si x = 0.

E JEMPLO 2.20. La función sen x verifica las condiciones del Teorema de

Rolle en cualquier intervalo de la forma [a, a + 2nπ], n ∈ N, ya que se trata
de una función continua y derivable en todo R y sen a = sen(a + 2nπ).

Comprobemos que si falla alguna de las condiciones del Teorema de

Rolle éste deja de verificarse.

En primer lugar consideremos la función f : [0, 1] → R dada por

f (x) = x + 1. Es evidente que f es continua en [0, 1] y derivable en
(0, 1), pero
f (0) = 1 6= 2 = f (1).

Como f ′ (x) = 1, no se anula en (0, 1). Por lo tanto la tesis del teorema
no se verifica debido a que la hipótesis f (0) = f (1) falla.

Sea ahora f : [−1, 1] → R dada por f (x) = |x|. La función valor

absoluto es continua en R y en particular en [−1, 1]. Por otro lado,
f (−1) = f (1) ya que f (−1) = | − 1| = 1 = |1| = f (1). Sin embargo, f
no es derivable en 0 aunque sı́ en el resto de los puntos del intervalo

′ 1, x > 0,
(−1, 1). Por tanto, f (x) = no tiene porqué anularse y
−1, x < 0,
no lo hace.

Finalmente consideremos una función en la que falle la hipótesis rela-


x, x > 0,
tiva a la continuidad. Sea f : [0, 1] → R dada por f (x) =
1, x = 0.
Se trata de una función derivable en (0, 1) y f (0) = 1 = f (1). Pero f
96 C AP ÍTULO 2 / Funciones derivables

no es continua en 0 aunque sı́ en el resto de los puntos en los que

está definida. Evidentemente su derivada f ′ (x) = 1 no se anula en el
intervalo (0, 1).

Pero mucho cuidado, no debemos malinterpretar los contraejemplos

anteriores. Es sencillo encontrar funciones definidas en un cierto interva-
lo [a, b] que no verifican las hipótesis del Teorema de Rolle en [a, b] y sin
embargo su derivada sı́ se anula en algún punto de (a, b). Por ejemplo,
f (x) = x3 es continua en el intervalo [−1, 1] y derivable en (−1, 1), no veri-
fica f (−1) = f (1) pero
f ′ (x) = 3x2
y por lo tanto f ′ (0) = 0.

2.5.3. Teorema del valor medio

Teorema del valor medio:
El Teorema de Rolle permite demostrar el siguiente resultado que ade-
(b, f (b)) b
más lo generaliza.

Teorema del valor medio. Si f : [a, b] → R es continua en [a, b] y deriva-

ble en (a, b), entonces existe al menos un c ∈ (a, b) tal que
b
(c, f (c)) f (b) − f (a)
f ′ (c) = .
b

(a, f (a))
b−a
La recta tangente en (c, f (c))
y el segmento que une Demostración: Para demostrarlo aplicaremos Rolle a la función
(a, f (a)) y (b, f (b)) son
paralelos. f (b) − f (a)
h(x) = f (x) − f (a) − (x − a).
b−a
La función h es continua en [a, b] puesto que f es continua y la función
x − a también (recuérdese que a, b, f (a) y f (b) son números).
Derivando se tiene
f (b) − f (a)
h′ (x) = f ′ (x) − .
b−a
Ahora bien, la derivabilidad de f en (a, b) garantiza que la expresión ante-
rior tiene sentido en todo (a, b) y h es derivable en tal intervalo.
Finalmente
f (b) − f (a)
h(a) = f (a) − f (a) − (a − a) = 0
b−a
 2.5 Teoremas de Rolle y del valor medio 97

f (b) − f (a)
h(b) = f (b) − f (a) − (b − a) = f (b) − f (a) − f (b) + f (a) = 0.
b−a

Luego h(a) = h(b) = 0 y gracias al Teorema de Rolle podemos afirmar

que existe al menos un c ∈ (a, b) tal que

f (b) − f (a)
h′ (c) = f ′ (c) − = 0.
b−a

f (b) − f (a)
Con lo cual f ′ (c) = . En muchos textos de ma-
b−a temáticas, para poner de
El teorema del valor medio tiene una clara interpretación geométrica manifiesto el final de una
demostración se escribe
que describimos a continuación y que aparece en la figura de la página un acrónimo c.q.d.: como
anterior. El segmento que une los puntos (a, f (a)) y (b, f (b)) tiene pendiente querı́amos demostrar, q.e.d.:
f (b) − f (a) quod erat demonstrandum (o
. Por lo tanto, el Teorema del valor medio afirma que para toda
b−a quit endless discussion ;-)) o se
función continua en un intervalo [a, b] y derivable en (a, b) existe un punto sitúa el sı́mbolo ⊓
⊔ al final.
perteneciente al intervalo abierto en el que la recta tangente a la gráfica de
la función es paralela al segmento que une los puntos (a, f (a)) y (b, f (b)).
El Teorema de Rolle también tiene una interpretación geométrica puesto
que si f ′ (c) = 0 entonces la recta tangente es paralela al eje x. Por lo tanto
el teorema garantiza la existencia de un punto en el que la recta tangente a
la función es horizontal.

Ya sabemos que una función constante tiene derivada nula. Pero, ¿son
las únicas con esta caracterı́stica? El siguiente resultado, sencillo de demos-
trar a partir del Teorema del valor medio, nos sacará de dudas.

Teorema 2.4 (Caracterización de las funciones constantes) La función

f es constante en (a, b) si y solamente si f ′ (x) = 0 para todo x ∈ (a, b).

Las funciones f (x) = x y g(x) = x + π tienen la misma derivada y

difieren en una constante. Esto no es una casualidad. Si f ′ (x) = g ′ (x) en
(a, b) y definimos h(x) = f (x)−g(x) se tiene que h′ (x) = 0. Luego aplicando
el Teorema 2.4 la función h es una función constante en (a, b), esto es, para
cierto c ∈ R fijo,
h(x) = f (x) − g(x) = c.
98 C AP ÍTULO 2 / Funciones derivables

2.5.4. Funciones monótonas

Como consecuencia del Teorema del valor medio también obtendremos
condiciones suficientes para la monotonı́a de una función. Pero para poder
establecer esos resultados necesitamos previamente definir qué entende-
mos por una función monótona.

Definición 2.5 Una función f es creciente en un intervalo I si se verifica

f (a) ≤ f (b) para todo a, b ∈ I con a < b.
Una función f es decreciente en un intervalo I si se verifica f (b) ≤ f (a)
para todo a, b ∈ I con a < b.
Una función f es estrictamente creciente (estrictamente decreciente) en
I si f (a) < f (b) (f (b) < f (a)) para todo a, b ∈ I con a < b.
Una función f es monótona en I si es creciente o decreciente.

Por lo tanto, todas las funciones estrictamente crecientes (estrictamente

decrecientes) son crecientes (decrecientes) y, en particular, son monótonas.

Proposicion 2.4 Si f ′ (x) > 0 para todo x del intervalo I, entonces f es

estrictamente creciente en I.
Si f ′ (x) < 0 para todo x del intervalo I, entonces f es estrictamente
decreciente en I.
Si f ′ (x) ≥ 0 (f ′ (x) ≤ 0) para todo x del intervalo I, entonces f es crecien-
te (decreciente) en I.

Efectivamente, para cualesquiera a, b ∈ I con a < b el Teorema del valor

medio garantiza la existencia de c ∈ (a, b) tal que
f (b) − f (a)
f ′ (c) = .
b−a
Si f ′ (x) > 0 en I, tenemos en particular que f ′ (c) > 0 y

f (b) − f (a) = f ′ (c)(b − a) > 0.

Por tanto, f (a) < f (b) y la función es estrictamente creciente en I. Deja-

mos al lector el razonamiento si f ′ (x) < 0, f ′ (x) ≥ 0 y f ′ (x) ≤ 0 en I.
Por supuesto, las condiciones anteriores son condiciones suficientes pa-
ra la monotonı́a, ya que una función monótona puede no ser continua y
por lo tanto no derivable.
 2.5 Teoremas de Rolle y del valor medio 99

E JEMPLO 2.21. La función dada por y


x, x ∈ [0, 12 ), 1
f (x) =
x + 2 , x ∈ [ 12 , 1],
2 1 b

es creciente pese a ser discontinua y por lo tanto no derivable en 12 .

0 x
Su gráfica aparece en la figura al margen.

E JEMPLO 2.22. Comprobemos que la función f (x) = x3 es estrictamente

creciente pese a que f ′ (0) = 0.
Puesto que f ′ (x) = 3x2 tenemos que en los intervalos (−∞, 0) y (0, ∞)
la función es creciente. Además para cualquier x ∈ (0, ∞) se tiene

f (0) = 0 < x3 = f (x).

Luego f es estrictamente creciente en [0, ∞). De igual forma observa-

mos que f es estrictamente creciente en (−∞, 0]. Y como consecuencia f es
estrictamente creciente en R.
y

2
f (x) = x3
0 x
−2 0 2

−2

Fijémonos en que el Ejemplo 2.22 muestra que ni siquiera restringién-

donos a las funciones con función derivada continua es válido el recı́proco
de la Proposición 2.4.

E JEMPLO 2.23. Estudiemos los intervalos de crecimiento y decrecimiento

de la función f : R → R dada por f (x) = xe(1−x) .
100 C AP ÍTULO 2 / Funciones derivables

La función es derivable por ser producto de funciones derivables y

además
f ′ (x) = e(1−x) − xe(1−x) = (1 − x)e(1−x) .
Como la exponencial es siempre positiva el signo de la derivada depen-
derá del signo de 1 − x para x ∈ R. Por tanto, f ′ (x) será positiva si x es
menor que 1 y negativa si x es mayor que 1.
En consecuencia, f será estrictamente creciente en (−∞, 1) y estricta-
mente decreciente en (1, ∞).

Ejercicios de Autoevaluación
Determı́nese si las siguientes afirmaciones son verdaderas:

1. La recta tangente a la gráfica de la función f (x) = x3 − x2 + 2 es

paralela al eje x solamente en los puntos (0, 2) y ( 32 , 50
27 ).

2. Si f, g son derivables en a y f ′ (a) = g ′ (a), entonces f, g son continuas

en a y f (a) = g(a).

3. Se verifica  ′
f f ′ (a)g(a) + g′ (a)f (a)
(a) = .
g [g(a)]2

4. Sabiendo que f es derivable y verifica f (0) = π, y f ′ (0) = 2 calcule

g′ (π/2) para g(x) = cos(f (cos(x)).
 
1 1 1
5. Se verifica lı́m − 2 = .
x→0 (sen x)2 x 3
x − cos x
6. Utilizando la Regla de L’Hôpital resulta que lı́m no existe.
x→∞ x
7. Si x0 6= 0 es un punto fijo de f , entonces x0 es solución de la ecuación

f (x)
− 1 = 0.
x

8. El método de Newton establece que para aproximar una solución de

x = f (x) se puede utilizar el algoritmo

f (xn )
xn+1 = xn + .
f ′ (xn )
 2.5 Teoremas de Rolle y del valor medio 101

9. Si dos funciones f y g verifican f ′′ (x) = g′′ (x) en I, entonces f (x) =

g(x) + k para cierta constante k.

10. Una función creciente en un intervalo I verifica f ′ (x) ≥ 0 para todo

x ∈ I.