TEXTO GUIA - Analisis Matematico y Metodos Numericos

Anlisis Matemtico
y
Mtodos Numricos
Alfonsa Garca Lpez
Francisco Garca Mazaro
Rafael Miano Rubio
Blanca Ruiz Palma
Jos Ignacio Tello del Castillo
Departamento de Matemtica Aplicada

Escuela Universitaria de Informtica
Universidad Politcnica de Madrid
Anlisis Matemtico y Mtodos Numricos

by Alfonsa Garca; Francisco Garca; Rafael Miano; Blanca Ruz; Jos Ignacio Tello
is licensed under a Creative Commons Reconocimiento-No comercial 3.0 Espaa
License: http://creativecommons.org/licenses/by-nc/3.0/es/
Esto es un resumen del texto legal, la licencia completa est disponible en:
http://creativecommons.org/licenses/by-nc/3.0/es/legalcode.es
Pr
ologo
La presente gua contiene el material de apoyo de la asignatura Analisis Matematico y Metodos

Numericos de las titulaciones de Ingeniera Tecnica en Informatica de Sistemas e Ingeniera
Tecnica en Informatica de Gestion, que se imparte en la Escuela Universitaria de Informatica
de la Universidad Politecnica de Madrid durante el curso 2008-09.
La principal novedad de la asignatura para el presente curso consiste en que el tema 3
(Resolucion numerica de ecuaciones) no se impartira como el resto de los temas, sino que
se pedira que los alumnos realicen un trabajo en grupo, que se entregara y contara para la
calificacion final de quienes opten por evaluacion continua.
En el Captulo 0 se puede encontrar informacion sobre los profesores que impartiran la
asignatura a lo largo del curso, los prerrequisitos que se deben conocer al empezar el curso
para un correcto seguimiento de la asignatura, los objetivos que se pretenden conseguir, la
planificacion de las actividades, el material de apoyo para la asignatura, los metodos docentes
y de evaluacion, las fechas de realizacion de las pruebas para los alumnos que deseen optar
por la evaluacion continua, etc. Ademas, se han incluido en el captulo 0 las normas para la
realizacion del trabajo sobre el tema 3 comentado en el parrafo anterior.
A continuacion aparecen en la gua los contenidos de la asignatura, agrupados por temas,
de acuerdo con el programa oficial de la misma. Para cada tema se incluye un desarrollo teorico
con los conceptos, resultados (incluyendo algunas demostraciones) y algunos ejemplos basicos.
Seguidamente aparecen una serie de ejercicios o problemas, de los cuales algunos se resolveran
en clase y otros serviran para el trabajo personal del alumno. Finalmente, en cada tema se
incluye lo que se ha llamado la practica, que contiene una serie de ejercicios y problemas
preparados para realizar con ayuda del ordenador y del programa de calculo simbolico Derive.
Una vez desarrollados los 7 temas de la asignatura, se incluyen en la gua los enunciados
de los examenes que se han realizado durante los dos u
ltimos cursos, con las soluciones a las
preguntas de test.
Y por u
ltimo aparece la bibliografa que se puede consultar para ampliar conocimientos
sobre la asignatura. La bibliografa se ha dividido en tres apartados. En el primero se incluyen
los libros de nivel mas basico, en el segundo la bibliografa complementaria y en el tercero
una serie de libros de problemas donde se pueden encontrar ejercicios y problemas sobre los
contenidos de la asignatura. De todos los libros incluidos en la bibliografa hay ejemplares en
la biblioteca para su consulta o prestamo a los alumnos interesados.
Madrid, enero de 2009.
Bajo Licencia Creative Commons Reconocimiento-No comercial 3.0 Espaa License:
http://creativecommons.org/licenses/by-nc/3.0/es/
iv
Contenidos
Pr
ologo
iii
0 Organizaci
on de la asignatura
Profesores . . . . . . . . . .
Prerrequisitos . . . . . . . .
Objetivos . . . . . . . . . .
Creditos ECTS . . . . . . .
Planificacion de actividades
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Metodos docentes . . . . . . . . . . . . . . . . .
Normas de evaluacion . . . . . . . . . . . . . . .
Material de apoyo . . . . . . . . . . . . . . . . .
Trabajo sobre resolucion numerica de ecuaciones
Cuestiones teoricas de los examenes . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 7
. 7
. 9
. 9
. 16
1 Sucesiones de n
umeros reales
Teora . . . . . . . . . . . .
1.0
Preliminares . . . . .
1.1
Resultados generales
1.2
Ordenes
de magnitud
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
5
6
17
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
. . . . . . . .
Problemas . . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . . .
1.1
Estudio de sucesiones con Derive
1.2
1.3
1.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
24
31
34
34
Sucesiones definidas recursivamente con IF . . . . . . . . . . . . . . . . . 36

Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Ordenes
de magnitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2 Ecuaciones en diferencias
Teora . . . . . . . . . . . . . . . . . . . .
2.1
Ecuaciones en diferencias . . . . . .
2.2
Ecuaciones lineales de primer orden
2.3
Ecuaciones de segundo orden . . .
Problemas . . . . . . . . . . . . . . . . . .
43
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
43
43
44
47
50
Practica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
vi
Contenidos
2.1
2.2
2.3
Resolucion de ecuaciones en diferencias . . . . . . . . . . . . . . . . . . . 53

Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3 Resoluci
on num
erica de ecuaciones
Teora . . . . . . . . . . . . . . . . . . . .
3.1
Resolucion numerica de ecuaciones
3.2
Metodo de biseccion . . . . . . . .
3.3
Metodo de Newton . . . . . . . . .
Problemas . . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . . .
3.1
Metodo de biseccion . . . . . . . .
3.2
Metodo de Newton . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Series num
ericas
Teora . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1
Definiciones y resultados generales . . . . . . . . .
4.2
Series de terminos positivos . . . . . . . . . . . . .
4.3
Series de terminos arbitrarios . . . . . . . . . . . .
4.4
Aproximacion numerica de la suma de una serie . .
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1
Orden de magnitud de la suma parcial de una serie
4.2
Ejercicio . . . . . . . . . . . . . . . . . . . . . . . .
4.3
Problema . . . . . . . . . . . . . . . . . . . . . . .
4.4
Suma aproximada de una serie convergente . . . . .
4.5
Ejercicio . . . . . . . . . . . . . . . . . . . . . . . .
4.6
Problema . . . . . . . . . . . . . . . . . . . . . . .
5 Aproximaci
on local de funciones: Polinomio de Taylor
Teora . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1
Polinomio de Taylor . . . . . . . . . . . . . . . .
5.2
Series de Taylor . . . . . . . . . . . . . . . . . . .
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1
Aproximacion mediante polinomios de Taylor . .
5.2
Problemas . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
59
59
60
63
66
68
69
69
70
.
.
.
.
.
.
.
.
.
.
.
.
.
71
71
71
74
80
82
84
88
88
89
90
91
92
94
.
.
.
.
.
.
.
95
95
95
99
104
106
106
108
6 Aproximaci
on global de funciones: Polinomio interpolador
111
Teora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.1
Polinomio interpolador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Contenidos
6.2
Error del polinomio interpolador .
6.3
Interpolacion a trozos . . . . . . .
Problemas . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . .
6.1
Interpolacion en tablas . . . . . .
6.2
Interpolacion de funciones . . . .
6.3
Problema . . . . . . . . . . . . .
7 Integraci
on
Teora . . . . . . . . . . . . . . . . . . .
7.0
Preliminares . . . . . . . . . . . .
7.1
Funciones definidas por integrales
7.2
Metodos numericos de integracion
7.3
Integracion impropia en intervalos
7.4
Funcion Gamma de Euler . . . .
Problemas . . . . . . . . . . . . . . . . .
Practica . . . . . . . . . . . . . . . . . .
7.1
Metodos numericos de integracion
7.2
Problema . . . . . . . . . . . . .
A Preguntas de examen
A.1 Abril de 2008 (Examen parcial) .
A.2 Junio de 2008 . . . . . . . . . . .
A.3 Septiembre de 2008 . . . . . . . .
A.4 Diciembre de 2008 . . . . . . . .
A.5 Junio de 2007 . . . . . . . . . . .
A.6 Septiembre de 2007 . . . . . . .
A.7 Diciembre de 2007 . . . . . . . .
A.8 Soluciones a las preguntas de test
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
no acotados
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Bibliografa
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
vii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
115
116
119
122
122
123
124
.
.
.
.
.
.
.
.
.
.
127
. 127
. 128
. 133
. 137
. 140
. 142
. 144
. 148
. 148
. 149
.
.
.
.
.
.
.
.
151
. 151
. 153
. 156
. 159
. 161
. 163
. 165
. 168
169
viii
Contenidos
Captulo 0
Organizaci
on de la asignatura
Profesores
El siguiente cuadro recoge informacion sobre los profesores que impartiran la asignatura a lo
largo del presente curso 2008-09, incluyendo los horarios de tutoras, los despachos donde se
atenderan dichas tutoras y las direcciones electronicas.
Profesor
Alfonsa Garca Lopez
Despacho
Tutoras
e-mail
2104-B
Ju 10-13
Vi 10-13
Lu 14-15
Ma 13-14 y 15-16
Ju 18-21
Lu 16-17
Ma 18-20
Ju 10-11 y 15-17
alfonsa.garcia@eui.upm.es
2105
Rafael Mi
nano Rubio
2006
Blanca Ruiz Palma
2004
Jose Ignacio Tello del Castillo
2110
Lu 9-11 y 13-14
Mi 9-12
Ma 10-12
Ju 10-14
gmazario@eui.upm.es
rafael.minano@upm.es
blancar@eui.upm.es
jtello@eui.upm.es
Prerrequisitos
Para el correcto seguimiento de la asignatura son necesarios algunos conocimientos y destrezas
previas, la mayor parte de los cuales forman parte de los contenidos de los programas oficiales
de la ense
nanza media en Espa
na (ESO y Bachiller) o de otras asignaturas del Departamento
impartidas en el primer cuatrimestre. Se recuerda que durante el primer cuatrimestre se
imparte la asignatura de libre eleccion Laboratorio de Matematicas, en la que se repasan dichos
conocimientos.
Los prerrequisitos y destrezas comentados seran:
Captulo 0. Organizacion de la asignatura

Metodos de demostracion: induccion y reduccion al absurdo.
Manejo de propiedades y desigualdades de n
umeros reales.
Modulo y argumento de un n
umero complejo.
Conceptos generales de funciones: dominio, cotas, crecimiento. . .
Resolucion de ecuaciones de segundo grado y de sistemas de ecuaciones lineales.
Conocimiento de las propiedades de las funciones elementales: polinomicas, racionales,
exponenciales, logartmicas, trigonometricas y del valor absoluto.
Calculo de lmites, indeterminaciones y regla de LHopital.
Conocimiento de los conceptos de continuidad de una funcion y del teorema de Bolzano.
Calculo de derivadas y estudio del crecimiento y la convexidad de una funcion.
Calculo de primitivas: elementales, por partes y cambio de variable.
En moodle se puede encontrar material de autoevaluacion sobre los prerrequisitos.
Objetivos
Entre los objetivos de la asignatura distiguiremos entre objetivos cognitivos (referidos a conocimientos que se han de aprender) y objetivos competenciales (es decir, habilidades y destrezas
que se deben adquirir). Detallaremos los objetivos por temas:
Tema 1:
Objetivos cognitivos:
Aprender los conceptos de sucesion, sucesion acotada, sucesion monotona y sucesion
convergente/divergente.
Relacion entre acotacion, monotona y convergencia de una sucesion.
Propiedades de los lmites de sucesiones.
Concepto de orden de magnitud de una sucesion (mismo orden, mucho menor y
O-grande). Propiedades.
Objetivos competenciales:
Ser capaces de resolver problemas que se formulen en terminos de estudiar la convergencia de una sucesion definida de modo explcito (con tecnicas de lmites de funciones
o regla del sandwich) o de modo recursivo.
Saber calcular el orden de magnitud de una sucesion, comparar los ordenes de
diferentes sucesiones y saber aplicarlo al estudio de complejidad de algoritmos.
Tema 2:
Objetivos
Conocer el concepto de ecuacion en diferencias, su orden, si es lineal, homogenea o

de coeficientes constantes.
Ser capaces de resolver problemas formulados mediante una sucesion definida en
modo recursivo por medio de la resolucion de ecuaciones en diferencias lineales de
primer orden y de segundo orden homogeneas con coeficientes constantes.
Tema 3:
Dominar los conceptos de metodo numerico, solucion de una ecuacion (existencia y
unicidad), aproximacion de una solucion, error de aproximacion y cota del error.
Conocer los metodos de biseccion y de Newton para la resolucion aproximada de
ecuaciones.
Ser capaces de resolver problemas que se formulen en terminos de resolver una
ecuacion, saber estudiar si tiene o no solucion, determinar cuantas soluciones tiene,
localizar las soluciones en intervalos y separarlas.
Saber hallar una aproximacion por los dos metodos anteriores y dar una cota del
error.
Saber hallar una aproximacion por el metodo de biseccion con una cota del error
prefijada.
Tema 4:
Comprender los conceptos de serie, termino general de una serie, suma y suma
parcial, convergencia y divergencia de una serie.
Conocer los conceptos de orden de magnitud de la suma parcial de una serie y de
suma aproximada de una serie.
Ser capaces de resolver problemas que se formulen en terminos de la convergencia
de una serie, tanto para series de terminos positivos como para series cualesquiera.
Saber hallar la suma de una serie convergente geometrica.
Saber estudiar el orden de magnitud de la suma parcial de una serie.
Saber hallar la suma aproximada de una serie con una cota del error prefijada.
Tema 5:
Comprender los conceptos de polinomio de Taylor, aproximacion de un valor mediante el polinomio de Taylor de una funcion, aproximacion funcional local y error de
aproximacion.
Conocer la expresion del resto de Lagrange para el error de aproximacion.

Serie de Taylor de una funcion.
Desarrollo en serie de potencias de una funcion y campo de validez.
Conocer los desarrollos en serie de potencias de las funciones sen(x), cos(x), ex ,
ln(1 + x), y su campo de validez.
Saber hallar el polinomio de Taylor de una funcion, usarlo para aproximar un
determinado valor de la funcion y dar una cota del error utilizando el resto de
Lagrange.
Saber aproximar el valor de una funcion con una cota de error prefijada, utilizando
un polinomio de Taylor o bien a partir del desarrollo en serie de potencias de la
misma.
Tema 6:
Comprender los conceptos de aproximacion funcional global, polinomio interpolador,
interpolacion a trozos (lineal, cuadratica) y aproximacion de un valor mediante un
polinomio interpolador.
Conocer las expresiones de la cota del error de una aproximacion para un polinomio
interpolador de cualquier orden y para la interpolacion lineal a trozos.
Dada una tabla de puntos, saber hallar su polinomio interpolador y obtener un valor
aproximado mediante un polinomio interpolador o mediante interpolacion a trozos
(lineal o cuadratica).
Dada una funcion, saber aproximar un determinado valor a partir de un polinomio
interpolador o bien a partir de una interpolacion a trozos (lineal o cuadratica) y dar
una cota del error.
Determinar la longitud de subintervalo necesaria para aproximar una funcion en un
intervalo mediante interpolacion lineal a trozos garantizando una cota de error dada.
Comparar graficamente, con ayuda de Derive, distintas aproximaciones de una
funcion en un punto (polinomio de Taylor, polinomio de interpolacion, interpolacion
lineal a trozos).
Tema 7:
Comprender el concepto de integral de Riemann y sus propiedades basicas (linealidad,
aditividad, monotona. . . ).
Conocer los metodos numericos de integracion del trapecio y de Simpson.
Concepto de funcion definida como integral, su continuidad y derivabilidad.
Conocer y comprender el teorema Fundamental del Calculo.
Aprender el concepto de integral impropia.
Creditos ECTS
Ser capaces de modelizar y resolver problemas que se formulen en terminos de calculo

de una integral.
Saber aplicar los metodos del trapecio y de Simpson para aproximar el valor de una
integral.
Saber hallar un valor aproximado de una integral mediante los metodos del trapecio
y Simpson, con una cota de error prefijada (con Derive).
Saber trabajar con funciones definidas como integrales, estudiando su continuidad y
derivabilidad o hallando su expresion explcita, en particular para funciones sencillas
definidas a trozos.
Saber estudiar la convergencia de algunas integrales impropias y calcular su valor
cuando sean convergentes.
Cr
editos ECTS
La asignatura Analisis Matematico y Metodos Numericos tiene asignados un total de 6 creditos
LRU (equivalentes a 60 horas de clase), que al pasarlos a creditos europeos (tambien llamados
ECTS y equivalentes, cada uno, a 25-30 horas de trabajo del estudiante) se convierten en 4
ECTS, teniendo en cuenta la carga total de creditos de las titulaciones que se imparten en la
Escuela Universitaria de Informatica.
Ello implica que la asignatura se debe programar para un total de entre 100 y 120 horas
de trabajo del alumno, incluyendo horas de clase magistral, horas de problemas, clases con
ordenador, tutoras, estudio personal, examenes, etc.
La planificacion temporal, con las horas previstas que se dedicaran a cada tema, se recogen
en el siguiente cuadro:
Tema
1.
2.
3.
4.
5.
6.
7.
Sucesiones de n
umeros reales
Ecuaciones en diferencias
Resolucion numerica de ecuaciones
Series numericas
Aproximacion local de funciones: Pol. de Taylor
Aproximacion global de funciones: Pol. interpolador
Integracion
Horas totales
Horas presenciales
21
11
15
19
10
6
12
10 + 3
5+2
2
9+2
5 + 15
3 + 15
6+1
En la columna de las horas presenciales se incluyen tanto las horas de clase en aula como
las de laboratorio, y en las horas totales se a
naden las horas previstas de trabajo autonomo del
alumno y las tutoras.
Finalmente, para evaluacion se preve un total de 45 horas para los alumnos que aprueben
por curso y de 75 para los que necesiten hacer el examen final, lo que da un promedio de 6
horas para evaluacion que, al sumarlas con las 94 horas totales del cuadro anterior, se obtienen
entre 985 y 1015 horas totales de trabajo del alumno (seg
un tengan que acudir o no al examen
final), correspondientes a los 4 creditos ECTS de la asignatura.
Planificaci
on de actividades
Tal como se detallara en el punto siguiente, en la asignatura se impartiran clases magistrales,
clases de problemas y clases con ordenador. En este apartado se da informacion sobre los
horarios de las actividades principales.
Los horarios, aulas y profesores que impartiran la asignatura en cada uno de los 8 grupos
se muestran en el siguiente cuadro:
Grupo
Aula
Horario
Profesor
GM-11
SM-11
SM-12
Mixto
GT-11
ST-11
T-12
PAS
4302
3302
3303
1202
3303
3302
3203
Rect.
Ma,Ju: 9-10; Mi: 10-12

Ma,Ju: 9-10; Mi: 9-11
Lu: 13-14; Ma: 12-13; Mi: 12-14
Lu,Ma: 12-13; Vi: 11-12
Lu: 20-21; Ju: 18-20
Lu,Ma,Ju: 17-18
Ma,Mi: 16-17; Ju: 16-18
Ju: 16-19

Alfonsa Garca/Blanca Ruiz
Rafael Mi
nano Rubio
Rafael Mi
nano Rubio
Alfonsa Garca/Blanca Ruiz
Para los grupos GM-11, SM-11, SM-12, T-12 y PAS, en el anterior cuadro se incluyen todas
las horas de clase presenciales, con o sin ordenador. Sin embargo, para los grupos Mixto, GT-11
y ST-11 en horario solo aparecen las clases sin ordenador, por lo que los alumnos de dichos
grupos deberan apuntarse, para las clases con ordenador, en uno de los grupos que aparecen
en el siguiente cuadro. Dichas clases se impartiran en el Centro de Calculo, o bien en el aula
3103.
Lunes
9-10
10-11
11-12
12-13
13-14
14-15
15-16
16-17
17-18
18-19
19-20
20-21
Martes
Miercoles
Jueves
Viernes
R. Mi
nano
R. Mi
nano
R. Mi
nano
Todas las actividades seran anunciadas con la antelacion y publicidad suficiente en la

plataforma moodle para poder ser seguidas por los alumnos interesados. En algunos casos
estas actividades pueden ser distintas para los diferentes grupos de clase, dependiendo del
profesor de cada grupo.
Metodos docentes
M
etodos docentes
Para la imparticion de la asignatura se utilizaran diferentes metodos docentes, que se describen
a continuacion:
De las 100-120 horas correspondientes a los 4 creditos ECTS asignados a la asignatura,
entre 20 y 25 corresponden a clases magistrales, una hora (la primera de curso) se dedicara
a la presentacion de la asignatura, y unas 15-20 horas a clases de problemas (en las que se
corregiran los problemas con n
umero impar de los enunciados que se encuentran en la presente
gua, dejando los n
umeros pares para trabajo personal del alumno), trabajo en grupo, tutoras
colectivas u otras actividades propuestas por cada uno de los profesores de los grupos.
Para la resolucion de los ejercicios y problemas con ordenador, cuyos enunciados se encuentran tambien en la presente gua, se utilizaran aproximadamente 11 horas de clase en aulas
que disponen de entre 20 y 30 ordenadores, en cada uno de los cuales trabajaran uno o dos
alumnos. Para la realizacion de dichos ejercicios y problemas se utilizara el programa Derive.
El n
umero total, aproximado, de horas presenciales dedicadas a los diferentes metodos
docentes se recogen en el cuadro siguiente:
Metodos docentes
Clases de teora
Resolucion de problemas
Practicas de laboratorio
Trabajo en grupo
Exposiciones de trabajo
Tutoras
Examenes (para no aprobados por curso)
Pruebas de evaluacion continua
Horas
22
18
11
2
025
275
35
45
La planificacion de la asignatura incluye la realizacion de un trabajo en equipo que supondra

unas 15 horas de trabajo del alumno, de las cuales 2 son presenciales.
Normas de evaluaci
on
Todos los examenes constaran de preguntas tipo test, cuestiones teoricas y problemas, algunos
de los cuales se realizaran en las aulas del Centro de Calculo para poder hacer uso del ordenador.
En estos u
ltimos los alumnos podran disponer de una hoja del tama
no de un folio, escrito por
una cara, con las anotaciones que estimen oportunas sobre la asignatura o sobre el programa
Derive.
1. Convocatoria de Junio:
El alumno podra elegir una de las siguientes opciones:

(a) Examen final.
La calificacion se obtiene de un u
nico examen que se realizara en la fecha asignada
para la convocatoria de Junio (Viernes 19 de Junio, 9h, www.eui.upm.es).
La asignatura se aprueba obteniendo en el mismo una nota mayor o igual que 5
(sobre 10).
(b) Evaluaci
on continua.
Los alumnos que lo deseen pueden optar por un modelo con:
Un trabajo en grupo sobre el tema 3, obligatorio para los que opten por evaluacion
continua, que tendra un valor del 15% de la nota. La fecha lmite prevista de
entrega del trabajo es el 17 de abril de 2009.
Tres pruebas de evaluacion realizadas a lo largo del curso, una sobre los temas 1
y 2 (que valdra un 30% de la nota), otra sobre los temas 4 y 5 (30%) y otra sobre
los temas 6 y 7 (25 %). En cada una de esas pruebas se podra pedir utilizar
conceptos y tecnicas de los temas anteriores. Fechas previstas para las pruebas:
1a prueba: Miercoles/Jueves 25/26 de marzo de 2009.
2a prueba: Miercoles/Jueves 6/7 de mayo de 2009.
3a prueba: Miercoles/Jueves 3/4 de junio de 2009.
(Se recomienda confirmar en la web las fechas definitivas.)
Para poder presentarse a la prueba de evaluacion, los alumnos deberan haber realizado
previamente una prueba de entrenamiento, que tendran que entregar el da de la
prueba de evaluacion. Dichas pruebas estaran disponibles en:
- La pagina web de la asignatura: http://www.dma.eui.upm.es/docencia/amymn
(Material)
- La plataforma moodle de UPM-Virtual
Los alumnos con una calificacion media ponderada de las cuatro pruebas mayor o
igual que 6 estaran aprobados por curso y no tendran que hacer el examen final.
Los alumnos que no consigan el aprobado por curso iran al examen final y se les
calificara con la mejor de las dos puntuaciones siguientes:
i. Nota del examen
ii. (Media ponderada de la nota del trabajo y de las dos mejores pruebas de
evaluacion)*0.5+(Nota del examen)*0.5
La asignatura se aprueba si se obtiene una calificacion mayor o igual que 5 (sobre
10).
En cualquiera de las dos opciones, (a) o (b) (salvo que se haya aprobado por curso), si un
alumno no entrega el examen final se considerara como no presentado en la convocatoria
de junio.
2. Convocatorias extraordinarias:
La calificacion se obtiene de un u
nico examen relativo a todos los temas explicados durante
el curso.
La asignatura se aprueba obteniendo una nota mayor o igual que 5 (sobre 10).
No se guardara ninguna nota de convocatorias anteriores.
Material de apoyo
Material de apoyo
La presente gua constituye el material de apoyo fundamental para el seguimiento de la asignatura, pero no es el u
nico. Ademas de la informacion contenida en esta gua, pondremos a
disposicion de los alumnos otro material de apoyo a su trabajo. Este material estara disponible
en:
- la web de la asignatura: http://www.dma.eui.upm.es/docencia/amymn (Material)
- la plataforma moodle de UPMVirtual1
Pruebas de prerrequisitos de cada tema. Se han elaborado diversas pruebas de prerrequisitos, que se han colocado en moodle y que pueden servir para que los alumnos que lo deseen
puedan comprobar el nivel de conocimientos previos antes de empezar cada uno de los
temas del curso.
Pruebas de entrenamiento: Para cada una de las tres pruebas de evaluacion continua
que se realizaran a lo largo del cuatrimestre, se publicara una prueba de entrenamiento,
consistente en un compendio de cuestiones del mismo tipo que las que se preguntan en los
examenes de la asignatura, para que los alumnos trabajen individualmente o en grupo. Se
podran consultar al profesor las dudas que surjan, bien en las tutoras individuales o en las
colectivas. Para presentarse a la prueba de evaluacion continua es imprescindible llevar
completada la prueba de entrenamiento correspondiente. Cada una de estas pruebas se
publicara al menos una semana antes de la realizacion de la prueba de evaluacion.
Preguntas de test: Batera de preguntas tipo test (Verdadero/Falso) para que el alumno
que lo desee pueda autoevaluarse. (Solo disponibles en la plataforma moodle.)
Enunciados de examenes de cursos anteriores. Los correspondientes a los dos u
ltimos
cursos estan disponibles en esta gua docente. En la pagina web de la asignatura se
encuentran tambien los de otros cursos anteriores. Se incluyen las soluciones de las
preguntas tipo test.
Trabajo sobre resoluci

on num
erica de ecuaciones
Normas de realizaci
on
1. Objetivo del trabajo: Analisis y aplicacion de algunos metodos de resolucion aproximada
de ecuaciones. Concretamente se trataran el m
etodo de la bisecci
on y el m
etodo de
Newton.
1
Acceso a la plataforma moodle:

1) Para acceder a las asignaturas es necesario una cuenta de correo de alumnos UPM
Para obtenerla: https://correo.alumnos.upm.es/.
2) Para acceder a moodle directamente: https://moodle.upm.es/titulaciones/oficiales
- usuario: la direcci
on de correo UPM completa (incluida la parte final, @alumnos.upm.es).
- contrase
na: la que se tenga para dicha direccion de correo.
En caso de encontrar cualquier problema con el acceso puede escribirse a gate@gate.upm.es o a
rafael.minano@upm.es
10

2. El trabajo, que se realizara por parejas, debera contener los siguientes puntos:
(a) Una explicacion teorica (maximo dos paginas) de elaboracion propia de uno de los
dos metodos a elegir, incluyendo la descripcion detallada del algoritmo y de las
condiciones que garantizan la convergencia.
(b) Programacion con Derive de las funciones necesarias para aplicar el metodo de
Newton para resolver ecuaciones dando la expresion de las funciones que se hayan
definido, explicando como utilizarlas y como interpretar el resultado obtenido (ver
detalles en Anexo 1).
(c) Resolucion, con ambos metodos, de las ecuaciones de la batera de pruebas (ver
Anexo 2). Para cada una de ellas se debera:
(i) Reescribirla (cuando sea necesario) en la forma f (x) = 0, con una eleccion
adecuada de la funcion f .
(ii) Localizar graficamente todas las soluciones, dando, para cada una, un intervalo
de longitud menor o igual que 1 que la contenga, y justificar que no hay mas.
(iii) Aproximar una de las soluciones por los dos metodos, detallando la comprobacion
de las condiciones de convergencia de cada uno, y aplicando la funcion Derive
correspondiente, con 5 y con 10 iteraciones.
(iv) Determinar una cota del error para cada una de las de aproximaciones anteriores.
(d) Comparacion entre los dos algoritmos desde el punto de vista de
(i) velocidad de convergencia (n
umero de iteraciones necesarias para obtener una
aproximacion con una precision dada).
(ii) condiciones de convergencia (requisitos necesarios para poder aplicar cada metodo).
(e) Resolucion detallada del problema adjudicado seg
un los criterios del Anexo 3. Debe
incluir: el planteamiento de la ecuacion f (x) = 0, la comprobacion de las hipotesis
necesarias para garantizar la convergencia del algoritmo, la ejecucion con Derive
de dicho algoritmo, as como la interpretacion del resultado.
(f) Breve descripcion de que parte del trabajo ha realizado cada integrante del grupo,
junto con una estimacion del tiempo dedicado a cada parte.
(g) Bibliografa utilizada.
3. Plazo de entrega: La fecha lmite para entregar el trabajo sera el 17 de abril de 2009. En
esa fecha o antes, cada grupo debera:
(a) entregar a su profesor una copia del trabajo en papel, con las hojas grapadas, e
indicando en la portada el nombre y el DNI de los dos integrantes del grupo.
(b) entregar en moodle, antes de las 23:55h de la fecha lmite, un fichero Derive con
todas las ejecuciones, nombrado:
TrabajoAMyMN nombreapellido1 nombreapellido2.dfw.
4. Evaluacion: Una parte de la correccion del trabajo consistira en preguntas personalizadas
a cada alumno. El profesor podra citar a los autores bien en el aula para una exposicion del
trabajo, bien en tutora para preguntas individualizadas. Para la calificacion se tendran en
cuenta los criterios incluidos en la tabla del Anexo 4, en la que se indican las puntuaciones
maximas por apartado.
11
5. Bibliografa recomendada:
Gua docente de la asignatura (Tema 3).
Los libros 3, 4, 5, 7, 11 y 19 de la bibliografa de la asignatura (que se puede encontrar

al final de esta misma gua y en la web de la asignatura).
Anexo 1: Uso de Derive para aplicar los m

etodos de la bisecci
on
y Newton
Para aplicar el m
etodo de bisecci
on a la resolucion de la ecuacion f (x) = 0, una vez
comprobadas las condiciones de convergencia, elegido el intervalo y decidido el n
umero de
iteraciones a realizar, se usara la funcion BISECCION, incluida el fichero AMyMN.mth, evaluando
la instruccion BISECCION(f (x), x, a, b, n) donde:
f (x) es la funcion de la que queremos determinar sus puntos de corte con el eje x (resolver
la ecuacion f (x) = 0).
x es la variable.
a y b son los extremos del intervalo en el que se encuentra la solucion buscada.
n es el n
umero de iteraciones deseadas.
La aproximacion sera un n
umero del u
ltimo intervalo y la cota de error sera la longitud del
mismo.
Para el m
etodo de Newton hay que programar en Derive la sucesion recurrente
xn+1 = xn
f (xn )
,
f (xn )
donde:
f (x) es la funcion de la que queremos determinar sus puntos de corte con el eje x (resolver
la ecuacion f (x) = 0).
f (x) es la derivada la funcion f (x).
x0 es el valor inicial para empezar a aplicar el metodo de Newton.
xn y xn+1 son, respectivamente, las aproximaciones n-esima y (n+1)-esima de la solucion
de la ecuacion en el intervalo correspondiente.
En este metodo consideraremos que se ha obtenido la solucion aproximada de la ecuacion con
un error menor que 10k cuando dos iteraciones consecutivas coincidan en k decimales.
Anexo 2: Batera de pruebas

Se deberan resolver las siguientes ecuaciones:
1. x2 7 = 0 (obs
ervese que aproximar la solucion positiva de esta ecuacion es un metodo
de aproximar 7).
2. ex = x.
12

3. ln x =
4.
x
5.
5
2ex
= x.
x+5
5. 7x3 + abx2 + cdx + ef + 1 = 0, donde los coeficientes ab, cd y ef corresponden, de dos

en dos y en ese orden, a los seis u
ltimos dgitos del DNI (XXabcdef) del componente del
grupo cuyo primer apellido sea el primero por orden alfabetico. Por ejemplo, si el DNI es
50736970 la ecuacion a resolver es 7x3 + 73x2 + 69x + 71 = 0.
Anexo 3: Problemas asignados

Cada pareja debera elegir de la siguiente lista el problema correspondiente al u
ltimo dgito del
DNI del componente del grupo cuyo primer apellido sea el primero por orden alfabetico.
Problema 0
Tras iniciar la emision de un programa de actualidad, el ndice de audiencia (en %) viene dado
por la funcion
f (t) = 40t2 e13t
donde t es el tiempo (en horas) transcurrido desde que empezo dicho programa. Los medidores
de audiencia detectan las bajadas de interes y deciden emitir un anuncio sobre la boda del
a
no cuando la audiencia decae al 4%. Utilizar el metodo de biseccion para determinar con un
error menor que un segundo en que instante aparecera el anuncio.
Problema 1
En una ciudad, la poblacion del area urbana disminuye con el tiempo y su tama
no viene dado
por la funcion
U(t) = 100000e0.05t + 200000;
la poblacion del extrarradio crece con el tiempo y su tama
no viene dado por la funcion
E(t) =
100000
1 + e0.075t
siendo t el tiempo medido en a

nos y t = 0 representa el 1 de enero del a
no actual. En esa fecha,
la poblacion urbana era 6 veces la poblacion del extrarradio, y se desea saber en cuantos a
nos
la poblacion urbana sera solamente el triple de la poblacion del extrarradio.
Determinar por el metodo de la biseccion aplicado a un intervalo de longitud 1, con error
inferior a un mes, el instante en que la poblacion urbana sera el triple de la poblacion del
extrarradio.
Problema 2
La temperatura, en grados centgrados, de cierto equipo electronico a los t minutos de entrar
en funcionamiento viene dada por:
f (t) = T0 + te0.1t
13
donde T0 es la temperatura inicial.

Al alcanzar la temperatura de 80o el sistema pone en funcionamiento un ventilador. Si el
equipo empieza a funcionar a las 10 en punto de la ma
nana con una temperatura inicial de 20o ,
utilizar el metodo de biseccion para precisar hasta los segundos el instante en que se pone en
marcha el ventilador.
Problema 3
El coste de conexion a Internet en un cibercafe, para un usuario que no haga otra consumicion,
es de
f (x) = ex1 (3x2 x + 1) euros,
siendo x el tiempo de conexion, expresado en horas.

Un usuario concreto solo dispone de 5 euros para gastarse en este menester y le interesa
saber cual es el tiempo maximo que puede pasar conectado.
Obtener una aproximacion al tiempo maximo de conexion, con un error menor que un
minuto, usando el metodo de la biseccion.
Problema 4
En una fabrica de cable de fibra optica estiman que, si se fabrican x kilometros de cable, el
coste de fabricacion de cada metro de cable viene dado por la funcion
c(x) =
6 x + 40 ln(1 + x)
,
10 x
donde c(x) esta expresado en euros.

1. Si el precio de venta es de 2 euros por metro, definir una funcion f (x) que exprese la
ganancia en euros que se obtiene cuando se fabrican y venden x kilometros de cable.
2. Representar con Derive la grafica de f (x) e interpretar los valores f (3) y f (6).
3. Si se quiere aproximar hasta los metros la mnima cantidad de cable que hay que fabricar
y vender para que el proceso sea rentable, indicar cual sera la ecuacion a resolver y la
cota de error admisible.
4. Resolver la ecuacion anterior por el metodo de la biseccion, determinando previamente
el n
umero de iteraciones necesarias para garantizar que el error es menor que la cota
establecida.
5. Proponer una solucion de la ecuacion. Evaluar f sobre la solucion propuesta e interpretar
el significado.
Problema 5
El sonido se percibe con una intensidad dada por la funcion
L(r) = L0 ln(r) r,
donde r es la distancia a la fuente de sonido expresada en metros, L(r) esta medida en decibelios
(db) y L0 = 80 db y = 0 0115 son constantes. Determinar, por el metodo de la biseccion,
14
con un error menor que un decmetro, la distancia a la fuente de sonido desde la que se percibe
20 db.
Problema 6
Se quiere pintar la superficie limitada por la curva y = ex + 2 y las rectas y = 0, x = 0 y x = 3
(las unidades son metros). Es posible cubrir toda la superficie si se dispone de pintura para 5
m2 ?
En caso de que sobre o falte pintura, sustituir la recta x = 3 por la recta x = p, de modo
que se aproveche toda. Aproximar p hasta los centmetros utilizando el metodo de la biseccion.
Problema 7
Despues de administrar cierto farmaco a un paciente, su concentracion en sangre (en mg / ml)
viene dada por la funcion
c(t) = t e1t/3 ,
donde el tiempo t (en horas) es el tiempo transcurrido desde que se administro el farmaco.
Cuando la concentracion decae a 2 mg / ml, se debe administrar al paciente una dosis adicional.
Determinar, por el metodo de biseccion y con error menor que 1 minuto, en que momento hay
que aplicar esta segunda dosis.
Problema 8
El n
umero de usuarios de Internet en una ciudad t a
nos despues de implantar este servicio viene
dado por
435000 a
( e 1)
a
Sabiendo que despues de un a
no hay 1564000 usuarios, utilizar el metodo de bisecccion para
determinar a y estimar el n
umero de usuarios 3 a
nos despues.
N(t) = 106 eat +
Problema 9
Un joven quiere comprarse una casa y necesita pedir una hipoteca de 200 000 euros a pagar en
30 a
nos. Dado que solo puede destinar 800 euros al mes al pago de la misma, desea conocer
cual es el maximo tipo de interes que puede admitir. Para determinarlo, se sabe que la formula
que relaciona la deuda a amortizar, A, la cantidad P que se paga en cada periodo, el n
umero
n de periodos, y la tasa de interes por periodo i es
A=

P
1 (1 + i)n
i
Utilizar el metodo de biseccion para obtener el tipo de interes por encima del cual el joven no
debera firmar la hipoteca.
Nota: Para elegir adecuadamente la escala en la representacion grafica conviene tener en cuenta
la magnitud esperable de la variable i. Por ejemplo, si el tipo de interes ofrecido por el banco
es el 5% y los pagos se hacen mensualmente, sera i = 0.05/12.
15
Anexo 4: Criterios de evaluaci

on
En el siguiente cuadro se resumen los criterios que se seguiran para la evaluacion del trabajo:
Bien
Regular
Mal
Esta bien estructurada.

Se entiende el metodo
descrito. El lenguaje es
adecuado.
(1.5 puntos)
La estructura elegida es
mejorable. El lenguaje
usado no siempre es
adecuado.
(1 punto)
No se entiende el metodo
descrito. El lenguaje usado no es el adecuado.
Metodo de
Newton
Esta programado correctamente. El algoritmo es

claro.
(1.5 puntos)
El algoritmo funciona,
aunque resulta poco
claro.
(1 punto)
El algoritmo no funciona
o no esta completamente
programado.
(0 puntos)
Ejecuciones
obligatorias
Estan
contempladas
exactamente las condiciones que hay que probar
por ambos metodos. Los
calculos son correctos.
(3 puntos)
Sobra o falta alguna

condicion.
Hay alg
un
calculo incorrecto aunque
no muy relevante.
No se verifican las condiciones de convergencia.

Los calculos realizados no
comprueban lo que se
supone o son incorrectos.
(0 puntos)
Estan
contempladas
todas las comparaciones
posibles. El lenguaje es
el adecuado.
(1 punto)
Se ha hecho una comparacion parcial de los algoritmos. El lenguaje no

siempre es el adecuado.
(0.5 puntos)
No se ha realizado la
comparacion. El lenguaje
empleado es inadecuado.
La modelizacion,
los
calculos y la interpretacion del resultado son
correctos y estan bien
expresados.
(1.5 puntos)
Hay alg
un calculo incorrecto, pero el error es
menor. Si no hubiera sido
por ese error, el resultado
sera el esperado.
(1 punto)
El planteamiento no es
correcto o hay calculos
erroneos, en alg
un caso
con errores graves.
El trabajo es legible,
incluye todos los apartados.
Es facil seguir
la lnea de razonamiento
empleada.
(1.5 puntos)
Se puede seguir la lnea

de razonamiento, pero
cuesta trabajo.
Faltan apartados obligatorios. La redacci

on
es engorrosa y no se
puede seguir la lnea de
razonamiento.
(0 puntos)
Explicacion
teorica
Comparacion de
los algoritmos
Modelizacion
Presentacion
(2 puntos)
( 1 punto)
(0 puntos)
(0 puntos)
(0 puntos)
16
Cuestiones te
oricas de los ex
amenes
De acuerdo con las normas de evaluacion, en todos los examenes se pueden preguntar cuestiones
teoricas. En estas cuestiones se pueden pedir:
definiciones de conceptos del temario.
enunciados de resultados del temario.
demostracion de algunos de los resultados que se indican a continuacion, razonamientos
similares o casos particulares de los mismos.
Concretamente, los resultados cuya demostracion podra pedirse en los examenes (salvo
cambios imprevistos, que se anunciaran con antelacion) son los que se relacionan a continuacion
(la referencia numerica coincide con la que aparece en esta gua):
Tema 1: Sucesiones de n
umeros reales.
Proposicion 1.1.1: Toda sucesion convergente esta acotada.
Ejemplo 1.1.3 (b): Estudio de la convergencia de las sucesiones geometricas.
Proposicion 1.1.6: Propiedades de desigualdades.
Proposicion 1.2.10: Jerarqua de infinitos (hay que saber demostrar todas las desigualdades;
ver ejemplos 1.2.3 al 1.2.9).
Proposicion 1.2.15 (e): an bn entonces an + bn bn .
Proposicion 1.2.19: Relacion entre mucho menor e igual orden con O grande.
Tema 2: Ecuaciones en diferencias.
Proposicion 2.3.2 (a)
Tema 4: Series num
ericas.
Ejemplo 4.1.4: Convergencia de las series geometricas.
Proposicion 4.1.6: Condicion necesaria de convergencia de series.
Proposicion 4.2.3 (a) y Corolario 4.2.4 (a): Criterio integral (caso decreciente), desigualdades
y consecuencias.
Ejemplo 4.2.5 y Proposicion 4.2.8: Estudio de las series armonicas.
Proposicion 4.2.15: Criterio de la raz.
Tema 5: Aproximaci
on local de funciones: Polinomio de Taylor.
Proposicion 5.1.1: Construccion y unicidad del polinomio de Taylor:
Desarrollos en serie de Taylor de las funciones: 1/(1 x), ex , sen(x), cos(x) (ver ejemplos
5.2.1, 5.2.3 y 5.2.5).
Tema 6: Aproximaci
on global de funciones: Polinomio interpolador.
Proposicion 6.3.3: Cota del error en la interpolacion lineal a trozos.
Tema 7: Integraci
on.
Proposicion 7.1.2: Continuidad de funciones definidas como integrales.
Z
Z
1
epx dx.
Ejemplos 7.3.3 y 7.3.4: Convergencia de
dx y
p
x
0
1
Tema 1
Sucesiones de n
umeros reales
Teora
En Informatica muchos problemas se modelizan en terminos de sucesiones. Por ejemplo, la
complejidad de un algoritmo se suele expresar como una funcion del n
umero de datos de entrada,
que es una variable discreta que toma valores en el conjunto N. As, a(n) puede denotar el
coste (en tiempo de ejecucion o n
umero de instrucciones) de ejecutar el algoritmo sobre n datos.
Estudiando propiedades de a(n) podemos conocer el comportamiento del algoritmo. Sobre todo
interesan aquellas propiedades que nos permiten afirmar algo sobre a(n) para valores grandes
de n.
1.0
Preliminares
Definici
on 1.0.1 (Sucesi
on)
Una sucesi
on de n
umeros reales es una aplicacion a : N R o bien a : N R.
Ademas de la notacion a(n), habitual para funciones, se utilizan tambien (an )nN , [an ]nN
o simplemente an .
Los n
umeros reales a0 , a1 , a2 , . . . se llaman terminos de la sucesi
on.
Para definir una sucesion es necesario dar una regla que permita calcular an para cada
n
umero natural n. Esto se puede hacer de modo explcito y por recurrencia.
Ejemplo 1.0.2
La sucesion [0, 2, 4, 6, . . . ] de los n
umeros pares se puede definir dando la expresion explcita de
su termino general an = 2n si n 0.
La misma sucesion se puede definir recursivamente, expresando cada termino en funcion de
los anteriores y proporcionando los valores iniciales necesarios: a0 = 0, an+1 = an + 2 si n 0.
En general, una progresion aritmetica, [a, a + d, a + 2d, a + 3d, a + 4d, . . . ], se puede definir
explcitamente por an = a + nd si n 0 y recursivamente por a0 = a, an = an1 + d si n 1.
De modo analogo, una progresion geometrica, [a, ar, ar 2 , ar 3 , ar 4 , . . . ], se puede definir explcitamente por an = ar n si n 0 (r 6= 0) y recursivamente por a0 = a, an = ran1 si n 1.
Ejemplo 1.0.3
A veces, para definir una sucesion se listan sus primeros terminos, deteniendose cuando la regla
de formacion parece evidente. Tal es el caso de la sucesion [1, 1/2, 1/3, 1/4, 1/5, 1/6, . . . ],
18
Tema 1. Sucesiones de n
umeros reales
cuya expresion explcita puede ser an =
(1)n1
n
si n > 0 o tambien an =
(1)n
n+1
si n 0.
Ejemplo 1.0.4
La sucesion an = n! si n 0 se puede definir recursivamente por a0 = 1, an = nan1 si n 1.
Ejemplo 1.0.5
La sucesion de Fibonacci 1 [0, 1, 1, 2, 3, 5, 8, 13, . . . ] se puede definir recursivamente por a0 = 0,
a1 = 1, an+2 = an+1 + an , si n 0. Mas adelante se vera como obtener una expresion explcita
equivalente.
Definici
on 1.0.6 (Sucesi
on acotada)
(a) Se dice que una sucesion an esta acotada superiormente si y solo si el conjunto de sus
terminos esta acotado superiormente, es decir, existe K R tal que an K para todo
n N.
(b) Se dice que una sucesion an esta acotada inferiormente si y solo si el conjunto de sus
terminos esta acotado inferiormente, es decir, existe k R tal que k an para todo
n N.
(c) Se dice que una sucesion an esta acotada si y solo si lo esta superior e inferiormente, es
decir, existe M R tal que |an | M para todo n N.
Ejemplo 1.0.7
(1)n1
(a) La sucesion
esta acotada, pues |an | 1 para todo n N {0}.
n
(b) La sucesion de Fibonacci no esta acotada, pues an n para todo n N {2, 3, 4}, cosa
que puede probarse por induccion, luego para todo M R existe n N tal que an > M.
Definici
on 1.0.8 (Sucesi
on mon
otona)
Se dice que una sucesion an es
creciente
decreciente
si y solo si para todo n N
estrictamente creciente
estrictamente decreciente
En cualquiera de estos casos se dice que la sucesion es mon
otona.
an
an
an
a
n
an+1
an+1
< an+1
> an+1
Ejemplo 1.0.9
(a) La sucesion de los n
umeros pares es estrictamente creciente.
(b) La sucesion
(1)n1
no es creciente ni decreciente.
n
(c) La sucesion de Fibonacci, a partir de n = 2, es estrictamente creciente.

n + 20
(d) La sucesion an =
, donde [x] denota la parte entera de x, es creciente pero no
10
estrictamente.
1
Leonardo de Pisa, llamado Fibonacci (1180-1250).
Teora
19
Definici
on 1.0.10 (Lmite de una sucesi
on)
n convergente: Se dice que un n
(a) Sucesio
umero real l es lmite de una sucesion an si
y solo si
> 0 n0 N tal que n n0 |an l| <
Es decir, para cualquier valor positivo arbitrariamente peque

no (el n
umero real ) existe
un termino de la sucesion (el que ocupa el lugar n0 ) a partir del cual todos distan del
lmite menos que ese valor.
Si l R es lmite de an , se dice que la sucesion es convergente o que converge a l y se

nota lim an = l, lim an = l o an l.
n
n divergente: Se dice que una sucesion es divergente si no es convergente.

(b) Sucesio
Dentro de las sucesiones divergentes distinguimos dos tipos: las que poseen lmite o
y las que no.
Se dice que una sucesion divergente an tiene lmite (respectivamente, ) si y solo si
M R n0 N tal que n n0
an > M
(respectivamente, an < M)
Es decir, para cada valor (el n

umero real M) existe un termino de la sucesion (el que
ocupa el lugar n0 ) a partir del cual todos estan por encima (respectivamente, por debajo)
de dicho valor.
Si lmite de an es (respectivamente, ), se dice que la sucesion es divergente a o
que diverge a (respectivamente, ) y se nota lim an = , lim an = o an
n
(resp. lim an = , lim an = o an ).

n
Ejemplo 1.0.11
(a) Una sucesion constante, an = c para todo n N, es convergente y tiene por lmite la
propia constante c.
(b) La sucesion an =
(1)n1
es convergente y tiene lmite 0.
n
(c) La sucesion de los n

umeros pares, an = 2n, diverge a .
(d) La sucesion an = n diverge a .
(e) La sucesion an = (1)n , formada por [1, 1, 1, 1, 1, 1, . . . ], es divergente y no tiene
lmite, ni finito ni infinito.
Nota 1.0.12
(a) De la definicion se deduce que lim an = l R lim(an l) = 0 lim |an l| = 0.
(b) El caracter de una sucesion (convergente o divergente) y su lmite, cuando existe, no
dependen de sus primeros terminos.
(c) Si lim an = l entonces lim an+k = l para todo k N.
Ejemplo 1.0.13
Las sucesiones
an =
n
1
si n {1, . . . , 1000}
si n 1001
20
umeros reales
y bn =
1
n
n N {0} tienen el mismo caracter.
Proposici
on 1.0.14
Si una sucesi
on tiene lmite, finito o infinito, este es u
nico.
Proposici
on 1.0.15 (Algebra
de lmites finitos)
Si an y bn convergen a a y b respectivamente, entonces:
(a) Sean c, d R, entonces c an + d bn c a + d b.
(b) an bn converge a a b.
(c) Si b 6= 0, la sucesion
a
an
esta definida a partir de cierto termino y converge a .
bn
b
(d) Si a > 0, abnn converge a ab .

Proposici
on 1.0.16
(a) Si an converge a l R y f es una funci
on continua en l, entonces f (an ) converge a f (l).
(b) Si f : (a, ) R es una funcion tal que existe lim f (x) = l, entonces la sucesi
on f (n)
x
tiene tambien lmite l.
Ejemplo 1.0.17
n1
1
(a) Puesto que la sucesion
converge a y la funcion logaritmo neperiano es continua
2n
2
n1
1
en (0, ), entonces la sucesion ln(
) converge a ln = ln 2.
2n
2
(b) Como lim ex = 0, entonces, por el resultado 1.0.16(b), lim en = 0. Sin embargo
x
el recproco no es cierto pues la sucesion sen(n) es convergente a 0 pero no existe

lim sen(x).
x
Nota 1.0.18 (Algebra

de lmites infinitos)
El algebra de lmites de sucesiones, cuando alguno de los lmites que aparecen es infinito, es
analoga al algebra de lmites finitos, con las excepciones siguientes, llamadas indeterminaciones:
,
0 ,
0
,
0
1 ,
00 ,
Para resolver muchas de estas indeterminaciones es u

til el siguiente resultado.
Proposici
on 1.0.19 (Regla de LH
opital2 )
Sean f, g : (a, ) R dos funciones derivables tales que lim f (x) = lim g(x) = 0. Si existe
x
lim f (x) ,
x g (x)
entonces tambien existe
lim f (x)
x g(x)
y ambos coinciden.
Un resultado analogo se verifica cuando lim f (x) = y lim g(x) = .

x
Guillaume Francois Antoine, Marques de lHopital, matematico frances (1661-1704).
Teora
21
Ejemplo 1.0.20
Al intentar calcular el lmite de la sucesion n n aplicando las propiedades del algebra de lmites
se obtiene lim n n = lim n1/n = (lim n)lim(1/n) = 0 , que es una indeterminacion.
n
Para resolverla, y teniendo
en
cuenta
que
n > 0 para todo n > 0, se toman logaritmos en
1
1/n
n
la expresion inicial, ln n = ln n = n ln n = (ln n)/n, y a continuacion lmites,
lim
ln n
lim ln n
=
= ,
n
lim n
con lo que se obtiene otra indeterminacion que puede resolverse por la regla de LHopital. Se
consideran las funciones derivables f (x) = ln x y g(x) = x, entonces:
(ln x)
1/x
ln x
= lim
=
lim
= 0,
x (x)
x 1
x x
lim
ln n
= 0.
n
Es decir, ln lim n n = lim ln n n = 0, de donde se deduce que lim n n = e0 = 1.
por tanto lim
Nota 1.0.21 p
En general lim n p(n) = 1, siendo p(n) un polinomio con coeficiente positivo en el termino de
mayor grado.
1.1
Resultados generales
Proposici
on 1.1.1
Toda sucesi
on convergente esta acotada.
Demostracion.
El resultado es consecuencia de la definicion de lmite.
Sea an una sucesion convergente y llamemos l a su lmite. Por definicion,
> 0 n0 N tal que n n0
|an l| < .
En particular, tomamos = 1, por ejemplo. Para dicho existe n0 N tal que para todo
n n0 se verifica |an l| < 1. De aqu se deduce que 1 < an l < 1 para todo n n0 y en
consecuencia l 1 < an < l + 1. As an (l 1, l + 1) para todo n n0 .
Por otro lado, como el conjunto {a0 , . . . , an0 } es finito estara acotado, y pongamos que m y
M son sus cotas inferior y superior respectivamente.
Por tanto, todo termino de la sucesion an verificara que min{l1, m} an max{l+1, M},
que es lo que queramos demostrar.

El siguiente resultado se enuncia sin demostracion.
Proposici
on 1.1.2
(a) Toda sucesion monotona y acotada es convergente.
(b) Toda sucesion monotona creciente y no acotada tiene lmite .
22
umeros reales
(c) Toda sucesion monotona decreciente y no acotada tiene lmite .

La proposicion anterior es muy u
til para probar la existencia de lmites en el caso de
sucesiones definidas de modo recursivo. Por ejemplo:
Ejemplo 1.1.3
(a) (i) La sucesion
(
3
si n = 1
an1
+ 1 si n 2
2
es convergente pues es monotona decreciente y acotada inferiormente (ambas cuestiones se probaran por induccion sobre n). Por tanto an tiene lmite finito, pongamos
an1
l. Tomando lmites en la relacion de recurrencia an =
+ 1, se tiene, aplicando
2
l
propiedades del algebra de lmites, que l = + 1. Por tanto l = 2.
2
(ii) La sucesion recurrente a1 = 1, an+1 = an /2 + 3/4 es creciente y acotada, como se
puede probar por induccion, luego converge. Llamando l al lmite y tomando lmites
en la relacion de recurrencia, se obtiene la ecuacion l = l/2 + 3/4, cuya solucion
l = 3/2 debe ser el lmite.
an =
(b) La sucesion geometrica an = r n es convergente si
1 si
0 si
lim an =
si
6 si
y solo si r (1, 1]. Ademas

r=1
|r| < 1
r>1
r 1
Demostracion.
Lo demostraremos por casos:
Si r = 1, la sucesion es la constante [1, 1, 1, . . . ], que tiene lmite 1.
Si 0 |r| < 1, la sucesion |r|n es monotona decreciente y acotada pues |r|n < 1,
para todo n > 1. Luego es convergente.
Una forma de calcular el lmite consiste en definir recursivamente la sucesion. As,
tenemos que |an | = |r| |an1|. Tomando lmites en la relacion anterior tenemos que
l = |r| l, de donde l (|r| 1) = 0. Como |r| 6= 1, entonces 0 = l = lim |r|n , de donde
n
lim r n = 0.
n
Si r > 1, la sucesion an es monotona creciente y no acotada (pues por reduccion al

absurdo, si estuviera acotada sera convergente y el u
nico lmite posible es l = 0,
imposible en este caso). Por tanto, si r > 1 entonces lim r n = , esto es, la sucesion
n
diverge a .
Si r 1 la sucesion es divergente pues no posee lmite: los terminos pares forman

una sucesion monotona creciente de terminos positivos mientras que los terminos
impares forman una sucesion monotona decreciente de terminos negativos.
Teora
23
n
(c) Se puede probar, aunque no es trivial, que la sucesion 1 + n1 es estrictamente creciente
y acotada, por tanto converge. Su lmite es, por definicion, el n
umero e.
Proposici
on 1.1.4
Si an est
a acotada y bn converge a 0, entonces an bn converge a 0.
Demostracion.
Tenemos que ver que
> 0 n0 N tal que |an bn | < ,
n n0 .
Fijemos un > 0, y veamos que para dicho existe n0 N tal que para todo n n0 se
verifica |an bn | < .
De la hipotesis tenemos que:
an esta acotada, esto es, M R+ tal que n N : |an | < M.
bn converge a 0, esto es, si tomamos =
verifica |bn | < .
, existe n0 N tal que para todo n n0 se

M
Combinando los dos resultados anteriores se tiene que, para todo n n0 ,

|an bn | = |an | |bn | < M = M
=
M
como se quera demostrar.

Ejemplo 1.1.5
sen (n 2 )
La sucesion cn =
tiene lmite 0 pues se puede expresar como el producto de dos
n
1
sucesiones: una de ellas acotada, an = sen (n ), y la otra, bn = , con lmite cero.
2
n
Proposici
on 1.1.6
(a) Si lim an = l < m (respectivamente, l > m), entonces existe n0 N tal que, para todo
n n0 , an < m (respectivamente, an > m).
(b) Si an 0 para todo n N y an es convergente, entonces lim an 0.
(c) Si an bn para todo n y ambas sucesiones son convergentes, entonces lim an lim bn .
Demostracion.
Probaremos el apartado (a) para mostrar como pueden extraerse consecuencias de la definicion
de lmite.
Puesto que an l, si tomamos = m l > 0 existe n0 N tal que para todo n n0 se
verifica |an l| < . De aqu se deduce que < an l < para todo n n0 y en consecuencia
an < l + = l + (m l) = m.

Proposici
on 1.1.7 (Regla del sandwich)
(a) Si an bn cn para todo n N y lim an = lim cn , entonces bn converge al mismo lmite
que an y cn .
24
umeros reales
(b) Si an bn para todo n N y lim an = , entonces lim bn = .

(c) Si an bn para todo n N y lim bn = , entonces lim an = .
Demostracion.
Probaremos el apartado (a). Los restantes se dejan como ejercicio para el curioso lector.
La tesis es que lim bn = lim cn o, equivalentemente, lim(bn cn ) = 0. Por tanto habra que
probar que
> 0 n0 N tal que |bn cn | < , n n0 .
Fijemos un > 0.
Como an bn cn entonces 0 cn bn cn an .
Como lim an = lim cn entonces lim (cn an ) = 0. Luego, dado > 0, existe un n0 N
tal que |cn an | < , n n0 .
Por tanto, para todo n n0
|cn bn | |cn an | <
como se quera probar.
Ejemplo 1.1.8
n!
(a) La sucesion n converge a 0, ya que
n
0
n(n 1) 1
1
1
n!
n n1 n2
1
=
=
|1 {z
1}
=
n
n
nnn
n
n
n
n
n
n
n1
y las sucesiones 0 y
(b) La sucesion
1.2
1
convergen a 0.
n
n2n + 1 tiene lmite infinito, ya que n2
n2n + 1 y lim n2 = .
Ordenes
de magnitud
Los programas son implementaciones de algoritmos. Distintos programas pueden resolver un

mismo problema, as pues surge la necesidad de poder compararlos por alg
un metodo, que puede
ser teorico o emprico. Dentro del modo emprico, una forma estandar de comparar programas
es elegir un conjunto de datos de entrada tpico y ver como de rapida es la ejecucion de cada
programa propuesto. Lo malo de estos tests empricos es que dependen fuertemente
de la implementacion realizada del algoritmo (un cambio de una lnea de codigo de un
programa puede afectar a la rapidez de la ejecucion), y
de la maquina en la que se ejecutan (dos programas distintos que resuelvan un mismo
problema ejecutados en una maquina y luego en otra pueden dar conclusiones diferentes).
Teora
25
Una alternativa muy u

til a los tests empricos consiste en comparar algoritmos en lugar de
programas, esto es, analizar la complejidad de los algoritmos. Por ejemplo, si dise
namos alg
un
algoritmo para ordenar los elementos de una lista de tama
no n, podemos considerar una funcion
de n, a(n), que mida el n
umero de operaciones elementales realizadas por el algoritmo sobre
listas de tama
no n. La funcion anterior nos permite medir la rapidez con la que dicho algoritmo
lleva a cabo esa tarea pues nos da una estimacion del coste computacional del algoritmo.
Otra pregunta que cabe plantearse es: y si hubiera varios algoritmos para resolver un mismo
problema, como podemos decidir cual es mejor?
En esta seccion desarrollaremos las bases matematicas para comparar complejidades de
algoritmos, esto es, los fundamentos matematicos para contestar a esta u
ltima cuestion.
Definici
on 1.2.1 (Sucesi
on mucho menor que otra)
Se dice que la sucesion an es mucho menor que la sucesion bn , y se nota an bn , si y solo si
an
= 0.
lim
bn
Esta definicion implica que los terminos de la sucesion bn deben ser no nulos a partir de uno
de ellos.
Ejemplo 1.2.2
1
1
(a) 100n2 n3 , 1 100n2 y 1 n3 .
n
n
(b) En general, si an bn y bn cn , entonces an cn .
1
1
1 .
n
n
n
(d) 2 n sen n.
3
(c)
(e) sen n ln n.
Ejemplo 1.2.3
Si 0 < c < d entonces nc nd . En efecto,
nc
1
= lim dc = 0.
d
n n
n n
lim
Ejemplo 1.2.4
Si 0 < c < d entonces cn dn , ya que
c n
cn
=
lim
= 0.
n dn
n d
lim
Ejemplo 1.2.5
Veamos que ln n np para todo p > 0.
Aplicando la regla de LHopital se obtiene que para todo p > 0:
lim
ln x
1/x
1
= lim
= lim
= 0.
p
p1
x
x
x
px
pxp
ln n
= 0.
n np
Por lo tanto lim
26
umeros reales
Ejemplo 1.2.6
n
Tambien con la regla de LHopital es inmediato comprobar que lim n = 0, y por tanto n en .
e
Ejemplo 1.2.7
Si p > 0 y r > 1 entonces np r n . En efecto, razonando de manera analoga al ejemplo
anterior, se tiene que

p
x p
1
xp
= lim x/p = lim x/p
= 0.
lim
x r
x r
x r x
(1/p) ln r
np
= 0.
n r n
Luego lim
Ejemplo 1.2.8
Para todo r > 1, r n n!.
En efecto, consideremos la sucesion an = r n /n!, que se puede definir recursivamente por
a = 1
0
a = r a , n 1.
n
n n1
Ahora es facil comprobar que an < an1 para n > r y por lo tanto (an ) es monotona decreciente
para n suficientemente grande. Como ademas an 0 para todo n, se concluye que (an ) es
convergente. Entonces
r
lim an1 = 0.
lim an = lim
n
n n n
rn
Por tanto, lim
= 0.
n n!
Ejemplo 1.2.9
n!
Como ya se vio en el ejemplo 1.1.8, aplicando la regla del sandwich se deduce que lim n = 0
n
y por lo tanto n! nn .
Los ejemplos anteriores se pueden agrupar para obtener el siguiente resultado:
Proposici
on 1.2.10 (Jerarqua de infinitos)
Para todo 0 < c < d y todo 1 < r < s se verifica
ln n nc nd r n sn n! nn .
La jerarqua de sucesiones anterior no es exhaustiva.
Definici
on 1.2.11 (Sucesiones del mismo orden)
Se dice
que la sucesion an es del mismo orden que la sucesion bn , y se nota an bn , si y solo si
an
lim = l R {0}.
bn
Nota 1.2.12
Esta definicion implica que los terminos de ambas sucesiones deben ser no nulos a partir
de uno de ellos.
Si an bn entonces an 6 bn .
Teora
27
Si an bn entonces ni an es mucho menor que bn ni bn es mucho menor que an .

Ejemplo 1.2.13
(a) 2n2 3n2 + 1.
2n2
n.
(b)
n3
(c) ln n2 6 n.
(d) Si r > 1,
n3 + r 2n
rn.
rn
Cuando se trabaja con varias sucesiones y se necesita compararlas, resulta comodo sustituir
una de ellas por otra con el mismo orden que la inicial pero que tenga una expresion mas simple
(prescindiendo de sumandos, algunas constantes, etc.).
Definici
on 1.2.14 (Orden de magnitud)
Se denomina orden de magnitud de una sucesion a otra sucesion, cuya expresion sea lo mas
sencilla posible, y que sea del mismo orden que la sucesion dada.
Para la obtencion del orden de magnitud pueden ser u
tiles las siguientes propiedades:
Proposici
on 1.2.15 (Propiedades)
(a) Si an 6= 0 para todo n N entonces an |an | y an an para todo R .
(b) an bn y bn cn an cn .
(c) Si an an y bn bn entonces
1
1
.
an
an
an bn an bn .
an bn an bn .
(d) an bn , cn cn an cn bn cn .
(e) an bn an + bn bn .
Demostracion.
Demostramos solamente el apartado (e):
Puesto que an bn se tiene que lim
Por lo tanto, an + bn bn .
an
an + bn
an
bn
= 0. Entonces lim
= lim
+ lim
= 1.
bn
bn
bn
bn
Ejemplo 1.2.16
Vamos a determinar el orden de magnitud de la sucesion an = 3 ln nn + 2n2 . Se tiene que:
(a) 3 ln nn ln nn = n ln n.
(b) 2n2 n2 .
Como n ln n n2 , por la proposicion anterior, an n2 .
28
umeros reales
En analisis de algoritmos se utiliza otra clasificacion de las sucesiones, ligeramente distinta

de las relaciones anteriores, que permite comparar mas sucesiones. Esta clasificacion, realizada
utilizando un criterio mas general, se estudia seguidamente.
Definici
on 1.2.17 (Notaci
on o grande)
Se dice que la sucesion an es una o grande de la sucesion bn , o que an esta dominada asint
oticamente por bn , y se nota an O(bn ), si y solo si existen un n
umero real M y un n
umero natural
n0 tales que |an | M|bn | para todo n n0 .
Nota 1.2.18
Observese que, dada una sucesion (bn ):
- O(bn ) es un conjunto de sucesiones:
O(bn ) = {an / M R, n0 N : |an | M|bn | n n0 }
- bn O(bn ).
- Si bn 6= 0 a partir de cierto termino, an O(bn ) equivale a decir que
an
esta acotada.
bn
- Geometricamente, la relacion an O(bn ) significa que, a partir de cierto termino, la

grafica de la sucesion |an | se halla por debajo de la grafica de |bn | multiplicada por una
cierta constante, M > 0.
- Desde el punto de vista algortmico, si an O(bn ) y an y bn definen las funciones de
coste de dos algoritmos A y B respectivamente, entonces para problemas de tama
no n0
o mayores, el coste de la ejecucion del algoritmo A nunca sera superior a M veces lo que
cueste la ejecucion del algoritmo B.
El siguiente resultado muestra que la notacion o grande generaliza simultaneamente las
relaciones ser mucho menor y ser del mismo orden.

Proposici
on 1.2.19
an
Dadas dos sucesiones an y bn , si converge, entonces an O(bn ). En particular,
bn
(a) si an bn , entonces an O(bn ) y bn
/ O(an ).
(b) si an bn , entonces an O(bn ) y bn O(an ).
Demostracion.

an
Basta recordar que si la sucesion converge, entonces esta acotada.
bn
Ejemplo 1.2.20
Como consecuencia de la proposicion anterior y de los ejemplos ya vistos sobre las relaciones
ser mucho menor y ser del mismo orden, es inmediato verificar que:
(a) 100n2 O (n3 ), pero n3
/ O (100n2 ).

1
1
1
1
(b)
O 1
, pero 1
/O
.
n
n
n
n
Teora
29
(c) Para todo p > 0, ln n O (np ), pero np

/ O (ln n).
(d) sen n O (ln n), pero ln n
/ O (sen n).
(e) 2n2 O (3n2 + 1) y 3n2 + 1 O (2n2 ).
2
2n
2n2
.
(f) O ( n) y n O
n3
n3
Ejemplo 1.2.21
Las sucesiones (an ) = (1, 1, 1, ) y (bn ) = (1, 2, 1, 2, ), no son del mismo orden, ni una
an
mucho menor que la otra pues no existe el lmite lim . Sin embargo, se verifica que
bn
bn O(an ) y
an O(bn ).
Ejemplo 1.2.22
Una sucesion an esta acotada si y solo si an O(1). Dicho de otro modo, O(1) esta formado
por el conjunto de todas las sucesiones acotadas. En particular, O(1) contiene al conjunto de
todas las sucesiones convergentes, as como a las sucesiones (an ) y (bn ) del ejemplo 1.2.21.
Ejemplo 1.2.23
Las sucesiones (an ) = (1, 0, 1, 0, 1, ) y (bn ) = (0, 2, 0, 2, ) verifican que an 6 O(bn ) y
bn 6 O(an ), por lo que no son comparables con la relacion o grande. Sin embargo, como
ambas sucesiones estan acotadas, se tiene que an O(1) y bn O(1).
Proposici
on 1.2.24
La relaci
on ser una o grande, definida en el conjunto de las sucesiones, es reflexiva y transitiva:
(a) an O(an )
(b) Si an O(bn ) y bn O(cn ), entonces an O(cn ).
Para analizar el orden de magnitud de una sucesion, a veces es u
til descomponerla en otras
mas sencillas y estudiar cada componente. Las siguientes propiedades ayudan en esta tarea.
Proposici
on 1.2.25
(a) Si an , cn O(bn ), entonces an + cn O(bn ).
(b) Si an O(bn ), entonces can O(bn ) para todo c R.
(c) Si an O(bn ) y cn O(dn ), entonces an cn O(bn dn ).
Las propiedades (a) y (b) indican que el conjunto O(an ) es un subespacio vectorial del
R-espacio vectorial de las sucesiones.
Ejemplo 1.2.26
Aplicando las propiedades anteriores se prueba que
1 + sen n
O(1/n2 ), pues
4n2 + n 20
1 + sen n O(1).
30
umeros reales
4n2
1
1
1
1
2 y por lo tanto 2
O( 2 ).
+ n 20
n
4n + n 20
n
Nota 1.2.27
Conviene tener en cuenta que en analisis de algoritmos:
(a) En ocasiones se abusa de la notacion, y suele escribirse an = O(bn ), en lugar de an O(bn ).
Por ejemplo: n ln n + n2 = n2 + O(n ln n) = O(n2 ). En cualquier caso, esta manera de
manipular los ordenes, en la asignatura de AMYMN, sera considerada un error.
(b) La complejidad de un algoritmo puede encuadrarse en alguno de los casos siguientes que,
puesto que aparecen con frecuencia, se designan con nombres particulares:
Orden
Nombre
O(1)
Constante
O(ln n)
Logartmica
O(n)
Lineal
O(n2 )
Cuadratica
O(r n ), r > 1
Exponencial
O(n!)
Factorial
Problemas
31
Problemas
Problema 1.0
Hallar, en caso de que existan, los lmites de las sucesiones siguientes:
(a)
3n3 + 1
2n2 + n
(d)
(1)n1 + cos(n)
(g)
(1)n +
(j)
4n + 1
7n 2
3n2 5
n2
2 +1
3nn+2
(b) n en
(c)
ln n
2n2 + n
(e)
(f)
(7/9)n
(h)
(k)
cos(n/2)
n2
(n + 1)2
n+1
n
n

n2
n+3
(i)
(l)
3n+1 + 4n+1
3 n + 4n
2
3/n
n +1
n1
Problema 1.1
Proponer sucesiones an que verifiquen cada una de las propiedades siguientes o justificar que
no pueden existir:
(a) an 3 y an < 3 para todo n.
(b) an 1 y an > 0 5 a partir de un termino.
(c) an 2 y an < 1 5 para todo n.
(d) an 0 y an no es monotona.
Problema 1.2
Sean xn e yn dos sucesiones de n
umeros reales estrictamente positivos.
(a) Si lim
xn
= l R y lim xn = , cuanto vale lim yn ?
yn
(b) Si lim
xn
= y xn esta acotada, cuanto vale lim yn ?
yn
Problema 1.3
n
n
n!
n!
esta acotada y deducir que 2 converge a cero.
Demostrar que la sucesion
n
n
Problema 1.4
ln(n!)
ln(n!)
Demostrar que la sucesion
esta acotada y deducir que
converge a cero.
n ln(n)
n ln2 (n)
Problema 1.5
Calcular el lmite de la sucesion
n2/3 sen(n!)
.
n+1
32
umeros reales
Problema 1.6
Calcular el lmite de la sucesion
(n + 3) cos(n)
.
n3 + 2
Problema 1.7
Usar la regla del sandwich para calcular los lmites de las sucesiones siguientes:
(a)
2 n + 3n
(c)
nn + 2n
2n
2n
2n
+ 2
++ 2
+1 n +2
n +n
1
1
1
(d) an =
+
++
2
2
2
n +1
n +2
n +n
(b) an =
n2
Problema 1.8
Usar la regla del sandwich para calcular los lmites de las sucesiones siguientes:
(a)
2 n + 5n
(c)
nn + 3n
3n
3n
3n
+
++
4
4
n +1
n +2
n4 + n
n
n
n
+ 2
++ 2
(d) an = 2
n +1 n +2
n +n
(b) an =
Problema 1.9
Estudiar la convergencia y calcular los lmites de las sucesiones recurrentes siguientes:
r
q
q
a1 = 1
an
(a)
2, 2 + 2, 2 + 2 + 2, . . .
(b)
si n 1
an+1 =
1 + 2an
Problema 1.10
Estudiar la convergencia y calcular los lmites de las sucesiones recurrentes siguientes:
r q
q
a1 = 2
an
(a)
3, 3 3, 3 3 3, . . .
(b)
si n 1
an+1 =
2 + 3an
Problema 1.11
Probar que loga (n) logb (n) para todo a, b R, con a, b > 1.
Problema 1.12
Probar que (n + 1) ln (n + 1) n ln(n) ln(n).
Problema 1.13
Determinar el orden de magnitud de cada una de las sucesiones siguientes y ordenarlas seg
un
dicho orden:
n5 + 1
3n2 + 6n 1
n! + nn
(a)
(b)
ln(3n2 )
(c)
n2
n2 + 1
2n + n3

1
n
ln(nn )
(f)
(d)
n2 + 3n ln(2n2 )
(e)
cos(n)
7n + ln(n) 3 ln(n) + 1
3
(g) 4n1 + (4)n n

(h) r n + n2
con |r| < 1
(i)
n+1 n
Problemas
33
Problema 1.14
Determinar el orden de magnitud de cada una de las sucesiones siguientes y ordenarlas seg
un
dicho orden:
1
(n + 1)!
n5 + 1
(b)
(a)
(c)
cos(n) + n
ln(nn ) + n2
2 n3 + n2
ln(nn ) + n + 1
3 n
ln(nn )
(f) 3n n3n1
(d)
(e)
2
3
4n + n 1
ln(n + 1)
n
(g) ne3n 3n
(h) r n + n2
con 1 < |r| < 3
(i)
(n + 1)3/2 n3/2
Problema 1.15
Para cada una de las sucesiones an siguientes, determinar, si existen, todos los n
umeros p R
p
p
tales que an O(n ) y estudiar si an n para alg
un valor de p:
(
n si n es impar
(a) an =
(b) an = n cos(n/2)
(c) an = (2)n + 2n
2
n si n es par
Problema 1.16
Para cada una de las sucesiones an siguientes, determinar, si existen, todos los n
umeros p R
tales que an O(np ) y estudiar si an np para alg
un valor de p:
(a) an = en e3n
(b) an = (1)n n3 + n3
(c) an = n2 cos(n/2) n3 sen(n/2)
Problema 1.17
Un ordenador procesa n datos en n2 segundos. Una preparacion previa de los datos, que se tarda
1 hora en hacer, permite procesar n datos en (n + 1) log2 (n) segundos. Indicar razonadamente
si para valores grandes de n interesa la preparacion.
Problema 1.18
Los tiempos de ejecucion de dos algoritmos que resuelven el mismo problema con n datos de
entrada son, respectivamente, 2n y 3n4 + 6. Indicar razonadamente cual de los dos algoritmos
es mas rapido para valores grandes de n.
34
umeros reales
Pr
actica
Objetivos
Manejar las herramientas de Derive que permiten generar terminos de sucesiones y
analizar su comportamiento.
Modelar y resolver problemas usando sucesiones y sus propiedades.
Comparar ordenes de magnitud de diferentes sucesiones.
Desarrollar la intuicion para reconocer sucesiones del mismo orden.
1.1
Estudio de sucesiones con Derive
1
, bn = n3 30n2 + 216n y cn = cos (n).
3n
Para trabajar con ellas, se escribe el termino general en la lnea de edicion o, si se les quiere
asignar un nombre, se escribe utilizando := de la siguiente forma: A(n) := 1/3 ^n .
Consideramos las sucesiones an =
(a) Calcular el lmite de las anteriores sucesiones cuando n tiende a infinito.

(Para calcular un lmite con Derive:
(i) iluminamos la expresion de la que queremos calcular el lmite,
(ii) seleccionamos el icono lim de la barra de herramientas o la opcion C
alculo/Lmites
del men
u,
(iii) indicamos la variable (n) y el punto (inf),
(iv) pulsamos Simplificar.)
(b) Para generar una lista de terminos de una sucesion se puede usar la funcion VECTOR de
Derive, cuya sintaxis es
VECTOR(expresi
on, variable, inicio, fin, paso).
Al evaluar esta expresion, Derive devuelve el resultado de calcular expresi
on para los
valores de la variable comprendidos entre inicio y fin, en saltos de longitud paso. El
paso es opcional y su valor por defecto es 1.
(i) Obtener los 10 primeros terminos de la sucesion an . Para ello, escribir la expresion adecuada utilizando la funcion VECTOR y evaluarla con la opcion del men
u
Simplificar/Normal o con el icono = . Para obtener los valores en notacion decimal,
Practica
35
valores aproximados, se utiliza la opcion del men

u Simplificar/Aproximar o con el
icono . Cual de los dos resultados nos da los valores exactos de los terminos de
la sucesion an ?
(ii) Obtener los terminos b10 , b20 , b30 , ..., b100 de la sucesion bn .
(iii) Obtener los 20 primeros terminos de la sucesion cn y obtener los 10 primeros terminos
de cn para n impar.
(iv) Estudiar analticamente la monotona de las sucesiones anteriores.
(c) La funcion VECTOR permite generar no solo los terminos de una sucesion xn , sino tambien
tablas de la forma [n, xn ], lo que tiene diversas aplicaciones.
(i) A partir de la definicion de lmite de una sucesion, justificar que existe n0 N tal
que an < 102 para n n0 .
(ii) Aproximar la expresion VECTOR([n, a(n)], n, 1, 10) para encontrar dicho n0 :

n0 =
Por que se puede asegurar que no existe ning
un n n0 tal que an 102 ?
Observaci
on: Tambien puede obtenerse informacion sobre n0 resolviendo la inecuacion an < 102 utilizando la opcion SOLVE. (Este metodo no siempre se podra
emplear, pues depende de la expresion de an .)
(iii) Aproximar la expresion VECTOR([n, a(n)], n, inicio, fin, paso), eligiendo los valores
adecuados de inicio, fin, paso, para hallar el menor n1 tal que an < 1015 para
36
umeros reales
n n1 . Dar el valor exacto de an1 .
n1 =
, an1 =
(iv) A partir de la definicion de lmite de una sucesion, justificar que existe n2 N tal
que bn > 102 para n n2 .
Aproximar la expresion VECTOR([n, b(n)], n, inicio, fin, paso), eligiendo los valores
adecuados de inicio, fin, paso, para hallar n2 :
n2 =
Justificar que no existe ning
un n n2 tal que bn 102 .
(d) La funcion VECTOR tambien permite obtener simultaneamente los terminos de varias
sucesiones y tantear los valores de n para los que una desigualdad es cierta. Simplificar
las expresiones:
VECTOR([n, a(n), b(n), c(n)], n, 1, 10),
VECTOR([n, a(n) < 102 , b(n) > 102 ], n, 1, 20).
y comprobar que se obtienen los mismos resultados que en los apartados anteriores.
1.2
Sucesiones definidas recursivamente con IF
Las sucesiones definidas recursivamente se pueden implementar en Derive con la funcion

condicional IF, cuya sintaxis es
IF(condici
on, acci
on, alternativa).
Por ejemplo, para definir la sucesion factorial,
(
1
si n = 0
an =
n an1 si n 1,
se escribe A(n) := IF(n=0, 1, n A(n-1)).
(a) Escribir en Derive la sucesion factorial como se ha indicado anteriormente y obtener
sus 10 primeros terminos, comenzando en n = 0.
(b) Definir una funcion B(n) que proporcione los terminos de la sucesion que modeliza el
problema de las Torres de Hanoi:
(
b1 = 1
bn = 1 + 2bn1 si n > 1.
B(n) :=
Obtener sus 10 primeros terminos.
Practica
1.3
37
Problemas
1.3.1
Opci
on 1
(a) Sea la sucesion xn = 2 arctan (n2 1). (Derive utiliza la funcion ATAN(x)para calcular
arctan(x).)
(i) Calcular lim xn .
n
(ii) Justificar que existe n0 N tal que |xn | < 103 para n n0 . Encontrar el menor
n0 que lo verifique, y probar que no existe ning
un n n0 tal que |xn | 103 .
(b) Una expedicion espa

nola desea escalar una monta
na en Afganistan. El primer da ascienden
2.400 metros y montan el campamento base. A partir de entonces se endurecen las
1000
condiciones climatologicas y solo pueden ascender cada da metros, donde n indica
n
que es el n-esimo da de ascenso (n 2). Se pide:
(i) Dar una expresion recursiva para el n
umero de metros ascendidos en n das.
(ii) Sabiendo que el Everest mide 8882 metros, justificar que a ese ritmo podran ascender
cualquier monta
na del planeta.
(iii) Si la monta
na afgana que desean coronar tiene 5.900 metros, calcular que da alcanzan
la cima.
38
umeros reales
(c) El espacio en memoria, medido en KB, que usan dos algoritmos para resolver el mismo
problema con n datos es an = n2 + ln(n3 ) para uno de ellos y bn = 5n ln(n7 ) para el otro.
(i) Determinar que algoritmo conviene usar para los valores n = 100 y n = 500.
(ii) Si se suele trabajar con problemas con una cantidad arbitrariamente grande de datos,
que algoritmo conviene usar?
(iii) Si en cada ejecucion se tienen que procesar a lo sumo 1000 datos y la memoria
disponible es de 256 MB (1 MB=1024 KB), alguno de los algoritmos garantiza que
no agotara la memoria?
1.3.2
Opci
on 2
(a) Sea la sucesion xn = (1 + n1 )n .

(i) Calcular lim xn .
n
(ii) Usar Derive para obtener la expresion decimal del n

umero e, que Derive representa
como ^
e, y obtener el primer termino de la sucesion xn que coincida con e hasta el
primer decimal.
Practica
39
(iii) Existe alg

un n0 N tal que |xn e| < 103 para n n0 ? Sabiendo que xn es
monotona, encontrar el menor n0 que lo verifique y un valor aproximado de xn0 .
(b) Una planta de tratamiento de basuras quiere reciclar todo el papel que hay almacenado
en Valdemingomez. El primer mes de funcionamiento recicla 40 toneladas. A partir
50
de entonces, debido al deterioro de las instalaciones, cada mes solo puede reciclar
n
toneladas, donde n indica que es el n-esimo mes de funcionamiento (n 2). Se pide:
(i) Dar una expresion recursiva para el n
umero de toneladas recicladas en n meses.
(ii) Suponiendo que la maxima cantidad de papel que puede tener almacenada una
planta de residuos es 400 toneladas, justificar que a ese ritmo se puede reciclar el
papel contenido en cualquier planta.
(iii) Si Valdemingomez tiene 280 toneladas de papel, calcular que mes termina de reciclarlo.
40
umeros reales
(c) El n
umero de operaciones que realizan dos algoritmos A y B para resolver el mismo
problema con n datos es an = 70n + 4n70 1 para A y bn = n! para B.
(i) Determinar que algoritmo conviene usar para los valores n = 10 y n = 50.
(ii) Si se pueden recibir cantidades arbitrariamente grandes de datos, que algoritmo
conviene usar?
(iii) Si un ordenador realiza 10100 operaciones por segundo, cual es el n
umero maximo
de datos que puede tener el problema para poder resolverlo en un da utilizando el
algoritmo A?
1.4
1.4.1
Ordenes
de magnitud
Opci
on 1
(a) Justificar que los siguientes pares de sucesiones verifican las relaciones que se indican,
calculando los lmites que sean necesarios:
n5 3n 4n
3n ln(n) nn
32n+1 + 5n 9n
ln(n6 + n4 ) ln(n)
(2n + 4)n!
(n 2)!
(n + 1)3
Practica
41
n2 ln(n8 ) O( n5 )
n6 + 5(n + 2)!
O(n7 )
(n 2)!
(b) Para cada una de las siguientes sucesiones, hallar otra del mismo orden lo mas simple
posible:
(n + 2)!
1 + n2
n3
bn = 23n+5 3
n +7
cn = ln( n3 )
n5
dn =
+ ln(n)
n+4
(n3 6n5 + 1)
en =
ln(n)
2n + 1
nn3 (n + 2)!
fn =
(n 1)!
an = (3)n
gn = ln(n4 + 2n )
n + 3 ln(n)
hn =
ln(n3 + 2)
9n + (n + 1)!
in =
n + ln(n)
(c) Ordenar seg

un su magnitud las sucesiones del apartado anterior.
(d) En cada uno de los casos siguientes, encontrar, si existen, todos los valores p R de modo
que la sucesion correspondiente sea O(np ) o justificar que no existen.
an = n3 + n7
bn = (2)4n+1
n5 ln (n)
cn =
4n2 + 1
1.4.2
Opci
on 2
(a) Justificar que los siguientes pares de sucesiones verifican las relaciones que se indican
calculando los lmites que sean necesarios:
n7 2n 3n
42
umeros reales
2n ln(n) n!
23n+1 + 3n 8n
ln(n5 + n2 ) ln(n)
(3n + 1)n!
(n 1)!
(n + 1)2
n ln(n7 ) O( n3 )
n4 + 3(n + 1)!
O(n4 )
(n 1)!
(b) Para cada una de las siguientes sucesiones, hallar otra del mismo orden lo mas simple
posible:
n5 1
an =
n+1
bn = n3 + ln (n)
cn = ln( n1 )
n3 n2 + 1
ln(n)
n2 + 1
en = 3 ln (n) + 23n
n ln(n)
fn =
ln(n2 + 1)
gn = ln(n2 + 2n )
nn2 (n + 1)!
hn =
ln(n)
(n 1)!
(n + 1)!
in = 2n
1 + 2n
dn =
(c) Ordenar seg

un su magnitud las sucesiones del apartado anterior.
(d) En cada uno de los casos siguientes, encontrar, si existen, todos los valores p R de modo
que la sucesion correspondiente sea O(np ) o justificar que no existen.
an = n2 + n5
bn = (2)3n+1
n3 ln (n)
cn =
n2 + 1
Tema 2
Teora
Como ya se ha visto, una forma usual de definir sucesiones es por recurrencia, escribiendo cada
termino en funcion de algunos anteriores y proporcionando condiciones iniciales, que son los
casos base de la recurrencia.
La relacion de recurrencia que aparece en este tipo de definicion es un caso particular de lo
que se conoce como ecuacion en diferencias: una igualdad que liga los terminos de una sucesion.
Estas definiciones tienen el inconveniente de que hacen mas complicado el evaluar los
terminos de la sucesion (en especial para valores grandes de n), as como estudiar la convergencia,
calcular el lmite o el orden de magnitud de la sucesion.
En este tema se presentan algunos casos en los que es sencillo obtener la forma explcita de
una sucesion a partir de una forma recurrente.
2.1
Definici
on 2.1.1
Una ecuacion en diferencias de orden k es una igualdad de la forma
f (xn+k , xn+k1 , . . . , xn+1 , xn , n) = 0
donde la incognita de la ecuacion es la sucesion xn .
Resolver la ecuacion es hallar la forma explcita de todas las sucesiones que satisfacen
esa igualdad. Esto se llama soluci
on general de la ecuacion. Una solucion concreta de la
ecuacion se llama solucion particular y generalmente se obtiene imponiendo condiciones
iniciales en la solucion general.
Una ecuacion en diferencias de orden k se dice lineal si y solo si se puede expresar de la
forma
xn+k + ak1 (n)xn+k1 + + a1 (n)xn+1 + a0 (n)xn + b(n) = 0
donde a0 , a1 , . . . , ak1 y b son funciones de n y a0 (n) 6= 0 para alg
un n N.
Si b(n) = 0 para todo n N, la ecuacion se llama homogenea.
Si las funciones ai son constantes, la ecuacion se llama de coeficientes constantes.
44
Tema 2. Ecuaciones en diferencias
Ejemplo 2.1.2
La ecuacion xn xn1 n = 0 es de orden 1, lineal, no homogenea, con coeficientes constantes.
Admite, entre otras, la solucion xn = 1 + 2 + + n, esto es, xn es la suma de los n primeros
n(n + 1)
terminos de una progresion aritmetica de razon 1. El resultado de dicha suma es
.
2
Nota 2.1.3
Se recuerda que la suma de n terminos consecutivos de una progresion aritmetica es:
ak+1 + ak+n
n
2
que se lee: la semisuma de los extremos multiplicada por el n
umero de terminos.
Se recuerda que la suma de n terminos consecutivos de una progresion geometrica de razon
r es:
ak+1 r ak+n
si r 6= 1
1r
ak+1 + ak+2 + + ak+n =
n ak+1
si r = 1.
ak+1 + ak+2 + + ak+n =
Ejemplo 2.1.4
La ecuacion en diferencias xn = xn1 + 1 es de orden 1, lineal, no homogenea, con coeficientes
constantes.
Esta ecuacion admite como solucion la sucesion de los n
umeros naturales [0, 1, 2, 3, . . . ], pero
tambien cualquier sucesion de la forma [a, a + 1, a + 2, a + 3, . . . ], a R. En este caso, xn = n
es una solucion particular de la ecuacion, mientras que xn = a + n, con a R, es la solucion
general, a expensas de demostrar que no existen otras.
Ejemplo 2.1.5
La ecuacion xn+2 = (n + 2)xn+1 es de orden 1, lineal y homogenea, pero no es de coeficientes
constantes. Admite, entre otras, la solucion xn = n!.
Ejemplo 2.1.6
La ecuacion xn+2 xn+1 xn = 0 es de orden dos, lineal, homogenea, con coeficientes constantes.
Admite como solucion, entre otras, la sucesion de Fibonacci.
Ejemplo 2.1.7
n
La ecuacion xn x2n1 = 0 es de orden 1, no lineal. Su solucion general es xn = c2 , con c R.
En este tema se van a resolver u
nicamente dos tipos de ecuaciones en diferencias: las de
primer orden lineales y las de segundo orden lineales, homogeneas, con coeficientes constantes.
2.2
Ecuaciones lineales de primer orden
Una ecuacion en diferencias lineal de primer orden es una ecuacion del tipo
xn+1 = a(n)xn + b(n).
El proceso se resolucion de ecuaciones de primer orden lineales lo dividimos en tres fases.
En primer lugar resolveremos las ecuaciones homogeneas, es decir, aquellas para las cuales
b(n) = 0; en segundo lugar las ecuaciones no homogeneas para las que sea a(n) = 1, y finalmente
procederemos a resolver el caso general, basandonos en los dos casos anteriores. La prueba de
las tres proposiciones puede hacerse por induccion.
Teora
45
Proposici
on 2.2.1 (Ecuaciones homog
eneas)
Una ecuaci
on en diferencias lineal de primer orden homogenea se puede escribir en la forma
xn+1 = a(n)xn
Aplicando la regla recursiva sucesivas veces se obtiene:
xn+1 = a(n)xn = a(n) a(n 1) xn1 = a(n) a(n 1) a(n 2) xn2 = . . .
As, el termino n-esimo se obtiene multiplicando el primer termino por el producto acumulado de los a(k) anteriores. Por lo tanto, la soluci
on de esta ecuaci
on que satisface la condicion
inicial xn0 = c es
xn = a(n 1) a(n0 + 1) a(n0 ) c = c
n1
Y
a(j)
j=n0
n n0
Nota 2.2.2
Por convenio un producto sin factores vale 1.
Si alg
un a(i) es nulo entonces xn = 0 para todo n > i.
Si se usa directamente la formula del producto hay que tener cuidado con la forma en
que esta escrita la ecuacion (no es lo mismo xn+1 = a(n)xn que xn = a(n)xn1 ) y con el
rango que debe recorrer el producto.
Ejemplo 2.2.3
Q
n
La ecuacion xn = 2xn1 , con condicion inicial x0 = 3, tiene por solucion xn = 3 n1
j=0 2 = 3(2 ).
La comprobacion, por induccion, es trivial.
Proposici
on 2.2.4 (Ecuaciones de la forma xn+1 = xn + b(n))
Puesto que
xn+1 = xn + b(n) = xn1 + b(n 1) + b(n) = xn2 + b(n 2) + b(n 1) + b(n) = . . . ,
el termino n-esimo se obtiene sumando el primer termino a la suma acumulada de los b(k)
anteriores. Por lo tanto, la solucion de esta ecuaci
on que satisface la condici
on inicial xn0 = c
es
n1
X
xn = c + b(n0 ) + b(n0 + 1) + + b(n 1) = c +
b(j)
n n0
j=n0
Ejemplo 2.2.5
La ecuacion xn = xn1 + n, con condicion inicial x3 = c, tiene por solucion
xn = c + 4 + 5 + + n = c +
(4 + n)(n 3)
2
n 3
(Observese que 4 + 5 + + n es la suma de los terminos de una progresion aritmetica).

Comprobacion por induccion sobre n:
Paso base: si n = 3, se tiene que c +
(4+n)(n3)
2
= c.
46
Paso de induccion: supongamos que la expresion obtenida es valida para n 3, esto es que
xn = c +
(4 + n)(n 3)
. (H.I.)
2
Entonces, usando la relacion de recurrencia y la hipotesis de induccion (H.I.) se tiene que:

xn+1 = xn + n + 1 = c +
n2 + 3n 10
(4 + n)(n 3)
(5 + n)(n 2)
+n+1 = c+
= c+
.
2
2
2
Es decir
xn+1 = c +
(4 + (n + 1))((n + 1) 3)
2
y la igualdad es valida para n + 1.

Proposici
on 2.2.6 (Caso general)
Una ecuaci
on en diferencias lineal de primer orden de la forma
xn+1 = a(n)xn + b(n)
se puede resolver por el llamado metodo de variaci
on de las constantes, que consiste en:
Resolver la Q
ecuacion homogenea xn+1 = a(n)xn , con lo que se obtiene una soluci
on del
tipo xn = c n1
a(j).
j=n0
Hacer variar la constante

c, convirtiendola en una sucesi
on (cn ) y buscar esta sucesion
Q
obligando a xn = cn n1
a(j)
a
verificar
la
ecuaci
o
n
completa
xn+1 = a(n)xn + b(n).
j=n0
Simplificando, se obtiene una ecuaci
on, para la sucesi
on cn , del tipo de las de la proposicion
2.2.4.
Resolver la ecuacion en cn , teniendo en cuenta que debe ser cn0 = xn0 .
Una vezQ
obtenida (cn ), la solucion de la ecuaci
on completa vendr
a dada por la sucesion
n1
xn = cn j=n0 a(j) para n n0 .
Nota 2.2.7
Para la solucion de la ecuacion lineal completa xn+1 = a(n)xn + b(n), tambien se puede dar una
formula, similar a la dada en los otros dos casos, pero que tiene el inconveniente de ser difcil
de recordar.
Concretamente la solucion de la ecuacion con la condicion inicial x1 = c es:
!
n1
n1
Y
X
bi
(n > 1).
xn =
a(i) c +
Qi
a(j)
j=1
i=1
i=1
Como se ha comentado antes, si se usa esta formula hay que ser cuidadoso con la forma en que
esta escrita la ecuacion y la condicion inicial.
Ejemplo 2.2.8
Se trata de resolver la ecuacion xn = (n 1)xn1 + n!, con condicion inicial x1 = 2.
Como es una ecuacion completa seguimos los pasos del algoritmo general:
Teora
47
La ecuacion homogenea es xn = (n 1)xn1 y su solucion, con x1 = c, es

xn = (n 1)(n 2) . . . 1 c = c(n 1)!
(Notese que
x2 = 1 x1 = 1 c,
x3 = 2 x2 = 2 1 c,
x4 = 3 x3 = 3 2 1 c
etc.)
Ahora se hace variar la constante c y se debe buscar una sucesion cn que haga que
xn = cn (n 1)! sea solucion de la completa. Para ello se debe cumplir la ecuacion:
cn (n 1)! = (n 1)cn1(n 2)! + n!
Dividiendo por (n 1)! resulta
cn = cn1 + n.
Se resuelve ahora esta ecuacion, en cn , teniendo en cuenta que debe ser c1 = x1 = 2, con
lo que
cn = c1 + 2 + 3 + + n = 2 + 2 + 3 + + n
n(n + 1)
2+n
(n 1) = 1 +
= 2+
2
2
La solucion de la ecuacion lineal completa es xn = cn (n 1)!, es decir:

n(n + 1)
(n + 1)!
xn = 1 +
(n 1)! = (n 1)! +
.
2
2
Se puede probar por induccion que esta sucesion es solucion de la ecuacion propuesta.
2.3
Ecuaciones de segundo orden
Para finalizar, vamos a ver como se resuelven algunas ecuaciones en diferencias de orden dos,
concretamente las lineales, homogeneas y con coeficientes constantes, es decir aquellas que se
pueden escribir de la forma:
xn+2 + axn+1 + bxn = 0
con a, b R.
Definici
on 2.3.1 (Polinomio caracterstico de una ecuaci
on homog
enea)
Dada una ecuacion en diferencias de segundo orden homogenea con coeficientes constantes
xn+2 + axn+1 + bxn = 0,
al polinomio x2 + ax + b se le llama polinomio caracterstico de la ecuacion.
Proposici
on 2.3.2
Sean z1 y z2 las races del polinomio caracterstico de la ecuaci
on en diferencias homogenea de
segundo orden xn+2 + axn+1 + bxn = 0.
48
(a) Si z1 , z2 R, z1 6= z2 , la solucion general es xn = z1n + z2n , con , R.

(b) Si z1 = z2 R, la solucion general es xn = z1n + nz1n1 , con , R.
on general es xn = r n ( cos(n) + sen(n)), con
(c) Si z1 = z2 = rei C R, la soluci
, R.
La soluci
on particular que satisface las condiciones iniciales xn0 = c, xn0 +1 = d es u
nica y se
obtiene imponiendo estas en la solucion general y resolviendo el sistema lineal de dos ecuaciones
en y que aparece.
Demostracion.
Veamos algunos elementos de la demostracion, aunque no la completaremos.
(a) Si z es una raz del polinomio caracterstico de la ecuacion, entonces xn = z n es una
solucion particular:
xn+2 + axn+1 + bxn = z n+2 + az n+1 + bz n = z n (z 2 + az + b) = z n 0 = 0.
(b) Si el polinomio caracterstico tiene una raz doble, debe ser z = a/2. En este caso,
xn = nz n1 es tambien una solucion particular:
xn+2 + axn+1 + bxn = (n + 2)z n+1 + a(n + 1)z n + bnz n1

= z n1 n(z 2 +az+b) + z(2z+a) = z n1 (n 0 + z 0) = 0.
(c) Si las races del polinomio caracterstico son imaginarias, z = rei y z = rei , entonces
n
xn = rei = r n ein = r n (cos(n) + i sen(n))
y
xn = rei
n
= r n ein = r n (cos(n) i sen(n))
son dos soluciones. Combinando ambas se pueden obtener otras dos soluciones que no
tienen parte imaginaria y son xn = r n cos(n) y xn = r n sen(n).
En definitiva, en todos los casos se generan dos soluciones particulares de la ecuacion. La
demostracion se completa probando que cualquier otra solucion se obtiene como combinacion
lineal de estas dos. Esta

es la parte que omitiremos.

Ejemplo 2.3.3
La ecuacion xn+2 = 4xn tiene por polinomio caracterstico x2 4, cuyas races son 2 y 2. Su
solucion general es, por tanto, xn = (2)n + 2n .
Si se imponen las condiciones iniciales x2 = 1, x3 = 0, se obtiene el sistema
x2 = 4 + 4 = 1
x3 = 8 + 8 = 0
cuya solucion es = = 1/8. La solucion particular buscada es
1
1
xn = (2)n + 2n = (1)n 2n3 + 2n3 = ((1)n + 1)2n3
si n 2.
8
8
En esta expresion se observa que todos los terminos de ndice impar son 0.
Vamos a comprobar que las soluciones obtenidas verifican tanto la ecuacion xn+2 = 4xn
como las condiciones iniciales.
Teora
49
Si n = 2: x2 = ((1)2 + 1)223 = (2)21 = 1.

Si n = 3: x3 = ((1)3 + 1)233 = (0)21 = 0.
Si n 2: xn verifica la relacion xn+2 = 4xn pues
(a) xn+2 = ((1)n+2 + 1)2n+23 = ((1)n+2 + 1)2n1 , y
(b) 4 xn = 4 ((1)n + 1)2n3 = 22 ((1)n+2 + 1)2n3 = ((1)n+2 + 1)2n3+2 = xn+2 .
Ejemplo 2.3.4
Para resolver la ecuacion xn+1 4xn + 4xn1 = 0 con condiciones iniciales x1 = 5 y x2 = 8, se
calculan las races del polinomio caracterstico x2 4x + 4, resultando la raz doble 2, luego la
solucion general es xn = 2n + n2n1 . A continuacion se imponen las condiciones iniciales
x1 = 2 + = 5
x2 = 4 + 4 = 8
obteniendose = 3 y = 1. La solucion buscada es xn = 3 2n n 2n1 si n 1.
Ejemplo 2.3.5
El problema de valores iniciales xn +4xn2 = 0, x1 = 1, x2 = 4 tiene por polinomio caracterstico
x2 + 4, cuyas races son 2i y 2i = 2ei/2 , luego la solucion general es

n
n
+ sen
.
xn = 2n cos
2
2
Las condiciones iniciales llevan al sistema
x1 = 2 = 1
x2 = 4 = 4
de donde = 1 y = 1/2. La solucion buscada es

n 1
n
n
xn = 2 cos
+ sen
2
2
2
si n 1.
50
Problemas
Problema 2.1
Las sucesiones siguientes son convergentes:
(a)
a1 = 1
1
an = an1 +
2n
(b)
si n 2
a1 = 3
n
an =
an1
n+1
si n 2.
Es posible obtener el lmite a partir de la ecuacion que satisface dicho lmite? Resolver la
ecuacion en diferencias y encontrar el lmite.
Problema 2.2
Las sucesiones siguientes son convergentes:
(a)
a1 = 1
an = an1 +
1
3n
(b)
si n 2
a1 = 2
n+1
an =
an1
n+3
si n 2.
Es posible obtener el lmite a partir de la ecuacion que satisface dicho lmite? Resolver la
ecuacion en diferencias y encontrar el lmite.
Problema 2.3
Resolver las siguientes ecuaciones en diferencias con las condiciones iniciales que se indican.
Determinar, en cada caso, el orden de magnitud de la sucesion solucion.
(a)
x1 = 3
xn = n2 xn1
(c)
x3 = 4
xn
xn+1 =
+1
2
(e)
(g)
si n 2
si n 3
x0 = 1/2, x1 = 1
2xn + 4xn2 = 6xn1
x1 = x2 = 1
2xn+1 2xn = xn+2
si n 2
si n 1
(b)
(d)
x1 = 2
xn = 3xn1 + 2n
(f)
x1 = 1, x2 = 2
xn+2 + xn = 2xn+1
(h)
x0 = 2, x1 = 1
xn+2 + xn = 0
x1 = 1
xn+2 = xn+1 + 2(n + 1) si n 0
si n 2
si n 1
si n 0
Problema 2.4
Resolver las siguientes ecuaciones en diferencias con las condiciones iniciales que se indican.
Problemas
51
Determinar, en cada caso, el orden de magnitud de la sucesion solucion.

(
(
x1 = 1
x3 = 5
(a)
(b)
2
xn = (n 1) xn1 si n 2
xn+2 = xn+1 + 3n si n 2
(
x2 = 3
x0 = 1
(d)
(c)
1
xn1 = 2xn2 +
si n 4
xn = nxn1 + 2n1 n! si n 1
5
(
x1 = 1, x2 = 0
x0 = 3, x1 = 1
(e)
(f)
x
+ xn+1
xn = n1
si n 2
2xn+2 + 3xn+1 = 2xn si n 0
2
(
(
x0 = 1, x1 = 0
x0 = 0, x1 = 3
(g)
(h)
xn+2 + 2xn+1 + 2xn = 0 si n 0
xn+2 + xn = 0
si n 0
Problema 2.5
Los n
umeros de Fibonacci estan definidos por la relacion de recurrencia
(
F1 = 1, F2 = 1
Fn+2 = Fn+1 + Fn si n 1
(a) Obtener una formula explcita para Fn y determinar su orden de magnitud.
1 5
1+ 5
1 n
n
yb=
.
(b) Comprobar que Fn = (a b ) siendo a =
2
2
5
(c) Demostrar que lim
Fn+1
= a (el n
umero a se denomina razon aurea).
Fn
Problema 2.6
Los n
umeros de Lucas estan definidos por la relacion de recurrencia
(
L1 = 1, L2 = 3
Ln+2 = Ln+1 + Ln si n 1
(a) Obtener una formula explcita para Ln y determinar su orden de magnitud.
1+ 5
1 5
n
n
(b) Comprobar que Ln = a + b siendo a =
yb=
.
2
2
(c) Demostrar que lim
Ln+1
= a (el n
umero a se denomina razon aurea).
Ln
Problema 2.7
Dada una lista de n n
umeros reales, [r1 , ..., rn ], que deben ordenarse de menor a mayor, el
metodo de la burbuja consiste en lo siguiente: si rn < rn1 , se intercambian, y en caso contrario,
se dejan como estaban. Despues, se compara rn1 con su predecesor, rn2 , y se act
ua de la
misma manera. Tras n 1 comparaciones de este tipo, el n
umero mas peque
no de la lista figura
en primer lugar. A continuacion, se aplica el mismo proceso a la lista [r2 , ..., rn ] y se contin
ua
hasta que toda la lista este ordenada.
52
(a) Si an representa el n
umero de comparaciones necesarias para ordenar n elementos utilizando
este algoritmo, definir la sucesion an de forma recursiva y obtener su forma explcita.
(b) Comparar este algoritmo con otro de complejidad n ln(n).
Problema 2.8
Un algoritmo emplea una instruccion para resolver un problema cuando hay un solo dato de
entrada. Si el n
umero de datos es n 2, usa 4n instrucciones para reducir el problema a n 1
datos y ejecuta sobre ellos el mismo algoritmo. Si an representa el n
umero de instrucciones
para n datos de entrada, hallar p R tal que an np .
Problema 2.9
El problema de las Torres de Hanoi consiste en lo siguiente. Se dispone de una torre de n discos
de diferentes diametros, apilados en orden decreciente en una varilla. Se trata de trasferir todos
los discos a una segunda varilla, con ayuda de una tercera, moviendo solo un disco cada vez
y sin colocar ning
un disco sobre otro de menor diametro. Determinar la forma explcita del
n
umero mnimo de movimientos para resolver el problema y calcular su orden de magnitud.
Problema 2.10
Escribir la ecuacion en diferencias que representa el n
umero de puntos de corte creados por n
rectas en el plano, supuesto que no hay rectas paralelas y que no hay mas de dos rectas que se
corten en un punto.
Obtener la foma explcita de la sucesion correspondiente, calcular su orden de magnitud y
determinar el n
umero de puntos de corte creados por 248 rectas.
Problema 2.11
Un estudio sobre la evolucion de los ciervos en una determinada comarca andaluza demuestra
que el incremento de poblacion desde un mes n hasta el mes n + 1 es el doble del incremento
desde el mes n 1 al n. Si el primer mes haba 200 ciervos y el segundo 220, cuantos ciervos
habra al cabo de n meses? Hallar el orden de magnitud de la sucesion obtenida.
Problema 2.12
Una partcula se desplaza en lnea recta, y siempre en el mismo sentido, de modo que la
distancia que recorre en cada segundo es el triple de la recorrida durante el segundo anterior.
Si xn representa la posicion de la partcula despues de n segundos (al inicio del (n + 1)-esimo
segundo), obtener las expresiones recursiva y explcita de xn , sabiendo que x0 = 1 y x1 = 5.
Practica
53
Pr
actica
Objetivos
Reconocer los distintos tipos de ecuaciones en diferencias.
Manejar las funciones de Derive que permiten resolver ecuaciones en diferencias:
LIN1 DIFFERENCE
LIN2 CCF BV
GEOMETRIC1
Modelar y resolver problemas utilizando las ecuaciones en diferencias.
2.1
Resoluci
on de ecuaciones en diferencias
2.1.1
Ecuaciones de primer orden
Un virus informatico se expande de modo que la diferencia entre el n

umero de infectados el da
n-esimo y el doble del n
umero de infectados el da anterior es n. Sabiendo que el primer da se
infectan dos ordenadores, se pretende estimar la velocidad de expansion de dicho virus.
Si xn representa el n
umero de ordenadores infectados el n-esimo da, se quiere:
(a) Obtener una expresion recursiva para xn y decir que tipo de ecuacion en diferencias
verifica la relacion de recurrencia obtenida.
(b) Para estimar la velocidad de expansion del virus calculamos el orden de magnitud de la
sucesion xn . Puesto que la expresion anterior no nos permite hallar facilmente su orden de
magnitud, obtenemos su expresion explcita. Para ello utilizaremos la siguiente funcion
de Derive:
LIN1 DIFFERENCE(a, b, n, n0 , c), que resuelve la ecuacion en diferencias lineal de
primer orden xn+1 = a xn + b con la condicion inicial xn0 = c.
Reescribir la ecuacion en diferencias para poder usar correctamente esta funcion, y
calcular la forma explcita de xn .
Obtener el orden de magnitud de xn :

54
(c) Comprobar que la sucesion dada por Derive es solucion de la ecuacion en diferencias del
apartado (a).
2.1.2
Ecuaciones de segundo orden
Se quiere determinar el orden de magnitud de la sucesion que verifica:
x = 3, x = 1
1
2
5x = 2x
si n > 2
n
n1 + 3xn2
Para ello seguimos los pasos siguientes:
(a) Decir que tipo de ecuacion en diferencias verifica la relacion de recurrencia de xn .
(b) Para obtener la forma explcita puedes utilizar la funcion de Derive

LIN2 CCF BV(a, b, r, n, n0 , c, n1 , d), que obtiene la solucion particular de la ecuacion de orden 2, lineal y con coeficientes constantes
xn+2 + a xn+1 + b xn = r
que satisface las condiciones iniciales xn0 = c y xn1 = d.
Reescribir la ecuacion en diferencias anterior para poder usar correctamente esta funcion,
y calcular la forma explcita de xn .
(c) Obtener el orden de magnitud de xn :
2.2
Ejercicios
2.2.1
Opci
on 1
(a) Para cada una de las ecuaciones en diferencias siguientes, obtener su forma explcita
utilizando adecuadamente las funciones de Derive LIN1 DIFFERENCE o LIN2 CCF BV.
Indicar en los cuadros la expresion utilizada para hallar xn y el resultado obtenido.
(i)
LIN
x0 = 3
xn+1 = xn + n3 si n 0
xn =
Practica
(ii)
(iii)
(iv)
x1 = 1, x2 = 0
xn+2 + 2xn+1 15xn = 0 si n 1
(vi)
xn =
LIN
xn =
LIN
x0 = 2, x1 = 3
xn+2 + 3xn+1 + 9xn = 0 si n 0
xn =
LIN
x1 = 1
2n xn+1 n2n xn = n! si n 1
xn =
LIN
x2 = 1
xn1 = 2xn2 + n2 si n 4
x1 = 1, x2 = 1
(v)
9x
+ xn+1
xn = n1
si n 2
6
(
LIN
55
xn =
(b) Para cada una de las sucesiones del apartado anterior, hallar una sucesion an del tipo np
o r n que sea del mismo orden que xn , o bien tal que xn O(an ), o bien justificar que no
es posible:
2.2.2
(i) xn
(ii) xn
(iii) xn
(iv) xn
(v) xn
(vi) xn
Opci
on 2
(a) Para cada una de las ecuaciones en diferencias siguientes, obtener su forma explcita
utilizando adecuadamente las funciones de Derive LIN1 DIFFERENCE o LIN2 CCF BV.
Indicar en los cuadros la expresion utilizada para hallar xn y el resultado obtenido.
56
(i)
(ii)
(iii)
(iv)
(v)
(vi)
LIN
x0 = 5
xn+1 = xn + 2n2 si n 0
xn =
LIN
x2 = 0
xn = 2xn1 + 5n3 si n 3
xn =
LIN
x1 = 2, x2 = 0
xn+2 + 4xn+1 + 4xn = 0 si n 1
xn =
LIN
x2 = 1
(n + 1)xn+1 (n 1)xn = 3 (n + 1) si n 2
LIN
x1 = 0, x2 = 4
2xn+2 = 4xn+1 + 30xn si n 1
xn =

xn =
LIN
x0 = 2, x1 = 2
4xn + 2xn+1 + xn+2 = 0 si n 0
xn =
(b) Para cada una de las sucesiones del apartado anterior, hallar una sucesion an del tipo np
o r n que sea del mismo orden que xn , o bien tal que xn O(an ), o bien justificar que no
es posible:
(i) xn
(ii) xn
(iii) xn
(iv) xn
(v) xn
(vi) xn
Practica
2.3
57
Problemas
2.3.1
Opci
on 1
(a) La u
ltima cancion del verano, pegadiza donde las haya, se dio a conocer de modo que
el n
umero total de personas que la tarareaba se triplicaba cada da. Si la compa
na
discografica Magorricoya lanzo la cancion al mercado el 1 de junio, y el primer da se
la aprendieron 1000 personas, cuantas se la saban al cabo de n das?
(b) La compa
na discografica rival Pozyotamien no quiso perder la clientela de ese verano,
as que contraataco con una rumbita que lanzo el 3 de junio. La expresion recursiva del
n
umero de personas que se saban esta cancion al cabo de n das era:
300
si n = 3
c(n) =
k c(n 1) si n 4
Cuantas personas se saban la rumba el da n? Teniendo en cuenta los posibles valores

de k > 0, justificar cual de las dos canciones llego a estar antes en boca de todos.
(c) Si k = 4, a partir de que da se canto mas la cancion que se hizo mas popular?
58
2.3.2
Opci
on 2
(a) Cierto algoritmo recursivo resuelve un problema de tama

no n 3 reduciendolo a un
problema de tama
no n1 y dos problemas de tama
no n2. Si an representa el n
umero de
instrucciones empleadas por el algoritmo para resolver el problema de tama
no n, obtener
una ecuacion en diferencias que debe verificar an (se supone que no emplea ninguna
instruccion en la reduccion del problema).
(b) Sabiendo que se requieren 8 instrucciones para resolver un problema de tama
no 1 y 10
instrucciones cuando n = 2, obtener la forma explcita de la complejidad (n
umero de
instrucciones) de dicho algoritmo.
(c) Determinar el orden de magnitud de la sucesion an .
(d) Se dispone de otro algoritmo que resuelve el mismo problema y cuya complejidad viene
dada por 2n4 3n2 + 2n cos(n). Determinar que algoritmo es preferible para valores
grandes de n.
Tema 3
Resoluci
on num
erica de ecuaciones
Teora
En las aplicaciones practicas de las Matematicas es habitual tener que trabajar con datos
aproximados. Por ejemplo, supongamos que queremos construir un deposito cilndrico de
volumen V = 1000 m3 y con una altura de h = 5 metros, y necesitamos saber cual debe
ser el radio de la base. Despejando r en la formula del volumen de un cilindro: V = r 2 h se
obtiene:
r
r
r
V
1000
200
=
=
m.
r=
h
5
Si los datos de h o de V se han obtenido por mediciones, los valores correspondientes seran
aproximaciones, que pueden tener errores debidos a los instrumentos de medida.
Pero, aunque V y h fuesen exactos, el calculo de r requiere manejar el n
umero , que es
irracional y que normalmente se aproxima, dando lugar a un error de redondeo. Igualmente
el cociente se redondeara para trabajar con un valor aproximado.
Finalmente, si para calcular la raz cuadrada utilizamos el algoritmo clasico, iremos obteniendo dgitos hasta que en un determinado paso dejemos de aplicar el algoritmo y nos quedemos
con una aproximacion de la solucion. Se produce de nuevo un error, denominado error de
truncamiento.
Un metodo numerico puede definirse (informalmente) como un algoritmo que permite obtener una aproximacion de la solucion de un problema con una precision arbitraria en un n
umero
finito de pasos (el n
umero de pasos depende de cual sea la precision que se desee). La parte de
las Matematicas que se ocupa del estudio de los metodos numericos se llama An
alisis Numerico
o C
alculo Numerico.
En todos los metodos numericos se pretende que la precision del resultado aumente al
aumentar el n
umero de iteraciones, de manera que se pueda obtener la solucion del problema
con tanta precision como se desee. Y como hemos comentado, y hemos visto en el anterior
ejemplo del cilindro, en cualquier metodo numerico aparecen distintos tipos de errores, que
pueden ser:
(a) Errores inherentes: son debidos a los datos. Puede tratarse bien de errores de planteamiento del problema (modelos matematicos inexactos) o bien de errores de medida, debidos
a la inexactitud de los aparatos de precision.
(b) Errores de redondeo: son debidos al hecho de trabajar con n
umeros aproximados.
60
Tema 3. Resolucion numerica de ecuaciones
(c) Errores de truncamiento: son debidos a la necesidad de parar en alg

un momento el
algoritmo que aplicamos para obtener la solucion aproximada que buscamos.
Dados dos n
umeros A, a R, de los cuales se considera que a es una aproximacion de A, se
consideran dos formas de medir el error cometido:
(a) Error absoluto de a: |a A|. Si a < A se dice que la aproximacion es por defecto y si
a > A se dice que la aproximacion es por exceso.

a A
.
(b) Error relativo de a, con A 6= 0:
A
En general, el valor exacto de ambos errores no se conoce y hay que conformarse con conocer
una cota superior de los mismos.
Por ejemplo, si A =
Una aproximacion por defecto es 314.
Una aproximacion por exceso es 315.
Una cota del error absoluto de estas aproximaciones es 102 .
Y una cota del error relativo de ambas sera 4 103 , ya que
4
102
102 = 4 103 .
10
Los problemas numericos que estudiaremos en este tema surgen al intentar obtener soluciones
de ecuaciones. Por ejemplo, para la ecuacion ex = 1/x no existe una formula que la resuelva
de manera exacta, por lo que habra que obtener soluciones aproximadas, que conllevaran
unos ciertos errores. Aplicaremos determinados algoritmos garantizando una cota de error
de truncamiento.
3.1
Resoluci
on num
erica de ecuaciones
El proceso de resolucion numerica de ecuaciones se divide en varias etapas:

(a) Preparacion de la ecuacion:
Dada una ecuacion, por ejemplo f1 (x) = f2 (x), se trata de reescribirla como f (x) = 0,
siendo f una funcion lo mas adecuada posible.
(b) Localizacion de las races:
Consiste en establecer un intervalo en el que existan races de la ecuacion. Cuando la
funcion f es continua, se puede usar el teorema de Bolzano1 (vease 3.1.1).
(c) Separacion de races:
Consiste en establecer intervalos que contengan una y solo una raz de la ecuacion. Para
ello se puede usar el resultado, basado en el estudio de la monotona o la convexidad de
la funcion, que garantiza la existencia y unicidad de solucion (vease 3.1.6).
1
atico, l
ogico, fil
osofo y teologo checo (17811848).
Bernard Bolzano, matem
Teora
61
(d) Aproximacion de las races:

Consiste en hallar valores cada vez mas proximos al valor exacto de la raz, dando una cota
del error cometido tras hacer n iteraciones del algoritmo de aproximacion considerado.
Para aproximar las races se utiliza alg
un metodo numerico (biseccion, Newton2 , etc.) y
para acotar el error se usan resultados generales o criterios particulares de cada metodo.
3.1.1
Localizaci
on y separaci
on de races de una ecuaci
on
Para localizar los intervalos en donde se encuentran las soluciones de una ecuacion del tipo
f (x) = 0, utilizaremos el siguiente resultado:
Teorema 3.1.1 (de Bolzano)
Sea f : [a, b]R continua en [a, b] y tal que f (a)f (b) < 0. Entonces existe c (a, b) tal que
f (c) = 0.
El punto c es una raz de f , es decir una solucion de la ecuacion f (x) = 0. En general, no
es u
nico (vease figura 3.1).
Figura 3.1: Races de una funcion.

Ejemplo 3.1.2
Para localizar las soluciones de la ecuacion 3x3 + 2x2 2x = 1, vamos a considerar la funcion
f (x) = 3x3 + 2x2 2x 1, que es polinomica, por lo que es continua y derivable cuantas veces
sea necesario.
Como f (0) = 1 < 0 y f (1) = 2 > 1, por el teorema de Bolzano, f tiene una raz en el
intervalo (0, 1).
Para saber si hay mas de una raz en ese intervalo y si la ecuacion tiene mas soluciones
en otros intervalos, se necesitan otros resultados que se basan en el estudio de la monotona
(crecimiento o decrecimiento) o la concavidad de la funcion en un intervalo.
Para estudiar la monotona (crecimiento o decrecimiento) de una funcion en un intervalo,
puede ser u
til el siguiente resultado:
Teorema 3.1.3
Si f : [a, b] R es continua en [a, b] y derivable en (a, b), entonces
2
osofo, alquimista y matematico ingles (1643-1727).

Isaac Newton, cientfico, fsico, fil
62
(a) Si f (x) > 0 para todo x (a, b), entonces f es estrictamente creciente en [a, b].
(b) Si f (x) < 0 para todo x (a, b), entonces f es estrictamente decreciente en [a, b].
Y para estudiar la convexidad o concavidad de f en un intervalo podemos usar:
Teorema 3.1.4
Si f : [a, b] R es continua en [a, b] y dos veces derivable en (a, b), entonces
(a) Si f (x) 0 para todo x (a, b), entonces f es convexa en [a, b].
(b) Si f (x) 0 para todo x (a, b), entonces f es c
oncava en [a, b].
Ejemplo 3.1.5
La funcion f (x) = x2 es continua e infinitamente derivable en todo R.
Su derivada es f (x) = 2x, luego f (x) > 0 x (0, ) y f (x) < 0 x (, 0).
Por lo tanto, f es decreciente en (, 0] y creciente en [0, ) (vease figura 3.2).
Como su derivada segunda es f (x) = 2 > 0 para todo x R, se deduce que f es convexa
en (, ).
Figura 3.2: Crecimiento y convexidad.

Teorema 3.1.6
Sea f : [a, b] R continua tal que f (a)f (b) < 0. Si adem
as se verifica una de las dos
condiciones:
(a) f es estrictamente monotona en [a, b]
(b) f mantiene la convexidad en [a, b]
entonces la ecuacion f (x) = 0 tiene una u
nica soluci
on en (a, b).
Teora
63
Ejemplo 3.1.7
Se ha visto que f (x) = 3x3 + 2x2 2x 1 tiene una raz en el intervalo (0, 1). Para estudiar
si es u
nica, es facil comprobar que f (x) = 9x2 + 4x 2 cambia de signo en el intervalo (0, 1),
por lo que f no es monotona.
Sin embargo, f (x) = 18x + 4 > 0 para todo x > 0. Entonces f es convexa en (0, 1) y, como
f (0)f (1) < 0, por el teorema 3.1.6 se puede asegurar que la ecuacion f (x) = 0 tiene una u
nica
solucion en el intervalo (0, 1).
Ejemplo 3.1.8
Se quiere localizar las soluciones de la ecuacion ex = 1/x.
En primer lugar hay que preparar la ecuacion. En este caso, la ecuacion dada equivale
x
a e x1 = 0 o bien a xex 1 = 0. Se considera la segunda alternativa porque la funcion
f (x) = xex 1 es continua e infinitamente derivable en todo R.
Como f es continua en R, lo es en el intervalo [0, 1]. Ademas verifica que f (0) = 1 < 0 y
f (1) = e 1 > 0, por lo tanto el teorema de Bolzano asegura que existe una raz de f en (0, 1).
Para ver que en [0, 1] esta raz es u
nica, basta observar que f (x) = ex (1+x) es estrictamente
x
positiva en (0, 1) (ya que e > 0 x R y 1 + x > 0 x [0, 1]).
Por otra parte f (x) < 0 para todo x < 0 (ya que xex < 0 si x < 0, y por lo tanto xex 1 < 0
x < 0), luego f no tiene mas races en (, 0).
Finalmente se observa que f (x) = ex (1 + x) > 0 para todo x > 0, en particular x > 1, por
lo tanto f es estrictamente creciente en (1, ) y como f (1) > 0, se concluye que f (x) > f (1) > 0
x > 1 y por tanto f tampoco tiene mas races en (1, ).
En definitiva f tiene una u
nica raz real, que esta en [0, 1], y por lo tanto la ecuacion ex = x1
tiene una u
nica solucion, que esta en el intervalo [0, 1].
3.2
M
etodo de bisecci
on
Sea f : [a, b] R una funcion continua tal que f (a)f (b) < 0. Por el teorema de Bolzano (vease
3.1.1) sabemos que existe un punto c (a, b) tal que f (c) = 0.
El metodo de la biseccion consiste en dividir por la mitad el intervalo de partida, [a, b],
iterando el proceso hasta encontrar la raz o bien hasta localizarla en un intervalo de longitud
menor que el error admisible. Se procede pues del siguiente modo:
Se denota el intervalo [a, b] como [a0 , b0 ] y se considera el punto medio, c0 =
a+b
.
2
Si f (c0 ) = 0, entonces c = c0 . (Hemos encontrado la solucion.)

Si f (c0 ) 6= 0, entonces se elige el subintervalo [a0 , c0 ] o [c0 , b0 ] en cuyos extremos f
tome valores de signo opuesto. Ese intervalo se designa por [a1 , b1 ].
A continuacion se obtiene el punto medio del intervalo [a1 , b1 ] y se procede del mismo
modo para obtener [a2 , b2 ] (vease figura 3.3).
Reiterando el proceso se llega o bien a la raz de la ecuacion o bien a una sucesion de
intervalos encajados: [a0 , b0 ] [a1 , b1 ] [a2 , b2 ] [an , bn ] en los cuales
1
f (ai )f (bi ) < 0, y con amplitud bn an = n (b a).
2
64
Figura 3.3: Metodo de biseccion.

Para ver que el metodo converge a la raz de la ecuacion puede utilizarse el siguiente teorema.
Teorema 3.2.1
Sea f : [a, b] R continua, tal que f (a)f (b) < 0. Se definen recursivamente:
a0 = a, b0 = b
a + bn
cn = n
n N
2
si f (cn ) = 0
an+1 = bn+1 = cn
an+1 = an , bn+1 = cn si f (cn )f (an ) < 0
a
bn+1 = bn si f (cn )f (bn ) < 0
n+1 = cn ,
En estas condiciones, las sucesiones an , bn y cn convergen al mismo lmite c, que es raz de f

en [a, b], y se verifican:
0 c an , bn c
ba
2n
|cn c|
ba
2n+1
n N.
Demostracion.
De la definicion de las sucesiones an , bn y cn se deduce que a an cn bn b y que
f (an )f (bn ) 0 para todo n N.
Puesto que para cada n es an+1 = an o bien an+1 = cn , entonces an+1 an , Y analogamente,
dado que bn+1 = bn o bn+1 = cn , entonces bn+1 bn . Por lo tanto an y bn son sucesiones
monotonas y acotadas. Luego ambas son convergentes.
ba
Es facil demostrar por induccion que 0 bn an
para todo n N. Utilizando la
2n
regla del sandwich se obtiene que lim(bn an ) = 0, de donde lim bn = lim an . Y teniendo en
cuenta la desigualdad an cn bn y aplicando de nuevo la regla del sandwich se deduce que
cn es convergente y lim cn = lim bn = lim an .
Llamemos c a ese lmite. Puesto que f es continua y f (an )f (bn ) 0 para todo n N,
tomando lmites:
2
lim f (an )f (bn ) = f ( lim an )f ( lim bn ) = f (c)f (c) = f (c) 0,
n
Teora
65
y por lo tanto f (c) = 0, luego c es una solucion de la ecuacion f (x) = 0. Ademas dado que
an c bn para todo n, se tiene que:
0 c an bn an
ba
2n
y 0 bn c bn an
|c an |
ba
2n
y |bn c|
o bien
ba
,
2n
ba
,
2n
ba
.
2n
Finalmente, si tomamos cn como aproximacion a la raz c, por la definicion de cn se tiene
que |cn c| = |an+1 c| o bien |cn c| = |bn+1 c|, por lo tanto
lo que significa que an y bn son aproximaciones a c con un error menor que
|cn c|
ba
.
2n+1
Observaci
on 3.2.2
En las condiciones del teorema anterior, cualquier punto del intervalo [an , bn ] es una aproximacion
ba
a la solucion con error menor que
, pero solo si es el punto medio se puede asegurar que
2n
ba
el error es menor que n+1 .
2
Ejemplo 3.2.3
Sea f (x) = 3x3 + 2x2 2x 1 la funcion del ejemplo 3.1.2. Sabemos que la ecuacion f (x) = 0
tiene una u
nica solucion c en el intervalo [0, 1] = [a0 , b0 ]. Si evaluamos en c0 = 1/2 tenemos que
f (c0 ) =
3 1
9
+ 1 1 = < 0,
8 2
8
por lo que c [ 21 , 1] = [a1 , b1 ]. Hacemos otros dos pasos del metodo de la biseccion, obteniendo:
3
7
7
c1 = , f (c1 ) =
< 0. Entonces c [3/4, 1] = [a2 , b2 ] y c2 = .
4
64
8
7
405
13
c2 = , f (c2 ) =
> 0. Entonces c [3/4, 7/8] = [a3 , b3 ] y c3 =
= 0 8125.
8
512
16
Si damos c3 =
13
como aproximacion de c, el error cometido sera menor o igual que
16
10
1
=
< 0 07.
4
2
16
13
es una solucion aproximada de la ecuacion f (x) = 0 con error menor que 0 07.
16
Tambien se puede proponer 3/4, 0 81 o cualquier valor del intervalo [a3 , b3 ] = [3/4, 7/8] como
aproximacion, y la cota del error sera 1/23 .
Si se quiere obtener una aproximacion con un error menor que 103 , basta que el n
umero de
10
iteraciones n verifique:
< 103 , o lo que es lo mismo, 2n > 1000, lo que se consigue con n =
2n
10. Despues de 10 iteraciones el intervalo obtenido es [393/512, 787/1024] [0 767578, 0768554];
O sea c3 =
66
como podemos tomar como aproximacion un valor cualquiera de dicho intervalo, consideramos
c 0 768.
Si se decide de antemano elegir como valor aproximado el punto medio del u
ltimo intervalo,
10
podemos ahorrar una iteracion, ya que basta que n+1 < 103 , lo que se consigue con n = 9.
2
Esto puede ser particularmente interesante si la funcion es costosa de evaluar. En nuestro caso,
despues de 9 iteraciones el intervalo obtenido es [393/512, 197/256] y el valor aproximado de la
raz sera su punto medio, esto es c9 = 787/1024 0 7685.
3.3
M
etodo de Newton
Se basa en la idea de sustituir un arco peque

no de la curva y = f (x) por la tangente trazada
por un punto de la curva. Para presentar este metodo (ver figura 3.4) se eligen una funcion y
un intervalo [a, b] de modo que f (a) < 0 < f (b), que la funcion f es convexa (con lo que se
garantiza la existencia de una u
nica raz de f en el intervalo [a, b]) y que tenemos una primera
aproximacion x0 a la raz c de f .
Figura 3.4: Aproximaciones por el metodo de Newton.

Por el punto N de abscisa x0 se traza la tangente a la curva y = f (x). Si la eleccion de x0
es buena, el punto x1 de interseccion de la tangente con el eje OX estara mas proximo a c que
x0 . Para determinar x1 hallamos dicha interseccion:
(
)
f (x0 )
f (x0 )
y f (x0 ) = f (x0 )(x x0 )
= x x0 =
= x = x0
f (x0 )
f (x0 )
y=0
f (x0 )
.
f (x0 )
En general, una vez hallada la aproximacion xn , para obtener la siguiente aproximacion se
razona como antes, obteniendose:
obteniendose el punto x1 = x0
xn+1 = xn
f (xn )
.
f (xn )
Teora
67
Puede observarse que la sucesion (xn ) as definida es monotona y se aproxima a c.

El siguiente resultado, que damos sin demostracion, asegura que el metodo de Newton
converge si se dan unas ciertas condiciones iniciales:
Teorema 3.3.1
Si f : [a, b] R es derivable dos veces, mantiene la convexidad en (a, b) y f (a)f (b) < 0,
entonces la sucesion recursiva:
x0 [a, b]
tal que f (x0 )f (x) 0 x (a, b)
f (xn )
si n 0
xn+1 = xn
f (xn )
est
a bien definida, es monotona y converge hacia la u
nica raz de f en [a, b].
La mejora fundamental del metodo de Newton respecto al de biseccion es que en general

converge mas rapido, si bien se necesitan mas hipotesis.
Ejemplo 3.3.2
Sea f (x) = 3x3 + 2x2 2x 1 la funcion de los ejemplos 3.1.2, 3.1.7 y 3.2.3. Seg
un se vio en
el ejemplo 3.1.7, f es dos veces derivable en [0, 1], f (0) < 0, f (1) > 0 y f no cambia de signo
(f (x) > 0) en dicho intervalo. Por lo tanto, la ecuacion f (x) = 0 tiene una solucion u
nica en
el intervalo [0, 1] y dicha solucion se puede aproximar aplicando el metodo de Newton a f en
[0, 1]. Tomamos como valor inicial x0 = 1 ya que f (x) > 0 en [0, 1] y f (1) = 2 > 0 (por tanto,
f (1) f (x) > 0 para todo x (0, 1)). Hallemos las dos primeras iteraciones del algoritmo:
9
2
f (1)
=
1
=
0 8181818181.
f (1)
11
11
f (9/11)
7487
=
0 7708226088.
x2 = 1
f (9/11)
9713
x1 = 1
Para obtener una aproximacion a la solucion c [0, 1] de la ecuacion f (x) = 0 con un

error peque
no se puede proceder del siguiente modo: por el teorema 3.3.1 sabemos que
la sucesion x1 , x2 , . . . es monotona y converge a c. Haremos iteraciones hasta que dos valores
aproximados que ofrece Derive para dos iteraciones consecutivas coincidan y daremos ese valor
como aproximacion a la raz, y tomaremos como cota de error la precision con la que estamos
trabajando. As pues, si hallamos (con Derive) las siguientes iteraciones:
x3 0 7676063695,
x4 0 7675918795,
x5 0 7675918792,
x6 0 7675918792,
para x5 los 10 decimales que hemos obtenido coinciden con los de x6 , por lo que tomaremos x5
como aproximacion de c, con error menor que 1010 .
68
Problemas
Problema 3.1
Analizar si es cierta o no la siguiente afirmacion: Si f es una funcion continua que tiene una
raz en el punto s y |f (x)| < , entonces x es una aproximacion a s con un error menor que .
Problema 3.2
Analizar si es cierta o no la siguiente afirmacion: Si f es una funcion continua que tiene una
u
nica raz s R y tal que f (1) = 0 001, entonces |s 1| < 0 001.
Problema 3.3
Demostrar que la ecuacion 2x =
1
tiene una u
nica solucion. Aproximarla, con un error
x1
menor que 103 , por el metodo de biseccion.
Problema 3.4
Demostrar que la ecuacion tan(x) = x + 1 tiene dos soluciones en el intervalo (0, 2). Indicar
el intervalo inicial y n
umero de iteraciones que garantiza una aproximacion de una de ellas, por
el metodo de biseccion, con un error menor que 104.
Practica
69
Pr
actica
Objetivos
Resolver ecuaciones numericamente, usando las prestaciones graficas, numericas y de
programacion de Derive.
Instrucciones
Cargar el fichero AMyMN.mth.
3.1
M
etodo de bisecci
on
(a) Localizar graficamente todas las races del polinomio P (x) = x4 + x2 + x 2. Separar las
distintas races en intervalos disjuntos.
(b) Justificar analticamente que el polinomio anterior no tiene mas races que las encontradas
en el apartado anterior.
(c) Para la menor de las races de P dar un intervalo [a, b] de longitud 1 en el que se
verifiquen las hipotesis de convergencia del metodo de la biseccion, comprobar dichas
hipotesis y ejecutar (en modo aproximado) la instruccion BISECCION(P(x), x, a, b, 5),
para realizar cinco iteraciones de dicho metodo. Que intervalo se obtiene despues de la
quinta iteracion?
(d) A partir del intervalo obtenido en el apartado anterior, dar una aproximacion de la raz
y una cota de error.
(e) Cuantas iteraciones seran necesarias para obtener una aproximacion con error menor
que 106 ?
(f) Obtener una aproximacion a la menor de las races de P con error menor que 106 .
70
(g) Es posible verificar con Derive el resultado, usando el men

u Resolver/Expresi
on, con
las opciones M
etodo:Num
erico, Dominio:Intervalo, L
mites del intervalo: (indicar los extremos del intervalo en el que exista una raz), para resolver la ecuacion P (x) = 0,
de forma aproximada. En este caso la cota del error viene dada por la precision del sistema.
3.2
M
etodo de Newton
Vamos a usar el metodo de Newton para aproximar la solucion positiva de la ecuacion

ex (x 1) + x2 x + 1/2 = 0.
Para ello, se deben dar los siguientes pasos:

(a) Encontrar un intervalo en el que se verifiquen las condiciones suficientes de convergencia
del teorema anterior. A su vez, esto requiere:
(i) Definir y trazar la funcion f (x) = ex (x 1) + x2 x + 1/2 para buscar un intervalo
[a, b], con f (a)f (b) < 0, de modo que contenga una solucion positiva de la ecuacion
f (x) = 0.
.
[a, b] =
(ii) Estudiar si f mantiene signo constante en el intervalo [a, b] elegido. Si no es as,

modificar el intervalo.
. Signo de f :
[a, b] =
(iii) Elegir un valor inicial x0 [a, b] tal que f (x0 ) tenga el mismo signo que f en [a, b].
x0 =
(b) Implementar la sucesion recurrente
s(0) = x0
el valor inicial elegido en el apartado (a)
f (s(n))
s(n + 1) = s(n)
si n 0
f (s(n))
y obtener s(1), s(2) y s(3):
Las condiciones del apartado (a) garantizan la convergencia de esta sucesion a la solucion
del problema.
(c) Iterar hasta que coincidan los 10 primeros decimales de dos iteraciones consecutivas:
n
1
2
3
4
5
s(n)
Indicar el n
umero de iteraciones realizadas, n =
s(n) =
, y el u
ltimo valor obtenido,
, que tomaremos como aproximacion de la raz.
Tema 4
Series num
ericas
Teora
En algunos sistemas de informacion, el tiempo empleado para procesar cada dato de una lista
depende del lugar que este ocupe. As, si a1 es el tiempo empleado para procesar el primer
dato y a2 el empleado para procesar el segundo, en general sera a1 6= a2 . Si se quiere procesar
una lista de n datos y ak es el tiempo empleado al procesar el dato k-esimo, el tiempo total
n
P
empleado sera Sn = a1 + a2 + + an =
ak .
k=1
Al trabajar con grandes masas de datos, interesa conocer el comportamiento de la expresion

anterior cuando n . En concreto, interesa saber si Sn es convergente o no. En caso de
serlo interesa conocer el valor, exacto o aproximado, de su lmite; y en caso de ser divergente
interesa conocer su orden de magnitud. Notese que puede ser difcil calcular el lmite y estudiar
n
P
el comportamiento asintotico de la sucesion Sn =
ak , ya que la expresion que la define no
k=1
es una formula cerrada, sino que contiene sumandos cuyo n

umero crece con n, y en general
no es facil transformarla en otra que s lo sea. En consecuencia, interesa disponer de metodos
alternativos para estudiar el comportamiento de Sn .
4.1
Definiciones y resultados generales
Definici
on 4.1.1 (Serie y serie convergente)
Dada una sucesion de n
umeros reales (an ), se considera una nueva sucesion (Sn ) de la forma:
Sn = a1 + a2 + + an =
n
X
ak .
k=1
(Si (an ) esta definida para n n0 , la sucesion (Sn ) tambien lo esta a partir de ese ndice.)
Al par ordenado de sucesiones as construido ((an ), (Sn )) se le llama serie de n

umeros reales.
Llamaremos termino general de la serie a la expresion an .
P
P
La serie ((an ), (Sn )) se representa por
an (o
an si no hay lugar a confusion), y la
n=1
sucesion (Sn ) se denomina sucesion de las sumas parciales de la serie.
72
Tema 4. Series numericas

Se dice que una serie
an es convergente, si la sucesion de sus sumas parciales (Sn ) es
n=1
convergente.
As, si lim Sn = S R, la serie es convergente. Al n

umero S se le llama suma de la serie y
P
se denota
an = S.
n=1
Notas 4.1.2
P
(a) En general, con un abuso de notacion, se suele denotar con el mismo smbolo,
an , a
n=1
la serie y al valor de la suma.
(b) Si la serie
an es convergente, tambien lo es la serie obtenida a partir de la anterior
n=1
modificando o suprimiendo un n
umero finito de sumandos. Notese que, en general el valor
de la suma s se vera modificado.
Una forma directa de estudiar series consiste en hallar una formula explcita para la sucesion
de sus sumas parciales, tal como se hace en los ejemplos siguientes.
Ejemplo 4.1.3 (Serie aritm
etica)
P
La sucesion (Sn ) de las sumas parciales de la serie
n, es:
n=1
Sn =
n
X
k=
k=1
Como lim
n(n + 1)
.
2
n(n + 1)
= , la serie no converge.
2
Ejemplo 4.1.4 (Serie geom

etrica)
P
Se denomina serie geometrica de razon x a una serie de la forma
xn . Se puede obtener
n=n0
una expresion explcita para la sucesion de las sumas parciales de esta serie sin mas que usar
la formula de la suma de n terminos consecutivos de una progresion geometrica:
n0
n+1
n
x x
X
si x 6= 1
Sn =
xk =
1x
k=n0
n n0 + 1 si x = 1.
El lmite de esta sucesion dependera del valor de x, pues hay que calcular el lmite de la
sucesion geometrica (xn+1 ) (estudiada en el Tema 1), como consecuencia se verifica que:
Si |x| < 1, la sucesion (xn+1 ) converge a 0, por lo tanto en este caso la serie
xn0
convergente y su suma es S =
.
1x
Si x > 1, la sucesion (xn+1 ) tiende a , por lo tanto lim Sn = y la serie

convergente.
Si x = 1, lim Sn = lim n n0 + 1 = , por lo que la serie no converge.
xn es
n=n0
n=n0
xn no es
Teora
Si x = 1 la serie es de la forma
(1, 0, 1, 0, ), no converge.
73
(1)n , y la sucesion de sus sumas parciales,
n=1
Si x < 1, la serie tampoco converge, ya que la sucesion (xn+1 ) no tiene lmite.
Ejemplo 4.1.5 (Serie telesc

opica)
X
Para estudiar la convergencia de la serie
n=1
1
, se puede descomponer en fracciones
n(n + 1)
1
1
1
simples el termino general
=
, y la sucesion de las sumas parciales se puede
n(n + 1)
n n+1
escribir

1 1
1
1
1
1 1
1
1
+
++
+
Sn =
=1
,
1 2
2 3
n1 n
n n+1
n+1
Por tanto la serie es convergente y
X
n=1
1
= 1.
n(n + 1)
Nota: Esta serie es de las denominadas telesc

opicas. En una serie
an de este tipo, se puede
n=1
escribir an en la forma an = bn bn+1 , con lo que la suma parcial sera Sn = b1 bn+1 y la serie
converge si y solo si la sucesion (bn ) converge. Ademas, en este caso
X
n=1
an = b1 lim bn .
Las series de los ejemplos anteriores se han estudiado obteniendo una expresion cerrada
para la sucesion de las sumas parciales y calculando el lmite de esta. Esto generalmente es
difcil de conseguir. Sin embargo, a veces se puede decir algo sobre la convergencia de una serie
sin calcular explcitamente dichas sumas parciales. Para ello conviene deducir propiedades
en las que apoyarse. Por ejemplo, es intuitivamente claro que si una suma infinita produce
un resultado finito, entonces sus sumandos deben hacerse tan peque
nos como se desee. Esta
observacion se traduce en la siguiente condicion necesaria.
Proposici
on 4.1.6 (Condici
on necesaria de convergencia)
P
Si
an es convergente, entonces el termino general an tiende a 0.
Demostracion.
Este resultado es inmediato, ya que an = Sn Sn1 y, dado que la serie es convergente, existe
lim Sn = lim Sn1 .
Nota 4.1.7
X
1
1
se tiene que 0 y sin embargo la serie no
El recproco no es cierto: Para la serie
n
n
n=1
n
1
1
es convergente ya que Sn = + + .
n
n
1
La proposicion anterior se suele usar para demostrar la no convergencia de una serie. Por
X
n
n
ejemplo, se puede afirmar que la serie
no es convergente porque lim
= 1 6= 0.
n
+
1
n
+
1
n=1
Otra forma de estudiar series es intentar descomponerlas en otras mas sencillas. En ese
sentido, disponemos del siguiente resultado.
74
Propiedades 4.1.8 (Operaciones con series)

(a) Suma de series:
P
P
Si las series
an y
bn son convergentes con sumas S1 y S2 respectivamente, entonces
la serie
n=1
n=1
(an + bn ) es convergente, siendo su suma S1 + S2 .
n=1
(b) Multiplicacion por un n

umero:
P
P
Si la serie
an es convergente y su suma es S y R, entonces la serie
(an ) es
n=1
n=1
convergente y su suma es S.

Ejemplo 4.1.9
X
X
1 X 1
1
3
es
+
convergente
porque
lo
son
y
. Su
Se puede afirmar que la serie
n
n
n
n
2
5
2
5
n=1
n=1
n=1
3
7
suma vale 1 + = .
4
4
4.2
Series de t
erminos positivos
P
Se dice que la serie
an es de terminos positivos si an 0 para todo n. En este caso, la
sucesion de sumas parciales Sn es monotona creciente, por lo que para analizar su convergencia
basta ver si esta acotada.
Definici
on 4.2.1 (Serie divergente)
P
Si an 0 para todo n, la serie
an es divergente
si el lmite de la sucesion de sus sumas
P
parciales es infinito. En este caso se escribe
an =
Es obvio que toda serie de terminos positivos es convergente o divergente. En concreto, se
verifica el siguiente resultado (consecuencia de la monotona de Sn ).
Proposici
on 4.2.2 P
Si an 0 para todo n, P an es convergente si y s
olo si la sucesi
on de las sumas parciales esta
acotada. En otro caso
an = .
4.2.1
Criterio integral para la convergencia y divergencia de una serie
El siguiente resultado, basado en la interpretacion de la integral como medida de areas, se

puede utilizar para ver si una serie de terminos positivos es convergente o divergente y, en este
caso, para analizar el orden de magnitud de la sucesion de las sumas parciales.
Proposici
on 4.2.3
Sea f : [1, ) R continua y tal que f (x) 0 para todo x 1. Entonces:
(a) Si f es decreciente,
(b) Si f es creciente,
n
1
n
X
k=1
n
X
k=1
f (k) f (1) +
f (k) f (n) +
f.
1
f.
Teora
Demostracion.
75
n
X
Cada uno de los sumandos que aparecen en la suma Sn =
f (k) puede interpretarse como

k=1
Z n
el area de un rectangulo de base 1 y altura f (k). Teniendo en cuenta que
f (x) dx mide el
1
area de la region comprendida entre el eje de abscisas, la curva y = f (x) y las rectas verticales
x = 1 y x = n, si la funcion es decreciente (figura 4.1) se verifica que:
n
X
f (k)
k=2
f (x) dx
n1
X
f (k).
k=1
Como f (n) 0, se tiene que

Z
y ademas, que
n
1
f (x)dx
n
X
n1
X
k=1
f (k)
f (k) = f (1) +
k=1
n
X
f (k) + f (n) =
k=1
n
X
f (k),
k=1
f (k) f (1) +
k=2
Con lo que se completa el apartado (a).
n1
X
f (x)dx.
Figura 4.1: La integral mide el area encerrada por la curva.

En el caso de que la funcion sea creciente resulta que
n1
X
k=1
de donde
f (k)
n
X
k=2
f (k)
f (x)dx
n
X
k=1
n
X
f (k)
k=2
f (k) f (n) +
f.
1

Basandose en el resultado anterior se puede obtener la siguiente consecuencia:
Corolario
4.2.4 (Criterio integral)
P
Sea
an una serie tal que an = f (n) para cierta funci
on f : [1, ) R continua, positiva y
n
P
no identicamente nula. Si Sn =
ak , entonces se verifica que:
k=1
76
(a) Si f es decreciente a partir de un punto, entonces Sn

Z n
converge si y solo si lim
f R.
n
f . En particular, la serie
(b) Si f es creciente a partir de un punto y f (n)
f , entonces Sn
f.
Demostracion.
Haremos la demostracion en el caso particular de que f sea creciente (o decreciente) a partir
de x = 1, es decir en [1, ).
Rn
Dado que la funcion f es positiva, la sucesion 1 f es monotona creciente y por tanto tiene
lmite, finito o infinito.
(a) Si f es decreciente y lim
f R, la serie
f (k) es convergente, ya que de las
k=1
desigualdades se deduce que la sucesion Sn esta acotada.

En el caso de que elR lmite sea infinito, basta considerar el apartado (a) de la proposicion
n
4.2.3 y dividir por 1 f en los tres miembros de la desigualdad
Rn
f
R1n
f
1
n
P
f (k)
k=1
Rn
1
f (1) +
Rn
Rn
1
Rn
y usando la regla del sandwich se deduce que Sn 1 f , ya que el lmite del cociente es
1.
Rn
Rn
(b) Si f es creciente, el lmite de 1 f es infinito y dividiendo por 1 f en los tres miembros
de la desigualdad correspondiente se tiene:
f (1) +
Rn
1
Rn
1
n
P
f (k)
k=1
Rn
1
Rn
f (n) + 1 f
Rn
.
f
1
Ahora, usando la regla del sandwich y que f (n)

Rn
Es decir Sn 1 f .
Rn
1
f , se obtiene que lim
n
P
f (k)
k=1
Rn
1
= 1.
Ejemplo 4.2.5
X
1
Se puede usar el criterio integral para probar que la serie arm
onica
es divergente. Se
n
n=1
considera f (x) = 1/x. Es inmediato
comprobar que es continua, positiva y decreciente en el
Z n
1
intervalo [1, ). Dado que
dx = ln n y lim ln n = se deduce que la serie es divergente
n
1 x
n
X
1
y que la sucesion de las sumas parciales es del orden de ln n, es decir
ln n.
k
k=1
Teora
77
Ejemplo 4.2.6
Se puede determinar
el orden de magnitud de la sucesion de las sumas parciales de la serie
P
divergente
ln(n) usando la opcion (b) del corolario anterior. La funcion f (x)
R n = ln(x) es
continua, positiva, y creciente en [1, ). Integrando por partes, se obtiene que 1 ln(x) dx =
n ln(n) n + 1 n ln(n). Como ademas f (n) = ln(n) n ln(n), se deduce que
Sn =
n
X
k=1
ln(k) n ln(n).
Nota 4.2.7
Por las propiedades del logaritmo sabemos que
n
X
k=1
ln(k) = ln(1 2 . . . n) = ln(n!)
luego, en el ejemplo anterior, se ha probado que ln(n!) n ln(n).

Proposici
on 4.2.8
Dado p 0, se verifica que:
(a) La serie
np es divergente y
n=1
n
X
k=1
k p np+1
X
1
converge si p > 1 y diverge si p 1.
(b) La serie armonica generalizada
np
n=1
(c) Si p = 1,
n
X
1
ln(n) y si p < 1,
n1p
p
k
k
k=1
n
X
1
k=1
Demostracion.
(a) La serie
X
n=1
np es divergente pues lim np 6= 0 (el lmite sera para p > 0 y 1 para p = 0)
y no se cumple la condicion necesaria de convergencia.

Como p 0 la funcion f (x) = xp es continua, creciente y positiva en [1, ). Ademas,
p+1 n
Z n
x
np+1
1
p
x dx =
=
np+1
y
np np+1
p
+
1
p
+
1
p
+
1
1
1
de donde se concluye, por el apartado (b) del corolario 4.2.4 (Criterio integral), que
n
X
k p np+1 .
k=1
(b) Si p = 1 la serie es divergente, seg

un se ha visto en el ejemplo 4.2.5.
1
Si p 0 y p 6= 1, la funcion f (x) = p es continua, decreciente y positiva en [1, ).
x
Ademas,
1p n
Z n
x
1
n1p
1
=
dx
=
,
p
1p 1
1p 1p
1 x
78

de donde se concluye, por el apartado (a) del corolario 4.2.4 (Criterio integral), que la
serie es convergente si p > 1 y divergente si 0 p < 1.
(c) Si p = 1,
n
X
1
k=1
ln(n) seg
un se ha visto en el ejemplo 4.2.5.
Z n
n
X
1
1
Si 0 p < 1 entonces
dx n1p seg
un se ha visto en el apartado (b) de
p
kp
x
1
k=1
esta demostracion.
4.2.2
Criterio de comparaci
on
Proposici
on 4.2.9 (Criterio de comparaci
on)
P
Sean
(a
)
y
(b
)
dos
sucesiones
de
t
e
rminos
positivos.
Si
a
O(b
)
y
bn converge, entonces
n
n
n
n
P
an converge.
Demostracion.
P
Si an O(bn ), exiten k y n0 tales que an kbn para n n0 . Como la serie bn es convergente,
la sucesion de sus sumas parciales esta acotada y, de
Pla desigualdad anterior, se deduce que
tambien lo esta la sucesion de las sumas parciales de
an . Con esto termina la demostracion,
ya que una serie de terminos positivos converge si y solo si la sucesion de sus sumas parciales
esta acotada.

Del resultado anterior se pueden obtener algunas consecuencias:
Proposici
4.2.10
P onP
Sean
an y
bn dos series de terminos positivos. En estas condiciones se verifica que:
P
P
(a) Si an O(bn ) y
an diverge, entonces
bn diverge.
P
P
(b) Si an bn y
bn converge, entonces
an converge.
P
P
(c) Si an bn y
bn diverge.
P
P
(d) Si an bn , entonces
an y
bn tienen el mismo car
acter.
Demostracion.
P
(a) Es evidente, por reduccion al absurdo. Si
bn no fuera divergente, como es una serie de
t
erminos positivos, sera convergente y, por el criterio de comparacion, tambien lo sera
P
an .
(b) Este resultado es inmediato, ya que an bn implica an O(bn ).

(c) Se deduce del apartado anterior, razonando como en (a).
(d) Basta observar que si an bn , entonces an O(bn ) y bn O(an ).

Teora
79

En cuanto al orden de magnitud de la sucesion de las sumas parciales, se dispone del
siguiente resultado:
Proposici
4.2.11
P onP
Sean
an y
bn dos series de terminos positivos. En estas condiciones se verifica que:
n
n
P
P
(a) Si an O(bn ) entonces
ak O
bk .
k=1
(b) Si an bn , entonces
(c) Si an bn y
n
P
k=1
k=1
ak
n
P
bk .
k=1
bn diverge, entonces
n
P
k=1
ak
n
P
bk .
k=1
Ejemplo 4.2.12
X
X
n+1
1
1
n+1
es
convergente
ya
que
y
es
3
3
2
2
n
+
5
n
+
5
n
n
n=1
n=1
convergente.
Ejemplo 4.2.13
X
n+1
n+1

ln n es divergente ya que
ln n ln n y la
n2 + 5
n2 + 5
n=1
X
serie
ln n es divergente. Ademas, como consecuencia de 4.3.11 (b) y del ejemplo 4.3.6 se
tiene:
n=1
n
n
X
X
k+1
ln k
ln k n ln n.
2 +5
k
k=1
k=1
Ejemplo 4.2.14
X1
1
1
Puesto que se verifica que
y
es divergente, se puede afirmar que la serie
n
ln(n)
n
X
1
es divergente y ademas
ln(n)
n=2
n
n
X
X
1
1
ln(n).
ln k
k
k=2
k=1
4.2.3
Criterios de la raz y del cociente
Proposici
on 4.2.15 (Criterio de la raz o de Cauchy1 )
P
Sea (an ) una sucesion de terminos positivos tal que existe lim n an = l, entonces
an converge
si l < 1 y diverge si l > 1.
Demostracion.
Supongamos que lim n an = l < 1 y sea r tal que l < r <P1. Existe n0 N tal que n an < r para
todo n n0 , con lo que an O(r n ). Ademas, la serie
r n es convergente
por ser geometrica
P
de razon menor que 1. Entonces, por el criterio de comparacion,
an es convergente.
Si l > 1, la serie es divergente porque el termino general no tiende a cero.

1
atico frances (1789-1857).

Augustin Louis Cauchy, matem
80
Nota 4.2.16
X1
En el caso l = 1 no se puede afirmar nada. Por ejemplo la serie
es divergente, mientras
n
X 1
que
es convergente y para ambas el lmite de la raz n-esima del termino general es 1.
n2
Proposici
on 4.2.17 (Criterio del cociente o de DAlembert2 )
P
an+1
= l, entonces an converge
Si (an ) es una sucesion de terminos positivos tal que existe lim
an
si l < 1 y diverge si l > 1.
Nota 4.2.18
(a) Si l = 1 no se puede afirmar nada.
an+1
(b) El criterio del cociente se obtiene del de la raz sin mas que usar que si existe lim
= l,
an
entonces existe lim n an = l. De hecho el criterio de la raz es mas general, aunque puede
ser mas difcil de aplicar.
Ejemplo 4.2.19
X
Se puede demostrar que la serie
n=1
lim
s
n
1
es convergente por el criterio de la raz, ya que
(2n + 1)n
1
1
= lim
= 0 < 1.
n
(2n + 1)
2n + 1
Ejemplo 4.2.20
X
1
Se puede probar que la serie
es convergente por el criterio del cociente, ya que
n!
n=1
lim
4.3
1
(n+1)!
1
n!
= lim
1
= 0 < 1.
n+1
Series de t
erminos arbitrarios
Los criterios de la seccion anterior son

P validos para series cuyos terminos sean todos positivos
a partir de uno dado. Para series P
an , con an 0 a partir de un n0 , se pueden utilizar
dichos criterios aplicandolos a la serie (an ). Sin embargo, cuando el signo de los terminos
es arbitrario el problema se complica.
Definici
on
P4.3.1 (Convergencia absoluta)
P
Una serie
an es absolutamente convergente si la serie
|an | es convergente.
Ejemplo 4.3.2
sen(n)
| sen(n)|
P
P
Para probar que la serie
es
absolutamente
convergente,
se
considera
y
n2
n2
n=1
n=1
1
P
| sen(n)|
1
se usa el criterio de comparacion. Como
y
la
serie
es convergente, se
2
n2
n2
n=1 n
sen(n)
P
puede afirmar que
es absolutamente convergente.
n2
n=1
2
atico y fil
osofo frances (1717-1783).
Jean le Rond dAlembert, matem
Teora
81
Proposici
on 4.3.3
P
P
Toda serie absolutamente convergente es convergente y | an |
|an |.
Demostraci
on.
P
P
Sea
an una serie absolutamente convergente. Dado que an |an |, la serie (|an | an ) es
una serie de terminos positivos a la que seP
le puede aplicar el criterio de comparaci
on. Ademas
P
|an | an 2|an | para
todo
n
y
la
serie
2|a
|
es
convergente
por
ser
a
absolutamente
n
n
P
convergente.
Luego
(|a
|
a
)
es
convergente.
Por
las
propiedades
de
las
series
se concluye
n
n
P
P
P
P
que
an es convergente, ya que
an = |an | (|an | an ).
P
P
LaPdesigualdad | an |
|an | se obtiene de la u
ltima igualdad y del mismo resultado
para (an ).
Nota 4.3.4
X
(1)n
El recproco de la proposicion anterior no es cierto. Por ejemplo, la serie
es convern
n=1
gente, como se vera mas adelante, pero no absolutamente convergente.
P
Para estudiar la convergencia de una serie P an de terminos arbitrarios, se puede intentar
estudiar la convergencia absoluta, aplicando a
|an | los criterios propios de series de terminos
positivos. Si la serie es absolutamente convergente, tendremos garantizada su convergencia.
Las series no absolutamente convergentes pueden ser convergentes y solo se pueden estudiar en
casos particulares.
Ejemplo 4.3.5
P
Para conocer los valores de x R para los cuales la serie
nxn es convergente, dado que es
n=1
una serie de terminos arbitrarios, se empieza estudiando su convergencia absoluta, considerando
P
la serie de terminos positivos
|nxn |, cuya convergencia se puede estudiar por el criterio de
n=1
la raz.
p
Dado que lim n |nxn | = lim n n|x| = |x|, se puede afirmar que:
P
- Si |x| < 1 la serie
nxn es absolutamente convergente y por tanto convergente.
- Si |x| > 1 la serie
n=1
nxn no es absolutamente convergente. De hecho no es convergente
n=1
ya que el termino general no tiende a cero.
P
- Si x = 1 la serie es
n, que es divergente.
n=1
- Si x = 1, la serie es
n(1)n , que tampoco converge.
n=1
A continuacion se presenta un criterio que permite estudiar la convergencia de un caso

particular de series de terminos arbitrarios.
Definici
on 4.3.6 (Serie alternada)
P
La serie
an es alternada si an an+1 0 para todo n.
La forma mas com

un de escribir las series alternadas es
cn 0 para todo n.
X
n=1
(1) cn o
X
n=1
(1)n+1 cn donde
82

La condicion suficiente mas conocida de convergencia de series alternadas es la siguiente:
Proposici
on 4.3.7 (Criterio de Leibniz3 )
P
Si
an es una serie alternada que verifica
i) lim an = 0
n
ii) |an+1 | |an | n N
entonces la serie es convergente.
Ejemplo 4.3.8 X
(1)n
La serie alternada
es convergente, por el criterio de Leibniz.
n
n=1
4.4
Aproximaci
on num
erica de la suma de una serie
Se quiere aproximar el valor de la suma de una serie convergente S =
an por el valor de una
n=1
de sus sumas parciales Sn0 . El error absoluto cometido en dicha aproximacion sera:

n0
X
X

X

an
an =
an .
|S Sn0 | =

n=1
n=1
n=n0 +1
Este error se puede acotar en algunos casos, concretamente, si se sabe que la serie es absolutamente convergente por el criterio de la raz o que converge por el de Leibniz.
4.4.1
C
alculo aproximado de la suma de una serie absolutamente convergente
por el criterio de la raz o del cociente
p
|an+1 |
n
|an | = l o lim
= l, y l < r < 1, entonces existe n0 N tal que |an | r n para
|an |
todo n n0 y por tanto:

n0
X

X
X
X
r n0 +1

|S Sn0 | =
an
an
|an |
rn =

1r
n=1
n=1
n=n +1
n=n +1
Si lim
Por tanto, para aproximar
an con un error menor que , se hallan r y n0 , tales que:
n=1
i) l < r < 1
y se calcula
n0
X
ii) |an | r n
n n0
iii)
r n0 +1
<
1r
an .
n=1
Ejemplo 4.4.1
X
1
(n+1)!
La serie de terminos positivos
converge por el criterio del cociente ya que lim 1 =
n!
n!
n=0
0 < 1. Para obtener una aproximacion de su suma con un error menor que 103 se procede
como sigue:
3
osofo, matem
atico, jurista y poltico aleman (1646-1716).
Gottfried Leibniz, fil
Teora
83
1
(a) Se elige r tal que 0 < r < 1. Por ejemplo r = .
2
1
<
(b) Se busca el valor de n0 a partir del cual se verifica que
n!
comprobar que la desigualdad es cierta para n 4.
n
1
n n0 . Es facil
2
(1/2)n0+1
(c) Se busca el valor de n0 a partir del cual se verifica que
< 103 . Resolviendo la
1 (1/2)
desigualdad se obtiene que n > 9.9657; por tanto, basta tomar n0 10.
A partir de lo visto en (b) y (c), se tiene que n0 ha de verificar que n0 4 y n0 10.

Por tanto, se puede elegir cualquier n0 10. Por ejemplo, n0 = 10.
10
X
X
1
1
(d) Se aproxima
2.718281.
n! n=0 n!
n=0
Se puede observar que el valor obtenido es una aproximacion del n

umero e con un error
1
P
menor que 103 . De hecho, en el proximo tema se justificara que
= e.
n=0 n!
4.4.2
Si
C
alculo aproximado de la suma de una serie convergente por el
criterio de Leibniz
an es una serie alternada que verifica las hipotesis del teorema de Leibniz, se tiene que:
n=1
n0
X

X
X

n
|SSn0 | =
an
an =
(1) |an | = |an0 +1 ||an0 +2 |+|an0 +3 ||an0 +4 |+ |an0 +1 |

n=1
n=1
n=n0 +1
(Se ha tenido en cuenta que la sucesion (|an |) es decreciente.)
P
an con un error menor que , basta hallar n0 tal que |an0 +1 | <
Por tanto, para aproximar
y calcular
n0
P
n=1
an .
n=1
Ejemplo 4.4.2 X
(1)n+1
La serie alternada
verifica las hipotesis de convergencia del criterio de Leibniz. Para
n
n=1
1
obtener su suma aproximada con un error menor que 103 , basta elegir n0 tal que
< 103
n0 + 1
n0
X
(1)n+1
y calcular
. En este caso basta elegir n0 = 1000, y se obtiene la aproximacion
n
n=1
X
(1)n+1
n=1
1000
X
(1)n+1
n=1
0.692647.
Se puede observar que el valor obtenido es una aproximacion de ln(2) con un error menor
(1)n+1
P
que 103 . De hecho, en el proximo tema se justificara que
= ln(2).
n
n=1
84
Problemas
Problema 4.1
En un triangulo equilatero, cuyos lados miden 1, se unen los puntos medios de dichos lados para
formar otro triangulo equilatero. A continuacion, se repite el proceso con el nuevo triangulo y
se contin
ua as indefinidamente, como se indica en la figura 4.2. Calcular la suma de las areas
de los infinitos triangulos inscritos obtenidos.
Figura 4.2: Triangulos inscritos.
Figura 4.3: Cuadrados inscritos.
Problema 4.2
En un cuadrado, cuyos lados miden 1, se unen los puntos medios de dichos lados para formar
otro cuadrado. A continuacion, se repite el proceso con el nuevo cuadrado y se contin
ua as
indefinidamente, como se indica en la figura 4.3. Calcular la suma de las areas de los infinitos
cuadrados inscritos obtenidos.
Problema 4.3
Determinar el caracter de las series siguientes y calcular su suma cuando proceda:
X
X
2 + (2)n
en + n + 1 + n
(a)
(b)

n
n
5
e
n
+
1
+
n
n=3
n=0
Problema 4.4
Determinar el caracter de las series siguientes y calcular su suma cuando proceda:
(a)
X
(2)n + 8n
n=2
5n
(b)
X
2n + n2 + n
2n+1 n (n + 1)
n=1
Problema 4.5
La informacion introducida cada da en el disco duro de un ordenador es la mitad que la
introducida el da anterior. Si el primer da se almacenan 20 GB, cual es el tama
no mnimo
que debe tener el disco para garantizar que no se satura?
Problema 4.6
La cantidad de papel que recicla cada a
no una planta de tratamiento de residuos es el 90 %
de la que recicla el a
no anterior. Si recibe un u
nico suministro de 50 toneladas y el primer
Problemas
85
a
no de funcionamiento recicla 4 toneladas, podra reciclar todo el suministro si nunca deja de
trabajar?
Problema 4.7
Determinar el caracter de las series siguientes:
(a)
X
n=2
(d)
(g)
1
n (ln(n))2
(b)
n=1
en
(1) n
n
n=1
n
n
n=1
n1
X
ln(n)
(e)
(h)
X
n=1
np pn
con p > 0
n=1
n
3
X
n +2
n=1
n
(c)
n3 + 1
(1)n
p
n (n + 3)
(f)
X
n=1
(i)
n2
(n + 1)!
X
sen(n)
n=1
n3
Problema 4.8
Determinar el caracter de las series siguientes:
(a)
X
n=2
(d)
1
n (ln(n))3
n
(b)
(g)
n=2
n=1
n2
(1) ne
(e)
n=1
X
ln(1 + 1/n)

X
n=1
1
(ln(n))n
(h)
n1
n
n2
X
(1)n
n ln(n)
n=2
(c)
X
pn
n=1
(f)
con p > 0
X
(n!)2 5n
n=1
(i)
np
(2n)!
(1)
n=1
2n + 1
3n 1
n
Problema 4.9

P
Hallar p R de modo que la sucesion de sumas parciales de la serie
n sea del mismo
n=1
orden que np .
Problema 4.10
Hallar p R de modo que la sucesion de sumas parciales de la serie

1/ n sea del mismo
n=1
orden que np .
Problema 4.11
Si T es un arbol con raz y ternario (cada nodo tiene a lo sumo tres hijos), con k nodos, a1 , a2 ,
. . . , ak , y de altura n, se define la longitud de camino total de T como
ln :=
k
X
di ,
i=1
donde di es la longitud del u

nico camino dirigido desde la raz hasta el nodo ai . En estas
condiciones, se pide:
(a) Demostrar que
n
P
i=0
i ln
(b) Probar que ln O(n 3n ).
n
P
i=0
i 3i para todo n N y para todo arbol T .
86
Problema 4.12
Si T es un arbol con raz y binario (cada nodo tiene a lo sumo dos hijos), con k nodos, a1 , a2 ,
. . . , ak , y de altura n, se define la longitud de camino total de T como
ln :=
k
X
di ,
i=1
donde di es la longitud del u

nico camino dirigido desde la raz hasta el nodo ai . En estas
condiciones, se pide:
(a) Demostrar que
n
P
i=0
i ln
(b) Probar que ln O(n 2n ).
n
P
i=0
i 2i para todo n N y para todo arbol T .
Problema 4.13
Hallar los valores de k R para los que la serie
X
n=1
nk
(n + 1) (n + 2) (n + 3)
converge. Determinar su orden de magnitud cuando diverge.

Problema 4.14
Si P (n) y Q(n) son dos polinomios, probar que la serie
X P (n)
Q(n)
converge si y solo si grado (Q) grado (P ) + 2. Determinar su orden de magnitud cuando

diverge.
Problema 4.15
Se ha observado que, desde la aparicion de Internet, el n
umero de nuevos usuarios en el nesimo da es 104 + n2 y el n
umero de usuarios que se dan de baja en el mismo plazo es 100n.
Determinar el orden de magnitud del n
umero total de usuarios en funcion de n.
Problema 4.16
Entre las curvas y = 1/x e y = 1/x2 se han construido segmentos paralelos al eje OY en los
puntos de abscisa entera (n 1). Es finita la suma de las longitudes de dichos segmentos?
Determinar el orden de magnitud de la sucesion Sn que expresa la suma de las longitudes de
los n primeros segmentos.
Problema 4.17
Sabiendo que la sucesion an verifica:
1
1
< an < ,
2
n
n n
para todo n 1, estudiar el caracter de las series
an ,
an 2 ,
an y
1
.
1 + an
Problemas
87
Problema 4.18
P
Sabiendo que
an es una serie de terminos positivos convergente, estudiar el caracter de las
P 1 P 2 P n P an
,
an ,
an y
.
series
an
1 + an
Problema 4.19
Hallar los valores de x R para los que converge cada una de las series siguientes:
(a)
(d)
n
3
xn
n+1
n=5
X
n=0
n (x 2)
(b)
X
(2x)n
n=1
(e)
n+1
X
(1 x)n
n=4
n 2n
(c)
X
(x )n
n=3
(f)
(2n)n
X
(x + 1)n
n=2
n2
Problema 4.20
Hallar los valores de x R para los que converge cada una de las series siguientes:
(a)
X
n=5
(d)
X
n=0
n+1 n
x
n
(b)
n (2 (x 1))n
(e)
2n
X
(x + 1)n
n=1
X
(2 x)n
n=4
n 3n
(c)
X
(x + e)n
n=3
(f)
nn
X
(x + 3)n
n=2
2n n2
88
Pr
actica
Objetivos
Determinar y comparar los ordenes de magnitud de algunas series.
Aproximar la suma de series convergentes.
4.1
Orden de magnitud de la suma parcial de una serie
Determinados procesos se modelan por la sucesion de las sumas parciales de una serie y en
ocasiones es necesario determinar el orden de magnitud de dicha sucesion. En esta seccion
veremos como hacer esto.
(a) Se quiere almacenar los datos de una coleccion de individuos en una base de datos. Para
ello se usa un algoritmo que va procesando la informacion correspondiente a cada uno de
ellos. Supongamos que el n
umero de instrucciones necesarias para almacenar los datos
del k-esimo individuo es 3k + 1. Entonces el n
umero de instrucciones necesarias para
n
P
almacenar los datos de n sujetos es Sn =
(3k + 1) y por tanto (Sn ) es la sucesion de
las sumas parciales de la serie
k=1
(3k + 1).
k=1
Simplificar, con Derive la expresion de Sn y determinar su orden de magnitud.

Sn =
Luego el n
umero de instrucciones necesarias para almacenar los datos de n individuos es
del orden de
(b) Que ocurre si se intenta hacer lo mismo para determinar el orden de magnitud de la
n ln(k)
P
sucesion Sn =
?
k
k=1
Para determinar el orden de magnitud de la sucesion de las sumas parciales de la serie
ln(k)
P
usaremos el criterio integral, llevando a cabo el siguiente proceso:
k
k=1
ln(x)
(i) Definir f (x) =
y buscar un intervalo de la forma [n0 , ) en el que f sea
x
continua, positiva y monotona. Justificar la respuesta.
Practica
89
(ii) Teniendo en cuenta el tipo de monotona, que afirma el criterio integral en este
caso?
Rn
(iii) Calcular la integral n0 f (x) dx y determinar el orden de magnitud de la sucesion
que se obtiene como resultado.
Z
f (x) dx =
n0
(iv) Usar los resultados anteriores para determinar el orden de magnitud de Sn .

.
Sn
4.2
Ejercicio
4.2.1
Opci
on 1
Dadas las series

X
2
2
ln(n + 1) +
n
n=1
X
n=0
n
,
(n2 + 3) ln(n2 + 3)
se denotan por Sn y Tn las sucesiones de sumas parciales respectivas y se pide:

(a) Obtener sucesiones elementales del mismo orden que Sn y Tn .
(b) Ordenar seg
un su magnitud Sn y Tn .
90
4.2.2
Opci
on 2
Sean Sn y Tn las sumas parciales respectivas de las siguientes series:
X
n=2
1
,
n ln(n)
X
(n2 + 1) ln(n4 )
n=1
(a) Obtener sucesiones elementales del mismo orden que Sn y Tn .

(b) Ordenar seg
un su magnitud Sn y Tn .
4.3
Problema
(a) En una empresa dedicada a ensamblar ordenadores, el coste de montaje del primer equipo
es 10 euros, y el de n equipos viene dado por la formula an = an1 + 2n si n 2. Obtener
A(n), la forma explcita de an .
(b) El empresario recibe una oferta para producir con la misma calidad, en la que el coste de
1
la primera unidad es 1000 euros y el de la unidad n
umero n es ln(n) + , si n 2. Definir
n
una funcion B(n) que represente el coste de produccion de n unidades por el segundo
procedimiento.
(c) Estudiar el interes de la oferta en funcion del n
umero de unidades fabricadas.
Practica
4.4
91
Suma aproximada de una serie convergente
Para muchas series convergentes, no se puede obtener la forma explcita de las sumas parciales
y por tanto no sabemos calcular el valor exacto de la suma usando la definicion. Sin embargo,
a veces, es facil obtener una aproximacion de su suma con un error tan peque
no como se desee.
4.4.1
Series absolutamente convergentes por el criterio de la raz
ln(n2 )
P
.
3n
n=1
Usar el criterio de la raz o el del cociente para probar que la serie converge.
Se trata de calcular aproximadamente la suma de la serie
Criterio empleado
. Verificacion:
l = lim
<1
Para aproximar el valor de la suma de la serie, con un error menor que 105, daremos los
siguientes pasos:
(a) Elegir r R tal que l < r < 1. r =
(b) Hallar n1 N tal que |an | =
n1 =
ln(n2 )
r n para todo n n1 .
3n
r n+1
(c) Obtener n2 N, tal que
< 105 para todo n n2 .
1r
n2 =
92
(d) Tomar n0 = max{n1 , n2 } y aproximar la suma de la serie por la suma parcial:

Sn 0 =
n0
X
ln(k 2 )
k=1
4.4.2
3k
Series convergentes por el criterio de Leibniz
2n
.
5n4 1
n=1
Probar que es convergente utilizando el criterio de Leibniz:
Vamos a calcular la suma aproximada de la serie
(1)n
Aproximar la suma de la serie, con un error menor que 105 , dando los siguientes pasos:
(a) Hallar m N tal que |am+1 | < 105 .
m=
(b) Aproximar la suma de la serie por la suma parcial Sm
4.5
Ejercicio
4.5.1
Opci
on 1
3n
, comprobar que se puede usar cualquiera de los dos metodos
5nn 1
n=1
descritos en la seccion anterior para aproximar el valor de su suma.
Calcular el valor aproximado de dicha suma con un error menor que 105 , por ambos
metodos y contrastar los resultados obtenidos.
Dada la serie
(1)n
Practica
4.5.2
93
Opci
on 2
n

2n + 1
comprobar que se puede usar cualquiera de los dos metodos
Dada la serie
5n 1
n=1
descritos en la seccion anterior para aproximar el valor de su suma.
Calcular el valor aproximado de dicha suma con un error menor que 105, por ambos
metodos y contrastar los resultados obtenidos.
94
4.6
Problema
Sabiendo que
=3
X
n=0
(2n)!
+ 1)(n!)2
24n (2n
Obtener los 20 primeros decimales de , calculando la suma aproximada de la serie.

Nota: Para cambiar la precision del sistema se usa Opciones/Ajustes de modo/Simplificaci
on.
Tema 5
Aproximaci
on local de funciones:
Polinomio de Taylor
Teora
Los polinomios son las funciones reales mas faciles de evaluar, ya que todos los calculos que
precisan son sumas y productos de n
umeros reales. Por esta razon, cuando una funcion resulta
difcil de evaluar con exactitud, se intenta buscar un polinomio que se le parezca y se usa dicho
polinomio en su lugar. En este proceso es obvio que se pierde la exactitud de calculo y se gana
la operatividad.
Las aproximaciones de una funcion mediante polinomios pueden ser de dos tipos: locales
y globales. Las aproximaciones locales se basan en la construccion de un polinomio que tenga
un gran parecido con la funcion cerca de un punto determinado. En concreto se exige que los
valores de la funcion y del polinomio en dicho punto sean iguales, y tambien que los valores
de las primeras derivadas de la funcion y del polinomio coincidan en dicho punto. En las
proximidades de ese punto el polinomio toma valores muy parecidos a los de la funcion, pero
no necesariamente iguales, y lejos de ese punto el polinomio no tiene por que parecerse a la
funcion.
Las aproximaciones globales consisten en obtener polinomios que se parezcan bastante a
la funcion de partida en todo un intervalo, pero sin destacar un punto especial. El polinomio
coincide con la funcion, y a veces con su primera y/o segunda derivada en varios puntos del
intervalo, pero no hay un punto del intervalo en que el polinomio se parezca mucho mas a la
funcion que en el resto. En este tema se estudian aproximaciones locales (polinomio de Taylor1 )
y en el tema siguiente aproximaciones globales (polinomio de interpolacion).
5.1
Polinomio de Taylor
Se sabe que si una funcion es continua y derivable en un punto x0 , la recta mas parecida a la
funcion en un entorno de x0 es la recta tangente y su ecuacion es y(x) = f (x0 ) + f (x0 )(x x0 ).
Dicha recta define un polinomio P1 (x) = f (x0 ) + f (x0 )(x x0 ) que verifica P1 (x0 ) = f (x0 ) y
P1 (x0 ) = f (x0 ). Geometricamente esto significa que la recta pasa por el mismo punto que la
funcion en x0 y ademas, la inclinacion de la funcion en ese punto es la misma que la de la recta.
1
atico brit
anico (1685-731).
Brook Taylor, matem
96
Tema 5. Aproximacion local de funciones: Polinomio de Taylor
El polinomio P1 (x) es una primera aproximacion de la funcion f (x) y cabe esperar que al
aumentar su grado de alg
un modo, es decir al construir un polinomio
P2 (x) = f (x0 ) + f (x0 )(x x0 ) + a(x x0 )2
con un valor de a adecuado, se tenga un polinomio que se parezca a
un mas a f (x). En concreto,
si f (x) es dos veces derivable en x0 y se calcula a imponiendo que P2 (x0 ) = f (x0 ), se tiene
un polinomio de grado dos que verifica P2 (x0 ) = f (x0 ), P2 (x0 ) = f (x0 ) y P2 (x0 ) = f (x0 ).
Geometricamente, esto se traduce en que el polinomio P2 (x) tiene una curvatura o concavidad
muy parecida a la de f (x) en un entorno de x0 .
Si f (x) es n veces derivable en x0 se puede repetir este proceso y obtener un polinomio de
grado n seg
un se indica en la siguiente proposicion.
Figura 5.1: Polinomios de Taylor.

Proposici
on 5.1.1 (Existencia y unicidad del polinomio de Taylor)
Sea f : D R R una funcion n veces derivable en un punto x0 D. Existe un u
nico
polinomio Pn (x) de grado menor o igual que n que verifica: Pn (x0 ) = f (x0 ), Pn (x0 ) = f (x0 ),
(n)
. . . , Pn (x0 ) = f (n) (x0 ). Dicho polinomio es:
Pn (x) =
n
X
f (k) (x0 )
k=0
k!
(x x0 )k ,
con el convenio 0!=1 y f (0) = f .

El polinomio anterior se denomina polinomio de Taylor de orden n de la funci
on f (x) en
x0 , y se denota Pn (f, x0 )(x) o, si no hay lugar a confusi
on, simplemente Pn (x).
Si x0 = 0 se suele denominar polinomio de McLaurin.
Demostracion.
Partimos de que todo polinomio de grado menor o igual que n se puede escribir de modo u
nico
en la forma:
Pn (x) = a0 + a1 (x x0 ) + a2 (x x0 )2 + + an (x x0 )n
ya que el conjunto {1, (x x0 ), (x x0 )2 , , (x x0 )n } es una base del espacio vectorial de

los polinomios de grado menor o igual que n.
Teora
97
Para probar que existe un polinomio y solo uno que verifique las condiciones pedidas,
veremos que se pueden determinar unvocamente los coeficientes de Pn (x) a partir de dichas
condiciones.
Como Pn (x0 ) = a0 , si queremos que Pn (x0 ) = f (x0 ), debe ser a0 = f (x0 ).
Si calculamos la derivada de Pn , tenemos:
Pn (x) = a1 + 2a2 (x x0 ) + + nan (x x0 )n1
y la condicion Pn (x0 ) = f (x0 ) se satisface si y solo si a1 = f (x0 ).
Si calculamos la derivada segunda de Pn e imponemos la condicion Pn(x0 ) = f (x0 ) se
f (x0 )
obtiene que a2 =
.
2!
f (k) (x0 )
para k {0 n}. Luego existe
Continuando este proceso, se concluye que ak =
k!
un u
nico polinomio que satisface las condiciones pedidas que es
Pn (x) =
n
X
f (k) (x0 )
k!
k=0
(x x0 )k
Ejemplo 5.1.2
Para obtener el polinomio de Taylor de orden 3 de la funcion f (x) = ex en x0 = 0 es necesario
obtener la primera, segunda y tercera derivadas y evaluarlas en x0 = 0.
Como f (n) (x) = ex para todo n, resulta que f (n) (0) = e0 = 1, y por lo tanto el polinomio
de orden 3 es:
P3 (x) = 1 + (x 0) +
(x 0)2 (x 0)3
x2 x3
+
= 1+x+
+
2!
3!
2
6
De modo analogo se puede obtener el polinomio de Taylor de orden n en x0 = 0 y es:

Pn (x) =
n
X
xk
k=0
k!
El polinomio de Taylor de una funcion en un punto x0 proporciona valores parecidos a los de

la funcion cerca de x0 , pero en general son diferentes. Para estimar la diferencia f (x) Pn (x)
para un x distinto de x0 , se usa el siguiente resultado.
Teorema 5.1.3 (de Taylor)
Sea f (x) una funcion n + 1 veces derivable en un intervalo (a, b) que contiene a x0 y sea x un
punto cualquiera del intervalo. Se verifica:
f (x) Pn (x) =
f (n+1) (c)
(x x0 )n+1
(n + 1)!
donde c es un punto situado entre x y x0 .
98
La diferencia Rn (x) = f (x) Pn (x) se denomina resto de Taylor de f y la expresion anterior

es debida a Lagrange 2 , por lo que se denomina resto de Lagrange.
El resto de Lagrange no permite saber con exactitud el valor de f (x) Pn (x) porque en
general el punto c no se puede conocer, sin embargo es muy u
til para obtener cotas de error en
las aproximaciones de Taylor.
Aplicaci
on 5.1.4 (Evaluaciones aproximadas)
Para obtener una aproximacion de un n
umero f (a), cuyo valor exacto no se conoce, se elige
un punto x0 proximo a a en el que resulte facil obtener f (x0 ),...,f (n) (x0 ). A continuacion se
construye Pn (f, x0 )(x), es decir el polinomio de Taylor de orden n de f (x) en x0 , y por u
ltimo
se eval
ua dicho polinomio en x = a.
Ejemplo 5.1.5
Para obtener una aproximacion del n
umero e mediante el polinomio de Taylor de orden 3 de
f (x) = ex en x0 = 0 se procede del modo siguiente:
Se ha visto en el ejemplo anterior que el polinomio de orden 3 es:
P3 (x) = 1 + x +
x2 x3
+
2
6
Como e = e1 = f (1), una aproximacion del n

umero e es
P3 (1) = 1 + 1 +
8
1 1
+ =
2 6
3
Estudiando el resto de Lagrange, se tiene que el error absoluto que se comete al aproximar
ec
8
|f (4) (c)|
|1 0|4 = , donde c (0, 1). Como ex es una funcion positiva y creciente
e por es
3
4!
24
3
1
e
<
= .
para todo x, y en este caso c (0, 1), el error es menor que
24
24
8
Si se desea obtener una aproximacion de e con un error menor que 103 , se procede del
modo siguiente:
Para un polinomio de orden n, se sabe que la expresion del error sera:
f (n+1) (c)
ec
(1 0)n+1 =
,
(n + 1)!
(n + 1)!
donde c (0, 1) y n esta a
un por determinar.
Razonando como antes, se tiene que ec < e < 3 cuando c (0, 1), luego
ec
3
<
.
(n + 1)!
(n + 1)!
3
< 103 basta tomar n 6. El polinomio de Taylor de
(n + 1)!
orden 6 evaluado en x = 1 proporciona la aproximacion deseada.
Por u
ltimo, para conseguir
x2 x3
x6
+
++
2
3!
6!
1
1
1
1957
P6 (1) = 1 + 1 + + + + =
2.71805
2 3!
6!
720
P6 (x) = 1 + x +
Nota: En los problemas en que hay que estimar o acotar el error, se trabaja con el valor
absoluto del resto de Lagrange.
2
atico, fsico y astronomo italiano (1736-1813).

Joseph Louis Lagrange, matem
Teora
5.2
99
Series de Taylor
Dada una funcion f (x) suficientemente derivable, es posible construir sus polinomios de Taylor
en un punto x0 de un orden tan alto como se desee. Se sabe que dichos polinomios permiten
aproximar los valores de la funcion para valores proximos a x0 y por tanto cabe plantearse el
siguiente problema:
Dado un valor x0 en el que es facil evaluar la funcion y sus derivadas, se puede saber
para que valores de x existe un polinomio de Taylor centrado en x0 que proporcione
una buena aproximacion de f (x)?
Veamos como tratar este problema en el siguiente ejemplo:
Ejemplo 5.2.1
La funcion ex es infinitamente derivable, por tanto se puede construir su polinomio de Taylor
de cualquier orden en cualquier punto. Como ex coincide con su derivada n-esima para todo n
y e0 = 1, su polinomio de Taylor de orden n en x0 = 0 es:
n
X
f (k) (0)
k=0
k!
x =
n
X
xk
k=0
k!
Si ahora se hace tender n a infinito se obtiene la siguiente serie:
X
xn
n=0
n!
que, por su forma, es lo que se denomina una serie de potencias en la variable x.

A la serie anterior la llamaremos serie de Taylor de ex centrada en x0 = 0.
Si para cada x fijo, el resto de Lagrange |Rn (x)| tiende a cero cuando n tiende a infinito
X
xk
entonces podemos asegurar que
= ex .
k!
k=0
ec
xn+1 donde c (0, x) si x > 0 y c (x, 0) si x < 0.
(n + 1)!
Sea x > 0. Como la funcion exponencial es creciente se tiene que
Se tiene que Rn (x) =
Rn (x) =
ec
ex
xn+1 <
xn+1 .
(n + 1)!
(n + 1)!
xn+1
= 0, por lo tanto
n (n + 1)!
Si x es fijo, ex es un valor finito y lim
ex
xn+1 = 0.
n (n + 1)!
lim
Si x < 0, de nuevo usando que la funcion exponencial es creciente se tiene que

|Rn (x)| =
e0
|x|n+1
ec
|x|n+1 <
|x|n+1 =
,
(n + 1)!
(n + 1)!
(n + 1)!
100
y razonando como antes se ve que esta expresion tiende a cero cuando n tiende a infinito.
En definitiva se tiene que |Rn (x)| tiende a cero para todo x real cuando n tiende a infinito
X
xn
x
y esto significa que: e =
para todo x real, por eso se dira que ex es desarrollable en
n!
n=0
serie de Taylor centrada en x0 = 0 en el intervalo (, ).
En resumen, esta igualdad garantiza que dado un valor real arbitrario x, los valores de la
n
X
xk
funcion y de la suma de la serie coinciden, y por tanto se puede aproximar el valor ex por
k!
k=0
para alg
un n suficientemente grande.
Tambien se puede leer la igualdad en el otro sentido. Por ejemplo, la suma de la serie
X
2k
numerica
es e2 .
k!
k=0
Definici
on 5.2.2 (Desarrollo en serie de Taylor)
Sea I un intervalo de amplitud no nula. Si f : I R R es una funcion indefinidamente
derivable en el punto x0 I, entonces la serie
X
f (n) (x0 )
n!
n=0
(x x0 )n
se llama serie de Taylor de f centrada en x0 .

Desarrollar f en serie de Taylor centrada en x0 consiste en calcular la expresion anterior y
hallar los n
umeros x R que verifican la igualdad
f (x) =
X
f (n) (x0 )
n=0
n!
(x x0 )n ,
es decir, aquellos que cumplen las tres condiciones siguientes:

La funcion esta definida (x pertenece al dominio de la funcion).
La serie de Taylor converge.
La suma de la serie coincide con el valor de la funcion.
El conjunto de x R que satisfacen estas tres condiciones se denomina campo de validez
del desarrollo.
Ejemplo 5.2.3
Desarrollo en serie de Taylor en x0 = 0 de f (x) = sen x.
La funcion sen x es infinitamente derivable, por lo tanto para construir su serie de Taylor
basta obtener la expresion de su derivada n-esima y evaluarla en x = 0.
Las derivadas de orden par son sen x y por tanto se anulan en x = 0 y las derivadas de
orden impar son cos x y por tanto valen 1 o 1.
La serie de potencias solo contiene potencias impares de x (la funcion sen x es impar) y es
X
X
(1)k 2k+1
n
x
.
de la forma:
an x =
1)!
(2k
+
n=0
k=0
Teora
101
X
(1)k 2k+1
Buscamos ahora para que valores de x se verifica que sen x =
x
, para ello
(2k + 1)!
k=0
se estudia el resto de Lagrange.
| sen c|
| cos c|
En este caso |Rn (x)| =
|x|n+1 o bien |Rn (x)| =
|x|n+1 , por tanto se tiene
(n + 1)!
(n + 1)!
que:
|x|n+1
|Rn (x)|
y de la jerarqua de infinitos se deduce que para cualquier valor x R
(n + 1)!
se tiene
|x|n+1
lim
=0
n (n + 1)!
Por tanto, sen x =
X
(1)n 2n+1
x
para todo x R.
(2n
+
1)!
n=0
Analogamente, puede comprobarse que cos x =
X
(1)n
(2n)!
n=0
x2n para todo x R.
El siguiente ejemplo muestra que no todas las funciones infinitamente derivables en un punto
coinciden con su desarrollo de Taylor en un entorno de dicho punto.
Ejemplo 5.2.4
2
Desarrollo en serie de Taylor en x0 = 0 de f (x) = e1/x .
La funcion f (x) considerada no esta definida en x = 0. Si se define f (0) = 0, la funcion
es continua y derivable infinitas veces, por lo tanto se puede construir su serie de Taylor. Se
puede comprobar que f (n) (0) = 0 para todo n, por lo tanto la serie de Taylor de f (x) en x = 0
X
0 n
x .
es
n!
n=0
La suma de esta serie es 0 para todo x R, y por lo tanto solo coincide con la funcion en
2
x = 0, ya que si x 6= 0, e1/x > 0.
Ejemplo 5.2.5
X
Sabemos que la serie geometrica
xn converge si y solo si |x| < 1 y que su suma es
n=0
X
n=0
xn =
1
.
1x
X
1
Por lo tanto, se puede asegurar que la funcion f (x) =
solo coincide con la serie
xn
1x
n=0
en el intervalo (1, 1).
A la vista de este resultado cabe plantearse si f (x) es desarrollable en serie de Taylor en
X
X
n
(1, 1) y si dicho desarrollo en serie es el ya obtenido,
x . Se puede asegurar que
xn es
n=0
1
la serie de Taylor de f (x) =
, en x = 0, gracias al siguiente resultado:
1x
n=0
102
Teorema 5.2.6 (Unicidad de la serie de Taylor)

X
Si para una funcion f existen x0 y R > 0 de modo que se verifica f (x) =
an (x x0 )n para
n=0
todo x (x0 R, x0 + R), entonces
an =
f (n) (x0 )
n!
n N.
Es decir, la serie de potencias tiene por coeficientes an los coeficientes de Taylor.

Ejemplo 5.2.7
Se ha visto que f (x) =
X
1
=
xn si x (1, 1) . Por lo tanto:
1 x n=0
(a) Seg
un el teorema anterior, se puede asegurar que dicha serie es la serie de Taylor de f (x)
en x0 = 0. Por tanto, cualquier truncamiento de la misma es un polinomio de Taylor de
25
X
f (x). Por ejemplo, el polinomio de Taylor de orden 25 de f (x) en x0 = 0 es
xn .
n=0
(b) Para cualquier x del intervalo (1, 1) los valores de la funcion y la serie coinciden, por lo
tanto para cualquier x de (1, 1) se puede obtener un polinomio de Taylor centrado en
x0 = 0 que proporcione una aproximacion de f (x) tan buena como se desee.
(c) El punto x = 2 no pertenece al campo de validez, por lo tanto los valores de la funcion
y la serie no coinciden. En particular, no se puede asegurar que exista alg
un polinomio
de Taylor de f (x) centrado en x0 = 0 cuyo valor sea una aproximacion aceptable de f (x)
para x = 2.
Ejemplo 5.2.8
Serie de Taylor en x0 = 0 de ln(1 + x).
X
(1)n+1 xn
para x (1, 1],

n
por lo tanto esta serie es la serie de Taylor de la funcion f (x) y, en consecuencia, los polinomios
de Taylor de f (x) en x0 = 0 son los truncamientos de la serie anterior.
Se puede probar, aunque aqu no lo haremos, que ln(1+x) =
n=1
Aplicaci
on 5.2.9 (Aproximaci
on de funciones)
Una de las aplicaciones mas interesantes de las series de Taylor es aproximar los valores de una
funcion usando la suma aproximada de una serie numerica. Vamos a ver algunos ejemplos. Si
se considera, por ejemplo, la funcion ln(1 + x), se sabe que ella y sus derivadas son faciles de
evaluar en x = 0, pero no en todos los x reales. Para obtener valores de ln(1 + x) de manera
aproximada se puede usar su serie de Taylor.
Ejemplo 5.2.10
(a) Para aproximar ln( 32 ), con un polinomio de Taylor de f (x) = ln(1+x) centrado en x0 = 0,
habra que evaluar dicho polinomio en x = 21 .
X
(1)n+1 xn
para x (1, 1], y como x = 12 es un punto del

n
n=1
intervalo (1, 1], se puede asegurar que cualquier truncamiento de la serie de potencias
evaluado en x = 21 proporciona una aproximacion de f ( 21 ). Es obvio que cuanto mayor
sea el grado del polinomio considerado cabe esperar que la aproximacion sea mejor.
Sabemos que ln(1 + x) =
Teora
103
Por ejemplo, si se considera un truncamiento de orden 10, es decir el polinomio de Taylor

10
X
(1)n+1
3
de grado 10 de f (x) en x0 = 0, se obtiene que una aproximacion de ln( 2 ) es
n2n
n=1
0.40543465. Si se quiere estimar el error, se puede acotar el resto de Lagrange, R10 , o bien
manejar otros resultados conocidos sobre series. En este caso, como la serie verifica las
hipotesis de convergencia del criterio de Leibniz, se sabe que el error del truncamiento de
orden n esta acotado por |an+1 |. Por tanto, el error estara acotado por |a11 | 4.4389105 ;
es decir, es un error menor que 104 .
Si se desea obtener una aproximacion de ln( 23 ) con un error menor que 106 , en este caso
1
bastara con determinar n tal que |an+1 | =
< 106 y calcular Sn . El menor
(n + 1)2n+1
15
X
(1)n+1
0.40546576 es
de los n que cumple esta desigualdad es n = 15, por lo que
n2n
n=1
la aproximacion buscada.
(b) Para calcular ln( 52 ) de manera aproximada usando un polinomio de Taylor de f (x) =
ln(1 + x) centrado en x0 = 0 habra que evaluar dicho polinomio en x = 32 .
Se sabe que ln(1 + x) =
X
(1)n+1 xn
para x (1, 1] y que los polinomios buscados

n
n=1
son los truncamientos de esta serie, pero como el punto x = 32 no pertenece al campo de
validez del desarrollo, no se puede asegurar que exista alg
un polinomio que proporcione
una aproximacion aceptable.
Se pueden usar las propiedades de la funcion logaritmo para obtener la siguiente igualdad:
2
5
ln( ) = ln( ).
5
2
Como ademas
2
3
ln( ) = ln(1 )
5
5
y el punto x = 3/5 s esta en el campo de validez del desarrollo, se concluye que s es
posible aproximar ln( 52 ) mediante el polinomio de Taylor de ln(1 + x).
104
Problemas
Problema 5.1
Dada la funcion f (x) = e2x , se pide:
(a) Hallar el polinomio de Taylor de f centrado en x0 = 0 y de orden 3.
(b) Usar dicho polinomio para aproximar e y dar una cota del error cometido.
(c) Aproximar e, mediante un polinomio de Taylor de f centrado en x0 = 0, con un error
menor que 102 .
Problema 5.2
Dada la funcion f (x) = ln(1 + x), se pide:
(a) Hallar el polinomio de Taylor de f centrado en x0 = 0 y de orden 3.
(b) Usar dicho polinomio para aproximar ln(1 2) y dar una cota del error cometido.
(c) Aproximar ln(1 5), mediante un polinomio de Taylor de f centrado en x0 = 0, con un
error menor que 102.
Problema 5.3
Dada la funcion sen(x), se pide:
(a) Calcular su polinomio de Taylor centrado en x0 = 0 y de orden 3.
(b) Usar dicho polinomio para aproximar sen(1) y sen(2 + 1). Obtener una cota del error
cometido en cada aproximacion. Teniendo en cuenta las propiedades de las funciones
trigonometricas, como puede mejorarse la aproximacion de sen(2 + 1)?
(c) Determinar para que valores de x se puede sustituir sen(x) por x x3 /6 si el error
permitido es 103 .
(d) Utilizando polinomios de Taylor y propiedades de las funciones trigonometricas, aproximar
sen(1) y sen(90) con un error menor que 103 .
(e) Describir un procedimiento que permita aproximar el valor de sen(x) mediante un polinomio
de Taylor con un error menor que 103 para cualquier valor de x.
Problema 5.4
Dada la funcion cos(x), se pide:
(a) Calcular su polinomio de Taylor centrado en x0 = 0 y de orden 2.
(b) Usar dicho polinomio para aproximar cos(0 5) y cos(2 + 0 5). Obtener una cota del error
cometido en cada aproximacion. Teniendo en cuenta las propiedades de las funciones
trigonometricas, como puede mejorarse la aproximacion de cos(2 + 0 5)?
(c) Determinar para que valores de x se puede sustituir cos(x) por 1x2 /2 si el error permitido
es 103 .
Problemas
105
(d) Utilizando polinomios de Taylor y propiedades de las funciones trigonometricas, aproximar

cos(0 5) y cos(90) con un error menor que 103 .
(e) Describir un procedimiento que permita aproximar el valor de cos(x) mediante un polinomio
de Taylor con un error menor que 103 para cualquier valor de x.
Problema 5.5
Dada la funcion f (x) = xex , se pide:

(a) Aproximar f 12 , mediante un polinomio de Taylor de f centrado en x0 = 0, con un
error menor que 105 .
(b) Utilizando el desarrollo en serie de Taylor de ex , indicar razonadamente si es verdadera o
falsa la siguiente igualdad:
X
1
(1)n+1
=
f
2
2n+1 n!
n=0
Problema 5.6
Se considera la funcion f (x) = sen(3x) y se pide:
(a) Aproximar sen(2), mediante un polinomio de Taylor de f centrado en x0 = 0, con un
(b) Utilizando el desarrollo en serie de Taylor de sen x, indicar razonadamente si es verdadera
o falsa la siguiente igualdad:
sen(2) =
(1)n
n=0
22n+1
(2n + 1)!
Problema 5.7
(a) Utilizar el desarrollo en serie de Taylor:
ln
1+x
1x
X
x2n+1
=2
,
2n + 1
n=0
valido si y solo si x (1, 1), para aproximar ln(5) con error menor que 102 .
(b) Se puede usar el mismo metodo para aproximar cualquier valor de ln(y)?
Problema 5.8
(a) Utilizar el desarrollo en serie de Taylor:
arctg(x) =
X
(1)n x2n+1
n=0
2n + 1
valido si y solo si x [1, 1], para aproximar arctg(1) con error menor que 102 .
(b) Se puede usar el mismo metodo para aproximar cualquier valor de arctg(y)?
106
Pr
actica
Objetivos
Observar aproximaciones polinomicas de diversas funciones.
Identificar los parametros que influyen en la calidad de la aproximacion por polinomios
de Taylor.
Conocer algunas limitaciones de las aproximaciones mediante polinomios de Taylor.
Convenio
Diremos que una funcion P es fiable para aproximar a otra funcion f en un punto x si las
graficas de P y f coinciden en x a la escala en uso.
Figura 5.2: Concepto de fiabilidad.

Por ejemplo, en la figura 5.2 P es fiable para aproximar f en x, pero Q no lo es.
5.1
Aproximaci
on mediante polinomios de Taylor
Se considera la funcion f (x) = ex y se quiere estudiar las aproximaciones que proporcionan sus
polinomios de Taylor centrados en x0 = 0. Se denotara por Tn (x) el polinomio de Taylor de la
funcion f (x) = ex , centrado en x0 = 0 y de orden n. Con Derive se pueden obtener dichos
polinomios con la opcion Taylor del men
u de C
alculo.
(a) Usando escala 1:1, obtener la grafica de la funcion f (x) y representar sucesivamente los
polinomios T1 (x), T2 (x), ... hasta encontrar uno que sea fiable para aproximar el valor de
f ( 12 ).
Cual es el orden de dicho polinomio? n =
Practica
107
(b) Usar el polinomio T

on
n (x) elegido en el apartado anterior para dar una aproximaci
1
numerica de f ( 2 ) = e.
e Tn ( 12 ) =
(c) Acotar el error cometido en la aproximacion anterior usando la expresion del resto de
Lagrange:
(n+1)
f
(c)
|f (x) Tn (x)| =
|x x0 |n+1 , con c entre x0 y x.
(n + 1)!

Obtener f (n+1) para el n determinado en el apartado anterior, acotar f (n+1) (c) en el
intervalo [0, 12 ] y concluir:

1
f ( ) Tn ( 1 )
2
2
1
?
e
Buscar otro polinomio de Taylor que s lo sea. Cual es el orden de dicho polinomio?
(d) Es fiable el polinomio anterior para aproximar el valor de
m=
1
(e) Se quiere obtener una aproximacion de
con un error menor que 105 . Para ello se
e
utiliza la expresion del resto de Lagrange con el siguiente metodo:
En primer lugar, se obtiene la forma explcita de f (n+1) (x)
para un
n generico, y
a partir de ella se determina M, una cota superior de f (n+1) (c) en el intervalo
adecuado (el determinado por x0 y x).
f (n+1) (x) =
M=
En segundo lugar, se sustituyen en la expresion del resto de Lagrange M y el valor
correspondiente de x y se resuelve la inecuacion:
M
|x|n+1 < 105 ,
(n + 1)!
El valor de n que se obtiene es: n =
Una vez determinado n, se define el polinomio T(x) := TAYLOR(ex , x, 0, n) y se eval

ua
este polinomio en el valor de x correspondiente. En este caso, la aproximacion
ofrecida es:
1
T( ) =
108
5.2
Problemas
5.2.1
Opci
on 1
(a) Se considera la funcion f (x) = cos( x3 ). Se pide:

(i) Obtener los polinomios de Taylor de ordenes 4 y 5 centrados en x0 = 0, calcular con
ellos una aproximacion de cos(1) y dar una cota de error.
(ii) Obtener una aproximacion de cos(1), usando el resto de Lagrange, con un error
menor que 105 .
(b) Se considera la funcion f (x) = arctan(x). Se pide:

(i) Calcular sus polinomios de Taylor centrados en x0 = 0 y de ordenes 2, 5, 7 y 10.
Usando escala 1:1, representar dichos polinomios junto con la propia funcion. Marcar
con los casos en que la aproximacion dada por estos polinomios es fiable para los
siguientes valores:
Valor a aproximar
arctan(0 25)
arctan(0 75)
arctan(1 5)
Valor de x
Orden del desarrollo

2
5
7
10
A la vista de las graficas, valorar si se puede obtener una aproximacion tan buena
como se quiera de arctan(1 5) mediante un polinomio de Taylor de arctan(x) centrado
en x0 = 0.
P
x2n+1
si y solo si x [1, 1], buscar una
(ii) Sabiendo que arctan (x) =
(1)n
2n + 1
n=0
explicacion del resultado anterior.
Practica
109
(iii) Obtener una aproximacion de arctan(1) = con un error menor que 105 evaluando
4
2n+1
P
x
y calculando el valor aproximado de la
la expresion arctan(x) =
(1)n
2n + 1
n=0
suma de la serie numerica.
5.2.2
Opci
on 2
(a) Se considera la funcion f (x) = sen(2x). Se pide:

(i) Obtener los polinomios de Taylor de ordenes 5 y 6 centrados en x0 = 0, calcular con
ellos una aproximacion de sen(1) y dar una cota de error.
(ii) Obtener una aproximacion de sen(1), usando el resto de Lagrange, con un error
menor que 105 .
110
(b) Se considera la funcion f (x) = ln(1 + x2 ). Se pide:

(i) Calcular sus polinomios de Taylor centrados en x0 = 0 y de ordenes 5, 10, 15 y
20. Usando escala 1:1, representar dichos polinomios junto con la propia funcion.
Marcar con los casos en que la aproximacion dada por estos polinomios es fiable
para los siguientes valores:
Valor a aproximar
ln(1 25)
ln(1 81)
ln(2 44)
Valor de x
Orden del desarrollo

5
10
15
20
A la vista de las graficas, valorar si se puede obtener una aproximacion tan buena
como se quiera de ln(2 44) mediante un polinomio de Taylor de ln(1 + x2 ) centrado
en x0 = 0.
2n
P
2
n+1 x
(ii) Sabiendo que ln (1 + x ) =
(1)
si y solo si x [1, 1], buscar una
n
n=1
explicacion del resultado anterior.
P
x2n
(iii) Evaluando la expresion ln (1 + x2 ) =
(1)n+1
en el punto adecuado y calculando
n
n=1
el valor aproximado de la suma de la serie numerica, obtener una aproximacion de
ln(1 64) con un error menor que 105 .
Tema 6
Aproximaci
on global de funciones:
Polinomio interpolador
Teora
A veces es necesario aproximar funciones en un intervalo fijado de antemano y dentro de ese
intervalo solo es posible conocer los valores de la funcion en algunos puntos. En estos casos la
construccion de polinomios de Taylor no resulta viable y la tecnica mas sencilla de obtencion
de polinomios aproximadores es la de interpolaci
on, que consiste basicamente en construir un
polinomio que coincida con la funcion en los puntos dados. Ejemplos claros de esta situacion
corresponden a fenomenos experimentales en los que se conoce el valor de una funcion en un
conjunto de datos y se quiere predecir o estimar el valor de la funcion en otro dato sin realizar el
experimento correspondiente. Por ejemplo la medicion del tiempo de ejecucion de un algoritmo
en funcion del n
umero de datos de entrada, el n
umero de conexiones a una pagina web en un
instante determinado del da, etc.
6.1
Polinomio interpolador
Proposici
on 6.1.1
Dados n + 1 puntos de abscisas distintas (x0 , y0 ), (x1 , y1), ..., (xn , yn ) existe un u
nico polinomio
Pn (x) de grado menor o igual que n de modo que Pn (xi ) = yi para todo i {0, .., n}.
Este polinomio Pn (x) recibe el nombre de polinomio interpolador en los puntos dados, y es
el polinomio de menor grado que pasa por esos puntos.
Demostracion.
Se considera un polinomio de grado n escrito de la forma Pn (x) = a0 + a1 x + + an xn ,
es decir, usando la base canonica [1, x, . . . , xn ] del espacio vectorial de polinomios de grado
menor o igual que n. Si se imponen las condiciones Pn (xi ) = yi para cada i {0, 1, ..., n}, se
obtiene un sistema lineal de n + 1 ecuaciones con n + 1 incognitas cuya matriz de coeficientes
tiene por determinante el de Vandermonde, que es distinto de cero, y por tanto el sistema
es compatible determinado y tiene solucion u
nica. En definitiva, dicho polinomio existe y
como las coordenadas en un espacio vectorial son u
nicas, cualquier polinomio que verifique las
condiciones requeridas tendra las coordenadas definidas por la solucion del sistema anterior, es
decir el polinomio es u
nico.
112
Tema 6. Aproximacion global de funciones: Polinomio interpolador
Proposici
on 6.1.2 (M
etodo de Lagrange)
Dados n + 1 puntos de abscisas distintas (x0 , y0), (x1 , y1), ..., (xn , yn ), si se define para cada
i {0, 1, . . . , n},
n
Y
x xj
,
Li (x) =
x
i xj
j=0,j6=i
el polinomio
Pn (x) =
n
X
yi Li (x)
i=0
es el polinomio interpolador de dichos puntos.
Demostracion.
Los polinomios Li (x) son de grado n y verifican que Li (xi ) = 1 y Li (xj ) = 0 si j 6= i. Por lo
tanto, el polinomio
n
X
yi Li (x)
Pn (x) =
i=0
verifica que Pn (xi ) = y0 0 + y1 0 + + yi 1 + + yn 0 = yi para todo i {0, 1, . . . n}, y

como consecuencia, Pn es el polinomio interpolador.

Ejemplo 6.1.3
Para calcular el polinomio interpolador en los puntos de la siguiente tabla se puede trabajar
como sigue:
i 0 1
2 3
xi 2 3 1 4
yi 1 2
3 4
Usando el metodo de Lagrange, en primer lugar se calculan los polinomios Li :
(x 3)(x + 1)(x 4)
(2 3)(2 + 1)(2 4)
(x 2)(x 3)(x 4)
L2 (x) =
(1 2)(1 3)(1 4)
L0 (x) =
(x 2)(x + 1)(x 4)
(3 2)(3 + 1)(3 4)
(x 2)(x 3)(x + 1)
L3 (x) =
.
(4 2)(4 3)(4 + 1)
L1 (x) =
Despues se construye la combinacion lineal correspondiente:

1
1
P3 (x) = 1
(x 3)(x + 1)(x 4) + 2
(x 2)(x + 1)(x 4)
6
4

1
1
+ 3
(x 2)(x 3)(x 4) + 4
(x 2)(x 3)(x + 1)
60
10
y simplificando se tiene:
P3 (x) =
1 3
7
16
8
x + x2 x + .
60
20
15
5
Nota 6.1.4
Dada una funcion f , llamaremos polinomio interpolador de dicha funcion en los puntos de
abscisas {x0 , x1 , . . . , xn } al polinomio interpolador en los puntos (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ),
siendo yi = f (xi ).
Teora
113
Ejemplo 6.1.5
Dada la funcion f (x) = cos(x) + x2 se puede calcular su polinomio interpolador en los puntos
de abscisas x0 = 4 , x1 = 0, x2 = 4 trabajando como en el ejemplo anterior:
8
x(x ),
2
L0 (x) =
En consecuencia
L1 (x) =
16
(x
+
)(x
)
y
L
(x)
=
(x + )x.
2
2
2
4
4
2 2 8
16
2 2 8
P2 (x) = (
+ ) 2 x(x ) 2 (x + )(x ) + (
+ ) 2 (x + )x =
2
16
4
4
4
2
16
4
2 + 8 2 16 2
=
x +1
2
El metodo de Lagrange para la obtencion del polinomio interpolador es comodo pero tiene
algunos inconvenientes. Tal vez el mas significativo sea que si se tiene el polinomio interpolador
en un conjunto de n puntos y se necesita obtener el del conjunto obtenido al a
nadir un punto
mas, hay que iniciar los calculos desde el principio.
Otra forma de obtener el polinomio interpolador, que evita este inconveniente, es la que se
apoya en el uso de diferencias divididas y sus propiedades.
Definici
on 6.1.6 (Diferencias divididas)
Dada una funcion y = f (x) y los puntos {(xi , f (xi )) : i = 0 . . . n}, denominamos:
(a) Diferencias divididas de primer orden a las expresiones:
[xi , xi+1 ]f =
f (xi+1 ) f (xi )
yi+1 yi
=
con i {0, .., n 1}
xi+1 xi
xi+1 xi
(b) Diferencias divididas de segundo orden a las expresiones:

[xi , xi+1 , xi+2 ]f =
[xi+1 , xi+2 ]f [xi , xi+1 ]f

con i {0, .., n 2}
xi+2 xi
(c) Diferencia dividida de orden n a la expresion:

[x0 , x1 , ..., xn ]f =
[x1 , ..., xn ]f [x0 , ..., xn1 ]f

xn x0
Otra notacion que se suele utilizar es f [xi , xi+1 , ..., xi+n ] o simplemente [xi , xi+1 , ..., xi+n ].
Las diferencias divididas se suelen representar en tablas de la forma:
xi
x0
yi
y0
er
Diferencias divididas
orden 2o orden
3er orden
[x0 , x1 ]
x1
y1
[x0 , x1 , x2 ]
[x1 , x2 ]
x2
y2
[x0 , x1 , x2 , x3 ]
[x1 , x2 , x3 ]
[x2 , x3 ]
x3
y3
114
Ejemplo 6.1.7
Dados los puntos de la tabla:
xi 2 3 1 4
yi 1 2
3 4
vamos a obtener la diferencia dividida de orden 3.
xi
2
yi
1
er
Diferencias divididas
orden 2o orden 3er orden
1
5
12
41
1
60
9
20
1
5
Proposici
on 6.1.8
El polinomio interpolador en los puntos (x0 , y0), (x1 , y1), ..., (xn , yn ) se puede expresar en terminos de las diferencias divididas de la forma:
Pn (x) = y0 + [x0 , x1 ](xx0 ) + [x0 , x1 , x2 ](xx0 )(xx1 ) + + [x0 , . . . , xn ](xx0 ) (xxn1 )
y recibe el nombre de formula de Newton en diferencias divididas.
Algebraicamente, esto significa que los primeros elementos de las columnas de la tabla de
diferencias divididas son las coordenadas del polinomio interpolador respecto de la base
[1, (x x0 ), (x x0 )(x x1 ), , (x x0 )(x x1 ) (x xn1 )]
del espacio vectorial de polinomios de grado menor o igual que n.
Ejemplo 6.1.9
Dados los puntos de la tabla:
xi 2 3 1 4
yi 1 2
3 4
vamos a obtener el polinomio interpolador mediante la formula de Newton.
De la tabla de diferencias divididas del ejercicio anterior se deduce:
P3 (x) = 1 + (x 2) +
5
1
(x 2)(x 3) + (x 2)(x 3)(x + 1).
12
60
Es decir
P3 (x) =
7
16
8
1 3
x + x2 x +
60
20
15
5
Teora
6.2
115
Error del polinomio interpolador
Una vez que se ha visto la forma de obtener el polinomio interpolador, surge la pregunta de
analizar la calidad de la aproximacion que proporciona. Igual que ocurra con los polinomios
de Taylor se tiene garantizada la exactitud en los puntos que se usan en la construccion, en
este caso f (xi ) = Pn (xi ) para todo i {0, .., n}, pero en el resto no se sabe nada. Cuando se
conocen las derivadas de la funcion que se esta interpolando se tiene la siguiente igualdad.
Proposici
on 6.2.1 (F
ormula del error)
Sea a = min{xi }, b = max{xi } con i {0, .., n} y sea f (x) una funci
on definida sobre [a, b],
n + 1 veces derivable en (a, b). Para cada x [a, b] existe un c (a, b) tal que:
n
Rn (x) = f (x) Pn (x) =
f (n+1) (c) Y
(x xi )
(n + 1)! i=0
siendo Pn (x) el polinomio interpolador en los puntos (x0 , f (x0 )), ..., (xn , f (xn )).
Proposici
on 6.2.2
En las condiciones anteriores una cota del error absoluto cometido, al aproximar f (x) por
Pn (x), viene dada por:
n
Y
M
|x xi |
|Rn (x)|
(n + 1)! i=0

siendo M una cota superior (si existe) de f (n+1) en (a, b).
Esta expresion del error guarda cierta similitud con la correspondiente a los polinomios de
Taylor. En lugarQ
de aparecer |x x0 |n+1 , la potencia (n + 1)-esima de la distancia del punto
x al x0 , aparece ni=0 |x xi | que mide el producto de distancias del punto x a los xi . Este
termino indica que, sin contar con la influencia del valor de la derivada, el error sera mayor en
los puntos que maximicen este producto de distancias. En consecuencia, si hay que elaborar
una tabla de n + 1 puntos para aproximar los valores de una funcion en un intervalo dado,
sera bueno poder elegirlos de modo que el maximo del producto anterior sea mnimo (tarea no
trivial, pero tampoco imposible).
Ejemplo 6.2.3
Para calcular una cota del error que secomete, en el ejemplo 6.1.5, al aproximar f ( 6 ) utilizando
el polinomio interpolador, se usa que f (3) (x) = |sen(x)| 1, y en consecuencia:

1

+
R2

0.03
6
3! 6
4
6
6
4
Ejemplo 6.2.4
Si, en el mismo ejemplo, se quiere calcular una cota del error que se comete al utilizar el
polinomio interpolador en cualquier punto x del intervalo [ 4 , 4 ], habra que dar una cota
valida para todos los puntos del mismo. En general, la acotacion mas simple, aunque no la mas
fina, se obtiene mayorando cada factor del producto por la longitud del intervalo considerado,
en este caso:
1
1 3
|R2 (x)| (x + )(x)(x )

0.65
3!
4
4
6 2
Una cota mas fina tambien valida para todo x [ 4 , 4 ] puede ser la siguiente:
1 2
1
|R2 (x)| (x + )(x)(x )

0.162
3!
4
4
6 4 2
116
que se obtiene usando que dos de las tres distancias que aparecen son menores que
6.3
.
4
Interpolaci
on a trozos
El problema que se plantea es el siguiente: si el n

umero de puntos de interpolacion crece, se
rebaja el error cometido al aproximar una funcion f (x) por su polinomio de interpolacion?
Si en la expresion del error se considera la primera parte
(n+1)
f
(c)

(n + 1)! , con c (a, b),
solo hay garanta de que decrece rapidamente para algunas funciones como sen(x) o ex , para
las cuales se puede obtener una cota de su derivada n-esima que no depende de n. Pero para
otras funciones, esta expresion crece de acuerdo con n.
La segunda parte esta acotada por
max
axb
n
Y
i=0
|x xi |
y parece claro que, en general, este maximo puede aumentar al incrementar el n

umero de
puntos en el intervalo [a, b] si b a > 1. Como el intervalo donde queremos aproximar f (x)
viene fijado normalmente de antemano, una solucion sera dividir el intervalo en subintervalos
suficientemente peque
nos y aproximar f (x) en cada uno de ellos por medio de un polinomio
adecuado. Esto nos lleva a la interpolacion polinomica a trozos.
Definici
on 6.3.1 (Interpolaci
on lineal a trozos)
Sean los valores a = x0 < x1 < ... < xn = b las abscisas de n + 1 puntos. Aproximamos
entonces la funcion f (x) en cada intervalo [xi , xi+1 ] por la recta que une los puntos (xi , f (xi ))
y (xi+1 , f (xi+1 )). La funcion definida a trozos de esta forma se denomina funci
on interpoladora
lineal a trozos (vease figura 6.1).
Figura 6.1: Interpolacion lineal a trozos.

Ejemplo 6.3.2
Se considera la funcion f (x) = sen(x) en el intervalo [0, ]. Si se desea aproximar f ( 3 ) mediante
interpolacion lineal a trozos en 5 puntos, {0, 4 , 2 , 3
, }, se debera elegir el segmento de recta
4
que une los puntos de abscisas x = 4 y x = 2 , ya que 3 [ 4 , 2 ].

Teora
Dicha recta es P (x) =
2
2
+
f
42 2
(x

3
4 ) y su evaluacion en x =

3
es
2+1
,
3
117
por lo tanto
2+1
0 805
3
Proposici
on 6.3.3
Sea f dos veces derivable en (a, b) y |f (x)| M para todo x (a, b). Dado un punto cualquiera
x (a, b), si aproximamos f (x) mediante interpolaci
on lineal a trozos en [a, b], una cota del
error cometido es:
M
max |xi+1 xi |2 .
8 i
Demostracion.
Dado un punto arbitrario x del intervalo considerado, existen dos puntos xi y xi+1 tales que
x [xi , xi+1 ]. Considerando el polinomio de grado uno correspondiente, y aplicando la formula
de error general, se tiene que el error cometido en cualquier punto del intervalo (xi , xi+1 ) es:
|R(x)| =
|f (c)|
|(x xi )(x xi+1 )| .
2
Como el maximo de la funcion |(x xi )(x xi+1 )| en dicho intervalo se alcanza en el punto
(xi + xi+1 )/2 y toma el valor |xi+1 xi |2 /4, resulta:
|R(x)|
|f (c)| |xi+1 xi |2
M
|xi+1 xi |2 .
2
4
8
Considerando un x generico del intervalo [a, b] se tiene que una cota del error es:
M
max |xi+1 xi |2 .
8 i

Nota 6.3.4
Observese que el error se puede hacer tan peque
no como se quiera sin mas que ir dividiendo el
intervalo [a, b] en subintervalos mas peque
nos.
En el caso particular de que los puntos esten equiespaciados, se tiene que |xi+1 xi | = h
para todo i y por tanto la cota del error anterior queda:
M
h2
.
8
Este tipo de aproximacion es muy buena cuando la distancia entre los puntos de interpolacion es peque
na, por lo que resulta muy u
til para obtener aproximaciones numericas, pero tiene
el inconveniente de que la funcion interpoladora lineal a trozos no es derivable en los puntos de
interpolacion.
Ejemplo 6.3.5
Supongamos que queremos aproximar la funcion f (x) = ex sen(x) mediante interpolacion
lineal a trozos en 7 puntos (6 subintervalos) del intervalo [0, 3]. Para acotar el error, hallamos
118
una cota de la derivada segunda de f : f (x) = 2ex cos(x), luego |f (x)| 2 para todo
x [0, 3]. Una cota del error sera entonces
2
8
2
3
1
=
< 0 07.
6
16
Si queremos saber en cuantos subintervalos n habra que dividir el intervalo de partida para que
el error sea menor que 103 , deberemos resolver la inecuacion
2
2 3
< 103 .
8 n
Despejando n se obtiene: n > 2250, lo que se verifica para n = 48, por lo tanto basta tomar
48 subintervalos, esto es, 49 puntos equiespaciados.
Problemas
119
Problemas
Problema 6.1
Dada la tabla de valores de la funcion f siguiente,
0
2 1 1 2
xi
f (xi ) 1 1 1 2 1
se pide:
(a) Calcular el polinomio interpolador de f en los cuatro primeros puntos de la tabla.
(b) Obtener el polinomio interpolador de f en los cinco puntos de la tabla.
(c) Utilizar los polinomios anteriores para aproximar f (1/2).
(d) Es posible acotar el error cometido al utilizar dichos polinomios para evaluar la funcion
f en puntos que no sean de la tabla?
Problema 6.2
Se han tomado los tiempos de ejecucion de un programa, en segundos, sobre entradas de tama
no
n para diversos valores de n, obteniendose los resultados siguientes:
40
50
n 10 20 30
t(n) 45 285 725 1365 2205
(a) Usar estos datos para aproximar, mediante interpolacion cuadratica, el tiempo de ejecucion
para n = 25.
(b) Obtener otra aproximacion mediante interpolacion c
ubica.
(c) Es posible acotar el error cometido al utilizar estos polinomios para evaluar la funcion t
en puntos que no sean de la tabla?
Problema 6.3
Determinar el polinomio interpolador de la funcion f (x) = x3 + x + 1 en las abscisas
{0 0017, 01325, 01379, 62417}.
Dar una cota del error cometido.
Problema 6.4
(a) Puede haber cuatro puntos del plano que definan un polinomio de interpolacion de grado
2?
(b) Hallar tres puntos del plano que definan un polinomio interpolador de grado 1.
Problema 6.5
n
P
Sabiendo que la funcion P (n) =
i2 es un polinomio en n de grado 3, usar interpolacion para
obtener dicho polinomio.
i=0
120
Problema 6.6
n
P
Sabiendo que la funcion P (n) =
i3 es un polinomio en n de grado 4, usar interpolacion para
obtener dicho polinomio.
i=0
Problema 6.7
En una sucursal bancaria hay una caja fuerte cuya combinacion, por razones de seguridad,
se quiere distribuir entre el director, el subdirector y el cajero, de modo que ninguno de ellos
pueda abrir la caja por s solo, pero dos cualesquiera puedan hacerlo.
Para resolver el problema, la presidenta del banco, experta matematica, dise
na un sistema
de comparticion de secretos: elige, privadamente, un n
umero natural, k N, que sera la
combinacion de la caja, y un polinomio, P (x) := k + ax, con a N. A continuacion, calcula
P (1) y se lo comunica al director, calcula P (2) y se lo comunica al subdirector, y calcula P (3)
y se lo comunica al cajero. Ademas, informa a cada uno de ellos del proceso seguido, pero sin
revelarles los valores de k y a.
En estas condiciones, se pide:
(a) Indicar que deben hacer el subdirector, experto abogado que dispone de P (2) = 37836, y
el cajero, experto economista que conoce P (3) = 41046, para obtener la combinacion.
(b) Probar que ninguna de las tres personas citadas puede obtener la combinacion por s sola.
(c) Indicar como modificar el sistema de comparticion de secretos para que sea imprescindible
la presencia de las tres a la hora de abrir la caja. Puede utilizarse el dato adicional de
que el director es informatico experto.
Problema 6.8
En una sucursal bancaria hay una caja fuerte cuya combinacion, por razones de seguridad,
se quiere distribuir entre el director, el subdirector, el secretario y el cajero, de modo que
ninguno de ellos pueda abrir la caja por s solo, por parejas tampoco puedan hacerlo, pero tres
cualesquiera s.
Para resolver el problema, la presidenta del banco, experta matematica, dise
na un sistema
de comparticion de secretos: elige, privadamente, un n
umero entero, k Z, que sera la
combinacion de la caja, y un polinomio, P (x) := k + ax + bx2 , con a, b Z. A continuacion,
calcula P (1) y se lo comunica al director, calcula P (2) y se lo comunica al subdirector, calcula
P (3) y se lo comunica al secretario y calcula P (4) y se lo comunica al cajero. Ademas, informa
a cada uno de ellos del proceso seguido, pero sin revelarles los valores de k, a y b.
En estas condiciones, se pide:
(a) Indicar que deben hacer el subdirector, que dispone de P (2) = 37836, el secretario,
que dispone de P (3) = 45356 y el cajero, que conoce P (4) = 41046, para obtener la
combinacion.
(b) Probar que, reunidas dos cualesquiera de las personas citadas, no pueden obtener la
combinacion.
(c) Indicar como modificar el sistema de comparticion de secretos para que sea imprescindible
la presencia de los cuatro directivos a la hora de abrir la caja. Puede utilizarse el dato
adicional de que el director es informatico experto.
Problemas
121
Problema 6.9
Dada la funcion log3 (x), se pide:
(a) Obtener su polinomio interpolador en los puntos de abscisas {1/3, 1, 3, 9}.
(b) Aproximar log3 (2) usando el polinomio anterior y dar una cota del error cometido.
(c) Aproximar log3 (2) mediante interpolacion lineal y dar una cota del error cometido.
Problema 6.10
Dada la funcion log2 (x), se pide:
(a) Obtener su polinomio interpolador en los puntos de abscisas {1/2, 1, 2, 4}.
(b) Aproximar log2 (1 5) usando el polinomio anterior y dar una cota del error cometido.
(c) Aproximar log2 (1 5) mediante interpolacion lineal y dar una cota del error cometido.
Problema 6.11
Se ha tabulado la funcion sen(x), en el intervalo [0, /2], para valores de x que equidistan
h = 0 05.
(a) Dar una cota del error que se comete al aproximar sen(x), mediante interpolacion lineal
y cuadratica, para un valor x cualquiera de dicho intervalo.
(b) Indicar que abscisas hay que elegir para aproximar sen(0 32) con interpolacion cuadratica
y dar una cota del error de la aproximacion que se obtenga.
Problema 6.12
Se dispone de una tabla de valores de la funcion f (x) = ex + sen(x) con puntos equiespaciados
en el intervalo [0, 5] y una longitud de paso h = 0 5.
(a) Dar una cota del error que se comete al aproximar f (x), mediante interpolacion lineal y
cuadratica, para un valor x cualquiera de dicho intervalo.
(b) Indicar que abscisas hay que elegir para aproximar f (2 7) con interpolacion cuadratica y
dar una cota del error de la aproximacion que se obtenga.
Problema 6.13
Se quiere preparar una tabla de valores equiespaciados para la funcion ex en el intervalo [0, 1].
Calcular la longitud del paso para que la interpolacion lineal a trozos proporcione un error
menor que 103 .
Problema 6.14
Se quiere preparar una tabla de valores equiespaciados para la funcion cos(x) en el intervalo
[0, ]. Calcular la longitud del paso para que la interpolacion lineal a trozos proporcione un
122
Pr
actica
Objetivos
Utilizar polinomios de interpolacion para estimar valores de funciones a partir de una
tabla de datos.
Analizar la aproximacion por medio de funciones interpoladoras, estudiando el error.
Comparar la aproximacion local dada por el polinomio de Taylor con la global obtenida
mediante interpolacion.
6.1
Interpolaci
on en tablas
Se considera la tabla:
0 3
6
9 12 15 18 21 24
xi
f (xi ) 4 2.2 1.4 3.2 9 12.6 9.1 5 2.7
siendo f (xi ) la temperatura (expresada en grados centgrados) en una ciudad C a las xi horas
de un da D.
Se quiere estimar la temperatura a cualquier hora de dicho da y para ello se emplearan
polinomios de interpolacion.
Una tabla de puntos se introduce en Derive como un vector de pares de n
umeros, en
la forma t:= [[x1,y1],[x2,y2],..,[xn,yn]], donde suele ser yi = f (xi ) para una cierta
funcion f . Para obtener el polinomio interpolador en la tabla t, expresado en la variable x, se
puede usar la instruccion POLY INTERPOLATE(t, x).
(a) Estimar la temperatura que haba a las 2 de la tarde mediante interpolacion lineal
en los puntos adecuados. Estimarla tambien mediante interpolacion c
ubica, eligiendo
adecuadamente los puntos en la tabla.
Abscisas empleadas
Polinomio, Pn
Temperatura
estimada
Interpolacion
lineal
Interpolacion
c
ubica
(b) Estimar, mediante interpolacion cuadratica, la temperatura que habra a la una de la
madrugada del da siguiente.
Abscisas empleadas
Polinomio, P2
Temperatura
estimada
Practica
6.2
123
Interpolaci
on de funciones
Se considera la funcion f (x) =
x.
(a) Hallar P2 (x), polinomio interpolador de f (x) en los puntos de abscisas {1, 4, 9}. (Para
construir la tabla de puntos se puede utilizar:
VECTOR([x,f(x)],x,[1,4,9]) .) A partir
de P2 (x) obtener una aproximacion de 2 y dar una cota del error cometido utilizando
la siguiente expresion del error absoluto:
|f (x) Pn (x)| = |
f (n+1) (c)
(x x0 ) (x x1 ) ... (x xn ) | .
(n + 1)!
Polinomio P2
Valor
aproximado
de 2
Cota del error
Interpolacion
cuadratica
(b) Hallar P4 (x), polinomio interpolador de f (x) en los puntos de abscisas {0, 1, 4, 9, 16} y
representar graficamente f (x), P2 (x) y P4 (x) (situar el cursor en el punto (4, 1), utilizar
la opcion de men
u Centrar en el cursor y la escala x:2). Se puede asegurar que al
aumentar el n
umero de puntos de interpolacion se mejora la aproximacion?
Obtener una aproximacion de 2 a partir de P4 (x):

2
(c) Representar graficamente L(x), funcion interpoladora lineal a trozos de f (x) en los puntos
de abscisas {0, 1, 4, 9, 16} (basta representar la tabla de puntos seleccionando la opcion de
men
u Opciones/pantalla/puntos/unir). En que intervalos es mejor la aproximacion
dada por L(x) que la obtenida mediante P4 (x)?
(d) Obtener una aproximacion de
Abscisas empleadas
2 a partir de L(x) y dar una cota del error cometido.
Polinomio P1
Valor
aproximado
de 2
Cota del error
124
(e) Se quiere elaborar una tabla de puntos equiespaciados para la funcion f (x) = x en
el intervalo [1, 9]. Determinar una longitud de paso h para que la interpolacion lineal a
trozos proporcione un error menor que 102 .
Una vez elegido h, construir la tabla

y representar graficamente la interpolacion lineal
a trozos junto con la funcion f (x) = x. (Para construir la tabla de puntos se puede
utilizar: VECTOR([x,f(x)],x,1,9,h ) .)
6.3
Problema
6.3.1
Opci
on 1
Dada la funcion f (x) = cos(2x), se quiere hallar una aproximacion de cos(1) y cos(4).
(a) Representar graficamente f (x) y:
T4 (x) : polinomio de Taylor de orden 4 de f (x) en x0 = 0,
P4 (x) : polinomio interpolador de f (x) en las abscisas {, , 0, , } y

2
2
L(x) : funcion interpoladora lineal a trozos de f (x) en las abscisas {, , 0, , } .

2
2
A la vista de las graficas, indicar cual de dichas funciones da la mejor aproximacion para
cos(1) y cos(4).
(b) Para cada caso, obtener el valor aproximado y dar una cota del error cometido.
Practica
6.3.2
125
Opci
on 2
Dada la funcion f (x) = log2 (x) (en Derive se escribe LOG(x,2)), se quiere hallar una
aproximacion de log2 (3), y log2 ( 31 ).
(a) Representar graficamente f (x) y:
T4 (x) : polinomio de Taylor de orden 4 de f (x) en x0 = 1,
P4 (x) : polinomio interpolador de f (x) en las abscisas { 14 , 12 , 1, 2, 4} y
L(x) : funcion interpoladora lineal a trozos de f (x) en las abscisas { 14 , 12 , 1, 2, 4} .
A la vista de las graficas, indicar cual de dichas funciones da la mejor aproximacion para
log2 (3), y log2 ( 13 ). (En alg
un caso sera necesario utilizar las opciones de zoom.)
(b) Para cada caso, obtener el valor aproximado y dar una cota del error cometido.
126
Tema 7
Integraci
on
Teora
El concepto de integral esta historicamente ligado al problema del calculo del area de una region
plana arbitraria. Si f es una funcion continua y positiva en un intervalo [a, b], la expresion
Rb
f (x) dx mide el area limitada por la curva y = f (x), el eje OX y las rectas x = a y x = b
a
(vease figura 7.1).
Figura 7.1: Area

bajo una curva.
No obstante, para la definicion de integral no es necesario que la funcion sea positiva ni
continua. Ademas, la integral no solo sirve para calcular areas. Son muchos los problemas
en los que se conoce la variacion de una determinada magnitud respecto del tiempo e interesa
conocer el valor de esa magnitud en cada instante. Dicho valor tambien viene dado por una
integral.
Actualmente, la integracion es un campo del analisis matematico con infinidad de aplicaciones. La integral es basicamente un instrumento de medida y pueden usarse integrales para
medir, entre otras cosas, los beneficios de una empresa, la probabilidad de que se produzca un
determinado error en una medicion, la intensidad de la corriente en un circuito electrico y de
muchas otras magnitudes fsicas.
El contenido de este tema incluye, en primer lugar, a modo de preliminares, la definicion
de la integral de Riemann1 donde se pueden encontrar tambien las propiedades basicas de la
1
atico alem
an (1826-1866).
Bernhard Riemann, matem
128
Tema 7. Integracion
integral y algunos ejemplos ilustrativos. En segundo lugar, ya dentro de la materia a impartir

en el curso, se estudian las funciones definidas por integrales y el teorema fundamental del
calculo. A continuacion se presentan los metodos del trapecio y de Simpson2 compuestos para
calcular integrales aproximadas, y para finalizar el tema, y el curso, se vera una introduccion a
las integrales impropias, incluyendo los ejemplos basicos y la definicion de la funcion gamma.
7.0
Preliminares
A lo largo de esta seccion vamos a desarrollar la teora de la integral de Riemann, que consiste
basicamente en aproximar el area por la suma de las areas de unos rectangulos, que seran las
llamadas sumas inferiores y sumas superiores.
Definici
on 7.0.1 (Partici
on)
Dado un intervalo [a, b] R (a < b), se llama partici
on de [a, b] a una coleccion finita de puntos
del intervalo, P = {x0 , x1 , . . . , xn }, tales que x0 = a < x1 < < xn = b.
El intervalo [a, b] queda dividido en n subintervalos [xi1 , xi ], i {1 . . . n}.
Definici
on 7.0.2 (Sumas inferiores y superiores)
Sean f : [a, b] R una funcion acotada y P = {x0 , x1 , . . . , xn } una particion de [a, b]. Las
sumas inferior y superior de f en relacion a P , denotadas L(P, f ) y U(P, f ), respectivamente,
se definen (figuras 7.2 y 7.3) como:
L(P, f ) =
n
X
(xi xi1 )mi
donde mi = inf{f (x) : xi1 x xi },
(xi xi1 )Mi
donde Mi = sup{f (x) : xi1 x xi },
i=1
U(P, f ) =
n
X
i=1
donde inf A es el nfimo del conjunto A, que se define como la mayor de las cotas inferiores de
A, y sup A es el supremo del conjunto A, que se define como la menor de las cotas superiores
de A.
Figura 7.2: Una suma inferior.
Figura 7.3: Una suma superior.
Ejemplo 7.0.3
Sea f : [a, b] R (a < b) una funcion constante, f (x) = c para todo x [a, b]. Se considera
una particion cualquiera P = {x0 , x1 , . . . , xn } de [a, b]. Entonces
mi = inf{f (x) : xi1 x xi } = c
Mi = sup{f (x) : xi1 x xi } = c
2
atico britanico (1710-1761).

Thomas Simpson, inventor y matem
Teora
129
para todo i {1 . . . n}. Por lo tanto, las sumas inferiores y superiores de f respecto de P son
L(P, f ) = U(P, f ) =
n
X
i=1
(xi xi1 )c = (x1 x0 + x2 x1 + x3 x2 + + xn xn1 )c

= c(xn x0 ) = c(b a).
Ejemplo 7.0.4
Sea f : [0, 1] R la funcion identidad, es decir f (x) = x para todo x [0, 1]. Consideremos
, 1}, o lo que es lo mismo, Pn = {x0 , x1 , . . . , xn } con xi = ni
la particion Pn = {0, n1 , n2 , . . . , n1
n
para i {0, 1, . . . , n}. Entonces, para todo i {1, . . . , n}
mi = inf{f (x) : xi1 x xi } = inf{x : xi1 x xi } = xi1 = i1
y
n
i
Mi = sup{f (x) : xi1 x xi } = sup{x : xi1 x xi } = xi = n ,
pues al ser f creciente el valor mnimo lo alcanza en el extremo inferior del intervalo, y el valor
maximo, en el extremo superior. Teniendo en cuenta que xi xi1 = 1/n, las sumas inferiores
y superiores de f respecto de Pn son

n
n
X
1 X
1 i1
= 2
(i 1)
L(Pn , f ) =
(xi xi1 )mi =
n
n
n i=1
i=1
i=1
n
X
n1
1 (n 1)n
=
,
2
n
2
2n
n
n
n
X
X
1i
1 X
U(Pn , f ) =
(xi xi1 )Mi =
i
= 2
nn
n i=1
i=1
i=1
=
n+1
1 (n + 1)n
=
.
2
n
2
2n
Para llegar a la definicion de integral, necesitamos unas propiedades de las sumas superiores
e inferiores:
Proposici
on 7.0.5
Sea f : [a, b] R (a < b) acotada.
(a) Si P y Q son particiones de [a, b] tales que P Q, entonces
L(P, f ) L(Q, f ) U(Q, f ) U(P, f ).
(b) Si P y Q son particiones cualesquiera de [a, b], entonces L(P, f ) U(Q, f ).
(c) L(f ) = sup{L(P, f ) : P particion de [a, b]} U(f ) = inf{U(P, f ) : P partici
on de [a, b]}
Definici
on 7.0.6
Sea f : [a, b] R (a < b) una funcion acotada. Se dice que f es integrable en [a, b] si
L(f ) = U(f ).
Si f es integrable, se llama integral de f en [a, b] (o integral de f entre a y b) al n
umero real
Rb
Rb
L(f ) = U(f ), que se denota a f , o bien a f (x) dx.
Ra
Ra
Rb
Se define a f = 0. Y si f es integrable en [a, b], se define b f = a f .
130
Tema 7. Integracion
Ejemplo 7.0.7
Se considera la funcion constante f (x) = c para todo x [a, b] (vease ejemplo 7.0.3). Seg
un
hemos visto antes, para toda particion P de [a, b], las sumas inferiores y superiores son iguales a
Rb
c(ba). Por lo tanto L(f ) = U(f ) = c(ba). Luego f es integrable en [a, b] y a c dx = c(ba).
Observese que el valor de la integral coincide (para c > 0) con el area del rectangulo limitado
por las rectas horizontales y = c e y = 0 y las verticales x = a y x = b (vease figura 7.4).
Figura 7.4: Una funcion constante.
Figura 7.5: La funcion identidad.
Ejemplo 7.0.8
Sea f : [a, b] R (a < b) la funcion de Dirichlet3 , que se define como
1 si x Q
(Q = {n
umeros racionales}).
f (x) =
0 si x 6 Q
Si P = {x0 , x1 , . . . , xn } es una particion del intervalo [a, b], teniendo en cuenta las propiedades
de los n
umeros racionales e irracionales, en cada intervalo [xi1 , xi ] es posible encontrar un
n
umero racional ri y tambien un irracional i . Se tiene entonces que ri , i [xi1 , xi ] con
f (ri) = 1 y f (i ) = 0. Por lo tanto, para cada i {1 . . . n},
mi = inf{f (x) : xi1 x xi } = 0 y Mi = sup{f (x) : xi1 x xi } = 1,
con lo que las sumas inferior y superior seran respectivamente L(P, f ) = 0 y
U(P, f ) = (x1 x0 ) + (x2 x1 ) + (x3 x2 ) + . . . (xn xn1 ) = xn x0 = b a.
Puesto que esto es valido para cualquier particion P , se tiene que L(f ) = 0 6= U(f ) = b a.
Luego la funcion de Dirichlet no es integrable en ning
un intervalo [a, b] con a < b.
Proposici
on 7.0.9 (Caracterizaci
on)
Una funci
on acotada f : [a, b] R es integrable en [a, b] si y solo si existen y coinciden los
lmites:
lim L(Pn , f ) = lim U(Pn , f )
n
siendo Pn la particion del intervalo [a, b] en n subintervalos de igual amplitud. En este caso,
Z b
f = lim L(Pn , f ) = lim U(Pn , f ).
a
Johann Peter Gustav Lejeune Dirichlet, matematico aleman (1805-1859).
Teora
131
Ejemplo 7.0.10
Sea f (x) = x la funcion identidad definida en el intervalo [0, 1] (vease figura 7.5). Si se considera
la particion Pn = {0, n1 , n2 , . . . , n1
, 1} (vease ejemplo 7.0.4), las sumas inferiores y superiores
n
de f respecto de Pn son
L(Pn , f ) =
n1
2n
y U(Pn , f ) =
n+1
.
2n
Por lo tanto,
n1
1
= ,
n
n 2n
2
n+1
1
lim U(Pn , f ) = lim
= .
n
n 2n
2
lim L(Pn , f ) = lim
Por la proposicion 7.0.9 se tiene que f es integrable en el intervalo [0, 1] y

Rb
2
2
modo analogo se puede probar que a x dx = b a
2
R1
0
x dx = 12 . De
Pero para saber si una funcion es o no integrable, no siempre es necesario calcular las sumas
inferiores ni las superiores. Esto se deduce del siguiente resultado, cuya demostracion omitimos:
Teorema 7.0.11
Toda funci
on continua en [a, b] es integrable en [a, b].
Parece natural preguntarse ahora si sera tambien cierto el recproco del teorema anterior.
La respuesta es no:
Ejemplo 7.0.12
Sea f la funcion definida a trozos por la formula:
0 si 0 x 1
f (x) =
1 si 1 < x 2
y sea Pn la particion del intervalo [0, 2] dada por Pn = {0, 1, 1 + n1 , 2}. Es facil comprobar que
L(Pn , f ) = 1 n1 , y por lo tanto L(f ) 1. Por otra parte, U(Pn , f ) = n1 + (1 n1 ) = 1, y por lo
tanto U(f ) 1. Entonces L(f ) = U(f ) = 1, y se concluye, por definicion, que f es integrable
R2
en [0, 2] e 0 f = 1. Sin embargo, f no es continua en el punto 1 [0, 2].
El siguiente resultado es de utilidad para estudiar la integrabilidad de funciones que no sean
continuas:
Proposici
on 7.0.13
Toda funci
on acotada en [a, b] y continua en el intervalo salvo en un n
umero finito de puntos
es integrable en [a, b].
Las siguientes propiedades basicas de la integral, que aqu enumeramos sin demostrar en su
mayora, las supondremos conocidas, y las usaremos mas adelante:
Proposici
on 7.0.14 (Linealidad de la integral)
El conjunto de las funciones integrables en [a, b] es un R-espacio vectorial. Adem
as, si f y g
son funciones integrables en [a, b] y k1 , k2 R, entonces:
Z b
Z b
Z b
(k1 f + k2 g) = k1
f + k2
g.
a
132
Tema 7. Integracion
Proposici
on 7.0.15 (Aditividad respecto del intervalo)
Sea f : [a, b] R (a < b) una funcion acotada y sea c [a, b]. Entonces f es integrable en
[a, b] si y solo si f es integrable en [a, c] y en [c, b]. Y en tal caso se verifica que:
Z
f=
f+
a
f.
Proposici
on 7.0.16 (Monotona de la integral) R
b
Si f es integrable y positiva en [a, b] y a b, entonces a f 0.
Como consecuencia:
(a) Si f y g son integrables en [a, b] y f (x) g(x) para todo x [a, b], entonces
(b) Si m f (x) M para todo x [a, b], entonces (b a)m
Rb
a
Rb
f (b a)M.
Rb
a
g.
Demostracion.
Puesto que f (x) 0 para todo x [a, b], se deduce que L(P, f ) 0 para toda particion P del
Rb
intervalo [a, b]. Por lo tanto, L(f ) 0. Y por ser f integrable, debe ser a f = L(f ) 0.
La consecuencia (a) se obtiene ahora facilmente observando que g(x) f (x) 0 y aplicando
la linealidad de la integral.
Y claramente (b) se obtiene aplicando (a) y teniendo en cuenta el ejemplo 7.0.7 sobre la
integral de una funcion constante.

Ejemplo 7.0.17
2
La funcion f (x) = ex es continua en todo R, por lo que es integrable en el intervalo [0, 1].
R1
2
Como ademas f (x) 0 para todo x, por la proposicion anterior se tiene que 0 ex dx 0.
Afinando un poco mas, se puede observar que 1e f (x) 1 para todo x [0, 1]. Aplicando
la consecuencia (b) de la proposicion anterior se deduce que
1
1
0
ex dx 1.
Proposici
on 7.0.18
Si f es integrable en [a, b] (a < b), tambien lo es |f |, y adem
as:
Z b Z b

f
|f |.

a
Ejemplo 7.0.19
sen x
es continua para todo x 6= 0. Ademas, es conocido que | sen x| |x|,
La funcion f (x) =
x
por lo que |f (x)| 1. De la proposicion 7.0.13 se deduce que f es integrable en el intervalo
[1, 1]. Ademas, por las proposiciones 7.0.18 y 7.0.16,
Z

Z 1
Z 1

sen x
sen x
1 = 2.
dx

dx
x
x
1
1
Teora
7.1
133
Funciones definidas por integrales
Los problemas de hallar tangentes y calcular areas encerradas por curvas dieron origen al Calculo
Infinitesimal. El primero de estos problemas se resuelve mediante la derivacion y el segundo,
seg
un acabamos de ver, con la integracion. Estos conceptos, derivada e integral, pueden as
considerarse como los mas importantes del Analisis Matematico. Y resulta que, a pesar de
que surgen por caminos muy diferentes, ambos conceptos estan ntimamente relacionados.
La relacion entre ellos viene dada por unos resultados que, en definitiva, vienen a presentar
la integracion y la diferenciacion como operaciones inversas, y que constituyen lo que suele
denominarse Teorema Fundamental del Calculo.
La clave de estos resultados esta en el estudio de la funcion integral definida a partir de
una funcion integrable de la siguiente manera.
Sea f una funcion integrable en un intervalo
R x [a, b]. Se considera una nueva funcion F definida
tambien en el intervalo [a, b] por F (x) = a f (t) dt.
Ejemplo 7.1.1
Sea f : [0, 2] R dada por f (x) = 0 si 0 x 1 y f (x) = 1 si 1 < x 2. Como se puede
ver en los preliminares (ejemplo
R x 7.0.12), f es integrable en [0, 2]. Vamos a calcular la funcion
F . Evidentemente, F (x) = 0 f (t) dt = 0 para todo x [0, 1]. Sin embargo, si 1 < x 2,
R1
Rx
entonces se tiene que F (x) = 0 0 + 1 1 = x 1, es decir
Z x
0
si x [0, 1]
F (x) =
f=
x 1 si x [1, 2].
0
Figura 7.6: Una funcion integrable f .
Figura 7.7: La funcion integral F .
Observese que, en el ejemplo anterior, la funcion F es continua, aunque f no lo era (figuras

7.6 y 7.7). Ademas, F es derivable en todos los puntos excepto en los que f no es continua.
Este tipo de relaciones entre las funciones f y F es lo que estudiamos a continuacion.
Z
Proposici
on 7.1.2 (Funciones definidas por integrales)
Si f : [a, b] R es integrable, entonces la funci
on F : [a, b] R definida por F (x) =
es continua en [a, b].
Demostracion.
Sea c [a, b] y sea h R tal que c + h [a, b]. Entonces
Z c+h
Z c
Z
F (c + h) F (c) =
f (t) dt
f (t) dt =
a
c+h
f (t) dt.
f (t) dt
134
Tema 7. Integracion
Ahora bien, por ser f integrable, debe ser acotada, es decir existe K > 0 tal que |f (x)| K
para todo x [a, b]. Si ademas suponemos que h > 0 se obtiene que
Z c+h
Z c+h
Z c+h

|F (c + h) F (c)| =
f (t) dt
|f (t)| dt
K dt = Kh = K|h|.
c
De modo analogo puede comprobarse tambien que |F (c + h) F (c)| K|h| para h < 0, de
donde se llega a que lim F (c + h) = F (c) y F es continua en cualquier punto c [a, b].

h0
Ejemplo 7.1.3
Sea f : [0, 2] R la funcion definida a trozos por
0
si x [0, 1]
f (x) =
x 1 si x [1, 2].
Rx
Claramente 0 f = 0 para todo x [0, 1], mientras que para x [1, 2] se tiene que
Z x
Z 1
Z x
Z x
Z x
f=
0 dt +
(t 1) dt =
t dt
1 dt.
0
Sustituyendo estas integrales por su valor se obtiene que

Z x
(x 1)2
x2 2x + 1
x2 1
(x 1) =
=
,
f=
2
2
2
0
es decir
F (x) =
f=
0
(x1)2
2
si x [0, 1]
si x [1, 2].
Observese que la funcion f es continua en todo el intervalo [0, 2], pero no es derivable en el
punto 1. Sin embargo F s que es derivable en el punto 1 (veanse figuras 7.8 y 7.9).
Figura 7.8: Una funcion continua f .
Figura 7.9: La funcion integral F .
Teorema 7.1.4 (Teorema fundamental del c

aRlculo)
x
Sea f una funci
on integrable en [a, b] y sea F (x) = a f . Si f es continua en un punto c (a, b),
entonces F es derivable en c y F (c) = f (c).
En particular, si f es continua en [a, b], entonces F es una primitiva de f , es decir, F es
continua en [a, b], derivable en (a, b) y F = f en (a, b).
Teora
135
Demostracion.
F (c + h) F (c)
= f (c). Lo haremos utilizando la definicion
h0
h
de lmite de una funcion (con y ). Sea > 0. Por ser f continua en c, existe > 0 tal que
|x c| < |f (x) f (c)| < . Supongamos que 0 < h < . Entonces, razonando como en la
proposicion anterior,

Z c+h

Z

Z c+h
F (c + h) F (c)
1 c+h

1
1

=

=
f
(c)
f
(t)
dt
f
(c)
dt
dt
(f
(t)
f
(c))
h

h
h
h c
c
c
Z c+h
Z c+h
1
1
|f (t) f (c)| dt
dt = .
h c
h c
Se trata de comprobar que lim
F (c + h) F (c)
es igual a f (c). Analoga
Por lo tanto, el lmite cuando h 0 por la derecha de
h
igualdad se puede demostrar para el lmite por la izquierda, sin mas que tomar valores negativos
de h, con lo que concluye la demostracion.

El siguiente resultado proporciona el metodo habitual (mucho mas sencillo que el de las
sumas superiores e inferiores) para calcular el valor de la integral de una funcion, siempre que
conozcamos una primitiva de dicha funcion (cosa no siempre trivial!).
Z b
Teorema 7.1.5 (Regla de Barrow4 )
Si f : [a, b] R es integrable y G es una primitiva de f en [a, b], entonces
f = G(b) G(a).
a
Demostracion.
Damos solo la demostracion en el caso particular de que la funcion f sea continua en [a, b]:
Rx
Si f es continua, aplicando la proposicion 7.1.4 se tiene que la funcion F (x) = a f (t) dt es
derivable y F (x) = f (x) para todo x (a, b). Entonces F (x) = G (x) para todo x (a, b), y
F y G son continuas en [a, b]. Por lo tanto, existe una constante C tal que F (x) = G(x) + C
Rb
para todo x [a, b]. Entonces a f = F (b) = G(b) + C. Como F (a) = 0 = G(a) + C, se llega a
Rb
la formula G(b) G(a) = a f .

Ejemplo 7.1.6
R2
Para calcular la integral 1 x3 dx, se busca una primitiva de la funcion f (x) = x3 , como por
4
ejemplo g(x) = x4 , y aplicando la regla de Barrow resulta:
Z
x4
x dx =
4
3
2
1
24 14
15
= .
4
4
4
Ejemplo 7.1.7
R
Para calcular 0 x sen x dx, se puede encontrar una primitiva integrando por partes:
Z
Z
x sen x dx = x( cos x) ( cos x) dx = x cos x + sen x.
Aplicando la regla de Barrow resulta:
Z

x sen x dx = x cos x + sen x 0 = cos = .
0
ologo, profesor y matematico ingles (1630-1677).

Isaac Barrow, te
136
Tema 7. Integracion
Ejemplo 7.1.8
Vamos a calcular el area de la region plana limitada por las curvas y = x e y = x2 (vease figura
7.10).
Si se halla la interseccion de dichas curvas, se obtienen dos puntos, x = 0 y x = 1. Como
entre dichos puntos se verifica que x > x2 , el area A vendra dada por la diferencia de las
integrales:
1
1
Z 1
Z 1
x3
1 1
x2
1
2
= = .
A=
x dx
x dx =
2 0
3 0 2 3
6
0
0
Figura 7.10: Area

encerrada entre dos curvas.
Proposici
on 7.1.9
Sean f : [a, b] R una funcion continua, g una funci
on derivable en un punto x0 tal que
Z g(x)
g(x0 ) [a, b] y F (x) =
f (t) dt. Entonces F es derivable en x0 y F (x0 ) = f (g(x0 ))g (x0 ).
a
Demostracion.
Z
Si consideramos la funcion H(x) =
f (t) dt, sabemos por el teorema Fundamental del Calculo
que H es derivable y que H (x) = f (x) para todo x [a, b]. Ademas, es obvio que F = H g.
Como por hipotesis g es derivable en x0 y H lo es en g(x0 ), aplicando la regla de la cadena se
concluye que
F (x0 ) = H (g(x0 ))g (x0 ) = f (g(x0 ))g (x0 ).

Z
Ejemplo 7.1.10
Consideremos la funcion F (x) =
ex
0
t3
dt.
1 + t2
x
es continua en todo R, y la funcion g(x) = ex es derivable en todo
1 + x2
punto x R. Aplicando el resultado anterior se deduce que F es derivable en todo R y que
La funcion f (x) =
F (x) =
(ex )3
e3x x
e4x
x
(e
)
=
e
=
.
1 + e2x
1 + e2x
1 + (ex )2
Teora
7.2
137
M
etodos num
ericos de integraci
on
En la seccion 7.1 se ha visto una herramienta importante para el calculo de integrales, la regla
de Barrow, que se basa en la obtencion de primitivas. Sin embargo, el calculo de primitivas no es
un problema trivial ni mucho menos. De hecho, existen bastantes funciones, como por ejemplo
2
ex , senx x , . . . , para las cuales no es posible encontrar una primitiva que se pueda expresar
en terminos de funciones elementales (polinomicas, racionales, irracionales, trigonometricas,
exponenciales, . . . ).
En tales casos, o bien para calcular otras integrales cuya primitiva sea muy costosa de
obtener, o simplemente para aproximar integrales de las cuales no es imprescindible conocer el
valor exacto, puede ser interesante hallar un valor aproximado de la integral. Puede ocurrir
tambien que no se disponga de una expresion explcita de la funcion, sino solamente de su
valor en una tabla de puntos. Supongamos por ejemplo que se ha elaborado una tabla con la
velocidad de un coche, anotando el dato cadaR minuto, y se desea conocer el espacio recorrido
15
en 15 minutos. Habra entonces que hallar 0 v(t) dt, pero de v(t) solo se conoce su valor
para t {0, 1, 2, . . . , 15}. Este problema tambien se puede resolver, de manera aproximada,
recurriendo a un metodo numerico.
7.2.1
M
etodo del trapecio compuesto
Consiste (figura 7.11) en dividir el intervalo [a, b] en n subintervalos de igual amplitud, y

aproximar la integral de la funcion original por la integral de la funcion interpoladora lineal a
trozos. Geometricamente, si f es positiva en [a, b], se aproxima el valor de la integral por la
suma de las areas de los n trapecios que se obtienen.
Figura 7.11: Metodo del trapecio.
Figura 7.12: Metodo de Simpson.
Vamos a obtener el valor aproximado de la integral por este metodo:

ba
Sea h =
la longitud de cada subintervalo y sea xi = a + ih, con i {0, 1, . . . , n}. Para
n
cada i {1, . . . , n}, en el intervalo [xi1 , xi ] la integral de una funcion f queda aproximada por
R xi
el area del trapecio de altura h y bases f (xi1 ) y f (xi ), o sea xi1
f f (xi1 2)+f (xi ) h. Por
Rb
lo tanto, el metodo del trapecio con n + 1 puntos consiste en tomar como aproximacion de a f
la suma de las areas de los trapecios, que es:

n
X
f (xi1 ) + f (xi )
f (x0 )+f (x1) f (x1 )+f (x2)
f (xn1 )+f (xn )
h=h
+
++
=
2
2
2
2
i=1
!

n1
f (a)
b a f (a)+f (b) X
f (b)
h
+ f (x1 ) + f (x2 ) + + f (xn1 ) +
=
+
f (xi ) .
2
2
n
2
i=1
138
Tema 7. Integracion
El error en la aproximacion viene dado por el siguiente resultado:

Teorema 7.2.1
Con la notaci
on anterior, si f C 2 [a, b], entonces existe c (a, b) tal que:
Z
n1
f (a) + f (b) X
+
f (xi )
2
i=1
ba
f=
n
(b a)3
f (c).
12n2
En consecuencia, si |f (x)| M para todo x (a, b), entonces una cota del error absoluto
Rb
(b a)3
cometido al aproximar a f por el metodo del trapecio con n + 1 puntos es
M.
12n2
7.2.2
M
etodo de Simpson compuesto
Consiste (figura 7.12) en dividir el intervalo [a, b] en n = 2m subintervalos de igual amplitud,

(con lo cual el n
umero de puntos es 2m+1, siempre impar), y aproximar la integral de la funcion
original por la integral de la funcion interpoladora cuadratica a trozos, cada dos intervalos.
ba
y xi = a+ih, con i {0, 1, . . . , n}, en cada subintervalo [x2i2 , x2i ] la integral de
Si h =
n
f (x2i2 ) + 4f (x2i1 ) + f (x2i )
h para cada i {1, . . . , m}.
una funcion f queda aproximada por
3
Por
R b lo tanto, el metodo de Simpson con n + 1 puntos consiste en tomar como aproximacion de
f el siguiente valor:
a
ba
3n

f (a) + 4f (x1 ) + f (x2 ) + f (x2 ) + 4f (x3 ) + f (x4 ) + . . .
+ f (x2m2 ) + 4f (x2m1 ) + f (b)

es decir,
Z
b
a
ba
f
3n
f (a) + 4
m
X
f (x2i1 ) + 2
i=1
m1
X
!
f (x2i ) + f (b) .
i=1
Teorema 7.2.2
Con la notaci
on anterior, si f C 4 [a, b], entonces existe c (a, b) tal que:
Z
ba
f=
3n
f (a) + 4
m
X
i=1
f (x2i1 ) + 2
m1
X
i=1
f (x2i ) + f (b)
(b a)5 (4)
f (c)
180n4
En consecuencia, si |f (4) (x)| M para todo x (a, b), entonces una cota del error absoluto
Rb
(b a)5
cometido al aproximar a f por el metodo de Simpson con n + 1 puntos es
M.
180n4
Ejemplo 7.2.3
Consideremos la funcion f (x) = sen(x). Vamos a aproximar por los metodos de trapecio y
R1
Simpson compuestos la integral 0 f . Tomemos 7 puntos equiespaciados del intervalo [0, 1]:
{0, 16 , 31 , 12 , 32 , 56 , 1}.
Teora
139
Aproximando por el metodo del trapecio se obtiene:

!
!
Z 1
5
i
1 1
1 sen 0 + sen X
3
3 1
=
sen(x)dx
+
sen
+
+1+
+
6
2
6
6
2
2
2
2
0
i=1
2+ 3
0 622,
=
6
mientras que por el metodo de Simpson la aproximacion sera

Z 1
2
4+ 3
1
4 sen + sen + sen
+ 2 sen + sen
sen(x) dx
=
0 6369.
18
6
2
6
3
3
9
0
Para obtener cotas de los errores cometidos al usar ambos metodos, habra que calcular las
cuatro primeras derivadas de f :
f (x) = cos(x),
f (x) = 2 sen(x),
f (x) = 3 cos(x),
f (4) (x) = 4 sen(x).
Se tiene entonces que |f (x)| 2 y |f (4) (x)| 4 para todo x (0, 1). Por tanto, una cota
del error cometido con el metodo del trapecio es
1
2
2
=
0 0228 < 2 3 102 .
2
12 6
432
Y para el metodo de Simpson:
4
1
4
=
0 000417 < 4 2 104 .
180 64
233280
Se puede pensar que la aproximacion que proporciona el metodo de Simpson es mejor que la del
metodo del trapecio, aunque no tenemos garantizado nada, porque ambas son cotas del error,
y no sabemos si el error real en cada caso esta cerca de la cota o es mucho menor que ella.
Ejemplo 7.2.4
Supongamos ahora que queremos aproximar la integral del ejemplo anterior, usando los metodos
de trapecio y Simpson compuestos, con un error menor que 104 . En primer lugar habra que
calcular, con ayuda de la formula de la cota del error, un n
umero de puntos adecuado para
cada uno de los metodos. Con el metodo del trapecio basta tomar n tal que
1 2
< 104 ,
2
12n
lo que se consigue para n = 91. La aproximacion obtenida sera entonces
Z 1
90
1 X
i
sen(x) dx
sen
0 636556.
91
91
0
i=1
Con el metodo de Simpson, el n

umero de puntos se obtiene resolviendo la desigualdad:
1
4 < 104
4
180n
y teniendo en cuenta que
n
debe
ser
par.
La solucion es entonces n = 10 (11 puntos) y la
R1
aproximacion obtenida, 0 sen(x) dx 0 636654.

La integral exacta es
1
Z 1
cos(x)
2
sen(x) dx =
= 0 636619,
0
0
con lo que puede comprobarse que el error real para cada una de las aproximaciones halladas
es efectivamente menor que 104 .
140
Tema 7. Integracion
7.3
Integraci
on impropia en intervalos no acotados
Toda la teora de la integral de Riemann que se ha visto en este tema esta desarrollada para
funciones acotadas definidas en intervalos [a, b], cerrados y acotados. Tambien puede definirse
la integral cuando no se da alguna de las condiciones anteriores, y recibe el nombre de integral
impropia. Hay integrales impropias de diferentes tipos, seg
un se trate de integrales en intervalos
infinitos o de funciones no acotadas. Nosotros solamente estudiaremos las integrales impropias
de funciones acotadas en intervalos infinitos.
Geometricamente,
si f : [a, ) R es una funcion positiva (y supongamos que continua),
R
la integral a f debe medir el area de la region plana comprendida entre la curva y = f (x), el
eje OX y la recta vertical x = a. Observese que este area corresponde a una region no acotada
del plano. Dicha area puede ser infinita, como en el caso de una funcion constante (vease figura
7.13), o puede ser finita (convergente), como es el caso de algunas funciones que tienden a 0 en
el (vease figura 7.14).
Figura 7.13: Integral impropia infinita.
Figura 7.14: Integral impropia finita.
Definici
on 7.3.1 (Integrales impropias de funciones acotadas en intervalos infinitos)
Sea f : [a, ) R una funcion integrable en [a, b] para todo b > a.
(a) Si existe el lim
f = L R, entonces se dice que la integral impropia

Z
convergente y se define
f = L.
b
f es
(b) Si el lmite es infinito, se dice que la integral impropia es divergente.

Analogamente se definen la convergencia y divergencia de la integral impropia
una funcion f : (, b] R integrable en [a, b] para todo a < b.
Rb
f para
Definici
on 7.3.2
Sea f : (, ) R una funcion integrable en todo intervalo [a, b] con a < b.
Z
Se dice que la integral impropia
f es convergente si convergen las integrales impropias:
f,
para cualquier eleccion del punto c R. En este caso, su valor es la suma de las integrales
anteriores, y es independiente de la eleccion de c.
Teora
Z
Ejemplo 7.3.3
Estudiemos la convergencia de la integral impropia
Para p 6= 0 se tiene que
epx
e dx =
p
px
b
141
epx dx, a R, seg

un valores de p R.
epb epa
.
p
Tomando lmite cuando b tiende a infinito,

Z
epx dx = lim
epa
epx dx =
si p < 0
si p > 0.
En el caso p = 0 la integral impropia es claramente divergente pues

Z
Z
Z b
0x
e dx =
1 dx = lim
1 dx = lim (b a) = .
a
Por lo tanto, la integral impropia
epx dx es convergente si y solo si p < 0.
Z
Ejemplo 7.3.4
Estudiemos la convergencia de la integral impropia
dx
, seg
un valores de p R.
xp
Para el caso p = 1 obtenemos

Z b
Z
h
ib
dx
dx
= lim
= lim ln(x) = lim ln b = ,
b 1 x
b
b
x
1
1
mientras que si p 6= 1,
Z
dx
= lim
b
xp
xp = lim
Por lo tanto, la integral impropia
p+1
x
p + 1
b
= lim
1
1
= p1
p + 1
p+1
si p > 1
si p < 1.
1
dx es convergente si y solo si p > 1.
xp
Z
Ejemplo 7.3.5
Para estudiar la convergencia de la integral impropia
xex dx la descomponemos en dos
R0
R x
x
integrales, xe dx y 0 xe dx, y estudiamos la convergencia de cada una de ellas:

Z
Z b
Z b

x
x
x b
x
xe dx = lim
e dx
xe dx = lim
xe 0
b
b
= lim b + lim (eb + 1) = 1.
b e
b
Luego una de las integrales es convergente. Miramos ahora la otra:
Z 0
Z 0

0
x
xe dx = lim
xex dx = lim ex (x 1) b
= 1 lim e (b 1) = 1 = .
b
Esta segunda integral es divergente. Por lo tanto la integral impropia
xex dx es divergente.
142
Tema 7. Integracion
7.4
Funci
on Gamma de Euler5
Definici
on 7.4.1 (Funci
on )
Se llama funci
on gamma a la funcion real de variable real cuyo dominio es el intervalo (0, ),
y que viene dada por la formula:
Z
(x) =
tx1 et dt
0
para todo x > 0. Su representacion grafica puede verse en la figura 7.15.
Figura 7.15: Funcion .

Ejemplo 7.4.2
R
Si en el ejemplo 7.3.3 ponemos a = 0 y p = 1 obtenemos la integral impropia 0 et dt, que es
convergente y vale 1. Teniendo en cuenta la definicion anterior, se deduce que (1) = 1.
Proposici
on 7.4.3
Para todo x > 0, (x + 1) = x(x).
Demostracion.
R
Rb
Por definicion, (x + 1) = 0 tx et dt = lim 0 tx et dt. Si en esta integral tomamos partes:
b
u = tx , v = et (con lo que v = et y u = xtx1 ) se obtiene:

Z
Z b
x t b
bx
x1 t
tx1 et dt.
(x + 1) = lim
t e 0 +
xt e dt = lim b + x
b
b
e
0
0
bx
= 0. Luego (x + 1) = x(x).

b eb
Teniendo en cuenta este resultado y el ejemplo 7.4.2, es inmediato comprobar por induccion
la siguiente propiedad:
Pero lim
Corolario 7.4.4
Para todo n N se verifica que (n + 1) = n!
Nota 7.4.5
No
hemos parado en ning
un momento a estudiar la convergencia de la integral impropia
R nos
t x1
e t
dt, o sea en comprobar que (x) R para todo x > 0. Para el caso x > 1 esto
0
se puede hacer, pero no es trivial, por lo que no incluiremos la demostracion. Sin embargo,
5
atico nacido en Basilea, Suiza, en 1707. Murio en 1783 en San Petersburgo, Rusia.
Leonhard Euler, matem
Teora
143
cuando 0 < x < 1, se verifica que lim+ et tx1 = , por lo que la funcion f (t) = et tx1 no
t0
R
esta acotada en el intervalo [0, ), y la integral impropia 0 et tx1 dt no es del tipo de las que
hemos estudiado. Observemos no obstante que, como consecuencia de la proposicion 7.4.3, se
para todo x > 0. Por lo tanto, cuando 0 < x < 1, (x) puede obtenerse
tiene que (x) = (x+1)
x
a partir del valor de (x + 1), siendo x + 1 > 1. Esto viene a decir que la convergencia de la
integral impropia que define la funcion (x) para 0 < x < 1 se puede deducir de la convergencia
de la misma para x > 1, con lo que tendramos garantizado que (x) R para todo x > 0.
Un caso particular es el de x = 21 , para el cual es posible, aunque no sencillo, calcular (x).
Damos el resultado como una proposicion, sin demostrar.
Proposici
on 7.4.6
( 12 ) = .
Finalizamos con algunos ejemplos de calculo de integrales impropias que pueden deducirse
de las propiedades de la funcion .
Ejemplo 7.4.7
R t
La integral 0
te dt no se puede calcular por definicion, ya que la funcion f (t) = tet no
tiene una primitiva que pueda expresarse en terminos de funciones elementales. Sin embargo,
aplicando las propiedades de la funcion se tiene que:
Z
t
1
te dt = (3/2) = (1/2) =
.
2
2
0
Ejemplo 7.4.8
R
2
Para calcular ex dx podemos ayudarnos de la funcion , procediendo del siguiente modo:
Z
x2
dx =
x2
dx +
ex dx.
R0
R
R
R
2
2
2
2
Es facil comprobar que ex dx = 0 ex dx, por lo que ex dx = 2 0 ex dx, y
basta hallar el valor de la integral en [0, ). Haciendo el cambio de variable x2 = t se obtiene
Z
Z
Z
1 1/2 t
1
x2
t 1
e
t
e dt = (1/2) =
.
dx =
e dt =
2 0
2
2
2 t
0
0
R
2
2
Se concluye as que ex dx = . (En la figura 7.16 puede verse la gafica de f (x) = ex .
2
La grafica de la funcion
x
e
, similar a esta, es com

unmente conocida como campana de Gauss 6 .)
Figura 7.16: Funcion ex .

6
atico, astronomo y fsico aleman considerado el prncipe de las

Johann Carl Friedrich Gauss, matem
matematicas (1777-1855).
144
Tema 7. Integracion
Problemas
Problema 7.1
Calcular las integrales siguientes:
(a)
(d)
(b)
(e)
x cos(x) dx
0
1
x
x e dx
x 1 + x2 dx
(c)
(f)
0
4
1
dx
1 + 4x2
1/2
0
(1 x)7 dx
/2
cos(x)
dx
1 + sen2 (x)
Problema 7.2
(a) Hallar el area de la region plana limitada por la curva y = |x2 x| y las rectas y = 0,
x = 0 y x = 2.
(b) Hallarel area
de la region acotada del plano encerrada entre los ejes cartesianos y la curva
y = ( a x)2 , con a > 0.
Problema 7.3
Rb
Sea f una funcion continua en [a, b] (a < b) tal que a f = 0. Cuales de las siguientes
afirmaciones se deducen necesariamente de estas hipotesis?
(a) f (x) = 0 para todo x [a, b]
Z b

(c)
f (x) dx = 0
a
(e)
f (x) dx = 0
(b) f (x) = 0 para alg

un x [a, b]
Z b
(d)
|f (x) | dx = 0
a
(f)
(f (x) + 1) dx = b a
Problema 7.4
Rb
Sea f una funcion continua en [a, b] (a < b) tal que a f > 0. Cuales de las siguientes
afirmaciones se deducen necesariamente de estas hipotesis?
(a) f (x) > 0 para todo x [a, b]
Z b

(c)
f (x) dx > 0
a
(e)
f (x)4 dx > 0
(b) f (x) > 0 para alg

un x [a, b]
Z b
(d)
|f (x)| dx > 0
a
(f)
(f (x) + 1) dx > b a
Problema 7.5
Rx
Para cada una de las funciones siguientes, hallar F (x) = 2 f (t) dt y calcular la derivada de F
donde sea posible:
(
2x
si x < 0
xe
|x| 1 si x [2, 1]
(a) f (x) =
(b) f (x) =
1
si x = 0
1
si x (1, 3]
0
si x > 0
Problemas
145
Problema 7.6
Rx
Para cada una de las funciones siguientes, hallar F (x) = 3 f (t) dt y calcular la derivada de F
donde sea posible:
si x < 0
0
1
si x [3, 1)
(a) f (x) =
(b) f (x) =
1
si x = 0
|2x 2| si x [1, 2]
3x
xe
si x > 0
Problema 7.7
Rx 2
Dada la funcion F (x) := 0 et dt, se pide:
(a) Hallar el polinomio de Taylor de F centrado en el punto x0 = 0 y de orden 2.
(b) Determinar si F (5) es mayor, igual o menor que F (8).

(c) Obtener la derivada de la funcion F (x3 3x).
Problema 7.8
Dada la funcion
F (x) :=
se pide:
1
dt,
4 + t4
(a) Hallar el polinomio de Taylor de F centrado en el punto x0 = 0 y de orden 2.

(b) Determinar si F (5) es mayor, igual o menor que F (8).
(c) Obtener la derivada de la funcion F (x2 ex ).
Problema 7.9
Dada la funcion
1
2
f (x) = ex /2
2

R2
y sabiendo que |f (x)| 0 4 y que f (4) (x) 1 2 para todo x (0, 2), aproximar 0 f (x) dx,
dando una cota del error cometido:
(a) Por el metodo del trapecio con 5 puntos.
(b) Por el metodo de Simpson con 5 puntos.
Problema 7.10
Dada la funcion
sen(x)
f (x) =
.
x

R 3
y sabiendo que |f (x)| 0 3 y que f (4) (x) 0 2 para todo x (, 3), aproximar f (x) dx,
dando una cota del error cometido:
(a) Por el metodo del trapecio con 5 puntos.
(b) Por el metodo de Simpson con 5 puntos.
146
Tema 7. Integracion
Problema 7.11
Sabiendo que
Z
1
dt,
1 t
proponer un metodo de integracion numerica para aproximar ln(2) con un error menor que
103. Indicar el n
umero de puntos a utilizar y dar la aproximacion obtenida.
ln(2) =
Problema 7.12
Sabiendo que
1
dt,
1 t
proponer un metodo de integracion numerica para aproximar ln(3) con un error menor que
103. Indicar el n
umero de puntos a utilizar y dar la aproximacion obtenida.
ln(3) =
Problema 7.13
Estudiar el caracter de las siguientes integrales impropias, calculando su valor en caso de que
converjan:
Z
Z 0
Z
dx
dx
dx
(b)
(c)
con p > 1
(a)
1/2
2
(1 + x)
x (ln(x))p
0
1 + x
e
Problema 7.14
Estudiar el caracter de las siguientes integrales impropias, calculando su valor en caso de que
converjan:
Z
Z
Z 0
x
dx
2x
dx
(c)
con p 1
(a)
xe
dx
(b)
2
x (ln (x))p
0
1 + x
e
Problema 7.15
Un estudio estadstico indica que el n
umero de usuarios de Internet en Espa
na crece al ritmo
de
3 105 (1 + x) e1x/5
usuarios cada a
no, donde x es el tiempo en a
nos transcurrido desde principios de 1996. Si en esa
fecha haba un millon de usuarios, cuantos usuarios haba al comenzar el a
no 2005? Cuantos
habra en el a
no 2015? Hacia que cantidad tiende el n
umero de usuarios en Espa
na?
Problema 7.16
Una estadstica muestra que la poblacion de cierta ciudad crece al ritmo de
10 000
(1 + x)3/2
habitantes cada a
no, donde x es el tiempo en a
nos transcurrido desde 1990. Si en 1993 haba
360 000 habitantes, cuantos tena en 1990? Cuantos tendra en el a
no 2014? Hacia que
cantidad tiende la poblacion de la ciudad?
Problema 7.17
Utilizando las propiedades de la funcion , calcular las siguientes integrales impropias:
Z
Z
2
3/2 x
(a)
x e dx
(b)
ex dx
0
(c)
x3 ex dx
(d)
7x7/2 ex dx
Problemas
Problema 7.18
Utilizando las propiedades de la funcion , calcular las siguientes integrales impropias:
Z
Z
2
5/2 x
(a)
x e dx
(b)
ex dx
0
(c)
x2 ex dx
(d)
x5/2 + x x
e dx
5
147
148
Tema 7. Integracion
Pr
actica
Objetivos
Utilizar metodos numericos para aproximar el valor de integrales definidas.
Resolver problemas que impliquen calculo de integrales.
Instrucciones
Cargar el fichero AMyMN.MTH.
7.1
M
etodos num
ericos de integraci
on
(a) En este apartado se comparan numericamente los metodos del trapecio y de Simpson.
R1
4
, calcular 0 f (x) dx, comprobando que vale exactamente
Definir la funcion f (x) =
2
1+x
, y aproximar este resultado:
Z 1
4
dx =
2
0 1+x
Las funciones TRAPECIO(u, x, a, b, n) yR SIMPSON(u, x, a, b, n), contenidas en el
b
fichero AMyMN.MTH, aproximan el valor de a u(x) dx por los metodos del trapecio y de
Simpson, respectivamente, con n + 1 puntos.
Utilizando las funciones TRAPECIO y SIMPSON aplicadas a f (x), obtener aproximaciones
Rb
de a f , por los dos metodos, tomando los valores de n que se indican.
n
TRAPECIO(f(x), x, 0, 1, n)
SIMPSON(f(x), x, 0, 1, n)
Vistos los datos numericos, que metodo aproxima mejor en este caso?
Calcular SIMPSON(f(x), x, 0, 1, 37)
. Que ocurre y por que?
(b) En este apartado vamos a aproximar el valor de la integral por el metodo del trapecio
con un error menor que 104 .
El error en el metodo del trapecio esta acotado por
de |f | en el intervalo (a, b).
(b a)3
M, siendo M una cota superior
12n2
Practica
149
A partir de la grafica de |f (x)| obtener una cota superior de dicha funcion en el intervalo
[0, 1].
M=
Calcular n1 para que el error cometido sea menor que 104 .
Para el n1 obtenido, aproximar TRAPECIO(f(x), x, 0, 1, n1 )
(c) En este apartado vamos a aproximar el valor de la integral por el metodo de Simpson con
un error menor que 104 .
(b a)5
El error en el metodo de Simpson esta acotado por
M, siendo M una cota superior
180n4
(4)
de f en el intervalo (a, b). Obtener graficamente un valor para M, calcular n2 para
que el error cometido sea menor que 104 y aproximar SIMPSON(f(x), x, 0, 1, n2 ):
M
7.2
Problema
7.2.1
Opci
on 1
n2
SIMPSON(f(x), x, 0, 1, n2 )
Un panel cuadrado de 5 metros de lado se quema por su borde superior y queda en el una
sen(2x)
silueta como la que describe la grafica de la funcion f (x) =
+ 2, donde x se mide en
x
metros y se toman como ejes de coordenadas los lados inferior e izquierdo del panel.
(a) Aproximar el area de la porcion que ha quedado sin quemar usando el metodo del trapecio
con 20 puntos y dar una cota del error cometido.
(b) Aproximar el mismo area por el metodo de Simpson garantizando un error menor que un
cm2 .
150
7.2.2
Tema 7. Integracion
Opci
on 2
Luis Manitas acaba de pintar un muro rectangular de blanco y quiere darle un toque de color
pintando una franja de color rojo en el borde superior del mismo. Como no es un pintor muy
experto la pintura roja ha escurrido y la lnea que delimita las zonas roja y blanca del muro no
es recta sino curva.
Suponiendo que la parte del muro que finalmente queda de color blanco es la region bajo la
x2 + sen(5x)
curva y =
, sobre el intervalo [3, 6], y que las unidades estan expresadas en metros,
1 + x2
se pide:
(a) Aproximar el area de la zona blanca usando el metodo del trapecio con 13 puntos y dar
una cota del error cometido.
(b) Si el muro tiene una altura de 1.5 m, aproximar el area de la parte pintada en rojo por
el metodo de Simpson garantizando un error menor que un dm2 .
Ap
endice A
Preguntas de examen
A.1
Abril de 2008 (Examen parcial)
Preguntas de test (30%)

A.1 Se consideran las sucesiones
an bn . Entonces:
(1)n
(c) f no tiene races por no ser continua.

A.4 La ecuacion en diferencias xn+2 +4xn = 0:
(a) no tiene soluciones reales.

(a) Si bn converge, entonces an tambien
converge y sus lmites coinciden.
(b) xn = 2n cos n
es una solucion particular.
4
n
n
(b) Si bn converge, entonces an tambien
(c) xn = 2 sin 2 es una solucion particular.
converge y su lmite es cero.
n
P
1 se verifica:
(c) Si bn esta acotada entonces an tambien. A.5 Si Sn =
k
k=1
4
A.2 Sea an =
n3 + ln(n6 ). Entonces se
(a) Sn 1.
verifica que:
(b) Sn n.
3
1
(a) n 4 an .
(c) Sn 3 .
3
n2
(b) an n 4 .
P
(c) an ln(n6 ).
A.6 Si la serie
n=1
x3 x2 +2
5
A.3 Sea f (x) =
2 . Entonces
x
(a) lim an 6= 0.
podemos asegurar que:
(a) f tiene al menos una raz en el intervalo
[2, 1].
(b) f tiene al menos una raz en el intervalo
[ 21 , 12 ].
(b)
(c)
n
a
P
n
2
n=1 n

P
n=1
tambien diverge.

1
an + 2 tambien diverge.
n
Teora (10 %)
Estudiar la convergencia de la serie geometrica
r n para r > 0.
n=1
152
Apendice A. Preguntas de examen
Problema 1 (20 %)
Sea xn =
en
n
n
n
+ n
++ n
2
+e e +e
e + en
a) (2 5 puntos) Utilizar la regla del sandwich para calcular el lim xn .

n
b) (2 5 puntos) Demostrar que xn O(n2en ), es decir esta dominada asintotocamente por

n2 en .
c) (2 5 puntos) Estudiar la convergencia de la serie
n=1
n2
.
en
d) (2 5 puntos) Utilizar el resultado anterior para estudiar la convergencia de
xn .
n=1
Problema 2 (20 %)
a) (8 puntos) Obtener la forma explcita de las siguientes ecuaciones en diferencias:
(
(
x1 = 1
xn = n2 xn1 +
2n
,
(n1)!
y1 = 1;
y2 = 0
yn+1 4yn + 4yn1 = 0,
n 2.
n 2.
b) (2 puntos) Comparar los ordenes de magnitud de xn y de
yn
.
(n 1)!
Problema con ordenador (20%)

1
1
Dada la ecuacion 3 3x =
, se desea aproximar los valores de x que la resuelven. Para
4x e
120
ello:
a) (4 puntos) Escribir la ecuacion a resolver de la forma f (x) = 0 donde f sea una funcion
continua.
b) (4 puntos) Demostrar que en el intervalo (, 0] tiene una u
nica solucion real y localizar
un intervalo de longitud 1 en el que se encuentre dicha solucion.
c) (2 puntos) Determinar cuantos pasos hay que dar para garantizar un error inferior a 105
usando el metodo de la biseccion y dar una aproximacion que garantice dicha cota de
error (detallar el proceso seguido e indicar la u
ltima fila).
Junio de 2008
A.2
153
Junio de 2008

Preguntas correspondientes al primer parcial:
2
a1 = 1
en
A.7 Dadas las sucesiones an =
,
b
=
n
A.10 La sucesion
1
5n3
n
an+1 = an + 1
e
3
e6n , cn =
se tiene que:
n ln(n)
(a) Es monotona y acotada.
(a) an bn cn
(b) Es monotona, pero no acotada.
(b) an cn bn
(c) No es monotona.
(c) cn bn an
n
A.8 Sea f : [a, b] R una funcion derivable A.11 La suma de la serie P 2

es:
7
en (a, b) y tal que f (x) > 0 x (a, b),
n=1
entonces podemos asegurar que:
2
(a)
(a) No puede existir ninguna raz de f en
5
2
[a, b] ya que f no es continua en este
(b)
intervalo.
9
1
(b) Podemos asegurar que existe una u
nica
(c)
9
raz de f en [a, b] ya que
f (x) > 0 x (a, b)

1
P
A.12
Se
puede
asegurar
que
la
serie
:
(c) No podemos asegurar nada respecto a la
n=1 2n
existencia de races de f en [a, b].
1
1
(a) Converge, puesto que
n N.
A.9 La solucion de la ecuacion xn = xn1 +
2n
n
n , x1 = 1 es:
1
1
P
1 P
(b) Diverge, puesto que
=
y
2 n=1 n
(a) xn = n!
n=1 2n
la serie armonica diverge.
n(n + 1)
(b) xn =
1
2
(c) Converge, puesto que lim
= 0.
n
n 2n
(c) xn = n
Preguntas correspondientes al segundo parcial:

Rb
xn
P
tal
que
f
(a)
<
0,
f
(b)
<
0
y
f = 0 y sea
A.13 Recordando que e =
x R,
a
Rx
n=0 n!
F (x) = a f (t)dt. Se puede asegurar que:
el desarrollo de ex en torno a x0 = 0 es:
(a) existe c (a, b) tal que F (c) = 0.
xn
Rc
P
(b) existe c (a, b) tal que a f < 0 y
(a) ex =
Rb
n=0 n!
f < 0.
n
c
P
R
x
nx
b
(b) e =
(1)
(c) a |f | = 0.
n!
n=0
(1)n+1 xn
P
A.15 El polinomio de Taylor
2 en
R x de orden
(c) ex =
2
n!
x0 = 0 de la funcion F (x) = 0 cos(t ) dt es:
n=0
x
A.14 Sea f : [a, b] R continua en [a, b]
(a) P2 (x) = x.
154
x2
.
2
(c) P2 (x) = x x2 .
(a) Metodo del trapecio en 6 puntos

equiespaciados.
(b) Metodo de Simpson en 6 puntos
equiespaciados.
(c) Metodo de Simpson en 5 puntos
equiespaciados.
(b) P2 (x) = 1
A.16 Dada la siguiente tabla de puntos

x 1 0 1 2
su polinomio interpolador
y 0 3 1 0
es:
A.18 Si el polinomio de Taylor de orden 2 de
5 2
x
una funcion f centrado en x0 = 1 es 45x+x2
(a) 2 x + 2 + 3
entonces el polinomio de Taylor de orden 1 de
(b) x3 52 x2 x2 + 3
f centrado en x0 = 1 es:
(c) 32 x3 3x2 x2 + 3
(a) 4 5x.
A.17 Indicar cual de los siguientes metodos de
integraci
on numerica dara el valor exacto de (b) 4 5(x 1).
R1
(c) 3 3x.
f (x) dx siendo f (x) = 5x2 6x + 20:
0
Teora (10 %)
Obtener el desarrollo en serie de Taylor de la funcion f (x) = ex en x0 = 0 y demostrar que
lim Rn (x) = 0 para todo x R.
n
Problema 1
Se considera la sucesion
Se pide:

an = 3n2 en sen n
2
(a) (3 puntos) Estudiar la convergencia de an cuando n .
(b) (3 puntos) Justificar que an O(n2 en ) Se puede afirmar que an n2 en ? Justificar la

respuesta.
(c) (4 puntos) Sea xn definida mediante la ecuacion en diferencias
xn
1
= 0 , x0 = 0 , x1 =
4
2
Calcular la forma explcita de xn y lim xn .
xn+2 +
Problema 2
(ln(n))2
P
.
n3
n=1
P
1
(b) (3 puntos) Demostrar la divergencia de la serie
y determinar el orden de
n=2 n ln(n)
magnitud de la sucesion de sumas parciales de la misma.
(3x)n
P
(c) (4 puntos) Estudiar para que valores de x R converge la serie
.
n=0 n + 1
(a) (3 puntos) Estudiar la convergencia de la serie
Junio de 2008
155
Problema 3
Se consideran las funciones
(
3
x si x 0
f (x) =
3x
e
si x > 0
y F (x) =
f (t) dt x R
(a) (3.5 puntos) Estudiar en que puntos F es continua y en cuales derivable. Calcular F (x)
en los puntos en los que sea posible.
(b) (3.5 puntos) Hallar una forma explcita de F (x) para x [1, ).
Z
(c) (3 puntos) Estudiar la convergencia de
f (t) dt y calcular su valor en caso de que sea
0
convergente.
Problema con ordenador 1

a. (3.5 puntos) Se quiere aproximar ln(1.5) mediante un polinomio de Taylor de orden 5
centrado en x0 = 1 de la funcion f (x) = ln(x). Dar el valor de la aproximacion y una
cota del error cometido.
(1)n+1 (x 1)n
P
si 0 < x 2 aproximar ln(1.5) con
b. (4 puntos) Sabiendo que ln(x) =
n
n=1
un error menor que 104 utilizando tecnicas de suma aproximadas de series.
c. (2.5 puntos) Determinar el paso h necesario para que utilizando interpolacion lineal a
trozos para aproximar f , el error global de la aproximacion en el intervalo (1, 2) sea
menor que 102 . Cuantos puntos habra que tomar?
Problema con ordenador 2

Para calcular la tasa (o razon) de natalidad de una poblacion, es preciso resolver la ecuacion
siguiente, que depende del n
umero de habitantes al comienzo del a
no, de las personas que llegan
durante el mismo y el n
umero de habitantes al final de a
no.
1 +
3
870
=
.
+1
1859( + 1)2
a. (1 punto) Escribir la ecuacion anterior como una expresion f () = 0 con f continua en

R.
b. (4 puntos) Separar las races de la ecuacion en intervalos de amplitud 1 y justificar que
no existen mas races.
c. (5 puntos) Aproximar la raz que representa la tasa de natalidad con un error menor que
106 , usando el metodo de la biseccion. (Indicar razonadamente el numero de iteraciones,
el intervalo final y la solucion propuesta).
n
umero total de nacimientos
Nota: Tasa de natalidad= 1000
.
poblacion total
156
A.3
Septiembre de 2008

A.19 Si an y bn son sucesiones de n
umeros
(a) f (0) = 0 , f (0) = 0
reales tales que |an | 2|bn | a partir de un n. (b) f (0) = 1 , f (0) = 1
Entonces se puede asegurar que:
(c) f (1) = 2 , f (0) = 1
(a) an bn
P
A.25 Sea la serie convergente S1 =
f (n)
(b) an bn
n=5
donde f (n) 0 para todo n N
(c) an O(bn ) Z
2
(a) Se puede afirmar que la serie S2 =
dx es:
A.20 El valor de
2
P
x
2
f (n) es tambien convergente y S1
(a) 1
n=1
S2 .
1
(b)
(b) Se puede afirmar que la serie S2 es
4
(c) Dicha integral diverge.
convergente y S1 S2 .
A.21 Una expresion de la ecuacion
(c) Aunque S1 es convergente no se puede
afirmar que S2 siempre lo sea.
870
3
1 +
=
2
A.26 Dada la siguiente tabla de puntos
+1
1859( + 1)
xi
0 1 2 3
de la forma f () = 0, con f continua en R, es:
, se quiere aproximar el
3 1859( + 1)
f (xi ) 12 51 14 2
(a) f () =
1
valor en 12 .
1859( + 1)2
870
(a) El menor error se comete al utilizar
( + 1) + 3
(b) f () =
1859( + 1)2
interpolacion lineal a trozos.
870
(b) El menor error se comete al utilizar
(c) f () = ( + 1)2 + 3( + 1) +
1859
interpolacion c
ubica.
A.22 Sean an y bn sucesiones acotadas de
(c) Si no se tiene mas informacion sobre
n
umeros reales. Entonces:
f (x), no se puede asegurar en que caso
(a) La sucesion k1 an +k2bn esta acotada para
se comete el menor error.
todos k1 , k2 R.
A.27 La solucion general de la ecuacion en
(b) La sucesion k1 an + k2bn esta acotada solo
diferencias xn+2 4xn = 0 es:
si k1 y k2 son positivos.
(a) c1 2n + c2 n2n
(c) La sucesion k1 an + k2 bn puede no estar
(b) c1 2n + c2 (2)n
acotada.
(c) 2n (c1 cos(n 2 ) + c2 sen(n 2 ))
A.23 El desarrollo en serie de Taylor de la
A.28 Sea la ecuacion f (x) = 0 siendo f
funcion f (x) = e2x centrado en x0 = 0 es:
n
una funcion real de variable real continua y

P 2 n
(a)
x
derivable. Sabiendo que f tiene una solucion
n=0 n!
u
nica en el intervalo (4, 5), despues de hacer
(2)n+1
P
(b)
xn
15 iteraciones por el metodo de la biseccion,
n!
n=0
podemos asegurar que dicha solucion esta en
n
n
(1) 2
P
n
(c)
x
el intervalo [4.69, 4.72]:
n!
n=0
(a) si f (4.69) = 0.01 , f (4.72) = 0.07.
A.24 Si p(x) = x2 +1 es el polinomio de Taylor
de orden 3 de una funcion f (x) en x0 = 0, (b) si f (4.69) = 1 , f (4.72) = 1.
(c) si f (4.69) = 0.01 , f (4.72) = 0.21.
podemos asegurar que:
Septiembre de 2008
157
Teora (10 %)
Demostrar las siguientes desigualdades de la jerarqua de infinitos:
(a) (7 puntos) np r n para p, r R tales que p > 0 y r > 1.
(b) (3 puntos) r n np para p, r R tales que p > 0 y 0 < r 1.
Problema 1 (12 %)
(a) (3.5 puntos) Estudiar la convergencia de la sucesion
an =
n
n
n
+
+
n3 1 n3 2
n3 n
(b) (3.5 puntos) Resolver la ecuacion en diferencias
x0 = 1
x
n
n+1 = kxn + k , n 0
siendo k R y k 6= 0.
(c) (3 puntos) Calcular el orden de magnitud de la solucion xn del apartado (b).
Problema 2 (12 %)
ln(n3 )
P
.
n
n=1
(b) (3 puntos) Utilizar adecuadamente el criterio integral para calcular el orden de magnitud
de la sucesion de sumas parciales de la serie anterior y determinar si dicha sucesion esta
acotada. Justificar la respuesta.
xn
P
(c) (4 puntos) Dada
, estudiar la convergencia de dicha serie para los distintos valores
n
n=1 n3
de x R.
(a) (3 puntos) Estudiar la convergencia de la serie
Problema 3 (12 %)
Se consideran las funciones f : R R y F : R R definidas por:
Z x
0 si x < 2
f (x) =
y F (x) =
f (t) dt
2 si x 2
0
x2
(a) (3 puntos) Estudiar la derivabilidad de F (x) hallando F (x) en los puntos en los que
exista.
(b) (3 puntos) Hallar la forma explcita de F (x).

(c) (4 puntos) Dar una expresion del polinomio interpolador de F (x) en los puntos de abscisas
{0, 2, 4}.
158
Problema con ordenador 1 (12%)

Se considera la funcion f (x) = ln(1 + x) y se pide:
(a) (4 puntos) Calcular su polinomio de Taylor de orden 2 en x0 = 0. Utilizarlo para dar un
valor aproximado de ln(1.25) y calcular una cota del error cometido, utilizando el resto
de Lagrange.
(b) (6 puntos) Calcular una aproximacion de ln(1.25) mediante un polinomio de Taylor en
x0 = 0 con un error menor que 105 .
NOTA: Este u
ltimo apartado puede hacerse obteniendo una expresion general para
f (n+1) (x) y hallando un n N que garantice |Rn (x)| < 105 , o bien utilizando que
(1)n
P
ln(1 + x) =
xn si x (1, 1] y tecnicas de suma aproximada de series.
n
n=1

Dos hermanos mal avenidos heredan un gran olivar que deciden repartir en dos partes lo mas
iguales posible. Una frontera natural la dara el ro que corta la finca en dos mitades. Para
que la division sea equilibrada, acuerdan que si una de las partes fuera mas de un 5% mayor
que la mitad de la finca, el que heredara la parte mas peque
na recibira como compensacion
una cantidad en metalico durante los primeros 50 a
nos. El olivar puede considerarse como un
rectangulo de 2 km de base por 3 km de altura y el ro responde aproximadamente a la grafica
de la expresion:
x5 ln(x) 3x3
+2
f (x) =
1 + ex
(a) (4 puntos) Aproximar el area de la superficie por debajo del ro utilizando el metodo de
Simpson con 13 puntos y dar una cota del error cometido.
(ba)5
(Cota del error del metodo de Simpson: M180n
siendo |f (IV ) (x)| M para todo x (a, b))
4
(b) (4 puntos) Calcular el n
umero de puntos que hay que tomar para aproximar el area
anterior con un error menor que 10 m2 utilizando el metodo del trapecio y dar una
aproximacion del area con esa cota de error.
(ba)3
(Cota del error del metodo del trapecio: M12n
siendo |f (x)| M para todo x (a, b))
2
(c) (2 puntos) De acuerdo con el resultado obtenido, habra que compensar a alguno de los
hermanos?
Diciembre de 2008
A.4
159
Diciembre de 2008
Preguntas de test (30 %)

A.29 La sucesion an =
sin
n
2
verifica:
1
.
n
(b) an O n1 .
(c) an es una sucesion no convergente.
(a) an
A.34 La serie
n=1
1
3n
1
3n+1

,
(a) Converge.
(b) Diverge.
(c) Converge o diverge dependiendo del
criterio elegido.
Z x2
A.30 Sabiendo que el polinomio de Taylor de
orden 2 de cierta funcion f (x) centrado en A.35 Si F (x) =
sin(t) dt, entonces F (x)
1
x0 = 1 es T2 (x) = 2 (x 1) (7x 5) entonces, es:
el polinomio de Taylor de orden 1 de la misma
funcion centrado en x0 = 1 es:
(a) sin (x2 ) 2x.
(b) cos (x2 ) 2x.
(a) 2 + (x 1).
(c) (cos (1) cos (x2 )) 2x.
(b) 4 (x 1).
(c) 2 + 2 (x 2).
(x + 2)n
P
converge si y solo
A.36 La serie
n2n
n=1
A.31 Se utiliza el metodo de biseccion para
si:
aproximar una solucion de una funcion f (x)
en el intervalo [2, 2]. Tras 6 pasos, una cota
(a) x (4, 0).
del error cometido al aproximar dicha solucion
por un valor cualquiera del intervalo obtenido (b) x [4, 0).
(c) x [4, 0].
es:
(a)
(b)
(c)
A.37 Dada la ecuacion ex = x, podemos

asegurar que:
1
.
25
1
.
24
1
.
26
(a) No tiene solucion porque ex siempre

toma valores positivos.
(b) Tiene una u
nica solucion y dicha solucion
esta en el intervalo [1, 0].
(c) Tiene mas de una solucion.
A.32 Indicar cual de las siguientes integrales

impropias es divergente:
R
(a) 1 1x dx.
R
(b) 1 e2x dx.
R
A.38 El polinomio interpolador de orden 3 de
(c) 1 x12 dx.
la funcion f (x) = x4 en los puntos de abscisas
1
1
{1, 0, 1, 2} es:
A.33 La sucesion an = n n (n!)
2 verifica:
(a) Es divergente.
(b) Es monotona.
(c) Su lmite es 1.
(a) x2 .
(b) x3 + x2 x.
(c) 2x3 + x2 2x.
160
Teora (10 %)
Demostrar que ln(n) np nq , para 0 < p < q.
Problema 1 (15 %)
(a) Dada la ecuacion en diferencias xn+2 2xn+1 + 2xn = 0, obtener la solucion general de la
ecuacion y la solucion particular para el caso x1 = 0, x2 = 2. (3 puntos)
(b) Encontrar todos los valores de r R tales que xn O (r n ). (1 5 puntos)
en
es convergente. (2 puntos)
n2 + 1
nen
(d) Calcular el lmite de la sucesion bn = n
. (2 puntos)
4 +1
(c) Estudiar si la sucesion an = (1)n
(e) Ordenar por orden de magnitud las sucesiones an , bn y cn = 4n + 1. (1 5 puntos)
Problema 2 (20 %)
(a) Dada la funcion f (x) = x2 + 1, obtener los polinomios de Taylor de ordenes 1 y 2 de

f (x) centrados en x0 = 0. (2 puntos)
(b) Usar el polinomio de orden 1 del apartado enterior para aproximar 1.25. (0 5 puntos)
(c) Justificar que, en el intervalo adecuado, |f (x)| 1 y usar ese resultado para dar una
cota del error cometido en la aproximacion anterior. (2 puntos)
(d) Estudiar la convergencia de la serie
(1)n n3
P
. (3 puntos)
en2
n=1
(e) Estudiar si se puede usar el criterio integral para asegurar que
n
P
k=1
k ek
Rn
1
x ex dx.
Para ello, estudiar si se verifican todas las hipotesis necesarias para poder aplicar dicho
criterio y, en caso que as sea, aplicarlo. (2 5 puntos)
Problema 3 (25%)
Se considera la funcion f (x) =
1,
1
,
x1
x<2
y sea F (x) =
x 2.
f (t) dt. Se pide:

1
(a) Estudiar la continuidad y derivabilidad de F (x). (1 5 puntos)

(b) Hallar la expresion explcita de F (x), x R. (2 5 puntos)
Z 5
(c) Aproximar el valor de
f (x) dx con un error menor que 105 usando el metodo de
Simpson.
Cota del error:
(2 5 puntos)
M
180n4 (b

a)5 , con f (4) (x) M x (a, b)
Junio de 2007
161
(d) Se quiere aproximar F (x) en el intervalo [2, 10] mediante interpolacion lineal a trozos.
Calcular una longitud de paso h que garantice que el error de aproximacion para cualquier
x [2, 10] es menor que 104 . Explicar detalladamente el proceso seguido para determinar
h. (2 5 puntos)
(e) Sera suficiente dividir el intervalo [2, 10] en 300 subintervalos para garantizar un error
menor que 104 ? Justificar la respuesta. (1 punto)
A.5
Junio de 2007

n3 + 2n
A.39 La sucesion 2 ln(n2 + 1) es del
n + n
mismo orden que
(a) n.
(b) n ln(n).
(c) n3 .
(b) Es convergente para cualquier x > 0.

(c) Es convergente para cualquier x con
|x| < 3.
A.45 Cual de las siguientes series converge?
(1)2n+1
P
.
n
n=1
(1)2n1
P
(b)
.
n n
n=1
(1)2n
P
.
(c)
n
n=1
(a)
A.40 Sea (an ) una sucesion monotona

decreciente con an 0 para todo n. Se puede
asegurar que
(a) (an ) es convergente y lim an = 0.

(b) (an ) puede no ser convergente.
(c) (an ) es convergente pero su lmite puede A.46 El polinomio de Taylor de orden 2 de
f (x) = arctg(x) en x0 = 0 es:
no ser 0.
A.41 Las sucesion an = n(3)n + 3n verifica
n
(a) an n3 .
(b) an n3n .
(c) an O(n3n ) pero an 6 n3n y an 6 n3n .
(a) P2 (x) = 1.
(b) P2 (x) = x.
(c) P2 (x) =
1
.
1 + x2
3
2
A.42 La sucesion xn = n2n es solucion de la A.47 Sea f (x) = 2x 7x + 15 y P (x)
polinomio interpolador de f (x) en los puntos
ecuacion en diferencias:
de abscisas {0, 1, 2, 3, 4, 5}. Se puede asegurar
(a) xn+2 4xn+1 + 4xn = 0.
que el grado del polinomio P (x) es:
(b) xn+2 4xn = 0.
(a) 3.
(c) xn+2 + 4xn = 0.
(b) 4.
A.43 La ecuacion x3 + 5x + 1 = 0
(c) 5.
(a) no tiene ninguna solucion real.
Z
1
(b) tiene una u
nica solucion real.
A.48 La integral impropia
dx
3p
(1
+
x)
0
(c) tiene tres soluciones reales.
es convergente:
x n
P
2
A.44 La serie
(n + 1) verifica:
(a) Si y solo si p > 1.
3
n=1
(a) No converge para ning
un valor de x, ya (b) Si y solo si p > 0.
(c) Si y solo si p > 1/3.
que su termino general no tiende a 0.
162
Teora (10 %)
1
Sea an una sucesion convergente a . Demostrar que existe n0 tal que an < 0 para todo
2
n n0 .
Problema 1 (10 %)
Estudiar la convergencia de la serie
X
2n n!
n=1
nn
Problema 2 (12 %)
x + 1. Se pide:
(a) (5 puntos) Aproximar 3 2 mediante el polinomio de Taylor de orden 2 de f (x) en x0 = 0

y dar una cota del error cometido.
Sea f (x) =
(b) (5 puntos) Hallar la longitud de paso h que garantice un error menor que 102 al aproximar
f (x) mediante interpolacion lineal a trozos en el intervalo [0, 100] con puntos equiespaciados
a distancia h.
Problema 3 (18 %)
0
si x 0
Sea f (x) =
|2x 1| si x > 0
y F (x) =
Rx
0
f (t) dt. Se pide:
(a) (3 puntos) Estudiar la continuidad y derivabilidad de F en los puntos x = 0 y x = 1/2, y

hallar F (0) y F (1/2) si existen.
(b) (3 puntos) Calcular F (0), F (1/2) y F (1).

(c) (3 puntos) Hallar el polinomio interpolador de F (x) en los puntos de abscisas {0, 1/2, 1}.
(d) (1 puntos) Estudiar el crecimiento de F en [0, ).
Problema con ordenador 1 (12,5%)

3
Sabiendo que f (x) = ln(1 + x ) =
X
(1)n+1 x3n
n=1
si y solo si x (1, 1] se pide:
(a) (2 puntos) Justificar que es posible aproximar ln( 28

) con la precision que se desee usando
27
polinomios de Taylor de f (x) centrados en x0 = 0 y determinar el punto x en que hay
que evaluar f (x) para obtener dicha aproximacion.
(b) (8 puntos) Obtener una aproximacion de ln( 28
) con un error menor que 106 evaluando
27
la expresion dada inicialmente en el punto adecuado.
Septiembre de 2007
163
Problema con ordenador 2 (12,5 %)

(a) (4 puntos) Un algoritmo que recibe n datos utiliza 2n2 operaciones para reducir el problema
a cinco problemas de tama
no n 1 y ejecuta sobre ellos el mismo algoritmo. Sabiendo
que con un dato realiza 2 operaciones, definir una sucesion an que represente el n
umero
de operaciones que se realizan cuando se reciben n datos, obtener su forma explcita y
dar su orden de magnitud.
(b) (4 puntos) Se tiene otro algoritmo que con un dato tambien realiza 2 operaciones, con dos
datos realiza 40 y para n 3 reduce cada problema de n datos a cinco problemas de
n 1 datos y seis problemas de n 2 datos sobre los que se aplica el mismo algoritmo.
Definir una sucesion bn que represente el n
umero de operaciones que se realizan cuando
se reciben n datos, obtener su forma explcita y dar su orden de magnitud.
(c) (2 puntos) Proponer sucesiones cn , dn y en cuyos ordenes de magnitud se correspondan,
respectivamente, con el de un algoritmo menos eficiente que an y bn , el de uno intermedio
entre an y bn y el de otro mas eficiente que cualquiera de los dos. Justificar las respuestas.
A.6
Septiembre de 2007
Test (25%)
(a) p > 1 an O (np )

(b) p > 2 an O (np )
n=1
(c) p R an 6 O (np )
p
(a) Es convergente a R.
n
A.53 La sucesion an = 2n2 + 5n
(b) Es convergente a 0.
(a) Es convergente a 5.
(c) Es convergente a 0.
(b) Es convergente a 2.
A.50 Dada una funcion f continua en [a, b] y
(c) Es divergente.
tal que f (a)f (b) < 0, se le aplica el metodo

X
7n
de la biseccion en dicho intervalo 3 veces y A.54 La serie
32n
n=1
se obtiene que [a3 , b3 ] = [1, 1.25]. El intervalo
7
inicial [a, b] podra ser:
(a) Es convergente y su suma es .
2
(a) [1, 2]
9
(b) Es convergente y su suma es .
(b) [0, 2]
2
(c)
Es
divergente.
(c) [1, 1]
A.55 Sea f : [a, b] R una funcion continua
A.51 Si an es una sucesion tal que |an | en [a, b] y c (a, b). Si f (a) > 0, f (b) > 0,
n+1
para todo n N, se puede asegurar que: f es estrictamente decreciente en [a, c] y f es
n
estrictamente creciente en [c, b], entonces se
(a) lim an = 1
puede asegurar que:
(b) lim |an | = 1
(a) Si f (c) < 0 entonces f tiene exactamente
an
2 races en (a, b).
(c) lim
=0
n
(b) Si f (c) < 0 entonces f puede tener mas
n
A.52 Si an = n ln(n ) entonces:
de 2 races en (a, b).
A.49 La serie
1
2
n ean
164
(c) f tiene al menos 2 races en (a, b) Entonces se puede asegurar que:

independientemente del valor de f (c).
(a) Ambas tienen el mismo lmite.
A.56 Sean xn e yn sucesiones convergentes
(b) Sus lmites son distintos.
que satisfacen:
(c) No hay suficiente informacion para
xn + yn
asegurar ni (a) ni (b).
xn+1 =
n N
2
Teora (10 %)
Demostrar que toda sucesion convergente esta acotada.
Problema 1 (25 %)
Se consideran las sucesiones definidas por:
1
si n = 1
xn = n
xn1 si n 2
2
(a) (3 puntos) Estudiar la monotona de xn .

magnitud.
yn =
p
n
2 n2 + 7n
Calcular su lmite y obtener su orden de
(b) (3 puntos) Justificar que yn es divergente y que yn 2n .
(c) (2 puntos) Comparar los ordenes de magnitud de xn e yn .

1
P
(d) (2 puntos) Estudiar la convergencia de la serie
.
n=1 xn
Problema 2 (10 %)
Se considera la sucesion xn definida por
x = 1
1
x
2
n+1 = xn + 3(n + 1)
n1
(a) (2 puntos) Hallar una expresion explcita para xn (si no se puede simplificar, es valido
dejarlo en funcion de una suma).
(b) (8 puntos) Utilizar el criterio integral para obtener el orden de magnitud de xn .

Una gaceta por Internet lanza una noticia sobre la inminente colision de un meteorito contra la
Tierra. Para leer las noticias relacionadas con la catastrofe, es preciso registrarse como lector.
El primer da hay registradas 300 personas, el segundo, 1000 y a partir del tercero el n
umero
de usuarios registrados es igual a 6 veces la suma de los que haba registrados los dos das
anteriores menos 15 veces los que haba registrados dos das antes, porque se dan de baja.
Diciembre de 2007
165
(a) (3 puntos) Escribir una sucesion xn que modelice el n

umero de lectores registrados al cabo
de n das.
(b) (2 puntos) Dar la expresion explcita para xn .
(c) (3 puntos) Encontrar, si existen, todos los valores r R+ de modo que la sucesion del
apartado anterior sea O(r n ) o justificar que no es posible.
(d) (2 puntos) Si la gaceta promete que regalara un kit completo de supervivencia al registrado
n
umero 106 , que da se ha registrado el ganador?

Determinar razonadamente cuantas soluciones reales tiene la ecuacion
x5 40x4 + 70x3 + 300x2 500
= 300,
x
localizar cada una de ellas en un intervalo de amplitud 1 y aproximar la mas cercana al origen,
por el metodo de la biseccion, con un error menor que 103 . Detallar el proceso seguido.
A.7
Diciembre de 2007

A.57 La expresi
on explcita de la sucesion A.60 Se utiliza el metodo de la biseccion para
(
aproximar una raz del polinomio
a1 = 2
1
recurrente
es:
P (x) = 12
(x + 2)3 (3x + 10) 3 en [1, 1].
an = n1
a
,
n
>
1,
n1
2
Tras 5 pasos, una cota del error cometido al
(n1)!
aproximar dicha raz por un valor cualquiera
(a) an = 2 ,
del intervalo obtenido es:
(b) an = (n1)!
,
2n
(a) 215 ,
(n1)!
(c) an = 2n2 .
(b) 214 ,
(c) 216 .
A.58 La sucesion Sn = 1 + 12 + 13 + + n1
A.61 Se considera la serie an
=
2n + 1
(a) Es monotona creciente y acotada,
P
P
n
,
bn =
, entonces:
n+1
(b) Es acotada pero no es monotona,
n3 + 1
n=1
n=1 2
(c) Es monotona pero no acotada.
(a) ambas convergen,
(b) solo bn converge,
A.59 Se considera la ecuacion en diferencias
(c) ambas divergen.
an = 6an1 9an2 para n 3 para ciertos
n
P
x
valores iniciales a1 y a2 . La solucion general A.62 La serie de potencias
es
n
n=0
de la ecuacion es de la forma:
convergente si y solo si:
(a) an = 3n 3n ,
(a) x (1, 1),
n
n
n
(b) an = 3 (cos 3 + sen 3 ),
(b) x [1, 1),
n
n1
(c) an = 3 + n3 .
(c) x (1, 1].
166
A.63 Dada f (x) = cos(x) la serie de Taylor

de f (x) centrada en x0 = 0 es:
P
x2n
,
(a)
(1)n (2n)!
(b)
(c)
n=0
n=0
x2n
,
(2n)!
(x)2n
.
(2n)!
(b) la expresion M8 (0.1)2 siendo M una cota

de f en [3.1, 3.2],
(c) ambas expresiones dan la misma cota.
R
A.65 El valor de 0 sin2 (x)dx aproximado
por el metodo del trapecio con 5 puntos
equiespaciados es:
n=0
(a) 38 ,
A.64 Para aproximar los valores de una
1
funcion f (x) en un intervalo [0, 5] se utiliza la (b) 2 ,
aproximacion lineal a trozos en dicho intervalo
(c) 45 .
con un paso h = 0, 1. Se desea obtener
R t
A.66
La
integral
impropia
e dt,
una cota optima (la mas peque
na) del error
0
cometido para aproximar f () y esta se obtiene
(a) es convergente y vale 1,
utilizando:
(b) es convergente y vale e 1,
(a) la expresion M
|3.1 ||3.2 | siendo M
2!
(c) es divergente.
una cota de f en [3.1, 3.2],
Teora (10 %)
Sea {an } una sucesion convergente a un valor positivo l = lim an > 0. Demostrar que existe
n
un n
umero natural n0 tal que an > 0 para todo n > n0 .
Problema 1 (13 %)
Se considera la sucesion a1 = 3, an+1 =
es convergente y calcular su lmite.
2an
para n > 1. Se pide demostrar que la sucesion
3 + 4an
Problema 2 (13 %)
Sea Sn =
n
P
k 2 . Se pide:
k=0
(a) Demostrar, utilizando el criterio integral, que Sn n3 .

(b) Obtener el u
nico polinomio interpolador P (n) de grado menor o igual a 3 tal que
P (0) = S0 , P (1) = S1 , P (2) = S2 y P (3) = S3 .
Problema 3 (13 %)
Sea
f (x) =
e2x ,
1 x 1,
2 x 1 < x 2,
Diciembre de 2007
y se considera la funcion F (x) =
Rx
167
f (s)ds.
(a) Calcular de forma explcita F (x),

(b) Justificar en que puntos F es continua.
(c) Calcular, si es posible, F (0), F (0) y F (1).

Se quiere obtener una aproximacion de ln(2) mediante polinomios de Taylor.
a. Dada g(x) = ln
1+x
1x
a1. Obtener una aproximacion de ln(2) a partir de Taylor de orden 2 de g(x) en x0 = 0.

a2. Dar una cota del error cometido y justificar que dicho error es menor que 101 .
b. Dado f (x) = ln(x + 1), obtener una aproximacion de ln(2) con un error menor que 101
a partir de un polinomio de Taylor de f (x) en x0 = 0 (indicar los pasos seguidos).
c. A la vista de los resultados anteriores, cual de las dos funciones es mas adecuada para
obtener aproximaciones de ln(x) a partir de sus polinomios de Taylor? Justificar la
respuesta.

Sea f (x) = 150e6x x9
1
se pide:
15
a. Estudiar el n
umero de races reales de f (x), justificando adecuadamente cuantas son y
localizarlas en sendos intervalos de longitud 1.
b. Mediante el metodo de la biseccion, dar una aproximacion de la mayor de las races con un
error inferior a 103 . Indicar el proceso seguido, incluyendo las instrucciones de DERIVE
utilizadas y el resultado de las mismas.
168
A.8
Soluciones a las preguntas de test

Curso 2007-08
A.1
A.2
A.3
A.4
A.5
A.6
A.7
A.8
A.9
A.10
A.11
A.12
A.13
A.14
A.15
A.16
A.17
A.18
c
b
a
c
b
c
c
c
b
a
b
b
b
a
a
b
c
c
A.19
A.20
A.21
A.22
A.23
A.24
A.25
A.26
A.27
A.28
A.29
A.30
A.31
A.32
A.33
A.34
A.35
A.36
A.37
A.38
Curso 2006-07
c
a
c
a
c
a
a
c
b
c
b
b
b
a
c
a
a
b
b
c
A.39
A.40
A.41
A.42
A.43
A.44
A.45
A.46
A.47
A.48
A.49
A.50
A.51
A.52
A.53
A.54
A.55
A.56
b
c
c
a
b
c
b
b
a
c
b
b
c
b
c
a
a
a
A.57 c
A.58 c
A.59 c
A.60 b
A.61 c
A.62 b
A.63 a
A.64 a
A.65 b
A.66 a
Bibliografa
Bibliografa b
asica
[1] Abellanas, L.; Galindo, A.: Metodos de Calculo. McGraw-Hill. 1990.
[2] Bradley, G.L.; Smith, K.J.: Calculo de una variable. Volumen 1. Prentice Hall. 1998.
[3] Faires, J.D.; Burden, R.: Metodos Numericos. Tercera edicion. Thomson. 2004.
[4] Garca, A.; Garca, F. y otros: Calculo I. Teora y problemas de Analisis Matematico en
una variable. Tercera edicion. Clagsa. 2007.
[5] Rincon, F.: Analisis Matematico y Metodos Numericos para Informatica. Departamento
de Publicaciones de la E.U. de Informatica de la U.P.M. 2001.
[6] Salas, S.L.; Hille, E.; Etgen, G.J.: Calculus. Una y varias variables. Vol
umenes 1 y 2.
Cuarta edicion. Reverte. 2002.
[7] Sanz Serna, J.M.: Diez Lecciones de Calculo Numerico. Universidad de Valladolid. 1998.
[8] Spivak, M.: Calculus. Reverte. 1988.
Bibliografa complementaria
[9] Apostol, T.: Calculus I y II. Reverte. 1988.
[10] Bartle, R.G.; Sherbert, D.: Introduccion al Analisis Matematico de una variable. Limusa.
1984.
[11] Burden, R.L.; Faires, J.D.: Analisis Numerico. Septima edicion. Thomson. 2002.
[12] Larson, R.E.; Hostetler, R.P.; Edwards: Calculo y Geometra Analtica. Vol
umenes 1 y
2. Sexta edicion. McGraw-Hill. 1999.
[13] Marsden, J.E.; Weinstein, A.: Calculus I, II, III. Springer-Verlag. 1985.
[14] Rubio, B.: Funciones de variable real. Madrid. 2006.
[15] Rubio, B.: N
umeros y convergencia. Madrid. 2006.
[16] Thomas, G.B.; Finney, R.L.: Calculo una variable. Novena edicion. Addison Wesley
Longman. 1998.
170
BIBLIOGRAFIA
Libros de problemas
[17] Demidovich, B.P.: Problemas y ejercicios de Analisis Matematico. Paraninfo. 1985.
[18] Pastor, E.; Varela, V.: Teora y Problemas de Calculo Integral. Crisser. 1974.
[19] Scheid, F.; Di Costanzo, R.E.: Metodos Numericos. Segunda Edicion. McGraw-Hill.
1991.
Libro de pr
acticas
[20] Garca, A. (Ed.): Practicas de Matematicas con Derive. Clagsa. 1994.

TEXTO GUIA - Analisis Matematico y Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

TEXTO GUIA - Analisis Matematico y Metodos Numericos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TEXTO GUIA - Analisis Matematico y Metodos Numericos

Cargado por

Copyright:

Formatos disponibles

Anlisis Matemtico

Departamento de Matemtica Aplicada

Anlisis Matemtico y Mtodos Numricos

La presente gua contiene el material de apoyo de la asignatura Analisis Matematico y Metodos

Madrid, enero de 2009.

Sucesiones definidas recursivamente con IF . . . . . . . . . . . . . . . . . 36

Resolucion de ecuaciones en diferencias . . . . . . . . . . . . . . . . . . . 53

Francisco Garca Mazaro

Blanca Ruiz Palma

Jose Ignacio Tello del Castillo

Captulo 0. Organizacion de la asignatura

Conocer el concepto de ecuacion en diferencias, su orden, si es lineal, homogenea o

Captulo 0. Organizacion de la asignatura

Ser capaces de modelizar y resolver problemas que se formulen en terminos de calculo

Captulo 0. Organizacion de la asignatura

Ma,Ju: 9-10; Mi: 10-12

Jose Ignacio Tello del Castillo

Todas las actividades seran anunciadas con la antelacion y publicidad suficiente en la

La planificacion de la asignatura incluye la realizacion de un trabajo en equipo que supondra

Captulo 0. Organizacion de la asignatura

Trabajo sobre resoluci

Acceso a la plataforma moodle:

Captulo 0. Organizacion de la asignatura

Trabajo sobre resolucion numerica de ecuaciones

Los libros 3, 4, 5, 7, 11 y 19 de la bibliografa de la asignatura (que se puede encontrar

Anexo 1: Uso de Derive para aplicar los m

Anexo 2: Batera de pruebas

Captulo 0. Organizacion de la asignatura

5. 7x3 + abx2 + cdx + ef + 1 = 0, donde los coeficientes ab, cd y ef corresponden, de dos

Anexo 3: Problemas asignados

siendo t el tiempo medido en a

Trabajo sobre resolucion numerica de ecuaciones

donde T0 es la temperatura inicial.

siendo x el tiempo de conexion, expresado en horas.

donde c(x) esta expresado en euros.

Captulo 0. Organizacion de la asignatura

Trabajo sobre resolucion numerica de ecuaciones

Anexo 4: Criterios de evaluaci

Esta bien estructurada.

Esta programado correctamente. El algoritmo es

Sobra o falta alguna

No se verifican las condiciones de convergencia.

Se ha hecho una comparacion parcial de los algoritmos. El lenguaje no

Se puede seguir la lnea

Faltan apartados obligatorios. La redacci

Captulo 0. Organizacion de la asignatura

cuya expresion explcita puede ser an =

(c) La sucesion de Fibonacci, a partir de n = 2, es estrictamente creciente.

Leonardo de Pisa, llamado Fibonacci (1180-1250).

Es decir, para cualquier valor positivo arbitrariamente peque

Si l R es lmite de an , se dice que la sucesion es convergente o que converge a l y se

n divergente: Se dice que una sucesion es divergente si no es convergente.

Es decir, para cada valor (el n

(resp. lim an = , lim an = o an ).

(c) La sucesion de los n

n N {0} tienen el mismo caracter.

(d) Si a > 0, abnn converge a ab .

el recproco no es cierto pues la sucesion sen(n) es convergente a 0 pero no existe

Nota 1.0.18 (Algebra

Para resolver muchas de estas indeterminaciones es u