Universidad de Sevilla

Dpto. Ecuaciones Diferenciales y Análisis Numérico

Resúmenes teóricos de la asignatura

Matemática Aplicada y Estadı́stica

Grado en Farmacia 20011-12

Primer curso
2
Índice general

1. Funciones, lı́mites, continuidad y derivabilidad 5

1.1. Números reales y nociones básicas sobre funciones . . . . . . . . . . . . . . . . 5
1.1.1. Conjuntos numéricos. Conceptos de supremo, ı́nfimo, máximo y mı́nimo 5
1.1.2. Algunos conceptos sobre funciones. Composición e inversa . . . . . . . . 8
1.2. Funciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Lı́mites de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4. Continuidad de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.1. Discontinuidad de funciones. Clasificación . . . . . . . . . . . . . . . . . 18
1.4.2. Propiedades de funciones continuas . . . . . . . . . . . . . . . . . . . . . 19
1.5. Derivadas: cálculo, propiedades y aplicaciones . . . . . . . . . . . . . . . . . . . 20
1.5.1. Concepto de derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.2. Interpretación geométrica de la derivada . . . . . . . . . . . . . . . . . . 22
1.5.3. Álgebra de derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.4. Derivadas de las funciones elementales . . . . . . . . . . . . . . . . . . . 24
1.6. Aplicaciones de las derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6.1. Cálculo de extremos absolutos . . . . . . . . . . . . . . . . . . . . . . . 25
1.6.2. Monotonı́a de la función . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.6.3. Regla de L’Hôpital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6.4. Concavidad y convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6.5. Representación Gráfica de Funciones . . . . . . . . . . . . . . . . . . . . 33

2. Interpolación polinómica 37
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2. Análisis previo (existencia y unicidad) . . . . . . . . . . . . . . . . . . . . . . . 37
2.3. Método de las Diferencias Divididas . . . . . . . . . . . . . . . . . . . . . . . . 38

3. La integral. Integración numérica. 41

3.1. Cálculo de primitivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2. Reglas de cálculo de primitivas . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1. Método de integración por partes . . . . . . . . . . . . . . . . . . . . . . 44
3.2.2. Integración de funciones racionales . . . . . . . . . . . . . . . . . . . . . 44
3.2.3. Método de sustitución . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3. La integral definida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3
4 ÍNDICE GENERAL

3.3.1. Propiedades de la integral definida . . . . . . . . . . . . . . . . . . . . . 49

3.4. Aplicaciones de la integral definida . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.1. Cálculo de áreas de superficies planas . . . . . . . . . . . . . . . . . . . 49
3.4.2. Cálculo de valores medios . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5. Integración numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4. Programación lineal 55
4.1. Introducción / motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2. Aplicaciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3. Resolución por el método geométrico . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3.1. Análisis previo: Regiones factibles . . . . . . . . . . . . . . . . . . . . . 57
4.3.2. Método geométrico en regiones factibles acotadas . . . . . . . . . . . . . 59
4.3.3. Sobre la existencia de solución y regiones factibles no acotadas . . . . . 59
Tema 1

Funciones reales de variable real.

Funciones elementales, lı́mites,
continuidad, derivabilidad y
aplicaciones

1.1. Números reales y nociones básicas sobre funciones

1.1.1. Conjuntos numéricos. Conceptos de supremo, ı́nfimo, máximo y mı́ni-
mo
Las necesidades sucesivas del hombre han obligado a modificar sus herramientas de tra-
bajo para resolver problemas más complejos. Ası́, hay una evolución en el desarrollo de los
conjuntos numéricos, siendo los más frecuentes los siguientes.

Naturales N = {1, 2, 3, . . .} (contar)

imposibilidad de resolver p.ej. x + 7 = 0.

Enteros Z = N ∪ {0} ∪ {−n : n ∈ N} (N ⊂ Z)

imposibilidad de resolver p.ej. 3x = 2.
p
Racionales Q = { : p ∈ Z, q ∈ N}
q
(N ⊂ Z ⊂ Q) imposible resolver p.ej. x2 − 2 = 0.

Reales R = “clausura/completado” de Q
(N ⊂ Z ⊂ Q ⊂ R) recta real; axioma del supremo = Teor. de Cantor = Teor. de Bolzano
imposibilidad de resolver ecuaciones como x2 + 1 = 0.

Complejos C = {a + bi : a, b ∈ R, i2 = −1}
(N ⊂ Z ⊂ Q ⊂ R ⊂ C) Toda ecuación algebraica tiene solución en C

5
6 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Operaciones y orden. Propiedades

De la Suma (+) N Z Q, R, C
Asociativa: a + (b + c) = (a + b) + c sı́ sı́ sı́
Conmutativa: a + b = b + a sı́ sı́ sı́
El. Neutro: a + 0 = 0 + a = a sı́ sı́
El. Simétrico: a + (−a) = (−a) + a = 0 sı́ sı́
Del Producto(·)
Asociativa: a · (b · c) = (a · b) · c sı́ sı́ sı́
Conmutativa: a · b = b · a sı́ sı́ sı́
El. Neutro: a · 1 = 1 · a = a sı́ sı́ sı́
El. Simétrico: a · a−1 = a−1 · a = 1 sı́
Prop. distributiva:
a · (b + c) = a · b + a · c sı́ sı́ sı́
Q es un cuerpo ordenado
(Q, +, ·) es un cuerpo conmutativo.
Se define una relación (≤) de orden: dados p, q, m, n ≥ 0, pq ≤ m
n ⇔ pn ≤ qm.

Propiedades:

Reflexiva: ∀a ∈ Q : a ≤ a.
Antisimétrica: a ≤ b, b ≤ a ⇒ a = b.
Transitiva: a ≤ b, b ≤ c ⇒ a ≤ c.
Además, dicha relación es total: ∀a, b ∈ Q, a ≤ b ó b ≤ a.
La relación de orden es compatible con la suma y el producto:

a≤b ⇒ a+c≤b+c ∀a, b, c ∈ Q,

a ≤ b, c ≥ 0 ⇒ a·c≤b·c ∀a, b, c ∈ Q.

(Q, +, ·, ≤) es un cuerpo ordenado. Podemos representarlos en un recta, PERO hay puntos

en la recta que no se corresponden con ningún racional.
√
Teorema 1.1. 2 6∈ Q, es decir, no existe ningún número racional cuyo cuadrado sea 2.
³ ´2
Demostración. Por Reducción al Absurdo: supongamos que existe pq ∈ Q tal que pq = 2 y
llegaremos a una contradicción.
Sin pérdida de generalidad podemos suponer que p y q ∈ Z no tienen factores comunes.
2
Como pq2 = 2, se tiene p2 = 2q 2 , luego p2 es par. Ası́ también p es par (p = 2k) (si fuera
impar, p2 también lo serı́a). Luego p2 = 4k 2 , con lo que q 2 es par y q también.

Para “completar” la recta hasta llenarla debemos ampliar hasta los números reales. [más
adelante veremos axiomas sobre su construcción: del supremo, y el Teorema de Bolzano.]

R es un cuerpo ordenado
1.1. NÚMEROS REALES Y NOCIONES BÁSICAS SOBRE FUNCIONES 7

En todo R se pueden definir operaciones suma (+) y producto (·) que extienden las
definidas antes, y una relación de orden (≤) que también es total.
Dados a, b ∈ R, diremos que
a ≥ b si b ≤ a.
a < b si a ≤ b y a 6= b.
a > b si b < a.

Números reales. Axioma del supremo

Definición 1.2. Sea S ⊂ R. Se dice que:

a ∈ R es cota superior de S cuando x ≤ a ∀x ∈ S.
a ∈ R es cota inferior de S cuando a ≤ x ∀x ∈ S.
S está acotado superiormente si tiene una cota superior.
S está acotado inferiormente si tiene una cota inferior.
S está acotado si tiene cotas superior e inferior.
supremo de S (sup S) la menor cota superior.
ı́nfimo de S (ı́nf S) la mayor cota inferior.
máximo de S (máx S) al sup S si pertenece a S.
mı́nimo de S (mı́n S) al ı́nf S si pertenece a S.

Axioma del supremo Todo subconjunto no vacı́o de R acotado superiormente tiene un

supremo en R.
∅ 6= S ⊂ R, S acot. sup. ⇒ ∃sup S ∈ R.
ESTE AXIOMA NO SE CUMPLE EN Q
√
S = {x ∈ Q : x2 < 2} ⊂ Q ⇒ sup S = 2 6∈ Q.
(La prueba usa propiedades de densidad.)

Propiedades de R:

Propiedad (axioma) del ı́nfimo: todo subconjunto no vacı́o de R acotado inferiormente

tiene ı́nfimo.

∀x ∈ R, x > 0, ∃n ∈ N : x < n.

Propiedad arquimediana: ∀x > 0 ∀y ∈ R, ∃n ∈ N : y < nx. Una regla corta puede

medir distancias largas.

Densidad de los racionales:

∀x, y ∈ R, ∃q ∈ Q : x < q < y.

Entre dos números reales distintos siempre existe un racional, y en consecuencia, infinitos
racionales.
8 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Densidad de los irracionales:

∀x, y ∈ R, ∃z ∈ R\Q : x < z < y.

Subconjuntos de R. Intervalos

[a, b] = {x ∈ R : a ≤ x ≤ b} intervalo cerrado.

(a, b) = {x ∈ R : a < x < b} intervalo abierto.
[a, b) = {x ∈ R : a ≤ x < b} semi-abierto semi-cerrado.
(a, b] = {x ∈ R : a < x ≤ b} semi-abierto semi-cerrado.
(−∞, b] = {x ∈ R : x ≤ b} intervalo no acotado.
(−∞, b) = {x ∈ R : x < b} intervalo no acotado.
[a, +∞) = {x ∈ R : a ≤ x} intervalo no acotado.
(a, +∞) = {x ∈ R : a < x} intervalo no acotado.
R = (−∞, +∞), R− = (−∞, 0], R+ = [0, +∞).

Función valor absoluto

½
x si x ≥ 0,
|x| = x ∈ R.
−x si x < 0,
Propiedades:
1. |x| ≥ 0 ∀x ∈ R.
2. |x| = 0 ⇔ x = 0.
3. |xy| = |x||y|, ∀x, y ∈ R.
4. | − x| = |x| ∀x ∈ R.
5. Desigualdad triangular: |x + y| ≤ |x| + |y| ∀x, y ∈ R.
¯ ¯
6. |x| − |y| ≤ ¯|x| − |y|¯ ≤ |x − y| ∀x, y ∈ R.
7. |x| ≤ a ⇔ −a ≤ x ≤ a ∀x ∈ R, a > 0.
8. |x − b| ≤ a ⇔ b − a ≤ x ≤ b + a ∀x, b ∈ R, a > 0.
9. |x| ≥ k ⇔ x ≥ k ó x ≤ −k, ∀x ∈ R, k ≥ 0.
Las tres últimas propiedades también son ciertas con < y > en vez de ≤ y ≥ .

1.1.2. Algunos conceptos sobre funciones. Composición e inversa

Definición 1.3. Se llama función (real de variable real) a toda aplicación
f : R →R
x 7→ f (x)
que a cada número x le hace corresponder otro valor f (x).
1.1. NÚMEROS REALES Y NOCIONES BÁSICAS SOBRE FUNCIONES 9

Definición 1.4. Se llama dominio de una función f (lo denotaremos por Dom f ) al conjunto
de valores para los que está bien definida f (x) :

Domf = {x ∈ R : ∃f (x) ∈ R}.

f : Domf ⊂ R → R : x 7→ f (x).

Habrá ocasiones en que nos den una fórmula y debamos hallar el dominio en que es válida
aplicarla:
√
f (x) = x Domf = R+ .
1
f (x) = Domf = R\{0}.
x
Imagen o rango o recorrido de f ≡ valores que toma f :

Imf = {f (x) : x ∈ Domf }.

Sea f : Domf ⊂ R → R. Se dice que es:

Par si f (−x) = f (x) ∀x ∈ Domf.

Impar si f (−x) = −f (x) ∀x ∈ Domf.
Periódica si ∃T > 0 : f (x + T ) = f (x) ∀x ∈ Domf.
(Representación) Gráfica de f a la representación en ejes cartesianos del siguiente
conjunto de puntos del plano:

{(x, f (x)) ∈ R2 : x ∈ Domf }.

Antes incluso de describir las funciones elementales, debemos mostrar un procedimien-

to que ayudará, una vez tengamos definido un conjunto de funciones, a “combinarlas” para
generar más, e incluso definir otras que cumplan determinadas propiedades respecto de estas
combinaciones. Este procedimiento es la composición de funciones.

Definición 1.5. Dadas dos funciones f : S ⊂ R → R, g : T ⊂ R → R tales que f (S) ⊂ T, se

define la función compuesta g ◦ f : S ⊂ R → R : x 7→ (g ◦ f )(x) = g(f (x)).

Ejemplo 1.6. En general g ◦ f 6= f ◦ g. Sean f (x) = x2 , g(x) = x + 1. g(f (x)) = x2 + 1,

f (g(x)) = (x + 1)2 .

Definición 1.7. Llamamos función inversa o recı́proca respecto de la composición de una

función dada f : S → R y notamos f −1 , a una función f −1 : f (S) → R tal que y ∈ f (S) 7→
f −1 (y) = x con f (x) = y.

Se cumple entonces que (f ◦ f −1 )(x) = x ∀x ∈ S,

(f −1 ◦ f )(y) = y ∀y ∈ f (S).
Además, se obtiene la siguiente relación de simetrı́a entre las representaciones gráficas de
una función y su inversa (ya que consiste en intercambiar los papeles de las variables x e y).
Simetrı́a respecto la bisectriz del primer cuadrante:
10 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

y
6 y = x2
¡µ y=x
¡
¡
¡
¡ √
¡ y= x
¡
¡
¡
¡
¡ -
x
Simetrı́a respecto la bisectriz

1.2. Funciones elementales

Funciones polinómicas
p : R → R : x 7→ p(x) = a0 + a1 x + a2 x2 + . . . + an xn donde ai ∈ R i = 0, 1, 2, . . . , n, siendo
an 6= 0.
Domp = R
Caso n = 1. Recta
Sólo son necesarios dos valores
y
´
6 ´
´
´
´
´
´
´
´• a0
´ La recta y = a0 + a1 x
´
´
´
´ -
´
´ x
´
´

Caso n = 2. La parábola p(x) = ax2 + bx + c (con a 6= 0)

Puede tener hasta dos puntos de corte con el eje OX.
y
6

-
• •
x
A • B
¡ b b
¢
V V = − 2a , p(− 2a )
1.2. FUNCIONES ELEMENTALES 11
√
−b ± b2 − 4ac
A, B =
2a
Para grados superior a 2 debemos esperar a tener más herramientas para conocer su rep-
resentación gráfica.

Para el estudio del signo de un polinomio, resultará muy útil conocer procedimientos de
factorización. Recordamos brevemente con ejemplos cómo se aplica la Regla de Ruffini para
dividir (y eventualmente factorizar) un polinomio de grado cualquiera entre otro de grado
uno.
Se toman los coeficientes del polinomio del numerador y el elemento opuesto (cambio de
signo) del coeficiente de grado cero del denominador y opera como en el ejemplo (se baja el
primer coeficiente, multiplica, se sube el resultado y se suma):

x3 − 3x2 − 7x − 8
Ejemplo 1.8. Queremos calcular el cociente
x−5
1 -3 -7 8

5 5 10 15
1 2 3 7
Observa los números obtenidos a través de la operación anterior. Salvo el último (recuadra-
do), que es el resto, los demás, denotan los coeficientes de un polinomio un grado menor, o
sea, 2:
Esto nos dice que

x3 − 3x2 − 7x − 8 = (x − 5)(x2 + 2x + 3) + 7

(compruébalo desarrollando la expresión de la derecha). Dicho de otro modo, si evaluamos

p(5), siendo p(x) = x3 − 3x2 − 7x − 8, obtenemos p(5) = 7.

El caso interesante se produce cuando el resto es cero (en lugar de 7), eso dice que cierto
número (en este caso habrı́a sido 5) es un cero o raı́z del polinomio y, por tanto, que éste
puede factorizarse como (x − 5) por otro polinomio de un grado menos.

Ejemplo 1.9. Sea q(x) = x4 + x3 − 7x2 + 4. Puedes comprobar que q(2) = 0, eso indica
que q(x) = (x − 2)r(x) con r(x) otro polinomio de grado 3. Para hallarlo desarrollamos por
Ruffini (ojo, hay que poner los coeficientes de todos los monomios, incluidos 0 por aquéllos
que no aparecen):
1 1 -7 0 4

2 2 6 -2 -4
1 3 -1 -2 0
Comprueba, desarrollando el producto, que se tiene la siguiente igualdad:

x4 + x3 − 7x2 + 4 = (x − 2)(x3 + 3x2 − x − 2).

12 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Funciones racionales
p(x)
f (x) = con p y q funciones polinómicas.
q(x)
Domf = {x ∈ R : q(x) 6= 0} = R\{x ∈ R : q(x) = 0}.

Función exponencial
f (x) = ax , a ∈ R, a > 0, x ∈ R. Domf = R.

Se define/construye usando sucesivamente exponentes de N, Z y Q, y se extiende a todo

R usando el axioma del supremo.

Propiedades:
ar+s = ar as , (ar )s = ar·s , (a · b)r = ar · br
Si x, y ∈ R, x < y :
ax < ay cuando a > 1 (creciente).
ax > ay cuando a < 1 (decreciente).

2x
50

45

40

35

30

25

20

15

10

−6 −4 −2 0 2 4 6
x

Función logarı́tmica (a > 0, a 6= 1)

f : (0, +∞) → R : x 7→ f (x) = loga x

loga x = y ⇔ ay = x inversa exponencial.

Propiedades:
x
loga 1 = 0, loga a = 1, loga (x · y) = loga x + loga y, loga (xm ) = m · loga x, loga y = loga x −
loga y.
1.2. FUNCIONES ELEMENTALES 13

a > 1 y 0 < x < y ⇒ loga x < loga y. (función creciente)

a < 1 y 0 < x < y ⇒ loga x > loga y. (función decreciente)

log(x)
2

1.5

0.5

−0.5

−1

−1.5

−2

0 1 2 3 4 5 6
x

Funciones trigonométricas

f (x) = sen x. Domf = R, Imf = [−1, 1], 2π−periódica.

sin(x)

0.5

−0.5

−1

−6 −4 −2 0 2 4 6
x

f (x) = cos x. Domf = R, Imf = [−1, 1], 2π−periódica.

14 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

cos(x)

0.5

−0.5

−1

−6 −4 −2 0 2 4 6
x

Teorema 1.10. (Pitágoras) En un triángulo rectángulo el cuadrado de la hipotenusa es igual

a la suma de los cuadrados de los catetos: h2 = c21 + c22 .

Si normalizamos: (sen x)2 + (cos x)2 = 1.

Función tangente:
sen x
f (x) = tg x = .
π
cos x
Domf = R\{ 2 + kπ : k ∈ Z}, Imf = R, π−periódica.

tan(x)

−2

−4

−6

−6 −4 −2 0 2 4 6
x

Sus respectivas funciones inversas (respecto de la división):

1 1 1
cosec x = , sec x = , cotg x = .
sen x cos x tg x
1.3. LÍMITES DE FUNCIONES 15

Funciones inversas (respecto de la composición):

arcsen x, arccos x, arctg x.

1.3. Lı́mites de funciones

Aunque se puede hacer para un subconjunto real cualquiera, para evitar introducir no-
ciones topológicas, en lo que sigue consideraremos funciones definidas sobre intervalos reales.
En lo que sigue, denotaremos S = (a, b) ⊂ R y S = [a, b].

Definición 1.11. Sean f : S ⊂ R → R y x0 ∈ S. Decimos que l ∈ R es el lı́mite de f cuando

x tiende a x0 , y lo denotamos lı́m f (x) = l si
x→x0

∀ε > 0 ∃δ : ∀x ∈ S con 0 < |x − x0 | < δ ⇒ |f (x) − l| ≤ ε.

El lı́mite, si existe, es único.

Ejemplo 1.12. f : R\{0} → R : x 7→ xsen x. Se tiene que lı́m f (x) = 0 (basta tomar δ = ε).
x→0
Comprobar
½ que ocurre lo mismo con la función
x si x ∈ Q,
g(x) =
0 si x 6∈ Q.

También se puede adaptar al caso en que la función “explota”

lı́m f (x) = +∞ ⇔ ∀M > 0 ∃ δ > 0 : ∀x ∈ S con

x→x0
0 < |x − x0 | < δ ⇒ f (x) > M.

lı́m f (x) = −∞ ⇔ ∀M > 0 ∃ δ > 0 : ∀x ∈ S con

x→x0
0 < |x − x0 | < δ ⇒ f (x) < −M.

1
Ejemplo 1.13. lı́m = +∞.
x→0 |x|

Análogamente, el caso en que el lı́mite existe cuando x tiende a infinito:

lı́m f (x) = l ⇔ ∀ε > 0 ∃ M > 0 : ∀x ∈ S con

x→+∞
M < x ⇒ |f (x) − l| < ε.

lı́m f (x) = l ⇔ ∀ε > 0 ∃ M > 0 : ∀x ∈ S con

x→−∞
x < −M ⇒ |f (x) − l| < ε.

1 1
Ejemplo 1.14. lı́m = lı́m = 0.
x→+∞ x x→−∞ x
16 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

A veces no podemos asegurar la existencia de lı́mite en torno a un punto, pero sı́ estudiar
los lı́mites laterales (por la derecha e izquierda respectivamente):

lı́m f (x) = l ⇔ ∀ε > 0 ∃δ : ∀x ∈ S con

x→x+
0
0 < x − x0 < δ ⇒ |f (x) − l| ≤ ε.

lı́m f (x) = l ⇔ ∀ε > 0 ∃δ : ∀x ∈ S con

x→x−
0
0 < x0 − x < δ ⇒ |f (x) − l| ≤ ε.

Ejemplo 1.15. La función parte entera E : R → R verifica lı́m E(x) = n pero lı́m E(x) =
x→n+ x→n−
n − 1.

Teorema 1.16. Dada f : S ⊂ R → R se cumple que lı́m f (x) existe y vale l ∈ R si y solo
x→x0
si existen los lı́mites laterales lı́m f (x) y lı́m f (x) y tienen el mismo valor.
x→x+
0 x→x−
0

El resultado, leı́do de forma negativa, dice que si los lı́mites laterales no coinciden, no
existe lı́mite de la función en ese punto.

Teorema 1.17 (Fundamental del lı́mite). Sea f : S ⊂ R → R. Dado x0 ∈ S

· ¸
∀{xn } ⊂ S
lı́m f (x) = l ⇔ ⇒ {f (xn )} → l.
x→x0 xn 6= x0 , xn → x0

Ejemplo 1.18. Considérese f (x) = sen x1 , y las sucesiones xn = 1

nπ e yn = 1
2πn+π/2 . Se tiene
1
que f (xn ) ≡ 0 y que f (yn ) ≡ 1 luego 6 ∃ lı́m sen .
x→0 x
Propiedades de lı́mites:

lı́m f (x) = l < c ⇒ ∃δ > 0 : ∀x ∈ S

x→x0
0 < |x − x0 | < δ ⇒ f (x) < c.
Análogamente con c < l.

lı́m f (x) = l 6= 0 ⇒ ∃δ > 0 : ∀x ∈ S

x→x0
0 < |x − x0 | < δ ⇒ signof (x) = signo l.
)
lı́m f (x) = l, lı́m g(x) = l0 ,
x→x0 x→x0 ⇒ l ≤ l0 .
∃δ > 0 : 0 < |x − x0 | < δ ⇒ f (x) ≤ g(x)

lı́m f (x) = lı́m g(x) = l, ∃δ > 0 : 
x→x0 x→x 0
0 < |x − x0 | < δ ⇒ g(x) ≤ h(x) ≤ f (x)  ⇒ x→x
lı́m h(x) = l.
0
x∈S
1.4. CONTINUIDAD DE FUNCIONES 17

Teorema 1.19. Sean f, g : S ⊂ R → R tales que existen l, l0 ∈ R, y lı́m f (x) = l, lı́m g(x) =
x→x0 x→x0
l0 . Entonces existen los siguientes lı́mites:
lı́m [f (x) ± g(x)] = l ± l0 ,
x→x0
lı́m f (x) · g(x) = l · l0 ,
x→x0
f (x) l
Si l0 6= 0 lı́m = 0.
x→x0 g(x) l
Observación 1.20 (Indeterminaciones). Cuando los valores l y l0 no son reales, sino +∞
ó −∞, nos encontraremos con problemas. Se trata de expresiones que no tienen a priori
un valor concreto (por ello las llamaremos indeterminaciones), sino que hay que hallarlo
explı́citamente en cada caso. Expresiones indeterminadas que pueden aparecer son:
∞ 0
1∞ , 0 · ∞, ∞ − ∞, , , ∞0 , 00 .
∞ 0
Algunas que podremos resolver en este mismo tema usando las propiedades precedentes son
∞−∞ (por ejemplo sacando factor común o multiplicando por el conjugado) o ∞ ∞ (será simple
si se trata de funciones racionales). Un dominio total de las indeterminaciones requerirá her-
ramientas del próximo tema de derivación, como por ejemplo la Regla de L’Hôpital.

1.4. Continuidad de funciones

Definición 1.21. Sea f : S ⊂ R → R y x0 ∈ S. Se dice que f es continua en x0 cuando
∃ lı́m f (x) = f (x0 ).
x→x0

Esto equivale a decir que

∀ε > 0, ∃δ > 0 : |x − x0 | < δ ⇒ |f (x) − f (x0 )| < ε.
Igual que los lı́mites laterales, podemos hablar de continuidad por la derecha e izquierda en
x0 :
∃ lı́m f (x) = f (x0 ), ∃ lı́m f (x) = f (x0 ).
x→x+
0 x→x−
0

f es continua en x0 ⇔ lo es a derecha e izquierda en x0 .

Dado A ⊂ S, se dice que f es continua en A si lo es en todo punto de A.
Si A = [a, b], entendemos que continuidad en a (resp. b) es por la izquierda (resp. derecha).
Teorema 1.22. Dados f : S ⊂ R → R, x0 ∈ S, f es continua en x0 ⇔ ∀{xn } ⊂ S, xn →
x0 ⇒ f (xn ) → f (x0 ).
Ejemplo 1.23.
½ f (x) = |x| es continua en todo R.
xsen x1 si x 6= 0,
f (x) = es continua en todo R.
0 si x = 0
½ |x|
si x 6= 0,
f (x) = x no es continua en x = 0.
0 si x = 0
Las funciones elementales vistas antes (polinomiales, racionales, exponenciales, logarı́tmicas
y trigonométricas) son continuas en sus dominios de definición.
18 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Álgebra de funciones continuas

Teorema 1.24. Sean f, g : S ⊂ R → R funciones continuas en x0 ∈ S. Entonces f ± g y f · g
son continuas en x0 . Si g(x0 ) 6= 0, también lo es fg .

Teorema 1.25. Sean f : S ⊂ R → R, g : T ⊂ R → R tales que f (S) ⊂ T. Si f es continua

en x0 ∈ S y g es continua en f (x0 ), entonces la función compuesta g ◦ f es continua en x0 .

1.4.1. Discontinuidad de funciones. Clasificación

Definición 1.26. Decimos que f es discontinua en x0 si no es continua en x0 . Los posibles
motivos:

x0 ∈6 Domf.
6 ∃ lı́m f (x).
x→x0
∃ lı́m f (x) 6= f (x0 ).
x→x0

La clasificación de posibles discontinuidades es la siguiente.

(
6 ∃f (x0 ),
a) Discontinuidad evitable: ∃ lı́m f (x) (un valor finito) pero lı́m f (x) 6= f (x0 ).
x→x0
x→x0
½
|x| si x 6= 0, x2 − 1
Dos ejemplos: f (x) = g(x) = .
1 si x = 0. x+1

b) Discontinuidad de salto (finito): ∃ lı́m f (x) que notaremos f (x+

0 ), y ∃ lı́m f (x) que
x→x+
0 x→x−
0
notaremos f (x−
0) pero son distintos.
(Al valor f (x+ −
0 ) − f (x0 ) se le llama salto de la función f en x0 ).

 1 si x > 0,
f (x) = sig(x) 0 si x = 0,

−1 si x < 0.

c) Discontinuidad de salto infinito: cuando alguno de los lı́mites laterales (o ambos) valen
±∞.
1 1
Ejemplos: f (x) = , g(x) = .
x |x|

d) Discontinuidad esencial: 6 ∃ lı́m f (x).

x→x0
½
sen x1 si x 6= 0,
Por ejemplo, f (x) =
0 si x = 0.
1.4. CONTINUIDAD DE FUNCIONES 19

1.4.2. Propiedades de funciones continuas

Sea f : S ⊂ R → R. Se dice que f está acotada superiormente (inferiormente) si el conjunto

f (S) = {f (x) : x ∈ S}

está acotado superiormente: ∃M : ∀x ∈ S, f (x) ≤ M.

(inferiormente: ∃m : ∀x ∈ S, f (x) ≥ m.)
Decimos que está acotada si lo está superior e inferiormente: ∃M > 0 : ∀x ∈ S, |f (x)| ≤
M.

Dado un subconjunto A ⊂ S, podemos considerar las propiedades de acotación de f sólo

en el conjunto A.

Ejemplo 1.27. f (x) = |x| está acotada inferiormente.

g(x) =senx está acotada.
h(x) = −x2 está acotada superiormente.
j(x) = x3 no está acotada ni superior ni inferiormente.
k(x) = 1/x está acotada en el intervalo [1, 2] pero no lo está en (0, 1).

Ser continua sobre un intervalo abierto no asegura acotación.

Teorema 1.28.
• (continuidad implica acotación local): f : (a, b) → R, f continua en x0 ⇒ ∃δ > 0 : f
acotada en (x0 − δ, x0 + δ).
• Si a ∈Domf, y f es continua en a por la derecha, entonces ∃δ > 0 : f acotada en
[a, a + δ). (Resultado análogo para el extremo b).
• (continuidad en intervalo cerrado y acotado sı́ implica acotación) f continua en [a, b] ⇒
f acotada en [a, b].

Máximos y mı́nimos
Definición 1.29. Sea f : S ⊂ R → R. Se dice que f tiene un máximo absoluto en c ∈ S
(resp. mı́nimo) si f (x) ≤ f (c) para todo x ∈ S (resp. f (x) ≥ f (c)).
Se dice que tiene un máximo (resp. mı́nimo) relativo o local en c ∈ S cuando existe δ > 0
tal que f (x) ≤ f (c) (resp. f (x) ≥ f (c)) para todo x ∈ (c − δ, c + δ).

En general hablamos de extremos para referirnos a máximos y mı́nimos.

Teorema 1.30.
•[Weierstrass] Sea f : [a, b] → R continua. Entonces f alcanza máximo y mı́nimo abso-
lutos. (Nota: el resultado es falso si el intervalo de partida no es cerrado o no es acotado,
incluso aunque f sea acotada.)
• [Bolzano] f : [a, b] → R continua y con signo distinto en los extremos f (a) y f (b),
entonces ∃c ∈ (a, b) tal que f (c) = 0.
• [Darboux, valores intermedios] f : [a, b] → R continua. Entonces f alcanza todos los
valores comprendidos entre su máximo y su mı́nimo.
20 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Probar que todo polinomio de grado impar tiene al menos una raı́z real, y que su imagen
es todo R
Probar que la ecuación x−senx = 1 tiene al menos una raı́z real.

Funciones monótonas
Definición 1.31. Sea f : S ⊂ R → R.

f creciente si ∀x, y ∈ S : x < y ⇒ f (x) ≤ f (y).

f decreciente si ∀x, y ∈ S : x < y ⇒ f (x) ≥ f (y).

f estrictamente creciente si ∀x, y ∈ S : x < y ⇒ f (x) < f (y).

f estrictamente decreciente si ∀x, y ∈ S : x < y ⇒ f (x) > f (y).

En general, decimos f monótona si cumple alguno de los casos anteriores.

El siguiente resultado se extiende de forma similar para funciones decrecientes.

Teorema 1.32. Sea f : [a, b] → R una función creciente. Entonces para todo c ∈ (a, b) se
verifica:
∃ lı́m f (x) = f (c− ), ∃ lı́m f (x) = f (c+ ).
x→c− x→c+

Además, se cumple que f (c− ) ≤ f (c) ≤ f (c+ ).

Para los extremos del intervalo, se tiene f (a) ≤ f (a+ ) y f (b− ) ≤ f (b).

Observación 1.33.

Una función monótona sólo puede tener discontinuidades de salto.

Una función f estrictamente monótona en su dominio de definición admite a lo sumo

una solución de la ecuación f (x) = 0.

Para las funciones continuas y monótonas estrictas, es posible construir la función in-
versa respecto de la composición, y es también continua y estrictamente monótona.
Como ejemplo podemos considerar la función f (x) : R+ → R+ : x 7→ f (x) = xn con
n ∈ N.

1.5. Derivadas: cálculo, propiedades y aplicaciones

En este tema comenzamos el estudio del cálculo diferencial, una herramienta que nos
será muy útil tanto en la representación gráfica como en el cálculo de óptimos de una función
dada.
1.5. DERIVADAS: CÁLCULO, PROPIEDADES Y APLICACIONES 21

1.5.1. Concepto de derivada

Definición 1.34. Sea f : S ⊂ R → R, a ∈ (b, c) ⊆ S. Decimos que f es derivable en a si
existe:
f (x) − f (a)
lı́m ∈ R.
x→a x−a
Dicho valor se denota como f 0 (a), se llama derivada de f en a y también se puede escribir
como
f (a + h) − f (a)
lı́m ,
h→0 h
donde x − a = h.

Observación 1.35. Para que la derivada exista tiene que existir el lı́mite, es decir, deben
existir los lı́mites laterales y coincidir.

Definición 1.36. Una función f se dice derivable en A si lo es en todo punto a ∈ A.

Ejemplo 1.37. a) f (x) = x2 es derivable en a = 2 y su derivada vale f 0 (2) = 4, ya que:

f (2 + h) − f (2) (2 + h)2 − 22 h2 + 4h
f 0 (2) = lı́m = lı́m = lı́m = lı́m (h + 4) = 4.
h→0 h h→0 h h→0 h h→0

b) f (x) = |x| no es derivable en a = 0, pues

|h| − |0| h
f+0 (0) = lı́m = lı́m =1
h→0+ h h→0 h+

pero
|h| − |0| −h
f−0 (0) = lı́m = lı́m = −1.
h
h→0− h→0 − h
Luego existen las derivadas laterales, pero los lı́mites no coinciden. Entonces, la función
valor absoluto no es derivable en a = 0.

c) f (x) = x1/3 no es derivable en a = 0, ya que:

h1/3 − 01/3 1
f 0 (0) = lı́m = lı́m 2/3 = +∞
h→0 h h→0 h

luego no se trata de un número real. En este caso, se dice que la función tiene derivada
+∞ en a = 0.

Definición 1.38 (Función derivada). Sean f : S ⊂ R → R y T = {x ∈ S/ ∃ f 0 (x)}. La

función:
x ∈ T 7→ f 0 (x) ∈ R
se llama función derivada primera de f y se representa por f 0 .
Análogamente se pueden definir las derivadas sucesivas:

f 00 = (f 0 )0 , f 000 = (f 00 )0 , f iv) = (f 000 )0 , ...

22 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

1.5.2. Interpretación geométrica de la derivada

Si f es derivable en a, f 0 (a) es un número real que coincide con la pendiente de la recta
tangente a la curva y = f (x) en el punto (a, f (a)).

0 0.5 1 1.5 2
x
–1

− − − − es la función y = x2
¦ ¦ ¦ ¦ es la tangente en el punto (1, 1), y = 2x − 1
× × × × es la recta normal en el punto (1, 1), y = (3 − x)/2
Definición 1.39. Se define la recta de pendiente m que pasa por el punto (x0 , y0 ) como:
y − y0 = m (x − x0 )
Dos rectas de pendientes m y m,
e respectivamente, se dice que son perpendiculares cuando
o
forman un ángulo de 90 . Entonces, se puede comprobar que la relación entre sus pendientes
es m
e = −1/m.
Definición 1.40. Si f es derivable en a y f 0 (a) 6= 0, entonces la pendiente de la recta tangente
en el punto (a, f (a)) es f 0 (a), y la pendiente de la recta normal es − f 01(a) .

y − f (a) = f 0 (a) (x − a) es la recta tangente a y = f (x) en el punto (a, f (a)).

1
y − f (a) = − (x − a) es la recta normal a y = f (x) en el punto (a, f (a)).
f 0 (a)
Observación 1.41. Si f 0 (a) = 0, entonces la recta tangente es horizontal. Si f 0 (a) = ±∞,
entonces la recta tangente es vertical.
Teorema 1.42. Si f es derivable en a, entonces f es continua en a.
Demostración: Supongamos que f es derivable en a. Entonces, existe lı́mx→a f (x)−f x−a
(a)
=
f 0 (a). Para la continuidad de f en a, vemos que lı́mx→a f (x) = f (a). Notemos que si x 6= a,
f (x) − f (a)
f (x) − f (a) = · (x − a), luego lı́mx→a f (x) − f (a) = f 0 (a) · lı́m (x − a) = 0
x−a x→a

Observación 1.43. El recı́proco no es cierto, es decir, una función continua en un punto no

tiene por qué ser derivable en ese punto. Considérese el ejemplo f (x) = |x| en a = 0.
1.5. DERIVADAS: CÁLCULO, PROPIEDADES Y APLICACIONES 23

1.5.3. Álgebra de derivadas

Teorema 1.44. Sean f , g : S ⊂ R → R dos funciones derivables en a. Entonces, se verifica:

1. f ± g es derivable en a, siendo:

(f ± g)0 (a) = f 0 (a) ± g 0 (a)

2. Si λ ∈ R, entonces λ · f es derivable, siendo:

(λ · f )0 (a) = λ · f 0 (a)

3. f · g es derivable en a, siendo:

(f · g)0 (a) = f 0 (a) · g(a) + f (a) · g 0 (a)

f
4. Si g 0 (a) 6= 0, es derivable en a, siendo:
g

µ ¶0
f f 0 (a) · g(a) − f (a) · g 0 (a)
(a) =
g (g(a))2
24 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

1.5.4. Derivadas de las funciones elementales

Derivadas de funciones elementales Regla de la cadena

Potencia
(xn )0 = nxn−1 (f (x)n )0 = nf (x)n−1 f 0 (x)

Exponenciales
¡ ¢0
(ex )0 = ex ef (x) = ef (x) f 0 (x)
¡ ¢0
(ax )0 = ax · (ln a) af (x) = (ln a)af (x) f 0 (x)

Logarı́tmicas
1 1
(ln x)0 = , x > 0 (ln f (x))0 = f 0 (x)
x f (x)
1 1 1 1 0
(loga (x))0 = (loga f (x))0 = f (x)
ln a x ln a f (x)

Trigonométricas
(senx)0 = cos x (senf (x))0 = f 0 (x) cos f (x)
(cos x)0 = −senx (cos f (x))0 = −f 0 (x) senf (x)

1
(tan x)0 = 1 + (tan x)2 = (tan f (x))0 = [1 + (tan f (x))2 ] f 0 (x)
(cos x)2
−1
(cotanx)0 = −(1 + (cotanx)2 ) = (cotanf (x))0 = − [1 + (cotanf (x))2 ] f 0 (x)
(senx)2

Inversas trigonométricas
1 f 0 (x)
(arcsenx)0 = √ , si |x| < 1 (arcsenf (x))0 = p
1 − x2 1 − f (x)2

−1 −f 0 (x)
(arccosx)0 = √ , si |x| < 1 (arc cos f (x))0 = p
1 − x2 1 − f (x)2

1 f 0 (x)
(arctanx)0 = (arctan f (x))0 =
1 + x2 1 + f (x)2

−1 −f 0 (x)
(arccotanx)0 = (arccotanf (x))0 =
1 + x2 1 + (f (x))2
1.6. APLICACIONES DE LAS DERIVADAS 25

Teorema 1.45 (Regla de la cadena). Sean f : S ⊂ R → R, g : T ⊂ R → R tales que

f (S) ⊂ T . Si f es derivable en a ∈ S y g es derivable en f (a) ∈ T , entonces g ◦ f es
derivable en a, y además,
(g ◦ f )0 (a) = g 0 (f (a)) · f 0 (a)

Ejercicio 1.46. Calcular la derivada de la función

y = (x3 + 2x + 3)4 .

Observemos que si f (x) = x3 + 2x + 3 y g(x) = x4 , la función y es la composición g ◦ f .

1.6. Aplicaciones de las derivadas

1.6.1. Cálculo de extremos absolutos

Teorema 1.47. Sea f : S ⊂ R → R, derivable en a ∈ S con f 0 (a) > 0 (ó +∞) (respectiva-
mente, f 0 (a) < 0 (ó −∞)). Entonces, existe un intervalo (a−δ, a+δ) tal que ∀x ∈ (a−δ, a+δ),
x 6= a se tiene:

½
f (x) < f (a) si x < a (respectivamente, f (x) > f (a))
f (x) > f (a) si x > a (respectivamente, f (x) < f (a))

es decir, f es estrictamente creciente localmente en a ( o estrictamente decreciente localmente

en a).

Corolario 1.48 (Condición necesaria de extremo). Si f : S ⊂ R → R es derivable en

a ∈ (b, c) ⊂ S y f tiene un máximo o un mı́nimo relativo en x = a, entonces f 0 (a) = 0.

Demostración: Si f 0 (a) > 0, entonces por el Teorema anterior f serı́a localmente estric-
tamente creciente en un intervalo (a − δ, a + δ). Luego no tendrı́a ni máximo ni mı́nimo en
a.
Si f 0 (a) < 0, entonces por el Teorema anterior f serı́a localmente estrictamente decreciente
en un intervalo (a − δ, a + δ). Luego no tendrı́a ni máximo ni mı́nimo en a.
Luego, f 0 (a) = 0.

Observación 1.49. El recı́proco no es cierto. Consideremos, por ejemplo, la función f (x) =

x3 , donde f 0 (x) = 3x2 , f 0 (0) = 0. Pero f no tiene ni máximo ni mı́nimo en x = 0, siendo su
representación gráfica:
26 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

1
0.8
0.6
0.4
0.2

–1 –0.8 –0.6 –0.4 –0.2 0.2 0.4 x 0.6 0.8 1

–0.2
–0.4
–0.6
–0.8
–1

Observación 1.50. La condición necesaria de extremo relativo nos proporciona un método

para calcular los máximos y mı́nimos relativos de una función f . Sin embargo, no todos los
puntos de Dom(f ) que verifican dicha condición son extremos relativos de f .

Aplicación: Búsqueda de máximos y mı́nimos de una función continua.

Debemos distinguir entre intervalos acotados e intervalos no acotados:

1. Intervalos cerrados y acotados. Si f : [a, b] → R es una función continua, sabemos

que ∃ máx f (x) y ∃ mı́n f (x). Entonces, buscaremos dichos puntos entre los siguientes:
x∈[a,b] x∈[a,b]

a) extremos del intervalo: a, b,

b) puntos x ∈ (a, b) en los que f no es derivable,
c) puntos x en los que f 0 (x) = 0.

Se calculan las imágenes de estos puntos y en el (los) punto (puntos) con imagen mayor,
f alcanza el valor máximo absoluto. En el (los) punto (puntos) con imagen menor, f
alcanza el valor mı́nimo absoluto.

Ejemplo 1.51. Estudio de los extremos de la función f : [0, 4] → R, definida por:

(
2x − x2 si x ∈ [0, 2],
f (x) =
x − 2 si x ∈ (2, 4],

cuya gráfica es la siguiente:

1.6. APLICACIONES DE LAS DERIVADAS 27

2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0 1 2 3 4
x

Puede comprobarse que f es continua en [0, 4]. Estudiamos cada uno de los puntos:

a) Extremos del intervalo: 0, 4, donde f (0) = 0 , f (4) = 2 .

b) Puntos x en los que la función no es derivable: f es derivable en [0, 2) ∪ (2, 4].
Veamos qué ocurre en el punto x = 2.
f (2 + h) − f (2) (2 + h) − 2 − 0
f+0 (2) = lı́m = lı́m = 1.
h→0+ h h→0 + h
f (2 + h) − f (2)
f−0 (2) = lı́m
h→0− h
2(2 + h) − (2 + h)2 − 0
= lı́m
h→0− h
−h2 − 2h
= lı́m = lı́m (−h − 2) = −2.
h→0− h h→0−
0
Como f− (2) = 0
6 f+ (2), entonces f no es derivable en x = 2. Luego calculamos
f (2) = 0 .
c) Puntos en los que x ∈ (0, 4) donde f 0 (x) = 0.
(
2 − 2x si x ∈ (0, 2),
f 0 (x) =
1 si x ∈ (2, 4).

Los puntos x ∈ (2, 4) no pueden tener derivada primera nula. Resolvemos la

ecuación 2 − 2x = 0 ⇒ x = 1 ∈ (0, 2). Luego calculamos f (1) = 1 .

Comparando las imágenes de los puntos calculados, obtenemos que el valor máximo
absoluto de f en [0, 4] es 2 y se alcanza en x = 4, y el valor mı́nimo absoluto de
f en [0, 4] es 0 y se alcanza en los puntos x = 0 y x = 2.
28 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

2. Intervalos no acotados. Se requiere el estudio gráfico de la función: estudio de

lı́m f (x), lı́m f (x), ası́ntotas, acotación de f , etc.
x→+∞ x→−∞

Ejemplo 1.52. Estudio de la función f (x) = e−1/x en Dom(f ) = R\{0}:

1.6

1.4

1.2

0.8

–100 –80 –60 –40 –20 0 20 40 x 60 80 100

Se observa que no existen máximos absolutos de la función (ni supremos de f ), pues

la función no está acotada superiormente. Tampoco existen mı́nimos absolutos de la
función, pero sı́ un ı́nfimo de f , que es el 0.

1.6.2. Monotonı́a de la función

Teorema 1.53. Sea f : [a, b] → R continua en [a, b] y derivable en (a, b).

a) Si f 0 (x) > 0 ∀x ∈ (a, b), entonces f es estrictamente creciente en (a, b).

b) Si f 0 (x) < 0 ∀x ∈ (a, b), entonces f es estrictamente decreciente en (a, b).

Teorema 1.54. Sea f : [a, b] → R continua en [a, b]. Supongamos que f es derivable en (a, b)
salvo quizás un punto c ∈ (a, b).

a) Si existe δ > 0 tal que (c − δ, c + δ) ⊂ (a, b) y f 0 (x) > 0 ∀x ∈ (c − δ, c) y f 0 (x) < 0

∀x ∈ (c, c + δ), entonces f tiene un máximo relativo en c.

b) Si existe δ > 0 tal que (c − δ, c + δ) ⊂ (a, b) y f 0 (x) < 0 ∀x ∈ (c − δ, c) y f 0 (x) > 0

∀x ∈ (c, c + δ), entonces f tiene un mı́nimo relativo en c.

Observación 1.55. Este resultado se puede usar para determinar la existencia de extremos
relativos en puntos en los que la función no es derivable.
1.6. APLICACIONES DE LAS DERIVADAS 29

1.6.3. Regla de L’Hôpital

Teorema 1.56 (Regla de L’Hôpital). Sean f y g dos funciones tales que:

i) lı́m f (x) = lı́m g(x) = 0,

x→a x→a

ii) existe un entorno (a − δ, a + δ) del punto a en el que f 0 y g 0 están definidas,

iii) g 0 no se anula en (a − δ, a + δ)\{a}.

f 0 (x)
Entonces, si ∃ lı́m = l (finito o infinito) también
x→a g 0 (x)
f (x)
existe lı́m = l.
x→a g(x)

Observación 1.57.

1. El Teorema es válido para x → a+ y x → a− . En esos casos, hay que aplicar el Teorema

en los entornos (a, a + δ) y (a − δ, a) respectivamente.

2. El Teorema es válido para x → ∞, x → +∞ y x → −∞. En estos casos, las hipótesis

son que f 0 y g 0 existan en |x| > M , x > M y x < −M , respectivamente; y que g 0 no se
anule en |x| > M , x > M y x < −M , respectivamente.

3. El Teorema es válido si lı́m f (x) = ∞ y lı́m g(x) = ∞.

x→a,∞ x→a,∞

4. Si lı́m f (x) = 0 y lı́m g(x) = ∞, entonces se puede intentar aplicar el Teorema de

x→a,∞ x→a,∞
L’Hôpital al cálculo de lı́m f (x) · g(x) escribiéndolo de la forma:
x→a,∞

f (x) g(x)
f (x) · g(x) = 1 o f (x) · g(x) = 1 .
g(x) f (x)

5. Si lı́m f (x) = ∞ = lı́m g(x), entonces se puede usar el Teorema para hallar
x→a,∞ x→a,∞
lı́m (f (x) − g(x)) = ”∞ − ∞”. Para ello, se escribe:
x→a,∞

1 1
g(x) − f (x)
f (x) − g(x) = 1 .
f (x)·g(x)

6. Para las indeterminaciones 00 , ∞0 , 1∞ , se expresa f (x)g(x) = eg(x)·ln(f (x)) y se aplica

al exponente las observaciones anteriores.
f 0 (x) 0
7. En el caso en que lı́m también fuese indeterminado del tipo , se puede usar de
x→a g 0 (x) 0
nuevo el Teorema de L’Hôpital siempre que f 0 y g 0 verifiquen las 3 hipótesis de dicho
teorema.
30 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Ejemplo 1.58. Calcular los siguientes lı́mites:

x3 − 3x2 + 4
1. lı́m
x→2 x2 − 4x + 4
µ ¶
x3 − 3x2 + 4 0 3x2 − 6x 6x − 6
lı́m 2 = “ ” = lı́m = lı́m =3
x→2 x − 4x + 4 0 x→2 2x − 4 x→2 2

π
2. lı́m x(arctgx − )
x→+∞ 2
π
π arctgx − 2
lı́m x(arctgx −
) = “∞ · 0” = lı́m 1
x→+∞ 2 x→+∞
x
1
“0” 2 −x2
= = lı́m 1+x1 = lı́m = −1
0 x→+∞ − 2 x→+∞ 1 + x2
x

f 0 (x) f (x)
Observación 1.59. De la no existencia de lı́m 0
no se implica nada sobre lı́m .
g (x) g(x)

1.6.4. Concavidad y convexidad

Definición 1.60. Una función f definida en un intervalo (a, b) se dice convexa en (a, b) si
∀x, y ∈ (a, b), x < y, el segmento que une los puntos (x, f (x)) e (y, f (y)) está por encima de
la gráfica de la función entre esos dos puntos.

–3 –2 –1 0 1 x 2 3

f es convexa en (−1, 2)

Si el segmento está por debajo, se dice que f es cóncava en (a, b).

1.6. APLICACIONES DE LAS DERIVADAS 31

–3 –2 –1 0 1 x 2 3

–2

–4

f es cóncava en (−2, 1)

Observación 1.61. Las funciones cóncavas y convexas no son necesariamente derivables.

Definición 1.62. Una función derivable en un punto a se dice que es convexa (respectiva-
mente cóncava) en a si existe un entorno de dicho punto en el que la curva se mantiene por
encima (respectivamente, por debajo) de la recta tangente a ella en el punto x = a.

8
6
4
2

–3 –2 –1 0 1 x 2 3
–2
–4
–6

f es convexa en (−2, 2)
32 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

10
8
6
4
2

–3 –2 –1 0 1 x 2 3
–2
–4

f es cóncava en (−2, 2)

Definición 1.63. Decimos que f tiene un punto de inflexión en (a, f (a)) si f cambia en
x = a de cóncava a convexa o de convexa a cóncava.

2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x
f pasa de cóncava a convexa en (1, 1)
1.6. APLICACIONES DE LAS DERIVADAS 33

2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x
f pasa de convexa a cóncava en (1, 1)

1.6.5. Representación Gráfica de Funciones

En la representación gráfica de funciones, podemos seguir los siguientes pasos:
1. Dominio: Dom(f ) = {x ∈ R/ f (x) ∈ R}.
2. Simetrı́as: funciones pares e impares.
3. Periodicidad
4. Cortes con los ejes:
a) Corte con el eje OX, es decir, puntos donde f (x) = 0, y cuyas coordenadas son
(x, 0).
b) Corte con el eje OY , es decir, es el punto de la forma (0, f (0)), si 0 ∈ Dom(f ).
5. Regionamiento: con las abscisas donde la función se anula y aquellas donde la función
no es continua se forman intervalos en los que la función existe y tiene signo constante
(es decir, zonas donde es positiva y zonas donde es negativa).
6. Ası́ntotas:
a) Ası́ntotas horizontales: Son las rectas horizontales de la forma y = c, donde
c = lı́m f (x).
x→±∞
Para conocer la posición de la curva respecto de la ası́ntota horizontal, tenemos
que estudiar el signo de la expresión lı́m f (x) − c:
x→±∞
(
> 0, la curva está sobre la ası́ntota
Si lı́m f (x) − c
x→±∞
< 0, la curva está debajo de la ası́ntota
34 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD

Para saber si la curva corta a la ası́ntota horizontal o no, tenemos que resolver la
ecuación:
f (x) = c

b) Ası́ntotas verticales: Son las rectas verticales de la forma x = k, tales que

lı́m f (x) = ±∞.
x→k
Generalmente, los puntos k son puntos que no pertenecen al dominio de la función
f pero están cercanos al dominio. Por ejemplo, si Dom(f ) = (a, b), los puntos a y
b son posibles valores k.
c) Ası́ntotas oblicuas: Son las rectas oblicuas de la forma y = mx + n, donde

f (x)
m = lı́m ∈R
x→±∞ x

y n = lı́m (f (x) − mx) ∈ R.

x→±∞
Ahora bien, dependiendo del valor de m razonamos de la siguiente forma:
1) Si m = 0, se trata de una rama parabólica en la dirección del eje OX (ası́ntota
horizontal en y = 0), y no se calcula n.
2) Si m = ∞, se trata de una rama parabólica en la dirección del eje OY , y no
se calcula n.
3) Si m ∈ R\{0}, entonces
Si n ∈ R, entonces y = mx + n es una ası́ntota oblicua.
Si n = ∞, entonces no hay ası́ntota oblicua (se trata de una rama parabóli-
ca en la dirección de la recta y = mx).
Los puntos de corte de la curva con una ası́ntota oblicua de la forma y = mx + n
se calculan resolviendo el sistema:
½
y = f (x)
y = mx + n

7. Crecimiento y decrecimiento: Se estudian las zonas en las que la función es creciente

y las zonas en las que es decreciente. Para ello, estudiamos:

los valores de x ∈ Dom(f ) en los que f 0 se anula (si f 0 (x) > 0 la función es
creciente, y si f 0 (x) < 0 la función es decreciente),
los puntos x ∈ Dom(f ) para los que la derivada no existe.

Recordemos que si x = k ∈
/ Dom(f ), entonces puede existir una ası́ntota vertical en
x = k.

8. Máximos y mı́nimos: Con las herramientas estudiadas se buscan los puntos en los
que se alcanzan los máximos y mı́nimos relativos de la función.
1.6. APLICACIONES DE LAS DERIVADAS 35

9. Concavidad y convexidad: Como se vió anteriormente, se estudian las zonas en las

que la función es convexa (x ∈ Dom(f ) tales que f 00 (x) > 0) y las zonas en las que es
cóncava (x ∈ Dom(f ) tales que f 00 (x) < 0).
Observemos que las zonas de concavidad/convexidad pueden estar separadas por:

puntos x ∈ Dom(f ) donde f 00 (x) = 0,

puntos x ∈ Dom(f ) donde f 00 no está definida,
o puntos x ∈
/ Dom(f ).

10. Puntos de inflexión: Son los puntos en los que la función pasa de cóncava a convexa
o de convexa a cóncava. Si f es 2 veces derivable en su dominio, entonces se encuentran
entre los puntos que verifican que f 00 (x) = 0, PERO no todos los que verifican dicha
condición son puntos de inflexión.
36 TEMA 1. FUNCIONES, LÍMITES, CONTINUIDAD Y DERIVABILIDAD
Tema 2

Interpolación polinómica

2.1. Introducción

Un problema que se presenta con frecuencia en las ciencias experimentales y en ingenierı́a

es tratar de construir, lo más aproximado posible, una función de la que se conoce una serie
de datos. Estos datos suelen ser fruto de las observaciones realizadas en un determinado
experimento, de manera que se tienen los valores de la función en determinados puntos, pero
no se tiene una expresión de la función. El objetivo es determinar un polinomio que verifique
estos datos y que además sea fácil de construir. Se trata de tener un polinomio que “se parece”
a la función desconocida. Por su sencillez y operatividad utilizaremos el método de diferencias
divididas (o fórmula de interpolación de Newton) para obtener dicho polinomio.

2.2. Análisis previo (existencia y unicidad)

Un problema de interpolación polinómica puede enunciarse de la siguiente forma:

Dado un conjunto de datos que son los valores de una función en determinados puntos xi ,
i = 0, 1, · · · , n, se quiere construir un polinomio de grado menor o igual que n que coincida con
la función dada en los datos. Se tiene el siguiente resultado: Dada una serie de datos (xi , yi )
con i = 0, . . . , n (con xi distintos entre si), ∃! p(x) polinomio de grado ≤ n que interpola dichos
valores, esto es, p(xi ) = yi para todo i = 0, . . . , n. Al polinomio se le conoce como polinomio
de interpolación.
El siguiente teorema afirma que ese polinomio que existe es único.

Teorema 2.1 (Unicidad del polinomio de interpolación). Si p(x) y q(x) son dos polinomios
de grado ≤ n tales que p(xi ) = q(xi ) para i = 0, 1, . . . , n con xi distintos entre si, entonces
p(x) = q(x) ∀x ∈ R.

37
38 TEMA 2. INTERPOLACIÓN POLINÓMICA

2.3. Método de las Diferencias Divididas

Proposición 2.2. Dados {(xi , yi )}i=0,...,n con los xi distintos entre si, el polinomio de inter-
polación de grado ≤ n que los interpola es:

p(x) = y0 + y01 (x − x0 ) + y012 (x − x0 )(x − x1 ) + · · · + y01···n (x − x0 )(x − x1 ) · · · (x − xn−1 )

donde
x0 y0
y1 −y0
y01 = x1 −x0
y12 −y01
x1 y1 y012 = x2 −x0
y2 −y1 y123 −y012
y12 = x2 −x1 y0123 = x3 −x0 ···
y23 −y12
x2 y2 y123 = x3 −x1
y3 −y2
y23 = x3 −x2
x3 y3
.. .. .. .. ..
. . . . .

xi -2 -1 1 2
Ejemplo 2.3. Hallar el polinomio de grado ≤ 3 que interpola
yi -5 1 1 7
Comenzamos calculando los coeficientes:
xi yi yij yijk yijkl

−2 −5
1−(−5)
−1−(−2) =6
0−6
−1 1 1−(−2) = −2
1−1 2−(−2)
1−(−1) =0 2−(−2) =1
6−0
1 1 2−(−1) =2
7−1
2−1 =6
2 7

Entonces, los coeficientes de la diagonal superior señalados en negrita nos permiten

obtener el polinomio del siguiente modo:

p(x) = −5 + 6(x + 2) − 2(x + 2)(x + 1) + (x + 2)(x + 1)(x − 1).

Simplificamos y vemos que obtenemos el polinomio p(x) = x3 − x + 1.

Ventaja: si hiciera falta introducir algún par de valores más, se podrı́a hacer sin problema y
aprovechando los ya calculados (los xi no tienen porqué estar ordenados).
Ahora es claro el nombre que recibe el algoritmo.

Si los puntos {x0 , x1 , . . . , xn } están uniformemente espaciados, es decir, son equidistantes,

de manera que la distancia entre dos puntos consecutivos es siempre un mismo valor h,
2.3. MÉTODO DE LAS DIFERENCIAS DIVIDIDAS 39

entonces la fórmula anterior se simplifica y el polinomio de interpolación se expresa ası́:

∆f (x0 ) ∆2 f (x0 ) ∆n f (x0 )

p(x) = y0 + (x−x0 )+ (x−x0 )(x−x1 )+· · ·+ (x−x0 )(x−x1 ) · · · (x−xn−1 ),
h 2h2 n!hn
siendo
∆f (x0 ) = f (x1 ) − f (x0 ) ∆f (xj ) = f (xj+1 ) − f (xj )
∆k f (x0 ) = ∆(∆k−1 f (x0 )) = ∆k−1 f (x1 ) − ∆k−1 f (x0 ) ∆k f (xj ) = ∆k−1 f (xj+1 ) − ∆k−1 f (xj ),
para k = 2, · · · , n y para j ≥ 1.

Ejemplo 2.4. Experimentalmente se ha observado que el crecimiento celular de un cultivo

microbiano viene dado según la siguiente tabla, donde ti representa el tiempo transcurrido en
horas e yi el número de células en el tiempo ti .

ti 0 2 4 6 8
yi 2.64 ×105 1.84×107 2.53×108 2.95×109 4.35×1010
Hallar el polinomio de interpolación que da una aproximación de la ecuación que sigue el
crecimiento celular.
40 TEMA 2. INTERPOLACIÓN POLINÓMICA
Tema 3

La integral. Integración numérica.

Las integrales formalizan un concepto bastante sencillo e intuitivo, el de área (y volúmenes,

y longitudes entre otras aplicaciones). Los orı́genes del cálculo de áreas se pueden encontrar en
el “método de exhaución” desarrollado por los griegos hace más de dos mil años, pero fueron
Newton y Leibnitz quienes le dieron el enfoque riguroso actual.
Se comprobará que los problemas del cálculo integral y diferencial son inversos el uno del
otro, y una sencilla regla (de Barrow) servirá para dar respuesta a problemas como calcular
un área concreta, obtener el cambio acumulativo de magnitudes y calcular promedios.

3.1. Cálculo de primitivas

Definición 3.1. Dadas f, F : D ⊂ R → R, decimos que F es una primitiva de la función f
si:
F 0 (x) = f (x), ∀x ∈ D.

Está claro que si F es una primitiva de f , F + C es también primitiva de f para cualquier

C ∈ R.

Definición 3.2. Al conjunto de todas las primitivas de f se le llama integral indefinida

de f :
Z
f (x) dx = F (x) + C, ∀C ∈ R.

Propiedades:
Z Z
1. Si k ∈ R, entonces k f (x) dx = k f (x) dx.

Z Z Z
2. (f (x) ± g(x)) dx = f (x) dx ± g(x) dx

41
42 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

3.2. Reglas de cálculo de primitivas

Integrales inmediatas Integrales funciones compuestas
Tipo
Z potencial Z
xn+1 f (x)n+1
xn dx = + C, n 6= −1 f (x)n f 0 (x) dx = + C, n 6= −1
n+1 n+1
Tipo
Z logarı́tmico Z
1 f 0 (x)
dx = ln |x| + C dx = ln |f (x)| + C
x f (x)
Tipo
Z exponencial Z
e dx = ex + C
x
ef (x) f 0 (x) dx = ef (x) + C
Z Z
ax af (x)
ax dx = +C af (x) f 0 (x) dx = +C
ln a ln a
Tipo
Z trigonométricas directas Z
senx dx = −cosx + C senf (x) f 0 (x) dx = −cosf (x) + C
Z Z
cosx dx = senx + C cosf (x) f 0 (x) dx = senf (x) + C
Z Z
1 1
dx = tgx + C f 0 (x) dx = tg(f (x)) + C
cos2 x cos2 (f (x))
Z Z
1 1
dx = −cotgx + C f 0 (x) dx = −cotg(f (x)) + C
sen2 x sen2 (f (x))

Tipo
Z trigonométricas inversas Z
dx f 0 (x)
= arctg x + C dx = arctg(f (x)) + C
1 + x2 1 + f (x)2
Z Z
dx f 0 (x)
√ = arcsen x + C p dx = arcsen (f (x)) + C
1 − x2 1 − f (x)2

Ejemplo 3.3 (Tipo potencial).

Z µ √ ¶
2 3 x4 2 3
1. 5x + 2 − x + 5 dx = 5 − − x5/3 + 5x + C.
3 2
x 4 x 5
Z
(3x + 5)3
2. (3x + 5)2 dx = + C.
9
Z
sen5 x
3. sen4 x cosx dx = + C.
5
3.2. REGLAS DE CÁLCULO DE PRIMITIVAS 43

Ejemplo 3.4 (Tipo logarı́tmico).

Z
1 1
1. dx = ln |5x + 3| + C.
5x + 3 5
Z Z
senx
2. tgx dx = dx = − ln |cosx| + C.
cosx

Ejemplo 3.5 (Tipo exponencial).

Z
2 1 x2
1. ex x dx = e + C.
2
Z
1 2sen(3x)
2. cos(3x) 2sen(3x) dx = + C.
3 ln 2
Z
6ln x 6ln x
3. dx = + C.
x ln 6

Ejemplo 3.6 (Tipo trigonométricas directas).

Z
1
1. cos(mx) dx = sen(mx) + C, m 6= 0.
m
Z
sen(lnx)
2. dx = −cos(lnx) + C.
x
Z
x 1
3. dx = tg(x2 ) + C.
cos2 (x2 ) 2

Ejemplo 3.7 (Tipo trigonométricas inversas).

1.
Z Z Z
5 5/2 5 1
dx = 3 2 dx = 2
q dx
2 + 3x2 1 + 2x 1 + ( 32 x)2
q Ãr !
Z 3
5 2 5 3
=√ ³q ´2 dx = √ arctg x + C.
6 3 6 2
1+ 2x

2.
Z Z ex µ ¶
ex 2 ex
√ dx = 2 q dx = arcsen + C.
4 − e2x 2
x
1 − ( e2 )2 2
44 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

3.2.1. Método de integración por partes

Consiste en aplicar la siguiente regla:
Z Z
u dv = u v − v du.

Veamos algunos ejemplos:

Z ½
u = x ⇒ du = dx
x ex dx =
dv = ex dx ⇒ v = ex
Z
= x e − ex dx = x ex − ex + C
x

= (x − 1) ex + C.
Z ½ dx
u = arctgx ⇒ du = 1+x2
arctgx dx =
dv = dx ⇒ v = x
Z
x
= x arctgx − dx
1 + x2
1
= x arctgx − 2 ln |x2 + 1| + C.

3.2.2. Integración de funciones racionales

p(x)
Las funciones racionales son aquellas que se escriben de la forma f (x) = , donde p(x)
q(x)
y q(x) son polinomios.
Si grado(p) < grado(q), podemos aplicar el método de descomposición que presentamos
a continuación.

Si no, debemos efectuar la división de polinomios, y escribirlo como:

p(x) r(x)
f (x) = = c(x) + ,
q(x) q(x)
donde c(x) es el polinomio cociente que resulta al hacer la división y r(x) es el polinomio
resto de la división. Observemos que entonces grado(r) < grado(q).
El método: El primer paso es descomponer el denominador en factores simples. Si
grado(q) = n y todas las raı́ces son reales y simples, es decir,
q(x) = a0 (x − x1 ) (x − x2 ) . . . (x − xn ),
se hace una descomposición de la forma (con A1 , . . . , An constantes reales):
p(x) A1 A2 An
= + ··· + ,
q(x) x − x1 x − x2 x − xn
y se integra cada uno de los sumandos que aparecen.
3.2. REGLAS DE CÁLCULO DE PRIMITIVAS 45

Ejemplo 3.8.
Z
2x − 3
dx =
2x3 − x2 − x
£ ¤
dado que 2x3 − x2 − x = x (x − 1) (2x + 1)
Z µ ¶
A B C
= + +
x x − 1 2x + 1
1 8
= 3 ln |x| − ln |x − 1| − ln |2x + 1| + C.
3 3

donde los coeficientes A, B y C se han calculado resolviendo:

2x − 3 A B C
= + +
2x3− x2 − x x x − 1 2x + 1
A(x − 1)(2x + 1) + Bx(2x + 1) + Cx(x − 1)
=
x(x − 1)(2x + 1)
x2 (2A + 2B + C) + x(−A + B − C) − A
=
2x3 − x2 − x

para lo que se debe cumplir que:


 
 A = 3
 0 = 2A + 2B + C 
 1
B = −
2 = −A + B − C ⇒ 3
 

−3 = −A  C = − 16

3

También podemos dar valores convenientes a x para obtener un sistema de ecuaciones más
simple para A, B y C.

Si hay alguna raı́z real múltiple, de multiplicidad k, aparecen k sumandos asociados

a esa raı́z. Es decir, si en la descomposición del polinomio del denominador, q(x), aparece
p(x)
(x − x0 )k , entonces descomponemos como:
q(x)

A1 A2 A3 Ak
+ 2
+ 3
+ ··· +
x − x0 (x − x0 ) (x − x0 ) (x − x0 )k
46 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

Ejemplo 3.9.
Z
2x − 3
dx =
x3 − 3x2 + 3x − 1
£ ¤
dado que x3 − 3x2 + 3x − 1 = (x − 1)3
Z µ ¶
A B C
= + + dx
x − 1 (x − 1)2 (x − 1)3
Z µ ¶
0 2 −1
= + + dx
x − 1 (x − 1)2 (x − 1)3
1 1 1
= −2 + +C
(x − 1) 2 (x − 1)2

donde se ha resuelto:

2x − 3 A B C
= + +
x3 − 3x2 + 3x − 1 x − 1 (x − 1)2 (x − 1)3
Ax2 + x(−2A + B) + (A − B + C)
=
(x − 1)3

lo que implica que A = 0, B = 2 y C = −1.

Hay otras muchas combinaciones, como mezcla de raı́ces reales y complejas (simples y/o
múltiples). Nosotros sólo trataremos aquı́ el caso anterior, y el caso en que la raı́z compleja
1
es imaginaria pura, es decir, del tipo 2 , que ya sabemos es de tipo arcotangente.
a + x2

3.2.3. Método de sustitución

Consiste en hacer un cambio de variable que transforme la integral en otra que sepamos
calcular. No hay que olvidar, una vez resuelta, deshacer el cambio. Veamos algunos ejemplos:

Z
ex
√ dx = (ex = t ⇒ ex dx = dt)
4 − e2x
Z Z
dt dt
= √ q
=
4 − t22 1 − ( 2t )2
¡ ¢ ¡ x¢
= arcsen 2t + C = arcsen e2 + C.
3.3. LA INTEGRAL DEFINIDA 47

Z √
x
√ dx = (x = t6 ⇒ dx = 6 t5 dt)
3
x+1
Z
t8
= 6 dt (dividimos)
t2 + 1
Z Z
6 4 2 dt
= 6 (t − t + t − 1) dt + 6
1 + t2
µ ¶
t7 t5 t3
= 6 − + − t + 6 arctg(t) + C
7 5 3
à 7 5 1
!
x6 x6 x2 1
= 6 − + − x 6 + 6 arctg(x1/6 ) + C.
7 5 3

Cambios de variable importantes

1. senx = t:
½
cosx dx = dt
En este caso ,
cos2 x = 1 − t2
dt dt
lo que implica que dx = =√ .
cosx 1 − t2

Por ejemplo,
Z Z Z
sen3 x t3 dt t3
dx = √ √ = dt
cosx 1−t 2 1 − t2 1 − t2
que se ha transformado en una integral de tipo racional.
También podemos intentar el cambio cosx = t o tgx = t.

Observación 3.10. Estos tres cambios no siempre funcionan, pero son fáciles de hacer.
¡ ¢
El cambio que más habitualmente funciona es tg x2 = t, pero los cálculos son más
complicados.

2. x = tn
Entonces dx = ntn−1 dt. Ver ejemplo anterior.

3.3. La integral definida

Un anticipo de las aplicaciones que nos permite introducir el concepto de esta sección es
el siguiente problema:
Sea f : [a, b] → R una función continua y positiva. Denotemos Af (c) al área contenida
entre la función, el eje OX, y las rectas x = a y x = c.
48 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

Veamos la relación entre las funciones Af y f. Como la función f es continua en c, entonces,

para cualquier h > 0 (pequeño), se tiene que Af (c + h) − Af (c) es aproximadamente f (c)h, o
lo que es lo mismo,
Af (c + h) − Af (c)
∼ f (c).
h
Tomando ahora lı́mites cuando h → 0 en ambos miembros de la igualdad anterior (recordar

la definición de derivada), se tiene que

A0f (c) = f (c), es decir, Af es una primitiva de f.

La propiedad anterior nos lleva a considerar el siguiente concepto:

Definición 3.11. Llamamos integral definida a una expresión del tipo
Z b
f (x) dx,
a

donde a < b. En caso de a > b, se considera:

Z b Z a
f (x) dx = − f (x) dx.
a b

Observemos que sólo se diferencia de las primitivas o integrales indefinidas en que aparecen
lı́mites de integración a, b.
Si dada la función f (x) conocemos una primitiva de ésta, F (x), entonces se verifica la
Regla de Barrow:

Z b
f (x) dx = F (x)|ba = F (b) − F (a).
a

Z
Observemos que f (x) dx = F (x) + C, es decir, el valor de C no afecta a la aplicación
de la Regla de Barrow.
3.4. APLICACIONES DE LA INTEGRAL DEFINIDA 49

Z ¯2
2
2 x3 ¯¯ 8 1 7
Ejemplo 3.12. x dx = ¯ = − = .
1 3 1 3 3 3

3.3.1. Propiedades de la integral definida

1. La fórmula de integración por partes para integrales definidas es:
Z b Z b
0
f (x) g (x) dx = f (x) g(x)|ba − f 0 (x) g(x) dx
a a

Z b Z b
2. Si k ∈ R, entonces k f (x) dx = k f (x) dx.
a a
Z b Z b Z b
3. (f (x) ± g(x)) dx = f (x) dx ± g(x) dx.
a a a

4. Si c ∈ [a, b], entonces:

Z b Z c Z b
f (x) dx = f (x) dx + f (x) dx.
a a c

Z b
5. Si f (x) ≥ 0, ∀x ∈ [a, b], entonces f (x) dx ≥ 0.
a
Z b Z b
6. Si f (x) ≤ g(x) ∀x ∈ [a, b], entonces f (x) dx ≤ g(x) dx.
a a

3.4. Aplicaciones de la integral definida

3.4.1. Cálculo de áreas de superficies planas
Queremos calcular el área A determinada por x = a, x = b, el eje OX e y = f (x). Gracias al
análisis heurı́stico hecho en la Sección 2.3 tenemos que
Z b
Si f (x) ≥ 0, entonces A = f (x) dx.
a
Z b
Si f (x) ≤ 0, entonces A = − f (x) dx.
a

Si la función tiene cambios de signo en [a, b], hay que separar los intervalos donde f (x)
tiene signo constante y aplicar lo anterior. Por ejemplo, si f (x) ≥ 0 en [a, c] y f (x) ≤ 0
en [c, b], entonces:
Z c Z b
A= f (x) dx − f (x) dx.
a c
50 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

Si queremos calcular el área determinada por x = a, x = b y las curvas y = f (x) e y = g(x),

donde f (x) ≥ g(x), entonces:
Z b
A= (f (x) − g(x)) dx.
a
En otro caso, hay que separar [a, b] en intervalos y se actúa como antes en cada intervalo.
Obsérves que todos los casos pueden escribirse de manera uniforme como
Z b
A= |f (x) − g(x)| dx.
a

Ejemplo 3.13. Calcular el área encerrada por f (x) = x, g(x) = x2 en el intervalo (0, 1) y
en el intervalo (0, 2).

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4
x

donde la lı́nea continua corresponde a y = x, y la lı́nea discontinua corresponde a y = x2 .

El área en el intervalo (0, 1), donde f siempre está por encima de g, es:
Z 1 µ 2 ¶¯1
x x3 ¯¯ 1 1 1
A= (x − x2 ) dx = − ¯ = 2 − 3 = 6.
0 2 3 0

El área en el intervalo (0, 2), donde hay dos zonas diferenciadas, una en la que f está sobre
g y otra donde g está sobre f , es:
Z 2 Z 1 Z 2
2
A = |f (x) − g(x)| dx = (x − x ) dx + (x2 − x) dx
0 0 1
µ ¶¯2 µ ¶
1 x3 x2 ¯¯ 1 8 1 1
= + − = + −2− −
6 3 2 ¯1 6 3 3 2
1 8 1 1 1 + 16 − 12 − 2 + 3
= + −2− + = = 1.
6 3 3 2 6
3.4. APLICACIONES DE LA INTEGRAL DEFINIDA 51

Ejemplo: Área del cı́rculo: La curva √ que define el contorno de un cı́rculo de centro
(0, 0) y radio r es x2 + y 2 = r2 , luego y = r2 − x2 .

1
0.8
0.6
y
0.4
0.2

–1–0.8 –0.4 0 0.2 0.4 0.6 0.8 1

–0.2 x
–0.4
–0.6
–0.8
–1

Gracias a la simetrı́a de la figura, para calcular el área lo hacemos para x ∈ [0, r] y multipli-
camos por 4:

Z ³ x ´2 Z r
r p r
A = 4 r2 − x2 dx1− = 4r dx
0 0 r
( x
= sent
haciendo el cambio de variable r
dx = r cost
Z π/2
= 4r2 cos2 t dt
0
1 + cos(2t)
usando la fórmula trigonométrica cos2 (t) =
2
Z π/2 µ ¶ µ ¶¯π/2
1 + cos(2t) t sen(2t) ¯¯
= 4r2 dt = 4r2 + ¯ = π r2 .
0 2 2 4 0

3.4.2. Cálculo de valores medios

La integral definida nos va a servir para calcular el valor medio o el promedio de una
magnitud. Por ejemplo, pensemos que se ha medido la concentración de nitrógeno en el suelo
cada metro, en una sección transversal de tundra húmeda y se han obtenido los datos
52 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

Distancia (m) 1 2 3 4 5
Concentración (g/m3 ) 589.3 602.7 618.5 667.2 641.2

Distancia (m) 6 7 8 9 10
Concentración (g/m3 ) 658.3 672.8 661.2 652.3 669.8

Si llamamos c(x) a la concentración a una distancia x del origen, la concentración media

c̄ es
1
c̄ = (c(1) + · · · + c(10))
10
Estamos hallando la concentración media entre los puntos 1 y 10. Pero, si en lugar de tomar
valores cada metro lo hiciéramos cada centı́metro o cada milı́metro, o en general, dividiendo
el intervalo [0, 10] en n partes con n grande, obtendrı́amos
n
1X
c̄ = c(xk ) (3.1)
n
k=1

y cada parte tiene una longitud de 10−0 n que denotaremos por h. Por tanto, h = 10
n y de
aquı́ n1 = 10
1
h, que sustituyéndolo en (3.1) da
n
1 X
c̄ = c(xk )h.
10
k=1

Cuando n tiende a ser muy grande, matemáticamente decimos que n tiende a infinito, la suma
Xn Z 10
c(xk )h se parece mucho a c(x)dx. Por tanto,
k=1 0

Z 10
1
c̄ = c(x)dx,
10 0

es decir, la integral de c(x) en el intervalo [0, 10] dividida por la longitud de este intervalo. A
esto se le llama valor medio de c.
La concentración media entre a y b es
Z b
1
c̄ = c(x)dx.
b−a a
Ejercicio 3.14. La temperatura de una cámara varı́a en un periodo de 24 horas de la siguiente
forma:
π
T (t) = 68 + sen( t)
12
para 0 ≤ t ≤ 24.

1. Dibujar la temperatura T en función del tiempo.

2. Calcular la temperatura media.

3.5. INTEGRACIÓN NUMÉRICA 53

3.5. Integración numérica

Hay integrales que son imposibles de calcular de forma exacta, como
Z 2
2
e−x dx
1

2
porque no se puede obtener de forma explı́cita una primitiva de e−x . Otras veces, no se
tiene una expresión de la función que se quiere integrar sino sque ólo se conocen valores de la
función en ciertos puntos.
En estas situaciones son necesarios métodos numéricos que proporcionen una aproximación
de la integral.
La idea que subyace en el método que explicaremos a continuación consiste en aproximar
el integrando f (x) por una función más sencilla, haciendo interpolación, de manera que sólo
sea necesario conocer los valores de f en determinados puntos. Además, la nueva función
(interpoladora) se integrará de una manera muy simple porque será un polinomio, y en nuestro
caso, un polinomio de grado 1. Por consiguiente, en este apartado deduciremos una fórmula
Z b
que nos da de manera aproximada el valor de f (x)dx.
a
En todo lo que sigue supondremos que el intervalo [a, b] se divide en n partes iguales, de modo
que la longitud de cada subintervalo es h = b−a n , y que f es una función continua en [a, b] de
la que conocemos sus valores en los puntos x0 , x1 , . . . , xn , que se han obtenido de dividir el
intervalo [a, b] en n partes, es decir, x0 = a, x1 = x0 + h, x2 = x1 + h,...,xn = b. Y conocemos
f (x0 ), . . . , f (xn ).
En cada subintervalo [xi , xi+1 ] vamos a aproximar f (x) por el polinomio de interpolación de
grado menor o igual que 1 en [xi , xi+1 ], es decir,

f (xi+1 ) − f (xi )
pi (x) = f (xi ) + (x − xi ).
h
Z xi+1 Z xi+1
Entonces, f (x)dx se aproxima por pi (x)dx.
xi xi
Z xi+1 Z xi+1
f (xi+1 ) − f (xi ) f (xi+1 ) + f (xi )
f (x)dx ∼ pi (x)dx = f (xi )h + h= h.
xi xi 2 2

Ahora expresamos la integral en [a, b] de f (x) como suma de integrales en los subintervalos
[xi , xi+1 ] (por la propiedad que ya vimos de las integrales definidas) y sustituimos cada una
de estas integrales por su aproximación:
Z b X Z xi+1
n−1
f (x)dx = f (x)dx ∼
a i=0 xi

n−1
X f (xi+1 ) + f (xi )
∼ h=
2
i=0
54 TEMA 3. LA INTEGRAL. INTEGRACIÓN NUMÉRICA.

h
= [f (a) + 2f (x1 ) + · · · + 2f (xn−1 ) + f (b)].
2
Es decir, h/2 por la suma de f en los dos extremos a y b y la suma del doble de f en los
puntos intermedios x1 , · · · , xn−1 . A esta fórmula se la conoce como fórmula de los trapecios
Z b
porque, si f fuese positiva, f (x)dx representarı́a el área limitada por f entre a y b, y la
a
fórmula de los trapecios no es más que la suma de las áreas de todos los trapecios que se
forman uniendo por rectas los puntos (xi , f (xi )), como muestra la figura.

El error cometido al aproximar la integral por la fórmula de los trapecios, denotada por Tn ,
viene dado por la estimación siguiente
¯Z b ¯
¯ ¯ (b − a)3 b−a 2
¯ f (x)dx − T ¯ ≤ máx |f 00
(x)| = máx |f 00 (x)| h .
¯ n¯
x∈[a,b] 12n 2 x∈[a,b] 12
a

La fórmula es exacta para polinomios de primer grado.

Con el mismo argumento de la interpolación, se puede mejorar la fórmula de integración
usando polinomios de interpolación de grado dos en lugar de grado uno. Se tiene ası́ la fórmula
de Simpson para 3 puntos
Z b
b−a h
f (x)dx ∼ [f (a) + 4f (x1 ) + f (b)] = [f (a) + 4f (x1 ) + f (b)],
a 6 3

si llamamos h = b−a2 , y la fórmula de Simpson generalizada para n puntos (n debe ser par)
Z b
h
f (x)dx ∼ [f (a) + 4(f (x1 ) + f (x3 ) + · · · + f (xn−1 )) + 2(f (x2 ) + · · · + f (xn−2 )) + f (b)]
a 3
El error cometido por la fórmula generalizada de Simpson, denotada por Sn , es ahora del
orden de h4 ¯Z b ¯
¯ ¯ 5
¯ f (x)dx − S ¯ ≤ máx |f IV ) (x)| (b − a)
¯ n ¯ x∈[a,b] 2880( n )4
a 4
y la fórmula es exacta hasta polinomios de grado tres.
Tema 4

Programación lineal

Mientras que para funciones reales de variable real la derivación ha permitido resolver el
problema de optimalidad en su conjunto, en este tema, la programación lineal resuelve prob-
lemas de optimización en varias variables para funciones objetivos de un tipo muy particular:
funciones lineales.
Existen multitud de aplicaciones relativas a la programación lineal, y métodos de resolu-
ción mucho más complejos del único que aquı́ describimos, que será el método geométrico.
Ilustraremos con ejemplos el tipo de marco que se puede recoger y tratar a través de este
método.

4.1. Introducción / motivación

-La optimización en problemas reales depende en general de varias variables
-Las técnicas de diferenciabilidad siguen siendo válidas (con una extensión adecuada a varias
variables)
-La tarea se simplifica si la expresión a optimizar (en adelante función objetivo) usa sólo
combinaciones lineales
f (x1 , . . . , xn ) = a1 x1 + . . . + an xn ,
donde los coeficientes ai ∈ R son conocidos.

Definición 4.1. Los problemas de óptimos para expresiones lineales donde las re-
stricciones son desigualdades dadas a partir de más expresiones lineales (inecuaciones)
conforman la PROGRAMACIÓN LINEAL.
Ejemplo 4.2. Un ejemplo de tal tipo de problemas es el siguiente:

Maximizar la función P (x, y) = 300x + 240y

sujeta a las siguientes restricciones:
x≥0
y≥0
200x + 140y ≤ 78000

55
56 TEMA 4. PROGRAMACIÓN LINEAL

100x + 1601y ≤ 48000

Observación 4.3. Nota histórica: el suministro a Berlı́n durante el bloqueo de la guerra frı́a
(1948-49) se planificó usando programación lineal.

4.2. Aplicaciones básicas

-Problema de la dieta: determinar cantidades a mezclar de diferentes alimentos para recibir
la alimentación necesaria a un coste mı́nimo

En una granja se da una dieta “para engordar” con una composición mı́nima de 15
unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se encuentran
dos clases de compuestos: el tipo X con una composición de una unidad de A y cinco de B, y
el tipo Y, con una composición de cinco unidades de A y una de B. El precio del tipo X es de
10 euros y el del tipo Y es de 30 euros. Se pregunta: ¿Qué cantidades se han de comprar de
cada tipo para cubrir las necesidades con un coste mı́nimo?

El planteamiento matemático es: Hallar x (latas del tipo X) e y (latas del tipo Y) que
resuelven el problema
mı́n(10x + 30y)
D
siendo  
 ¯ x ≥ 0, y ≥ 0, 
¯
D = (x, y) ∈ R2 ¯ x + 5y ≥ 15, .
 
5x + y ≥ 15

-Problema del transporte: organizar reparto de mercancı́as con coste mı́nimo de tiempo,
dinero o riesgo

Para atender el suministro diario de gas a tres ciudades C1 , C2 y C3 una empresa tiene
destinadas dos fábricas F1 y F2 que producen 20 y 30 m3 respectivamente. Las necesidades de
las tres ciudades son: 20, 18 y 12 m3 respectivamente. Si los costes de transporte por tonelada
de las industrias a las ciudades son, en cientos de euros, los indicados en la tabla adjunta,
planificar el reparto óptimo para que dicho coste sea mı́nimo.

F1 4 3 1
F2 2 2 1
C1 C2 C3
-Problema de la ruta más corta (o del viajante): ordenar etapas de un viaje con el propósito
de minimizar el recorrido
4.3. RESOLUCIÓN POR EL MÉTODO GEOMÉTRICO 57

-Otras variantes: maximizar (el siguiente ejemplo está en la hoja de problemas)

En una confiterı́a se dispone de 24 kg. de polvorones y 15 kg. de mantecados que se en-

vasan en dos tipos de cajas de la siguiente forma: Caja 1: 200 g. de polvorones y 100 g. de
mantecados. Precio: 2,5 euros. Caja 2: 200 g. de polvorones y 300 g. de mantecados. Precio:
4 euros.
¿Cuántas cajas de cada tipo se tendrán que preparar y vender para obtener el máximo de
ingresos?

4.3. Resolución por el método geométrico

-Resolver problemas prácticos de programación lineal con dos variables independientes

[-Para más variables, se puede usar el Método del Simplex. Esto no se verá en este curso.]

Usaremos el método geométrico, que implica dominar los conceptos de función objetivo,
restricciones, región factible, rectas de nivel ası́ como la resolución de sistemas de
ecuaciones e inecuaciones lineales.

4.3.1. Análisis previo: Regiones factibles

En los ejercicios de programación lineal existe un “dominio” (análogo al de las funciones

reales de variable real) de puntos donde tiene sentido plantear/resolver el problema.
Inecuaciones lineales con dos incógnitas son expresiones de la forma Ax + By < C (o bien
≤, >, ≥). Los puntos que satisfacen la inecuación forman un semiplano de R2 .
La región factible estará determinada por un sistema de inecuaciones lineales. Ge-
ométricamente esto es la intersección de los semiplanos que generan las soluciones de
cada una de las inecuaciones por separado.
En lo que sigue manejaremos las desigualdades ≤ y ≥, por lo que la región será cerrada,
y cuando los haya, hablaremos de máximo y mı́nimo (si la región no es cerrada, en principio
sólo habları́amos de supremo e ı́nfimo).
Por ejemplo, consideramos:

D = {(x, y) ∈ R2 | 0 ≤ x, 0 ≤ y, 3x + y ≤ 4, 2x + 3y ≤ 6}.

Representamos primero las rectas y = 4 − 3x e y = 2 − 32 x.

58 TEMA 4. PROGRAMACIÓN LINEAL

4.5

3.5

2.5

1.5

0.5

0
0 0.5 1 1.5 2 2.5 3 3.5 4

Ahora marcamos la intersección de los semiplanos (región coloreada) que verifican todas las
desigualdades que definen D.

4.5

3.5

2.5

1.5

0.5

0
0 0.5 1 1.5 2 2.5 3 3.5 4

Ahora consideramos la función objetivo, que debemos maximizar o minimizar dentro de

la región factible. En estos problemas será otra combinación lineal de las variables x e y :
c1 x + c2 y, pongamos por ejemplo x + y.
Las funciones
c1 x + c2 y = constante

son rectas, y todas son paralelas entre si cuando la constante cambia (dicha constante es el
valor de la función objetivo a lo largo de todos los puntos (x, y) de esa recta),
Dicha función, “trasladada paralelamente” sobre la región genera los valores posibles de la
constante. Ası́, los valores mayores y menores se obtienen en los extremos, por ejemplo, el
máximo saldrı́a de...

(Programación lineal: Método geométrico)

4.3. RESOLUCIÓN POR EL MÉTODO GEOMÉTRICO 59

4.5

3.5

2.5

1.5

0.5

0
0 0.5 1 1.5 2 2.5 3 3.5 4

4.3.2. Método geométrico en regiones factibles acotadas

Aunque no se haya sido muy preciso con la representación gráfica –no obstante se necesita
hacer para confirmar que la región es acotada– se pueden sacar estas conclusiones:
el mayor y menor valor de la función objetivo se alcanzan en algunos de los
puntos “lı́mites” (llamados vértices) de la región factible.
Ası́, los candidatos a extremos absolutos de la función objetivo son los vértices de ésta.

Paso 1: calculamos los vértices Esto es, los puntos de la intersección dos a dos de las
“ecuaciones asociadas” d1 x + d2 y = d3 a las inecuaciones d1 x + d2 y < (>, ≤, ≥) d3 que definen
el dominio (ojo: asegurarse que están en la región factible).
En el caso de la región D del dibujo anterior se trata de los puntos (0, 0), (0, 2), (4/3, 0),
(6/7, 10/7).

Paso 2: evaluar la función objetivo en dichos candidatos para obtener el máximo y

mı́nimo (o supremo e ı́nfimo si es sobre puntos no incluidos en el dominio). La función
f : D ⊂ R2 → R : (x, y) 7→ f (x, y) = x + y evaluada en los puntos anteriores es 0, 2, 4/3 y
16/7.
Máximo de f : 16/7, se alcanza en (6/7, 10/7). Mı́nimo de f : 0, alcanzado en (0, 0) (ojo:
no tiene porqué alcanzarse en un único punto: si se alcanza en dos vértices, por convexidad,
se alcanza en toda una arista del polı́gono que delimita la región).

4.3.3. Sobre la existencia de solución y regiones factibles no acotadas

Igual que ocurrı́a con funciones continuas de una variable, las funciones objetivo tratadas
en este tema tienen máximo y mı́nimo si la región factible es cerrada y acotada.
60 TEMA 4. PROGRAMACIÓN LINEAL

O al menos tienen supremo e ı́nfimo si la región es acotada aunque no cerrada.

Pero puede ocurrir que la región factible sea no acotada, en cuyo caso puede que el prob-
lema no tenga o bien máximo o bien mı́nimo (o supremo o ı́nfimo, como ya dijimos, si
la región no es cerrada).
Ilustramos con un ejemplo las posibilidades: sea como antes la función f (x, y) = x + y,
pero ahora considerada sobre la región factible:

E = {(x, y) ∈ R2 | 0 ≤ x, 0 ≤ y, 3x + y ≥ 4, 2x + 3y ≥ 6}.

Entonces, dados los problemas

mı́n f (x, y), máx f (x, y),

(x,y)∈E (x,y)∈E

el primero tiene solución mientras que el segundo no posee solución: f tiene mı́nimo sobre E
pero no máximo, de hecho veremos que sup f (x, y) = +∞.
E

Razónese la respuesta en ambos casos trazando rectas paralelas a x + y = 0.

Ahora se puede comprobar que, si bien lı́neas que minimizan el valor constante= x + y
tienen un “tope” pues van descendiendo y el último punto factible es el (6/7, 10/7), en sentido
ascendente (generando valores cada vez mayores constante= x + y) no tiene máximo finito:
5

4.5

3.5

2.5

1.5

0.5

0
0 0.5 1 1.5 2 2.5 3 3.5 4

Existen puntos (x, y) ∈ E tan grandes como queramos, haciendo, como anunciamos, que
sup f (x, y) = +∞.
E