Libro de Calculo

1
Límites y continuidad
1
|2| CAPÍTULO 1. LÍMITES Y CONTINUIDAD
S ESIÓN 1
1. Teoría de conjuntos
(1) Notación
(2) Definición de un conjunto (extensión/comprensión). Conjunto vacío!
(3) Operaciones con conjunto (inclusión, unión, intersección y complementario!
(4) Partición de un conjunto
(5) Partes de un conjunto
(6) Producto cartesiano!
2. Conjuntos numéricos
(1) Naturales, enteros, racionales, irracionales y reales!
(2) Intervalos
(3) Valor absoluto
1.1. Una nota sobre teoría de conjuntos

La teoría de conjuntos permite la formalización de las matemáticas. Esta
teoría consta de conceptos y símbolos que permiten escribir de forma precisa
y concisa las ideas matemáticas. La tabla 1.1 muestra algunos símbolos
básicos:
Los conjuntos se denotan mediante letras mayúsculas como A, B, · · · y se
pueden definir por extensión, esto es, enumerando todos sus elementos o por
comprensión, indicando la propiedad que define la pertenencia al conjunto.
La definición por comprensión presenta la siguiente estructura:
A := {x ∈ E : p(x)} (1.1)
donde A es el nombre del conjunto, x ∈ E indica que son todos los elementos
pertenecientes al conjunto E, verificando (:) la propiedad p(x). Por ejemplo,
si quisieramos definir las vocales del castellano tendríamos la posibilidad de
escribir:
A := {a, e, i, o, u}
A := {x ∈ E : x es vocal }
donde E := {conjunto de letras del abecedario}.

El conjunto que no tiene elementos se denomina conjunto vacío y se
denota por {∅}
1.1. Una nota sobre teoría de conjuntos |3|
Cuadro 1.1: Símbolos matemáticos elementales
∈: Un elemento pertenece a un conjunto

/ Un elemento no pertenece a un conjunto
∈:
∀: Para todo elemento de un conjunto
∃: Existe al menos un elemento
@: No existe ningún elemento

: Verificando
∩: Intersección de conjuntos
∪: Unión de conjuntos
⊆: Subconjunto
⇒: Implica, entonces
⇐⇒: Si y sólo si (doble implicación)
∨: ’o’ lógico
∧: ’y’ lógico
Sean A := {x ∈ E : p(x)} y B = {x ∈ E : q(x)} dos conjuntos. La propiedad

de pertencia a A es p(x) y la de B es q(x). Las operaciones básicas con los
conjuntos son:
Inclusión. A ⊂ B ⇐⇒ Si se cumple la propiedad p(x) =⇒ q(x)

Unión. A ∪ B := {x ∈ E : p(x) ∨ q(x)}
Intersección. A ∩ B := {x ∈ E : p(x) ∧ q(x)}
Complementario.
Ā := {x ∈ E : x ∈
/ A}
Diferencia de conjuntos.
A − B := {x ∈ E : x ∈ A ∧ x ∈
/ B}
Definición 1.1.1 (Partición de un conjunto) Sea A un conjunto no vacío.

Sea {Ai }i∈I una familia de subconjuntos de A. Diremos que {Ai }i∈I es una
partición de A cuando cumple las siguientes propiedades:
i) Ai 6= {∅}, ∀i ∈ I (ningún subconjunto es vacío).
ii) ∪i∈I Ai = A (la unión cubre al conjunto original).
A1 A2
A4 A3
Figura 1.1: Ejemplo de partición
iii) Ai ∩ Aj = {∅}, ∀i 6= j (son disjuntos dos a dos).
Por ejemplo si consideramos A = {1, 2, 3, 4, 5, 6} una partición de este

conjunto es:
A1 = {1, 3, 5}
A2 = {2, 4}
A3 = {6}
Definición 1.1.2 (Partes de un conjunto) Sea E un conjunto no vacío. Se

llama conjunto de partes de E y se denota por ℘(E) al conjunto formado por
todos sus subconjunto incluidos el propio E y el conjunto {∅}.
℘(E) = {A : A ⊂ E}
Definición 1.1.3 (Conjunto producto cartesiano) Dados los conjuntos no

vacíos A y B, el conjunto producto cartesiano A × B es el conjunto formado por
todos los pares ordenados (a, b) donde la primera componente es un elemento
de A y la segunda es un elemento de B.
A × B = {(a, b) : a ∈ A, b ∈ B}
Por ejemplo si A = {a, b, c} y B = {0, 1} el conjunto
A × B = {(a, 0), (b, 0), (c, 0), (a, 1), (b, 1), (c, 1)} (1.2)
1.2. Conjuntos numéricos

El conjunto más básico de números es el conjunto de los números naturales
definido por
N := {1, 2, 3, · · · }. (1.3)
1.2. Conjuntos numéricos |5|
El conjunto de los números enteros se define por
Z := {0, ±1, ±2, ±3, · · · }. (1.4)
Además de los números enteros están los números racionales que son las
fracciones definidas por
nm o
Q := : m, n ∈ Z n 6= 0 . (1.5)
n
Las números racionales son aquellos que tienen un número finito de cifras
decimales como 1/2 = 0, 5 o si poseen infinitas cifras éstas forman período,
como por ejemplo 1/3 = 0, 33333 · · · . Existe números
√ que tienen infinitas
cifras decimales pero no forma periodo como 2, π, e, · · · Estos números se
denominan irracionales y el conjunto formado por estos números se denota
por I. La unión de los números racionales e irracionales constituye los
números reales
R := Q ∪ I. (1.6)
Un tipo importante de subconjunto de la recta real R son los llamados

intervalos. Estos conjuntos se clasifican en acotados
[a, b] := {x ∈ R : a ≤ x ≤ b}
(a, b) := {x ∈ R : a < x < b}
[a, b) := {x ∈ R : a ≤ x < b}
(a, b] := {x ∈ R : a < x ≤ b}
y en no acotados.
(−∞, b] := {x ∈ R : x ≤ b}
(−∞, b) := {x ∈ R : x < b}
[a, +∞) := {x ∈ R : a ≤ x}
(a, +∞) := {x ∈ R : a < x}
(−∞, ∞) := R
Un modelo para los números reales es una recta en la que cada punto
se asocia con un número real. En este modelo se puede representar los
conjuntos numéricos por ejemplo los intervalos como muestra la figura 1.2
Definición 1.2.1 (Valor abosulto) Dado un número real a ∈ R definimos

valor absoluto de a como

a si a ≥ 0
|a| :=
−a si a < 0
El valor absoluto nos permite medir distancia entre dos números reales
mediante la expresión
d(a, b) = |a − b|. (1.7)

Un tipo importante deUn tipo importante
subconjunto de la de subconjunto
recta real R sondeloslallamados
recta real R son los llamados
intervalos.
intervalos. Estos conjuntos Estos conjuntos
se clasifican se clasifican en acotados
en acotados
b}b] := {x 2 R : a  x  b}
[a, b] := {x 2 R : a  x [a,
b}b) := {x 2 R : a < x < b}
(a, b) := {x 2 R : a < x <(a,
[a,[a,b] b}b)[a,b)
b) := {x 2 R : a  x <[a, := {x 2 R : a  x < b}
b}b] := {x 2 R : a < x  b}
(a, b] := {x 2 R : a < x (a,
y en no acotados.
a b
y en no acotados. a b
(b}1,) b] := {x 2 R : x  b}
( 1,) b] := {x 2 R : x (a,+
[a,+
( 1, b) := {x 2 R : x <( b}1, b) := {x 2 R : x < b}
a [a, +1) := {x 2 R : a [a, x}+1) := {x 2 R : a  x}
(a, +1) := {x 2 R : a <(a, x}+1) := {x 2 R : a < x}
Figura 1.2: Representación de 1)
( 1, algunos
:= R tipos de ( 1,intervalos
1) := R en la recta real R
Un modelo
Un modelo para los números paraes
reales losuna
números reales
recta en es una
la que cadarecta
puntoen la que cada punto
se asocia
se asocia con un número real. con
En un
estenúmero
modelo real. En este
se puede modelo se
representar lospuede representar los
conjuntos numéricos conjuntos
por ejemplo numéricos
los por ejemplo
intervalos como los intervalos
muestra la como
figura ?? muestra la figura ??
Por tanto, si nos planteamos resolver la inecuación |x − a| < ε, por la
interpretación geométrica anterior, consiste en encontrar los números reales
x que distanFigura
menos deRepresentación
1.2: ε unidades del
Figura número
de1.2: real
intervalos lo de
que
a,recta
Representación
en la conduce
intervalos
real R enala recta real R
|x − a| < ε ⇐⇒ x ∈ (a − ε, a + ε) (1.8)
Definición
Definición 1.2.1 (Valor abosulto)1.2.1
Dado(Valor realDado
abosulto)
un número a 2 un número real a 2 R definimos
R definimos
⇢ ⇢
si a 0 si a 0
Ejercicios de la sesión 1
|a| :=
a
a si a < 0
|a| :=
a
a si a < 0
El valor absoluto nos El valor absoluto
permite nos permite
medir distancia entre medir distancia
dos números entre dos números reales
reales
mediante la expresiónmediante la expresión
1. Demostrar las siguientes identidades:
d(a, b) = |a b| d(a, b) = |a b| (1.7) (1.7)
por tanto si nos planteamos si nos(A
por tantoresolver ∪inecuación
B) ∩ A =resolver
planteamos
la A|x a| la< inecuación
", por la |x a| < ", por la
interpretación
interpretación geométrica geométrica
(A ∩ B) ∪ A = A consiste
anterior, consiste en anterior,
encontrar en encontrar
los números reales los números reales
x que distan menos dex"que distan del
unidades menos de " real
número unidades del conduce
a, lo que número real
a a, lo que conduce a
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
|x a| < " () x 2 (a |x < " () x 2 (a
a|")
", a + (1.8)
", a + ") (1.8)
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
Ejercicios de laEjercicios
sección 1de la sección 1
2. Comprobar que
1. Demostrar 1. Demostrar
las siguientes las siguientes identidades:
identidades:
A × (B − C) = (A × B) − (A × C)
(A [ B) \ A = A (A [ B) \ A = A
3. Sea Aα = {x ∈ R : x ≤ α} para α ∈(A R \calcular
B) [ A = A (A \ B) [ A = A
\\
A \ (B [ C) = (A \ B) [A(A [ C) = (A \ B) [ (A \ C)
(BC)
A [ (B \ C) ∪
=α∈R AB)
(A [ α \A(A
[[ \ C) = (A [ B) \ (A [ C)
(BC)
∩α∈R Aα
Solución: ∪α∈R Aα = R y ∩α∈R Aα = {∅}.

4. Resolver las siguientes desigualdades:
a) |x| < 1; b) |x2 − 1| < 1; c) |x + 2| > 3
d) 0 < |x + 1| < 2; e) x|x + 2| < −1; f) |x + 2| < |x + 3|
√ √
Solución: a) (−1, 1),√b) (− 2, 2) − {0}, c) (−∞, −5) ∪ (1, +∞), d) (−3, 1) −
{−1}, e) (−∞, −1 − 2) y f) (− 52 , ∞).
1.2. Conjuntos numéricos |7|
5. Sean a y b dos números positivos, entonces

√ a+b
ab ≤
2
6. Sea a, b, c, d números positivos tales que a/b < c/d. Probar que
a a+c c
< <
b b+d d
S ESIÓN 2
1. Definición de sucesión de números reales

(1) A través de una aplicación. Términos de una sucesión. Término n-ésimo
(2) Definición recursiva!
(3) Ejemplos: i) (1/n) ii) x_n+1=1/2(x_n+1); x_1=2!
2. Límite de una sucesión
(1) Idea intuitiva. Análisis de los ejemplos.
(2) Definición formal.
(3) Sucesiones divergentes
1.3. Sucesiones de números reales

Una sucesión de números reales es un conjunto ordenado de infinitos
números. Podemos definirla indicando el número real que ocupa la posición
n o recursivamente dado el valor de la posición n-ésima en función de los
valores anteriores.
Definición 1.3.1 (Sucesión de números reales) Una sucesión de números

reales es una aplicación del conjunto de los números naturales en los reales:
x:N→R
n → x(n)
Observación 1.3.2
- Una sucesión asigna a cada número natural un número real determinado de
manera única.
- A los elementos de la sucesión x1 , x2 , x3 , · · · lo llamaremos términos de la
sucesión.
- La sucesión se denota por (xn )n∈N ó simplemente (xn )
- Al elemento xn se le llama término n-ésimo de la sucesión.
1.3. Sucesiones de números reales |9|
Cuadro 1.2: Términos de la sucesiones yn = n1 , xn+1 = 12 (xn + 1) con x1 = 2

n yn xn
1 1.0000 2.0000
2 0.5000 1.5000
3 0.3333 1.2500
4 0.2500 1.1250
5 0.2000 1.0625
6 0.1667 1.0312
7 0.1429 1.0156
8 0.1250 1.0078
9 0.1111 1.0039
10 0.1000 1.0020
Definición 1.3.3 ( Sucesiones recursivas.) Una sucesión vendrá definida

en forma recursiva o inductiva si existe una fórmula que permite calcular el
término (n + 1)−ésimo a partir de los términos anteriores xn , · · · , xn−k y el valor
de los términos x1 , · · · , xk+1 es conocido.
Ejemplo 1.3.4 1. Sea la sucesión
x:N→R
1
n → x(n) =
n

1
Esta sucesión se puede denotar abreviadamente por (xn ) = y
n
su
término n−ésimo es xn := 1/n y los términos de la sucesión son
1 1
1, , , · · ·
2 3
2. Podemos considerar la siguiente sucesión recursiva:

x1 = 2
xn+1 = 21 (xn + 1) n ≥ 2
Esta expresión nos permite calcular x2 = 21 (2 + 1) = 3/2, x3 = 21 (3/2 + 1) =

5/4, · · ·
1.3.1. Límite de una sucesión

Ciertas sucesiones tienen la regularidad de que todos sus términos a
partir de un cierto valor de n se parecen entre sí y este valor (al que se
parecen) es el llamado límite l. Continuemos con el ejemplo de sucesión
xn+1 = 12 (xn + 1). Los 10 primeros términos de la sucesión se muestran en
la tabla 1.2. Se observa que todos los términos se van pareciendo a 1 y éste
valor l = 1 sería el límite de la sucesión.
Definición 1.3.5 (Límite de una sucesión.) Diremos que el número real l es

el límite de la sucesión (xn ) y escribimos como lı́m xn = l, si para todo > 0,
n→∞
existe un n0 ∈ N tal que:
Si n > n0 ⇒ |xn − l| <

En dicho caso se dice que la sucesión (xn ) es convergente y el número l ∈ R
se denomina límite de la sucesión.
Definición 1.3.6 (Sucesiones divergentes) Diremos que la sucesión (xn )
tiene límite +∞ y escribimos como lı́m xn = +∞, si para todo M ∈ R, existe
n→∞
un n0 ∈ N tal que:
Si n > n0 ⇒ xn > M.
Diremos que la sucesión (xn ) tiene límite -∞ y escribimos como lı́m xn = −∞,
n→∞
si para todo M ∈ R, existe un n0 ∈ N tal que:
Si n > n0 ⇒ xn < M.
Las sucesiones que tienden a ± ∞, se llaman divergentes.
Teorema 1.3.7 (Unicidad del límite) Una sucesión (xn ) si tiene límite finito
o infinito, este es único, es decir, si lı́m xn = a y lı́m xn = b entonces a = b.
n→∞ n→∞
.
1. Una progresión geométrica de razón r y primer término a > 0 se define

recursivamente por:
x1 = a
xn+1 = rxn
¿Cuanto vale el término n−ésimo? Discutir el valor del límite en función
de r.
Solución: xn = a · rn−1 y el límite

 0 si |r| < 1
lı́m xn := a si r = 1

+∞ si r > 1
2. Aplicando la definición de límite demostrar

n2
a) lı́m1
= 0; b) lı́m = +∞
n→∞ n n→∞ n−1
3. ¿Tiene límite las siguientes sucesiones?

a) an = (−1)n b) bn = 1 + 1
n + (−1)n 1 − 3
n
n
c) cn = (−1)
n ; d) dn = (−1) n
n
Solución: a) No, b) No, c) l = 0 y d) No.

S ESIÓN 3
1. Propiedades de las sucesiones convergentes

(1) Suma, producto y cociente de sucesiones
(2) Ejemplo1 x_n+1=1/2(x_n+1); x_1=2
(3) Ejemplo 2 (n^2-1)/(2n^2+n+1)
(4) Ejemplo 3 (2^(n+1)+3^(n+1))/(3^n+2^n)
2. Sucesiones monótonas y acotadas!
(1) Definición
(2) Teorema de convergencia monótona
(3) Nota: Principio de inducción.!
(4) Ejemplo x_n+1=1/2(x_n+1); x_1=2
1.3.2. Algunas operaciones con límites de sucesiones

Si (xn ) y (yn ) son dos sucesiones de números reales, se define:
i) Suma: (xn ) + (yn ) = (xn + yn )

ii) Producto: (xn ) · (yn ) = (xn · yn )
(xn )
i) Cociente: Si (zn ) es una sucesión con zn 6= 0 ∀n ∈ N, entonces =
(zn )
xn
zn
Teorema 1.3.8 (Propiedades de las sucesiones convergentes) Sean (xn ) y
(yn ) dos sucesiones de números reales que convergen a los números reales x
e y respectivamente y sea λ ∈ R. Entonces:
i) lı́m (xn + yn ) = lı́m xn + lı́m yn = x + y

n→∞ n→∞ n→∞
ii) lı́m xn yn = lı́m xn lı́m yn = xy

n→∞ n→∞ n→∞
iii) lı́m λxn = λ lı́mxn = λx

n→∞ n→∞
xn lı́m xn x
iv) lı́m = n→∞ = si lı́m yn 6= 0.
n→∞ yn lı́m yn y n→∞
n→∞
Ejemplo 1.3.9 1. Considérese la siguiente sucesión recursiva

x1 = 2
(1.9)
xn+1 = 12 (xn + 1) n ≥ 2
Si la anterior sucesión tuviera lı́m xn = x, como (xn ) := (x1 , x2 , x3 , · · · ) y

(xn+1 ) := (x2 , x3 , · · · ) comparten los mismos términos excepto el primero
ambas tienen el mismo límite y por tanto lı́m xn+1 = x. Tomando límites a
ambos lados de (1.9) y aplicando las propiedades del teorema 1.3.8
1 1
x = lı́m xn+1 = lı́m (xn + 1) = lı́m (xn + 1)
n→+∞ n→+∞ 2 2 n→+∞

1 1
= lı́m xn + lı́m 1 = (x + 1)
2 n→+∞ n→+∞ 2
Por tano el valor del límite, en caso de existir, satisfaría la ecuación

x = 12 (x + 1) y por tanto sería x = 1.
2. Calcular el siguiente límite
n2 − 1
lı́m
n→+∞ 2n2 + n + 1
No se trata del cociente de sucesiones convergentes sino de dos

sucesiones divergentes. Para deshacer la indeterminación dividimos el
numerador y el denominador por la potencia de mayor grado n2
n2 1
n2 − n2 1−0 1
lı́m 2n2 n 1
= =
n→+∞
n2 + n2 + n2
2+0+0 2
3. Calcular el siguiente límite
2n+1 + 3n+1
lı́m
n→+∞ 2n + 3n
Dividiendo numerador y denominador por 3n+1 , obtenemos:
2n+1 + 3n+1 (2/3)n+1 + 1

lı́m = lı́m =3
n→+∞ 2n + 3 n n→+∞ (2/3)n (1/3) + 1/3
Observación 1.3.10 Igualmente para sucesiones convergentes se tiene:
i) lı́m( lnxn ) = ln lı́m xn = ln x

n→∞ n→∞
lı́m xn
ii) lı́m axn = a n→∞ = ax con a > 0
n→∞
n→∞
lı́m yn
yn
iii) lı́m (xn ) = lı́m xn = xy
n→∞ n→∞
1.3.3. Sucesiones monótonas y acotadas

Definición 1.3.11 (Sucesión acotada) Una sucesión (xn ) está acotada superiormente
sii existe un M ∈ R tal que
xn ≤ M, ∀n ∈ N.
Diremos que está acotada inferiormente sii existe un m ∈ R tal que
m ≤ xn , ∀n ∈ N.
Diremos que está acotada sii está acotada superior e inferiormente. Por
tanto una sucesión (xn ) está acotada si y sólo si el conjunto {xn : n ∈ N} de
sus términos, está acotado en R.
Teorema 1.3.12 Toda sucesión de números reales convergente, está acotada.
Definición 1.3.13 (Sucesión monótona) Sea (xn ) una sucesión de números

reales. Diremos que (xn ) es monótona creciente si satisface las siguientes
desigualdades:
xn ≤ xn+1 , ∀n ∈ N
Diremos que es monótona decreciente si sastisface las siguientes desigualda-
des:
xn ≥ xn+1 , ∀n ∈ N.
Teorema 1.3.14 (Convergencia monótona) i) Si (xn ) es monótona cre-

ciente y acotada superiormente, entonces es convergente y se cumple
lı́m xn = sup {xn : n ∈ N} ,

n→∞
donde sup es el supremo de un conjunto.
ii) Si (xn ) es decreciente y acotada inferiormente, entonces es convergente y

se cumple
lı́m xn = ı́nf {xn : n ∈ N} ,
n→∞
donde ı́nf es el ínfimo de un conjunto.
Ejemplo 1.3.15 Veamos que la sucesión recursiva del ejemplo (1.3.4) es

convergente. Para ello emplearemos el teorema de convergencia monótona
y aplicaremos una técnica de demostración conocida con el nombre de
principio de inducción. Este método permite demostrar que la propiedad P (n)
dependiente del número natural se cumple para todo n ∈ N.
Esta técnica afirma que si se cumple las dos siguientes propiedades:
H1: P (1) es verdadera
H2: Si P (n) es verdadera (hipótesis de inducción) ⇒ P (n + 1) verdadera.

Veamos que la sucesión (xn ) está acotada superiormente por M = 2. Esto es
xn ≤ 2∀n ∈ N (1.10)
La hipótesis H1 se cumple trivialmente
x1 = 2 ≤ 2.
Para demostrar la hipótesis H2 supongamos que se cumple para n:
xn ≤ 2 (1.11)
ahora vamos a ver que también se cumple para el término n + 1. Sumando a

ambos lados 1, obtenemos:
xn + 1 ≤ 2 + 1 = 3 (1.12)
Multiplicando ambos lados por 1/2, obtenemos:

1 3
(xn + 1) ≤ < 2 (1.13)
2 2
Finalmente el lado de la izquierda, por la definición de la sucesión recursiva,
se trata del término n + 1−ésimo, por tanto obtenemos:
xn+1 < 2 (1.14)
Como se cumple las hipótesis H1 y H2 el principio de inducción asegura que la

propiedad se cumple para todos los números naturales y por tanto la sucesión
(xn ) está acotada superiormente.
Empleemos nuevamente el principio de inducción para demostrar que es
una sucesión monótona decreciente. La hipótesis H1 se cumple trivialmente
3
2 = x1 > x2 = (1.15)
2
Para probar H2 supongamos cierto para n
xn > xn+1 (1.16)
A ambos lados de la relación (1.16) sumamos 1 y multiplicamos por 1/2,

obteniendo:
1 1
(xn + 1) > (xn+1 + 1) (1.17)
2 2
e identificando el término de la izquierda connxn+1 y el término de la derecha
con xn+2 obtenemos
xn+1 > xn+2 (1.18)
por lo tanto la propiedad también se cumple para n + 1. El principio de
inducción garantiza que la sucesión es monótona decreciente. El teorema
de convergencia monótona 1.3.14 garantiza que (xn ) es la sucesión es
convergente.
.
1. Demostrar que la sucesión ( n1 ) es monótona y está acotada.

2. Demostrar que la sucesión
1 1 1 1
xn = + + + ··· +
n n+1 n+2 2n
es convergente.
√
3. Se considera la sucesión recursiva xn+1 = 2 + xn y x1 = 2. Demostrar
que es convergente y calcular su límite. Solución: lı́m xn = 2.
4. Calcular los siguientes límites
√ √ nn−3
2 +1
n+a−√ n+b n2 +n
a) lı́m√
n+c− n+d
con c 6= d ; b) lı́m 2n2 −3n+1 ;
n→∞ n→∞
c) lı́mn
n; d) lı́m nsen(nπ) Solución: a) c−d ,
a−b
b) 0, c) 0 y d) 0.
n→∞ 2 n→∞
S ESIÓN 4
Funciones reales de variable real

1. Funciones reales
(1) Definición,
(2) Dominio dominio, conjunto imagen y grafo
2. Operaciones con funciones!
(1) Operaciones algebraicas
(2) Función compuesta. Ejemplo f(x)= x^2-1 g(x)=1+x si x>=0 y
g(x)= x^3 en otro caso. Calcular (fog)(x)
(3) Función inversa. Ejemplo f(x)=-x^2 si x>=0 y f(x)=x^2 en otro
caso!
3. Propiedades de las funciones
* (1) Funciones pares/impares!
(2) Funciones acotadas!
(3) Funciones periódicas
1.4. Funciones reales de variable real

Definición 1.4.1 (Función real) Una función real de variable real es una
aplicación de un subconjunto A ⊂ R en R.
f : A ⊂ R 7→ R
El dominio de una función es el conjunto de números reales donde está
definida la función.
Dom f = {x ∈ R / f (x) ∈ R}
La imagen de una función es el conjunto de números reales que se obtiene al
aplicar f a su dominio.
Im f = {y ∈ R / ∃x ∈ R con f (x) = y}
La figura 1.3 muestra un ejemplo del dominio y la imagen de una función.

En este caso el dominio está formado por la unión de dos intervalos, por
[x1 , x2 ] ∪ [x3 , x4 ] y la imagen por la unión de los intervalos [y1 , y2 ] ∪ [y3 , y4 ].
1.4. Funciones reales de variable real |17|
y4
y3
I mf
y
y2
y1
Domf
x1 x2 x3 x4
x
Figura 1.3: Dominio e imagen de una función y = f (x)
1.4.1. Operaciones con funciones

Definición 1.4.2 (Operaciones con funciones) Sean f : A ⊂ R 7→ R y g : B ⊂
R 7→ R con A = Dom f y B = Dom g.
Definimos:
i) (f + g)(x) = f (x) + g(x), ∀x ∈ A ∩ B

ii) (f.g)(x) = f (x).g(x), ∀x ∈ A ∩ B
iii) (λf )(x) = λf (x)∀x ∈ A

f f (x)
iv) (x) = ∀x ∈ A ∩ B − {x /g(x) = 0}
g g(x)
Definición 1.4.3 (Función compuesta) Dadas dos funciones f : A ⊂ R 7→ R

y g : B ⊂ R 7→ R con f (A) ⊂ B, se define la función compuesta g ◦ f : A ⊂ R 7→ R
como
(g ◦ f )(x) = g(f (x)), ∀x ∈ A (1.19)
Ejemplo 1.4.4 Calcular las funciones (f ◦ g)(x) y (g ◦ f )(x) donde f (x) = x2 − 1

y
1 + x si x ≥ 0
g(x) =
x3 si x < 0
Las funciones establecen una relación entre dos variables x e y mediante

la expresión y = f (x). Dado el valor de la variable x, el valor de la variable y
queda univocamente determinado por la función.
En ciertos problemas nos interesa la relación inversa entre las variables,
esto es, dado el valor de la variable y queremos conocer el valor de x que
cumple que f (x) = y (su antiimagen). Para ilustrar este concepto considerese
la gráfica de y = x3 dada en la figura 1.4. En esta función para el valor
x = 2 → y = 8. La relación inversa cambiará el sentido de las flechas para el
valor y = 8 → x = 2.
Si quisiéramos conocer la la relación entre las variables x e y despejaría-
√
mos x de y = x3 , obteniendo: x = 3 y. La figura 1.4 ilustra el problema de
que no todas las funciones poseen inversa. Si repetimos el mismo proceso
con la función y = |x|3 , tendríamos dos posibles antiimagenes de y = 8, los
valores x = ±2 y no le podríamos asignar un único valor. Esta función no
posee inversa.
Para que exista inversa la función tiene que ser biyectiva entre el Domf
y el conjunto Imf , esto es, que exista una relación biunívoca entre cada
número del dominio con cada imagen.
8
8
y
2 2 2
y = x3 y = |x| 3
x x
Figura 1.4: Ilustración de la función inversa y = f (x)
Definición 1.4.5 (Funciones inversa) Sea f : A → B una función biyectiva,

entonces existe una única función que llamaremos función inversa de f , f −1 :
B → A que verifica:

f −1 ◦ f (x) = f −1 (f (x)) = x, ∀x ∈ A (1.20)

f ◦ f −1 (y) = f (f −1 (y)) = y, ∀y ∈ B (1.21)
Se tiene la siguiente relación:
Dom(f ) = Im(f −1 ) Dom(f −1 ) = Im(f ). (1.22)
Ejemplo 1.4.6 Calcular la función inversa de

−x2 si x ≥ 0
f (x) =
x2 si x < 0
1.4. Funciones reales de variable real |19|
1.4.2. Propiedades de las funciones

Definición 1.4.7 ( Funciones pares/impares) Sea f : A ⊂ R 7→ R una
función real de varible real, diremos que:
i) f es par en A si y solo si f (x) = f (−x), ∀x ∈ A.

ii) f es impar en A si y solo si f (x) = −f (−x), ∀x ∈ A.
Observación 1.4.8 La gráfica de una función impar es simétrica respecto al

origen de coordenadas, la gráfica de una funión par es simétrica respecto al
eje OY.
Definición 1.4.9 (Funciones acotadas) Una función real de variable real

f : A ⊂ R 7→ R está acotada superiormente en A si y sólo si existe un K1 ∈ R
tal que
f (x) ≤ K1 ∀x ∈ A.
Está acotada inferiormente en A si y sólo si existe un K2 ∈ R tal que
f (x) ≥ K2 ∀x ∈ A.
Una función está acotada si lo está superior e inferiormente.
Definición 1.4.10 (Funciones periódicas) Una función es periódica si existe

un h ∈ R , h > 0, tal que
f (x + h) = f (x) ∀x ∈ A.
1. Encontrar el dominio de definición de las siguientes funciones:

√ √
√ x x+1
a) f (x) = x − 25 ; b) g(x) = 2
2 ; c) h(x) = ;
x − 5x + 6 ln(2 − x)
r
x−3 √
d) i(x) = ; e) j(x) = −x + 1
x+3
Solución: a) (−∞, −5) ∪ (5, +∞), b) [0, +∞) − {2, 3}, c) [−1, 1) ∪ (1, 2), d)
(−∞, −3) ∪ [3, +∞) y e) (−∞, 0]
2. Sea una función f (x) cumpliendo que Domf = [a, b] ¿Se cumple Imf =
[f (a), f (b)]? Si f (x) fuera monótona creciente, ¿Se cumple entonces la
anterior igualdad?
3. Demuestra que si f (x) es estrictamente creciente entonces su función
inversa f −1 (x) también lo es.
√
4. Sea f (x) = 1 + −x. ¿Tiene función inversa? En caso afirmativo
calcularla. ¿Existe (f ◦ f )(x)? En caso afirmativo calcularla.
5. Estudiar la paridad de las siguientes funciones:

1−x
a) f (x) = x − |x|; b) g(x) = ln
2
;
1+x
ax − a−x
c) h(x) = , con a > 1 ; d) k(x) = x − [x] donde [·] es la parte
2
entera de un número.
1.5. Funciones elementales |21|
S ESIÓN 5
Funciones elementales
1. Funciones logarítmicas y exponenciales
(1) Definición,
(2) Propiedades
2. Funciones trigonométricas!
(1) Definición de las funciones seno, coseno y tangente
(2) Definición de sus funciones inversas arcoseno, arcoseno y
arcotangente!
3. Funciones hiperbólicas !
1. Definición de seno hiperbólico, coseno hiperbólico y tangente
hipebólica!
(2) Funciones hiperbólicas inversas: argumento seno hiperbólico,
argumento coseno hiperbólico y argumento tangente
hiperbólica
1.5. Funciones elementales

1.5.1. Funciones logarítmicas y exponenciales
Las funciones exponenciales se definen por y = ax con a > 0. Estas
funciones están definidas
ax : R 7→ (0, +∞)
La figura 1.5 muestran algunos ejemplos para diferentes valores del
parámetro a. Estas funciones son decrecientes para el valor de 0 < a < 1
y creciente para a > 0.
Las funciones exponenciales son estrictamente monótonas en su dominio
por lo que poseen función inversa en éste. Esta función se denomina función
logarítmica. Aplicando la relación (1.22) entre el dominio y conjunto imagen
de una función f y su inversa f −1 , se tiene:
loga (x) : (0, +∞) 7→ R

Cuando el valor de a = e se denomina logaritmo neperiano y lo denotamos
por y = ln(x). La figura 1.6 muestra algunas gráficas de las funciones
logarítmicas.
y = ex y = e −x
y
y
1 1
! 2 "x
y= 3
! 3 "x
y= 2
x x
Figura 1.5: Gráfica de funciones exponenciales y = ax
Proposición 1.5.1 (Propiedades de las funciones exponenciales y logarítmicas.)

Se cumplen la siguientes relaciones:
1. ax+y = ax ay para todo x, y ∈ R.
2. loga (x.y) = loga (x) + loga (y) para todo x, y ∈ (0, +∞).

3. loga x
y = loga (x) − loga (y) para todo x, y ∈ (0, +∞).
4. loga (xy ) = y loga (x) para todo x ∈ (0, +∞) e y ∈ R
loga (x)
5. logb (x) = loga (b) y ax = bx logb a , en particular se tiene
logb (x) = ln(x)

ln(b) y a = e
x xln a
1.5.2. Funciones trigonométricas

Considera una circunferencia de radio 1 como la mostrada en la figura
1.7. Si consideramos el ángulo x (medido en radianes) la longitud de los
segmentos rojos son el sen(x) y el cos(x). Como el radio de la circunferencia
es 1 el seno y el coseno están comprendidos entre −1 y 1.
La figura 1.8 muestra la gráfica de las funciones y = sen(x) e y = cos(x).
Se observa que el dominio de estas funciones es todo R y el conjunto imagen
[−1, 1]. También se observa que las gráficas del y = sen(x) y del y = cos(x) son
las mismas pero con una traslación de π2 unidades. Notar que si f (x) = g(x−a)
la gráfica de f (x) es una traslación a la derecha de a unidades de la gráfica
y = ln(x) y = log 1e (x)
y y = log 23 (x)
y
y = log 32 (x)
1 1
x x
Figura 1.6: Gráfica de funciones logarítmicas y = loga (x)
de g(x). Por tanto si observamos la figura 1.8 se observa que:

π
sen(x) = cos x − (1.23)
2
π
cos(x) = sen x + (1.24)
2
A partir de estas funciones se define la función tangente de x
sen(x)
tan(x) = (1.25)
cos(x)
La gráfica de y = tan(x) se muestra en 1.9. Se observa que el dominio coincide
con todo R menos los puntos que anulan el denominador (cos(x)), esto es
nπ o
Dom tan := R − + kπ : k ∈ Z
2
Las funciones seno, coseno y tangente no son monótonas en su dominio
por lo que no tienen función inversa en su dominio. En un primer paso
restringimos el dominio de estas funciones a intervalos donde la función si
que sea monótona. Observando sus gráficas 1.8 y 1.9, vemos:
h π πi
sen(x) : − , 7→ [−1, 1]
2 2
cos(x) : [0, π] 7→ [−1, 1]
π π
tan(x) : − , 7→ R
2 2
Las funciones inversas de la función seno, coseno y tangente se denomi-
nan respectivamente función arco seno, función arco coseno y arco tangente
sen(x)
x
cos(x)
Figura 1.7: Función seno
y = cos(x)
1
0
y
0
−1
y = sen(x)
−π π x π
π
2 2
Figura 1.8: Funciones y = sen(x) y y = cos(x)
y la denotaremos abreviadamente y = asen(x), y = acos(x) y y = atan(x).

Atendiendo a la relación (2.9), obtenemos:
h π πi
asen(x) : [−1, 1] 7→ − ,
2 2
acos(x) : [−1, 1] 7→ [0, π]
π π
atan(x) : R 7→ − ,
2 2
Las gráficas de las funciones inversas se muestran en las figuras 1.10. Se

observa que la función y = sen(x) y y = tan(x) son crecientes en su dominio
restringido y por tanto sus funciones inversas también son crecientes.
Similarmente, la función y = cos(x) es decreciente en su dominio restrigindo
y su inversa y = acos(x) también lo es.
Figura 1.9: Gráfica de 1.9:
Figura la función = tan(x)
Gráficay de la función y = tan(x)
Figura 1.9: Gráfica de la función y = tan(x)

Las funciones seno, coseno
Las funciones
1.5. Funciones y seno,
elementales tangente coseno no
x son monótonas
y tangente no sonen su dominio
monótonas en su domin
|25|
por lo que no portienenlo función
que no inversafunción
tienen en su inversa dominio.enEnsuundominio. primer En pasoun primer pa
Las funciones seno, coseno y tangente no son monótonas en su dominio
restringimos el restringimos
dominio deFigura
estas funciones
el dominio de a
estas intervalos donde la función si
por lo que no tienen 1.9: Gráfica
función de
inversa en funciones
la función = tan(x)a En
su ydominio. intervalos
un primer donde
paso la función
que sea monótona. Observando
que sea monótona.
restringimos el dominio desus gráficas
Observando
estas funciones 1.8 y 1.9,
sus agráficas vemos:
intervalos 1.8 y 1.9,
donde la vemos:
función si
que Las
sea funciones
monótona. h
Observando
seno, coseno
i sus gráficas
⇡ ⇡y tangente hno son 1.8 y
i 1.9, vemos:
sen(x) h7! ⇡[ en
⇡ ⇡monótonas en su dominio
por lo que no tienen : función , inversa
sen(x) ⇡
1,:i 1] ,
su dominio. !
7 [
En 1,
un1]primer paso
2 2:
sen(x) , 7! [2 1,21]
restringimos el dominio de estas funciones
cos(x) [0,- ⇡] 2[ 21, 1]a intervalos donde la función si
que sea monótona. Observando : sus7! cos(x)
gráficas 0 1.8 : [0, ⇡] 7!
y 1.9, [ 1, 1]
vemos:
⇣cos(x) :⌘[0, ⇡] 7! [ ⇣1, 1] ⌘
h⇡ ⇡⇡ ⇡⇣i ⌘ ⇡ ⇡
y
tan(x) : tan(x)
sen(x) 7! [R
7!
: 2 , 2, : tan(x)
⇡ ⇡1,: 1]
, 7! R , 7! R
2 2 2 2 2 2
cos(x) : [0, ⇡] 7! [ 1, 1]
Las funcionesLas inversas
funciones
Las deinversas
funciones la funciónde laseno,
inversas ⇣ ⇡ coseno
función
de la ⌘
⇡seno,
función y tangente
coseno
seno, se denominan
y tangente
coseno sey denominan
tangente se denomin
tan(x) : , 7! R
respectivamenterespectivamente
función arco seno,
respectivamente funciónfunciónfunción
arco arco2arco
seno, 2 coseno
función
seno, arco y arco
coseno
función arcotangente
y arco yyarco
tangente
coseno la
y la tangente y
denotaremos
denotaremos abreviadamente abreviadamente asen(x), asen(x), acos(x) y atan(x).
= acos(x) yyse atan(x).y y = atan(
y = y = yy coseno
= y = y= y =
=acos(x)
denotaremos abreviadamente
Las funciones inversas de la función seno, asen(x),
y tangente denominan
Atendiendo aAtendiendo a (1.20),
la relación (1.20), obtenemos: x
la relación
respectivamente funciónobtenemos:
arco seno,
Atendiendo a la relación (1.20), obtenemos: función arco coseno y arco tangente y la
denotaremos abreviadamente y = asen(x), y = acos(x) y y = atan(x).
Figura (1.20),
Atendiendo a la relación 1.9: Gráfica de lahfunción
obtenemos: ⇡ ⇡ i y = tan(x)
asen(x) : [ h 1, ⇡ 1] 7!⇡i 2, 2 h ⇡ ⇡i
asen(x) : [ 1, 1] asen(x)
7! ,h: [⇡ 1,
⇡ i[0, 7!
1] ⇡] ,
asen(x)acos(x)
: [ 1, 1]: 7![2 1,21] ,7! 2 2
⇣ ⌘
1.5.3. Funciones acos(x)hiperbólicas
: [atan(x) 7! [0, y
1, 1] acos(x) ⇡] sus
2 2⇡ ⇡ inversas
acos(x) :⇣[ :1,R1]7!7!⌘[0,:2⇡][, 1, 1] 7! [0, ⇡]
⇡ ⇣ ⇡⇡ ⇡ ⌘ 2 ⇣ ⇡ ⇡ ⌘
Las funciones atan(x) : R 7!
hiperbólicas
atan(x)se denominan
7! ,
: Ratan(x) , : seno
R 7! hiperbólico, coseno hiperbólico
yLas gráficas
tangente de las funciones
hiperbólica inversas
y se definen: 2 2se 2 2muestran 2 en, 2las figuras 1.10 y
??. Se observa que la función y = sen(x) y y = tan(x) son crecientes en su
Las las
Las gráficas de gráficas de las funciones
funciones inversas inversas se muestranen
se muestran en las
las figuras
figuras1.10 y y
1.10
Las
??. gráficas
Se observa quede las funciones
la función y = sen(x) inversas
x
y y = etan(x)− ese
−x muestran
son crecientes en ensu las figuras 1.10
??. Se observa??.queSe la observa
función yque = sen(x) y = senh(x)
y y y==tan(x) (1.26)
2 sony ycrecientes
= tan(x) en sonsu
=
la función sen(x) crecientes en
ex + e−x
y = cosh(x) = (1.27)
2
senh(x) ex − e−x
y = tanh(x) = = x (1.28)
cosh(x) e + e−x
El dominio de todas estas funciones es R y sus gráficas se muestra en la

figura 1.11. Se observa que estas funciones están definidas:
senh(x) : R 7→ R
cosh(x) : R 7→ [1, +∞)
tanh(x) : R 7→ (−1, 1)
Las funciones tanh(x) y y = sinh(x) son crecientes en su domi-

nio por lo que poseen inversa en todo R. La función y = cosh(x)
se debe restringir a [0, +∞) para que posea inversa. Estas funciones
se denominan argumento seno hiperbólico, argumento coseno hiperbólico y
argumento de la tangente hiperbólica y la denotaremos abreviadamente y =
asenh(x), y = acosh(x) e y = atanh(x).
Veamos como se puede calcular la expresión analítica de estas funciones.
Analicemos el caso de la función y = senh(x). Queremos calcular y = f −1 (x),
por tanto f (y) = f (f −1 (x)) = x. Despejamos de la anterior expresión y en
función de x, esto es:
2
ey − e−y 1 (ey ) − 1
f (y) = senh(y) = = x → ey − y = 2x → = 2x →
2 e ey
2
(ey ) − 2xey − 1 = 0
y = asen(x)
y = acos(x)
π
2
y
0
y = atan(x)
− π2
−1 0 1
x
Figura 1.10: Gráficas de las funciones y = asen(x), y = acos(x) e y = atan(x)
Llamando z = ey , la anterior expresión se reduce a resolver el siguiente

polinomio de segundo grado en la variable z
√
2x ± 4x2 + 4 p
z 2 − 2xz − 1 = 0 → z = = x ± x2 + 1 (1.29)
2
Como z = ey > 0 tenemos que la solución con el signo − no es válida ya
que conduce a una valor de z negativo. Por lo que nos queda:
p
ey = x + x2 + 1
Tomando logaritmos a ambos lados de la anterior expresión:
p
y = asenh(x) = ln x + x2 + 1 (1.30)
.
1. Encontrar la expresión analítica de f (x) = atanh(x) y f (x) = acosh(x).

2. Justificar la siguiente relación:
a) cosh2 (x) − senh2 (x) = 1,
b) senh(x + y) = senh(x)cosh(y) + cosh(x)senh(y)
c) cosh(x + y) = cosh(x)cosh(y) + senh(x)senh(y)
3. Justificar las siguiente desigualdades:
−1 ≤ tanh(x) ≤ 1
y = cosh(x)
y = tanh(x)
1 1
0 0
y
y
−1
y = senh(x)
x x
Figura 1.11: Gráficas de la funciones hiperbólicas
.
S ESIÓN 6
Límite de funciones
1. Idea intuitiva
(1) Ejemplos
2. Definición epsilon-delta!
(1) Definición
(2) Ejemplo: funciones afines!
3. Caracterización sucesional del concepto de limite!
(1) Teorema
(2) Ejemplo. Estudio del límite de f(x)=sen(1/x) en el punto a=0
4.Caracterización mediante límites laterales!
(1) Definición de límites laterales
(2) Proposición: Caracterización
(3) Ejemplo: Estudio del la existencia del límite |sen(x)|/x en a=0
1.6. Límite de una función

Antes de abordar el concepto formal de límite analizaremos varios
ejemplos para formar una idea intuitiva previa. Considérese las siguientes
funciones:
2
x si x 6= 1 x2 si x ≤ 1
f (x) = g(x) =
2 si x = 1 x − 2 si x > 1

x si x ∈ [−1, 2] ∩ Q
h(x) =
2−x si x ∈ [−1, 2] ∩ I
Cuyas gráficas se muestra en la figura 1.12.
Diremos que una función f (x) tiene por límite l cuando x tiende a a si
evaluamos la función f (x) en valores de x parecidos a a (x ≈ a) sin considerar
el propio valor a (x 6= a) y obtenemos imágenes f (x) parecidas a l (f (x) ≈ l).
En la figura 1.12 se muestra tres ejemplos de funciones que analizamos
gráficamente la existencia del límite en el punto a = 1. Para la función
y = f (x) se observa que si tomamos valores de x ≈ 1 sus imágenes valen
aproximadamente l = 1. Notar que este concepto es independiente del valor
de f (1) = 2.
1.6. Límite de una función |29|
y = f (x) y = g(x) y = h(x)
"
y
! ! !
!! !!
! ! !
x x x
(a) (b) (c)
Figura 1.12: Ilustración del concepto de límite
En la segunda gráfica se observa que si tomamos valores de x cercanos

a 1 y cumpliendo x > 1 las imágenes se parecen al valor −1, mientras que si
tomamos valores de x cercanos a 1 pero cumpliendo que x < 1 las imágenes
se parecen a 1. Por lo cual no tiene límite.
En el tercer ejemplo se observa que valores parecidos de x cercanos a 1
tienen imágenes h(x) = x o h(x) = 2 − x, dependiendo de si el número x es o
no racional. En ambos casos como x ≈ 1 se tiene que tanto h(x) = x ≈ 1 como
h(x) = 2 − x ≈ 1, por tanto esta función tiene límite en el punto a = 1 y vale
l = 1. Notar que en ningún otro punto la función tiene límite.
Definición 1.6.1 (Límite en un punto) Sea f : A ⊂ R 7→ R, diremos que la

función f tiene por límite l en el punto a, y escribimos como lı́m f (x) = l sii para
x→a
todo > 0, existe un δ > 0 tal que,
Si 0 <| x − a |< δ ⇒| f (x) − l |<
Ejemplo 1.6.2 a) Función constante. Sea la función f (x) = b, veamos que

se cumple lı́m b = b. Dado el valor de > 0 basta con tomar cualquier δ > 0
x→a
ya que
Si 0 <| x − a |< δ ⇒| f (x) − l |=| b − b |= 0 <
b) Función lineal. lı́m (mx + n) = ma + n. En este caso f (x) = mx + n. Dado el

x→a
valor de > 0 elegimos δ =
|m| > 0 ya que
Si 0 <| x − a |< δ ⇒| f (x) − l |=| mx + n − ma − n |=| m | · | x − a |<| m | δ

=| m | =
|m|
El concepto de límite contesta a la pregunta si tomamos valores de x

parecidos a a entonces a ¿qué valor se parece f (x)? Esta idea también se
puede extender al caso que a ∈ R ∪ {±∞} o que l ∈ R ∪ {±∞}.
Definición 1.6.3 (‡ Límites infinitos y en el infinito) Sea f : A ⊂ R 7→ R,

diremos que la función f tiene por límite +∞ en el punto a, y escribimos como
lı́m f (x) = +∞ si dado M ∈ R, ∃δ > 0 tal que
x→a
Si 0 <| x − a |< δ ⇒ f (x) > M.

Diremos que lı́m f (x) = −∞ si dado M ∈ R, ∃δ > 0 verificando
x→a
Si 0 <| x − a |< δ ⇒ f (x) < M.

Diremos que lı́m f (x) = l si ∀ > 0, ∃M ∈ R cumpliendo:
x→+∞
Si x > M ⇒| f (x) − l |< .

Diremos que lı́m f (x) = l si dado ∀ > 0, ∃M ∈ R cumpliendo
x→−∞
Si x < M ⇒| f (x) − l |<
Proposición 1.6.4 (Unicidad del límite) Sea f : A ⊂ R 7→ R, si lı́m f (x)

x→a
existe, este es único, es decir, si lı́m f (x) = l y lı́m f (x) = m ⇒ l = m

x→a x→a
Teorema 1.6.5 (Caracterización sucesional) Sea f : A ⊂ R 7→ R, la

condición necesaria y suficiente para que lı́m f (x) = l es que para toda
x→a
sucesion (xn ) de puntos de A−{a} con lı́m xn = a se verifique que lı́m f (xn ) = l
n→∞ n→∞

Ejemplo 1.6.6 Estudiar si la función f (x) = sen x tiene límite en a = 0.
1
La gráfica 1.13 muestra la función y = f (x). Se observa que si tomamos un

x ≈ 0 su imagen puede tomar cualquier valor entre 0 y 1, por tanto la función
no tiene límite en el punto a = 0.
Vamos a demostrar que no tiene límite aplicando la caracterización
sucesional del límite. Consideramos las siguientes sucesiones:
1
bn :=
x π →0
2 + 2nπ
−1
en :=
x π →0
2 + 2nπ
Estas sucesiones corresponden a la sucesión de puntos rojos y azules

mostradas en la figura 1.13. Se observa que todas las imágenes de los
términos de la primera sucesión es 1 y −1 para la segunda sucesión.
1.6. Límite de una función |31|
x

Figura 1.13: Gráfica de la función y = sen 1
x
Si la función tuviese límite, por la caracterización sucesional del límite,

tendríamos que lı́m f (b xn ). Veamos que esto no ocurre:
xn ) = lı́m f (e
!
1 π
xn ) = lı́m sen
lı́m f (b 1 = lı́m sen + 2nπ = lı́m 1 = 1
n→+∞ n→+∞ π n→+∞ 2 n→+∞
2 +2nπ
!
1 π
xn ) = lı́m sen
lı́m f (e −1 = lı́m sen − − 2nπ = lı́m −1 = −1
n→+∞ n→+∞ π
+2nπ
n→+∞ 2 n→+∞
2
Definición 1.6.7 (Límites laterales) Sea f : A ⊂ R 7→ R, diremos que el

límite por la derecha de la función f en el punto a es l y escribimos como
lı́m+ f (x) = l sii para todo > 0, existe un δ > 0 tal que,
x→a
Si a < x < a + δ ⇒| f (x) − l |<
Sea f : A ⊂ R 7→ R, diremos que el límite por la izquierda de la función f en

el punto a es l y escribimos como lı́m− f (x) = l sii para todo > 0, existe un
x→a
δ > 0 tal que,
Si a − δ < x < a ⇒| f (x) − l |<
Proposición 1.6.8 (Caracterización del límite mediante límites laterales.)

La condición necesaria y suficiente para que una función tenga límite en un
punto a, es que el límite por la derecha y por la izquierda existan y valgan lo
mismo. Esto es:
lı́m f (x) = l
x→a
equivale a:
i) lı́m f (x) = l+
x→a+
ii) lı́m f (x) = l−
x→a−
iii) l = l− = l
+
Ejemplo 1.6.9 Sabiendo que lı́mx→0 senx (x) = 1 estudiar si existe el límite
lı́mx→0 |senx (x)| .
El valor del límite proporcionado, por la caracterización mediante límites
laterales, nos indica que lı́mx→0+ senx (x) = lı́mx→0− senx (x) = 1. Ahora lo
analizaremos la existencia del límite pedido calculando los límites laterales:
|sen (x)| sen (x)

lı́m+ = lı́m+ =1
x→0 x x→0 x
|sen (x)| −sen (x) sen (x)
lı́m = lı́m− = − lı́m− = −1
x→0− x x→0 x x→0 x
1. Estudiar si existen los siguiente límites:
x−1 xsen (x) 6

(a) lı́m ; (b) lı́m ; (c) lı́m ;
x→1 |x − 1| x→0 |x| x→0 4 + e−1/x
2x + |x| | sen x|
(d) lı́m ; (e) lı́m .
x→0 4x − |x| x→0 x
Solución: a) @, b) 0, c) @, d) @.
2. Calcular, cuando se pueda, el límite de las funciones:
1
ex 1
(a) lı́m ; (b) lı́mπ ;
x→0 1 +e
1
x x→ 2 1 + 2 tan (x)
√ x
(c) lı́m tan(e−x ) ; (d) lı́m + ln x + 1; (e) lı́m atan .
x→+∞ x→(−1) x→4 x−4
Solución: a) @, b) @, c) 0, d) −∞, e) @.
3. Empleando la caracterización sucesional demostra que no existe el

1
lı́m cos .
x→0 x
Solución: Basta tomar xn = 1

2nπ y yn = 1
2nπ+π
• h1 cos(y)i ⇠ y2 , 0
D 2 E S ESIÓN 7
1.7. Cálculo de límite. Infinitésimos
Definición 1.7.4 (Infinitésimos) Se dice que la función f (x) es un infinitésimo
cuando x tiende a "a"si lı́m f (x) = 0 y escribimos como hf (x), ai .
x!a
1.7. Cálculo de límite. Infinitésimos Se tiene que observar que los sumandos |33| que aparecen n
f (x)
Diremos que f (x) y g(x) son infinitésimos equivalentes si lı́m sustituir = 1 en por sus infinitésimos equivalentes1 . Consideramos
x!a g(x)
Ejemplo 1.7.5 (Cálculo de infinitésimos) Vamos
relación a calcular empleando infi-
trigonométrica:
1.7.
dicho caso escribiremos hf (x), Cálculo
ai ⇠ hg(x),
tésimos varios límites de límite. Infinitésimos
ai
✓ ◆ ✓ ◆
Cualquier infinitésimo que a+b a b
1.Aaparezca
Supongamos
la hora de como factor
que
calcular o divisor
el siguiente
límites nos en
límite laes
podemosexpresión
positivo ysen(a)
encontrar lo expresamos:
con
+ indeterminacio-
sen(b) = 2sen cos
de un límite puede sustituirsenes, éstas por otro infinitésimo
se podrán resolverequivalente.
utilizando: Para que 2 2
esta técnica sea útil se debe conocer una lista de infinitésimos, l = lı́m (x + vere2x )la
1
x =tabla
e
1.3. 1. Operaciones algebraicas.
x!0
Como la función y = sen (x) es una función impar y = sen(x)
tomando límites
2. Infinitésimos equivalentes.
Cuadro 1.3: Tabla de infinitésimos S 1
ESIÓN 7 y por tanto
1
ln(l) = = lı́m ln (x + e2x ) = lı́m ln 1 + (x + e2x 1)
✓
5x 3x
◆ ✓
5
3. Regla de L’Hopital. x!0 x sen(5x)
x!0 x sen(3x) = sen(5x) + sen( 3x) = 2sen cos
2
• hy, 0i ⇠ hsen(y), 0i ⇠ hasen(y),Aplicando
0i ⇠ htan(y), el 0iinfinitésimo
⇠ hatan(y), h0i ln(1+y), 0i ⇠ hy, 0i para y = (x + e2x ! R,
Proposición 1.7.1 (Criterio del emparedado) Sean f, g, h : A ⇢ R1) 7! 0,
obtenemos Sustituyendo en el anterior límite:
⇠ hln(1 + y), 0i cumpliendo las desigualdades f (x)  g(x)  h(x). 2x
1 e 1
• hln(a)y, 0i ⇠ hay 1, 0i lı́m x + e2x 1 = 1 + lı́m e3x (e2x 1)
Six!0lı́mxf (x) = l = lı́m h(x) ) x!0 x = l.
lı́m g(x) lı́m
D 2 E x!0 2sen(x)cos(4x)
• h1 cos(y)i ⇠ y2 , 0 Cálculo de límites
x!a x!a x!a
Aplicando el infinitésimo hy, 0i ⇠ hey 1, 0i para y = 2x ! 0, obtenemos
Ejemplo 1.7.2 Vamos aplicar el criterio Ahora del emparedado a la función
⌦ (2x) si ↵podemos aplicar el infinitésimo hx, 0i ⇠ hsen(x), 0i
1. Criterio del emparedado ln(l) =⇢1 +2lı́me2x 1, 0
x x!0 sixx 2=Q3
(1) Ejemplo g(x) =
x4 si x 2 I
Ejemplo 1.7.5 (Cálculo2. deOperaciones
por tanto elaritméticas!
infinitésimos) Vamos
límite a calcular
pedido es l =empleando
e3 . infi- e3x · 2x
lı́m = 1 · 1 = 1.
tésimos varios límites 3. para Infinitésimos
calcular su! límite cuando x ! 0. Sea f (x) = x y sea h(x)cos 4 x!0 x2 estas
=(4x) · 2x
2. Vamos aplicar infinitésimos al siguiente límite:
funciones
(1)
1. Supongamos que el siguiente Definición cumplen
límite f (x) yg(x)
es positivo  h(x) y además lı́mx!0 f (x) = lı́mx!0 h(x) = 0
lo expresamos:
por Ejemplos.
(2) el teorema del emparedado lı́mx!0 g(x)e=
e5x 3x 0. D 2 E
1 lı́m 3. Justificar que h1 cos(x), 0i ⇠ x2 , 0 .
l = lı́m (x + e2x ) x = e x!0 sen(5x) sen(3x)
Proposición
x!0 1.7.3 (Operaciones aritméticas con límites) .
tomando límites Aplicando la relación trigonométrica 1 cos(x) = 2sen2 x2
Sean f, g : A ⇢ R 7! R y supongamos que lı́m f (x) = l y lı́m g(x) = m,
x!a x!a
1 1
ln (x + e2x ) = lı́m ln 1 + (x + e2x 1)
ln(l) = = lı́m entonces: 1 cos(x) 2sen2 x2
x!0 x x!0 x lı́m x2
= lı́m x2
i) lı́m [f (x) + g(x)] = l + m x!0 x!0
x!a 2 2
Aplicando el infinitésimo hln(1+y), 0i ⇠ hy, 0i para y = (x + e2x 1) ! 0,
obtenemos ii) lı́m
x!a
[f (x)g(x)] = lm y el infinitésimo hsen(y), 0i ⇠ hy, 0i con y = x/2 ! 0, obtenemo
1 e2x 1
lı́m x+ e2xlı́m 1f (x)
iii) = 1=+ llı́m
, m 6= x
0 2 x 2
x!0 x x!a g(x) mx!0 2
1.7.
Aplicando el infinitésimovi)Cálculo de límite. Infinitésimos
hy, 0i hey(x) 1,
lı́m⇠lnf = 0i paral y>=0 2x ! 0, obtenemos
ln l,
lı́m
x!0 x2
2
=1
x!a
g(x)(2x)m
.
A la horaln(l)
dex!a
v) =calcular
lı́m1f+
(x)lı́m =límites
nos podemos encontrar con indeterminacio-
l =3
x!0 x
nes, éstas se podrán resolver utilizando:
por tanto el límite pedido es l = e3 .
1. Operaciones
2. Vamos aplicar algebraicas.
infinitésimos al siguiente límite: Ejercicios de la sesión 7
5x
2. Infinitésimos e3x
eequivalentes.
lı́m
x!0 sen(5x) sen(3x)
1 En este caso el valor del límite sería el mismo, pero estaría mal aplicada
3. Regla de L’Hopital. infinitésimos.
Proposición 1.7.1 (Criterio del emparedado) Sean f, g, h : A ⊂ R 7→ R,

cumpliendo las desigualdades f (x) ≤ g(x) ≤ h(x).
Si lı́m f (x) = l = lı́m h(x) ⇒ lı́m g(x) = l.

x→a x→a x→a
Ejemplo 1.7.2 Vamos aplicar el criterio del emparedado a la función

2
x si x ∈ Q
g(x) =
−x4 si x ∈ I
para calcular su límite cuando x → 0. Sea f (x) = −x4 y sea h(x) = x2 estas
funciones cumplen f (x) ≤ g(x) ≤ h(x) y además lı́mx→0 f (x) = lı́mx→0 h(x) = 0
por el teorema del emparedado lı́mx→0 g(x) = 0.
Proposición 1.7.3 (Operaciones aritméticas con límites) .

Sean f, g : A ⊂ R 7→ R y supongamos que lı́m f (x) = l y lı́m g(x) = m,
x→a x→a
entonces:
i) lı́m [f (x) + g(x)] = l + m
x→a
ii) lı́m [f (x)g(x)] = lm

x→a
f (x) l
iii) lı́m = , m 6= 0
x→a g(x) m
vi) lı́m lnf (x) = ln l, l>0
x→a
v) lı́m f (x)g(x) = lm
x→a
Definición 1.7.4 (Infinitésimos) Se dice que la función f (x) es un infinitésimo

cuando x tiende a "a"si lı́m f (x) = 0 y escribimos como hf (x), ai .
x→a
f (x)
Diremos que f (x) y g(x) son infinitésimos equivalentes si lı́m = 1 en
x→a g(x)
dicho caso escribiremos hf (x), ai ∼ hg(x), ai
Cualquier infinitésimo que aparezca como factor o divisor en la expresión

de un límite puede sustituirse por otro infinitésimo equivalente. Para que
esta técnica sea útil se debe conocer una lista de infinitésimos, ver la tabla
1.3.
Cuadro 1.3: Tabla de infinitésimos
• hy, 0i ∼ hsen(y), 0i ∼ hasen(y), 0i ∼ htan(y), 0i ∼ hatan(y), 0i
∼ hln(1 + y), 0i
• hln(a)y, 0i ∼ hay − 1, 0i
D 2 E
• h1 − cos(y)i ∼ y2 , 0
Ejemplo 1.7.5 (Cálculo de infinitésimos) Vamos a calcular empleando infi-

tésimos varios límites
1. Supongamos que el siguiente límite es positivo y lo expresamos:
1
l = lı́m (x + e2x ) x = eβ
x→0
tomando límites
1 1
ln(l) = β = lı́m ln (x + e2x ) = lı́m ln 1 + (x + e2x − 1)
x→0 x x→0 x
1.7. Cálculo de límite. Infinitésimos |35|
Aplicando el infinitésimo hln(1+y), 0i ∼ hy, 0i para y = (x + e2x − 1) → 0,

obtenemos

1 2x
e2x − 1
lı́m x + e − 1 = 1 + lı́m
x→0 x x→0 x
Aplicando el infinitésimo hy, 0i ∼ hey − 1, 0i para y = 2x → 0, obtenemos
(2x)
ln(l) = 1 + lı́m =3
x→0 x
por tanto el límite pedido es l = e3 .

2. Vamos aplicar infinitésimos al siguiente límite:
e5x − e3x
lı́m
x→0 sen(5x) − sen(3x)
Se tiene que observar que los sumandos que aparecen no se puede

sustituir por sus infinitésimos equivalentes1 . Consideramos la siguiente
relación trigonométrica:

a+b a−b
sen(a) + sen(b) = 2sen cos
2 2
Como la función y = sen (x) es una función impar y = sen(x) = −sen(−x)
y por tanto

5x − 3x 5x − (−3x)
sen(5x) − sen(3x) = sen(5x) + sen(−3x) = 2sen cos
2 2
Sustituyendo en el anterior límite:
e3x (e2x − 1)
lı́m
x→0 2sen(x)cos(4x)
Ahora si podemos aplicar el infinitésimo hx, 0i ∼ hsen(x), 0i y h2x, 0i ∼

e2x − 1, 0
e3x · 2x
lı́m = 1 · 1 = 1.
x→0 cos(4x) · 2x
D E
x2
3. Justificar que h1 − cos(x), 0i ∼ 2 ,0 .

Aplicando la relación trigonométrica 1 − cos(x) = 2sen2 x
2

1 − cos(x) 2sen2 x2
lı́m x2
= lı́m x2
x→0 x→0
2 2
y el infinitésimo hsen(y), 0i ∼ hy, 0i con y = x/2 → 0, obtenemos:

2
2 x
lı́m x22 = 1
x→0
2
1 En este caso el valor del límite sería el mismo, pero estaría mal aplicada la técnica de
infinitésimos.
1. Calcular, cuando existan, los siguientes límites:
x2 − 2x + 1 xm − 1 sin(5x) 1 − ax
(a) lı́m ; (b) lı́m ; (c) lı́m ; (d) lı́m
x→1 x3 − 1 x→1 xn − 1 x→0 x x→0 2x ln a
√ √
p 2 x2
x +2 x+3− x+1
(e) lı́m x2 + x + x x2 ; (f) lı́m ; (g) lı́m √ √ ;
x→−∞ x→∞ 2x2 + 1 x→∞ x + 2 − x+4
√3
x3 − 27 sin x − cos x
(h) lı́m √ ; (i) lı́mπ ; (j) lı́m x2 (1 − cos(1/x));
3
x→3 x2 + 6x − 27 x→ 4 1 − tan x x→−∞
1
ln(1 + x) 2x + 1
(k) lı́m 2x , (l) lı́m x[ln(2 + x) − ln(1 + x)], (m) lı́m 1 ,
x→0 e
√ −1 x→+∞
√ x→0 2 x + 5
1+x−1 1 − 1 − x2 x3 + 8
(n) lı́m √ , () lı́m 2
, (o) lı́m 2 ,
x→0 3
1+x−1 x→0 x x→−2 x − 4
x 1/x
a + bx + cx 1
(p) lı́m con a, b, c > 0, (q) lı́m (cos(ax)) x2 ,
x→0 3 x→0
1 x
1 + x2x x2 1
2x x 2+x
(r) lı́m , (s) lı́m x + e , (t) lı́m ;
x→0 1 + x3x x→0 x→0 3 − x
p
(u) lı́m k (x − n1 )(x − n2 ) . . . (x − nk ) − x , nj > 0.
x→∞
1.7. Cálculo de límite. Infinitésimos |37|
S ESIÓN 8
S ESIÓN 8
Ejercicios
Calcular los siguientes límites:
1
x 3 − 3x + 2
a) l´ım ; b) l´ım (cos( x )) sen ( x ) ;
x 1 x 4 − 4x + 3 x 0
x n − an tan ( x ) − sen ( x ) sen ( x − a)

c) l´ım ; d) l´ım ; e) l´ım
x a x − a x 0 x3 x a x 2 − a2
Solución:
a) Aplicamos Ruffini para calcular las raíces y poder factorizar los
polinomios como:
x 3 − 3x + 2 ( x − 1) 2 ( x + 2)
l´ım = l´ım = 3 / 6 = 1 / 2.
Calcular los siguientes límites:

1
x3 − 3x + 2
a) lı́m 4 ; b) lı́m (cos(x)) sen(x) ;
x→1 x − 4x + 3 x→0
xn − an tan(x) − sen(x) sen (x − a)

c) lı́m ; d) lı́m ; e) lı́m
x→a x − a x→0 x3 x→a x2 − a2
Solución:
a) Aplicamos Ruffini para calcular las raíces y poder factorizar los
polinomios como:
x3 − 3x + 2 (x − 1)2 (x + 2)
lı́m = lı́m = 3/6 = 1/2.
x→1 x4 − 4x + 3 x→1 (x − 1)(x2 + 2x + 3)
1
b) Llamando lı́m (cos(x)) sen(x) = eβ
x→0
1
entonces β = lı́m ln(cos(x)) sen(x) = lı́m ln(cos(x)) = lı́m (cos(x)−1) =
x→0 x→0 sen(x) x→0 sen(x)
2
lı́m −xx /2 = 0 y por tanto el límite vale e0 = 1.
x→0
c) Aplicando Ruffini obtenemos
xn − an = (x − a)(xn−1 + axn−2 + a2 xn−3 · · · + an−1 )

y por tanto
xn − a n (x − a)(xn−1 + axn−2 + a2 xn−3 · · · + an−1 )
lı́m = lı́m = nan−1
x→a x − a x→a x−a
tan(x) − sen(x) sen(x) (1/cos(x) − 1) 1 − cos(x)
d) lı́m = lı́m = lı́m =
x→0 x3 x→0 x3 x→0 x2 cos(x)
x2 /2
lı́m = 1/2
x→0 x2 cos(x)
1.8. Continuidad de una función en un punto |39|
S ESIÓN 9
Continuidad de una función en un punto

1.(*
(1)#$#%&(*!
(2) !#!'*"$"&"$""!$!"%"
(3) !#!'*)#"#!" %!"$#
2.$"#(*#$$$#
(1) !" $!"!%#$
(2) #$"$"#""$
1.8. Continuidad de una función en un punto

La figura 1.14 muestra dos funciones que tienen límite en x = a. La
función de la figura 1.14.(b) coincide su límite con el valor que toma en el
punto a. Este hecho lo denominamos continuidad.
Formalmente,
Definición 1.8.1 (Función continua) Sea f : A ⊂ R 7→ R, diremos que la
función f es continua en el punto a, sii
lı́m f (x) = f (a) (1.31)
x→a
Si una función no es continua en a, diremos que es discontinua en dicho

punto.
Observación 1.8.2 1. Aplicando la definición − δ de límite el concepto de
continuidad se define: para todo > 0 existe δ > 0 tal que
Si 0 ≤| x − a |< δ ⇒| f (x) − f (a) |<
2. Aplicando la caracterización del límite mediante límites laterales tendre-

mos que f es continua en a si y solo si:
∃f (a) (1.32)
lı́m f (x) = f (a) (1.33)
x→a+
lı́m f (x) = f (a) (1.34)
x→a−
y = f (x) y = f (x)
f(a)
y
y
l l=f(a)
a a
x x
(a) (b)
Figura 1.14: Ilustración del concepto de continuidad
3. La definición de continuidad se puede reescribir empleando la ca-

racterización sucesional del límite y se tendría: lı́m f (x) = f (a) ⇔
x→a
para todas sucesión (xn ) : lı́m xn = a entonces lı́m f (xn ) = f (a).
n→+∞ n→+∞
Observación 1.8.3 (Límites de sucesiones recursivas) Supongamos que te-

nemos una sucesión definida recursivamente
xn+1 = f (xn ) (1.35)
y supongamos que la sucesión (xn ) converge a ”a". Las sucesiones (xn+1 ) :=

(x2 , x3 , x4 , · · · ) y (xn ) := (x1 , x2 , x3 , x4 , · · · ) tienen los mismos términos excep-
tuando el primero por lo que tendrán el mismo límite ”a". Tomando límites a
ambos lados de (1.35), obtenemos que

a = lı́m xn+1 = lı́m f (xn ) = f lı́m xn = f (a) (1.36)
n→+∞ n→+∞ n→+∞
La ecuación (1.36) impone una condición que debe cumplir el límite. Por ejemplo
considerar la sucesión recursiva:
xn+1 = sen(xn )
tomando límites a ambos lados y por ser f (x) = sen(x) una función continua
en todo R, en particular en el límite de la sucesión en caso de tener, tendríamos
a = f (a) = sen(a)
La anterior ecuación solo posee la solución a = 0. Por tanto, si la sucesión (xn )

tuviese límite este debe ser el 0.
1.8. Continuidad de una función en un punto |41|
Ejemplo 1.8.4 (Valor absoluto.) Veamos que la función f (x) = |x| es continua
en a = 0. Aplicando la caracterización mediante límites laterales:
lı́m f (x) = f (0) ⇒ lı́m+ |x| = lı́m+ x = 0 (1.37)

x→0+ x→0 x→0
lı́m f (x) = f (0) ⇒ lı́m− |x| = lı́m− − x = 0 (1.38)
x→0− x→0 x→0
Definición 1.8.5 (Clasificación de discontinuidades) i) Discontinuidad evi-

table. Se produce este tipo de discontinuidad cuando lı́mf (x) = l ∈ R,
x→a
pero la función en a no está definida o lı́mf (x) 6= f (a) .
x→a
ii) Discontinuidad de salto o de 1a especie. Se tiene una discontinuidad de

salto (finito ó infinito) en el punto a ∈ R, si existen lı́m+ f (x) y lı́m− f (x) y
x→a x→a
ambos son distintos.
iii) Discontinuidad esencial o de 2a especie. Se produce este tipo de

discontinuidad cuando alguno de los límites laterales no existe o los dos.
1.8.1. Justificación de la continuidad de una función

En esta sección se dan herramientas para justificar la continuidad de una
función a partir de la continuidad de las funciones de la que se componen y
de las operaciones que se realizan entre ellas. El primer teorema proporciona
en que conjunto son continuas las funciones elementales y el segundo que
operaciones preservan la continuidad.
Teorema 1.8.6 (Continuidad de las funciones elementales) Las funciones

elementales que hemos estudiado son continuas en su dominio, de hecho,
tenemos lo siguiente:
1. f (x) = ax continua en R, con a > 0.
2. f (x) = loga x continua en (0, ∞), a > 0.
3. Las funciones polinómicas, sen(x), cos(x), senh(x), cosh(x), tanh(x) y las

raíces de índice natural impar son continuas en R.
4. La raíces de índice natural para son continuas en [0, +∞).
Teorema 1.8.7 Sean f, g : A ⊂ R 7→ R funciones continuas en a, entonces f +g

f
y f.g son continuas en a. Si además g(a) 6= 0,entonces es continua en a
g
Proposición 1.8.8 (Continuidad de la función compuesta) Sean f : A ⊂

R 7→ B, g : B ⊂ R 7→ C dos funciones. Si f es continua en a ∈ A y g es continua
en b = f (a) . Entonces la función compuesta h = g ◦ f : A → C es continua en el
punto a. De hecho se tiene:
lı́m g(f (x)) = g(f (a)) = g( lı́m f (x)) (1.39)

x→a x→a
Ejemplo 1.8.9 Estudiar la continuidad de las siguientes funciones

q
x3
a) f (x) = ln(2x3 + 3x2 ); b) g(x) = x√
1−x
x+2
; c) h(x) = x−1
a) Por ser g(x) = 2x3 + 3x2 un polinomio es una función continua en todo
R. La función h(x) = ln(x) es continua en los positivos. Entonces la función
compuesta f (x) = (h o g)(x) es continua en los puntos a cumpliendo g(a) > 0.
Esta condición se cumple cuando
3
g(a) = 2a3 + 3a2 = a2 (2a + 3) > 0 ⇒ a > −
2
b) La raíz cuadrada es continua en los positivos por tanto x + 2 ≥ 0 y se debe
exigir que x ≥ −1. Además la función del denominador no se puede anular por
tanto x ∈ (−1, 0) ∪ (0, +∞).
c) Lo que está dentro de la raíz será positivo si el numerador y denominador
son simultáneamente positivos o negativos, lo que conduce a que:
x>1yx≥0⇒x>1
x<1yx≤0⇒x≤0
1. Estudiar la continuidad de las siguientes funciones

x2 −9
x 6= 3 xsen πx x 6= 0
a) f (x) = x−3 ; b) g(x) =
6 x=3 0 x=0
1
x 6= 0
c) h(x) = 21/x
0 x=0
2. Dada la función
sen x, x ≤ c,
f (x) =
ax + b, x > c,
donde a, b, c > 0. Encontrar cuánto debe valer a para que la función sea
continua en x = c. ¿Es posible hacer que la función sea continua para
cualquier valor de b y c?
3. Sean dos funciones f y g definidas como sigue

x + |x| x, x < 0,
f (x) = ∀x ∈ IR, g(x) =
2 x2 , x ≥ 0.
Hallar una fórmula para el cálculo de la función compuesta h(x) =

f [g(x)]. ¿Para qué valores de x es continua h(x)?
f (a)
a c1 d c2 e c3 b
y
1.9. Continuidad de un función en un intervalo [a, b] |43|
f (b)
f (d)
10
Figura 1.15: Funciones continuas en un intervalo [a, b]
S ESIÓN
el signo en todo el intervalo. Esto es, o siempre es positiva f (x) > 0 o siempre
es negativa f (x) < 0, por lo tanto todos los puntos del intervalo resuelven la
desigualdad o no existe ninguna solución en dicho intervalo. El método de
resolución consiste en tres pasos:
Paso 1: Encontrar el conjunto de raíces f (x) = 0. Denotemos este conjunto
por R.
Continuidad dede las
Paso 2: Encontrar el conjunto una función
discontinuidades enDenotemos
de f (x). [a,b]
este conjunto por D.
Paso 3: Calcular3 el signo de f (x) en todos los subintervalos definidos
1. Definición
por puntosfunción continua
consecutivos en [a,b]
del conjunto R [ D. La solución será la unión de
2.] Teorema
intervalosde en Bolzano
los que se cumpla f (x) < 0 unión las raíces.
(1) Método
Ejemplo 1.9.5 para
Veamos resolver desigualdades
un ejemplo. Resolver
(2) Ejemplo: x2 1
f (x) = 0
! |x + 1|(2 x)
! Paso 1: Las raíces f (x) = x 1 = 0 estarán entre aquellos puntos
2
|x+1|(2 x)
(3) Teorema
que anulade Weierstrass!
el númerador, es decir ±1. Como la función no está definida en
(1) Definición de extremoslaabsolutos!
x = 1 la única raíz que tiene función es R = {1}.
Paso 2:
(2) Enunciad0 Las discontinuidades de f (x) serán aquellos puntos que anulen
el denominador D = { 1, 2}
Paso 3: Los intervalos definidos por R [ D = { 1, 1, 2} son ( 1, 1) [
( 1, 1) [ (1, 2) [ (2, +1). Evaluamos la función para conocer el signo de la
función:
3 Evaluando la función en un punto del interior del intervalo.
1.9. Continuidad de un función en un intervalo

[a, b]
Definición 1.9.1 (Continuidad en un intervalo [a,b] ) Sea f : [a, b] ⊂ R 7→
R, diremos que f es continua en el intervalo [a, b], cuando lo sea en cada punto
del intervalo (a, b) y en los extremos del intervalo cumpla
lı́m f (x) = f (a) lı́m f (x) = f (b) (1.40)

x→a+ x→b−
Las gráficas de las funciones continuas en [a, b] se pueden dibujar de un

solo trazo, esto es, sin levantar el lápiz del papel. Si dibujáramos varias
gáficas de funciones continuas en [a, b] y observáramos que característica
tienen en común el conjunto imagen, en todas ellas veríamos que es un
intervalo cerrado y acotado. La figura 1.15 ilustra esta propiedad2 y se
observa que la imagen cumple f ([a, b]) = [f (d), f (e)]. Este resultado nos dice
tres cosas: i) que existe una imagen que es más grande que todas las demás,
ii) lo mismo para pero para la imagen más pequeña y iii) que todos los valores
entre las imágenes máxima y mínima son también imágenes. Los resultados
i) y ii) se conocen con el nombre de teorema de Weierstrass mientras que un
caso particular de iii) recibe el nombre de teorema de Bolzano y nos dice que
si una función continua en [a, b] tiene una imagen positiva y otra negativa
2 Las funciones continuas transforman intervalos cerrrados y actados en intervalos cerrados
y acotados
en los extremos del intervalo forzosamente la imagen 0 se alcanzará por lo

menos en un valor de x. En el ejemplo ilustrado en la figura 1.15 se observa
que existen exactamente tres valores (c1 , c2 , c3 ) donde se anula la función. A
continuación formulamos dicho teorema.
f (e)
f (a)
a c1 d c2 e c3 b
y
f (b)
f (d)
Figura 1.15: Funciones continuas en un intervalo [a, b]
Teorema 1.9.2 (Bolzano) Sea f [a, b] ⊂ R 7→ R, continua en [a, b], cumpliendo

f (a)f (b) < 0 ⇒ ∃c ∈ (a, b) tal que f (c) = 0.
Observación 1.9.3 El teorema de Bolzano no dice nada sobre el número

de raíces que tiene f . ¿Podría existir una función cumpliendo el teorema de
Bolzano con un número par de raíces? y si una función tiene una raíz ¿debe
cambiar de signo sus imagenes?
Observación 1.9.4 (Resolución de desigualdades) El teorema de Bolzano

permite resolver desigualades del tipo f (x) ≤ 0. Por el teorema de Bolzano una
función que es continua en un intervalo y no contiene ninguna raíz conserva
el signo en todo el intervalo. Esto es, o siempre es positiva f (x) > 0 o siempre
es negativa f (x) < 0, por lo tanto todos los puntos del intervalo resuelven la
desigualdad o no existe ninguna solución en dicho intervalo. El método de
resolución consiste en tres pasos:
Paso 1: Encontrar el conjunto de raíces f (x) = 0. Denotemos este conjunto

por R.
Paso 2: Encontrar el conjunto de las discontinuidades de f (x). Denotemos

este conjunto por D.
Paso 3: Calcular3 el signo de f (x) en todos los subintervalos definidos

por puntos consecutivos del conjunto R ∪ D. La solución será la unión de
intervalos en los que se cumpla f (x) < 0 unión las raíces.
Ejemplo 1.9.5 Veamos un ejemplo. Resolver
x2 − 1
f (x) = ≤0
|x + 1|(2 − x)
2
Paso 1: Las raíces f (x) = |x+1|(2−x)
x −1
= 0 estarán entre aquellos puntos
que anula el númerador, es decir ±1. Como la función no está definida en
x = −1 la única raíz que tiene la función es R = {1}.
Paso 2: Las discontinuidades de f (x) serán aquellos puntos que anulen

el denominador D = {−1, 2}
Paso 3: Los intervalos definidos por R ∪ D = {−1, 1, 2} son (−∞, −1) ∪

(−1, 1) ∪ (1, 2) ∪ (2, +∞). Evaluamos la función para conocer el signo de la
función:
Intervalo f (x) Signo

(−∞, −1) f (−2) = 43 +
(−1, 1) f (0) = − 12 −
(1, 2) f (3/2) = 1 +
(2, +∞) f (3) = −2 −
Por tanto las soluciones de la desigualdad son (−1, 1] ∪ (2, +∞). La gráfica de
f (x) se muestra en la figura 1.16. Los puntos donde existen cambios en las
imagenes son o las raíces o las discontinuidades c, c2 , c3 .
Definición 1.9.6 (Extremos absolutos) Sea f : A ⊆ R 7→ R. Diremos que f

alcanza en d ∈ A un mínimo absoluto sii
f (d) ≤ f (x) ∀x ∈ A. (1.41)
El valor f (d) se deomina valor mínimo de la función. La función f alcanza en

e ∈ A un máximo absoluto sii
f (x) ≤ f (e) ∀x ∈ A. (1.42)
El valor f (e) se deomina valor máximo de la función.
Teorema 1.9.7 (Weierstrass) Sea f continua en [a, b] entonces f alcanza el

máximo y el mínimo absoluto en [a, b], es decir, existen d, e ∈ [a, b] tales que
f (d) ≤ f (x) ≤ f (e) ∀x ∈ A = [a, b]. (1.43)
Observación 1.9.8 El teorema de Weierstrass también nos informa que las

funciones continuas en [a, b] están acotadas.
3 Evaluando la función en un punto del interior del intervalo.
x 2 −1
y= |x+1|(2−x)
c1 c2 c3
y
Figura 1.16: Resolución de desigualdades
Pn
1. Sea Pn (x) un polinomio de grado n en x, Pn (x) = k=0 ck xk , tal que el
primero y el último de los coeficientes (c0 y cn ) tienen signos opuestos.
Demostrar que existe al menos un punto x = x0 tal que Pn (x0 ) = 0.
2. Aplicando el teorema de Bolzano encontrar intervalos en los que hay

sólo una raíz para los siguientes polinomios
a) P1 (x) = 3x4 − 2x3 − 36x2 + 36x + 8

b) P2 (x) = 2x4 − 14x2 + 14x − 1
3. Demostrar que todo polinomio de grado impar tiene por lo menos una
raíz real.
4. Sea f : [0, 1] → IR una función continua con f (0) < 0 y f (1) > 2.
Demostrar que para algún x ∈ (0, 1) se tiene que f (x)
2 =1
5. Consideremos la función f (x) = 19 e−|x| + x−2

1
. Si calculamos f (0) = − 18
7
y f (4) = 0.502, sin embargo, a pesar de que hay un cambio de signo en

el intervalo la función no tiene ninguna raíz. ¿Contradice este hecho el
teorema de Bolzano?
6. Resolver la siguiente desigualdad

2
2 − e−x
≤0
x
7. Demostrar que f (x) = x4 + 2x3 − 1 = 0 tiene al menos dos raíces reales.

8. Calcular los máximos y mínimos absolutos de las siguientes funciones
en el dominio que se indica así como sus valores mínimos y máximos:
a) f (x) = −x en [−1, 1]; b) f (x) = 1
x en (0, 1]; c) f (x) = |x2 − 1| en [−2, 2];
9. ¿Cuál es el conjunto imagen de f (x) = x(x − 1) en [0, 1]?

f (x) x 6= 0
10. f (x) = x2 + 1 y g(x) =
2 x=0
a) Estudiar su continuidad.
b) Si se consideran definidas sobre[-1,2], ¿están acotadas?,
¿alcanzan su máximo y su mínimo?.
c) Hallar f ([−1, 2]).
S ESIÓN 11
Ejercicios de continuidad
1. Estudiar la continuidad de las siguientes funciones según los valores

de a
ax
2x2 − 3 si x 6= 2 e si x ≤ 0
a) f (x) = ; b) g(x) =
2a − 3 si x = 2 x + 2a si x > 0

4.3x si x ≤ 0
c) h(x) =
x + 2a si x > 0
Solución: a) a = 4, b) a = 1/2, c) a = 2.
2. Probar que las siguientes ecuaciones tienen al menos una raíz real:
133
a) x5 − 3x3 + 4x2 − 1 = 0; b) x50 + = 70
1 + x2 + sin2 x
x4 + 2x2 + 5 x6 + 2x4 + 6
c) x2x = 1; d) + =0
x−1 x−7
x
3. Calcular f ([−1, 4]) siendo f (x) = , ∀x ∈ [−1, 4].
1 + |x|
Solución: La función
 x
 si x ∈ [0, 4]
f (x) = 1 + x
 x
si x ∈ [−1, 0]
1−x
es continua y creciente en [−1, 4], por tanto f ([−1, 4]) = [f (−1), f (4)].
4. sea f : [−1, 1] → R una función continua en [−1, 1] y tal que f (−1) = f (1).
Demuestra que existe algún punto c ∈ [0, 1] tal que f (c) = f (c − 1).
Solución: Basta aplicar g(x) = f (x) − f (x − 1) en [0, 1].
5. Se consideran las funciones reales de variable real:
(
sin x
x + ln x x > 1 x>0
f (x) = g(x) = x
x2 x≤1 e x
x≤0
a) Probar que f y g son continuas en todo R.

b) ¿Está acotada g ◦ f en el intervalo[−1, 2]?
c) Probar que existen dos puntos x1 , x2 en el intervalo (1, e2 ) tal que
π 3π
f (x1 ) = y f (x2 ) =
2 2
d) Deducir del apartado anterior que existe x0 en el intervalo (1, e2 ) tal
que (g ◦ f )(x0 ) = 0.
1
6. Se considera la función f (x) = definida en (3, 7). ¿Es continua?.
x−3
¿Está acotada superiormente?.¿Contradice algún teorema?
S ESIÓN 12
Cálculo de raíces mediante el método de bisección

1. Acertar un número de 1 a 100
2.Construcción de la sucesión del método de la bisección
3. Error en el método de la bisección
4. Ejemplo numérico
1.10. Cálculo de raíces mediante el método de la

bisección
En esta sección vamos a estudiar el método de la bisección para calcular
de forma aproximada las raíces de una función continua f (x). Este problema
consiste en encontrar un valor c de modo que f (c) = 0. El valor c recibe el
nombre de raíz de la función f (x).
El método de la bisección parte de un intervalo [a, b] conteniendo a una
raíz. Divide el intervalo por la mitad y elige aquel que sigue conteniendo una
raíz. Este proceso de división se repite sucesivamente hasta que la amplitud
del subintervalo sea menor que una cantidad dada.
El método de la bisección opera como el procedimiento de adivinar un
número entre dos números dados. La persona que debe adivinar el número
pronostica (usualmente) el valor medio del intervalo y las indicaciones que
realiza la persona que ha pensado el número, de si es mayor o menor que el
número pensado, le permiten saber con cual de los dos subintervalos iterar
el proceso.
1.10.1. Construcción de la sucesión del método de la

bisección
Vamos a definir inductivamente el esquema algorítmico del método.
Partimos de una función continua en [a, b] con f (a)f (b) < 0 y elegimos como
1.10. Cálculo de raíces mediante el método de la bisección |51|
primer intervalo [a1 , b1 ] = [a, b]. Calculamos el punto medio m1 = a+b

2 y su
imagen f (m1 ). Ahora queremos definir un nuevo intervalo [a2 , b2 ]. Pueden
ocurrir tres casos (ver figura 1.17):
Caso 1) f (a1 )f (m1 ) < 0. En este caso tomamos el intervalo [a2 , b2 ] =

[a1 , m1 ]. Por el teorema de Bolzano este intevalo seguirá conteniendo
una raíz.
Caso 2) f (a1 )f (m1 ) > 0. En este caso tomamos [a2 , b2 ] = [m1 , b1 ].
Si el producto de dos números es positivo es porque ambos tiene el
mismo signo y por tanto sig(f (a1 )) = sig(f (m1 )) → sig(f (m1 )f (b1 )) =
sig(f (a1 )f (b1 )). Como f (a1 )f (b1 ) < 0 también se tiene f (m1 )f (b1 ) < 0 y
por el teorema de Bolzano queda garantizado que el nuevo intervalo
[a2 , b2 ] tiene una raíz.
Caso 3) f (m1 ) = 0. Luego m1 es la raíz buscada.
m1 b1 a1 m1
y
a1 b1
Caso 1) Caso 2)
x x
Figura 1.17: Construcción de los subintervalos en el método de la bisección
a2 + b2
Tomamos m2 = evaluamos f (m2 ) y volvemos a tener los tres casos
2
anteriores y así sucesivamente. Supongamos que tras la n−ésima iteración
tenemos el intervalo [an , bn ] cumpliendo
f (an )f (bn ) < 0.

a n + bn
Calculamos el punto medio del intervalo mn = y si f (mn ) 6= 0
2
definimos el siguiente intervalo

[an , mn ] si f (an )f (mn ) < 0
[an+1 , bn+1 ] :=
[mn , bn ] si f (an )f (mn ) > 0
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Método de la bisección
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% a extremo inferior del intervalo
% b extremo superior del intervalo
% n número de iteraciones
% f función
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a=1;
b=2;
n=13;
f=@(x) (x^3+4*x^2-10);
RES=[]; %almacenamiento resultados
% Evaluación de la función en los extremos
fa=f(a);
fb=f(b);
%------------------------
for i=1:n
m=(a+b)/2;
fm=f(m);
if fa*fm<0
b=m;
fb=fm;
elseif fa*fm>0
a=m;
fa=fm;
else
display(’raíz encontrada’)
m
end
% almacena resultados iteracion
RES=[RES;[a b m fm]];
end
display(RES)
Figura 1.18: Método de la bisección programado en MATLAB biseccion.m
Ejemplo 1.10.1 La funcion f (x) = x3 + 4x2 − 10 tiene 1 raíz real en el intervalo

[1, 2]. Calcular una solución aproximada en el intervalo [1, 2] realizando 13
iteraciones del método de la bisección.
Para realizar los cálculos se desarrolla el programa 1.18. La tabla 1.4
muestra los resultados obtenidos con dicho programa.
Se puede observar en este ejemplo los siguientes hechos:
(an ) es una sucesión monótona creciente acotada por b = 2.
(bn ) es una sucesión monótona decreciente acotada por a = 1.
(mn ) es una sucesión convergente y lı́m f (mn ) = 0

n→∞
.
Cuadro 1.4: Resultados obtenidos con el método de la bisección

an bn mn f (mn )
1 2 1.5 2.375
1 1.5 1.25 -1.79687
1.25 1.5 1.375 0.16210
1.25 1.375 1.3125 -0.84838
1.3125 1.375 1.34375 -0.35098
1.34375 1.375 1.35937 -0.09640
1.35937 1.375 1.36718 0.03235
1.35937 1.36718 1.36328 -0.03214
1.36328 1.36718 1.36523 0.00007
1.36328 1.36523 1.36425 -0.01604
1.36425 1.36523 1.36474 -0.00798
1.36474 1.36523 1.36499 -0.00395
1.36499 1.36523 1.36511 -0.00194
1.10.2. Convergencia del método de la bisección. Una

demostración constructiva del teorema de Bolzano
En esta seción vamos a demostrar que i) (mn )→ c y que ii) f (c) = 0.
i) La sucesión (an ) es monótona creciente y acotada superiormente por b.

La sucesión (bn ) es monótona decreciente y acotada inferiormente por
a. Por el teorema de la convergencia monótona 1.3.14 ambas sucesiones
son convergentes:
lı́m an = m1 lı́m bn = m2 Veamos que m1 = m2 .
n→∞ n→∞
bn−1 − an−1 bn−2 − an−2 b−a

bn − an = = = · · · = n−1 (1.44)
2 22 2
Tomando límites a ambos lados de la identidad (1.44) obtenemos
b−a
lı́m (bn − an ) = m2 − m1 = lı́m =0 (1.45)
n→∞ n→∞ 2n−1
Llamemos c al valor común m1 = m2 . Esto es c = m1 = m2 . Veamos que

(mn ) también converge al valor c.
an + bn c+c
lı́m mn = lı́m = = c. (1.46)
n→∞ n→∞ 2 2
ii) Veamos que f (c) = 0.

Por la construcción de los intervalos se tiene
f (an )f (bn ) < 0 ∀n ∈ N (1.47)

Por hipótesis f (x) es una función continua en c ∈ [a, b] y aplicando la

caracterización sucesional se tiene:
lı́m f (an )f (bn ) = f (c)f (c) (1.48)

n→∞
Tomando límites en la relación (1.47) y aplicando la identidad (1.48)
lı́m f (an )f (bn ) = f (c)f (c) ≤ 0 ⇒ f (c)2 ≤ 0 ⇒ f (c) = 0 (1.49)

n→∞
1.10.3. Error en el método de la bisección
Sea en el error cometido en la iteración n−ésima considerando que el valor

aproximado de la raíz es mn (punto del medio intervalo [an , bn ]).
cota del = (bn - an)

error 2
}
an s mn bn
}
error
Figura 1.19: Error en el método de bisección
Veamos como se puede acotar el error que se comete:
1 bn−1 − an−1 b−a b−a

en = |mn − s| ≤ (bn − an ) = = ··· = = n . (1.50)
2 22 2.2n−1 2
Si queremos que el error sea menor que un cierto > 0, podemos calcular
el n que lo cumpla:
b−a
e = |mn − s| ≤
<
2n

b−a b−a n b−a
<⇒ < 2 ⇒ log2 < log2 2n ⇒
2n
Por tanto se tiene:

b−a
ln
b−a
n > log2 =
ln 2
(1.51)
Ejemplo 1.10.2 Mediante el algoritmo de la bisección y con un error menor

que 10−5 , calcular una solución aproximada de f (x) = x − 2−x = 0
Buscamos un intervalo donde se encuentre la raíz, para ello utilizamos el

teorema de Bolzano:
i) La función f es continua en todo R por ser resta de un polinomio y una

exponencial.
ii) Veamos si la función cambia de signo en el intervalo [0, 1].

(
f (0) = −1
1
f (1) =
2
Luego existe un número c ∈ (0, 1) cumpliendo f (c) = 0.
Un valor de n que asegure que el error sea menor que 10−5 , aplicando la
relación (1.50) en nuestro caso, satisface:

1−0 5 ln 105
n > log2 = log 2 10 = = 16.68
10−5 ln 2
Luego la iteración a la que tenemos que llegar como mínimo será la n = 17.
n an bn mn f (mn )
1 0 1 0.5 -0.207 11
2 0.5 1 0.75 0.155 40
- - - - -
17 0.64117 0.64118 0.64118
.
1. Adaptar el código de la figura 1.18 para calcular la raíz de f (x) = x2 en

[−1, 3] aplicando n = 10 iteraciones ¿Qué está ocurriendo?
1
2. Repetir el apartado anterior con la función f (x) = que cambia de
x
signo en los extremos del intervalo [−1, 3] ¿Converge a una raíz de la
función?
3. Aplicar el método de la bisección para calcular la raíz de la función de

f (x) = ln(x).
4. Adaptar el método de la bisección para simular como se adivina un

número natural entre dos números dados. La función para calcular la
raíz es f (x) = N − x donde N es el número a adivinar.
5. Probar que las siguientes ecuaciones tienen al menos una raíz real y
aproximarlas mediante el método de la bisección con un error inferior a
= 10−3
133
a) x5 − 3x3 + 4x2 − 1 = 0; b) x50 + = 70
1 + x2 + sin2 x
x4 + 2x2 + 5 x6 + 2x4 + 6
c) x2x = 1; d) + =0
x−1 x−7
2
Funciones derivables. Teorema de
Taylor
57
|58| CAPÍTULO 2. FUNCIONES DERIVABLES. TEOREMA DE TAYLOR
S ESIÓN 13
Definición de derivada
1. Definición.
Ejemplos f(x)=x, g(x)=x^2
2.Continuidad de las funciones derivables
Contraejemplo f(x)=|x|
3. Interpretación geométrica del concepto de derivada
Cálculo de la recta tagente
2.1. Definición de derivada. Interpretación geo-

métrica
En el capítulo anterior hemos analizado el concepto de continuidad en
un punto a. Este concepto permite asegurar que si hacemos variaciones pe-
queñas de la variable independiente x alrededor del punto a le corresponden
pequeñas variaciones de la variable independiente y. En este capítulo anali-
zaremos el concepto de deriviabilidad que añade un grado mayor de regula-
ridad al comportamiento de un función en un punto. Considérese la función
f (x) = |x| y g(x) = x2 (figura 2.1). Estas funciones decrecen hasta el valor
a = 0 y empiezan a crecer a partir de ese valor. La diferencia entre ambas
es que la función f (x) va disminuyendo su valor de forma constante hasta
alcanzar el punto a = 0 y abruptamente cambia su monotonía y empieza
a crecer. Por otro lado la función g(x) realiza una transición de decreciente
a creciente de forma suave. Esto es, cada vez va decreciendo con una tasa
menor hasta que justo en el punto a = 0 empieza a crecer. La función f (x)
no es derivable en el punto a = 0 mientras que la función g(x) si lo es. Más
formalmente,
2.1.1. Definición de derivada

Definición 2.1.1 (Derivable en un punto) Sea I in intervalo abierto, f : I ⊂
R 7→ R y a ∈ I. Diremos que f es derivable en a si existe y es finito el límite:
2.1. Definición de derivada. Interpretación geométrica |59|
f (x) = |x| g(x) = x 2
y
a=0 a=0
x x
Figura 2.1: Ilustración del concepto de derivabilidad
f (x) − f (a)
lı́m =l∈R
x→ax−a
En este caso, el límite se designa por f 0 (a) y recibe el nombre de derivada
de f en a.
Observación 2.1.2 Notar los siguientes hechos:

1. Si hacemos el cambio de variable h = x−a el anterior límite es equivalente
a:
f (a + h) − f (a)
f 0 (a) = lı́m
h→0 h
2. El anterior limite existe cuando los límites laterales h → 0+ ó
h → 0− , existen y son iguales, a estos límites se les denomi-
nan derivada por la derecha ó derivada por la izquierda de f en a
(derivadas laterales) y se denotan por f+
0 0
(a), f− (a) respectivamente.
Ejemplo 2.1.3
Función constante. Sea f (x) = c, veamos si es derivable en x = a
f (x) − f (a) c−c
f 0 (a) = lı́m = lı́m =0
x→a x−a x→a x−a
Función cuadrática. Sea f (x) = x2 , veamos si es derivable en x = a
f (x) − f (a) x2 − a2 (x − a)(x + a)
f 0 (a) = lı́m = lı́m = lı́m = lı́m (x + a) = 2a
x→a x−a x→a x − a x→a (x − a) x→a
Teorema 2.1.4 (Continuidad de las funciones derivables) Si f es deriva-

ble en x = a ⇒ f es continua en x = a.
P RUEBA. Para que sea continua en x = a tenenemos que demostrar
lı́m f (x) = f (a) ⇔ lı́m (f (x) − f (a)) = 0 (2.1)

x→a x→a
Multiplicando y dividiendo por (x − a) la anterior expresión y usando el hecho

que la función es derivable en x = a, obtenemos:
(x − a) f (x) − f (a)
lı́m (f (x) − f (a)) = lı́m · (x − a) = f 0 (a) · 0 = 0 (2.2)
x→a (x − a) x→a (x − a)
2
El recíproco es falso como se muestra en el siguiente ejemplo.

Ejemplo 2.1.5 (Contraejemplo) Considerese la función f (x) = |x| que es
continua en a = 0. Vamos a calcular las derivas laterales:
0 f (0 + h) − f (0) h−0
f+ (0) = lı́m = lı́m+ =1
h→0+ h h→0 h
0 f (0 + h) − f (0) −h − 0
f− (0) = lı́m = lı́m = −1
h→0 − h h→0 + h
Como f−
0 0
(0) 6= f+ (0) la función no es derivable en a = 0.
2.1.2. Interpretación geométrica de la derivada

Considérese la gráfica de la función y = f (x) mostrada en la figura 2.2
f (a + h)
y
f (a)
a=0 a+h
x
Figura 2.2: Interpretación geométrica del concepto de derivada
La recta secante a la gráfica en los puntos (a, f (a)) y (a + h, f (a + h)) tiene

pendiente
f (a + h) − f (a)
mh = (2.3)
h
Tomando límites a ambos lados de la identidad (2.3), obtenemos:

f (a + h) − f (a)
lı́m mh = lı́m = f 0 (a) (2.4)
h→0 h→0 h
Geométricamente en la figura 2.2 se observa que cuando h → 0 las rectas
secantes convergen a la recta tangente y por tanto el lı́m mh es la pendiente
h→0
de la recta tangente. Por otro lado, la ecuación (2.4) indica que el límite de
las pendientes de las rectas secantes es la derivada, por tanto, la derivada
coincide con la pendiente de la recta tangente en el punto (a, f (a)).
La ecuacion de una recta de pendiente m y que pasa por el punto (x0 , y0 )
es
y − y0 = m(x − x0 )
Si aplicamos esta ecuación a la recta tangente que pasa por el punto
(x0 , y0 ) = (a, f (a)) y tiene pendiente m = f 0 (a) obtenemos:
y − f (a) = f 0 (a)(x − a) ⇒ y = f (a) + f 0 (a)(x − a) (2.5)
De entre todas las rectas que pasan por el punto (a, f (a)), la tangente es
la que mejor aproxima a la curva y = f (x) en las proximidades de x = a.
Una observación importante de esta interpretación geométrica es que si
f 0 (a) = 0, la tangente a la curva y = f (x) en el punto a es una recta horizontal.
Ejemplo 2.1.6 Calcular la recta tangente a la gráfica de f (x) = x2 en el punto

a = 1.
Aplicando la fórmula (2.1.7) para a = 1, tenemos f 0 (x) = 2x y por tanto:
y = f (1) + f 0 (1)(x − 1) = 12 + 2.1(x − 1) = −1 + 2x
Ejemplo 2.1.7 Calcular las recta tangentes a la gráfica de la función f (x) =

x2 + 1 que pasen por el origen de coordenadas (0, 0) como muestra la figura
2.3.
En este ejemplo el punto de tangencia no se conoce explícitamente. Se sabe
que la recta de tangencia pasa por el origen de coordenadas y por tanto el
término de interceptación1 vale cero.
y = f (a) + f 0 (a)(x − a) = f (a) − af 0 (a) + f 0 (a)x ⇒ f (a) − af 0 (a) = 0
Lo que conduce a la ecuación
f (a) − af 0 (a) = (a2 + 1) − a(2a) = 0 ⇒ a = ±1
Sustituyendo el valor de a = ±1 en la ecuación (2.1.7) obtenemos que las rectas

tangentes son y = ±2x.
1 El parámetro n en la recta y = mx + n se denomina término de interceptación.

f (x) = x 2 + 1
a2 a1
x
Figura 2.3: Ilustración del ejemplo 2.1.7
1. Si f es una función continua en x = a, estudiar la derivabilidad en x = a

de las siguientes funciones:
(a) g(x) = (x − a)f (x); (b) h(x) = |x − a| f (x).
2. Supóngase que existe la derivada f 0 (a). Discutir razonadamente cuáles

de las igualdades siguientes son ciertas.
f (h) − f (a) f (a) − f (a − h)

(a) f 0 (a) = lı́m , (b) f 0 (a) = lı́m ,
h→a h−a h→a h
f (a + 2t) − f (a) f (a + 2t) − f (a + t)
(c) f 0 (a) = lı́m , (d) f 0 (a) = lı́m .
t→0 t t→0 2t
3. Estudiar la continuidad y derivabilidad de la función 1+|x| .

x
4. Estudiar la derivabilidad de las siguientes funciones y calcular la

expresion de la funcion derivada:
( 
x2  ex si x > 0
3 − |x| si x 6= 0
a) f (x)= ; b) g(x) = 1 si x = 0
3 si x = 0  x2
2 +1+x si x < 0
√
c) h(x) = e ; d) i(x) = x − 1
|x| 5
5. Sea cosx−1
x2 −1 si x > 0
f (x) =
mx + n si x ≤ 0
Determinar m y n para que f (x) y f 0 (x) sean continuas en todo R.

6. Dados tres números reales a, b y c, sea f (x) la función real definida por:

x2 si x ≤ c
f (x) =
ax + b si x > c
Determinar a y b en función de c para que f (x) sea derivable en c.

7. Determinar el ángulo que forman las gráficas de las funciones f (x) =
x2 − 1 y g(x) = x3 − x en los puntos de corte.
8. Hallar los puntos de las gráficas de las siguientes funciones en los que
la recta tangente es paralela a la bisectriz del primer cuadrante, siendo
f (x) = 2x4 − x2 + x ; g(x) = x4 − 7x3 + 13x2 + x + 1
9. La recta perpendicular a la tangente en el punto (a, f (a)) es la

recta normal a la curva en dicho punto.
La ecuación de la normal a f en a, si f 0 (a) 6= 0 es:
1
y = f (a) − (x − a)
f 0 (a)
Demostrar que toda recta normal a una circunferencia pasa por su

centro.
10. Sea f : I 7→ R definida en el intervalo I. Si existe un α > 1 tal que

|f (x) − f (y)| ≤ (x−y)α cualesquiera que sean los números reales x, y ∈ I,
justificar que f es continua y posee derivada nula en todos los puntos
de I.
S ESIÓN 14
Técnicas de derivación
1. Tabla de derivadas.
Ejemplos f(x)=sen(x), g(x)=e^x
2.Propiedades algebraicas
Ejemplos: hiperbólicas, h(x)=x^n
2.2. Técnicas de derivación

2.2.1. Tabla de derivadas
Mediante manipulaciones matemáticas se pueden calcular la derivada de
las funciones elementales y obtener la tabla de derivadas 2.1. A modo de
ejemplo calcularemos la derivada de las función y = sen(x).
Proposición 2.2.1 (Derivada de la función y = sen(x)) Sea f (x) = sen(x),

entonces f 0 (x) = cos(x).
P RUEBA. Calculemos la derivada en x = a
f (a + h) − f (a) sen(a + h) − sen(a)
f 0 (a) = lı́m = lı́m
h→0 h x→a h
Aplicando la relación trignonométrica

A+B A−B
sen(A) + sen(B) = 2sen cos
2 2
obtenemos:

a+h−a a+h+a
sen(a + h) − sen(a) = sen(a + h) + sen(−a) = 2sen cos
2 2
Calculando ahora el límite y teniendo en cuenta el infinitésimo

h h
sen ,0 ∼ ,0
2 2
2.2. Técnicas de derivación |65|
2sen(h/2)cos(a + h/2) 2(h/2)cos(a + h/2)

f 0 (a) = lı́m = lı́m = cos(a)
h→0 h x→a h
2
Proposición 2.2.2 (Derivada de la función y = ex ) Sea f (x) = ex , entonces

f 0 (x) = ex .
P RUEBA. Calculemos la derivada en x = a
f (x) − f (a) ex − ea ea (ex−a − 1)
f 0 (a) = lı́m = lı́m = lı́m
x→a x−a x→a x − a x→a x−a
Empleando el infitésimo hey , 0i ∼ hy, 0i con y = x − a, obtenemos:
ea (x − a)
f 0 (a) = lı́m = ea
x→a x−a
2
Cuadro 2.1: Derivada de las funciones elementales

Función f (x) Derivada f 0 (x)
c constante 0
xα αxα−1
√ 1 1 1 n1
−1
n
x = xn n
√
n n−1
x
= nx
√ 1
x √
2 x
loga x (a > 0) 1
x·ln(a)
1
lnx
x
ax (a > 0) ax log a
x
e ex
sen(x) cos(x)
cos(x) −sen(x)
1
tan(x) 1 + tan2 (x) =
cos2 x
asen(x) √ 1
1−x2
−1
acos(x) √
1 − x2
1
atan(x)
1 + x2
senh(x) cosh(x)
cosh(x) senh(x)
Teorema 2.2.3 (Propiedades algebraicas de la derivada) Sean f y g dos

funciones derivables en x = a. Se cumple:
– Suma. La función (f + g)(x) es derivable en x = a, siendo su derivada
(f + g)0 (a) = f 0 (a) + g 0 (a)
– Producto. La función (f · g)(x) es derivable en x = a, siendo su derivada
(f · g)0 (a) = f 0 (a)g(a) + g 0 (a)f (a)

f
– Cociente. Si g(a) 6= 0, la función (x) es derivable en x = a, siendo su
g
derivada 0
f f 0 (a)g(a) − g 0 (a)f (a)
(a) =
g (g(a))2
– Constante. La función k · f (x) donde k ∈ R, es derivable en x = a, siendo
(kf )0 (a) = kf 0 (a)
Ejemplo 2.2.4 En este ejemplo ilustraremos como se aplican las anteriores

propiedades en el cálculo de derivadas.
Seno hiperbólico. La función seno hiperbólico se define:
ex − e−x ex − e−x (−1)

senh(x) = ⇒ senh0 (x) = = cosh(x)
2 2
Coseno hiperbólico. La función coseno hiperbólico se define:
ex + e−x ex + e−x (−1)

cosh(x) = ⇒ cosh0 (x) = = senh(x)
2 2
Potenciación. Vamos a emplear la regla de la derivada del producto para

demostrar inductivamente que la derivada de f (x) = xn con n ∈ N es
f 0 (a) = nan−1 .
Para n = 1 tenemos
f (x) − f (a) x−a
f 0 (a) = lı́m = lı́m =1
x→a x−a x→a x − a
Supongamos cierto para n − 1, esto es, si f (x) = xn−1 entonces f 0 (x) =

(n−1)xn−2 . Veamos que también se cumple para n. Expresamos f (x) = xn
como xn = x · xn−1 y aplicamos la regla de derivación del producto de
funciones, obteniendo:
f (x) = xn = x·xn−1 ⇒ f 0 (x) = 1·xn−1 +x·(n−1)xn−2 = xn−1 +(n−1)xn−1 = nxn−1 .

1. Aplicando la regla de derivación del conciente calcular la derivada de

f (x) = tan(x), g(x) = tanh(x) y h(x) = cotan(x) = 1
.
tan(x)
S ESIÓN 15
2.2.2. Derivada de la función compuesta. Derivada de la

función inversa
El siguiente teorema junto a la tabla 2.1 de derivadas elementales va a
permitir calcular la derivada de funciones generales.
Teorema 2.2.5 (Regla de la cadena) Sean f : I → R y g : J → R con f (I) ⊂ J.

Si f es derivable en el punto x = a y g es derivable en f (a), entonces h = g ◦ f
es derivable en x = a y su derivada es:
(g ◦ f )0 (a) = g 0 (f (a))f 0 (a). (2.6)

Ejemplo 2.2.6 1. Sea h(x) = sen x2 . Esta función se expresa como
composición de dos funciones del siguiente modo h(x) = (g ◦ f )(x) donde
g(x) = sen (x) y f (x) = x2 . Aplicando la regla de la cadena se tiene que
su derivada es:
h0 (x) = g 0 (f (x))f 0 (x) = g 0 (x2 )(2x) = cos(x2 )(2x).
Si por otro lado consideramos la función k(x) = (f ◦ g)(x) = sen2 (x) su

derivada es
k 0 (x) = f 0 (g(x))g 0 (x) = 2(g(x))g 0 (x) = 2sen(x) cos(x).
2. Considérese la siguiente función

1
h(x) = = (1 + [f (x)]2 )−1
1 + [f (x)]2
Su derivada es
2f (x)f 0 (x)
h0 (x) = −(1 + [f (x)]2 )−2 2f (x)f 0 (x) = − 2
(1 + [f (x)]2 )
3. Derivación implícita. Considérese la ecuación
x2 + y 2 = 1 (2.7)
que establece una relación entre la variable (independiente) x y la

variable (dependiente) y. La figura 2.4 muestra que la relación x2 + y 2 = 1
define dos funciones y = f (x), una delimitada por la semicircunferencia
con valores de y ≥ 0 y la otra relación por la semicircunferencia con
valores de y ≤ 0. El camino usual para calcular la derivada en un

punto (a, f (a)) es despejar la variable y = f (x) y luego derivar f 0 (x). Por
ejemplo, si quisiéramos calcular la derivada en el punto a = √12 , f (a) =
√ −x
√1 , obtenemos y = f (x) = 1 − x2 y luego derivamos f 0 (x) = √1−x ,
2 2
obteniéndose el valor:
− √12
1
f0 √ =r 2 = −1
2
1 − √12
En ocasiones no es posible despejar la variable y. Para calcular la

derivada en estos casos asumimos que existe una función derivable
y = f (x) que cumple la relación (2.7), y por tanto
x2 + (f (x))2 = 1
y derivando la anterior expresión respecto a x obtenemos
2x + 2f (x)f 0 (x) = 0 (2.8)

Si queremos calcular la derivada en a = √12 , sustituimos en la expresión

(2.8) el valor de x = √12 y teniendo presente f √12 = √12 , obtenemos:

−2 √12
1 1 1 1
2 √ + 2f √ )f 0 √ = 0 ⇒ f0 √ = = −1
2 2 2 2 2 √12
4. Otro ejemplo de derivación implícita. Supóngase que la función derivable

y = f (x) cumple la relación y 3 + y = x. En este caso no se conoce
explícitamente el valor de y dado x, y para calcularlo se debe resolver
la ecuación. Por ejemplo si se desea calcular y = f (0), tomamos x = 0 y
resolvemos la ecuación
y 3 + y = 0 ⇒ y(y 2 + 1) = 0 ⇒ y = 0.
Por tanto la imagen en el punto x = 0 es f (0) = 0. En estos casos también

es posible calcular la derivada sin conocer explícitamente la función.
Asumimos que la fución f (x) definida implícitamente por la siguiente
expresión
(f (x))3 + f (x) = x
es derivable. Derivando a ambos lados de la igualdad y aplicando la

regla de la cadena para el cálculo de la derivada del lado izquierdo,
obtenemos:
1
3(f (x))2 f 0 (x) + f 0 (x) = 1 ⇒ f 0 (x) =
3f (x)2 + 1
f (a)
y
a
Figura 2.4: Soluciones de la ecuación x2 + y 2 = 1
Si quisiéramos calcular la derivada en el punto x = 0, evaluaríamos la

anterior expresión en el punto x = 0
1 1
f 0 (0) = 2
= =1
3f (0) + 1 0+1
5. Derivación logarítmica. Supóngase que tenemos dos funciones f (x) y

g(x) derivables, con f (x) > 0. Queremos calcular la derivada de
g(x)
h(x) = [f (x)] .
Para calcular la derivada de h se emplea la llamada derivación

logarítmica consistente en tomar logaritmos y posteriormente derivar:
g(x) h0 (x) f 0 (x)

ln(h(x)) = ln [f (x)] = g(x)ln [f (x)] ⇒ = g 0 (x)ln [f (x)] + g(x)
h(x) f (x)
Despejando h0 (x) de la anterior expresión

0 0 1 g(x) 0 f 0 (x)
h (x) = h(x) g (x)ln [f (x)] + g(x) = [f (x)] g (x)ln [f (x)] + g(x)
f (x) f (x)
El siguiente teorema permite encontrar expresiones de la derivada de una
función inversa f −1 a partir de la derivada de su función f .
Teorema 2.2.7 (Derivada de la función inversa) Sea f : A 7→ R derivable

en x = a ∈ A, con f 0 (a) 6= 0, y sea f −1 : f (A) 7→ R la inversa de f , cuya
existencia suponemos. Entonces f −1 es derivable en b = f (a) y se cumple.
0 1
f −1 (b) = (2.9)
f 0 (f −1 (b))
P RUEBA. En esta demostración solo justificamos la ecuación (2.9). Por la

definición de la función inversa se tiene
(f −1 ◦ f )(x) = x, x∈A
Derivando a ambos lados de la igualdad y aplicando la regla de la cadena se

obtiene:
1
(f −1 )0 (f (x))f 0 (x) = 1 ⇒ (f −1 )0 (f (x)) =
f 0 (x)
Evaluando la anterior expresión x = a y considerando que b = f (a) y por

tanto a = f −1 (b), se tiene la fórmula (2.9). 2
Ejemplo 2.2.8 Veamos algunos ejemplos de cómo se puede emplear la

fórmula de la derivada de la función inversa (2.9).
• Logaritmo neperiano. Apliquemos la fórmula (2.9) a f (x) = ex , f 0 (x) = ex y

a f −1 (x) = ln(x)
0 0 1 1 1 1
f −1 (b) = [ln(b)] = = (f −1 (b)) = = (2.10)
f 0 (f −1 (b)) e e ln (b) b
• Arco tangente. Apliquemos la fórmula (2.9) a f (x) = tan(x), f 0 (x) = 1 +

tan2 (x), y a f −1 (x) = atan(x).
0 0 1 1
f −1 (b) = [atan(b)] = = 2
1 + tan (f −1 (b))
f 0 (f −1 (b))
1 1
= 2 = 1 + b2
1 + [tan(atan(b))]
1. Calcular las derivadas de las siguientes funciones:

r q r
√ sen2 x 3 1 − x
3
(a) f (x) = x + x + x, (b) f (x) = 2
, (c) f (x) = ,
sen(x ) 1 + x3
(d) f (x) = sen (x + 1)2 (x + 2) , (e) f (x) = sen3 (x2 + sen x),
2
2 2 x3
(f) f (x) = sen ((x + sen x) ), (g) f (x) = sen ,
cos(x3 )
2
(h) f (x) = sen(x sen x) + sen(sen(x2 )), (i) f (x) = (cos x)31 ,
(j) f (x) = sen2 x(sen x)2 (sen(x2 ))2 , (k) f (x) = sen3 x((sen2 (sen x)),
(l) f (x) = (x + sen5 x)6 ,(m) f (x) = sen(sen(sen(sen(sen x)))),

(n) f (x) = sen (sen7 x7 + 1)7 , () f (x) = (((x2 + x)3 + x)4 + x)5 ,
(o) f (x) = sen(x2 + sen(x2 + sen x2 )), (p) f (x) = sen(6 cos(6 sen(6 cos(6x)))),
sen x2 sen2 x 1
(q) f (x) = , (r) f (x) = 2 ,
1 + sen x x− x+sen x
!
x3
(s) f (x) = sen x3
.
sen sen x
2. Sea f una función derivable, hallar las derivadas de las siguientes

funciones:
q
2 x−1 √ 3 af (x) + b
(a) y = f (x +1), (b) y = f , (c) y = f ( x) , (d) y = .
x+1 cf (x) + d
3. Los puntos de la circunferencia de radio 1 y centro (0, 0)cumplen

la
ecuación x2 + y 2 = 1. Calcula la recta tangente en el punto √1 , √1
2 2
.
2.3. Extremos relativos. Condición necesaria |73|
S ESIÓN 16
2.3. Extremos relativos. Condición necesaria
Teoremas sobre funciones derivables

1. Extremos relativos. Condición necesaria
Ejemplo f(x)=x ln(x) en (0,+inf)
2. Teoremas del valor medio. Monotonía de funciones
Teorema de Rolle
Teorema del valor medio de Lagrange
3. Funciones monótonas derivables.
Definición 2.3.1 (Extremos relativos) Sea f : I ⊂ R 7→ R una función

definida en un intervalo I, y sea c un punto interior de I 2 , diremos que c es
un máximo relativo sii
f (c) ≥ f (x) para todo x ∈ (c − δ, c + δ) ∩ I. (2.11)
y diremos que es un mínimo relativo sii
f (c) ≤ f (x) para todo x ∈ (c − δ, c + δ) ∩ I. (2.12)
A los máximos y mínimos relativos se les llama extremos relativos.
Notar que los extremos relativos se pueden alcanzar en los extremos del
intervalo I. La figura 2.5 muestra dos situaciones. En el caso (b), el extremo
inferior del intervalo a cumple la definición de mínimo relativo expresada en
la ecuación (2.12) ya que la función alcanza la imagen más pequeña en el
intervalo (a − δ, a + δ) ∩ I. Si un extremo relativo c se alcanza en el interior
del intervalo como ocurre en el caso (a) se tiene que la tangente en c debe
de ser horizontal. Esto es, su pendiente debe ser cero y por la interpretación
geométrica de la derivada f 0 (c) debe ser cero. El siguiente teorema recoge
esta propiedad.
Teorema 2.3.2 (Condición necesaria de extremo relativo) Sea f : I ⊂
R 7→ R una función derivable en un punto c ∈ I . Si c está en el interior de
I y f tiene un extremo relativo en c, entonces f 0 (c) = 0.
2 Supóngase que el intervalo I queda definido por {a, b} entonces c 6= a y c 6= b.
(a)
(b)
y
y
c−δ c+δ a−δ a+δ
a c b a b
x x
Figura 2.5: Extremos relativos en un intervalo I
Este teorema merece que se hagan ciertas observaciones para delimitar

que es lo que establece.
Observación 2.3.3 1. La condición anterior no es una condición suficiente

para la existencia de extremo relativo. Por ejemplo, la función f (x) = x3
se anula su derivada en c = 0 pero no posee un extremo relativo en dicho
punto.
2. La condición necesaria exige que el punto c esté en el interior del intervalo

I. Si el extremo relativo c es uno de los extremos del intervalo I pudiera
ocurrir que f 0 (c) 6= 0. Por ejemplo, si consideramos f (x) = x2 en el intervalo
I = [0, 1] se tiene que c = 1 es un máximo relativo, sin embargo, f 0 (x) = 2x
y f 0 (1) = 2 6= 0.
3. La condición anterior asegura que si la función f es derivable (hipótesis)

en un extremo relativo centonce f 0 (c) = 0, pero si la derivada no existe el
teorema no es de aplicación. La función puede tener un extremo relativo
en un punto donde la función no sea derivable. Por ejemplo, si f (x) = |x|
esta función tiene un mínimo relativo en c = 0 pero @f 0 (0) y por tanto no
se puede dar f 0 (0) = 0.
Ejemplo 2.3.4 Vamos a determinar donde puede alcanzar la siguiente

función
x ln x si x > 0
f (x) =
0 si x = 0
extremos relativos en el intervalo I = [0, +∞).
Un candidato a extremo relativo es el extremo del intervalo I, esto es c = 0.
En los puntos de (0, +∞) los candidatos a extremo relativo tiene que cumplir la
2.4. Teoremas del valor medio. Monotonía de funciones |75|
condición necesaria de extremo para funciones derivables, lo que conduce:

1
f 0 (x) = ln x + x = 0 ⇒ ln x = −1 ⇒ x = e−1
x
2.4. Teoremas del valor medio. Monotonía de

funciones
Definición 2.4.1 (Función derivable en un intervalo (a, b)) Sea f : (a, b) 7→
R diremos que f es derivable en (a, b) si es derivable en cada uno de los puntos
de (a, b).
Teorema 2.4.2 (Rolle) Sea f : [a, b] 7→ R, con f continua en [a, b] y derivable

en (a, b). Si f (a) = f (b), entonces existe un c ∈ (a, b) tal que f 0 (c) = 0.
P RUEBA. Una función que satisface las hipótesis de este teorema debe de
cumplir uno de los dos casos posibles (ver figura 2.6). En el caso I se tiene
que o bien el mínimo absoluto o bien el máximo absoluto no se alcanza en
los extremos del intervalo (en el Caso I de la figura 2.6 ilustra que el mínimo
absoluto se alcanza en el interior del intervalo). En el caso II tanto el máximo
como el mínimo absoluto se alcanza en los extremos del intervalo a y b.
Caso I. Caso I I.
y
f (c) = 0
a c b a b
x x
Figura 2.6: Ilustración de las dos situaciones posibles en el teorema de Rolle
Caso I: En este caso se tiene que c también es un extremo relativo y por

hipótesis f (x) es derivable en c. Por la condición necesaria de extremo
relativo 2.3.2 se tiene que f 0 (c) = 0.
Caso II: En este caso por ser a y b extremos absolutos se tiene que f (a) ≤
f (x) ≤ f (b) o que f (b) ≤ f (x) ≤ f (a) para todo x ∈ [a, b]. Por la
hipótesis f (a) = f (b) la función debe ser constante en el intervalo

f (x) = f (a) = f (b) = k y por tanto la derivada f 0 (x) = 0 en todos los
puntos del intervalo.
2
Teorema 2.4.3 (Valor medio de Lagrange) Sea f : [a, b] 7→ R, con f continua

en [a, b] y derivable en (a, b), entonces ∃ c ∈ (a, b) tal que
f (b) − f (a) = f 0 (c)(b − a) (2.13)
P RUEBA. Basta con aplicar el teorema de Rolle a la función h(x) = f (x)(b − a) −
[f (b) − f (a)] x. 2
Una idea geométrica de este resultado lo constituye la gráfica 2.7 La
a
y
c b
Figura 2.7: Interpretación geométrica del teorema de Lagrange
pendiente de la recta secante a la gráfica en los puntos (a, f (a)) y (b, f (b))
es f (b)−f
b−a
(a)
. Se observa que la recta tangente en el punto (c, f (c)) es paralela
a dicha secante por tanto tienen que tener la misma pendiente. Como la
pendiente de la recta tangente es la derivada f 0 (c) se tiene la relación (2.13).
Las funciones monótonas permiten saber como afectará un incremento
en la variable x a la variable dependiente y. Las funciones que al
incrementar la variable x se incrementa la variable y se donomina funciones
monótonas crecientes y si se disminuye el valor de la variable y se
denomina funciones monótonas decrecientes. La figura 2.8 ilustra una
función monótona creciente g(x) y una función monótona decreciente f (x).
Es fácil reconocer la monotónía de una función a través de la gráfica. La
siguiente definición formaliza este concepto:
Definición 2.4.4 (Funciones monótonas) Sea f y g : A ⊂ R 7→ R una función
real de varible real, diremos que:
g(x 2 )
f (x 1 )
x1 x2
g(x 1 )
f (x 2 )
x
Figura 2.8: Ilustración de la funciones es monótonas
i) f es monótona decreciente en A si se cumple:

Dados cualquier x1 , x2 ∈ A con x1 < x2 ⇒ f (x1 ) ≥ f (x2 ).
ii) g es monótona creciente en A si se cumple:

Dados cualquier x1 , x2 ∈ A con x1 < x2 ⇒ g(x1 ) ≤ (x2 ).
Hemos visto que no todas las funciones poseen inversa. Si una función
es estrictamente (satisface la anterior definición con desigualdades estrictas)
monótona tiene inversa.
Observación 2.4.5 (Resolución de desigualdades) Para resolver desiguala-
des se realizan operaciones a ambos lados de la desigualdad. Por ejemplo
multiplicar por un número a ∈ R. La cuestión es saber qué operaciones se
pueden realizar y cómo afecta al sentido de la desigualdad. Realizar una ope-
ración en una desigualdad equivale a aplicar una función a ambos lados de
la desigualdad. Por ejemplo, si aplicamos la función f (x) = ax a ambos lados
de una desigualdad equivale a multiplicar por la constante a. Pues bien, las
únicas operaciones que se pueden realizar son las definidas por funciones mo-
nótonas. Además, si es creciente el sentido de la desigualdad se mantiene y
si es decreciente se invierte. Analicemos el siguiente ejemplo:
1
2 x2 ≤ 10
La función logarítmica de base 2 es creciente en (0, +∞) y los dos lados de
la desigualdad son números positvos por lo que podemos aplicar logaritmos a
ambos lados de la desigualdad y el sentido de la desigualdad no varía:
1 1 1
log2 2 x2 ≤ log2 10 → 2 log2 (2) ≤ log2 10 → 2 ≤ log2 10
x x
Sobre esta última desigualdad podemos aplicar la función decreciente g(z) = 1

z
y el sentido de la desigualdad cambiará:
1 1 1
1 ≥ → x2 ≥
x2
log2 10 log2 10
√
Sobre la anterior desigualdad aplicamos h(z) = z que es creciente en [0, +∞)
y x2 , log1 10 ∈ [0, +∞), obteniendo:
2
s
√ 1 −1 1
x2 = |x| ≥ ⇔x≤ p ox≥ p
log2 10 log2 10 log2 10
Teorema 2.4.6 (Funciones monótonas derivables) Sea f : I 7→ R, derivable

en un intervalo I, entonces :
1. Si f 0 (x) > 0 ⇒ f es estrictamente creciente.
2. Si f 0 (x) < 0 ⇒ f es estrictamente decreciente.
3. f 0 (x) ≥ 0 ⇔ f es monótona creciente.
4. f 0 (x) ≤ 0 ⇔ f es monótona decreciente.
P RUEBA.
1. Empleando la definición de función estrictamente creciente debemos
demostrar que:
Si x1 , x2 ∈ I con x1 < x2 ⇒ f (x1 ) < f (x2 ). (2.14)
Aplicando el teorema del valor medio a la función f (x) en el intervalo

[x1 , x2 ] se tiene
f (x2 ) − f (x1 )
= f 0 (c) > 0 con c ∈ (x1 , x2 )
x2 − x1
como x2 − x1 > 0 ⇒ f (x2 ) − f (x1 ) > 0.
El resto de demostraciones son análogas y por tanto se han omitido.
2
Ejemplo 2.4.7 Calcular los intervalos de crecimiento y decrecimiento de

f (x) = x + ln(x2 − 1).
Aplicando el teorema 2.4.6 tenemos que estudiar el signo de f 0 (x) en el
dominio de f (x).
La nota 1.9.4 da un procedimiento para resolver desigualdes basado en el
teorema de Bolzano. Si una función g(x) es continua en un intervalo J y en
dicho intervalo no tiene raíces entonces mantiene el signo. Esto es, siempre se
cumple g(x) > 0 para todo x ∈ J o que g(x) < 0 para todo x ∈ J. Este resultado
da las pautas para estudiar el signo de f 0 (x).
1. Cálculo del dominio. El dominio de f (x) es (−∞, −1) ∪ (1, +∞).
2. Cálculo de las raíces de f 0 (x). Debemos resolver
2x x2 + 2x − 1
f 0 (x) = 1 + = =0
x2
−1 x2 − 1
√ √ √
en el dominio de f (x). Las raíces son −2±2 4+4 = −1± 2. Notar que −1+ 2
no pertenece al dominio de f (x).
3. Cálculo de discontinuidades. Las discontinuidades de f 0 (x) coinciden
con las raíces del denominador de la expresión de la derivada, entonces
x2 − 1 = 1 y obtenemos x = ±1. Estas discontinuidades no pertenecen al
dominio de f (x).
4. Intervalos de prueba. Los anteriores puntos dividen el dominio de f (x)
en los siguientes intervalos
√ √
Intervalo (−∞, −1 − 2) (−1 − 2, −1) (1, ∞)
Signo f 0 (x) f 0 (−3) = 28 > 0 f 0 (−3/2) = −7/4
5/4 < 0 f 0
(2) = 37 > 0
Monotonía creciente decreciente creciente
4 3
1. Considerar la funcion f (x) definida por f (x) = 5 + (x − 1) (x + 2) .
Probar:
a) f 0 (x) = 0 tiene al menos una solución en el intervalo (−2, 1), sin
calcular la expresion de f 0 (x).
b) f (x) = 0 solo tiene una solución menor que −2.
c) f (x) = 0 no tiene ninguna solución mayor que 1.
2. a) Determinar las constantes a y b de manera que la funcion f (x)
definida por

ln(x) − 1 ; si 1 ≤ x ≤ e
f (x) =
ax + b ; si e < x ≤ e2
verifique las condiciones del teorema del valor medio de Lagrange
en [1, e2 ].
b) Encontrar algun punto de la gráfica de f (x) en el que la recta
tangente sea paralela a la cuerda que une los extremos de la curva.
3. Dadas las funciones reales de variable real definidas por:

(x − 1) + cos(x − 1); si x ≤ 1
(a) f (x) = sen(x−1)
x−1 ; si x > 1

2 1
(b) g(x) = 1 − (x − 1) 3 (c) h(x) = (x − 1) arctg
x−1
i) Determinar los puntos en los que son continuas y los puntos en

los que son derivables.
ii) ¿Cumplen en [0, 2] las condiciones del teorema de Rolle? Razona los
motivos.
4. Aplicando el teorema de Rolle, demostrar que la ecuación cúbica

x3 + 3x + b = 0 no puede tener más de una raíz en el intervalo [a, b]
cualesquiera que sean los valores de a y b.
5. Demostrar que la función f (x) = x2 − (α + β)x + αβ con α, β ∈ IR, verifica

el teorema de Rolle en [α, β] y calcular el punto que dice dicho teorema.
6. Demostrar que cualquiera que sea α ∈ IR− , la función polinómica

P (x) = x3 − 3x + α no tiene nunca raíces en el intervalo [0, 1].
7. Sea f una función cuatro veces derivable tal que f 4) (x) 6= 0 para todo
x. Demostrar que la ecuación f (x) = 0 tiene como máximo cuatro raíces
en IR.
8. Dados a, b ∈ IR con a < b, determinar los puntos del teorema de Lagrange

en el intervalo [a, b] para las funciones:
(a) f (x) = αx2 + βx + γ, α, β, γ ∈ IR (b) f (x) = ex
9. Sea f : I 7→ IR,una función derivable en un intervalo I, probar que

verifica (la condición de Lipschitz) |f (x) − f (y)| ≤ c |x − y|, para cualquier
x, y ∈ I, si y sólo si |f 0 (x)| ≤ c para todo x ∈ I.
10. Sea una función f : I 7→ IR, derivable en el intervalo cerrado I

(acotado o no). Supóngase que |f 0 (x)| ≤ c para todo x ∈ I, donde c
es una constante que 0 ≤ c < 1. Además, supóngase que f (I) ⊂ I.
Entonces, dado x0 ∈ I arbitrario, tiene sentido considerar la sucesión
x1 = f (x0 ), x2 = f (x1 ), . . . , xn = f (xn−1 ), . . .. Demostrar que, cualesquiera
que sea el punto inicial elegido, existe lı́mn→+∞ xn = a y que a es el único
punto de I que cumple f (a) = a.
11. Probar, utilizando el teorema del valor medio de Lagrange, las siguientes
desigualdades:
(a) |sen b − sen a| ≤ |b − a| , (b) ln(1 + x) ≤ x siendo x ≥ 0,

(c) ny n−1 (x − y) ≤ xn − y n ≤ nxn−1 (x − y) siendo 0 < y < x.
12. Estudiar crecimiento y extremos de las funciones:
x3 p
3 x
(a) f (x) = (b) g(x) = x3 + x2 (c) h(x) =
(1 + x)2 ln(x)
1 x
(d) k(x) = (e) l(x) =
1 + ex 1 − x2
13. Probar que si f (x) es una función derivable en todo R con f (0) = 0 0 y
|f 0 (x)| < 1 para todo x ∈ R, entonces: |f (x)| < |x| para todo x 6= 0.
14. Supóngase que la función f (x) es continua en [a, b] y derivable en (a, b),
con f 0 (x) = 0 ∀x ∈ (a, b) demostrar que la función f (x) es constante.
15. Dada las funciones f (x) y g(x) continuas en [a, b] y derivables en (a, b)
cumpliendo f 0 (x) = g 0 (x) ∀x ∈ (a, b) demostrar que ∃ c ∈ (a, b) tal que
f (x) = g(x) + cte
S ESIÓN 17
2.5. Teorema de Cauchy. Regla de L’Hopital

Teorema 2.5.1 (Cauchy) Sean f y g dos funciones continuas en [a, b] y
derivables en (a, b) entonces existe un c ∈ (a, b) tal que
f 0 (c)(g(b) − g(a)) = g 0 (c)(f (b) − f (a))
Supongamos que además se cumple alguna de las siguientes condiciones:

i) g 0 (x) 6= 0 ∀x ∈ (a, b)
ii) g(b) 6= g(a) y f 0 (x) y g 0 (x) no se anulan simultáneamente en ningún punto
x ∈ (a, b).
Entonces la conclusión anterior se puede expresar:
f (b) − f (a) f 0 (c)

= 0
g(b) − g(a) g (c)
P RUEBA. Basta con aplicar el teorema de Rolle a la función h(x) = f (x)(g(b) −

g(a)) − g(x)(f (b) − f (a)) en el intervalo [a, b]. 2
Teorema 2.5.2 (Regla de L’Hopital)
i) Indeterminación 00 . Sean f (x) y g(x) continuas en [a, b] y derivables en

(a, b) con g 0 (x) 6= 0 ∀x ∈ (a, b). Si se cumple que lı́m f (x) = lı́m g(x) = 0 y
x→a+ x→a+
f 0 (x)
lı́m 0 = l entonces
x→a+ g (x)
f (x)
lı́m =l
x→a+ g(x)
ii) Indeterminación ∞
Sean f (x) y g(x) derivables en (a, b) con g 0 (x) 6= 0
∞.
f 0 (x)
∀x ∈ (a, b). Si se cumple que lı́m+ f (x) = lı́m+ g(x) = ∞ y lı́m+ 0 = l,
x→a x→a x→a g (x)
entonces
f (x)
lı́m =l
x→a+ g(x)
Observación 2.5.3 Las anteriores fórmulas siguen siendo válidas para el

cálculo de límites por la izquierda y para el cálculo de límites. Además a puede
ser un número real o ±∞. Lo mismo que l puede ser un número real o ±∞.
2.5. Teorema de Cauchy. Regla de L’Hopital |83|
Ejemplo 2.5.4 1. Considérese el siguiente límite indeterminado
ln(sen x)
lı́m =l
x→0+ ln x
Se cumple que es el cociente de funciones derivables y que lı́m ln(sen x) =
x→0+
lı́m+ ln(x) = −∞. Estudiemos el límite del cociente de derivadas
x→0
cos x
sen x x
lı́m = lı́m cos x = 1.1 = 1
x→0+ 1/x x→0+ sen x
El anterior límite se ha calculado aplicando el infinitésimo < sen x, 0 >∼<

x, 0 >. Por tanto el límite buscado es l = 1.
2. Supóngase que se quiere calcular
x2
lı́m =l
x→+∞ ex
Las funciones x2 y ex son derivables en R y se cumple que lı́m x2 =

x→+∞
lı́m ex = +∞. Estudiemos el límite del cociente de derivadas:
x→+∞
2x ∞
lı́m = (2.15)
x→+∞ ex ∞
A su vez este límite es identerminado y cumple todas las hipótesis para
poderse aplicar nueamente la regla de L’Hopital:
2
lı́m =0 (2.16)
x→+∞ ex
Como el valor del límite (2.16) es 0 entonces el límite (2.15) también es 0

y por tanto el valor del límite busacado es l = 0.
De la misma manera se puede comprobar el valor del siguiente límite:
xn
lı́m =0
x→+∞ ex
Este hecho indica que el crecimiento de cualquier polinomio es insignifi-

cante (valor del numerador) respecto a un crecimiento exponencial (valor
del denominador). Los problemas de computación se clasifican en dos
clases: clase de problemas polinomiales P y clase de problemas no poli-
nomiales N P o también llamada N P− duros. La clase P consta de aque-
llos problemas para los que existe un algoritmo que realiza un número de
operaciones polinomial para resolver el problema en función del tamaño
m del mismo. Por ejemplo los algoritmos más sencillo de ordenación de
un vector con m datos realizan del orden de m2 operaciones.
Para palpar el crecimiento exponencial frente al polinomial considerar el
siguiente ejemplo. Supongamos que un determinado ordenador es capaz
de resolver un problema con m = 158 datos empleando un algoritmo
polinomial que hace m2 operaciones en un tiempo determinado. Ese
Cuadro 2.2: Crecimiento polinomial y exponencial en algoritmos
Velocidad CPU P(m) N P(m)

1 158 53
10 500 55
100 1581 57
mismo ordenador sería capaz de resolver problemas hasta tamaño m =

53 empleando un algoritmo exponencial con un número de operaciones
2m . ¿Qué ocurriría si los ordenadores fueran 10 veces más rápidos? ¿ Y si
fueran 100 veces más rápidos? La tabla 2.2 muestra el tamaño máximo
m que se resolverían con estos ordenadores. La conclusión es que para
problemas N P incrementos espectaculares de velocidad en el ordenador
conducen a incrementos insignificantes del tamaño en los problemas que
se pueden resolver.
Las indeterminaciones +∞ − ∞, 0 · ∞, 1∞ , 00 y 0∞ se pueden reducir

mediante operaciones algebraicas a los casos anteriormente considerados.
Veamos alguns ejemplos:
Ejemplo 2.5.5 1. Calcular el valor del límite
` = lı́m x ln x
x→0+
Se trata de una indeterminación 0 · ∞. Reescribimos el anterior límite

ln x ∞
lı́m+ 1 =
x→0
x
∞
Aplicando la regla de L’Hopital por tratarse del cociente de funciones

derivables
1
x
lı́m −1 = lı́m − x = 0.
x→0+ x→0+
x2
Por tanto el límite buscado es ` = 0.
2. Calcular
` = lı́m+ (1 + 1/x)x .
x→0
Tomando logarítmos

x
ln(`) = ln lı́m (1 + 1/x) = lı́m ln(1 + 1/x)x = lı́m xln(1 + 1/x).
x→0+ x→0+ x→0+
∞
Reescribiendo la anterior indeterminación 0 · ∞ como una del tipo ∞,
obtnemos:
ln(1 + 1/x)
ln(`) = lı́m 1 .
x→0+
x
2.5. Teorema de Cauchy. Regla de L’Hopital |85|
Como es el cociente de funciones derivables, aplicamos la regla de

l’Hopital:
−1/x2
(1+1/x) 1
lı́m −1 = lı́m 1 = 0.
x→0+ x→0+ 1 +
x2 x
Como este límite existe el valor de ln(`) = 0 y el límite buscado es ` = 1.
1. Calcular los siguientes límites:
senh(x) − x cosh(x) 1 − cos(x2 ) xx − x

(a) lı́m 2 , (b) lı́m 2 2
, (c) lı́m ,
x→0 x2 senh (x) x→0 x sen(x ) x→1 log(x) − x + 1
tg 3x ln(cos(ax)) arc sen x 12
; (e) lı́m xx , (f) lı́m
x
(d) lı́mπ , (g) lı́m
x→ 2 tg x x→0+ x→0 ln(cos(bx)) x→0 x

tg(nx) − n tg x x 1 log(1 + x) − x
(h) lı́m , (i) lı́m − (j) lı́m ;
x→0 n sen x − sen(nx) x→1 x − 1 ln x x→0 1 − cos x
√ √ √
ax − asen x x− a+ x−a
(k) lı́m ; (l) lı́m √ .
x→0 x3 x→a x2 − a2
S ESIÓN 18
2.6. Teorema de Taylor
Teorema de Taylor
1. Derivadas sucesivas. Derivada n-ésima!
Ejemplos f(x)=x^4+x^3+x^2+x+1, g(x)=e^x
2. Polinomio de Taylor
Problema de aproximación. Generalización de la recta
tangente
Definición del polinomio de Taylor!
Ejemplos f(x)=x^4+x^3+x^2+x+1, g(x)=e^x
3. Desarrollo de Taylor.!
Resto de Lagrange!
Acotación del error
2.6.1. Derivadas sucesivas

Definición 2.6.1 (Derivadas sucesivas) Sea f : I ⊂ R 7→ R una función
derivable en un intervalo I, es decir, en todos los puntos del intervalo I existe
f 0 (x). Se llama función derivada o derivada de orden uno a:
f0 : I 7→ R
x → f 0 (x).
Como f 0 es una función definida en I cabe preguntarse si esta nueva función

es derivable. Esto es, si existe
f 0 (x) − f 0 (a)
lı́m ∈R (2.17)
x→a x−a
Si la función f 0 en derivable en un punto a ∈ I al valor del límite
(2.17) se le llamará derivada segunda y se denotará por f 00 (a). Si esta
2.6. Teorema de Taylor |87|
derivada segunda existe para todo punto x del intervalo I podremos definir
la función derivada segunda como:
f 00 : I 7→ R
x → f 00 (x).
De manera análoga se define la tercera derivada f 000 (x), · · · y en general la

derivada n−ésima como
0
f (n (x) = f (n−1 (x)
Notar que la existencia de la derivada n−ésima implica la existe de la (n − 1)

derivadas anteriores.
Ejemplo 2.6.2 1. Sea la función polinómica f (x) = x3 + x2 + x + 1, entonces

se tiene:
f 0 (x) = 3x2 + 2x + 1
f 00 (x) = 6x + 2
f 000 (x) = 6
f (n (x) = 0 con n ≥ 4
Esta función admite infinitas derivadas en la recta real.
Pm xi
2. Sea la función g(x) = i=0 . Calculemos su derivada n−ésima:
i!
m
X Xm
ixi−1 xi−1
g 0 (x) = =
i=0
i! i=1
(i − 1)!
Vamos a hacer el cambio de índices en el sumatorio j = i − 1. Cuando

i = 1 el índice j = 0 y cuando i = n se tiene que j = n − 1, obteniendo:
m−1
X xj
g 0 (x) =
j=0
j!
De manera similar se obtiene:
m−2
X xj
g 00 (x) =
j=0
j!
···
0
X xj
g (m (x) = =1
j=0
j!
g (n (x) = 0 con n ≥ m + 1
2.6.2. Fórmula de Taylor

El problema que nos ocupa es mejorar la aproximación local de la recta
tangente de una función f (x) en un entorno del punto c aportando más
información de la función a través de sus derivadas sucesivas en dicho
punto. La recta tangente a la gráfica de f (x) en el punto (c, f (c)) es
T (x) = f (c) + f 0 (c)(x − c) (2.18)
La recta tangente cumple:
T (c) = f (c) + f 0 (c)(c − c) = f (c); (2.19)

T 0 (c) = f 0 (c); (2.20)
Ahora nos gustaría considerar una aproximación en lugar de lineal (una

recta) cuadrática (una parábola):
P (x) = f (c) + f 0 (c)(x − c) + d(x − c)2 (2.21)
Obsérvese que, independientemente del valor del parámetro d, esta familia

de parábolas cumple las condiciones (2.19) y (2.20). El parámetro d lo
podemos elegir para conseguir que la segunda derivada de f (x) coincida con
la segunda derivada de la parábola en el punto c. Esto es:
P 00 (c) = f 00 (c) (2.22)
Calculando la segunda derivada de P (x) definida en (2.21), obtenemos:
f 00 (c)
P 00 (x) = 2d ⇒ P 00 (c) = f 00 (c) = 2d ⇒ d =
2
Para concretar el problema considerése la función f (x) = ex en el punto
c = 0.
T (x) = f (c) + f 0 (c)(x − c) = e0 + e0 (x − 0) = 1 + x (2.23)
La figura 2.9 representa las funciones f (x) = ex , su recta tangente T (x) = 1+x
en el punto a = 0 y algunas parábolas de familia P (x) = 1 +x +dx2 . Se observa
00
que la parábola con d = f 2(0) = 12 obtiene una mejor aproximación.
Este mismo proceso se puede extender al caso de la derivada n−ésima.
Sea f (x) una función con derivada n−ésima en el punto c. Entonces
existe un polinomio P (x) y sólo uno de grado ≤ n que llamaremos
polinomio de Taylor de orden n que satisface :
f (c) = P (c);
f 0 (c) = P 0 (c);
···
n) n)
f (c) = P (c)
Dicho polinomio viene dado por:

d=2
y d=0
d=0.5
d=-2
x
Figura 2.9: Gráfica de y = ex y de las curvas y = 1 + x + dx2 para varios valores

de d
f 00 (c) f n) (c)
Pn (x) = f (c) + f 0 (c)(x − c) + (x − c)2 + · · · + (x − c)n
2! n!
n
X f k) (c)
= (x − c)k (2.24)
k!
k=0
Teorema 2.6.3 (Desarrollo de Taylor) Sea n ∈ N, f : [a, b] 7→ R tal que f y

sus derivadas f 0 , f 00 , · · · , f n) son continuas en [a, b] y existe f n+1) en (a, b). Sea
c ∈ [a, b] entonces para cualquier x en [a, b] existe un θ en el intervalo abierto
delimitado por x y c tal que
f 00 (c)
f (x) = f (c) + f 0 (c)(x − c) + (x − c)2 +
2!
f n) (c)
+··· . + (x − c)n + Rn (x)
n!
donde
f n+1) (θ)
Rn (x) = (x − c)n+1 con θ ∈ {c, x} (2.25)
(n + 1)!
y se denomina resto de Lagrange. Luego f (x) = Pn (x) + Rn (x)
Observación 2.6.4 1. La fórmula de Taylor también puede evaluarse si

una función cumple los requisitos del teorema de Taylor en un intervalo
[x, c], teniendo en cuenta que, en ese caso, θ pertenecería al intervalo
(x, c). Por este motivo se ha empleado la notación {c, x} en (2.90) para
referirse al intervalo (c, x) si c < x o al (x, c) si x < c.
2. Este polinomio proporciona una aproximación razonable de f en los

puntos cercanos a c.
3. Cuando el desarrollo se realiza en el punto c = 0, se denomina

desarrollo de Mac-Laurin.
4. Acotación del error. En la expresión del resto Rn (x) el valor K =

(x − c)n+1
es conocido. El valor θ ∈ {c, x} es desconocido, lo que hace
(n + 1)!
que en la expresión
|Rn (x)| = f n+1 (θ)K (2.26)
la imagen f n+1 (θ) sea desconocida. Para evitar este problema podemos
reemplazar esa imagen por la imagen más grande que puede alcanzar
dicha función, su valor máximo en el intervalo {c, x}, esto es:
M = Maximizar f (n+1 (z) (2.27)

z∈{c,x}
Lo que nos proporciona la siguiente cota del error
|Rn (x)| ≤ M |K| (2.28)
Ejemplo 2.6.5 El Rn en el teorema de Taylor se puede usar para acotar el

error al aproximar una función mediante su polinomio de Taylor. Vamos a
ilustrar esta√ cuestión con el siguiente ejemplo. Calcularemos aproximadamente
el
√ valor de 3
1.1 mediante el polinomio de Taylor de grado 3 de la función f (x) =
3
1 + x. Posteriormente acotaremos el error cometido √ en dicha aproximación.
Consideramos el polinomio de Taylor de f (x) = 3 1 + x en el punto c = 0
f 00 (0) 2 f 000 (0) 3

P3 (x) = f (0) + f 0 (0)x + x + x
2! 3!
Calculamos las derivadas
√
f (x) = 3 1 + x = (1 + x)1/3 ⇒ f (0) = 1
f 0 (x) = 31 (1 + x)−2/3 ⇒ f 0 (0) = 13
f 00 (x) = − 322 (1 + x)−5/3 ⇒ f 00 (0) = − 322
f 000 (x) = 10
33 (1 + x)
−8/3
⇒ f 000 (0) = 10
33
Lo que obtenemos
1 1 5
P3 (x) = 1 + x − x2 + x3
3 9 81
1 1 5
f (0.1) ≈ P3 (0.1) = 1 + (0.1) − (0.1) + (0.1)3
2
3 9 81
Aplicando el resto de Lagrange el error es
f iv) (θ)
R3 (0.1) = (0.1)4 con θ ∈ (0, 0.1)
4!
Acotando el error
11
80 (1 + θ)− 3 Maximizar
|R3 (0.1)| = − (0.1)4 ≤ 4.11 ∗ 10−6 z∈[0,0.1] g(z)
81 4!
11
donde g(z) = (1+z)− 3 . Como g(z) es una función decreciente en [0, 0.1] su valor
máximo es g(0) = 1. Por tanto la cota del error es:
|R3 (0.1)| ≤ 4.11 ∗ 10−6
Notar que el valor verdadero es f (0.1) = 1.032280115 y el valor aproximado

P3 (0.1) = 1.0322839, por lo tanto el error es R3 (0.1) = 3.78 ∗ 10−6 . La cota del
error cumple:
R3 (0.1) = 3.78 ∗ 10−6 ≤ 4.11 ∗ 10−6
1. Calcular la derivada n-ésima de f en los siguientes casos:
(a) f (x) = sen x, (b) f (x) = log x, (c) f (x) = xn−1 log(x),
x−1
(d) y = , (e) f (x) = ln(x3 + 6x2 + 11x + 6) con x > 1,
x+1
(f) f (x) = cos 3x cos x.
2. Calcular los desarrollos de Taylor en el cero con resto de Lagange de

las siguientes funciones:
3
(a) f (x) = (b) g(x) = ln(1 − x)
3−x
1
(c) h(x) = √ (d) i(x) = ln(x2 − 3x − 4) (e) k(x) = cos(x)
1+x
√
3. Dada la función f (x) = 1 + x. Calcular el polinomio de Taylor en el
cero (Mac-Laurin) de grado 4 y utilizarlo para aproximar el valor de
√
1.02 acotando el error cometido en dicha aproximacion.
4. Estimar con los
√ tres primeros términos
√ del desarrollo de Mac- Laurin
de la función 3 2 − x el valor de 3 1.8 . Acotar el error cometido en la
estimación.
5. Calcular el polinomio de Taylor en el punto a de orden n de las
siguientes funciones:
log(x)
(a) f (x) = xex , a = 1; (b) f (x) = , a = 1; (c) f (x) = (1 + x)α , a = 0.
x
√
6. Dada la función f (x) = x + 1 calcular el polinomio de √
Mac Laurin de
grado dos y emplearlo para dar un valor aproximado de 1.02. Dar una
cota del error cometido.
S ESIÓN 19
Ejercicios
1. Veamos otro ejemplo donde la acotación del error por el máximo
presenta una singularidad. En este caso el máximo de la derivada se
alcanza en el interior del intervalo {c, x}.
Sea la función
x5 x4
f (x) = − +
60 24
a) Obtener la fórmula de Taylor de orden 2 en el punto c = 0 con resto

de Lagrange.
b) Utilizar dicha fórmula para aproximar el valor de la función f (1).
c) Acotar el error cometido.
Solución:
a) Tenemos que calcular
f 00 (0) 2
P2 (x) = f (0) + f 0 (0)x + x
2
Derivando y evaluando en el punto a = 0, obtenemos:
x5 x4
f (x) = − + ⇒ f (0) = 0
60 24
4
x x3
f 0 (x) = − + ⇒ f 0 (0) = 0
12 6
00 x3 x2
f (x) = − + ⇒ f (0) = 0
3 2
y por tanto:
P2 (x) = 0
b) f (1) ≈ P2 (1) = 0
c) El resto de Lagrange es:
f 000 (θ) 3
R2 (1) = 1 , con θ ∈ (0, 1)
3!
Este valor se puede acotar

f 000 (θ) 3 |f 000 (x)|
|R2 (1)| = 1 ≤ Maximizarx∈[0,1]
3! 6
(−x2 + x) (−(1/2)2 + 1/2)
= Maximizarx∈[0,1] = = 1/24
6 6
2. Alternativamente al caso anterior se puede especificar la precisión de
la aproximación y entonces la cuestión será encontrar un n adecuado.
Por ejemplo sea f (x) = sen x y c = 0. Aplicar el teorema de Taylor para
calcular el valor de sen(π/4) con un error menor que 10−4 .
Solución. Calculemos la derivada n−ésima de la función f (x) = sen(x).
f (x) = sen(x) ⇒ f (0) = 0
f 0 (x) = cos(x) ⇒ f 0 (0) = 1
f (x) = −sen(x) ⇒ f 00 (0) = 0
00
f 000 (x) = −cos(x) ⇒ f 000 (0) = −1

f (IV (x) = sen(x) ⇒ f IV ) (0) = 0
Notar que vuelve a repetir la función y = sen(x) y se repite la secuencia
de las derivadas. Se tiene que:
f 2n+1) (0) = (−1)n f 2n) (0) = 0 (2.29)
Por tanto el polinomio de Taylor de orden 2n + 1 en c = 0 es:
2n+1
X n
f k) (0) k X (−1)k 2k+1
P2n+1 (x) = x = x (2.30)
k! (2k + 1)!
k=0 k=0
El resto de orden 2n + 1 es
f 2n+2) (θ) 2n (−1)n cos(θ) 2n+2
E2n+1 (x) = x = x (2.31)
(2n + 2)! (2n + 2)!
Ahora acotaremos el error en x = π
4
(−1)n cos(θ) 2n+2 (π/4)2n+2

|E2n+1 (π/4)| = (π/4) ≤ ≤ 10−4 (2.32)
(2n + 2)! (2n + 2)!
Dando valores a n, se obtiene
2n+2
(π/4)
n (2n+2)!
1 3.2725 ∗ 10−2
2 8.5674 ∗ 10−4
3 1.2016 ∗ 10−5
y por tanto el valor de n buscado es 3. Si lo comprobamos, obtenemos:
P2∗3+1 (π/4) = 0.707106469575178
sen(π/4) = 0.707106781186547
|E7 (π/4)| = 0.3116113693746314 ∗ 10−6
Notar que lı́mn→+∞ E2n+1 (x) = 0 para todo x ∈ R y por tanto cuando
los polinomios de Taylor cuando n tiende a infinito se aproximan a
la función y = sen(x). La figura 2.10 ilustra este hecho. En ella está
dibujada la función y = sen(x) y diferentes polinomios de Taylor,
observándose que cuando n crece tienden a la función y = sen(x).
y
Figura 2.10: Aproximación de la función y = sen(x) por diferentes polinomios

de MacLaurin P2n+1 (x)
3. Utilizar el polinomio de Taylor de cuarto orden de f (x) = arc tg x para

obtener una solución aproximada no nula de la ecuación arc tg x = x2 .
4. Calcular el cos(1) con un error inferior a 10−7 .
2.7. Optimización de funciones |95|
S ESIÓN 20
2.7. Optimización de funciones
Optimización de funciones
1. Elementos de un problema de optimización!
2. Optimización de funciones continuas en [a,b]!
3. Extremos relativos!
Condición suficiente para funciones derivables!
Criterio de la primera derivada para funciones continuas
En esta sección introducimos los llamados problemas de optimización de

una variable. Supongamos que tenemos que tomar una decisión. El primer
elemento que aparece son el vector de variables que representa la decisión
a tomar, concretada en un conjunto de valores. Por ejemplo precio de venta,
cantidad a producir, instante de venta, etc. Estas variables reciben el nombre
de variables de decisión. El segundo elemento es un criterio que nos permita
evaluar la decisión tomada, si es mejor o peor que otra posible. El criterio se
expresa mediante una función f (x) que recibe el nombre de función objetivo.
En unos problemas las mejores decisiones corresponden a los valores más
pequeños de la función objetivo y en otros a los valores mayores. El tercer
elemento es tener en cuenta las restricciones que aparecen el problema,
no se puede elegir cualquier valor de las decisiones, existen restricciones
económicas, físicas, etc. del problema en cuestión. Este hecho se representa
imponiendo que los valores de las variables que podemos considerar estan
limitados a un conjunto determinado, la llamada región factible, indicada
por x ∈ A.
Un problema de decisión se puede formular mediante un problema de
optimización, en el que se buscan los valores de x en un determinado
conjunto A de modo que una cierta función f (x) alcance su menor valor
(o mayor dependiendo del problema). Más formalmente, el problema de
minimización se formula mediante:
Minimizar f (x) (2.33)

x∈A
y análogamente el problema de maximización:

Maximizar f (x) (2.34)
x∈A
Como ya hemos dicho la función f (x) recibe el nombre de función

objetivo, el conjunto A región factible y la variable x variable de decisión.
Además, el valor
f ∗ = Minimizar f (x) (2.35)
x∈A
x∗ = Arg minimizar f (x) (2.36)
x∈A
donde f ∗ recibe el nombre de valor mínimo de la función y el valor x∗

mínimo absoluto de f (x) en A. De forma análoga se definen los elementos
del problema de maximación.
Considérese el problema de determinar el IVA que debería pagar la
industria cultural. Denotemos por i la tasa que se le debería aplicar medida
como una proporción del precio de las entradas. El valor de i es la variable de
decisión. Tenemos que tener una función que permita evaluar la bondad de
cada una de nuestras decisiones i. La función objetivo permite representar el
criterio del decisor. Supongamos que el criterio elegido es el de maximizar los
ingresos del Estado. Supongamos que existe una demanda elástica G(p) que
representa el número de entradas vendidas en función del precio. El precio
de la entrada es p = (1 + i)bp donde pb es el precio base de las mismas. Los
ingresos del Estado será el número de entradas vendidas por los impuestos
aplicados a cada entrada,
p) ∗ i ∗ pb
f (i) = G((1 + i)b
En este problema asumimos que i es un impuesto y no una subvención, esto
es, consideramos el conjunto de restricciones i ≥ 0.
En estos problemas también existen los llamados mínimos relativos
(máximos relativos), ver definición 2.3.1 . En estos puntos la función alcanza
un valor mínimo (máximo) pero no sobre todo el conjunto A sino sobre
un conjunto cercano de puntos (entorno). Esto es, si nos alejamos muy
poco del mínimo relativo (máximo relativo) el valor de la función objetivo
aumenta (disminuye) pero quizás la función pudiera alcanzar mejores
valores en puntos más alejados. A los máximos y mínimos relativos se les
llama extremos relativos. A los máximos y mínimos absolutos se les llama
extremos absolutos.
La figura 2.11 ilustra los conceptos de extremos relativos y absolutos.
2.7.1. Optimización de funciones continuas en un interva-

lo [a, b]
En esta sección nos planteamos el problema de encontrar los máximos
y mínimos absolutos de una función continua en un intervalo [a, b].
Formalmente escribiremos este problema como:
Optimizar f (x) (2.37)
x∈[a,b]
f (x) = xsen(x)
Minimo absoluto
Maximo absoluto
Minimo relativo
Maximo relativo
x
Figura 2.11: Extremos absolutos y relativos de funciones en un intervalo
donde asumimos que f (x) es continua en [a, b].

El teorema de Weierstrass nos garantiza que existen máximos y mínimos
absolutos y por tanto el problema está bien planteado. El procedimiento
para resolver este problema se basa en el hecho que los extremos absolutos
son también relativos y por tanto bastaría con encontrar todos los posibles
candidatos a extremos relativos, evaluarlos, y determinar cual de ellos son
las soluciones al problema de optimización.
El procedimiento para resolver (2.83) consiste en:
1. Calcular los candidatos a extremos relativos, estos serían:
1.1 Los puntos c que hacen cero la primera derivada, siendo f (x)
derivable en c y c ∈ (a, b).
1.2 Los extremos a y b del intervalo.
1.3 Los puntos donde la función no es derivable.
2. Evaluar f (x) en todos los puntos obtenidos en el apartado anterior.

El valor máximo de todas estas imagenes corresponde al máximo de
la función y los puntos donde se alcanza este valor máximo son los
máximos absolutos del problema. Lo mismo para los mínimos.
Ejemplo 2.7.1 Sea f (x) = (x + 32 )(x − 1) , calcular sus extremos absolutos en

[−2, 2]. La figura 2.12 muestra la gráfica de la función.
Los candidatos a extremos absolutos de una función continua en un
intervalo cerrado y acotado son:
1. Extremos del intervalo x1 = −2 y x2 = 2.

! !
f (x) = !(x + 32 )(x − 1) !
−2 − 32 − 14 1 2
Figura 2.12: Extremos relativos de f (x) = (x + 23 )(x − 1) .
2. Raíces de la primera derivada. Para operar en el cálculo de derivadas

es útil emplear la definición del valor absoluto g(x) = |x| = x.signo(x),
donde signo(x) es el signo ±1 del número x. Notar que el signo(0) no está
definido. Aplicando la derivada del producto g 0 (x) = 1 · signo(x) + x · 0 =
signo(x), donde se pone de manifiesto que no es derivable en el punto
x = 0. La función

3 3 3
f (x) = (x + )(x − 1) ⇒ f 0 (x) = signo (x + )(x − 1) (x − 1) + (x + ) = 0
2 2 2
La ecuación es el producto de dos factores igualados a cero. Como el signo
de un número siempre es ±1 se tiene que nunca se anula y por tanto:

3 1
(x − 1) + (x + ) = 0 ⇒ x3 = − .
2 4
3. Puntos de no derivabilidad. La expresión de la derivada es:

0 3 1
f (x) = signo (x + )(x − 1) x+ (2.38)
2 4
y no está definida en los puntos donde se evalúa el signo(0), esto es en
x4 = − 23 y x5 = 1.
Ahora evalúamos la función en los cinco candidatos a extremos absolutos,
obtenemos
xi f (xi )
−2 3/2
−3/2 0
−1/4 25/16
1 0
2 7/2
Luego el punto x5 = 2 es un máximo absoluto; x2 = − 23 y x4 = 1 son mínimos

absolutos. El valor f (x2 ) = f (x4 ) = 0 es el valor mínimo de la función y el valor
f (x5 ) = 7/2 el valor máximo de la función.
2.7.2. Cálculo de extremos relativos

Si nos planteamos el problema de optimizar una función en un conjunto
arbitrario A, no necesariamente un intervalo cerrado y acotado como en
la subsección anterior, el problema tiene mayor complejidad. La idea para
resolverlo sigue pasando por el hecho de que todo extremo absoluto también
es relativo y por tanto hay que calcularlos todos.
Si analizamos la función f (x) = x3 se pone de manifiesto que
no es suficiente que f 0 (0) = 0 para que la función alcance un ex-
tremo relativo en el punto c = 0. En esta sección completamos
la condición necesaria de extremo para funciones derivables con dos
condiciones suficientes para la existencia de extremo relativo. La primera es
para funciones varias veces derivables y la segunda condición, denominada
criterio de la primera derivada, se puede aplicar a funciones continuas que
no son derivables en los extremos relativos. Este criterio permite determinar
si c es un máximo ó mínimo relativo (o ninguno de los dos), estudiando el
signo de la primera derivada a ambos lados del punto.
Teorema 2.7.2 (Condición suficiente de extremo relativo para funciones derivables

Sea I un intervalo, sea c un punto interior de I y sea n ≥ 2 . Supongamos que
existen las derivadas f 0 , f 00 , · · · , f n) y que son continuas en un entorno del
punto c y que f 0 (c) = · · · = f n−1) (c) = 0, pero f n) (c) 6= 0.
i) Si n es par y f n) (c) > 0, entonces f tiene un mínimo relativo en c.
ii) Si n es par y f n) (c) < 0, entonces f tiene un máximo relativo en c.
iii) Si n es impar, entonces f no tiene un máximo relativo ni un mínimo relativo

en c.
P RUEBA.
i) Como f n) (x) es continua en c y f n) (c) 6= 0 existe un intervalo (c − δ, c + δ)

de modo que la derivada n−ésima conserva el signo en dicho intervalo.
Esto es, que signo(f n) (x)) = signo(f n) (c)) para todo x ∈ (c − δ, c + δ).
Aplicando el teorema de Taylor en el punto c, se tine
f 00 (c) f n−1) (c)

f (x) = f (c) + f 0 (c)(x − c) + (x − c)2 + · · · + (x − c)n−1
2! (n − 1)!
f n) (θ)
+ (x − c)n , con θ ∈ {c, x}
n!
Aplicando la hipótesis f 0 (c) = · · · = f n−1) (c) = 0
f n) (θ)
f (x) = f (c) + (x − c)n , con θ ∈ {c, x} (2.39)
n!
(x−c)n
Como n es par se cumple n! ≥ 0 y como signo(f n) (θ)) =
n)
signo(f n) (c)) > 0, el resto f n!(θ) (x − c)n es mayor o igual que cero, por
tanto de la relación (2.39) se obtiene:
f (x) ≥ f (c) para todo x ∈ (c − δ, c + δ)
ii) Basta con aplicar el caso i) a la función g(x) = −f (x).

2
Ejemplo 2.7.3 1. Sea f (x) = x ln x, veamos cuales son sus extremos

relativos. Los candidatos a extremos son los que satisfacen la condición
necesaria de extremo, esto es
1
f 0 (x) = ln x + x = 0 ⇒ ln x = −1 ⇒ x = eln x = e−1
x
Ahora calculamos la segunda derivada y la evaluamos en el único
candidato encontrado:
1 1
f 00 (x) = ⇒ f 00 (e−1 ) = −1 = e > 0
x e
Por tanto la primera derivada que no se anula después de la primera es
n = 2 par y además la segunda derivada es positiva por tanto se trata de
un mínimo relativo.
2. En este ejemplo se estudia si la función f (x) = x2 sen x posee un extremo
relativo en c = 0. Calculemos la primera derivada y evaluemosla en c = 0
f 0 (x) = 2x sen x + x2 cos x ⇒ f 0 (0) = 0
Por tanto el punto c = 0 cumple la condición necesaria. Apliquémosle la

condición suficiente
f 00 (x) = 2 sen x+2x cos x+2x cos x−x2 sen x = (2−x2 ) sen x+2x cos x ⇒ f 00 (0) = 0
Calculemos la siguiente derivada:
f 000 (x) = (−2x) sen x + (2 − x2 ) cos x + 2 cos x − 2x sen x ⇒ f 000 (0) = 4
Como la primera derivada que deja de anularse en el punto c = 0 es n = 3,

impar, por tanto no es un extremo relativo.
Teorema 2.7.4 (Criterio de la primera derivada) Sea f : (a, b) → 7 R una

función continua en (a, b) y derivable en todos los puntos de (a, b) salvo a lo
mas en un punto c ∈ (a, b). Supongamos que se cumple.
f 0 (x) ≤ 0 si x ∈ (a, c)
f 0 (x) ≥ 0 si x ∈ (c, b)
Entonces f tiene en c un mínimo relativo.

Si se cumple que:
f 0 (x) ≥ 0 si x ∈ (a, c)
f 0 (x) ≤ 0 si x ∈ (c, b)
Entonces f tiene en c un máximo relativo relativo.
Observación 2.7.5 La continuidad de la función f en el intervalo (a, b) es

imprescindible.
Ejemplo 2.7.6 (Valor absoluto) La función f (x) = |x| es continua en todo R y

no es derivable en el punto c = 0. Esta función cumple
f 0 (x) = signo(x) = 1 > 0 si x ∈ (0, b)

f 0 (x) = signo(x) = −1 < 0 si x ∈ (−b, 0)
con b > 0, por tanto cumple el criterio de la primera derivada y la función

f (x) = |x| tiene un mínimo relativo en c = 0.
√
1. Calcular el máximo y el mínimo en [−1, 1] de la funcion f (x) = 3
x + |x|.
¿Podemos asegurar que los extremos se alcanzan en puntos de ese
intervalo? ¿Por qué?
2. Sea la función
|x|
f (x) = .
e|x−1|
Se pide:
a) Continuidad y derivabilidad de f (x).

b) ¿Tiene f (x) extremos absolutos en [−2, 2]? Justificar la respuesta y,
en caso afirmativo, calcúlense.
3. Derivar y obtener los extremos de la función f (x) = (x − 1)2 |x|1/3 en

(−1, 1].
4. Dada la función
1
(x − 1)4 cos2 x−1 , x 6= 1,
f (x) =
0, x = 1.
Calcular f 0 (1) y f 00 (1). ¿Existe un mínimo relativo en x = 1?

5. Investigar los puntos críticos de las funciones:
(a) f (x) = (x − 1)1/3 (x

+ 2)2/3 , (b) f (x) = x3 − 6x2 +
9x − 8,
4
x 1
(c) f (x) = x log , (d) f (x) = arc tg ,
1−x x3 − x
(e) f (x) = cos(sen x).
6. Hallar los valores extremos de las funciones en el dominio que se indica:
(a) f (x) = x1/x , x ∈ IR; (b) f (x) = 2 sen x + cos 2x, x ∈ IR;
(c) f (x) = xm (1 − x)n , m, n ∈ IN; (d) f (x) = x2 − 3x + 2 , x ∈ [−10, 10];
(e) f (x) = máx{2 |x| , |1 + x|}, x ∈ IR; (f) f (x) = x2 − 4x + 6, x ∈ [−3, 0];
−1 1
e x2 , x 6= 0, xe x2 , x 6= 0,
(g) f (x) = x ∈ IR; (h) f (x) = x ∈ IR;
0, x = 0, 0, x = 0,

2x2 + 3, x 6= 0, 1
(i) f (x) = x ∈ IR; (j) f (x) = x2 + , x ∈ [1/10, 2];
4, x = 0, x
p
x
(k) f (x) = x 4 − x2 , x ∈ IR; (l) f (x) = log |e − 1| , x ∈ [−1, 1];
 1

 1+x 2 , x ∈ [0, 1/2],
1−x
(m) f (x) = 1 x ∈ IR.

 1−x 2 , x ∈ [−1/2, 0),
1+x
7. Demostrar que si una función g(x) es estrictamente creciente en R ,

entonces f (x) y g(f (x)) tienen los mismos extremos relativos en R.
8. Dados a < b, defínase ϕ : IR 7→ IR como ϕ(x) = e1/(x−a)(x−b) si a < x < b y

ϕ(x) = 0 si x ∈
/ (a, b). Demostrar que ϕ tiene un único máximo.
9. Sea ϕ : [a, b] 7→ IR dos veces derivables con ϕ(a) = ϕ(b) = 0 y ϕ00 (x) < 0
para todo x ∈ [a, b]. Demostrar que ϕ(x) > 0 para todo x ∈ (a, b).
10. Obtener las dimensiones del cilindro de volumen máximo contenido en

un cono de revolución de radio r y altura h.
11. Un almacenista compra una cierta clase de madera al precio de c =

12 euros/m3 . Un estudio de mercado da como resultado que si vende
la madera al precio de x euros/m3 , el volumen de madera que vende
es V = ae−k(x−c) , con a = 50 y k = 0.04. Hallar el precio para el cual el
beneficio obtenido por la venta sea máximo,
12. Inscribir en una esfera de radio r un cilindro:
a) de volumen máximo,
b) de superficie lateral máxima.
13. Hallar la menor distancia de un punto dado (0, b) del eje Y a la parábola
x2 = 4y.
14. Un camión, cuya velocidad máxima es 110 km/h, ha de recorrer 500 km

en una carretera llana a velocidad constante de x km/h. El combustible
cuesta 0.80 euros/litro y el consumo del camión es C(x) = 2400
x
(40 + x)
litros/100 km. Si el conductor cobra 8 euros/hora calcular cuál es
la velocidad más económica y el coste del viaje. ¿Cuánto se ahorra
respecto a realizar el viaje a 110 km/h y a 40 km/h? ¿Qué ocurre
respecto a la velocidad óptima si subimos el sueldo del conductor a
10 euros/hora? ¿Y si sube el combustible a 0.90 euros/litro?
15. Dada una esfera de radio R. Calcular, en función de R, el radio r y la
altura h del cono circular recto de mayor volumen que puede inscribirse
en esa esfera.
16. Una petrolera está diseñando una refinería en un punto de la
costa. Durante el periodo de funcionamiento de T años la planta
procesará una cantidad de QT toneladas de petróleo. Supóngase que
el consumo es constante durante el periodo de funcionamiento. A
esta refinaría se le suministrará materia prima mediante un petrolero
teniendo un coste de CE euros cada vez que se realiza un pedido e
independientemente de la cantidad pedida. El coste de almacenamiento
(construcción y mantenimiento de los envases) durante dicho periodo
es CA euros por tonelada. Considerando exclusivamente los anteriores
costes determinar el número óptimo de toneladas que debe transportar
el petrolero en cada pedido.
S ESIÓN 21
Ejercicios
1. Sea la función f (x) definida por:
4
x − 2x2 si x ≤ 0
f (x) =
x − x2 si x > 0
a) Estudiar si f (x) es continua y derivable en R. Dar la expresión de

f 0 (x).
b) Indicar los extremos relativos y absolutos de f (x) en [−2, 2].
Solución.
a) Para todo x 6= 0 la función es continua porque es una función
polinómica. Estudiemos el punto x = 0. Calculando los límites
laterales

lı́m x4 − 2x2 = lı́m x − x2 = 0 ⇒ lı́m f (x) = 0 = f (0)
x→0− x→0+ x→0
Por lo que la función es continua en todo R. Estudiemos la

derivabilidad en el punto x = 0.
0 f (0 + h) − f (0) h − h2
f− (0) = lı́m− = lı́m = lı́m (1 − h) = 1
h→0 h h→0− h h→0−
4 2
0 f (0 + h) − f (0) h − 2h
f+ (0) = lı́m+ = lı́m− = lı́m+ (h3 − 2h) = 0
h→0 h h→0 h h→0
Por lo tanto no es derivable en x = 0. En el resto de puntos viene

definida por una función polinómica y por tanto es derivable en
R − {0}.
b) Los candidatos a extremos absolutos de una función continua en
un intervalo cerrado son:
1) Extremos del intervalo x1 = −2 y x2 = 2.
2) Raíces de la primera derivada. Tenemos que calcular los
valores de x donde f 0 (x) = 0 en el intervalo [−2, 2]. La primera
derivada es:
4x3 − 4x si x < 0
f 0 (x) =
1 − 2x si x > 0
Calculemos las raíces de f 0 (x) en el intervalo [−2, 0)
4x3 − 4x = 4x(x2 − 1) = 0 ⇒ x = 0, −1, 1

El único valor que está en el intervalo de estudio es x3 = −1. La

única raíz de f 0 (x) en el intevalo (0, 2) es f 0 (x) = 1 − 2x = 0 ⇒
x4 = 21 .
3) Puntos de no derivabilidad. Tenemos que en x5 = 0 no es
derivable la función f (x).
Evaluando la función en todos los candidatos a extremos absolu-
tos, obtenemos
xi f (xi )
−2 8
−1 −1
0 0
1 1
2 − 4
2 −2
Luego los puntos x1 = −2 es un máximo absoluto y x2 = 2 es
un mínimo absoluto. Estudiemos si entre el resto de candidatos
existe otros extremos relativos. Los puntos x3 = −1 y x4 = 1/2
cumplen la condición necesaria de extremo relativo para funciones
derivables. Comprobemos si cumplen la condición suficiente, para
ello calculamos la segunda derivada:

12x2 − 4 si x < 0
f 00 (x) =
−2 si x > 0
Evaluando la segunda derivada en los candidatos
f 00 (−1) = 8 > 0 ⇒ mínimo relativo
f 00 (1/2) = −2 < 0 ⇒ máximo relativo
Para analizar si el punto x5 = 0 es un extremo relativo aplicamos
el criterio de la primera derivada. Se trata de una función continua
en 0 que cumple
0
f (x) = 4x(x2 − 1) > 0 si x ∈ (−ε, 0)
f 0 (x) = 1 − 2x > 0 x ∈ (0, ε)
Por tanto no es un extremo relativo.
2
x +x si x ∈ [−1, 0]
f (x) =
x ln x si x ∈ (0, 1]
a) Estudiar la continuidad.
b) Calcular razonadamente f ([−1, 1]).
Solución:
a) Estudiemos la continuidad en el punto x = 0. Calculemos los
límites laterales
lı́m f (x) = lı́m (x2 + x) = 0
x→0− x→0−
ln x 1/x
lı́m f (x) = lı́m x ln(x) = lı́m = lı́m− = lı́m− −x = 0
x→0+ x→0− x→0− 1/x x→0 −1/x2 x→0
Como coinciden los límites laterales se tiene

lı́m f (x) = 0 = f (0) (2.40)
x→0
y por tanto la función es continua en x = 0.

b) Por el apartado anterior la función f (x) es continua en [−1, 1] y por
el teorema de Weierstrass alcanza máximo y mínimo. En este caso
f ([−1, 1]) = [m, M ] donde
m = Minimizarx∈[−1,1] f (x)
M = Maximizarx∈[−1,1] f (x)
Cálculemos los candidatos a extremos absolutos:
• Extremos del intervalo. → x = −1, x = 1.
• Raíces de f 0 (x). La primera derivada es

2x + 1 si x ∈ [−1, 0)
f 0 (x) =
1 + ln x si x ∈ (0, 1]
Resolvemos f 0 (x) = 0. Se obtiene para los valores negativos de
x,
2x + 1 = 0 ⇒ x = −1/2
y para los valores positivos de x,
1 + ln(x) = 0 ⇒ ln x = −1 ⇒ x = e−1 .
• Puntos no derivables. → x = 0
Evaluando los candidatos
x f (x)
−1 0
−1/2 −1/4
0 0
e−1 −e−1
1 0
obtenemos que m = −e−1 y M = 0.
3. De un tronco redondo de diámetro 16, hay que tallar una viga con una
sección transversal rectangular, de base b y altura h. ¿Qué dimensiones
deberá tener la viga para que la resistencia sea máxima, si la resitencia
es proprocional a bh2 ?
4. La demanda de un determinado bien viene descrita por una función
d = d(p) en función del precio p. Supóngase que los costes de producción
de dicho bien viene modelado por una función c = c(d) que proporciona
el precio unitario del bien en función del número de unidades d
producidas. Suponiendo que las funciones d(p) y c(d) son monótona
decrecientes determinar que relación debe satisfacer el precio óptimo
para el productor del bien.pEn el caso concreto de ser d(p) = exp(−kp)
con k > 0 y c = c(d) = C0 − (md) y m > 0 ¿Cual es el precio óptimo?
2.8. Curvatura de una función |107|
S ESIÓN 22
2.8. Curvatura de una función
Curvatura de una función

1. Definición de funciones cóncavas y convexas!
2. Definición de los conceptos de concavidad y convexidad
para funciones derivables!
3. Caracterización de la concavidad/convexidad mediante la
segunda derivada
Definición 2.8.1 (Concavidad y convexidad) Sea f : I ⊂ R, definida en el

intervalo I, diremos que f (x) es convexa en I si para todo a, b ∈ I se cumple
f (λa + (1 − λ)b) ≤ λf (a) + (1 − λ)f (b), ∀λ ∈ [0, 1] (2.41)
La figura 2.13 muestra la gráfica de una función convexa. Geométricamente

la condición (2.43) equivale a que la gráfica de la función f (x) en cualquier
intervalo [a, b] queda por debajo del segmento que une los puntos (a, f (a)) y
(b, f (b)). En esta figura se considera un punto arbitrario λa + (1 − λ)b del interior
del intervalo y se muestra su imagen f (λa + (1 − λ)b) y el correspondiente valor
λf (a) + (1 − λ)f (b)3 . Se observa que la imagen es menor que el correspondiente
valor en el segmento.
Diremos que la función f : I ⊂ R es cóncava en el intervalo I sii −f (x) es
una función convexa en I
Ejemplo 2.8.2 1. Sea f (x) = |x| en I = R
2. Sea f (x) = ex en I = R
Si la función f (x) es derivable en un intervalo I entonces el concepto de

convexidad y concavidad pude ser definido a través de sus rectas tangentes,
que existen por ser derivable, del siguiente modo.
3 ¿Cuanto vale la recta que pasa por los puntos (a, f (a)) y (b, f (b)) en el punto x = λa+(1−λ)b?
λf (a) + (1 − λ)f (b)
f (λa + (1 − λ)b)
a b
λa + (1 − λ)b
Figura 2.13: Ilustración del concepto de función convexa
Definición 2.8.3 (Concavidad y convexidad de funciones derivables) Sea

f : I ⊂ R, derivable en el intervalo I, diremos que f (x) es convexa en I si para
todo c ∈ I se cumple
Tc (x) = f (c) + f 0 (c)(x − c) ≤ f (x) para todo x ∈ I (2.42)
donde Tc (x) es la recta tangente a la gráfica de la función en (c, f (c)).

Geométricamente indica que la recta de la tangente está por debajo de la
gráfica de al función.
De igual modo definiremos función cóncava sii para todo c ∈ I
Tc (x) = f (c) + f 0 (c)(x − c) ≥ f (x) para todo x ∈ I (2.43)
La figura 2.14 muestra dos funciones derivables. La primera es convexa y

se observa que cualquier recta tangente que consideremos queda por debajo
de la gráfica de la función en todo el intervalo. En el caso de la función cóncava
las rectas tangentes quedan por encima de la gráfica de la función.
Teorema 2.8.4 Sea f : I ⊂ R 7→ R una función que admite f 00 (x) en el intervalo

I. Entonces se tiene:
i) f (x) es convexa en I ⇔ f 00 (x) ≥ 0 para todo x ∈ I.
ii) f (x) es cóncava en I ⇔ f 00 (x) ≤ 0 para todo x ∈ I.
P RUEBA. i) Veamos únicamente la demostración en el sentido ⇐. Aplicando el

Teorema de Taylor para n = 1 en c ∈ I, obtenemos:
f 00 (θ)
f (x) = f (c) + f 0 (c)(x − c) + (x − c)2 con θ ∈ {c, x} ⊂ I (2.44)
2!
convexa
y
concava
x x
Figura 2.14: Ilustración del concepto de función convexa y cóncava para

funciones derivables
00
Por hipótesis f 00 (θ) ≥ 0 entonces el resto f 2!(θ) (x − c)2 ≥ 0. Si eliminamos el
resto de la igualdad (2.44), queda la desigualdad:
f (x) ≥ f (c) + f 0 (c)(x − c) con c, x ∈ I (2.45)
que es la definición de función convexa en I. 2
Este teorema tiene una interpretación geométrica. La hipótesis que la

función f 00 (x) ≥ 0 garantiza que la función f 0 (x) es creciente y por tanto
las tangentes a la gráfica de f (x) van teniendo cada vez mayores pendientes.
La misma interpretación pero en sentido opuesto se puede hacer con las
funciones cóncavas.
Ejemplo 2.8.5
Sea
f (x) = −x x2 + x
1. Estudia la derivabilidad de dicha función en lR
2. Estudiar intervalos de concavidad y convexidad.
Solución:
a) La función se puede expresar:

2
x (x + 1) si x ∈ [−1, 0]
f (x) =
−x2 (x + 1) si x ∈ (−∞, −1) ∪ (0, +∞)
Veamos que en x = 0 es derivable.
0 f (x) − f (0) −x2 (x + 1) − 0

f+ (0) = lı́m = lı́m = lı́m −x(x + 1) = 0
x→0+ x−0 x→0+ x x→0+
2
0 f (x) − f (0) x (x + 1) − 0
f− (0) = lı́m− = lı́m+ = lı́m+ x(x + 1) = 0.
x→0 x−0 x→0 x x→0
Veamos que en x = −1 no es derivable.
0 f (x) − f (−1) x2 (x + 1) − 0
f+ (−1) = lı́m + = lı́m + = lı́m + x2 = 1
x→−1 x − (−1) x→−1 x+1 x→−1
2
0 f (x) − f (−1) −x (x + 1) − 0
f− (−1) = lı́m = lı́m − = lı́m − −x2 = −1
x→−1− x − (−1) x→−1 x+1 x→−1
b) La derivada de la función g(x) = |x| es g 0 (x) = signo(x). Esta función no es

derivable en el punto 0. Vamos a derivar aplicando la regla de la cadena
a f (x).
f 0 (x) = −|x2 + 1| (2.46)
Estudiemos el signo de la segunda derivada

6x + 2 si x ∈ (−1, 0)
f 00 (x) =
−6x − 2 si x ∈ (−∞, −1) ∪ (0, +∞)
Los cambios de signo de una función se pueden producir en sus raíces y

sus discontinuidades. Calculemoslas:
• Raíces de f 00 (x). La solución de f 00 (x) = 0 en (−1, 0) es x = −1/3 y no

tiene raíces en (−∞, −1) ∪ (0, ∞).
• Discontinuidades de f 00 (x). Son x = −1 y x = 0.
Esto determina que en los siguientes intervalos (de prueba) la segunda

derivada mantenga el signo:
(−∞, −1) (−1, −1/3) (−1/3, 0) (0, +∞)

Signo f 00 (x) + − + −
Curvatura Convexa Cóncava Convexa Cóncava
Observación 2.8.6 (Monotonía y curvatura de una función) Notar que la

monotonía de una función se estudia a través de f 0 (x) y la concavidad y con-
vexidad mediante la f 00 (x). Una función puede presentar cuatro combinaciones
en el signo de la f 0 (x) y de la f 00 (x). Los casos resultantes se muestran en la
figura 2.15.
convexa y decreciente convexa y creciente
y
x x
concava y decreciente concava y creciente
y
y
x x
Figura 2.15: Monotonía y curvatura de una función
1. Estudiar los intervalos de monotonía y la concavidad y convexidad de

las siguientes funciones:
e1/|x|
(a) f (x) = ; (b) f (x) = x + |sen 2x| , x ∈ [0, π];
x
(c) f (x) = sen x + cos x, en [0, 2π]; (d) f (x) = 2x3 − 9x2 − 24x + 7.
1 x sen(2x)
(e) f (x) = x2 e x , (f) f (x) = , (g) f (x) = ,
1 + |x| 1 + sen x
(h) y 2 = x3 + 1, (i) y 2 = (x + 3)(x2 + 1), (j) f (x) = 3x4 + 4x3 ,
√ √
(k) f (x) = x(x2 + 4)2 , (l) f (x) = x − x, (m) f (x) = x 1 − x,
2x 2
(n) f (x) = , () f (x) = x2 + , (o) f (x) = sen(cos x),
2 + x2 x
ex + e−x 1
(p) f (x) = , (q) f (x) = e− x2 , (r) f (x) = log(x2 − x),
2
r
x 1
(s) f (x) = tg , (t) f (x) = tg (|arc tg x|) , (u) f (x) = log ,
1−x x−1
√
x+1
(v) f (x) = √ .
x−1
S ESIÓN 23
Ejercicios
1. Estudiar intervalos de monotonía, concavidad y convexidad de las
siguientes funciones:
1
a) f (x) = + x2 ; b) f (x) = x2 ex
x
Solución:
a) Los intervalos de monotonía se determinan estudiando el signo
de la primera derivada f 0 (x) = −1
x2 + 2x. Los cambios de signo
de una función se pueden producir en sus raíces y en sus
discontinuidades. Calculémoslas:
• Raíces de f 0 (x). La solución de f 0 (x) = −1 3
x2 +2x = 0 ⇒ −1+2x = 0
√
en R es x = 1/ 2.3
• Discontinuidades de f 0 (x). La única discotinuidad de f 0 (x) =

−1
x2 + 2x es x = 0.
Esto determina los siguientes intevalos (de prueba) en los que la
primera derivada mantiene el signo:
Intervalo (−∞, 0) 1
(0, √
3 )
2
(√ 1
3 , +∞)
2
Signo f 0 (x) f 0 (−1) = −3 f 0 (1/2) = −3/4 f (1) = 1
Monotonía Decreciente Dereciente Creciente
Los intervalos de concavidad/convexidad se determinan de la
misma manera pero estudiando el signo de la segunda derivada
f 00 (x) = x23 + 2. Los cambios de signo de una función se pueden
producir en sus raíces y en sus discontinuidades. Calculemoslas:
• Raíces de f 00 (x). Resolvemos la ecuación f 00 (x) = x23 + 2 = 0 ⇒
x = −1 en R.
• Discontinuidades de f 0 (x). La única discotinuidad de f 0 (x) =
x3 + 2 es x = 0.
2

segunda derivada mantiene el signo:
Intervalo (−∞, −1) (−1, 0) (0, +∞)

Signo f 00 (x) f 00 (−2) = −1/4 + 2 > 0 f 00 (−1/2) = −14 < 0 f 00 (1) = 4 > 0
Curvatura Convexa Cóncava Convexa
1
f (x) = x 2 + x
1
−1 2− 3
Figura 2.16: Gráfica de f (x) = 1

x + x2
b) La primera derivada es f 0 (x) = 2xex + x2 ex = x(2 + x)ex . Calculemos

los puntos donde puede cambiar de signo:
• Raíces de f 0 (x). Las raíces son x = −2 y x = 0.
• Discontinuidades de f 0 (x). La función derivada es el producto
de un polinomio de segundo grado por una exponencial
por lo que es continua en todo R y por tanto no tiene
discontinuidades.
Intervalo (−∞, −2) (−2, 0) (0, +∞)

Signo f 0 (x) f 0 (−3) = 3e−3 > 0 f 0 (−1) = −e−1 < 0 f (1) = 3e3 > 0
Monotonía Creciente Dereciente Creciente
Los intervalos de concavidad/convexidad se determinan de la

misma manera pero estudiando el signo de la segunda derivada
f 00 (x) = (x2 + 4x + 2)ex . Calculemos los posibles puntos de cambio
de signo:
• Raíces de f 00 (x). Resolvemos la ecuación f 00 (x) = (x2 +4x+2)ex =
√
0 ⇒ (x2 + 4x + 2) = 0 ⇒ x = −2 ± 2.
• Discontinuidades de f 00 (x). Es continua la función f 00 (x).
√ √ √ √
Intervalo (−∞, −2 − 2) (−2 − 2, −2 + 2) (−2 − 2, +∞)
Signo f 00 (x) f 00 (−4) = 2e−4 > 0 f 00 (−2) = −2e−2 < 0 f 00 (1) = 7e > 0
f (x) = x 2 e x
√
√ −2 + 2 0
−2 − 2 −2
Figura 2.17: Gráfica de f (x) = x2 ex
2. a) Sea f (x) = x2 − xsen x − cos x probar que tiene exactamente dos

raíces.
b) Aplica tres iteraciones del método de la bisección para aproximar
una de dichas raíces. Da una cota del error de dicha aproximación.
Solución:
b) La función f (x) es continua en R.
π π2 π
f − = − ≈ 0.84 > 0
2 4 2
f (0) = −1 < 0
π π2 π
f = − ≈ 0.84 > 0
2 4 2
Aplicando el teorema de Bolzano a f (x) en los intervalos [− π2 , 0] y
[0, π2 ] queda garantizada que el número de raíces de f (x) es mayor
o igual a 2.
Por otro lado, si la función tuviera 3 o más raíces, aplicando
el teorema de Rolle a los intervalos definidos por dos raíces
consecutivas tendríamos, que la primera derivada tendría más de
2 raíces. La primera derivada f 0 (x) = x(2 − cos x) solo tiene la raíz
x = 0 y por tanto la función no puede tener 3 o más raíces.
c) Aplicamos el método de la bisección partiendo del intervalo [0, π2 ]
que cumple las hipótesis para la convergencia.
an bn sn f (sn )
π π
0− 2+ 4 −0.456
π π 3π
4− 2+ 8 −0.083
3π π 7π
8 − 2+ 16
Una cota del error cometido es:

b−a π/2
Error ≤ n
= 3 = 0.196349
2 2
S ESIÓN 24
2.9. El método de Newton-Raphson

El método de Newton-Raphson calcula aproximadamente raíces de
funciones. Esto es, encuentra soluciones aproximadas a la ecuación f (x) = 0.
La figura 2.18 ilustra el método. Supongamos que partimos de un punto
inicial s1 y calculamos la recta tangente T1 (x) a la función en dicho punto.
En un entorno del punto s1 podemos considerar que la recta tangente es
aproximadamente la función, esto es f (x) ≈ T1 (x) y por tanto una raíz
aproximada de la función f (x) puede ser la raíz de la recta tangente T1 (x).
Esta raíz la denominaremos s2 , obteniendo:
f (s1 )
T1 (x) = f (s1 )+f 0 (s1 )(x−s1 ) = 0 ⇒ T1 (s2 ) = f (s1 )+f 0 (s1 )(s2 −s1 ) = 0 ⇒ s2 = s1 −
f 0 (s1 )
(2.47)
En la figura 2.18 se observa que s2 es la raíz de la recta tangente en s1 . Ahora
podemos volver a reiterar el proceso y calcular la raíz de la recta tangente en
s2 , obteniendo en general
f (sn )
sn+1 = sn − 0 (2.48)
f (sn )
la generación de esta sucesión constituye el método de Newton-Raphson. En
la figura 2.18 se observa que el límite de la sucesión (sn ) converge a la raíz
de la función.
Ejemplo 2.9.1 Aplicaremos el método de Newton para aproximar la raíz de
f (x) = ln x. Su derivada es f 0 (x) = x1 y la fórmula recursiva del método es en
este caso
f (sn ) ln sn
sn+1 = sn − 0
= sn − 1 = sn − sn ln sn = sn (1 − ln sn ) (2.49)
f (sn ) sn
Tomamos como punto inicial del método s1 = 2 y obtenemos
s2 = s1 (1 − ln s1 ) = 2(1 − ln 2) = 0.6137
s3 = s2 (1 − ln s2 ) = 0.6137(1 − ln 0.6137) = 0.9133
s4 = s3 (1 − ln s3 ) = 0.9133(1 − ln 0.9133) = 0.9961
s5 = s4 (1 − ln s4 ) = 0.9961(1 − ln 0.9961) = 0.999992385094176
s6 = s5 (1 − ln s5 ) = 0.999992385094176(1 − ln 0.999992385094176) = 0.999999999971006
Se observa que la sucesión converge a la raíz s∗ = 1.

2.9. El método de Newton-Raphson |117|
s4 s3 s2 s1
Figura 2.18: Ilustración del método de Newton-Raphson
En el ejemplo anterior conocemos la raíz de la función y comprobamos

que el método ha convergido correctamente a dicha raíz. ¿Ocurre lo mismo en
cualquier otro problema? En general si la sucesión (sn ) → s∗ es convergente
y las funciones f (x) y f 0 (x) son continuas con f 0 (s∗ ) 6= 0, tomando límites
a ambos lados de 2.50 y por la caracterización sucesional de las funciones
continuas, obtenemos

f (sn )
lı́m sn+1 = lı́m sn − 0 ⇒ (2.50)
n→∞ n→∞ f (sn )
f (s∗ )
s∗ = s∗ − 0 ∗ ⇒ f (s∗ ) = 0 (2.51)
f (s )
El siguiente teorema garantiza que es posible elegir un punto inicial que

garantice que (sn ) está bien definida y es convergente a un punto s∗ .
Teorema 2.9.2 (Convergencia local del método de Newton) Sea f ∈ C 2 ([a, b]).
Si s ∈ [a, b] es tal que f (s∗ ) = 0 y f 0 (s∗ ) 6= 0. Entonces ∃ δ > 0 tal que ∀ s1 ∈
f (sn )
[s − δ, s + δ] la sucesión de Newton -Raphson , sn+1 = sn − 0 ,está bien
f (sn )
definida y converge a s.
Observación 2.9.3 La sucesión de Newton-Raphson no siempre tiene que

converger. Puede que incluso no esté definida (que sucederá si para algún n,
/ [a, b] ó f 0 (sn ) = 0).
sn ∈
Teorema 2.9.4 (Condición suficiente de convergencia del método de Newton)

Sea [a, b] y f ∈ C 2 [a, b], verificando:
i) f (a)f (b) < 0

ii) f 0 (x) 6= 0, para todo x ∈ [a, b]

iii) Se cumple una de las siguientes dos relaciones f 00 (x) ≥ 0, para todo x ∈
[a, b] o f 00 (x) ≤ 0, para todo x ∈ [a, b]
Entonces f tiene una única raíz s∗ en [a, b] y si s1 ∈ [a, b] verifica que
f (s1 )f 00 (s1 ) > 0, la sucesión de Newton converge a s∗ .
Ejemplo 2.9.5 Sea la ecuación x = 1 + atan(x)

1. Demuestra que tiene una única solución.
2. Encuentra un s0 ∈ R que tenga asegurada la convergencia del método de
Newton.
3. Con este s0 , realizar 2 iteraciones del método de Newton.
Solución.
1. La función f (x) es continua en [0, 3] cumpliendo que f (0) = −1 < 0 y que
f (3) = 2 − arctg(3) > 0, aplicando el teorema de Bolzano existe un punto
c ∈ (0, 3) tal que f (c) = 0.
Veamos la unicidad. Calculamos la primera derivada
1 x2
f 0 (x) = 1 − 2
= > 0 ⇒ f es creciente en R
1+x 1 + x2
Por tanto sólo tiene una solución y está localizada en el intervalo (0, 3).
2. Vamos aplicar la condición suficiente para la convergencia del método de
Newton. La función f (x) admite segunda derivada en el intervalo [1, 3] y
es continua. Además se cumple las siguientes propiedades:
a) f (1)f (3) < 0.
b) La primera derivada no se anula en el intervalo.
x2
f 0 (x) = 6= 0 en [1, 3]
1 + x2
c) La segunda derivada mantiene el signo en el intervalo [1, 3]

2x
f 00 (x) = ≥ 0 para todo x ∈ [1, 3]
(1 + x2 )2
Como f (3)f 00 (3) > 0 el método de Newton tiene garantizada la

convergencia tomando s1 = 3.
3. Realizamos dos interaciones con el método de Newton;
s1 = 3
f (s1 )
s2 = s1 − = 2 .1656
f 0 (s1 )
f (s2 )
s3 = s2 − 0 = 2 .1323
f (s2 )
Definición 2.9.6 (Orden de convergencia) Si lı́m sn = s∗ , se dice que (sn )

n→∞
tiene orden de convergencia α > 0 si:
| sn+1 − s∗ |
lı́m = λ 6= 0
n→∞ | sn − s∗ |α
Si α = 1, la convegencia es lineal.
Si α = 2, la convegencia es cuadrática.
El siguiente teorema nos da una condición suficiente para que el método

posea una velocidad de convergencia cuadrática.
Teorema 2.9.7 (Velocidad de convergencia del método de Newton) Sea f ∈

C 2 [a, b], s ∈ [a, b] una raíz de f tal que f 0 (s) 6= 0 y f 00 (s) 6= 0. Supongamos que
existen m y M tales que ∀x ∈ [a, b] | f 0 (x) |≥ m y | f 00 (x) |≤ M. Entonces si (sn )
es la sucesión de Newton-Raphson y converge a s∗ se tiene
M
| sn+1 − s∗ |≤| sn+1 − sn |2
m
Observación 2.9.8 Un procedimiento de paro para el método de Newton
consiste en dado un cierto > 0 pararemos cuando:
| sn+1 − sn |<
Por lo que el teorema 2.9.7 garantizaría que el error |sn+1 − s∗ | < 2 M

m
Ejemplo 2.9.9 Dada la ecuación:
3x2 − ex = 0
Determinar un intervalo [a, b] para cada una de sus tres raíces que cumpla el
teorema 2.9.4 y determinar un s0 en dicho intervalo de modo que el método de
Newton tenga garantizada su convergencia. Aproximar las soluciones de las
ecuaciones con una precision superior a 10−5 .
Solución: El teorema 2.9.4 indica que hay que buscar un intervalo [a, b] en
el que la función f (x) cambie de signo y no contenga ninguna raíz ni de f 0 (x)
ni de f 00 (x)4 . En este caso, por ser f 00 (x) una función continua5 , la función
sería en [a, b] uno de los siguientes tipos: i) creciente y convexa, ii) creciente
y cóncava, iii) decreciente y convexa o iv) decreciente y cóncava. Calculemos
las dos primeras derivadas:
f (x) = 3x2 − ex
f 0 (x) = 6x − ex
f 00 (x) = 6 − ex
Para guiar el razonamiento consideramos las gráficas de las anteriores

funciones en la figura 2.19. Se observa que la función f (x) tiene tres raíces.
4 Realmente dice que no cambie de signo. Como en este caso f 00 (x) es continua, por el teorema
de Bolzano, equivale a que no contenga raíces en el intervalo [a, b]

5 ¿Por qué?
La raíz c1 es negativa y las c2 y c3 son positivas. La función f 0 (x) tiene dos

raíces positivas pero su cálculo analítico 6x − ex = 0 resulta imposible. La
función f 00 (x) tiene una raíz que se puede calcular analíticamente
f 00 (x) = 6 − ex = 0 ⇒ x = ln(6) ≈ 1.7918
Raíz c1
, ,,
f (x) = 3x 2 − e x f (x) = 6x − e x f (x) = 6 − e x
y
y
c1 c2 c3
0.20448 2.8331 1.7918
x x x
Figura 2.19: Gráficas de f (x) = 3x2 − ex , f 0 (x) = 6x − ex y f 00 (x) = 6 − ex
Como c1 es una raíz negativo probamos en el intervalo [−1, 0]. Veamos que
la función cambia de signo:
f (−1) = 3 − e−1 > 0 f (0) = −1 < 0
Gráficamente se observa que las raíces de f 0 (x) son positivas y el intervalo

[−1, 0] está formado por números negativos y el 0 por lo que no puede
contener ninguna de estas dos raíces. Un argumento analítico es que si
x ∈ [−1, 0] entonces 6x ≤ 0 y −ex < 0 y por tanto si los sumamos:
f 0 (x) = 6x − ex < 0,
y por tanto no se anula la primera derivada. Respecto a las raíces de f 00 (x),

como su única raíz es ln(2) ∈ / [−1, 0] queda demostrado que f 00 (x) 6= 0 en
[−1, 0].
Raíz c2
El modo de determinar [a, b] en este caso es el de prueba y error. Se

propone uno y se intenta probar que cumple las hipótesis. Por ejemplo, uno
natural sería tomar el [0, 1], cumple f (0)f (1) < 0 pero contiene una raíz de la
primera derivada y no satisfaría las hipótesis. La figura 2.19 muestra el valor
de las raíces de f 0 (x) y por tanto nos podemos evitar la etapa de prueba/error
y considerar directamente el [0.5, 1]. El primer paso es comprobar el cambio
de signo en los extremos:
f (0.5) = 3(0.5)2 − e0.5 ≈ −0.8987 < 0 f (1) = 3 − e1 > 0
Está claro que [0.5, 1] no contiene la raíz de la segunda derivada pero

¿cómo podemos demostrar que no contiene ninguna raíz de f 0 (x)? La
segunda derivada es la derivada de f 0 (x) y esta función es positiva en [0.5, 1],
por tanto la función f 0 (x) es creciente en [0.5, 1] y se tiene la relación
f 0 (0.5) ≤ f 0 (x) con x ∈ [0.5, 1]
Además se tiene que f 0 (0.5) = 3 − e0.5 > 0, por lo que f 0 (x) ≥ 3 − e0.5 > 0 y
eso demuestra que f 0 (x) no puede tener raíces en [0.5, 1].
Raíz c3
Justifiquemos que el intervalo [3, 4] cumple las hipótesis.
f (3) = 3(3)2 − e3 ≈ 6.9 > 0 f (4) = 3 ∗ 42 − e4 ≈ −6.5 < 0
Evidentemente no contiene a la raíz de la segunda derivada. Veamos que

tampoco contiene ninguna raíz de la primera derivada. La segunda derivada
es negativa en [3, 4] por tanto la función f 0 (x) es decreciente y se tiene:
f 0 (3) ≥ f 0 (x) con x ∈ [3, 4]
Además se tiene que f 0 (3) = −2.0855, por lo que 0 > −2.0855 = f 0 (3) ≥ f 0 (x)
para todo x ∈ [3, 4] y eso demuestra que f 0 (x) no puede tener raíces en [3, 4].
El teorema nos garantiza que si comenzamos con un punto s1 ∈ [a, b]
cumpliendo la condición f (s1 )f 00 (s1 ) > 0 la sucesión del Método de Newton
converge a la raíz que contiene el intervalo [a, b]. En la siguiente tabla
evaluamos esta condición para cada intervalo y para cada extremo del
intervalo
Intervalo −1 0 0.5 1 3 4
f (x) 2.6 −1 −0.9 0.3 6.9 −6.6
f 00 (x) 5.6 5 4.3 3.2 −14.0 −48.6
signo[f (x) · f 00 (x)] + − − + − +
Para efectuar los cálculos realizamos el programa en MATLAB mostrado en
la figura 2.20. Este programa lo ejecutamos con cada uno de los puntos
iniciales y obtenemos
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% MÉTODO DE NEWTON
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% s término de la sucesión Newton
% tol parámetro del criterio de paro
% f función
% df derivada de la fución
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
s=4; % punto inicial
tol=10^(-5); % error
f=@(x) (3*x^2-exp(x)); % función del ejemplo
df=@(x) (6*x-exp(x)); % derivada
RES=[s]; % almacenamiento resultados
error=realmax; % inicializa el error a "infinito"
while error>tol
snew=s-f(s)/df(s); % Método de Newton
RES=[RES; snew]; % Almacena resultados
error=abs(snew-s); % Calcula error
s=snew; %
end
display(RES)
Figura 2.20: Método de Newton programado en MATLAB Newton.m
Cuadro 2.3: Resultados obtenidos con el método de Newton y f (x) = 3x2 − ex
s1 -1.0 1.0 4.0

s2 −0.586656659702033 0.914155281832543 3.784361145167370
s3 −0.469801907724523 0.910017665783406 3.735379375079544
s4 −0.459053916955023 0.910007572548888 3.733083897874097
s5 −0.458962274194841 0.910007572488709 3.733079028654685
s6 −0.458962267536949
1. Usar el método de Newton para aproximar las soluciones de las

ecuaciones siguientes con precision 10−5
2 − ex + x2
x=
3
x2 + 10 cos(x) = 0
2.10. Interpolación |123|
S ESIÓN 25
2.10. Interpolación
Vamos a introducir el problema de interpolación mediante un pequeño
ejemplo. Considérese que un tren está situado en el instante x1 = 10 en el
punto kilométrico y1 = 8 de un vía. Posteriormente, en el instante x2 = 25
se encontraba en el punto y2 = 33. ¿En qué localización se encontraba en el
instante x = 22?
xi 10 22 25
yi 8 ? 33
Realmente con estos datos no es posible conocer con exactitud su
localización. Se puede dar una aproximación asumiendo, además de los
datos, que el tren llevaba una velocidad constante. Este hecho equivale a
x=10
x=22
y=8
x=25
y=? y=33
Figura 2.21: Ilustración del problema de interpolación lineal
que la función es una recta. Usando un polinomio de grado uno (una recta)
y1 − y0
p(x) = y0 + (x − x0 ) (2.52)
x1 − x0
Este polinomio cumple

y1 − y0
p(x0 ) = y0 + (x0 − x0 ) = y0
x1 − x0
y1 − y0
p(x1 ) = y0 + (x1 − x0 ) = y1
x1 − x0
Utilizando este polinomio para dar un valor a la posición desconocida en el

instante x = 21
33 − 8
p(21) = 8 + (22 − 10) = 28
25 − 10
Supongamos que conocemos una nueva posición intermedia del tren.
xi x0 = 10 x1 = 15 b = 22
x x2 = 25
yi y0 = 8 y1 = 15 yb =? y2 = 33
Cabría preguntarse: ¿Es necesario limitarse solo a dos puntos para dar la
estimación?¿No mejoraría la aproximación si empleásemos todos los valores
para dar la aproximación?
Podemos considerar la parábola
P (x) = a + bx + cx2 (2.53)
definida por tres parámetros a, b, c. Si asumimos que la parábola pasa por los
tres puntos conocidos, obtenemos:
P (10) = a + b ∗ 10 + c ∗ 102 = 8
P (15) = a + b ∗ 15 + c ∗ 152 = 15
P (10) = a + b ∗ 25 ∗ +c ∗ 252 = 33
Estas ecuaciones define el sistema de ecuaciones lineales en los parámetros
a, b, c     
1 10 100 a 8
 1 15 225   b  =  15 
1 25 625 c 33
Resolviendo el sistema, obtenemos los valores a = −2.0, b = 0.733 y c = 0.266.
Empleando dicho polinomio para dar una nueva aproximación obtenemos
P (x) = −2.0 + 0.733 ∗ x + 0.266 ∗ x2 ⇒ P (22) = 27.03 (2.54)
En general el problema de interpolación se puede plantear en los
siguientes términos. Tenemos una función real cuyo valor se conoce en n + 1
puntos f (x0 ) = y0 , f (x1 ) = y1 , · · · f (xn ) = yn .
Queremos encontrar un polinomio P (x) de grado menor o igual que n de
tal manera que
P (x0 ) = y0 ,
P (x1 ) = y1 ,
···
P (xn ) = yn .
Este problema tiene solución y la vamos a construir. Definimos los llamados
polinomios de Lagrange:
Q
n
(x − xj )
j=0
j6=k
Lk (x) = Qn , k = 0, · · · , n (2.55)
(xk − xj )
j=0
j6=k
2.10. Interpolación |125|
Estos polinomios satisfacen

1 si k = j
Lk (xj ) =
0 si k =
6 j
y por tanto el polinomio
n
X
Pn (x) = yk Lk (x) (2.56)
k=0
interpola a la función en los nodos x0 , x1 , · · · , xn . Basta con considerar
n
X
P (xj ) = yk Lk (xj ) = yj Lj (xj ) = yj (2.57)
k=0
Ejemplo 2.10.1 Calcular el polinomio de interpolación para esta tabla de

datos
xj x0 = −1 x1 = 0 x2 = 1
yj y0 = 1 y1 = 0 y2 = 1
Calculemos los tres polinomios de Lagrange asociados a los tres nodos xj
Q
2
(x − xj )
j=0
j6=0 (x − x1 )(x − x2 ) 1
L0 (x) = = = x(x − 1)
Q
2 (x0 − x1 )(x0 − x2 ) 2
(x0 − xj )
j=0
j6=0
Q
2
(x − xj )
j=0
j6=1 (x − x0 )(x − x2 )
L1 (x) = = = −(x − 1)(x + 1)
Q
2 (x1 − x0 )(x1 − x2 )
(x1 − xj )
j=0
j6=1
Q
2
(x − xj )
j=0
j6=2 (x − x0 )(x − x1 ) 1
L2 (x) = = = (x + 1)x
Q
2 (x2 − x0 )(x2 − x1 ) 2
(x2 − xj )
j=0
j6=2
Por tanto el polinomio interpolador es:

n
X 1 1
P (x) = yj Lj (x) = (1) ∗ x(x − 1) + (0) ∗ (−(x − 1)(x + 1)) + (1) ∗ (x + 1)x = x2
j=0
2 2
2.10.1. Estimación del error del polinomio interpolador

Si Pn es el polinomio de interpolación de la función f en x0 , x1 , ..., xn , el
error cometido al aproximar f por Pn es E(x) = f (x) − Pn (x). El siguiente
teorema da una expresión del error en función de las derivadas de la función
f (x).
Teorema 2.10.2 (Error de interpolación) Sea Pn (x) el polinomio de interpo-

lación de grado ≤ n que interpola a la función f (x) en los nodos x0 , x1 · · · , xn .
Sea I el menor intervalo que cerrado que contiene a los nodos de interpolación
y dado x ∈ I. Supongamos que f (x) es continua en I y que existe f n+1) (x)
en el intervalo abierto contenido en I. Entonce existe un ξ en el interior de I
cumpliendo que el error cometido es:
n
f n+1) (ξ) Y
E(x) = f (x) − Pn (x) = (x − xj ) (2.58)
(n + 1)! j=0
Luego una cota para el error sería:
n
f n+1) (ξ) Y
|E(x)| = (x − xj ) ≤
(n + 1)! j=0
n
M Y
≤ |x − xj |
(n + 1)! j=0
donde M ≥ sup{ f n+1) (t) t ∈ [a, b]}

2.11. Derivación numérica |127|
S ESIÓN 26
2.11. Derivación numérica

En esta sección vamos a desarrollar fórmulas para aproximar la derivada
de una función. La base de estas fórmulas es considerar que el polinomio de
interpolación aproxima la función f (x) y por tanto ambas funciones deberían
poseer derivadas parecidas. Esta afirmación se puede considerar de un modo
preciso a partir de la fórmula del polinomio de interpolación (2.58) que nos
relaciona la función f (x) y su polinomio de interpolación Pn (x). Derivando a
ambos lados de la igualdad, obtenemos:
f 0 (x) = Pn0 (x) + En0 (x) ⇒ f 0 (x) ≈ Pn0 (x) (2.59)
El proceso para obtener las fórmulas de derivación numérica consiste

en i) calcular explícitamente la derivada del polinomio de interpolación
y ii) sustituir los nodos de interpolación en dicha expresión, obteniendo
finalmente fórmulas cerradas que dependen de ciertos valores de la función
f (x). Empecemos por la tarea i):
n
X
Pn0 (x) = yk L0k (x) (2.60)
k=0
Calculemos las derivadas de Lk (x)

 
Pn Q
n
 (x − xj )
i=0
j=0
j6=k,j6=i
L0k (x) = Q
n , k = 0, · · · , n (2.61)
(xk − xj )
j=0
j6=k
En la práctica particularizamos la situación general a un determinado

grado del polinomio de interpolación y a una determinada disposición de los
nodos de interpolación. Se denomina fórmulas de derivación de tres puntos
las obtenidas empleando un polinomio de interpolación de tres puntos
(una parábola). Supongamos que tenemos los siguientes tres nodos de
interpolación:
x0
x1 = x0 + h
x2 = x0 + 2h
con h > 0.
En este caso se tiene:
(x − x1 ) + (x − x2 )
L00 (x) =
2h2
(x − x0 ) + (x − x2 )
L01 (x) =
−h2
(x − x0 ) + (x − x1 )
L02 (x) =
2h2
Particularicemos la derivada en el punto x0
3h −2h −h
f 0 (x0 ) ≈ P20 (x0 ) = y0 L00 (x0 ) + y1 L01 (x0 ) + y2 L02 (x0 ) = y0 + y1 + y2 2
2h2 −h2 2h
−3y0 + 4y1 − y2
=
2h
Ahora calcularemos la expresión del error de la anterior fórmula. Partimos
de la fórmula del error de interpolación:
n
f n+1) (ξ) Y
En (x) = (x − xj )
(n + 1)! j=0
Supongamos que la función ξ = ξ(x) que da el valor en la fórmula de error

fuese una función derivable. En este caso la derivada admite la expresión:
 
n n n
f n+2) (ξ(x))ξ 0 (x) Y f n+1) (ξ(x)) X Y 
En0 (x) = (x − xj ) +  (x − xj )
(n + 1)! j=0
(n + 1)! i=0 j=0
j6=i
Evaluando la expresión anterior en n = 2 y x = x0

 
n+1) 2
Y 000 000
f (ξ(x 0 ))  f (ξ0 ) h2 f (ξ0 )
E20 (x0 ) = (x0 − xj ) = (2h2 ) =
(2 + 1)! j=1
3! 3
Repitiendo este proceso en los nodos x0 , x1 y x2 obtendríamos las tres

fórmulas de tres puntos:
000
−3y0 + 4y1 − y2 h2 f (ξ0 )
f 0 (x0 ) = + (2.62)
2h 3
2 000
−y 0 + y 2 h f (ξ1 )
f 0 (x1 ) = − (2.63)
2h 6
000
y0 − 4y1 + 3y2 h2 f (ξ2 )
f 0 (x2 ) = + (2.64)
2h 3
Se denominan fórmulas de derivación de cinco puntos a las obtenidas
empleando un polinomio de interpolación en los cinco nodos xi = x0 + ih con
i = 0, · · · , 4. Razonando análogamente a lo visto anteriormente se obtendría:
−25y0 + 48y1 − 36y2 + 16y3 − 3y4 h4 f v) (ξ0 )

f 0 (x0 ) = + (2.65)
12h 5
−3y0 − 10y1 + 18y2 − 6y3 + y4 h4 f v) (ξ1 )
f 0 (x1 ) = − (2.66)
12h 20
y0 − 8y1 + 8y3 − y4 h4 f v) (ξ2 )
f 0 (x2 ) = + (2.67)
12h 30
−y0 + 6y1 − 18y2 + 10y3 + 3y4 h4 f v) (ξ3 )
f 0 (x3 ) = − (2.68)
12h 20
3y0 − 16y1 + 36y2 − 48y3 + 25y4 h4 f v) (ξ4 )
f 0 (x4 ) = + (2.69)
12h 5
2.11.1. Derivadas segundas

De la misma manera que anteriormente hemos obtenidos fórmulas de
derivación de orden 1 podemos obtener fórmulas para la derivada segunda.
Obtendríamos la fórmula de tres puntos en los nodos x0 < x1 = x0 + h < x2 =
x0 + 2h
y0 − 2y1 + y2 h2 f iv) (ξ1 )

f 00 (x1 ) = 2
− (2.70)
h 12
y las fórmula de cinco puntos en los nodos x0 < x1 = x0 + h < x2 = x0 + 2h <
x3 = x0 + 3h < x4 = x0 + 4h
−y0 + 16y1 − 30y2 + 16y3 − y4 h4 f vi) (ξ2 )

f 00 (x2 ) = + (2.71)
12h2 90
Ejercicios del capítulo resueltos

1. Sea la función (
1 x
1+ x si x > 0
f (x) =
|x2 − 1| si x ≤ 0
a) Estudiar la continuidad de la función f (x).
b) Estudiar la derivabilidad de la función f (x) y dar la expresión
analítica de f 0 (x) en los puntos donde exista.
Solución:
a) La función se puede escribir

1 x

 1+ x si x > 0
f (x) = −x2 + 1 si x ∈ (−1, 0]


x2 − 1 si x ∈ (−∞, −1]
Los puntos donde se puede presentar una posible discontinuidad

son el x = 0 y el x = −1. El resto de números reales la función
f (x) está definida por un polinomio (continua) o por una función
continua elevada a otra función continua, por tanto es continua.
Punto a = 0 Calculemos los límites laterales

x
1
f+ (0) = lı́m+ f (x) = lı́m+ 1 + = ∞0
x→0 x→0 x
Tomando logaritmos

1 ln 1 + 1
ln f+ (0) = lı́m+ ln f (x) = lı́m+ x · ln 1+ = lı́m+ 1
x
x→0 x→0 x x→0
x
y aplicando la regla de L’Hopital

1
· −1
(1+ x1 ) x2 1
ln f+ (0) = lı́m+ −1 = lı́m+ 1 + =0
x→0
x2
x→0 x
De lo que obtenemos f+ (0) = 1.

El límite por la izquierda se tiene

f− (0) = lı́m f (x) = lı́m −x2 + 1 = f (0) = 0
x→0− x→0+
y por tanto es continua en a = 0.
Punto a = −1
En el punto a = −1 la función f (x) es continua
por ser la composición de las funciones continuas g(x) = x2 − 1 y
h(x) = |x|.
b) Analicemos la derivabilidad.
Punto a = 0
Calculemos las derivadas laterales
x
0 f (x) − f (0) 1 + x1 − 1 0
f+ (0) = lı́m = lı́m =
x→0 x−0 x→0 x−0 0
Aplicando la regla de L’Hopital y usando la técnica de derivación
x
logarítmica para calcular la derivada de h(x) = 1 + x1 , obtenemos:
x
0 f (x) − f (0) 1 1 1
f+ (0) = lı́m = lı́m 1 + ln 1 + − = −∞
x→0 x−0 x→0 x x 1+x
Punto a = −1
Estudiemos la derivabilidad en a = −1
f (x) − f (−1) |x2 − 1| (x − 1)(x + 1)signo(x2 − 1)

lı́m = lı́m = lı́m
x→−1 x − (−1) x→−1 x + 1 x→−1 x+1
= lı́m (x − 1)signo(x2 − 1)
x→−1
El anterior límite no existe porque el límite por la derecha f+0

(−1) =
2 y el límite por la izquierda f+
0
(−1) = −2. Por tanto no es derivable.
√
2. a) Calcular el polinomio de Taylor de orden 3 de f (x) = 3 4 + x
desarrollándolo en el punto a = 0.
√
b) Aproximar 3 4.1 empleando el anterior polinomio.
Solución:
a) El polinomio de Taylor de orden 3 en el punto a = 0 es
f 00 (0) f 000 (0)
P3 (0) = f (0) + f 0 (0)(x − 0) + (x − 0)2 + (x − 0)3 (2.72)
2 6
Calculemos las derivadas sucesivas y evaluémosla en el punto a = 0
√ √
f (x) = 3 4 + x ⇒ f (0) = 3 4
f 0 (x) = 13 (4 + x)−2/3 ⇒ f 0 (0) = 13 (4)−2/3
−2 −2
f 00 (x) = 32 (4 + x)−5/3 ⇒ f 00 (0) = 9 (4)
−5/3
2·5 10
f 000 (x) = 33 (4 + x)−8/3 ⇒ f 000 (0) = 27 (4)
−8/3
Sustituyendo
√ 1 1 1 1 2 5 1 3
(2.73)
3
P3 (x) = 4+ · √ x− · √ x + 4· √ x
3 3
42 9 3
45 3 3
48
b) Aproximemos dicho valor

√
(2.74)
3
4.1 = f (0.1) ≈ P3 (0.1) ≈ 1.6005
c) Acotemos el error cometido
f (IV (θ)
|E3 (0.1)| = (0.1 − 0)4 con θ ∈ [0, 0.1]
4!
Calculando la derivada cuarta
10 8
f (IV (θ) = − · (4 + θ)−11/3
27 3
y sustituyendo
80 1 (0.1)4
|E3 (0.1)| = ·
81 (4 + θ)11/3 4!
Por otro lado se tiene que

1 1
≤ M = Maximizarg(x) =
(4 + θ)11/3 x∈[0,0.1] (4 + x)11/3
y por tanto
80 (0.1)4
|E3 (0.1)| ≤ · ·M
81 4!
Para calcular el valor máximo de g(x) observamos que

11
g 0 (x) = − (4 + x)−14/3 < 0
3
y por tanto es decreciente en dicho intervalo y el valor máximo se
alcanza en M = g(0) = 414/3
1
, obteniendo la cota
80 (0.1)4 1
|E3 (0.1)| ≤ · · 14/3
81 4! 4
3. Dada la ecuación
ln(x) − sen(x) = 0
a) Demostrar que la ecuación tiene una única solución en [2, 2.5].

b) Aplica 3 iteraciones del método de la bisección para aproximar el
valor de la solución.
c) Calcular el error cometido.
Solución:
a) Aplicaremos el teorema de Bolzano a la función f (x) = ln(x)−sen(x)

en el intervalo [2, 2.5] para demostrar la existencia de al menos una
raíz en dicho intervalo. Veamos que se cumplen sus hipótesis
i) La función f (x) es la resta de dos funciones continuas en

(0, +∞) y por tanto es continua en el intervalo de números
positivos [2, 2.5].
ii) Las imágenes en los extremos son f (2) = −0.216 y f (2.5) = 0.317
que cambian de signo.
Como se cumplen las hipótesis del teorema de Bolzano tenemos
garantizada que existe un c ∈ (2, 2.5) cumpliendo que f (c) = 0.
Para demostrar que solamente existe una única raíz probaremos
que f (x) es estrictamente creciente en dicho intervalo.
1 1 − x cos(x)
f 0 (x) = − cos(x) =
x x
Notar que la función g(x) = cos(x) cumple
π
cos(x) < 0 para x ∈ ( , π)
2
Como [2, 2.5] ⊂ ( π2 , π) se tiene que cos(x) < 0 para x ∈ [2, 2.5] y por
tanto −x cos(x) > 0 para todo x ∈ [2, 2.5] lo que conduce a
1 1 − x cos(x)
f 0 (x) = − cos(x) = > 0 para todo x ∈ [2, 2.5]
x x
b) En la siguiente tabla se resumen los cálculos realizados con el
método de la bisección. Esta tabla muestra el intervalo [an , bn ] de la
iteración n−ésima, su punto medio mn = an +b
2
n
y el valor de f (x) en
el punto medio.
n an bn mn f (mn )
1 2− 2.5+ 2.25 0.032
2 2− 2.25+ 2.125 −0.096
3 2.125− 2.25+ 2.1875
c) El error cometido E al realizar n = 3 iteraciones está acotado por
b−a 0.5
E≤ = 3 = 0.0625
2n 2
√
4. Sea la función f (x) = 3 x + |x|.
a) Estudiar la continuidad y derivabilidad de la función f (x).
b) Calcular f ([−1, 1]).
Solución:
a) Como f (x) es suma de funciones continuas entonces es continua.
Veamos la derivabilidad en el punto x = 0
√
0 f (x) − f (0) 3
x + |x| − 0 1
f (0) = lı́m = lı́m = lı́m √ + signo(x)
x→0 x−0 x→0 x x→0 3 3 x2
El anterior límite es ∞ por lo que no es derivable en el punto 0.

b) Como la función f (x) es continua el conjunto de imágenes es

f ([−1, 1]) = [Minimizarx∈[−1,1] f (x), Maximizarx∈[−1,1] f (x)].
Calculemos los candidatos a extremos absolutos:
1) Extremos del intervalo. Tenemos x = −1 y x = 1.
2) Puntos de no derivabilidad. Por el apartado anterior x = 0.
3) Raíces de la primera derivada. f 0 (x) = √ 3
1
+ signo(x) = 0.
3 x2
Despejando
1 √
3
= x2 (2.75)
−3signo(x)
Elevando al cubo
1
= x2 (2.76)
−27signo(x)
Como el lado de la derecha es positivo el lado de la izquierda
también lo será, por lo que x < 0 y por tanto el signo(x) = −1.
Tomando raíces
1
x = ±√ (2.77)
27
y por lo anterior x = − √127 . Ahora evalúamos la función en los
cuatro candidatos a extremos absolutos, obtenemos
xi f (xi )
−1 0
−1
√ −2
√
27 3 3
0 0
1 2
h i
Por tanto f ([−1, 1]) = 3−2
√ ,2
3
5. a) Calcular el polinomio de Taylor de orden 3 de f (x) = xln(x)

desarrollándolo en el punto a = 1.
b) Aproximar f (e) = e con dicho polinomio.
Solución:
a) El polinomio de Taylor de orden 3 en el punto 1 es
f 00 (1) f 000 (1)
P3 (x) = f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 (2.78)
2 6
Calculemos las derivadas
f (x) = x ln(x) f (1) = 0
f 0 (x) = ln(x) + 1 f 0 (1) = 1
f 00 (x) = x1 f 00 (1) = 1
f 000 (x) = − x12 f 000 (1) = −1
f (IV (x) = x23
Sustituyendo
1 1
P3 (x) = (x − 1) + (x − 1)2 − (x − 1)3 (2.79)
2 6
b)
1 1
f (e) ≈ P3 (e) = (e − 1) + (e − 1)2 − (e − 1)3 ≈ 2.34 (2.80)
2 6
f (IV (c) 2 (e − 1)4

E3 (e) = (e − 1)4 = 3
4! c 4!
(e − 1)4 1
≤ Maximizarx∈[1,e] 3
12 x
(e − 1)4 1
= ≈ 0.726
12 13
6. Sea la ecuación
x3 − 75x − 249 = 0
a) Demostrar que la ecuación tiene exactamente tres raíces r1 < r2 <
r3 .
b) Calcular de forma aproximada el valor de r2 utilizando el método
de la bisección aplicando 3 iteraciones.
c) Calcular el error cometido.
Solución:
a) Por el teorema de Bolzano, al ser una función continua, buscare-
mos 3 intervalos disjuntos en los que f (x) cambie de signo.
f (−6) = −15 f (−5) = 1 f (−4) = −13 (2.81)

f (9) = −195 f (10) = 1 (2.82)
por lo que tendremos por lo menos una raíz en cada uno de los
siguientes intervalos [−6, −5], [−5, 4] y [9, 10] y por tanto el número
de raíces es ≥ 3. Veamos que el número de raíces es ≤ 3.6 Por
reducción al absurdo, si existiera por lo menos cuatro raíces r1 <
r2 < r3 < r4 aplicando el teorema de Rolle en los intervalos [ri , ri+1 ]
para i = 1, 2, 3 tendríamos que la derivada tendría 3 raíces pero
f 0 (x) = 3x2 − 75 que sólo tiene las raíces x = ±5 lo que contradice al
hecho que la derivada tiene ≥ 3 raíces.
b) Apliquemos el método de la bisección iniciando con el intervalo
[−5, −4]
an bn mn f (mn )
−5+ −4− −4.5 −2.62
−5+ −4.5− −4.75 0.078
−4.75+ −4.5− 4.625
Una cota del error cometido es:
b−a 1
Error ≤ = 3 = 0.125
2n 2
6 Se puede argumentar que el número de raíces diferentes de un polinomio de grado n es a lo
sumo n.

x − x2 cos π
x si x 6= 0
f (x) =
0 si x = 0
a) Estudiar si existe la primera y segunda derivada de la función f (x).

En los puntos donde exista calcular f 0 (x) y f 00 (x).
b) Encontrar las rectas tangentes a l gráfica de f (x) en x = 0 y x = 21 .
c) Calcular los polinomios de Taylor de orden 2 de f (x), desarrollados
en a = 0 y a = 21 .
d) Estudiar si f (x) alcanza un extremo en x = 1
2 y, en dicho caso,
clasificarlo.
Solución:
a) Para los puntos x 6= 0 se tiene:

π π
f 0 (x) = 1 − 2xcos − πsen
x x
Estudiemos la derivabilidad en x = 0
h π i
0 f (x) − f (0) x − x2 cos π
x −0
f (0) = lı́m = lı́m = lı́m 1 − xcos =1
x→0 x−0 x→a x x→0 x
Por tanto:

0 1 − 2xcos π
x − πsen π
x si x 6= 0
f (x) =
1 si x = 0
Estudiemos la segunda derivada. Para los puntos x 6= 0 se tiene:

π 2π π π2 π
f 00 (x) = −2cos − sen + 2 sen
x x x x x
Estudiemos la derivabilidad en x = 0
π

00 f 0 (x) − f 0 (0) 1 − 2xcos − πsen πx − 1
x
f (0) = lı́m = lı́m =
x→0 x−0 x→a x−0
π π π
lı́m − 2cos − sen
x→0 x x x
El anterior límite no existe por lo que no existe f 00 (0).
b) La recta tangente en el punto x = a tiene la expresión:
Ta (x) := f (a) + f 0 (a)(x − a)
Evaluando en a = 0 y a = 1/2, tenemos:
T0 (x) := x
T1/2 := 1/4
c) Como no existe f 00 (0) no existe el polinomio de Taylor en a = 0 de

orden 2. Calculemos el polinomio de Taylor en x = 1/2:
f 00 (1/2)
P2 (x) := f (1/2) + f 0 (1/2)(x − 1/2) + (x − 1/2)2 =
2
1/4 + 0 · (x − 1/2) + (2π 2 − 1) · (x − 1/2)2
d) Por los cálculos del apartado anterior, se tiene:
f 0 (1/2) = 0 f 00 (1/2) = 4π 2 − 2 > 0
El punto x = 1/2 cumple la condición suficiente de mínimo local.

8. Se considera la ecuación:
1
x − e−x = 0
2
a) Demostrar que la ecuación tiene un única raíz y está en el intervalo
[0, 1].
b) Encontrar un s0 ∈ [0, 1] de tal manera que la sucesión de Newton-
Raphson converja a la solución.
c) Con el s0 encontrado en el apartado anterior, calcular el término s3 .
Solución:
a) Se cumple las hipótesis del teorema de Bolzano: i) f (x) es la suma
de un polinomio y una función exponencial por lo que es continua
en todo la recta real, y ii) f (0) = −1/2 < 0 y f (1) = 1 − 2e
1
> 0. Por
tanto la función tiene por lo menos una raíz. Por otro lado
1
f 0 (x) = 1 + e−x > 0
2
por tanto la función es estrictamente creciente y solo puede tener
una única raíz.
b) En el apartado anterior ya hemos demostrado: i) f (0)f (1) < 0, ii)
f 0 (x) 6= 0. Veamos que la segunda derivada mantiene el signo en el
intervalo:
1
f 0 (x) = − e−x < 0
2
. Además se cumple que f (0)f (0) > 0, por tanto el método de
00
Newton tiene garantizada la convergencia partiendo de s0 = 0.

c) Los valores obtenidos son: s0 = 0, s1 = 0.3333, s2 = 0.3516, s3 = 0.3517.
9. a) Estudiar la continuidad y derivabilidad de la función f (x) = 21 x|x|.
En caso de existir, calcular la recta tangente en a = 0. >Tiene un
extremo relativo en a = 0? Razona la respuesta.
b) Calcular el límite
xa − a x
lı́m
x→a xx − aa
donde a > 0 y a 6= 1.
Solución.
a) La función f (x) es continua por ser el producto del polinomio

2 x (continua) por la función valor absoluto |x| que también es
1
continua.
La función es derivable para todo a 6= 0 por tratarse del producto
de funciones derivables. Analicemos el punto a = 0.
1
f (x) − f (0) x|x| − 0 1
f 0 (0) = lı́m = lı́m 2 = lı́m |x| = 0
x→0 x−0 x→0 x − 0 x→0 2
Cumple la condición necesaria de extremo relativo f 0 (0) = 0 pero

en este caso no es suficiente para la existencia de extremo. Para
los x 6= 0 derivamos la función f (x) como producto de funciones,
teniendo en cuenta que |x| = x · signo(x), el resultado es f 0 (x) =
2 |x| + 2 x · signo(x) = 2 |x| + 2 |x| = |x| > 0. Por tanto la función es
1 1 1 1
creciente y no posee un extremo relativo.

b) Aplicando la Regla de L’Hoptial y considerando que la técnica de la
derivación logarítmica para obtener que la derivada de g(x) = xx es
g 0 (x) = xx (ln(x) + 1)
a a−1
x − ax ax − ln(a)ax aa − ln(a)aa 1 − ln(a)
lı́m = lı́m = =
x→a x − ax a x→a x
x (ln(x) + 1) a
a (ln(a) + 1) 1 + ln(a)
10. a) Calcula el polinomio de Taylor de orden n de la función f (x) =

senh(x) en el punto a = 0.
b) Aproximar el valor de senh(1) utilizando el polinomio de Taylor
obtenido en el apartado a) de orden n = 3. .
c) Acotar el error cometido en la anterior aproximación.
Solución:
a) Calculemos la derivada n−ésima
f (x) = senh(x) ⇒ f (0) = 0

f 0 (x) = cosh(x) ⇒ f 0 (0) = 1
f 00 (x) = senh(x) ⇒ f 00 (0) = 0
f IV ) (x) = cosh(x) ⇒ f IV ) (0) = 1
Por tanto los términos pares del polinomio desaparecen y queda:

x3 x5 x2n+1
P2n+1 (x) = x + + ··· +
3! 5! (2n + 1)!
b) El polinomio de orden 3 queda

x3
P3 (x) = x +
3!
y obtenemos
13 7
senh(1) ≈ P3 (1) = 1 + =
3! 6
c) La expresión del resto de Lagrange queda:
f IV ) (ξ) 4
R3 (x) = x donde ξ ∈ {0, x}
4!
y para nuestro caso, obtenemos:
senh(ξ) 4
R3 (1) = 1 donde ξ ∈ (0, 1)
4!
Acotemos el error
senh(ξ) 4 1 Maximizar
|R3 (1)| = 1 ≤ z∈[0,1] senh(z)
4! 4!
Como la derivada de g(z) = senh(z) es g 0 (z) = cosh(z) > 0 la

función es estrictamente creciente y su valor máximo se alcanza
en el extremo 1 y por tanto la cota del error obtenida es 4!
1
senh(1).
11. a) Demostrar que la función f (x) = |x| − 2|1 − x| + 3|x + 2| tiene por lo
menos una raíz.
b) Aplicar 3 iteraciones del método de la bisección para aproximar una
de sus raíces. Dar una cota del error cometido. (4 puntos).
c) Calcular los máximos y mínimos absolutos de f (x) en el intervalo
[−3, 3].
Solución:
a) Aplicamos el teorema de Bolzano. La función f (x) es suma de

funciones continuas por lo que es una función continua. Además
se tiene que f (0) = 4 y f (−3) = −2. Por tanto existe un c ∈ (−3, 4)
cumpliendo que f (c) = 0.
b) En el intervalo [−3, 4] se cumple las condiciones de convergencia del
método de la bisección por lo que partimos de ese intervalo inicial.
n an bn mn f (mn )
1 −3− 0+ −1.5 −2
2 −1.5− 0+ −0.75 1
3 −1.5− −0.75+ −1.125
La cota del error cometida es 0−(−3)

23 = 0.3750
Nota: si se aplica el método de la bisección en el intervalo [−2, 0] en
una iteración encontramos la raíz c = −1.
c) Tenemos que resolver el problema
Optimizar f (x) (2.83)

x∈[−3,3]
Como la función f (x) es continua la función alcanza máximo y

mínimo absoluto por el teorema de Weierstrass. Los candidatos a
extremos absolutos son;
• Extremos del intervalo {±3}.

• Puntos de no derivabilidad: {−2, 0, 1}
• Puntos donde f 0 (x) = 0. Calculamos la derivada y obtenemos
f 0 (x) = signo(x) − 2 · signo(1 − x) ∗ (−1) + 3 · signo(x + 2)

= signo(x) + 2 · signo(1 − x) + 3 · signo(x + 2)
Entonces las imágenes de las derivada serán de la forma

±1 ± 2 ± 3 y si valiese cero se tendría dar una de las dos
siguientes situaciones 1 + 2 − 3 ó −1 − 2 + 3, lo que conduce
a dos casos:
Caso 1 +1 + 2 − 3:, entonces x > 0; 1 − x > 0 y x + 2 < 0 y estas
desigualdades son incompatibles ya que se exige x > 0 y x < −2.
Caso 2 −1 − 2 + 3:, entonces x < 0; 1 − x < 0 y x + 2 > 0 y estas
desigualdades son incompatibles ya que se exige x < 0 y x > 1.
Con esto se demuestra que no existen puntos donde se anule
la derivada.
Evaluemos los candidatos
xi f (xi )
−3 −2
−2 −4
0 4
1 10
3 14
14
12
10
−2
−4
−3 −2 −1 0 1 2 3
Figura 2.22: Gráfica de f (x) en [−3, 3]
14. a) Estudiar la derivabilidad de la siguiente función:

3
x + x2 + 1 if x < 0
f (x) =
x2 − 1 if x ≥ 0
Calcular la primera derivada de f (x).

b) Calcular los máximos y mínimos absolutos de f (x) en el intervalo

[−2, 2].
Solución:
a) La función f (x) es deriviable en los números negativos por venir
definda a través de un polinomio. En los números positivos
distintos de a = 1, por ser la composición de dos funciones
derivables, es derivable. Analicemos por tanto los dos únicos
puntos en los que pudiera no ser derivable.
Punto a = 0
0 f (x) − f (0) −x2 + 1 − 1
f+ (0) = lı́m+ = lı́m+ = lı́m+ − x = 0
x→0 x−0 x→0 x−0 x→0
0 f (x) − f (0) x3 + x2 + 1 − 1
f− (0) = lı́m− = lı́m− lı́m x2 + x = 0
x→0 x−0 x→0 x−0 x→0−
Punto a = 1
Estudiemos la derivabilidad en a = 1 mediante las definición de
derivabilidad
f (x) − f (1) |x2 − 1| − 0 |x − 1||x + 1|
lı́m = lı́m = lı́m
x→1 x−1 x→1 x−1 x→1 x−1
= lı́m+ signo(x − 1)|x + 1|
x→1
El anterior límite no existe porque el límite por la derecha f+

0
(1) = 2
y el límite por la izquierda es f+ (1) = −2. Por tanto no es derivable
0
en a = 1.
La función derivada es

3x2 + 2x si x < 0
f 0 (x) =
signo(x2 − 1)2x si x ≥ 0, x 6= 1
b) La función f (x) es continua en todo por R − {1} por ser derivable

en dicho conjunto. Además, la función f (x) es continua en a = 1
por ser la composición de un polinomio (continua en R) con el valor
absoluto (continua en R). Por tanto el teorema de Weierstrass nos
garantiza que la función f (x) alcanza máximo y mínimo absoluto
en el intervalo [−2, 2]. Los extremos absolutos son relativos y los
candidatos a extremos relativos satisfacen alguna de las siguientes
tres condiciones:
1) Extremos del intervalo. Tenemos x1 = −2 y x2 = 2.
2) Puntos de no derivabilidad. Por el apartado anterior x3 = 1.
3) Raíces de la primera derivada. f 0 (x) = 0. Calculemos primero
las raíces negativas (x < 0):
2
f 0 (x) = 3x2 + 2x = 0 ⇒ x(3x + 3) = 0 ⇒ x4 = −
3
Ahora calculemos las raíces x ≥ 0 de la derivada
f 0 (x) = signo(x2 − 1)2x = 0 ⇒ 2x = 0 ⇒ x5 = 0
Ahora evaluamos los candidatos

xi f (xi )
−2 −3
2 3
1 0
− 23 31
27 ≈ 1.14
0 1
y comprobamos que x = −2 es un mínimo absoluto y x = 2 un

máximo absoluto de f (x) en el intervalo [−2, 2].
15. a) Calcular el polinomio de Taylor de orden 2 centrado en a = 1 de la
función
f (x) = xex−1
.
b) Aproximar el valor f (0.9) empleando el anterior polinomio de Taylor.
Solución:
a) El polinomio de Taylor de orden 2 en el punto a = 1 es
f 00 (1)
P2 (x) = f (1) + f 0 (1)(x − 1) + (x − 1)2 (2.84)
2
f (x) = xex−1 ⇒ f (1) = 1
f 0 (x) = (x + 1)ex−1 ⇒ f 0 (1) = 2
f 00 (x) = (x + 2)ex−1 ⇒ f 00 (1) = 3
f 000 (x) = (x + 3)ex−1
Sustituyendo
3
P2 (x) = 1 + 2(x − 1) + (x − 1)2 (2.85)
2
3
f (0.9) ≈ P2 (0.9) = 1 + 2(0.9 − 1) + (0.9 − 1)2 ≈ 0.815 (2.86)
2
f iii) (θ) (0.1)3
|E2 (0.9)| = (0.9 − 1)3 = (3 + θ)eθ−1 con θ ∈ [0.9, 1]
3! 3!
Sea
M = Maximizar g(x) = (3 + x)ex−1

x∈[0.9,1]
entonces
≤ M (0.3!1)
3
|E2 (0.9)|
Para calcular el valor máximo de g(x) observamos que
g 0 (x) = (4 + x)ex−1 > 0 para todo x ∈ [0.9, 1]
y por tanto es creciente en dicho intervalo y el valor máximo se

alcanza en M = g(1) = 4, obteniendo la cota
(0.1)3 1
|E2 (0.9)| ≤ 4 =
3! 1500
16. a) Demostrar que la ecuación x2 = x sin(x) + cos(x) tiene exactamente

una solución positiva y otra negativa. Determina un intervalo
donde se encuentra cada una de las soluciones.
b) Cuantas iteraciones se deben realizar con el método de la bisección
para aproximar la solución positiva con une error inferior a 0.001?
c) Aplicar 3 iteraciones del método de la bisección para aproximar la
raíz positiva.
Solución:
a) Aplicaremos el teorema de Bolzano a la función f (x) = x2 −x·senx−
cos x en los intervalos [−π, 0] y [0, π] para demostrar la existencia de
al menos una raíz negativa y otra positiva. Veamos que se cumplen
sus hipótesis:
i) La función f (x) es suma y multiplicaciones de funciones
continuas en R, por lo que es continua en todo R y en particular
en ambos intervalos
ii) Las imágenes en los extremos son f (−π) = π 2 + 1 > 0, f (0) =
−1 < 0 y f (π) = π 2 + 1 > 0 y por tanto en ambos intervalos se
produce un cambiao de signo.
garantizada la existencia de una raíz positiva y otra negativa.
Veamos la unicidad. Calculemos las raíces de la primera derivada:
f 0 (x) = 2x − x · cos x = x(2 − cos x) = 0 ⇒ x = 0
Como es una función derivable en R el teorema de Rolle nos

garantiza que entre dos raíces de la función f (x) existe una raíz
de la primera derivada f 0 (x). Por tanto si existiese tres o más raíces
de f (x) entonces la primera derivada tendría dos o más raíces y
esta situación es imposible. Por tanto solamente posee dos raíces,
la negativa y la positiva.
b) El error cometido E al realizar n iteraciones está acotado por
b−a
E≤ < 0.001
2n
y para nuestro caso

π−0
E≤ < 0.001
2n
despejando el valor de n, obtenemos
π
n > log2 = 11.61
10−3
Por tanto, tomando n = 12 queda garantizado que el error E < 10−3

c) En la siguiente tabla se resumen los cálculos realizados con el
2
n
el punto medio.
n an bn mn f (mn )
π
1 0− π+ 2 0.8966
π π
2 0− 2+ 4 −0.6456
3 π4 − π
2+
3π
4
17. En qué punto la recta tangente a f (x) = ln x es paralela a la recta que

pasa por los puntos P = (1, 0) y Q = (e, 1)? Calcula dicha recta.
Solución: La recta tangente es
Ta (x) = f (a) + f 0 (a)(x − a) (2.87)
Para ser paralela a la recta que pasa por P y Q ambas rectas tienen que
tener la misma pendiente:
1 ∆y 1−0
f 0 (a) = = = ⇒a=e−1 (2.88)
a ∆x e−1
Por tanto la recta tangente es:
1
Ta (x) = ln(e − 1) + (x − e + 1) (2.89)
e−1

x3 + 3x2 si x < 0
f (x) =
x3 e−x si x ≥ 0
a) Estudiar si f es continua y derivable en R. Dar la expresión de f 0 (x)

donde exista.
b) Estudiar los intervalos de crecimiento y decrecimiento de la función
f.
c) Calcular los extremos relativos y absolutos de la función f .
Solución:
a) La función f (x) es deriviable en los números negativos por venir

definda a través de un polinomio. En los números positivos, por
ser el producto de dos funciones derivables (un polinomio por una
exponencial), es derivable. Analicemos por tanto el único punto en
el que pudiera no ser derivable.
Punto a = 0
0 f (x) − f (0) x3 e−x − 0

f+ (0) = lı́m+ = lı́m+ = lı́m+ x2 e−x = 0
x→0 x−0 x→0 x−0 x→0
0 f (x) − f (0) x3 − 3x2

f− (0) = lı́m = lı́m = lı́m x2 − 3x = 0
x→0− x−0 x→0− x − 0 x→0−
Como f+ 0 0
(0) = f− (0) entonces la función f es derivable en a = 0 y se
tiene que f (0) = 0.
0
La función f es derivable en todo R y su función derivada viene

definida por 
 3x2 + 6x si x < 0
f (x) = 0 si x = 0

(3x2 − x3 )e−x si x ≥ 0
Como la función f es derivable en R entonces es continua en R.
b) Vamos a resolver la desigualdad f 0 (x) < 0. Para ello determinamos
Discontinuidades de f 0 (x)
La función derivada f 0 (x) es una
función continua. Esta tipología no aporta puntos para conformar
los intervalos de prueba.
Raíces f 0 (x) = 0
Caso x < 0. f 0 (x) = 0 ⇔ 3x(x + 2) = 0 ⇒ x = −2.

Caso x = 0. Como f 0 (0) = 0, el x = 0 es una raíz de la derivada.
Caso x > 0. f 0 (x) = 0 ⇔ x2 (3 − x)e−x = 0 ⇒ x = 3.
La primera derivada mantiene el signo en estos subintervalos.
Calculemos dicho signo.
Intervalos (−∞, −2) (−2, 0) (0, 3) (3, +∞)

f 0 (−3) = 9 f 0 (−1) = −3 f 0 (1) = 2e−1 f 0 (4) = −16e−4
Signo f 0 (x) + − + −
Monotonía creciente decreciente creciente decreciente
c) Como f es continua, analizando la monotonía de la función, se

tiene que x = 0 es un mínimo relativo (pasa de decrecer a crecer) y
los puntos x = −2 y x = 3 son máximos relativos.
Como lı́m f (x) = −∞ no existe mínimo absoluto. Respecto al
x→−∞
máximo absoluto. El máximo absoluto, en caso de existir, sería el
único máximo relativo. Como f (3) = 27e−3 > 0 y lı́m f (x) = 0 el

x→+∞
x = 3 es el extremo absoluto.
19. a) Obtener el desarrollo de Taylor de f (x) = ex de orden n en el punto

0.
b) Haciendo uso del anterior desarrollo, calcular el valor de e−0.3 con
un error inferior a 10−4 .
Solución:
a) La expresión del polinomio Taylor de orden n en a = 0 es
f 00 (0) 2 f n) (0) n
Pn (x) = f (0) + f 0 (0)x + x + ··· + x
2! n!
La derivada k-esima es f k) (x) = ex , y evaluándola en 0 se obtiene

f k) (0) = e0 = 1. Sustituyendo:
x2 xn
Pn (x) = 1 + x + + ··· +
2! n!
b) La expresión general del resto es:
f n+1) (c)
Rn (x) = (x − a)n+1 con c ∈ {a, x} (2.90)
(n + 1)!
El error para el valor x = −0.3 es
ec
E = |Rn (−0.3)| = (−0.3)n+1 con c ∈ (−0.3, 0) (2.91)
(n + 1)!
Ahora se acota el error E. Como c ∈ (−0.3, 0) se tiene que ec < 1,

obteniendo:
(0.3)n+1
E= < 10−4 (2.92)
(n + 1)!
Se va probando valores sucesivos de n y se obtiene que el menor
valor de n cumpliendo la anterior desigualdad es n = 4. Así que el
polinomio con el que tenemos que realizar la aproximación tiene
grado 4..
0.32 0.33 0.34

e−0.3 ≈ P4 (−0.3) = 1 − 0.3 + − + ≈ 0.7408375
2! 3! 4!
20. a) Demostrar que la ecuación x2 + ln(x) = 0 tiene exactamente una

solución.
b) Aplicar tres iteraciones del método de la bisección para aproximar-
la.
Solución:
a) Veamos que tiene al menos una raíz. La función f (x) = x2 + log(x)

es continua en (0, +∞). Además
f (0.5) = −0.44 < 0

f (1) = 1 >0
Aplicando el Teorema de Bolzano a f en el intervalo [0.5, 1] queda

garantizada la existencia de al menos una raíz.
Veamos la unicidad demostrando que es estrictamente creciente en
su dominio. Se tiene
1
f 0 (x) = 2x+ > 0, para todo x ∈ (0, +∞) ⇒ f estrictamente creciente
x
(2.93)
b) El método de la bisección tiene garantizada la convergencia a una
raíz si la función f cumple las hipótesis del teorema de Bolzano
en el intervalo de partida, por eso tomamos como primer intervalo
[0.5, 1].
n an bn mn f (mn )
1 0.5− 1+ 0.75 0.27
2 0.5− 0.75+ 0.625 −0.794
3 0.625− 0.75+ 0.6875
21. Se define la siguiente función

sen(x) si x ≥ 0
f (x) =
tag(x) si x < 0
a) Estudiar la derivabilidad de la función en a = 0. En caso de existir,

¿Cuanto vale f 0 (0)? Dar la expresión de la función derivada.
b) Calcular el polinomio de Taylor de orden n = 1 en a = 0 de f (x).
c) Emplead al anterior polinomio de Taylor para dar una aproxima-
ción de sen(π/4).
d) Acotad el error comentido en la anterior aproximación.
Solución:
a) Calculemos las derivadas laterales
0 f (x) − f (0) sen(x) − 0 x

f+ (0) = lı́m = lı́m = lı́m =1
x→0+ x−0 x→0+ x−0 <senx,0>∼<x,0> x→0+ x
0 f (x) − f (0) tag(x) x

f− (0) = lı́m− = lı́m− = lı́m =1
x→0 x−0 x→0 x − 0 <tagx,0>∼<x,0> x→0+ x
Por tanto la expresión de la primera derivada queda


 cos(x) si x < 0
f 0 (x) = 1 x=0

1 + tag2 (x) si x < 0
b) La expresión del polinomio de Taylor de orden n = 1 en a = 0 queda
P1 (x) = f (0) + f 0 (0)(x − 0) = x (2.94)
c) π π π π

sen =f ≈ P1 = (2.95)
4 4 4 4
d) La expresión del resto de Lagrange queda:
00
f (ξ) 2
R1 (x) = x donde ξ ∈ {0, x}
2!
Acotemos el error cometido al emplear la fórmula de Taylor en
x = π/4:
−sen(ξ) π 2 1 · π2
|R1 (π/4)| = ≤
2 4 32
22. Sea la función f (x) = sen(sen(x)). Estudiar los intervalos de crecimiento

y decrecimiento en el intervalo [−π, π].
Solución: Estudiemos el signo de la primera derivada
f 0 (x) = cos (sen(x)) · cos(x)
Los cambios de signo de una función se pueden producir en sus raíces

y sus discontinuidades. Calculémoslas:
• Raíces de f 0 (x).

 cos (sen(x)) = 0 con x ∈ [−π, π].
f 0 (x) = 0 ⇔ ∨

cos(x) = 0 con x ∈ [−π, π].
Caso i) 
 sen(x) = π2
cos (sen(x)) = 0 ⇔ ∨

sen(x) = − π2
No tiene solución porque |sen(x)| ≤ 1.
Caso ii) 
 x = π2
cos(x) = 0 ⇔ ∨

x = − π2
• Discontinuidades de f 0 (x). La función f (x) es derivable.
Esto determina que en los siguientes intervalos (de prueba) la primera
derivada mantenga el signo:
Intervalos de prueba (−π, −π/2) (−π/2, π/2) (π/2, π)

Signo f 0 (x) − f 0 (0) = cos(0) cos(0) = 1 > 0 −
Crecimiento Decreciente Creciente Decreciente
23. Calcular los extremos absolutos y relativos de f (x) = |x|e−|x| en el

intervalo [−2, 2].
Solución: La función f (x) es continua en todo por R por el producto
de dos funciones continuas. Por tanto el teorema de Weierstrass nos
garantiza que la función f (x) alcanza máximo y mínimo absoluto en el
intervalo [−2, 2]. Los extremos absolutos son relativos y los candidatos a
extremos relativos satisfacen alguna de las siguientes tres condiciones:
• Extremos del intervalo. Tenemos x1 = −2 y x2 = 2.

• Puntos de no derivabilidad. Veamos la derivabilidad en el punto 0
0 f (x) − f (0) xe−x

f+ (0) = lı́m+ = lı́m+ = lı́m+ e−x = 1
x→0 x−0 x→0 x − 0 x→0
0 f (x) − f (0) −xe−x

f− (0) = lı́m = lı́m lı́m − e−x = −1
x→0− x−0 x→0− x − 0 x→0−
Entonces la función f (x) no es derivable en dicho punto y tenemos

otro candidato x3 = 0.
• Raíces de la primera derivada f 0 (x) = 0. Se puede analizar la deri-
vada a trozos calculando por un lado las raíces positivas y por otro
las raíces negativas de la primera derivada, aquí lo haremos de una
forma unificada, considerando que la derivada de la función |x| es
signo(x).
f 0 (x) = signo(x)e−|x| −signo(x)·|x|e−|x| = (1 − |x|) signo(x)e−|x| = 0 ⇒ x = ±1
xi f (xi )
−2 2e−2 ≈ 0.0366
2 2e−2 ≈ 0.0366
0 0
1 e−1 ≈ 0.3679
−1 e−1 ≈ 0.3679
y comprobamos que x = 0 es un mínimo absoluto y que x = −1 y x = 1

son máximos absolutos de f (x) en el intervalo [−2, 2].
24. Sea la función f (x) = x3 − 2x2 + 2x − 4

a) Demostrad que tiene exactamente una raíz real.
b) Aplicad tres iteraciones del método de la bisección para aproximar
la anterior raíz.
Solución:
a) Veamos la existencia de raíces. Como f (x) es continua por se un

polinomio y f (0) = −4 y f (3) = 11 > 0 por el teorema de Bolzano
existe un c ∈ (0, 2) cumpliendo f (c) = 0.
Veamos la unicidad. La primera derivada f 0 (x) = 3x2 − 4x + 2 no

tiene raíces reales √
4 ± 16 − 24
6
por lo que la función f (x) es monótona (creciente en este caso) y
tiene exactamente una raíz.
b) El método de la bisección tiene garantizada la convergencia a una
raíz si la función f (x) cumple las hipótesis del teorema de Bolzano
en el intervalo de partida, por eso tomamos como primer intervalo
[0, 3].
n an bn mn f (mn )
1 0− 3+ 1.5 −2.12
2 1.5− 3+ 2.25 1.76
3 1.5− 2.25+ 1.875
x2 −x−2
si x > 2
f (x) = x−2
3 cos(πx) si x ≤ 2
a) Estudiar el dominio y la continuidad de f en R.
b) Estudiar la derivabilidad de f en R y dar la expresión de f 0 (x) donde
exista.
Solución:
a) El dominio es todo R. Para x > 2, f (x) es continua por ser el cociente
de funciones continuas (polinomios) y el único punto donde se
anula el denominador es x = 2 en el que la función f está definida
por 3 cos (πx). Para x < 2 es una función continua, por lo que nos
queda estudiar el punto x = 2. Calculemos los límites laterales
f− (2) = lı́m− f (x) = lı́m− (3 cos(πx)) = 3
x→2 x→2
2
x −x−2
f+ (2) = lı́m+ f (x) = lı́m+ x−2 = lı́m+ (x + 1) = 3
x→2 x→2 x→2
Los límites laterales coinciden con el valor de f (2) = 3 y por tanto f

es continua en R.
b) Derivabilidad. Calculemos las derivadas laterales. Notar que para
el cálculo de la derivada por la derecha aplicamos la relación
x2 −x+2
x−2 = (x−2)(x+1)
x−2 = x + 1. Calculémosla:
0 f (2 + h) − f (2) (2 + h) + 1 − 3
f+ (2) = lı́m = lı́m =1
h→0+ h h→0 + h
0 f (2 + h) − f (2) 3 cos (π(2 + h)) − 3

f− (2) = lı́m− = lı́m− =
h→0 h h→0 h
−3π · sen (π(2 + h))
(L’Hopital) lı́m− =0
x→0 1
Como f+0 0
(2) 6= f− (2) entonces la función f no es derivable en a = 2.
Por tanto la expresión de la primera derivada queda

1 si x > 2
f 0 (x) =
−3πsen (πx) si x < 2
26. Sea la función f (x) = e−x

2
a) Estudiar los intervalos de crecimiento y decrecimiento de la función

f.
b) Estudiar los intervalos de convexidad y concavidad de la función f .
Solución:
a) Estudiemos el signo de la primera derivada
2
f 0 (x) = −2xe−x

f 0 (x) = 0 ⇔ x = 0
• Discontinuidades de f 0 (x). La función f (x) es derivable por lo que

no existen puntos de este tipo.
Esto determina que en los siguientes intervalos (de prueba) donde la

Intervalos de prueba (−∞, 0) (0, +∞)

Signo f 0 (x) f 0 (−1) = 2e−1 > 0 f 0 (1) = −2e−1 < 0
Monotonía Creciente Decreciente
b) Estudiemos el signo de la segunda derivada

2 2 2
f 00 (x) = −2e−x + 4x2 e−x = 2e−x (2x2 − 1)

2 1
f 00 (x) = 0 ⇔ 2e−x (2x2 − 1) = 0 ⇔ 2x2 − 1 = 0 ⇔ x = ± √
2
• Discontinuidades de f 00 (x). La función f (x) tiene derivada segunda

continua por lo que no existen puntos de este tipo.
Esto determina que en los siguientes intervalos (de prueba) donde la

Intervalos de prueba (−∞, − √12 ) (− √12 , √12 ) ( √12 , +∞)

Signo f 00 (x) f 0 (−1) = 2e−1 > 0 f 0 (0) = −2 < 0 f 0 (1) = 2e−1 > 0
27. Sea
1
f (x) =
1+x
a) Obtener el desarrollo de Taylor de f de orden n en el punto 0.
b) Haciendo uso del anterior desarrollo con n = 100, dar un valor
aproximado a f (1) y acotar el error cometido.
Solución:
a) El polinomio de Taylor de orden n en el punto a = 0 es
f 00 (0) 2 f n) (0) n
P3 (x) = f (0) + f 0 (0)x + x + ... + x (2.96)
2! n!
f (x) = (1 + x)−1 ⇒ f (0) = 1

0 −2
f (x) = −(1 + x) ⇒ f 0 (0) = −1
f 00 (x) = (−2)(−1)(1 + x)−3 ⇒ f 00 (0) = 2
f 000 (x) = (−3)(−2)(−1)(1 + x)−4 ⇒ f 00 (0) = −3.2.1 = −6
...
(n n −(n+1)
f (x) = (−1) n!(1 + x) ⇒ f (n (0) = (−1)n n!
Sustituyendo
2x2 3 · 2 · 1x3 (−1)n n! n

Pn (x) = 1−x+ − + ... + x
2! 3! n!
= 1 − x + x2 − x3 + . . . + (−1)n xn
b)
f (1) ≈ P100 (1) = 1 − 1 + 1 − 1 + . . . (−1)100 = 1 (2.97)
Acotemos el error cometido
f (n+1 (θ) 101 (−1)101 101!(1 + θ)−102
E = |R100 (1)| = (1) =
(n + 1)! 101!
1
= con θ ∈ [0, 1]
(1 + θ)102
Sea
1
M = Maximizar g(x) = (2.98)
x∈[0,1] (1 + x)102
entonces se cumple que
E ≤M
−102
como g 0 (x) = (1+x)103 < 0 la función g(x) es decreciente y por tanto la
solución del problema de optimizaación (2.98) se alcanza en x = 0,

obteniendo:
E ≤ M = g(0) = 1
28. Aplicar 3 iteraciones del método de Newton para aproximar la solución

de la ecuación
cos(x) − x = 0
encontrando razonadamente un punto inicial que asegure la conver-
gencia del método a la raíz.
Solución: Sea
f (x) = cos(x) − x
Veamos si f cumple la condición suficiente de convergencia en el
intervalo [0, π2 ].
i) f (0) = 1 y f (π/2) = −π/2, entonces se cumple f (0) · f (π/2) < 0 y
existe una raíz de f en dicho intervalo.
ii) f 0 (x) = −sen(x) − 1 6= 0 para x ∈ [0, π/2].
iii) f 00 (x) = − cos(x) ≤ 0 para x ∈ [0, π/2].
Tomamos como punto inicial π/4 que cumple f (π/4) ≈ −0.0783 y
f 00 (π/4) = − √12 por tanto f (π/4) · f 00 (π/4) > 0 y tiene garantizada la
convergencia.
El esquema iterativo queda
f (sn ) cos(sn ) − sn cos(sn ) − sn

sn+1 = sn − = sn − = sn +
f 0 (sn ) −sen(sn ) − 1 1 + sen(sn )
cos(π/4) − π/4
s1 = π/4 + = 0.7395
1 + sen(π/4)
cos(0.7395) − 0.7395
s2 = 0.7395 + = 0.7391
1 + sen(0.7395)
cos(0.7391) − 0.7391
s3 = 0.7391 + = 0.7391
1 + sen(0.7391)
29. Se define la siguiente función


 sen(πx) si x < −1
f (x) = 2 + x2 si − 1 ≤ x ≤ 0

1 + e−x si x > 0
a) Estudiar la derivabilidad y continuidad de la función.

b) Dar un esbozo de la gráfica de la función.
Solución:
a) El dominio es todo R. Para x < −1, f (x) es continua por ser la

función sen(πx) continua en R. f (x) es continua en (−1, 0) por ser
un polinomio Para x > 0 es una función continua por ser una
función exponencial, por lo que nos queda estudiar el punto x = −1
y x = 0. Calculemos los límites laterales.
x = −1
f− (−1) = lı́m f (x) = lı́m (sen(πx)) = 0

x→−1− x→−1−

f+ (−1) = lı́m + f (x) = lı́m + 2 + x2 = 3
x→−1 x→−1
Los límites laterales no coinciden, por tanto f es continua en

x = −1.
x=0

f− (0) = lı́m− f (x) = lı́m− 2 + x2 = 2
x→0 x→0
f+ (0) = lı́m f (x) = lı́m (1 + e−x ) = 2
x→0+ x→0+
Los límites laterales coinciden con f (0), por tanto f es continua en

x = 0.
Derivabilidad. Como no es continua en x = −1 no es derivable.
Calculemos las derivadas laterales en x = 0.
0 f (0 + h) − f (0) ((0 + h) + 1 − 3)1 + e−h ) − 2

f+ (0) = lı́m+ = lı́m+ =
h→0 h h→0 h
−1 + e−h L0 Hopital
lı́m+ = lı́m − e−h = −1
h→0 h h→0+
0 f (0 + h) − f (0) 2 + h2 − 2
f− (0) = lı́m− = lı́m− = lı́m− h = 0
h→0 h h→0 h h→0
Como f+
0 0
(0) 6= f− (0) entonces la función f no es derivable en a = 0.
b) Esbozo
30. Sea la función f (x) = |4x − 3| + x2 .

a) Determina los máximos y mínimos absolutos que alcanza f (x) en
el intervalo [−3, 3].
b) ¿ Existe c ∈ [0, 32 ] para el que f (c) = 0?
Solución:
2.5
1.5
0.5
-0.5
-1
-5 0 5
Figura 2.23: Gráfica de f (x)
a) La función f (x) es continua en todo por R por ser suma de

dos funciones continuas. Por tanto el teorema de Weierstrass nos
garantiza que la función f (x) alcanza máximo y mínimo absoluto
en el intervalo [−3, 3]. Los extremos absolutos son relativos y los
candidatos a extremos relativos satisfacen alguna de las siguientes
tres condiciones:
• Extremos del intervalo. Tenemos x1 = −3 y x2 = 3.
• Puntos de no derivabilidad. La primera derivada es:
f 0 (x) = signo(4x − 3) · 4 + 2x (2.99)
NOTA: La derivada de la función |x| es signo(x).

Entonces la función f (x) no es derivable en el punto donde la
función signo no está definida, esto ocurre cuando 4x − 3 = 0 y
por tanto x3 = 43 .
• Raíces de la primera derivada f 0 (x) = 0.
f 0 (x) = 0 ⇒ signo(4x − 3)4 + 2x = 0 ⇒ x = −signo(4x − 3)2
La anterior ecuación no tiene solución. Se puede comprobar

que x = 2 o x = −2 no satisfacen la ecuación porque 2 6=
−signo(5)2 y −2 6= −signo(−11)2.
xi f (xi )
−3 24
3 9
4 16
3 18
y comprobamos que x = 3/4 es un mínimo absoluto y que x = −3

es un máximo absoluto de f (x) en el intervalo [−3, 3]. En su gráfica
se puede observar estos hechos.
25
20
15
10
0
-3 -2 -1 0 1 2 3
Figura 2.24: Gráfica de f (x)
b) Por el apartado anterior el mínimo

de f (x) en [−3, 3] se alcanza en
3/4 por lo tanto como 43 ∈ 0, 23 también sigue siendo el mínimo
absoluto, obteniendo:

9 3
0< = f (3/4) ≤ f (x), ∀x ∈ 0, (2.100)
16 2
31. Sea la función f (x) = sen(x). Se pide:

a) Calcula el polinomio de Taylor de orden 2 de la función f (x)
desarrollado en el punto a = π.
b) Aproxima el valor sen(3).
c) Acota el error cometido en la anterior aproximación.
Solución:
a) El polinomio de Taylor de orden 2 en el punto a = π es
f 00 (π)
P2 (x) = f (π) + f 0 (π)(x − π) + (x − π)2 (2.101)
2
Calculemos las derivadas sucesivas y evaluémosla en el punto a = π
f (x) = sen(x) ⇒ f (π) = 0

0
f (x) = cos(x) ⇒ f 0 (π) = −1
f 00 (x) = −sen(x) ⇒ f 00 (π) = 0
f 000 (x) = − cos(x)
Sustituyendo
P2 (x) = −(x − π) (2.102)
f (3) ≈ P2 (3) = −3 + π (2.103)


f iii) (c) − cos(c)
|E2 (3)| = (3 − π)3 = |3 − π|3 con c ∈ [3, π]
3! 3!
Sea
M = Maximizar − cos(t)
t∈[3,π]
entonces
3
|E2 (3)| ≤ M |3−π|
3!
Como M = Maximizar − cos(t) = −cos(π) = 1, obtenemos la cota

t∈[3,π]
|3 − π|3
|E2 (3)| ≤
3!
32. Sea la ecuación
1
x2 = ln
x
a) Demostrad que tiene exactamente una solución real.
b) Aplicad tres iteraciones del método de la bisección para aproximar-
la.
Solución:
a) Aplicaremos el teorema de Bolzano a la función f (x) = x2 − ln(1/x)
en el intervalo [1/2, 1] para demostrar la existencia de al menos una
raíz en dicho intervalo. Veamos que se cumplen sus hipótesis
i) La función f (x) es la resta de dos funciones continuas en
(0, +∞) y por tanto es continua en el intervalo de números
positivos [1/2, 1].
ii) Las imágenes en los extremos son f (1/2) = 1 − 0 = 1 > 0 y
f (1) = 1/4 − ln 2 < 0 que cambian de signo.
garantizada que existe un c ∈ (1/2, 1) cumpliendo que f (c) = 0.
Para demostrar que solamente existe una única raíz probaremos
que f (x) es estrictamente creciente en su dominio (0, +∞).
1 1
f 0 (x) = 2x + x · 2
= 2x + > 0
x x
Por tanto la raíz en única
b) En la siguiente tabla se resumen los cálculos realizados con el
2
n
el punto medio.
n an bn mn f (mn )
1 0.5− 1+ 0.75+ 0.2748
2 0.5− 0.75+ 0.625− −0.0794
2 0.625− 0.75+ 0.6875− −
Ejercicios del capítulo propuestos

1. Definición: Una recta no vertical de ecuación y = mx + n se llama
asíntota oblicua de la gráfica de la función f si:
lı́m (f (x) − (mx + n)) = 0. (2.104)

x→±∞
Para el caso particular de m = 0, se llama asíntota horizontal.
Cálculo de asíntotas.
f (x)
m = lı́m (2.105)
x→±∞ x
n = lı́m (f (x) − mx) (2.106)
x→±∞
Si ambos límites existen y son finitos, tendremos una asíntota oblicua

de ecuación y = mx + n.
Definición: Una recta vertical de ecuación y = c se llama asíntota vertical
de la gráfica de la función f si:
−
lı́m f (x) = + ∞
−
x→c+
2. Fórmula de Newton. Diferencias divididas Sea f, x0 , x1 , ....., xn , y

f0 , f1 , ....., fn sus imágenes.
Sea Pn el polinomio interpolador en x0 , x1 , · · · , xn .
Definimos el polinomio interpolador de Newton como:
Pn (x) = f (x0 ) + f [x0 , x1 ](x − x0 )+
+ · · · + f [x0 , x1 , ..., xn ](x − x0 )...(x − xn−1 ).
donde:
f [x0 , x1 , ..., xk−1 ] − f [x1 , ..., xk ]
f [x0 , x1 , ..., xk ] =
x0 − xk
Mediante la fórmula proporcionada en el teorema anterior podemos
calcular por recurrencia las diferencias divididas en todos los órdenes,
segun el esquema:
x0 f [x0 ]
f [xo , x1 ]
x1 f [x1 ] f [x0 , x1 , x2 ]
f [x1 , x2 ] f [x0 , x1 , x2 , x3 ]
x2 f [x2 ] f [x1 , x2 , x3 ]
f [x2 , x3 ]
x3 f [x3 ]
3. Sea
x3 + 2x + 2; x<0
f (x) =
x2 − 3x + 3; x≥0
a) Estudiar la continuidad y derivabilidad de f (x).

b) Hallar los extremos de f (x) en [−2, 2].
c) Demostrar que la ecuación f (x) = 0 tiene una sola raíz en el
intervalo (−1, 1).
3
Integral de Riemann
161
|162| CAPÍTULO 3. INTEGRAL DE RIEMANN
S ESIÓN 27
3.1. Definición de la integral de Riemann

Definición 3.1.1 (Partición de un intervalo) Sea f : [a, b] ⊂ R 7→ R una
función acotada, esto es, | f (x) |< K para todo x ∈ [a, b].
Una partición de [a, b] es un conjunto ordenado y finito de números reales
distintos, cumpliendo:
a = x0 < x1 < · · · < xn = b

Una partición va a determinar en [a, b] n subintevalos de la forma [xi−1 , xi ]
desde i = 1, · · · , n como muestra la figura 3.1.
a=x0 x1 x2 x3 … b=xn
Figura 3.1: Ilustración del concepto de partición del intervalo [a, b]
Este conjunto de números los denotamos por:
P = {x0 = a, · · · , xi , · · · , xn = b}
Definición 3.1.2 (Sumas superiores e inferiores) Consideremos el interva-

lo [xi−1 , xi ] . Llamaremos:
Mi = sup{f (x)/x ∈ [xi−1 , xi ]}

mi = ı́nf{f (x)/ x ∈ [xi−1 , xi ]}
donde sup e ı́nf son respectivamente el supremo e ínfimo del conjunto de

números reales. Notar que cuando la función f (x) es continua se puede
reemplazar por el máximo y mínimo de la función en dichos intervalos.
La suma inferior de f correspondiente a P se define como
n
X
L(f, P ) = mi ∆xi (3.1)
i=1
donde ∆xi = xi − xi−1 .

3.1. Definición de la integral de Riemann |163|
La suma superior de f correspondiente a P se define como

n
X
U (f, P ) = Mi ∆xi (3.2)
i=1
L(f , P ) U (f , P )
M3
m3 M2
y
y
m2 M1
m1
a = x0 x1 x2 x3 = b a = x0 x1 x2x3 = b
x x
Figura 3.2: Ilustración del concepto de suma superior e inferior
Definición 3.1.3 (Partición más fina) Diremos que la partición Q es más fina
que la P si se verifica que todo punto de P pertenece a Q y escribiremos P ≤ Q.
El siguiente teorema relaciona las sumas superiores e inferiores calculadas so-
bre una misma partición y sobre particiones más finas.
Proposición 3.1.4 (Propiedades de las sumas superiores e inferiores) .

i) Sea f : [a, b] ⊂ R 7→ R acotada, P una partición de [a, b], entonces
L(f, P ) ≤ U (f, P )
ii) Si Q es más fina que P entonces
L(f, P ) ≤ L(f, Q) ≤ U (f, Q) ≤ U (f, P )
iii) Si P1 y P2 son dos particiones cualesquiera de [a, b]
L(f, P1 ) ≤ U (f, P2 )
Llamemos P([a, b]) al conjunto de todas las particiones, podemos conside-

rar dos clases de conjuntos . El conjunto formado por las sumas superiores
y el formado por las inferiores. La proposición 3.1.4 muestra que cualquier
sumas sumas
inferiores superiores
L(f,P1) U(f,P2)
ínfimo U(f,P)
supremo L(f,P)
Figura 3.3: Relación entre las sumas superiores e inferiores
suma superior es un cota superior del conjunto de la sumas inferiores, tal y

como se muestra en la figura 3.3. También se muestra que el ínfimo de las
sumas superiores será mayor que el supremo de las sumas inferiores. Estos
valores recibirán el nombre de integral superior e inferior.
Definición 3.1.5 ( Integral inferior y superior) Llamamos integral inferior y

escribimos como
Z b
f (x)dx = sup {L(f, P ), P una partición de [a, b]} (3.3)
a
−
Llamamos integral superior y escribimos como
Z−b
f (x)dx = ı́nf {U (f, P ), P una partición de [a, b]} (3.4)
a
Definición 3.1.6 (Integral de una función acotada) Sea f : [a, b] ⊂ R 7→ R

una función acotada. Entonces f es una función integrable Riemann en [a, b] si
Z b Z−b
f (x)dx = f (x)dx
a a
−
A este número común se le designa por integral de f en [a, b] y escribimos

Rb
a
f (x)dx.
Asímismo, se define
Z a
f (x)dx = 0 ,
a
Z a Z b
f (x)dx = − f (x)dx
b a
Observación 3.1.7 Si f es integrable

Z b
L(f, P ) ≤ f (x)dx ≤ U (f, P )
a
Rb
para todas las particiones P de [a, b]. Además a
f (x)dx es el único elemento
con esta propiedad.
R1
Ejemplo 3.1.8 Vamos a calcular 0 xdx aplicando la definición de integral.
Sea f (x) = x y consideramos una partición Pn de (n + 1)-puntos uniformemente
distribuídos en el intervalo [0, 1], esto es, formada por los puntos xi = ni con
i = 0, · · · , n, entonces el supremo e ínfimo en cada subintervalo es
i
Mi = sup{x/x ∈ [xi−1 , xi ]} = xi =
n
i−1
mi = ı́nf{f (x)/ x ∈ [xi−1 , xi ]} = xi−1 =
n
La suma inferior de f correspondiente a Pn se calcula como
n
X n
X n
i−1 i i−1 1X
L(f, Pn ) = mi ∆xi = − = (i − 1)
i=1 i=1
n n n n2 i=1
n(n−1)
1 2
= (1 + 2 + · · · + (n − 1)) =
n2 n2
La suma superior de f correspondiente a Pn se calcula como
Xn Xn n
i i i−1 1X
U (f, Pn ) = Mi ∆xi = − = 2 i
i=1 i=1
n n n n i=1
n(n+1)
1 2
= (1 + 2 + · · · + n) =
n2 n2
Tomando límites cuando n → ∞
n(n + 1) 1
lı́m U (f, Pn ) = lı́m =
n→∞ 2n2
n→∞ 2
n(n − 1) 1
lı́m L(f, Pn ) = lı́m 2
=
n→∞ n→∞ 2n 2
R1
y por tanto la función f (x) es integrable y 0 xdx = 12 .
Observación 3.1.9 Las funciones continuas, las monótonas y las que tienen
un conjunto finito de discontinuidades son integrables.
3.1.1. Propiedades de la integral

Proposición 3.1.10 Sean f, g : [a, b] ⊂ R 7→ R funciones integrables, entonces
se cumple las siguientes propiedades:
i) Linealidad: Sea k ∈ R, entonces las funciones kf y f + g son integrables

en [a, b] y:
Z b Z b
kf (x)dx = k f (x)dx (3.5)
a a
Z b Z b Z b
(f (x) + g(x)) dx = f (x)dx + g(x)dx (3.6)
a a a
ii) Monotonía.
Z b
Si f (x) ≥ 0 ⇒ f (x)dx ≥ 0 (3.7)
a
Z b Z b
Si f (x) ≤ g(x) ⇒ f (x)dx ≤ g(x)dx (3.8)
a a
iii) Acotación.
Z b
Si m ≤ f (x) ≤ M ⇒ m(b − a) ≤ f (x)dx ≤ M (b − a) (3.9)
a
iv) Aditividad respecto al intervalo.

Sea f : [a, b] ⊂ R 7→ R integrable. Sea c con a < c < b. Entonces f es
integrable en [a, c] y en [c, b], recíprocamente si f es integrable en [a, c] y
en [c, b] entonces es integrable en [a, b] y se tiene
Z b Z c Z b
f (x)dx = f (x)dx + f (x)dx
a a c
v) Valor absoluto.
Si f (x) es integrable ⇒| f (x) | es integrable y además
Z b Z b
f (x)dx ≤ |f (x)| dx
a a
1. Estudiar si es integrable en el intervalo [0, 4] la función dada por

x x 6= 1
f (x) =
3 x=1
2. Probar que toda función monótona en un intervalo [a, b] es integrable en

dicho intervalo.
3. Demostrar los siguientes enunciados:

Rb
a) f ∈ R([a, b]) y f (x) ≥ 0, entonces a f (x)dx ≥ 0.
Rb
b) f, g ∈ R([a, b]) y f (x) ≥ g(x) para todo x ∈ [a, b], entonces a
f (x)dx ≥
Rb
a
g(x)dx.
Rb
c) Si f (x) = c en el intervalo [a, b], entonces f ∈ R([a, b]) y a
f (x)dx =
c (b − a).
S ESIÓN 28
3.1.2. Definición de la integral mediante sumas de Rie-

mann
Se puede dar una definición equivalente del concepto de integral de
Riemann a través de las llamdas sumas de Riemann.
Definición 3.1.11 (Sumas de Riemann) Sea P = x0 < x1 < · · · xn una
partición de [a, b] y sea o C = {c1 , · · · , cn } una colección arbitraria de puntos
cumpliendo c1 < · · · < cn y que ci ∈ [xi−1 , xi ], se llama suma de Riemann a
n
X
S(f, P, C) = f (ci )∆xi (3.10)
i=1

La figura 3.4 ilustra una suma de Riemann. La suma de Riemann S(f, P, C)
coincide con el área de los rectángulos cuya base es ∆xi y cuya altura es
f (ci ). El conjunto C = {c1 , · · · , cn } diremos que está inscrito en la partición P y
S (f , P )
y
x0 c1 x 1 c2 x2 c3 x 3
x
Figura 3.4: Ilustración del concepto de suma de Riemann
denominaremos norma de la partición P a:

kP k = máx ∆xi (3.11)
i=1,··· ,n
En el cálculo de las sumas superiores e inferiores se evalúaba la función

f (x) en los puntos del subintevalo [xi−1 , xi ] donde se alcanzaban el máximo y
mínimo.1 En el cálculo de las sumas de Rieman se relaja esta exigencia y se
evalúa en cualquier punto del intervalo [xi−1 , xi ], por tanto, trabajar con este
tipo de sumas en las aplicaciones es más sencillo. El siguiente teorema nos
caracteriza el concepo de integral a través de las sumas de Riemann.
Teorema 3.1.12 Una función f es integrable en [a, b] y el valor de la integral es

Rb
A = a f (x)dx si y sólo si para cualquier sucesión de particiones Pj cumpliendo
que lı́m kPj k = 0 y para cualquier subconjunto de puntos Cj = {cji } inscritos
j→∞
en la partición se cumple:
lı́m S(f, Pj , Cj ) = A (3.12)

j→∞
EJEMPLO DE SUMAS DE RIEMMAN CON MATLAB

Pasos en la aplicación de la integral.
1. Supóngase que se desea calcular una L. Supóngase que se realiza
una partición Pj del intervalo [a, b] de modo que la P
magnitud L queda
n
discretizada en n trozos disjuntos de modo que L = i=1 Li .
2. Aproximar el valor de Li por li = f (ci )∆xi de tal forma que ci ∈
[xi−1 , xi ]. Esta aproximación debe cumplir que se trata de un infitésimo
equivalente a la magnitud buscada, esto es, lı́m∆xi →0 Llii = 1.
3. Si la función f (x) es integrable, se tiene:
n
X n
X Z b
L = lı́m Li = lı́m li = lı́m S(f, Pj Cj ) = f (x)dx (3.13)
n→∞ n→∞ j→∞ a
i=1 i=1
3.1.3. Aplicaciones de la integral

Longitud de arco. Aplicaremos el esquema de aplicación de la integral
al cálculo de la longitud de un arco de una curva rectificable. Sea f (x)
una función definida en [a, b] cuya derivada f 0 (x) es continua en [a, b].
Supongamos queremos calcular la longitud del arco de la curva entre (a, f (a))
y (b, f (b)). Esta magnitud la denominaremos L. Consideramos una partición
P = a = x0 < x1 < · · · P < xn = b del intervalo y esta partición hace que
n
podamos expresar L = i=1 Li donde Li es la longitud del arco de curva
entre los puntos (xi−1 , f (xi−1 )) y (xi , f (xi )). En la figura 3.5 (lado izquierdo)
se observa que podemos aproximar Li por la longitud del segmento que une
los puntos (xi−1 , f (xi−1 )) y (xi , f (xi )) que denotaremos por li . Aplicando el
teorema de Pitágoras: q
li = ∆x2i + ∆yi2 (3.14)
Aplicando el teorema del valor medio a f (x) en [xi−1 , xi ]
∆yi = f (xi ) − f (xi−1 ) = f 0 (ci )(xi − xi−1 ) = f 0 (ci )∆xi con ci ∈ (xi−1 , xi ) (3.15)
1 Suponiendo que la función fuese continua.
Sustituyendo (3.15) en (3.14)

q p
li = ∆x2i + [f 0 (ci )]2 ∆x2i = 1 + [f 0 (ci )]2 ∆xi (3.16)
Pn
Esto muestra que i=1 li es una suma de Riemann de la función g(x) =
Longitud de arco
Li
li
∆y i
y
y ∆x i
x0 x1 x2 x3
x i−1 xi
x x
Figura 3.5: Aplicación de la integral al cálculo de la longitud de arco
p
1 + f 0 (x). Además es integrable por ser f 0 (x) continua por lo que se tiene
que:
Z bp
L= 1 + f 0 (x)2 dx
a
Ejemplo 3.1.13 (Longitud de una circunferencia) √ Media circunferencia de

radio R viene definida por la función f (x) = R2 − x2 , por tanto la longitud de
media circunferencia se calcula mediante
Z bp Z R x iR
R π π
L= 1 + f 0 (x)2 dx = √ dx = arcosen = R( + ) = πR
a −R R 2 − x2 R −R 2 2
Volúmenes de figuras con secciones conocidas (fórmula de Cavalieri).
Sea A(x) el área de la sección de la figura en x. Supóngase que se trata de
una función continua en [a, b].
Dada P una partición de [a, b] y sea Vi el volumen de la figura en el
intervalo [xi−1 , xi ], entonces se cumple
mi (xi − xi−1 ) ≤ Vi ≤ Mi (xi − xi−1 ), con i = 1, · · · , n
donde
mi = mı́n{A(x) : x ∈ (xi−1 , xi )}
Mi = máx{A(x) : x ∈ (xi−1 , xi )}
Sumando las anteriores expresiones respecto de i, se tiene

L(A(x), P ) ≤ V ≤ S(A(x), P ) (3.17)
y por tanto la magnitud buscada se encuentra entre cualquier suma inferior
y cualquier suma superior por tanto esta coincide con la integral
Z b
V = A(x)dx (3.18)
a
Volúmenes de los cuerpos de revolución. Un caso particular de la fórmula

de Cavalieri son las figuras de revolución donde las secciones son círculos
de radio f (x) y por tanto se da:
Z b
A(x) = π[f (x)]2 ⇒ π[f (x)]2 dx (3.19)
a
Ejemplo 3.1.14 (El cono) El cono de altura h y radio de la base r es una

figura de revolución obtenida la rotar la recta f (x) = hr alrededor del eje de
abscisas. Aplicando la fórmula (3.19), obtenemos que el volumen del cono
viene dada por la expresión:
Z h Z h 2
2 r 1
V = πf (x) dx = π x2 dx = πr2 h (3.20)
0 0 h 3
3.1.4. Teoremas del valor medio para integrales

Teorema 3.1.15 (Teorema del valor medio para integrales) Sea f continua
en [a, b] y g integrable en [a, b] tal que g(x) ≥ 0 ∀x ∈ [a, b]. Entonces existe un
punto c ∈ [a, b] tal que
Z b Z b
f (x)g(x)dx = f (c) g(x)dx
a a
El anterior teorema se puede particularizar al caso que g(x) = 1

Corolario 3.1.16 Si f (x) es continua en [a, b], entonces existe un c ∈ [a, b] tal
que
Z b
f (x)dx = f (c)(b − a) (3.21)
a
Ejemplo 3.1.17 (Valor medio de una función) Supongamos que tenemos

una montaña cuyo perfil viene definido por la función f (x) tal como se muestra
en la figura 3.21. Esta montaña se va a alisar y se quiere calcular la altura
resultante a la que se quedará una vez alisada que denominaremos µ.
Viendo la figura, si asumimos que no existe compactación en la tierra, el
área inicial debajo de la gráfica de f (x) y el área de la montaña alisada
(rectángulo) debe ser la misma. En este ejemplo la altura del rectángulo es
µ y su base mide b − a, por tanto:
Z b
f (x)dx = µ(b − a). (3.22)
a
!b
a
f (x)dx
µ
a c b
Figura 3.6: Valor medio de una función
El valor µ es la altura resultante de la montaña alisada y puede interpretarse

como una altura media. El valor
Z b
1
µ= f (x)dx
b−a a
recibe el nombre de valor medio de una función. La fórmula (3.21) viene a

indicar que si la función f (x) es continua la función alcanza dicho valor medio.
En nuestro ejemplo se observa que existe un c cumpliendo que f (c) = µ.
El ejemplo mostrado en la figura es la función f (x) = 2 − (x − 1)2 en el
intervalo [0, 2] y el valor medio es
Z 2
1 5
µ= 2 − (x − 1)2 dx =
2−0 0 3
Por otro lado resolviendo aproximadamente la ecuación f (c) = µ obtenemos

c = 0.4226
R3
1. a) Hallar el valor µ ∈ R tal que f (x)dx = 2µ, siendo
1

1 x ∈ [1, 2)
f (x) =
2 x ∈ [2, 3]
b) ¿ Existe algún punto c en el intervalo [1, 3] tal que f (c) = µ?

c) ¿ Contradice el teorema del valor medio para integrales?

2. Demostrar que si m ≤ f (x) ≤ M en el intervalo [a, b] con f ∈ R ([a, b])
entonces se satisface
Z b
m(b − a) ≤ f (x)dx ≤ M (b − a) .
a
3. Demostrar que si f ∈ C[a, b] entonces existe un c ∈ [a, b] tal que

Rb
a
f (x)dx = f (c) (b − a).
4. Demostrar que
Z 2e
dx
e log 2 ≤ ≤ e (1 + log 2) .
e log x
S ESIÓN 29
3.2. Teoremas fundamentales del cálculo

Definición 3.2.1 (Integral indefinida) Sea f : [a, b] 7→ R una función
intregrable. Para todo x ∈ [a, b] la restricción de f al intervalo [a, x] es integrable.
Por tanto, se puede definir una función Fa : [a, b] 7→ R que llamaremos
integral indefinida de f en [a, b].
Z x
Fa (x) = f (t)dt x ∈ [a, b]
a
La figura 3.7 muestra la gráfica de una función f en [a, b] y como la función

Fa (x) proporciona el área limitada entre a y x, y por debajo de la gráfica de la
función (sombreada en gris).
!x
F a (x) = a
f (t)dt
y
a x b
Figura 3.7: Función integral indefinida
Teorema
Rx 3.2.2 Sea f : [a, b] 7→ R integrable, entonces la función Fa (x) =
a
f (t)dt es continua.
Ejemplo 3.2.3 Sea

1 si x ∈ [0, 1]
f (x) =
2 si x ∈ (1, 2]
3.2. Teoremas fundamentales del cálculo |175|
calculemos la función integral indefinida F0 (x) aplicando la definición. Sea

x ∈ [0, 1]
Z x Z x
F0 (x) = f (t)dt = 1dt = x
0 0
Sea x ∈ (1, 2]. La figura 3.8 ilustra este caso. Se observa que para calcular el
área sombreada el intervalo se puede descomponer en dos subintervalos del
siguiente modo:
Z x Z 1 Z x Z 1 Z x
F0 (x) = f (t)dt = f (t)dt + f (t)dt = 1dt + 2dt = 1 + 2(x − 1)
0 0 1 0 1
La integral indefinida se expresa:

x si x ∈ [0, 1]
F0 (x) =
1 + 2(x − 1) si x ∈ (1, 2]
La figura 3.8 muestra la función original f y su integral indefinida. Se observa
que la función f es discontinua en 1 pero la función F0 si que es continua
aunque no derivable.
!x
F 0 (x) = 0
f (t)dt
f (t)
y
0 1x 2 0 1x 2
x x
Figura 3.8: Función integral indefinida del ejemplo 3.2.3
Teorema 3.2.4 (1er Teorema R x fundamental del Cálculo) Sea f : [a, b] 7→ R

integrable y sea Fa (x) = a f (t)dt la integral indefinida. Entonces Fa (x) es
derivable en cualquier punto c ∈ [a, b] en el que f es continua siendo Fa0 (c) = f (c)
Ejemplo 3.2.5 Vamos a ilustrar el primer teorema fundamental del Cálculo

con la función f (x) = |x| y el punto a = −1. Sea un x ∈ [−1, 0]
Z x Z x Z x
x2 1
F−1 (x) = f (t)dt = |t|dt = −tdt = − +
−1 −1 −1 2 2
Sea x > 0, entonces

Z x Z 0 Z x Z 0 Z x
1 x2
F−1 (x) = f (t)dt = f (t)dt + f (t)dt = −tdt + tdt = +
−1 −1 0 −1 0 2 2
Finalmente, la integral indefinida se expresa:

( 2
− x2 + 12 si x ∈ [−1, 0]
F−1 (x) = x2
1
2 + 2 si x > 0
Se observa que F−1 (x) es derivable en 0 y el valor es F−1

0
(0) = 0. El primer
teorema del Cálculo afirma que esta función es derivable y además que este
valor es f (0) = |0| = 0, como hemos comprobado.
Observación 3.2.6 Utilizando el 1er teorema fundamental del cálculo y la

regla de la cadena, se van a poder derivar muchas funciones. Veamos algunos
ejemplos:
Rx
1. Sea G(x) = 0 |t|dt. La función se puede expresar como la composición
G(x) = (F ◦ H)(x) donde F es la función integral indefinida y H(x) = x2 .
La integral indefinida es derivable, por ser f (x) = |x| una función continua
y H(x) es derivable por ser un polinomio. G se trata de la composición de
dos funciones derivables y aplicando la regla de la cadena:
G0 (x) = F 0 (H(x))H 0 (x) = f (H(x))2x = |x2 |2x = 2x3
R x2
2. Sea G(x) = x
sen2 (t)dt calcular su derivada. Expresamos la función
G(x) por
Z x2 Z a Z x2
2 2
G(x) = sen (t)dt = sen (t)dt + sen2 (t)dt
x x a
Z x Z x2
= − sen2 (t)dt + sen2 (t)dt
a a
Derivando la anterior expresión sumando a sumando:
G0 (x) = −sen2 (x) + sen2 (x2 )2x
R ln(x) t
3. Sea G(x) = 0 xe dt. Notar que en este ejemplo la x del integrando la
podemos sacar fuera de la integral ya que estamos integrando respecto
la variable t, entonces:
Z ln(x)
G(x) = x et dt
0
se expresa como el producto de dos funciones dependientes de x,

aplicando la regla de derivación del producto:
Z ln(x) Z ln(x)
1
G0 (x) = et dt + xeln(x) = et dt + x
0 x 0
Definición 3.2.7 (Función primitiva) Definimos función primitiva de f en

[a, b] a aquella función , si existe, F : [a, b] 7→ R que es derivable en [a, b] y
tal que F 0 (x) = f (x) en [a, b]. Si f admite una primitiva F , entonces admite
infinitas, que son de la forma F (x) + k.
Observación 3.2.8 En el 1er teorema fundamental del cálculo se supone que

la función f es continua en [a, b], y se deduce que f admite primitiva (la integral
indefinida). Pero si f deja de ser continua en algún punto de [a, b], aunque siga
siendo integrable (admite integral indefinida) puede no admitir primitiva.
El segundo teorema fundamental del Cálculo establece que si somos

capaces de encontrar la primitiva de la función del integrando seremos
capaces de calcular integrales definidas.
Teorema 3.2.9 (2o Teorema fundamental del Cálculo) Sea f : [a, b] 7→ R

una función integrable y F : [a, b] 7→ R una primitiva de f en [a, b] (F 0 (x) = f (x)
Rb
∀x ∈ [a, b]).Entonces a f (x)dx = F (b) − F (a)
Ejemplo 3.2.10 Vamos a calcular

Z 1
xdx.
0
Esta integral representa el área que queda por debajo de la gráfica de f (x) = x
entre x = 0 y x = 1. Esta región es un triángulo y su área será b·h 2 donde h
R1
es la altura y b la base. En nuestro ejemplo tenemos que 0 xdx = 1·1 2 = 1/2.
Ahora la calcularemos mediante el segundo teorema fundamental del Cálculo.
2
La función F (x) = x2 es una primitiva de f (x) = x ya que F 0 (x) = f (x). Por
tanto: Z 1
12 02
xdx = F (1) − F (0) = − = 1/2.
0 2 2
La regla de Barrow es un corolario del anterior teorema ya que está regla
exige que la función f (x) sea continua en [a, b] y por tanto también será
una función integrable a la que se le puede aplicar el segundo teorema
fundamental del Cálculo.
Corolario 3.2.11 (Regla de Barrow) Sea f : [a, b] → 7 R una función continua
y F : [a, b] 7→ R una primitiva de f en [a, b] (F 0 (x) = f (x) ∀x ∈ [a, b]). Entonces
Rb
a
f (x)dx = F (b) − F (a)
1. a) Probar que es integrable en el intervalo [1, 4] la función

0 x 6= 3
f (x) =
1 x=3
Rx
b) Utilizar el apartado anterior para probar que F (x) = 1 f (t)dt es
derivable y F 0 (x) = 0 para todo x ∈ (1, 4). ¿Contradice el primer
teorema fundamental del Cálculo?
2. Encuentra la primitiva de las siguientes funciones
2
1, x > 0, x + 1, x > 1,
(a) f (x) = , (b) f (x) = 3
0, x ≤ 0,  x − 1, x ≤ 1;
 x + 1, x ≤ −1,
1/3
(c) f (x) = (x − 1)2 |x| , (d) f (x) = 0, |x| ≤ 1,

−x + 7, x > 1,
(e) f (x) = |x|.
3. Calcular la ecuación de la recta tangente en a = 2 de la función

Z x2
f (x) = ln(t3 + 4)dt.
4
4. Sea una función f ∈ C(IR) que satisface lo siguiente

Z x
1 1
f (t)dt = − + x2 + x sen 2x + cos 2x.
0 2 2
Calcular f ( π4 ) y f 0 ( π4 ).
5. Estudiar razonadamente si se puede aplicar la regla de l’Hopital y
calcular los siguientes límites
Z x2 −x Z 2
1 3 1
(a) lı́m e−s ds; (b) lı́m sen4 t dt.
x→0 sen x x2 x→π/2 (x − π/2)2 sen x+1
Z log(1+x2 ) p
1 + t2 dt
0
(c) lı́m .
x→0 ex2 − 1
6. Encontrar una función f y una constante c tales que

Z x
1
tf (t)dt = sen x − x cos x − x2 .
c 2
7. Si f (x) es una función continua en R cumpliendo

Z x2 (1+x)
f (t) dt = x para todo x
0
calcular f (2).
R2
8. Calcular la integral definida I = −1
(x − 1)2 |x|1/3 dx.
9. Encuentra un exponente a de modo que
Z 2x
1 t2
lı́m a 4
dt
x→0 x −x 1 + t
exista y sea no nulo.

10. Estudiar la continuidad y derivabilidad de la función

Z x
F (x) = h(t) dt,
0
donde 
 |t| si t < 1,
h(t) = t2 si 1 ≤ t < 2,

log t si t ≥ 2.
11. Representar las funciones

Z x3 −3x Z log x
−s3
f (x) = e ds, g(x) = e−|s| ds.
0 0
12. Considerar la función definida a trozos por

 Z x

 4t − t2 − 4
dt, 0 ≤ x ≤ 1/2,
f (x) = 1/2 1 + t2


12x − 4x2 − 5, 1/2 ≤ x ≤ 2.
a) Decidir si f es continua en [0, 2].

b) Estudiar la derivabilidad de f en (0, 2).
c) Determinar los valores máximo y mínimo de f en [0, 2].
Z x
2
13. Probar que la función F (x) = −1 + et dt tiene una sola raíz real en
0
[0, 1].
S ESIÓN 30
1. Calcular las derivadas de las siguientes funciones:

Z Z
x √ x
dt
(d) F (x) = et + 1dt; (e) G(x) = sen ;
−x 1 + sen t
2
0
Z x 2 Z b
3 x
(f) H(x) = sen tdt; (g) I(x) = dt;
0 a 1 + cos3 t
Z Z !
1/x ey
sen s
(h) J(x) = ds dy.
x e−y 1 + cos s
2. Estudiar razonadamente si se puede aplicar la regla de l’Hopital y

calcular los siguientes límites
Z x2 √
Z x 2 sen tdt
1 t 0
(a) lı́m dt; (b) lı́m ;
x→0 x3 0 1 + t4! x→0 x3
Z x2
2
Z x
et dt
2
sen2 t
dt
0 0 t
(c) lı́m Z x ; (d) lı́m ;
x→∞ 2t2 x→0 x2
e dt
0
S ESIÓN 31
1. Encontrar los polinomios de Taylor de grado 2 en el origen de las

funciones
Z x Z x+1
1 + sen t
f (x) = 3 + dt, g(x) = log(x2 + t2 ) dt.
0 2 + t2 1
2. Encuentra los valores extremos de la función

Z |x|−1
f (x) = t sen4 t dt
0
en el intervalo [−2, 2].

3. Sea f (x) una función derivable en todo R, verificando que f (0) = 0 y
f 0 (x) > 0 para todo x ∈ R. Estudiar el crecimiento y decrecimiento y
extremos de la función
Z x2 −3x+2
F (x) = f (t) dt
0
S ESIÓN 32
3.3. Técnicas de integración

El segundo teorema fundamental del Cálculo introduce la necesiad de
desarrollar métodos de cálculo de primitivas para poder calcular integrales
definidas.
Una función primitiva de f (x), ver definición 3.2.7, es cualquier función
derivable F (x) que cumple F 0 (x) = f (x). Denotaremos por
Z
f (x)dx
el conjunto de todas las funciones primitivas de f (x). Se cumple que una

función puede tener infinitas primitivas pero todas son de la forma F (x) + C.
Por tanto si somos capaces de encontrar una de ella podemos caracterizar el
conjunto de todas las primitivas mediante:
Z
f (x)dx = F (x) + C
el valor de C recibe el nombre de constante de integración.
3.3.1. Primitivas inmediatas

El método más básico de integración parte de la relación:
Z
g 0 (x)dx = g(x) + C.
A partir de esta relación y de la tabla de derivadas aparece la denominada

tabla de integrales inmediatas 3.1. Por ejemplo, si g(x) = ln(f (x)) su derivada
f 0 (x)
es g 0 (x) = por tanto
f (x)
Z Z
f 0 (x)
g 0 (x)dx = g(x) ⇒ dx = ln|f (x)| + C
f (x)
Ejemplo 3.3.1 Calcular las siguientes integrales inmediatas

3.3. Técnicas de integración |183|
Cuadro 3.1: Tabla de integrales inmediats

Z
f (x)n+1
f (x)n f 0 (x)dx = + C; n 6= 1
n+1
Z 0
f (x)
dx = ln |f (x)| + C;
f (x)
Z
ef (x) f 0 (x)dx = ef (x) + C;
Z
af (x)
af (x) f 0 (x)dx = + C;
ln a
Z
cos[f (x)]f 0 (x)dx = senf (x) + C;
Z
sen[f (x)]f 0 (x)dx = −cosf (x) + C;
Z
f 0 (x)
dx = tanf (x) + C;
cos2 f (x)
Z
f 0 (x)
dx = −cotanf (x) + C;
sen2 f (x)
Z
f 0 (x)
p dx = asinf (x) + C;
Z 1 − f (x)2
f 0 (x)
dx = atanf (x) + C;
1 + f (x)2
Z
cosh[f (x)]f 0 (x)dx = sinhf (x) + C;
Z
sinh[f (x)]f 0 (x)dx = coshf (x) + C;
Z
f 0 (x)
p dx = asinhf (x) + C;
Z 1 + [f (x)]2
f 0 (x)
p dx = acoshf (x) + C.
f (x)2 − 1
1. Z
√
m
xn dx
Esta integral la podemos identificar con las del tipo

Z
f (x)k+1
f (x)k f 0 (x)dx = + C; k 6= 1
k+1
Reescribiendola Z
xn/m dx
e identificando f (x) = x → f 0 (x) = 1 y tomando k = mn

, por tanto
Z
[f (x)]k+1 xn/m+1
xn/m dx = =
k+1 n/m + 1
2. Z
102x dx
Mirando la tabla de integrales inmediatas, la identificamos con una del

tipo
Z
af (x)
af (x) f 0 (x)dx = +C
ln a
tomando a = 10 y f (x) = 2x. Para obtener la derivada de f 0 (x) = 2 en la
integral, multiplicamos y dividimos por 2
Z Z
2x 1 1
10 dx = 102x · 2 · dx = 10x
2 2ln(10)
3. Z
tan2 (x)dx
La derivada de f (x) = tan(x) es f 0 (x) = 1 + tan2 (x). Para obtener dentro

de la integral la derivada de la función tangente sumamos y restamos 1
Z Z

tan2 (x)dx = tan2 (x) + 1 − 1 dx
Z Z

= tan2 (x) + 1 dx − dx = tan(x) − x + C
4. Z p
x x2 + 1dx
Esta integral la podemos identificar con las del tipo

Z
f (x)k+1
f (x)k f 0 (x)dx = + C; k 6= 1
k+1
tomando f (x) = x2 + 1, su derivada es f 0 (x) = 2x y k = 12 . Para obtener el
2 de f 0 (x) multiplicamos y dividimos por 2
Z
1 1 (x2 + 1)3/2
(x2 + 1)1/2 · 2x · dx =
2 2 3/2
3.3.2. Linealidad de la integral.

Dadas dos funciones f y g que admiten primitiva y dada una constante
k ∈ R entonces se verifica:
Z Z Z
(f (x) + g(x)) dx = f (x)dx + g(x)dx
Z Z
kf (x)dx = k f (x)dx
3.3.3. Cambio de variable.

1. Sea g(x) una función con derivada continua g 0 (x), y sea f (x) una función
continua. Entonces, haciendo el cambio de variable t = g(x), se tiene
Z
f (g(x))g 0 (x)dx = F (g(x)) (3.23)
R
donde F (t) = f (t)dt es una primitiva de la integral expresada en
términos de la variable t.
2. Sea g(x) una función con derivada continua g 0 (x) y tal que g 0 (x) 6= 0 para
todo x, y sea f una función continua. Entonces, haciendo el cambio
t = g(x), se obtiene:
Z Z
f (g(x))dx = f (t)(g −1 )0 (t)dt (3.24)
En la práctica realizamos los siguientes pasos:

- Planteamos un cambio de variable t = g(x) y expresamos el integrando
en función de la nueva variable t
t = g(x) ⇒ x = g −1 (t) (3.25)
- Expresamos dx en función de t y de dt. Para ello derivamos a ambos

lados de la expresión (3.25), en un lado respecto a t y en el otro respecto
a x. Posteriormente despejamos dt.
0
1 · dx = g −1 (t)dt (3.26)
- Calculamos una primitiva de la integral expresada en términos de t

Z
0
F (t) = f (t) g −1 (t)dt (3.27)
- Deshacemos el cambio de variable y obtenemos:
F (g(x))
Ejemplo 3.3.2 Resolver √

Z
sen x + 1
√ dx
x+1
√
- Realizamos el cambio de variable t = x + 1.
- Despejamos x en función de t
√
t = x + 1 ⇒ x = t2 − 1
- Derivando a ambos lados, en el lado de la izquierda respecto a x y en el

de la derecha respecto a t, obtenemos:
1 · dx = 2tdt
- Expresando la integral en función de t y de dt, y posteriormente se

resuelve Z Z
sen(t)
2dt = 2sen(t)dt = −2 cos(t) + C
t
- Deshaciendo el cambio de variable:

√
F (g(x)) = −2cos x + 1 + C
3.3.4. Integración por partes

El método de integración por partes es una fórmula que se aplica a la
integración del producto de dos funciones. La obtención de esta fórmula se
basa en la regla de derivación del producto de funciones. Supongamos que
tenemos dos funciones derivables f y g, la derivada de su producto es
[f (x)g(x)]0 = f 0 (x)g(x) + f (x)g 0 (x) (3.28)
integrando a ambos lados de la igualdad (3.28)

Z Z Z
[f (x)g(x)]0 dx = f 0 (x)g(x)dx + f (x)g 0 (x)dx (3.29)
El lado de la izquierda de (3.30) es la integral de una derivada por tanto:

Z Z
f (x)g(x) = f 0 (x)g(x)dx + f (x)g 0 (x)dx (3.30)
y ordenando términos:
Z Z
f (x)g 0 (x)dx = f (x)g(x) − f 0 (x)g(x)dx
Empleando notación diferencial la anterior fórmula se expresa :

Z Z
udv = uv − vdu
Ejemplo 3.3.3 Calcular
Z
xex dx
Solución: Llamando
Zu = x ⇒ du = dx
dv = e dx ⇒ v = dv = ex dx = ex
x
y sustituyendo en la fórmula de integración por partes:
Z Z
xex dx = xex − ex dx = eex − ex = (x − 1)ex
1. con las siguientes expresiones en MATLAB

R syms x g2=int(cos(x),x
) se puede calcular la integral de cos(x)dx. Esto permite corregir los
ejercicios.
2. Calcúlense las siguientes integrales ïnmediatas":

Z √ Z
√ √
1) (7x5 + 6x − 2) dx 2) (x + 3 x + 4 x) dx
Z √ √ Z √
3 4 x x √
3) (2 x2 +3 x3 ) dx 4) + 3x2 3 x dx
2
Z√ √
3 Z
x x + x2 1 3 3
5) √ dx 6) ( + 2 − 5 ) dx
5
6 x3 x3 x x
Z √ Z
√ 1 1
7) ( 2x − 1)(x − x + 2) dx 8) ( −√ ) dx
1 + x2 4 − 4x2
Z s ! Z
3 2 3
9) + dx 10) (e2x − √ ) dx
4 + 4x2 3 − 3x2 2 sen2 x
Z Z
2 3 7 3x2 + 3
11) (3x + 3)(x + 3x − 7) dx 12) dx
x3 + 3x + 7
Z Z
e2x
13) cos x sen5 x dx 14) dx
1 + e2x
Z Z
x − (arc tg x)2 sen x
15) dx 16) √ dx
1 + x2 cos x
Z Z
etan x
17) dx 18) tan x dx
cos2 x
Z Z √
sen x 5 x
19) dx 20) √ dx
1 + cos2 x x
Z Z 1
x5 − x2 ex
21) dx 22) dx
1 + x6 x2
Z p Z
7 x−3
23) x 3 − 2x2 dx 24) sen(3x − 2) + e 5 dx
Z Z
1 x
25) √ dx 26) dx
2 − 3x x2 + 25
Z Z
7x−2 1 sen(2x)
27) 4 − dx 28) dx
cos2 (2x) 2 + cos(2x)
Z Z
1 ex
29) 2
dx 30) √ dx
x +4 1 − e2x
Z √ Z
1−2 x 2
31) dx 32) xe−x dx
x
Z Z
3
33) cos x sen x dx 34) tan x sec2 x dx
Z Z
2 sen x 3x2 + 1
35) dx 36) dx
cos5 x (x3 + x + 2)2 + 1
Z Z
2x − 1 5x + 7
37) dx 38) dx
x2 + 4 3x2 + 1
Z Z
5x + 2
39) dx 40) tg2 x dx
4x2 + 9
Z Z
1 + tg2 x x+1
41) dx 42) √ dx
4 tg x − 2 4 − x2
Z Z
ln2 x + 1 1
43) dx 44) dx
x x ln x
Z Z √
2x + 3x + 4 5x cos( x)
45) dx 46) √ dx
6x x
Z Z
1 1 1
47) e x dx 48) ) dx
x2 tg( x5
3. Calcúlense las siguientes integrales utilizando la fórmula de integración

por partes:
Z Z Z
1) ln x dx 2) arc tg x dx 3) x sen x dx
Z Z Z
4) eax cos(bx) dx 5) x2 ln x dx 6) xe−x dx
4. Calcúlense las siguientes integrales:
Z Z Z
cos x ln(2x)
1) dx 2) dx 3) (x2 + 1)e2x dx
sen3 x + 2 cos2 x sen x x ln(4x)
Z Z Z
1+x x5
4) x2 ln dx 5) x(arc sen x)2 dx 6) dx
1−x a3 − x3
Z s Z Z
x 2 6ln x+3
7) arc sen dx 8) ln x dx 9) dx
2+x x
Z Z Z p
2ex + 1
10) xex sen x dx 11) dx 12) x2 − 2x4 dx
2ex − 1
5. Demostrar que si f es integrable entonces
Z π
2
Z π
2
f (sen x)dx = f (cos x) dx
0 0
R1 n
6. Sea In = 0 1 − x2 dx. Demostrar que (2n + 1)In = 2nIn−1 , y encontrar
I2 , I3 , I4 e I5 .
7. Pruébese que el área bajo la gráfica y = x1 en el intervalo [a, b] es la
misma que en el intervalo [ka, kb] para cualquier k > 0.
3.4. Integración de funciones racionales |191|
S ESIÓN 33
3.4. Integración de funciones racionales

Para calcular
Z
P (x)
dx
Q(x)
siendo P (x) y Q(x) dos polinomios cualesquiera se procede como sigue:

Si el grado de P (x) es mayor o igual que el grado del polinomio Q(x)
entonces se divide obteniendo:
P (x) R(x)
= C(x) +
Q(x) Q(x)
donde C(x) es el cociente de la división y R(x) es el resto. La función racional,

R(x)
Q(x) , que ahora tiene el grado del denominador mayor que el grado del
numerador, se denomina propia.
Dependidendo de las raíces de Q(x) se efectúa uno de los dos métodos
siguientes:
1. Si Q(x) = (x − a)(x − b)l · · · (x2 + αx + β) · · · donde los binomios y los

trinomios son diferentes, y además los trinomios no tienen raíces reales,
entonces se realiza la siguiente descomposición en fracciones simples:
R(x) A1 B1 Bl
= + + ··· + +
Q(x) x−a x−b (x − b)l
M 1 x + N1
+ ···
x2 + αx + β
Las integrales correspondientes a las fracciones simples son:

Z
A
dx = Aln |x − a| + C
x−a
Z
A A
dx = (x − b)1−k + C, k 6= 1
(x − b)k (1 − k)
Z
Mx + N M 2 2 Mr + N x−r
dx = ln((x − r) + s ) + atan +C
(x − r)2 + s2 2 s s
donde (x − r)2 + s2 = x2 + αx + β.
2. Si Q(x) = (x − a)(x − b)l · · · (x2 + αx + β)(x2 + γx + δ)k · · · , es decir tiene

raíces múltiples (reales o complejas) se aplica el método el Hermite, que
se aplica como sigue:

R(x) d A(x)
= +
Q(x) dx Q̃(x)
A B Mx + N Sx + T
+ + + + 2 + ···
x − a x − b x2 + αx + β x + γx + δ
donde Q̃(x) es igual a Q(x) pero todos sus factores tienen un grado
menos, y A(x) es un polinomio de un grado menor que Q̃(x). Los
términos simples se integran igual que en el caso anterior.
Ejemplo 3.4.1 Resolver
Z
8
dx
x(x − 2)2 (x2 + x + 2)
El grado del numerador es menor que el denominador por lo que no es
necesario realizar el cociente de polinomios. Las raíces del polinomio del
denominador son 0 2 y las raíces de x2 + x + 2 = 0 son dos raíces
complejas simples. Al no tener raíces complejas múltiples podemos aplicar
la descomposición en fracciones simples. La multiplicadad de 0 es 1 por lo
que generará un sumando, la de 2 es 2 por lo que conduce a 2 sumandos y
(x2 + x + 2) genera un sumando.
8 A B1 B2 Mx + N
= + + + 2
x(x − 2)2 (x2 + x + 2) x x − 2 (x − 2)2 x +x+2
Multiplicando a ambos lados por x(x − 2)2 (x2 + x + 2), obtenemos:
8 = A(x−2)2 (x2 +x+2)+B1 x(x−2)(x2 +x+2)+B2 x(x2 +x+2)+(M x+N )x(x−2)2
(3.31)
Tenemos que determinar 5 parámetros A, B1 , B2 , M y N por lo que generamos
cinco ecuaciones lineales dando 5 valores a la x en la expresión (3.31):
x = 0 ⇒ 8 = 8A
x = 2 ⇒ 8 = 16B2
x = 1 ⇒ 8 = 4A − 4B1 + 4B2 + M + N
x = −1 ⇒ 8 = 18A + 6B1 − 2B2 + 9M − 9N
x = 3 ⇒ 8 = 14A + 42B1 + 42B2 + 9M + 3N
Resolviendo el anterior sistema
A = 1, B1 = −9/16, B2 = 1/2, M = −7/16, N = 3/16
Z Z Z Z Z
8 dx −9/16 1/2 −(7/16)x + 3/16
dx = + dx + dx + dx
x(x − 2)2 (x2 + x + 2) x x−2 (x − 2)2 x2 + x + 2
Z
9 −1 1 −7x + 3
= ln|x| − ln|x − 2| + + dx
16 2(x − 2) 16 x2 + x + 2
3.4. Integración de funciones racionales |193|
Z
−7x + 3
Para calcular la integral dx procedemos en dos pasos:
x2 + x + 2 Z
f 0 (x)
Paso I: Ajustar una integral del tipo dx = ln|f (x)|.
f (x)
Z Z Z Z
−7x + 3 7 2x − 6/7 7 2x + 1 7 −6/7 − 1
dx = − dx = − dx − dx
x2 + x + 2 2 x2 + x + 2 2 x2 + x + 2 2 x2 + x + 2
Z
7 13 dx
= − ln|x2 + x + 2| + 2
2 2 x +x+2
Z
f 0 (x)
Paso II: Ajustar la integral resultantes al tipo dx = atan|f (x)|.
1 + f (x)2
Empezamos completando cuadrados:
x2 + x + 2 = (x + a)2 + b
Desarrollando el cuadrado e identificando los coeficientes de las potencias de
x a ambos lados de la igualdad:
1 = 2a
2 = a2 + b
La solución al anterior sistema es a = 1/2 y b = 7/4. La integral a calcular es:
Z Z Z
13 dx 13 dx 13 1 dx
= = !
2 x2 + x + 2 2 (x + 1/2)2 + 7/4 2 7/4 x + 1/2 2
p +1
7/4
√
Z 7 √2 √
13 4 2 7
dx 13 7 2x + 1
= = atan √
2 7 2x + 1 2 7 7
√ +1
7
Finalmente la integral buscada es la suma de todas las integrales anterior-
mente calculadas.
Ejemplo 3.4.2 Veamos otro ejemplo del cálculo de la integral del cociente
de un polinomio de grado uno entre otro de grado dos con raíces complejas.
Resolver
Z
2x + 52
2
dx
x + 4x + 13
Solución.
Z Z Z
2x + 52 2x + 4 48
2
dx = 2
dx + dx
x + 4x + 13 x + 4x + 13 x2
+ 4x + 13
Z
dx
= ln |x2 + 4x + 13| + 48
(x + 2)2 + 9
Z
48 dx
= ln |x2 + 4x + 13| +
9 x+2 2
3 +1

48 x + 2
= ln |x2 + 4x + 13| + atan
9 3
1. Calcúlense las siguientes integrales de funciones racionales:
Z Z Z
x2 − 5x + 9 5x3 + 2 x2 − 8x + 7
1) dx 2) dx 3) dx
x2 − 5x + 6 x3 − 5x2 + 4x (x2 − 3x − 10)2
Z Z Z
2x − 3 x+1 x2 + 1
4) dx 5) dx 6) dx
3x(x2 + 1) 2
2x + 8x + 26 x4 − x2
3.5. Integración de funciones irracionales |195|
S ESIÓN 34
3.5. Integración de funciones irracionales

La integración de algunos tipos de irracionales se efectúan mediante
la realización de cambios de variables que las transforman en integrales
racionales.
Z

TIPO I: R xm1 /n1 , xm2 /n2 , . . . , xmk /nk dx.
R es una función racional en todas sus variables y mi , ni ∈ Z, ni 6= 0.

El cambio de variable que se realiza es x = tm donde m = m.c.m{n1 , n2 , . . . , nk }.

Z
dx
√ √
5
x x+ x2
Solución:
Z Z
dx dx
√ √ = 3 7
x x+
5
x2 x2 + x5
El valor de m = m.c.m.{2, 5} = 10 y el cambio de variable propuesto es

1
x = t10 ⇒ t = x 10
Calculamos el diferencial derivando a ambos lados de la anterior igualdad
1 · dx = 10t9 dt
Sustituyendo en la integral
Z Z
10t9 dt 10dt
3·10 7·10 =
t 2 +x 5 t5 (t + 1)
El cambio anterior ha transformado la integral irracional original a una integral

racional en t. Se resuelve y se deshace el cambio de variable.
Z m1 /n1 m /n m /n !
ax + b ax + b 2 2 ax + b k k
TIPO II: R x, , ,..., dx.
cx + d cx + d cx + d
R es una función racional en todas sus variables
ymi , ni ∈ Z
ax + b
El cambio de variable que se realiza es = tm donde m =
cx + d
m.c.m{n1 , n2 , . . . , nk }.
Z r
x+1
dx
x−1
El cambio propuesto es
x+1
= t2
x−1
Despejamos x en función de t
x+1 2 2
= + 1 = t2 ⇒ x = 2 +1
x−1 x−1 t −1
Calculamos el dx derivando la anterior expresión:
2t
dx = −2 dt
(t2 − 1)2
Sustituímos dx y x en la integral
Z √ Z
−2 · 2t −4t2
t2 2 2
dt = dt
(t − 1) (t − 1)2 (t + 1)2
Ahora tendríamos que resolver la integral racional en t y deshacer el cambio
de variable.
Ejemplo 3.5.3 Resolver Z

dx
√
(2 + x) 1 + x
Solución: El cambio de variable recomendado es t2 = 1 + x. Para obtener el
diferencial dt derivamos a ambos lados de la igualdad
2tdt = dx
Sustituyendo en la integral, nos queda la integral racional

Z Z
2tdt 2dt √
√ = 2
= 2atan(t) = 2atan( x + 1)
2
(1 + t ) t 2 (1 + t )
Z 1/2
TIPO III: 2
R x, ax + bx + c dx.
donde R es una función racional en todas sus variables y a, b, c ∈ IR. El

primer paso es completar cuadrados para eliminar el término bx y reducirla
a alguno de los siguientes casos:
3.5. Integración de funciones irracionales |197|
Z p
1. Para R(x, a2 − x2 ) dx se hace x = asent o x = acost.
Z p
2. Para R(x, a2 + x2 ) dx se hace x = atant o x = asenht.
Z p
3. R(x, x2 − a2 ) dx se hace x = asec t o x = acoshx.
El éxito de estos cambios se basan en las relaciones:

cos2 t + sen2 t = 1
cosh2 t − senh2 t = 1
que permiten obtener un cuadrado dentro de la raíz.
Z
x3
√ dx
1 − x2
Solución. Haciendo el cambio
x = sent
dx = cost
p p √
1 − x2 = 1 − sen2 t = cos2 t = cost,
obtenemos:
Z Z Z
x3
√ dx = sen3 tdt = (1 − cos2 t)sentdt =
1 − x2
Z Z
1
= sentdt − cos2 tsentdt = −cost + cos3 t
3
1
= −cos(asen x) + cos3 (asen x)
3
1p 2 2
= 1 − x · (x + 2)
3
1. Calcúlense las siguientes integrales de funciones irracionales:

Z Z Z
1 1 x
1) √ √ dx 2) √ dx 3) dx
3
x+ x x(1 + x) (x + 2)2/3
Z Z Z q√
1/3
√ −2 1 3
4) x (1 + x) dx 5) dx 6) x2 + 2 dx
x2 (4 − x2 )1/2
Z Z 1/3 Z
5 3 1/3 1−x −2 x
7) x (1 + x ) dx 8) (1 + x) dx 9) dx
1+x (x + 2)2/3 − x − 2
S ESIÓN 35
3.6. Algunos tipos de integrales trigonométricas

Z
TIPO I: R (sen x, cos x) dx
R es una función racional en sus variables.

Este tipo de integrales son funciones racionales en seno y coseno, se
pueden transformar en integrales racionales haciendo el cambio de variable
x
tan =t
2
Para obtener el valor del sen(x) y el cos(x), hacemos
x sen(x/2) sen2 (x/2)
tan =t⇒ =t⇒ = t2 (3.32)
2 cos(x/2) cos2 (x/2)
Haciendo uso de las relaciones trigonométricas:
1 − cosx
sen2 (x/2) =
2
2 1 + cosx
cos (x/2) =
2
Susituyendo en (3.32),
1 − cosx 1 − t2
= t2 ⇒ cos(x) =
1 + cosx 1 + t2
Ahora calcularemos el valor de sen(x) en función de t
sen2 (x) = 1 − cos2 (x) = (1 − cos(x))(1 + cos(x))

1 − t2 1 − t2 4t2
= 1− 2
1 + 2
=
1+t 1+t (1 + t2 )2
y por tanto
2t
sen(x) =
(1 + t2 )
Para obtener el diferencial dt despejamos x

2dt
x = 2atan(t) ⇒ dx =
1 + t2
3.6. Algunos tipos de integrales trigonométricas |199|
Con el cambio de variable tan(x/2) = t se resuelven todas estas integrales.

Existen cambios más especializados que permiten ahorrar cálculos. Para
introducir cuando se pueden aplicar estos cambios introducimos las
siguientes definiciones.
Definición 3.6.1 Se dice que R (sen x, cos x) es impar en cos x sii R (sen x, cos x) =
−R (sen x, − cos x)
Se dice que R (sen x, cos x) es impar en sen x sii R (sen x, cos x) = −R (− sen x, cos x)
Se dice que R (sen x, cos x) es par en cos x sii R (sen x, cos x) = R (sen x, − cos x)
Se dice que R (sen x, cos x) es par en sen x sii R (sen x, cos x) = R (− sen x, cos x)
Dependiendo de si es par, impar en seno o en coseno se efectúan los

siguientes cambios:
Cambios de variables
R(sen x, cos x) cos x sen x dx

√
Impar en seno, t = cos x t 1 − t2 √−dt
1−t2
√
Impar en coseno, t = sen x 1 − t2 t √ dt
1−t2
Par en seno y coseno, t = tg(x) √ 1

1+t2
√ t
1+t2
dt
1+t2
1−t2
En todos los casos, t = tg x
2 1+t2
2t
1+t2
2dt
1+t2

Z
dx
2sen(x) − cos(x) + 5
Efectuando el cambio tan(x/2) = t obtenemos

Z Z 2dt Z
dx 1+t2 1 dt
= =
2sen(x) − cos(x) + 5 2t
2 1+t 2 − 1−t
+5
2
1+t2
3 t2 + 2/3t + 2/3
√
53 3t + 1
= atan √
3 5 5
Deshaciendo el cambio de variable

√
5 3tan(x/2) + 1
atan √
5 5
TIPO II:
Z
I1 = sen(mx) cos(nx)dx
Z
I2 = sen(mx) sen(nx)dx
Z
I3 = cos(mx) cos(nx)dx
Estas integrales se resuelven empleando las siguientes fórmulas:

sen(mx) cos(nx) = 1/2 (sen((m + n)x) + sen((m − n)x))
sen(mx) sen(nx) = 1/2 (cos((m − n)x) − cos((m + n)x))
cos(mx) cos(nx) = 1/2 (cos((m − n)x) + cos((m + n)x))
Ejemplo 3.6.3 Calcular Z

sen(2x)sen(5x)dx
Aplicando la relación trigornométrica del producto de senos

Z Z
1
sen(2x)sen(5x)dx = [cos(2 − 5)x − cos(2 + 5)x] dx
2
Z Z
1 1 1 1
= cos(−3x)dx − cos(7x)dx = − sen(−3x) − sen(7x) + C
2 2 2·3 2·7
1. Calcúlense las siguientes integrales trigonométricas:

Z Z Z
1
1) sen5 x dx 2) dx 3) cos3 x dx
sen2 x cos4 x
Z Z Z
1
4) sen2 x cos3 x dx 5) tg2 (5x) dx 6) √ dx
sen x cos3 x
Z Z Z
1
7) sen(3x) cos(5x) dx 8) sen x sen(2x) sen(3x) dx 9) dx
1 + sen x + cos x
Z Z Z
cos x 1 tg x
10) dx 11) dx 12) dx
1 + cos x 1 + 2 cos x 1 + cos x
2. Calcular la siguiente primitiva:

Z
1 + tg x
dx
1 − tg x
3.6. Algunos tipos de integrales trigonométricas |201|
3. Calcula la siguiente primitiva:

Z
sen4 x dx.
4. Calcular la siguiente primitiva:

Z
3 sen x + cos x
dx
sen x + cos x
S ESIÓN 36
3.7. Integración numérica

El cálculo de integrales definida requiere el conocimiento de la primitiva
de una función. En ocasiones esto no es posible, debido a su complejidad e
incluso a que la primitiva no se puede expresar como un número finito de
operaciones entre funciones simples. Por este motivo se requiere disponer
de métodos numéricos de integración. El método más sencillo es considerar
un polinomio Pn (x) que interpole a la función f (x) en un conjunto de puntos
{x0 , x1 · · · , xn } ⊂ [a, b], esto es que f (xi ) = Pn (xi ) con i = 0, · · · , n. De este modo
garantizamos que f (x) ≈ Pn (x) con x ∈ [a, b]. Por tanto podemos pensar que
Z b Z b
f (x)dx ≈ Pn (x)dx
a a
La integral del polinomio es sencilla de realizar e incluso se puede calcular

el resultado en función de las imágenes f (x0 ), · · · , f (xn ). En esta sección
analizamos dos casos sencillos:
- Método del trapezoide. Se considera un polinomio de grado n = 1 e
interpola a la función original en los puntos x0 = a y x1 = b.
- Método de Simpson. En este caso se considera un polinomio de grado
n = 2 y los puntos x0 = a, x1 = a+b
2 , x2 = b
La figura 3.9 ilustra el método del trapezoide y el de Simpson. En el
método del trapezoide P1 (x) es una polinomio de grado 1 (una recta) y
aproxima el área que queda por debajo de la función por el área que queda
por debajo de la recta secante a la función en (a, f (a)) y (b, f (b)). Esta figura
es el trapezoide marrón y de ahí deriva su nombre. En el método de Simpson,
figura de la derecha, el polinomio P2 (x)(gráfica en rojo) y la función f (x)
(gráfica en egro) coincide en los puntos a, b y el punto medio del intervalo
2 . Esta aproximación resulta en este caso mucho más exacta.
a+b
A continuación derivaremos las fórmulas para realizar la aproximación.

Para el caso de la regla del trapezoide consideramos el polinomio de grado
uno:
f (a) f (b)
P1 (x) = (b − x) + (x − a)
b−a b−a
Este polinomio cumple que interpola a la función en x0 = a y en x1 = b
f (a) f (b)
P1 (a) = (b − a) + (a − a) = f (a)
b−a b−a
f (a) f (b)
P1 (b) = (b − b) + (b − a) = f (b)
b−a b−a
3.7. Integración numérica |203|
Metodo Trapecio Metodo Simpson

!b !b
a
f (x)dx a
f (x)dx
y
!b !b
a
P 1 (x)dx a
P 2 (x)dx
a b a a+b
b
2
x x
Figura 3.9: Ilustración del método del trapezoide y de Simpson
Calculemos
Z b Z b
f (a) f (b)
P1 (x)dx = (b − x) + (x − a) dx
a a b−a b−a
b
−f (a) f (b)
= (b − x)2 + (x − a)2
2(b − a) 2(b − a) a
f (a) 2 f (b) f (a) + f (b)
= 0+ (b − a) + (b − a)2 − 0 = (b − a)
2(b − a) 2(b − a) 2
Si llamamos a la distancia entre los puntos de interpolación h = b−a podemos
escribir
Z b
h
f (x)dx ≈ (f (a) + f (b)) (3.33)
a 2
Repetimos el mismo proceso para derivar la regla de Simpson. En este
caso tenemos 3 nodos de interpolación
f (x0 ) f (x1 )
P2 (x) = (x − x1 )(x − x2 ) + (x − x0 )(x − x2 )
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 )
f (x2 )
+ (x − x0 )(x − x1 )
(x2 − x1 )(x2 − x0 )
Particularizando en los nodos x0 = a, x1 = m = a+b
2 , x2 = b y llamando la
distancia entre nodos consecutivos h = a−b
2 , obtenemos:
f (x0 ) f (m)
P2 (x) = (x − m)(x − b) − (x − a)(x − b)
2h2 h2
f (b)
+ (x − a)(x − m)
2h2
y por tanto
Z b Z Z
f (x0 ) b f (m) b
P2 (x)dx = (x − m)(x − b)dx − (x − a)(x − b)dx(3.34)
a 2h2 a h2 a
Z
f (b) b
+ (x − a)(x − m)dx (3.35)
2h2 a
Integrando por partes se tiene la siguiente relación

Z
(x − xi )(x − xj )2 (x − xj )3
(x − xi )(x − xj )dx = −
2 6
Aplicandola a cada una de las anteriores tres integrales, obtenemos:
Z b b
(x − m)(x − b)2 (x − b)3
(x − m)(x − b)dx = −
a 2 6) a
(a − m)(a − b)2 (a − b)3 4 2
= − + = 2h3 − h3 = h3
2 6 3 3
Z b b
(x − a)(x − b)2 (x − b)3
(x − a)(x − b)dx = −
a 2 6 a
(a − b)3 8 4
= − h3 = − h3
=
6 6 3
Z b 2
b
(x − a)(x − m) (x − m)3
(x − a)(x − m)dx = −
a 2 6) a
(b − a)(b − m)2 (b − m)3 h3 2h3
= − = h3 − =
2 6 3 3
Sustituyendo las anteriores expresiones en (3.34)
Z b
f (x0 ) 2 f (x1 ) 4 3
P2 (x)dx = · h3 − · − h (3.36)
a 2h2 3 h2 3
3
f (b) 2h h
+ · = (f (a) + 4f (m) + f (b)) (3.37)
2h2 3 3
Teorema 3.7.1 (Fórmula del trapecio) Sea una función que admite deriva-
da segunda continua en [a, b], esto es f ∈ C 2 ([a, b]), y sea h = b − a, entonces:
Z b
h f 00 (θ)h3
f (x)dx = (f (a) + f (b)) − con θ ∈ (a, b) (3.38)
a 2 12
Teorema 3.7.2 (Fórmula de Simpson) Sea f (x) una función que f (iv (x) es
b−a
continua en [a, b], esto es f ∈ C 4 ([a, b]), m = a+b
2 y h= , entonces:
2
Z b
h f (IV (θ)h5
f (x)dx = (f (a) + 4f (m) + f (b)) − con θ ∈ (a, b) (3.39)
a 3 90
Ejemplo 3.7.3 Aproximar la integral

Z 1
2
e−x dx
0
mediante el método del trapecio y de Simpson. Acotar el error cometido. Este

tipo de integrales aparecen frecuentemente en el cálculo de probabilidades
y son necesario saber Revaluarlas. Por otro lado no es posible calcular una
2
primitiva de la función e−x dx que sea expresable con un número finito de
funciones. Esto obliga al uso de métodos numéricos para su cálculo. Aplicando
el método del trapecio se tiene que a = 0, b = 1 y h = 1 − 0 = 1, obteniendo
Z 1
2 1 1 + e−1
e−x dx ≈ (f (0) + f (1)) = = 0.683939720585721
0 2 2
2
Para acotar el error calculamos f 00 (x) = (4x2 − 2)e−x y se tiene que f 00 (x) ≤
2
(4|x|2 + | − 2|)|e−x | ≤ (2 + 4) · 1 para todo x ∈ (0, 1), por tanto
f 00 (θ)h3 6
Errort = − ≤ = 0.5
12 12
Ahora aplicaremos el método de Simpsom donde a = 0, m = 1/2, b = 1 y

h = 1/2, entonces
Z 1
2 1/2 1 + 4 ∗ e−1/4 + e−1
e−x dx ≈ (f (0) + 4f (1/2) + f (1)) = = 0.632333680003663
0 3 6
2
para acotar el error calculamos f (IV (x) = (16x4 − 48x2 + 12)e−x , una cota de
esta función en el intervalo es:
2 2
|f (IV (x) = |(16x4 −48x2 +12)e−x | ≤ |(16x4 |+|−48x2 |+|12|)|e−x | ≤ 16+48+12 = 76
y por tanto el error
f (IV (θ)h5 76(1/2)5

Errors = − ≤ = 0.026388888888889
90 90
S ESIÓN 37
El error en los métodos del trapecio y de Simpson depende de la amplitud
del intervalo [a, b]. Por tanto una forma de reducir el error es aplicar la regla
reiteradamente a intervalos más pequeños. La figura 3.10 ilustra esta idea.
En lugar de aplicar directamente la regla del trapezoide al itervalo [a, b] se
divide [a, b] en tres subintervalos de amplitud h = (b − a)/3 y se aplica a cada
uno de ellos.
Metodo Trapecio compuesto

y
a x1 x2 b
x
Figura 3.10: Ilustración del método del trapezoide compuesto
Para obtener la regla del trapecio compuesta se divide el intervalo de

integración [a, b] en n partes iguales y se aplica la regal de los trapecios
(3.38) a cada uno de ellos. La amplitud de cada subintervalo es h = b−a n y
los extremos de los subintervalos xi = a + ih con i = 0, · · · , n, por tanto se
obtiene:
Z b
h h h
f (x)dx ≈ (f (x0 ) + f (x1 )) + (f (x1 ) + f (x2 )) + (f (x2 ) + f (x3 )) + · · ·
a 2 2 2
h
+ (f (xn−1 ) + f (xn ))
2

f (a) f (b)
= h + f (x1 ) + f (x2 ) + · · · +
2 2
El siguiente teorema analiza el error de esta fórmula:

Teorema 3.7.4 (Fórmula compuesta del trapecio) Sea f ∈ C 2 ([a, b]) y dado
b−a
un n ∈ N, tomamos h = fi = f (a + ih) para i = 0, 1, .., n. Entonces:
n
Z b
f0 fn f 00 (θ)(b − a)3
f (x)dx = h + f1 + · · · + fn−1 + − con θ ∈ (a, b)
a 2 2 12n2
P RUEBA. Para determinar el error se tiene que el error será la suma de los
errores obtenidos en los n subintervalos:
n
h3 X 00
E=− f (θi ) (3.40)
12 i=1
Por otro lado consideremos la media aritmética de los errores

1 X 00
µ= nf (θi ) (3.41)
n i=1
El valor de µ por tratarse de la media de n imágenes debe caer entre el menor

y el mayor valor que toma la f 00 (x) en el intervalo [a, b]. Por tanto:
m2 ≤ µ ≤ M2
Como f 00 (x) es una función continua en [a, b], toma todos los valores
intermedios entre m2 y M2 . Por tanto debe existir un punto θ ∈ [a, b]
cumpliendo:
µ = n · f 00 (θ)
De las ecuaciones (3.40) y (3.41), se tiene:
n
h3 X 00 nh3 00 (b − a)3 00
E=− f (θi ) = − f (θ) = − f (θ)
12 i=1 12 12n2
De la misma forma vamos a determinar la regla de Simpson compuesta.

Sea m el número de subintervalos en los que particionamos el intervalo
[a, b] y sea n = 2m el número (es par) de nodos igualmente espaciados que
consideramos. Sea a = x0 , x1 , · · · , xn estos nodos con espaciado
b−a b−a
h= =
n 2m
La figura 3.11 muestra un ejemplo de aplicación la regla compuesta de
Simpson. Se observa que se ha aplicado en m = 3 subintervalos. También
se observa que los nodos xi con índice i impar son los puntos medios de
estos subintervalos y que los extremos de los mismos están formados por
nodos con índice par.
Aplicando la regla de Simpson (3.39) a cada intervalo [x0 , x2 ], [x2 , x4 ], · · · [x2m−2 , x2m ]
de longitud 2h, obtenemos:
Metodo Simpson compuesto
f (x 5 )
f (x 3 )
f (x 1 )
h
a x2 x4 b
x
Figura 3.11: Ilustración del método de Simpson compuesto
Z b
h h
f (x)dx ≈ (f (x0 ) + 4f (x1 ) + f (x2 )) + (f (x2 ) + 4f (x3 ) + f (x4 )) + · · · +
a 3 3
h
(f (x2m−2 ) + 4f (x2m−1 ) + f (x2m ))
3
Agrupando términos y teniendo en cuenta que los nodos de los extremos de
los subintervalos son compartidos por dos subintervalos (excepto x = a y
x = b), se obtiene la fórmula general:
Z m m−1
!
b
h X X
f (x)dx ≈ f (a) + 4 f (x2i−1 ) + 2 f (x2i ) (3.42)
a 3 i=1 i=1
Teorema 3.7.5 (Fórmula compuesta de Simpson) Sea f ∈ C 4 ([a, b]) y sea

b−a
n = 2m con h = fi = f (a + ih) para i = 0, 1, .., n. Entonces:
n
Z b
h f IV ) (θ)(b − a)5
f (x)dx = (f0 +4f1 +2f2 +4f3+ ...+2fn−2 +4fn−1 +fn )− con θ ∈ (a, b)
a 3 180n4
P RUEBA. Análoga a la demostración de la fórmula del error del método

compuesto del trapecio. 2
Ejemplo 3.7.6 Aproximar la integral

Z 1
2
e−x dx
0
clear
clc
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Regla de Simpson y trapecios compuesta
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
f=@(x) exp(-x) % función a integrar

a=0; % extremo inferior
b=1; % extremos superior
n=2; % número de nodos
h=(b-a)/n; % amplitud de los subintervalos
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% trapecio compuesto
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
suma_trapecios=0;
for i=1:n-1
suma_trapecios=suma_trapecios+f(a+i*h);
end
suma_trapecios=h*(f(a)/2+f(b)/2+suma_trapecios)
format long, suma_trapecios
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Simpson compuesto
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
suma_simpson=0;
for i=1:n-1
if(mod(i,2)==1) % nodo impar
suma_simpson=suma_simpson+4*f(a+i*h);
elseif (mod(i,2)==0) % nodo par
suma_simpson=suma_simpson+2*f(a+i*h);
end
end
suma_simpson=(h/3)*(f(a)+f(b)+suma_simpson)
format long, suma_simpson
Figura 3.12: Método del trapecio y Simpson compuesto en MATLAB

IntegracionNumerica.m
mediante el método del trapecio y de Simpson compuesto con n = 10. Acotar el

error cometido.
Lo primero es desarrollar un programa en Matlab, ver Figura 3.12, para
efectuar los cálculos.
Al ejecutar este programa obtenemos
Z 1
2
e−x dx ≈ 0.632647238187291(Método de los trapecios compuesto)
0
Z 1
2
e−x dx ≈ 0.632120909589015(Método de Simpson compuesto)
0
Para acotar el error se tiene, por el ejercicio 3.7.6, tenemos que 6 es una cota
superior de f 00 (x) y que 76 es una cota superior de f (IV (x), por tanto:
(b − a)3 00 (1 − 0)3 6 −03 f IV ) (θ)(b − a)5 76(1 − 0)5

|Et | = − f (θ) ≤ − = 5.10 |Es | = − ≤ = 4.10−05
12n2 12(10)2 180n4 180(10)4
1.
S ESIÓN 38
Ejercicios
La curva que describe un cable elástico suspendido entre dos extremos
se denomina catenaria, ver figura 3.13, y viene definida por la función
coseno hiperbólico. Calcular mediante el método de los trapecios y Simpson
compuesto la longitud de catenaria de la anterior figura con una exactitud
inferior a un 1 milímetro. La función que describe la anterior catenaria es
f (x) = acosh(bx) donde a = 17 yb = 0.00586. Nota la variable x se mide en
metros. El ejercicio nos está pidiendo que calculemos la integral
y
−100 100
x
Figura 3.13: Catenaria
Z 100 p
L= 1 + f 0 (x)2 dx
−100
con un error inferior a 0.001 metros.
f 0 (x) = a · bsenh(bx)
p q
g(x) = 1 + [f 0 (x)]2 = 1 + (a · b)2 senh2 (bx)
clear
%%%%%%%%%%%%%
%%% Catenaria
%%%%%%%%%%%%%
syms x % definición de variable en cálculo simbólico
a=17; % Parámetro de la catenaria
b=0.0059; %Parámetro de la cantenaria
% derivada segunda de g(x)
g2=diff(sqrt(1+(a*b)^2* (sinh(b*x))^2 ),2 );
% derivada cuarta de g(x)
g4=diff(sqrt(1+(a*b)^2* (sinh(b*x))^2 ),4);
% conversión de expresiones simbólicas a funciones Matlab
Dg2 = matlabFunction(g2);
% conversión de expresiones simbólicas a funciones Matlab
Dg4 = matlabFunction(g4);
figure(1)
subplot(1,2,1),
% Representación de la segunda derivada en [-100,100]
fplot(Dg2,[-100,100])
title(’Derivada segunda de g(x)’,’interpreter’,’latex’,’FontSize’,12)
subplot(1,2,2),
% Representación de la derivada cuarta en [-100,100]
fplot(Dg4,[-100,100])
title(’Derivada cuarta de g(x)’,’interpreter’,’latex’,’FontSize’,12)
%Cálculo de los valores máximos tras analizar el dibujo
M2=Dg2(100)
M4=Dg4(100)
% Genera un fichero .eps con la imagen llamado fig40.eps
print -depsc2 -tiff ’fig40’
Figura 3.14: Derivación simbólica con MATLAB catenaria.m
Para cacular una cota del error en la integral se requiere calcular

el máximo absoluto de g 00 (x) y g (IV (x) en el intervalo [−100, 100]. Este
cálculo es tedioso y para evitarlo lo haremos mediante las posibilidades de
cálculo simbólico de Matlab. La figura 3.14 muestra el código para calcular
visualmente los máximos de estas funciones
Las derivadas son:
2 2 2 2
a2 b4 cosh(b x) a2 b4 sinh(b x) a4 b6 cosh(b x) sinh(b x)
g 00 (x) = q +q − 23
2 2 2
a2 b2 sinh(b x) + 1 a2 b2 sinh(b x) + 1 a2 b2 sinh(b x) + 1
Calculando la derivada cuarta

2 4
4 a2 b6 cosh(b x) 3 a4 b8 cosh(b x)
g (IV (x) = q − 23
2 2
a2 b2 sinh(b x) + 1 a2 b2 sinh(b x) + 1
2 4
4 a2 b6 sinh(b x) 3 a4 b8 sinh(b x)
+q − 23
2 2
2 2 2 4
22 a4 b8 cosh(b x) sinh(b x) 18 a6 b10 cosh(b x) sinh(b x)
− 2
3 + 25
2 2
4 2 4 4
18 a6 b10 cosh(b x) sinh(b x) 15 a8 b12 cosh(b x) sinh(b x)
+ 52 − 27
2 2
Los resultados obtenidos se muestran en la figura 3.15 y se obseva que el

máximo absoluto de las funciones buscadas es:
M2 = máx g 00 (x) = g 00 (100) = 6.2051 ∗ 10−07 (3.43)

x∈[−100,100]
M4 = máx g (IV (x) = g (IV (100) = 8.4467 ∗ 10−11 (3.44)

x∈[−100,100]
Calculemos el número de puntos necesarios que debemos tomar en el
−7 −11
x 10 x 10
6.5 8.5
8
6
7.5
5.5
7
5 6.5
6
4.5
5.5
4
5
3.5 4.5
−100 −50 0 50 100 −100 −50 0 50 100
Deri vad a segu n d a d e g(x) Deri vad a cu arta d e g(x)
Figura 3.15: Representación de g 00 (x) y g (IV (x)
método compuesto del trapecio

r
(b − a)3 00 (100 − (−100))3 2003 M2
|Et | = − f (θ) ≤ M2 ≤ 10−3 ⇒ n ≥ = 20.3389
12n2 12n2 12 ∗ 10−3
Modificando el fichero y aplicamos la regla del trapecio compuesta para

n = 21 obtenemos el valor aproximado de
L ≈ 200.1222 metros
Si la longitud de arco la queremos calcular con la regla compuesta de

Simpson, tendríamos:
41
f IV ) (θ)(b − a)5 M4 (100 − (−100))5 2005 M4
|Es | = − ≤ ≤ 10−3 ⇒ n ≥ ≈ 3.5
180n 4 180(n)4 180 ∗ 10−3
El valor de n tiene que ser par y mayor que 3.5 por lo que tomamos el valor
de n = 4 obtenemos
L = 200.12197 metros
Ejercicios
1. Calcular la longitud del arco de una parábola y = x2 entre los puntos
a = 0 y b = 1 con un error menor que 10−3 mediante el método de los
trapecios compuestos y la regla de Simpson compuesta.
3.8. Integrales impropias |215|
S ESIÓN 39
3.8. Integrales impropias

En la integral de Riemann hemos hecho dos hipótesis fundamentales:
i) La función está definida y acota en [a, b].
ii) El intervalo de integración es cerrado y acotado.
Aquí generalizaremos el concepto de integral de Riemann a intervalos no

actados (integrales impropias de primera especie) y/o funciones no acotadas
(integrales impropias de segunda especie).
Definición 3.8.1 (Integrales impropias de primera especie) Sea f una fun-

ción acotada e integrable en cualquier intervalo de la forma [a, M ] , entonces:
Z ∞ Z b
f (x)dx = lı́m f (x)dx.
a b→∞ a
i) Si este límite existe, diremos que la integral es convergente.
ii) Si vale ∞ diremos que es divergente.
iii) Si no existe el límite, diremos que no existe la integral.
De la misma forma definiremos:

Z b Z b
−∞ a→−∞ a
Definiremos:
Z ∞ Z c Z ∞ Z c Z b
f (x)dx = f (x)dx + f (x)dx = lı́m f (x)dx + lı́m f (x)dx.
−∞ −∞ c a→−∞ a b→∞ c
donde c es un punto arbitrario. Diremos que la integral es convergente si

existen y son finitos los anteriores dos límites, diremos que que es divergente
si al menos uno de los límites es infinito. En otro caso, se dice que no existe la
integral.
Ejemplo 3.8.2 El carácter de una integral es decir si es convergente,

divergente o no existe. Justificar el carácter de la siguiente integral:
Z ∞
xcox(x)dx
0
Z ∞ Z t
xcox(x)dx lı́m x cos x = lı́m cos(t) + t sin(t) − 1
0 t→+∞ 0 t→+∞
Como el anterior límite no existe la integral impropia tampoco existe.
Ejemplo 3.8.3 Estudiar el carácter de la siguiente integral

Z +∞
dx ∞ si p ≤ 1
:= 1
1 x p
p−1 sip > 1
A continución damos criterios que permiten saber el carácter de una integral

impropia comparándola con otra integral conocida. Estos criterios son apli-
cables únicamente a integrales con integrando positivo. Los enunciaremos
para el caso en el extremo superior sea ∞ y su aplicación a los otros casos
es inmediata.
Teorema 3.8.4 (Criterio de comparación) Sea f (x) ≥ 0 y g(x) ≥ 0 para todo
x ∈ [a, ∞]
R∞
1. Supongamos que f (x) ≤ g(x), si a g(x)dx es convergente entonces la
R∞
integral a f (x)dx también es convergente.
R∞
2. Supongamos que f (x) ≤ g(x), si a f (x)dx es divergente entonces la
R∞
integral a g(x)dx también es divergente.
f (x)
3. Si lı́m = A ∈ R − {0}, entonces ambas tienen el mismo carácter.
b→∞ g(x)
R∞
Definición 3.8.5 (Absolutamente convergente) Se dice que la integral f (x)dx
R∞ a
es absolutamente convergente si −∞ |f (x)|dx es convergente.

Z +∞
sin(x)
dx
−∞ 1 + x4
Veamos si es absolutamente convergente la siguiente integral impropia
Z +∞
sin(x)
dx
0 1 + x4
Nos preguntamos si Z +∞
sin(x)
dx
0 1 + x4
es convergente. Se tiene
sin(x) |sin(x)| 1 1
4
= 4
≤ 4
≤ (3.45)
1+x 1+x 1+x 1 + x2
Calculemos el carácter de la anterior integral

Z +∞ Z t
1 1 π
2
dx = lı́m 2
dx = lı́m atan(t) − 0 =
0 1+x t→+∞ 0 1+x t→+∞ 2
por tanto es convergente y el criterio de comparación nos permite garantizar

R +∞ sin(x)
que 0 1+x4 dx es absolutamente convergente. Análogamente se prueba la
R0
convergencia absoluta de −∞ sin(x)
1+x4 dx

Z ∞
e−x sin(x)dx
0
1. Estudiar las siguientes integrales impropias:

Z ∞ Z ∞
1
(a) log x dx, (b) dx,
Z 0∞ Z−∞ 1 + x2
∞
1
(c) e−|x| dx, (d) a
dx, a > 0,
−∞ a x
Z ∞ Z 1
1
(e) x cos x dx, (f) p
dx,
0 0 x
Z ∞
(g) xe−ax dx.
0
S ESIÓN 40
Ahora extenderemos la definición de integral para funciones no acotadas.
Definición 3.8.8 (Integrales impropias de segunda especie) Sea f (x) una

función no acotada en el punto x = a, e integrable en todos los intervalos de la
forma [c, b] ⊂ (a, b], entonces:
Z b Z b
a →0 a+
i) Si este límite existe, diremos que la integral es convergente.
ii) Si vale ∞ diremos que es divergente.
iii) Si no existe el límite, no hay integral.
De la misma forma definimos el concepto de integral para funciones f (x) que

no están cotadas en x = b
Z b Z b−
a →0 a
Si f (x) no está acotada en x = c con a < c < b

Z b Z c−1 Z b
f (x)dx = lı́m f (x)dx + lı́m f (x)dx.
a 1 →0 a 2 →0 c+
2
Será convergente si existen y son finitos los dos límites del segundo
miembro y será divergente si uno al menos es infinito. En otro caso se dice
que no existe la integral
Observación 3.8.9 Puede ocurrir que el segundo miembro de (3) sólo exista
cuando 1 =2 , en ese caso al límite le llamaremos valor principal de la integral.
Ejemplo 3.8.10 Se define la función Gamma de Euler

Z ∞
Γ(p) := xp−1 e−x dx
0
vamos a analizar para que valores de p es convergente. Estudiemos el carácter

de la integral impropia
Z 1
Γ(p) := xp−1 e−x dx
0
Es una integral impropia con integrando positivo, por lo que aplicamos el

criterio
xp−1 e−x
lı́m+ =1
x→0 xp−1
Por lo que tiene el mismo carácter que la integral
Z 1 Z 1 1
p−1 p−1 xp tp
x dx = lı́m x dx = lı́m = 1 − lı́m
0 t→0+ t t→0+ p t t→0+ p
El límite anterior existe si p > 0. Estudiemos la integral

Z +∞
xp−1 dx
1
R +∞
En el ejemplo 3.8.6 se vió que la integral 1
1
x2 dx es convergente. Además se
tiene:
xp−1 e−x xp+1

lı́m 1 = lı́m xp+1 e−x = lı́m =0
x→+∞ x→+∞ x→+∞ ex
x2
Por tanto este tramo de la integral es convergente para todo valor de p y por
tanto la integral Gamma de Euler converge para todo p > 0.
También se puede demostrar que Γ(1) = 1 y que Γ(p) = (p − 1)Γ(p − 1) y
esta función permitiría extender el factorial de un número natural a números
arbitrarios p.
1.
Ejemplo 3.8.11 Justificar el siguiente carácter de la integral:

Z 1
dx ∞ si p ≥ 1
:= 1
0 x p
1−p sip < 1
Los mismos criterios que en la de primera especie, teniendo en cuenta

aquí que en el criterio de paso al límite, el límite tendremos que calcularlo en
el punto donde la función no esté acotada.
S ESIÓN 41
1. ¿Por qué no es cierto el siguiente resultado?

Z 1 1
1 1
dx = − = −1 − 1 = −2
−1 x2 x −1
2. Decidir la convergencia de las integrales impropias siguientes:

Z ∞ Z ∞
log x 1
(a) 2 )2
dx, (b) 2 + x4
dx,
(1 + x −∞Z1 + x
Z1 ∞ 2 2
1 + 6 cos(2x) 1+x
(c) 2 3
dx, (d) √ dx,
2 x + 3x 0 2−x
Z ∞
sen x
(e) dx.
−∞ 1 + x4
3. Decidir la convegencia de la integral impropia siguiente. En caso de ser

convergente, encontrar su valor:
Z π/4
tan x(1 + tan2 x)
I= √ dx.
0 1 − tan x
4. Calcula el valor de la siguiente integral impropia en caso de ser

convergente Z ∞
log x − 1
dx.
e x2
Ejercicios del Capítulo Resueltos

1. Sea f una función continua tal que
Z x
t · f (t)dt = x · sen(x) − cos(x)
0

Calcula razonadamente f π2 y f 0 π2
Solución: Como f es continua la función tf (t) es producto de funciones
continuas y es continua, aplicando el primer teorema fundamental del
cálculo para calcular la derivada de lado de la izquierda, obtenemos la
relación:
F 0 (x) = xf (x) = senx + x cos x + senx = 2senx + x cos x (3.46)

De la que obtenemos:
2senx + x cos x
f (x) = ⇒ f (π/2) = 4/π (3.47)
x
Derivando la expresión (3.46)

3 cos x − xsenx − f (x)
f (x) + xf 0 (x) = 2cosx + cos x − xsenx ⇒ f 0 (x) =
x
(3.48)
Evaluando la expresión anterior en π/2
0 − π/2 − 4/π π2 + 8
f 0 (π/2) = =−
π/2 π2
3. Calcular la derivada de
Z x2
f (x) = x2 sen(t2 )dt
−x2
Solución: Aplicando el teorema fundamental del cálculo, la regla de

la cadena y la fórmula de derivación de un producto de funciones,
obtenemos: Z 2 x
f 0 (x) = 2x sen(t2 )dt + 4x3 sen(x4 )
−x2
4. a) Calcular el valor de la integral

Z 1
e|3x+1| dx
−1
b) Sea
Z x2
F (x) = e|3t+1| dt
−1
calcular la recta tangente a la gráfica de F en el punto x = 1.

Solución:
a)
Z 1 Z −1/3 Z 1
e|3x+1| dx = e−3x−1 dx + e3x+1 dx =
−1 −1 −1/3
−1/3 1
−1 −3x−1 1 3x+1 1 e2 e4 1
e + e =− + + −
3 −1 3 −1/3 3 3 3 3
b) La expresión de la recta tangente es
y = F (1) + F 0 (1)(x − 1) (3.49)
Aplicando el primer teorema fundamental del Cálculo, como el

integrando es una función continua, tenemos
F 0 (x) = e|3x +1|

2
2x ⇒ F 0 (1) = 2e4 (3.50)
Finalmente,
1 2
y= e + e4 − 2 + 2e4 (x − 1) (3.51)
3
5. Calcular
Z
(a) x2 log(x)dx
Z
dx
(b)
1 + 2sen(x)
Solución:
a) Aplicando el método de integración por partes:

Z
1 1
x2 log(x)dx = x3 log(x) − x3
3 9
b) Haciendo el cambio de variable tan(x/2) = t, obtenemos:

Z Z
dx dt
=2 2
1 + 2sen(x) t + 4t + 1
Aplicando la descomposición en fracciones simples:

Z Z √ Z √
dt 1 3dt 1 3dt
2 2
= √ − √
t + 4t + 1 3 t+2− 3 3 t+2+ 3
Integrando y deshaciendo el cambio de variable obtenemos el

resultado:
Z √ √ !
dx 3 tan(x/2) + 2 − 3
= log √
1 + 2sen(x) 3 tan(x/2) + 2 + 3
6. Calcular
Z Z
sen3 xdx
(a) (b) x · arctag(x)dx
1 + cos2 x
Solución:
(a) Aplicando el cambio de variable cos(x) = t, obtenemos que senxdx =
−dt
Z Z Z
sen3 xdx sen2 xsenxdx (1 − cos2 x)senxdx
= =
1 + cos2 x 1 + cos2 x 1 + cos2 x
Z 2 Z
(1 − t )dt 2
=− 2
= 1− 2 dt = t − 2arctagt = cos x − 2arcotag(cos x)
1+t t +1
(b) Aplicando integración por partes

dx
u = arctagx ⇒ du =
1 + x2
1
dv = xdx ⇒ v = x2
2
Z Z
x2 · arctag x 1 x2 dx
x · arctag(x)dx = −
2 2 1 + x2
Z
x · arctag x 1
2
dx x · arctag x 1
2
1
= − 1− = − x + arcotag (x)
2 2 1 + x2 2 2 2
Ejercicios del Capítulo

1. Calcular el volúmen del sólido engendrado al girar la función f (x) sobre
el eje de ordenadas si f (x) = x1/4 , x ∈ [0, 1].
2. Dibujar la región comprendida entre las gráficas de f , g y el eje X.
Calcular el volúmen del sólido que se genera al hacer girar en torno
al eje X dicha región en los casos siguientes:
√
a) f (x) = x2 , g(x) = x, x ∈ [0, 1].
√
b) f (x) = x, g(x) = 1 − x2 , x ∈ [0, 1].
√
3. Dibujar las gráficas de f (x) = x y g(x) = x2 en el intervalo [0,2]. Hallar
un número t tal que cuando la región comprendida entre f y g en
el intervalo [0, t] gira en torno al eje X genera un sólido de volúmen
V = 31 πt3 .
4. Calcular el volúmen de un elipsoide de revolución de semiejes a y b.
Aplicar el resultado para calcular el volúmen de una esfera de radio R.
2 2
(Ayuda: la ecuación de una elipse de semiejes a y b es xa2 + yb2 = 1.)
5. >Que volúmen de material se quita de una esfera de radio 2r cuando se
atraviesa con un taladro, formando un agujero centrado de radio r?
6. Hallar la longitud de una elipse de semiejes a y b a partir de su

definición. Aplicarla para encontrar la longitud de la circunferencia.
x3
7. Hallar la longitud de la curva definida por la función f (x) = 3 + 1
4x en
el intervalo x ∈ [1, 2].
8. Dibujar y encontrar la longitud de la curva definida por las ecuaciones

paramétricas x(t) = t − sen t, y(t) = 1 − cos t con t ∈ [0, 2π].
√
9. Hallar el área de la superficie obtenida al hacer girar la curva y = x en
el intervalo x ∈ [0, 1] en torno al eje X.
10. Calcular el área de la superficie generada al hacer girar la función

3/2
f (x) = 31 x2 + 2 en el intervalo [0,3] en torno al eje X
11. Demostrar que si se corta una pieza de pan esférica en rebanadas de

igual anchura todas tienen la misma cantidad de corteza.
Una introducción a MATLAB
4
P RÁCTICA NÚMERO 1
Introducción al MATLAB
Matrices y vectores
Los llamados vectores permiten almacenar colecciones de datos. Por
ejemplo
»a=[3 2 1]
define un vector fila denominado a que consta de 3 componentes. En
cada una de las componentes se almacena un número. Si hubieramos
deseado introducir un vector columna cada uno de los números tendría
que estar separado por ;
»b=[3; 2; 1]
El producto de matrices se denota por *
»C=a*b
y se comprueba que no es conmutativo
»d=b*a
En cualquier momento podemos emplear los vecores ya definidos. Por
ejemplo
»sqrt(a)
calcula la raíz cuadrada de los elementos del vector a.
Si queremos hacer operaciones aritmética +,-, * ,/ componente a
componente debemos preceder el símbolo por un punto .
»a./2
dividirá las componentes del vector a por 2.
Si se quiere referir a una componente de un vector determinado se indica
con nombrevector(posicion). Por ejemplo si queremos cambiar el valor de
la primera componente del vector a al valor 10, escribiremos:
225
|226| CAPÍTULO 4. UNA INTRODUCCIÓN A MATLAB
»a(1)=10
Una forma de crear rápidamente un vector es con la instrucción
a:incremento:b. Genera un vector con los números comprendidos en [a, b],
iniciándose en a y espaciados la cantidad incremento. Por ejemplo
»x=0:0.1:1
Genera el vector x = [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1]
Una matriz es un vector de vectores. Por ejemplo si escribimos
»B=[1 2 3; 4 5 6; 7 8 9]
Introducimos una matriz llamada B. A esta matriz (vector de vectores) le
podemos añadir nuevos vectores filas o columna. Por ejemplo si quisiéramos
añadir el vector columna b a la matriz B lo haríamos con la sentencia:
»D=[B ,b]
Si queremos añadir una nueva fila a la matriz B escribiríamos la
sentencia:
»E=[B;a]
Notar que en las dos expresiones anteriores podíamos usar el nombre del
vector o su definición explícita. Notar además que b es un vector columna y
que a es un vector fila.
Visualización 2D
En esta sección analizaremos los gráficos en 2 dimensiones. Los gráficos
en dos dimensiones más básicos consisten en unir consecutivamente un
conjunto de puntos (xi , yi ). Consideremos el siguiente ejemplo
»x=[1.5 2.2 3.3 4.4 5.8 6.7 7.3 8.3];
»y=[2.5 3.4 4.3 4.4 6.8 3.7 2.3 1.3];
la sentencia siguiente dibuja consecutivamente los anteriores puntos
(x(i),y(i))
»plot (x,y)
Se puede especificar un formato a las gráficas mediante la sentencia:
»plot(x,y,’caracteres’)
’caracteres’ es un string que contiene las especificaciones del color, del
tipo de marca y del tipo de línea del dibujo. Por ejemplo
»plot(x,y,’r+-’) dibujaría la gráfica en rojo, empleando como marcas
el símbolo + y haciendo un trazo discontinuo. Estos argumentos se puede
escribir en cualquier orden.
Además si suprimimos la indicación del tipo de línea plot(x,y,’r+’) no
dibujaría la línea entre los puntos.
También se pude poner varias gráficas a la vez. Por ejemplo:
»plot(x,y,’r+-’,a,b,’r-’)
dibujaría dos gráficas, la asociada a (xi , yi ) y a (ai , bi ).
El comando plot también acepta como entrada una matriz en lugar de un
vector. Si denotamos X e Y dos matrices, las siguient expresión plot(x,Y)
dibujaría simultáneamente todas las columnas de Y respecto a la variable
x. Si hubieramos escrito plot(X,Y) dibujaría todas las columnas de X
con todas las columnas de Y. Si solamente recibe un argumento plot(Y)
dibujaría todos los vectores respecto a los índices, esto es, representaría una
sucesión.
|227|
Marca
o círculo
* asterísco
Color
. punto
r rojo
+ más
g verde Estilo de línea
x cruz
b azul - línea solida
s cuadrado
c cian - línea discontinua
d diamante
m magneta : línea punteada
ˆ triángulo superior
y amarillo -. línea punto
v triángulo inferior
k negro
> triángulo derecha
w blanco
< triángulo izquierda
p estrella 5 puntas
h estrella 6 puntas
Figura 4.1: Opciones del comando plot
Los mandatos LineWidth permite cambiar el grosor de la líneas, con

MarkerSize el tamaño, MarkerEdgeColor el contorno de las marcas y
MarkerFaceColor el relleno de la marca.
plot(x,y,’LineWidth’,3,’MarkerSize’,5, ’MarkerFaceColor’,’g’)
La tabla 4.2 recoge ciertas funciones para gestionar los ejes y anotaciones
de las figuras. Las tabla 4.3 muestra algunos comandos para gestionar las
ventanas de dibujo.
Hasta aquí se ha visto el mandato plot pero existen muchas otras
funciones para realizar gráficos en 2 dimensiones. La tabla 4.4 recoge alguna
de estas funciones:
Se puede hacer varios dibujos en la misma figura. Cada uno de estos
dibujos puede realizarse con una función de la tabla 4.4. Esta posibilidad es
mediante el comando
»subplot(m,n,p)
se particiona la figura de dibujo en una matriz m × n y mediante el
parámetro p se elige una de las m ∗ n celdillas. Por ejemplo subplot(4,2,7)
se refiera a la gráfica de la posición (4, 1). Si escribimos:
»subplot(2,1,1), fplot(’sin(x)’,[0, 2*pi],’-’)
»subplot(2,1,2), fplot(’cos(x)’,[0, 2*pi],’-’)
Alternativavemente a la función fplot se puede dibujar funciones
elementales a partir de la construcción de una tabla de datos. Por ejemplo
si quisieramos dibujar la función y = cos(x) en el intervalor [−π, π]
escribiríamos:
»x=-pi:0.1:pi, ycos=cos(x), plot(x,ycos)
Las instrucciones vienen separadas por una coma. La primera instrucción
crea un vector denominado x que cuya primera componente es −π y el resto
de coordenadas van aumentando su valor en 0.1 unidades hasta sobrepasar
el valor de π. La segunda instrucción crea el vector ycos que contiene los
axis ([xmin xmax y min ymax]) límites de los ejes x e y

axis auto límites de los ejes por defecto
axis equal estandariza las unidades de los ejes x-
, y- z-
axis on/off inserta/elimina los ejes
grid on/off inserta/elimina una rejilla en la figura
axis square hace una caja cuadrada de ejes
axis tight fija los ejes relativos a un conjunto de
datos
xlim([xmin xmax]) fija los límites del eje x-
ylim([ymin ymax]) fija los límites del eje y-
box off elimina el cuadrado que enmarca la
figura
legend(’expr1’,..,’exprn’,n) leyenda de la figura. n =
{−1, 0, 1, 2, 3, 4} cambia posición?
xlabel(’texto x’,opciones) escribe el titulo eje x- con opciones
ylabel(’texto y’,opciones) escribe el titulo eje y- con opciones
title(’texto figura’,opciones) escribe el titulo de la figura con opcio-
nes
text(x,y,’texto’,opciones) inserta en la posición (x,y) el texto con
opciones
Figura 4.2: Ejes y anotaciones
hold on incluye todos los dibujos en una figura

hold off deriva cada comando plot a figuras
diferentes
clf limpia la figura actual
close cierra la figura
close all cierra todas las figuras
figure(n) crea la figura n
Figura 4.3: Algunos comandos para gestionar las ventanas de figuras 2D
valores de la función coseno evaluada componente a componente en el vector

x. Finalmente dibujamos la taba de datos x,ycos.
Help
Una forma rápida de consultar las posibilidades y sintaxis de una deter-
minada función de MATLAB es utilizar la función help help NombreFuncion
(ejemplo: help plot). También se puede utilizar la interfaz gráfica para buscar
ayuda entrando en Help-Product Help.
M-Ficheros
La forma natural de trabajar con Matlab es a través de los llamados M-
ficheros. Estos ficheros contienen un conjunto de instrucciones Matlab que
se pueden invocar su ejecución desde la línea de comandos. Trabajar con
este tipo de ficheros ahorra tiempo en el desarrollo del programa definitivo,
|229|
plot Dibujo básico 2D

loglog Dibujo 2D con escalas logarítmicas
semilogx Dibujo 2D con escala logarítmica eje
x-
semilogy Dibujo 2D con escala logarítmica eje
y-
semilogx Dibujo 2D con escala logarítmica eje
x-
plotyy Dibujo 2D con ejes y- a la izquierda y
derecha
polar Dibujo 2D en coordenadas polares
fplot Dibuja automáticamente una función
ezplot Versión sencilla de fplot
ezpolar Versión sencilla de polar
fill Rellena un polígono
area Rellena el área de una gráfica
bar Gráfico de barras
barh Gráfico de barras horizontal
hist Histograma
pie Gráfico de tarta
scatter Gráfico de puntos
Figura 4.4: Funciones para hacer gráficos 2D
permitiendo introducir modificaciones y ejecutarlas instántaneamente. Ade-

más permiten grabar exactamente lo que se hizo y poderlo reproducir en otra
ocasión, por uno mismo o por otros compañeros. Además se pueden crear
utilidades que son reutilizables. Este tipo de ficheros son de dos tipos:
- Scripts. Son un conjunto de instrucciones que no necesitan unos datos

de entrada y operan con las variables allí contenidas.
- Funciones. En estos ficheros se introducen/devuelven datos. El resto
de datos son de uso local (interno a la función) y no son accesibles
desde el resto de los M-ficheros.
Los M-ficheros se pueden crear con cualquier editor de texto. Es

recomendable el propio editor de Matlab. Una vez creado para poderse usar
debe estar en una lista de directorios de búsqueda. Con el comando path se
puede ver el actual directorio de búsqueda. Desde la ventana se puede elegir
un directorio de búsqueda.
A continuación listamos un pequeño ejemplo de M-fichero (script) para
dibujar la función y = sen(x) e y = cos(x) en el intervalo [−π, π] y dibujadas
en dos gráficas separadas.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% E j e m p l o d e M f i l e
% Este fichero es un script que dibuja la funcion
% seno y coseno en el intervalo [-pi,pi]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% El signo % (porcentaje) permite introducir comentarios

% Generamos valores de la variable independiente x
% en el intervalo [-pi,pi] espaciados 0.1 unidades
x=-pi:0.01:pi;
% calculamos las imagenes del seno y coseno y lo almacenamos en el
% vector yseno e ycoseno
yseno=sin(x);
ycoseno=cos(x);
% Dibujamos dos figuras. Una contiene la gráfica de la función
% seno y la otra de la función coseno. Las gráficas se dibujan en
% negro, con un grosor de 2 unidades y los puntos unidos.
subplot(1,2,1),plot(x,yseno,’k-’,’LineWidth’,2)
subplot(1,2,2),plot(x,ycoseno,’k-’,’LineWidth’,2)
Figura 4.5: Ejemplo de M file: EjemploMfile.m
-
|231|
G UIÓN DE LA PRÁCTICA
1. Dibuja un cuadrado de vértices (1, 1), (1, −1), (−1, −1), (−1, 1)
2. Se considera la siguiente matriz:

cos α senα
R(α) :=
−senα cos α
Esta matriz permite rotar el punto (x2 , y2 )T un ángulo α en el sentido

de las agujas del reló como ilustra la siguiente figura: Construye una
Rotación de un punto
(x2,y2)
! (x1,y1)
Eje Y
Eje X
Figura 4.6: Resultado del script RotacionPunto.m
función que dado el punto x = (x2 , y2 )T y el ángulo α te calcule el punto

rotado (x1 , y1 ) mediante la expresión:

x2 cos α senα x1
=
y2 −senα cos α y1
3. Construye un M-fichero de Matlab que dibuje un cuadrado rotado un

ángulo α en el sentido de las agujas del reló.
4. Construye un M-fichero de Matlab que dibuje un polígono regular de n
lados.
E JERCICIOS PROPUESTOS
1. Define una matriz 5 × 5 de doses.

2. Introduce los vectores (1, 2, · · · , 100), (sin(1), sin(2), · · · , sin(100)), (0, 0.1, 0.2, , · · · , 10).
3. Dado un valor de n, crea un M-fichero para definir la siguiente matriz:

 
1 2 3 ··· n
 n + 1 n + 2 n + 3 · · · 2n 
A= 


···
n(n − 1) + 1 n(n − 1) + 2 n(n − 1) + 3 · · · n2
4. A partir de la matriz anterior y para n = 5 intercambia la fila 1 con la

fila 4. Haz lo mismo con las columnas 3 y 5.
5. Calcula el valor de A + A2 + A3 .
6. Calcula las gráficas de las funciones y = cos(x), y = sin(x) e y = tan(x)
sobre una misma figura en el intervalor [0, 2π].
7. Emplea el comando subplot para repetir el ejercicio anterior pero en
una única figura con las tres gráficas separadas.
|233|
Programación I
Operadores relacionales y lógicos

En la realización de programas se requiere de operadores lógicos y
relacionales que evalúan si una cierta expresión es verdadera o falsa.
En función del resultado obtenido se realizará un conjunto de sentencias
diferentes. Los operadores relacionales empleados por Matlab son:
Operadores relacionales
== igual
∼ = no igual
> mayor que Operadores lógicos
< menor que & y lógico
>= mayor o igual | o lógico
∼ negación lógica que
xor o exclusivo lógico
all verdadero si todos los
elementos son no nulos
any verdadero si alguno de los
elementos son no nulos
Figura 4.7: Operadores relacionales y lógicos
Veamos algunos ejemplos si quisieramos testar si un número b cumple la

relación a ≤ b ≤ a2 se pueden testar del siguiente modo:
»a=2;b=3; (a <= b) & (b<= a*a)
la respuesta sería ans=1 que indica que es verdadera para dicho par de
números.
Estos operadores también trabajan sobre vectores y matrices, evaluando
componente a componente. Considérese el siguiente ejemplo construido
utilizando la función ones(n) que genera una matriz de orden n × n llena
de unos:
»A=[1 2 ; 3 4]; B=2*ones(2)
»A==B
Respondería una matriz con tres 0 y un 1 que indicaría que solo la
componente (1, 2) coincide.
Bucles
Los bucles for son instrucciones que permiten ejecutar un bloque de
instrucciones para diferentes valores de ciertas variables. La estructura de
estas sentencias son:
for ”variable”=”expresión”
instruccion 1
···
instruccion n
end
La forma habitual para ”expresión” es del tipo i:s:j que significa que
”variable” iniciará su valor en i hasta alcanzar el valor j, aumentando su
valor de s en s unidades. Por ejemplo si queremos sumar los números
impares comprendidos en el intervalo [1, 100] escribiríamos:
»suma=0; for i=1:2:100, suma=suma+i;end, suma
Notar que cuando la instrucción se introduce en la líneas de comandos
en lugar de situarse en un m-fichero se separa por comas.
Si se omite el argumento s los incrementos serán de uno en uno.
Por ejemplo si quisieramos sumar los cien primeros números naturales
escibiríamos:
»suma=0; for i=1:100, suma=suma+i;end, suma
Otra forma de definir la ”expresión” es mediante los vectores []. Por
ejemplo si queremos obtener una tabla de valores de la función f (x) = x2
para los datos contenidos en el vector [0 0.5 1] escribiríamos:
»for x=[0 0.5 1], disp([x x*x]), end
Se pueden anidar múltiples bucles. Por ejemplo si queremos construir
una matriz 5 × 5 que en la posición (i, j) contenga el valor (−1)i+j
escribiríamos:
n=5; A=eye(n);
for i=1:n
for j=1:n
A(i,j)=(-1) ˆ(i+j)
end
end
Si el número de veces que se debe ejecutar un conjunto de sentencias no
es conocido a priori se puede recurrir al bucle while. Este tiene la forma:
while ”condición”
instruccion 1
···
instruccion n
end
Este conjunto de sentencias se ejecutará mientras ”condición” sea
verdadera. Por ejemplo si quisiéramos escribir los números cuadrados
perfectos menor que 1000 escribiríamos:
n=1;
while (nˆ2<1000)
disp(nˆ2),
n=n+1;
end
|235|
Control de flujo
En la ejecución de programas ciertas instrucciones deben ejecutarse
dependiendo de ciertas circunstancias. Esto se puede controlar mediante
la instrucción if. Esta tiene la siguiente estructura:
if condición
instruccion 1
···
instruccion n
end
También se puede particionar la ejecución de un programa en bloques
de instrucciones que se ejecutan según cierto conjunto de condiciones. La
estructura es:
if (condición 1)
Bloque 1 de instrucciones
elseif (condición 2)
Bloque 2 de instrucciones
···
else
Bloque n (último) de instrucciones
end
El siguiente script implementa un código para dibujar la gráfica de la
función valor absoluto en el intervalo [−1, 1]:

−x si x < 0
|x| :=
x si x ≥ 0
Programación en MATLAB
MATLAB es un lenguaje interpretado. Esto significa que para ejecutar una
instrucción ésta debe ser leída y descodificada antes de efectuar su acción.
Para ahorrar tiempo de ejecución es fundamental trabajar con expresiones
vectoriales. Esta forma de programar la vamos a ilustrar con un ejemplo.
Vamos a dar una programación alternativa del M-fichero que dibuja el valor
absoluto.
Una función importante para trabajar con vectores es la instrucción find
que devuelve las coordenadas (o índices) de un vector cuyos valores son no
ceros. Por ejemplo,
»x=[1,0,2,0,4,-inf];f=find(x)
devuelve el valor f=[1,3,5,6] que son las cuatro componentes diferentes
de cero. También se puede utilizar par extraer estas componentes con la
instrucción x(f). También se puede aplicar esta instrucción a matrices.
A partir de una determinada matriz se forma un vector consistente en
concatenar todos los vectores columnas y trabaja sobre el vector resultante:
»A=[1 1 1;2 2 2];B=[2 2 2;1 1 1]; f=find(A<B)
la respuesta obtenida es f=[1 3 5] y se puede emplear para cambiar el
valor de estas coordenadas por ejemplo
»A(f)=0
que pondrá su primera fila a cero.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% E j e m p l o V A L O R A B S O L U T O
% Este script gráfica del valor absoluto en [-1,1]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
x=-1:0.1:1;
y=[];
n=length(x);
for i=1:21
if (x(i) <0)
y(i)=-x(i)
else
y(i)=x(i)
end
end
plot(x,y,’-k’,’LineWidth’,2);
Figura 4.8: Script para dibujar la gráfica del valor absoluto valorabsolu-
to1.m
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% E j e m p l o V A L O R A B S O L U T O
% Script alternativo para dibujar la gráfica del
% valor absoluto en [-1,1]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
x=-1:0.1:1
y=x;
y(find(x<0))=-x(find(x<0));
plot(x,y);
Figura 4.9: Script alternativo para dibujara la gráfica del valor absoluto
valorabsoluto.m
Por ejemplo para dibujar la función valor absoluto con un programación

vectorial podemos hacer el siguiente M-Fichero:
|237|
1. Modelo A. Considérese el siguiente modelo matemático para describir

la evolución de la población de ballenas
P (t + ∆t) = P (t) + [(N − Mn )P (t) − Mp (P (t))] ∆t
donde
t: es la variable tiempo t.
∆t: Intervalo de tiempo entre dos instantes en los que se analiza el
sistema.
N : Tasa anual de nacimientos por ballena. Si multiplicamos por 1000
esta tasa, el valor 1000N representaría el número de nacimientos
habidos en un año por cada 1000 ballenas existentes.
M n: Tasa anual de muertes por ballena. Es equivaltente a la tasa de
natalidad pero para la mortalidad de las ballenas.
M p: Ballenas pescada anualmente. Es una decisión que depende del
número ejemplares existentes.
P (t): Número de ballenas en el instante t.
Esta ecuación dice que el número de ballenas que hay en el instante
t + ∆t son las que había en el instante t más las que han nacido menos
las que han muerto por muerte natural o por pesca.
Esta ecuación nos permita obtener puntos de gráfica de la función P (t)
(evolución de la población de ballenas en el tiempo). Estos puntos se
guardaran en un vector para posteriormente dibujarlos.
ti = t0 + i∆t
Pi = P (ti )
M pi = M p(Pi )
Modelo A Pi+1 = Pi + [(N − M n)Pi − M pi ] ∆t
La ecuación anterior es un ejemplo de sucesión recursiva en el que el

valor del término (i+1)−ésimo se calcula en función del témino i−ésimo.
Se quiere aplicar el anterior modelo para estudiar las siguientes
políticas de pesca:
POLÍTICA I: M p(x) := 0 (se prohibe la pesca de ballenas)
POLÍTICA II: M p(x) := 3000 (sistemáticamente se permite la pesca de
3000 ejemplares)
POLÍTICA III: M p(x) := 0.1x (se captura anualmente el 10 % de los
ejemplares existentes).
POLÍTICA IV: M p(x) := min(2000, 0.1x) (se permite a la industria

pesquera la captura anual del 10 % de los ejemplares garantizándole
una captura mínima de 2000 ejemplares)
Considerese el siguiente conjunto de parámetros:
∆t = 0.25 año
N = 2485/22500
Mn = 1125/22500
P0 = 25000
Ejercicio. Construye una función Matlab para calcular la evolución de

la población de ballenas en los próximos 25 años. Representa simúl-
taneamente las cuatro políticas consideradas. ¿Qué comportamientos
son pocos realistas? ¿Cual es la cantidad máxima de capturas que no
conduce a la extinción de las ballenas?
2. Modelo B. Ahora introduciremos dos nuevos factores en el modelo.
Supondremos que si la población de ballenas es demasiado elevada
los recursos alimenticeos empiezan a escasear y la tasa normal de
mortalidad empieza a incrementarse de acuerdo con el siguiente
multiplicador:

 1 si P ≤ 30000
P −30000
M ultM (P ) := 1+2 30000 si 30000 ≤ P ≤ 60000
 P −60000
3+4 60000 si P ≥ 60000
Este multiplicador indica que a partir de 30000 ejemplares la tasa
de mortalidad se empieza a incrementar (muerte por desnutrición)
proporcionalmente llegando a una tasa tres veces más elevada en los
60000 ejemplares. Esta tasa proporcionalidad se duplica al sobrepasar
los 60000 ejemplares.
Por otro lado supondremos que si la población de ballenas es demasiado
pequeña existen dificultades en encontrar parejas reproductoras entre
las ballenas y este hecho influye en la tasa de natalidad de acuerdo al
siguiente multiplicador:
P
15000 si P ≤ 15000
M ultN (P ) :=
1 si P ≥ 15000
Este multiplicador indica que a partir de los 15000 ejemplares el efecto

de la escasez de ballena empieza a aparecer. Asumimos un efecto
proporcional, llegando a no reproducirse cuando no existen ejemplares.
El modelo resultante queda:
P (t + ∆t) = P (t) + [(N ∗ M ultN (P (t)) − Mn ∗ M ultM (P (t)))P (t) − Mp (P (t))] ∆t
O expresado como una sucesión recursiva:

|239|
Modelo B Pi+1 = Pi + [(N ∗ M ultN (Pi ) − Mn ∗ M ultM (Pi ))Pi − M pi ] ∆t
Ejercicio. Introducir estas modificaciones en el modelo y simular nue-

vamente los anteriores escenarios. Hacer dos dibujos simultáneamente
para cada uno de los modelos.
1. Haz un M-fichero para sumar dos matrices de dimensión 2 × 3 definidas

anteriormente.
2. Modifica el anterior fichero para que las matrices sean solicitadas al
usuario. Ayuda funcion x=input(’Entre un número: ’);
3. Modifica el programa para que el usuario entre las matrices A y B de
una sola vez y devuleva la matriz C = A + B.
4. Crea un M-fichero para calcular el elmento mínimo de una matriz, la
columna y la fila donde se encuentra.
5. Modifica el M-fichero anterior para mostrar todos los elementos
mínimos en caso de alcanzarse en varias celdillas de la matriz.
6. Dibuja la siguiente función definida a trozos:

 1+x si x ≤ 0
ex si 0 ≤ x ≤ 1

e + e(x − 1) + 2e (x − 1)2 si 1 ≤ x
|241|
El concepto de función
Históricamente el concepto de función ha estado asociado a una fórmula

explícita del tipo y = f (x). Ejemplos de estas funciones son las funciones
polinómicas como f (x) = x2 + x + 1 o f (x) = x3 + 1 o funciones trigonométricas
del tipo f (x) = cos x o f (x) = sen x. La llegada de los ordenadores ha
permitido trabajar con expresiones mucho más generales y trabajar con
funciones sin fórmula, sino como procesos que permiten asignar a un objeto
matemático a otro objeto, no necesariamente del mismo tipo. El programa
Matlab recoge todas estas posibilidades.
Consideremos la siguiente fórmula que permite calcular la cuota de una
hipoteca en función de varios datos:
i(i + 1)n
H=C (4.1)
(i + 1)n − 1
donde
C: dinero del préstamo
i: interés del préstamo de cada mensualidad
n: número de mensualidades
Por ejemplo, si se quiere solicitar un préstamo hipotecario de 100000 euros
durante 15 años a una tasa de interés del 3 % para calcular la cuota que
mensualmente deberíamos pagar al banco tendríamos que n = 15 ∗ 12 = 180
mensualidades a un interés mensual de i = 3/100
12 , y por tanto la hipoteca a
pagar cada mensualidad sería:
3/100 3/100 180
12 ( 12 + 1)
H = 100000 = (4.2)
( 3/100
12 + 1)
180 − 1
Esta fórmula es un ejemplo de función ”clásica ” dependiente de varias

variables H(i, n, C) y pude ser definida en Matlab, empleando un M-fichero,
para su utilización:
Una vez definida se puede hacer uso de ella. Si quisieramos calcular el
valor del ejemplo anterior haríamos:
»ejemplo=@hipoteca
posteriormente hacemos una llamada a la función para los argumentos
definidos
»ejemplo(100000,3/1200,180)
Una función puede asignar un vector a un escalar (como en el ejemplo
anterior devuelve el valor H) o puede devolver otro vector o incluso una
function H= hipoteca(C,i,n)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Ejemplo de función:
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% hipoteca
% (2) D a t o s d e e n t r a d a:
% C capital prestado
% i interes mensual
% n numero de mensualidades
% (3) D a t o s d e s a l i d a:
% H hipoteca en cada mensualidad
% (4) P r o c e d i m i e n t o d e c á l c u l o
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
H=C*(i*(i+1)^n)/((i+1)^n-1);
Figura 4.10: Ejemplo de función hipoteca.m
colección de argumentos. Para ilustrar esto último considerese los siguiente

dos problemas: i) calcular la tabla de amortización del préstamo y ii) calcular
la tabla de amortización del préstamo haciendo una cancelación parcial de
Camor en el periodo k. Las siguientes figuras muestran las funciones creadas
para cada objetivo.
|243|
function T= tablaAmor(C,i,n)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Esta función calcula la tabla de amortización de una hipoteca
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% tablaAmor
% i interes mensual
% T es un vector que contiene en la componente j-esima
% el dinero pendiente de amortizar
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Hip=hipoteca(C,i,n); % cálculo de la hipoteca empleando

% la función definida
T=[];
T(1)=C; % en el instante inicial se debe todo el
% capital
for j=1:n,
T(j+1)=T(j)-Hip+T(j)*i;
% capital pendiente en el periodo j+1 es
% capital en el periodo j menos la hipoteca
% más lo interéses a pagar en dicho periodo j
end
end
Figura 4.11: Ejemplo de función que devuelve un vector tablaAmor.m

function [T,Hnueva]= tablaAmorPar(C,i,n,k,Camor)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Esta función calcula la tabla de amortización de una hipoteca
% teniendo en cuenta que se realiza una amortización anticipada
% de Camor euros en la k-ésima mensualidad
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% tablaAmorPar
% i interes mensual
% k periodo en el que se realiza la amortizacion parcial
% Camor cantidad amortizada anticipadamente
% T tabla de amortización
% Hnueva nueva hipoteca tras realizar la amortización parcial
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Hip=hipoteca(C,i,n); % Cálculo de la hipoteca

T(1)=C; % En el instante inicial
% se debe reintegrar todo el capital
for j=1:n
if j== k
T(j+1)=T(j)-Hip+T(j)*i-Camor;
Hnueva=hipoteca(T(j+1),i,(n-k));
Hip=Hnueva
else
T(j+1)=T(j)-Hip+T(j)*i;
end
end
end
Figura 4.12: Ejemplo de función que devuelve dos argumentos tablaAmor-

Par.m
|245|
function y_prima=DeriApro(f,x,h)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% DERIV_APR calcula aproximadamente la derivada de
% la función f en el punto x tomando como
% incremento h o en caso de que este parámetro no se especifique
% se toma el valor h=SQRT(EPS), esto es, un valor casi 0
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% DeriApro
% f función a derivar
% x punto donde se aproxima la derivada
% h parámetro para el cálculo de la derivada
% y_prima valor aproximado de f’(x)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
if nargin < 3 % si el número de argumentos es menor de 3

h=sqrt(eps); % se toma un valor de h por defecto
end
y_prima=(f(x+h)-f(x))/h;
end
Figura 4.13: Ejemplo de función donde un input es una función. DeriA-

pro.m
Supongamos que necesitamos crear una función para calcular aproxima-

damente la derivada
f (x + h) − f (x)
f 0 (x) ≈
h
La función Matlab requiere tres argumentos: i) el punto x donde calculamos
la derivada, ii) el incremento h considerado y por último iii) la función
f considerada. Como resultado devolvera aproximadamente el valor de
la derivada. Pues bien, Matlab tiene la posibilidad de pasarle la función
como un argumento más. Para ilustrar este procedimiento consideramos el
siguiente ejemplo:
En este ejemplo el primer argumento f es una función. En los ejemplos
previos los argumentos de entradas solamente eran datos (un número, o un
vector, o una matriz). La primera observación es que aparece la función feval
que permite evaluar una función en sus argumentos. En esta caso evalúa
una función real en los puntos x + h y en el x.
Para hacer uso de esta función tenemos dos formas:
»DeriApro(@mifuncion,0,00.1)
Esta función, mifuncion, está definida en un m.fichero y es la que
empleará. Por ejemplo podríamos calcular aproximadamente la derivada de
la función f (x) = cos x en el punto 0 mediante la expresión:
»DeriApro(@cos,0,00.1)
También se puede crear una función anónima f (x) = exp(cos(x))desde la
línea de comandos mediante la expresión:
function y=FunGlobal(x)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% FunGlobal ilustra el uso de variables globales y locales
% en la definición de una función
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% FunGlobal
% x variable independiente (número real)
% y variable idependiente (número real)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
global A % variable global

c=1; % variable local, solo accesible dentro
% de la definición de la función
y=c/(x+A);
end
Figura 4.14: FunGlobal.m
»unafuncion=@(x) exp(cos(x))
y posteriormente emplearla
»DeriApro(unafuncion,0,00.1)
Alternativamente también se puede pasar con la función inline como
muestra el siguiente ejemplo:
»unafuncion=inline(’exp(cos(x))’)
Se puede comprobar que se trata de una función evaluándola en el valor
2
»unafuncion(2)
En la definición de funciones se pueden emplear variables que serán de
uso local. Esto es, que solo son modificables dentro de la ejecución de la
propia función. Si se desea que ciertas variables sen accesibles desde otro
procedimiento hay que emplear variables globales. Esto se consigue con la
sentencia global tal como muestra el siguiente ejemplo:
Si queremos dibuar f (x) = 1/(x + 1) en [0, 1] escribimos:
»global A, A=1; fplot(@FunGlobal,[0 1])
Si cambiamos desde la linea de comandos el valor del parámetro A = 2
este tendrá un efecto en la definición de la función FunGobal ya que se trata
de una variable global.
»A=2; fplot(@FunGlobal,[0 1])
Por contra, si lo que cambiamos es el valor de la variable local c fuera de la
definición de la función, en la consola, este cambio no tendrá ningún efecto:
»c=2; fplot(@FunGlobal,[0 1])
|247|
1. Método de la bisección. El método de la bisección es un procedimiento

para calcular una raíz de la función f (x), esto es, resolver la ecuación
f (x) = 0. Este procedimiento asume que la función es continua en
un intervalo [a, b] y que la función cambia de signo en los extremos
del intervalo (f (a)f (b) < 0). En cada iteración calcula el punto
medio del intervalo actual y decide cual de los dos subintervalos
sigue conteniendo una raíz eligiendo este subintervalo como el nuevo
intervalo de la iteración siguiente. Cada vez que aplica una iteración la
longitud del intervalo inicial se reduce a la mitad y tras n iteraciones
tenemos que
`0
`n = n
2
donde `0 es la longitud del intervalo incial y `n es el intervalo tras
realizar la n−ésima iteración. El siguiente pseudocodigo implementa
este algoritmo:
Algorithm 1: Algoritmo de bisección

Data: Sea f (x) una función continua en [a, b] cumpliendo que
f (a)f (b) < 0. Sea ε un parámetro de tolerancia empleado como
criterio de paro.
Result: Una raíz m de la función f (x) con una exactitud menor que ε.
while (|b − a| ≥ ε) do
m = a+b 2 ;
if f (a)f (m) < 0 then
b = m;
else
a = m;
return Devuelve la raíz aproximada m = 2 ;

a+b
Se pide programar el anterior algoritmo. Para ello se irá mejorando

progresivamente sus prestaciones atendiendo al siguiente plan:
Versión1. Implementa el algoritmo para una función determinada f (x) = ln x

y en un intervalo genérico [a, b] y precisión ε. Debe devolver la raíz
m.
Versión2. Añade que compruebe la hipótesis f (a)f (b) < 0, que devuelva los
distintos intervalos obtenidos, puntos medios y valor de la fución
en dichos puntos medios. La función Matlab también debe devolver
la gráfica de la función para comprobar si es continua.
Versión3. Añade a la versión 2. que la función puede ser genérica. Testea
el programa con los ejemplos f1 (x) = x ln x, f2 (x) = x − 2−x , f3 (x) =
e−x + sin x, f4 (x) = ex − x2 + 3x − 2.
Utilización. ¿Qué interés máximo podría pagar un individuo que solicitase un

préstamo de C = 200000 euros a 20 años y que pudiera pagar una
hipoteca máxima de 1000 euros mensuales.
|249|
Considérese los siguientes métodos para encontrar raíces de funciones:

1. Método de la Regula Falsi. El método de la Regula Falsi es idéntico al
método de la bisección solo que en lugar de considerar el punto medio
toma el punto de corte con el eje ox y el segmento que une los puntos
(a, f (a)) y (b, f (b)). Esto es:
f (b)a − f (a)b
m=
f (b) − f (a)
2. Método de punto fijo. Este método consiste en transformar el problema

f (x) = 0 en uno equivalente del tipo g(x) = x y a partir de ahí gener una
sucesión del siguiente modo

x0
xk+1 = g(xk )
En caso de tratarse de una sucesión convergente lı́m xk = x∗ el límite x∗

es una raíz de la función.
3. Método de Newton. Este es un caso particular de iteración funcional
donde la función g(x) está definida por
f (x)
g(x) = x −
f 0 (x)
Lo que se trata es de averiguar computacionalmente cual de los

anteriores métodos es más rápido. La forma de medir la velocidad de
un método es mediante la expresión:
ek+1 ≈ αeβk (4.3)
esta expresión indica que el error al efectuar k + 1 iteraciones ek+1 es

aproximademente proporcional a una potencia del error cometido al
realizar k iteraciones. Cuando el número β es mayor el método es más
rápido (¿Por qué?). Considérese el ejemplo concreto de calcular la raíz
de f (x) = ln x. Sabemos que su única raíz es x∗ = 1 y por tanto podemos
calcular en cada iteración k el error absoluto que se comente con los
distintos métodos
ek = |xk − 1|
A partir de ellos se puede hacer un ajuste lineal (4.3) (buscar la función
Matlab para esta tarea) para estimar los distintos α y β. ¿Qué valores
se obtiene en cada método?
Formato .xls Formato .csv Formato .mat (MATLAB)
Cuadro 4.1: Datos para la práctica 4 en diferentes formatos
Derivación e integración numérica
En la siguiente práctica se analizará con el programa Matlab y empleando

los conceptos de derivada e integral unos datos médicos. Durante un largo
periodo de tiempo se ha registrado la supervivencia de los pacientes a
cierta intervención quirúrgica grave. Todos los pacientes intervenidos se
monitorizaron durante el año siguiente a su intervención. De todos ellos,
68 fallecieron antes del primer año después de su intervención. La hoja
Excel datosmortalidad.xls contiene el número de días que el paciente
sobrevivió a la operación. La mortalidad de esta población se puede atribuir
a factores naturales y a complicaciones derivadas de la operación. Se
desea medir este segundo efecto. Lo primero de todo se debe formular
matemáticamente el problema para poderse abordar de un modo exitoso.
Supongamos que el tiempo de supervivencia, T , a partir de la operación es
aleatorio. En matemáticas se denomina que T es una variable aleatoria.
Esta variable tomará valores con una cierta probabilidad. La forma de medir
esta probabilidad es a través de las denominadas funciones de densidad de
probabilidad. Supongamos que la ”ley” que gobierna esta variable aleatoria
es una función de densidad de probabilidad f (x) y la probabilidad que una
persona fallezca en el intervalo [a, b] viene dada por la expresión:
Z b
P(a ≤ T ≤ b) = f (x)dx
a
El objetivo que perseguimos es analizar la función de densidad f (x). El

primer hecho matemático importante es la relación con la llamada función
de distribución Z t
F (t) = P(T ≤ t) = f (x)dx
0
donde 0 está asociado al instante de la operación.
Por el teorema fundamental del Cálculo (suponiendo que f (x) es continua)
se tiene que
F 0 (t) = f (t) (4.4)
A partir de los datos podemos construir una función de distribución

empírica F̂ (t) del siguiente modo. Supongamos que Ti es el instante (medido
|251|
en días en nuestros datos) donde fallece la i−ésima persona operada.

Supongamos que T1 < T2 < · · · < T68 (en el archivo Excel están ordenados
los datos). Entonces se tiene las siguientes imágenes:
i
F̂ (Ti ) = , i = 1, · · · , 68 (4.5)
N
donde N es el número de pacientes operados (N = 247 pacientes para
nuestros datos).
En esta práctica queremos analizar visualmente el aspecto de la función
de densidad empírica para detectar si existe algún efecto de la operación
quirúrgica en la mortalidad. Para ello se realizan los siguientes pasos:
Paso 1: Cargar los datos del fichero Excel y almacenarlos en una variable T.
Paso 2: Dibujar la función de distribución empírica F (x) definida por (4.5).

Paso 3: La relación (4.4) permite numéricamente calcular una aproximación a la
función de densidad mediante aproximaciones laterales en los extremos
y centrales en el resto:
F̂ (T2 ) − F̂ (T1 ) 1/N

fˆ(T1 ) = = (4.6)
T2 − T1 T2 − T1
F̂ (Ti+1 ) − F̂ (Ti−1 ) 2/N
fˆ(Ti ) = = i = 2, · · · , 67 (4.7)
(Ti+1 − Ti−1 ) (Ti+1 − Ti−1 )
F̂ (T68 ) − F̂ (T67 ) 1/N
fˆ(T68 ) = = (4.8)
T68 − T67 T68 − T67
Paso 4: Alisamiento. Visualmente no se obseva ningún patrón. Esto es debido

a que la función contiene mucho ruido. Una forma es filtrar los datos
mediante las llamadas medias móviles de orden 3 o 5:
fî−i + fî + fî+1

f˜i3 =
3
fî−2 + fî−i + fî + fî+1 + fî+2
f˜i5 =
5
¿Qué se observa?
El fichero de la figura de la página siguiente contiene esta práctica.

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% PRACTICA4.M Este script analiza la evolución de los pacientes
% que han sufrido una operación de cadera
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
T = xlsread(’datosmortalidad.xls’)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Dibujo de función de distribución empírica
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
F=[]; % Inicialización: función de distribución
fd=[]; % Inicialización: función de densidad de probabilidad
fdtilde3=[];% Alisamiento de medias móviles orden 3 de f.d.p.
fdtilde5=[];% Alisamiento de medias móviles orden 5 de f.d.p.
n=length(T);% Número de datos (pacientes fallecidos)

N=267; % Número de pacientes operados
% Cálculo de función de distribución empírica
for i=1:n
F(i)=(i-1)/N;
end
% Aproximación de la función de densidad: f(x)=F’(x)
for i=2:(n-1)
fd(i)=(F(i+1)-F(i-1))/(T(i+1)-T(i-1));
end
fd(1)=(F(2)-F(1))/(T(2)-T(1));
fd(n)=(F(n)-F(n-1))/(T(n)-T(n-1));
% Representación de las funciones de distribución y densidad
subplot(2,2,1), plot(T,F);
xlabel(’Día’,’FontSize’,18,’FontWeight’,’bold’,’Color’,’r’)
ylabel(’Probabilidad’,’FontSize’,18,’FontWeight’,...
’bold’,’Color’,’r’)
grid on
title(’Funcion de distribución empírica’)
subplot(2,2,3),plot(T,fd);
grid on
title(’Funcion de densidad empírica’)
for i=2:(n-1) % A l i s a m i e n t o o r d e n 3 %%%%%%
fdtilde3(i)=(fd(i-1)+fd(i)+fd(i+1))/3;
end
fdtilde3(1)=(fd(1)+fd(2)+fd(3))/3;
fdtilde3(n)=(fd(n)+fd(n-1)+fd(n-2))/3;
for i=3:(n-2) % A l i s a m i e n t o o r d e n 5 %%%%%%
fdtilde5(i)=(fd(i-2)+fd(i-1)+fd(i)+fd(i+1)+fd(i+2))/5;
end
fdtilde5(1)=(fd(1)+fd(2)+fd(3)+fd(4)+fd(5))/5;
fdtilde5(2)=(fd(2)+fd(3)+fd(4)+fd(5)+fd(6))/5;
fdtilde5(n-1)=(fd(n-1)+fd(n-2)+fd(n-3)+fd(n-4)+fd(n-5))/5;
fdtilde5(n)=(fd(n)+fd(n-1)+fd(n-2)+fd(n-3)+fd(n-4))/5;
% Representación gráfica de las fdp alisadas
subplot(2,2,2),plot(T,fdtilde3);
grid on
title(’Funcion de densidad alisada orden 3’)
subplot(2,2,4),plot(T,fdtilde5);
grid on
title(’Funcion de densidad alisada orden 5’)
save datos.mat T fd fdtilde5; % Guarda variables T,fd,fdtilde5
% en el archivo datos.mat
% Los datos guardados se cargan con la sentencia: load datos.mat
Figura 4.15: Practica4.m

|253|
1. La fórmula de los trapecios compuesta permite calcular el valor

aproximado de una integral definida. Esta fórmula se expresa como:
Z " n−1
! #
b
h X
f (x)dx = f (a) + 2 f (xi ) + f (b) (4.9)
a 2 i=1
donde h = b−a
n y xi = a + ih con i = 1, · · · , n − 1.
Desarrolla una función Matlab que permita calcular la integral de
una función mediante el método de los trapecios compuesto para una
función genérica y para un número de puntos arbitrario n.
La ecuación x2 + y 2 = 1 define la gráfica de una circunferencia de radio
1 y centro el (0, 0). Por tanto la integral
Z 1 p
1 − x2 dx (4.10)
−1
representa el área de medio círculo de radio 1 cuyo valor es π2 . Emplea

este ejemplo para testar la validez de la función Matlab desarrollada.
2. Si la función f (x) es dos veces derivable en el intervalo [a, b] y su

derivada segunda f 00 (x) es una función continua en [a, b] el error de
la fórmula de los trapecios compuesta se puede expresar por:
f 00 (θ)(b − a)3
En = − θ ∈ (a, b) (4.11)
12n2
A continuación vamos a comprobar numéricamente el error. Como
conocemos el verdadero valor de la integral (4.10) numéricamente
podemos calcular la fórmula del error. Lo haremos por pasos:
Paso 1: Calcular los errores absolutos cometidos con la fórmula de

integración compuesta para los siguientes valores de n
|En | n = 1, · · · , 100
Paso 2: Postularemos que la expresión del error es de la siguiente

forma
|En | = αnβ
La fórmula del error nos informa que β = −2 y que α =
00 3
− f (θ)(b−a)
12 . Ahora vamos a ajustar los parámetros mediante mí-
nimos cuadrados. Tomando ln en la anterior expresión obtenemos:
En0 = α0 + βn0 (4.12)

donde En0 = ln |En |, α0 = ln α y n0 = ln n. En el caso de nuestros datos

la expresión (4.12) se puede escribir matricialmente
   
E10 1 ln(1)
 E20   1 ln(2)  0
   
 E30  =  1 ln(3)  α
    β
 ···   ··· 
0
E100 1 ln(100)
De forma abreviada el anterior sistema de ecuaciones se puede

escribir en forma abreviada b = Ax, donde b es el vector de errores,
A la matriz de datos y x el vector de incógnitas (el valor de los
parámetros).
La sentencia x=A\b resuelve el anterior sistema. Si no tiene solu-
ción, como es el caso, busca una estimación mínimo cuadrática
para encontrar una solución que mejor ajuste (ver en ejercicio pro-
puesto el método de estimación mínimo cuadrático).
Paso 3: Una vez calculado el β empírico, ¿Ajusta bien la fórmula
teórica con la observación experimental? Representa gráficamente
ambos modelos.
|255|
1. En el siguiente ejercicio se pide repetir la práctica anterior pero

empleando la fórmula de integración compuesta de Simpson.
Z b
h
f (x) ≈ (f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + · · · 4f (xn−1 ) + f (xn ))
a 3
donde h = n .
b−a
La fórmula del error tiene la expresión
f iv) (θ)(b − a)5

− θ ∈ (a, b)
180nx
A partir de los resultados numéricos postula un valor de x para la
fórmula anterior.
2. Ajuste mínimo cuadrático. de una función del tipo f (x) = K + βexp(−αx)
Cuadro 4.2: Datos para la práctica 5 en diferentes formatos
Modelización Matemática I
Un modelo matemático es una imagen teórica de la realidad de una

parcela del ”mundo real” en la que sus elementos se reemplazan por entes
abstractos y relaciones entre estos. Con facilidad se confunde ”modelo” y
”realidad", al considerar que el modelo es una síntesis de la ”verdad"del
mundo. Una definición clarificadora de lo que es un modelo es la dada por
Minsky:
”Un objeto M, es un modelo de un objeto R, para un observador O

cuando M contesta a las preguntas que formula O sobre R".
En esa definición se pone de manifiesto que el objetivo de un modelo es el

de obtener una mejor comprensión de la realidad mediante la contestación
de las preguntas del observador. Lo que se exige a un modelo es que sea
consistente y concordante con las observaciones empíricas, pero no que los
mecanismos establecidos en el modelo sean los que realemente operan en la
realidad. Y es precisamente la coincidencia del resultado final, predicciones
con observaciones, lo que produce esta confusión entre ”realidad” y ”modelo".
Cabe enfatizar que la elaboración de modelos matemáticos es un enfoque
científico para estudiar sistemas complejos. Un esquema simplificado del
proceso de modelación, podría tener las siguientes etapas:
1. Elaboración de un modelo matemático, definiendo los elementos

fundamentales del sistema y sus interrelaciones. En esta fase se aplica
un principio de parsimonia, bajo el cual se dabe dar un equilibrio entre la
relevancia de un cierto elemento y la complejidad del modelo resultante.
2. Validación del modelo, evaluando las hipótesis sobre las que se ha

construido el model y analizando la sensibilidad de sus elementos.
Se compara las predicciones y comportamiento del modelo con
la información experimental disponible y, en caso necesario, se
construyen modelos alternativos.
3. Análisis del modelo, mediante razonamientos teóricos y computaciona-

les sobre estos modelos, que en ocasiones, conducen a ”conclusiones”
que son trasladables al mundo físico. En esta fase se requiere de algo-
ritmos matemáticos para resolver el modelo.
|257|
4. Utilización del modelo. Aplicar las conclusiones obtenidas.
La figura 4.16 muestra esquemáticamente los pasos anteriormente descritos:
Realidad
1. Modelización
II.Validación Modelos y
algoritmos
III. Análisis y
Resolución
Conclusiones
y acciones
IV. Utilización
Realidad
modificada
Figura 4.16: Etapas de la modelización matemática

Las ecuaciones diferenciales son modelos matemáticos ampliamente

empleados en la ciencia y en la técnica. Estos modelos representan
implícitamente una función (solución) a través de un conjunto de
relaciones que satisface la propia función y sus derivadas. El ejemplo
más sencillo lo constituyen las ecuación diferencial de primer orden:

y 0 (x) = r(x, y)
y(x0 ) = y0
En esta práctica se desea obtener un modelo matemático de la evolución

(en el tiempo) del grado de implantación de cierta especie de pinos en
el lago Michigan. La forma de medir este fenómeno es a través de la
proporción del área ocupada en cada instante t, que se denotará P (t).
Supóngase que el modelo propuesto es:
Considérese la siguiente ecuación diferencial
P 0 (t) = kP (t) − a[P (t)]2 (4.13)
donde
t instante de tiempo
P (t) es el porcentaje en el instante t de una determinada especie
P 0 (t) es la derivada de la anterior función que informa de su variación
en el tiempo
kP (t) es un término asociado al crecimiento (expansión)
−aP (t)2 este término está asocidado al decrecimiento de la especie.
Este modelo depende de dos parámetros k y a que controlan el nivel de

expansión y contracción de una especie. El objetivo perseguido en esta
práctica es encontrar el mejor vector de parámetros (a, k) que permitan
reproducir los datos observados. Según observaciones de polen fósil
encontrado se ha determinado que el nivel de implantación de dos
especies de pino, que denotamos con los subíndices 1 y 2, han sido
el mostrado en la tabla 4.
Fuente: http://www.geom.uiuc.edu/education/calc-init/population/logistic.html
|259|
Cuadro 4.3: Evolución de la implantación de dos especies de pino en el lago

Michigan
Miles de Años t P1 (t) P2 (t)
(atrás)
9131 0.0 53.4 3.2
8872 0.259 65.5 0.0
8491 0.640 61.8 3.7
8121 1.010 55.2 3.4
7721 1.410 60.4 1.7
7362 1.769 59.4 1.8
7005 2.126 50.6 10.6
6699 2.432 51.6 7.0
6444 2.687 40.0 21.2
5983 3.148 29.7 34.2
5513 3.618 25.0 40.4
5022 4.109 32.5 29.8
4518 4.613 22.7 46.2
4102 5.029 31.6 33.0
3624 5.507 32.5 37.6
3168 5.963 27.1 39.5
Hito 1: Visualización de datos. Los datos mostrados en la tabla anterior

se pueden encontrar en el archivo EvolucionPinosMichigan.xls
proporcionado. Para cargar la información contenida en este se
utilizará la función xlsread que proporciona MATLAB, indicándole
donde se encuentra el archivo, teniendo en cuenta que si se
encuentra dentro de la carpeta de MATLAB o en la que estemos
ejecutando el código solo será necesario poner su nombre, pero si
se encuentra en otro diferente habrá que indicar la ruta completa:
»datos=xlsread(’EvolucionPinosMichigan.xls’);
Con esto se dispondrá de toda la información almacenada en la
matriz datos. Para comprobar que se han cargado los datos en la
matriz datos, vamos a representar la evolución de los dos tipos de
pinos
»plot(datos(:,2),datos(:,3),’o-’,datos(:,2),datos(:,4),’*-’);
»xlabel Tiempo, ylabel ’Tipo de Pinos’;

Hito 2: Definición implícita de la solución. El objetivo que se persigue es
ilustrar el proceso de modelización matemática y en concreto la
fase de validación. Las ecuaciones diferenciales es un pretexto
para ilustrar esta fase. Primeramente resolveremos la ecuación
diferencial. Dividimos ambos lados de (4.13) por kP (t) − aP 2 (t)
a 1
P 0 (t) P 0 (t)
= 1 ⇒ = P 0 (t) k
− k
=1
kP (t) − aP 2 (t) (k − aP (t))P (t) aP (t) − k P (t)
Integrando ambos lados respecto a t
Z a 0 Z 1 0 Z
k P (t) k P (t)
dt − dt = 1dt ⇒
aP (t) − k P (t)
1
(ln|aP (t) − k| − ln|P (t)|) = t + C (4.14)
k
donde C es una constante de integración. El cálculo de la constante
C se puede calcular a partir de un punto de la función. Por ejemplo,
si en el instante inicial t = 0 había P (0) = P0 proporción de pinos
entonces ese valor debe cumplir la anterior solución y por tanto
1 1
(ln|aP (0) − k| − ln|P (0)|) = 0 + C ⇒ C = (ln|aP0 − k| − ln|P0 |)
k k
La solución (4.14) define P (t) implícitamente, esto es, no se puede

despejar el valor de P (t) en función de t. Por ejemplo, para calcular
la imagen de P (3), tenemos que sustituir t = 3 y resolver la ecuación
en la incógnita P (3).
MATLAB tiene implementado una función para calcular raíces.
Supongamos que queremos encontrar las raíces de
f (x) = x2 − 4x + 1.
Primero definimos una función que depende de la variable x:

»f=@(x) x*x-4*x+1
La función fzero calcula la raíz de una función. Como parámetros
de entrada tiene una función y un punto donde iniciar el método
numérico. En el siguiente ejemplo consideramos la función f (x) =
x2 − 4x + 1 y tomamos como punto inicial el 0.
»fzero(f,0)
El anterior esquema también es aplicable a nuestro problema.
Primero se define una función auxiliar que define la función (4.14)
en función de la variable P y de todos los parámetros considerados.
Posteriormente se fijan los valores de los parámetros y a traves del
cálculo de las raíces de una función (que equivale a la solución
de una ecuación) se obtiene el valor de la imagen. La función
implicita.m implementa una función MATLAB que calcula las
imagenes P (t) en un vector de puntos tt = (t1 , t2 , · · · , tn ) dado los
parámetros a, k, P (0) y el propio vector tt.
Aplica la función implicita.m al vector de tiempos t dado en la tabla
4.3 para los siguientes casos:
1) a = 0.05 k = 0.2 P (0) = 0.534
2) a = 0.005 k = 0.2 P (0) = 0.534
3) a = 0.005 k = 0.1 P (0) = 0.534
|261|
function P=implicita(t,a,k,P0)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% implicita calcula las imágenes de una función implícita
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% implicita
% t vector de instantes de tiempo t=[t1,t2,t3,..,tn]
% a parámetro a de la ecuación diferencial
% k parámetro k de la ecuación diferencial
% P0 proporcion inicial de pinos en el instante t=0
%(3) D a t o s d e s a l i d a:
% P es un vector [P(t1) P(t2),...P(tn)] conteniendo
% la evolucion de las proporciones de los pinos
%(4) P r o c e d i m i e n t o d e c á l c u l o
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Calculamos el valor de la constante C en funcion de P0
C=1/k*(log(abs(a*P0-k))-log(abs(P0)));
% El bucle siguiente calcula el vector de imágenes
for i=1:length(t)
f=@(P) 1/k*(log(abs(a*P-k))-log(abs(P)))-C-t(i);
P(i)=fzero(f,0.5); % resolución método Newton ecuación f(P)=0
end
end
Figura 4.17: implicita.m
2. Representación gráfica de la solución. Construir dos gráficas, uno

para cada tipo de pino, que represente simúltaneamente las
observaciones y la evolución predicha por el modelo en los tres
casos anteriores. Notar que los datos se miden en porcentajes
mientras que P (t) en proporciones.
3. Un índice de la bondad de ajuste. Las gráficas anteriores permi-
ten visualmente comprobar el ajuste de los modelos teóricos a los
datos observados pero es difícil decidir cual de ellas es la más ade-
cuada. Para ello deberíamos disponer de algún índice que nos per-
mitiera comparar los diferentes ajustes. El índice más usual es
la suma de los errores al cuadrado entre los valores observados
y los predichos por el modelo. Más formalmente, supóngase que
P (tj , a, k, P0 ) es la solución de la ecuación diferencial para el va-
lor tj empleando los parámetros a, k y P0 . Además, supongamos
que se han observado los siguientes datos del modelo Pobs (tj ) con
j = 1, . . . , n. La suma de los errores al cuadrado se define:
n
X 2
H(a, k, P0 ) = P (tj , a, k, P0 ) − Pobs (tj ) .
j=1
El ajuste será mejor cuanto menor sea el valor de H(a, k, P0 ).

En nuestro problema los datos de la función P (tj ) están definidos
en la tabla 4 y almacenados en la variable datos. Por otro lado
function H=SumaErrores(t,Pobs,a,k,P0)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% SumaErrores calcula la suma de errores al cuadrado entre
% la solución de la ecuación diferencial y los datos observados
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% (1) N o m b r e:
% SumaErrores
% t vector de instantes de tiempo t=[t1,t2,t3,..,tn]
% Pobs propoción de pinos observados en los instantes t
% a parámetro a de la ecuación diferencial
% k parámetro k de la ecuación diferencial
% P0 proporcion inicial de pinos en el instante t=0
%(3) D a t o s d e s a l i d a:
% H suma de errores al cuadrado
%(4) P r o c e d i m i e n t o d e c á l c u l o
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
P=implicita(t,a,k,P0); % Resolución ecuación diferencial
P=100*P; % Conversión de las proporciones a porcentajes
H=0; % Inicialización de variable suma de errores
for i=1:length(t)
H=H+(P(i)-Pobs(i)).^2;
end
end
Figura 4.18: SumaErrores.m
la función implicita.m nos permite calcular los valores estimados

P (tj , a, k, P0 ). El M-fichero SumaErrores.m implementa la función
H(a, k, P0 ). Aplicar la función SumaErrores.m para determinar cual
de los tres anteriores conjuntos de parámetros es el más adecuado.
4. El problema de ajuste mínimo cuadrático. Es necesario diseñar
procedimientos que obtengan automáticamente los valores de los
parámetros de un modelo matemático. Uno de los métodos más
aplicados es el ajuste mínimo cuadrático que consiste en estimar
los parámetros (a∗ , k ∗ , P0∗ ) de la ecuación diferencial que minimizan
la suma de los errores al cuadrado. Formalmente
H(a∗ , k ∗ , P0 ) = Minimizar a,k,P0 H(a, k, P0 ) (4.15)

El problema de optimizar una función de varias variables es
un problema difícil. MATLAB dispone de algunas funciones que
implementas ciertos métodos de optimización. Una de estas
funciones es fminsearch que codifica el método de Nealder-Mead.
Vamos a ilustrar su uso. Si quisieramos calcular el mínimo de la
siguiente función
f (x1 , x2 ) = x21 + x22 + 2 ∗ x1 x2

primeramente introduciríamos la función:
»f= @(x) x(1)*x(1)+x(2)*x(2)+2*x(1)*x(2)
|263|
Esta expresión indica que f depende de un vector x. En la

definición de las operaciones a realizar se pone de manifiesto que
el vector x tiene dos componentes, la componente x(1) y x(2). Si
quisieramos evaluar la función en el punto (1, 2) tendríamos que
pasarle como parámetro de entrada el vector [1, 2] y escribir
»f([1,2])
Si hubieramos escrito f (1, 2) Matlab entendería que le estamos
pasando dos argumentos y mostraría un error.
La función fminsearch(NombreFuncion,PuntoInicial) tiene como
argumentos de entrada el nombre de la función, NombreFuncion,
y el vector inicial PuntoInicial. En nuestro caso como la función
depende de dos variables el vector inicial tiene que tener dos
componentes en las que se almacena el valor inicial para cada una
de las variables. Si queremos minimizar la función f comenzando
el algoritmo en el punto x = [1, 1] escribiríamos:
»[xopt,fval]=fminsearch(f,[1,1])
Al ejecutar esta función obtenemos que xopt es un mínimo (relativo)
y el valor de la función objetivo fval=f(xopt).
Los procedimientos de optimización pueden ser no convergentes
o consumir un alto tiempo de cómputo por este motivo se debe
especificar un criterio de terminación diferente para cada tipo de
problemas. La sentencia
»opciones=optimset(’MaxFunEvals’,5000,’MaxIter’,500,’TolX’,1e-3
)
modifica los criterios de paro. El número máximo de veces que
va a evaluar la función objetivo es 5000, el máximo número de
iteraciones a realiar son 500 y si la distancia entre dos soluciones
consecutivas es menor que 10−3 termina. Además solo muestra por
pantalla el resultado final. Si queremos ejecutar el procedimiento
con estas nuevas opciones escribimos:
»[x,fval]=fminsearch(f,[1,1],opciones)
El script sesion5.m contiene los diferentes hitos anteriores y la
resolución del problema (4.15) para ajustar los parámetros del
modelo.
%%%%%%%%%%%%%%%%%%%%%% H i t o 1 %%%%%%%%%%%%%%%%%%%%
datos=xlsread(’EvolucionPinosMichigan.xls’);
plot(datos(:,2),datos(:,3),’o--g’,datos(:,2),datos(:,4),’*--r’);
xlabel ’Tiempo’, ylabel ’Porcentaje de Pinos’;
%%%%%%%%%%%%%%%%%%%%%% H i t o 2 %%%%%%%%%%%%%%%%%%%%
t=datos(:,2);
Pobs=datos(:,3); % Datos evolución Pino 1
hold on
%Caso 1
a=0.05; k=0.2; P0=0.534;
P=implicita(t,a,k,P0); % Evolución pinos para el Caso 1
P=100*P; % Conversión proporciones a porcentajes
plot(t,P,’<-’);
%Caso 2
a=0.005; k=0.2; P0=0.534;
P=implicita(t,a,k,P0);% Evolución pinos para el Caso 2
P=100*P;
plot(t,P,’>-’);
%Caso 3
a=0.005; k=0.1; P0=0.534;
P=implicita(t,a,k,P0); % Evolución pinos para el Caso 1
P=100*P;
plot(t,P,’s-’);
%%%%%%%%%%%%%%%%%%%%%% H i t o 3 %%%%%%%%%%%%%%%%%%%%
a=0.05; k=0.2; P0=0.534; % Caso 1
H1=SumaErrores(t,Pobs,a,k,P0)
a=0.005; k=0.2; P0=0.534; % Caso 2
a=0.005; k=0.1; P0=0.534; % Caso 3
%%%%%%%%%%%%%%%%%%%%%% H i t o 4 %%%%%%%%%%%%%%%%%%%%
H=@(x) SumaErrores(t,Pobs,x(1),x(2),x(3)); % Criterio de ajuste
x1=[a,k,P0]; % Parámetros iniciales
[par_opt,fopt]=fminsearch(H,x1); % Optimización criterio de ajuste
% Representación de la solución encontrada
P=implicita(t,par_opt(1),par_opt(2),par_opt(3));
P=100*P;
plot(t,P,’*-k’,’LineWidth’,2);
Figura 4.19: practica5.m

|265|
1. Algoritmo de optimización del gradiente. Considerése que se desea

calcular el mínimo de una función f (x). Muchos procedimientos definen
una sucesión {xk } de modo que el límite de dicha sucesión x∗ = lı́mk xk
es un mínimo (local) de dicha función. Uno de estos métodos se le
conoce con el nombre del método del gradiente o del mayor descenso.
Ahora vamos a introducir este método. Supóngase que en el punto xk
la derivada f 0 (xk ) < 0, supóngase que el siguiente valor que queremos
tomar tiene la forma xk+1 = xk + δ ¿Conviene tomar valores positivos o
negativo de δ?>Y si el valor de la derivada f 0 (xk ) > 0 fuese negativo? Lo
anterior motiva construir una sucesión del siguiente modo
xk+1 = xk − cf 0 (xk )
donde el parámetro c mide cuanto nos movemos en la dirección indicada

por la derivada. en muchos ejemplos prácticos dicho parámetro se toma
de la iteración y se elige c = k1 . Aplicar el anterior método para optimizar
la función f (x) = x2
2. Caso multidimensional. El anterior algoritmos también se puede aplicar
a funciones de varias variables. En este caso el papel de la derivada
lo desempeña el gradiente. Para ilustrar este caso consideremos una
función f (x1 , x2 ) = x21 + 2x1 x2 + 3x22 que depende de las variables x1 y la
variable x2 . El gradiente se define:
!
∂f
∂x1
5f (x1 , x2 ) = ∂f
∂x2
Las derivadas parciales de una función f respecto a una variable

se calculan considerando el resto de variables como constantes y
derivando respecto a la variable en cuestión. En nuestro ejemplo
obtendríamos:
2x1 + 2x2
5f (x1 , x2 ) = ∂f
3x2 + 2x1 ∂x 2
Finalmente obtendríamos la fórmula iterativa:
xk+1 = xk − c 5 f (xk )
donde xk , xk+1 y 5f (xk ) son vectores. Se pide:

a) Calcula las curvas de nivel de f (x1 , x2 ) = x21 + 2x1 x2 + 3x22 para loca-
lizar visualmente el mínimo.
b) Aplica este método para aproximar el mínimo de la función. Haz

varias comprobaciones para diferentes valores de c y puntos inicia-
les. Puedes dibujar sobre la curva de nivel el camino seguido por el
algoritmo.
c) Aplica el anterior método al ejemplo de ajuste de parámetro de la

práctica. En este caso tienes que emplear métodos de derivación
numérica para aproximar las derivadas parciales ya que no se
puede derivar analíticamente.
|267|
Cuadro 4.4: Datos para la Archivo 2 (práctica 6) en diferentes formatos
Cuadro 4.5: Datos para la Archivo 1(práctica 6) en diferentes formatos
Ejemplo de examen
Esta práctica consta de dos ejercicios propuetos en examenes en cursos

anteriores, uno en la propia práctica y otro en ejercicio propuesto. En esta
práctica ya no se requiere de nuevas instrucciones de MATLAB sino de poseer
las destrezas necesarias para poder aplicar los contenidos de las sesiones
anteriores al cálculo de fórmulas matemáticas. Para realizar exitósamente
esta práctica se require enteder lo que se desea calcular y posteriormente
saber cómo se puede implementar en un lenguaje de programación, en
particular en MATLAB.
El sistema que utiliza Google para la ordenación de las páginas webs

cuando realizamos una búsqueda determinada es el PageRank. Este al-
goritmo se utiliza para asignar de forma numérica la relevancia de las
páginas web indexadas por el motor de búsqueda.
Para ello, Google interpreta un enlace de una página A a una página

B como un voto, de la página A, a la página B teniendo en cuenta la
página que emite el voto, ya que los votos emitidos por las páginas
con un PageRank elevado valen más. Por lo tanto, el PageRank de una
página refleja la importancia de la misma según Google en Internet.
1. Considérese el archivo archivo2.xls, en el que se dan todos los datos
necesarios para calcular el PageRank un determinado mes. En cada
una de las filas se representa la información concerniente a una página
que enlaza nuestra web, representando la primera columna el PageRank
de esa página y la segunda el número de enlaces salientes a otras
webs incluyendo la nuestra. Con esta información podemos calcular
el PageRank de nuestra web mediante la siguiente fórmula:
n
X P R(i)
PageRank = (1 − d) + d ∗ ,
i=1
C(i)
donde:
- PageRank es el PageRank de nuestra página A.
- d es un factor de amortiguación que tiene un valor entre 0 y 1.
- P R(i) son los valores de PageRank que tienen cada una de las
páginas i que enlazan a A.
- C(i) es el número total de enlaces salientes de la página i (sean o
no hacia A).
Cargar el archivo2.xls y calcular el PageRank de nuestra web en este
mes tomando d = 0, 85.
2. Queremos predecir el PageRank para el próximo mes (80) a partir de
los datos que ya conocemos. Un modo sencillo es mediante lo que se
denomina como recta de regresión lineal simple. Este método lo que
hace es ajustar la evolución de los datos a la recta:
yi = α + βxi , i = 1, · · · , n
donde xi es el i-ésimo mes e yi es su PageRank.

En el fichero archivo1.xls se muestra la evolución del PageRank de
nuestra página web (2ª columna, la yi ) a lo largo de una serie de meses
(1ª columna, la xi ). Se pide:
|269|
a) Cargar el archivo1.xls en la variable evolucion.

b) Calcular los valores medios de las variables:
n
1X
x̄ = xi (4.16)
n i=1
n
1X
ȳ = yi (4.17)
n i=1
c) Utilizando el método de mínimos cuadrados, el valor de los

parámetros vienen definidos por:
n
X
(xi − x̄)(yi − ȳ)
i=1
β= n
X
(xi − x̄)2
i=1
α = ȳ − β x̄
Calcular estos parámetros.
d) Obtener el valor estimado del PageRank de nuestra página para el
próximo mes.
e) Representar gráficamente la evolución del PageRank de nuestra
página y la recta de regresión calculada.
1. Sea f (x) una función definida en el intevalo [a, b]. Una aproximación de
la integral definida de f (x) en el intervalo [a, b] viene dada por
Z b " n−1
#
h X
f (x)dx ≈ f (x0 ) + f (xn ) + 2 f (xi ) (4.18)
a 2 i=1
donde xi = a + ih para i = 0, 1, · · · , n y h = (b − a)/n.
a) Definir una función MATLAB que permita calcular la expresión

(4.18) a partir de los datos de entrada: i) f (x), ii) a, iii) b y iv) n.
b) Considérese las siguientes funciones:
Z t
x(t) = cos(u2 )du (4.19)
0
Z t
y(t) = sen(u2 )du (4.20)
0
Aplicar la función desarrollada en el apartado 2.a) para dar un valor

aproximado de x(1) y de y(1), tomando n = 100 .
c) Considérese la partición t0 < t1 < · · · < t1000 de puntos
uniformemente espaciados del intervalo [−4π, 4π]. Realizar un
M-fichero para representar gráficamente [x(ti ), y(ti )] desde i =
0, · · · , 1000. Aplicar la función desarrollada en el apartado 2.a) para
el cálculo de las integrales y tomar el valor n = 100.
d) ¿Qué ocurre si se repite el apartado anterior tomando n = 10 en
el cálculo de las integrales? Emplear las propiedades de la integral
definida para optimizar los cálculos del M-fichero realizado en el
apartado anterior de modo que calculando las integrales con n = 10
se obtenga una gráfica similar al apartado anterior. Ayuda: i) ¿Qué
relación existe entre x(ti ) y x(−ti )?, ii) ¿Qué relación existe entre
x(ti ) y x(ti+1 )? y iii) plantear las mismas relaciones para calcular
y(ti ).
|271|
mam.pgm imagen.png
Cuadro 4.6: Datos para la práctica 7
Visualización 2D
.
Hoy en día la mejor manera disponible para poder enfrentarnos al cáncer
de mama es que este sea diagnosticado lo más precozmente posible ya que
un cáncer detectado a tiempo es un cáncer potencialmente curable. El méto-
do de detección precoz más eficaz para el cáncer de mama es la mamografía,
un examen radiológico de la mama que permite obtener imágenes muy claras
de la estructura interna de esta. Por ello el tratamiento de imagen mediante
la utilización de diferentes filtros que la modifiquen es una herramienta muy
útil en la medicina moderna para la detección automática de las conocidas
como regiones de interés, es decir, regiones que pueden indicar la posible
existencia de un cáncer.
Para la realización de este examen se proporciona el archivo mam.pgm

mostrado en la Figura 4.20, el cual contiene una imagen de una mamografía
real. Esta imagen está representada en escala de grises, es decir, cada uno
de los píxeles (puntos que conforman la imagen) tiene un color que puede
ir desde el negro al blanco, pasando por las diferentes tonalidades de gris.
Cada uno de estos colores se define mediante un número entero que va
desde el 0 (color negro) al 255 (color blanco), por lo que la imagen se puede
representar como una matriz de números enteros, en la que cada celda de la
matriz se correspondería con cada uno de los píxeles de la imagen y tendría
almacenado su color.
Figura 4.20: Visualización del archivo mam.pgm
1. Cargar el archivo mam.pgm en la matriz MAM utilizando la función

imread de MATLAB. Nota: la función imread funciona igual que
xlsread.
2. El histograma de una imagen representa el número de apariciones de
cada uno de los valores de gris en la imagen, es decir, cuantos píxeles
existen en la imagen de cada color en concreto. Calcular el histograma
de la imagen mam.pgm utilizando la matriz MAM del apartado anterior
siguiendo los siguientes pasos:
a) Generar un vector XHist que contenga todos los colores desde el
negro (0) al blanco (255) representados numéricamente.
b) Calcular el vector YHist, almacenando en cada una de sus
componentes el número de veces que aparece cada color en la
matriz MAM.
c) Representar en una figura los dos vectores anteriores.
3. Uno de los filtros utilizados para el tratamiento de imagen es el conocido
como umbralizado, el cual dada la representación numérica C de un
color, modifica la imagen cambiando por color negro todos los píxeles
cuyo valor esté por debajo de C y por blanco todos los píxeles cuyo valor
sea igual o mayor que C.
a) Umbralizar la imagen almacenada en MAM con C = 175 y
almacenarla en MAMUmb.
b) Representar en una misma figura la imagen contenida en MAM y la
contenida en MAMUmb utilizando la función imshow de MATLAB.
|273|
1. Para la realización de este ejercicio se proporciona el archivo ima-

gen.png mostrado en la Figura 4.21, el cual contiene una imagen en
formato .png. Esta imagen está representada en color. Cada uno de los
píxeles (puntos que conforman la imagen) tiene asociado tres compo-
nentes que define la intensidad de rojo (R), verde (G) y azul (B) del pixel.
Cada uno de estos valores se define mediante un número entero que
va desde el 0 (ausencia de color) al 255 (máximo color), por lo que una
imagen se puede representar con tres matrices de números enteros, en
la que cada celda se correspondería con cada uno de los píxeles de la
imagen y tendría almacenado la intensidad de su color respectivo. Por
ejemplo, el color blanco es la unión de todos los colores y se define po-
niendo los 3 valores de un pixel a 255. El color negro es la ausencia de
color y se define poniendo los tres valores de un pixel a 0. Con otras
combinaciones se formarían los demás colores.
The emissions
trading market:
risks and
challenges
Jonathan Hill
Thomas Jennings
Evie Vanezi
Financial
Services March 2008
Authority
Figura 4.21: Visualización del archivo Imagen.png
a) Cargar el archivo imagen.png en la matriz A utilizando la función

imread de MATLAB y dibujala con la instrucción imshow.
Notas:
La función imread funciona igual que xlsread.

A(i,j,1) representa la intensidad de rojo del pixel de la fila i
y columna j;
A(i,j,2) representa la intensidad de verde del pixel de la fila
i y columna j;
A(i,j,3) representa la intensidad de azul del pixel de la fila i
y columna j.
b) Construye una matriz ANegra que represente la figura en blanco
y negro. Esto es, los pixeles que tenga un color diferente al blanco
(255, 255, 255) debe convertirse a negro (0, 0, 0). Representa la figura
ANegra.
c) Calcula la proporción de negro que hay en la imagen definida por
ANegra.
d) Dibuja la imagen A reflejada en un espejo.
|275|
Optimización
R3 es el conjunto de puntos de coordenadas (x, y, z). En R3 podemos

considerar superficies y éstas se pueden representar por los puntos de la
forma (x, y, z(z, y)) al hacer variar (x, y) ∈ D. Por ejemplo podemos considerar
la siguiente media esfera, definida por
p
x, y, 4 − x2 − y 2 (x, y) ∈ D (4.21)

donde D := (x, y) : x2 + y 2 ≤ 4 define el círculo de centro (0, 0) y radio 2
Con las siguientes instrucciones se representa la superficie: x=-2:.1:2;
y=-2:.1:2; [X, Y]=meshgrid(x,y); Z = sqrt(4 − X.2 − Y.2 ); mesh(Z)
El problema que nos ocupa en esta práctica es encontrar el camino
más corto dentro de la superficie entre dos puntos dados. Por ejemplo si
queremos ir en avión desde una ciudad a otra >cual camino emplearíamos?
Este problema equivale a encontrar el camino más corto entre dos puntos
dados en una esfera.
Para formular este problema necesitamos los siguientes resultados:
Una curva paramétrica viene caracterizada por la siguiente expresión:
P (t) = (x(t), y(t), z(t)) t ∈ [a, b]
donde t es un parámetro y P (t) es un punto de la curva. Cuando t recorre

todos los puntos del intervalo [a, b], P (t) recorre todos los puntos de la curva.
Si quisieramos calcular la longitud de dicha curva tendríamos que
calcular la siguiente integral
Z b Z b p
kP 0 (t)k = x0 (t)2 + y 0 (t)2 + z 0 (t)dt (4.22)
a a
donde x0 (t), y 0 (t), z 0 (t) son las derivadas de las funciones coordenadas
respecto al parámetro t. √
Se√consideran los siguientes puntos de la esfera P1 = (−1, 1, 2) y P2 =
(1, 1, 2). Se desea ir desde P1 hasta P2 a través de las siguientes curvas:
xa (t) = t (4.23)
ya (t) = a(t − 1)(t + 1) + 1 (4.24)
p
za (t) = 4 − t2 − [a(t − 1)(t + 1) + 1]2 (4.25)
donde a es un parámetro y t ∈ [−1, 1].

Observación. Para interpretar geométricamente este problema el modo
en el que se construyeb estas curvas es el siguiente. Consideramos el
plano x − y, en él las proyecciones P̂1 = (−1, 1) y P̂2 = (1, 1) de los
puntos P1 y P2 . Unimos estas proyecciones por las parábolas y(x) =

p + 1) + 1 y finalmente consideramos las curvas sobre la superficie
a(x − 1)(x
(x, y(x), 4 − x2 − y 2 (x). Tomamos como parámetro x = t
Se pide:
1. Construir una función Matlab que permita dibujar la curva sobre

la superficie para un valor determinado de a. Ayuda: Función
plot3(x,y,z)
2. ¿Cual es el valor mayor y menor de a para el que está definida estas
curvas?
3. Construye una función Matlab para calcular la longitud de la curva en

función de a.
4. Calcula la curva de mínima longitud que une los puntos P1 y P2
|277|
1. Repetir el ejercicio anterior pero considerando que la curva que une los
puntos P̂1 y P̂2 es una poligonal como se muestra en la siguiente figura
de n puntos, siendo n un número arbitrario. FIGURA ILUSTRATIVA
1. entrada 4

Libro de Calculo

Cargado por

Copyright:

Formatos disponibles

Libro de Calculo

Cargado por

Información del documento

Título original

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

Libro de Calculo

Cargado por

Copyright:

Formatos disponibles

1

1.1. Una nota sobre teoría de conjuntos

donde E := {conjunto de letras del abecedario}.

Cuadro 1.1: Símbolos matemáticos elementales

∈: Un elemento pertenece a un conjunto

@: No existe ningún elemento

Sean A := {x ∈ E : p(x)} y B = {x ∈ E : q(x)} dos conjuntos. La propiedad

Inclusión. A ⊂ B ⇐⇒ Si se cumple la propiedad p(x) =⇒ q(x)

Definición 1.1.1 (Partición de un conjunto) Sea A un conjunto no vacío.

Figura 1.1: Ejemplo de partición

iii) Ai ∩ Aj = {∅}, ∀i 6= j (son disjuntos dos a dos).

Por ejemplo si consideramos A = {1, 2, 3, 4, 5, 6} una partición de este

Definición 1.1.2 (Partes de un conjunto) Sea E un conjunto no vacío. Se

Definición 1.1.3 (Conjunto producto cartesiano) Dados los conjuntos no

Por ejemplo si A = {a, b, c} y B = {0, 1} el conjunto

1.2. Conjuntos numéricos

El conjunto de los números enteros se define por

Z := {0, ±1, ±2, ±3, · · · }. (1.4)

Un tipo importante de subconjunto de la recta real R son los llamados

Definición 1.2.1 (Valor abosulto) Dado un número real a ∈ R definimos

d(a, b) = |a − b|. (1.7)

Solución: ∪α∈R Aα = R y ∩α∈R Aα = {∅}.

d) 0 < |x + 1| < 2; e) x|x + 2| < −1; f) |x + 2| < |x + 3|

5. Sean a y b dos números positivos, entonces

1. Definición de sucesión de números reales

1.3. Sucesiones de números reales

Definición 1.3.1 (Sucesión de números reales) Una sucesión de números

Cuadro 1.2: Términos de la sucesiones yn = n1 , xn+1 = 12 (xn + 1) con x1 = 2

Definición 1.3.3 ( Sucesiones recursivas.) Una sucesión vendrá definida

Ejemplo 1.3.4 1. Sea la sucesión

Esta expresión nos permite calcular x2 = 21 (2 + 1) = 3/2, x3 = 21 (3/2 + 1) =

1.3.1. Límite de una sucesión

Definición 1.3.5 (Límite de una sucesión.) Diremos que el número real l es

Si n > n0 ⇒ |xn − l| < 

1. Una progresión geométrica de razón r y primer término a > 0 se define

2. Aplicando la definición de límite demostrar

3. ¿Tiene límite las siguientes sucesiones?

Solución: a) No, b) No, c) l = 0 y d) No.

1. Propiedades de las sucesiones convergentes

1.3.2. Algunas operaciones con límites de sucesiones

i) Suma: (xn ) + (yn ) = (xn + yn )

i) lı́m (xn + yn ) = lı́m xn + lı́m yn = x + y

ii) lı́m xn yn = lı́m xn lı́m yn = xy

iii) lı́m λxn = λ lı́mxn = λx

Ejemplo 1.3.9 1. Considérese la siguiente sucesión recursiva

Si la anterior sucesión tuviera lı́m xn = x, como (xn ) := (x1 , x2 , x3 , · · · ) y

Por tano el valor del límite, en caso de existir, satisfaría la ecuación

2. Calcular el siguiente límite

No se trata del cociente de sucesiones convergentes sino de dos

3. Calcular el siguiente límite

Dividiendo numerador y denominador por 3n+1 , obtenemos:

2n+1 + 3n+1 (2/3)n+1 + 1

Observación 1.3.10 Igualmente para sucesiones convergentes se tiene:

i) lı́m( lnxn ) = ln lı́m xn = ln x

1.3.3. Sucesiones monótonas y acotadas

Diremos que está acotada inferiormente sii existe un m ∈ R tal que

Teorema 1.3.12 Toda sucesión de números reales convergente, está acotada.

Definición 1.3.13 (Sucesión monótona) Sea (xn ) una sucesión de números

Teorema 1.3.14 (Convergencia monótona) i) Si (xn ) es monótona cre-

Si n > n0 ⇒ |xn − l| <

Si 0 <| x − a |< δ ⇒| f (x) − l |<