Profundización en Las Técnicas Del Cálculo. Martín, Sebastià

Profundizaci on
en las t ecnicas
del c alculo
Sebasti` a Martn Mollev
P01/75005/00102

FUOC P01/75005/00102 Profundizaci on en las t ecnicas del c alculo
Indice
Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1. C alculo de lmites de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1. Indeterminaciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Regla de LH opital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.

Ordenes de magnitud. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2. Resoluci on aproximada de ecuaciones . . . . . . . . . . . . . . . . . . . . . . 22
2.1. Separaci on de las soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2. M etodo de bisecci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3. M etodo de la secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4. M etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3. Aproximaci on polin omica de una funci on . . . . . . . . . . . . . . . . . 34
3.1. F ormulas de Taylor y Maclaurin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2. Evaluaci on aproximada de funciones . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4. Estudio local y representaci on gr afica
de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.1. Crecimiento y decrecimiento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2. M aximos y mnimos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3. Concavidad, convexidad y puntos de inflexi on . . . . . . . . . . . . . . . 47
4.4. Determinaci on de los puntos notables de una funci on. . . . . . . . 51
4.5. Obtencin de los extremos relativos de una funcin . . . . . . . . . . 53
4.6. Asntotas de una funci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

FUOC P01/75005/00102 Profundizaci on en las t ecnicas del c alculo
4.7. Estudio de la gr afica de una funci on. . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.9. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5. Problemas de optimizaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1. Intervalos y entornos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2. El teorema de Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.3. El caso de funciones derivables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.4. Optimizaci on restringida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.5. Pasos que se deben seguir en un problema de optimizaci on. . . 70
5.6. Ejemplos resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.8. Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Ejercicios de autoevaluacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Solucionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Glosario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

FUOC P01/75005/00102 5 Profundizaci on en las t ecnicas del c alculo
Introducci on
Tras habernos familiarizado con las herramientas b asicas del c alculo, en
este m odulo nos planteamos un doble objetivo. Por una parte, profundizar
en algunas de estas t ecnicas, con el fin de tratar una mayor variedad de
problemas y, por la otra, ver c omo se pueden aplicar las herramientas
ya conocidas para abordar y resolver nuevos tipos de problemas. As pues,
continuaremos trabajando conlmites y conderivadas, intentando sacarles
m as provecho.

Objetivos
En este m odulo se presentan nuevas aplicaciones de contenidos que ya
habamos visto: el c alculo de lmites de funciones, para el estudio del orden
de magnitud de funciones, y la aproximaci on polin omica de funciones,
para la evaluaci on aproximada de funciones.
El resto de los apartados se destina a mostrar c omo algunas propiedades
de las funciones se pueden utilizar en la resoluci on aproximada de ecua-
ciones, la representaci on gr afica de funciones, el planteamiento y la reso-
luci on de problemas de optimizaci on.
Los objetivos de este m odulo se pueden concretar en los siguientes:
1. Comparar el orden de magnitud de las funciones m as usuales en el
c alculo de la complejidad de un algoritmo.
2. Determinar cu antas soluciones tiene una ecuaci ony darle valores apro-
ximados.
3. Calcular el polinomio que mejor aproxima una funci on alrededor de
un punto, y utilizarlo para evaluar la funci on de forma aproximada.
4. Ser capaces de realizar un esbozo de la gr afica de una funci on.
5. Plantear y resolver problemas de optimizaci on en una variable.

1. C alculo de lmites de funciones
.
En los ejercicios del m odulo Las ideas b asicas del c alculo hemos empeza-
do a calcular lmites de funciones en un punto, o en el infinito. Algunos de
estos lmites soninmediatos, como por ejemplo lim
x1
(x+2) = 3, donde basta
sustituir x por 1 en la expresi on de la funci on. Otros son indeterminados,
es decir, que la sustituci on de la variable por el valor a que tiende no nos
aporta ninguna informaci on. Es el caso de:
lim
x1
x
2
1
x 1
=
0
0
.
En este apartado vamos a clasificar los tipos de indeterminaciones que
pueden aparecer en el c alculo de lmites de funciones, y tambi en expon-
dremos una regla util que nos permitir a resolver muchas de estas indeter-
minaciones.
Asimismo, como aplicaci on del c alculo de lmites en el infinito, compa-
raremos el crecimiento de funciones que aparecen habitualmente en el
estudio de la complejidad de algoritmos.
1.1. Indeterminaciones
Echemos un vistazo a los lmites que encontramos a continuaci on:
L
1
= lim
x1
x
2
1
x 1
, L
2
= lim
x2
x
2
4
x 2
.
Si sustituimos la variable x por el valor a que tiende, obtenemos L
1
=
0
0
,
L
2
=
0
0
(con esto podramos caer en la tentaci on y pensar que L
1
= L
2
, a
pesar de que no sabemos sus valores).
Para calcular los lmites podemos simplificar las fracciones:
L
1
= lim
x1
(x 1)(x + 1)
x 1
= lim
x1
(x + 1) = 2,
L
2
= lim
x2
(x 2)(x + 2)
x 2
= lim
x2
(x + 2) = 4.
Una vez resuelta la indeterminaci on, hemos obtenido el valor de los lmites
y observamos, adem as, que L
1
= L
2
.

Vemos, por lo tanto, que si llegamos a una expresi on indeterminada, el
lmite puede tomar cualquier valor, finito o infinito. Esto es lo mismo que
sucede en el caso de las siguientes expresiones:
Indeterminaciones racionales:
0
0
,

, , 0
Ejemplo 1.1.
a) lim
x+
x
2
+x
x
3
+ 2
=

, que es una indeterminaci on racional.

Si queremos resolver la indeterminaci on, dividiremos el numerador y el denominador
por la m axima potencia de x que aparezca en la expresi on:
lim
x+
x
2
+x
x
3
+ 2
= lim
x+
x
2
+x
x
3
x
3
+2
x
3
= lim
x+
1
x
+
1
x
2
1 +
2
x
3
.
Ahora bien, lim
x+
1
x
p
= 0, p > 0 y, en consecuencia, nuestro lmite vale
0+0
1+0
=
0
1
= 0.
Observemos que, al dividir el numerador y el denominador por la misma potencia de x,
el cociente permanece inalterado. Este m etodo nos permitir a calcular lmites al infinito
de cocientes de polinomios.
b) lim
x+
x + 1
x = , que es una indeterminacin racional.

En este caso, tambi en multiplicaremos el numerador y el denominador por una misma
expresi on; prestad mucha atenci on:
lim
x+
x + 1
x = lim
x+
(
x + 1 +
x)(
x + 1
x)
x + 1 +
x
=
= lim
x+
(x + 1) x
x + 1 +
x
= lim
x+
1
x + 1 +
x
=
1
= 0.
Hemos multiplicado el numerador y el denominador por una expresi on adecuada, que
Comentario
1
0
no es una indeterminaci on,
porque cuando dividimos 1
por un n umero cada vez
menor, obtenemos n umeros
paulatinamente mayores
(pod eis comprobarlo vosotros
mismos con la calculadora),
es decir: lim
x0
1
x
= .
llamamos conjugado del denominador. A partir de ahora, esta t ecnica ser a conocida
como multiplicar por el conjugado numerador y denominador.
A continuaci on, trataremos otro tipo de indeterminaciones:
Indeterminaciones potenciales:
1
, 0
0
,
0
Veamos a continuaci onqu e queremos decir exactamente conestas expresiones.
La funci on f(x)
g(x)
se define cuando f(x) es positivo para cada x.

Se puede demostrar que si en el punto x = a la funci on f(x) tiene por
Definamos...
... f(x)
g(x)
= e
g(x) ln f(x)
.
El nmero e se puede definir
como
lim
x+
_
1 +
1
x
_
x
.
lmite el n umero finito y positivo y la funcin g(x) tiene por lmite el
n umero finito , entonces lim
xa
f(x)
g(x)
=
.
!
En general, si designamos con L el lmite (que suponemos que existe) de
f(x)
g(x)
en el punto x = a, tenemos (tomando logaritmos) que:
ln L = lim
xa
g(x) ln f(x)
o lo que es lo mismo:
L = e
lim
xa
g(x) ln f(x)
De manera que la propiedad anterior se puede extender a situaciones m as
amplias, observando que:
Notaci on
Escribiremos indistintamente:
lim
xa
h(x) = c y
h(x)
xa
c.
si h(x)
xa
+, e
h(x)
xa
+
si h(x)
xa
, e
h(x)
xa
0
Aunque si lim
xa
f(x) = 1 y lim
xa
g(x) = , no podemos asegurar nada directa-
mente sobre el lim
xa
f(x)
g(x)
. Sucede lo mismo si lim
xa
f(x) = 0 y lim
xa
g(x) = 0
tambi en cuando lim
xa
f(x) = +y lim
xa
g(x) = 0.
Es normal representar las indeterminaciones anteriores de manera simb o-
lica mediante 1
, 0
0
,
0
.
Cuando lim
xa
f(x) = 1 y lim
xa
g(x) = , para calcular lim
xa
f(x)
g(x)
utilizaremos
la siguiente propiedad: lim
x+
_
1 +
1
x
_
x
= e. En general:
Si lim
xa
h(x) = , entonces lim
x+a
_
1 +
1
h(x)
_
h(x)
= e.
Como consecuencia de esto, podemos decir que:
1) hIR, lim
x
_
1 +
1
x
_
x+h
= lim
x
_
1 +
1
x
_
x
lim
x
_
1 +
1
x
_
h
= e 1 = e.
2) lim
x0
(1 + x)
1
x
hacemos el cambio x=
1
t
= lim
t
_
1 +
1
t
_
t
= e.
En general, si lim
xa
h(x) = 0, entonces lim
xa
[1 +h(x)]
1
h(x)
= e, con h(x) = 0 en
un entorno reducido de a.

Ejemplo 1.2.
1) lim
x
_
1 +
k
x
_
x
= lim
x
_
_
1 +
1
x
k
_x
k
_
k
= e
k
.
2) lim
x0
(1 +kx)
1
x = lim
x0
_
(1 +kx)
1
kx
_
k
= e
k
.
3) lim
x
_
1 +
1
x
_
kx
= lim
x
__
1 +
1
x
_
x
_
k
= e
k
.
Por tanto, si lim
xa
f(x) = 1 y lim
xa
g(x) = , podemos escribir:
f(x)
g(x)
=
_
_
1 + (f(x) 1)
1
f(x)1
_
(f(x)1)g(x)
(suponemos que f(x) = 1 enunentorno reducido de a) y, como f(x)1
xa
0, resulta que:
_
1 + (f(x) 1)
1
f(x)1
xa
e ,
de donde lim
xa
f(x)
g(x)
= e
lim
xa
(f(x)1)g(x)
(suponiendo que los lmites
existan en ambos casos).
Ejercicio
1.1. Calculad los siguientes lmites:
a) lim
x3
x
3
2x
2
3x
x
3
3x
2
9x + 27
.
b) lim
x+
2x
7
+x
5
x
4
1
6x
7
+ 2
.
c) lim
x+
_
x
2
+x + 1
_
x
2
+x 7.
d) lim
x+
_
x
2
+x
_
x
2
+ 2.
e) lim
x+
_
1 +
1
x
_
x
3
.
f) lim
x+
_
2x + 1
2x 1
_
x
.
g) lim
x+
_
1
1
x
_
x
.
h) lim
x+
_
3x + 1
2x + 1
_
x
.
1.2. Regla de LH opital
Acontinuaci onpresentamos el teorema denominado regla de LH opital, que
resulta una herramienta sencilla para el c alculo de ciertos lmites indeter-
minados en forma de cocientes. Cuando se satisfacen ciertas condiciones,
que detallaremos m as adelante, el lmite de un cociente
f(x)
g(x)
, si es una

indeterminaci on del estilo
0
0
o

, se puede reducir al lmite del nuevo

cociente
f
(x)
g
(x)
; si este existe, entonces tambi en existe el lmite inicial y son
iguales.
.
Guillaume de LH opital
Matem atico franc es que se
inici o en el c alculo
infinitesimal de la mano de
Johann Bernoulli, quien le
enviaba los resultados que iba
descubriendo a cambio de
una determinada cantidad de
dinero. Como producto de
este intercambio surgi o el
primer libro de texto sobre el
c alculo infinitesimal, titulado
Analyse des infiniment petits
que, a pesar de todo, fue
firmado por LH opital. En este
libro aparece enunciada la
que hoy llamamos regla de
LH opital.
Regla de LH opital
Dadas las funciones f(x) y g(x), derivables en un entorno del punto
x
0
tal que lim
xx
0
f(x) = lim
xx
0
g(x) vale 0 o , si existe lim
xx
0
f
(x)
g
(x)
,
entonces:
lim
xx
0
f(x)
g(x)
= lim
xx
0
f
(x)
g
(x)
.
Este resultado tambi en es cierto en caso de que lim
xx
0
f
(x)
g
(x)
= y en
caso de que x
0
= .
Para demostrarlo, es necesario que conozcamos la siguiente variante del
teorema del valor medio de la derivada.
.
Teorema del valor medio de Cauchy
Si f y g son dos funciones continuas en un intervalo cerrado [a , b] y
derivables en (a , b), de manera que g(a) = g(b) y ni f
(x) ni g
(x) se
anulan de manera simult anea en ning un punto del intervalo (a , b),
entonces existe al menos un punto (a , b) tal que:
f
()
g
()
=
f(b) f(a)
g(b) g(a)
.
Demostraci on del teorema del valor medio de Cauchy
Aplicaremos el teorema del valor medio para derivadas en la funci on:
h(x) = g(x)[f(b) f(a)] f(x)[g(b) g(a)].
Observad que esta funci on satisface las hip otesis, por el hecho de ser una combinaci on
lineal de dos funciones, f y g, quienes las satisfacen. As pues, (a , b) tal que
h
() =
h(b)h(a)
ba
, pero fijaos en que h(b) = h(a) y, en consecuencia, tenemos que
h
() = 0. Ahora bien:
h
(x) = g
(x)[f(b) f(a)] f
(x)[g(b) g(a)],
de donde sustituimos x por se llega a:
0 = g
()[f(b) f(a)] f
()[g(b) g(a)],
o de forma equivalente:
f
()
g
()
=
f(b) f(a)
g(b) g(a)
.

Demostraci on de la regla de LH opital
En efecto, si f(x) y g(x) son derivables en un entorno de x
0
, se puede aplicar el teorema
del valor medio de Cauchy y resulta:
Existe comprendido entre x
0
y x tal que
f(x) f(x
0
)
g(x) g(x
0
)
=
f
()
g
()
.
Sin embargo, f(x) y g(x) al ser derivables en un entorno de x
0
, son continuas en x
0
;
entonces lim
xx
0
f(x) = f(x
0
) = 0 y lim
xx
0
g(x) = g(x
0
) = 0. As, existe comprendido
entre x
0
y x de manera que:
f(x) 0
g(x) 0
=
f
()
g
()
lim
xx
0
f(x)
g(x)
= lim
xx
0
f
()
g
()
si xx
0
,x
0
= lim
x
0
f
()
g
()
=
= lim
xx
0
f
(x)
g
(x)
.
Ejemplo 1.3.
a) lim
x0
sin x
x
= lim
x0
cos x
1
= 1.
b) lim
x0
ln(1 +x)
x
= lim
x0
1
1+x
1
= 1.
Ejercicio 1.2.
Calculad los lmites:
a) lim
x1
ln x
x 1
.
b) lim
x0
1 cos x
x
2
.
Si lim
xx
0
f
(x) = 0 y lim
xx
0
g
(x) = 0, pero f
(x) y g
(x) son funciones deriva-

bles, se puede aplicar una vez m as la regla de LH opital, aunque conviene,
si es posible, simplificar antes las expresiones obtenidas.
Ejemplo 1.4.
lim
x0
tan x x
x
3
= lim
x0
1
cos
2
x
1
3x
2
= lim
x0
1 cos
2
x
3x
2
cos
2
x
= lim
x0
sin
2
x
3x
2
=
1
3
.
En el ultimo paso hemos aplicado la equivalencia entre sin x y x cuando x 0.
Ejercicio 1.3.
Calculad lim
x0
x sin x
x
3
.
La regla de LH opital se puede aplicar en varios casos, como se muestra a
continuaci on:
1) Lmites de cocientes de infinitos
A pesar de que no realizaremos la demostraci on, la regla de LH opital
tambi en resulta v alida cuando lim
xx
0
f(x) = y lim
xx
0
g(x) = .

Ejemplo 1.5.
Recordad
sin2x = 2 sin xcos x
cos 2x = cos
2
x sin
2
x
a) lim
x0
+
ln x
cot x
= lim
x0
+
1
x
1
sin
2
x
= lim
x0
+
sin
2
x
x
= 0.
b) lim
x0
+
lntan2x
lntan x
= lim
x0
+
1
tan 2x
1
cos
2
2x
2
1
tan x
1
cos
2
x
= lim
x0
+
2
sin x
cos x
cos
2
x
sin 2x
cos 2x
cos
2
2x
= lim
x0
+
2 sin xcos x
sin2xcos 2x
=
= lim
x0
+
sin2x
sin2xcos 2x
= lim
x0
+
1
cos 2x
= 1.
Ejercicio 1.4.
Calculad lim
x1
+
ln(x 1)
x+1
x1
.
2) Lmites de cocientes indeterminados cuando x
La regla de LH opital tambi en es aplicable cuando x , s olo hay que
cambiar la variable x =
1
z
(si x , entonces z 0):
lim
x
f(x)
g(x)
= lim
z0
f
_
1
z
_
g
_
1
z
_ = lim
z0
f
_
1
z
__
1
z
2
_
g
_
1
z
__
1
z
2
_ = lim
x
f
(x)
g
(x)
.
Ejemplo 1.6.
Si a > 1, m IN:
lim
x+
a
x
x
m
= lim
x+
a
x
ln a
mx
m1
= lim
x+
a
x
ln a ln a
m(m1)x
m2
= . . . = +
(llegar a un momento en que el denominador ser a de grado cero). Es decir, a
x
(a > 1)
es un infinito de orden superior a x
m
(m IN) cuando x .
Ejercicio 1.5.
Calculad lim
x+
x
m
ln x
(m > 0).
3) Otros tipos de indeterminaciones
a) Indeterminaci on 0
Si f(x) 0 y g(x) cuando x a, entonces lim
xa
f(x)g(x) es una
indeterminaci on.
.
Se puede escribir f(x)g(x) =
f(x)
1
g(x)
o bien f(x)g(x) =
g(x)
1
f(x)
, que da lugar
a una indeterminaci on de tipo cociente, y se puede aplicar la regla
de LH opital.

Ejemplo 1.7.
lim
x
xln
_
x 1
x + 1
_
= lim
x
ln
_
x1
x+1
_
1
x
= lim
x
x+1
x1
(x+1)(x1)
(x+1)
2
1
x
2
=
= lim
x
2
x
2
1
1
x
2
= lim
x
2x
2
x
2
1
= 2.
b) Indeterminaci on
Si f(x) + y g(x) + cuando x a, lim
xa
[f(x) g(x)] es una
indeterminaci on.
.
Se puede escribir f(x) g(x) =
1
g(x)
1
f(x)
1
f(x)g(x)
, que da lugar a una indeter-
minaci on de tipo cociente, y aplicar la regla de LH opital.
Ejemplo 1.8.
lim
x0
_
1
x
1
tan x
_
= lim
x0
tan x x
xtan x
= lim
x0
1
cos
2
x
1
x
cos
2
x
+ tan x
=
= lim
x0
1 cos
2
x
x + cos
2
xtan x
= lim
x0
sin
2
x
x + sin xcos x
=
= lim
x0
2 sin xcos x
1 sin
2
x + cos
2
x
= lim
x0
2 sin xcos x
2 cos
2
x
=
= lim
x0
sin x
cos x
= lim
x0
tan x = 0.
A veces, la aplicaci on repetida de la regla de LH opital para resolver una
indeterminaci on no nos conduce a ninguna parte, porque no se simplifica
la expresi on o no existe el lmite de
f
(x)
g
(x)
. En estos casos hay que utilizar
otros m etodos.
Ejemplo 1.9.
a) lim
x+
e
x
+ cos x
e
x
+ sin x
= lim
x+
1 +
cos x
e
x
1 +
sin x
e
x
= 1, pero si aplicamos la regla de LH opital para
resolver la indeterminaci on inicial

, no podemos determinar el valor del lmite:

lim
x+
e
x
+ cos x
e
x
+ sin x
= lim
x+
e
x
sin x
e
x
+ cos x
= lim
x+
e
x
cos x
e
x
sin x
= . . . ,
b) lim
x
x + sin x
x + cos x
, si aplicamos la regla de LH opital, tenemos que lim
x
1 + cos x
1 sin x
no
Observacin
En caso de que un lmite no
presente ning un tipo de
indeterminaci on, no se puede
aplicar la regla de LH opital,
ya que podramos obtener
resultados incorrectos.
existe. En cambio, dividiendo el numerador y el denominador por x, se obtiene que el
lmite es 1.
c) lim
x0
cos x
1 +x
= 1, pero si aplicamos la regla de LH opital sin tener en cuenta las con-
diciones necesarias, lim
x0
sin x
1
= 0. Esto se debe al hecho de que lim
x0
cos x
1 +x
no es
indeterminado.
1.3.

Ordenes de magnitud
La complejidad de un algoritmo es una estimaci on del n umero de ope-
raciones (operaciones b asicas entre bits, por lo general) que realizar a el

algoritmo en funci on de los datos de entrada. En este apartado nos centra-
remos en aquellos casos en los que el n umero de operaciones del algoritmo
dependa de un unico dato de entrada (n), donde n es natural. Se utiliza la
notaci on O(f(n)), donde f es una funci on de una variable, para denotar
que un algoritmo tiene que realizar kf(n) operaciones (k es una constante)
para obtener un valor de salida a partir de la entrada n. As, si un algoritmo
realiza 4n
5
operaciones antes de dar el resultado, diremos que tiene una
complejidad del orden n
5
, y lo anotaremos O(n
5
). La complejidad algort-
mica se traduce, entonces, en coste computacional y se intenta minimizar
al disear un algoritmo. En este apartado veremos c omo comparar estas
funciones entre s, utilizando lmites al infinito, y tambi en observaremos el
hecho de que si lim
x+
f(x) = L(x IR), entonces lim
n+
f(n) = L(n IN).
Ejemplo 1.10.
Complejidad del algoritmo de multiplicaci on de un entero por s mismo.
Habr a que multiplicar el entero npor cada una de sus cifras, y despu es sumar los resultados.
Veremos una estimaci on de la complejidad de este algoritmo, entendiendo como opera-
ci on b asica la suma de enteros de una cifra. Si k es el n umero de cifras de n, entonces
k log
10
n. Son necesarias k
2
multiplicaciones de enteros de una cifra, y despu es k 1
sumas de enteros de la medida de n. Cada una de las multiplicaciones implica, como
m aximo, 9 sumas de enteros de una cifra (el peor caso sera multiplicar 9 por 9, que
equivale a sumar 9 veces 9); una suma de enteros de k cifras equivale a k operaciones
b asicas. Juntando estas cantidades, obtenemos la estimaci on de la siguiente complejidad:
9k
2
+ (k 1)k = 10k
2
k 10k
2
10 log
2
10
n = 10
ln
2
n
ln
2
10
2 ln
2
n = O(ln
2
n).
Las funciones que aparecen en el c alculo de la complejidad de un algoritmo, como por
ejemplo ln
2
n, e
nln n
,
7
n, tienden a infinito cuando n tiende a infinito. Si queremos

comparar la velocidad de dos algoritmos, nos interesar a contar con una medida de la
velocidad con la que tiendan a infinito funciones como los polinomios, exponenciales,
logaritmos, etc.
Ejemplo 1.11.
Consideremos dos algoritmos que necesitan n
5
+ 2n + 2 y n
5
n
2
+ 65 operaciones,
respectivamente, para llevar a cabo un mismo c alculo. Cu al ser a m as r apido?
Si le vais dando valores a las dos funciones f(n) = n
5
+ 2n + 2 y g(n) = n
5
n
2
+ 65,
observar eis que f(n) < g(n) para valores pequeos de n. Por el contrario, n 11,
f(n) > g(n). Por lo tanto, est a claro que el segundo algoritmo ser a m as r apido, pero
tened en cuenta que para valores grandes de n (del orden de un mill on, por ejemplo), no
se dar a una diferencia relativa apreciable entre ambas funciones:
f(n)
g(n)
1, para n grande.
En este caso estableceremos que las funciones f y g son del mismo orden de magnitud,
y que los dos algoritmos tienen, tambi en, la misma complejidad.
.
Sean f(n), g(n) funciones tales que:
lim
n+
f(n) = lim
n+
g(n) = +.

.
Decimos que f y g son del mismo orden de magnitud cuando
lim
n+
f(n)
g(n)
es diferente de 0 y de . En este caso, escribiremos
f(n) g(n) o bien O(f(n)) = O(g(n)).
Decimos que f tiene orden de magnitud superior a g cuando
lim
n+
f(n)
g(n)
= +. En este caso, escribimos f(n) >> g(n) o bien
ponemos O(f(n)) > O(g(n)).
Decimos que f tiene orden de magnitud inferior a g cuando
lim
n+
f(n)
g(n)
= 0. En este caso, escribimos f(n) << g(n) o bien
ponemos O(f(n)) < O(g(n)).
En el ejemplo anterior hemos visto que f(n) g(n) n
5
.
Orden de magnitud de funciones polin omicas
Si f(n) = polinomio de grado s, entonces f(n) = an
s
+ (t erminos de grado
inferior) y a = 0. Por lo tanto:
lim
n+
f(n)
n
s
= a > 0.
De este hecho podemos deducir que f(n) n
s
, es decir, que un polinomio
tiene el orden de magnitud n
grado
.
Exponenciales frente a polinomios
Consideremos una funci on exponencial de base b > 1, f(n) = b
n
y un
Recordad
Si b > 0,
entonces lim
n+
b
n
=
=
0 si b < 1
+ si b > 1
1 si b = 1
polinomio p(n) de grado r. Cu al de estas dos funciones tiene orden de
magnitud superior? Es posible que dependa del grado r del polinomio, o
de la base b del exponencial?
Puesto que p(n) n
r
, podemos reducir el problema a calcular lim
n+
b
n
n
r
=
=

, que es indeterminado. Para resolver la indeterminaci on, calcula-

remos lim
x+
b
x
x
r
, donde la variable x es real. Estos dos lmites coinciden
porque en ambos casos la variable tiende a infinito, pero el segundo en-
foque nos permite abordar el problema como un c alculo de lmites de
funciones y aplicar las t ecnicas que ya conocemos. En concreto, dado que
las dos funciones involucradas son derivables, podemos utilizar la regla
de LH opital.
lim
x+
(b
x
)
(x
r
)
= lim
x+
(ln b)b
x
rx
r1
=

Continuamos teniendo una indeterminaci on, aunque si aplicamos de ma-
nera sucesiva la regla de LH opital, la funci on del numerador s olo vara
en una constante multiplicativa (ln b), mientras que en el denominador
permanece un polinomio de grado cada vez menor. Tras haber aplicado la
regla r veces, obtendremos:
lim
x+
(ln b)
r
b
x
r (r 1) (r 2) 3 2 1
=
(ln b)
r
r!
lim
x+
b
x
= .
Esto nos demuestra que una exponencial de base mayor que 1 crece con
Nota
r! = r(r1)(r2) 321
es el producto de todos los
enteros desde 1 hasta r.
mucha m as rapidez que cualquier polinomio, por grande que sea su grado.
En el lenguaje de los ordenes de magnitud hemos visto que:
b
n
>> n
r
, b > 1 r
La f ormula de Stirling
A continuaci on vamos a ver cu al es el orden de magnitud de la funci on
f(n) = n! Por desgracia, no podemos actuar como en el caso anterior, don-
de se utilizaron funciones de variable real. Qu e sentido tiene escribir x! si
x no es un n umero entero? Ahora bien, podemos empezar estableciendo
la siguiente comparaci on directa:
n! = n (n 1) (n 2) 2 1 < n n n n n.
De esta forma, tenemos que n! < n
n
. Sin embargo, recordemos que este
hecho no implica que O(n!) < O(n
n
), porque tambi en podran ser funcio-
nes del mismo orden de magnitud.
La f ormula de Stirling nos responde con precisi on a esta cuesti on:
lim
n+
n!
e
n
n
n
2n
= 1.
Y esta f ormula nos permitir a concluir que:
n! e
n
n
n
2n e
n
n
n
n.

Ejemplo 1.12.
Comparamos los ordenes de magnitud de n! y n
n
. Gracias a la f ormula de Stirling, en
lugar de calcular lim
n+
n!
n
n
, podemos calcular:
lim
n+
e
n
n
n
n
n
n
= lim
n+
n
e
n
= lim
n+
n
1
2
e
n
.
Pues bien, ahora que ya sabemos que en e
n
>> n
r
, r, podemos concluir que el lmite
que hay que calcular es infinito y, en consecuencia:
n! << n
n
.
Ejemplo 1.13.
Comparamos los ordenes de magnitud de (n!)
2
y (2n)
n
.
Empezamos utilizando la f ormula de Stirling:
(n!)
2
(e
n
n
n
n)
2
= e
2n
n
2n
n = e
2n
n
2n+1
.
A continuaci on, comparamos la funci on obtenida con (2n)
n
= 2
n
n
n
:
lim
n+
2
n
n
n
e
2n
n
2n+1
= lim
n+
e
2n
2
n
n
n+1
=
= lim
n+
_
2e
2
n
_
n
1
n
= 0
0 = 0 0 = 0.
Por lo tanto, O((n!)
2
) > O((2n)
n
), o bien (n!)
2
>> (2n)
n
.
1.4. Ejercicios
1.6. Tienen el mismo orden de magnitud las funciones f(n) = a
n
y g(n) = b
n
, si 1 < a < b?
1.7. Comparad el orden de magnitud de las funciones f(n) y g(n) en los siguientes casos:
a) f(n) = ln n, g(n) =
k
n, k > 0.
b) f(n) = n, g(n) = (ln n)
k
, k > 0.
c) f(n) = (2n)!, g(n) = n
2n
.
d) f(n) = (2n)!, g(n) = (2n)
n
.
1.8. Ordenad las siguientes funciones por orden de magnitud creciente:
a
n
(a > 1), (ln n)
k
(k > 0), n
n
, n
r
(r > 0).
1.5. Solucionario
1.1.
a) L = lim
x3
x
3
2x
2
3x
x
3
3x
2
9x + 27
=
0
0
, indeterminado.
L = lim
x3
x(x 3)(x + 1)
(x 3)
2
(x + 3)
= lim
x3
x(x + 1)
(x 3)(x + 3)
=
3 4
0
= .
b) L = lim
x+
2x
7
+x
5
x
4
1
6x
7
+ 2
=

, indeterminado.
L = lim
x+
2x
7
+x
5
x
4
1
6x
7
+ 2
= lim
x+
2x
7
+x
5
x
4
1
x
7
6x
7
+2
x
7
=
= lim
x+
2 +
1
x
2

1
x
3

1
x
7
6 +
2
x
7
=
2
6
=
1
3
.

c) L = lim
x+
_
x
2
+x + 1
_
x
2
+x 7 = , indeterminado.
L = lim
x+
(
x
2
+x + 1
x
2
+x 7)(
x
2
+x + 1 +
x
2
+x 7)
x
2
+x + 1 +
x
2
+x 7
=
= lim
x+
(x
2
+x + 1) (x
2
+x 7)
x
2
+x + 1 +
x
2
+x 7
=
= lim
x+
8
x
2
+x + 1 +
x
2
+x 7
=
8
= 0.
d) L = lim
x
_
x
2
+x
_
x
2
+ 2 = , indeterminado.
L = lim
x
(
x
2
+x +
x
2
+ 2)(
x
2
+x
x
2
+ 2)
x
2
+x +
x
2
+ 2
=
= lim
x
(x
2
+x) (x
2
+ 2)
x
2
+x +
x
2
+ 2
=
= lim
x
x 2
x
2
+x +
x
2
+ 2
=

, indeterminado.
Dividiremos el numerador y el denominador por x para resolver la nueva indeterminaci on:
L = lim
x
x2
x
x
2
+x+
x
2
+2
x
=
= lim
x
1
2
x
_
1 +
1
x
+
_
1 +
2
x
2
=
1
1 + 1
=
1
2
.
e) L = lim
x+
_
1 +
1
x
_
x
3
= 1
, indeterminado.
L = lim
x+
_
1 +
1
x
_
x
3
= lim
x+
__
1 +
1
x
_
x
_
x
2
= e
+
= .
f) L = lim
x+
_
2x + 1
2x 1
_
x
= 1
, indeterminado.
Dado que
2x + 1
2x 1
=
(2x 1) + 2
2x 1
= 1 +
2
2x 1
= 1 +
1
x
1
2
, entonces:
L = lim
x+
_
1 +
1
x
1
2
_
x
= lim
x+
_
1 +
1
x
1
2
_
x
1
2
_
1 +
1
x
1
2
_1
2
= e 1 = e.
g) L = lim
x+
_
1
1
x
_
x
= 1
, indeterminado.
Ahora bien:
_
1
1
x
_
x
=
_
1 +
1
x
_
x
1
2
=
_
_
1 +
1
x
_
x
_ 1
x
,
y por tanto:
L = e
lim
x+
1
x
= e
0
= 1.
h) lim
x
_
3x + 1
2x + 1
_
x
=
_
3
2
_
= (Observamos que, en este caso, no hay indeterminaci on)

1.2
a) lim
x1
ln x
x 1
= lim
x1
1
x
1
2
x
= 2.
b) lim
x0
1 cos x
x
2
= lim
x0
sin x
2x
=
1
2
.

1.3
lim
x0
x sin x
x
3
= lim
x0
1 cos x
3x
2
= lim
x0
sin x
6x
= lim
x0
cos x
6
=
1
6
.
1.4
lim
x1
+
ln(x 1)
x+1
x1
= lim
x1
+
1
x1
(x1)(x+1)
(x1)
2
= lim
x1
+
x 1
2
= 0.
1.5
lim
x+
x
m
ln x
mIN
= lim
x+
mx
m1
1
x
= lim
x+
mx
m
= .
Es decir, x
m
(m IN) es un infinito de orden superior a ln x cuando x +.
1.6.
lim
n+
a
n
b
n
= lim
n+
_
a
b
_
n
=
_
a
b
_
= 0, teniendo en cuenta que

a
b
< 1. Por tanto,
a
n
<< b
n
si 1 < a < b.
1.7.
a) lim
n+
k
n
ln n
=

= indeterminado.
Dado que ln x y
k
x son funciones derivables x > 0, utilizaremos la regla de LH opital.

lim
x+
(
k
x)
(ln x)
= lim
x+
1
k
x
1
k
1
1
x
=
1
k
lim
x+
x x
1
k
1
=
=
1
k
lim
x+
x
1
k =
Por lo tanto,
k
n >> ln n, k > 0.
b) lim
n+
n
(ln n)
k
= lim
n+
(
k
n)
k
(ln n)
k
=
_
lim
n+
k
n
ln n
_
k
=
k
= (el ultimo lmite lo hemos
calculado en el apartado a).
Conclusi on: (ln n)
k
<< n, k > 0.
c) f(n) = (2n)! (2n)
2n
e
2n
2n.
lim
n+
(2n)
2n
e
2n
2n
n
2n
= lim
n+
2
2n
n
2n
2n
e
2n
n
2n
= lim
n+
2n
_
2
e
_
2n
=
=
2 lim
n+
n
1
2
_
e
2
_
2n
= 0,
porque una exponencial (de base > 1) tiene orden de magnitud mayor que cualquier potencia
de n.
Por lo tanto, (2n)! << n
2n
.
d) f(n) = (2n)! (2n)
2n
e
2n
2n.
lim
n+
(2n)
2n
e
2n
2n
(2n)
n
= lim
n+
(2n)
n
e
2n
2n = lim
n+
_
2n
e
2
_
n
2n =
=
+
=
Por lo tanto, (2n)! >> (2n)
n
.
1.8. Sabemos que n
r
<< a
n
(el orden de los polinomios es inferior al de las exponenciales
de base > 1). Por otra parte:
lim
n+
n
n
a
n
= lim
n+
_
n
a
_
n
=
+
= ,
as que: a
n
<< n
n
.

A partir del apartado a del ejercicio 1.7, podemos deducir que:
lim
n+
n
r
(ln n)
k
= lim
n+
_
n
r
k
ln n
_
k
=
k
= .
Este c alculo nos indica que (ln n)
k
<< n
r
.
Enmarcaremos el resultado que resume la escala de ordenes de magnitud de estas funciones,
de uso frecuente:
(ln n)
k
<< n
r
<< a
n
<< n
n
(k > 0) (r > 0) (a > 1)

2. Resoluci on aproximada de ecuaciones
.
De momento, son pocas las ecuaciones que sabemos resolver. Conocemos
una f ormula que nos da la soluci on de cualquier ecuaci on polin omica
de primer y segundo grado, y es posible que algunos de vosotros hay ais
visto f ormulas an alogas para las ecuaciones de tercer y cuarto grado. Ante
una ecuaci on de grado superior con algunas soluciones enteras, tambi en
podramos encontrar una soluci on con la regla de Ruffini. Sin embargo,
en el resto de los casos, qu e haramos? O, lo que es todava peor, c o-
mo podemos resolver una ecuaci on como sin x x = 0 si ni siquiera es
polin omica?
En este apartado desarrollaremos algunas t ecnicas para obtener soluciones
aproximadas de ecuaciones polin omicas de cualquier grado, como tambi en
de muchas otras ecuaciones no polin omicas.
Hay quien se podra quejar y decir: Las soluciones no ser an exactas!
Qu e valor tiene el resultado?. Pero pensad que, cuando resolvemos una
ecuaci on de segundo grado, pongamos por caso x
2
+ 2x 1, que tiene por
soluciones 1
2, nos quedamos satisfechos diciendo que las soluciones

son 2, 4142 y 0, 4142; si queremos precisar m as, s olo tenemos que poner
m as decimales. Esto es justamente lo que conseguiremos con los nuevos
m etodos que se van a exponer en este apartado: dar una aproximaci on tan
precisa como deseemos de las soluciones de una ecuaci on.
2.1. Separaci on de las soluciones
Antes de aplicar un m etodo de resoluci on aproximada de ecuaciones, se
nos plantea una cuesti on previa: saber cu antas soluciones hay y separarlas.
Con este objetivo es conveniente obtener intervalos pequeos, de manera
que cada uno contenga una sola soluci on. Entonces, tendremos las solu-
ciones separadas y podremos aplicar el m etodo de aproximaci on escogido,
centr andonos en cada intervalo.

Con el finde encontrar estos intervalos, utilizaremos el teorema de Bolzano,
Ya hablamos del...
... teorema de Bolzano en el
ultimo apartado del m odulo
Las ideas b asicas del
c alculo.
pero para averiguar el n umero de soluciones a menudo ser a necesario el uso
de t ecnicas complementarias, que variar anenfunci ondel tipo de ecuaci on.
En los siguientes ejemplos ilustraremos las t ecnicas de uso m as frecuente.
Ejemplo 2.1.
Separamos las soluciones de x
4
+x
3
27x
2
25x + 41 = 0.
De entrada, observamos que, si |x| 10, el t ermino x
4
toma un valor mayor que el resto
de los t erminos juntos y, por tanto, f(x) = x
4
+ x
3
27x
2
25x + 41 > 0 si |x| 10.
Todas las soluciones de la ecuaci on f(x) = 0 se encontrar an, entonces, en el intervalo
(10, 10).
Teniendo en cuenta que nuestra funci on es polin omica, podemos utilizar la regla de
Ruffini para averiguar si existen soluciones enteras. Los candidatos ser an los divisores
del t ermino independiente del polinomio f(x), en este caso 1 y 41, pero resulta que
ninguno de los dos es la soluci on. En consecuencia, tendremos que tomar otro camino.
El teorema de Bolzano nos indica que toda funci on continua (como es el caso de un
polinomio), que cambia de signo entre dos puntos a y b, se anula en alg un punto del
intervalo (a, b). Intentaremos detectar d onde tiene este comportamiento nuestra funci on:
f(10) > 0, f(1) = 9 < 0, f(10) > 0.
Esto quiere decir que existe, como mnimo, una soluci on para cada uno de los intervalos
(10, 1) y (1, 10). Sin embargo, nos preguntamos si hay dos soluciones o hay m as.
Dado que f(x) es un polinomio de cuarto grado, puede haber 0, 2 o 4 soluciones. Inten-
Si ten eis dudas...
... sobre el n umero de races
de un polinomio, pod eis
repasar el m odulo Las
funciones de una variable.
taremos ahondar m as, para averiguar as si hay alg un otro cambio de signo que delate la
existencia de m as soluciones:
f(5) = 9 < 0, f(0) = 41 > 0.
Efectivamente, haba dos soluciones, y el teorema de Bolzano nos garantiza que se en-
cuentran en los intervalos (10, 5), (5, 0), (0, 1) y (1, 10). De hecho, todava podemos
ser un poco m as precisos si observamos que:
f(6) = 299 > 0, f(2) = 9 < 0, f(1) = 59 > 0,
f(4) = 171 < 0, f(5) = 66 > 0.
Ahora ya estamos en condiciones de asegurar que hay cuatro soluciones, y que se encuen-
tran en los intervalos:
(6, 5), (2, 1), (0, 1), (4, 5).
Ejemplo 2.2.
Separamos las soluciones de f(x) = x
3
+x + 1 = 0.
Nota
Un esbozo de la gr afica de la
funci on f(x) siempre nos
puede ser de utilidad a la
hora de saber el n umero de
soluciones y de situarlas.
Recordemos que una ecuaci on polin omica de tercer grado puede tener una o tres solu-
ciones. Dado que, en nuestro caso, f(x) > 0 cuando x 0 y lim
x
f(x) = , sabemos
que como mnimo hay una soluci on negativa, y ninguna positiva. Evaluamos la funci on
en algunos puntos:
f(1) = 1 < 0, f(0) = 1 > 0.
Deducimos que tenemos una soluci on en el intervalo (1, 0).
Por otro lado, f(x) < f(1) si x < 1, ya que x
3
+ x es negativo y, en valor absoluto,
va creciendo cada vez m as, a medida que x se aleja del origen en sentido negativo. Esto
nos indica que no hay ninguna soluci on en el intervalo (, 1); es decir, que todas las
soluciones est an en (1, 0).
En este caso, en lugar de escoger m as valores en los que evaluar f(x), seguiremos otro
camino. La funci on f(x) es derivable y f
(x) = 3x
2
+ 1. Nos damos cuenta de que

f
(x) > 0, x, lo que quiere decir que f(x) es estrictamente creciente en toda la recta
real. Una funci on estrictamente creciente s olo puede atravesar el eje OX una vez como
m aximo y, en consecuencia, nuestra funci on f(x) no podr a tener m as de una soluci on.
As pues, conlos c alculos que acabamos de realizar, ya hemos acabado y podemos concluir
que f(x) tiene una unica soluci on, que se sit ua en el intervalo (1, 0).
Ejemplo 2.3.
Cu antas soluciones tiene la ecuaci on x = cos x?
Podemos replantear el problema de la siguiente manera: cu antas soluciones tiene la
ecuaci on f(x) = x cos x = 0? Aplicamos la idea de Bolzano:
f(2) = 2 1 < 0, f() = + 1 < 0, f(0) = 1 < 0,
f() = + 1 > 0, f(2) = 2 1 > 0, f(3) = 3 + 1 > 0...
S olo hemos localizado una, que se encuentra en el intervalo (0, ). Utilizaremos la
Notacin
significa
equivalentemente.
=significa implica.
derivada de f(x) para averiguar si puede haber alguna m as:
f
(x) = 1 + sin x.
Dado que sin x 1 x, resulta que f
(x) 0 x. Adem as:

f
(x) = 0 sin x = 1 x =
3
2
+ 2k k entero.
La funci on f(x) no es estrictamente creciente, lo cual puede parecer un inconveniente,
pero observamos que f(x) > 0 si x > 1 y f(x) < 0 si x < 1, de manera que las
soluciones de la ecuaci on tienen que encontrarse en (1, 1), puesto que en este intervalo
s se satisface la propiedad f
(x) > 0, y tenemos que f(x) es estrictamente creciente.

Podemos concluir, pues, que existe una unica soluci on de la ecuaci on x = cos x, y que
esta se encuentra en el intervalo (1, 1).
Ejercicio 2.1.
Determinad el n umero de soluciones de las ecuaciones que ten eis a continuaci on y sepa-
radlas en intervalos disjuntos:
a) x
5
8x
3
x
2
9x + 9 = 0.
b) x
4
4x
3
4x
2
+ 16x + 1 = 0.
c) 3x = 2 cos
2
x.
2.2. M etodo de bisecci on
Tras saber c omo hay que separar las soluciones de una ecuaci on, nos centra-
remos endarle unvalor aproximadomediante el usode diferentes m etodos.
El primero que vamos a exponer se conoce como m etodo de bisecci on y
es el m as simple, se basa en el teorema de Bolzano.
El puntode partida es una ecuaci onf(x) = 0 dada por una funci oncontinua
y dos puntos a, b, donde f toma valores con signo diferente (f(a)f(b) < 0),
conel finde garantizar la existencia de soluci onenel interior del intervalo
[a, b]. Partiendo de [a, b], iremos encontrando nuevos intervalos [a
k
, b
k
],
cada vez menores, que satisfar an la propiedad f(a
k
) f(b
k
) < 0. Cuando

hayamos encontrado un intervalo lo bastante pequeo, escogeremos un
punto cualquiera del interior como valor aproximado de la soluci on.
Veamos ahora c omo se construyen los intervalos sucesivos:
Enunciamos I
0
= [a, b]. Suponemos que f(a) < 0 y f(b) > 0.
Consideramos x
1
=
a+b
2
el punto medio del intervalo I
0
.
Se pueden dar tres circunstancias:
1) Si f(x
1
) = 0, ya hemos terminado.
2) Si f(x
1
) > 0, denominaremos a
1
= a, b
1
= x
1
y tomaremos I
1
=
= [a
1
, b
1
] como intervalo siguiente.
3) Si f(x
1
) < 0, denominaremos a
1
= x
1
, b
1
= b y tomaremos I
1
=
= [a
1
, b
1
] como el siguiente intervalo.
Observad que f(x) toma valores con signo diferente en los extremos del
intervalo I
1
, como tambi en pasaba con I
0
. Esta propiedad garantiza la
existencia de una soluci on de la ecuaci on en el interior del intervalo I
1
.
Adem as, la longitud del intervalo nuevo se ha reducido a la mitad.
Por medio de la iteraci onde este proceso,iremos encontrando intervalos
Por este motivo...
... el m etodo se llama de
bisecci on: en cada iteraci on
se parte por la mitad el
intervalo anterior.
I
k
de longitud
ba
2
k
que contendr an una soluci on. Nos detendremos
cuando consideremos que la aproximaci on es lo bastante buena, es
decir, cuando
ba
2
k
sea menor que la cota de error que hayamos prefijado.
Ejemplo 2.4.
Resolvemos la ecuaci on x = cos x.
Ya hemos visto en el ejemplo 2.3 que esta ecuaci on tiene una unica soluci on.
Consideramos f(x) = cos x x, que es una funci on continua. Dado que f(0) = 1 > 0
y f(3) = cos 3 3 < 0, podemos empezar con la aplicaci on del m etodo de bisecci on a
partir de I
0
= [0, 3].
Consideremos el punto medio de I
0
, x
1
= 1, 5, y evaluemos la funci on en dicho punto,
f(1, 5) 1, 43 < 0. El algoritmo anterior nos indica que I
1
=[0, 1,5].
En la tabla siguiente podemos ver el resultado que se logra tras haber realizado las itera-
ciones necesarias hasta obtener una aproximaci on de la soluci on con tres cifras decimales
exactas. Las columnas corresponden al n umero de iteraciones (k), a los extremos de los
sucesivos intervalos [a
k
, b
k
] y a su longitud, b
k
a
k
.

I
k
a
k
b
k
b
k
- a
k
0 0 3 3
1 0 1,5 1,5
2 0 0,75 0,75
3 0,375 0,75 0,375
4 0,5625 0,75 0,1875
5 0,65625 0,75 0,09375
6 0,703125 0,75 0,046875
7 0,7265625 0,75 0,0234375
8 0,73828125 0,75 0,01171875
9 0,73828125 0,744140625 0,005859375
10 0,73828125 0,7412109375 0,0029296879
11 0,73828125 0,73974609375 0,00146484375
12 0,739013671875 0,73974609375 0,000732421875
De este modo, necesitamos seis iteraciones para conseguir la primera cifra decimal exacta,
once para la segunda y doce para llegar a la conclusi on de que la soluci on aproximada
con tres cifras decimales exactas es 0,739.
Ejercicios
2.2.
a) Cu antas soluciones tiene la ecuaci on xe
x
= 1?
b) Calculadlas mediante el m etodo de bisecci on con una cifra decimal exacta.
2.3. Utilizando el m etodo de bisecci on, calculadla unica soluci onde la siguiente ecuaci on:
f(x) = sin x + cos x 0,5 = 0,
en el intervalo [
2
, ], con tres cifras decimales exactas.
Cuando teng ais la soluci on de estos dos ejercicios, os dar eis cuenta de que
el m etodo de bisecci on, a pesar de ser seguro, es un poco lento. Se acaba
encontrando una soluci on tan precisa como queramos, pero la convergen-
cia del m etodo hacia la soluci on es bastante lenta. Por este motivo, en los
siguientes apartados vamos a encontrar un par de propuestas m as con el
fin de ganar en velocidad de convergencia.
2.3. M etodo de la secante
Con el m etodo de bisecci on siempre escogamos el punto medio del in-
tervalo para continuar con la aproximaci on, pero si tuvi esemos la libertad
para escoger alg un otro m as cercano a la soluci on en cada iteraci on, nos
acercaramos con una mayor rapidez, ganaramos en velocidad.
Observad con atenci on el siguiente gr afico.

Partimos de la gr afica de una funci on continua f(x), que se anula en un
punto del intervalo [a, b], y hemos dibujado tambi en la recta (secante en
la gr afica) que une los puntos (a, f(a)) y (b, f(b)). La intersecci on (c) de
esta secante con el eje OX est a m as cerca de que el punto medio
a+b
2
,
del intervalo [a, b]. As, parece que esta nueva idea geom etrica, repetida en
sucesivas ocasiones (observad el gr afico siguiente), nos puede aportar una
buena aproximaci on de la soluci on de manera mucho m as r apida que el
m etodo de bisecci on.
Sin embargo, c omo podemos encontrar num ericamente estos puntos x
2
,
x
3
. . . que aproximan la soluci on de la ecuaci on f(x) = 0? El primer paso
ser a calcular el punto x
2
de este gr afico a partir de los extremos del intervalo
[a, b] = [x
0
, x
1
].
La recta que pasa por los puntos (x
0
, f(x
0
)) y (x
1
, f(x
1
)) tiene la ecuaci on
y = px + m, donde:
p =
f(x
1
) f(x
0
)
x
1
x
0
, m = f(x
0
)
f(x
1
) f(x
0
)
x
1
x
0
x
0
(los valores p y m se calculan imponiendo que los dos puntos satisfacen la
ecuaci on de la recta).
El punto de corte de esta recta con el eje OX es (x
2
, 0), donde:
x
2
= x
1
f(x
1
)(x
1
x
0
)
f(x
1
) f(x
0
)
.

Si vamos repitiendo el mismo proceso, obtendremos una sucesi on de pun-
tos x
0
, x
1
, x
2
, , x
n
cada vez m as cercanos (si todo va bien) a la soluci on
exacta. Podremos calcular x
n
a partir de los dos puntos anteriores, x
n1
y
x
n2
, de la misma manera que hemos obtenido x
2
a partir de x
0
y x
1
.
.
F ormula iterativa del m etodo de la secante
x
n
= x
n1
f(x
n1
)(x
n1
x
n2
)
f(x
n1
) f(x
n2
)
, n 2
El m etodo de la secante es, pues, el que se conoce como m etodo recurrente, es
decir, que el siguiente punto se obtiene a partir de algunos de los anteriores.
Ejemplo 2.5.
Resolvemos la ecuaci on x = cos x con el m etodo de la secante.
Consideramos f(x) = cos x x, x
0
= 0, 7 y x
1
= 0, 8. El hecho de que f(x) sea continua,
f(0, 7) > 0 y f(0, 8) < 0, nos permite deducir que hay una soluci on de la ecuaci on
f(x) = 0 en el intervalo (0,7, 0,8).
La f ormula iterativa del m etodo de la secante, aplicada a nuestra funci on f(x) es:
x
n
= x
n1
(cos(x
n1
) x
n1
)(x
n1
x
n2
)
cos(x
n1
) x
n1
cos(x
n2
) +x
n2
.
Cuando empezamos a calcular puntos, obtenemos:
x
2
= 0, 738565440, x
3
= 0, 739078362,
x
4
= 0, 739085134, x
5
= 0, 739085133.
Dado que f(x
4
) < 0 y f(x
5
) > 0, tenemos una soluci on al intervalo (0,739085133,
0,739085134). En s olo cuatro iteraciones, hemos pasado de tener una sola cifra decimal
exacta (x 0,7), a tener ocho (x 0,739085133). El m etodo de la secante ha resultado
ser mucho m as r apido que el m etodo de bisecci on, tal y como nos habamos propuesto.
Es posible que alguien se haya preguntado por qu e hemos calculado el signo de f(x
4
)
y f(x
5
). Resulta que, en el m etodo de la secante, la soluci on no siempre se encuentra
entre dos puntos consecutivos x
n
y x
n+1
. Lo unico que podremos asegurar es que x
n+1
estar a m as cerca de la soluci on que x
n
. Este fen omeno se da en el ejemplo anterior:
0, 73908513 [x
2
, x
3
]. La raz on se puede entender de manera gr afica si observamos el
gr afico:
La soluci on no se encuentra entre x
1
y x
2
, pero x
2
est a m as cerca de que x
1
.

Ejercicio 2.4.
Resolved el ejercicio 2.3. utilizando ahora el m etodo de la secante y comparando la
rapidez.
2.4. M etodo de Newton
Todava nos queda considerar un tercer m etodo de resoluci on aproximada
de ecuaciones, el llamadom etodo de Newton om etodo de la tangente. Tambi en
es unm etodo iterativo, incluso m as r apido que los dos anteriores, pero para
su utilizaci ones necesario que la funci onusada sea derivable enunentorno
de la soluci on. Para que os hag ais una idea de la velocidad de convergencia
del m etodo, pensad en que el n umero de cifras decimales exactas se dobla
en cada iteraci on.
Isaac Newton
(1642-1727)
Fsico ingl es. De entre sus
obras destaca Philosophiae
naturalis principia
mathematica, escrita en el
ao 1687.
Veamos de manera gr afica la idea geom etrica subyacente:
Partiendo de un valor x
0
cercano a la soluci on de la ecuaci on f(x) = 0,
trazamos la tangente a la curva y = f(x) en el punto de abscisa x = x
0
, y
escogemos como punto siguiente de la iteraci on (x
1
) la intersecci on de la
recta tangente con el eje OX. Con el fin de aproximarnos sucesivamente
a la soluci on, iremos repitiendo este proceso.
Os dar eis cuenta de que este procedimiento es parecido al m etodo de la
secante, pero aqu se considera la tangente en el momento de ir avanzando
en la iteraci on.
Y a qu e f ormula iterativa da lugar esta construcci on geom etrica? La ecua-
ci on de la recta tangente a la curva y = f(x) en el punto (x
n
, f(x
n
)) es:
y f(x
n
) = f
(x
n
) (x x
n
).
Si la intersecamos con el eje OX, obtenemos la abscisa:
x = x
n
f(x
n
)
f
(x
n
)
,
donde este punto corresponde a la abscisa de la iteraci on siguiente.
.

F ormula iterativa del m etodo de Newton
x
n+1
= x
n
f(x
n
)
f
(x
n
)
, n 0
Ejemplo 2.6.
Volvemos a la ecuaci on f(x) = cos x x = 0, y observamos las aproximaciones de
Comentario
Los c alculos se hacen con una
calculadora con pantalla de
diez dgitos. Si quer eis
continuar iterando y
comprobar la velocidad de
convergencia del m etodo en
este ejemplo, pod eis hacerlo
con la ayuda del ordenador.
la soluci on que vamos obteniendo si utilizamos el m etodo de Newton, empezando con
x
0
= 0,7. La derivada de la funci on es f
(x) = sin x 1, y la f ormula recursiva:

x
n+1
= x
n
+
cos x
n
x
n
1 + sin x
n
.
Los puntos que se van obteniendo cuando se aplica la f ormula de manera sucesiva son:
x
1
= 0, 739436497 (tres cifras decimales exactas)
x
2
= 0, 739085160 (seis cifras decimales exactas)
x
3
= 0, 739085133 (todas las cifras decimales son exactas)
Uncriterio heurstico para saber el n umero de decimales exactos de x
n
consiste endetectar
las cifras coincidentes con x
n1
. En este caso, x
2
tendra como mnimo tres cifras
decimales exactas y x
3
tendra como mnimo siete.
Envista del ejemplo, parece que el m etodo de Newtones la panacea, es decir, la soluci on
a todos nuestros problemas y que podemos olvidarnos de los dos m etodos anteriores. Sin
embargo, no os precipit eis y echadle un vistazo a este par de ejemplos gr aficos:
En el gr afico de la izquierda, vemos que el m etodo entra en un proceso
oscilante, las iteraciones nos llevan del punto x
0
al punto x
1
, y viceversa,
de manera que no es posible acercarse m as a la soluci on. En el gr afico de
la derecha, el resultado es todava peor, porque x
1
se aleja de la soluci on.
De hecho, utilizando el m etodo de la secante tambi en podramos trope-
zarnos con obst aculos parecidos. El unico m etodo seguro, en el sentido
de que siempre nos conduce hasta la soluci on con independencia de los
puntos iniciales que hayamos escogido, es el de bisecci on.
A continuaci on resumimos las prestaciones y las limitaciones del m etodo
de Newton:
Es necesario que f(x) sea derivable en un entorno de la soluci on (y que
f
(x) no se anule para que la f ormula siempre tenga sentido).

No siempre se llega a la soluci on (el m etodo no siempre es convergente,
partiendo de un punto inicial cualquiera).
Si llegamos a una soluci on, la convergencia es muy r apida.
Podemos concluir apuntando que un m etodo util para una gran cantidad
de funciones es lento, mientras que un m etodo r apido tiene restricciones.
Una posibilidad para optimizar esfuerzos es estudiar, para cada funci on,
qu e m etodo resulta adecuado, y en qu e punto x
0
es ventajoso empezar la
iteraci on si lo que queremos es ganar en rapidez. En cualquier caso, es muy
util disponer de entrada de un esbozo de la gr afica de la funci on.
2.5. Ejercicios
2.5. Resolved el problema 2.3. aplicando el m etodo de Newton.
2.6.
a) Encontrad una f ormula iterativa para calcular
2 por medio del m etodo de Newton.

b) Encontrad una aproximaci on de
2 con ocho cifras decimales exactas.

2.6. Solucionario
2.1.
a) Descomponemos x
5
8x
3
x
2
9x + 9 = (x
3
+ x 1)(x + 3)(x 3) mediante la regla
de Ruffini y obtenemos dos soluciones exactas: x = 3.
Entonces consideramos la funci on f(x) = x
3
+x 1.
f
(x) = 3x
2
+1 > 0 x implica que f(x) es creciente de forma estricta y, por tanto, la ecuaci on
f(x) = 0 tendr a, como m aximo, una soluci on.
Dado que f(x) es un polinomio de grado impar, tiene como mnimo una raz.
Conclusi on: x
5
8x
3
x
2
9x + 9 = 0 tiene tres soluciones.
Por otro lado, f(0) = 1 < 0 y f(1) = 1 > 0, de donde se deduce que la tercera soluci on se
encuentra en el intervalo (0, 1).
b) La regla de Ruffini nos indica que f(x) = x
4
4x
3
4x
2
+16x+1 = 0 carece de soluciones
enteras. Gracias a que f(x) es un polinomio de cuarto grado, nosotros sabemos que puede
tener 0, 2 o 4 races. Le damos valores a la funci on:
f(2) = 1 > 0, f(1) = 14 < 0, f(0) = 1 > 0, f(3) = 14 < 0, f(4) = 1 > 0.
En consecuencia, existen cuatro soluciones posibles de la ecuaci on, que se sit uan en los
intervalos(2, 1), (1, 0), (0, 3) y (3, 4).
c) Consideramos f(x) = 3x 2 cos
2
x = 0.
f
(x) = 3 + 4 sin xcos x = 3 + 2 sin(2x) 1 x

porque 1 sin 1 . As pues, f(x) es estrictamente creciente y la ecuaci on tendr a
como m aximo una soluci on.
f(0) = 2 < 0, f() = 3 2 > 0.
Por tanto, hay una unica soluci on, que se encuentra en el intervalo (0, ).

2.2.
a) De entrada observamos que xe
x
es m as pequeo que 0 si x < 0, por lo tanto la ecuacin no
tiene soluciones negativas. Consideramos f(x) = xe
x
1 en [0, +). f
(x) = (x+1)e
x
> 0,
cuando x > 0, nos indica que f(x) es estrictamente creciente en [0, +), y por lo tanto,
f(x) = 0 tendr a, como m aximo, una soluci on. Por otra parte,
f(0) = 1 < 0, f(1) = e 1 > 0.
Conclusi on: hay una sola soluci on que se encuentra en (0, 1).
b) f(x) = xe
x
1, I
0
= [0, 1], x
1
= 0,5.
f(0,5) =
1
2
e 1 < 0 = I
1
= [0,5, 1]
x
2
=
0,5 + 1
2
= 0,75
f(0,75) 0,5878 > 0 = I
2
= [0,5, 0,75]
x
3
=
0,5 + 0,75
2
= 0,625
f(0,625) 0,1677 > 0 = I
3
= [0,5, 0,625]
x
4
=
0,5 + 0,625
2
= 0,5625
f(0,5625) -0,0128 < 0 = I
4
= [0,5625, 0,625]
x
5
=
0,5625 + 0,625
2
= 0,59375
f(0,59375) 0,0751 > 0 = I
5
= [0,5625, 0,59375]
Podemos ver que la aproximaci on de la soluci on con una cifra decimal exacta es x = 0,5 y
han sido necesarias cinco interaciones para certificarlo.
2.3. Al ser f(x) continua, podemos aplicar el m etodo de bisecci on.
f(
2
) = 0,5 > 0, f() = -1,5 < 0.
Por lo tanto, encontramos una soluci on en el intervalo [
2
, ]; hacemos una tabla parecida a
la del ejemplo 2.4:
0 1,570796327 3,141592654
1 1,570796327 2,3561944902
2 1,9634954085 2,3561944902

10 1,994175024 1,995709005
11 1,994175024 1,994942014
Hemos podido comprobar que necesitamos once iteraciones si queremos que los dos extremos
del intervalo coincidan en tres cifras decimales. La aproximaci on deseada de la soluci on es
x = 1,994.
2.4. f(x) = cos x + sin x 0,5, x
0
=

2
, x
1
= .
La f ormula recurrente que hay que aplicar para obtener las siguientes aproximaciones es:
x
n
= x
n1
(x
n1
x
n2
)
cos(x
n1
) + sin(x
n1
) 0,5
cos(x
n1
) + sin(x
n1
) cos(x
n2
) sin(x
n2
)
.
Si empezamos con x
0
= 1,570796327

2
y x
1
= 3,141592654 , iremos obteniendo:
x
2
= 1,963495409, x
3
= 1,994985893, x
4
= 1,994826396.
Dado que tenemos que f(x
3
) < 0 y f(x
4
) > 0, la soluci on se encontrar a en el intervalo
(x
4
, x
3
), y de esta manera la aproximaci on de la soluci on con tres cifras exactas es x = 1,994.
Observad, en cualquier caso, que la convergencia es m as r apida que si utilizamos el m etodo
de bisecci on, puesto que ahora s olo hemos necesitado tres iteraciones.
2.5. f(x) = sin x + cos x 0,5 = 0. f
(x) = cos x sin x. La f ormula iterativa es:

x
n+1
= x
n
sin(x
n
) + cos(x
n
) 0,5
cos(x
n
) sin(x
n
)
.

Empezamos las iteraciones con x
0
=

2
.
x
1
=

2
+ 0,5 2,070796327, x
2
= 1,995746681, x
3
= 1,994827526.
Con tres iteraciones, como vemos, ha sido suficiente y, de hecho, x
3
es una aproximaci on de
la soluci on con seis cifras decimales exactas.
2.6.
a) Necesitamos una funci on derivable f tal que x =
2 sea una soluci on de f(x) = 0.

x =
2 = x
2
= 2 = x
2
2 = 0.
Escogemos f(x) = x
2
2. f
(x) = 2x y la f ormula iterativa del m etodo de Newton es:

x
n+1
= x
n
x
2
n
2
2x
n
,
que, convenientemente simplificada, se convierte en:
x
n+1
=
x
n
2
+
1
x
n
.
b) Empezamos las iteraciones:
x
1
= 1,5, x
2
= 1,416666667, x
3
= 1,414215686, x
4
= 1,414213562.
S olo han sido necesarias cuatro iteraciones; x
4
ya tiene nueve cifras decimales exactas.

3. Aproximaci on polin omica de una funci on
.
En el m odulo Las ideas b asicas del c alculo estudiamos la aproximaci on
local de funciones derivables por rectas y por par abolas, y tambi en anun-
ciamos una f ormula que nos iba a servir para encontrar el polinomio de
grado n que mejor aproxima una funci on alrededor de un punto fijado.
En el presente apartado se expone de manera detallada este resultado fun-
damental del an alisis matem atico, llamado f ormula o teorema de Taylor, y
se aplica a la evaluaci on aproximada de funciones.
3.1. F ormulas de Taylor y Maclaurin
En un principio, consideraremos funciones polin omicas. Tenemos el po-
linomio P(x) = = 2x
4
4x
3
5x
2
+ 7x + 10, y nos planteamos expresarlo
en potencias de (x 2).
Utilizando de manera sucesiva la regla de Ruffini para dividir el polinomio
P(x) por (x 2), tendremos:
Brook Taylor (1685-1731)
Matem atico ingl es conocido
principalmente por su
teorema o f ormula, que
proporciona la aproximaci on
polin omica de una funci on.
Este teorema, enunciado
hacia 1712, aparece
publicado en la obra principal
de Taylor: Methodus
incrementorum directa et
inversa (1715 - 1717), que se
puede considerar, salvo
aislados precedentes, la
primera obra sobre
diferencias finitas. El teorema
fue ignorado durante medio
siglo, hasta que Lagrange lo
hizo destacar. Cauchy, por
otra parte, llev o a cabo su
primera demostraci on
rigurosa.
P(x) = (x 2)(2x
3
5x 3) + 4.
P(x) = (x 2)
_
(x 2)(2x
2
+ 4x + 3) + 3
_
+ 4.
P(x) = (x 2)
_
(x 2)
_
(x 2)(2x + 8) + 19
_
+ 3
+ 4.

P(x) = (x 2)
_
(x 2)
_
(x 2)
_
2(x 2) + 12
_
+ 19
_
+ 3
+ 4.
P(x) = 4 + 3(x 2) + 19(x 2)
2
+ 12(x 2)
3
+ 2(x 2)
4
.
En general, dado un polinomio cualquiera P(x), este se puede expresar
mediante potencias de (xa) como hemos visto antes. Tambi en es posible
calcular los coeficientes del desarrollo anterior por derivaciones sucesivas
de P(x).
Si nos encontramos con un polinomio de grado n cualquiera, se puede
escribir:
P(x) = a
0
+ a
1
(x a) + a
2
(x a)
2
+ a
3
(x a)
3
+ . . . + a
n
(x a)
n
.
P
(x) = 1 a
1
+ 2 a
2
(x a) + 3 a
3
(x a)
2
+ . . . + n a
n
(x a)
n1
.
P
(x) = 2 1 a
2
+ 3 2 a
3
(x a) + . . . + n (n 1) a
n
(x a)
n2
.
.
.
.
P
(n)
(x) = n (n 1) (n 2) (n 3) . . . 2 1 a
n
= n! a
n
.
Calculando el valor num erico de los polinomios para x = a, tendremos:
P(a) = 1 a
0
= 0! a
0
a
0
=
P(a)
0!
.
P
(a) = 1 a
1
= 1! a
1
a
1
=
P(a)
1!
.
P
(a) = 2 1 a
2
= 2! a
2
a
2
=
P(a)
2!
.
.
.
.
P
(n)
(a) = n (n 1) (n 2) . . . 2 1 a
n
= n! a
n
a
n
=
P
(n)(a)
n!
.
De modo que el desarrollo de P(x) en potencias de (x a) ser a:
.
P(x) = P(a) +
P
(a)
1!
(x a) +
P
(a)
2!
(x a)
2
+ . . . +
P
(n)
(a)
n!
(x a)
n
.
Esta es la frmula de Taylor para funciones polin omicas.

Aplicando estos resultados al polinomio del ejemplo de introducci on, te-
nemos:
P(x) = 2x
4
4x
3
5x
2
+ 7x + 10 a
0
=
P(2)
0!
=
4
1
= 4.
P
(x) = 8x
3
12x
2
10x + 7 a
1
=
P
(2)
1!
=
3
1
= 3.
P
(x) = 24x
2
24x 10 a
2
=
P
(2)
2!
=
38
2
= 19.
P
(x) = 48x 24 a
3
=
P
(2)
3!
=
72
6
= 12.
P
(iv)
(x) = 48 a
4
=
P
(iv)
(2)
4!
=
48
24
= 2.

El desarrollo de P(x) resulta, como antes:
P(x) = 4 + 3(x 2) + 19(x 2)
2
+ 12(x 2)
3
+ 2(x 2)
4
.
.
Dada una funci on y = f(x), definida en un entorno del punto a, tal
que existen f
(a), f
(a), . . . , f
(n)
(a), definimos polinomio de Taylor
de grado n para f, en el punto a, y lo escribimos P
n,a
(x):
P
n,a
(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ . . . +
f
(n)
(a)
n!
(x a)
n
.
Se aprecia que, sin lugar a dudas, f(x) no es una funci on polin omica;
f(x), por lo tanto, no se podr a expresar con un polinomio. La diferencia
f(x) P
n,a
(x) no ser a nula, lo que da lugar a la definici on que tenemos a
continuaci on:
.
Si y = f(x) es una funci on mediante la cual existe P
n,a
(x), definimos
el residuo n-simo de Taylor de f en a (t ermino complementario
de orden n de f en a) como:
R
n,a
(x) = T
n,a
(x) = f(x) P
n,a
(x) =
= f(x) f(a)
f
(a)
1!
(x a) . . .
f
(n)
(a)
n!
(x a)
n
.
Como podamos esperar, entre el polinomio de Taylor de una funci on y la
misma funci on siempre se establece una relaci on determinada, como nos
muestra el siguiente teorema:
.
Sea f : y = [a
1
, b
1
] IR, a I. Supongamos que f es derivable
hasta el orden (n 1) en I y que existe f
(n)
(a). Entonces,
lim
xa
f(x) P
n,a
(x)
(x a)
n
= 0 (si n = 1, la hip otesis es f derivable en a).

Es necesario observar que el teorema asegura que si f cumple las condicio-
Forma de Peano
o((x a)
n
) =
= (x a)
n
(x a), donde
(x a) tiende a 0 si x a.
La forma
R
n,a
(x) = o((x a)
n
) de
expresar el t ermino
complementario se denomina
forma de Peano o de Young.
nes mencionadas, entonces f(x) P
n,a
(x) = o((xa)
n
) (consultad el texto
explicativo que ten eis en el margen) cuando x a, es decir:
f(x) = f(a) +
f
(a)
1!
(x a) + . . . +
f
(n)
(a)
n!
(x a)
n
+ o((x a)
n
).
Como se puede apreciar, de aqu obtenemos una aproximaci on de f(x)
mediante polinomios, al mismo tiempo que nos indica que, para valores
de x cercanos a a, la diferencia f(x) P
n,a
(x) es pequea en comparaci on
con (x a)
n
. El proceso anterior recibe el nombre de desarrollo limitado
de Taylor de orden n de la funci on f en el punto a.
Para n = 1 tenemos que P
1,a
(x) = f(a) + f
(a)(x a) es una aproximaci on

lineal de f(x), siendo f(x) [f(a) + f
(a)(x a)] = o(x a). Dado que la

ecuaci on de la recta tangente a la curva en x = a es y = f(a) +f
(a)(x a),
resulta que la recta tangente a x = a es la aproximaci on lineal de f(x) en
x = a. Si, por ejemplo, consideramos f(x) = sin x y el punto x = 0, nos
encontramos con que f
(x) = cos x, f
(0) = 1, con lo que llegamos a la

conclusi on de que y = x es la aproximaci on lineal de f(x) = sin x en x = 0.
Ejemplo 3.1.
Si consideramos la funci on y(x) = sin x y a =

2
y, tendremos: y(
2
) = 1; y
(x) = cos x
y
2
) = 0; y
(x) = sin x y
2
) = 1, y dado que y(x) cumple las condiciones
necesarias para admitir un desarrollo de Taylor de orden 2 en el punto

2
, resulta:
sin x = 1 +
0
1!
_
x

2
_
1
2!
_
x

2
_
2
+o
__
x

2
_
2
_
= 1
1
2!
_
x

2
_
2
+o
__
x

2
_
2
_
.
Ejemplo 3.2.
Est a claro que 1 = (1 x)(1 + x +x
2
) +x
3
. As pues, f(x) =
1
1x
= 1 + x +x
2
+
x
3
(1x)
y puesto que tenemos que lim
x0
x
3
x
2
(1 x)
= 0
x
3
x
2
(1 x)
= o(x
2
), podemos escribir
1
(1x)
= 1 + x + x
2
+ o(x
2
). Se puede demostrar que 1 + x + x
2
+ o(x
2
) es el desarrollo
limitado de Taylor de orden 2 de f(x) =
1
1x
en el punto a = 0, mediante el c alculo de
f(0), f
(0) y f
(0).
Si consideramos x a = h x = a + h, nos encontraremos con que el
Recordad que...
... o(h
n
) = h
n
(h), donde
(h) tiende a 0 si h 0.
desarrollo limitado de Taylor de orden n de la funcin f en el punto a se
puede escribir:
f(a + h) = f(a) +
f
(a)
1!
h + . . . +
f
(n)
(a)
n!
h
n
+ o(h
n
).

Si se diera el caso de que a = 0, entonces el desarrollo de Taylor y el polino-
Colin Maclaurin
(1698-1746)
Matem atico escoc es y uno de
los discpulos m as eminentes
de Newton. Realiz o notables
trabajos en geometra,
algebra y c alculo
infinitesimal. En 1742
public o su obra de mayor
renombre Tratado de las
fluxiones. Sus trabajos sobre
los desarrollos en serie de
potencias de determinadas
funciones provocaron que el
caso a = 0 de la f ormula de
Taylor quedase asociado con
su nombre.
miocorrespondiente se denominanpolinomio y desarrollo de Maclaurin,
que es:
f(x) = f(0) +
f
(0)
1!
x +
f
(0)
2!
x
2
+ . . . +
f
(n)
(0)
n!
x
n
+ o(x
n
).
Ejemplo 3.3.
Consideramos la funci on y(x) = e
x
. Tenemos que y(0) = e
0
= 1; y
(x) = e
x
y
(0) =
= e
0
= 1; y
(x) = e
x
y
(0) = e
0
= 1; y
(x) = e
x
y
(0) = e
0
= 1.
Por lo tanto, y(x) = e
x
= 1 +
x
1!
+
x
2
2!
+
x
3
3!
+o(x
3
).
En general, tendremos y(x) = e
x
= 1 +
x
1!
+
x
2
2!
+
x
3
3!
+. . . +
x
n
n!
+o(x
n
).
A continuaci on veremos que en caso de que f cumpla ciertas condiciones
resulta posible expresar el residuo n- esimo de Taylor (o t ermino comple-
mentario) de manera bastante precisa.
.
Teorema de Taylor (con residuo de Lagrange)
Dada una funci on f : [, ] IR derivable hasta el orden n en
[, ], f
(n)
(x) continua en[, ] y derivable en(, ), seana y x puntos
diferentes de [, ]. Entonces existe comprendido entre a y x tal
que:
R
n,a
(x) =
(x a)
n+1
(n + 1)!
f
(n+1)
().
El hecho de decir que est a comprendido entre a y x equivale a decir que
= a + h, siendo h = (x a), 0 < < 1.
!
As, podemos expresar la f ormula de Taylor de la siguiente forma (supo-
niendo que f cumple las condiciones del teorema de Taylor):
f(x) = f(a) +
f
(a)
1!
(x a) + . . . +
f
(n)
(a)
n!
(x a)
n
+
+
f
(n+1)
[a + (x a)]
(n + 1)!
(x a)
n+1
,
o bien:
f(a + h) = f(a) +
f
(a)
1!
h + . . . +
f
(n)
(a)
n!
h
n
+
f
(n+1)
(a + h)
(n + 1)!
h
n+1
,
siendo 0 < < 1.

.
La expresi on
f
(n+1)
(a+h)
(n+1)!
h
n+1
recibe el nombre de residuo (t ermino
complementario) de Lagrange.
Como se puede apreciar, la f ormula de Taylor proporciona una aproxima-
ci on de f(x) mediante polinomios donde el residuo es el que establece el
error cometido. La magnitud del error cometido se puede calcular (acotar)
si se conocen cotas de |f
(n+1)
(x)|.
Adem as, en el caso n = 0, la f ormula de Taylor (con residuo de Lagrange)
se reduce a la del teorema de valor medio de Lagrange. As pues, la f or-
mula de Taylor es una generalizaci on del teorema del valor medio de
Lagrange.
!
El inter es del t ermino complementario del Lagrange es que sigue la ley
de formaci on de los t erminos anteriores, con la unica diferencia de que
la derivada se encuentra en un punto indeterminado a + h(0 < < 1)
comprendido entre a y a + h.
Ejemplo 3.4.
Si consideramos y(x) = f(x) = sin x y a =

2
, est a claro que dado x IR, existen , tales
que

2
, x [, ] y f cumple las condiciones del teorema de Taylor para cualquier n IN
en [, ] (sera suficiente con considerar =

2
, = x si x >

2
, o bien = x, =

2
si
x <

2
). En particular, para n = 2 tendremos:
f(x) = sin x f(
2
) = 1,
f
(x) = cos x f
2
) = 0,
f
(x) = sin x f
2
) = 1,
f
(x) = cos x f
2
+(x

2
)] = cos[
2
+(x

2
)].
sin x = 1 +
0
1!
_
x

2
_
1
2!
_
x

2
_
2
+
cos
_
2
+
_
x

2
_
3!
_
x

2
_
3
sin x 1
1
2
_
x

2
_
2
, con un error:
|R
2
(x)| =
cos
_
2
+
_
x

2
_
3!
_
x

2
_
3
x

2
3
6
.
Este error es pequeo siempre y cuando x se encuentre pr oxima a

2
; esto nos aporta m as
informaci on que si decimos sin x = 1 +
1
2!
_
x

2
_
2
+ o
__
x

2
_
2
_
(primer ejemplo
de este apartado).
La f ormula de Maclaurin se obtiene como un caso particular de la de Taylor
si se desarrolla la funci on y = f(x) en un entorno del punto x = 0.
f(x) = f(0) +
f
(0)
1!
x +
f
(0)
2!
x
2
+ . . . +
f
(n)
(0)
n!
x
n
+
f
(n+1)
(x)
(n + 1)!
x
n+1

Ejemplo 3.5.
Aproximemos en un entorno de x = 0 la funci on f(x) = sin x mediante un polinomio
de tercer grado.
f(x) = sin x f(0) = 0, f
(x) = cos x f
(0) = 1, f
(x) = sin x f
(0) = 0,
f
(x) = cos x f
(0) = 1, f
(iv)
(x) = sin x f
(iv)
(x) = sin x.
sin x = 0 +
1
1!
x +
0
2!
x
2
+
1
3!
x
3
+
sin x
4!
x
4
= x
1
6
x
3
+
sin x
4!
x
4
x
1
6
x
3
,
con un error |R
3
(x)| =
sin x
24
x
4
|x|
4
24
(0 < < 1).
Por ejemplo, si |x| < 0,1 < |R
3
(x)| <
(0,1)
4
24
4 10
6
.
Es decir, en un entorno del punto x = 0, la curva definida por la funci on polin omica de
tercer grado y = x
x
3
6
aproxima la funci on y = sin x.
Ejercicios
3.1. Aproximad en un entorno de x = 0 la funci on f(x) = e
x
mediante el polinomio de
segundo grado y acotad el error cometido.
3.2. Aproximad en un entorno de x = 0 la funci on f(x) = cos x mediante un polinomio
de cuarto grado y acotad el error cometido si |x| < 0,3.
3.3. Aproximad la funci on f(x) =
1 +x en un entorno x = 0 mediante un polinomio

de tercer grado. Si 0 < x < 0,1, acotad el error cometido.
3.2. Evaluaci on aproximada de funciones
Imaginemos que queremos calcular sin(0,1) y no disponemos de calcula-
dora. Veamos la manera de utilizar la f ormula de Taylor para obtener un
valor aproximado de sin(0,1).
Dado que 0,1 est a cerca de 0, utilizaremos el desarrollo limitado de Taylor
de la funci on f(x) = sin x en el punto a = 0. Tendremos que calcular
algunas derivadas de f(x) y evaluarlas en x = 0.
f
(x) = cos x, f
(x) = sin x, f
(x) = cos x,
f
(0) = 1, f
(0) = 0, f
(0) = 1.
Ahora apuntamos el polinomio de Taylor de tercer grado de f(x) en el
punto a = 0:
P
3
(x) = f(0) +
f
(0)
1!
(x 0) +
f
(0)
2!
(x 0)
2
+
f
(0)
3!
(x 0)
3
=
= x
x
3
3!
.
El teorema de Taylor nos indica que, si x est a cerca de 0, entonces:
sin x = x
x
3
3!
+ R
3,0
(x) =
= x
x
3
3!
+
x
4
4!
f
(iv)
(), (0, x) =
= x
x
3
3!
+
x
4
4!
sin(), (0, x).

Evaluamos en x = 0,1 y obtenemos:
sin(0,1) = 0,1
(0,1)
3
3!
+
(0,1)
4
4!
sin(), (0, 0,1) =
= 0,099833333 +0,000004167sin(), (0, 0,1).
Si aproximamos sin(0,1) por 0,099833333, el error cometido en valor ab-
soluto est a acotado por:
|0,000004167sin()| 0,000004167,
ya que | sin()| 1.
Ejemplo 3.6.
Calculamos

e. Para hacerlo, escribimos

e de la forma e
1
2 y utilizamos el desarrollo
Comentario
Si quisi eramos una
aproximaci on m as esmerada,
s olo tendramos que
considerar polinomios de
Taylor de grado mayor.
limitado de Taylor de la funci on e
x
en el punto a = 0. Veamos qu e nivel de precisi on
obtenemos si utilizamos un polinomio de cuarto grado.
Ser an necesarias f
(0), f
(0), f
(0), f
(iv)
(0) y f
(v)
(x) para el t ermino complementario
del residuo de Lagrange.
f
(k)
(x) = e
x
k = f
(k)
(0) = 1 k
e
x
= f(0) +
f
(0)
1!
(x 0) +
f
(0)
2!
(x 0)
2
+
f
(0)
3!
(x 0)
3
+
+
f
(iv)
(0)
4!
(x 0)
4
+
f
(v)
()
5!
(x 0)
5
=
= 1 +x +
x
2
2
+
x
3
6
+
x
4
24
+
x
5
120
e
, (0, x).
Por lo tanto:
e = e
1
2 = 1 +
1
2
+
(
1
2
)
2
2
+
(
1
2
)
3
6
+
+
(
1
2
)
4
24
+
(
1
2
)
5
120
e
, (0,
1
2
).
e = 1,6484375 +
e
3.840
, (0,
1
2
).
Teniendo en cuenta que e
< 2 cuando (0,

1
2
), si aproximamos

e por 1,6484375,
cometemos un error inferior a
2
3.840
= 0,00052083. En caso de que queramos un error
menor, tendremos que trabajar con un polinomio de Taylor de grado superior.
3.3. Ejercicios
3.4. Estableced una aproximaci on de
1,3 con un error inferior a una mil esima.

3.5. Calculad el valor de cos(0,2) con un error menor que 10
4
.
3.6. Queremos calcular
10
e con un error inferior a

1
2
10
8
(la misma precisi on que nos
proporcionara una calculadora con pantalla de ocho dgitos), mediante el desarrollo de
Taylor de la funci on e
x
en el punto a = 0. De qu e grado, como mnimo, tendr a que
ser el polinomio de Taylor utilizado?

3.4. Solucionario
3.1.
f(x) = e
x
f(0) = 1, f
(x) = e
x
f
(0) = 1,
f
(x) = e
x
f
(0) = 1, f
(x) = e
x
f
(x) = e
x
.
e
x
= 1 +
1
1!
x +
1
2!
x
2
+
e
x
3!
x
3
e
x
1 +
1
1!
x +
1
2!
x
2
,
con un error |R
2
(x)| =
e
x
6
x
3
e
x
6
|x|
3
(0 < < 1).
3.2.
f(x) = cos x f(0) = 1, f
(x) = sin x f
(0) = 0.
f
(x) = cos x f
(0) = 1, f
(0) = sin x f
(0) = 0,
f
(iv)
(x) = cos x f
(iv)
(0) = 1, f
(v)
(x) = sin x f
(v)
(x) = sin x.
cos x = 1 +
0
1!
x
1
2!
x
2
+
0
3!
x
3
+
1
4!
x
4
+
sin x
5!
x
5
1
x
2
2
+
x
4
24
.
|R
4
(x)| =
sin x
5!
x
5
|x|
5
120
(0 < < 1).
Para |x| < 0,3, tenemos |R
4
(x)|
(0,3)
5
120
< 2,025 10
5
.
3.3.
f(x) = (1 +x)
1
2 f(0) = 1.
f
(x) =
1
2
(1 +x)
1
2 f
(0) =
1
2
.
f
(x) =
1
4
(1 +x)
3
2 f
(0) =
1
4
.
f
(x) =
3
8
(1 +x)
5
2 f
(0) =
3
8
.
f
(iv)
(x) =
15
16
(1 +x)
7
2 f
(iv)
(x) =
15
16
(1 +x)
7
2 .
1 +x = 1 +
1
2
1!
x +
1
4
2!
x
2
+
3
8
3!
x
3
+
15
16
(1 +x)
7
2
4!
x
4
1 +
1
2
x
1
8
x
2
+
1
16
x
3
, con un error
|R
3
(x)| =
15
16
(1 +x)
7
2
4!
x
4
=
5|x
4
|
128
_
(1 +x)
7
.
Si 0 < x < 0,1 |R
3
(x)|
5(0,1)
4
128
(1+0)
7
< 4 10
6
.
3.4. En el problema 3.3 hemos visto que:
1 +x = 1 +
1
2
x
1
8
x
2
+
1
16
x
3
+R
3
(x),
|R
3
(x)| =
5|x|
4
128
(1+x)
7
, (0, 1), x cercano a 0.
Si x = 0,3:
1 +x =
_
1,3 = 1 +
1
2
0,3
1
8
(0,3)
2
+
1
16
(0,3)
3
+R
3
(0,3) =
= 1,1404375 +R
3
(0,3).
Ahora bien:
|R
3
(0,3)| =
5(0,3)
4
128
_
(1 + 0,3)
7
5(0,3)
4
128
3 10
4
< 10
3
.
As,
1,3 = 1,1404375 con un error inferior a una mil esima.

3.5. Vamos a utilizar un polinomio de Taylor asociado a f(x) = cos x en el punto a = 0.
Antes de empezar con los c alculos, determinaremos su grado optimo, teniendo en cuenta
que queremos |R
n
(0,2)| < 10
4
.
|R
n
(x)| =
|f
(n+1)
()|
(n + 1)!
|(x a)
n+1
|
|x
n+1
|
(n + 1)!
,
ya que |f
(n+1)
()| 1 , al tratarse siempre de un seno o un coseno.
|R
n
(0,2)|
|(0,2)
n+1
|
(n + 1)!
= (n), cota del error.

En principio, no es suficiente con escoger n = 2, porque (2) 1, 3 10
3
.
En cambio, (3) 0, 6 10
4
< 10
4
.
As pues, cos x 1
x
2
2
(observad el problema 3.2) y, por lo tanto:
Observad...
... que los polinomios de
Taylor de segundo grado y
de tercer grado en a = 0
coinciden en el caso de la
funci on f(x) = cos x.
cos(0,2) 1
(0,2)
2
2
= 0,98,
con un error menor que 10
4
.
3.6.
10
e = e
1
10 = e
0,1
.
Utilizaremos el desarrollo limitado de Taylor de f(x) = e
x
en a = 0.
|R
n
(x)| =
f
(n+1)
()
(n + 1)!
(x a)
n+1
=
e
(n + 1)!
|x|
n+1
, (0, x),
|R
n
(0,1)| =
e
(n + 1)!
(0,1)
n+1
<
2
(n + 1)!(10)
n+1
= (n),
ya que e
< 2 si (0, 0,1).

Probaremos algunos valores de n:
(3) 0,8 10
6
(4) 1,6 10
7
(5) 0,3 10
8
<
1
2
10
8
Por tanto, necesitaremos un polinomio de quinto grado para obtener el valor de
10
e con un
error inferior a
1
2
10
8
.

4. Estudio local y representaci on gr afica
de funciones
.
A lo largo de este apartado trabajaremos con funciones derivables, estudia-
remos su crecimiento, decrecimiento y los extremos relativos, mediante el
uso de la aproximaci onpolin omica de Taylor. Veremos c omo encontrar los
intervalos de concavidad y convexidad, junto con los puntos de inflexi on.
Por ultimo, utilizaremos toda esta informaci on para realizar un esbozo de
la gr afica de una funci on.
4.1. Crecimiento y decrecimiento
Sea y = f(x) una funci on derivable diversas veces en un entorno del punto
x = a.
.
Si la primera derivada no nula de y = f(x) en x = a es de orden
impar, f(x) es creciente o decreciente en x = a, en funci on de si
esta derivada es positiva o negativa.
Lo comprobaremos con un caso particular.
Sea y = f(x) tal que f
(a) = f
(a) = 0 y f
(a) = 0. Entonces, de acuerdo

con la f ormula de Taylor, tendremos:
f(a + h) = f(a) +
f
(a)
1!
h +
f
(a)
2!
h
2
+
f
(a)
3!
h
3
+ h
3
(h) =
= f(a) +
f
(a)
3!
h
3
+ h
3
(h).
Por lo tanto, f = f(a + h) f(a) = h
3
_
f
(a)
3!
+ (h)
_
.
Puesto que lim
h0
(h) = 0, su valor es negligible frente a
f
(a)
3!
y, por lo tanto,
para |h| lo bastante pequeo, el signo de f coincide con el de
h
3
f
(a)
3!
,
con lo que resulta:

f
(a) > 0
h > 0
_
h
3
(a)
3!
= (+) (+) = (+) > 0 f > 0.
f
(a) > 0
h < 0
_
h
3
(a)
3!
= () (+) = () < 0 f < 0.
Esto implica que la funci on ser a creciente en x = a.
f
(a) < 0
h > 0
_
h
3
(a)
3!
= (+) () = () < 0 f < 0.
f
(a) < 0
h < 0
_
h
3
(a)
3!
= () () = (+) > 0 f > 0.
Esto implica que la funci on ser a decreciente en x = a.
La demostraci on en el caso general es casi id entica.
En particular, obtenemos que:
.
f
(a) > 0 f es creciente en x = a.

f
(a) < 0 f es decreciente en x = a.

Ejemplo 4.1.
Estudiamos el crecimiento de la funci on y = x
3
en el punto x = 0.
y = x
3
y
= 3x
2
y
(0) = 0.
y
= 3x
2
y
= 6x y
(0) = 0.
y
= 6x y
= 6 y
(0) = 6 > 0.
Dado que la primera derivada que no se anula en x = 0 es impar y positiva, tenemos que
esta funci on es creciente en x = 0.
Observando que y
= 3x
2
> 0, x = {0}, deducimos que esta funci on es creciente en
todos los puntos de la recta real IR.
4.2. M aximos y mnimos relativos
Sea y = f(x) una funci on derivable diversas veces en un entorno de x = a.
.
Si la primera derivada no nula de y = f(x) en x = a es de orden par,
f(x) tiene un extremo relativo (m aximo o mnimo) en x = a.
Lo comprobaremos con un caso particular.

Sea y = f(x) tal que f
(a) = f
(a) = f
(a) = 0 y f
(iv)
(a) = 0.
Entonces, de acuerdo con la f ormula de Taylor, tendremos:
f(a + h) = f(a) +
f
(a)
1!
h +
f
(a)
2!
h
2
+
f
(a)
3!
h
3
+
f
(iv)
(a)
4!
h
4
+ h
4
(h) =
= f(a) +
f
(iv)
(a)
4!
h
4
+ h
4
(h).
Por lo tanto, f = f(a + h) f(a) = h
4
_
f
(iv)
(a)
4!
+ (h)
.
Dado que lim
h0
(h) = 0, su valor es negligible frente a
f
(iv)
(a)
4!
y, por
tanto, el signo de
_
f
(iv)
(a)
4!
+(h)
coincide con el signo de f

(iv)
(a) si |h| es
lo bastante pequeo. De este modo, si f
(iv)
(a) > 0, tenemos:
f
(iv)
(a) > 0
h > 0
_
h
4
f
(iv)
(a)
4!
= (+) (+) = (+) > 0 f > 0.
f
(iv)
(a) > 0
h < 0
_
h
4
f
(iv)
(a)
4!
= (+) (+) = (+) > 0 f > 0.
Esto implica que la funci ontiene unmnimo relativo enx = a, ya que tanto
por la izquierda como por la derecha f(a + h) > f(a). As, si f
(iv)
(a) < 0,
tenemos:
f
(iv)
(a) < 0
h > 0
_
h
4
f
(iv)
(a)
4!
= (+) () = () < 0 f < 0.
f
(iv)
(a) < 0
h < 0
_
h
4
f
(iv)
(a)
4!
= (+) () = () < 0 f < 0.
Y esto implica que la funci on tiene un m aximo relativo en x = a, debido a
que tanto por la izquierda como por la derecha f(a + h) < f(a).
La demostraci on en el caso general es casi id entica.
En particular, obtenemos que:
.
f
(a) = 0, f
(a) > 0 f tiene un mnimo relativo en x = a.

f
(a) = 0, f
(a) < 0 f tiene un m aximo relativo en x = a.

Puede darse el caso de que f
(a) = 0 y que en x = a la funci on no tenga ni

un mnimo ni un m aximo relativo, tal como se indica en el gr afico.

Ejemplo 4.2.
Estudiemos la funci on y = x
2
en x = 0.
y = x
2
y
= 2x y
(0) = 0.
y
= 2x y
= 2 y
(0) = 2 > 0.
Debido a que la primera derivada que no se anula es de orden par y positiva, deducimos
que en x = 0 hay un mnimo relativo que vale 0.
Ejemplo 4.3.
Estudiemos la funci on y = sin x en x =

2
.
y = sin x y
= cos x y
2
_
= cos

2
= 0.
y
= cos x y
= sin x y
2
_
= sin

2
= 1 < 0.
La primera derivada que no se anula es de orden par y negativa, motivo por el cual
deducimos que en x =

2
hay un m aximo relativo que vale 1.
Ejemplo 4.4.
Estudiemos la funci on y = x
4
en x = 0.
y = x
4
y
= 4x
3
y
(0) = 0.
y
= 4x
3
y
= 12x
2
y
(0) = 0.
y
= 12x
2
y
= 24x y
(0) = 0.
y
= 24x y
(iv)
= 24 y
(iv)
(0) = 24 > 0.
Dado que la primera derivada que no se anula es de orden par y positiva, deducimos que
en x = 0 hay un mnimo relativo, que vale 0.
Ejemplo 4.5.
Estudiemos la funci on y = sin
2
x en x = 0.
y = sin
2
x y
= 2 sin x cos x = sin2x y
(0) = sin0 = 0.
y
= sin2x y
= 2 cos 2x y
(0) = 2 cos 0 = 2 > 0.

Dado que la primera derivada que no se anula es de orden par y positiva, deducimos que
en x = 0 hay un mnimo relativo, que vale 0.
4.3. Concavidad, convexidad y puntos de inflexi on
.
Observaci on
Algunos autores entienden
por funci on c oncava lo que
nosotros entendemos por
funci on convexa, y viceversa.
Decimos que la funci on y = f(x), derivable en x = a, es cncava en
x = a si, y s olo si, la curva y = f(x) se encuentra por encima de la
recta tangente en un entorno del punto x = a.
Decimos que la funci on y = f(x), derivable en x = a, es convexa
en x = a si, y s olo si, la curva y = f(x) est a por debajo de la recta
tangente en un entorno del punto x = a.
Asimismo, decimos que el punto es un punto de inflexi on si en
dicho punto la curva pasa de c oncava a convexa o al rev es.

De acuerdo con las definiciones anteriores, podemos enunciar la siguiente
propiedad:
.
Dada la funci on y = f(x), derivable en varias ocasiones en un
entorno del punto x = a, si la primera derivada no nula posterior a
y
= f
(x) en x = a es de orden par, la funci on es:

1) C oncava en x = a si f
(2k)
(a) > 0.
2) Convexa en x = a si f
(2k)
(a) < 0.
Si la primera derivada no nula en x = a, posterior a y
= f
(x), es
de orden impar, entonces la funci on tiene un punto de inflexi on en
x = a.
Lo comprobaremos en un caso particular.
Con y
c
designamos la ordenada de un punto de la curva y con y
t
, la
ordenada de un punto de la recta tangente a la curva en x = a.
Recordemos que la ecuaci on de la recta tangente a la curva y = f(x) en
x = a es y
t
f(a) = f
(a) (x a).
1) En primer lugar estudiaremos el caso f
(a) = 0 = f
(a), f
(iv)
(a) = 0.
Aplicando la f ormula de Taylor tenemos:
y
c
= f(x) =
y
t
..
f(a) + f
(a) (x a) +
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+
+
f
(iv)
(a)
4!
(x a)
4
+ (x a)
4
(x a) =
= y
t
+
f
(iv)
(a)
4!
(x a)
4
+ (x a)
4
(x a).
Es decir, que y
c
y
t
= (xa)
4
_
f
(iv)
(a)
4!
+(xa)
. Dado que lim

xa
(xa) = 0,
su valor es negligible frente a
f
(iv)
(a)
4!
y, por lo tanto, para |xa| lo bastante
pequeo, podemos considerar:
Si f
(iv)
(a) > 0, tenemos:
f
(iv)
(a) > 0
h > 0
_
(x a)
4
f
(iv)
(a)
4!
= (+) (+) = (+) > 0
Esto nos indica que y
c
y
t
> 0 y, por lo tanto, y
c
> y
t
.

f
(iv)
(a) > 0
h < 0
_
(x a)
4
f
(iv)
(a)
4!
= (+) (+) = (+) > 0
Esto nos indica que y
c
y
t
c
> y
t
.
Es decir, la curva estar a por encima de la tangente y, en consecuencia, la
curva ser a c oncava en x = a.
Igualmente, si f
(iv)
(a) < 0, tenemos:
f
(iv)
(a) < 0
h > 0
_
(x a)
4
f
(iv)
(a)
4!
= (+) () = () < 0
Esto significa que y
c
y
t
< 0 y, por lo tanto, y
c
> y
t
.
f
(iv)
(a) < 0
h < 0
_
(x a)
4
f
(iv)
(a)
4!
= (+) () = () < 0
c
y
t
< 0 y, por lo tanto, y
c
< y
t
.
Es decir, la curva estar a por debajo de la tangente y, por lo tanto, la curva
ser a convexa en x = a.
2) Ahora estudiaremos el caso f
(a) = 0 = f
(a) = f
(iv)
(a), f
(v)
(a) = 0.
Aplicando la f ormula de Taylor tenemos:
y
c
= f(x) =
y
t
..
f(a) + f
(a) (x a) +
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+
+
f
(iv)
(a)
4!
(x a)
4
+
f
(v)
(a)
5!
(x a)
5
+ (x a)
5
(x a) =
= y
t
+
f
(v)
(a)
5!
(x a)
5
+ (x a)
5
(x a).
Es decir, que y
c
y
t
= (xa)
5
_
f
(v)
(a)
5!
(xa)
. Dado que lim

xa
(xa) = 0,
su valor es negligible frente a
f
(iv)
(a)
4!
y, por lo tanto, para |xa| lo bastante
pequeo, podemos considerar:
Si f
(v)
(a) > 0, resulta:
f
(v)
(a) > 0
h > 0
_
(x a)
5
f
(v)
(a)
5!
= (+) (+) = (+) > 0
c
y
t
c
> y
t
.
f
(v)
(a) > 0
h < 0
_
(x a)
5
f
(v)
(a)
5!
= () (+) = () < 0
Esto quiere decir que y
c
y
t
< 0 y, en consecuencia, y
c
< y
t
.
Por lo tanto, la recta tangente cruza la gr afica de f y esto implica que en
x = a nos encontramos con un punto de inflexi on. Ocurre lo mismo si
f
(v)
(a) < 0 y, por lo tanto, tambi en hay un punto de inflexi on.

En resumen, contamos con los siguientes resultados:
.
Si f
(2k)
(a) es la primera derivada no nula posterior a la primera en
x = a, entonces:
Si f
(2k)
(a) > 0, la funci on es c oncava en x = a.
Si f
(2k)
(a) < 0, la funci on es convexa en x = a.
Si f
(2k+1)
(a) es la primera derivada no nula posterior a la primera
derivada en x = a, entonces la funci on tiene un punto de inflexi on
en x = a.
En particular, tenemos:
Si f
(a) > 0, entonces la curva es c oncava en x = a.

Si f
(a) < 0, entonces la curva es convexa en x = a.

Si f
(a) = 0 = f
(a), la curva tiene un punto de inflexi on

en x = a.
Ejemplo 4.6.
Estudiemos la concavidad de la funci on y = x
4
en x = 1.
y = x
4
y
= 4x
3
y
= 12x
2
y
(1) = 12 > 0.
Por lo tanto, la curva es c oncava en este punto.
Ejemplo 4.7.
Estudiemos la concavidad de la funci on y = cos x en x = 0.
y = cos x y
= sin x y
= cos x y
(0) = cos(0) = 1 < 0.

Por tanto, la curva es convexa en este punto.
Ejemplo 4.8.
Estudiemos si en x = 0 la funci on y = tan x tiene un punto de inflexi on.
y = tan x y
=
1
cos
2
x
y
=
2 cos x(sin x)
cos
4
x
=
2 sin x
cos
3
x
y
(0) =
0
1
= 0.
y
=
2 cos xcos
3
x 3 cos
2
x(sin x)(2 sin x)
cos
6
x
=
2 cos
2
x + 6 sin
2
x
cos
4
x
(0) = 2 = 0.
Esto significa que en el punto x = 0 hay un punto de inflexi on.

4.4. Determinaci on de los puntos notables de una funci on
Un m etodo de determinaci on de los puntos notables (extremos relativos
y puntos de inflexi on) de una funci on y = f(x) derivable varias veces es
este:
1) Calcular f(x) y f
(x).
2) Resolver la ecuaci on f
(x) = 0. Si x
0
es una raz o una soluci on de esta
ecuaci on, se calcula f
(x
0
) y resulta:
a) Si f
(x
0
) > 0, en este caso f alcanza un mnimo relativo f(x
0
) en x
0
.
b) Si f
(x
0
) < 0, entonces f alcanza un m aximo relativo f(x
0
) en x
0
.
3) Si f
(x
0
) = 0, se estudia la primera derivada no nula en x
0
, f
(n)
(x
0
) = 0.
a) n par:
f
(n)
(x
0
) > 0 mnimo relativo f(x
0
) a x
0
.
f
(n)
(x
0
) < 0 m aximo relativo f(x
0
) a x
0
.
b) n impar:
f
(n)
(x
0
) = 0 punto de inflexi on en x
0
. Para x = x
0
, la tangente a
la curva es horizontal y no hay extremo relativo.
(x) = 0 para determinar otros posibles puntos

de inflexi on, teniendo en cuenta que los puntos de inflexi on no siempre
tienen que corresponder a puntos con primera derivada nula (recta tan-
gente en el punto de inflexi on de pendiente cero).
Cuando nos encontramos con dificultades para obtener la segunda deriva-
da o cuando no es absolutamente necesaria para otras cuestiones, se puede
determinar si un punto x
0
, tal que f
(x
0
) = 0 es m aximo o mnimo relativo
mediante uno de los criterios que se presentan a continuaci on:
1) Estudiar la variaci on de f(x) es un entorno del punto x
0
. Es decir,
aplicar de manera directa la definici on de extremo relativo. Calculamos
f = f(x
0
+ h) f(x
0
) y, entonces:
a) Si f 0 para |h| lo bastante pequeo, entonces tendremos que en
x
0
encontramos un mnimo relativo (estricto si f > 0, h = 0).

b) Si f 0 para |h| lo bastante pequeo, entonces tendremos que en
x
0
hay un m aximo relativo (estricto si f < 0, h = 0).
Ejemplo 4.9.
Calculamos los m aximos y los mnimos relativos de y = f(x) =
1
1x
2
.
y =
1
1 x
2
y
=
2x
(1 x
2
)
2
y
= 0 2x = 0 x = 0.
En lugar de buscar la segunda derivada, estudiamos la variaci on de esta funci on en un
entorno del punto x = 0:
f = f(h) f(0) =
1
1 h
2
1 =
h
2
1 h
2
> 0 h = 0, h (1, 1).
As, en x = 0 hay un mnimo relativo estricto.
2) Estudiar el signo de f
(x) en un entorno del punto x

0
. Si en un entorno
de x
0
tenemos que f
(x) 0 a la derecha de x
0
y f
(x) 0 a la izquierda de
x
0
, en x
0
hay un mnimo relativo. Si f
(x) 0 a la derecha de x
0
y f
(x) 0
a la izquierda de x
0
, en x
0
tenemos un m aximo relativo.
Si en todo el entorno mencionado alrededor de x
0
, f
(x) > 0 o bien

f
(x) < 0, entonces en x

0
no tenemos un extremo relativo.
Ejemplo 4.10.
Vamos a estudiar si la funci on y = f(x) =
cos x
1+cos x
tiene un mnimo relativo en x = 0.
y =
cos x
1 + cos x
y
=
(1 + cos x) sin x + cos x(sin x)
(1 + cos x)
2
=
sin x
(1 + cos x)
2
.
y
= 0
sin x
(1 + cos x)
2
= 0 sin x = 0 x = k (k ZZ).
En particular, en x = 0 puede haber un m aximo o un mnimo y, para determinarlo,
estudiaremos el signo de f
(x) en un entorno de este punto.

Con un h > 0 lo bastante pequeo, obtenemos:
f
(h) =
sin(h)
[1 + cos(h)]
2
=
sin(h)
[1 + cos(h)]
2
=
()
(+)
= () < 0.
f
(h) =
sin(h)
[1 + cos(h)]
2
=
(+)
(+)
= (+) > 0.
Esto significa que la funci on es decreciente a la izquierda de x = 0 y creciente a la derecha.
Por lo tanto, encontraremos un mnimo en este punto.
Ejemplo 4.11.
Efectuemos una determinaci on de los m aximos, los mnimos y los puntos de inflexi on
de estas dos funciones:
a) y = x
3
3x + 3.
b) y =
1
3
x
6
4
5
x
5
+
1
2
x
4
+
1
4
.
a) y = x
3
3x + 3 y
= 3x
2
3 y
= 6x y
= 6.
y
= 0 3x
2
3 = 0 x
2
= 1 x = 1.

y
(1) = 6 > 0 implica que hay un mnimo en x = 1.

y
(1) = 6 < 0 implica que hay un m aximo en x = 1.

y
= 0 6x = 0 x = 0.
y
(0) = 6 = 0 implica que hay un punto de inflexi on en x = 0.

b) y =
1
3
x
6
4
5
x
5
+
1
2
x
4
+
1
4
.
y
= 2x
5
4x
4
+ 2x
3
.
y
= 10x
4
16x
3
+ 6x
2
.
y
= 40x
3
48x
2
+ 12x.
y
(iv)
= 120x
2
96x + 12.
y
= 0 2x
5
4x
4
+ 2x
3
= 0 2x
3
(x
2
2x + 1) = 0 x = 0, x = 1.
De momento no podemos asegurar nada puesto que y
(0) = 0 y y
(1) = 0.
y
(1) = 4 = 0 implica que en el punto (1, f(1)) =

_
1,
17
60
_
se produce una inflexi on.
y
(0) = 0, y
(iv)
(0) = 12 > 0 implican que en el punto
_
0,
1
4
_
hay un mnimo.
y
= 0 10x
4
16x
3
+ 6x
2
= 2x
2
(5x
2
8x + 3) = 0 x = 0, x = 1, x =
3
5
.
y
_
3
5
_
= 0 implica que en
_
3
5
,
16.759
62.500
_
hay un punto de inflexi on.
Ejercicios
4.1. Determinad los m aximos, los mnimos y los puntos de inflexi on de la funci on
y = xe
x
.
4.2. Calculad los m aximos, los mnimos y los puntos de inflexi onde la funci ony =
x
1+x
2
.
4.5. Obtencin de los extremos relativos de una funcin
El m etodo pr actico que hemos propuesto para determinar extremos relati-
vos de una funci on f(x) hace referencia unicamente a los valores x
0
de la
variable independiente x, para los cuales:
1) Existe la derivada f
(x).
2) Se cumple que f
(x) = 0.
Sin embargo, la funci on f(x) puede tener un valor extremo en un punto
x
0
de su dominio donde no exista la derivada f
(x
0
).
Ejemplo 4.12.
La funci on:
y = f(x) = |x| =
_
x si x 0
x si x < 0
no es derivable en x
0
= 0 porque los lmites lim
h0
+
f(h)
h
y lim
h0
f(h)
h
no coinciden.
Sin embargo, es evidente que en x = 0 hay un extremo de la funci on. As, f(0) = 0 es
un mnimo relativo y absoluto.

Ejemplo 4.13.
La funci on y =
3
x
2
tiene como funci on derivada:
y
=
2x
3
3
x
4
=
2
3
3
x
(x = 0).
Ahora bien, y(x) no es derivable en x
0
= 0, puesto que:
y
(0) = lim
h0
y(0 +h) y(0)
h
= lim
h0
h
2
3
h
= lim
h0
h
1
3 = .
No obstante, en x = 0 hay un mnimo relativo y tambi en absoluto, ya que y(x) 0,
x IR.
Ejemplo 4.14.
Determinamos si la funci on y = 1 | sin x| tiene un extremo en el punto x = 0.
En un entorno de x = 0, podemos escribir:
y = 1 | sin x| =
_
1 sin x si x > 0
1 si x = 0
1 + sin x si x < 0
Esta funci on no es derivable en x
0
= 0 ya que:
f
(0)
+
= lim
h0
+
f(0 +h) f(0)
h
= lim
h0
+
f(h) 1
h
= lim
h0
+
1 sin(h) 1
h
=
= lim
h0
+
sin(h)
h
= 1.
f
(0)
= lim
h0
f(0 +h) f(0)

h
= lim
h0
f(h) 1
h
= lim
h0
1 + sin(h) 1
h
=
= lim
h0
sin(h)
h
= 1.
Sin embargo, f
(x) > 0 a la izquierda de x = 0 y f
(x) < 0 a la derecha. De este modo, la

funci on es creciente a la izquierda de x = 0 y decreciente a la derecha. Esto implica que
en el punto (0, 1) nos encontramos con un m aximo relativo.
En consecuencia, y de acuerdo con todo lo que se ha mostrado hasta el
Observacin
La no-existencia de derivada
en un punto x
0
no significa
que tengamos
necesariamente un extremo
relativo en x
0
.
momento, para calcular los extremos relativos de una funci on y = f(x),
cuando ya se ha calculado la derivada f
(x), es necesario proceder de la

siguiente forma:
!
(x) = 0 y comprobar si las races corresponden a

un extremo.
2) Determinar los valores de x, del dominio de f(x), para los cuales no
existe la derivada f
(x), haciendo un estudio de la funci on en un entorno

del punto encontrado y aplicando la definici on de extremo relativo.
Ejemplo 4.15.
La funci on y =
3
x y
=
1
3
3
x
2
(x = 0), sin embargo, no es derivable en x
0
= 0, ya
que:
y
(0) = lim
h0
y(0 +h) y(0)
h
= lim
h0
h
1
3
h
= lim
h0
h
2
3 = lim
h0
1
h
2
3
= +.
En el punto (0, 0) no hay un extremo relativo. La tangente, en este punto, es vertical.

Ejercicios
4.3. Encontrad los extremos de la funci on y =
3
x
3
x
2
.
4.4. Encontrad los m aximos, los mnimos y los puntos de inflexi on de la funci on y =
= x(ln x)
2
.
4.6. Asntotas de una funci on
Dada una funci on y = f(x), si una de las variables puede alcanzar valores
tan grandes como queramos, y si cuando esta variable tiende a infinito los
puntos correspondientes de la funci on se acercan de manera indefinida
a una determinada recta, decimos que esta recta es una asntota de la
funci on.
asntota
Podemos encontrar tres tipos diferentes de asntotas:
.
Asntotas verticales
La recta x = a (a IR) es una asntota vertical de la funci on y = f(x)
si se verifica que lim
xa
+
f(x) = o lim
xa
f(x) = .
Se trata de una asntota paralela al eje OY .
.
Asntotas horizontales
La recta y = b (b IR) es una asntota horizontal de la funci on y =
= f(x) si se verifica que lim
x+
f(x) = b o lim
x
f(x) = b.
Se trata de una asntota paralela al eje OX.
Ejemplo 4.16.
Dada la funci on y =
2x3
x1
:
lim
x1
2x 3
x 1
= x = 1 es una asntota vertical, ya que
lim
x1
+
2x 3
x 1
=
lim
x1
2x 3
x 1
= +
lim
x
2x 3
x 1
= 2 y = 2 es una asntota horizontal, ya que
lim
x+
2x 3
x 1
= 2
lim
x
2x 3
x 1
= 2

Ejemplo 4.17.
Si tenemos la funci on y = f(x) = arctan x:
lim
x+
arctan x =

2
y =

2
es una asntota horizontal.
lim
x
arctan x =
2
y =
2
tambi en es una asntota horizontal.
.
Asntotas oblicuas
Son aquellas que no son verticales ni horizontales. Su ecuaci on es
del tipo y = mx + n (m = 0).
Puesto que lim
x
(mx+n) = , deducimos que una condici onnecesaria para
la existencia de asntotas oblicuas es que lim
x
f(x) = . A continuaci on
explicaremos c omo se pueden encontrar los coeficientes m y n.
Puesto que la curva y la asntota se acercan de manera indefinida, se tendr a
que verificar que lim
x
[f(x) (mx + n)] = 0, as lim
x
[f(x) mx] n = 0. Es
decir, n = lim
x
[f(x) mx].
Dado que n es finito, entonces lim
x
[f(x) mx] = lim
x
x
_
f(x)
x
m
es
finito, hecho que s olo podr a darse si lim
x
_
f(x)
x
m
= 0. De aqu se
deduce que m = lim
x
f(x)
x
.
Tras observar la figura adjunta, tenemos que la recta y = mx determina la
direcci on de una asntota oblicua.
Es necesario estudiar los lmites anteriores cuando x + y cuando
x , puesto que se pueden generar situaciones diferentes.

Por lo que respecta al c alculo de las asntotas oblicuas, hay que tener en
cuenta que:
1) Es evidente que para calcular m se puede aplicar la regla de LH opital:
m = lim
x
f(x)
x
= lim
x
f
(x).
2) Cualquier funci on racional, f(x) =
a
n
x
n
+a
n1
x
n1
+...+a
0
b
m
x
m
+b
m1
x
m1
+...+b
0
, que verifica
que n = m + 1, tiene una asntota oblicua; si n = m tiene una asntota
horizontal y =
a
n
b
m
y si m > n tiene una asntota horizontal y = 0.
Ejemplo 4.18.
Determinamos las asntotas oblicuas de la funci on y =
2x
2
x+1
.
m = lim
x
y
x
= lim
x
2x
2
x(x + 1)
= 2.
n = lim
x
[y 2x] = lim
x
_
2x
2
x + 1
2x
= lim
x
2x
x + 1
= 2.
Por lo tanto, y = 2x 2 es una asntota oblicua.
Esta funci on tambi en tiene una asntota vertical:
lim
x1
2x
2
x + 1
= x = 1 es una asntota vertical.
Atencin
Si una funci on tiene una
asntota horizontal en un
sentido (x +o
x ) no puede tener
una asntota oblicua en el
mismo sentido
4.7. Estudio de la gr afica de una funci on
Para obtener la representaci on gr afica de una funci on es necesario realizar
el estudio de las diferentes cuestiones que se han ido considerando hasta
el momento. Los pasos que hay que seguir son estos:
1) Determinar el dominio.
2) Estudiar las posibles simetras con respecto al eje OY (f(x) = f(x)) y
con respecto al origen (f(x) = f(x)).
3) Estudiar la posible periodicidad y, en caso de que la funci on sea peri o-
Funcin peridica
Dada una funcin y = f(x),
diremos que es una funci on
peri odica de periodo T si, y
s olo si, f(x +T) = f(x),
donde T es el n umero
positivo que satisface esta
condici on.
dica, calcular su periodo T.
4) Estudiar los puntos de discontinuidad (enestos puntos encontraremos
las posibles asntotas verticales).
5) Estudiar la posible existencia de asntotas y su posici onrelativa respecto
de la curva.

6) Obtener los puntos de corte con los ejes de coordenadas.
7) Obtener los puntos notables (m aximos, mnimos y puntos de inflexi on).
8) Hacer una tabla resumen donde pueden figurar otros puntos conside-
rados necesarios para el estudio y la representaci on gr afica de la funci on.
Este cuadro no es imprescindible, pero es conveniente hacerlo.
Ejemplo 4.19.
Estudiemos la funci on y = f(x) =
ln x
x
.
Dado que la funci on logartmica s olo existe para los n umeros positivos, tenemos que
Domf = (0, +).
El dominio no es sim etrico con respecto al origen, con lo que no puede haber simetras
ni con respecto del eje OY ni con respecto al origen.
La funci on no es peri odica.
Puntos de discontinuidad: x = 0. Si nos acercamos a este punto por la derecha:
lim
x0
+
ln x
x
= , por tanto, en x = 0 encontramos una discontinuidad con asntota
vertical.
Posibles asntotas:
x = 0: asntota vertical a la derecha, ya que lim
x0
+
ln x
x
= .
y = 0: asntota horizontal en el sentido x +, puesto que lim
x+
ln x
x
= 0.
Al tener una asntota horizontal para x +y al no ser posible x , la funci on
no tendr a asntotas oblicuas. Puesto que
ln x
x
es positivo cuando x +, la curva
estar a por encima de la asntota horizontal.
Puntos de corte con los ejes:
La curva no corta el eje OY puesto que 0 Domf.
y = 0
ln x
x
= 0 x = 1. El punto (1, 0) es de corte con el eje OX.
Puntos crticos:
y
=
x
1
x
ln x
x
2
=
1ln x
x
2
.
y
=
x
2
_
1
x
_
(1ln x)2x
x
4
=
2 ln x3
x
3
.
y
= 0
1ln x
x
2
ln x = 1 x = e y(e) =
1
e
.
Dado que y
(e) =
2 ln(e)3
e
=
23
e
=
1
e
< 0, hay un m aximo en el punto
_
e,
1
e
_
.
y
= 0
2 ln x 3
x
3
= 0 2 ln x = 3 ln x =
3
2
x = e
3
2 x =
e
3
.
x <
e
3
ln x < ln(
e
3
) =
ln e
3
2
=
3
2
2 ln x 3 < 0 y
(x) < 0.
e
3
< x ln(
e
3
) < ln x
3
2
< ln x 2 ln x 3 > 0 y
(x) > 0.
Por lo tanto, la funci on es convexa a la izquierda del punto x =
e
3
y c oncava a la
derecha.
Dado que y(
e
3
) =
3
2
e
3
, en el punto
_
e
3
,
3
2
e
3
_
habr a una inflexi on.
Tras haber realizado la tabla resumen de todo lo que hemos encontrado, podremos re-
presentarla gr aficamente.

x 0 1 e e
3
y
No existe
0
y'
+ 0 -
Creciente Mximo Decreciente
y''
- - 0 +
Convexa P.I. Cncava
e
1
3
2e
3
A.V.
Ejemplo 4.20.
Estudiamos la funci on y = xe
x
.
1) El dominio de esta funci on es todo el conjunto IR.
2) La funci on no es sim etrica, puesto que y(1) = e
1
= e = y(1), y(1) = e
1
=
= y(1).
3) La funci on no es peri odica.
4) Es continua al ser producto de un monomio por la funci on exponencial.
5) Posibles asntotas:
Debido a que no tiene puntos de discontinuidad, no hay asntotas verticales.
lim
x
xe
x
= lim
x
x
e
x
= lim
x
1
e
x
= lim
x
e
x
= 0.
Por lo tanto, y = 0 es una asntota horizontal hacia la izquierda del eje OX (x )
y dado que xe
x
es negativo cuando x , la curva se sit ua por debajo de la asntota
horizontal.
Dado que lim
x+
xe
x
= +, existe la posibilidad de asntota oblicua, pero puesto que
lim
x+
xe
x
x
= +, no hay asntota oblicua.
6) Puntos de corte con los ejes:
x = 0 y = 0 (0, 0) es el punto de corte con el eje OY.
y = 0 x = 0 (0, 0) es el punto de corte con el eje OX.
7) Puntos crticos:
y
= e
x
+xe
x
= (x + 1)e
x
.
y
= e
x
+ (1 +x)e
x
= (x + 2)e
x
.
y
= (x + 3)e
x
.
y
= 0 (x + 1)e
x
= 0 x + 1 = 0 x = 1; y(1) =
1
e
.
Puesto que y
(1) = (1 + 2)e
1
=
1
e
> 0, as en
_
1,
1
e
_
hay un mnimo.
y
= 0 (x + 2)e
x
= 0 x + 2 = 0 x = 2; y(2) =
2
e
2
.
Puesto que y
(2) = (2 + 3)e
2
= e
2
= 0, entonces
_
2,
2
e
2
_
es un punto de
inflexi on.
8) Por ultimo, haremos la tabla resumen:
x (-
,-2) -2 (-2,-1) -1 (-1,0) 0 (0,+
)
y
- - - 0 +
y'
- - - 0 + + +
Decrece Decrece Mnimo Crece Crece
Y''
- 0 + + + + +
Convexa P.I. Cncava Cncava Cncava
e
2
-2
e
-1

Ejemplo 4.21.
Estudiemos la funci on y =
x
3
x
2
1
.
1) x
2
1 = 0 x = 1 Domf = IR {1, 1}.
2) Puesto que f(x) =
(x
3
)
(x
2
)1
=
x
3
x
2
1
= f(x), x Domf, la funci on es impar y,
en consecuencia, sim etrica con respecto al origen de coordenadas.
3) La funci on no es peri odica.
4) Los puntos de discontinuidad son x = 1 y x = 1.
lim
x1
x
3
x
2
1
= implica que en x = 1 hay una discontinuidad con asntota vertical.
lim
x+1
x
3
x
2
1
= implica que en x = +1 hay una discontinuidad con asntota vertical.
Observamos que en x = +1, se poda prever por la simetra de la funci on.
5) Posibles asntotas:
lim
x1
x
3
x
2
1
=
_
lim
x1
x
3
x
2
1
= y lim
x1
+
x
3
x
2
1
= +
_
.
Por tanto, x = 1 es una asntota vertical.
Por simetra, x = +1 es tambi en una asntota vertical.
lim
x
x
3
x
2
1
= no hay asntotas horizontales.
A continuaci on vamos a determinar las posibles asntotas oblicuas:
m = lim
x
f(x)
x
= lim
x
x
3
x(x
2
1)
= 1.
n = lim
x
(y mx) = lim
x
_
x
3
x
2
1
x
= lim
x
x
3
x
3
+x
x
2
1
= lim
x
x
x
2
1
= 0.
As pues, llegamos a la conclusi on de que y = x es una asntota oblicua.
6) Puntos de corte con los ejes:
x = 0 y = 0 (0, 0) es un punto de corte con el eje OY .
y = 0 x = 0 (0, 0) es un punto de corte con el eje OX.
7) Puntos crticos:
y
=
3x
2
(x
2
1) x
3
2x
(x
2
1)
2
=
3x
4
3x
2
2x
4
(x
2
1)
2
=
x
4
3x
2
(x
2
1)
2
.
y
=
(4x
3
6x)(x
2
1)
2
2(x
2
1)2x(x
4
3x
2
)
(x
2
1)
4
=
=
4x
5
4x
3
6x
3
+ 6x 4x
5
+ 12x
3
(x
2
1)
3
=
2x
3
+ 6x
(x
2
1)
3
.
y
= 0 x
2
(x
2
3) = 0 x = 0, x =
3, x = +
3.
y
3) =
12
3
8
< 0 implica que en x =
3 tenemos un m aximo. El valor de la

segunda derivada eneste punto es y
3) =
3
3
2
y, por lo tanto, el punto
_
3,
3
3
2
_
es un m aximo relativo de esta funci on.
Por simetra tenemos que en el punto
_
3,
3
3
2
_
hay un mnimo relativo.
y
(0) = 0 implica que este punto es dudoso.

y
= 0
2x(x
2
+ 3)
(x
2
1)
3
= 0 x = 0.

1 < x < 0
x
2
1 < 0
2x(x
2
+ 3) < 0
_
2x(x
2
+ 3)
(x
2
1)
3
> 0 y
(x) > 0.
Por simetra encontramos que 0 < x < 1 y
(x) < 0. As, la funci on es c oncava a la

-1 1
izquierda de x = 0 y convexa a la derecha, con lo cual, en x = 0 tenemos un punto de
inflexi on de tangente horizontal.
8) Teniendo en cuenta la simetra, s olo tendremos que representar media tabla:
x (-
,- 3) - 3 (- 3, -1) -1 (-1,0) 0
y
- - No existe + 0
y'
+ 0 - - 0
Crece Mximo Decrece No existe Decrece
Y''
- - - + 0
Convexa No existe Cncava P.I.
2
-33

4.8. Ejercicios
4.5. Encontrad las asntotas de la funci on y =
x
2
1 y determinad su posici on.
4.6. Encontrad las asntotas de la curva y =
x
4
+8
x
3
+1
y determinad su posici on.
4.7. Estudiad y realizad la representaci on gr afica de la funci on y =
1
sin x+cos x
.
4.9. Solucionario
4.1. y = xe
x
, y
= xe
x
+e
x
= (x + 1)e
x
.
y
= (x + 1)e
x
+e
x
= (x + 2)e
x
, y
= (x + 2)e
x
+e
x
= (x + 3)e
x
.
y
= 0 (x + 1)e
x
= 0 x + 1 = 0 x = 1.
y
(1) = e
1
=
1
e
> 0 implica que en el punto
_
1,
1
e
_
hay un mnimo.
y
= 0 (x + 2)e
x
= 0 x + 2 = 0 x = 2.
y
(2) = e
2
= 0 implica que en el punto (2, 2e
2
) hay un punto de inflexi on.
4.2. y =
x
1 +x
2
y
=
(1 +x
2
) x 2x
(1 +x
2
)
2
=
1 x
2
(1 +x
2
)
2
.
Esta derivada existe en todo IR y, por lo tanto, para encontrar los extremos de la funci on s olo
tendremos que calcular los puntos que la anulan.
y
= 0 1 x
2
= 0 x = 1.
Ya que 0 < x < 1 y
(x) > 0 y 1 < x y
(x) < 0, deducimos que en x = 1 hay un m aximo

relativo.
Puesto que 1 < x < 0 y
(x) > 0 y x < 1 y
(x) < 0, deducimos que en x = 1

tendremos un mnimo relativo.
El siguiente paso ser a buscar los puntos de inflexi on:
y
=
1 x
2
(1 +x
2
)
2
y
=
2x(x
2
3)
(1 +x
2
)
3
.
Esta funci on existe en todos los puntos y se anula en x = 0,
3, +
3.
3 < x < 0 y
(x) > 0 y 0 < x <
3 y
(x) < 0, es decir, la funci on es c oncava a la

izquierda de x = 0 y convexa a la derecha, lo cual significa que en este punto tenemos un
punto de inflexi on.

3 < x y
(x) > 0 y 0 < x <
3 y
(x) < 0, es decir, la funci on es c oncava a la derecha

de x =
3 y convexa a la izquierda, lo cual significa que en x =
3 tambi en hay un punto

de inflexi on.
x <
3 y
(x) < 0 y
3 < x < 0 y
(x) > 0, es decir, la funci on es c oncava a la

derecha de x =
3 y convexa a la izquierda, lo que significa que en x =
3 encontraremos
otro punto de inflexi on.
4.3. Derivando tenemos:
y
=
3x
2
2x
3
3
_
(x
3
x
2
)
2
=
3x
2
2x
3
3
_
x
4
(x 1)
2
=
x
_
x
2
3
_
x
3
_
x(x 1)
2
(x = 0, x = 1).
Para calcular f
(0) lo haremos utilizando la definici on de derivada.

f
(0) = lim
h0
f(0 +h) f(0)
h
= lim
h0
3
h
3
h
2
h
= lim
h0
3
_
h
3
h
2
h
3
=
= lim
h0
3
_
1
1
h
=
_
si h > 0
+ si h < 0
Por lo tanto, la funci on (que es continua para todo x de IR) tiene una tangente vertical en
x = 0. Por otra parte, se verifica que si x 0
, entonces f
(x) =
()
()
= (+) > 0; y si x 0
+
,
entonces tenemos que f
(x) =
()
(+)
= () < 0.
Esto indica que la funci on es creciente a la izquierda de x = 0 y decreciente a la derecha. De

todo lo que se ha dicho hasta ahora, la conclusi on es que en x = 0 hay un m aximo relativo.
En x = 1 tenemos que lim
h1
(x) = +y lim
h1
+
f
(x) = +. Puesto que, como podemos

ver, no se produce un cambio de signo, no puede haber ni m aximo ni mnimo (en realidad,
hay unpuntode inflexi onde tangente vertical). Ahora pasaremos a estudiar el comportamiento
de la funci on en los puntos donde y
(x) = 0.
y
=
x(x
2
3
)
3
_
x(x 1)
2
= 0 x =
2
3
.
Tenemos que y
(x) > 0, x >

2
3
y que y
(x) < 0 para 0 < x <

2
3
.
Por lo tanto, en x =
2
3
hay un mnimo relativo.
4.4. y = x(ln x)
2
y
= (ln x)
2
+x 2 ln x
1
x
= (ln x)
2
+ 2 ln x = (2 + ln x) ln x.
y
= 0 (2 + ln x) ln x = 0
_
ln x = 0 x = 1
ln x = 2 x = e
2
Sabemos que ln x > 0, x > 1 y que 0 < x < 1 ln x < 0, lo cual implica que y
(x) >
0, x > 1 y que y
(x) < 0 si e
2
< x < 1. Por lo tanto, en x = 1 tenemos un mnimo relativo,
ya que la funci on es decreciente a la izquierda y creciente a la derecha.
y
= (2 + ln x) ln x y
= (2 + ln x)
1
x
+
1
x
ln x =
2
x
(1 + ln x).
y
(e
2
) =
2
e
2
(1 + ln e
2
) =
2
e
2
(1 2) =
2
e
2
= 2e
2
< 0.
As, en el punto x = e
2
habr a un m aximo relativo.
y
= 0
2
x
(1 + ln x) = 0 1 + ln x = 0 ln x = 1 x = e
1
.
x > e
1
ln x > ln(e
1
) = 1 1 + ln x > 1 1 = 0 y
(x) > 0.
0 < x < e
1
ln x < ln(e
1
) = 1 1 + ln x < 1 1 = 0 y
(x) < 0.
De aqu podemos extraer que la funci on es c oncava a la derecha de x = e
1
y convexa a la
izquierda. Por lo tanto, en el punto x = e
1
habr a una inflexi on.
4.5. Podemos escribir y =
x
2
1 =
_
x
2
_
1
1
x
2
_
= |x|
_
1
1
x
2
_1
2
.
Si x +tenemos |x| = x y, por lo tanto:
m = lim
x+
f(x)
x
= lim
x+
_
1
1
x
2
_1
2
= 1, n = lim
x+
(f(x) x) = 0.

Esto significa que la recta y = +x es una asntota oblicua de la funci on y =
x
2
1 cuando
x +. La curva sigue su trayectoria por debajo de la asntota.
Si x , tenemos |x| = x y, en consecuencia:
m = lim
x
f(x)
x
= lim
x
_
1
1
x
2
_1
2
= 1,
n = lim
x
(f(x) +x) = 0.
Esto significa que la recta y = x es una asntota oblicua de la funci on y =
x
2
1 cuando
x . La curva va por debajo de la asntota. Este caso tambi en se deduce de la simetra
de la funci on con respecto al eje OY.
4.6. Si resolvemos la ecuaci on x
3
+ 1 = 0, obtenemos la soluci on real x = 1. Por otro
lado, tenemos que lim
x1
+
x
4
+ 8
x
3
+ 1
= +, ya que en este caso se verifica que x
3
+ 1 0
+
y
el numerador siempre es positivo. Tambi en se corrobora que lim
x1
x
4
+ 8
x
3
+ 1
= , puesto
que en este caso x
3
+1 0
y el numerador siempre es positivo. De este modo, la recta

x = 1 es una asntota vertical.
Puesto que se trata de una funci on racional donde el grado del numerador supera el grado
del denominador en una unidad, tendremos una asntota oblicua.
m = lim
x
x
4
+ 8
x(x
3
+ 1)
= 1,
n = lim
x
_
x
4
+ 8
x
3
+ 1
x
_
= lim
x
x + 8
x
3
+ 1
= 0.
Por lo tanto, la recta y = x es una asntota oblicua de esta funci on. La curva pasa por debajo
de la asntota para |x| suficientemente grande.
4.7. Esta funci on existe en todos los puntos que no anulan el denominador. Tras resolver
la ecuaci on trigonom etrica sin x + cos x = 0, obtenemos x =
3
4
+ k, lo cual implica que
Domf = = IR
_
3
4
+k
_
kZZ
.
Esta funci on no tiene simetras debido a que no es par ni impar.
f(x) =
1
sin(x) + cos(x)
=
1
cos x sin x
= f(x).
Es peri odica, de periodo T = 2, lo cual implica que no puede haber asntotas horizontales
ni oblicuas. A continuaci on buscaremos las asntotas verticales en el intervalo [0, 2]. En este
intervalo, el denominador se anula en los puntos x
1
=
3
4
y x
2
=
3
4
+ =
7
4
. Se verifica
que:
lim
x
_
3
4
_
f(x) = +, lim
x
_
3
4
_
+
f(x) = ,
lim
x
_
7
4
_
f(x) = y lim
x
_
7
4
_
+
f(x) = +.
Por lo tanto, las rectas x =
3
4
y x =
7
4
son asntotas verticales.
Dado que f(0) =
1
sin(0)+cos(0)
=
1
0+1
= 1, esta curva corta el eje de ordenadas en el punto
(0, 1). No corta el eje de abscisas porque la ecuaci on f(x) = 0 no tiene soluci on.
Derivando obtenemos y
=
sin xcos x
(sin x+cos x)
2
y y
=
3sin 2x
(sin x+cos x)
3
.
y
= 0
sin x cos x
(sin x + cos x)
2
= 0 sin x = cos x
_
x =

4
x =
5
4
Como que y
4
_
=
3sin

2
sin

4
+cos

4
=
31
2
2
+
2
2
=
2 > 0, entonces hallamos un mnimo

relativo en el punto
_
4
,
2
2
_
.
Y, debido a que y
_
5
4
_
=
3sin
5
2
sin
5
4
+cos
5
4
=
31
2
2

2
2
=
2 < 0, entonces tendremos un

m aximo relativo en el punto
_
5
4
,
2
2
_
.

La segunda derivada no se anula nunca: la ecuaci on 3 sin2x = 0 no tiene soluci on,
ya que el seno toma los valores entre 1 y 1, con lo cual no hay puntos de inflexi on.
Ahora estudiaremos el signo de la segunda derivada, hecho que nos permitir a encontrar
los intervalos de concavidad y convexidad.
Puesto que 3 sin2x > 0, x, s olo tendremos que estudiar el signo del denominador. Dedu-
cimos que y
> 0 cuando sin x + cos x > 0 y y
< 0 cuando sin x + cos x < 0. Es decir, que

el signo de la segunda derivada coincide con el signo de la funci on.
Observad la tabla resumen que presentamos a continuaci on:
[
0 ,
4
)
4
(
4
,
3
4
)
3
4
(
3
4
,
5
4
)
5
4
(
5
4
,
7
4
)
7
4
(
7
4
, 2
)
+
2
2
+
No ex.

2
2
No ex.
+
Dec.
0
Mn.
+
Crec. No ex.
+
Crec.
0
Mx.
Dec. No ex.
Dec.
+ +
Cnc.
+
No ex.

Conv.
No ex.
+
Cnc.
y
y'
y''
x

5. Problemas de optimizaci on
.
En este apartado veremos cu ales son las estrategias que hay que seguir para
resolver problemas de optimizaci on en una sola variable independiente.
Nuestro objetivo ser a estudiar aquellos problemas en los que se trata de
maximizar o minimizar funciones dadas, posiblemente bajo condiciones
adicionales.
Como paso previo aclararemos qu e significan las palabras que hemos des-
tacado en el p arrafo anterior.
Optimizar una funci on o resolver un problema de optimizaci on quiere
decir encontrar el valor de la variable independiente que hace que la varia-
ble dependiente tome el valor m aximo (o mnimo, en funci on del caso).
En el primer caso maximizaremos la funci on objetivo y en el segundo, la
minimizaremos.

Esta es la terminologa que ten eis que conocer.
Hasta ahora hemos procurado analizar los extremos locales de las funcio-
nes, los puntos que destacan con respecto a los de su alrededor, aqu ellos en
los que el valor de la funci ones mayor o menor que todos los de su entorno.
Sin embargo, muy a menudo maximizar quiere decir simplemente buscar
el punto que otorga valor m aximo a la funci on, sin limitarse a los casos
especiales anteriores.
Antes de entrar en materia tenemos que saber algo de nomenclatura, la
cual se expone en el siguiente apartado.
5.1. Intervalos y entornos
Ya sabemos qu e es un intervalo abierto y un intervalo cerrado, una se-
mirrecta abierta o cerrada, as como el significado de notaciones como por
ejemplo (, b] o [a, ).
La noci on de conjunto abierto engloba la de intervalo abierto y la de se-
mirrecta abierta.

.
Un conjunto abierto es aquel que, para cualquier punto que le
pertenezca, existe un intervalo abierto que contiene el punto y que
se incluye en el conjunto.
Los conjuntos abiertos de IR son intervalos abiertos, semirrectas abiertas o
uniones de varios conjuntos de este tipo.
Ejemplo 5.1.
A continuaci on, os presentamos algunos conjuntos abiertos en IR: (1, 3,5), (2, ),
(5,25, 0) (2, 89,34), (, 5) (15, ), (4,1, 3,6) (3, 2,5) (3, 5) (7,5, ), etc.
.
Unentorno de unpunto x
0
de la recta es cualquier conjunto abierto
que contiene el punto.
A pesar de que esta es la definici on que se suele dar, cuando tenemos
en cuenta el entorno de un punto lo hacemos pensando en un intervalo
pequeo y, por lo general, centrado en el punto, es decir, un conjunto del
tipo (x
0
r, x
0
+ r), donde r es un n umero pequeo. Esta definici on de
entorno nos es util para tratar de lo que ocurre cerca del punto.
.
Un conjunto cerrado es aqu el cuyo complementario est a abierto, es
decir, aqu el en el que, dado cualquier punto que no le pertenezca,
se puede encontrar un intervalo abierto alrededor del punto que no
interseca el conjunto. Dicho de otro modo, un conjunto es cerrado
si su complementario es abierto.
Los conjuntos cerrados en IR son intervalos cerrados, puntos aislados o
semirrectas cerradas, o son la uni on de dos o m as de estos conjuntos.
Ejemplo 5.2.
A continuaci on, vamos a presentar algunos conjuntos cerrados en IR: [1, 3,5], [2, ),
[5,25, 0] [2, 89,34], (, 5] [15, ), [4,1, 3,6] [3, 2,5] [3, 5] [7,5, ),
etc.
Existen conjuntos que no son cerrados ni abiertos; por ejemplo, los intervalos como
(2, 3]; en el caso de los conjuntos que son abiertos y cerrados a la vez, s olo tenemos el
conjunto vaco y todo IR.
.

Un conjunto est a acotado superiormente si tiene alguna cota
superior, es decir, un n umero que sea mayor o igual que todos los
elementos del conjunto.
Un conjunto est a acotado inferiormente si tiene alguna cota
inferior, es decir, un n umero que sea menor o igual que todos los
elementos del conjunto.
Se dice que el conjunto est a acotado si lo est a tanto superior como
inferiormente.
Un subconjunto de IR es compacto si es cerrado y se encuentra
acotado.
Los conjuntos compactos enIRser an, enconsecuencia, intervalos cerrados,
puntos aislados o uniones de estos puntos; aunque puede haber otros un
poco m as sofisticados:
Ejemplo 5.3.
Consideremos el conjunto U = {1,
1
2
,
1
3
. . .} = {
1
n
: n IN}. No es un conjunto abierto,
puesto que para ninguno de sus puntos es posible incluir el punto dentro de un entorno
que se contenga por completo en U. Por otra parte, tampoco es un conjunto cerrado, ya
que el punto 0, que no pertenece al conjunto, no se puede rodear de ning un entorno que
no corte al conjunto. Ahora bien, si tomamos el punto 0 en el conjunto inicial, es decir,
si consideramos V = U {0}, entonces tenemos un conjunto que s ser a cerrado.
5.2. El teorema de Weierstrass
En el m odulo Las ideas b asicas del c alculo, ya pudimos ver el teorema de
Weierstrass, que nos aseguraba que una funci on continua en un intervalo
cerrado llega a su valor m aximo en alguno de los puntos de un intervalo.
De hecho, el teorema de Weierstrass lo asegura para una funci on continua
en un conjunto compacto. Esto nos facilitar a en gran medida la tarea de
b usqueda del punto donde se encuentra el m aximo: o est a en el interior o
enlos extremos del intervalo, lo cual aporta una seguridad que no podemos
tener cuando trabajamos con conjuntos no compactos, esto es, que no son
cerrados o que no son acotados.
Ejemplo 5.4.
Un ejemplo de una funci on continua en su dominio U, con U abierto y acotado, que
no tiene valor m aximo es f(x) =
1
x(1x)
, que se define en el intervalo abierto (0, 1).
Cuando x se acerca a los extremos del intervalo, f(x) toma valores cada vez mayores,
tiende a +. Esto quiere decir que si tuvi esemos que resolver el problema de encontrar

el punto que hace m axima la funci on, la respuesta acertada sera: el problema carece de
soluci on.
Ejemplo 5.5.
Una funci on continua en su dominio U, con U no acotado, que no tiene valor m aximo
es, por ejemplo, la funci on y =

x, definida en [0, ) y que cuando x tambi en
tiende a .
Por lo tanto, si el conjunto de trabajo no es compacto, tendremos que ser
muy cuidadosos. M as adelante volveremos a este concepto.
5.3. El caso de funciones derivables
Por lo general, la funci on que tenemos que maximizar es derivable, hecho
que facilitar a en gran medida nuestra tarea.
.
Maximizar una funci on derivable en un compacto
1) Buscar los puntos donde la derivada de la funci on se anula
(candidatos a m aximos relativos) y, en caso de que los haya, evaluar
la funci on.
2) Evaluar la funci on en los extremos del conjunto.
3) Seleccionar, entre todos los anteriores, el punto que nos ha dado
valor m aximo.
Sabemos a ciencia cierta que el m aximo existe y, por tanto, o est a en el
interior y es un m aximo local, o est a en uno de los dos extremos.
Resulta obvio que para minimizar seguiremos el mismo proceso, pero en
esta ocasi on buscaremos el valor m as pequeo.
Ejemplo 5.6.
Si tenemos que encontrar el valor m aximo y el punto al que se llega de la funci on
y = 2x
3
9x
2
+ 12x en el intervalo [0, 3], en primer lugar buscaremos los m aximos
locales y encontraremos x = 1 con f(1) = 5. En los extremos tenemos f(0) = 0 y
f(3) = 9. As, este ultimo es el m aximo absoluto de la funci on en el intervalo dado.
Observad que un conjunto compacto no tiene que ser unicamente un
intervalo, ya que tambi en puede ser la uni on de varios intervalos cerrados.
En este caso, ser a necesario que realicemos la operaci on anterior en cada
uno de los tramos o intervalos cerrados.

En cambio, si tenemos que maximizar (o minimizar) una funci on derivable
en un conjunto no compacto, la estrategia que hay que seguir ser a un poco
m as complicada:
1) En primer lugar analizaremos los extremos abiertos del conjunto. Si
vemos que la funci on se dirige hacia , ya hemos terminado: el problema
no tiene soluci on.
2) Si algunode los extremos noexiste, debidoa que se trata de una semirrecta,
si cuando x se aleja en aquella direcci on la funci on tiende a , entonces
ya ha hemos acabado: el problema no tiene soluci on. Si, por otra parte, la
funci on permanece acotada, los m aximos que pueda haber ser an locales.
Tambi en podemos encontrarnos con que la funci on crezca hacia un valor
superior a todos los valores de la funci on, sin alcanzarlo nunca. En este
caso, de nuevo, el problema de maximizaci on carece de soluci on.
3) Despu es buscamos el valor de la funci on en los extremos cerrados y en
los m aximos locales, si es que existen.
4) Al final, podremos afirmar si existe o no un valor m aximo.
Ejemplo 5.7.
Con el fin de encontrar los extremos globales de la funci on f(x) = x
2
e
x
, destacamos, en
primer lugar, que su dominio es todo IR. As, tendremos que analizar qu e le ocurre a f
cuando x y cuando x . En el primer caso, f(x) , hecho que muestra que
la funci on no tiene m aximo absoluto. En cambio, cuando x , f(x) 0. Por otro
lado, ya vimos que la funci on posee un unico mnimo local en x = 0, donde f(0) = 0, y
puesto que f(x) > 0 para todo x = 0, queda claro que x = 0 es el mnimo absoluto de la
funci on.
Observad, sin embargo, que un caso muy sencillo como puede ser f(x) = e
x
nos muestra
que por la izquierda podemos encontrar una funci on siempre decreciente, acotada, es
decir, que no tiende y que no tiene valor mnimo, puesto que en ning un punto llega
a valer cero.
Para encontrar los m aximos globales, un programa de dibujo de gr aficas puede ser de
gran ayuda; no obstante, y como ya hemos apuntado en otras ocasiones, hay que ir con
pies de plomo, ya que alguna de las limitaciones del programa nos puede engaar.
5.4. Optimizaci on restringida
En muchos problemas aplicados en los que se trata de maximizar una
funci on, va a ser el mismo problema el que se encargue de imponer una
serie de restricciones.
En el caso de funciones de una sola variable, las restricciones ser an del tipo
x a o a x b o las variantes resultantes de cambiar el signo por

los signos >, <, . En todos los casos, el conjunto factible o conjunto
de posibles soluciones ser a o un intervalo o una semirrecta o uniones de
varios conjuntos de estos tipos. Esto significa que las estrategias que hemos
analizado hasta el momento continuar an siendo v alidas. En los ejemplos
de aplicaci on del apartado siguiente volveremos a hablar de todo esto.
Ejemplo 5.8.
Minimicemosla funci on f(x) =
1
x(1x)
para 0,5 < x < 1. La funci on s olo se define en
Punto crtico
El punto crtico de una
funci on derivable f es un
punto c tal que f
(c) = 0.
el intervalo (0, 1), y su derivada es
x0,5
(x(1x))
3
, es decir, que x = 0,5 es un punto crtico
y en el la derivada cambia de negativa a positiva, de manera que es un mnimo relativo o
local. De 0,5 a 1, la derivada siempre es positiva, la funci on crece. Por lo tanto, x = 0,5 es
el mnimo absoluto de la funci on en el tramo solicitado. As pues, x =0,5 es la soluci on.
Sin embargo, hay que tener bien presente que lo que queremos es determinar el mnimo
en el intervalo 0,5 < x < 1 y la soluci on que damos se encuentra fuera de la restricci on.
Hay alg un valor de x dentro de (0,5, 1) que d e f(x) lo menor posible? La respuesta es
no; cuanto m as cerca estemos de 0,5, menor es f(x), pero no lo podemos alcanzar.
Ejercicios
5.1. Determinad los extremos globales de la funci on:
f(x) =
x
x
2
+ 3x + 3
.
5.2. Determinad los extremos de la funci on f(x) =
x
x
2
+1
con la restricci on 0 x 2.
Dentro del conjunto factible, la funci on es c oncava o convexa? Utilizad este hecho en
vuestros razonamientos.
5.3. La funci on f(x) es continua en [a, b] pero existe un punto a
1
(a, b) donde no es
derivable. Queremos encontrar el valor m aximo de f(x) y conocer para qu e valor de x se
obtiene este valor. Explicad cu al es la estrategia correcta para resolver el problema.
5.4. Calculad los extremos absolutos de la funci on f(x) = x
2
, en el intervalo [1, 2].
5.5. Calculad los extremos absolutos de la funci on f(x) =
2
3
x
3
x
2
, en el intervalo
[1, 1].
5.5. Pasos que se deben seguir en un problema de optimizaci on
1) Comprender el problema: tanto si el problema se origina en un enun-
ciado formulado como ejercicio, como si se trata de una soluci on real, es
evidente que hay que empezar por un an alisis detallado de la situaci on y
de los elementos que intervienen en esta.
2) Identificar la magnitud que hay que optimizar: qu e es exactamente
lo que queremos maximizar (o minimizar)? Qu e unidades de medida
tiene (si es que las tiene)? A partir de ahora, la magnitud que se tiene que
optimizar es la variable dependiente.
3) Identificar la variable independiente: enprimer lugar, de qu e depende
la variable dependiente? Prescindiendo de detalles sin importancia, po-

demos identificar la variable independiente que controla el valor de la
magnitud que es necesario optimizar? A menudo, los protagonistas de la
situaci on pueden controlar la variable independiente y quieren saber qu e
valor debe tener para que la variable dependiente alcance el valor optimo.
Por este motivo, se denomina variable de control.
4) Escribir la relaci on funcional que se establece entre las variables iden-
tificadas. Necesitamos una expresi on tan sencilla como sea posible, del
tipo y = f(x), que responda al enunciado del problema. Llamamos a la
funci on que hay que optimizar funci on objetivo.
5) Identificar las restricciones que por lo general encontramos en el pro-
blema, que nos indicanque la soluci onpertenecer a a unconjuntoconocido
como conjunto factible.
6) Enunciar el problema matem aticamente y resolverlo siguiendo las
t ecnicas que hemos visto en los ultimos apartados y que practicaremos en
los ejercicios que veremos a continuaci on.
5.6. Ejemplos resueltos
Se dispone de L metros de tela met alica para construir una valla, uno de
cuyos lados se puede hacer aprovechando un muro que ya tenemos. Cu al
es la m axima superficie que se podr a cerrar?
En este primer ejemplo, marcaremos claramente cada uno de los pasos que Comprender el problema
Identificar la magnitud que hay que optimizar
Identificar la variable independiente
Escribir la relaci on funcional
Identificar las restricciones
Enunciar el problema matem aticamente y resolverlo

debemos seguir.
1) Comprender el problema: en el problema nos encontramos con varias
formas de construir la valla. Puede ser cuadrada de lado
L
3
, y tambi enpuede
ser rectangular conel lado paralelo al muro muy largo o al rev es, muy corto.
En cualquier caso, cada una de estas posibilidades encierra una superficie
diferente.
a
b
c

2) Identificar la magnitud que tenemos que optimizar: la magnitud
que tenemos que optimizar es la superficie del cercado S. Si la longitud de
la tela viene dada en metros, mediremos la superficie en metros cuadrados.
3) Identificar la variable independente: podemos utilizar para este fin
diferentes variables como variables independientes o de control. Por ejem-
plo, podemos tomar como variable independiente la longitud del lado de
la valla perpendicular al muro o la longitud de muro que utilizamos para
nuestro cercado, u otras medidas. En cualquier caso, la variable de control
x es tal que para cada valor que tomamos de x podemos calcular c omo
ser a la valla correspondiente y, por tanto, cu al ser a el valor de la magnitud
objetivo del problema (S).
4) Escribir la relaci on funcional: si tomamos x igual a la longitud de
muro que utilizamos para completar la valla, S depender a de x seg un la
relaci on:
S(x) =
x(L x)
2
,
ya que un lado del rect angulo es x y el otro, L x dividido por dos.
5) Identificar las restricciones: las restricciones en este caso est an claras:
0 < x < L, puesto que la longitud del lado paralelo al muro no puede ser 0
ni negativa y tampoco puede ser igual a L ni superior.
6) Enunciar el problema matem aticamente y resolverlo: con todo esto,
la formulaci on del problema de optimizaci on ser a:
maximizar S(x) =
x(Lx)
2
respecto de x
sujeto a 0 < x < L.
Esta es una manera muy habitual de expresar unproblema de optimizaci on:

se menciona con claridad cu al es la funci on objetivo, la variable de control
y el conjunto factible.
Llegados a este punto, s olo nos queda por resolver el problema, aunque
en numerosas ocasiones esta es la parte m as f acil. La funci on objeto es
una par abola con un m aximo situado en x =
L
2
, que seguro ser eis capaces
de determinar. Debido a que este mnimo de la par abola pertenece al
conjunto factible, ya hemos acabado: la soluci on es tomar
L
2
metros como
lado paralelo al muro, de manera que los otros lados tendr an una longitud
de
L
4
y la superficie cerrada ser a de
L
2
8
metros cuadrados.

Ejemplo 5.9.
Los autom oviles circulan por un punto de una carretera con una separaci on unos de otros
que depende de su velocidad de circulaci on, determinada por d(v) = 0,01+
_
v
30
_
2
, donde
v, es la velocidad en kil ometros por hora y d(v) es la separaci on en metros (la distancia
d(v) incluye la longitud del coche). Nos interesa saber cu al es la velocidad que permite
el paso del m aximo n umero de vehculos por hora.
1) Comprender el problema.
En caso de que los vehculos circulen con lentitud, aunque est en muy juntos, ser an pocos
los que pueden pasar en una hora. Si van muy r apido, la separaci on es tan grande que
tampoco pueden pasar muchos en una hora.
2) Identificar la magnitud que tenemos que optimizar.
Se trata de maximizar el n umero de autom oviles n que pasan en una hora.
3) Identificar la variable independiente.
La magnitud objetivo, es decir, el n umero de coches por hora, depende de su velocidad
de circulaci on. La velocidad v es la encargada de controlar el problema, la inc ognita que
debemos encontrar.
4) Escribir la relaci on funcional.
El n umero de autom oviles por hora ser a igual a la distancia que recorren los coches en
una hora dividida por la separaci on entre dos vehculos consecutivos: n(v) =
v
d(v)
es el
n umero de coches que pueden pasar a v kil ometros por hora y d(v) = 0,01 +
_
v
30
_
2
es la
distancia entre dos coches que circulan a una velocidad v.
5) Identificar las restricciones.
En este caso, la unica restricci on encontrada es v 0.
6) Enunciar el problema matem aticamente y resolverlo.
maximizar n(v) =
v
0,01 +
_
v
30
_
2
respecto a v
sujeto a v 0.
Cuando v = 0 tenemos n(0) = 0. As, para todo v > 0, n(v) > 0. La derivada se puede
escribir:
n
(v) =
(v + 3)(v 3)
900
_
0, 01 +
v
2
900
_
2
,
cosa que nos indica que el unico punto crtico dentro del conjunto factible es v = 3, y
tambi en nos dir a que la derivada cambia de positiva a negativa en v = 3, es decir, es un
mnimo relativo o local. Para finalizar, tambi en nos indicar a que para v > 3, la derivada
es negativa y, por lo tanto, la funci on es decreciente. Dicho de otra manera, v = 3 tiene
que ser el m aximo absoluto o global en [3, ).
Soluci on: a una velocidad de 3 kil ometros por hora pasan el m aximo n umero de coches
por hora, es decir, 150 autom oviles por hora.
Ejemplo 5.10.
La curva de demanda de un determinado bien es Q(p) = 2.000 0,5p, donde p es el precio
unitario en pesetas y Q(p) es el n umero de unidades. Qu e precio dara una facturaci on
m axima?
Resoluci on breve: se trata de maximizar la facturaci on o el total de ingresos:
F(p) = p(2.000 0,5p)
con respecto a p, sujeto a p > 0. El m aximo de la par abola es para p = 2.000, y dado que
esto se encuentra dentro del conjunto factible y la funci on es c oncava, ser a el m aximo
global.

Ejemplo 5.11.
Hay que producir 8.000 unidades de un producto con el mnimo coste. Para hacerlo, se
utilizanm aquinas cuya producci ones de 50 unidades cada hora. Poner enfuncionamiento
cada m aquina cuesta 40.000 pesetas y, mientras est antrabajando, cada m aquina consume
3.000 pesetas cada hora. Asimismo, existen unos gastos de mantenimiento de la f abrica
de 5.000 pesetas por hora. Cu antas m aquinas tenemos que utilizar en el trabajo?
Resoluci on: tenemos que minimizar el coste total C(n) con respecto al n umero de m a-
quinas n con la restricci on n 1. El coste es la suma del coste de la puesta en marcha,
que ser a de 40.000n m as el coste de funcionamiento, que ser a de 3.000 por el n umero de
m aquinas n y por el n umero de horas necesarias:
8.000
50n
m as el coste de mantenimiento,
que es de 5.000 por el n umero de horas. La derivada (consideramos la variable n real) se
puede escribir:
C
(n) = 40.000
n
2
20
n
2
,
con lo cual no cabe duda de que los costes son decrecientes para 1 < n
20 mientras
que ser an crecientes para n
20. Por lo tanto, n = 4,47 ser a nuestra soluci on.

Todava hay una restricci on m as que no hemos tenido en cuenta hasta ahora: n tiene
que ser un n umero entero, tiene que haber 4 o 5 m aquinas. Calculamos C(4) y C(5)
y resultan ser id enticos; es decir, desde el punto de vista del coste de producci on no
podemos decidir, da lo mismo si son 4 o 5.
5.7. Ejercicios
5.6. Al lado de una autopista se tiene que construir un area de servicio rectangular de 5.000
metros cuadrados. El coste de la valla es de 200.000 pesetas el metro lineal en el lado que
toca con la autopista, y de 500.000 pesetas el metro lineal en los otros tres lados. Qu e
dimensiones minimizar an el coste de la valla?
5.7. La construcci onde unedificio de oficinas de npisos tiene uncoste de C(n) = n
2
+50n+60
millones de pesetas. Cu al es el n umero de plantas que minimiza el coste por planta?
5.8. Un fabricante necesita 20 piezas diarias para su proceso de fabricaci on. Se las encarga a
Una pista
Tomad como variable
independiente x, el n umero
de das entre envo y envo.
Pensad que, si esto es as, la
media de tiempo que una
pieza permanecer a en el
almac en ser a de
x
2
das.
un proveedor, siendo el coste de cada pieza de 5.000 pesetas. Cada envo tiene un coste fijo
de 20.000 pesetas, m as 100 pesetas por pieza. Adem as, ha calculado que el almacenamiento
de las piezas le cuesta 50 pesetas por da y pieza. Suponiendo que el tiempo de espera entre
el pedido y el envo es cero, en qu e intervalo de tiempo tendr a que efectuarse el pedido para
minimizar costes?
5.9. Determinad las medidas de un bote de lata cilndrico de volumen V de manera que el
coste de la lata sea mnimo.
5.8. Solucionario
5.1. La derivada de la funci on es
x
2
+3
(x
2
+3x+3)
2
=
(x
3)(x+
3)
(x
2
+3x+3)
2
, que se anula para x =
3.
Si analizamos el signo de la derivada, es f acil deducir que para x =
3 la funci on tiene un
mnimo relativo, y para x =
3 tiene un m aximo relativo. Con un an alisis detallado del

signo de la derivada, del signo de la funci on y de los lmites de la funci on cuando x se aleja,
se puede deducir que los extremos encontrados tambi en son extremos absolutos.
5.2. La funci on presenta un unico extremo local dentro del conjunto factible para x = 1, que
es un m aximo con f(1) = 0,5. En los extremos del intervalo, la funci on vale 0 y 0,4. Por
tanto, x = 1 es el m aximo absoluto y x = 0 es el mnimo absoluto con las restricciones dadas.
5.3. El hecho de que la funci on sea continua en un intervalo cerrado nos asegura que el
problema tiene soluci on. Encontraremos el m aximo, bien en alguno de los extremos, bien
en el punto a
1
(donde la funci on toma una forma de punta), o bien ser a un m aximo local.
5.4.
f(1) = 1, f(2) = 4.
y = f(x) = x
2
f
(x) = 2x y, por lo tanto, la funci on es derivable x [1, 2].

f
(x) = 0 2x = 0 x = 0 (1, 2), f(0) = 0.

Por lo tanto, en x = 0 se alcanza el mnimo absoluto y su valor es f(0) = 0 y en x = 2 se
alcanza el m aximo absoluto y su valor es f(2) = 4.
5.5.
y =
2
3
x
3
x
2
y
=
2
3
2x
3
3
x
4
=
2
3
2
3
3
x
(x = 0).
f(1) =
2
3
1 =
5
3
.
f(1) =
2
3
1 =
1
3
.
f
(x) = 0
2
3
2
3
3
x
= 0
3
x = 1 x = 1 y =
1
3
.
f no es derivable en x = 0 y f(0) = 0.
As, en x = 0 tenemos un m aximo absoluto y su valor es f(0) = 0, y en x = 1 encontramos
el mnimo absoluto y su valor es f(1) =
5
3
.
5.6. Tenemos que minimizar el coste de la valla, que se compone de dos partes: el coste de
la valla que separa el area de servicio de la autopista, y el coste de la valla con el exterior.
La variable independiente, con la que podemos jugar para variar los costes, puede ser la
longitud del lado que est a en contacto con la autopista; llam emosla x. El otro lado del
rect angulo tendr a que ser
5.000
x
, puesto que la superficie se encuentra fijada. El coste total
ser a:
C(x) = 200.000x + 500.000
_
x + 2
_
5.000
x
__
= 100.000
_
7x +
50.000
x
_
.
Tenemos que minimizar esta funci on objetivo respecto de x con esta unica restricci on: x > 0.
La derivada se puede escribir:
C
(x) = 100.000
7x
2
50.000
x
2
= 700.000
x
2
50.000
7
x
2
.
Esto nos muestra que para x <
_
50.000
7
, la funci on C(x) es decreciente y es creciente para
x >
_
50.000
7
. As pues, tenemos el mnimo global en x =40,82, con lo que el otro lado ser a
de 1.224,89 metros.
5.7. Hay que minimizar M(n) =
C(n)
n
con respecto a n, sujeto a n 1. Tenemos M(n) =
= n + 50 +
60
n
y su derivada se puede escribir:
M
(n) = 1
60
n
2
=
n
2
60
n
2
,
y volvemos a tener un caso claro de mnimo local que tambi en es mnimo absoluto dentro del
conjunto factible. La soluci on es, pues, n =
60 7, 75. Si queremos satisfacer la restricci on

que establece que n debe ser un entero, ya que es el n umero de plantas, calcularemos M(7) y
M(8) y concluiremos que el mnimo coste por planta se obtiene cuando se edifican 8 plantas.
5.8. Tomamos x igual al n umero de das entre pedido y pedido. El coste de las piezas tiene
tres componentes: el coste de compra, el de transporte y el de almac en. El coste de compra
de una pieza no depende de x, es 5.000 pesetas. El coste de transporte de las 20x piezas que
se tendr an que pedir ser a de 20.000 + 2.000x, y repercutir a en
20.000+2.000x
20x
por cada pieza.
Y, por ultimo el coste de almacenamiento ser a de
50x
2
por pieza. Por lo tanto, el coste total
por pieza ser a:
C(x) = 5.000 +
1.000
x
+ 100 + 25x = 5.100 + 25x +
1.000
x
,
que resulta f acil de minimizar: la soluci on es x = 6,32.
5.9. El coste de la lata ser a mnimo si la superficie del bote es mnima. La superficie del bote es
la suma del area de ambas bases y del area lateral del cilindro. Es decir, S(r, h) = 2r
2
+2rh.
Teniendo encuenta que el volumendel bote es fijo y que el volumendel cilindro es V = r
2
h,
entonces h =
V
r
2
. Si sustituimos h en la funci on superficie queda:
S(r) = 2r
2
+ 2r
V
r
2
= 2r
2
+
2V
r
,

y derivando: S
(r) = 4r
2V
r
2
S
= 0 4r
2V
r
2
= 0 4r =
2V
r
2
r
3
=
2V
4
r =
3
_
V
2
.
Para comprobar que este valor de r da un extremo, calculamos la segunda derivada:
S
(r) = 4 +
4rV
r
4
= 4 +
4V
r
3
> 0 r > 0.
As, corresponde a un mnimo de la superficie S.
h =
V
r
2
=
V
3
_
V
2
4
2
=
3
V
3
3
V
2
4
2
=
3
_
4V
=
3
_
8V
2
= 2
3
_
V
2
= 2r.
Es decir, h = 2r.

Ejercicios de autoevaluacin
1. Calculad los siguientes lmites:
a) lim
x0
e
6x
e
3x
sin(3x) sin x
.
b) lim
x1
xln x
x
2
1
.
c) lim
x+
x
x
2
+ 1
x 1
.
2. Existe alg un valor de k tal que las funciones f(n) y g(n) tengan el mismo orden de
magnitud?
a) f(n) = ln
_
n
2
1
n
2
+1
_
, g(n) = n
k
.
b) f(n) =
n
_
(2n)!
n!
, g(n) = n
k
.
3. Considerad la ecuaci on f(x) = x
3
x 1 = 0.
a) Demostrad que tiene una soluci on en el intervalo (1, 2).
b) Cu antas iteraciones son necesarias, si utilizamos el m etodo de bisecci on, para obtener
una aproximaci on de con tres cifras decimales exactas? Aportad tambi en la soluci on
aproximada.
4. Queremos utilizar el m etodo de Newton para resolver la ecuaci on f(x) = x
3
+ 2x
2
+
+10x 20 = 0, empezando a iterar a partir de x
0
= 1.
a) Qu e f ormula recurrente hay que utilizar?
b) Aportad una soluci on aproximada de la ecuaci on con siete cifras decimales exactas, y
determinad cu antas iteraciones han sido necesarias para encontrarla.
5. Queremos utilizar el m etodo Newton para calcular
3
2.
a) Qu e funci on podemos usar?
b) Qu e f ormula recurrente obtenemos?
c) Si empezamos con x
0
= 1, estableced una soluci on aproximada de la ecuaci on con
siete cifras decimales exactas.
6. Determinad la ecuaci on de la par abola que mejor aproxima de manera gr afica la curva de
ecuaci on y = e
x
(ln(x + 1)), cerca del punto (0, 0).
7. Dada la funci on x
3
2x + sin x:
a) Calculad el polinomio de Taylor de tercer grado, P
3
(x), de f(x) en a = 0.
b) Estableced una cota de error = |f(x) P
3
(x)|, v alida para todo x (0, 1).
8. Considerad la funci on f(x) = ln(x + 1).
a) Encontrad una expresi on de f
(n)
(0) en funci on de n.
b) Calculad el grado del polinomio de Taylor de f(x) en a = 0, de manera que el error
cometido al aproximar la funci on por el polinomio, en el intervalo (0, 1), sea menor que
una mil esima.
9. Encontrad los extremos relativos, los puntos de inflexi on y las asntotas de las siguientes
funciones:
a) f(x) =
x
3
(x + 1)
2
.
b) g(x) = (x 1)
4
x
3
.
c) h(x) =
e
x
1+x
.
10. Calculad los extremos relativos y los puntos de inflexi on de f(x) = 10x
6
24x
5
+15x
4
+2.
11. Calculad los extremos absolutos en el intervalo [0, 1] de las siguientes funciones:
a) f(x) =
1 x +x
2
1 +x x
2
.
b) g(x) = arctan
1 x
1 +x
.

12. Considerad el arco de la par abola C = {y = x
2
, x [2, 2]}. Calculad los puntos de C a
distancia m axima y mnima del punto P = (0, 1).
13. Un cami on tiene que recorrer 500 kil ometros a una velocidad constante v (en km/h),
dentro de los lmites permitidos por la ley (50 v 90). El litro de gasolina cuesta 100
pesetas, y el consumo del cami on en l/h es 10 +
v
2
100
. El conductor cobra 1.025 pesetas por
hora. Con todos estos datos, determinad la velocidad m as econ omica y el coste del viaje
correspondiente.

Solucionario
Ejercicios de autoevaluaci on
1. a)
3
2
, b)
1
2
, c) 1.
2. a) k = 2, b) k = 1.
3. a) f(1) < 0, f(2) > 0, b) 11 iteraciones, 1, 324.
4. a) x
n
= x
n1
x
3
n1
+2x
2
n1
+10x
n1
20
3x
2
n1
+4x
n1
+10
, b) 1, 3688081, 4 iteraciones.
5. a) f(x) = x
3
2, b) x
n
=
2
3
_
x
n1
+
1
x
2
n1
_
, c) 1,2599210.
6. y = x +
1
2
x
2
.
7. a) P
3
(x) =
5
6
x
3
x, b) <
1
24
.
8. a) f
(n)
(0) = (1)
n+1
(n 1)!, b) 1.000.
9. a) x = 0 punto de inflexi on, x = 3 m aximo relativo, x = 1 asntota vertical, y = x 2
asntota oblicua, b) x = 0 punto de inflexi on, x =
3
7
m aximo relativo, x = 1 mnimo relativo,
no hay asntotas, c) x = 0 mnimo relativo, x = 1 asntota vertical, y = 0 asntota horizontal
por la izquierda.
10. x = 0 mnimo relativo, x = 1 punto de inflexi on.
11. a) Valor m aximo: 1 (alcanzado en x = 0 y x = 1), valor mnimo:
3
5
(alcanzado en x =
1
2
),
b) Valor m aximo:

4
(alcanzado en x = 0), valor mnimo: 0 (alcanzado en x = 1).
12. (
2
2
,
1
2
) est an a distancia mnima d =
3
2
, (2, 4) est an a distancia m axima D = 13.
13. v = 50 km/h, coste = 45.250 pesetas.
Glosario
Asntota horizontal: se dice que la recta de ecuaci on y = b es una asntota horizontal de
la funci on f(x) si lim
x
f(x) = b.
Asntota oblicua: tiene ecuaci ony = mx+n, donde m = lim
x
f(x)
x
, n = lim
x
(f(x)mx).
Asntota vertical: establecemos que la recta de ecuaci on x = a es una asntota vertical de
la funci on f(x) si lim
xa
f(x) = .
Comparaci on de ordenes de magnitud de funciones: sean f(n), g(n) funciones tales
que:
lim
n+
f(n) = lim
n+
g(n) = +.
Decimos que f y g son del mismo orden de magnitud cuando lim
n+
f(n)
g(n)
es diferente de 0
y de . Entonces escribimos f(n) g(n) o bien O(f(n)) = O(g(n)).
Determinamos que f tiene orden de magnitud superior a g cuando lim
n+
f(n)
g(n)
= +.
Entonces escribimos f(n) >> g(n) o bien O(f(n)) > O(g(n)).
Decimos que f tiene orden de magnitud inferior a g cuando lim
n+
f(n)
g(n)
= 0. Entonces
escribimos f(n) << g(n) o bien O(f(n)) < O(g(n)).

Extremo absoluto o global: punto donde una funci on, definida en un conjunto dado,
alcanza el valor mayor (m aximo absoluto o global) y menor (mnimo absoluto o global) de
entre todos los del conjunto.
Extremo relativo o local: punto donde una funci on alcanza su valor mayor (m aximo
relativo) o menor (mnimo relativo) con respecto a los puntos de un entorno.
F ormula de Stirling: lim
n+
n!
e
n
n
n
2n
= 1.
Funci on derivable c oncava: f(x) es c oncava en un punto x = a cuando la curva y = f(x)
est a por encima de la recta tangente en un entorno del punto x = a. Si f
(a) > 0, f(x) es

c oncava en x = a.
Funci on derivable convexa: f(x) es convexa en un punto x = a cuando la curva y = f(x)
est a por debajo de la recta tangente en un entorno del punto x = a. Si f
(a) < 0, f(x) es

convexa en x = a.
Indeterminaciones potenciales: un lmite es indeterminado y la indeterminaci on es de
tipo potencial cuando, a lo largo del proceso de c alculo, llegamos a una de las siguientes
expresiones:
1
, 0
0
,
0
Indeterminaciones racionales: un lmite es indeterminado y la indeterminaci on es de
tipo racional cuando, en el proceso de c alculo, llegamos a una de las siguientes expresiones:
0
0
,

, , 0
M etodo de bisecci on: m etodode resoluci onaproximada de ecuaciones basadoenel teorema
de Bolzano. Siempre converge en la soluci on, pero lentamente.
M etodo de la secante: m etodo de resoluci on aproximada de ecuaciones consistente en
aplicar de manera sucesiva la f ormula iterativa:
x
n
= x
n1
f(x
n1
)(x
n1
x
n2
)
f(x
n1
) f(x
n2
)
.
M etodo de Newton: m etodo de resoluci on aproximada de ecuaciones que consiste en la
aplicaci on sucesiva de la f ormula iterativa:
x
n+1
= x
n
f(x
n
)
f
(x
n
)
.
Polinomio de Taylor de grado n de f(x) en el punto x = a:
P
n,a
(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+. . . +
f
n
(a)
n!
(x a)
n
. . .
Punto de inflexi on: decimos que una funci on f(x) tiene un punto de inflexi on x = a
cuando pasa de ser c oncava a convexa, o viceversa. Si f
(a) = 0 y f
(a) = 0, entonces x = a
es un punto de inflexi on de f(x).
Problema de optimizaci on: problema en el que se busca el valor o los valores de una
variable que maximizamos o minimizamos en una funci on dada que se conoce como funci on
objetivo.
Regla de LH opital: regla util para resolver indeterminaciones cuando las funciones invo-
lucradas son derivables. Si tenemos las funciones f(x) y g(x), derivables en un entorno del
punto x
0
tal que lim
xx
0
f(x) = 0 y lim
xx
0
g(x) = 0, entonces:
Si existe lim
xx
0
f
(x)
g
(x)
, entonces lim
xx
0
f(x)
g(x)
=
f
(x)
g
(x)
.
Representaci on gr afica de funciones: si queremos realizar un esbozo de la gr afica de
una funci on es aconsejable estudiar su dominio, las simetras, la periodicidad, los puntos de

discontinuidad, las asntotas, los puntos de corte con los ejes de coordenadas y los puntos
crticos (m aximos, mnimos y puntos de inflexi on).
Residuo n- esimo de Lagrange de f(x) en el punto x = a:
P
n,a
(x) =
f
(n+1)
()
(n + 1)!
(x a)
n+1
, comprendido entre a y x.
Sumario
En un principio hemos clasificado y analizado las diferentes indeterminaciones surgidas en el
c alculo de lmites de funciones, para as poder resolverlas. Del mismo modo, hemos presenta-
do la regla de LH opital, util para deshacer indeterminaciones que se presentan inicialmente
en el lmite de cocientes de funciones derivables. Y, por ultimo, se ha comparado el orden
de magnitud de algunas de las funciones m as usuales en la expresi on de la complejidad de
un algoritmo.
En el segundo apartado hemos podido ver la manera de encontrar las soluciones aproximadas
de ecuaciones que resultan m as complicadas que las polin omicas de primer y segundo grado.
El procedimiento consiste en determinar el n umero de soluciones, separarlas en intervalos
disjuntos y, despu es, buscar un valor aproximado de cada una de las soluciones, con una
precisi on tan grande como se quiera.
A continuaci on hemos pasado a ver c omo encontrar, dada una funci on derivable en varias
ocasiones en un punto, el polinomio de grado fijado que mejor aproxima la funci on alrededor
del punto. Tambi en se ha expuesto la forma de calcular este polinomio, llamado polinomio
de Taylor de la funci on en el punto. De este modo, hemos utilizado los polinomios de Taylor
para encontrar el valor aproximado de funciones no polin omicas y hemos presentado c omo
acotar el error cometido en la aproximaci on, en funci on del grado del polinomio utilizado.
En el cuarto apartado nos encontramos con un estudio detallado de las gr aficas de funciones:
crecimiento y decrecimiento, extremos relativos, concavidad y convexidad, asntotas y sime-
tras.
Y, para acabar, se han expuesto las estrategias que debemos seguir ante una serie de problemas
de optimizaci on global, teniendo en cuenta que la situaci on es muy diferente dependiendo
de si la funci on objetivo es continua o no lo es y, tambi en, de si es derivable o no.
Bibliografa
Etayo, J.; Colera, J.; Ruiz, A. (1981). Matem aticas. Manuales de orientaci on universitaria.
Madrid: Anaya.
Larson, R.E.; Hostetler, R.P.; Edwards, B.H. (1995). C alculo y geometra analtica. (vol.
1, 5a ed.) Santa Fe de Bogot a: McGraw-Hill Interamericana.

Profundización en Las Técnicas Del Cálculo. Martín, Sebastià

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Profundización en Las Técnicas Del Cálculo. Martín, Sebastià

Uploaded by

Copyright:

Available Formats

Profundizaci on

, que es una indeterminaci on racional.

x = , que es una indeterminacin racional.

, se puede reducir al lmite del nuevo

(x) son funciones deriva-

, no podemos determinar el valor del lmite:

n, tienden a infinito cuando n tiende a infinito. Si queremos

, que es indeterminado. Para resolver la indeterminaci on, calcula-

= (Observamos que, en este caso, no hay indeterminaci on)

= 0, teniendo en cuenta que

x son funciones derivables x > 0, utilizaremos la regla de LH opital.

2, nos quedamos satisfechos diciendo que las soluciones

(x) 0 x. Adem as:

(x) > 0, y tenemos que f(x) es estrictamente creciente.

(x) = sin x 1, y la f ormula recursiva:

(x) no se anule para que la f ormula siempre tenga sentido).

2 por medio del m etodo de Newton.

2 con ocho cifras decimales exactas.

(x) = 3 + 4 sin xcos x = 3 + 2 sin(2x) 1 x

(x) = cos x sin x. La f ormula iterativa es:

2 sea una soluci on de f(x) = 0.

(x) = 2x y la f ormula iterativa del m etodo de Newton es:

Esta es la frmula de Taylor para funciones polin omicas.

(a)(x a) es una aproximaci on

(a)(x a)] = o(x a). Dado que la

(0) = 1, con lo que llegamos a la

1 +x en un entorno x = 0 mediante un polinomio

< 2 cuando (0,

1,3 con un error inferior a una mil esima.

e con un error inferior a

1,3 = 1,1404375 con un error inferior a una mil esima.

< 2 si (0, 0,1).

(a) = 0. Entonces, de acuerdo

(a) > 0 f es creciente en x = a.

(a) < 0 f es decreciente en x = a.

coincide con el signo de f

(a) > 0 f tiene un mnimo relativo en x = a.

(a) < 0 f tiene un m aximo relativo en x = a.

(a) = 0 y que en x = a la funci on no tenga ni

= 2 sin x cos x = sin2x y

(0) = 2 cos 0 = 2 > 0.

(x) en x = a es de orden par, la funci on es:

. Dado que lim

. Dado que lim

(a) > 0, entonces la curva es c oncava en x = a.

(a) < 0, entonces la curva es convexa en x = a.

(a), la curva tiene un punto de inflexi on

(0) = cos(0) = 1 < 0.

(x) = 0 para determinar otros posibles puntos

(x) en un entorno del punto x

(x) > 0 o bien

(x) < 0, entonces en x

(x) en un entorno de este punto.

(1) = 6 > 0 implica que hay un mnimo en x = 1.

(1) = 6 < 0 implica que hay un m aximo en x = 1.

(0) = 6 = 0 implica que hay un punto de inflexi on en x = 0.

(1) = 4 = 0 implica que en el punto (1, f(1)) =

f(0 +h) f(0)

(x) > 0 a la izquierda de x = 0 y f

(x) < 0 a la derecha. De este modo, la

(x), es necesario proceder de la

(x) = 0 y comprobar si las races corresponden a

(x), haciendo un estudio de la funci on en un entorno